[发明专利]一种发票数据处理方法及设备

权利要求书

1.一种发票数据处理方法，其特征在于，所述方法包括：

获取各发票识别数据；其中，各所述发票识别数据为基于预设的OCR识别模型，对来自终端设备的发票图像数据进行识别得到的；

获取预先存储的，与各发票识别数据对应的发票真实数据；

基于预设规则，对各所述发票识别数据中的发票字段进行数据清洗，以分别得到相应的规则发票识别数据，具体包括：

确定发票真实数据中的各发票字段、以及各发票字段对应的发票字段信息，是否符合相应的预设条件；

将未符合相应的预设条件的发票字段、以及未符合相应预设条件的发票字段信息，按照预设条件进行相应替换，以得到相应的规则发票识别数据；其中，各所述规则发票识别数据中的发票字段的展示形式，与对应的发票真实数据中的发票字段的展示形式一致；

将各所述规则发票识别数据与相应的发票真实数据进行匹配，得到相应的字符集合；其中，所述字符集合中包括匹配结果不一致的字符；所述字符为所述规则发票识别数据和/或发票真实数据中发票字段中的字符；

所述将各所述规则发票识别数据与相应的发票真实数据进行匹配，得到相应的字符集合，具体包括：

以发票字段的发票字段名称作为列标题，发票字段名称对应的发票字段信息作为行数据，构建各所述规则发票识别数据对应的矩阵、以及各发票真实数据对应的矩阵；

将各所述规则发票数据对应的矩阵进行合并，得到发票识别数据矩阵；以及将各发票真实数据对应的矩阵进行合并，得到发票真实数据矩阵；

将所述发票识别数据矩阵以及发票真实数据矩阵分别进行转置处理，并转置处理后的发票识别数据矩阵以及发票真实数据矩阵合并，以得到发票数据矩阵；

基于预设的正则表达式，并根据发票数据矩阵，得到相应的字符集合，具体包括：

根据发票矩阵数据，计算各发票字段的字段识别率；

确定字段识别率小于预设阈值的发票字段，并将所述字段识别率小于预设阈值的发票字段从所述发票数据矩阵中筛选出来，以得到相应的发票数据子矩阵；

按照预设的正则表达式，对所述发票数据子矩阵中的发票识别数据、发票真实数据进行匹配，得到所述字符集合，具体为：将发票数据子矩阵中的发票识别数据以及其对应的发票真实数据进行匹配，不匹配的字符组成所述字符集合；

基于所述字符集合，更新所述预设的OCR识别模型。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于所述发票数据矩阵，以发票身份标识为行标题、发票字段为列标题，构建相应的发票数据表格；

将所述发票数据表格发送至相应的终端设备，以使所述终端将所述发票数据表格向所述终端对应的用户进行展示。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述字符集合，计算所述字符集合中相同字符的数量；

基于所述字符集合中的字符，以及所述相同字符的数量，生成相应的词云图并展示；

其中，所述词云图的字符的大小与所述相同字符的字符数量为正相关关系。

4.根据权利要求1所述的方法，其特征在于，所述基于所述字符集合，更新所述OCR识别模型，具体包括：

按照预设规则，获取所述字符集合中各字符对应的发票图像；

对各发票图像进行识别，确定所述字符对应的字符区域；

从相应的发票图像中分割出所述字符区域对应的字符图像；

将各所述字符图像作为训练样本，更新所述OCR识别模型。

5.根据权利要求1所述的方法，其特征在于，所述获取各发票识别数据，具体包括：

获取预先存储的发票识别数据集合，所述发票识别数据集合中包括多个待定发票识别数据；

分别获取各所述待定发票识别数据对应的原始发票图像，并按照预设规则计算各原始发票图像的图像清晰度；

确定各图像清晰度大于预设阈值的原始发票图像；

将所述发票识别数据集合中，图像清晰度大于预设阈值的原始发票图像对应的待定发票识别数据，作为发票识别数据。