毕设求建议

我的毕业设计是做一个识别医学检验报告单的识别。
现在有一点点数据集，但是感觉不够。
然后现在的进度是在github上找到了识别血常报告单源代码，不过老师希望我做的效果是能识别常见种类的医学检验报告单。
昨天有同学给我提建议说可以用百度的文字识别API，我倒是不要求特别高的准确率，也想试试。不过也有点担心我做不出来。

我现在遇到的问题是：
1.源码的报告单是那种拍照的，我老师给我的数据集是截屏的，而且有时候一个结果是由多个截屏图片来展示的，和源代码的图片差别有点大。
2、源码的readme我都看完了，没找到他们的数据集，已经发邮件找了一个contributor，感觉应该是不可能要到。有没有了解的同学知道能去哪里找更多的数据集，或者能找到很多那种一整页的而不是分开的检验报告呢？