CN116704528A - 票据识别核验方法、装置、计算机设备及存储介质 - Google Patents
票据识别核验方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN116704528A CN116704528A CN202310678487.8A CN202310678487A CN116704528A CN 116704528 A CN116704528 A CN 116704528A CN 202310678487 A CN202310678487 A CN 202310678487A CN 116704528 A CN116704528 A CN 116704528A
- Authority
- CN
- China
- Prior art keywords
- bill
- verification
- target
- recognition
- value
- 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
- 238000012795 verification Methods 0.000 title claims abstract description 153
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000005457 optimization Methods 0.000 claims abstract description 10
- 238000012015 optical character recognition Methods 0.000 claims description 68
- 238000012545 processing Methods 0.000 claims description 44
- 238000005516 engineering process Methods 0.000 claims description 27
- 230000003287 optical effect Effects 0.000 claims description 16
- 238000012216 screening Methods 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 abstract description 16
- 238000007689 inspection Methods 0.000 abstract description 8
- 230000036541 health Effects 0.000 abstract description 7
- 238000012552 review Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000011990 functional testing Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- 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
- G06V30/19—Recognition using electronic means
- G06V30/19007—Matching; Proximity measures
- G06V30/19093—Proximity measures, i.e. similarity or distance measures
-
- 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
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/19147—Obtaining sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/19173—Classification techniques
-
- 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
- G06V30/42—Document-oriented image-based pattern recognition based on the type of document
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Bioethics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Character Discrimination (AREA)
Abstract
本申请实施例属于数字医疗领域，应用于医疗相关票据识别领域中，涉及一种票据识别核验方法、装置、计算机设备及存储介质，包括接收医疗相关票据识别请求，医疗相关票据包括个人健康档案、处方、检查报告等；根据预训练完成的像素定位识别模型，识别出目标像素区域；对目标像素区域内字符进行提取，获得实际值和预估值；根据实际值和预估值的对比结果，判断目标票据是否核验成功。利用OCR识别结果与宽表结果对比方式，进行OCR识别核验，通过核验结果，进行校验优化，并利用增量式的核验方式，实现对不同种类的票据根据其业务种类和核验优先级调度进行OCR识别，保证了票据识别速度，智能化的识别医疗票据中的医疗数据，降低了医生的人力审阅消耗。
Description
技术领域
本申请涉及数字医疗领域，应用于医疗相关票据识别领域中，尤其涉及一种票据识别核验方法、装置、计算机设备及存储介质。
背景技术
功能测试的过程中，对于图片类需求的测试一直是自动化、工具化薄弱的一点，对于数字医疗行业，电子票据又是尤其重要的一种凭证，凭证内容繁多，例如：个人健康档案、处方、检查报告、挂号凭证等，测试人员比对的工作重复性高，技术性却不强。
目前每次迭代，都需要对许多电子票据、电子凭证、电子报告等图片类数据进行人工测试，往往在回归时，产品种类过多，涉及批量电子票据的回归比对，这类重复且大量的手工测试工作，较为耗费时间，存在识别速度较慢的问题。
发明内容
本申请实施例的目的在于提出一种票据识别核验方法、装置、计算机设备及存储介质，以便于实现对不同业务种类的票据根据其业务种类和核验优先级调度进行OCR识别，保证了票据识别速度。
为了解决上述技术问题，本申请实施例提供一种票据识别核验方法，采用了如下所述的技术方案：
一种票据识别核验方法，包括下述步骤：
接收票据识别请求，其中，所述票据识别请求包括目标票据对应的PDF文件缓存地址和目标票据的标识信息；
根据所述缓存地址，获取所述目标票据对应的PDF文件；
将所述PDF文件输入预训练完成的像素定位识别模型，识别所述PDF文件中待进行OCR识别的目标像素区域；
基于OCR识别技术对所述目标像素区域内字符进行提取，获得实际值；
根据所述标识信息和预设票据数据缓存宽表，从所述票据数据缓存宽表中获取票据数据，得到预估值；
根据所述实际值和所述预估值的对比结果，判断所述目标票据是否核验成功。
进一步的，在所述将所述PDF文件输入预训练完成的像素定位识别模型，识别所述PDF文件中待进行OCR识别的目标像素区域的步骤之前，所述方法还包括：
步骤A:批量获取不同业务种类的票据对应的PDF文件；
步骤B：将所述PDF文件传入初始化的像素定位识别模型，根据所述像素定位识别模型中预设分类规则，对所述PDF文件进行分类处理，其中，所述预设分类规则为按照业务种类对同业务的票据PDF文件进行分类；
步骤C：根据分类处理结果，对同类的PDF文件进行预处理，其中，所述预处理步骤包括：按照目标大小对所述PDF文件进行缩放、对缩放后所述PDF文件进行对比度和清晰度强化处理、对强化处理后所述PDF文件内字符进行边缘优化处理，其中，所述目标大小为预设的OCR光学识别时的PDF文件最佳大小；
步骤D：基于OCR光学识别技术，对预处理之后的同类PDF文件中字符进行识别，根据识别结果，获得同类PDF文件的字符识别区域；
步骤E：将所述字符识别区域作为当前类别PDF文件中待进行OCR识别的目标像素区域，得到预训练完成的像素定位识别模型。
进一步的，在所述将所述字符识别区域作为当前类别PDF文件中待进行OCR识别的目标像素区域的步骤之前，所述方法还包括：
步骤F：获取所述同类PDF文件中每个PDF文件的字符识别区域与所述PDF文件总区域的比例值；
步骤G：遍历所述比例值，并获取所述比例值在预设可允许误差之内的个数与所述同类PDF文件个数的占比值；
步骤H：判断所述占比值是否满足预设占比阈值；
步骤I:若满足所述预设占比阈值，则所述字符识别区域无需进行修正处理；
步骤J:若不满足所述预设占比阈值，则重复执行步骤A至步骤H，直到所述占比值满足预设占比阈值，完成对所述字符识别区域的修正处理。
进一步的，所述基于OCR识别技术对所述目标像素区域内字符进行提取，获得实际值的步骤，具体包括：
在提取到所述目标像素区域内的字符之后，逐行获取所述字符，并对同一行的所述字符进行间距识别，识别出相邻两个字符间的间距，在所述间距处设置区别标注；
判断所述间距是否大于预设字符间距阈值；
若所述间距不大于预设字符间距阈值，则删除所述间距对应的所述区别标注；
若所述间距大于预设字符间距阈值，则保留所述间距对应的所述区别标注；
以保留的所述区别标注为切分位置，对同一行内的所述字符进行切分处理，获取切分后的各字符串作为实际值。
进一步的，在所述根据所述实际值和所述预估值的对比结果，判断所述目标票据是否核验成功的步骤之前，所述方法还包括：
基于DES对称加密算法，对所述实际值中每个字符串和所述预估值中每个票据数据进行加密操作；
获取所述实际值中每个字符串对应的加密密文，并使用所述加密密文更新所述实际值中对应的字符串；
获取所述预估值中每个票据数据对应的加密密文，并使用所述加密密文更新所述预估值中对应的票据数据。
进一步的，所述根据所述实际值和所述预估值的对比结果，判断所述目标票据是否核验成功的步骤，具体包括：
预先为不同业务种类的票据核验设置核验优先级；
根据余弦相似度算法，识别所述实际值中数据和所述预估值中数据的相似度；
判断所述相似度是否大于预设相似度阈值；
若所述相似度大于预设相似度阈值，则所述目标票据核验成功，基于预设优先级增值算法，增加所述目标票据对应业务种类的核验优先级；
若所述相似度不大于预设相似度阈值，则所述目标票据核验失败，基于预设优先级减值算法，降低所述目标票据对应业务种类的核验优先级。
进一步的，在所述根据所述实际值和所述预估值的对比结果，判断所述目标票据是否核验成功的步骤之后，所述方法还包括：
若所述目标票据核验失败，通过对所述实际值和所述预估值中数据进行遍历和对比，筛选出所述实际值中核验失败的字符串和所述预估值中与所述字符串相对应的票据数据；
分别对所述字符串和所述票据数据进行字符拆分，得到对应的单字符集合；
通过对所述对应的单字符集合进行遍历和对比，筛选出核验失败的单字符；
对所述核验失败的单字符进行标记，并基于所述标记为所述核验失败的单字符和所述预估值中进行参照的对应单字符设置关联关系。
为了解决上述技术问题，本申请实施例还提供一种票据识别核验装置，采用了如下所述的技术方案：
一种票据识别核验装置，包括：
请求接收模块，用于接收票据识别请求，其中，所述票据识别请求包括目标票据对应的PDF文件缓存地址和目标票据的标识信息；
识别票据获取模块，用于根据所述缓存地址，获取所述目标票据对应的PDF文件；
模型识别模块，用于将所述PDF文件输入预训练完成的像素定位识别模型，识别所述PDF文件中待进行OCR识别的目标像素区域；
实际值提取模块，用于基于OCR识别技术对所述目标像素区域内字符进行提取，获得实际值；
预估值获取模块，用于根据所述标识信息和预设票据数据缓存宽表，从所述票据数据缓存宽表中获取票据数据，得到预估值；
核验判断模块，用于根据所述实际值和所述预估值的对比结果，判断所述目标票据是否核验成功。
为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：
一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现上述所述的票据识别核验方法的步骤。
为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：
一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如上述所述的票据识别核验方法的步骤。
与现有技术相比，本申请实施例主要有以下有益效果：
本申请实施例所述票据识别核验方法，通过接收票据识别请求；获取目标票据对应的PDF文件；根据预训练完成的像素定位识别模型，识别出目标像素区域；基于OCR光学识别技术，对目标像素区域内字符进行提取，获得实际值；获取票据数据，得到预估值；根据所述实际值和所述预估值的对比结果，判断所述目标票据是否核验成功。本申请利用OCR识别结果与宽表结果对比方式，进行OCR识别核验，通过判断核验结果是否成功，从而对OCR识别的字符进行校验优化，并利用增量式的核验优化方式，实现对不同业务种类的票据根据其业务种类和核验优先级调度进行OCR识别，保证了票据识别速度，智能化的识别医疗票据中的医疗数据，降低了医生的人力审阅消耗。
附图说明
为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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是本申请可以应用于其中的示例性系统架构图；
图2根据本申请的票据识别核验方法的一个实施例的流程图；
图3是图2所示步骤204的一种具体实施方式的流程图；
图4是图2所示步骤206的一种具体实施方式的流程图；
图5根据本申请的票据识别核验装置的一个实施例的结构示意图；
图6是本申请中预训练模块的一个实施例的结构示意图；
图7是本申请中模型修正子模块的一个实施例的结构示意图；
图8是本申请中安全加密模块的一个实施例的结构示意图；
图9是本申请中核验失败处理模块的一个实施例的结构示意图；
图10根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving PictureExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(MovingPictureExperts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是，本申请实施例所提供的票据识别核验方法一般由服务器/终端设备执行，相应地，票据识别核验装置一般设置于服务器/终端设备中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，示出了根据本申请的票据识别核验方法的一个实施例的流程图。所述的票据识别核验方法，包括以下步骤：
步骤201，接收票据识别请求，其中，所述票据识别请求包括目标票据对应的PDF文件缓存地址和目标票据的标识信息。
本实施例中，所述接收票据识别请求，其中的票据包括存储医疗数据的票据，如个人健康档案、处方、检查报告、挂号凭证等。
本实施例中，所述目标票据的标识信息可以为票据编号或者为获取票据数据而预先设置的区别缓存信息，该标识信息的作用是为了便于通过所述标识信息从预设数据库中获取到所述目标票据包含的具体票据数据。
本实施例中，所述目标票据的标识信息一般根据挂号顺序或者患者身份信息而区别设置，例如，直接以挂号号码作为票据标识信息或者直接以患者身份证号作为票据标识信息。
通过在请求中附加目标票据对应的PDF文件缓存地址和目标票据的标识信息，便于解析单元在解析之后，直接从请求中获取到具有价值的数据信息，便于加快票据的识别核验速度。
步骤202，根据所述缓存地址，获取所述目标票据对应的PDF文件。
步骤203，将所述PDF文件输入预训练完成的像素定位识别模型，识别所述PDF文件中待进行OCR识别的目标像素区域。
本实施例中，在所述将所述PDF文件输入预训练完成的像素定位识别模型，识别所述PDF文件中待进行OCR识别的目标像素区域的步骤之前，所述方法还包括：步骤A:批量获取不同业务种类的票据对应的PDF文件；步骤B：将所述PDF文件传入初始化的像素定位识别模型，根据所述像素定位识别模型中预设分类规则，对所述PDF文件进行分类处理，其中，所述预设分类规则为按照业务种类对同业务的票据PDF文件进行分类；步骤C：根据分类处理结果，对同类的PDF文件进行预处理，其中，所述预处理步骤包括：按照目标大小对所述PDF文件进行缩放、对缩放后所述PDF文件进行对比度和清晰度强化处理、对强化处理后所述PDF文件内字符进行边缘优化处理，其中，所述目标大小为预设的OCR光学识别时的PDF文件最佳大小；步骤D：基于OCR光学识别技术，对预处理之后的同类PDF文件中字符进行识别，根据识别结果，获得同类PDF文件的字符识别区域；步骤E：将所述字符识别区域作为当前类别PDF文件中待进行OCR识别的目标像素区域，得到预训练完成的像素定位识别模型。
通过对不同业务种类的票据进行预训练，获得不同业务种类的票据对应的目标像素区域，便于在使用该像素定位识别模型时，直接根据目标票据的业务种类，快速确定其对应的字符识别区域，对所述字符识别区域进行OCR识别核验，提高了OCR识别核验速度。
本实施例中，所述不同业务种类的票据指个人健康档案、处方、检查报告、挂号凭证所分别对应的票据。
本实施例中，在所述将所述字符识别区域作为当前类别PDF文件中待进行OCR识别的目标像素区域的步骤之前，所述方法还包括：步骤F：获取所述同类PDF文件中每个PDF文件的字符识别区域与所述PDF文件总区域的比例值；步骤G：遍历所述比例值，并获取所述比例值在预设可允许误差之内的个数与所述同类PDF文件个数的占比值；步骤H：判断所述占比值是否满足预设占比阈值；步骤I:若满足所述预设占比阈值，则所述字符识别区域无需进行修正处理；步骤J:若不满足所述预设占比阈值，则重复执行步骤A至步骤H，直到所述占比值满足预设占比阈值，完成对所述字符识别区域的修正处理。
虽然个人健康档案、处方、检查报告、挂号凭证间的文档格式不一样，但是，对于相同文档的文档格式基本为统一格式，例如，医院内相同科室的检查报告存在统一格式，通过计算同一业务种类中各个PDF文件对应的字符识别区域，根据预设占比阈值进行筛选，判断是否需要对所述字符识别区域进行修正处理，通过修正处理，进一步提高所述像素定位识别模型对目标像素区域定位的准确性，保证OCR识别核验结果的快速性和准确性。
步骤204，基于OCR识别技术对所述目标像素区域内字符进行提取，获得实际值。
本实施例中，所述基于OCR识别技术对所述目标像素区域内字符进行提取，获得实际值的步骤，具体包括：在提取到所述目标像素区域内的字符之后，逐行获取所述字符，并对同一行的所述字符进行间距识别，识别出相邻两个字符间的间距，在所述间距处设置区别标注；判断所述间距是否大于预设字符间距阈值；若所述间距不大于预设字符间距阈值，则删除所述间距对应的所述区别标注；若所述间距大于预设字符间距阈值，则保留所述间距对应的所述区别标注；以保留的所述区别标注为切分位置，对同一行内的所述字符进行切分处理，获取切分后的各字符串作为实际值。
通过对同一行的所述字符进行间距识别和在间距处设置区别标注，再通过预设间距阈值保留有价值的间距，对每一行所述字符进行切分处理，获取到各字符串，简单使用切分的形式获取目标票据中识别出的实际值，提高了OCR的识别核验速度。
继续参考图3，图3是图2所示步骤204的一种具体实施方式的流程图，包括步骤：
步骤301，在提取到所述目标像素区域内的字符之后，逐行获取所述字符，并对同一行的所述字符进行间距识别，识别出相邻两个字符间的间距，在所述间距处设置区别标注；
步骤302，判断所述间距是否大于预设字符间距阈值；
步骤303，若所述间距不大于预设字符间距阈值，则删除所述间距对应的所述区别标注；
步骤304，若所述间距大于预设字符间距阈值，则保留所述间距对应的所述区别标注；
步骤305，以保留的所述区别标注为切分位置，对同一行内的所述字符进行切分处理，获取切分后的各字符串作为实际值。
步骤205，根据所述标识信息和预设票据数据缓存宽表，从所述票据数据缓存宽表中获取票据数据，得到预估值。
步骤206，根据所述实际值和所述预估值的对比结果，判断所述目标票据是否核验成功。
本实施例中，在所述根据所述实际值和所述预估值的对比结果，判断所述目标票据是否核验成功的步骤之前，所述方法还包括：基于DES对称加密算法，对所述实际值中每个字符串和所述预估值中每个票据数据进行加密操作；获取所述实际值中每个字符串对应的加密密文，并使用所述加密密文更新所述实际值中对应的字符串；获取所述预估值中每个票据数据对应的加密密文，并使用所述加密密文更新所述预估值中对应的票据数据。
通过对实际值和预估值中数据信息使用相同加密规则进行加密操作，保证在进行OCR识别核验过程中对票据内容进行对比时的安全私密性，为票据数据的安全提供一定保障。
本实施例中，所述根据所述实际值和所述预估值的对比结果，判断所述目标票据是否核验成功的步骤，具体包括：预先为不同业务种类的票据核验设置核验优先级；根据余弦相似度算法，识别所述实际值中数据和所述预估值中数据的相似度；判断所述相似度是否大于预设相似度阈值；若所述相似度大于预设相似度阈值，则所述目标票据核验成功，基于预设优先级增值算法，增加所述目标票据对应业务种类的核验优先级；若所述相似度不大于预设相似度阈值，则所述目标票据核验失败，基于预设优先级减值算法，降低所述目标票据对应业务种类的核验优先级。
通过预先设置的核验优先级，结合每次识别核验的结果，对不同业务种类的票据识别做优先级微调，使得识别核验成功的票据种类在此后的核验中，优先进行识别核验，进一步保证了批量识别时，识别核验的处理效率。
继续参考图4，图4是图2所示步骤206的一种具体实施方式的流程图，包括步骤：
步骤401，预先为不同业务种类的票据核验设置核验优先级；
步骤402，根据余弦相似度算法，识别所述实际值中数据和所述预估值中数据的相似度；
本实施例中，所述实际值中数据一般指核验出的个人健康档案、处方、检查报告中的实际医疗数据内容，所述预估值中数据一般指个人健康档案、处方、检查报告中预期的医疗数据内容。
步骤403，判断所述相似度是否大于预设相似度阈值；
步骤404，若所述相似度大于预设相似度阈值，则所述目标票据核验成功，基于预设优先级增值算法，增加所述目标票据对应业务种类的核验优先级；
步骤405，若所述相似度不大于预设相似度阈值，则所述目标票据核验失败，基于预设优先级减值算法，降低所述目标票据对应业务种类的核验优先级。
本实施例中，可先为不同业务种类设置核验优先级为某一初始定值，增量值和减量值为第二定值，每当核验成功时，所述初始定值加上所述第二定值一次，获取两者和值作为核验优先级；每当核验失败时，所述初始定值减去所述第二定值一次，获取两组差值作为核验优先级。
本实施例中，在所述根据所述实际值和所述预估值的对比结果，判断所述目标票据是否核验成功的步骤之后，所述方法还包括：若所述目标票据核验失败，通过对所述实际值和所述预估值中数据进行遍历和对比，筛选出所述实际值中核验失败的字符串和所述预估值中与所述字符串相对应的票据数据；分别对所述字符串和所述票据数据进行字符拆分，得到对应的单字符集合；通过对所述对应的单字符集合进行遍历和对比，筛选出核验失败的单字符；对所述核验失败的单字符进行标记，并基于所述标记为所述核验失败的单字符和所述预估值中进行参照的对应单字符设置关联关系。
通过在识别核验失败后，获取到识别核验失败时对应的具体单个字符，并对其进行标记，便于此后的核验中再识别到所述单个字符时，直接通过所述标记和所述关联关系确定所述单个字符对应的参照字符，从而，再一次提高了识别核验的准确性和效率性。。
本申请通过接收票据识别请求；获取目标票据对应的PDF文件；根据预训练完成的像素定位识别模型，识别出目标像素区域；基于OCR光学识别技术，对目标像素区域内字符进行提取，获得实际值；获取票据数据，得到预估值；根据所述实际值和所述预估值的对比结果，判断所述目标票据是否核验成功。本申请利用OCR识别结果与宽表结果对比方式，进行OCR识别核验，通过判断核验结果是否成功，从而对OCR识别的字符进行校验优化，并利用增量式的核验优化方式，实现对不同业务种类的票据根据其业务种类和核验优先级调度进行OCR识别，保证了票据识别速度，智能化的识别医疗票据中的医疗数据，降低了医生的人力审阅消耗。
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。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本申请实施例中，能够结合人工智能的方式，在对本申请中像素定位识别模型进行预训练时，可采用机器学习的方式进行自动化训练，同时，也可以将本申请所述的票据识别核验方法采用封装的形式，封装为一个票据识别模型，在以后的使用过程中，对传来的票据进行识别核验时，直接复用该票据识别模型，更加智能化和自动化，智能化的识别医疗票据中的医疗数据，降低了医生的人力审阅消耗。
进一步参考图5，作为对上述图2所示方法的实现，本申请提供了一种票据识别核验装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例所述的票据识别核验装置500包括：请求接收模块501、识别票据获取模块502、模型识别模块503、实际值提取模块504、预估值获取模块505和核验判断模块506。其中：
请求接收模块501，用于接收票据识别请求，其中，所述票据识别请求包括目标票据对应的PDF文件缓存地址和目标票据的标识信息；
识别票据获取模块502，用于根据所述缓存地址，获取所述目标票据对应的PDF文件；
模型识别模块503，用于将所述PDF文件输入预训练完成的像素定位识别模型，识别所述PDF文件中待进行OCR识别的目标像素区域；
实际值提取模块504，用于基于OCR识别技术对所述目标像素区域内字符进行提取，获得实际值；
预估值获取模块505，用于根据所述标识信息和预设票据数据缓存宽表，从所述票据数据缓存宽表中获取票据数据，得到预估值；
核验判断模块506，用于根据所述实际值和所述预估值的对比结果，判断所述目标票据是否核验成功。
本申请通过接收票据识别请求；获取目标票据对应的PDF文件；根据预训练完成的像素定位识别模型，识别出目标像素区域；基于OCR光学识别技术，对目标像素区域内字符进行提取，获得实际值；获取票据数据，得到预估值；根据所述实际值和所述预估值的对比结果，判断所述目标票据是否核验成功。本申请利用OCR识别结果与宽表结果对比方式，进行OCR识别核验，通过判断核验结果是否成功，从而对OCR识别的字符进行校验优化，并利用增量式的核验优化方式，实现对不同业务种类的票据根据其业务种类和核验优先级调度进行OCR识别，保证了票据识别速度，智能化的识别医疗票据中的医疗数据，降低了医生的人力审阅消耗。
进一步参考图6，在本申请的一些具体实施例中，所述的票据识别核验装置500还包括：预训练模块507，所述预训练模块包括第一获取子模块5071、分类处理子模块5072、预处理子模块5073、字符区域识别子模块5074和训练完成子模块5075，其中：
第一获取子模块5071，用于批量获取不同业务种类的票据对应的PDF文件；
分类处理子模块5072，用于将所述PDF文件传入初始化的像素定位识别模型，根据所述像素定位识别模型中预设分类规则，对所述PDF文件进行分类处理，其中，所述预设分类规则为按照业务种类对同业务的票据PDF文件进行分类；
预处理子模块5073，用于根据分类处理结果，对同类的PDF文件进行预处理，其中，所述预处理步骤包括：按照目标大小对所述PDF文件进行缩放、对缩放后所述PDF文件进行对比度和清晰度强化处理、对强化处理后所述PDF文件内字符进行边缘优化处理，其中，所述目标大小为预设的OCR光学识别时的PDF文件最佳大小；
字符区域识别子模块5074，用于基于OCR光学识别技术，对预处理之后的同类PDF文件中字符进行识别，根据识别结果，获得同类PDF文件的字符识别区域；
训练完成子模块5075，用于将所述字符识别区域作为当前类别PDF文件中待进行OCR识别的目标像素区域，得到预训练完成的像素定位识别模型。
通过预训练模块对不同业务种类的票据进行预训练，获得不同业务种类的票据对应的目标像素区域，便于在使用该像素定位识别模型时，直接根据目标票据的业务种类，快速确定其对应的字符识别区域，对所述字符识别区域进行OCR识别核验，提高了OCR识别核验速度。
进一步参考图7，在本申请的一些具体实施例中，所述预训练模块507还包括：模型修正子模块5076，所述模型修正子模块5076包括第一计算单元5076a、第二计算单元5076b、判断条件单元5076c、第一判断结果单元5076d和第二判断结果单元5076e，其中：
第一计算单元5076a，用于获取所述同类PDF文件中每个PDF文件的字符识别区域与所述PDF文件总区域的比例值；
第二计算单元5076b，用于遍历所述比例值，并获取所述比例值在预设可允许误差之内的个数与所述同类PDF文件个数的占比值；
判断条件单元5076c，用于判断所述占比值是否满足预设占比阈值；
第一判断结果单元5076d，用于若满足所述预设占比阈值，则所述字符识别区域无需进行修正处理；
第二判断结果单元5076e，用于若不满足所述预设占比阈值，则重复执行所述预训练模块507，直到所述占比值满足预设占比阈值，完成对所述字符识别区域的修正处理。
通过所述模型修正子模块计算同一业务种类中各个PDF文件对应的字符识别区域，根据预设占比阈值进行筛选，判断是否需要对所述字符识别区域进行修正处理，通过修正处理，进一步提高所述像素定位识别模型对目标像素区域定位的准确性，保证OCR识别核验结果的快速性和准确性。
进一步参考图8，在本申请的一些具体实施例中，所述的票据识别核验装置500还包括：安全加密模块508，所述安全加密模块包括加密子模块5081、第一更新子模块5082和第二更新子模块5083，其中：
加密子模块5081，用于基于DES对称加密算法，对所述实际值中每个字符串和所述预估值中每个票据数据进行加密操作；
第一更新子模块5082，用于获取所述实际值中每个字符串对应的加密密文，并使用所述加密密文更新所述实际值中对应的字符串；
第二更新子模块5083，用于获取所述预估值中每个票据数据对应的加密密文，并使用所述加密密文更新所述预估值中对应的票据数据。
进一步参考图9，在本申请的一些具体实施例中，所述的票据识别核验装置500还包括：核验失败处理模块509，所述核验失败处理模块包括第一筛选子模块5091、第二获取子模块5092、第二筛选子模块5093和标记设置子模块5094，其中：
第一筛选子模块5091，用于若所述目标票据核验失败，通过对所述实际值和所述预估值中数据进行遍历和对比，筛选出所述实际值中核验失败的字符串和所述预估值中与所述字符串相对应的票据数据；
第二获取子模块5092，用分别对所述字符串和所述票据数据进行字符拆分，得到对应的单字符集合；
第二筛选子模块5093，用通过对所述对应的单字符集合进行遍历和对比，筛选出核验失败的单字符；
标记设置子模块5094，用对所述核验失败的单字符进行标记，并基于所述标记为所述核验失败的单字符和所述预估值中进行参照的对应单字符设置关联关系。
在识别核验失败后，通过核验失败处理模块，获取到识别核验失败时对应的具体单个字符，并对其进行标记，便于此后的核验中再识别到所述单个字符时，直接通过所述标记和所述关联关系确定所述单个字符对应的参照字符，从而，再一次提高了识别核验的准确性和效率性。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机可读指令来指令相关的硬件来完成，该计算机可读指令可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图10，图10为本实施例计算机设备基本结构框图。
所述计算机设备10包括通过系统总线相互通信连接存储器10a、处理器10b、网络接口10c。需要指出的是，图中仅示出了具有组件10a-10c的计算机设备10，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器10a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、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器10a可以是所述计算机设备10的内部存储单元，例如该计算机设备10的硬盘或内存。在另一些实施例中，所述存储器10a也可以是所述计算机设备10的外部存储设备，例如该计算机设备10上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，所述存储器10a还可以既包括所述计算机设备10的内部存储单元也包括其外部存储设备。本实施例中，所述存储器10a通常用于存储安装于所述计算机设备10的操作系统和各类应用软件，例如票据识别核验方法的计算机可读指令等。此外，所述存储器10a还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器10b在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器10b通常用于控制所述计算机设备10的总体操作。本实施例中，所述处理器10b用于运行所述存储器10a中存储的计算机可读指令或者处理数据，例如运行所述票据识别核验方法的计算机可读指令。
所述网络接口10c可包括无线网络接口或有线网络接口，该网络接口10c通常用于在所述计算机设备10与其他电子设备之间建立通信连接。
本实施例提出的计算机设备，属于数字医疗领域，应用于医疗相关票据识别领域中。本申请通过接收票据识别请求；获取目标票据对应的PDF文件；根据预训练完成的像素定位识别模型，识别出目标像素区域；基于OCR光学识别技术，对目标像素区域内字符进行提取，获得实际值；获取票据数据，得到预估值；根据所述实际值和所述预估值的对比结果，判断所述目标票据是否核验成功。本申请利用OCR识别结果与宽表结果对比方式，进行OCR识别核验，通过判断核验结果是否成功，从而对OCR识别的字符进行校验优化，并利用增量式的核验优化方式，实现对不同业务种类的票据根据其业务种类和核验优先级调度进行OCR识别，保证了票据识别速度，智能化的识别医疗票据中的医疗数据，降低了医生的人力审阅消耗。
本申请还提供了另一种实施方式，即提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令可被处理器执行，以使所述处理器执行如上述的票据识别核验方法的步骤。
本实施例提出的计算机可读存储介质，属于数字医疗领域，应用于医疗相关票据识别领域中。本申请通过接收票据识别请求；获取目标票据对应的PDF文件；根据预训练完成的像素定位识别模型，识别出目标像素区域；基于OCR光学识别技术，对目标像素区域内字符进行提取，获得实际值；获取票据数据，得到预估值；根据所述实际值和所述预估值的对比结果，判断所述目标票据是否核验成功。本申请利用OCR识别结果与宽表结果对比方式，进行OCR识别核验，通过判断核验结果是否成功，从而对OCR识别的字符进行校验优化，并利用增量式的核验优化方式，实现对不同业务种类的票据根据其业务种类和核验优先级调度进行OCR识别，保证了票据识别速度，智能化的识别医疗票据中的医疗数据，降低了医生的人力审阅消耗。
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上述实施例方法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，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的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，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。
显然，以上所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式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效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。
Claims (10)
1.一种票据识别核验方法，其特征在于，包括下述步骤：
接收票据识别请求，其中，所述票据识别请求包括目标票据对应的PDF文件缓存地址和目标票据的标识信息；
根据所述缓存地址，获取所述目标票据对应的PDF文件；
将所述PDF文件输入预训练完成的像素定位识别模型，识别所述PDF文件中待进行OCR识别的目标像素区域；
基于OCR识别技术对所述目标像素区域内字符进行提取，获得实际值；
根据所述标识信息和预设票据数据缓存宽表，从所述票据数据缓存宽表中获取票据数据，得到预估值；
根据所述实际值和所述预估值的对比结果，判断所述目标票据是否核验成功。
2.根据权利要求1所述的票据识别核验方法，其特征在于，在所述将所述PDF文件输入预训练完成的像素定位识别模型，识别所述PDF文件中待进行OCR识别的目标像素区域的步骤之前，所述方法还包括：
步骤A:批量获取不同业务种类的票据对应的PDF文件；
步骤B：将所述PDF文件传入初始化的像素定位识别模型，根据所述像素定位识别模型中预设分类规则，对所述PDF文件进行分类处理，其中，所述预设分类规则为按照业务种类对同业务的票据PDF文件进行分类；
步骤C：根据分类处理结果，对同类的PDF文件进行预处理，其中，所述预处理步骤包括：按照目标大小对所述PDF文件进行缩放、对缩放后所述PDF文件进行对比度和清晰度强化处理、对强化处理后所述PDF文件内字符进行边缘优化处理，其中，所述目标大小为预设的OCR光学识别时的PDF文件最佳大小；
步骤D：基于OCR光学识别技术，对预处理之后的同类PDF文件中字符进行识别，根据识别结果，获得同类PDF文件的字符识别区域；
步骤E：将所述字符识别区域作为当前类别PDF文件中待进行OCR识别的目标像素区域，得到预训练完成的像素定位识别模型。
3.根据权利要求2所述的票据识别核验方法，其特征在于，在所述将所述字符识别区域作为当前类别PDF文件中待进行OCR识别的目标像素区域的步骤之前，所述方法还包括：
步骤F：获取所述同类PDF文件中每个PDF文件的字符识别区域与所述PDF文件总区域的比例值；
步骤G：遍历所述比例值，并获取所述比例值在预设可允许误差之内的个数与所述同类PDF文件个数的占比值；
步骤H：判断所述占比值是否满足预设占比阈值；
步骤I:若满足所述预设占比阈值，则所述字符识别区域无需进行修正处理；
步骤J:若不满足所述预设占比阈值，则重复执行步骤A至步骤H，直到所述占比值满足预设占比阈值，完成对所述字符识别区域的修正处理。
4.根据权利要求1所述的票据识别核验方法，其特征在于，所述基于OCR识别技术对所述目标像素区域内字符进行提取，获得实际值的步骤，具体包括：
在提取到所述目标像素区域内的字符之后，逐行获取所述字符，并对同一行的所述字符进行间距识别，识别出相邻两个字符间的间距，在所述间距处设置区别标注；
判断所述间距是否大于预设字符间距阈值；
若所述间距不大于预设字符间距阈值，则删除所述间距对应的所述区别标注；
若所述间距大于预设字符间距阈值，则保留所述间距对应的所述区别标注；
以保留的所述区别标注为切分位置，对同一行内的所述字符进行切分处理，获取切分后的各字符串作为实际值。
5.根据权利要求1所述的票据识别核验方法，其特征在于，在所述根据所述实际值和所述预估值的对比结果，判断所述目标票据是否核验成功的步骤之前，所述方法还包括：
基于DES对称加密算法，对所述实际值中每个字符串和所述预估值中每个票据数据进行加密操作；
获取所述实际值中每个字符串对应的加密密文，并使用所述加密密文更新所述实际值中对应的字符串；
获取所述预估值中每个票据数据对应的加密密文，并使用所述加密密文更新所述预估值中对应的票据数据。
6.根据权利要求1所述的票据识别核验方法，其特征在于，所述根据所述实际值和所述预估值的对比结果，判断所述目标票据是否核验成功的步骤，具体包括：
预先为不同业务种类的票据核验设置核验优先级；
根据余弦相似度算法，识别所述实际值中数据和所述预估值中数据的相似度；
判断所述相似度是否大于预设相似度阈值；
若所述相似度大于预设相似度阈值，则所述目标票据核验成功，基于预设优先级增值算法，增加所述目标票据对应业务种类的核验优先级；
若所述相似度不大于预设相似度阈值，则所述目标票据核验失败，基于预设优先级减值算法，降低所述目标票据对应业务种类的核验优先级。
7.根据权利要求6所述的票据识别核验方法，其特征在于，在所述根据所述实际值和所述预估值的对比结果，判断所述目标票据是否核验成功的步骤之后，所述方法还包括：
若所述目标票据核验失败，通过对所述实际值和所述预估值中数据进行遍历和对比，筛选出所述实际值中核验失败的字符串和所述预估值中与所述字符串相对应的票据数据；
分别对所述字符串和所述票据数据进行字符拆分，得到对应的单字符集合；
通过对所述对应的单字符集合进行遍历和对比，筛选出核验失败的单字符；
对所述核验失败的单字符进行标记，并基于所述标记为所述核验失败的单字符和所述预估值中进行参照的对应单字符设置关联关系。
8.一种票据识别核验装置，其特征在于，包括：
请求接收模块，用于接收票据识别请求，其中，所述票据识别请求包括目标票据对应的PDF文件缓存地址和目标票据的标识信息；
识别票据获取模块，用于根据所述缓存地址，获取所述目标票据对应的PDF文件；
模型识别模块，用于将所述PDF文件输入预训练完成的像素定位识别模型，识别所述PDF文件中待进行OCR识别的目标像素区域；
实际值提取模块，用于基于OCR识别技术对所述目标像素区域内字符进行提取，获得实际值；
预估值获取模块，用于根据所述标识信息和预设票据数据缓存宽表，从所述票据数据缓存宽表中获取票据数据，得到预估值；
核验判断模块，用于根据所述实际值和所述预估值的对比结果，判断所述目标票据是否核验成功。
9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的票据识别核验方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的票据识别核验方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310678487.8A CN116704528A (zh) | 2023-06-08 | 2023-06-08 | 票据识别核验方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310678487.8A CN116704528A (zh) | 2023-06-08 | 2023-06-08 | 票据识别核验方法、装置、计算机设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116704528A true CN116704528A (zh) | 2023-09-05 |
Family
ID=87828773
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310678487.8A Pending CN116704528A (zh) | 2023-06-08 | 2023-06-08 | 票据识别核验方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116704528A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117172714A (zh) * | 2023-09-20 | 2023-12-05 | 公诚管理咨询有限公司 | 应用于通信工程的安全生产费核查方法、系统及电子设备 |
-
2023
- 2023-06-08 CN CN202310678487.8A patent/CN116704528A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117172714A (zh) * | 2023-09-20 | 2023-12-05 | 公诚管理咨询有限公司 | 应用于通信工程的安全生产费核查方法、系统及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112632278A (zh) | 一种基于多标签分类的标注方法、装置、设备及存储介质 | |
| CN111898550B (zh) | 建立表情识别模型方法、装置、计算机设备及存储介质 | |
| CN112861662B (zh) | 基于人脸和交互文本的目标对象行为预测方法及相关设备 | |
| CN112529888B (zh) | 基于深度学习的人脸图像评估方法、装置、设备及介质 | |
| CN115758451A (zh) | 基于人工智能的数据标注方法、装置、设备及存储介质 | |
| CN116453125A (zh) | 基于人工智能的数据录入方法、装置、设备及存储介质 | |
| CN113988223B (zh) | 证件图像识别方法、装置、计算机设备及存储介质 | |
| CN116704528A (zh) | 票据识别核验方法、装置、计算机设备及存储介质 | |
| CN114049646B (zh) | 一种银行卡识别方法、装置、计算机设备及存储介质 | |
| CN115757075A (zh) | 任务异常检测方法、装置、计算机设备及存储介质 | |
| CN111639360A (zh) | 智能数据脱敏方法、装置、计算机设备及存储介质 | |
| CN114386013A (zh) | 学籍自动认证方法、装置、计算机设备及存储介质 | |
| CN117234505A (zh) | 一种交互页面生成方法、装置、设备及其存储介质 | |
| CN112669850A (zh) | 语音质量检测方法、装置、计算机设备及存储介质 | |
| CN117133006A (zh) | 一种单证验证方法、装置、计算机设备及存储介质 | |
| CN115730603A (zh) | 基于人工智能的信息提取方法、装置、设备及存储介质 | |
| CN116166858A (zh) | 基于人工智能的信息推荐方法、装置、设备及存储介质 | |
| CN112395450B (zh) | 图片文字检测方法、装置、计算机设备及存储介质 | |
| CN113936286A (zh) | 图像文本识别方法、装置、计算机设备及存储介质 | |
| CN114820211B (zh) | 理赔资料质检核验方法、装置、计算机设备及存储介质 | |
| CN117409430A (zh) | 一种医疗票据信息提取方法、装置、设备及其存储介质 | |
| CN118115293A (zh) | 一种身份证件核验方法、装置、设备及其存储介质 | |
| CN118227491A (zh) | 测试用例的生成方法、装置、计算机设备及存储介质 | |
| CN115202966A (zh) | 图片处理方法、装置、计算机设备及存储介质 | |
| CN116824600A (zh) | 一种公司印章识别方法及其相关设备 |
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 |