Распознавание документов: как выбрать OCR и проверить результат

OCR отвечает на вопрос, какие символы находятся на изображении. Бизнесу обычно нужен следующий уровень: определить тип документа, извлечь номер, дату, сумму и контрагента, проверить связи между полями и отправить результат в учётную систему. Именно на этих переходах возникают дорогие ошибки.

Анализ документов нейросетью работает со смыслом уже доступного текста, а распознавание сначала должно надёжно получить этот текст. Перед внешней обработкой проверьте правила из инструкции как обезличить документ.

Для продуктов 1С сверяйте фактические возможности и ограничения с официальной документацией конкретной версии сервиса распознавания первичных документов. Название функции не гарантирует одинаковую поддержку форматов и реквизитов.

Опишите документ и нужные поля

Рабочая точка этого этапа — конкретные типы документов, страницы и реквизиты. согласовать обязательные поля и допустимое пустое значение До изменения сохраните схема результата; иначе команда не отличит результат от впечатления.

• Объект контроля: конкретные типы документов, страницы и реквизиты.
• Решение этапа: согласовать обязательные поля и допустимое пустое значение
• Доказательство: схема результата.
• Ответственный: владелец учётного процесса; метрика — доля документов по известной схеме.

Проверьте крайний случай «счёт и акт имеют разные обязательные поля» отдельно от обычного потока. Ловушка — сервис должен понимать любой документ. Владелец владелец учётного процесса принимает этап по показателю «доля документов по известной схеме» и записывает причину отклонения, если порог не достигнут.

Разложите работу на один наблюдаемый цикл: получить исходный объект «конкретные типы документов, страницы и реквизиты», выполнить правило «согласовать обязательные поля и допустимое пустое значение», сохранить «схема результата» и попросить другого сотрудника повторить действие. Если повтор требует объяснений автора, процесс ещё держится на человеке, а не на системе. Для ситуации «счёт и акт имеют разные обязательные поля» заранее запишите допустимый результат, срок реакции и способ возврата к предыдущей версии.

Соберите реальную выборку

Здесь разбирают сканы и фото разного качества из рабочего потока. Решение формулируется заранее: включить повороты, тени, печати, рукописные пометки и многостраничные файлы Проверяемый след работы — контрольный набор с эталоном.

• Объект контроля: сканы и фото разного качества из рабочего потока.
• Решение этапа: включить повороты, тени, печати, рукописные пометки и многостраничные файлы
• Доказательство: контрольный набор с эталоном.
• Ответственный: аналитик данных; метрика — покрытие вариантов входа.

Контрольный пример — смятая накладная снята телефоном. Если проявляется ошибка «тестируют только идеальный PDF», не маскируйте её средним значением. Ответственный аналитик данных сверяет «покрытие вариантов входа» и решает, исправлять маршрут, данные или правило.

Разложите работу на один наблюдаемый цикл: получить исходный объект «сканы и фото разного качества из рабочего потока», выполнить правило «включить повороты, тени, печати, рукописные пометки и многостраничные файлы», сохранить «контрольный набор с эталоном» и попросить другого сотрудника повторить действие. Если повтор требует объяснений автора, процесс ещё держится на человеке, а не на системе. Для ситуации «смятая накладная снята телефоном» заранее запишите допустимый результат, срок реакции и способ возврата к предыдущей версии.

Проверьте качество захвата

Не начинайте с покупки сервиса. Сначала опишите разрешение, ориентация, контраст и границы страницы. отклонять нечитаемый вход до дорогой обработки Только после этого появляется смысл собирать оценка качества изображения.

• Объект контроля: разрешение, ориентация, контраст и границы страницы.
• Решение этапа: отклонять нечитаемый вход до дорогой обработки
• Доказательство: оценка качества изображения.
• Ответственный: оператор приёма; метрика — доля входов, отправленных на пересъёмку.

Воспроизведите ситуацию «обрезан нижний край с итоговой суммой» без устных подсказок исполнителю. Это обнаруживает риск «OCR уверенно возвращает мусор». Метрику «доля входов, отправленных на пересъёмку» подписывает оператор приёма, после чего артефакт можно включить в регулярный аудит.

Разложите работу на один наблюдаемый цикл: получить исходный объект «разрешение, ориентация, контраст и границы страницы», выполнить правило «отклонять нечитаемый вход до дорогой обработки», сохранить «оценка качества изображения» и попросить другого сотрудника повторить действие. Если повтор требует объяснений автора, процесс ещё держится на человеке, а не на системе. Для ситуации «обрезан нижний край с итоговой суммой» заранее запишите допустимый результат, срок реакции и способ возврата к предыдущей версии.

Разделите OCR и извлечение полей

Для этапа «Разделите OCR и извлечение полей» нужен конкретный объект: текст с координатами и бизнес-реквизиты. хранить промежуточный слой для диагностики Факт выполнения подтверждает текстовый слой и JSON полей, а не отметка в плане.

• Объект контроля: текст с координатами и бизнес-реквизиты.
• Решение этапа: хранить промежуточный слой для диагностики
• Доказательство: текстовый слой и JSON полей.
• Ответственный: инженер решения; метрика — точность символов и полей отдельно.

Отдельный тест строят вокруг случая «цифра восемь распознана как три». Он нужен, потому что частая ошибка — ошибку поля нельзя связать с символом. Роль инженер решения проверяет «точность символов и полей отдельно» и подтверждает, что результат можно объяснить по сохранённым данным.

Разложите работу на один наблюдаемый цикл: получить исходный объект «текст с координатами и бизнес-реквизиты», выполнить правило «хранить промежуточный слой для диагностики», сохранить «текстовый слой и JSON полей» и попросить другого сотрудника повторить действие. Если повтор требует объяснений автора, процесс ещё держится на человеке, а не на системе. Для ситуации «цифра восемь распознана как три» заранее запишите допустимый результат, срок реакции и способ возврата к предыдущей версии.

Настройте классификацию документов

Граница этапа — тип формы и начало нового документа в пакете. Команда договаривается о правиле: определять класс до применения схемы полей Затем сохраняет матрица классов и ошибок, чтобы повторить проверку после изменений.

• Объект контроля: тип формы и начало нового документа в пакете.
• Решение этапа: определять класс до применения схемы полей
• Доказательство: матрица классов и ошибок.
• Ответственный: владелец классификатора; метрика — точность класса и разделения.

Не ограничивайтесь удобным примером. Сценарий «в одном PDF находятся счёт и акт» показывает, не возникла ли ловушка «неизвестную форму насильно относят к ближайшей». За показатель «точность класса и разделения» отвечает владелец классификатора; без его решения этап остаётся открытым.

Разложите работу на один наблюдаемый цикл: получить исходный объект «тип формы и начало нового документа в пакете», выполнить правило «определять класс до применения схемы полей», сохранить «матрица классов и ошибок» и попросить другого сотрудника повторить действие. Если повтор требует объяснений автора, процесс ещё держится на человеке, а не на системе. Для ситуации «в одном PDF находятся счёт и акт» заранее запишите допустимый результат, срок реакции и способ возврата к предыдущей версии.

Проверяйте реквизиты правилами

Рабочая точка этого этапа — даты, суммы, ИНН, номера и арифметические связи. сверять формат, диапазон и контрольные зависимости обычным кодом До изменения сохраните журнал правил валидации; иначе команда не отличит результат от впечатления.

• Объект контроля: даты, суммы, ИНН, номера и арифметические связи.
• Решение этапа: сверять формат, диапазон и контрольные зависимости обычным кодом
• Доказательство: журнал правил валидации.
• Ответственный: бизнес-аналитик; метрика — доля полей, прошедших правила.

Проверьте крайний случай «сумма строк не равна итогу» отдельно от обычного потока. Ловушка — уверенность модели заменяет проверку. Владелец бизнес-аналитик принимает этап по показателю «доля полей, прошедших правила» и записывает причину отклонения, если порог не достигнут.

Разложите работу на один наблюдаемый цикл: получить исходный объект «даты, суммы, ИНН, номера и арифметические связи», выполнить правило «сверять формат, диапазон и контрольные зависимости обычным кодом», сохранить «журнал правил валидации» и попросить другого сотрудника повторить действие. Если повтор требует объяснений автора, процесс ещё держится на человеке, а не на системе. Для ситуации «сумма строк не равна итогу» заранее запишите допустимый результат, срок реакции и способ возврата к предыдущей версии.

Маршрутизируйте сомнительные поля

Здесь разбирают значения с низкой уверенностью или конфликтом правил. Решение формулируется заранее: показывать оператору исходный фрагмент рядом с полем Проверяемый след работы — очередь ручной проверки.

• Объект контроля: значения с низкой уверенностью или конфликтом правил.
• Решение этапа: показывать оператору исходный фрагмент рядом с полем
• Доказательство: очередь ручной проверки.
• Ответственный: старший оператор; метрика — время проверки одного исключения.

Контрольный пример — неясна одна цифра в номере договора. Если проявляется ошибка «оператор перепечатывает весь документ», не маскируйте её средним значением. Ответственный старший оператор сверяет «время проверки одного исключения» и решает, исправлять маршрут, данные или правило.

Разложите работу на один наблюдаемый цикл: получить исходный объект «значения с низкой уверенностью или конфликтом правил», выполнить правило «показывать оператору исходный фрагмент рядом с полем», сохранить «очередь ручной проверки» и попросить другого сотрудника повторить действие. Если повтор требует объяснений автора, процесс ещё держится на человеке, а не на системе. Для ситуации «неясна одна цифра в номере договора» заранее запишите допустимый результат, срок реакции и способ возврата к предыдущей версии.

Защитите документы и журналы

Не начинайте с покупки сервиса. Сначала опишите оригиналы, распознанный текст и персональные данные. разделить доступы, сроки хранения и журналы выгрузки Только после этого появляется смысл собирать матрица доступа и удаления.

• Объект контроля: оригиналы, распознанный текст и персональные данные.
• Решение этапа: разделить доступы, сроки хранения и журналы выгрузки
• Доказательство: матрица доступа и удаления.
• Ответственный: специалист безопасности; метрика — число прямых доступов и просрочек.

Воспроизведите ситуацию «паспорт попал в набор для отладки» без устных подсказок исполнителю. Это обнаруживает риск «тестовые копии остаются у подрядчика». Метрику «число прямых доступов и просрочек» подписывает специалист безопасности, после чего артефакт можно включить в регулярный аудит.

Разложите работу на один наблюдаемый цикл: получить исходный объект «оригиналы, распознанный текст и персональные данные», выполнить правило «разделить доступы, сроки хранения и журналы выгрузки», сохранить «матрица доступа и удаления» и попросить другого сотрудника повторить действие. Если повтор требует объяснений автора, процесс ещё держится на человеке, а не на системе. Для ситуации «паспорт попал в набор для отладки» заранее запишите допустимый результат, срок реакции и способ возврата к предыдущей версии.

Интегрируйте подтверждённый результат

Для этапа «Интегрируйте подтверждённый результат» нужен конкретный объект: поля после автоматических и ручных проверок. передавать версию, источник и статус подтверждения Факт выполнения подтверждает транзакция импорта, а не отметка в плане.

• Объект контроля: поля после автоматических и ручных проверок.
• Решение этапа: передавать версию, источник и статус подтверждения
• Доказательство: транзакция импорта.
• Ответственный: владелец интеграции; метрика — дубли и отклонённые импорты.

Отдельный тест строят вокруг случая «повторная отправка создаёт дубль». Он нужен, потому что частая ошибка — черновик незаметно становится проводкой. Роль владелец интеграции проверяет «дубли и отклонённые импорты» и подтверждает, что результат можно объяснить по сохранённым данным.

Разложите работу на один наблюдаемый цикл: получить исходный объект «поля после автоматических и ручных проверок», выполнить правило «передавать версию, источник и статус подтверждения», сохранить «транзакция импорта» и попросить другого сотрудника повторить действие. Если повтор требует объяснений автора, процесс ещё держится на человеке, а не на системе. Для ситуации «повторная отправка создаёт дубль» заранее запишите допустимый результат, срок реакции и способ возврата к предыдущей версии.

Считайте качество в деньгах

Граница этапа — ошибки по полям и типам документов. Команда договаривается о правиле: взвешивать критичные реквизиты выше второстепенного текста Затем сохраняет отчёт по стоимости ошибки, чтобы повторить проверку после изменений.

• Объект контроля: ошибки по полям и типам документов.
• Решение этапа: взвешивать критичные реквизиты выше второстепенного текста
• Доказательство: отчёт по стоимости ошибки.
• Ответственный: финансовый владелец; метрика — стоимость исправлений на тысячу документов.

Не ограничивайтесь удобным примером. Сценарий «ошибка копейки и ошибка контрагента получают разный вес» показывает, не возникла ли ловушка «средняя точность скрывает неверные суммы». За показатель «стоимость исправлений на тысячу документов» отвечает финансовый владелец; без его решения этап остаётся открытым.

Разложите работу на один наблюдаемый цикл: получить исходный объект «ошибки по полям и типам документов», выполнить правило «взвешивать критичные реквизиты выше второстепенного текста», сохранить «отчёт по стоимости ошибки» и попросить другого сотрудника повторить действие. Если повтор требует объяснений автора, процесс ещё держится на человеке, а не на системе. Для ситуации «ошибка копейки и ошибка контрагента получают разный вес» заранее запишите допустимый результат, срок реакции и способ возврата к предыдущей версии.

Матрица приёмки

Что изучить дальше

• анализ документов
• обезличивание документов
• нейросеть для анализа данных
• локальная нейросеть
• мультимодальная нейросеть
• аудит ИИ-систем

Чек-лист перед запуском