Für OCR ist Tesseract einer der Klassiker, kann ich eigentlich uneingeschränkt empfehlen.

Google spukte mir gleich folgendes dazu aus:
csharp.hotexamples.com/de/exam…eract-class-examples.html

Das Beispiel von VB1963 ist etwas umständlich, weil es nicht nur Tesseract sondern auch noch OpenCV verwendet, das muss aber eigentlich nicht sein.

Für C# gibts jede Menge Beispiele, bspw. das hier: c-sharpcorner.com/article/ocr-using-tesseract-in-C-Sharp/
Den Code kannst du ganz einfach mit nem Konverter (der hier scheints bei dem Code zu tun: carlosag.net/tools/codetranslator/) übersetzen lassen.

Alternativ gibts auch offizielle Beispiele, wie z.B. hier: github.com/charlesw/tesseract-…src/Tesseract.ConsoleDemo Wieder gilt, dass man den Code von C# zu VB.NET automatisch übersetzen lassen kann.

Selbst trainieren musst du normalerweise nicht, es gibt schon vortrainierte Modelle. Ne Übersicht über die "offiziellen" vortrainierte Modelle gibt's hier: tesseract-ocr.github.io/tessdoc/Data-Files.html
In deinem Fall ist das jetzt nicht nötig, aber generell gibt's dort auch Varianten für andere Sprachen als Englisch.

Wenn die vortrainierten Modelle in deinem Fall gar nicht funktionieren, würde ich mich an deiner Stelle erstmal nicht am selbst trainieren versuchen (das braucht immense Datenmengen), sondern versuchen, das Bild etwas automatisch vorzuverarbeiten: Du hast da Schrift in verschiedensten Farben vor einem wilden Hintergrund, das macht's für ein OCR-Modell leider wirklich schwer. Um es für das Modell einfacher zu machen, ist die einfachste Variante vermutlich, die Farben vom Bild so vorzuverarbeiten, dass die Schrift mehr oder weniger Schwarz und der Hintergrund mehr oder weniger weiß werden. Wenn es so weit kommt, kann ich ggf. nochmal genauer erklären, wie das geht, wenn du das nicht selbst hinkriegst.

In dem Fall lohnt es sich vmtl, an der Wortliste herumzuschrauben.

Trainieren ist nicht ganz so einfach - das Problem dabei ist, dass du dem Ding zum trainieren (bzw in dem Fall hier "Finetuning", d.h. du nimmst ein schonmal trainiertes Modell und trainierst es mit für dich relevanten Beispielen weiter) nicht nur Wörter, sondern Bilder mit dem dazugehörigen Text und der präzisen Position des Textes geben musst. Das ist mit erheblichem Aufwand an manueller Datenerstellung verbunden.

PS: Hast du auch wirklich das Modell vom "tessdata_best (Sep 2017)"-Link (Sprache wählt man dann später aus) verwendet? Ist jetzt vielleicht ne blöde Frage, aber sicher ist sicher

Edit: Es gibt auch nen offiziellen Guide, der ein paar potenzielle Bildverarbeitungsschritte beschreibt: tesseract-ocr.github.io/tessdoc/ImproveQuality.html