OCR / 文档识别

从附件中提取字段，减少重复录入与核对

申报材料、证照、合同附件和扫描表格已经以电子文件提交，业务人员仍要逐页查找名称、编号、日期和金额，再手工录入系统。材料格式不统一时，还要在多份附件之间反复核对。

OCR / 文档识别围绕具体业务字段解析材料，把提取结果交给人员确认，再用于表单预填、材料比对或后续审核。建设重点是让识别结果进入可核实的业务流程。

按材料类型确定识别方式

材料类型	重点处理内容	需要验证的条件
图片与扫描件	文字识别、方向与页面质量	清晰度、遮挡、印章覆盖、手写内容
文本 PDF 与文档	段落、标题、关键字段	版式差异、分页、字段位置
表格与明细附件	表头、行列、明细项	合并单元格、跨页表格、计量单位
多份业务材料	同一事项的字段对应	文件归属、编号、主体及日期含义

文本型文件可以直接解析，扫描页需要先识别文字。不同材料适用的方法和质量标准不同，首期应选择常见类型验证，再扩大覆盖范围。

识别之后还需要三步处理

把文字整理成业务字段

“识别出一个日期”与“找到证照有效期”是两件事。建设时需要定义字段含义、格式、是否必填，以及一份材料出现多个候选值时如何处理。表格中还要保留行列关系，避免金额和对应项目错位。

对照原文复核

重要字段应能回到对应页或原文内容核对。结果不明确、格式异常或多个材料相互矛盾时，进入人工复核清单。业务人员确认后的字段才能作为正式数据使用；材料未提供的信息保持缺失，不让模型自行补齐。

接入表单与材料检查

经确认的结果可以导出，也可通过约定接口预填业务表单。进一步结合 业务规则库，检查申请表与附件是否一致、所需材料是否齐全。识别、规则检查和最终审核各自保留结果，方便定位错误。

以证照信息预填为例

申请人上传证照后，识别环节提取主体名称、编号和相关日期，形成待确认字段。经办人对照原文修正识别错误，再与申请表中的主体信息核对。存在简称、更名或时间含义不同的情况，按业务口径处理。

这类场景可以直接比较人工录入与辅助预填的工作过程：哪些字段能够直接采用，哪些需要修正，复核时间是否缩短，以及关键错误是否被及时发现。

验收按字段和业务结果进行

识别效果应使用客户的真实材料验证，覆盖常见版式，也包含模糊、倾斜、缺页等实际问题。名称、编号、日期、金额等字段分别统计结果，避免用平均值掩盖关键字段错误。

试点需共同确认人工基准、字段正确标准、异常样本处理方式，以及可接受的人工修订量。新材料格式加入后，需要补充样本验证，不能直接沿用其他类型的测试结论。

实施范围与数据处理

通常交付材料类型清单、字段说明、解析与识别流程、复核方式、输出格式和验证记录。表单回填、跨系统写入、批量处理和历史材料整理按实际需求确定。

部署时明确原件存储位置、识别服务运行位置、文件保留方式与访问权限。若使用第三方识别或模型服务，需先确认材料能否传出当前环境；内网要求下则评估对应识别组件与运行资源。

用一类真实附件开始验证

准备若干常见版式与异常样本，列出必须提取的字段及人工确认结果。先跑通识别、复核与导出，再对接正式业务表单。涉及材料内容审查时，可继续结合 AI 文档审核与材料核验。

可以沟通附件识别与预填试点，确认材料类型、关键字段和复核要求。