Распознавание документов: как отделить прочитанное поле от подтверждённого

Сначала определить единицу работы

Начните с одного типа документа и конкретного набора полей. Например, для входящего счёта могут потребоваться номер, дата, контрагент, сумма и валюта. Это предложенный сценарий, а не универсальный состав реквизитов для любых юридических или бухгалтерских задач.

Заранее договоритесь, что считается одним документом. В письме могут лежать несколько счетов, исправленная версия и приложение. Если система смешает страницы разных файлов, аккуратно заполненные поля уже не спасут результат: сверяться будет несуществующий составной документ.

Сохраните оригинал без изменений и присвойте входящей версии устойчивый идентификатор. Распознанный текст и извлечённые поля должны ссылаться именно на эту версию. Повторная обработка после исправления модели создаёт новый результат, а не незаметно заменяет прежний.

Три разных шага проверки

Распознавание отвечает на вопрос, какие символы видны на странице. Извлечение определяет, какое значение относится к нужному полю. Сверка сравнивает это значение с другим документом или справочником. Ошибки этих этапов стоит хранить раздельно, иначе непонятно, что исправлять.

В карточке поля показывайте номер страницы и фрагмент исходного изображения. Проверяющему не придётся искать сумму по всему файлу. Если значение неразборчиво, оставляйте его пустым с причиной, а не достраивайте похожие цифры из контекста.

1. Прочитать файл и отметить отсутствующие, перевёрнутые или плохо различимые страницы.
2. Извлечь значения с привязкой к оригиналу и без исправления реквизитов наугад.
3. Выполнить формальные проверки и передать расхождения в отдельную очередь.

Для сумм и дат используйте явно заданные правила формата. Совпадение названия организации не подтверждает совпадение её реквизитов. Если сравниваются документы с разной валютой, система должна показать различие, а не самостоятельно предполагать курс или основание пересчёта.

Как выглядит полезное расхождение

Сообщение «документы не совпадают» слишком общее. Покажите название поля, оба значения, источники и правило сравнения. Добавьте действие для сотрудника: принять допустимое отличие, запросить исправленный файл или передать вопрос ответственному за договор.

Предусмотрите несколько допустимых исходов проверки. «Принято», «нужен новый документ» и «требуется решение специалиста» полезнее единого статуса ошибки. Причина и имя проверяющего сохраняются рядом с результатом, чтобы следующий сотрудник не начинал разбирательство заново.

Испытание на неудобных оригиналах

Соберите обезличенный набор с разными макетами, сканами плохого качества, рукописными пометками и повторно присланными файлами. Разметку должен проверить человек, знакомый с документооборотом. Красивый цифровой PDF не представляет все сложности входящей почты.

Считайте правильность по полям и отдельно учитывайте критические реквизиты. Ошибка в комментарии и ошибка в сумме имеют разные последствия. Полезно также измерять время ручной проверки, долю необоснованно заполненных полей и повторную обработку одинаковых вложений.

До подключения учётной системы прогоните результаты в отдельном журнале. Убедитесь, что отменённое решение не остаётся действующим, а повторная отправка не создаёт вторую запись. Права на внесение данных выдавайте отдельно от доступа к чтению документов.

Рабочий результат такого проекта — не стопка распознанного текста, а проверяемая цепочка от оригинала до принятого значения. Если происхождение поля нельзя быстро показать, автоматизацию рано расширять. Лучше оставить спорный документ в очереди, чем скрыть сомнение за уверенно заполненной формой.