[发明专利]发票的验证方法、装置和计算机设备

权利要求书

1.一种发票的验证方法，其特征在于，包括：

获取待验证的发票的图像数据；

通过预先训练的神经网络模型，对所述待验证的发票的图像数据进行识别，获得所述待验证的发票的验证信息；

保存所述待验证的发票的验证信息；

按照预定策略将保存的验证信息发送给发票验证服务器，以对所述待验证的发票进行验证。

2.根据权利要求1所述的方法，其特征在于，所述获取待验证的发票的图像数据包括：

对待验证的纸质发票进行拍摄，获取待验证的纸质发票的图像数据；或者，获取待验证的电子发票的图像数据。

3.根据权利要求1所述的方法，其特征在于，所述按照预定策略将保存的验证信息发送给发票验证服务器包括：

当保存的验证信息的数量大于或等于预定的数量阈值时，将保存的验证信息发送给发票验证服务器；和/或，

当设定的验证时刻到达时，将保存的验证信息发送给发票验证服务器。

4.根据权利要求1所述的方法，其特征在于，所述按照预定策略将保存的验证信息发送给发票验证服务器之后，还包括：

接收并保存所述发票验证服务器发送的验证结果。

5.根据权利要求4所述的方法，其特征在于，还包括：

如果所述发票验证服务器发送的验证结果与保存的验证结果不一致，则将保存的验证结果更新为所述发票验证服务器发送的验证结果。

6.根据权利要求1所述的方法，其特征在于，所述通过预先训练的神经网络模型，对所述待验证的发票的图像数据进行识别之前，还包括：

对所述待验证的发票的图像数据进行灰度化、二值化和/或去噪处理。

7.根据权利要求1-6任意一项所述的方法，其特征在于，所述通过预先训练的神经网络模型，对所述待验证的发票的图像数据进行识别之前，还包括：

收集预定数量的发票的图像数据作为样本数据；

对收集的样本数据中的验证信息进行标注；

将标注后的样本数据划分为训练集和测试集；

将所述训练集中的样本数据输入待训练的神经网络模型进行训练，获得训练结果模型；

将所述测试集中的样本数据输入所述训练结果模型进行递归训练，当所述训练结果模型的输出结果与所述测试集中的样本数据标注的验证信息的差值在预定范围内时，获得训练好的神经网络模型。

8.一种发票的验证装置，其特征在于，包括：

获取模块，用于获取待验证的发票的图像数据；

识别模块，用于通过预先训练的神经网络模型，对所述待验证的发票的图像数据进行识别，获得所述待验证的发票的验证信息；

保存模块，用于保存所述待验证的发票的验证信息；

发送模块，用于按照预定策略将保存的验证信息发送给发票验证服务器，以对所述待验证的发票进行验证。

9.一种计算机设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-7中任一所述的方法。

10.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一所述的方法。