OCR- und Dokumentenverarbeitungsdienst mit Vertrauensbewertungen und API

Jeden Tag verarbeiten wir einen Strom gescannter Dokumente und sind es leid, sie von Hand neu einzugeben. Wir benötigen einen Dienst, der ein hochgeladenes Bild oder einen mehrseitigen Scan entgegennimmt und saubere strukturierte Daten zurückgibt: nicht nur eine Wand aus erkanntem Text, sondern genau die Felder, die für uns wichtig sind. Für eine Rechnung sind dies Anbieter, Rechnungsnummer, Datum, Positionen, Steuer und Gesamtbetrag. Für eine Quittung sind dies Händler, Datum, Betrag und Währung. Für einen Ausweis sind dies Name, Dokumentennummer und Ablaufdatum. Jeder extrahierte Wert muss eine Vertrauensbewertung haben, damit der Betreiber sofort sieht, welchen Feldern er vertrauen kann und welche er doppelt überprüfen sollte. Die Aufgabe besteht speziell darin, Daten aus Dokumenten zu lesen und zu extrahieren, also bieten Sie uns keine PDF-Generierung oder Medienbibliotheken an – das ist ein anderes Projekt.

Das Ergebnis hat zwei Teile, die zusammenarbeiten müssen. Erstens, eine zuverlässige Extraktionspipeline: Bildbereinigung und -ausrichtung, OCR über verschiedene Druckqualitäten und mehrere Sprachen, dann eine Parsing-Schicht, die Rohtext den oben genannten benannten Feldern zuordnet. Zweitens, eine einfache Überprüfungsoberfläche, bei der ein Mensch ein Dokument öffnet, erkannte Felder über dem Originalscan sieht und alles korrigiert, was das Modell falsch gemacht hat, bevor es genehmigt wird. Felder mit niedriger Vertrauensbewertung sollten hervorgehoben werden, damit die Überprüfung schnell erfolgt. All dies muss auch programmgesteuert verfügbar sein: ein REST-Endpunkt, der eine Datei entgegennimmt und JSON mit Feldern, Werten, Begrenzungsrahmenkoordinaten und Vertrauensbewertung zurückgibt, plus Webhooks oder Statusendpunkte für asynchrone Stapel.

Wir sind flexibel in Bezug auf die Technologie: Cloud-Visionsmodelle, Open-Source-OCR-Stacks oder ein Hybrid funktionieren, solange die Genauigkeit hoch und die Kosten pro Seite vorhersehbar sind. Teilen Sie Beispiele ähnlicher Extraktionsaufgaben und bewerten Sie ehrlich die Genauigkeit bei realen, unvollkommenen Scans.

— Strukturierte Felder aus Rechnungen, Quittungen und Ausweisen extrahieren
— Vertrauensbewertung für jedes Feld mit Hervorhebung der unzuverlässigen
— Überprüfungsoberfläche mit Feldüberlagerung auf dem Originalscan
— REST-API, die JSON zurückgibt: Felder, Werte, Koordinaten, Vertrauensbewertung
— Batchverarbeitung mit asynchronem Status oder Webhooks
— Vorhersehbarer Preis pro Seite und dokumentierte Genauigkeit bei Scans