该解决方案基于华为云 文字识别 OCR的发票识别以及发票验真技术构建，可帮助企业快速使用AI技术实现发票报销的自动化处理流程。该解决方案部署架构如下图所示： 图1 方案架构图 该解决方案会部署如下资源： 创建用于上传发票的 对象存储服务 OBS桶，企业业务系统将员工报销的发票图片或者电子发票PDF文件上传到该桶。

查看更多 →

文字识别SDK简介 文字识别SDK概述 文字识别（Optical Character Recognition，简称OCR）将图片或扫描件中的文字识别成可编辑的文本。可代替人工录入，提升业务效率。支持身份证、驾驶证、行驶证、发票、通用表格、通用文字等场景文字识别。 文字识别以开放API（Application

查看更多 →

文字识别的监控指标 功能说明 本节定义了文字识别服务上报 云监控服务 的监控指标的命名空间，监控指标列表和维度定义，用户可以通过云监控服务提供管理控制台或API接口来检索文字识别服务产生的监控指标和告警信息。 命名空间 SYS.OCR 监控指标详情 表1 OCR支持的监控指标 指标ID

查看更多 →

开通文字识别服务 OCR服务提供的开通方式有以下两种，用户可以任选其一进行开通服务。 按需计费开通服务 进入文字识别官网主页，单击“立即使用”，进入文字识别控制台。 在“总览”页面，选择需要使用的服务，执行开通操作，默认的计费方式采用按需计费。 图1 服务开通 服务开通成功后，开通状态将显示为“已开通”。

查看更多 →

进入“应用开发”页面，开始开发应用。 图1 应用开发 上传模板图片 在“应用开发>上传模板图片”页面，配置如下信息： 图2 上传模板图片 “模板名称”：输入模板名称。 “语种”：单击图片上方“语种”下拉选择框，选择模板对应的语种。不选择的情况下，默认为中英文。 “上传图片”：单击“上传图片”区域，或鼠标

查看更多 →

识别服务，实现多种版式图像的文字信息结构化提取。 文字识别套件提供预置工作流供您选择，全流程可视化完成AI应用开发以及持续迭代。 选择预置工作流 单模板工作流 通过工作流指引构建文字识别模板，识别单个板式图片中的文字，快速实现文档、票证等场景的文字识别。详情请见使用单模板工作流开发应用。

查看更多 →

页面弹出“成功”提示框，表明成功识别行程码。 图3 配置测试参数 选择类型：识别的主体可以是图片或文本信息。本示例选择“文字识别套件 / 图片文件”，并上传待识别的行程码图片。 文字识别套件 / 图片URL：识别的主体是图片URL。 文字识别套件 / 图片文件：识别的主体为图片文件。 自然语言处理 套件

查看更多 →

页面弹出“成功”提示框，表明成功识别行程码。 图2 配置测试参数 选择类型：识别的主体可以是图片或文本信息。本示例选择“文字识别套件 / 图片文件”，并上传待识别的行程码图片。 文字识别套件 / 图片URL：识别的主体是图片URL。 文字识别套件 / 图片文件：识别的主体为图片文件。 自然语言处理套件

查看更多 →

在本地准备好两张身份证图片，一张用于制作模板，一张用于评估模板。图片要求如下： 只支持识别PNG、JPG、JPEG、BMP、TIFF格式的图片。 图像各边的像素大小在100px到4096px之间。 图像中识别区域有效占比超过80%，保证所有文字及其边缘包含在图像内。 支持图像任意角度的水平旋转。

查看更多 →

路径，例如D:\local\test.xlsx", response) 使用PDF进行文字识别 本示例将PDF文件转换为图片，并调用网络图片识别API，获取识别结果。 前提条件 开通网络图片识别。 参考本地调用，安装OCR Python SDK。并执行pip install fitz命令和pip

查看更多 →

AI”中，拖拽“OCR”图元至画布中。 OCR是系统预置的，与OCR对接的接口。 图4 拖拽OCR图元到画布中 选中组件，单击，设置OCR对接信息。 图5 设置基本信息 表2 OCR图元基本信息参数说明 参数 说明 标签 图元在页面显示的名称。 名称 图元在系统中的唯一标识，不能和其他图元相同。命名要求如下：

查看更多 →

在本地准备好用于制作模板的图片、用于训练多模板分类器的训练集、用于评估模板的图片，图片要求如下： 只支持PNG、JPG、JPEG、BMP、TIFF格式的图片。 图像各边的像素大小在100px到4096px之间。 图像中识别区域有效占比超过80%，保证所有文字及其边缘包含在图像内。 支持图像任意角度的水平旋转。

查看更多 →

选择“OBS目录”，存放结构又分两种情况，“仅包含图片”或“包含图片和标注信息”。 “仅包含图片”：当目录下全是图片时，支持jpg、jpeg、png、bmp格式，嵌套子目录的图片也将全部读入。 “包含图片和标注信息”：根据不同数据类型，结构不同。 图像分类，其目录结构如下所示。如下目录结构，仅支持单标签场景。

查看更多 →

格式转换与渐进显示 格式转换 此功能在控制台图形界面模式和代码编辑模式使用，也支持通过接口调用模式使用。可以将原图转换为支持的图片格式，具体说明如表1所示。 支持的原图格式：jpg、jpeg、png、bmp、webp、gif、tiff。 支持输出的目标图格式：jpg、png、bmp、webp。 操作名称：format

查看更多 →

板图片中的文字，提供高精度的文字识别模型，保证结构化信息提取精度。 通用单模板工作流 通过构建文字识别模板，识别单个板式图片中的文字，提供高精度的文字识别模型，保证结构化信息提取精度。 多模板分类工作流 支持用户自定义多个文字识别模板，通过模型训练，自动识别图片所需使用的模板，从

查看更多 →

精度。 通用单模板工作流 通过构建文字识别模板，识别单个板式图片中的文字，提供高精度的文字识别模型，保证结构化信息提取精度。 多模板分类工作流 支持用户自定义多个文字识别模板，通过AI分类算法，自动识别图片所需使用的模板，从而支持从大量不同板式图像中提取结构化信息。 使用工作流开发应用流程

查看更多 →

该参数与url二选一。 图片或PDF格式，base64编码，要求base64编码后大小不超过10M。 图像尺寸不小于15×15像素，最长边不超过8192像素，支持JPG/PNG/BMP/TIFF格式。 PDF以144dpi的分辨率转为图像进行识别，需符合上述图像尺寸规定。若PDF有多页，当前仅对第1页进行识别。

查看更多 →

String 执行该异步任务的jobId。 可以查询jobId查看任务执行状态、获取返回结果，详情参考Job管理API。 请求示例 进行导出图操作，图的导出OBS路径为demo_movie/，导出边数据集名称为set_edge，导出点数据集名称为set_vertex，导出元数据文件名为set_schema

查看更多 →

以延长文字识别服务的使用时间。 自动续费 开通自动续费后，文字识别服务会在每次到期前自动续费，避免因忘记手动续费而导致资源被自动删除/释放。 在套餐包文字识别服务生命周期的不同阶段，您可以根据需要选择一种方式进行续费，具体如图1所示。 图1 文字识别服务生命周期 文字识别服务从购买到到期前，资源状态为“可使用”。

查看更多 →

归一化后的目标框中心点y坐标、归一化后的目标框宽度、归一化后的目标框高度。 只支持JPG、JPEG、PNG、BMP格式的图片，单张图片大小不能超过5MB，且单次上传的图片总大小不能超过8MB。 图像分割 ModelArts image segmentation 1.0： 要求用户

查看更多 →

VIN码识别 功能介绍 识别图片中的车架号信息，并将识别结果以JSON格式返回给用户。该接口的使用限制请参见约束与限制，详细使用指导请参见OCR服务使用简介章节。 图1 VIN码示例图 约束与限制 只支持识别PNG、JPG、JPEG、BMP、TIFF格式图片。 图像各边的像素大小在15px到4096px之间。

查看更多 →