物流票据信息提取与分析的研究
发布时间：2020-06-23 16:00
【摘要】：随着我国物流行业的迅速发展,使得物流运输中票据的使用量飞速增长。所有票据中的信息都需要录入计算机归档,使得处理票据的压力越来越大。现阶段对票据信息提取的处理方式有两种,第一种是依靠人工的方式,这种方式需要雇佣和培训专业人员,耗时耗力,且成本很高,难免会出现录入出错的情况。第二种是,简单版式的票据自动识别,只能识别一些格式简单且固定的票据,例如银行支票等。但物流领域使用的票据一般是复杂版式的表格型票据,这种票据方便信息录入、存储和管理,成为物流领域通用的票据形式,针对这种类型的票据,目前还没有一种可靠的技术可以快速准确的从中提取出所需的信息。本文通过以上分析,对物流票据进行了深入研究,提出了一种针对复杂格式的表格型票据自动提取信息的算法,能够实现快速的票据信息提取,准确率达98%以上。本文首先对票据进行特征提取,然后通过聚类分析来对票据进行自动类别标注,构建票据数据集,使用这些数据集训练分类器,再为每一类票据定义一个模板,通过模板匹配的方法定位到提取单元的位置,再利用文字识别获得提取单元内的信息。论文的工作如下:1、把不同种格式的票据统一转换为图像格式,通过对票据的分析,发现票据表格是票据的关键特征,利用数字图像处理技术对图像进行处理,获得票据中的表格信息,并利用这些表格提取出共计23个特征点。2、由于本文中使用的物流票据没有类别标注且数量大,所以通过聚类的方法对票据进行自动的类别标注,本文通过各种聚类算法的对比分析,选用K-Means++作为本文的聚类算法,并根据聚类结果构建数据集。然后对不同的分类器进行优化,对比各种分类器的性能后选取SVM作为本文票据分类的分类器。3、为了快速定位票据的提取单元,本文提出了一种基于模板匹配的提取单元定位算法,另外利用PyQt设计了一种交互式模板定义的工具,可以方便快速的定义模板。4、票据模板匹配中需要对票据中的字符进行识别和相似度计算,其中字符识别部分,对于纯文本的票据使用PDFMiner,对于纯图片的票据使用光学字符识别技术,其中字符相似度计算使用编辑距离。
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F259.2;TP391.41
【图文】：
需要统一转换为图像格式进行保存，这样方便后续对票据进行统一的处理，逡逑本节对不同格式的票据利用不同的转换方法，使用Ｐｙｔｈｏｎ编程语言，把所有格式逡逑的票据统一转换为图像格式，物流票据转图像的具体操作流程如图２－１所示。逡逑丨—？逦图像格式逦ｉ逦１逡逑物邋Ｉ逦逦逦邋%煎义希渝澹掊澹校模棋甯袷藉澹危垮澹校模棋遄枷褚唬垮澹牛危腻义希慑危妫鲥邋五五危觯澹澹辏澹颍澹慑危殄巍危赍危蓿掊义希邸咤纹渌袷藉我唬孔晃校模棋邋危у义贤迹玻逼本葑枷癫僮髁鞒掏煎义希疲椋纾澹玻卞澹疲欤铮麇澹悖瑁幔颍翦澹铮驽澹猓椋欤欤簦铮椋恚幔纾邋澹铮穑澹颍幔簦椋铮铄义希ǎ保╁澹牛悖澹臁ⅲ祝铮颍涞雀袷降钠本葑怀桑校模棋义希停椋悖颍铮螅铮妫翦澹希妫妫椋悖迨俏颐浅Ｓ玫陌旃ぞ撸俏⑷砉净冢祝椋睿洌铮鳎蟛僮飨低冲义峡⒌摹３Ｓ糜校祝铮颍洹ⅲ牛悖澹臁ⅲ校铮鳎澹颍校铮椋睿舻龋希妫妫椋悖逯卸杂诓煌母袷降奈募煎义嫌凶怀桑校模频墓δ埽枰斯さ囊桓龈鲎唬僮鞑环奖闱依朔咽奔
本文编号：2727569
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F259.2;TP391.41
【图文】：
需要统一转换为图像格式进行保存，这样方便后续对票据进行统一的处理，逡逑本节对不同格式的票据利用不同的转换方法，使用Ｐｙｔｈｏｎ编程语言，把所有格式逡逑的票据统一转换为图像格式，物流票据转图像的具体操作流程如图２－１所示。逡逑丨—？逦图像格式逦ｉ逦１逡逑物邋Ｉ逦逦逦邋%煎义希渝澹掊澹校模棋甯袷藉澹危垮澹校模棋遄枷褚唬垮澹牛危腻义希慑危妫鲥邋五五危觯澹澹辏澹颍澹慑危殄巍危赍危蓿掊义希邸咤纹渌袷藉我唬孔晃校模棋邋危у义贤迹玻逼本葑枷癫僮髁鞒掏煎义希疲椋纾澹玻卞澹疲欤铮麇澹悖瑁幔颍翦澹铮驽澹猓椋欤欤簦铮椋恚幔纾邋澹铮穑澹颍幔簦椋铮铄义希ǎ保╁澹牛悖澹臁ⅲ祝铮颍涞雀袷降钠本葑怀桑校模棋义希停椋悖颍铮螅铮妫翦澹希妫妫椋悖迨俏颐浅Ｓ玫陌旃ぞ撸俏⑷砉净冢祝椋睿洌铮鳎蟛僮飨低冲义峡⒌摹３Ｓ糜校祝铮颍洹ⅲ牛悖澹臁ⅲ校铮鳎澹颍校铮椋睿舻龋希妫妫椋悖逯卸杂诓煌母袷降奈募煎义嫌凶怀桑校模频墓δ埽枰斯さ囊桓龈鲎唬僮鞑环奖闱依朔咽奔
本文编号：2727569
本文链接：https://www.wllwen.com/jingjilunwen/hongguanjingjilunwen/2727569.html
