โมเดล AI — Surya OCR

Surya-OCR คือโมเดล Modern OCR ที่ใช้ดึงข้อความและวิเคราะห์โครงสร้าง (Layout Detection) จากรูปภาพที่อัปโหลดเข้ามาระบบ โดยถูกจัดอยู่ใน Layer 1: Textual Analysis (ชั้นวิเคราะห์ข้อความ) รันแบบ Surya OCR v0.5.0 (Native PyTorch)

ทำไมถึงเลือก Surya OCR?

โมเดลนี้ทำงานบนเวอร์ชัน 0.5.0 (Native PyTorch) ซึ่งมีคุณสมบัติดังนี้:

Multi-lingual Support: รองรับการอ่านกว่า 90 ภาษาตาม model card ของผู้พัฒนา Surya v0.5.0 รวมทั้งภาษาไทยและภาษาอังกฤษ (เกณฑ์รับรอง: อ่านไทย/อังกฤษบนภาพ ≥720px ได้ถูกต้อง)
Native PyTorch Inference: รันโมเดลผ่านสถาปัตยกรรม PyTorch และใช้งานทรัพยากร GPU (CUDA) ได้เต็มประสิทธิภาพโดยตรง
Layout Detection: สามารถวิเคราะห์โครงสร้างเอกสาร แยกแยะบรรทัด และจัดกลุ่มฟิลด์บนสลิปโอนเงินได้แม่นยำสูง
Robust to Noise: ทนทานต่อภาพเบลอ ภาพที่ถูกบีบอัด หรือภาพจากสกรีนช็อตผ่านแอปแชต

อัลกอริทึมและสมการคณิตศาสตร์ (Mathematical Formulation)

Surya-OCR อาศัยสถาปัตยกรรมระดับ Vision-Language Model โดยแบ่งการทำงานเป็นส่วนของการเข้ารหัสภาพ (Vision Encoder) และการถอดรหัสข้อความ (Text Decoder):

Vision Encoder (Feature Extraction): ภาพอินพุต I จะถูกแปลงเป็น Sequence ของ Vision Tokens F_v ผ่านเครือข่าย Transformer/CNN:
```
ภาษา textF_v = Encoder_vision(I)
```
Text Decoder (Autoregressive Text Generation): การทำนายข้อความ Y = (y_1, y_2, …, y_T) อาศัยความน่าจะเป็นแบบมีเงื่อนไข (Conditional Probability) ในการทำนายตัวอักษรถัดไป:
```
ภาษา textP(Y | I) = Π_t=1^T P(y_t | y_<t, F_v)
```
ฟังก์ชันเป้าหมาย (Objective Function) เพื่อลดค่าข้อผิดพลาดระหว่างการเทรนคือ Cross-Entropy Loss (L_CE):
```
ภาษา textL_CE = - Σ_t=1^T log P(y_t | y_<t, F_v)
```

Layout Detection (Bounding Box Regression): เพื่อกำหนดขอบเขต (Bounding Box) ของตัวอักษร โมเดลใช้ฟังก์ชัน Smooth L1 Loss ในการเทียบพิกัด (x, y, w, h):

ภาษา textL_loc(b, b̂) = Σ_{i ∈ {x,y,w,h}} smooth_L_1(b_i - b̂_i)

เมื่อ smooth_L_1(x) ถูกนิยามเป็น:

ภาษา textsmooth_L_1(x) = 0.5 x^2, if |x| < 1; |x| - 0.5, otherwise

บทบาทในระบบ

Text Recognition: รับรูปภาพเป็นอินพุตและสกัดออกมาเป็นตัวอักษร (String) พร้อมพิกัดโครงสร้างข้อความ
Scam Keyword Matching: สตริงที่สกัดได้จะถูกส่งต่อให้ NLP ภายใน Backend API กรองหาคำหลอกลวงหรือ Scam Keywords (เช่น "กู้เงินด่วน", "โอนเงินรับปันผล") เพื่อคำนวณคะแนนความเสี่ยงด้านข้อความ (Textual Score) ต่อไป