[发明专利]OCR识别正确率的自动化测试方法及测试设备

说明书

本发明涉及OCR识别正确率的自动化测试方法，包括：创建模板组；收集多个用于OCR识别的样本；在所述模板上一一对应加入各字段标识对应的正确值，生成正确值文本；将所述样本和正确值文本均导入服务器；调用OCR识别接口，对各样本进行识别，得到OCR识别结果；将各个样本的OCR识别结果分别与对应的正确值文本进行匹配；按字段标识计算识别正确率和/或按所有样本所包含的字段标识总数。本发明有益效果：当有新的样本需要测试时、当OCR版本更新时、当识别内容发生变化时，均可依据新样本创建对应的正确值文本并导入服务器，即可快速地进行新一轮测试，无须修改代码，提高测试效率并出具统计测试结果。

技术领域

本发明涉及一种OCR识别正确率的自动化测试方法及测试设备，属于OCR识别领域。

背景技术

传统测试OCR识别正确率的方法，是由人工判断OCR识别正确与否，然后进行标记，最后再由人工统计测试结果，不仅耗时长，效率低，而且无法支持OCR版本升级及识别字段不断调整的及时响应测试。

传统的一个样本经过OCR识别后输出结果，需要人工比对输出结果和实际样本值，当样本数量较大时，工作量繁琐。

公开号为CN107992484A的发明专利《一种评测OCR系统的性能的方法、设备及存储介质》公开了一种借助第三方数据库对OCR系统的测试结果进行评测，以获得用于表征OCR系统性能的评测结果，其中所述借助第三方数据库对所述测试结果进行评测，包括：对所述测试结果中的文字进行单字或词组切分处理，得到单字或词组的切分结果；检测字典中是否存在有所述或词组；若存在，则确定所述文字为准确识别的文字。所述第三方数据库包括字典、翻译数据库和/或搜索引擎数据库。首先，该技术方案是将识别出的字或词组在字典或数据库中查找是否存在该字或者词组，而无法判断识别出的字或词组是否为文本上所记载的字或词组，例如车票上为“一等座”，但识别成“二等座”仍然可以从第三方数据库中找出“二等座”这些字，但实际上却已经识别错误，且该技术方案从第三方数据库中查找对应字或词组，其处理过程工作量大，对系统的运算能力要求较高，其次，该技术方案仅能判断OCR系统识别出的文字（包括字和词组）是否正确，而无法进一步判断识别出的文字所在的位置是否与样本是否一致，对于一个文本，识别出的文字正确，但该文字所在的位置不对，对于该文本而言依然是一种错误识别。因此，该技术方案对OCR识别性能的评测仍然存在不足之处。

有鉴于此，本发明提出了一种能够对OCR识别正确率进行自动测试的方法，其创建与样本对应的正确文本，然后将OCR识别值与正确文本进行比对，不仅比对字符本身还比对字符定位是否准确，提升测试效率的同时大大提升测试准确率。

发明内容

为了解决上述技术问题，本发明提供OCR识别正确率的自动化测试方法，其基于OCR识别文本上的字段是明确的（如开票日期、开票单位等），本发明将OCR识别结果与正确值文本进行比对，且其中各字段标识及对应正确值逐一匹配，不仅测试效率高，且提升了测试准确率。

本发明的技术方案一如下：

OCR识别正确率的自动化测试方法，包括如下步骤：

创建模板组，模板组中的各模板分别对应一种类型的文本，所述模板中包含该文本中的各字段标识；

收集多个用于OCR识别的样本，所述模板组中包含与该样本对应的模板；

在所述模板上一一对应加入各字段标识对应的正确值，生成正确值文本；将所述样本和正确值文本均导入服务器；所述正确值为样本上各字段标识对应的值；

调用OCR识别接口，对各样本进行识别，得到OCR识别结果；所述OCR识别结果包括字段标识和识别值；

将各个样本的OCR识别结果分别与对应的正确值文本进行匹配，采用OCR识别结果中的字段标识及其识别值逐个与正确值文本中对应的字段标识与正确值进行匹配的方式；