TW202018616A

TW202018616A - 智能會計帳務系統與會計憑證的辨識入帳方法

Info

Publication number: TW202018616A
Application number: TW107139738A
Authority: TW
Inventors: 李淑敏
Original assignee: 鯨動智能科技股份有限公司
Priority date: 2018-11-08
Filing date: 2018-11-08
Publication date: 2020-05-16
Also published as: TWI716761B

Abstract

一種智能會計帳務系統與會計憑證的辨識入帳方法，此智能會計帳務系統通訊連接到客戶端電子裝置，該客戶端電子裝置儲存有憑證影像資料，智能會計帳務系統包括憑證記憶模組與憑證管理模組。憑證記憶模組是用以儲存由客戶端電子裝置所傳來的憑證影像資料，而憑證管理模組擷取憑證記憶模組中的憑證影像資料，憑證管理模組包括影像處理單元、文字辨識單元、與語意分析單元。影像處理單元將憑證影像資料進行影像處理，文字辨識單元將憑證影像資料轉換為憑證文字資料，而語意分析單元接收從文字辨識單元所傳來的憑證文字資料，並對憑證文字資料進行分析，以將憑證文字資料進行會計項目分類，以產生一帳務資料。

Description

智能會計帳務系統與會計憑證的辨識入帳方法

本發明之提供一種智能會計帳務系統及一種會計憑證的辨識方法，特別是指一種具有自動化處理帳務資料的智能會計帳務系統及會計憑證的辨識方法。

現今的中小企業通常不會設立單獨的會計部門，所以每到了月終的關帳時刻，層層堆疊的發票和帳戶上密密麻麻的收支明細，絕對是中小企業的管理者非常頭痛的問題。此外，會計流程繁瑣且不能出錯，多數中小企業的管理者因自身的會計專業資源有限，所以委任企業外部的記帳士來幫助管理帳務。然而，光是將各種憑證（例如：發票、電子發票、進口報單、收據、會計憑證等）進行記錄及分類就會耗費人工不少時間，導致時效不彰。並且人工的處理與分類在會計帳務上也容易發生錯誤或疏漏。因此，如何更有效率精確管理企業的會計帳務，且減少人為疏失的錯誤，便是本領域具有通常知識者值得去思量地。

本發明之目的在於提供一智能會計帳務系統與一種會計憑證的辨識方法，該智能會計帳務系統與該會計憑證的辨識方法能有效率管理企業的智能會計帳務，且減少人為疏失的錯誤。本發明提供一種智能會計帳務系統，此智能會計帳務系統通訊連接到一客戶端電子裝置，該客戶端電子裝置儲存有至少一憑證影像資料，憑證影像資料對應到一會計憑證。該智能會計帳務系統包括一憑證記憶模組與一憑證管理模組。憑證記憶模組用以儲存由客戶端電子裝置所傳來的憑證影像資料，憑證管理模組擷取憑證記憶模組中的憑證影像資料。憑證管理模組包括：影像處理單元、文字辨識單元、一詞庫、詞向量語料庫、以及語意分析單元、校正自動單元，其中詞庫包括部門詞庫、品名詞庫、與交易對象詞庫。文字辨識單元接收憑證影像資料，將憑證影像資料轉換為憑證文字資料。詞庫中的詞庫記載各種品名與會計項目的對應關係，詞向量語料庫包括多個詞向量，這些詞向量對應分類到該詞庫中的各種品名。語意分析單元接收從文字辨識單元所傳來的憑證文字資料，該憑證文字資料包括一品名與一交易對象資料，該語意分析單元進行下述步驟： (a1) 於該品名及交易對象詞庫詞庫中以該憑證文字資料中的品名進行搜尋，並判斷在該詞庫中是否存在有該憑證文字資料所包含的品名，若存在則進行以下步驟(a2)，若不存在則進行以下步驟(a3)。 (a2) 找出該品名所對應的會計項目。 (a3) 於該詞向量語料庫找到與該品名最接近的一詞向量，將該詞向量於該詞庫進行比對歸類，並找出與該詞向量的向量距離最接近的會計項目，並將該品名加入該詞庫。 (a4) 根據步驟(a2)或步驟(a3)產生一帳務資料，該帳務資料包括憑證文字資料所包含的該品名與該品名所對應的會計項目。本發明提供一種會計憑證的辨識方法，包括以下步驟： (a) 讀取一憑證影像資料，該憑證影像資料是對應到一會計憑證； (b) 將憑證影像資料進行預處理，以提高憑證影像資料的清晰度，並對憑證影像資料的外觀進行量測以判斷該會計憑證的尺寸； (c) 將該憑證影像資料轉換為一憑證文字資料，該憑證文字資料包括一品名與一交易對象資料； (d) 於一詞庫詞庫中以該憑證文字資料中的品名進行搜尋，並判斷在該詞庫中是否存在有該憑證文字資料所包含的品名，若存在則進行以下步驟(e)，若不存在則進行以下步驟(f)，其中詞庫記載各種品名與會計項目的對應關係； (e) 找出該品名所對應的會計項目； (f) 於一詞向量語料庫找到與該品名最接近的一詞向量，將該詞向量於該詞庫進行比對，並找出與該詞向量的向量距離最接近的會計項目，其中該詞向量語料庫包括多個詞向量，這些詞向量對應到該詞庫中的各種品名；及 (g) 根據步驟(e)或步驟(f)產生一帳務資料，該帳務資料包括該第一品名與該第一品名所對應的會計項目。為讓本之上述特徵和優點能更明顯易懂，下文特舉較佳實施例，並配合所附圖式，作詳細說明如下。

請參閱圖1，圖1所繪示為本實施例之智能會計帳務系統與客戶端電子裝置的關係。其中，客戶端電子裝置10包括一鏡頭11與一客戶端操作程式12，此客戶端操作程式12是能與智能會計帳務系統100相通訊以進行資料上的交換。請參照圖2，圖2所繪示為用客戶端電子裝置的鏡頭11拍攝會計憑證81的示意圖，藉由鏡頭11對會計憑證81的拍照，此會計憑證81的影像儲存為憑證影像資料13。在本實施例中，客戶端電子裝置10為一智慧型手機，但並不限於此，客戶端電子裝置10也可為一桌上型電腦或筆記型電腦，而會計憑證81可藉由掃描器而轉換成憑證影像資料13。在本創作中，會計憑證是指記錄經濟活動、明確經濟責任的書面證明，會計憑證是登記賬簿、進行會計監督的重要依據，例如：統一發票、有稅憑證、電子發票、及各類收據。請繼續參照圖1，智能會計帳務系統100包括一憑證記憶模組110與一憑證管理模組120。其中，智能會計帳務系統100通訊連接到一客戶端電子裝置10，因此智能會計帳務系統100能將客戶端電子裝置10所傳來的憑證影像資料13儲存在憑證記憶模組110中。憑證管理模組120擷取憑證記憶模組110中的憑證影像資料，該憑證管理模組120包括一憑證分類單元122、一憑證特徵樣式分類庫122a、一影像處理單元124、一文字辨識單元126、一帳務處理單元127、一語意分析單元128、一詞庫128a、一詞向量語料庫128b、與一校正機器學習單元129。其中，詞庫128a包括部門詞庫、品名詞庫、與交易對象詞庫，品名詞庫記載各種品名與會計項目的對應關係，詞庫128a中的交易對象詞庫還記載著交易對象（亦即：客戶與供應商）的名稱，而詞庫128a中的部門詞庫則記載著公司的部門名稱。而且，詞向量語料庫128b包括多個詞向量，這些詞向量對應到該詞庫128a中的各種品名。詞向量(word vector，也被稱為 word embedding 或 representation)是近年來被廣泛使用的一種技術，是使用一個向量來表示每一個詞(vector representation)。請同時參照圖1與圖3，圖3所繪示為本實施例之會計憑證的辨識方法之流程圖。首先，實施步驟S110，智能會計帳務系統100讀取憑證影像資料13，在本實施例中例如是從客戶端電子裝置10所傳來。之後，實施步驟S120，影像處理單元124將憑證影像資料13進行預處理，以提高憑證影像資料13的清晰度。在本實施例中，預處理是指對憑證影像資料13進行影像降噪或進行二值化處理，以提高憑證影像資料13的清晰度。此外，影像處理單元124還會對憑證影像資料13的外觀進行量測以判斷該會計憑證81的尺寸。而且，藉由影像處理單元124還可對憑證影像資料13進行特徵點偵測，以找出多個特徵點（未繪示）。再來，實施步驟S130，憑證分類單元122藉由憑證特徵樣式分類庫122a對憑證影像資料13進行分類。由於憑證特徵樣式分類庫122a儲存有多種憑證樣式，因此憑證分類單元122可對憑證影像資料13進行分類，例如藉由會計憑證81的尺寸將憑證影像資料13歸類為水費、電費、瓦斯費等。在本實施例中，憑證分類單元122是藉由卷積神經網絡(Convolutional Neural Networks)來對憑證影像資料13進行分類，更可以提高對憑證影像資料13的分類效率。再來，請同時參閱圖4，圖4所繪示為會計憑證的示意圖。實施步驟S132，藉由影像處理單元124所偵測到的特徵點，將憑證影像資料13分割成多個欄位131a~131f。之後，實施步驟S134，對憑證影像資料13的各欄位進行標籤，例如將欄位131a標為開立收據單位131a、欄位131b標為交易對象、欄位131c標為品名、欄位131d標為金額、欄位131e標為開立時間、欄位131f標為收據編號。之所以對各欄位131a~131f進行標籤的原因在於之後語意分析單元128對資料進行分析時較不會出錯，將會於下文做比較詳細的介紹。然後，實施步驟S140，文字辨識單元126將經過影像處理的憑證影像資料13轉換為一憑證文字資料13’。在本實施例中，文字辨識單元126是使用OCR文字辨識技術將憑證影像資料13中的文字影像轉換為真正的文字資料，亦即：憑證文字資料13’，也就是可以供文字編輯軟體進行文字編輯的資料。憑證文字資料13’中至少包括一品名，亦即：商品名稱。此外，由於影像處理單元124已經對憑證影像資料13的各欄位進行標籤，因此文字辨識單元126也能將憑證文字資料13’與各欄位的標籤相對應。舉例來說，「○○○壽司名店股份有限公司」的文字就對應到欄位131b的標籤「交易對象」，而「NT$63,000」的文字則對應到欄位131d的標籤「金額」。此外，在之前的段落中有提到：對各欄位131a~131f進行標籤的原因在於之後語意分析單元128對資料進行分析時較不會出錯。配合圖4可知，由於「交易對象」所對應的欄位131b有可能出現類似品名的名稱（在本實施例中為壽司），因此若事先有先將欄位131b進行標籤，因此語意分析單元128便不會搞錯，而將憑證歸類到不正確的會計項目。接著，實施步驟S150，語意分析單元128於詞庫128a中以憑證文字資料13’中的品名（例如圖4中的欄位131c所示的「記帳與財務報表製作」）進行搜尋，並在步驟S160中判斷在詞庫128a中是否存在有對應到憑證文字資料13’中的品名，若存在則進行以下步驟S170，若不存在則進行以下步驟S180。在步驟S170中，語意分析單元128會找出憑證文字資料13’中的品名所對應的會計項目，例如「記帳與財務報表製作」就對應到會計項目「勞務費」（編號：2071）。值得注意的是，語意分析單元128在找出憑證文字資料13’中的品名所對應的會計項目時，除了會參考品名詞庫外，還會參考部門詞庫與交易對象詞庫；也就是說，呈報該會計憑證8的部門與會計憑證8上的交易對象也會影響到會計項目的歸類。在步驟S180中，語意分析單元128在一詞向量語料庫128b找到與憑證文字資料13’中的品名最接近的一詞向量，將該詞向量於詞庫128a中進行比對，並找出與該詞向量的向量距離最接近的詞向量所對應的品名與該品名所對應的會計項目。之後，執行步驟S190，語意分析單元128產生一帳務資料23（如圖5所示），帳務資料23為憑證文字資料13’中的品名與該品名所對應的會計項目。請同時參閱圖5，圖5所繪示為帳務資料更細部的分類。在其他實施例中，多筆的帳務資料23在經過帳務處理單元127的整理後，會產生一傳票2331、一日記帳2332、一報表2333及一營業稅2334等更進一步的帳務資料。因此，相較於使用人工來處理企業內部的會計帳務，本發明之智能會計帳務系統100能更有效率的計算出所需繳納的營業稅，大大地減少時間成本。步驟S190完成後，執行步驟S195，校正機器學習單元129接收從語意分析單元128所傳來的帳務資料23，可於一終端控制單元20的螢幕上產生一審核資料頁面（未繪示），供終端控制單元20的操作人員檢查帳務資料23，若校正機器學習單元129判斷憑證文字資料13’中的品名與會計項目的對應關係錯誤，則修正帳務資料23中該品名與會計項目的對應關係，並將該品名及修正後的品名與會計項目的對應關係加入詞庫128a。也就是說，若在步驟S180中用詞向量在詞庫128a找不出對應的品名，進而找不出歸類的會計項目，則藉由審核資料頁面，透過機器學習，校正增加詞庫128a中的品名及在詞向量語料庫128b中所對應的詞向量。這樣一來，之後若又處理到有含該品名的會計憑證，即可馬上判定其所屬的會計項目並進行歸類。因此，語意分析單元128還能藉由如步驟S195所示的反饋的機器學習，增加之後進行會計項目歸類的準確性。在本實施例中，此校正機器學習單元129是通訊連接到終端控制單元20，此終端控制單元20的操作人員例如是組織中的一財務人員，此財務人員藉由終端控制單元20來檢查帳務資料23是否正確。在此，對詞庫128a更進一步的說明，由於詞庫128a儲存有多個品名與各會計項目的對應關係，因此語意分析單元128便能將憑證文字資料13’整理成帳務資料。舉例來說，當憑證文字資料13’中的品名包括「鉛筆」此關鍵字時，若詞庫128a記載有「鉛筆」與其對應的會計項目時，語意分析單元128便可在詞庫128a找到會計項目相對應的名稱為「文具用品」，且項目編號為「5153」。或者，當憑證文字資料13’中的品名包括「水費」或「電費」這些關鍵字時，若詞庫128a記載有「水費」或「電費」與其對應的會計項目時，語意分析單元128在詞庫128a找到相對應的名稱為「水電瓦斯費」，且項目編號為「5161」。此外，詞庫128a還可記載有交易對象的名稱、統一編號或其他相關資料，這樣一來語意分析單元128所產生的帳務資料23便可包含交易對象的資料。請同時參閱圖1及圖6，客戶端操作程式12除了讓客戶端電子裝置10能讀取一般的會計憑證外，還能讓客戶端電子裝置10讀取一電子發票83，以產生憑證文字資料13’。詳細來說，電子發票83本身具有二維條碼(QR code)830，而二維條碼830內會儲存有憑證文字資料13’的基本資訊，所以當鏡頭11對準電子發票83的二維條碼830時，客戶端電子裝置10同樣能從二維條碼830內讀取出憑證文字資料13’並將其傳到智能會計帳務系統100的帳務處理單元127。如此一來，帳務處理單元127便能進行後續的處理(產生傳票2331、日記帳2332、報表2333及營業稅2334)。綜上所述，本發明之智能會計帳務系統能將會計憑證的影像資料轉為文字資料，並自動對其進行會計項目分類，從而做出各種帳務資料。另外，智能會計帳務系統整合強化學習，從而改進其辨識率。雖然本發明已以較佳實施例揭露如上，然其並非用以限定本發明，任何所屬技術領域中具有通常知識者，在不脫離本發明之精神和範圍內，當可作些許之更動與潤飾，因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。

10:客戶端電子裝置11:鏡頭12:客戶端操作程式81:會計憑證100:智能會計帳務系統110:憑證記憶模組13:憑證影像資料13’:憑證文字資料120:憑證管理模組122:憑證分類單元122a:憑證特徵樣式分類庫124:影像處理單元126:文字辨識單元127:帳務處理單元128a:詞庫128b:詞向量語料庫129:校正機器學習單元23:帳務資料S110~S195:步驟流程圖131a~131f:欄位20:終端控制單元2331:傳票2332:日記帳2333:報表2334:營業稅83:電子發票830:二維條碼

圖1所繪示為本實施例之智能會計帳務系統與客戶端電子裝置的關係。圖2所繪示為用客戶端電子裝置的鏡頭拍攝會計憑證的示意圖。圖3所繪示為本實施例之會計憑證的辨識方法之流程圖。圖4所繪示為會計憑證的示意圖。圖5所繪示為帳務資料更細部的分類。圖6所繪示為用客戶端電子裝置的鏡頭拍攝電子發票的示意圖。

10:客戶端電子裝置

11:鏡頭

12:客戶端操作程式

13:憑證影像資料

13’:憑證文字資料

20:終端控制單元

100:智能會計帳務系統

110:憑證記憶模組

120:憑證管理模組

122:憑證分類單元

122a:憑證特徵樣式分類庫

124:影像處理單元

126:文字辨識單元

127:帳務處理單元

128:語意分析單元

128a:詞庫

128b:詞向量語料庫

129:校正機器學習單元

Claims

一種智能會計帳務系統，通訊連接到一客戶端電子裝置，該客戶端電子裝置儲存有至少一憑證影像資料，該憑證影像資料對應到一會計憑證，該智能會計帳務系統包括：一憑證記憶模組，用以儲存由該客戶端電子裝置所傳來的該憑證影像資料；一憑證管理模組，擷取該憑證記憶模組中的該憑證影像資料，該憑證管理模組包括：一影像處理單元，將該憑證影像資料進行預處理，以提高該憑證影像資料的清晰度，並對該憑證影像資料的外觀進行量測以判斷該會計憑證的尺寸；一文字辨識單元，接收該憑證影像資料，將該憑證影像資料轉換為一憑證文字資料；一詞庫，記載各種品名與會計項目的對應關係；一詞向量語料庫，包括多個詞向量，這些詞向量對應到該詞庫中的各種品名；及一語意分析單元，接收從該文字辨識單元所傳來的該憑證文字資料，該憑證文字資料包括一品名與一交易對象資料，該語意分析單元進行下述步驟： (a1) 於該詞庫中以該憑證文字資料中的品名進行搜尋，並判斷在該詞庫中是否存在有該憑證文字資料所包含的品名，若存在則進行以下步驟(a2)，若不存在則進行以下步驟(a3)； (a2) 找出該品名所對應的會計項目； (a3) 於該詞向量語料庫找到與該品名最接近的一詞向量，將該詞向量於該詞庫進行比對，並找出與該詞向量的向量距離最接近的品名及與該品名相對應的會計項目，並將該品名加入該詞庫；及 (a4) 根據步驟(a2)或步驟(a3)產生一帳務資料，該帳務資料包括該憑證文字資料所包含的該品名與該品名所對應的會計項目。
如申請專利範圍第1項所述之智能會計帳務系統，其中將該憑證影像資料進行預處理的步驟包括：將該憑證影像資料進行影像降噪。
如申請專利範圍第1項所述之智能會計帳務系統，其中將該憑證影像資料進行預處理的步驟包括：將該憑證影像資料進行灰階二值化處理與校正。
如申請專利範圍第1項所述之智能會計帳務系統，更包括：一憑證特徵樣式分類庫，儲存有多種憑證樣式；一憑證分類單元，連接到該憑證特徵樣式分類庫，該憑證分類單元根據該憑證特徵樣式分類庫對該憑證影像資料進行分類。
如申請專利範圍第4項所述之智能會計帳務系統，其中該憑證分類單元還會執行以下的步驟： (b1) 藉由影像處理單元對該憑證影像資料進行特徵點偵測，以找出多個特徵點； (b2) 藉由所偵測到的該些特徵點將該憑證影像資料分割成多個欄位；及 (b3) 將該憑證影像資料的各欄位進行標籤；其中，該文字辨識單元將該憑證文字資料與各欄位的標籤相對應，以對該憑證文字資料進一步細分。
如申請專利範圍第1項所述之智能會計帳務系統，更包括一校正機器學習單元，該校正機器學習單元接收從該語意分析單元所傳來的該帳務資料，並檢查該帳務資料，若該校正機器學習單元判斷該憑證文字資料所包含的該品名與會計項目的對應關係錯誤，則修正該帳務資料中該品名與會計項目的對應關係，並將該品名及該品名與會計項目的對應關係加入該詞庫。
一種會計憑證的辨識方法，包括以下步驟： (a) 讀取一憑證影像資料，該憑證影像資料是對應到一會計憑證； (b) 將該憑證影像資料進行預處理，以提高該憑證影像資料的清晰度，並對該憑證影像資料的外觀進行量測以判斷該會計憑證的尺寸； (c) 將該憑證影像資料轉換為一憑證文字資料，該憑證文字資料包括一品名與一交易對象資料； (d) 於一詞庫中以該憑證文字資料中的品名進行搜尋，並判斷在該詞庫中是否存在有該憑證文字資料所包含的品名，若存在則進行以下步驟(e)，若不存在則進行以下步驟(f)，其中該詞庫記載各種品名與會計項目的對應關係； (e) 找出該品名所對應的會計項目； (f) 於一詞向量語料庫找到與該品名最接近的一詞向量，將該詞向量於該詞庫進行比對，並找出與該詞向量的向量距離最接近的品名及與該品名相對應的會計項目，其中該詞向量語料庫包括多個詞向量，這些詞向量對應到該詞庫中的各種品名；及 (g) 根據步驟(d)或步驟(e)產生一帳務資料，該帳務資料包括該憑證文字資料所包含的該品名與該品名所對應的會計項目。
如申請專利範圍第7項所述之會計憑證的辨識方法，其中將該憑證影像資料進行預處理的步驟包括：將該憑證影像資料進行影像降噪；或將該憑證影像資料進行灰階二值化處理與校正。
如申請專利範圍第7項所述之會計憑證的辨識方法，其中於(b)步驟與(c)步驟間還包括以下步驟：藉由一憑證特徵樣式分類庫對該憑證影像資料進行分類，該憑證特徵樣式分類庫儲存有多種憑證樣式。
如申請專利範圍第9項所述之會計憑證的辨識方法，其中在將該憑證影像資料進行分類後還包括以下步驟：進行特徵點偵測，以找出多個特徵點；藉由所偵測到的該些特徵點將該憑證影像資料分割成多個欄位；將該憑證影像資料的各欄位進行標籤；及將該憑證文字資料與各欄位的標籤相對應，以對該憑證文字資料進一步細分。
如申請專利範圍第7項所述之會計憑證的辨識方法，其中該憑證分類單元是藉由卷積神經網絡來對該憑證影像資料進行分類。
如申請專利範圍第7項所述之會計憑證的辨識方法，其中於(c)步驟中是利用OCR文字辨識技術將該憑證影像資料上轉換為該憑證文字資料。
如申請專利範圍第7項所述之會計憑證的辨識方法，其中在(f)步驟後還包括以下步驟：檢查該帳務資料，若該第一品名與會計項目的對應關係錯誤，則修正該品名與該會計項目的對應關係，並將該品名及該品名與會計項目的對應關係加入該詞庫。