文/暨南大學(xué) 羅琦 李云 李俊 周煒

一、研究背景

隨著科學(xué)技術(shù)的快速發(fā)展，人工智能越來越多地應(yīng)用于人們的生活之中，智能交通、智能醫(yī)療、智能家居、智能票務(wù)系統(tǒng)等給人們的日常生活帶來了更大的便捷?；谌斯ぶ悄艽髷?shù)據(jù)的高校智能財稅一體化服務(wù)平臺系統(tǒng)的開發(fā)和應(yīng)用，解決了傳統(tǒng)高校會計中的諸多問題，實現(xiàn)了票據(jù)、憑證、賬簿、報表等各環(huán)節(jié)的自動化、流程化、透明化?；谌斯ぶ悄芗夹g(shù)的高校會計票據(jù)系統(tǒng)通過對原始票據(jù)進(jìn)行掃描、文本自動識別和人工校驗，建立了票據(jù)影像電子數(shù)據(jù)庫，其能運(yùn)用“互聯(lián)網(wǎng)+”、大數(shù)據(jù)挖潛、“云會計”、深度學(xué)習(xí)、智能算法等智能技術(shù)，通過計算機(jī)自動生成各類會計憑證，實現(xiàn)憑證制單、審核、沖正、過賬、結(jié)賬等基礎(chǔ)會計核算。人工智能技術(shù)與高校財務(wù)會計專業(yè)業(yè)務(wù)的深度融合，實現(xiàn)了高校會計信息處理的自動性、精準(zhǔn)性、實效性和完整性，提升了會計信息處理的效率，降低了高校的運(yùn)營成本[1]。

二、人工智能技術(shù)分類

人工智能技術(shù)主要包括計算機(jī)視覺、語音識別和自然語言處理。計算機(jī)視覺，顧名思義，就是利用攝像頭，使圖像通過鏡頭傳至圖像傳感器，最后變?yōu)橐幌盗袛?shù)字圖像信息，并通過對圖像信息的處理，完成對目標(biāo)數(shù)據(jù)的提取。語音識別是將人們的發(fā)音內(nèi)容從模擬信號轉(zhuǎn)化為數(shù)字信號，利用聲學(xué)模型、語言模型和解碼器轉(zhuǎn)換為計算機(jī)語言后，進(jìn)行相應(yīng)可讀輸入，轉(zhuǎn)換形式包括字符序列、二進(jìn)制編碼等。自然語言處理作為人工智能技術(shù)中的一個重要技術(shù)，其同樣是充分利用深度神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行相應(yīng)文字?jǐn)?shù)據(jù)的分析、處理等操作。人工智能技術(shù)充當(dāng)了語言研究的有力工具，能實現(xiàn)自然語言的有效量化?；谌斯ぶ悄芗夹g(shù)的高校會計票據(jù)識別技術(shù)主要運(yùn)用票據(jù)圖像采集、圖像模板匹配、圖像預(yù)處理、OCR識別、數(shù)據(jù)校驗、特征數(shù)據(jù)提取比對、智能字符識別等技術(shù)實現(xiàn)會計信息的智能化采集與處理[2]。

三、高校會計票據(jù)識別技術(shù)的應(yīng)用

會計流程主要是通過發(fā)票憑證等紙質(zhì)材料或其掃描電子文檔，進(jìn)行一系列核對工作，確認(rèn)某筆業(yè)務(wù)是否真實且合規(guī)，最終完成業(yè)務(wù)閉環(huán)。其中，核對紙質(zhì)材料是一項耗費較大人力的工作，其需要初步確認(rèn)本次業(yè)務(wù)中需要的資料是否符合要求，如核對發(fā)票購買方及銷售方的名稱、納稅人識別號、地址、開戶行信息，核對發(fā)票金額、稅率、總金額，核對開票日期是否合理、發(fā)票號碼是否有連號重復(fù)等現(xiàn)象等，在重復(fù)工作中浪費大量的人力。如果使用圖像識別技術(shù)自動完成核對工作，便能大大節(jié)省人力。會計票據(jù)識別流程如圖1所示。

圖1 會計票據(jù)識別流程

（一）圖像分類算法。1.基于卷積神經(jīng)網(wǎng)絡(luò)算法的圖像分類技術(shù)。圖像分類算法的經(jīng)典模型結(jié)構(gòu)主要有AlexNet、LeNet、GoogLeNet、ResNet 等類型，圖像分類采用卷積神經(jīng)網(wǎng)絡(luò)算法進(jìn)行圖像分類。以高校研發(fā)經(jīng)費報賬所需材料為例，一般需要合同、發(fā)票、費用支出申請表、購買小票等材料。例如，將2000 份已發(fā)生的業(yè)務(wù)的合同、發(fā)票、費用支出申請表、購買小票作為輸入圖像數(shù)據(jù)集，在完成訓(xùn)練后，能初步建立圖像分類模型，后續(xù)通過該算法便可以判斷該圖像屬于何種類型。2.基于模板匹配算法的圖像分類技術(shù)。由于基于卷積神經(jīng)網(wǎng)絡(luò)算法的圖像分類技術(shù)并不能達(dá)到百分百的準(zhǔn)確率，仍有一定的誤識別率，因此本文采用模板識別法，進(jìn)一步提升圖像分類的準(zhǔn)確性。同時，對于誤識別率的圖片進(jìn)行人工分類，進(jìn)一步提升基于卷積神經(jīng)網(wǎng)絡(luò)算法的圖像分類的識別準(zhǔn)確率。

卷積神經(jīng)網(wǎng)絡(luò)是計算機(jī)視覺技術(shù)最經(jīng)典的模型結(jié)構(gòu)。卷積神經(jīng)網(wǎng)絡(luò)主要包括卷積、池化、激活函數(shù)、批歸一化、丟棄法等模塊應(yīng)用。在計算機(jī)視覺中，卷積神經(jīng)網(wǎng)絡(luò)的輸入是由原始像素值或是經(jīng)過居中、縮放等簡單預(yù)處理的像素值組成。利用神經(jīng)網(wǎng)絡(luò)加速器，通過參數(shù)初始化、隨機(jī)梯度消減處理、非擠壓激活函數(shù)、正則化等技術(shù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)。從像素到分類結(jié)果獲取數(shù)據(jù)集，通過尺度不變特征變換、加速魯棒特征等特征提取算法，調(diào)整輸入數(shù)據(jù)，將圖像邊緣、顏色、紋理等特征提取存入線性模型等分類器中，對分類器進(jìn)行系統(tǒng)訓(xùn)練。計算機(jī)視覺應(yīng)用體系如圖2所示。

圖2 計算機(jī)視覺應(yīng)用體系

深度學(xué)習(xí)對計算資源要求很高，訓(xùn)練可能需要數(shù)百個迭代周期，每次迭代都需要通過代價高昂的許多線性代數(shù)層傳遞數(shù)據(jù)。卷積神經(jīng)網(wǎng)絡(luò)通過Dropout控制全連接層的模型復(fù)雜度，采用權(quán)重衰減方法，進(jìn)一步擴(kuò)充了數(shù)據(jù)容量，在訓(xùn)練時增加了翻轉(zhuǎn)、裁切和變色等大量的圖像增強(qiáng)數(shù)據(jù)。多層卷積和池化層組合作用在輸入圖片上，在網(wǎng)絡(luò)的最后加入多組全連接層，ReLU 激活函數(shù)一般加在卷積或者全連接層的輸出上，網(wǎng)絡(luò)中通常還會加入Dropout，從而有效地減少了圖像過擬合現(xiàn)象。經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖3 所示。在卷積神經(jīng)網(wǎng)絡(luò)中，設(shè)置了圖像像素點的空間鄰域內(nèi)作為計算范圍，卷積核參數(shù)的數(shù)目也遠(yuǎn)小于全連接層。卷積核本身與輸入圖片大小無關(guān)，卷積核對空間鄰域內(nèi)物體邊緣特征、物體拐角處的特征等特征模式進(jìn)行提取。圖像上不同區(qū)域可以共享同一個卷積核，且可不受輸入圖片大小限制。

圖3 經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

（二）圖像預(yù)處理。完成圖片分類后，對特定圖片需要進(jìn)行預(yù)處理。對于常見的發(fā)票、支付憑單，采用模板匹配方法進(jìn)行抽取數(shù)據(jù)。首先，匹配指定位置，如“通用報銷單”“經(jīng)費卡號”“填寫日期”，如三者經(jīng)過OCR識別后均判定為相應(yīng)的文字，則能判定其為相應(yīng)材料；如三者中有其中某一者識別為非相應(yīng)文字，則判定為非對應(yīng)材料。圖4、圖5所示分別為發(fā)票圖像識別圖和支付憑證的圖像預(yù)處理效果圖。

圖4 發(fā)票圖像識別圖

圖5 支付憑證的圖像預(yù)處理效果圖

（三） OCR 識別算法。文字識別是指電子設(shè)備檢查紙上打印的字符，然后用字符識別方法將形狀翻譯成計算機(jī)文字的過程。目前，對于印刷體的文字識別技術(shù)已經(jīng)較為成熟，其主要通過二值化、噪聲去除、傾斜校正、字符切割、字符識別、版面恢復(fù)等過程進(jìn)行識別。

圖像二值化是將彩色圖像或多灰度圖像轉(zhuǎn)換成只有兩個黑白灰度的圖像，圖像二值化處理主要通過脫色處理、黑白分割技術(shù)實現(xiàn)[3]。對于各類財務(wù)彩色票據(jù)掃描采集的圖像進(jìn)行脫色（灰度處理），利用RGB 三種顏色系列的平均值計算算法，將彩色像素轉(zhuǎn)換成灰度像素，并使用平均值表示灰度像素的灰度（0-255），再進(jìn)行灰度值封裝后與系統(tǒng)閾值比較，從而進(jìn)行像素為黑色（1）、白色（0）判定。像素為1時，為字符圖像；像素為0時，需要進(jìn)行灰度差別轉(zhuǎn)換，再利用動態(tài)閾值判斷，實現(xiàn)圖像二值化分割。在票據(jù)圖像采集時，對于圖傾斜的，還需要利用傾斜識別算法，對圖像水平度進(jìn)行校正。會計票據(jù)圖像在傳輸、轉(zhuǎn)換、存儲、打印等處理過程中，容易受信號疊加、系統(tǒng)衰落、非線性處理等隨機(jī)因素的影響，造成圖像粗糙、質(zhì)量下降、特征淹沒等問題，需要采用均值濾波、中值濾波與維納濾波等算法進(jìn)行降噪處理，從而獲得合適統(tǒng)計特性，確保能準(zhǔn)確地對字符進(jìn)行分割和識別[4]。

將預(yù)處理后的材料進(jìn)行文字OCR 識別，將材料內(nèi)的文字信息進(jìn)行提取。已經(jīng)完成預(yù)處理的材料，可以快速識別指定位置的文字；對于未預(yù)處理的材料，則直接全量識別文本，但識別出的文本會有大量的不可用信息，需要定義數(shù)據(jù)的數(shù)據(jù)抽取算法[5]。使用OCR 表單識別系統(tǒng)，可提供完整、高效的財務(wù)電子單據(jù)，通過拍照掃描，系統(tǒng)能自動采集數(shù)據(jù)信息。據(jù)有關(guān)研究，通過高效合理的OCR 預(yù)識別引擎，可以有效提高標(biāo)注人員30%左右的標(biāo)注效率。高校電子系統(tǒng)內(nèi)置了OCR 識別框不貼合、標(biāo)注對象不符、標(biāo)簽和屬性錯誤等多種錯誤類型，支持會計主管針對票務(wù)特點自定義錯誤類型。標(biāo)注數(shù)據(jù)支持通用json 格式輸出，面向不同客戶的需求，系統(tǒng)提供了多種在線格式輸出數(shù)據(jù)。同時，所有OCR 預(yù)識別票據(jù)數(shù)據(jù)均可導(dǎo)入數(shù)據(jù)平臺系統(tǒng)支持實際業(yè)務(wù)，還可自動生成標(biāo)準(zhǔn)AI 數(shù)據(jù)集用于算法迭代，強(qiáng)化了系統(tǒng)處理能力。

（四）數(shù)據(jù)校驗。數(shù)據(jù)校驗方式主要包括奇偶校驗、循環(huán)冗余CRC 校驗(Cyclic Redundancy Check)、異或BCC校驗(Block Check Character)、縱向冗余LRC校驗（Longitudinal Redundancy Check）、累加和檢驗(CheckSum)、MD5 等校驗方法。數(shù)據(jù)在傳輸?shù)倪^程中會受到各種干擾因素的影響，如脈沖干擾、隨機(jī)噪聲干擾和人為干擾等，會造成數(shù)據(jù)差錯。為了能夠控制傳輸過程的差錯，必須采用有效的數(shù)據(jù)校驗。通常用一種指定的算法對原始數(shù)據(jù)計算出的一個校驗值，接收方用同樣的算法計算一次校驗值，如果兩次計算得到的檢驗值相同，則說明數(shù)據(jù)是完整的。高校財務(wù)人員對抽取的數(shù)據(jù)需要進(jìn)行相應(yīng)的數(shù)據(jù)校驗，校驗規(guī)則包括下列幾種：金額類不得含有非數(shù)字字符；納稅人識別號必須遵循其相應(yīng)的規(guī)則；金額及其稅率必須相匹配；發(fā)票號不得與系統(tǒng)內(nèi)的其他發(fā)票號重號。電子專票采用可靠的電子簽名代替原發(fā)票專用章，采用經(jīng)過稅務(wù)數(shù)字證書簽名的電子發(fā)票監(jiān)制章代替原發(fā)票監(jiān)制章，高校財務(wù)人員可以利用電子票務(wù)系統(tǒng)，查閱、驗證電子專票、電子簽名、電子發(fā)票監(jiān)制章等的有效性。利用高校財務(wù)系統(tǒng)在線驗證電子發(fā)票有效性如圖6所示。

圖6 驗證電子發(fā)票監(jiān)制章

（五）數(shù)據(jù)比對及存檔管理。將數(shù)據(jù)抽取后，需要與系統(tǒng)數(shù)據(jù)進(jìn)行比對，從而判斷是否存在相應(yīng)的經(jīng)費卡號。如：紙質(zhì)網(wǎng)報單的編號是否與系統(tǒng)內(nèi)的網(wǎng)報單編號一致；報賬人員錄入的金額與發(fā)票金額是否一致；發(fā)票金額與業(yè)務(wù)發(fā)生金額是否一致；發(fā)票號是否與系統(tǒng)內(nèi)已有發(fā)票號碼重復(fù)；發(fā)票日期是否與系統(tǒng)內(nèi)合同簽訂日期形成倒掛關(guān)系，即發(fā)票開具日期早于合同簽訂日期；是否已經(jīng)具備了本次業(yè)務(wù)所以應(yīng)準(zhǔn)備的材料。通過校驗后，對所呈現(xiàn)的結(jié)果進(jìn)行人工審核。對于電子專票的比對，重點在于防范虛假入賬及重復(fù)報銷方面。目前，電子發(fā)票進(jìn)行打印之后，其紙質(zhì)材料僅僅作為電子發(fā)票的載體，并不具備相應(yīng)的防偽認(rèn)證等功能，并且這種打印材料能夠自行進(jìn)行復(fù)制。在電子發(fā)票的報銷中必須有效規(guī)避打印件重復(fù)報銷的問題，對于高校而言有必要針對性地完善內(nèi)控機(jī)制。財政部、國家檔案局《關(guān)于規(guī)范電子會計憑證報銷入賬歸檔的通知》（財會〔2020〕6 號文）就相關(guān)工作進(jìn)行了一定說明，為電子發(fā)票打印件報銷工作提供了一定指導(dǎo)。利用驗證數(shù)字簽名、直連發(fā)票查驗平臺驗證、發(fā)票號碼驗證等方法，能有效驗證電子發(fā)票的真?zhèn)涡约胺婪吨貜?fù)報銷。在高校財務(wù)管理中，相關(guān)人員應(yīng)充分利用高校財務(wù)信息系統(tǒng)，根據(jù)國家相關(guān)要求執(zhí)行檔案管理和歸檔保存工作。對于相應(yīng)的電子會計憑證而言，須嚴(yán)格按照國家檔案部門規(guī)定的存檔格式和電子標(biāo)準(zhǔn)格式進(jìn)行存儲，在利用電子專票進(jìn)行報賬時，也必須將紙質(zhì)打印件和電子專票一并收集，入庫存檔保存。

同時，高校財務(wù)信息系統(tǒng)對數(shù)據(jù)的規(guī)范存儲有著重要作用，其能夠?qū)ο鄳?yīng)的憑證進(jìn)行完整的讀取和接收，在相關(guān)報賬憑證等財務(wù)數(shù)據(jù)進(jìn)入數(shù)據(jù)倉庫之前，會經(jīng)過抽取、清洗、篩選、歸類等步驟，按照國家檔案行政管理部門的相關(guān)要求和規(guī)定的格式進(jìn)行處理，以保證數(shù)據(jù)的質(zhì)量，便于后續(xù)的查找和分析。高校財務(wù)信息系統(tǒng)對于基礎(chǔ)財務(wù)數(shù)據(jù)規(guī)范存儲的作用主要體現(xiàn)在三個方面：第一，作為一種高效的工具，財務(wù)數(shù)據(jù)庫可以隨時提供反映高校資金狀況、存借款情況等財務(wù)數(shù)據(jù)資料，為管理者提供實時信息，減少查找時間。第二，財務(wù)數(shù)據(jù)庫隨著日常財務(wù)業(yè)務(wù)的開展，會不斷加入更多的資料信息，其能使高校得到的財務(wù)信息更為準(zhǔn)確。第三，財務(wù)數(shù)據(jù)為高校所有級別的決策制定過程提供了各類數(shù)據(jù)支持，是財務(wù)相關(guān)系統(tǒng)的核心組件。

四、結(jié)語

通過使用人工智能技術(shù)中的計算機(jī)視覺技術(shù)，采用基于卷積神經(jīng)網(wǎng)絡(luò)算法的圖像分類技術(shù)，基于模板匹配算法的圖像分類技術(shù)、OCR 識別技術(shù)，基于專家經(jīng)驗的數(shù)據(jù)校驗及比對算法，可以使會計票據(jù)業(yè)務(wù)中的人工部分大大減少，解放人力，提質(zhì)增效，使其可以內(nèi)控制度的完善。