[发明专利]识别纠偏系统及方法

说明书

本发明涉及一种识别纠偏系统和方法，对纸质单据信息进行数据化处理，包括：图像获取单元，用于获取纸质单据图像；识别单元，用于识别所述单据图像中的文字，得到单据的识别结果数据集；信息纠偏单元，用于对所述识别结果数据集进行纠偏，得到纠偏后的单据信息；数据存储单元，用于存储信息数据库、所述单据图像、所述单据的识别结果数据集及所述纠偏后的单据信息。其中，所述信息数据库为所述信息纠偏单元的训练数据。本发明涉及的一种识别纠偏系统和方法，改善了OCR技术识别文字序列精度准确率较低的弊端。

技术领域

本发明涉及文字识别技术领域，尤其适用于物流订单手写地址区域的文字识别。

背景技术

近年来，随着电子商务的迅猛发展，快件收寄呈爆发式增长，快递运单地址信息录入主要是由传统的人工逐一录入。

传统的人工录入快递单地址模式效率低，并且由于手写快递运单字迹复杂、快递单本身存在地址不正确或不全的风险，导致派送困难。

随着文字识别技术的发展，对手写的纸质快递运单的识别也引人了OCR识别技术，但OCR技术对手写文字的规范性要求比较严格，对手写文字的文字序列识别精度和准确率较低，在得到其识别结果后，还主要依赖人工干预对其结果进行修正和补全，效率较低。

发明内容

针对OCR技术对手写单据的识别率较低的问题，本发明提供了一种识别纠偏系统和方法，改善了OCR技术识别文字序列精度准确率较低的弊端。

本发明涉及一种识别纠偏系统，对纸质单据信息进行数据化处理，包括：图像获取单元，用于获取纸质单据图像；识别单元，用于识别所述单据图像中的文字，得到单据的识别文本序列；信息纠偏单元，用于对识别文本序列进行纠偏，得到纠偏后的单据信息。

优选地，本发明的识别纠偏系统还包括数据存储单元，用于存储信息数据库、单据图像、单据的识别文本序列及纠偏后的单据信息，其中，信息数据库为信息纠偏单元的训练数据。

优选地，信息纠偏单元采用序列到序列算法模型将输入的识别文本序列映射为输出的文本序列。

优选地，序列到序列算法模型包括编码器和解码器，编码器将识别文本序列与信息数据库进行比较，解码器将比较结果映射输出为纠偏后的单据信息。

优选地，编码器通过编码计算文本序列的状态更新部分得到语境向量，解码器根据当前状态和语境向量解码得到纠偏后的单据信息。

优选地，信息纠偏模型采用序列到序列算法模型结合注意力机制将输入的识别文本序列映射为输出的文本序列。

优选地，注意力机制将语境向量与每一时刻的识别文本序列相关联成为加权的语境向量，解码器解码得到纠偏后的单据信息。

优选地，所述单元采用OCR技术对单据图像进行文字识别。

优选地，纸质单据信息为快递运单地址信息。

优选地，信息数据库为大数据和地理信息整合得到的完整地址信息训练数据。

优选地，信息纠偏单元将识别结果数据集与完整地址信息训练数据进行比较，对快递运单地址进行纠错和补全，映射输出为完整的地址信息。

本发明还涉及一种识别纠偏方法，对纸质单据信息进行数据化处理，包括如下步骤：通过图像获取单元获取纸质单据图像；用识别单元对所述单据图像进行文字识别技术处理，得到单据的识别文本序列；通过信息纠偏单元对所述识别文本序列进行纠偏，得到纠偏后的单据信息。

优选地，本发明的识别纠偏方法还包括将信息数据库预先存储到数据存储单元，并对单据图像、所述单据的识别结果数据集及所述纠偏后的单据信息进行存储的步骤，其中，所述信息数据库为所述信息纠偏单元的训练数据。