Converta Qualquer Foto de Cardápio em uma Tabela de Dados Estruturada — Sem Cabeçalhos de Seção Virando Linhas de Pratos
Cardápios são feitos para apelo visual, não para extração de dados. Preços ficam ao lado dos pratos sem alinhamento consistente. Descrições se estendem por quebras de linha irregulares. Cabeçalhos de seção — Entradas, Pratos Principais, Sobremesas — separam visualmente as categorias, mas viram linhas fantasmas de dados quando lidos por OCR tradicional. Esta ferramenta lê a hierarquia visual: rótulos de seção ficam na coluna Categoria, nomes de pratos e preços se alinham em suas próprias colunas, e cada campo extraído cai onde pertence — seja o cardápio impresso, plastificado, quadro-negro escrito à mão ou um PDF de várias páginas.
Operadores de restaurantes · Equipes de digitalização de cardápios · Analistas de pesquisa competitiva
O que Você Pode Extrair de uma Foto de Cardápio
Digite os nomes das colunas que você precisa — a IA encontra cada valor em qualquer cardápio entendendo o que significa, não onde está na página. Um quadro de especialidades escrito à mano em lousa e um menu de fine dining laminado em PDF producen resultados estruturados nas mesmas colunas.
Dados Principais do Prato
Atributos Dietéticos, Nutricionales e Operacionais
Não é uma lista prescritiva — digite qualquer nome de campo que seus cardápios contenham. Alertas de alérgenos, maridajes de vinhos, etiquetas de origem: a mesma lógica de extração se aplica.
Por que o OCR tradicional transforma um cardápio em texto embaralhado — e como a IA Visual lê a estrutura
Cardápios são o único documento comercial em que o design comunica hierarquia: um "Pratos Principais" em negrito e centralizado não é uma linha de dados — é uma instrução de categoria. O OCR tradicional lê o texto em ordem de leitura e achata a estrutura visual em um único fluxo de texto. A diferença entre o nome de um prato e um cabeçalho de seção se perde completamente.
O Problema
Um cardápio não é uma grade. Os preços podem ficar no final de uma linha de descrição, separados por um espaço tipo tabulação. Podem estar alinhados à direita em uma coluna, visualmente conectados ao nome do prato à esquerda por espaços em branco e linhas pontilhadas. Podem estar na mesma linha após o nome do prato, sem nenhum separador. Um mecanismo de OCR tradicional lê a página de cima para baixo, da esquerda para a direita, produzindo um texto em que "Salmão Grelhado — Servido com molho de manteiga e limão e legumes da estação — 28,00 — Picanha Grelhada — 340g de carne bovina alimentada com capim com batatas fritas trufadas — 34,50" vira um bloco único e indiferenciado. O preço de $28,00 é associado à descrição do salmão; o preço de $34,50 fica totalmente órfão da picanha. Horas de correção manual se seguem — e isso antes de lidar com cardápios de várias seções que abrangem meia dúzia de categorias.
Uma descrição de prato como "Massa caseira, ragù de cordeiro cozido lentamente, pecorino romano, manjericão fresco" pode ocupar duas ou três linhas, dependendo da largura da coluna e do tamanho da fonte. O OCR tradicional lê cada quebra de linha como um limite de dados: ele divide essa descrição em três fragmentos e atribui cada fragmento a uma linha separada, ou concatena os fragmentos, mas atribui as linhas 2 e 3 a pratos fantasmas. Enquanto isso, o preço real desse prato — $26,00 — fica isolado no espaço mais à direita da linha 1. O resultado é uma planilha em que um único prato gera três linhas parciais, nenhuma delas com a descrição completa e o preço correto ao mesmo tempo. Para um cardápio com 40 pratos em quatro seções, a carga de correção manual se multiplica rapidamente — usuários em fóruns de operações de restaurantes relatam consistentemente que digitalizar cardápios sem ferramentas especializadas leva de 60 a 90 minutos por cardápio.
"Entradas", "Pratos Principais", "Sobremesas", "Acompanhamentos" — esses rótulos de seção usam o mesmo vocabulário tipográfico dos nomes de pratos: fonte em negrito, tamanho maior, posição de destaque. Um parser tradicional lê "Entradas" e o trata como um prato na linha 1, depois atribui "Salada Caesar com Trufas | $16.50" à linha 2. O resultado é uma planilha onde os rótulos de categoria aparecem como linhas de dados com colunas de preço vazias, cada prato perde o contexto da sua seção, e um cardápio de 40 itens gera uma planilha de 48 linhas com 8 linhas fantasmas. Operadores de restaurantes que tentam montar um banco de dados de cardápio digital a partir dessas saídas gastam tanto tempo excluindo linhas de cabeçalho de seção e reatribuindo categorias manualmente quanto gastariam inserindo os dados do zero.
Como a Extração de Colunas Personalizadas Resolve Isso
Extração de Colunas Personalizadas — o mecanismo por trás do ImageToTable.ai — não lê texto sequencialmente. Quando você digita nomes de colunas como "Nome do Item", "Descrição" e "Preço", a IA localiza cada valor em toda a página entendendo o que ele é semanticamente e a que ele pertence visualmente. Um preço alinhado à direita do nome de um prato é entendido como pertencente àquele prato porque compartilha proximidade visual, não porque aparece na mesma linha de texto. Uma descrição que se estende por duas linhas é lida como um bloco de texto contínuo, não como fragmentos separados. Isso significa que um cardápio com preços alinhados à direita atrás de pontos de líder, preços empilhados abaixo dos nomes dos pratos em um layout de duas linhas e preços inline após as descrições — qualquer alinhamento que o designer do cardápio escolheu — tudo produz uma saída limpa onde cada linha de prato tem seu preço correto na coluna Preço.
Quando a IA encontra "Entradas" em texto centralizado e em negrito com espaço em branco acima, ela não o extrai como nome de prato. Ela lê o contexto visual completo: o rótulo "Entradas" é seguido por vários pratos com seus próprios nomes, descrições e preços. Ela entende que "Entradas" é uma designação de categoria, não um item de cardápio, e atribui cada prato abaixo dela à coluna Categoria como "Entradas" ou "Aperitivos". Quando o próximo cabeçalho de seção — "Pratos Principais" — aparece, a atribuição de Categoria muda de acordo. O resultado é uma tabela limpa onde cada linha tem um campo Categoria preenchido, e nenhum cabeçalho de seção aparece como uma linha fantasma de prato. Para cardápios de várias páginas onde uma categoria pode se estender da parte inferior da página 2 até o topo da página 3, a IA continua rastreando o contexto da seção entre quebras de página, para que nenhum prato fique órfão sem categoria.
Os cardápios comunicam informações dietéticas e nutricionais de maneiras inconsistentes. Um indicador vegetariano pode ser um ícone "V", um símbolo de folha verde, a palavra "Vegan" ou "(v)". Um nível de pimenta pode ser de um a cinco ícones de pimenta, as palavras "suave/médio/forte" ou um número em uma escala de calor. As calorias podem ser impressas como "(450 cal)" inline após a descrição ou como uma coluna separada "Cal" com seu próprio cabeçalho. O OCR tradicional consegue ler os caracteres — "V", "450 cal", "🌶️🌶️" — mas não consegue interpretar o que significam ou a qual prato pertencem. A IA lê esses atributos semanticamente: ela entende que "(v)" perto do nome de um prato indica uma tag vegetariana, que "🔥🔥🔥" indica um nível de pimenta de 3/5, e atribui cada um à linha correta do prato e à coluna correta na sua saída. Se um cardápio usa ícones sem rótulos de texto (um emoji de pimenta sem número), a IA ainda consegue interpretar o número de ícones como um nível de calor quando você define uma coluna de Nível de Pimenta.
Da Foto do Cardápio à Planilha Estruturada: Como Funciona o Fluxo de Trabalho
Se você está digitalizando cardápios para uma plataforma de pedidos online, criando um banco de dados competitivo de preços entre filiais de restaurantes ou arquivando cardápios históricos para um projeto de pesquisa culinária, veja como a ferramenta transforma uma foto em dados estruturados sem configuração por cardápio.
Envie suas fotos de cardápio — qualquer formato, qualquer layout, de qualquer fonte
Envie imagens de cardápio ou PDFs de qualquer fonte: uma foto de smartphone de um quadro de especiais, um PDF escaneado de um cardápio laminado, um print de um cardápio digital com QR code ou uma pasta de delivery com várias páginas. A ferramenta aceita JPG, PNG, WebP e PDF. Para grupos de restaurantes com várias unidades, use o processamento em lote: envie cardápios de todas as unidades em uma única sessão e receba uma planilha consolidada onde cada prato é uma linha com um identificador de unidade — sem necessidade de jobs separados por local. Para coletar cardápios de colaboradores externos — franqueados, pesquisadores de campo ou parceiros fornecedores — gere um Link de Coleta: uma URL compartilhável onde qualquer pessoa pode enviar fotos de cardápio diretamente para sua fila de processamento inserindo um código de verificação curto, sem precisar de conta ou login.
Defina suas colunas uma vez — cada cardápio é processado com a mesma lista de campos
Informe as colunas desejadas: "Nome do item", "Descrição", "Preço", "Categoria", "Tags dietéticas", "Nível de picância", "Calorias", "Código do item". A mesma definição de colunas processa todos os cardápios do lote — um PDF laminado de restaurante fino e uma foto de quadro manuscrito produzem saída no mesmo formato estruturado. Para extração de calorias especificamente, digite "Calorias (se impressas)" como nome da coluna — a IA extrai os valores de calorias quando aparecem no cardápio e deixa a célula em branco quando não aparecem, garantindo um conjunto de dados completo sem perder linhas por dados ausentes. Para ciclos recorrentes de atualização de cardápio — mudanças trimestrais em um grupo de restaurantes — faça login e salve sua configuração de colunas como modelo: reutilize-a em cada novo lote sem redigitar os nomes dos campos. O recurso de coluna calculada também permite definir cálculos executados durante a extração: por exemplo, uma coluna "Preço em USD (Preço × 1,0 se a moeda for USD)" normaliza cardápios com múltiplas moedas em uma única coluna de saída.
Baixe a planilha estruturada — uma linha por prato, cada campo na coluna certa
Cada prato vira uma linha na saída. Um cardápio com 45 itens em quatro seções gera 45 linhas — não 49 com quatro linhas fantasmas de cabeçalho de seção para excluir. Os nomes dos pratos preenchem a coluna Nome do item, as descrições preenchem a coluna Descrição, os preços preenchem a coluna Preço, e o cabeçalho da seção de cada linha preenche a coluna Categoria. Etiquetas dietéticas, níveis de picância e dados calóricos aparecem nas respectivas colunas quando o cardápio os inclui. Exporte como XLSX para gerenciamento de banco de dados de cardápios no Excel, CSV para importação em sistemas POS ou plataformas de pedidos online, ou JSON para integração direta com API. Um lote de 10 cardápios de unidades que levaria um dia inteiro de trabalho de digitação manual é concluído em minutos — e o formato de saída é consistente em todas as unidades, independentemente de quão diferente seja o design de cada cardápio.
Quando a Extração de Cardápio Funciona Melhor — e Quando uma Verificação Pontual Ajuda
Quando funciona melhor
Cardápios impressos padrão em qualquer layout ou configuração de colunas. Cardápios de uma coluna, duas colunas ou várias seções, com relações claras entre nome do prato e preço, são extraídos de forma confiável. Se os preços aparecem inline após as descrições, alinhados em uma coluna à direita ou empilhados abaixo dos nomes dos pratos — a IA lê a proximidade visual para atribuir cada preço ao prato correto. Redes de restaurantes com formatos de cardápio consistentes entre filiais produzem resultados de lote quase perfeitos.
Cardápios escritos à mão em lousas e pratos do dia, fotografados de frente e com boa iluminação. A IA lê diferentes tipos de caligrafia — letras de forma, cursiva padrão, marcador de ponta de feltro em lousa — e extrai nomes dos pratos, descrições e preços. Fotos de frente com iluminação uniforme produzem os melhores resultados. Reflexos de superfícies laminadas ou brilho na lousa podem obscurecer caracteres; incline a câmera levemente para reduzir o reflexo.
Cardápios com várias seções e cabeçalhos de categoria como Entradas, Pratos Principais e Sobremesas. Os rótulos das seções são reconhecidos como rótulos de estrutura e atribuídos à coluna Categoria para cada prato abaixo deles. Um cardápio com seis seções produz uma saída em que cada linha de prato tem sua categoria correta preenchida — sem necessidade de marcação manual de categorias após a extração. Cardápios de várias páginas em que uma seção se estende por quebras de página mantêm o contexto da categoria continuamente.
Quando ter cautela
Caligrafia altamente decorativa ou fontes display ornamentadas. Letras estilizadas — serifas floreadas, ligaduras extremas, lettering desenhado à mano onde um 'g' se enrola em um descendente três vezes a altura normal — podem causar erros de reconhecimento a nível de caractere. Um nome de prato com caligrafia pesada pode produzir "Caesat Sa[ad" em vez de "Caesar Salad." Menus que usan fontes serif ou sans-serif limpias, mesmo em tamanos decorativos grandes, são extraídos de forma confiable. Se seu menu usa uma fonte de cabeçalho desenhada por calígrafo para nomes de pratos, verifique esses itens na saída.
Menus em scripts não latinos (chinês, japonês, árabe, coreano, tailandês). A ferramenta extrae nomes de pratos e estrutura de menus em qualquer script — o mesmo reconhecimento de hierarquia visual funciona independentemente do idioma. No entanto, verifique a precisão nos primeiros itens de um novo script: o reconhecimento a nível de caractere para sistemas de escrita não latinos depende da clareza da fonte e da densidade de caracteres. Menus chineses e japoneses impressos com tipografías claras são extraídos bem; kanji manuscritos densos ou caligrafía árabe altamente estilizada podem produzir menor precisión.
Fotos anguladas, dobradas ou com sombras — e menús sem precios. Fotos tiradas em ângulos íngremes distorsionan la geometría del texto y reducen la precisión de extracción. Un menú fotografiado con un pliegue que atraviesa el centro puede perder caracteres a lo largo de la línea de doblez. Menús sin precios impresos — menús de degustación, prix fixe, "pregunte al mesero" — extraerán nombres y descripciones de platos correctamente; la columna Precio simplemente permanecerá vacía. La IA no inventa precios cuando no existen en la imagen fuente.
Perguntas Frequentes
A ferramenta consegue distinguir entre cabeçalhos de seção como "Entradas" e nomes reais de pratos?
Sim — essa é a capacidade principal. O OCR tradicional lê o texto de forma linear e trata "Entradas" como uma linha de dados. Esta ferramenta lê o layout visual e o contexto semântico: ela reconhece cabeçalhos de seção como rótulos de estrutura e atribui cada prato abaixo deles à coluna Categoria. O resultado é uma tabela em que cada linha de prato tem sua categoria correta preenchida, e nenhum cabeçalho de seção aparece como um prato fantasma com campo de preço vazio. Isso funciona em cardápios impressos, quadros-negros escritos à mão e PDFs de várias páginas.
Ela consegue extrair tags dietéticas como indicadores de vegetariano, sem glúten ou sem nozes de fotos de cardápio?
Sim. Quando você define uma coluna "Tags Dietéticas", a IA lê indicadores dietéticos em qualquer formato: rótulos de texto (V, VG, GF, NF, DF), indicadores baseados em ícones (símbolos de folha, ícones de trigo riscado) ou abreviações inline nas descrições dos pratos (ex.: "(v)" ou "(gf)" no final de uma descrição). A IA lê cada indicador no contexto do prato ao qual pertence — um rótulo "GF" ao lado de "Pasta Primavera" preenche a coluna Tags Dietéticas apenas para aquela linha do prato. Se um cardápio usa ícones sem equivalentes em texto, defina a coluna com opções (ex.: "Tags Dietéticas (opções: Vegetariano, Vegano, Sem Glúten, Sem Nozes, Sem Laticínios)") — a IA interpretará os ícones e os mapeará para as categorias especificadas.
E se um cardápio não imprimir calorias — todas as linhas falharão ou a ferramenta ignorará a coluna?
Nenhuma das duas. Quando você digita "Calorias (se impressas)" como nome de coluna, a IA extrai os valores de calorias onde quer que apareçam no cardápio e deixa a célula em branco para pratos sem informação calórica impressa. Um cardápio com 45 itens em que apenas 15 pratos têm dados de calorias produz 45 linhas — todas as 45 com nomes de pratos, descrições e preços completos, 15 com valores de calorias preenchidos e 30 com a célula de Calorias vazia. A saída é um conjunto de dados completo, sem linhas descartadas e sem dados inventados. A mesma lógica se aplica a qualquer campo que possa não estar presente em todos os cardápios: indicadores de nível de pimenta, códigos de item ou tags dietéticas que aparecem apenas em um subconjunto de itens.
Posso processar em lote cardápios de várias unidades de restaurante de uma vez — e manter os dados de cada unidade separados?
Sim. Envie as fotos dos cardápios de todas as unidades em um único lote. Para manter os dados separados por unidade, inclua uma coluna "Unidade" ou "Nome do Restaurante" na sua lista de campos — a IA não extrairá isso do próprio cardápio (cardápios raramente imprimem o nome do restaurante em todas as páginas), mas você pode usar a nomeação de upload em lote: nomeie cada arquivo com o identificador da unidade antes do upload, e a planilha de saída inclui uma coluna de nome de arquivo que serve como chave da unidade. Alternativamente, envie os cardápios de cada unidade como um trabalho de lote separado — a configuração de colunas permanece a mesma, e cada lote produz seu próprio arquivo de saída. Para grupos de restaurantes que atualizam cardápios trimestralmente em mais de 20 unidades, salve seu modelo de extração uma vez e execute-o em cada lote de atualização trimestral.
A ferramenta funciona em cardápios escritos à mão — como quadros de especiais do dia escritos com giz ou marcador?
Sim, com condições que afetam a precisão. A IA é treinada em diversos tipos de caligrafia, incluindo letras de forma, maiúsculas e minúsculas misturadas e cursiva padrão. Um quadro de especiais fotografado de frente, com iluminação uniforme e difusa, produz bons resultados de extração — nomes de pratos, preços e descrições curtas são extraídos de forma confiável. Três fatores afetam mais a precisão da caligrafia: iluminação (sombras em superfícies curvas de quadro-negro obscurecem caracteres), ângulo (fotos tiradas em ângulo oblíquo distorcem a geometria do texto) e estilização das letras (lettering decorativo com hastes e caudas ornamentadas reduz a precisão em nível de caractere). Para melhores resultados: fotografe o quadro de frente, com luz natural ou artificial uniforme, preencha o quadro com a área do cardápio e verifique se nenhum texto está na sombra. Se alguns caracteres forem lidos incorretamente — "TomatO" em vez de "Tomato" — o erro geralmente é pequeno e fácil de verificar na planilha de saída.