Expose document text and OCR page provenance for review

2026-09-06 09:44:06 +03:00
parent b340cf5772
commit 49965a2688
5 changed files with 341 additions and 5 deletions
@@ -335,3 +335,11 @@ Varsayılan 40 metin sayfası ve 8 OCR sayfası sınırı kaldırıldı; tüm sa
 76 test ve üretim derlemesi geçti. Testler 45 sayfalık gerçek PDF baytlarını pdfjs ile okuyarak son sayfa maddesinin korunduğunu; karma sayfa sırasını ve OCR hatasının başarısızlık olarak iletildiğini doğruluyor. Gerçek PDF testi kütüphanede DocumentProxy.destroy bulunmadığını ortaya çıkardı; kapatma LoadingTask.destroy üzerinden düzeltildi.

 Sınırlar: gerçek tarayıcıda uzun/taranmış karma PDF performansı ve OCR doğruluğu kabulü açık. Sayfa okunmuş olması OCR metninin anlamsal doğruluğunu kanıtlamaz. OCR varsayılanı metni 100 karakterden kısa sayfalarda çalışır; küçük metinli sayfalarda ek işlem maliyeti oluşabilir. Resmi dosya ve beş ihale kabulü tamamlanmadı.
+
+### Karma PDF tarayıcı OCR kabulü ve kaynak önizlemesi
+
+Test dosyası document-mixed.pdf bir yerel metin sayfası ve Türkçe metin içeren görüntü sayfasından oluşuyor. Gerçek in-app tarayıcıda yükleme tamamlandı, kayıt korundu ve cetvel bulunmadığı gösterildi. Yeni “Metni incele” işlemi kaydedilmiş dosyayı okuyor; toplam/okunan sayfa sayısı, OCR uygulanan sayfalar ve tam çıkarılan metni AI çağrısı yapmadan gösteriyor. Önizleme ihale değişiminde temizleniyor; geç gelen başka ihale/oturum yanıtı uygulanmıyor.
+
+Tarayıcı kanıtı: evidence/qa-mixed-pdf-ocr.txt. 2/2 sayfa okundu, yalnız sayfa 2 OCR olarak işaretlendi. İKN doğru okundu; “için” ve “içerir” sözcüklerinde OCR hataları gözlendi. Dolayısıyla bu test OCR çalışmasını ve sayfa kapsamını doğrular, kusursuz metin veya resmi kalem doğruluğunu doğrulamaz. Önizlemede resmi dokümanla karşılaştırma uyarısı var. OCR doğruluğunu iyileştirme, insan kontrolünün sonraki hazırlık adımlarına zorunlu aktarımı ve uzun tarama performansı açık.
+
+76 test ve üretim derlemesi geçti. Test dosyası sentetiktir; beş resmi ihale kabulü yerine geçmez.