패키지 라벨 사진에서 운송장 번호, 수취인, 주소 추출
운송장 번호, 수취인 이름, 주소, 서비스 등급, 중량 등 5개 필드를 모든 운송사의 패키지 라벨 사진에서 추출합니다. 테이프 반사광이나 굴곡진 표면에서도 가능합니다.
라벨당 5초 · 인쇄 텍스트 최대 99% 정확도
패키지 라벨 사진에서 추출할 수 있는 정보
맞춤 열 추출을 사용하면 필드 이름을 직접 지정할 수 있습니다. AI는 라벨에서 위치가 아닌 의미를 기준으로 각 필드를 찾아냅니다. 테이프 반사광이나 굴곡진 표면이 있어도 말이죠.
운송사별 고유 형식 — UPS는 "1Z"로, USPS는 "9400"으로, Amazon Logistics는 "TBA"로 시작합니다. AI가 인쇄된 번호를 읽고 바코드와 교차 검증합니다.
패키지를 받는 사람 또는 업체입니다. 보통 라벨에서 가장 큰 텍스트로 표시됩니다.
도로명, 도시, 주, 우편번호. 때로는 테이프 반사광에 일부가 가려질 수 있습니다. AI는 개별 문자를 인식하는 대신 주소 구조를 파악하여 반사광 너머까지 읽어냅니다.
Ground, Express, Priority — 흔히 약어로 표기됩니다("GND", "PRI"). AI는 약어 스타일에 관계없이 읽어냅니다.
패키지 중량으로, 보통 하단 모서리 근처에 작은 글씨로 표시됩니다.
테이프 반사광, 굴곡진 표면, 복잡한 레이아웃 — 기존 OCR을 무너뜨리는 택배 라벨의 조건
배송 라벨은 굴곡진 골판지 상자에 붙은 광택 나는 감열 스티커로, 취급과 빛, 날씨에 노출됩니다. 기존 OCR은 반사광을 읽습니다. 의미 기반 추출은 각 필드를 그 의미에 따라 읽습니다.
기존 도구가 어려움을 겪는 이유
테이프 반사광과 굴곡진 표면이 문자를 왜곡합니다. 상자 모서리에 붙은 라벨은 각지고 반사되는 표면을 만듭니다. 수취인 주소 위의 투명 테이프는 빛을 반사하여 카메라가 텍스트를 캡처하지 못하게 합니다. 한 개발자는 운송 라벨 OCR 토론에서 "실제 사진에는 반사광, 접힘, 조명 불량이 있다"고 지적하며, 이러한 조건에서 기존 OCR 정확도가 급격히 떨어진다고 설명했습니다.
좁은 공간에 밀집된 정보로 인해 필드가 혼합됩니다. 4″×6″ 라벨에는 운송장 번호, 바코드, 두 개의 주소 블록, 서비스 표시, 중량, 참조 필드가 포함되어 있으며, 모두 라벨이 지정된 상자가 아닌 시각적 안내선으로 구분됩니다. 기존 OCR은 모든 것을 하나의 텍스트 블록으로 덤프하여 운송장 번호와 우편번호, 중량과 바코드 값을 혼합합니다. 이를 정리하려면 모든 라벨에서 수동 작업이 필요합니다.
운송사마다 레이아웃이 다릅니다. UPS는 운송장 번호를 라벨 상단에 배치합니다. FedEx는 수취인 주소 아래에 배치합니다. USPS는 바코드 주위에 배치합니다. 템플릿 기반 도구는 운송사별로 별도의 구성을 필요로 하며, 운송사가 라벨 디자인을 업데이트할 때마다 새 구성이 필요합니다.
의미 기반 추출이 모든 라벨을 읽는 방법
열 이름을 지정하면 AI가 위치가 아닌 의미로 값을 찾습니다. "운송장 번호, 수취인 이름, 주소, 서비스 등급, 중량"을 입력하세요. 모델은 운송장 번호 패턴(1Z..., 9400..., TBA...)을 알고 있으며, 왜곡된 각 문자를 OCR로 읽는 대신 패턴을 인식하여 반사광을 통과해 읽어냅니다.
시각적 맥락이 밀집 문제를 해결합니다. 모델은 바코드 위에 인쇄된 운송장 번호, 그 아래 수취인 주소 블록, 맨 아래 중량 값이 서로 다른 필드임을 이해합니다. 몇 밀리미터밖에 떨어져 있지 않아도 각각을 독립적으로 읽어내어, 밀집된 라벨에서 기존 OCR이 겪는 교차 오염을 방지합니다.
하나의 열 세트로 모든 운송사에서 작동합니다. 동일한 다섯 개의 열이 UPS Ground 라벨, FedEx Express 라벨, USPS Priority 라벨, DHL eCommerce 라벨에서 운송사별 설정 없이 추출됩니다. 여러 운송사의 라벨을 하나의 배치에 업로드하면 AI가 각각을 독립적으로 처리하여 단일 스프레드시트로 출력합니다.
패키지 라벨 사진 한 장에서 스프레드시트 행까지, 세 단계로
패키지의 라벨을 사진으로 찍으세요
패키지가 접수 데스크나 현관에 도착합니다. 라벨은 박스 모서리에 테이프로 붙어 있고, 투명 테이프가 천장 조명을 반사합니다. 휴대폰으로 JPG 또는 PNG 형식으로 라벨 전체 영역을 사진에 담아 배치에 업로드하세요. 라벨을 떼어내거나 펴거나 테이프를 제거할 필요가 없습니다. 있는 그대로의 사진으로 충분합니다.
필드 이름을 한 번만 지정하세요
필요한 열 이름을 입력하세요: 운송장 번호, 수취인 이름, 주소, 서비스 등급, 중량. UPS, FedEx, USPS, DHL 중 어느 운송사의 라벨이든 동일한 다섯 개의 열이 적용됩니다. AI는 각 이미지를 독립적으로 처리합니다. 운송사 패턴으로 운송장 번호를 찾고, 거리/도시/우편번호 구조를 인식해 주소 블록을 읽으며, 숫자 형식과 단위 표시의 근접성을 바탕으로 중량을 식별합니다.
깔끔한 스프레드시트를 다운로드하세요
라벨당 처리 시간은 약 5초입니다. 결과물은 XLSX 파일 하나로, 각 행은 사진으로 찍은 라벨 하나, 각 열은 지정한 필드 하나에 해당합니다. 서로 다른 운송사의 라벨도 같은 테이블에 표시됩니다. 라벨 사진을 하나씩 열어 운송장 번호를 읽고 입력한 뒤 주소와 중량에 대해 같은 과정을 반복하는 것보다 약 18배 빠릅니다 .
라벨 사진 추출이 가장 효과적인 경우 — 주의가 필요한 경우
이러한 조건을 이해하면 촬영한 운송 라벨에서 일관된 결과를 얻는 데 도움이 됩니다.
가장 효과적인 경우
조명이 밝은 정면 사진. 테이블이나 패키지 앞면에 평평하게 놓인 라벨을 촬영한 경우 — 인쇄된 필드에서 최대 99% 정확도.
표준 운송사 라벨. UPS, FedEx, USPS, DHL, Amazon Logistics 라벨에 인쇄된 감열 또는 잉크젯 텍스트.
하나의 배치에 혼합된 운송사. 운송사는 다르지만 동일한 열 세트 — 특정 라벨에 없는 필드는 비어 있는 상태로 유지됩니다.
주의가 필요한 경우
텍스트를 덮는 불투명 테이프. 반사광이 있는 투명 테이프는 잘 처리되지만, 텍스트를 완전히 가리는 불투명 포장 테이프는 해당 영역의 추출을 차단합니다.
심하게 퇴색된 감열 라벨. 직접 감열 라벨은 햇빛과 열에 노출되면 품질이 저하됩니다. 인쇄된 텍스트와 바코드가 모두 너무 퇴색되어 읽을 수 없는 경우 추출 정확도가 크게 떨어집니다.
손으로 적은 중량 또는 라우팅 메모. 인쇄된 텍스트는 95-99% 정확도로 추출됩니다. 라벨에 손으로 수정한 내용은 신뢰도가 낮으므로 해당 필드는 육안 확인이 필요합니다.
자주 묻는 질문
투명 테이프로 일부가 가려진 운송장 번호도 AI가 읽을 수 있나요?
네, 대부분의 경우 가능합니다. 시각 모델은 운송장 번호를 의미 기반 패턴으로 인식합니다. UPS 번호는 "1Z"로, USPS는 "9400"으로, Amazon Logistics는 "TBA"로 시작합니다. 투명 테이프가 번호 일부에 반사광을 만들면, 모델은 보이는 문자를 바탕으로 번호를 재구성하고 바코드와 교차 검증합니다. 불투명 포장 테이프가 텍스트를 완전히 가린 경우에는 보이지 않는 것을 읽을 수 없지만, 투명 테이프로 인한 부분 가림은 안정적으로 처리됩니다.
운송사마다 서비스 등급 표기 방식이 다른데, 도구가 이를 정규화하나요?
AI는 라벨에 인쇄된 대로 서비스 표시를 추출합니다. UPS Ground는 "GND", USPS Priority는 "PRI", FedEx는 "Express Saver"로 읽습니다. 각 운송사의 코드 체계를 알 필요 없이, 라벨의 어디에 있든 약어나 전체 이름을 읽어냅니다. 추출된 값은 원본 그대로입니다. 정규화가 필요하다면, 내보내기 후 스프레드시트에서 간단한 수식으로 몇 초 만에 처리할 수 있습니다.
같은 배치에 UPS, FedEx, USPS 라벨을 섞어서 처리할 수 있나요?
네, 가능합니다. 운송장 번호, 수취인 이름, 주소, 서비스 등급, 중량 등 열 이름을 한 번 정의하면, AI가 동일한 정의로 배치의 모든 라벨을 처리합니다. UPS Ground 라벨과 FedEx Express 라벨은 레이아웃이 완전히 다르지만, AI는 페이지에서의 위치가 아니라 각 필드의 의미를 이해하여 읽어냅니다. 출력은 모든 운송사의 라벨이 동일한 열 구조의 행으로 표시되는 단일 스프레드시트입니다.
굴곡진 골판지 상자에서 라벨 사진을 비스듬히 찍으면 어떻게 되나요?
비스듬한 각도와 굴곡진 표면은 평평하고 정면에서 찍은 사진보다 정확도가 떨어지지만, 의미 기반 접근 방식은 여전히 기존 OCR보다 우수합니다. 15도 기울기만으로도 기존 OCR은 문자가 왜곡되고 줄 높이가 달라져 정확도가 30-40% 떨어질 수 있습니다. 시각 모델은 텍스트를 의미 있는 패턴으로 이해하여 굴곡을 뚫고 읽습니다. 이름은 여전히 이름이고 우편번호는 굴곡진 배너에 있어도 여전히 다섯 자리 숫자입니다. 굴곡진 표면에서 최상의 결과를 얻으려면 팔 길이 정도 거리에서 라벨 전체 영역이 들어오도록 최대한 정면으로 촬영하세요.
AI가 라벨의 바코드를 자동으로 읽나요?
네. 모델이 바코드 영역을 감지하고 인코딩된 값을 디코딩하여 인쇄된 운송장 번호에 대한 교차 검증 신호로 사용합니다. 올바르게 부착된 라벨에서는 인쇄된 번호와 바코드 값이 일치해야 합니다. 이를 통해 가장 중요한 필드를 무료로 두 번 독립적으로 읽을 수 있습니다. 값이 다르면 불일치가 해당 라벨을 수동 검토 대상으로 표시합니다. 별도의 바코드 스캐너는 필요 없습니다.
운송장 라벨 추출에 대한 심층 분석: 운송장 및 명세서의 필드별 정확도 분석 — 운송장 번호, 주소, 서비스 등급, 바코드 교차 검증 · 여러 운송사의 Amazon 배송 스크린샷에서 운송장 번호와 배송 날짜를 추출하는 방법
모든 사진 문서 캡처 시나리오는 사진 문서 허브 페이지에서 확인하세요 — 명함, 주차 티켓, 처방전 라벨, 전기 계량기 등.