基于有限状态机的Invoice收票自动化系统

摘要

传统发票识别通常拿纸质发票扫描再采用OCR识别,识别准确率为80％至90％.而由于本案使用Word或者Excel格式转化成的pdf格式发票,文件保留了完整的字符信息和一些相对固定的格式信息.以编译原理的思维,把发票转化成的文本看作为一种编程语言,再用有限状态机去识别.实验结果表明,准确率可达99％以上,获得了满意的效果.