CN112069893A - 一种票据处理方法、装置、电子设备及存储介质 - Google Patents
一种票据处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112069893A CN112069893A CN202010767569.6A CN202010767569A CN112069893A CN 112069893 A CN112069893 A CN 112069893A CN 202010767569 A CN202010767569 A CN 202010767569A CN 112069893 A CN112069893 A CN 112069893A
- Authority
- CN
- China
- Prior art keywords
- bill
- information
- key information
- electronic
- neural network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 238000013528 artificial neural network Methods 0.000 claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000012795 verification Methods 0.000 claims abstract description 22
- 238000012549 training Methods 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000004590 computer program Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000006835 compression Effects 0.000 claims description 4
- 238000007906 compression Methods 0.000 claims description 4
- 238000013434 data augmentation Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012550 audit Methods 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000013140 knowledge distillation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供一种票据处理方法、装置、电子设备及存储介质,该方法包括:根据预设深度神经网络对票据图片信息进行分析,得到票据关键信息,根据所述票据关键信息对电子报账单信息进行校验;若票据关键信息对电子报账单信息的校验结果不一致,则对电子报账单信息进行预警标示;其中,所述预设深度神经网络是根据带票据关键信息标签的样本票据图片信息训练得到的。通过预设深度神经网络对票据图片信息进分析,有效识别票据关键信息,从而通过识别的票据关键信息对上报的电子报账单信息进行自动校验,若校验结果不一致,则此时会对电子报账单信息进行预警标示,其可以有效辅助审核人员,提高审核效率。
Description
技术领域
本发明涉及信息处理技术领域,尤其涉及一种票据处理方法、装置、电子设备及存储介质。
背景技术
财务共享模式下,铁路企业原有的报账等线下处理业务改为线上处理模式,业务人员在线填写报账单据并上传原始凭证影像,提交至各环节审核、生成会计凭证、归档。
但是现有技术中,在线审核的各环节需以原始凭证影像为依据进行业务真实性、合规性等审核,审核人员需一一比对单据和原始凭据影像信息,还需判断原始凭证是否真实,员工的体验度不好、且效率低。
因此,如何更有效的进行票据处理已经成为业界亟待解决的问题。
发明内容
本发明实施例提供一种票据处理方法、装置、电子设备及存储介质,用以解决上述背景技术中提出的技术问题,或至少部分解决上述背景技术中提出的技术问题。
第一方面,本发明实施例提供一种票据处理方法,包括:
根据预设深度神经网络对票据图片信息进行分析,得到票据关键信息,根据所述票据关键信息对电子报账单信息进行校验;
若票据关键信息对电子报账单信息的校验结果不一致,则对电子报账单信息进行预警标示;
其中,所述预设深度神经网络是根据带票据关键信息标签的样本票据图片信息训练得到的。
更具体的,在所述根据预设深度神经网络对票据图片信息进行分析,得到票据关键信息的步骤之后,所述方法还包括:
根据所述票据关键信息生成报账辅助填单信息,并将所述报账辅助填单信息填充到电子报账单界面中。
更具体的,在所述根据预设深度神经网络对票据图片信息进行分析,得到票据关键信息的步骤之后,所述方法还包括:
根据所述票据关键信息验证所述票据图片信息的真实性;
若验证失败,则清楚所述票据关键信息,并发出报警信息。
更具体的,在所述根据所述票据关键信息验证所述票据图片信息的真实性的步骤之后,所述方法还包括:
若验证成功,则将所述票据图片信息和所述电子报账单信息进行关联存储。
更具体的,所述根据预设深度神经网络对票据图片信息进行分析,得到票据关键信息的步骤,具体包括:
对所述票据图片信息进行图片预识别,得到票据类型信息和预识别文本;
根据票据类型信息确定预设深度神经网络,将所述预识别文本信息输入预设深度神经网络,得到票据关键信息。
更具体的,在所述根据预设深度神经网络对票据图片信息进行分析,得到票据关键信息的步骤之前,所述方法还包括:
获取带票据关键信息标签的票据初始样本图片信息,并根据票据关键信息和字体特征对带票据关键信息标签的票据初始样本图片信息进行自动数据增广,得到带票据关键信息标签的票据样本图片信息;
将所述带票据关键信息标签的票据样本图片信息输入预设模型,在满足预设训练条件时,得到训练好的模型;
将所述训练好的模型进行轻量化和压缩处理,得到预设深度神经网络。
更具体的,所述票据类型信息具体为:增值税专用发票、增值税普通发票、增值税电子普通发票、出租车发票、火车票、航空运输电子客票行程单、过路费发票或铁路行业大型项目合同的分阶段款项结算单。
第二方面,本发明实施例提供一种票据处理装置,包括:
分析模块,用于根据预设深度神经网络对票据图片信息进行分析,得到票据关键信息,根据所述票据关键信息对电子报账单信息进行校验,
处理模块,用于若票据关键信息对电子报账单信息的校验结果不一致,则对电子报账单信息进行预警标示;
其中,所述预设深度神经网络是根据带票据关键信息标签的样本票据图片信息训练得到的。
第三方面,本发明实施例提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面所述票据处理方法的步骤。
第四方面,本发明实施例提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面所述票据处理方法的步骤。
本发明实施例提供的一种票据处理方法、装置、电子设备及存储介质,通过预设深度神经网络对票据图片信息进分析,有效识别票据关键信息,从而通过识别的票据关键信息对上报的电子报账单信息进行自动校验,若校验结果不一致,则此时会对电子报账单信息进行预警标示,其可以有效辅助审核人员,提高审核效率,并且票据关键信息还可以用于辅助填单人员进行填单,提高填单效率,提升用户体验。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一实施例中所描述的票据关键信息流程示意图;
图2为本发明一实施例所描述的票据处理装置示意图;
图3为本发明一实施例所描述的电子设备结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明一实施例中所描述的票据关键信息流程示意图,如图1所示,包括:
步骤S1,根据预设深度神经网络对票据图片信息进行分析,得到票据关键信息,根据所述票据关键信息对电子报账单信息进行校验;
步骤S2,若票据关键信息对电子报账单信息的校验结果不一致,则对电子报账单信息进行预警标示;
其中,所述预设深度神经网络是根据带票据关键信息标签的样本票据图片信息训练得到的。
具体的,本发明实施例中所描述的票据图片信息包括但不限于PDF、jpg、jpeg、bmp等图像格式存储的票据图像,票据图像信息的类型包括但不限于增值税专用发票、增值税普通发票、增值税电子普通发票、出租车发票、火车票、航空运输电子客票行程单、过路费发票或铁路行业大型项目合同的分阶段款项结算单。
具体的,本发明实施例中所描述的票据关键信息具体包括发票代码、发票金额、合同中的付款条件和付款金额等。
具体的,针对于每种不同类型的票据图像信息,都存在其对应的预设深度神经网络模型,预先构建多种不同类型数据的样本票据图像训练集,然后分别训练不同类型票据图像信息对应的预设深度神经网络模型,在满足预设条件后,停止训练。
在得到票据图片信息后,需要对其进行预识别,得到票据类型信息和预识别文本,通过预设深度神经网络对预识别文本进行关键信息提取,得到其票据关键信息。
本发明实施例中所描述的电子报账单信息是指员工在线通过报账界面填写的电子报账单信息,系统识别的票据关键信息可以根据关键词自动填充到报账界面。
若票据关键信息对电子报账单信息的校验结果不一致,例如,将不一致的地方进行标黄,此处的预警标示可以出现在审核人员界面,也可以出现在填写电子报账单信息的界面。
在上述实施例的基础上,在所述根据预设深度神经网络对票据图片信息进行分析,得到票据关键信息的步骤之前,所述方法还包括:
获取带标签的票据初始样本图片信息,并根据票据关键信息和字体特征对带标签的票据初始样本图片信息进行自动数据增广,得到带标签的票据样本图片信息;
将所述带标签的票据样本图片信息输入预设模型,在满足预设训练条件时,得到训练好的模型;
将所述训练好的模型进行轻量化和压缩处理,得到预设深度神经网络。
具体的,本发明实施例中所描述的标签是预先对票据初始样本图片信息进行标注,具体是指目标文本图像的尺寸,坐标以及文本内容的语义标注,由于票据初始样本图片信息获取较难,且标注的工作量比较大,而神经网络模型训练往往需要大量数据,因此本发明实施例可以结合票据语义及字体特征,通过对字体样本进行裁剪,腐蚀、旋转、噪声扰动等技术实现票据初始样本图片信息的自动增广。
本发明实施例中所描述的预设训练条件可以是指预设训练时间和预设训练次数。
在得到训练好的模型后,针对移动端票据识别的需求,通过对模型BN层合并、网络剪枝、权重量化、张量分解、知识蒸馏等方法,实现模型的轻量化与压缩,以提高模型的推理速度,最终得到预设深度神经网络。本发明实施例通过预设深度神经网络对票据图片信息进分析,有效识别票据关键信息,从而通过识别的票据关键信息对上报的电子报账单信息进行自动校验,若校验结果不一致,则此时会对电子报账单信息进行预警标示,其可以有效辅助审核人员,提高审核效率,并且票据关键信息还可以用于辅助填单人员进行填单,提高填单效率,提升用户体验。
在上述实施例的基础上,在所述根据预设深度神经网络对票据图片信息进行分析,得到票据关键信息的步骤之后,所述方法还包括:
根据所述票据关键信息生成报账辅助填单信息,并将所述报账辅助填单信息填充到电子报账单界面中。
在所述根据预设深度神经网络对票据图片信息进行分析,得到票据关键信息的步骤之后,所述方法还包括:
根据所述票据关键信息验证所述票据图片信息的真实性;
若验证失败,则清楚所述票据关键信息,并发出报警信息。
本发明实施例中所描述的票据关键信息验证可以是指通过发票编号,查询对应的税务数据库,查询是否存在对应的发票,以及对应发票金额是否正确;也可以是通过合同编号,查询相应的合同数据库,是否存在对应的合同,以及合同中的付款条件,付款金额是否正确。
若验证失败,则说明此时票据图片信息可能有误,即此时存在票据图片信息模糊或者假票据的情况,此时发出预警,提示审核人员。
在上述实施例的基础上,在所述根据所述票据关键信息验证所述票据图片信息的真实性的步骤之后,所述方法还包括:
若验证成功,则将所述票据图片信息和所述电子报账单信息进行关联存储。
具体的,若对票据关键信息验证成功,则说明此时的票据图片信息真实,此时将票据图片信息与电子报账单信息进行关联,然后同步存储到数据库中。
本发明实施例通过将票据图片信息和电子报账单信息进行关联存储,有效促进铁路企业实现无纸化、电子化档案管理。
在上述实施例的基础上,所述根据预设深度神经网络对票据图片信息进行分析,得到票据关键信息的步骤,具体包括:
对所述票据图片信息进行图片预识别,得到票据类型信息和预识别文本;
根据票据类型信息确定预设深度神经网络,将所述预识别文本信息输入预设深度神经网络,得到票据关键信息。
结合语义分析进行标准化校验,从而对识别信息进行补全或纠错,提高输出数据的准确性。
具体的,本发明实施例中所描述的预识别文本是指通过OCR技术,对票据图片信息进行识别后,得到的预识别文本信息。
本发明实施例中根据不同的票据类型信息确定不同的该票据类型对应的预设神经网络。由于不同的票据类型,在内容分布上均具有不同的特点,可以通过不同的票据分布特点或者关键词来确定票据类型信息。
具体的,本发明实施例中构建预设神经网络模型是根据不同票据类型设置文字识别模板,包括:增值税专用发票、增值税普通发票、增值税电子普通发票、增值税普通发票(卷票)、出租车发票、火车票、航空运输电子客票行程单、过路费发票、铁路行业大型项目合同的分阶段款项结算单进行的,构建多种票据图像的数据集,基于深度学习算法模型对图片特征进行提取分类,实现对各类票据图片的语义分割,按照不同类型的发票参照对应的模型进行内容识别;结合语义分析进行标准化校验,从而对识别信息进行补全或纠错,提高输出数据的准确性。
本发明实施例通过先识别票据类型,然后再根据票据类型对应的预设神经网络对其进行分析,可以更准确的高效的获取其票据关键信息。
图2为本发明一实施例所描述的票据处理装置示意图,如图2所示,包括:分析模块210和处理模块220;其中,分析模块210用于根据预设深度神经网络对票据图片信息进行分析,得到票据关键信息,根据所述票据关键信息对电子报账单信息进行校验;其中,处理模块220用于若票据关键信息对电子报账单信息的校验结果不一致,则对电子报账单信息进行预警标示;
其中,所述预设深度神经网络是根据带票据关键信息标签的样本票据图片信息训练得到的。
本发明实施例提供的装置是用于执行上述各方法实施例的,具体流程和详细内容请参照上述实施例,此处不再赘述。
本发明实施例通过预设深度神经网络对票据图片信息进分析,有效识别票据关键信息,从而通过识别的票据关键信息对上报的电子报账单信息进行自动校验,若校验结果不一致,则此时会对电子报账单信息进行预警标示,其可以有效辅助审核人员,提高审核效率,并且票据关键信息还可以用于辅助填单人员进行填单,提高填单效率,提升用户体验。
图3为本发明一实施例所描述的电子设备结构示意图,如图3所示,该电子设备可以包括:处理器(processor)310、通信接口(Communications Interface)320、存储器(memory)330和通信总线340,其中,处理器310,通信接口320,存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令,以执行如下方法:根据预设深度神经网络对票据图片信息进行分析,得到票据关键信息,根据所述票据关键信息对电子报账单信息进行校验;若票据关键信息对电子报账单信息的校验结果不一致,则对电子报账单信息进行预警标示;其中,所述预设深度神经网络是根据带票据关键信息标签的样本票据图片信息训练得到的。
此外,上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:根据预设深度神经网络对票据图片信息进行分析,得到票据关键信息,根据所述票据关键信息对电子报账单信息进行校验;若票据关键信息对电子报账单信息的校验结果不一致,则对电子报账单信息进行预警标示;其中,所述预设深度神经网络是根据带票据关键信息标签的样本票据图片信息训练得到的。
本发明实施例提供一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储服务器指令,该计算机指令使计算机执行上述各实施例提供的方法,例如包括:根据预设深度神经网络对票据图片信息进行分析,得到票据关键信息,根据所述票据关键信息对电子报账单信息进行校验;若票据关键信息对电子报账单信息的校验结果不一致,则对电子报账单信息进行预警标示;其中,所述预设深度神经网络是根据带票据关键信息标签的样本票据图片信息训练得到的。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种票据处理方法,其特征在于,包括:
根据预设深度神经网络对票据图片信息进行分析,得到票据关键信息,根据所述票据关键信息对电子报账单信息进行校验;
若票据关键信息对电子报账单信息的校验结果不一致,则对电子报账单信息进行预警标示;
其中,所述预设深度神经网络是根据带票据关键信息标签的样本票据图片信息训练得到的。
2.根据权利要求1所述票据处理方法,其特征在于,在所述根据预设深度神经网络对票据图片信息进行分析,得到票据关键信息的步骤之后,所述方法还包括:
根据所述票据关键信息生成报账辅助填单信息,并将所述报账辅助填单信息填充到电子报账单界面中。
3.根据权利要求2所述票据处理方法,其特征在于,在所述根据预设深度神经网络对票据图片信息进行分析,得到票据关键信息的步骤之后,所述方法还包括:
根据所述票据关键信息验证所述票据图片信息的真实性;
若验证失败,则清楚所述票据关键信息,并发出报警信息。
4.根据权利要求1所述票据处理方法,其特征在于,在所述根据所述票据关键信息验证所述票据图片信息的真实性的步骤之后,所述方法还包括:
若验证成功,则将所述票据图片信息和所述电子报账单信息进行关联存储。
5.根据权利要求1所述票据处理方法,其特征在于,所述根据预设深度神经网络对票据图片信息进行分析,得到票据关键信息的步骤,具体包括:
对所述票据图片信息进行图片预识别,得到票据类型信息和预识别文本信息;
根据票据类型信息确定预设深度神经网络,将所述预识别文本信息输入预设深度神经网络,得到票据关键信息。
6.根据权利要求1所述票据处理方法,其特征在于,在所述根据预设深度神经网络对票据图片信息进行分析,得到票据关键信息的步骤之前,所述方法还包括:
获取带标签的票据初始样本图片信息,并根据票据关键信息和字体特征对带标签的票据初始样本图片信息进行自动数据增广,得到带标签的票据样本图片信息;
将所述带标签的票据样本图片信息输入预设模型,在满足预设训练条件时,得到训练好的模型;
将所述训练好的模型进行轻量化和压缩处理,得到预设深度神经网络。
7.根据权利要求5所述票据处理方法,其特征在于,所述票据类型信息具体为:增值税专用发票、增值税普通发票、增值税电子普通发票、出租车发票、火车票、航空运输电子客票行程单、过路费发票或铁路行业大型项目合同的分阶段款项结算单。
8.一种票据处理装置,其特征在于,包括:
分析模块,用于根据预设深度神经网络对票据图片信息进行分析,得到票据关键信息,根据所述票据关键信息对电子报账单信息进行校验;
处理模块,用于若票据关键信息对电子报账单信息的校验结果不一致,则对电子报账单信息进行预警标示;
其中,所述预设深度神经网络是根据带票据关键信息标签的样本票据图片信息训练得到的。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述票据处理方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至7任一项所述票据处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010767569.6A CN112069893A (zh) | 2020-08-03 | 2020-08-03 | 一种票据处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010767569.6A CN112069893A (zh) | 2020-08-03 | 2020-08-03 | 一种票据处理方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112069893A true CN112069893A (zh) | 2020-12-11 |
Family
ID=73656861
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010767569.6A Pending CN112069893A (zh) | 2020-08-03 | 2020-08-03 | 一种票据处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112069893A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112651340A (zh) * | 2020-12-28 | 2021-04-13 | 上海商米科技集团股份有限公司 | 一种购物小票的文字识别方法、系统、终端设备和存储介质 |
CN113326895A (zh) * | 2021-06-25 | 2021-08-31 | 湖南星汉数智科技有限公司 | 客票行程单识别方法、装置、计算机设备和存储介质 |
WO2022247966A1 (zh) * | 2021-05-25 | 2022-12-01 | 支付宝(杭州)信息技术有限公司 | 票据处理方法、装置、设备和存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140279314A1 (en) * | 2013-03-18 | 2014-09-18 | Damian Ostertag | System and Method for Reducing and Monitoring Energy Utility Bills |
CN109086756A (zh) * | 2018-06-15 | 2018-12-25 | 众安信息技术服务有限公司 | 一种基于深度神经网络的文本检测分析方法、装置及设备 |
CN109887153A (zh) * | 2019-02-03 | 2019-06-14 | 国信电子票据平台信息服务有限公司 | 一种财税处理方法和处理系统 |
CN110008956A (zh) * | 2019-04-01 | 2019-07-12 | 深圳市华付信息技术有限公司 | 发票关键信息定位方法、装置、计算机设备及存储介质 |
CN110675234A (zh) * | 2019-08-23 | 2020-01-10 | 国信电子票据平台信息服务有限公司 | 电子报账单的生成方法及电子设备 |
CN110782329A (zh) * | 2019-09-27 | 2020-02-11 | 国信电子票据平台信息服务有限公司 | 一种财务发票认证管理方法及系统 |
CN110992160A (zh) * | 2019-12-16 | 2020-04-10 | 用友网络科技股份有限公司 | 一种自助报账投递处理系统 |
-
2020
- 2020-08-03 CN CN202010767569.6A patent/CN112069893A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140279314A1 (en) * | 2013-03-18 | 2014-09-18 | Damian Ostertag | System and Method for Reducing and Monitoring Energy Utility Bills |
CN109086756A (zh) * | 2018-06-15 | 2018-12-25 | 众安信息技术服务有限公司 | 一种基于深度神经网络的文本检测分析方法、装置及设备 |
CN109887153A (zh) * | 2019-02-03 | 2019-06-14 | 国信电子票据平台信息服务有限公司 | 一种财税处理方法和处理系统 |
CN110008956A (zh) * | 2019-04-01 | 2019-07-12 | 深圳市华付信息技术有限公司 | 发票关键信息定位方法、装置、计算机设备及存储介质 |
CN110675234A (zh) * | 2019-08-23 | 2020-01-10 | 国信电子票据平台信息服务有限公司 | 电子报账单的生成方法及电子设备 |
CN110782329A (zh) * | 2019-09-27 | 2020-02-11 | 国信电子票据平台信息服务有限公司 | 一种财务发票认证管理方法及系统 |
CN110992160A (zh) * | 2019-12-16 | 2020-04-10 | 用友网络科技股份有限公司 | 一种自助报账投递处理系统 |
Non-Patent Citations (3)
Title |
---|
XIAN, XP: "Machine-printed Invoice Number based on Fuzzy Recognition", GREEN POWER, MATERIALS AND MANUFACTURING TECHNOLOGY AND APPLICATIONS II, vol. 214, pages 705 - 710 * |
段昕: "通威财务共享系统设计与实施", 中国优秀硕士学位论文全文数据库(信息科技辑), no. 2018, pages 138 - 1398 * |
汤雷雷: "基于深度学习的税务票据自动识别系统的研究及实现", 中国优秀硕士学位论文全文数据库(信息科技辑), no. 2020, pages 138 - 1063 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112651340A (zh) * | 2020-12-28 | 2021-04-13 | 上海商米科技集团股份有限公司 | 一种购物小票的文字识别方法、系统、终端设备和存储介质 |
WO2022247966A1 (zh) * | 2021-05-25 | 2022-12-01 | 支付宝(杭州)信息技术有限公司 | 票据处理方法、装置、设备和存储介质 |
CN113326895A (zh) * | 2021-06-25 | 2021-08-31 | 湖南星汉数智科技有限公司 | 客票行程单识别方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109887153B (zh) | 一种财税处理方法和处理系统 | |
CN112069893A (zh) | 一种票据处理方法、装置、电子设备及存储介质 | |
CN110597964B (zh) | 一种双录质检语义分析方法、装置及双录质检系统 | |
CN114862540B (zh) | 一种票据审核系统及其方法 | |
CN108959349B (zh) | 一种财务审计询证系统 | |
CN111178219A (zh) | 票据识别管理方法、装置、存储介质及电子设备 | |
CN110544161A (zh) | 基于票据数据自动提取的财务费用稽核方法以及装置 | |
CN110147540B (zh) | 业务安全需求文档生成方法及系统 | |
CN112395996A (zh) | 财务票据ocr识别及影像处理方法、系统及可读存储介质 | |
CN110516664A (zh) | 票据识别方法、装置、电子设备及存储介质 | |
CN109858420A (zh) | 一种票据处理系统和处理方法 | |
CN112785404A (zh) | 发票开具管理系统 | |
CN111931780A (zh) | 一种会计凭证智能管理方法及设备 | |
CN111144087A (zh) | 基于人工智能的企业法律流程辅助决策系统及方法 | |
CN104850364A (zh) | 一种电子发票打印方法及其系统 | |
CN115186303A (zh) | 一种基于大数据云平台的金融签章安全管理方法及系统 | |
CN112037039A (zh) | 一种贷款评估方法及装置 | |
CN111462388A (zh) | 一种票据检验方法、装置、终端设备及存储介质 | |
CN110197140A (zh) | 基于文字识别的材料审核方法及设备 | |
CN112232036A (zh) | 报销单生成方法、电子设备和计算机可读存储介质 | |
BE1026870B1 (nl) | Systeem en werkwijze voor automatische verificatie van onkostennota | |
CN117010779A (zh) | 基于智能编码的海关进出口申报方法、系统、设备及介质 | |
CN116823422A (zh) | 一种表单数据处理方法及装置 | |
CN114549177A (zh) | 保函审查方法、装置、系统与计算机可读存储介质 | |
CN112862409A (zh) | 提运单核验方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |