CN117746107A - 一种基于数据分析的财务实体报表综合管理系统 - Google Patents
一种基于数据分析的财务实体报表综合管理系统 Download PDFInfo
- Publication number
- CN117746107A CN117746107A CN202311660572.8A CN202311660572A CN117746107A CN 117746107 A CN117746107 A CN 117746107A CN 202311660572 A CN202311660572 A CN 202311660572A CN 117746107 A CN117746107 A CN 117746107A
- Authority
- CN
- China
- Prior art keywords
- report
- information
- detection frame
- value
- image
- 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
- 238000007405 data analysis Methods 0.000 title claims abstract description 19
- 238000005562 fading Methods 0.000 claims abstract description 38
- 238000012937 correction Methods 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000012544 monitoring process Methods 0.000 claims abstract description 10
- 238000001514 detection method Methods 0.000 claims description 118
- 238000003860 storage Methods 0.000 claims description 43
- 238000000034 method Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000005520 cutting process Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 description 10
- 238000012360 testing method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000007789 sealing Methods 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种基于数据分析的财务实体报表综合管理系统,属于实体报表管理技术领域,包括入柜信息识别模块、入柜模块、监测模块、分析判断模块。本发明通过对当前报表的厚度信息、报表类型信息进行识别获取,方便后续报表的入库管理工作;并通过基于厚度值的报表尺寸信息修正方式,能够获取更准确的报表尺寸信息,进而基于报表尺寸信息获取更准确的报表类型信息,进而更方便地进行准确入柜工作;巧妙的采用局部像素灰度值作为文字褪色程度的表征,能够方便地获取当前报表的褪色等级信息,进而根据褪色等级信息提示财会人员进行相应处理。
Description
技术领域
本发明涉及实体报表管理技术领域,具体涉及一种基于数据分析的财务实体报表综合管理系统。
背景技术
财务泛指财务活动和财务关系。前者指企业在生产过程中涉及资金的活动,表明财务的形式特征;后者指财务活动中企业和各方面的经济关系,揭示财务的内容本质。因此,概括说来,企业财务就是企业再生产过程中的资金运动,体现着企业和各方面的经济关系。财务不仅是国民经济各部门、各单位在物质资料再生产过程中客观存在的资金运动及资金运动过程中所体现的经济关系,更主要的是财产和债务,即资产和负债等。
在企业经营活动中,会产生大量的实体报表(纸质报表),现在实体报表主要是经过财会人员处理和确认后存储在收纳柜中。如何更好地对实体报表进行综合管理是一个亟待解决的问题,为此,提出一种基于数据分析的财务实体报表综合管理系统。
发明内容
本发明所要解决的技术问题在于:如何更好地对实体报表进行综合管理,提供了一种基于数据分析的财务实体报表综合管理系统。
本发明是通过以下技术方案解决上述技术问题的,本发明包括:入柜信息识别模块、入柜模块、监测模块、分析判断模块;
所述入柜信息识别模块,用于在存入收纳柜前获取报表俯拍深度图像,并根据报表俯拍深度图像获取当前报表的厚度信息、报表类型信息;
所述入柜模块,用于先根据报表类型信息确定当前报表在收纳柜中的存入侧,然后根据报表厚度信息确定当前报表在对应存入侧的存入位置并将当前报表存入;
所述监测模块,用于定期获取报表存入后俯拍图像,并基于报表存入后俯拍图像获取多个文字检测框图像,进而计算获取所有文字检测框图像的灰度均值信息;
所述分析判断模块,用于根据报表的计算获取的所有文字检测框图像的灰度均值信息,判断报表的褪色等级信息,并根据褪色等级信息提示财会人员进行相应处理。
更进一步地,所述入柜信息识别模块包括第一图像获取单元、报表厚度获取单元、报表类型获取单元;所述第一图像获取单元用于通过深度相机在报表的上方对报表进行拍摄,获取报表俯拍深度图像,并将报表俯拍深度图像传输至报表类型获取单元中;所述报表厚度获取单元用于利用经过训练的报表检测模型对报表俯拍深度图像中的报表进行识别,得到报表检测框及其左上角点和右下角点的坐标,将报表检测框从报表俯拍深度图像中裁剪下来,得到报表检测框深度图像,根据报表检测框深度图像获取报表厚度信息,并将报表厚度信息发送至报表厚度获取单元、入柜模块中;所述报表类型获取单元用于根据报表检测框深度图像获取报表的第一尺寸信息,并根据报表厚度信息对第一尺寸信息进行修正,得到报表的第二尺寸信息,再根据报表的第二尺寸信息获取报表类型信息,将报表类型信息发送至所述入柜模块中。
更进一步地,在所述报表厚度获取单元中,根据报表检测框深度图像获取报表厚度信息的具体过程如下:
S11:根据报表检测框的左上角点和右下角点的坐标,计算得到报表检测框的中心点坐标,即得到报表检测框深度图像的中心点坐标;
S12:获取报表检测框深度图像中心点坐标对应像素点的像素值,即得到深度相机与报表上端面之间的实际距离,作为深度相机与报表上端面之间的垂直距离,记为距离值J上;
S13:获取已知的深度相机到水平传送带上端面的垂直距离,记为距离值J下,其中水平传送带上端面视为报表下端面,报表放置在水平传送带上;
S14:计算距离值J上与距离值J下之间的差值,该差值即为报表厚度信息,记为厚度值J差。
更进一步地,在所述报表类型获取单元中,具体处理过程如下:
S21:根据报表检测框及其左上角点和右下角点的坐标计算得到报表检测框的面积信息,即报表检测框深度图像的面积信息,记为面积值S1,即得到第一尺寸信息;
S22:根据厚度值J差在尺寸修正系数数据库中查找比对,获取当前厚度值J差下对应的尺寸修正系数C,利用尺寸修正系数C对第一尺寸信息进行修正,得到第二尺寸信息,修正计算公式如下:
S修正=S1*C
其中,面积值S修正即为第二尺寸信息,1>C>0,尺寸修正系数数据库中预设有厚度值J差与尺寸修正系数C之间的对应关系;
S23:根据面积值S修正在第二尺寸信息-报表类型数据库中进行查找,得到当前面积值S修正下对应的报表类型信息,第二尺寸信息-报表类型数据库中预设有面积值S修正与报表类型之间的对应关系。
更进一步地,在所述入柜模块中,当报表类型信息为支出报表时,存入侧为收纳柜的前侧,当报表类型信息为收入报表时,存入侧为收纳柜的后侧;收纳柜的前后侧均设置有多个存放板,对于单侧来说,上半部的存放板为用于存放较厚的报表,下半部的存放板用于存放较薄的报表。
更进一步地,在所述入柜模块中,根据厚度值J差与厚度阈值J阈之间的比较结果,当厚度值J差大于等于厚度阈值J阈时,将当前报表存入对应存入侧的上半部,当厚度值J差小于厚度阈值J阈时,将当前报表存入对应存入侧的下半部,进而确定当前报表需要存放在对应存入侧的上半部或下半部。
更进一步地,所述监测模块包括第二图像获取单元、灰度均值信息获取单元;所述第二图像获取单元用于通过安装在存放板下端的工业相机获取下层已存入报表的报表存入后俯拍图像;所述灰度均值信息获取单元用于利用经过训练的文字识别模型对报表存入后俯拍图像中报表首页上的文字进行识别,获取各个文字检测框的位置信息,并根据该位置信息将各个文字检测框从报表存入后俯拍图像裁剪下来,得到多张文字检测框图像,然后对各个文字检测框图像进行灰度处理,计算得到各个文字检测框图像的灰度值Hn,最后计算得到所有文字检测框图像的灰度均值H均,并将灰度均值H均发送至分析判断模块中,其中下标中的n表示第n个文字检测框图像。
更进一步地,所述灰度均值信息获取单元的具体处理过程如下:
S31:用于利用经过训练的文字识别模型对报表存入后俯拍图像中报表首页上的文字进行识别,获取各个文字检测框的位置信息,文字检测框的位置信息即文字检测框的左上角点和右下角点在图像中的坐标;
S32:并根据文字检测框的位置信息将各个文字检测框从报表存入后俯拍图像裁剪下来,得到多张文字检测框图像;
S33:对各个文字检测框图像进行灰度处理,获取各个文字检测框图像img1中各个像素点的灰度值Gm,对于单个文字检测框图像,灰度值Hn的计算公式如下:
Hn=(G1+G2+……+Gm-1+Gm)/m
即得到各个文字检测框图像的灰度值Hn;
S34:根据各个文字检测框图像的灰度值Hn计算得到所有文字检测框图像的灰度均值H均,计算公式如下:
H均=(H1+H2+……+Hn-1+Hn)/n。
更进一步地,所述分析判断模块的具体处理过程如下:
S41:获取报表的计算得到所有文字检测框图像的灰度均值H均;
S42:根据灰度均值H均在褪色等级数据库中查找比对获取报表的褪色等级信息,褪色等级信息分为一级与二级,二级的褪色程度大于一级;
S43:当褪色等级信息判断为一级时,不进行报警提醒,当褪色等级信息为二级时,对财会人员进行报警提醒。
本发明相比现有技术具有以下优点:该基于数据分析的财务实体报表综合管理系统,通过对当前报表的厚度信息、报表类型信息进行识别获取,方便后续报表的入库管理工作;并通过基于厚度值的报表尺寸信息修正方式,能够获取更准确的报表尺寸信息,进而基于报表尺寸信息获取更准确的报表类型信息,进而更方便地进行准确入柜工作;巧妙的采用局部像素灰度值作为文字褪色程度的表征,能够方便地获取当前报表的褪色等级信息,进而根据褪色等级信息提示财会人员进行相应处理。
附图说明
图1是本发明实施例中基于数据分析的财务实体报表综合管理系统的结构示意图;
图2是本发明实施例中收纳柜的内部结构示意图。
具体实施方式
下面对本发明的实施例作详细说明,本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
如图1、2所示,本实施例提供一种技术方案:一种基于数据分析的财务实体报表综合管理系统,包括入柜信息识别模块、入柜模块、监测模块、分析判断模块;
在本实施例中,所述入柜信息识别模块,用于在存入收纳柜3前获取报表俯拍深度图像,并根据报表俯拍深度图像获取当前报表的厚度信息、报表类型信息。
作为更具体的,所述入柜信息识别模块包括第一图像获取单元、报表厚度获取单元、报表类型获取单元;所述第一图像获取单元用于通过深度相机1在报表的上方对报表进行拍摄,获取报表俯拍深度图像,并将报表俯拍深度图像传输至报表类型获取单元中;所述报表厚度获取单元用于利用经过训练的报表检测模型对报表俯拍深度图像中的报表进行识别,得到报表检测框及其左上角点和右下角点的坐标,将报表检测框从报表俯拍深度图像中裁剪下来,得到报表检测框深度图像,根据报表检测框深度图像获取报表厚度信息,并将报表厚度信息发送至报表厚度获取单元、入柜模块中;所述报表类型获取单元用于根据报表检测框深度图像获取报表的第一尺寸信息,并根据报表厚度信息对第一尺寸信息进行修正,得到报表的第二尺寸信息,再根据报表的第二尺寸信息获取报表类型信息,将报表类型信息发送至所述入柜模块中;
需要说明的是,本实施例中的报表包括报表本体(由多页叠放形成)与报表托板,报表托板位于报表本体的下端,其面积小于等于报表本体的面积。
作为更具体的,所述报表检测模型基于SSD网络训练得到,在训练时,获取大量经过人工标注报表的报表俯拍深度图像,形成数据集,将数据集按照3:7的比例划分为训练集和测试集,利用训练集中的图像输入到SSD网络中进行训练,得到训练后的网络模型,再利用测试集中的图像对网络模型的性能进行测试,当网络模型的性能指标满足设定值后,保存网络模型的参数,即可得到报表检测模型。
作为更具体的,在所述报表厚度获取单元中,根据报表检测框深度图像获取报表厚度信息的具体过程如下:
S11:根据报表检测框的左上角点和右下角点的坐标,计算得到报表检测框的中心点坐标,即得到报表检测框深度图像的中心点坐标;
S12:获取报表检测框深度图像中心点坐标对应像素点的像素值,即得到深度相机1与报表上端面之间的实际距离,作为深度相机1与报表上端面之间的垂直距离,记为距离值J上;
S13:报表是放置在水平传送带上传送入柜的,获取已知的深度相机1到水平传送带2上端面的垂直距离,记为距离值J下,其中水平传送带2上端面视为报表下端面;
S14:计算距离值J上与距离值J下之间的差值,该差值即为报表厚度信息,记为厚度值J差。
需要说明的是,报表检测框的左上角点和右下角点均为图像的一个像素点。
作为更具体的,在所述报表类型获取单元中,具体处理过程如下:
S21:根据报表检测框及其左上角点和右下角点的坐标计算得到报表检测框的面积信息,即报表检测框深度图像的面积信息,记为面积值S1,即得到第一尺寸信息;
S22:根据厚度值J差在尺寸修正系数数据库中查找比对,获取当前厚度值J差下对应的尺寸修正系数C,利用尺寸修正系数C对第一尺寸信息进行修正,得到第二尺寸信息,修正计算公式如下:
S修正=S1*C
其中,面积值S修正即为第二尺寸信息,1>C>0;
S23:根据面积值S修正在第二尺寸信息-报表类型数据库中进行查找,得到当前面积值S修正下对应的报表类型信息。
通过基于厚度值的报表尺寸信息修正方式,能够获取更准确的报表尺寸信息,进而基于报表尺寸信息获取更准确的报表类型信息,进而更方便地进行准确入柜工作。需要说明的是,报表类型信息可分为支出报表、收入报表,当厚度值J差越大时,尺寸修正系数C越小,面积值S1与面积值S修正之间的差值越小。
作为更具体的,在所述步骤S22中,尺寸修正系数数据库中预设有厚度值J差与尺寸修正系数C之间的对应关系。
作为更具体的,在所述步骤S23中,第二尺寸信息-报表类型数据库中预设有面积值S修正与报表类型之间的对应关系。
在本实施例中,所述入柜模块,用于先根据报表类型信息确定当前报表在收纳柜3中的存入侧,然后根据报表厚度信息确定当前报表在对应存入侧的存入位置并将当前报表存入。
作为更具体的,所述入柜模块包括存入侧确定单元、存入位置确定单元;所述存入侧识别单元用于报表类型信息确定当前报表在收纳柜3中的存入侧;所述存入位置识别单元根据报表厚度信息确定当前报表在对应存入侧的存入位置。
作为更具体的,在所述存入位置识别单元中,根据厚度值J差与厚度阈值J阈之间的比较结果,当厚度值J差大于等于厚度阈值J阈时,将当前报表存入对应存入侧的上半部,当厚度值J差小于厚度阈值J阈时,将当前报表存入对应存入侧的下半部,进而确定当前报表需要存放在对应存入侧的上半部或下半部。
需要说明的是,当报表类型信息为支出报表时,存入侧为收纳柜3的前侧(见图2),当报表类型信息为收入报表时,存入侧为收纳柜3的后侧。收纳柜3的前后侧均设置有多个存放板31,对于单侧来说,上半部的存放板31为用于存放较厚的报表,下半部的存放板31用于存放较薄的报表。在俯视状态下,水平传送带2位于收纳柜3前后侧的存放板31之间,这样存放板31不会对报表的存入产生干涉。
作为更具体的,所述入柜模块还包括两轴抓取单元,所述两轴抓取单元包括竖直轴直线模组4、水平轴直线模组5、夹爪6;所述水平轴直线模组5安装在竖直轴直线模组4安装在收纳柜3的顶端一侧位置,所述竖直轴直线模组4安装在所述水平轴直线模组5上,所述夹爪6安装在所述竖直轴直线模组4上,所述竖直轴直线模组4用于带动夹爪6在竖直方向运动,所述水平轴直线模组5用于带动夹爪6在水平方向运动,所述夹爪6用于在水平传送带2的末端抓取报表,并将报表放置在对应的存入位置。
需要说明的是,所述竖直轴直线模组4、水平轴直线模组5均基于同步带直线模组实现,所述夹爪6为气动夹爪,在确定存入位置后,不同的报表自上而下存入存放板31上,每个报表对应存放在一个存放板31上。
由于收纳柜一般不具备良好的密封条件,长时间在收纳柜中保存后,由于与空气中的氧气长期接触,实体报表上的文字会出现严重的褪色,不利于后续的追溯查看工作,给财会人员的工作带来一定的麻烦。
在本实施例中,所述监测模块,用于定期获取报表存入后俯拍图像,并基于报表存入后俯拍图像获取多个文字检测框图像,进而获取所有文字检测框图像的灰度均值信息,将所有文字检测框图像的灰度均值信息发送至所述分析判断模块中。
作为更具体的,所述监测模块包括第二图像获取单元、灰度均值信息获取单元;所述第二图像获取单元用于通过安装在存放板31下端的工业相机7获取下层已存入报表的报表存入后俯拍图像;所述灰度均值信息获取单元用于利用经过训练的文字识别模型对报表存入后俯拍图像中报表首页上的文字进行识别,获取各个文字检测框的位置信息,并根据该位置信息将各个文字检测框从报表存入后俯拍图像裁剪下来,得到多张文字检测框图像,然后对各个文字检测框图像进行灰度处理,计算得到各个文字检测框图像的灰度值Hn,最后计算得到所有文字检测框图像的灰度均值H均,并将灰度均值H均发送至分析判断模块中,其中下标中的n表示第n个文字检测框图像。
作为更具体的,所述文字识别模型基于YoloV3网络训练得到,在训练时,获取大量经过人工标注文字及类别的报表存入后俯拍图像,形成数据集,将数据集按照2.5:7.5的比例划分为训练集和测试集,利用训练集中的图像输入到YoloV3网络中进行训练,得到训练后的网络模型,再利用测试集中的图像对网络模型的性能进行测试,当网络模型的性能指标满足设定值后,保存网络模型的参数,即可得到文字识别模型,需要说明的是,文字识别模型在识别到文字后,还会对文字进行分类,类别信息即文字具体是什么字。
作为更具体的,所述灰度均值信息获取单元的具体处理过程如下:
S31:用于利用经过训练的文字识别模型对报表存入后俯拍图像中报表首页上的文字进行识别,获取各个文字检测框的位置信息,文字检测框的位置信息即文字检测框的左上角点和右下角点在图像中的坐标;
S32:并根据文字检测框的位置信息将各个文字检测框从报表存入后俯拍图像裁剪下来,得到多张文字检测框图像;
S33:对各个文字检测框图像进行灰度处理,获取各个文字检测框图像img1中各个像素点的灰度值Gm,对于单个文字检测框图像,灰度值Hn的计算公式如下:
Hn=(G1+G2+……+Gm-1+Gm)/m
即得到各个文字检测框图像的灰度值Hn;
S34:根据各个文字检测框图像的灰度值Hn计算得到所有文字检测框图像的灰度均值H均,计算公式如下:
H均=(H1+H2+……+Hn-1+Hn)/n。
在本实施例中,所述分析判断模块,用于根据报表的计算获取的所有文字检测框图像的灰度均值H均,判断报表的褪色等级信息,并根据褪色等级信息提示财会人员进行相应处理。
作为更具体的,所述分析判断模块的具体处理过程如下:
S41:获取报表的计算得到所有文字检测框图像的灰度均值H均;
S42:根据灰度均值H均在褪色等级数据库中查找比对获取报表的褪色等级信息,褪色等级信息分为一级与二级,二级的褪色程度大于一级,二级表示严重褪色但还文字尚能看清,不影响后续追溯查看,一级表示轻微褪色,文字能够看清,不影响后续追溯查看;
S43:当褪色等级信息判断为一级时,不进行报警提醒,当褪色等级信息为二级时,对财会人员进行报警提醒发送报表所在的存放板31的位置,提醒财会人员及时将其取出密封存储。
需要说明的是,褪色等级数据库中存储有灰度均值H均与褪色等级信息的对应关系。
综上所述,上述实施例的基于数据分析的财务实体报表综合管理系统,通过对当前报表的厚度信息、报表类型信息进行识别获取,方便后续报表的入库管理工作;并通过基于厚度值的报表尺寸信息修正方式,能够获取更准确的报表尺寸信息,进而基于报表尺寸信息获取更准确的报表类型信息,进而更方便地进行准确入柜工作;巧妙的采用局部像素灰度值作为文字褪色程度的表征,能够方便地获取当前报表的褪色等级信息,进而根据褪色等级信息提示财会人员进行相应处理。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (9)
1.一种基于数据分析的财务实体报表综合管理系统,其特征在于,包括:入柜信息识别模块、入柜模块、监测模块、分析判断模块;
所述入柜信息识别模块,用于在存入收纳柜前获取报表俯拍深度图像,并根据报表俯拍深度图像获取当前报表的厚度信息、报表类型信息;
所述入柜模块,用于先根据报表类型信息确定当前报表在收纳柜中的存入侧,然后根据报表厚度信息确定当前报表在对应存入侧的存入位置并将当前报表存入;
所述监测模块,用于定期获取报表存入后俯拍图像,并基于报表存入后俯拍图像获取多个文字检测框图像,进而计算获取所有文字检测框图像的灰度均值信息;
所述分析判断模块,用于根据报表的计算获取的所有文字检测框图像的灰度均值信息,判断报表的褪色等级信息,并根据褪色等级信息提示财会人员进行相应处理。
2.根据权利要求1所述的一种基于数据分析的财务实体报表综合管理系统,其特征在于:所述入柜信息识别模块包括第一图像获取单元、报表厚度获取单元、报表类型获取单元;所述第一图像获取单元用于通过深度相机在报表的上方对报表进行拍摄,获取报表俯拍深度图像,并将报表俯拍深度图像传输至报表类型获取单元中;所述报表厚度获取单元用于利用经过训练的报表检测模型对报表俯拍深度图像中的报表进行识别,得到报表检测框及其左上角点和右下角点的坐标,将报表检测框从报表俯拍深度图像中裁剪下来,得到报表检测框深度图像,根据报表检测框深度图像获取报表厚度信息,并将报表厚度信息发送至报表厚度获取单元、入柜模块中;所述报表类型获取单元用于根据报表检测框深度图像获取报表的第一尺寸信息,并根据报表厚度信息对第一尺寸信息进行修正,得到报表的第二尺寸信息,再根据报表的第二尺寸信息获取报表类型信息,将报表类型信息发送至所述入柜模块中。
3.根据权利要求2所述的一种基于数据分析的财务实体报表综合管理系统,其特征在于:在所述报表厚度获取单元中,根据报表检测框深度图像获取报表厚度信息的具体过程如下:
S11:根据报表检测框的左上角点和右下角点的坐标,计算得到报表检测框的中心点坐标,即得到报表检测框深度图像的中心点坐标;
S12:获取报表检测框深度图像中心点坐标对应像素点的像素值,即得到深度相机与报表上端面之间的实际距离,作为深度相机与报表上端面之间的垂直距离,记为距离值J上;
S13:获取已知的深度相机到水平传送带上端面的垂直距离,记为距离值J下,其中水平传送带上端面视为报表下端面,报表放置在水平传送带上;
S14:计算距离值J上与距离值J下之间的差值,该差值即为报表厚度信息,记为厚度值J差。
4.根据权利要求3所述的一种基于数据分析的财务实体报表综合管理系统,其特征在于:在所述报表类型获取单元中,具体处理过程如下:
S21:根据报表检测框及其左上角点和右下角点的坐标计算得到报表检测框的面积信息,即报表检测框深度图像的面积信息,记为面积值S1,即得到第一尺寸信息;
S22:根据厚度值J差在尺寸修正系数数据库中查找比对,获取当前厚度值J差下对应的尺寸修正系数C,利用尺寸修正系数C对第一尺寸信息进行修正,得到第二尺寸信息,修正计算公式如下:
S修正=S1*C
其中,面积值S修正即为第二尺寸信息,1>C>0,尺寸修正系数数据库中预设有厚度值J差与尺寸修正系数C之间的对应关系;
S23:根据面积值S修正在第二尺寸信息-报表类型数据库中进行查找,得到当前面积值S修正下对应的报表类型信息,第二尺寸信息-报表类型数据库中预设有面积值S修正与报表类型之间的对应关系。
5.根据权利要求1所述的一种基于数据分析的财务实体报表综合管理系统,其特征在于:在所述入柜模块中,当报表类型信息为支出报表时,存入侧为收纳柜的前侧,当报表类型信息为收入报表时,存入侧为收纳柜的后侧;收纳柜的前后侧均设置有多个存放板,对于单侧来说,上半部的存放板为用于存放较厚的报表,下半部的存放板用于存放较薄的报表。
6.根据权利要求5所述的一种基于数据分析的财务实体报表综合管理系统,其特征在于:在所述入柜模块中,根据厚度值J差与厚度阈值J阈之间的比较结果,当厚度值J差大于等于厚度阈值J阈时,将当前报表存入对应存入侧的上半部,当厚度值J差小于厚度阈值J阈时,将当前报表存入对应存入侧的下半部,进而确定当前报表需要存放在对应存入侧的上半部或下半部。
7.根据权利要求4所述的一种基于数据分析的财务实体报表综合管理系统,其特征在于:所述监测模块包括第二图像获取单元、灰度均值信息获取单元;所述第二图像获取单元用于通过安装在存放板下端的工业相机获取下层已存入报表的报表存入后俯拍图像;所述灰度均值信息获取单元用于利用经过训练的文字识别模型对报表存入后俯拍图像中报表首页上的文字进行识别,获取各个文字检测框的位置信息,并根据该位置信息将各个文字检测框从报表存入后俯拍图像裁剪下来,得到多张文字检测框图像,然后对各个文字检测框图像进行灰度处理,计算得到各个文字检测框图像的灰度值Hn,最后计算得到所有文字检测框图像的灰度均值H均,并将灰度均值H均发送至分析判断模块中,其中下标中的n表示第n个文字检测框图像。
8.根据权利要求7所述的一种基于数据分析的财务实体报表综合管理系统,其特征在于:所述灰度均值信息获取单元的具体处理过程如下:
S31:用于利用经过训练的文字识别模型对报表存入后俯拍图像中报表首页上的文字进行识别,获取各个文字检测框的位置信息,文字检测框的位置信息即文字检测框的左上角点和右下角点在图像中的坐标;
S32:并根据文字检测框的位置信息将各个文字检测框从报表存入后俯拍图像裁剪下来,得到多张文字检测框图像;
S33:对各个文字检测框图像进行灰度处理,获取各个文字检测框图像img1中各个像素点的灰度值Gm,对于单个文字检测框图像,灰度值Hn的计算公式如下:
Hn=(G1+G2+……+Gm-1+Gm)/m
即得到各个文字检测框图像的灰度值Hn;
S34:根据各个文字检测框图像的灰度值Hn计算得到所有文字检测框图像的灰度均值H均,计算公式如下:
H均=(H1+H2+……+Hn-1+Hn)/n。
9.根据权利要求8所述的一种基于数据分析的财务实体报表综合管理系统,其特征在于:所述分析判断模块的具体处理过程如下:
S41:获取报表的计算得到所有文字检测框图像的灰度均值H均;
S42:根据灰度均值H均在褪色等级数据库中查找比对获取报表的褪色等级信息,褪色等级信息分为一级与二级,二级的褪色程度大于一级;
S43:当褪色等级信息判断为一级时,不进行报警提醒,当褪色等级信息为二级时,对财会人员进行报警提醒。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311660572.8A CN117746107A (zh) | 2023-12-05 | 2023-12-05 | 一种基于数据分析的财务实体报表综合管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311660572.8A CN117746107A (zh) | 2023-12-05 | 2023-12-05 | 一种基于数据分析的财务实体报表综合管理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117746107A true CN117746107A (zh) | 2024-03-22 |
Family
ID=90258421
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311660572.8A Pending CN117746107A (zh) | 2023-12-05 | 2023-12-05 | 一种基于数据分析的财务实体报表综合管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117746107A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107492030A (zh) * | 2017-07-03 | 2017-12-19 | 三峡大学 | 一种基于大数据的综合财务审计系统 |
CN110298338A (zh) * | 2019-06-20 | 2019-10-01 | 北京易道博识科技有限公司 | 一种文档图像分类方法及装置 |
US20200320817A1 (en) * | 2016-05-20 | 2020-10-08 | Julong Co., Ltd. | Banknote management method and system |
CN114009957A (zh) * | 2021-11-04 | 2022-02-08 | 西京学院 | 一种财务票据报表的档案柜 |
CN115546808A (zh) * | 2022-10-31 | 2022-12-30 | 上海浦东发展银行股份有限公司 | 一种报表类型确定方法、装置、设备和存储介质 |
CN115909375A (zh) * | 2022-09-16 | 2023-04-04 | 武汉佰思特信息科技有限公司 | 一种基于智能识别的报表分析方法 |
CN116342316A (zh) * | 2023-05-31 | 2023-06-27 | 青岛希尔信息科技有限公司 | 会计核算和项目财务管理系统及方法 |
-
2023
- 2023-12-05 CN CN202311660572.8A patent/CN117746107A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200320817A1 (en) * | 2016-05-20 | 2020-10-08 | Julong Co., Ltd. | Banknote management method and system |
CN107492030A (zh) * | 2017-07-03 | 2017-12-19 | 三峡大学 | 一种基于大数据的综合财务审计系统 |
CN110298338A (zh) * | 2019-06-20 | 2019-10-01 | 北京易道博识科技有限公司 | 一种文档图像分类方法及装置 |
CN114009957A (zh) * | 2021-11-04 | 2022-02-08 | 西京学院 | 一种财务票据报表的档案柜 |
CN115909375A (zh) * | 2022-09-16 | 2023-04-04 | 武汉佰思特信息科技有限公司 | 一种基于智能识别的报表分析方法 |
CN115546808A (zh) * | 2022-10-31 | 2022-12-30 | 上海浦东发展银行股份有限公司 | 一种报表类型确定方法、装置、设备和存储介质 |
CN116342316A (zh) * | 2023-05-31 | 2023-06-27 | 青岛希尔信息科技有限公司 | 会计核算和项目财务管理系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110728225B (zh) | 一种用于考勤的高速人脸搜索方法 | |
CN113506286A (zh) | 基于YOLOv5算法小样本数据集实现微波芯片缺陷检测方法 | |
CN111814598A (zh) | 一种基于深度学习框架的财务报表自动识别方法 | |
CN110827432B (zh) | 一种基于人脸识别的课堂考勤方法及系统 | |
CN111415339B (zh) | 一种复杂纹理工业产品图像缺陷检测方法 | |
CN111361700A (zh) | 基于机器视觉的船舶空重载识别方法 | |
CN115239632A (zh) | 一种融合巡检图像和超声波图像的钢轨表面伤损检测方法 | |
CN112926563B (zh) | 一种钢卷喷印标记故障诊断系统 | |
CN111652117B (zh) | 一种对多文档图像分割的方法及介质 | |
CN116071836B (zh) | 基于深度学习的船员异常行为检测与身份识别方法 | |
CN112418180A (zh) | 表格数据提取方法、装置、设备及计算机存储介质 | |
CN111091090A (zh) | 一种银行报表ocr识别方法、装置、平台和终端 | |
CN103834796A (zh) | 一种在线识别炉内带钢跑偏的方法 | |
CN104077562B (zh) | 一种答卷的扫描方向判断方法 | |
CN117746107A (zh) | 一种基于数据分析的财务实体报表综合管理系统 | |
CN111881775B (zh) | 一种人脸实时识别方法和装置 | |
CN113095445A (zh) | 一种目标识别方法及装置 | |
CN112445849A (zh) | 一种报表分析方法及装置 | |
CN117372956A (zh) | 一种变电站屏柜设备状态检测方法及装置 | |
CN114240928B (zh) | 板卡质量的分区检测方法、装置、设备及可读存储介质 | |
CN115457563A (zh) | 一种零漏检兼低误识的船体水尺读取方法 | |
CN113919396A (zh) | 一种基于半监督学习的振动信号和图像特征机床刀具磨损状态监测方法 | |
Ghansiyal et al. | Anomaly detection towards zero defect manufacturing using generative adversarial networks | |
CN116935308B (zh) | 基于车辆情景ai智能识别的洗车机安全监控系统及方法 | |
CN116306576B (zh) | 一种书刊印刷检错系统及其方法 |
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 |