استخراج اطلاعات صورت‌حساب و بررسی پیش از تأیید مالی

مقایسه با روش فعلی

اگر صورت‌حساب فرم یا خروجی ساخت‌یافته است، ورود مستقیم یا CSV و کنترل قطعی کافی است. در تصویر، ثبت دستی دو فیلد حساس و تطبیق مستقل مرجع مقایسه OCR باشد؛ استخراج متن بومی PDF پیش از OCR امتحان شود.

نمونه آزمون

طرح موجود حفظ شود: ۳۰ سند مجاز، ۲۰ مورد توسعه و ۱۰ مورد نگه‌داشته‌شده، شامل عدد/واحد، جدول، تصویر ضعیف، دوره، تکرار و مجوز/تحویل. هیچ نتیجه‌ای تا پرشدن file و ground truth و ثبت اجرای واقعی وارد فرم نشود.

• تطابق دقیق مبلغ، واحد، طرف حساب و دوره در خروجی خام و نهایی، به تفکیک گروه خطر
• سهم سطر جدول صحیح و صحت پیوند فیلد به محل سند
• خطای کشف‌نشده تکرار/تعرفه/تحویل و تعداد ارجاع درست به بازبین
• دقیقه ورود، بازبینی و اصلاح هر سند و هزینه کل به ازای سند پذیرفته‌شده
• تعداد مورد پرشدن فیلد ناخوانا با حدس و تأیید مالی یا پرداخت خودکار؛ هدف صفر

معیار پیشنهادی پذیرش

پیشنهاد: همه فیلدهای حساس نسخه نهایی به‌صورت انسانی با مرجع تطبیق کنند، تمام جمع‌ها و تعرفه‌ها بازتولیدپذیر باشند و هیچ سند غیرمجاز/تحویل نامعلوم تأیید نشود. OCR فقط وقتی ادامه یابد که زمان کل روی مجموعه نهایی کمتر از ورود دستی باشد؛ confidence موتور جای صحت مرجع نیست.

ابزارهای مرتبط

• Tesseract + tessdata/fas — خط مبنای OCR محلی
• Jinja — فرم اختلاف و نمایش کنار منبع

منابع فنی

• B16 · Tesseract و tessdata — OCR، خروجی قابل ردیابی و داده زبان فارسی — README و LICENSE موتور، README و LICENSE مخزن tessdata و وجود fas.traineddata در آن بررسی شدند. موتور خروجی TSV/hOCR دارد؛ کد و داده این دو مخزن Apache-2.0 هستند.
• B04 · Jinja — تولید قطعی خروجی از قالب و داده — README ساخت خروجی از قالب، وراثت قالب و autoescape در HTML را شرح می‌دهد؛ LICENSE.txt با BSD-3-Clause بررسی شد.
• B02 · dbt — تفاوت شاخه Python v1، بازنویسی v2 و توزیع محصول — README کنونی انتقال Python v1 به شاخه 1.latest و وجود بازنویسی Rust v2 در main را توضیح می‌دهد. README و core/LICENSE شاخه 1.latest نیز بررسی شدند؛ تبدیل‌های SQL و آزمون داده قابلیت این مسیر هستند.

منابع این پیشنهاد: RS05 · RS06 · RS13 · RS15 · RS17 · RS18 · RS19 · RS20