[发明专利]一种应用于电力企业的OCR方法

说明书

本发明涉及图像识别中文字识别与分类领域，具体为一种应用于电力企业的OCR方法，其不同之处在于，包括以下步骤：（1）对采集的图片进行预处理，得到预处理后的图片；（2）使用卷积神经网络提取出所述预处理后的图片中的文字特征和表格特征；（3）将所述步骤2提取出的所述文字特征通过文本分类模型进行文字特征匹配，识别出文字；（4）通过所述步骤2提取出的所述表格特征绘制表格；（5）将所述步骤3识别出的所述文字与所述步骤4绘制的表格进行合成，得到包含文字和表格的识别结果；（6）将所述识别结果生成word进行保存。本发明提高识别率，减少成本，更适用于电力企业的使用场景。

技术领域

本发明涉及图像识别中文字识别与分类领域，具体为一种应用于电力企业的OCR方法。

背景技术

OCR （Optical Character Recognition）即光学字符识别，其技术概念于1929年由德国科学家提出，20世纪六十年代开始，各国开始进行OCR技术的进一步探索与研究。随着数字图像处理技术的发展，OCR技术逐渐发展到实际应用的阶段，在字符识别的准确率、识别速度和稳定性上有了长足的进步。现如今，随着计算机技术的发展，办公自动化要求越来越高，为了加快信息的交换和传递，表格数据成为了信息的主要载体，不仅在日常生活中起到重要的信息传递作用，在电力企业的日常运营中也扮演着重要的角色。纸质表格文档的形式在存储、传输过程中难免会出现破损、遗漏、丢失、印刷不清等各种问题，造成数据的丢失，在电力企业中容易造成重大的安全隐患。与之相比，电子化表格拥有存储方便，易于传输，易于管理，检索方便等特点，可以客服纸质表格带来的缺陷。

电力企业在诸如电力调度过程中会产生大量的电力工单、操作票据的等纸质表格，为了加快电力企业办公自动化效率，人工输入表格不再适用，为此需要OCR技术智能的帮助相关人员将这些表格转变成为电子表格，方便存储和查找。而目前普通的文字识别技术只针对文本信息进行提取，少部分进行表格的提取。

鉴于此，为了克服现有技术缺点，提供一种应用于电力企业的OCR方法成为本领域亟待解决的问题。

发明内容

本发明目的在于克服现有技术的缺点，提供一种应用于电力企业的OCR方法，提高识别率，减少成本，更适用于电力企业的使用场景。

为解决以上技术问题，本发明提供了一种应用于电力企业的OCR方法，其不同之处在于，包括以下步骤：

（1）对采集的图片进行预处理，得到预处理后的图片；

（2）使用卷积神经网络提取出所述预处理后的图片中的文字特征和表格特征；

（3）将所述步骤2提取出的所述文字特征通过文本分类模型进行文字特征匹配，识别出文字；

（4）通过所述步骤2提取出的所述表格特征绘制表格；

（5）将所述步骤3识别出的所述文字与所述步骤4绘制的表格进行合成，得到包含文字和表格的识别结果；

（6）将所述识别结果生成word进行保存。

按以上技术方案，所述预处理包括对图片进行去噪、灰度变换、二值变换和偏移矫正。

按以上技术方案，通过高斯滤波的方式对图像进行去噪处理。

按以上技术方案，所述文本分类模型训练的数据集使用电力调度常用的文本样本集合和通用文本样本。

按以上技术方案，所述步骤4中，还包括对表格通过轮廓检测、表格特征点检测结合进行倾斜校正。

按以上技术方案，还包括对表格内的横线和竖线进行修复并重新绘制。

与现有技术相比，本发明具备以下有益效果：

1）在图片识别的过程中采用深度学习的方法，识别鲁棒性更强；

2）在使用深度学习算法的基础上，同时识别文字和表格，并进行合成重绘，达到识别整个电力表单的能力；