[发明专利]一种基于深度学习的发票批量自动识别系统

说明书

本发明公开了一种基于深度学习的发票批量自动识别系统，包括：发票图像获取模块，用于获取发票的扫描图并进行格式转换，得到发票图像进行保存；然后对发票图像进行摆正处理和归一化处理；预处理与定位模块，用于对归一化后的发票图像进行倾斜校正和数字区域定位；字符切割模块，用于对所述的数字区域中的字符进行切割，得到切割后的字符图像；字符识别模块，用于通过CNN卷积神经网络对切割后的字符图像进行字符识别；输出模块，用于将识别出的字符记录到Excel表格的对应位置，并对字符进行准确性判定与人工更正。本发明能快速、高效地完成发票上主要信息的识别，克服了以往只能靠人工对发票进行管理而存在的速度慢、效率低、出错率高的问题。

技术领域

本发明涉及信息技术领域，具体涉及一种基于深度学习的发票批量自动识别系统。

背景技术

发票是日常生活中经常使用的一种凭据，如商业机构、政府机构、医疗机构、公安机构等都需要开具大量的发票。如今互联网技术发展迅猛，线上支付大量普及，随即也出现了相对应的电子发票，但电子发票还是有些弊端，如由于消费者自行打印的电子发票纸质以及打印效果都有差异，容易导致防伪性能消失，或者由于电子发票可以重复打印导致重复报销的风险增大，所以目前传统纸质发票还是广为使用。

发票主要是公司做账的依据，同时也是缴税的费用凭证，因此通常需要财务部门进行发票的管理工作。然而发票管理工作繁琐且乏味，其工作量大、需记录数据多，人为记录需要消耗大量的人力物力。随着技术的发展，现采用图像识别技术，可以快速，准确地提取发票的信息。从而大大减少发票处理时间，节省人力物力，且提高发票信息记录的准确率。

发明内容

本发明的目的是提供一种基于深度学习的发票批量自动识别系统，用以解决传统人工对发票管理记录存在的速度慢、效率低、出错率高的问题。

为了实现上述任务，本发明采用以下技术方案：

一种基于深度学习的发票批量自动识别系统，包括：

发票图像获取模块，用于获取发票的扫描图并进行格式转换，得到发票图像进行保存；然后对发票图像进行摆正处理和归一化处理；

预处理与定位模块，用于对归一化后的发票图像进行倾斜校正和数字区域定位；

字符切割模块，用于对所述的数字区域中的字符进行切割，得到切割后的字符图像；

字符识别模块，用于通过CNN卷积神经网络对切割后的字符图像进行字符识别；

输出模块，用于将识别出的字符记录到Excel表格的对应位置，并对字符进行准确性判定与人工更正。

进一步地，所述的对发票图像进行摆正处理和归一化处理，包括：

利用openCV的最小轮廓定位与仿射变换方法，得到摆正后的发票图像；

所述的归一化处理为：

检测发票图像的长度L、宽度R，计算长宽比例K＝L/R；

若比例K1.75，表示发票图像所对应的发票正常，将发票图像归一化至1200×700像素；

若比例K1.75，表示发票图像所对应的发票不正常，即发票两侧带圆孔的纸条被撕掉；此时在发票图像左右两端分别填充长度为(1.714*R-L)/2、宽度为R的白色纸条图像，再将所述的发票图像与白色纸条图像共同归一化至1200×700像素；

将发票图像转换至R通道，若在发票图像的表头位置检测不到像素点，表示发票图像中发票进行了倒置，此时将发票图像旋转180°。

进一步地，所述的发票图像进行倾斜校正，包括：

读取归一化后的发票图像并进行灰度转换；