OCR — технология оптического распознавания символов. Она извлекает текст из изображений и PDF-файлов, полученных при сканировании бумажных документов. Специализированные системы могут также определять тип документа и переносить отдельные реквизиты — например, номер, дату, сумму и данные контрагента — в учетную систему.
OCR сокращает объем ручного ввода, но не гарантирует безошибочного распознавания и не заменяет проверку результата. Практическая польза технологии зависит от качества изображений, вида документов, настроек системы и того, насколько удобно сотрудникам сверять распознанные данные с оригиналом.
Как устроена обработка документов
Обычно процесс состоит из нескольких этапов:
- Получение файла. Документ сканируют, фотографируют или загружают из электронного архива. Для цифровых PDF OCR может не потребоваться, если текст в них уже доступен для копирования.
- Подготовка изображения. Система выравнивает страницу, устраняет поворот и шумы, улучшает контрастность.
- Распознавание и извлечение данных. OCR преобразует изображение в текст. Дополнительные алгоритмы находят реквизиты и определяют их назначение.
- Сопоставление со справочниками. Система может предложить подходящего контрагента или номенклатуру из учетной базы. Неоднозначные совпадения следует отправлять на проверку.
- Проверка и передача в учетную систему. Сотрудник сверяет важные поля с документом, исправляет ошибки и подтверждает передачу данных. В зависимости от решения результатом может быть карточка документа, черновик или набор полей для последующей обработки.
Сканирование и распознавание — разные операции: сканер создает изображение, а OCR извлекает из него текст. Требования к оцифровке и организации архива описаны в материале о сканировании первичных документов для бухгалтерского архива.
Какие документы можно обрабатывать
OCR применяют для счетов, накладных, актов, УПД, счетов-фактур, договоров и других документов. Результат зависит от их структуры: типовые печатные формы обычно проще обрабатывать, чем документы со свободной версткой, рукописными пометками, печатями поверх текста или низким качеством печати.
Перед внедрением стоит определить, с каких документов начать. Для пилотного запуска лучше выбрать наиболее частый и однородный поток, например счета от нескольких поставщиков. Это позволит оценить качество распознавания на реальных файлах, настроить правила проверки и понять, какие документы пока требуют ручной обработки.
Как подготовить процесс к внедрению
Сначала составьте перечень документов и определите, какие данные нужно извлекать для каждого типа. Для счета это могут быть дата и номер, ИНН и наименование поставщика, итоговая сумма, НДС и срок оплаты. Для накладной важны также строки товаров, количество и цена.
Затем опишите маршрут документа: кто принимает файл, кто проверяет распознанные поля, кто исправляет ошибки и кто подтверждает передачу данных в учетную систему. Для спорных случаев заранее установите порядок действий — например, возвращать документ на повторное сканирование или передавать его ответственному сотруднику.
На этапе оцифровки используйте сканер с автоподатчиком для больших объемов и мобильное сканирование для удаленных сотрудников. Важно, чтобы страницы были целыми, хорошо освещенными, не размытыми и без теней, закрывающих реквизиты. Для документов с несколькими страницами проверьте, что система сохраняет их в правильном порядке и объединяет в один комплект, если это требуется.
Перед запуском настройте справочники и правила сопоставления. Различия в написании названий, дубли карточек контрагентов и незаполненные реквизиты могут помешать автоматическому поиску нужной записи.
Что влияет на точность OCR
Даже качественная система может ошибаться, если исходные данные сложны для чтения или настройки не соответствуют реальному потоку документов. На точность влияют:
- низкое разрешение, смазанные фотографии, перекос страницы и плохое освещение;
- блики, тени, пятна, скрепки и другие помехи;
- нестандартная верстка, таблицы, рукописный текст и печати поверх реквизитов;
- большое разнообразие форматов в одном потоке;
- ошибки и дубли в справочниках учетной системы.
Не следует рассчитывать на единственный порог уверенности для всех документов и полей. Ошибка в сумме или ИНН обычно критичнее, чем ошибка в описательном тексте. Настройки автоматической обработки нужно подбирать на тестовой выборке, отдельно оценивая важные реквизиты и последствия возможных ошибок. Если уверенность системы недостаточна или данные не проходят проверку формата, документ следует направить сотруднику.
Как проверять результат
Проверка должна быть частью рабочего процесса. Интерфейс должен помогать быстро сравнить распознанные поля с изображением оригинала, исправить значение и зафиксировать, кто подтвердил документ.
Для начала контролируйте все документы, прошедшие пилот, а затем определите подходящий режим проверки: сплошной или выборочный. Отдельно проверяйте реквизиты, от которых зависят платежи, налоговый учет и сопоставление документов: контрагента, ИНН, номер, дату и сумму.
Регулярно анализируйте:
- долю документов, принятых без исправлений;
- частоту ошибок по каждому типу документа и реквизиту;
- число документов, направленных на ручную проверку;
- случаи неверного сопоставления с карточками справочников;
- повторную загрузку одного и того же документа.
Если ошибки часто встречаются у одного поставщика или в одном формате, проверьте качество исходных файлов и настройки распознавания для этого потока. Результаты проверки используйте для корректировки процесса, а не только для исправления отдельных документов.
OCR и юридическая значимость первичных документов
Распознанный текст и скан помогают искать документ, переносить реквизиты и организовывать внутреннюю работу. Однако изображение бумажного документа само по себе не становится электронным оригиналом только потому, что его обработала OCR-система.
Согласно статье 9 Федерального закона № 402-ФЗ «О бухгалтерском учете», первичный учетный документ составляют на бумаге или в виде электронного документа, подписанного электронной подписью. Поэтому порядок хранения оригиналов и использования скан-копий нужно определять с учетом требований законодательства, договоров и учетной политики организации.
Как оценить внедрение
Перед масштабированием проведите пилот на реальных документах. Сравните время обработки до и после внедрения, подсчитайте долю ошибок и исправлений, оцените затраты на проверку и настройку. Учитывайте не только скорость распознавания, но и весь путь документа — от поступления до регистрации и поиска в архиве.
OCR особенно полезен там, где документы поступают регулярно и содержат повторяющиеся реквизиты. Он сокращает ручной ввод и помогает быстрее находить нужные сведения, а контроль сотрудника сохраняет качество учетных данных.
Демо системы «Документор»
Чтобы оценить организацию работы со скан-копиями, архивом и обработкой первичных документов, запросите демонстрацию системы «Документор». Возможность распознавания и передачи реквизитов в вашу учетную систему стоит отдельно обсудить при демонстрации на примерах ваших документов.
