Μελέτη και υλοποίηση Android εφαρμογής διαχείρισης προσωπικών εξόδων με δυνατότητα OCR αποδείξεων
| dc.contributor.advisor | Αλέπης, Ευθύμιος | |
| dc.contributor.author | Χριστοδουλόπουλος, Διονύσιος Παναγιώτης | |
| dc.date.accessioned | 2026-07-29T07:49:40Z | |
| dc.date.available | 2026-07-29T07:49:40Z | |
| dc.date.issued | 2026-07 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/19660 | |
| dc.description.abstract | Η παρούσα πτυχιακή εργασία παρουσιάζει τη μελέτη, τον σχεδιασμό, την ανάπτυξη και την αξιολόγηση μιας εφαρμογής Android για τη διαχείριση προσωπικών εξόδων, η οποία αξιοποιεί τεχνολογία Οπτικής Αναγνώρισης Χαρακτήρων (Optical Character Recognition - OCR) με σκοπό την αυτοματοποίηση της καταχώρισης οικονομικών συναλλαγών. Βασικός στόχος της εφαρμογής είναι η απλοποίηση της διαδικασίας καταγραφής εξόδων, επιτρέποντας στον χρήστη να σαρώνει αποδείξεις αγορών μέσω της κάμερας της κινητής συσκευής και να εξάγει αυτόματα βασικά στοιχεία, όπως η επωνυμία του καταστήματος, το συνολικό ποσό της συναλλαγής και η κατηγορία της δαπάνης. Η εφαρμογή αναπτύχθηκε αξιοποιώντας σύγχρονες τεχνολογίες και αρχιτεκτονικές ανάπτυξης εφαρμογών Android, όπως οι Kotlin, Jetpack Compose, Clean Architecture, MVVM, Room Database, CameraX και Dagger Hilt. Για την αναγνώριση του κειμένου ενσωματώθηκε το Google Cloud Vision API, προσφέροντας υψηλή ακρίβεια στην επεξεργασία αποδείξεων, ιδιαίτερα στην ελληνική γλώσσα. Τα εξαγόμενα δεδομένα αποθηκεύονται τοπικά στη συσκευή, επιτρέποντας στον χρήστη να οργανώνει τις δαπάνες του, να παρακολουθεί προϋπολογισμούς, να αναλύει τις καταναλωτικές του συνήθειες μέσω στατιστικών διαγραμμάτων και να εξάγει τα δεδομένα σε μορφή CSV. Η υλοποίηση δίνει έμφαση στη συντηρησιμότητα, την επεκτασιμότητα, την ευχρηστία και την προστασία των προσωπικών δεδομένων, εφαρμόζοντας σύγχρονες πρακτικές μηχανικής λογισμικού και τοπική αποθήκευση δεδομένων. Η αξιολόγηση της εφαρμογής έδειξε ότι η χρήση τεχνολογίας OCR μειώνει σημαντικά την ανάγκη χειροκίνητης καταχώρισης, διατηρώντας ικανοποιητικό επίπεδο ακρίβειας σε πραγματικές συνθήκες χρήσης. Το τελικό σύστημα αποτελεί μια ολοκληρωμένη και πρακτική λύση για την προσωπική οικονομική διαχείριση, ενώ παράλληλα δημιουργεί τις προϋποθέσεις για μελλοντικές επεκτάσεις, όπως η αξιοποίηση τεχνητής νοημοσύνης για αυτόματη κατηγοριοποίηση, ο συγχρονισμός μέσω υπολογιστικού νέφους και η παροχή προηγμένων εργαλείων οικονομικής ανάλυσης. | el |
| dc.format.extent | 85 | el |
| dc.language.iso | el | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
| dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
| dc.title | Μελέτη και υλοποίηση Android εφαρμογής διαχείρισης προσωπικών εξόδων με δυνατότητα OCR αποδείξεων | el |
| dc.title.alternative | Study and implementation of Android expense management application with receipt OCR capabilities | el |
| dc.type | Bachelor Dissertation | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής | el |
| dc.description.abstractEN | This thesis presents the design, development, and evaluation of an Android application for personal expense management that incorporates Optical Character Recognition (OCR) technology to automate the recording of financial transactions. The primary objective of the application is to simplify the expense tracking process by allowing users to scan purchase receipts using their mobile device's camera and automatically extract essential information, such as the store name, transaction amount, and expense category. The application was developed using modern Android technologies and architectural principles, including Kotlin, Jetpack Compose, Clean Architecture, MVVM, Room Database, CameraX, and Dagger Hilt. For text recognition, Google's Cloud Vision API was integrated to provide accurate OCR capabilities, particularly for Greek-language receipts. The extracted data are stored locally, enabling users to organize expenses, monitor budgets, visualize spending patterns through statistical charts, and export financial records in CSV format. The implementation emphasizes maintainability, scalability, usability, and data privacy by adopting contemporary software engineering practices and local data storage. The evaluation of the application demonstrates that OCR significantly reduces manual data entry while maintaining satisfactory recognition accuracy under typical usage conditions. The resulting system offers a practical and efficient solution for personal financial management while providing a solid foundation for future enhancements, including AI-assisted categorization, cloud synchronization, and advanced financial analytics. | el |
| dc.subject.keyword | Android | el |
| dc.subject.keyword | Οπτική αναγνώριση χαρακτήρων | el |
| dc.subject.keyword | OCR | el |
| dc.subject.keyword | Διαχείριση προσωπικών οικονομικών | el |
| dc.subject.keyword | Kotlin | el |
| dc.subject.keyword | Jetpack Compose | el |
| dc.subject.keyword | Καθαρή αρχιτεκτονική | el |
| dc.subject.keyword | Clean architecture | el |
| dc.subject.keyword | Google Cloud Vision API | el |
| dc.subject.keyword | Ευρετικοί αλγόριθμοι | el |
| dc.date.defense | 2026-07 |
Αρχεία σε αυτό το τεκμήριο
Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές
Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα