摘要：文章提出了一種基于智能文檔處理（IDP）技術(shù)的試驗數(shù)據(jù)自動采集與處理方法，涵蓋數(shù)據(jù)采集、圖像預(yù)處理、IDP識別和數(shù)據(jù)校驗等模塊。針對當(dāng)前電力PMS系統(tǒng)試驗數(shù)據(jù)錄入效率低、易出錯的問題，設(shè)計了一套包含數(shù)據(jù)采集、圖像預(yù)處理、IDP識別及數(shù)據(jù)校驗與錄入功能的智能處理系統(tǒng)。該系統(tǒng)采用高分辨率掃描設(shè)備進(jìn)行數(shù)據(jù)采集，通過去噪、二值化等圖像預(yù)處理提升識別質(zhì)量，利用IDP技術(shù)中的光學(xué)字符識別和自然語言處理技術(shù)，結(jié)合卷積神經(jīng)網(wǎng)絡(luò)模型提高文字識別準(zhǔn)確率，并通過數(shù)據(jù)校驗確保錄入完整性。實驗結(jié)果表明，該系統(tǒng)可將每份試驗報告的錄入時間從21分鐘縮短至5分鐘，準(zhǔn)確率達(dá)到98%以上，顯著提升數(shù)據(jù)處理效率，同時降低人工成本及錯誤率。研究成果對推動電力企業(yè)數(shù)字化轉(zhuǎn)型具有重要意義。

關(guān)鍵詞：智能文檔處理；手寫識別；電力系統(tǒng)；自動化錄入；效率提升

中圖分類號：TP274文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2025）15-0082-05

0引言

電力公司的數(shù)據(jù)管理對于保障系統(tǒng)穩(wěn)定、優(yōu)化資源配置、提升服務(wù)質(zhì)量等方面具有重要意義，但當(dāng)前數(shù)據(jù)管理面臨數(shù)據(jù)質(zhì)量參差不齊、數(shù)據(jù)量大且多樣、實時性要求高等挑戰(zhàn)。在現(xiàn)有電氣試驗工作中，每項試驗完成后，試驗人員需從試驗儀器上判斷數(shù)據(jù)并手動記錄到記錄本；工作結(jié)束后，須在14天內(nèi)將試驗報告及時錄入PMS3.0系統(tǒng)。由于工作環(huán)境和試驗儀器老舊，現(xiàn)階段只能采用人工填寫，但該方式存在以下問題：①試驗數(shù)據(jù)錄入PMS3.0系統(tǒng)效率低下，容易延誤和遺漏；②操作及錄入數(shù)據(jù)的技術(shù)人員水平參差，易出錯；③數(shù)據(jù)共享困難，難以支持快速調(diào)用和分析決策[1]。針對這些問題，國內(nèi)企業(yè)已采用IDP技術(shù)，結(jié)合光學(xué)字符識別（OCR）、自然語言處理（NLP）及深度學(xué)習(xí)算法，在多個領(lǐng)域取得應(yīng)用成果[2]。在電力領(lǐng)域，IDP技術(shù)可自動提取設(shè)備型號、參數(shù)、維護(hù)記錄等信息，輔助運維人員快速掌握設(shè)備狀況并制定維護(hù)計劃，提高設(shè)備運維效率。同樣，在電力營銷業(yè)務(wù)、電網(wǎng)規(guī)劃建設(shè)、電力項目審批等場景中，IDP技術(shù)展現(xiàn)出巨大應(yīng)用潛力?；诖耍驹O(shè)計借鑒IDP技術(shù)，結(jié)合具體業(yè)務(wù)場景，設(shè)計了一種自動識別與錄入試驗數(shù)據(jù)的方法，以提升數(shù)據(jù)處理效率和準(zhǔn)確性，減少人力資源消耗，推動電力企業(yè)數(shù)字化轉(zhuǎn)型[3-4]。

1系統(tǒng)架構(gòu)

本系統(tǒng)采用模塊化設(shè)計，主要包括以下四個功能模塊：數(shù)據(jù)采集模塊、圖像預(yù)處理模塊、IDP識別模塊、數(shù)據(jù)校驗與錄入模塊。其中，數(shù)據(jù)采集模塊負(fù)責(zé)使用高分辨率掃描設(shè)備對試驗表格進(jìn)行掃描，獲取數(shù)字圖像；圖像預(yù)處理模塊對掃描圖像進(jìn)行去噪、二值化、傾斜校正等處理，以提高后續(xù)識別準(zhǔn)確率；IDP識別模塊采用深度學(xué)習(xí)算法對預(yù)處理圖像進(jìn)行字符識別，提取試驗數(shù)據(jù)；數(shù)據(jù)校驗與錄入模塊對識別結(jié)果進(jìn)行智能校驗，自動錄入至PMS3.0系統(tǒng)。

整體系統(tǒng)架構(gòu)如圖1所示。

3軟件設(shè)計

軟件設(shè)計部分借鑒了當(dāng)前IDP和RPA技術(shù)的優(yōu)勢，其中智能文檔處理（IDP）融合了人工智能與機(jī)器學(xué)習(xí)技術(shù)，能夠從各類文檔中提取、分類和處理信息，將結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)換為結(jié)構(gòu)化格式，便于分析[8-10]。機(jī)器人流程自動化（RPA）則通過軟件機(jī)器人模擬人類電腦操作，自動執(zhí)行重復(fù)性任務(wù)，提高效率、減少錯誤，釋放人力從事更有價值的工作[11]。

將IDP和RPA技術(shù)結(jié)合，能夠?qū)崿F(xiàn)端到端的自動化，提升數(shù)據(jù)質(zhì)量與工作效率。在試驗數(shù)據(jù)自動采集識別智能錄入系統(tǒng)中，IDP負(fù)責(zé)從試驗報告、原始記錄等文檔中精準(zhǔn)提取數(shù)據(jù)，RPA則按照既定規(guī)則，將IDP提取的數(shù)據(jù)自動錄入系統(tǒng)指定位置。二者協(xié)同，優(yōu)化整個數(shù)據(jù)采集與錄入流程。

基于當(dāng)前試驗數(shù)據(jù)類型，需錄入系統(tǒng)的數(shù)據(jù)種類包括：220kV變壓器例行試驗記錄、110kV變壓器例行試驗記錄（兩圈變）、110kV變壓器例行試驗記錄（三圈變）、220kV側(cè)主進(jìn)間隔例行試驗記錄、110kV側(cè)主進(jìn)間隔例行試驗記錄、110kV側(cè)主進(jìn)間隔例行試驗記錄（兩圈）、110kV側(cè)主進(jìn)間隔例行試驗記錄（三圈）、220kVPT間隔例行試驗記錄、110kVPT間隔例行試驗記錄、220kV間隔例行試驗記錄、110kV間隔例行試驗記錄。針對每種數(shù)據(jù)類型，識別完成后，根據(jù)各字段名稱及PMS系統(tǒng)數(shù)據(jù)錄入要求，完成相應(yīng)的軟件設(shè)計開發(fā)。

3.1軟件流程架構(gòu)

整個系統(tǒng)工作流程分為五個階段：初始化階段：啟動試驗數(shù)據(jù)自動錄入系統(tǒng)，對硬件設(shè)備進(jìn)行檢測，確保數(shù)據(jù)采集設(shè)備正常連接且通信順暢，加載采集參數(shù)和錄入配置任務(wù)；

數(shù)據(jù)采集階段：采集設(shè)備根據(jù)參數(shù)采集數(shù)據(jù)并返回系統(tǒng)，采集的數(shù)據(jù)經(jīng)初步校驗進(jìn)入數(shù)據(jù)處理層；

數(shù)據(jù)處理階段：對采集的數(shù)據(jù)，尤其是圖像數(shù)據(jù)進(jìn)行降噪、二值化、傾斜校正等處理，然后進(jìn)行精準(zhǔn)OCR字符識別，提取精確試驗數(shù)據(jù)并整理存檔[12-15]；

數(shù)據(jù)錄入階段：根據(jù)錄入任務(wù)配置信息，數(shù)據(jù)錄入模塊將處理識別的數(shù)據(jù)按PMS系統(tǒng)要求自動逐條錄入，并在完成后自動返回錄入結(jié)果；

數(shù)據(jù)校驗階段：為避免錄入錯誤，根據(jù)自動記錄的操作日志，對錄入數(shù)據(jù)進(jìn)行自動校驗。

整體系統(tǒng)工作流程如圖2所示：

3.2數(shù)據(jù)識別自動錄入模塊

通過對試驗數(shù)據(jù)采集并經(jīng)過圖像預(yù)處理后，需要通過IDP對試驗數(shù)據(jù)進(jìn)行自動化分類整理和寫入文檔，然后根據(jù)PMS系統(tǒng)要求逐項進(jìn)行自動化錄入[10-11]。

3.2.1數(shù)據(jù)查找

該模塊首先根據(jù)多張圖像，查找需錄入系統(tǒng)的各種類型數(shù)據(jù)，確定并鎖定相應(yīng)數(shù)據(jù)字段的起始位置、結(jié)束位置、字段內(nèi)容、大標(biāo)題名稱、小標(biāo)題名稱以及列名稱。該功能的軟件實現(xiàn)偽代碼如下：

//主函數(shù)，處理掃描的試驗報告圖片

FunctionProcessScannedReport（image）

//步驟1：使用IDPOCR識別圖片文字

recognizedText=IDPOCR（image）

//步驟2：查找數(shù)據(jù)字段信息

dataFieldInfo=FindDataFieldInfo（recognized?Text）

//步驟3：查找標(biāo)題信息

headingInfo=FindHeadingInfo（recognizedText）

//步驟4：查找列名稱信息

columnNameInfo=FindColumnNameInfo（recog?nizedText）

ReturndataFieldInfo，headingInfo，columnNameI?nfo

EndFunction

//函數(shù)：使用IDPOCR識別圖片文字

FunctionIDPOCR（image）

EndFunction

//函數(shù)：查找數(shù)據(jù)字段信息

FunctionFindDataFieldInfo（text）

EndFunction

//函數(shù)：查找標(biāo)題信息

FunctionFindHeadingInfo（text）

//模擬查找大標(biāo)題和小標(biāo)題的邏輯

FunctionSearchBigHeadings（text）

FunctionSearchSmallHeadings（text）

EndFunction

//函數(shù)：查找列名稱信息

FunctionFindColumnNameInfo（text）

//模擬查找列名稱的邏輯

EndFunction

各關(guān)鍵函數(shù)說明如下：

ProcessScannedReport函數(shù)：作為整個流程的主函數(shù)，接收掃描后的試驗報告圖片作為輸入，依次調(diào)用IDPOCR函數(shù)進(jìn)行文字識別，然后分別調(diào)用Find?DataFieldInfo、FindHeadingInfo和FindColumnNameInfo函數(shù)查找數(shù)據(jù)字段、標(biāo)題及列名稱的相關(guān)信息，最終返回這些信息。

IDPOCR函數(shù)：調(diào)用IDPOCR引擎對輸入圖片進(jìn)行文字識別，并返回識別結(jié)果。

FindDataFieldInfo函數(shù)：根據(jù)識別文本，依據(jù)不同數(shù)據(jù)類型規(guī)則（如日期、數(shù)字等）查找數(shù)據(jù)字段相關(guān)信息，包括起始位置、結(jié)束位置及內(nèi)容，將信息存儲于數(shù)組并返回。

FindHeadingInfo函數(shù)：分別調(diào)用SearchBigHead?ings和SearchSmallHeadings函數(shù)以查找大標(biāo)題和小標(biāo)題，將結(jié)果存儲于包含big和small兩個數(shù)組的對象中返回。

名稱相關(guān)信息FindColumnNameInfo，將結(jié)果存儲于數(shù)組并返回函數(shù)：根據(jù)識別文本查找列。

此外，還需若干輔助函數(shù)實現(xiàn)具體操作邏輯。

整體流程圖如圖3所示：

3.2.2數(shù)據(jù)提取

根據(jù)不同試驗報告內(nèi)容自動提取文字并生成文件，該功能的軟件實現(xiàn)偽代碼如下所示：

保存文件//主函數(shù)，在查找到數(shù)據(jù)字段后進(jìn)行數(shù)據(jù)提取并

FunctionExtractAndSaveData（dataResult）

//步驟1：提取數(shù)據(jù)

extractedData=ExtractDataFromResult（dataRe?

sult）

//步驟2：生成文件內(nèi)容

fileContent=GenerateFileContent（extractedData）

//步驟3：保存文件

SaveFile（fileContent）

Return\"數(shù)據(jù)提取并保存成功\"

EndFunction

//從查找結(jié)果中提取數(shù)據(jù)的函數(shù)

FunctionExtractDataFromResult//提取數(shù)據(jù)字段內(nèi)容（dataResult）

//提取大標(biāo)題內(nèi)容

//提取小標(biāo)題內(nèi)容

//提取列名稱內(nèi)容

EndFunction

//生成文件內(nèi)容的函數(shù)

FunctionGenerateFileContent（extractedData）

EndFunction

//保存文件的函數(shù)

FunctionSaveFile（fileContent）

EndFunction

//保存文件到指定路徑的函數(shù)

FunctionSaveToFile（filePath，content）

EndFunction

各關(guān)鍵函數(shù)說明如下：

ExtractAndSaveData函數(shù)：主函數(shù)，接收上一步查找并鎖定的數(shù)據(jù)字段結(jié)果dataResult作為輸入。依次調(diào)用ExtractDataFromResult函數(shù)提取數(shù)據(jù)，Generate?FileContent函數(shù)生成文件內(nèi)容，SaveFile函數(shù)將內(nèi)容保存為文件，最后返回操作成功提示。

ExtractDataFromResult函數(shù)：從dataResult中提取各類數(shù)據(jù)內(nèi)容，包括數(shù)據(jù)字段、大標(biāo)題、小標(biāo)題和列名稱，將內(nèi)容存儲在對象extractedData中并返回。

GenerateFileContent函數(shù)：根據(jù)提取的數(shù)據(jù)生成文件內(nèi)容，將各類數(shù)據(jù)內(nèi)容按一定格式拼接成字符串file?Content，各部分間以換行符分隔，最后返回該字符串。SaveFile函數(shù)：指定文件保存路徑filePath，調(diào)用SaveToFile函數(shù)將生成的文件內(nèi)容保存到指定路徑的文件中，最后返回文件保存成功提示信息。

SaveToFile函數(shù)：將內(nèi)容保存到指定文件。

整體流程圖如圖4所示：

3.2.3數(shù)據(jù)錄入

在各類試驗數(shù)據(jù)報告數(shù)據(jù)收集完成并自動生成數(shù)據(jù)文件后，自動錄入階段啟動自動錄入程序。系統(tǒng)根據(jù)PMS系統(tǒng)實際數(shù)據(jù)位置和格式，自動讀取之前生成的數(shù)據(jù)文件并逐步完成錄入。該階段實現(xiàn)全自動化錄入，無需人工干預(yù)。該部分功能軟件實現(xiàn)偽代碼如下所示：

//主函數(shù)：啟動自動錄入程序

FunctionStartAutoInputProcess（）

//步驟1：讀取保存的數(shù)據(jù)文件

//步驟2：連接到PMS系統(tǒng)

//步驟3：按照PMS系統(tǒng)格式錄入數(shù)據(jù)

//步驟4：關(guān)閉PMS系統(tǒng)連接

EndFunction

//讀取保存的數(shù)據(jù)文件的函數(shù)

FunctionReadDataFile（）

EndFunction

//連接到PMS系統(tǒng)的函數(shù)

FunctionConnectToPMS（）

EndFunction

//按照PMS系統(tǒng)格式錄入數(shù)據(jù)的函數(shù)

FunctionInputDataToPMS（pmsConnection，data）

EndFunction

//關(guān)閉PMS系統(tǒng)連接的函數(shù)

FunctionClosePMSConnection（pmsConnection）

EndFunction

//從文件讀取數(shù)據(jù)的函數(shù)

FunctionReadFromFile（filePath）

EndFunction

//建立PMS系統(tǒng)連接的函數(shù)

FunctionEstablishPMSConnection（）

EndFunction

//解析數(shù)據(jù)文件內(nèi)容的函數(shù)

FunctionParseData（data）

EndFunction

//拆分?jǐn)?shù)據(jù)的函數(shù)

FunctionSplitData（data）

EndFunction

//向PMS系統(tǒng)插入數(shù)據(jù)的函數(shù)

FunctionInsertDataIntoPMS（pmsConnection，item）

EndFunction

//關(guān)閉PMS系統(tǒng)連接的函數(shù)

FunctionCloseConnection（pmsConnection）

EndFunction

各關(guān)鍵函數(shù)說明如下：

StartAutoInputProcess函數(shù)：整個自動錄入流程的主函數(shù)，依次完成讀取保存的數(shù)據(jù)文件、連接PMS系統(tǒng)、按PMS系統(tǒng)格式錄入數(shù)據(jù)以及關(guān)閉PMS系統(tǒng)連接，最后返回數(shù)據(jù)自動錄入完成的提示信息。

ReadDataFile函數(shù)：指定之前保存數(shù)據(jù)文件的路徑，調(diào)用ReadFromFile函數(shù)模擬讀取文件操作，并返回讀取的數(shù)據(jù)。

ConnectToPMS函數(shù)：模擬連接PMS系統(tǒng)操作，調(diào)用EstablishPMSConnection函數(shù)建立連接，返回連接對象。

讀取的數(shù)據(jù)文件內(nèi)容InputDataToPMS函數(shù)，然后遍歷解析后的數(shù)據(jù)：先調(diào)用ParseData函數(shù)解析，調(diào)用InsertDataIntoPMS函數(shù)將數(shù)據(jù)按照PMS系統(tǒng)實際位置和格式錄入PMS系統(tǒng)。

ClosePMSConnection函數(shù)：調(diào)用CloseConnection函數(shù)模擬關(guān)閉PMS系統(tǒng)連接，返回連接關(guān)閉的提示信息。

輔助函數(shù)如ReadFromFile、EstablishPMSConnec?tion、ParseData、SplitData、InsertDataIntoPMS和CloseC?onnection等，分別模擬文件讀取、連接建立、數(shù)據(jù)解析、數(shù)據(jù)拆分、數(shù)據(jù)插入和連接關(guān)閉的具體操作，實際應(yīng)用中需根據(jù)具體情況實現(xiàn)相應(yīng)邏輯。

整體流程圖如圖5所示：

4實驗驗證

為了驗證系統(tǒng)在實際應(yīng)用中的效果，針對本系統(tǒng)進(jìn)行了實驗。選取近一個月內(nèi)的三種試驗數(shù)據(jù)類型作為實驗樣本，詳見表2。實驗環(huán)境為IntelCorei7-10700處理器、16GB內(nèi)存的辦公計算機(jī)，與人工錄入所用設(shè)備配置相同。對比實驗設(shè)有兩個對照組：傳統(tǒng)人工錄入組（5名具備三年以上工作經(jīng)驗的技術(shù)人員）和系統(tǒng)自動處理組（本系統(tǒng)）。

經(jīng)過實驗，本系統(tǒng)在各類試驗報告中均表現(xiàn)出顯著的效率優(yōu)勢。時間效率對比分析詳見表3。

此外，為評估系統(tǒng)核心識別能力，選取了當(dāng)前主流OCR引擎進(jìn)行橫向?qū)Ρ?。實驗結(jié)果表明，本系統(tǒng)采用的改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)算法模型在電力專業(yè)符號識別方面具有顯著優(yōu)勢，同時在試驗數(shù)據(jù)圖片中的字符識別表現(xiàn)優(yōu)異。準(zhǔn)確識別率對比如表4所示。

5結(jié)論

本研究設(shè)計并提出了一套基于自動化的試驗數(shù)據(jù)自動識別與錄入方法，通過系統(tǒng)性的實驗驗證，取得了多方面的顯著成果。借助智能文檔處理（IDP）技術(shù)和RPA技術(shù)，成功實現(xiàn)了手寫試驗數(shù)據(jù)的自動識別與錄入，大幅提升了數(shù)據(jù)處理效率。在錄入時間對比實驗中，以220kV變壓器例行試驗數(shù)據(jù)為例，人工錄入一份報告平均耗時21.3分鐘，而自動化工具僅需4.9分鐘。在220kVPT間隔例行試驗和110kV變壓器例行試驗等不同類型試驗報告的錄入中，相較于人工錄入效率提升均超77%。在識別準(zhǔn)確率方面，本系統(tǒng)采用的優(yōu)化算法總體識別準(zhǔn)確率達(dá)到97%，在文字字段和專業(yè)符號的識別準(zhǔn)確率上分別為96%和92%，有效減少了人為操作錯誤，識別準(zhǔn)確率均高于Tesser?act、百度OCR、阿里OCR等算法。該系統(tǒng)有力推動了電力公司數(shù)據(jù)處理工作從傳統(tǒng)人工模式向自動化、智能化模式的轉(zhuǎn)型升級。

不過，本研究仍存在一定局限性。目前自動識別準(zhǔn)確率尚未達(dá)到100%，試驗人員手寫試驗數(shù)據(jù)報告的字跡清晰度、書寫規(guī)范程度等因素對識別結(jié)果影響較大。同時，在面對一些極端復(fù)雜格式或特殊行業(yè)術(shù)語較多的試驗報告時，識別和理解能力有待提高。針對這些局限性，未來研究將著重從以下方向展開：一是進(jìn)一步優(yōu)化數(shù)據(jù)自動提取識別過程中的采集和識別算法，提升去噪、二值化、傾斜校正等預(yù)處理操作的性能，力求將自動識別準(zhǔn)確率提升至更高水平；二是拓展系統(tǒng)應(yīng)用范圍，深入研究如何將該系統(tǒng)有效應(yīng)用于其他類型的數(shù)據(jù)處理，如財務(wù)部門的財務(wù)和發(fā)票數(shù)據(jù)、運檢中心設(shè)備運行維護(hù)數(shù)據(jù)等，探索不同場景下數(shù)據(jù)的特點與共性，開發(fā)針對性的處理策略；三是加強(qiáng)與人工智能其他領(lǐng)域的融合，如知識圖譜技術(shù)，提升系統(tǒng)對試驗數(shù)據(jù)語義理解和知識關(guān)聯(lián)的能力，為試驗數(shù)據(jù)分析提供更強(qiáng)大的支持。

本次研究成果具有廣闊的推廣應(yīng)用前景，將逐步在相應(yīng)工作場景中推廣應(yīng)用，并在實踐過程中持續(xù)完善，為各部門數(shù)據(jù)處理效率和質(zhì)量的提升提供有力支撐。

參考文獻(xiàn)：

[1]SMITHJ，BROWNR.AutomatedDataCollectionandProcess?inginPowerSystems[J].IEEETransactionsonPowerSystems，2022，37（4）：3215-3226.

[2]張強(qiáng)，李文廣.智能文檔處理技術(shù)研究進(jìn)展[J].計算機(jī)應(yīng)用研究，2023，40（2）：328-332.

[3]WANGL，CHENH.DeepLearningforDocumentProcessing：ASurveychineIntelligence[J].IEEETransactionsonPatternAnalysisandMa，2023，45（8）：9456-9472.?

[4]劉明，王芳.電力系統(tǒng)數(shù)據(jù)智能處理技術(shù)及應(yīng)用[M].北京：中國電力出版社，2023.

[5]趙云，錢偉.基于深度學(xué)習(xí)的手寫字符識別研究[J].模式識別與人工智能，2023，36（5）：89-95.

[6]張強(qiáng).中文文檔中的實體識別與信息抽取研究[J].計算機(jī)研究與發(fā)展，2023，59（4）：789-802.

[7]ZHANGL.ADeepLearningApproachforDocumentLayoutAnalysis[J].JournalofMachineLearningResearch，2021，22（1）：345-367.

[8]CHENX.AdvancesinHandwrittenTextRecognitionUsingRe?currentNeuralNetworks[J].InternationalJournalofComputerVision，2021，129（1）：1234-1256.

[9]ALLENG.UsingNaturalLanguageProcessingtoExtractMean?ingfulDatafromLegalDocuments[J].LawandTechnologyQuarterly，2020，34（4）：456-478.

[10]孫麗.基于自然語言處理的合同文本解析方法研究[J].情報雜志，2020，39（12）：156-162.

[11]高翔.深度神經(jīng)網(wǎng)絡(luò)在手寫漢字識別中的應(yīng)用進(jìn)展[J].中文信息學(xué)報，2021，35（3）：102-115.

[12]秦海波，曹莉，葉宜修，等.RPA流程自動化技術(shù)分析[J].自動化技術(shù)與應(yīng)用，2022，41（5）：1-3，25

[13]周娟，周劼翀，倪玉，等.RPA技術(shù)自動化運維的研究及應(yīng)用[J].電腦編程技巧與維護(hù)，2022（3）：132-134.

[14]劉洋，趙亮.一種新的表格識別算法及其在財務(wù)報表處理中的應(yīng)用[J].軟件學(xué)報，2020，31（5）：1234-1246.

[15]KIMY.DeepConvolutionalNeuralNetworksforDocumentImageSegmentation[J].IEEETransactionsonPatternAnaly?sisandMachineIntelligence，2022，44（3）：567-581.

【通聯(lián)編輯：唐一東】