Postingan dengan tag
35postingan
Perbaikan false positive deteksi duplikasi nota OCR camera dengan validasi tanggal transaksi, pembatasan jendela temporal, serta tombol non-blocking 'Bukan Duplikat' di UI.
Perbaikan presisi ekstraksi diskon faktur distributor (Discount Product & Customer), pencegahan false-positive DP pada produk EDP, serta rekonsiliasi matematis dot-matrix.
Meningkatkan kapabilitas Vision OCR untuk membaca faktur distributor multi-lembar dan normalisasi otomatis UOM distributor beserta packaging multiplier.
Inovasi deteksi duplikasi nota cerdas: pencocokan keranjang semantik multi-vektor lintas variasi singkatan tulisan tangan, penanganan nota pasar tanpa kop/tanggal, dan kalibrasi presisi pHash anti false-positive.
Pembaruan UX SmartNote: penghapusan total efek blur saat proses OCR/parsing agar teks terbaca jelas dengan laser scanner non-obstruktif, dan perbaikan instansiasi OCRTask backend.
Perbaikan import logger pada ocr_worker dan pembersihan pipeline upload OCR agar setiap foto yang diunggah diproses mandiri tanpa tertukar dengan riwayat task kamera lama.
Implementasi Continuous Learning Engine OCR adaptif: Universal Deep JSON Delta, LLM Rule Distillation Agent, model database SupplierParsingRule, Dynamic Supplier Rule Injection, dan Strict Mathematical Guardrail anti-halusinasi.
Resolusi deteksi duplikasi naif antara Penjualan vs Pembelian, implementasi verifikasi status jurnal aktif (POSTED), dan sinkronisasi database pool MCP Server.
Implementasi sistem normalisasi semantik per-entitas (<10ms) berbasis riwayat koreksi pengguna (OCRAliasMapping) dan perbaikan alur pembacaan ulang nota setelah penghapusan transaksi di jurnal.
Injeksi aturan anti-halusinasi ketat pada AI Vision Prompt untuk mencegah pengubahan produk deterjen/kode pabrik menjadi barang umum seperti Cap Lang Kayu Putih, serta deteksi orientasi kemiringan gambar.
Penambahan aturan AI Vision OCR untuk ekstraksi kuantitas nota dari kolom BSR/TGH/KCL (>0) serta kalkulasi harga per unit dari nilai Neto.
Penonaktifan (comment out) pemanggilan match_visual_template & learn_visual_template karena telah digantikan oleh RAG Vector Store & AI Vision utuh.
Penambahan aturan 12 pada STATIC_OCR_PROMPT mcp-server untuk menangani nota multi-kolom Qty (BSR/TGH/KCL) dan harga berbasis Nilai Neto.
Penambahan logika kalkulasi otomatis unit_price (Neto / Qty) pada adapter backend ocr.py dan hook frontend useOcrUpload.ts.
Injeksi JournalMapping resmi ke Database PostgreSQL untuk CAPITAL & CASH_COUNT serta perbaikan parameter is_ocr pada worker OCR RAG.
Perbaikan OCR Nota Tulisan Tangan dan integrasi REST Bridge JSON pada MCP Server untuk sistem Jualan.
Perbaikan akurasi pemrosesan OCR, penanganan hallusinasi tanggal sistem, dan perbaikan tampilan log LLM monitoring.
Pengembangan arsitektur Two-Pass Vision Analysis untuk penyuntikan RAG dinamis pada proses OCR nota belanja.
Resolves the 2025 date hallucination bug in OCR/transaction parser by fixing prompt injection logic. Updates LLM logging to omit static system prompts and prevent truncation.
Kompilasi seluruh 12 aturan utama OCR Engine, 16 aturan Smart Transaction Parser, serta dokumentasi penanganan spesifik Nota INDOMARCO Model 2.
Changelog perbaikan bug ekstraksi tanggal transaksi pada UI SmartNote, pembersihan skema OCR di MCP Server, serta implementasi logika diskon mutually-exclusive (anti-double counting).
Refaktor arsitektur OCR Engine dari prompt hardcode menjadi Dynamic RAG Injection. Pengetahuan penafsiran nota spesifik (seperti format Faktur FI RINCINSARI / KRT.LSN.SAT) kini disuplai secara dinamis dari Vector Database RAG saat runtime, bukan dikodekan statis di source code.
Resolusi atas isu visual template OpenCV yang gagal tersimpan, penyempurnaan AI OCR untuk membaca UoM dan tanggal secara cerdas, serta perbaikan tabel layout PDF pada laporan jurnal.
Changelog untuk penyelesaian bug tata letak PDF laporan jurnal, kesalahan fallback tanggal pada OCR, implementasi rotasi multi-API Key, serta catatan penyelesaian algoritma diskon OCR.
Optimasi prompt OCR Vision dan AI Structurer untuk peningkatan akurasi ekstraksi nota.
Menganalisis secara mendalam mengapa hasil OCR Test ke-2 mengarang bebas ("Kuningan Abi Fima") dan bagaimana model TrOCR meracuni pipeline NLP Parser.
Rencana perbaikan komprehensif untuk mengatasi halusinasi OCR, mempercepat latensi parsing (NLP), dan mengotomatisasi jurnal mandiri (QRIS/Transfer).
Rencana penerapan Contour Detection OpenCV secara dinamis untuk mendeteksi area nota demi memangkas latensi.
Memperbaiki state halusinasi OCR dan menyimpan data diskon & koreksi manual pada backend.
Rilis besar arsitektur Blonjo. Peralihan OCR Lokal menggunakan model transformer mutakhir (Donut) dan integrasi RAG Ingest via MCP Server.
Memperbaiki logika kalkulasi jatuh tempo pada Python Backend, mengintegrasikan Item-Level RAG secara rapi, dan menurunkan model OCR lokal Blonjo.
Menganalisis fenomena Prompt Bleed pada LLM yang memicu halusinasi OCR, memperketat aturan parsing "=" dan tanggal jatuh tempo, serta menyempurnakan logika penjurnalan Utang Usaha pada frontend.
Catatan rilis untuk fitur Item-Level RAG. Memecahkan masalah resolusi nama item dengan memanfaatkan memori vektor di MCP Server secara dinamis.
Menghapus jebakan teks pada prompt yang menyebabkan model lokal Ollama berhalusinasi saat membaca gambar sepotong atau tidak jelas, dan mengembalikan pipeline fallback Ollama -> Gemini.
Memperbaiki kalkulasi diskon agar tersimpan dengan benar dan menambahkan fitur tambah item manual untuk koreksi.