劉豐威 潘煒

（廣東電網(wǎng)有限責(zé)任公司廣州供電局 廣東省廣州市 510620）

企業(yè)在使用信息化系統(tǒng)處理關(guān)鍵業(yè)務(wù)時，要求上傳附件資料，以備后用。針對這部分資料的核查確認(rèn)，傳統(tǒng)處理方式是事后人工抽查，核查效率低、覆蓋面有限，容易錯漏。

本文針對電力行業(yè)，針對附件這類非結(jié)構(gòu)化數(shù)據(jù)，提出一種“基于場景的圖像文字稽核系統(tǒng)”，可替代傳統(tǒng)的事后人工稽核機(jī)制，及時糾正各類風(fēng)險發(fā)生，降低風(fēng)險因素累計和減少風(fēng)險發(fā)生率。

1 研究現(xiàn)狀

1.1 研究背景及意義

如今，企業(yè)普遍重視信息化建設(shè)，通過計算機(jī)技術(shù)的部署來提高企業(yè)的生產(chǎn)運(yùn)營效率，降低運(yùn)營風(fēng)險和成本，從而提高企業(yè)整體管理水平和持續(xù)經(jīng)營的能力。企業(yè)在使用信息化系統(tǒng)辦理業(yè)務(wù)時，在管理上會要求同步將業(yè)務(wù)相關(guān)附件一并上傳存儲，這部分?jǐn)?shù)據(jù)大部分是掃描件等圖像文字。為保證上傳附件符合規(guī)范和要求，企業(yè)還會對其做核查確認(rèn)，這項工作對企業(yè)防范風(fēng)險來說很重要，稽核工作量也比較大。因此，研究基于場景，使用OCR 技術(shù)實現(xiàn)圖像文本的快速識別，將解決上述存在難題，很有意義。

1.2 人工稽核現(xiàn)狀

目前，企業(yè)對單據(jù)附件等圖像文字核查時，往往采用事后人工稽核機(jī)制。以電力營銷業(yè)務(wù)為例，在辦理業(yè)擴(kuò)報裝業(yè)務(wù)時，需核對客戶相關(guān)資料，例如營業(yè)執(zhí)照、居民身份證、房產(chǎn)證等，業(yè)務(wù)辦理過程中將相關(guān)資料掃描上傳系統(tǒng)，為后續(xù)業(yè)務(wù)執(zhí)行提供基本信息。為保障用電申請合法合規(guī)，業(yè)務(wù)辦理后，會要求營銷稽查人員對業(yè)務(wù)抽樣，稽核用戶提供的資料是否與用電申請一致。這部分工作之前都是使用人工抽樣查閱核實，但由于附件數(shù)量大，操作效率低、覆蓋面有限，容易錯漏，風(fēng)險防范能力也有限。

2 圖像文字稽核技術(shù)設(shè)計

2.1 場景構(gòu)建規(guī)范與設(shè)計

一般不同業(yè)務(wù)場景，上傳資料的稽核項也會不同。以電力營銷業(yè)務(wù)為例，其業(yè)務(wù)組成如表1。

表1 給出了一個高壓新裝流程的部分環(huán)節(jié)，每個環(huán)節(jié)要求上傳的附件均有不同，每個業(yè)務(wù)環(huán)節(jié)對應(yīng)一個業(yè)務(wù)場景，而一個企業(yè)一般會有多個業(yè)務(wù)場景。因為，需提供一種可數(shù)據(jù)化定義場景的規(guī)范，通過配置實現(xiàn)場景構(gòu)建。本文設(shè)計了一種場景構(gòu)建的基本規(guī)范，每種場景由基本屬性、數(shù)據(jù)范圍、識別項目和關(guān)聯(lián)問題4 項組成。

如圖1，基本屬性確定場景使用的流程和環(huán)節(jié)；數(shù)據(jù)范圍依據(jù)選擇的流程和環(huán)節(jié)，顯示對應(yīng)的附件讓用戶勾選；針對勾選的每一項附件配置需識別的關(guān)鍵信息；對應(yīng)這些識別的關(guān)鍵信息，從問題規(guī)則庫中勾選對應(yīng)的問題選項，四項之間有先后邏輯關(guān)系，最后以JSON 結(jié)構(gòu)存儲。在后續(xù)圖像文本識別時，按定義場景批量執(zhí)行，輸出問題數(shù)據(jù)，最后在系統(tǒng)界面展示出來。表2 為識別項目的結(jié)構(gòu)示意。

圖1：場景定義示意圖

圖2：識別處理流程

2.2 圖像文本快速分類與批量識別設(shè)計

以電力營銷業(yè)務(wù)為例，為提高系統(tǒng)稽核工單上傳附件的效率，本文將圖像文本的識別過程分解為五個步驟：預(yù)識別處理、快速分類、全文識別、匹配識別項目、輸出稽核結(jié)果。每一個待識別的附件載入后進(jìn)行調(diào)整，然后按高度比例分割為上（30%）下（70%）二層，其工作流程如圖2所示。

附件調(diào)整包括對附件方向、斜角、清晰度不夠等不規(guī)范的圖片調(diào)整，使其符合識別的基本參數(shù)要求，不合格的附件輸出不合格清單，通過人工方式處理；余下分為2 個批次快速分類識別，第1 個批次，僅對附件上部分30%的部分進(jìn)行識別，快速匹配對應(yīng)的場景，輸出稽核結(jié)果；第2 個批次對第一個批次剩下的做全文識別后匹配場景，輸出稽核結(jié)果。因為，一般附件在上部分都會說明附件名稱，例如身份證、營業(yè)執(zhí)照、裝拆工單等。通過以上處理，第1 批次將會覆蓋95%以上附件，從而提高了稽核速度。

在算法層面，針對文本分類采用了基于深度學(xué)習(xí)的混合模型的文本分類器。該混合模型主要由三部分組成，前兩層使用稀疏自動編碼器來構(gòu)造，中間使用一個三層的深度置信網(wǎng)絡(luò)，最后用Softmax 回歸作為分類層。在圖像文字識別方面，組合使用CNN、CTPN、CRNN 算法，提高識別準(zhǔn)確度。

表1：業(yè)務(wù)場景表

表2：識別項目結(jié)構(gòu)

3 稽核系統(tǒng)設(shè)計與應(yīng)用

3.1 稽核系統(tǒng)組成

采用B/S 三層架構(gòu)模式，采用JAVA 語言設(shè)計，中間件采用weblogic，場景規(guī)則和稽核結(jié)果采用JSON 描述。

如圖3，系統(tǒng)由場景構(gòu)建、自動稽核和OCR 圖像識別接口3個部分組成。

3.2 系統(tǒng)應(yīng)用與效果

目前，基于場景的圖像文字稽核系統(tǒng)已在廣州供電局稽查中心穩(wěn)定運(yùn)行，已實現(xiàn)了按場景配置批量自動稽核上傳附件的能力，目前構(gòu)建“計量裝拆工單體外循環(huán)識別”、“基本電費中封停設(shè)備異常識別”、“業(yè)擴(kuò)報裝附件合規(guī)性識別”3 個場景。通過使用，機(jī)器識別相比人工識別，效率提升了10 倍以上，稽核準(zhǔn)確度達(dá)到95%以上。系統(tǒng)識別界面如圖4所示。

圖3：系統(tǒng)總體架構(gòu)關(guān)系圖

圖4：系統(tǒng)識別界面

4 結(jié)語

本文針對電力行業(yè)，設(shè)計了一種場景構(gòu)建規(guī)范，通過可視化的場景構(gòu)建，將企業(yè)的業(yè)務(wù)流程與需稽核的項目做配置關(guān)聯(lián)。在對附件等圖像文字的快速分類和批量識別時，調(diào)用配置場景，自動匹配，輸出稽核結(jié)果。系統(tǒng)實現(xiàn)了機(jī)器代人，7*24 小時運(yùn)行，全量業(yè)務(wù)附件自動掃描核查，相比人工，效率高，花費少，基本替代了傳統(tǒng)的事后人工稽核機(jī)制，使得企業(yè)降本增效，有較好的推廣應(yīng)用價值。