CN109887153A - 一种财税处理方法和处理*** - Google Patents

Abstract

本发明提供一种财税处理方法和处理***。该方法包括：对接收的财税票据的图像信息进行识别并提取财税票据的文本信息；通过将所提取的文本信息与预配置的查验策略进行匹配获得财税票据的审核信息，其中，所述查验策略表征财税票据合规性的检查项与有效性等级的映射关系，所述审核信息中设置财税票据的有效性等级。本发明的财税处理方法和处理***能够兼容纸票和电子流信息的处理流程，解决对纸票的留存和无纸化报销之间的冲突。

Description

一种财税处理方法和处理***

技术领域

本发明涉及财务信息化技术领域，尤其涉及一种财税处理方法和处理***。

背景技术

随着互联网技术的发展，财务处理理念的不断提高，无纸化报销成为未来可见的趋势。但是，由于财务制度管理规范对于纸票的留存，与无纸化报销的技术冲突，导致无纸化报销推行速度缓慢，纯电子***方式，尚不能完全解决重复报销、纸质凭证归档的难题。

并且，随着“互联网+税务”的持续推进，使得企业税务外部环境产生极大变化，企业管理从被动接受进入主动实践期，尤其体现在上下游开票协同、风险管控、税局认证、税票匹配等方面。由于财务***的日益庞大，使报销变为一个日趋复杂的过程，无论是员工、财务和管理人员均须耗费更多精力在报销录入、票据整理和管理审批上。

此而，通常企业对于增值税***仅利用了部分信息，据粗略统计使用率约为15％，而且并没有将增值税***作为一种主数据来管理，只是在报账或记账时使用其中的数量、单价、金额、税额、税率等信息。

因此，需要一种兼容纸票和电子流信息的处理流程，以解决对纸票的留存和无纸化报销之间的冲突。

发明内容

本发明的目的在于克服上述现有技术的缺陷，提供一种财税处理方法和处理***。

根据本发明的第一方面，提供了一种财税处理方法。该方法包括：

步骤1：对接收的财税票据的图像信息进行识别并提取财税票据的文本信息；

步骤2：通过将所提取的文本信息与预配置的查验策略进行匹配获得财税票据的审核信息，其中，所述查验策略表征财税票据合规性的检查项与有效性等级的映射关系，所述审核信息中设置财税票据的有效性等级。

在一个实施例中，所提取的财税票据的文本信息是利用基于深度神经网络的识别模型从财税票据的图像信息提取的关键文本信息。

在一个实施例中，所提取的财税票据的文本信息是基于所述关键文本信息和电子底账库的比对获得的财税票据的全量的文本信息。

在一个实施例中，所述提取关键文本信息包括以下子步骤：

利用所述基于深度神经网络的识别模型对票据的图像信息的文字区域进行切分框选，获得文本区域；

对所述文本区域进行文字识别，获得文本内容；

根据所述文本内容提取票据的所述关键文本信息。

在一个实施例中，通过以下子步骤获得所述文本区域：

将需要进行文字区域切分的图像信息输入到所述基于深度神经网络的识别模型，输出一组矩形锚，其中，该组矩形锚具有不同的位置、大小、朝向以及偏转角度；

对于该组矩形锚，基于位置、角度的相近程度和距离信息组合为不同的文本框，进而获得所述文本区域。

在一个实施例中，将所述查验策略配置为当财税票据的***章不存在、***抬头有错误的情况下，将有效性等级设置为识别不成功；当开票日期或地点不在期望范围内、或者差旅费金额超标、或者存在重复报销单据的情况下，将有效性等级设置为识别成功并为用户提供解释接口；当开票方在黑名单中的情况下，将有效性等级设置为识别成功并标注提醒信息。

根据本发明的第二方面，提供了一种财税处理***。该***包括图像获取模块、识别模块和配置管理模块，其中，所述图像获取模块用于接收财税票据的图像信息并发送至所述识别模块；所述识别模块用于对财税票据的图像信息进行识别并提取财税票据的文本信息以及将所提取的文本信息与预配置的查验策略进行匹配获得财税票据的审核信息，其中，所述审核信息中设置财税票据的有效性等级；所述配置管理模块用于存储预配置的查验策略，其中，所述查验策略表征财税票据的检查项与有效性等级的映射关系。

在一个实施例中，所述***还包括公共查验服务平台、纸票归档管理模块和对外接口模块，其中，所述公共查验服务平台用于集成电子底账库，为所述识别模块提供数据查询；所述纸票归档管理模块用于建立纸质财税票据的物理位置和财税票据的电子信息之间的关联；所述对外接口模块用于为外部***提供财税票据的信息查询。

根据本发明的第三方面，提供一种电子设备。该设备包括本发明的财税处理***。

与现有技术相比，本发明的优点在于：提供一种财税处理***和处理方法，通过扫描方式获取财税票据的原始图像信息，进行结构化处理后，生成电子流信息，进而通过电子流信息处理财税流程，省去了大量报销单、凭证清单、黏贴单的纸张消耗。并且利用图像识别、大数据和人工智能方法对财税票据进行识别和处理，减少了员工重复复杂录入，规范企业财务原始档案归档整理，有利于智慧审核和费用管控；本发明兼容纸票和电子流信息的处理流程，能够解决对纸票的留存和无纸化报销之间的冲突。

附图说明

以下附图仅对本发明作示意性的说明和解释，并不用于限定本发明的范围，其中：

图1示出了根据本发明一个实施例的自动财税处理***的示意图；

图2示出了根据本发明一个实施例的提取票据关键信息的流程图。

具体实施方式

为了使本发明的目的、技术方案、设计方法及优点更加清楚明了，以下结合附图通过具体实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用于解释本发明，并不用于限定本发明。

图1示出了根据本发明一个实施例的财税处理***，该处理***包括前端入口模块110、智能识别模块120、公共查验服务平台130、后台配置管理模块140、纸票归档管理模块150和对外接口模块160，其中，智能识别模块120作为财税处理***的核心控制部件，与前端入口模块110、公共查验平台130、后台配置管理模块140、纸票归档管理模块150和对外接口模块160均具有通信连接。

前端入口模块110是用于获取票据的图像信息的模块，其通过数据接口接收来自于用户设备的票据影像数据。用户设备包括但不限于手机、平板电脑、笔记本电脑、PC机等电子设备，数据接口包括无线网络接口或有线网络接口等，例如，WIFI、广域网、城域网、局域网等。可支持多种票据提交入口以适应不同场景，例如，手机、扫描仪、机器人、API等，手机适合离散式员工报销场景，扫描仪适合财务集中处理场景，机器人在扫描仪基础上，增加了打印和自动封装功能，API可以支持与企业现有影像***直接进行对接。接收的票据类型包括增值税***、飞机票(登机牌、行程单)、火车票等各种类型的财务票据。

智能识别模块120用于接收票据影像数据后，将票据进行数字化处理，生成结构化数据，提取票据的关键信息。例如，结构化后的数据参见下表1所示。

表1：结构化后的票据数据

***代码	***号码	销方名称	金额	税额	开票天数
						3300182130	38146888	公司A	6483.28	389	14
3700181130	02007327	公司B	153.4	4.6	10

在一个实施例中，提取的票据关键信息包括票据的名称、代码、号码、日期、金额等。在一个实施例中，提取票据关键信息的过程包括以下步骤，参见图2所示：

步骤S210，根据票据图像信息对票据进行预分类。

接收票据图像信息，进行票据区域检测和票据分类，将票据按不同类型进行预分类。

例如，预分类为增值税***、飞机行程单、火车票，登机牌等已知票种，其他自定义模板的票据按其他类型分类。具体类别的确定则可后续根据票据内容分类(例如，步骤S240)。

步骤S220，对票据图像中的文字区域进行切分框选。

对图像中的文字部分进行框选，在一个实施例中，进行文字区域切分的过程包括：

步骤S221，基于神经网络模型确定用于定位文字区块的矩形锚。

在一个实施例中，采用深度卷积神经网络和双向长短期记忆模型的组合获得矩形锚。例如，将需要做文字区域切分的图像输入到深度卷积神经网络提取图像特征，然后经双向长短期记忆神经网络提取空间相关的特征，经过该组合模型的计算，输出一组宽高比为1：4的矩形锚，该组矩形锚具有不同位置、大小、朝向以及偏转角度等信息，利用该组矩形锚在后续可用于标记文字区块出现的位置。

步骤S222，根据矩形锚确定文本框

根据矩形锚的位置、大小、朝向和偏转角度信息进行矩形锚的组合，例如，通过位置和角度在临近区域搜索大小和朝向一致的矩形锚进行组合，组合的矩形锚最终形成文本区域的框选范围，将距离较近(如距离小于某一预定阈值)的矩形锚组合为一个文本框，将距离较远(如距离大于某一阈值)的矩形锚组合为不同的文本框。通过这种方式，能有效地划分不同区域的文本，所组合的文本框具有位置、大小、朝向和偏转角等信息，根据这些信息，可将某一区域的图像截取出来，并进一步根据角度调整成为水平的文本图像，获得文本区域图像，以进行下一步的文本识别。

步骤S230，对经切分的文本区域进行文字识别，输出文本内容。

在一个实施例中，采用的技术是深度卷积神经网络、双向长短期记忆模型和动态规划法对获得的文本区域进行文字识别。输入的是文本区域图像，输出的是文本内容。

例如，将文本区域图像通过卷积神经网络提取图像特征，然后经双向长短期记忆神经网络提取空间相关的特征并预测各位置的文本概率分布，最后通过beam search(集束搜索)等动态规划方法输出文本内容。

步骤S240，根据文本内容提取票据的关键信息。

在上述的识别文本内容之后，可能包含很多关键要素之外的其他冗余信息，进一步地，可根据识别的文本内容，进行关键要素信息的过滤和提取。

在一个实施例中，采用的技术是深度神经网络的注意力机制(attentionmechanism)，注意力机制的实现是通过保留深度神经网络的编码器对输入序列的中间输出结果，然后训练一个模型来对这些输入进行选择性的学习并且在模型输出时将输出序列与之进行关联，即输出序列中的每一项的生成概率取决于在输入序列中选择了哪些项。该方法的输入是步骤S230获得所有文本流，经过例如包含RNN的深度神经网络，输出的是剔除冗余信息的关键文本信息。例如，输出的关键文本信息包括票据的名称、代码、号码、日期、金额等信息。

在提取票据的关键信息之后，可根据名称、代码等进一步确定票据的类型，即核查步骤S210中的预分类是否准确。

需要说明的是，上述利用的模型可以是基于大量的历史数据进行数据挖掘及机器学习训练获得的神经网络模型，也可以是通过其他的建模方式获得的模型，只要基于输入能够获得需要的输出即可。

公共查验服务平台130用于提供大数据查询功能，例如，可集成国税总局电子底账库和全国所有第三方电子票据服务平台，使得其拥有强大的大数据提供能力，例如，通过对外公共标准接口服务，提供票据的查验能力和票据的全票面信息获取能力等。

智能识别模块120在提取票据关键信息之后，优选地，可从公共查验服务平台130对接的税局电子底账库拉取完整的全票面信息，即在提取票据的关键信息之后，根据已经建立的电子底账库对票面信息进行全识别，通过关键信息从电子底账库中抽取全面的信息，以保障信息的全面性、准确性和有效性。通过这种方法，能够仅利用关键信息即可获得所需的全面、准确的票据信息，并提高了处理速度。例如，全票面信息包括***代码、***号码、开票日期、销方、购方、金额、税额、税率、应税劳务或服务名称、备注等。

后台配置管理模块140用于预先设置票据查验策略，智能识别模块120根据票据的关键信息或全票信息结合预定义的票据查验策略，生成审核信息，例如，审核信息包括票据清单信息、报销单、智能辅助审核信息、影像文件等用户需要自动化完成的交付成果等。

在一个实施例中，后台配置管理模块140设置的查验策略包括票据信息的检查项和票据有效性等级的映射关系，例如，参见表2示出的票据的检查点和票据有效性等级的映射关系。

表2：票据的检查点和票据有效性等级

在表2中，票据范围规定了查验策略适用的票据范围，例如，全部票据或仅限于审核某一种票据(如增值税)，单据范围规定查验策略适用的单据范围，例如适用于全部单据或仅限于某一种单据，例如差旅费单据。有效性等级表征相应检查项对应的审核结果，其中，阻断对应票据将自动判定为识别失败，说明该票据不可提交；解释对应票据将判定为识别失败，但用户可以填写解释原因，并重新上传；提醒，对应票据识别成功，但会打上提醒标识，财务管理员可以进一步查看详情。基于查验策略获得的财税票据的审核信息，能够辅助财务人员对财务票据进一步审核。

需说明的是，票据的检查项不限于表2的示例，本领域的技术人员可根据需要增加或删除检查项，例如，检查项可包括票号单据内是否重复、开票日期是否在出差期间、是否存在***连号、住宿费***是否超标等、***章是否不存在、***抬头是否有误、***是否已作废、票据是否重复报销、票据是否在票据范围、票据是否过于模糊等。

在一个优选实施例中，智能识别模块120从后台配置管理策略模块140获取票据查验策略，并基于票据有效性等级确定对票据信息的检查顺序，例如，首先检查有效性等级最高的检查项，判断是否阻断，如果是，则直接输出审核信息，否则，执行下一级的检查项，如果所有检查项均通过，则审核结果为识别成功。

智能识别模块120提供的审核信息可包括票据清单信息、报销单、智能辅助审核信息(例如所有的检查项是否通过)、影像文件、财务数据等。用户或公司的财务人员后续可查看票据详情和审核情况。

需要说明的是，本领域的技术人员可从多个角度设置查验策略，包括但不限于以下几个层面：例如，从票据层面，检查票据是否为真实的票据，而不是伪造的票据，票据是否重复使用，票据信息是否有效，票据的开具是否符合政府、税局规定(例如：办公用品需开明细信息)；从交易层面，检查货物或应收劳务明细的合规性(例如，烟酒类)，税率的合规性，交易与财务或企业管理数据的自动对应，交易金额与相关业务信息的比对。从供应商层面，采购的商品或服务是否是允许采购的范围，差旅行程是否超标，供应商是否是企业级黑名单或历史有违规操作，供应商的名称、经营范围是否符合企业内控的规定，本次采购是否与历史同类采购有较大差异；从内控层面，检查供应商的资质是否合规，供应商的资质与票据类型是否匹配，供应商本次提供的票据类型和数据与历史提供的是否一致，供应商本身的经营范围与票据信息是否匹配。总之，后台配置管理模块140通过设置票据查验策略，并根据用户的需要自行定义，用于过滤进入的票据，从而减少人工审核工作。

纸票归档管理模块150用于将票据结构化数据进行归档处理。

例如，在智能识别模块120将纸质票据结构化并获得审核信息后，可向纸票归档管理模块发送消息或推送通知，指示进行归档管理。

归档管理流程可部分由人工参与，例如，例如将票据不粘贴放入袋子中，通过标签打印机打印出带二维码和关键信息的标签，贴在袋子上，替代原有的报账单和凭证清单，从而能够节省纸张并随时可以跟踪最新信息。此外，纸票归档管理模块可标记纸质票据和标签等的物理位置，后续都通过电子信息进行流转，当需要审查纸质票据时，通过归档位置反查即可。

对外接口模块160提供票据的对接接口，用于根据外部***的需要，提供各种票据信息服务。

本发明通过对财税票据进行结构化处理，提取票据的信息，对于增值税***，能够将其作为一项主数据来集中管理，存储其全票面信息，例如，***代码、***号码、开票日期、销方、购方、金额、税额、税率、应税劳务或服务名称、备注等。

本发明提供的财税处理方法和处理***可以应用于但不限于任何可以进行数据计算的电子设备中，例如服务器或终端中，完成票据的自动识别查验，查验完成后自动生成报账单，并向提交票据的终端推送报账单生成消息，或推送票据识别失败通知等。

综上所述，本发明提供的财税处理***，旨在利用最新的图像识别、大数据和人工智能方法，减少员工重复复杂录入，规范企业财务原始档案归档整理，帮助领导智慧审核和费用管控。

本发明的有益效果具体体现在以下方面：

1)、管理效益的提升，过去，企业对于增值税***数据价值的挖掘比较少，员工报销只关注金额。而利用本发明提供的财税处理***和处理方法，企业可以分析员工1年内出差住的酒店排名，分析出员工最喜欢住的酒店，为战略合作和提升管理效益提供数据支撑。

2)、财务效益提升

在推行智慧财税方案的过程中，也完成了统一的数据格式梳理，统一的主数据管理，统一的数据规范管理。通过智能识别、大数据、人工智能学习，实现***查验的自动化、数字化电子化；***协助匹配审核要点，自动审批或辅助审批。

3)、税务效益提升

应抵尽抵，及时抵扣，T+1天获取进项***，大大加速进项抵扣，降低相应的财务费用。在线认证，方便快捷，***按规则区分，哪些项目哪些***可以抵扣，哪些不可抵扣。对于可在该项目上抵扣的，通过嵌入企业报销流程或单独实现快速在线认证，方便快捷成功率高。

加强管控，降低风险，******池按项目归集***且***池中均为真票，杜绝假票风险。按项目记录报销状态，降低重复报销风险。对项目上应抵未抵***进行预警，降低抵扣逾期风险。按要求定期更新***状态，及时发现异常状态的增值税专用***和普通***。

大数据管理，一键追踪，***信息与项目、组织架构、业务流程进行关联，便于追踪***来源和处理记录，便于及时精准定位问题，减轻管理压力。

需要说明的是，虽然上文按照特定顺序描述了各个步骤，但是并不意味着必须按照上述特定顺序来执行各个步骤，实际上，这些步骤中的一些可以并发执行，甚至改变顺序，只要能够实现所需要的功能即可。

本发明可以是***、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。

计算机可读存储介质可以是保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以包括但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。

以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (10)

1.一种财税处理方法，包括：

步骤1：对接收的财税票据的图像信息进行识别并提取财税票据的文本信息；

步骤2：通过将所提取的文本信息与预配置的查验策略进行匹配获得财税票据的审核信息，其中，所述查验策略表征财税票据合规性的检查项与有效性等级的映射关系，所述审核信息中设置财税票据的有效性等级。

2.根据权利要求1所述的方法，其特征在于，所提取的财税票据的文本信息是利用基于深度神经网络的识别模型从财税票据的图像信息提取的关键文本信息。

3.根据权利要求2所述的方法，其特征在于，所提取的财税票据的文本信息是基于所述关键文本信息和电子底账库的比对获得的财税票据的全量的文本信息。

4.根据权利要求2所述的方法，其特征在于，所述提取关键文本信息包括以下子步骤：

利用所述基于深度神经网络的识别模型对票据的图像信息的文字区域进行切分框选，获得文本区域；

对所述文本区域进行文字识别，获得文本内容；

根据所述文本内容提取票据的所述关键文本信息。

5.根据权利要求4所述的方法，其特征在于，通过以下子步骤获得所述文本区域：

将需要进行文字区域切分的图像信息输入到所述基于深度神经网络的识别模型，输出一组矩形锚，其中，该组矩形锚具有不同的位置、大小、朝向以及偏转角度；

对于该组矩形锚，基于位置、角度的相近程度和距离信息组合为不同的文本框，进而获得所述文本区域。

6.根据权利要求1所述的方法，其特征在于，将所述查验策略配置为当财税票据的***章不存在、***抬头有错误的情况下，将有效性等级设置为识别不成功；当开票日期或地点不在期望范围内、或者差旅费金额超标、或者存在重复报销单据的情况下，将有效性等级设置为识别成功并为用户提供解释接口；当开票方在黑名单中的情况下，将有效性等级设置为识别成功并标注提醒信息。

7.一种财税处理***，其特征在于，包括图像获取模块、识别模块和配置管理模块，其中，所述图像获取模块用于接收财税票据的图像信息并发送至所述识别模块；所述识别模块用于对财税票据的图像信息进行识别并提取财税票据的文本信息以及将所提取的文本信息与预配置的查验策略进行匹配获得财税票据的审核信息，其中，所述审核信息中设置财税票据的有效性等级；所述配置管理模块用于存储预配置的查验策略，其中，所述查验策略表征财税票据的检查项与有效性等级的映射关系。

8.根据权利要求7所述的***，其特征在于，所述***还包括公共查验服务平台、纸票归档管理模块和对外接口模块，其中，所述公共查验服务平台用于集成电子底账库，为所述识别模块提供数据查询；所述纸票归档管理模块用于建立纸质财税票据的物理位置和财税票据的电子信息之间的关联；所述对外接口模块用于为外部***提供财税票据的信息查询。

9.一种电子设备，包括基于权利要求7至8任一项所述的财税处理***。

10.一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现根据权利要求1至8中任一项所述方法的步骤。