光学字符识别

OCR 的处理流程：
- 图像预处理：纠偏、去噪、二值化，改善扫描质量；
- 版面分析：区分标题、表格、印章与正文区域；
- 文字检测与识别：定位文字块并转成字符；
- 结构化抽取：按模板或模型把字符映射到业务字段；
- 校验比对：与订舱数据、历史单证做一致性检查。
传统 OCR 依赖模板匹配，对固定版式的单证效果好，换版式就要重做；基于深度学习的通用 OCR 适应性更强，配合大模型做字段抽取后，处理非标准版式的能力明显提升。
在货代与报关场景，OCR 的价值不只是省录入时间，更在于把识别结果与订舱数据自动比对，提前发现品名、件重尺与箱号的错误。
相关术语：电子面单、报关单、人工智能（AI）。

1. 扫描质量决定识别上限，建议 300dpi 以上、避免反光与折痕，手机拍摄时保持单证平整；
2. 关键字段（金额、件重尺、箱号、HS 编码）必须人工复核，识别错误直接导致报关差错；
3. 建立常见单证的模板库，同类版式复用模板能显著提高准确率；
4. 识别结果与订舱信息做自动比对，差异项高亮提示，比单纯录入更有价值；
5. 印章与手写批注会干扰识别，预处理阶段尽量做区域屏蔽或人工指定识别范围。

误区一：OCR 能百分百准确——干净印刷体可达很高准确率，但手写、印章遮挡与复杂表格仍会出错。
误区二：识别完就等于录入完成——识别结果要映射到业务字段并校验，这一步往往比识别本身更耗时。
误区三：上了 OCR 就不用人审——关键单证的错录后果严重，人工复核环节不能省。