基于深度学习的发票识别模型在经费报销中应用研究

随着社会经济的迅速发展,发票的使用日益增多,作为财政支出中经费报销的一种有效凭证,在经济活动中占据了很大的比例。当前的发票报销还采用传统的人工审核,由此导致效率比较低,资源比较浪费。基于此,研究提出了一种基于深度学习的发票识别模型,并验证了其在经费报销中的有效性。实验结果表明,在发票图像检测流程中,其准确率最高达到95.18%,而在发票识别中最高达到97%;在运行速度上,文字识别最低达到0.06ms。综合来看,研究提出的识别模型表现出了较高的识别性能,并可以做到实时检测,从而提升了审核效率,在实际的经费报销中具备实用性。

基于深度学习的财务发票识别系统

为解决特定场景的发票文本在识别上造成的误差,文章设计了一种改进CRNN的发票文本识别算法。由于拍摄图片质量较差,一般算法的识别精度有限,在轻量级的移动端很难实现理想的识别效果。针对该问题,提出了一种改进RCNN识别算法,再将RNN替换为Attention和Cross-Attention进行计算。该算法在发票数据上进行实验验证,字符识别准确率达到96.1%,证明了本文算法优于其他算法。该系统通过树莓派获取发票图片并进行识别,可适用于工业物联网中增值税发票的识别,是智能财务管理系统的一部分,可减少人工的参与,提高工作效率。

基于改进LeNet-5卷积神经网络的发票识别研究

增值税发票信息在金融领域至关重要,自动识别发票信息可以节约人工成本和时间成本。因此,文中提出设计一种基于改进LeNet-5卷积神经网络的发票自动识别方法,将改进LeNet-5卷积神经网络算法应用于发票识别后,经验证表明,应用改进LeNet-5卷积神经网络算法的发票信息识别率得到了提高。

增值税发票解析和识别系统研究与实现

增值税发票是各类经济交易中最常用的支付凭证,财务报账过程中人工处理发票效率低下。基于此,文章设计并实现了增值税发票解析和识别系统。该系统对不同类型的发票文档进行分类处理,文本类型的电子发票直接用XML文档处理工具进行解析,纸质发票的扫描件使用PaddleOCR进行识别。在识别纸质发票扫描件之前先解析二维码,得到二维码的位置信息和文本内容。基于位置信息对发票图像进行方向矫正,将矫正之后的图像送入OCR识别模块进行文字识别,并通过二维码解析得到的内容对OCR识别结果进行验证,从而提高识别结果的可靠性。

以“鸡尾酒法”AI技术组合进行发票智慧识别的实践

对财务核算智慧化主要挑战之一的发票识别做了简要分析,在此基础上探索如何应用合适的人工智能(artificial intelligence,AI)技术组合实现发票智慧识别,高效获取发票内容的结构化信息,并详细阐述了发票智慧识别涉及的关键技术,以期为相关人员提供参考,将财会人员从传统的低价值和高重复性工作中解放出来。

基于Tesseract-OCR的复杂发票自适应识别

针对复杂发票任意区域下的特定表格内容提取与实时识别问题,提出了一种基于Tesseract-OCR引擎的自适应识别方法.首先利用OpenCV对发票图像进行预处理滤波、自适应阈值等一系列预处理得到二值图像;然后利用形态学中的开运算提取表格全域线段,进行表格位置提取,并结合表格交点坐标与自定义模板,实现表头与内容自适应适配;最后利用jTessBoxEditor对表格区域内容进行字库训练优化,最终实现基于Tesseract-OCR的字符识别.实验结果表明该方法具有高准确识别率,支持感兴趣区域自适应识别,具备高可用性.

基于数字结构特征的发票号码识别算法

由于印章覆盖、发票折痕等干扰因素的存在,一些发票号码区域会出现噪声粘连区域,这些区域会导致发票号码无法正常分割。针对这一问题,提出了噪声粘连区域修复算法,有效地避免了该情况对数字分割的影响。针对普通发票号码的字体结构和特点,提出了基于数字结构特征的发票号码识别算法。首先定义数字结构特征,包括4种填充区域、2种字符穿越数和4种镂空区域,构成待识别数字的10维特征向量;进而与标准模板库中数字进行模板特征匹配,求得距离最小值所对应的数字作为识别结果。将所提出的方法和基于改进的左右轮廓特征的印刷体数字识别方法进行对比,实验结果表明,本文所提出的识别算法拥有更高的准确率和更快的识别速度,以及对噪声有更强的鲁棒性。

增值税发票信息结构化识别

为进一步简化增值税发票识别流程和和提高识别效率,提出了一种基于HRNet和YOLOv4的增值税票面信息结构化识别的方法.首先利用HRNet进行增值税发票关键点检测,进行增值税发票对齐;其次利用YOLOv4进行发票元素的检测;然后通过CRNN对发票元素进行文本识别;最后形成结构化数据.在业务数据集中的实验表明,检测准确率在0.5 mAP下达到75.7,检测速度达到12.85 fps,元素识别率ECR达到69.30%,实验结果表明算法能有效简化识别流程,提高识别准确率,在实时性要求较高和业务噪声复杂的增值税票据识别中有较好适应性和广泛应用前景.

基于迁移学习的发票号码识别研究

财务系统中的发票管理长期以来严重依靠人力,并存在一定的失误率,且目前一些发票识别方法存在准确率不高、数字识别实时性不足等问题。鉴于此,基于已有较成熟的手写体数字识别工作,从迁移学习思想和方法入手,设计一种能准确快速识别发票号码的新方法。选取迁移学习的3种具体方法,即Tradaboost、微调和卷积神经网络提取特征并运用于SVM,分别应用于数字识别模块。通过大量测试和比对,结果表明,第3种方法即采用CNN结合SVM的算法在实验中能达到99.75%的准确率,且识别速度快,具有较好的稳定性、鲁棒性。

投标业绩自动识别校验系统设计与实现

近年来随着电子化招投标采购的广泛与应用,招投标的效率得到了很大提高,但在有些环节上尚需进一步的优化以提高评标效率。在电子化招标采购中,经常会要求投标供应商提供能证明其有良好项目经验的类似项目销售业绩。现阶段评标时,对业绩发票的核验主要还是通过人工方式进行审核判断,耗时耗力,评标效率低,且对业绩总额评定的结果偏差较大。本文针对前述问题,提出了一种在电子化招投标中对投标书业绩发票进行自动识别和校验的方法,并给出了具体的系统实现方案。

物资公司增值税发票智能管理系统的设计

为高效完成物资公司发票验审工作,本文提出一种设计方案,并介绍了本方案的设计目标、系统架构、系统功能设计等。该系统能够有效减少人工误差、提高工作效率。

电子发票与财务信息平台建设探索

随着信息技术的发展和大数据时代的到来,纸质发票的高成本及传递的不便性已不能满足日常消费的需求,以票控税的传统税务管理也向数据流控税的方向发展,电子发票因其具有的优势,一步步替代纸质发票走入日常经济活动中。本文从电子发票的发展历程和企业应用电子发票的痛点出发,探讨企业信息化、无纸化浪潮下的电子发票财务信息化之策和实际操作。

基于深度学习的定额发票区域定位的应用研究

基于深度学习的区域定位研究,对文本区域检测进行了介绍。同时为了提高财务系统效率,减少人为失误率,实现良好的发票识别效果,对于发票识别算法进行了研究。因此通过定额发票为识别主体,设计了基于深度学习的定额发票识别算法进行训练和测试,最终准确率达到96%。实验结果表明,设计方法在实际应用中能够达到良好的效果,减少错误率。

DES在销售管理中的应用研究

介绍如何将数据加密标准 DES(Data Encryption Standard)的算法思想与条码技术相结合 ,对销售管理中的发票进行管理 ,即如何采用这种技术杜绝销售管理中的重要环节—开票、取货管理中容易出现的漏洞 ,并对该技术的安全性进行了分析 .

基于有限状态机的Invoice收票自动化系统

传统发票识别通常拿纸质发票扫描再采用OCR识别,识别准确率为80%至90%。而由于本案使用Word或者Excel格式转化成的pdf格式发票,文件保留了完整的字符信息和一些相对固定的格式信息。以编译原理的思维,把发票转化成的文本看作为一种编程语言,再用有限状态机去识别。实验结果表明,准确率可达99%以上,获得了满意的效果。

政府“全能型”发票监管的制度反思与重构

从历次《发票管理办法》来看,基于税控的需要,政府的"全能型"发票监管地位具有不断巩固与强化的趋势。政府"全能型"发票监管试图通过对发票的形式审查间接确认交易事实的真实性,这种政府识别型发票制度颠覆了市场经济秩序下先交易、后发票所表现出的交易与发票间的关系,由此发生一系列交易与发票关系的背反问题。事实上,政府发票税控具有非必然性和各国差异性,交易信息化需要发票监管法律制度与国际接轨。因此,制度重构的合理性路径在于:发票的"全能型"管理思想必须剥离;秉承发票法律属性与事实属性一致性原则;发票立法目的必须予以纠正,还原发票依附于交易事实的本来面目;构建与信息管税相适应的发票法律关系。

基于词共现与SOM神经网络的机器人研究

针对传统财务报表审计方法存在自动化和智能化水平不高,导致财务报表审计效率低的问题,结合RPA技术的特性,设计一个基于词共现与SOM神经网络的财务报表审计机器人。首先,基于RPA技术对财务报表审计机器人的整体结构进行设计,通过RPA技术实现自动核账、发票识别等功能;然后采用词共现与SOM神经网络实现审计线索的发现;最后通过以上模块实现财务报表审计机器人自动审计。实验结果表明,RPA机器人通过文本聚类,可发现审计中的线索,且线索准确率达85%,高于传统的算法。由此说明,通过RPA技术结合人工智能算法可实现财务审计的智能化,更好地提高财务效率。

基于HOG特征提取的预算绩效系统设计

为进一步提升企业财务预算绩效管理水平,提出一种基于HOG特征提取结合深度学习的预算绩效系统。其中,在构建企业预算绩效系统整体框架基础上,重点就图像处理技术在预算绩效系统中的应用进行设计。为提高企业预算绩效系统的自动化能力,对预算的部分票据等采用HOG进行特征提取,对预算清单中的文本信息采用CRNN进行识别。仿真结果表明,HOG特征提取结合CRNN识别可有效识别预算文本信息,且识别精确率达到了97.9%。以上实验结果验证了本研究设计的预算绩效系统的可行性和合理性,具有一定的使用价值。