[发明专利]基于文字识别的财务报表识别方法及装置

说明书

本发明提供了一种基于文字识别的财务报表识别方法及装置，基于文字识别的财务报表识别方法包括：接收所述财务报表的图像数据；对所述图像数据进行标准化处理以及预处理；利用预生成的CNN神经网络模型对处理后的图像数据进行文字识别。本发明将财务报表录入与文字识别技术相结合，能有效减少人工录入的工作量，提升信息采集的准确度。

技术领域

本发明涉及信息技术领域，具体涉及文字识别领域技术领域，特别是涉及一种基于文字识别的财务报表识别方法及装置。

背景技术

在传统信贷业务办理过程中，信息采集仍然主要依靠业务人员手工录入，特别是财务报表业务场景，每年需要手工录入数千张各行业公司财务报表，其表格数量多，金额数字量很大，效率低下并且容易出错。

随着人工智能的不断发展，基于模式识别和深度学习文字识别技术日渐成熟。文字识别技术也大量的被运用到数据自动录入的场景，在信贷财务报表录入场景下，这些通用机制目前存在一些缺陷，主要包括：一是财务报表格式应企业而异，对于非通用格式的图像，识别后的文字提取造成困难；二是财务报表图像数量较多，识别耗时较长；三是财务指标名称没有统一标准，无法自动映射到系统标准财务报表模板中，准确率较低。

发明内容

针对现有技术中的问题，本发明提供的基于文字识别的财务报表识别方法及装置，将财务报表录入与文字识别技术相结合，能有效减少人工录入的工作量，提升信息采集的准确度。

为解决上述技术问题，本发明提供以下技术方案：

第一方面，本发明提供一种基于文字识别的财务报表识别方法，包括：

接收所述财务报表的图像数据；

对所述图像数据进行标准化处理以及预处理；

利用预生成的CNN神经网络模型对处理后的图像数据进行文字识别。

一实施例中，对所述图像数据进行标准化处理包括：

判断所述图像数据的dpi是否大于预设值、表格线是否完整以及倾斜角度是否小于预设角度。

一实施例中，对所述图像数据进行预处理包括：

对标准化后的图像数据一次进行二值化处理、倾斜矫正以及归一化；

对标准化之后的图像数据进行矩形卷积核处理。

一实施例中，所述利用预生成的CNN神经网络模型对处理后的图像数据进行文字识别，包括：

利用lsd算法对所述图像数据进行直线检测，以获取所述图像数据中的单元格位置以及所述单元格中的内容；

对所述单元格中的内容进行碎片化处理；

将碎片化之后的内容输入至所述CNN神经网络模型中。

第二方面，本发明提供一种基于文字识别的财务报表录入装置，该装置包括：

图像数据接收单元，用于接收所述财务报表的图像数据；

图像数据处理单元，用于对所述图像数据进行标准化处理以及预处理；

文字识别单元，用于利用预生成的CNN神经网络模型对处理后的图像数据进行文字识别。

一实施例中，所述图像数据处理单元包括：

预处理模块，用于判断所述图像数据的dpi是否大于预设值、表格线是否完整以及倾斜角度是否小于预设角度。

一实施例中，所述图像数据处理单元还包括：

第一标准化模块，用于对标准化后的图像数据一次进行二值化处理、倾斜矫正以及归一化；