中关村科金得助OCR平台破解证券企业OCR应用难题

随着我国“十四五”数字经济顶层设计的出炉，各行各业都驶入数字化转型的“快车道”，金融行业也不例外。证券行业作为金融体系的重要组成部分，也进入到数字化转型竞争的“白热化”阶段。

OCR识别技术主要是将各类证件、财报、凭证等纸质材料转为结构化数据存储，因此，也就成为了证券行业数字化转型落地实践的重要抓手之一。但由于证券业务复杂度高、数据量大、风控要求高，且存在各种非标版式文档，在实际应用中OCR的落地效果还不是很显著。

目前，很多企业采购和应用的往往都是单一功能的OCR模块，在实际落地过程中会遇到很多问题：

成本高：针对大量非标版式文字识别需求，需要借助第三方供应商定制开发，采购成本高。

周期长：OCR模型训练需要数据收集、标注、模型开发、调优等复杂过程，开发和采购流程时间至少需要3-6个月，无法快速响应业务需求。

兼容性差：单据/凭证存在新增版式或不定期版式变化问题，定制化的模型无法适配场景变化，需要二次开发或调优。

鉴于此，企业应该建设自己的OCR能力平台，来满足自主定制开发OCR的需求。

解决多种文字识别需求

构建企业AI大脑

在实际应用中，企业的文字识别需求是多样的，例如固定板式、半固定和非固定板式等等，为了满足这些需求，中关村科金推出了得助OCR平台。

中关村科金得助OCR平台采用了自主研发的计算机视觉和自然语言理解技术，通过内置智能图像预处理、文字检测、文字识别和多模态结构化分析等四大引擎，构建了专门面向业务人员使用的智能结构化文字提取工具，从而提升人工录入文字和业务审核效率，实现企业降本增效。

具体实现只需要三步，第一步，上传模板图片；第二步，框选定位锚点；第三步，框选识别字段。

自定义模板基于通用OCR和多模态结构化双引擎技术，实现了高适配业务场景的OCR识别方案。通用OCR算法经过上亿数据训练迭代优化，模板文字检测和识别精度高达95%以上；针对版式不规范场景，通过多模态结构化技术，结合文字语义理解信息，可以对版式倾斜、拍照、跨页流水表格、换行和行列变化情况进行识别，大大提高了模板识别鲁棒性，从而将自定义模板真正实现落地应用。

针对复杂版式的识别需求，中关村科金得助OCR平台是通过自训练工具来构建自定义模型。目前，基于少量样本就可以完成模型构建、同时可以完成数据标注、训练、评价、测试及部署上线全流程，当数据量不足时，还可自动生成海量训练数据。

在数据集工具层面，得助OCR平台支持模板标注模式和数据合成工具，数据标注效率至少提升10倍以上，可以大大降低企业训练数据的构建成本；针对大量数据人工标注效率低的问题，可以通过单张图片标注结构化提取字段模板，然后后台调用模板智能标注服务，通过人工审核智能标注字段信息即可，极大提升了标注效率和人力成本。针对实际业务场景训练数据不足的场景，后台可以自动合成原始数据100倍级别的训练数据，合成数据模拟拍照、阴影、倾斜等多种样式，从而提升模型训练精度和泛化性。

在训练算法层面，平台内置了多种图像预处理、文字检测、文字识别和结构化等60+基线算法，后台通过数据特征自动寻找最优算法，即使业务人员也可以轻松上手操作，大大降低模型应用门槛。

传统的定制化合同要素抽取模型方案，抽取字段固定且业务方无法自定义添加新的字段。针对这种复杂场景，中关村科金的解决方法是文档要素抽取工具，支持用户自定义新增字段。

通过内置NLP语义理解算法和字段抽取规则引擎，90%以上场景不需要训练模型，用户可以方便的扩增字段，大大提高业务响应效率。通过支持各种标准合同文本和用印合同智能比对与审核，提升交易结构和文本审核效率，避免要素遗漏并减少人工操作误差。

得助OCR平台

赋能证券多样化场景需求

相比传统OCR定制化服务，中关村科金得助OCR平台预估开发成本可降低10倍，同时适用于80+文字识别场景，例如各类各类票据、合同文档、身份验证等等，能够满足证券行业多样化场景需求。