CN114120347A - 表单校验方法、装置、电子设备及存储介质 - Google Patents
表单校验方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114120347A CN114120347A CN202111415682.9A CN202111415682A CN114120347A CN 114120347 A CN114120347 A CN 114120347A CN 202111415682 A CN202111415682 A CN 202111415682A CN 114120347 A CN114120347 A CN 114120347A
- Authority
- CN
- China
- Prior art keywords
- type
- verification
- picture
- identification
- verified
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/177—Editing, e.g. inserting or deleting of tables; using ruled lines
- G06F40/18—Editing, e.g. inserting or deleting of tables; using ruled lines of spreadsheets
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Character Input (AREA)
Abstract
本发明涉及人工智能技术,揭露一种表单校验方法,包括:获取待识别表单的表单图片及所述待识别表单的表单类型;获取图片识别模型集及所述图片识别模型集中不同图片识别模型对应的识别类型,根据所述表单类型与所述识别类型从所述图片识别模型中选取目标识别模型;利用所述目标识别模型对所述表单图片进行图片识别,得到表单数据;利用所述表单类型对应的表单校验规则对所述表单数据进行校验,得到表单校验结果。本发明还提出一种表单校验装置、设备以及介质。本发明可以提高表单校验的准确率。
Description
技术领域
本发明涉及人工智能技术,尤其涉及一种表单校验方法、装置、电子设备及存储介质。
背景技术
近年来,无纸化办公在各个领域盛行,但是在如发票、考勤表、调查表、试卷、银行开户单、医院诊断表等基础业务中,仍然使用印刷在纸张上的表单,为了对这类表单上的信息进行系统管理,可以将表单转化为图片,再从生成的图片中识别出表单信息进行表单的异常识别校对。若图片中的表单信息识别不准确,将导致表单校验的准确率低,因此,亟需提高表单校验的准确率。
发明内容
本发明提供一种表单校验方法、装置、电子设备及存储介质,其主要目的在于提高了表单校验的准确率。
为实现上述目的,本发明提供的一种表单校验方法,包括:
获取待识别表单的表单图片及所述待识别表单的表单类型;
获取图片识别模型集及所述图片识别模型集中不同图片识别模型对应的识别类型,根据所述表单类型与所述识别类型从所述图片识别模型中选取目标识别模型;
利用所述目标识别模型对所述表单图片进行图片识别,得到表单数据;
利用所述表单类型对应的表单校验规则对所述表单数据进行校验,得到表单校验结果。
可选地,所述根据所述表单类型与所述识别类型从所述图片识别模型中选取目标识别模型,包括:
从所述不同图片识别模型对应的识别类型中选取与所述表单类型相同的识别类型为目标识别类型;
选取所述目标识别类型对应的图片识别模型为所述目标识别模型。
可选地,所述从所述不同图片识别模型对应的识别类型中选取与所述表单类型相同的识别类型为目标识别类型,包括:
将所述表单类型对应的文本转化为表单类型向量;
将所述识别类型对应的文本转化为识别类型向量;
计算所述表单类型向量与所述识别类型向量的相似度,得到类型相似度;
选择所有所述类型相似度中大于预设相似度阈值的类型相似度为初始类型相似度;
选择最大的所述初始类型相似度为目标类型相似度;
将所述目标类型相似度对应的所述识别类型向量确定为目标识别类型向量;
将所述目标识别类型向量对应的所述识别类型确定为所述目标识别类型。
可选地,所述利用所述目标识别模型对所述表单图片进行图片识别,得到表单数据,包括:
对所述表单图片进行图像处理,得到标准表单图片,所述图像处理包括二值化处理、滤波处理及灰度化处理的图片优化处理之中的一种或多种;
利用所述目标识别模型对所述标准表单图片进行图片识别,得到所述表单数据。
可选地,所述利用所述表单类型对应的表单校验规则对所述表单数据进行校验之前,所述方法还包括:
利用所述表单类型作为查询关键词构建数据库查询语句;
利用所述数据库查询语句在预设规则数据库中进行查询,得到所述表单类型对应的表单校验规则。
可选地,所述利用所述表单类型对应的表单校验规则对所述表单数据进行校验,得到表单校验结果,包括:
获取所述校验规则中的每个待校验字段及对应校验类型;
提取所述表单数据中每个待校验字段对应的值,得到待校验值;
根据所述校验类型对每个所述待校验值进行分别校验,得到字符校验结果;
当所有所述字符校验结果为校验通过时,所述表单校验结果为校验通过;
当存在所述字符校验结果为校验不通过时,所述表单校验结果为校验不通过。
可选地,所述根据所述校验类型对每个所述待校验值进行分别校验,得到字符校验结果,包括:
当所述待校验字段的校验类型为一致性校验时,获取所述校验规则中所述校验类型对应的标准数值,判断所述标准数值与所述待校验字段对应的待校验值是否一致;
若所述标准数值与所述待校验字段对应的待校验值一致,该待校验值的字符校验结果为校验通过;
若所述标准数值与所述待校验字段对应的待校验值不一致,该待校验值的字符校验结果为校验不通过;
当所述待校验字段的校验类型为字符数量校验时,获取所述校验规则中所述校验类型对应的标准字符数量;
判断所述待校验字段对应的待校验值中的字符数量与所述标准字符数量一致;
若所述待校验字段对应的待校验值中的字符数量是否与所述标准字符数量一致,该待校验值的字符校验结果为校验通过;
若所述待校验字段对应的待校验值中的字符数量与所述标准字符数量不一致,该待校验值的字符校验结果为校验不通过;
当所述待检验字段的校验类型为字符合规校验时,获取所述校验规则中所述校验类型对应的合规字符;
判断所述待检验字段待对应的校验值中的每个字符是否为合规字符;
若所述待检验字段待对应的待校验值中的每个字符均为合规字符,该待校验值的字符校验结果为校验通过;
若所述待检验字段待对应的待校验值中的存在字符不为合规字符,该待校验值的字符校验结果为校验不通过。
为了解决上述问题,本发明还提供一种表单校验装置,所述装置包括:
模型筛选模块,用于获取待识别表单的表单图片及所述待识别表单的表单类型;获取图片识别模型集及所述图片识别模型集中不同图片识别模型对应的识别类型,根据所述表单类型与所述识别类型从所述图片识别模型中选取目标识别模型;
表单识别模块,用于利用所述目标识别模型对所述表单图片进行图片识别,得到表单数据;
数据校验模块,用于利用所述表单类型对应的表单校验规则对所述表单数据进行校验,得到表单校验结果。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
存储器,存储至少一个计算机程序;及
处理器,执行所述存储器中存储的计算机程序以实现上述所述的表单校验方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个计算机程序,所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的表单校验方法。
发明实施例中获取图片识别模型集及所述图片识别模型集中不同图片识别模型对应的识别类型,根据所述表单类型与所述识别类型从所述图片识别模型中选取目标识别模型,从图片识别模型集中选取适合识别该类型表单图片的模型作为目标识别模型,模型识别更具有针对性,克服了一个模型识别所有类型的表单图片导致的识别准确度低的问题,提高了表单图片中表单识别准确率,进而提高基于表单图片的表单校验的准确率。
附图说明
图1为本发明一实施例提供的表单校验方法的流程示意图;
图2为本发明一实施例提供的表单校验装置的模块示意图;
图3为本发明一实施例提供的实现表单校验方法的电子设备的内部结构示意图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例提供一种表单校验方法。所述表单校验方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述表单校验方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等,服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示的本发明一实施例提供的表单校验方法的流程示意图,在本发明实施例中,所述表单校验方法包括:
S1、获取待识别表单的表单图片及所述待识别表单的表单类型。
本发明实施例中所述表单图片为拍摄、或扫描的表单的图片或者图片格式的表单;所述表单类型为所述表单图片中表单对应的类型,如:银行表单、医院表单、财务表单、发票表单、考勤表单等。
S2、获取图片识别模型集及所述图片识别模型集中不同图片识别模型对应的识别类型,根据所述表单类型与所述识别类型从所述图片识别模型中选取目标识别模型。
本发明实施例中训练了多个图像识别模型组成图像识别模型集,其中,每个所述图像识别模型可以识别对应类型的表单图片,克服了使用一个模型识别所有类型的表单图片时存在的识别效果差的问题。
详细地,本发明实施例获取图片识别模型集及所述图片识别模型集中不同图片识别模型对应的识别类型,根据所述表单类型与所述识别类型从所述图片识别模型中选取目标识别模型。
具体地,本发明实施例中根据所述表单类型与所述识别类型从所述图片识别模型中选取目标识别模型,包括:
从所述不同图片识别模型对应的识别类型中选取与所述表单类型相同的识别类型为目标识别类型;
选取所述目标识别类型对应的图片识别模型为所述目标识别模型。
进一步地,本发明实施例中由于所述表单类型与所述识别类型均是用文本表示,因此,本发明实施例中选择与所述表单类型相同的所述识别类型,得到目标识别类型,包括:
选择与所述表单类型对应字符完全相同的所述识别类型,得到目标识别类型。
例如:所述表单类型对应的字符为“银行表单”,那么对应字符为“银行表单”的识别类型才为目标识别类型。
由于存在所述表单类型和所述识别类型的文本不能完全相同但是表达了相同含义,因此,本发明另一实施例中所述选择与所述表单类型相同的所述识别类型,得到目标识别类型,包括:
步骤A:将所述表单类型对应的文本转化为表单类型向量。
可选地,本发明实施例可利用bert模型、onehot算法等模型或算法将文本转化为向量。
具体地,本发明实施例中所述表单类型对应的文本为预设的表达表单类型的短小文本。如:“考勤表”、“银行开户单”。
可选地,本发明实施例中可以将所述表单类型对应文本中的每个字符转化为字符向量,对所述字符向量进行元素特征提取,得到字符特征值;将所述字符向量对应的字符特征值按照所述字符向量对应的字符在所述表单类型对应文本中的先后顺序进行组合,得到所述表单类型向量。
详细地,本发明实施例中对所述字符向量进行元素特征提取,得到所述字符特征向量,包括:
将所述字符向量中的所有元素进行平均计算,得到所述字符特征向量。
本发明另一实施例中对所述字符向量进行元素特征提取,得到所述字符特征向量,包括:
将所述字符向量中的最大值确定为所述字符特征向量。
步骤B:将所述识别类型对应的文本转化为识别类型向量。
具体地,本发明实施例中所述识别类型对应的文本为预设的表达识别类型对应的文本的短小文本标签。如:“发票”、“考勤表”。
步骤C:计算所述表单类型向量与所述识别类型向量的相似度,得到类型相似度。
详细地,本发明实施例中计算所述表单类型向量与所述识别类型向量的相似度,需要保证所述表单类型向量与所述识别类型向量的向量维度相同的,若所述表单类型向量与所述识别类型向量的向量维度不同,那么对维度较低的向量进行补零或补相邻两个元素的平均值进行维度更新,在计算维度更新后的两个向量的相似度,如所述表单类型向量为所述识别类型向量为两个向量的向量维度不同,那么需要对所述表单类型向量进行维度更新,若使用补零进行维度更新,那么更新后的表单类型向量为若使用补相邻两个元素的平均值进行维度更新,那么更新后的表单类型向量为然后计算所述识别类型向量为与更新后的表单类型向量的相似度,得到类型相似度。
步骤D:选择所有所述类型相似度中大于预设相似度阈值的类型相似度为初始类型相似度。
步骤E:选择所有所述初始类型相似度中最大的初始类型相似度,得到目标类型相似度。
步骤F:将所述目标类型相似度对应的所述识别类型向量确定为目标识别类型向量。
步骤G:将所述目标识别类型向量对应的所述识别类型确定为目标识别类型。
可选地,本发明实施例中获取一个或多个图片识别模型及每个所述图片识别模型对应的识别类型之前,所述方法还包括:
获取所述识别类型对应的历史表单图片集,其中,每个所述历史表单图片集中的每个历史表单图片都有对应的表单标签;
本发明实施例中所述历史表单图片为与所述表单图片类型相同内容不同的表单图片,所述历史表单图片对应的表单标签为该图片中包含的表单。
将所述历史表单图片集对预构建的初始识别模型进行迭代训练,得到所述图片识别模型。
可选地,本发明实施例中所述初始识别模型为OCR模型。
S3、利用所述目标识别模型对所述表单图片进行图片识别,得到表单数据。
可选地,本发明实施例中利用所述目标识别模型对所述表单图片进行图片识别,得到表单数据,包括:
对所述表单图片进行图像处理,得到标准表单图片,所述图像处理包括二值化处理、滤波处理及灰度化处理的图片优化处理之中的一种或多种;本发明实施例中由于所述表单图片可能存在不同的颜色为了降低数据量、减少存储空间、降低图片处理时间,因此对所述表单图片进行灰度化处理;进一步地,由于所述表单图片中可能存在图片噪声,为了降低图片噪声对后续处理的影响,本发明实施例中还可以对所述表单图片进行滤波处理,较佳地,本发明实施例利用中值滤波算法对所述表单图片进行滤波处理;此外,由于所述表单图片可能会受到图片拍摄的光照环境影响存在光照不均的现象,为了去除图片光照不均的影响,本发明实施例中也可以包括对所述表单图片进行二值化处理,较佳地,本发明实施例利用自适应光照均衡算法与大津算法对去噪表单图片进行二值化处理,本发明实施例中可以根据表单图片的实际情况使用包括二值化处理、滤波处理及灰度化处理的图片优化处理之中的一种或多种的处理方式对所述表单图片进行图像预处理,以提高图像的处理速度或识别效果。
利用所述目标识别模型对所述标准表单图片进行图片识别,得到所述表单数据。
本发明另一实施例中,当所述表单图片的图片质量不需要进行预处理优化时(如表单图片中只有黑白颜色、图像噪声在预设范围之内、不存在光照不均现象),也可以不对所述表单图片进行其他处理,直接利用所述目标识别模型进行识别。
S4、利用所述表单类型对应的表单校验规则对所述表单数据进行校验,得到表单校验结果。
本发明实施例中不同表单类型的表单数据的中需要校验的字段不同的,因此不同表单类型的表单对应的数据校验规则也不同,因此,本发明实施例中利用所述表单类型对应的表单校验规则对所述表单数据进行校验之前,所述方法还包括:
利用所述表单类型作为查询关键词构建数据库查询语句;
利用所述数据库查询语句在预设规则数据库中进行查询,得到所述表单校验规则。
具体地,本发明实施例中利用所述表单类型对应的表单校验规则对所述表单数据进行校验,得到表单校验结果,包括:
获取所述校验规则中的每个待校验字段及对应校验类型;
提取所述表单数据中每个待校验字段对应的值,得到待校验值;
根据所述校验类型对每个所述待校验值进行分别校验,得到对应的字符校验结果;
当所有所述字符校验结果为校验通过时,所述表单校验结果为校验通过;
当存在所述字符校验结果为校验不通过时,所述表单校验结果为校验不通过。
可选地,本发明实施例中为了判断表单数据中的数据是否准确、合规,所述校验类型包括:一致性校验、字符数量校验、字符合规校验。例如:签名字段对应的校验类型为一致性校验,如验证签名是否为正确签名;手机号码及身份证号码字段为字符数量校验,如校验手机号码是否为正确位数;姓名字段对应的校验类型为合规校验,如校验姓名中是否存在字库中存在的生僻字。
根据所述校验类型对每个所述待校验值进行分别校验,得到对应的字符校验结果,包括:
当所述待校验字段的校验类型为一致性校验时,获取所述校验规则中所述校验类型对应的标准数值,判断所述标准数值与所述待校验字段对应的待校验值是否一致,
若所述标准数值与所述待校验字段对应的待校验值一致,该待校验值的字符校验结果为校验通过,
若所述标准数值与所述待校验字段对应的待校验值一致,该待校验值的字符校验结果为校验不通过,
当所述待校验字段的校验类型为字符数量校验时,获取所述校验规则中所述校验类型的标准字符数量;
判断所述待校验字段对应的待校验值中的字符数量与所述标准字符数量一致;
若所述待校验字段对应的待校验值中的字符数量是否与所述标准字符数量一致,那么该待校验值的字符校验结果为校验通过;
若所述待校验字段对应的待校验值中的字符数量与所述标准字符数量不一致,那么该待校验值的字符校验结果为校验不通过。
当所述待检验字段的校验类型为字符合规校验时,获取所述校验规则中所述校验类型对应的合规字符;
判断所述待检验字段待对应的校验值中的每个字符是否为合规字符;
若所述待检验字段待对应的待校验值中的每个字符均为合规字符,那么该待校验值的字符校验结果为校验通过;
若所述待检验字段待对应的待校验值中的存在字符不为合规字符,那么该待校验值的字符校验结果为校验不通过。
本发明实施例中获取图片识别模型集及所述图片识别模型集中不同图片识别模型对应的识别类型,根据所述表单类型与所述识别类型从所述图片识别模型中选取目标识别模型,从图片识别模型集中选取适合识别该类型表单图片的模型作为目标识别模型,模型识别更具有针对性,克服了一个模型识别所有类型的表单图片导致的识别准确度低的问题,提高了表单图片中表单识别准确率,进而提高基于表单图片的表单校验的准确率。
如图2所示,是本发明表单校验装置的功能模块图。
本发明所述表单校验装置100可以安装于电子设备中。根据实现的功能,所述表单校验装置可以包括模型筛选模块101、表单识别模块102、数据校验模块103,本发所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述模型筛选模块101用于获取待识别表单的表单图片及所述待识别表单的表单类型;获取图片识别模型集及所述图片识别模型集中不同图片识别模型对应的识别类型,根据所述表单类型与所述识别类型从所述图片识别模型中选取目标识别模型;
所述表单识别模块102用于利用所述目标识别模型对所述表单图片进行图片识别,得到表单数据;
所述数据校验模块103用于利用所述表单类型对应的表单校验规则对所述表单数据进行校验,得到表单校验结果。
详细地,本发明实施例中所述表单校验装置100中所述的各模块在使用时采用与上述图1中所述的表单校验方法一样的技术手段,并能产生相同的技术效果,这里不在赘述。
如图3所示,是本发明实现表单校验方法的电子设备的结构示意图。
所述电子设备可以包括处理器10、存储器11、通信总线12和通信接口13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如表单校验程序。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据,例如表单校验程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如表单校验程序等),以及调用存储在所述存储器11内的数据,以执行电子设备的各种功能和处理数据。
所述通信总线12可以是外设部件互连标准(perIPheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述通信总线12总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
图3仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图3示出的结构并不构成对所述电子设备的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障分类电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
可选地,所述通信接口13可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。
可选地,所述通信接口13还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备中的所述存储器11存储的表单校验程序是多个计算机程序的组合,在所述处理器10中运行时,可以实现:
获取待识别表单的表单图片及所述待识别表单的表单类型;
获取图片识别模型集及所述图片识别模型集中不同图片识别模型对应的识别类型,根据所述表单类型与所述识别类型从所述图片识别模型中选取目标识别模型;
利用所述目标识别模型对所述表单图片进行图片识别,得到表单数据;
利用所述表单类型对应的表单校验规则对所述表单数据进行校验,得到表单校验结果。
具体地,所述处理器10对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备集成的模块/单元如果以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。所述计算机可读介质可以是非易失性的,也可以是易失性的。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明实施例还可以提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
获取待识别表单的表单图片及所述待识别表单的表单类型;
获取图片识别模型集及所述图片识别模型集中不同图片识别模型对应的识别类型,根据所述表单类型与所述识别类型从所述图片识别模型中选取目标识别模型;
利用所述目标识别模型对所述表单图片进行图片识别,得到表单数据;
利用所述表单类型对应的表单校验规则对所述表单数据进行校验,得到表单校验结果。
进一步地,所述计算机可用存储介质可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据区块链节点的使用所创建的数据等。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块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。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
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限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种表单校验方法,其特征在于,所述方法包括:
获取待识别表单的表单图片及所述待识别表单的表单类型;
获取图片识别模型集及所述图片识别模型集中不同图片识别模型对应的识别类型,根据所述表单类型与所述识别类型从所述图片识别模型中选取目标识别模型;
利用所述目标识别模型对所述表单图片进行图片识别,得到表单数据;
利用所述表单类型对应的表单校验规则对所述表单数据进行校验,得到表单校验结果。
2.如权利要求1所述的表单校验方法,其特征在于,所述根据所述表单类型与所述识别类型从所述图片识别模型中选取目标识别模型,包括:
从所述不同图片识别模型对应的识别类型中选取与所述表单类型相同的识别类型为目标识别类型;
选取所述目标识别类型对应的图片识别模型为所述目标识别模型。
3.如权利要求2所述的表单校验方法,其特征在于,所述从所述不同图片识别模型对应的识别类型中选取与所述表单类型相同的识别类型为目标识别类型,包括:
将所述表单类型对应的文本转化为表单类型向量;
将所述识别类型对应的文本转化为识别类型向量;
计算所述表单类型向量与所述识别类型向量的相似度,得到类型相似度;
选择所有所述类型相似度中大于预设相似度阈值的类型相似度为初始类型相似度;
选择最大的所述初始类型相似度为目标类型相似度;
将所述目标类型相似度对应的所述识别类型向量确定为目标识别类型向量;
将所述目标识别类型向量对应的所述识别类型确定为所述目标识别类型。
4.如权利要求1所述的表单校验方法,其特征在于,所述利用所述目标识别模型对所述表单图片进行图片识别,得到表单数据,包括:
对所述表单图片进行图像处理,得到标准表单图片,所述图像处理包括二值化处理、滤波处理及灰度化处理的图片优化处理之中的一种或多种;
利用所述目标识别模型对所述标准表单图片进行图片识别,得到所述表单数据。
5.如权利要求1所述的表单校验方法,其特征在于,所述利用所述表单类型对应的表单校验规则对所述表单数据进行校验之前,所述方法还包括:
利用所述表单类型作为查询关键词构建数据库查询语句;
利用所述数据库查询语句在预设规则数据库中进行查询,得到所述表单类型对应的表单校验规则。
6.如权利要求1至5中任意一项所述的表单校验方法,其特征在于,所述利用所述表单类型对应的表单校验规则对所述表单数据进行校验,得到表单校验结果,包括:
获取所述校验规则中的每个待校验字段及对应校验类型;
提取所述表单数据中每个待校验字段对应的值,得到待校验值;
根据所述校验类型对每个所述待校验值进行分别校验,得到字符校验结果;
当所有所述字符校验结果为校验通过时,所述表单校验结果为校验通过;
当存在所述字符校验结果为校验不通过时,所述表单校验结果为校验不通过。
7.如权利要求6所述的表单校验方法,其特征在于,所述根据所述校验类型对每个所述待校验值进行分别校验,得到字符校验结果,包括:
当所述待校验字段的校验类型为一致性校验时,获取所述校验规则中所述校验类型对应的标准数值,判断所述标准数值与所述待校验字段对应的待校验值是否一致;
若所述标准数值与所述待校验字段对应的待校验值一致,该待校验值的字符校验结果为校验通过;
若所述标准数值与所述待校验字段对应的待校验值不一致,该待校验值的字符校验结果为校验不通过;
当所述待校验字段的校验类型为字符数量校验时,获取所述校验规则中所述校验类型对应的标准字符数量;
判断所述待校验字段对应的待校验值中的字符数量是否与所述标准字符数量一致;
若所述待校验字段对应的待校验值中的字符数量与所述标准字符数量一致,该待校验值的字符校验结果为校验通过;
若所述待校验字段对应的待校验值中的字符数量与所述标准字符数量不一致,该待校验值的字符校验结果为校验不通过;
当所述待检验字段的校验类型为字符合规校验时,获取所述校验规则中所述校验类型对应的合规字符;
判断所述待检验字段待对应的校验值中的每个字符是否为合规字符;
若所述待检验字段待对应的待校验值中的每个字符均为合规字符,该待校验值的字符校验结果为校验通过;
若所述待检验字段待对应的待校验值中的存在字符不为合规字符,该待校验值的字符校验结果为校验不通过。
8.一种表单校验装置,其特征在于,包括:
模型筛选模块,用于获取待识别表单的表单图片及所述待识别表单的表单类型;获取图片识别模型集及所述图片识别模型集中不同图片识别模型对应的识别类型,根据所述表单类型与所述识别类型从所述图片识别模型中选取目标识别模型;
表单识别模块,用于利用所述目标识别模型对所述表单图片进行图片识别,得到表单数据;
数据校验模块,用于利用所述表单类型对应的表单校验规则对所述表单数据进行校验,得到表单校验结果。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至7中任一项所述的表单校验方法。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的表单校验方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111415682.9A CN114120347A (zh) | 2021-11-25 | 2021-11-25 | 表单校验方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111415682.9A CN114120347A (zh) | 2021-11-25 | 2021-11-25 | 表单校验方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114120347A true CN114120347A (zh) | 2022-03-01 |
Family
ID=80373494
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111415682.9A Pending CN114120347A (zh) | 2021-11-25 | 2021-11-25 | 表单校验方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114120347A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115455922A (zh) * | 2022-09-16 | 2022-12-09 | 中国电信股份有限公司 | 表单校验方法、装置、电子设备和存储介质 |
-
2021
- 2021-11-25 CN CN202111415682.9A patent/CN114120347A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115455922A (zh) * | 2022-09-16 | 2022-12-09 | 中国电信股份有限公司 | 表单校验方法、装置、电子设备和存储介质 |
CN115455922B (zh) * | 2022-09-16 | 2024-02-02 | 中国电信股份有限公司 | 表单校验方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112507936B (zh) | 图像信息审核方法、装置、电子设备及可读存储介质 | |
CN112861648B (zh) | 文字识别方法、装置、电子设备及存储介质 | |
CN112699775A (zh) | 基于深度学习的证件识别方法、装置、设备及存储介质 | |
CN113704614A (zh) | 基于用户画像的页面生成方法、装置、设备及介质 | |
CN112396005A (zh) | 生物特征图像识别方法、装置、电子设备及可读存储介质 | |
CN115471775A (zh) | 基于录屏视频的信息验证方法、装置、设备及存储介质 | |
CN114708461A (zh) | 基于多模态学习模型的分类方法、装置、设备及存储介质 | |
CN113704474A (zh) | 银行网点设备操作指引生成方法、装置、设备及存储介质 | |
CN112560855B (zh) | 图像信息提取方法、装置、电子设备及存储介质 | |
CN114120347A (zh) | 表单校验方法、装置、电子设备及存储介质 | |
CN115409041B (zh) | 一种非结构化数据提取方法、装置、设备及存储介质 | |
CN113221888B (zh) | 车牌号管理系统测试方法、装置、电子设备及存储介质 | |
CN116468025A (zh) | 电子病历结构化方法、装置、电子设备及存储介质 | |
CN115203364A (zh) | 软件故障反馈处理方法、装置、设备及可读存储介质 | |
CN114385815A (zh) | 基于业务需求的新闻筛选方法、装置、设备及存储介质 | |
CN114943306A (zh) | 意图分类方法、装置、设备及存储介质 | |
CN114996386A (zh) | 业务角色识别方法、装置、设备及存储介质 | |
CN114267064A (zh) | 一种人脸识别方法、装置、电子设备及存储介质 | |
CN113888760A (zh) | 基于软件应用的违规信息监控方法、装置、设备及介质 | |
CN113626605A (zh) | 信息分类方法、装置、电子设备及可读存储介质 | |
CN113902404A (zh) | 基于人工智能的员工晋升分析方法、装置、设备及介质 | |
CN113822215A (zh) | 设备操作指引文件生成方法、装置、电子设备及存储介质 | |
CN114742828B (zh) | 基于机器视觉的工件定损智能分析方法及装置 | |
CN114926831A (zh) | 基于文本识别方法、装置、电子设备及可读存储介质 | |
CN116542221A (zh) | Pdf文件解析预览方法、装置、设备及存储介质 |
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 |