Extrayez le numéro de suivi, le destinataire et l'adresse à partir d'une photo d'étiquette de colis
Extrayez 5 champs (numéro de suivi, nom du destinataire, adresse, classe de service et poids) à partir d'une photo d'étiquette de colis de n'importe quel transporteur, même avec un reflet du ruban adhésif ou des surfaces incurvées.
5 s par étiquette · Jusqu'à 99 % de précision sur le texte imprimé
Ce que vous pouvez extraire d’une photo d’étiquette de colis
Extraction de colonnes personnalisées vous permet de nommer les champs — l’IA localise chacun d’eux par son sens, pas par son emplacement sur l’étiquette. Même en cas de reflet du ruban adhésif ou de surface incurvée.
Format propre au transporteur — UPS commence par « 1Z », USPS par « 9400 », Amazon Logistics par « TBA ». L’IA lit le numéro imprimé et le recoupe avec le code-barres.
La personne ou l’entreprise à qui le colis est destiné. Généralement le texte le plus grand sur l’étiquette.
Rue, ville, état, code postal. Parfois partiellement masquée par le reflet du ruban adhésif. L’IA lit à travers les reflets en reconnaissant la structure de l’adresse plutôt que les caractères individuels.
Standard, Express, Prioritaire — souvent abrégé (« GND », « PRI »). L’IA le lit quel que soit le style d’abréviation.
Poids du colis en lb ou kg, généralement en petits caractères près du coin inférieur.
Reflet du ruban adhésif, surfaces incurvées, mises en page denses — pourquoi les étiquettes de colis mettent l'OCR traditionnelle en échec
Une étiquette d'expédition est un autocollant thermique brillant collé sur une boîte en carton incurvée, exposé à la manipulation, à la lumière et aux intempéries. L'OCR traditionnelle lit le reflet. L'extraction sémantique lit chaque champ selon sa signification.
Pourquoi les outils traditionnels échouent
Les reflets du ruban adhésif et les surfaces incurvées déforment les caractères. Une étiquette collée sur le coin d'une boîte crée une surface inclinée et réfléchissante. Le ruban adhésif transparent au-dessus de l'adresse du destinataire renvoie la lumière au lieu de laisser l'appareil photo capturer le texte. Comme l'a noté un développeur dans une discussion sur l'OCR des étiquettes d'expédition, « les photos réelles présentent des reflets, des plis et un mauvais éclairage » — des conditions qui font chuter fortement la précision de l'OCR conventionnelle.
Des informations denses dans un petit espace provoquent un mélange des champs. Une étiquette de 10″×15″ contient un numéro de suivi, un code-barres, deux blocs d'adresse, un indicateur de service, le poids et des champs de référence — le tout séparé par des repères visuels plutôt que par des cases étiquetées. L'OCR traditionnelle déverse tout dans un seul bloc de texte, mélangeant le numéro de suivi avec le code postal et le poids avec la valeur du code-barres. Démêler cela nécessite un travail manuel sur chaque étiquette.
Chaque transporteur utilise une mise en page différente. UPS place le numéro de suivi en haut de l'étiquette. FedEx le positionne sous l'adresse du destinataire. USPS l'enroule autour du code-barres. Les outils basés sur des modèles nécessitent une configuration distincte par transporteur — et une nouvelle configuration à chaque fois qu'un transporteur met à jour le design de son étiquette.
Comment l'extraction sémantique lit n'importe quelle étiquette
Nommez les colonnes — l'IA trouve les valeurs par leur sens, pas par leur position. Saisissez « Numéro de suivi, Nom du destinataire, Adresse, Classe de service, Poids ». Le modèle connaît les motifs des numéros de suivi (1Z..., 9400..., TBA...) et les lit à travers les reflets en les reconnaissant — sans avoir à OCRiser chaque caractère déformé.
Le contexte visuel résout la densité. Le modèle comprend qu'un numéro de suivi imprimé au-dessus d'un code-barres, un bloc d'adresse du destinataire en dessous et une valeur de poids en bas sont des champs distincts — même s'ils ne sont séparés que de quelques millimètres. Il lit chacun indépendamment, évitant la contamination croisée qui nuit à l'OCR traditionnelle sur les étiquettes denses.
Un seul jeu de colonnes fonctionne avec tous les transporteurs. Les mêmes cinq colonnes extraient les données d'une étiquette UPS Ground, d'une étiquette FedEx Express, d'une étiquette USPS Priority et d'une étiquette DHL eCommerce, sans aucune configuration par transporteur. Importez des étiquettes de plusieurs transporteurs dans un seul lot — l'IA traite chacune indépendamment et produit une seule feuille de calcul.
D'une photo d'étiquette de colis à une ligne de feuille de calcul en trois étapes
Photographiez l'étiquette sur le colis
Un colis arrive à votre bureau de réception ou sur le pas de votre porte. L'étiquette est scotchée sur un angle de la boîte. Le ruban adhésif transparent capte la lumière du plafonnier. Vous prenez une photo avec votre téléphone — JPG ou PNG — en capturant toute la zone de l'étiquette. Téléchargez-la dans un lot. Pas besoin de décoller l'étiquette, de l'aplatir ou d'enlever le ruban adhésif. La photo telle quelle est suffisante pour commencer.
Nommez les champs une fois
Saisissez les noms de colonnes dont vous avez besoin : Numéro de suivi, Nom du destinataire, Adresse, Classe de service, Poids. Ces cinq mêmes colonnes fonctionnent, que l'étiquette provienne d'UPS, FedEx, USPS ou DHL. L'IA traite chaque image indépendamment — elle trouve le numéro de suivi selon le modèle du transporteur, lit le bloc d'adresse en reconnaissant la structure rue/ville/code postal, et identifie le poids par son format numérique et sa proximité avec l'unité de mesure.
Téléchargez une feuille de calcul propre
Le traitement prend environ 5 secondes par étiquette. Le résultat est un fichier XLSX : chaque ligne correspond à une étiquette photographiée, chaque colonne à un champ que vous avez nommé. Les étiquettes de différents transporteurs apparaissent dans le même tableau. Environ 18 fois plus rapide que d'ouvrir chaque photo d'étiquette, lire le numéro de suivi, le saisir, puis répéter l'opération pour l'adresse et le poids (~2-3 min manuelles par étiquette contre ~5s ici).
Quand l'extraction par photo d'étiquette est la plus efficace — et quand être prudent
Comprendre ces conditions vous aide à obtenir des résultats cohérents à partir de photos d'étiquettes d'expédition.
Quand c'est le plus efficace
Photos de face bien éclairées. Étiquette photographiée à plat sur une table ou sur la face d'un colis — jusqu'à 99 % de précision sur les champs imprimés.
Étiquettes standard des transporteurs. Étiquettes UPS, FedEx, USPS, DHL et Amazon Logistics avec texte imprimé thermique ou jet d'encre.
Transporteurs mélangés dans un même lot. Transporteurs différents, même jeu de colonnes — les champs absents d'une étiquette donnée restent vides.
Quand être prudent
Ruban adhésif opaque recouvrant le texte. Le ruban transparent avec reflets est bien géré ; le ruban d'emballage opaque qui cache entièrement le texte bloque l'extraction pour la zone couverte.
Étiquettes thermiques très délavées. Les étiquettes thermiques directes se dégradent au soleil et à la chaleur. Si le texte imprimé et le code-barres sont trop effacés pour être lus, la précision de l'extraction chute considérablement.
Annotations manuscrites de poids ou d'acheminement. Le texte imprimé s'extrait à 95-99 %. Les corrections manuscrites sur les étiquettes sont moins fiables — considérez ces champs comme nécessitant une vérification ponctuelle.
Questions fréquentes
L'IA peut-elle lire un numéro de suivi partiellement recouvert par du ruban adhésif transparent ?
Oui, dans la plupart des cas. Le modèle visuel reconnaît un numéro de suivi comme un motif sémantique : les numéros UPS commencent par « 1Z », USPS par « 9400 », Amazon Logistics par « TBA ». Lorsque le ruban transparent crée un reflet sur une partie du numéro, le modèle le reconstitue à partir des caractères visibles et le recoupe avec le code-barres. Si le ruban adhésif opaque recouvre complètement le texte, l'IA ne peut pas lire ce qui n'est pas visible — mais une couverture partielle par du ruban transparent est gérée de manière fiable.
Chaque transporteur formate la classe de service différemment — l'outil normalise-t-il ces données ?
L'IA extrait l'indicateur de service exactement tel qu'il est imprimé sur l'étiquette : « GND » pour UPS Ground, « PRI » pour USPS Priority, « Express Saver » pour FedEx. Elle lit l'abréviation ou le nom complet où qu'il apparaisse sur l'étiquette, sans que vous ayez besoin de connaître le système de codes de chaque transporteur. Les valeurs extraites sont brutes — si vous avez besoin de les normaliser (par exemple, standardiser « GND » et « Ground » en une seule étiquette), une simple formule dans votre feuille de calcul s'en charge en quelques secondes après l'export.
Puis-je mélanger des étiquettes UPS, FedEx et USPS dans le même lot ?
Oui. Définissez un seul ensemble de noms de colonnes — Numéro de suivi, Nom du destinataire, Adresse, Classe de service, Poids — et l'IA traite chaque étiquette du lot en utilisant les mêmes définitions. Une étiquette UPS Ground et une étiquette FedEx Express ont des mises en page complètement différentes, mais l'IA lit chacune d'elles en comprenant ce que chaque champ signifie plutôt que l'endroit où il apparaît sur la page. Le résultat est une feuille de calcul unique où les étiquettes de tous les transporteurs apparaissent sous forme de lignes avec la même structure de colonnes.
Que faire si la photo de l'étiquette a été prise en angle sur une boîte en carton incurvée ?
Les photos en angle et les surfaces incurvées réduisent la précision par rapport à une prise de vue à plat et de face, mais l'approche sémantique surpasse toujours l'OCR traditionnelle. Une inclinaison de 15 degrés peut faire perdre 30 à 40 % de précision à l'OCR traditionnelle, car les caractères deviennent déformés et les hauteurs de ligne varient. Le modèle visuel lit à travers la courbure en comprenant le texte comme des motifs significatifs — un nom reste un nom et un code postal reste cinq chiffres, même lorsqu'ils apparaissent sur une surface incurvée. Pour de meilleurs résultats sur les surfaces incurvées, prenez la photo aussi perpendiculairement que possible, à environ un bras de distance, en capturant toute la zone de l'étiquette.
L'IA lit-elle automatiquement le code-barres sur l'étiquette ?
Oui. Le modèle détecte la zone du code-barres, décode la valeur encodée et l'utilise comme signal de recoupement avec le numéro de suivi imprimé. Sur une étiquette correctement appliquée, le numéro imprimé et la valeur du code-barres doivent correspondre — cela vous donne deux lectures indépendantes du champ le plus critique, gratuitement. Lorsqu'ils diffèrent (étiquette mal appliquée ou réemballage en entrepôt), l'écart signale cette étiquette pour un examen manuel. Aucun lecteur de code-barres séparé n'est nécessaire.
Analyses approfondies sur l'extraction d'étiquettes d'expédition : Analyse détaillée de la précision champ par champ pour les étiquettes d'expédition et les manifestes — numéros de suivi, adresses, niveaux de service et recoupement des codes-barres · Comment extraire les numéros de suivi et les dates de livraison des captures d'écran Amazon Shipping pour plusieurs transporteurs
Parcourez tous les scénarios de capture de documents photo sur la page hub Documents photo — cartes de visite, tickets de stationnement, étiquettes d'ordonnance, compteurs de services publics, et plus encore.