查发票|发票查验|验证码识别|批量查验|发票验真

接着上次发票查验继续说说我这两天的进展（上一篇文章可以在我的主页中找到）。昨天开始我对耗时最大的验证码识别环节开始下手，去色前的图片如下图所示：

通过去色处理（代码见我上一篇文章）后得到的图片如下图所示：

可以看到，我去色后的图片也都进行了打码处理，打码我找了一家本地的公司，花了点小钱，但是后面确实能解决大问题。得到单色图片后，我就开始对PaddleOCR的开源模型进行训练，训练的过程网上也有教程我这里不再赘述，我训练所用的打码图片有5000多张，都是PaddleOCR识别结果不正确的图片，经过十几分钟的训练在评估测试中就有很好的得分。我用训练好的模型进行国税开票平台的验证码识别，发现识别率有了显著的提升，从之前的不到60%直接干到了85%左右，效果非常明显，但可能是我训练的打码图片里面包含中文字的比较少，我觉得如果打码图片能够在几万张的话，识别率估计就能95%以上了。整体单张发票的查验时间从之前的10秒减少到了6秒左右，提升是立竿见影的。