.NET OCR 파이프라인 구축, 텍스트 추출을 넘어 확장 가능한 아키텍처로

Context

단순 API 호출 기반 OCR는 입력 데이터의 불일치와 트래픽 증가 시 시스템 붕괴 초래. 단순 텍스트 추출과 실제 비즈니스 로직 요구 데이터 사이의 간극 존재. CPU 집약적인 OCR 작업 특성상 마이크로서비스 환경에서 자원 고갈 및 큐 지연 발생.

Technical Solution

• 이미지 회전·대조도·기울기 보정을 수행하는 Preprocessing 단계 필수 도입으로 엔진 의존도 낮춤
• 로컬 엔진(Tesseract)과 클라우드 API(Azure AI Vision)를 결합하여 비용과 정확도를 동시에 잡는 Hybrid approach 전략 채택
• CPU 포화 및 메모리 압박 해결을 위해 메시지 큐 기반의 비동기 Worker 프로세스 구조로 워크로드 분산
• 정규 표현식 기반의 취약한 파싱 대신 LLM 및 구조화된 파서(Parser)를 활용한 데이터 추출 및 검증 레이어 분리
• 컨테이너 환경의 CPU·메모리 제한을 고려한 리소스 튜닝 및 Non-blocking 비동기 워크플로우 설계

Key Takeaway

OCR은 단순한 기능이 아니라 데이터 전처리부터 검증까지 이어지는 무거운 컴퓨팅 파이프라인으로 설계해야 함. 엔진의 성능보다 실제 데이터의 가변성을 처리하는 아키텍처적 유연성이 시스템의 신뢰성을 결정함.