[发明专利]一种OCR分类方法、系统、电子设备及存储介质

说明书

本申请公开了一种OCR分类方法、系统、电子设备及存储介质，本方法通过网络爬虫技术获取图像样本集，以提高数据来源多样性，提取图像样本集中每个图像样本的字符特征，并根据字符特征生成标签数据对相应的图像样本进行标注，以得到图像和字符特征之间的映射关系，再对标注图像样本集进行增广技术处理，以提高图像样本多样性，并将增广后得到的图像增广样本集按照一定比例划分为训练样本集和测试样本集，利用训练样本集对预设的OCR分类模型进行数据训练，以得到初始的OCR分类模型，并利用测试样本集对初始的OCR分类模型进行准确度测试，从而得到准确度高于预设准确度阈值的OCR分类模型，进而提高了图文信息分类的效率和准确度。

技术领域

本申请涉及OCR分类技术领域，尤其涉及一种OCR分类方法、系统、电子设备及存储介质。

背景技术

随着电力市场化改革的深化，电力公司的营销业务发展越来越强，这也会导致营销业务数据出现大幅增长，而目前对于图文信息分类的效率和精准度还不高，从而导致信息分类存在延迟和误差影响，进而影响供电公司营销业务的管理效率较低，这将大大影响用户使用体验感，因此，目前亟需提高图文信息分类的效率和准确度。

发明内容

本申请提供了一种OCR分类方法、系统、电子设备及存储介质，用于解决上述图文信息分类的效率和准确度较低的技术问题。

有鉴于此，本申请第一方面提供了一种OCR分类方法，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。

可选地，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。

可选地，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。

可选地，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；