[发明专利]一种OCR分类方法、系统、电子设备及存储介质

权利要求书

1.一种OCR分类方法，其特征在于，包括以下步骤：

利用网络爬虫技术对目标网站进行获取图像样本集，所述图像样本集中每个图像样本包含电力营销业务数据；

提取所述所述图像样本集中每个图像样本的字符特征，根据所述字符特征生成标签数据，通过标签数据对相应的所述图像样本进行标注，以得到标注图像样本集；

对所述标注图像样本集进行增广技术处理，得到图像增广样本集；

将所述图像增广样本集按预定比例划分为训练样本集和测试样本集；

以所述训练样本集作为输入量，以所述训练样本集的所述标签数据作为输出量，对预设的OCR分类模型进行数据训练，以得到初始的OCR分类模型；

将所述测试样本集输入至所述初始的OCR分类模型中，输出所述测试样本集的标签数据；

根据所述测试样本集的标签数据的分类结果和所述测试样本集的标签数据的标注结果进行准确度计算；

若准确度的计算结果未超过预设准确度，则调整网络参数，并重新训练初始的OCR分类模型，直至所述初始的OCR分类模型的准确度超过所述预设准确度，输出最终的OCR分类模型。

2.根据权利要求1所述的OCR分类方法，其特征在于，所述电力营销业务数据包括电网报装业务数据、专有票据数据和统计表格数据。

3.根据权利要求1所述的OCR分类方法，其特征在于，所述对所述标注图像样本集进行增广技术处理，得到图像增广样本集的步骤具体包括：

对所述标注图像样本集中的每个去噪图像样本进行切割，得到多个图像块；

对所述图像块进行筛选，得到筛选后的图像块，所述筛选后的图像块至少包含一个标签数据；

基于图像增强算法对所述筛选后的图像块进行图像增强；

基于预设的噪声扰动模板图像对所述筛选后的图像块进行叠加，以得到噪声叠加图像，作为图像增广样本，从而得到图像增广样本集。

4.根据权利要求1所述的OCR分类方法，其特征在于，所述若准确度的计算结果未超过预设准确度，则调整网络参数，并重新训练初始的OCR分类模型，直至所述初始的OCR分类模型的准确度超过所述预设准确度，输出最终的OCR分类模型的步骤之后包括：

通过最终的OCR分类模型对待分类的电力营销图像数据进行识别，输出相应的标签数据；

基于聚类算法对所述标签数据进行聚类处理。

5.一种OCR分类系统，其特征在于，包括：

图像获取模块，用于利用网络爬虫技术对目标网站进行获取图像样本集，所述图像样本集中每个图像样本包含电力营销业务数据；

特征提取模块，用于提取所述所述图像样本集中每个图像样本的字符特征，根据所述字符特征生成标签数据，通过标签数据对相应的所述图像样本进行标注，以得到标注图像样本集；

增广模块，用于对所述标注图像样本集进行增广技术处理，得到图像增广样本集；

划分模块，用于将所述图像增广样本集按预定比例划分为训练样本集和测试样本集；

训练模块，用于以所述训练样本集作为输入量，以所述训练样本集的所述标签数据作为输出量，对预设的OCR分类模型进行数据训练，以得到初始的OCR分类模型；

测试模块，用于将所述测试样本集输入至所述初始的OCR分类模型中，输出所述测试样本集的标签数据；

准确度计算模块，用于根据所述测试样本集的标签数据的分类结果和所述测试样本集的标签数据的标注结果进行准确度计算；

模型输出模块，用于若准确度的计算结果未超过预设准确度，则调整网络参数，并重新训练初始的OCR分类模型，直至所述初始的OCR分类模型的准确度超过所述预设准确度，输出最终的OCR分类模型。

6.根据权利要求5所述的OCR分类系统，其特征在于，所述电力营销业务数据包括电网报装业务数据、专有票据数据和统计表格数据。