c# - 应付发票捕获或提取自动化

Question

关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。












想改进这个问题？将问题更新为 on-topic对于堆栈溢出。

3年前关闭。




Improve this question




我正在创建一个桌面/winform 应用程序，它读取 tif/pdf 应付发票并提取所有发票信息以存储到数据库中。

我可以使用 OCR(图像的 ocr 特定区域)读取标准条形码(QR 码、Code39 等)和一些应付发票的标准字段(发票日期、公司名称、地址)，但无法捕获行项目、正确金额.

我分两个阶段提取信息:
1.根据模板读取特定区域(用户映射区域
特定领域)
2. OCR整页并搜索应付账款
发票标准字段名称和值

我有以下3种方法的想法:
1. 为一种发票创建模板并处理所有发票。
2. 基于神经网络的引擎，需要使用样本数据进行训练才能根据模式进行工作。
3.表单处理，一种OMR。 OCR 查看字段放置在表单上的完全相同的坐标(在表单设计期间)

问题:
如何使用 OCR 或一些智能阅读器提取应付发票？
我主要寻找一些算法(C# + OCR 引擎)/应付发票捕获的理念，但引用一些具有相同功能或可靠类型的商业产品的 SDK 也会有帮助。

我在 Google 上搜索并发现 Abbyy FlexiCapture Engine、IRIS Capture & Extract 很有前途，但主要是基于模板或培训。他们声称不需要模板或培训，但没有任何东西看起来 100 自动捕获。

请引用一些产品(至少免费试用)、SDK 或示例/示例。

Answer 1

当然，到 2018 年，情况有所改善。让我回顾一下今天的主要方法:

仍然是原始 OCR 引擎(tesseract、Abbyy、Google OCR 等)和正则表达式(对于一些非常有限的用例，这可能仍然可以正常工作)

Abbyy FlexiCapture Engine - 如果您愿意为每种特定发票格式定义一个新模板

，仍然很强大，但仍然基于模板

Rossum Elis (发票)， TagGun (收据)，... - 基于预先训练的机器学习模型的 API，即可用并立即工作，每月免费数量

LucidTech , Itemize , ... - 具有类似功能的不易访问的 API(您需要通过演示和销售流程)

Datamolino , CloudFactory , ... - 人工在幕后手动执行数据转录的 API(不同的延迟、定价和准确度结构)