面向发票表格提取的 OCR 驱动管道设计与实现
计算机视觉与模式识别
2025-07-10 v1 人工智能
摘要
本文提出了一种面向发票表格提取的 OCR 驱动管道的设计与开发。该系统利用 Tesseract OCR 进行文字识别，并通过自定义后处理逻辑检测、对齐和提取扫描发票文档中的结构化表格数据。我们的方法包括动态预处理、表格边界检测以及行列映射，针对噪声较大且格式非标准的发票进行优化。最终得到的管道显著提升了数据提取的准确性和一致性，支持自动化财务工作流程和数字档案保存等实际应用场景。
引用
@article{arxiv.2507.07029,
title = {Design and Implementation of an OCR-Powered Pipeline for Table Extraction from Invoices},
author = {Parshva Dhilankumar Patel},
journal= {arXiv preprint arXiv:2507.07029},
year = {2025}
}
备注
17 pages, 23 figures, submitted to arXiv in July 2025