发票云(Ocr)服务总结
Table of Contents
1 前言
发票整理录入确实不是一件容易的事情，一张普通的增值税发票，可能有十几项信息需要录入，发票上一串串常常的代码更是让人眼花缭乱。可以说，人工检索发票、录入发票确实太费时费力了，而且极易出错，这对于财务部门的管理都是十分不利的。
人工智能时代的到来，让枯燥的发票录入工作有了新方式。人工智能引擎可以实现发票识别自动化，拍照就能识别发票上的字段信息，自动录入进入表格。
公司企业进行发票管理时，通过批量扫描识别发票，帮助企业节省大量人力财力，降低风险。
本文是自己在开发和升级维护发票云平台和引擎的一些总结。
2 历程
2.1 自建识别引擎
早些年，云计算不是很火的时候，我们选择的是购买泰比（ABBYY）的OCR引擎服务。
要自建识别引擎服务，编写识别模版，对图片进行旋转，去印章等操作。
识别率和自己写的图片处理，识别模版有很大的关系，自建识别引擎的那段时间识别率可以说不是很高。
2.2 利用云计算
随着云计算和人工智能的发展，越来越多的云计算厂商提供第三方OCR识别服务。可以专心做好识别平台，不用太关心识别引擎，让专业的人做专业的事。
2.2.1 单一服务商
最初只接入了阿里云提供的OCR识别服务，但是使用一段时间之后发现成本比较高，而且有单点的风险。
2.2.2 多服务商
现在的识别服务主力是合合识别(自建识别引擎)，同时接入了阿里云OCR识别和华为云OCR识别，支持故障自动转移，客户分等级分配识别通道等。
3 总体架构
3.1 最初的架构
3.2 改造后的架构
4 业务流程
5 重难点
- 发票识别有明显的高峰期（年底、月底）
- 需要支持高并发，集群化（识别引擎、应用服务、缓存和数据库），弹性扩容或降配
- 自建识别引擎时图片的处理（旋转，去印章等），识别模版的设计对识别率和识别时间有大的影响
- 对性能和识别率的要求很高（最好每次识别3秒以内，识别率能达到4个9）
- 日志、监控、故障自动转移，报表等配套服务要完整
6 补充说明
发票云平台，虽然功能简单，但是提供稳定可靠，高性能的服务还是不容易的。