CN116823146A - 一种基于文本识别的电力操作票审核方法及*** - Google Patents

一种基于文本识别的电力操作票审核方法及*** Download PDF

Info

Publication number
CN116823146A
CN116823146A CN202310575298.8A CN202310575298A CN116823146A CN 116823146 A CN116823146 A CN 116823146A CN 202310575298 A CN202310575298 A CN 202310575298A CN 116823146 A CN116823146 A CN 116823146A
Authority
CN
China
Prior art keywords
auditing
content
text
determining
text content
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310575298.8A
Other languages
English (en)
Inventor
肖伟栋
王琪
王辉
杨英杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North China Grid Co Ltd
Original Assignee
North China Grid Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by North China Grid Co Ltd filed Critical North China Grid Co Ltd
Priority to CN202310575298.8A priority Critical patent/CN116823146A/zh
Publication of CN116823146A publication Critical patent/CN116823146A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/194—Calculation of difference between files
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40—Document-oriented image-based pattern recognition
    • G06V30/42—Document-oriented image-based pattern recognition based on the type of document

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Marketing (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Educational Administration (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Game Theory and Decision Science (AREA)
  • Public Health (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于文本识别的电力操作票审核方法及***，该方法包括：确定待审核的电力操作票对应的图像，将图像输入至预先训练好的卷积神经网络文本识别模型，得到图像对应的文本识别结果；将文本识别结果输入至预先训练好的最优审核模型，得到文本识别结果对应的最优文本内容；比较最优文本内容及文本识别结果对应的原始文本内容，得到比较结果；根据比较结果确定电力操作票的审核结果。可见，实施本发明能够提高电力操作票的审核效率和审核准确性，有利于提高调度工作的效率。

Description

一种基于文本识别的电力操作票审核方法及***
技术领域
本发明涉及文本识别技术领域，尤其涉及一种基于文本识别的电力操作票审核方法及***。
背景技术
电力操作票是调度工作的重要组成内容之一，除了事故处理等特殊情况，所有的下令操作均需要填写电力操作票并进行“三审”与签名，最后按照逻辑顺序依次下令执行。
在实际应用中，电力操作票的常规审核方法是人工审核，但由于填写电力操作票的手写字体风格各异，缺乏规范性，导致人工审核电力操作票的效率和准确性都较低。因此，提出一种能够提高电力操作票的审核效率和审核准确性的技术方案显得尤为重要。
发明内容
本发明所要解决的技术问题在于，提供一种基于文本识别的电力操作票审核方法及***，能够提高电力操作票的审核效率和审核准确性，有利于提高调度工作的效率。
为了解决上述技术问题，本发明第一方面公开了一种基于文本识别的电力操作票审核方法，所述方法包括：
确定待审核的电力操作票对应的图像，将所述图像输入至预先训练好的卷积神经网络文本识别模型，得到所述图像对应的文本识别结果；
将所述文本识别结果输入至预先训练好的最优审核模型，得到所述文本识别结果对应的最优文本内容；
比较所述最优文本内容及所述文本识别结果对应的原始文本内容，得到比较结果；
根据所述比较结果确定所述电力操作票的审核结果。
作为一种可选的实施方式，在本发明第一方面中，所述方法还包括：
当所述审核结果表示所述原始文本内容不满足预先设定的审核条件时，根据确定出的优化参考因素生成针对所述电力操作票的优化建议；
其中，所述优化参考因素包括：所述最优文本内容以及所述原始文本内容，和/或，所述审核结果。
作为一种可选的实施方式，在本发明第一方面中，所述根据所述比较结果确定所述电力操作票的审核结果，包括：
根据所述比较结果，判断所述原始文本内容是否满足预先设定的审核条件；
当判断出所述原始文本内容满足所述审核条件时，确定所述电力操作票审核通过；
当判断出所述原始文本内容不满足所述审核条件时，确定所述电力操作票审核不通过；或者，
当判断出所述原始文本内容不满足所述审核条件时，对所述原始文本内容中不满足所述审核条件的部分进行二次审核，得到审核结果。
作为一种可选的实施方式，在本发明第一方面中，所述根据所述比较结果，判断所述原始文本内容是否满足预先设定的审核条件，包括：
根据所述比较结果确定所述最优文本内容与所述原始文本内容之间的差异度，并判断所述差异度是否小于预设文本差异度阈值；
当判断出所述差异度小于所述预设文本差异度阈值时，确定所述原始文本内容满足预先设定的审核条件；
当判断出所述差异度大于等于所述预设文本差异度阈值时，确定所述原始文本内容不满足所述审核条件；
以及，所述对所述原始文本内容中不满足所述审核条件的部分进行二次审核，得到审核结果，包括：
判断所述最优文本内容与所述原始文本之间的差异内容是否为预先确定出的关键内容，所述关键内容包括通用型关键内容和/或针对所述电力操作票的个性化关键内容；
当判断出所述差异内容是所述关键内容时，确定所述电力操作票审核不通过；
当判断出所述差异内容不是所述关键内容时，确定所述电力操作票审核通过；
其中，当判断出所述差异内容是所述关键内容时，所述审核结果包括所述差异内容和/或所述关键内容。
作为一种可选的实施方式，在本发明第一方面中，所述根据所述比较结果，判断所述原始文本内容是否满足预先设定的审核条件，还包括：
确定所述原始文本内容对应的完整度，所述完整度包括内容填写完整度和/或所述电力操作票对应的图像完整度；
根据所述完整度判断所述原始文本内容是否满足预先设定的完整度条件；
当判断出所述原始文本内容不满足所述完整度条件时，确定所述原始文本内容不满足所述审核条件；
当判断出所述原始文本内容满足所述完整度条件时，触发执行所述的根据所述比较结果确定所述最优文本内容与所述原始文本内容之间的差异度，并判断所述差异度是否小于预设文本差异度阈值的操作。
作为一种可选的实施方式，在本发明第一方面中，所述卷积神经网络文本识别模型包括：输入层、4个卷积层、4个池化层、1个全连接层和输出层，其中，4个所述卷积层与4个所述池化层交替排布，且所述输入层之后排布的第一层为其中一个所述卷积层。
作为一种可选的实施方式，在本发明第一方面中，所述输入层之后排布的第一个所述卷积层的卷积核尺寸大于剩余3个所述卷积层的卷积核尺寸；
以及，所述卷积层采用补零填充法对输入至该卷积层的图像执行卷积操作。
本发明第二方面公开了一种基于文本识别的电力操作票审核***，所述***包括：
第一确定模块，用于确定待审核的电力操作票对应的图像；
输入模块，用于将所述图像输入至预先训练好的卷积神经网络文本识别模型，得到所述图像对应的文本识别结果；
所述输入模块，还用于将所述文本识别结果输入至预先训练好的最优审核模型，得到所述文本识别结果对应的最优文本内容；
比较模块，用于比较所述最优文本内容及所述文本识别结果对应的原始文本内容，得到比较结果；
第二确定模块，用于根据所述比较结果确定所述电力操作票的审核结果。
作为一种可选的实施方式，在本发明第二方面中，所述***还包括：
优化建议生成模块，用于当所述审核结果表示所述原始文本内容不满足预先设定的审核条件时，根据确定出的优化参考因素生成针对所述电力操作票的优化建议；
其中，所述优化参考因素包括：所述最优文本内容以及所述原始文本内容，和/或，所述审核结果。
作为一种可选的实施方式，在本发明第二方面中，所述第二确定模块包括：
判断子模块，用于根据所述比较结果，判断所述原始文本内容是否满足预先设定的审核条件；
确定子模块，用于当所述判断子模块判断出所述原始文本内容满足所述审核条件时，确定所述电力操作票审核通过；
所述确定子模块，还用于当所述判断子模块判断出所述原始文本内容不满足所述审核条件时，确定所述电力操作票审核不通过；或者，当所述判断子模块判断出所述原始文本内容不满足所述审核条件时，对所述原始文本内容中不满足所述审核条件的部分进行二次审核，得到审核结果。
作为一种可选的实施方式，在本发明第二方面中，所述判断子模块根据所述比较结果，判断所述原始文本内容是否满足预先设定的审核条件的具体方式包括：
根据所述比较结果确定所述最优文本内容与所述原始文本内容之间的差异度，并判断所述差异度是否小于预设文本差异度阈值；
当判断出所述差异度小于所述预设文本差异度阈值时，确定所述原始文本内容满足预先设定的审核条件；
当判断出所述差异度大于等于所述预设文本差异度阈值时，确定所述原始文本内容不满足所述审核条件；
以及，所述确定子模块对所述原始文本内容中不满足所述审核条件的部分进行二次审核，得到审核结果的具体方式包括：
判断所述最优文本内容与所述原始文本之间的差异内容是否为预先确定出的关键内容，所述关键内容包括通用型关键内容和/或针对所述电力操作票的个性化关键内容；
当判断出所述差异内容是所述关键内容时，确定所述电力操作票审核不通过；
当判断出所述差异内容不是所述关键内容时，确定所述电力操作票审核通过；
其中，当判断出所述差异内容是所述关键内容时，所述审核结果包括所述差异内容和/或所述关键内容。
作为一种可选的实施方式，在本发明第二方面中，所述判断子模块根据所述比较结果，判断所述原始文本内容是否满足预先设定的审核条件的具体方式还包括：
确定所述原始文本内容对应的完整度，所述完整度包括内容填写完整度和/或所述电力操作票对应的图像完整度；
根据所述完整度判断所述原始文本内容是否满足预先设定的完整度条件；
当判断出所述原始文本内容不满足所述完整度条件时，确定所述原始文本内容不满足所述审核条件；
当判断出所述原始文本内容满足所述完整度条件时，触发执行所述的根据所述比较结果确定所述最优文本内容与所述原始文本内容之间的差异度，并判断所述差异度是否小于预设文本差异度阈值的操作。
作为一种可选的实施方式，在本发明第二方面中，所述卷积神经网络文本识别模型包括：输入层、4个卷积层、4个池化层、1个全连接层和输出层，其中，4个所述卷积层与4个所述池化层交替排布，且所述输入层之后排布的第一层为其中一个所述卷积层。
作为一种可选的实施方式，在本发明第二方面中，所述输入层之后排布的第一个所述卷积层的卷积核尺寸大于剩余3个所述卷积层的卷积核尺寸；
以及，所述卷积层采用补零填充法对输入至该卷积层的图像执行卷积操作。
本发明第三方面公开了另一种基于文本识别的电力操作票审核***，所述***包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明第一方面公开的基于文本识别的电力操作票审核方法。
本发明第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明第一方面公开的基于文本识别的电力操作票审核方法。
与现有技术相比，本发明实施例具有以下有益效果：
本发明实施例中，确定待审核的电力操作票对应的图像，将图像输入至预先训练好的卷积神经网络文本识别模型，得到图像对应的文本识别结果；将文本识别结果输入至预先训练好的最优审核模型，得到文本识别结果对应的最优文本内容；比较最优文本内容及文本识别结果对应的原始文本内容，得到比较结果；根据比较结果确定电力操作票的审核结果。可见，实施本发明能够基于卷积神经网络文本识别模型得到电力操作票图像的文本识别结果，且基于最优审核模型得到文本识别结果对应的最优文本内容，并根据最优文本内容与文本识别结果对应的原始文本内容的比较结果，得到电力操作票的审核结果，能够提高电力操作票的文本识别效率和文本识别准确性，以提高电力操作票的审核效率和审核准确性，有利于提高调度工作的效率，进而有利于保障电网安全稳定运行。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例公开的一种基于文本识别的电力操作票审核方法的流程示意图；
图2是本发明实施例公开的另一种基于文本识别的电力操作票审核方法的流程示意图；
图3是本发明实施例公开的一种基于文本识别的电力操作票审核***的结构示意图；
图4是本发明实施例公开的另一种基于文本识别的电力操作票审核***的结构示意图；
图5是本发明实施例公开的又一种基于文本识别的电力操作票审核***的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或端没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或端固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种基于文本识别的电力操作票审核方法及***，能够基于卷积神经网络文本识别模型得到电力操作票图像的文本识别结果，且基于最优审核模型得到文本识别结果对应的最优文本内容，并根据最优文本内容与文本识别结果对应的原始文本内容的比较结果，得到电力操作票的审核结果，能够提高电力操作票的文本识别效率和文本识别准确性，以提高电力操作票的审核效率和审核准确性，有利于提高调度工作的效率，进而有利于保障电网安全稳定运行。以下分别进行详细说明。
实施例一
请参阅图1，图1是本发明实施例公开的一种基于文本识别的电力操作票审核方法的流程示意图。其中，图1所描述的基于文本识别的电力操作票审核方法可以应用于基于文本识别的电力操作票审核***中，也可以应用于需要进行文本识别的电力操作票审核装置中，该电力操作票审核装置可以是审核终端、审核设备或服务器中的任意一种，其中，服务器包括云服务器或者本地服务器，本发明实施例不做限定。如图1所示，该基于文本识别的电力操作票审核方法可以包括以下操作：
101、确定待审核的电力操作票对应的图像，将图像输入至预先训练好的卷积神经网络文本识别模型，得到图像对应的文本识别结果。
本发明实施例中，待审核的电力操作票对应的图像的来源可以是基于文本识别的电力操作票审核***采集到的电力操作票对应的图像，也可以是其他***或其他设备提供的电力操作票对应的图像，本发明实施例不做限定；其中，待审核的电力操作票对应的图像可以是电力操作票的照片，也可以是电力操作票的扫描件，本发明实施例不做限定。
102、将文本识别结果输入至预先训练好的最优审核模型，得到文本识别结果对应的最优文本内容。
103、比较最优文本内容及文本识别结果对应的原始文本内容，得到比较结果。
本发明实施例中，文本识别结果可以包括识别到的原始文本内容和误识别到的其他字符，本发明实施例不做限定。
104、根据比较结果确定电力操作票的审核结果。
可见，实施本发明实施例所描述的方法能够基于卷积神经网络文本识别模型得到电力操作票图像的文本识别结果，且基于最优审核模型得到文本识别结果对应的最优文本内容，并根据最优文本内容与文本识别结果对应的原始文本内容的比较结果，得到电力操作票的审核结果，能够提高电力操作票的文本识别效率和文本识别准确性，以提高电力操作票的审核效率和审核准确性，有利于提高调度工作的效率，进而有利于保障电网安全稳定运行。
在一个可选的实施例中，该方法还可以包括：
当审核结果表示原始文本内容不满足预先设定的审核条件时，根据确定出的优化参考因素生成针对电力操作票的优化建议；
其中，优化参考因素包括：最优文本内容以及原始文本内容，和/或，审核结果。
需要说明的是，在生成针对电力操作票的优化建议之后，可以将优化建议直接输出在该方法对应的设备上，也可以将优化建议发送给提交该电力操作票的负责人员，本发明实施例不做限定。
可见，该可选的实施例能够在原始文本内容不满足预先设定的审核条件时，以优化参考因素作为依据，生成针对电力操作票的优化建议，提高了生成优化建议的准确性，有利于提高电力操作票的优化效率和优化准确性。
在该可选的实施例中，可选的，根据确定出的优化参考因素生成针对电力操作票的优化建议，可以包括：
当确定出的优化参考因素表示原始文本内容缺少关键内容时，确定针对电力操作票的优化建议为补充关键内容；
当优化参考因素表示电力操作票对应的图像完整度不满足预先设定的完整度条件时，确定优化建议为提供该电力操作票对应的完整图像；
当优化参考因素表示电力操作票的笔迹清晰度小于预设清晰度阈值时，确定优化建议为修改提供该笔迹清晰度大于预设清晰度阈值的电力操作票对应的图像。
可见，该可选的实施例能够根据不同的优化参考因素得到不同的优化建议，生成优化建议的效率，提高了优化建议的针对性和灵活性，有利于提高电力操作票审核的可靠性。
在该可选的实施例中，可选的，在根据确定出的优化参考因素生成针对电力操作票的优化建议之后，该方法还可以包括：
检测是否存在优化建议对应的优化信息；
当检测到存在优化信息时，接收优化信息；
根据优化信息对原始文本内容进行修改，并对修改后的原始文本内容进行存档。
可见，该可选的实施例还能够根据优化建议对应的优化信息，自适应修改原始文本内容，完善了电力操作票的优化流程，有利于提高电力操作票的优化效率。
实施例二
请参阅图2，图2是本发明实施例公开的另一种基于文本识别的电力操作票审核方法的流程示意图。其中，图2所描述的基于文本识别的电力操作票审核方法可以应用于基于文本识别的电力操作票审核***中，也可以应用于需要进行文本识别的电力操作票审核装置中，该电力操作票审核装置可以是审核终端、审核设备或服务器中的任意一种，其中，服务器包括云服务器或者本地服务器，本发明实施例不做限定。如图2所示，该基于文本识别的电力操作票审核方法可以包括以下操作：
201、确定待审核的电力操作票对应的图像，将图像输入至预先训练好的卷积神经网络文本识别模型，得到图像对应的文本识别结果。
202、将文本识别结果输入至预先训练好的最优审核模型，得到文本识别结果对应的最优文本内容。
203、比较最优文本内容及文本识别结果对应的原始文本内容，得到比较结果。
本发明实施例中，针对步骤201-步骤203的其它详细描述，请参照实施例一中针对步骤101-步骤103的详细描述，本发明实施例不再赘述。
204、根据比较结果，判断原始文本内容是否满足预先设定的审核条件。当步骤204的判断结果为是时，触发执行步骤205，当步骤204的判断结果为否时，触发执行步骤206。
205、确定电力操作票审核通过。
206、确定电力操作票审核不通过；或者，对原始文本内容中不满足审核条件的部分进行二次审核，得到审核结果。
可见，实施本发明实施例所描述的方法能够基于卷积神经网络文本识别模型得到电力操作票图像的文本识别结果，且基于最优审核模型得到文本识别结果对应的最优文本内容，并根据最优文本内容与文本识别结果对应的原始文本内容的比较结果，得到电力操作票的审核结果，能够提高电力操作票的文本识别效率和文本识别准确性，以提高电力操作票的审核效率和审核准确性，有利于提高调度工作的效率，进而有利于保障电网安全稳定运行。此外，还能够根据判断原始文本内容是否满足审核条件所得到的结果，确定对应的审核结果，能基于判断结果细化审核结果，提高了审核结果的效率和准确性，有利于提高电力操作票的审核准确性；进一步的，在确定原始文本内容不满足审核条件之后，可以对不满足审核条件的部分进行二次审核，得到最终的审核结果，能够通过对原始文本内容进行多层次审核，有效减少误审核的情况，有利于提高电力操作票的审核准确性。
在一个可选的实施例中，根据比较结果，判断原始文本内容是否满足预先设定的审核条件，可以包括：
根据比较结果确定最优文本内容与原始文本内容之间的差异度，并判断差异度是否小于预设文本差异度阈值；
当判断出差异度小于预设文本差异度阈值时，确定原始文本内容满足预先设定的审核条件；
当判断出差异度大于等于预设文本差异度阈值时，确定原始文本内容不满足审核条件；
以及，对原始文本内容中不满足审核条件的部分进行二次审核，得到审核结果，可以包括：
判断最优文本内容与原始文本之间的差异内容是否为预先确定出的关键内容，关键内容包括通用型关键内容和/或针对电力操作票的个性化关键内容；
当判断出差异内容是关键内容时，确定电力操作票审核不通过；
当判断出差异内容不是关键内容时，确定电力操作票审核通过；
其中，当判断出差异内容是关键内容时，审核结果包括差异内容和/或关键内容。
需要说明的是，通用型关键内容用于表示所有电力操作票都必须记录的关键内容，通用型关键内容可以包括但不限于操作票编号、操作任务、操作顺序、发令人、受令人、操作人、监护人、操作时间中一种或多种组合，本发明实施例不做限定；
以及，针对电力操作票的个性化关键内容用于表示该类型的电力操作票或该电力操作票必须记录的关键内容，电力操作票可以根据电力操作票的应用场所对电力操作票进行分类，电力操作票的类型包括但不限于配电站工作票、变电站工作票、电力线路工作票或电力电缆工作票；也可以根据电力操作票的操作任务类型对电力操作票进行分类，电力操作票的类型包括但不限于第一种工作票、第二种工作票、带电作业工作票、事故应急抢修工作票、动火作业工作票或现场勘察工作票，本发明实施例不做限定；针对电力操作票的个性化关键内容可以包括但不限于工作场所名称、工作场所编号、安全措施、计划工作时间、注意事项、工作***情况和工作延期时间中一种或多种的组合。
可见，该可选的实施例能够根据最优文本内容与原始文本内容之间的差异度，确定原始文本内容是否满足预先设定的审核条件，具体确定了审核条件，提高了电力操作票审核的精准性；进一步的，还能够通过判断差异内容是否为关键内容，确定审核结果，提高了电力操作票审核结果的准确性，降低了电力操作票审核结果出错的可能性，有利于提高电力操作票审核的准确性。
在该可选的实施例中，可选的，根据比较结果确定最优文本内容与原始文本内容之间的差异度，可以包括：
确定最优文本内容与原始文本内容之间的字符类型比较结果，并根据字符类型比较结果，确定最优文本内容与原始文本内容之间的差异度；和/或，
根据比较结果，确定原始文本内容的笔迹清晰度，并根据原始文本内容的笔迹清晰度，确定最优文本内容与原始文本内容之间的差异度；和/或，
根据比较结果，当判断出原始文本内容与最优文本内容相比存在缺少内容时，根据缺少内容确定最优文本内容与原始文本内容之间的差异度。
其中，字符类型可以包括但不限于汉字、英文字母、***数字中一种或多种的组合。
可见，该可选的实施例还能够根据多种差异类型，确定最优文本内容与原始文本内容之间的差异度，能够通过多方式确定差异度，提高了确定差异度的灵活性和可靠性，有利于提高判断原始文本内容是否满足预先设定的审核条件的准确性，从而有利于提高电力操作票审核结果的可靠性。
在该可选的实施例中，可选的，根据比较结果，判断原始文本内容是否满足预先设定的审核条件，还可以包括：
确定原始文本内容对应的完整度，完整度包括内容填写完整度和/或电力操作票对应的图像完整度；
根据完整度判断原始文本内容是否满足预先设定的完整度条件；
当判断出原始文本内容不满足完整度条件时，确定原始文本内容不满足审核条件；
当判断出原始文本内容满足完整度条件时，触发执行根据比较结果确定最优文本内容与原始文本内容之间的差异度，并判断差异度是否小于预设文本差异度阈值的操作。
可见，该可选的实施例还能够对原始文本对应的完整度进行审核，若完整度满足完整度条件，才会执行判断差异度差异度是否小于预设文本差异度阈值的操作，否则直接确定原始文本内容不满足审核条件，能够通过执行时间复杂度低的审核操作直接确定是否满足审核条件，降低执行时间复杂度高的审核操作的概率，有利于提高电力操作票的审核效率。
在另一个可选的实施例中，卷积神经网络文本识别模型可以包括：输入层、4个卷积层、4个池化层、1个全连接层和输出层，其中，4个卷积层与4个池化层交替排布，且输入层之后排布的第一层为其中一个卷积层。
可见，该可选的实施例能够在每个卷积层之后都设置池化层，能够减少空间特征，获得了空间变换不变性，提高了卷积神经网络文本识别模型的运算效率和运算准确性；同时，通过合理设置卷积神经网络文本识别模型的卷积层个数和池化层个数，使文本识别的效率和准确性实现最大化，提高了文本识别结果的可靠性，有利于电力操作票审核的准确性。
在该可选的实施例中，可选的，输入层之后排布的第一个卷积层的卷积核尺寸大于剩余3个卷积层的卷积核尺寸；
以及，卷积层采用补零填充法对输入至该卷积层的图像执行卷积操作。
其中，补零填充法用于在卷积操作时保持输出图像尺寸与输入图像一致。
可见，该可选的实施例还能够基于卷积神经网络文本识别模型的第一个卷积层的卷积核尺寸比其余卷积层的的卷积核尺寸稍大的特点，提取短时特征，扩大感受域，能够提高卷积神经网络文本识别模型提取手写文本的有效特征的准确性；进一步的，其余各卷积层层采用较小卷积核尺寸可以减小网络参数，同时加深网络层数，能够在增强卷积神经网络文本识别模型计算能力的同时，减少过拟合现象的发生；在各卷积层中采用补零填充法，使卷积操作前后图像尺寸不发生改变，降低边缘信息缺失的概率，以最大化地提取有效特征，有利于提高文本识别结果的准确性，进而有利于提高电力操作票审核的准确性。
在该可选的实施例中，可选的，卷积神经网络文本识别模型可以通过以下方式训练确定：
采集训练图像集，训练图像集至少包括一张训练图像；
根据预设计算公式，确定训练图像集中各训练图像的笔迹特征矩阵，笔迹特征包括假想笔画和8方向特征；
将笔迹特征矩阵输入至卷积神经网络文本识别模型并进行模型训练，并根据简单平均法计算分类结果；
其中，根据预设计算公式，确定训练图像集中各训练图像的笔迹特征矩阵，可以包括：
根据笔迹方向变化程度计算公式，计算图像中各相邻像素点的笔迹方向变化程度值，得到假想笔画矩阵，笔迹方向变化程度计算公式如下所示：
其中，dcd表示该像素点的方向变化程度值，θ为不同笔画之间相连构成的夹角度数(0≤θ≤180)，q为笔画长度，t＝1/8；
基于0°，45°，90°，135°，180°，225°，270°，315°这8个方向计算图像中各段笔迹的梯度值，得到8方向特征矩阵，假设一段笔迹的起止坐标(x1,y1)与(x2,y2)，计算梯度的两种方式如下列公式所示：
其中，
可见，该可选的实施例还能够在传统卷积神经网络文本识别模型的基础上引入笔迹特征，使用笔迹特征矩阵代替图像作为数据集输入至卷积神经网络文本识别模型，打破传统卷积神经网络文本识别模型受图像空间特征学习的限制，提高手写字体识别的准确性，有利于提高比较结果的准确性，进而有利于提高电力操作票审核结果的可靠性。
实施例三
请参阅图3，图3是本发明实施例公开的一种基于文本识别的电力操作票审核***的结构示意图。其中，图3所描述的基于文本识别的电力操作票审核***可以应用于需要进行文本识别的电力操作票审核装置中，该电力操作票审核装置可以是审核终端、审核设备或服务器中的任意一种，其中，服务器包括云服务器或者本地服务器，本发明实施例不做限定。如图3所示，该基于文本识别的电力操作票审核***可以包括：
第一确定模块301，用于确定待审核的电力操作票对应的图像；
输入模块302，用于将图像输入至预先训练好的卷积神经网络文本识别模型，得到图像对应的文本识别结果；
输入模块302，还用于将文本识别结果输入至预先训练好的最优审核模型，得到文本识别结果对应的最优文本内容；
比较模块303，用于比较最优文本内容及文本识别结果对应的原始文本内容，得到比较结果；
第二确定模块304，用于根据比较结果确定电力操作票的审核结果。
可见，实施本发明实施例所描述的***能够基于卷积神经网络文本识别模型得到电力操作票图像的文本识别结果，且基于最优审核模型得到文本识别结果对应的最优文本内容，并根据最优文本内容与文本识别结果对应的原始文本内容的比较结果，得到电力操作票的审核结果，能够提高电力操作票的文本识别效率和文本识别准确性，以提高电力操作票的审核效率和审核准确性，有利于提高调度工作的效率，进而有利于保障电网安全稳定运行。
在一个可选的实施例中，如图4所示，该***还可以包括：
优化建议生成模块305，用于当审核结果表示原始文本内容不满足预先设定的审核条件时，根据确定出的优化参考因素生成针对电力操作票的优化建议；
其中，优化参考因素包括：最优文本内容以及原始文本内容，和/或，审核结果。
可见，实施该可选的实施例所描述的装置能够在原始文本内容不满足预先设定的审核条件时，以优化参考因素作为依据，生成针对电力操作票的优化建议，提高了生成优化建议的准确性，有利于后续补充或完善电力操作票的内容。
在另一个可选的实施例中，如图4所示，第二确定模块304可以包括：
判断子模块3041，用于根据比较结果，判断原始文本内容是否满足预先设定的审核条件；
确定子模块3042，用于当判断子模块3041判断出原始文本内容满足审核条件时，确定电力操作票审核通过；
确定子模块，还用于当判断子模块3041判断出原始文本内容不满足审核条件时，确定电力操作票审核不通过；或者，当判断子模块3041判断出原始文本内容不满足审核条件时，对原始文本内容中不满足审核条件的部分进行二次审核，得到审核结果。
可见，实施该可选的实施例所描述的装置能够基于卷积神经网络文本识别模型得到电力操作票图像的文本识别结果，且基于最优审核模型得到文本识别结果对应的最优文本内容，并根据最优文本内容与文本识别结果对应的原始文本内容的比较结果，得到电力操作票的审核结果，能够提高电力操作票的文本识别效率和文本识别准确性，以提高电力操作票的审核效率和审核准确性，有利于提高调度工作的效率，进而有利于保障电网安全稳定运行。此外，还能够根据判断原始文本内容是否满足审核条件所得到的结果，确定对应的审核结果，能基于判断结果细化审核结果，提高了审核结果的效率和准确性，有利于提高电力操作票的审核准确性；进一步的，在确定原始文本内容不满足审核条件之后，可以对不满足审核条件的部分进行二次审核，得到最终的审核结果，能够通过对原始文本内容进行多层次审核，有效减少误审核的情况，有利于提高电力操作票的审核准确性
在该可选的实施例中，可选的，判断子模块3041根据比较结果，判断原始文本内容是否满足预先设定的审核条件的具体方式可以包括：
根据比较结果确定最优文本内容与原始文本内容之间的差异度，并判断差异度是否小于预设文本差异度阈值；
当判断出差异度小于预设文本差异度阈值时，确定原始文本内容满足预先设定的审核条件；
当判断出差异度大于等于预设文本差异度阈值时，确定原始文本内容不满足审核条件；
以及，确定子模块对原始文本内容中不满足审核条件的部分进行二次审核，得到审核结果的具体方式可以包括：
判断最优文本内容与原始文本之间的差异内容是否为预先确定出的关键内容，关键内容包括通用型关键内容和/或针对电力操作票的个性化关键内容；
当判断出差异内容是关键内容时，确定电力操作票审核不通过；
当判断出差异内容不是关键内容时，确定电力操作票审核通过；
其中，当判断出差异内容是关键内容时，审核结果包括差异内容和/或关键内容。
可见，实施该可选的实施例所描述的装置还能够根据最优文本内容与原始文本内容之间的差异度，确定原始文本内容是否满足预先设定的审核条件，具体确定了审核条件，提高了电力操作票审核的精准性；进一步的，还能够通过判断差异内容是否为关键内容，确定审核结果，提高了电力操作票审核结果的准确性，降低了电力操作票审核结果出错的可能性，有利于提高电力操作票审核结果的准确性。
在该可选的实施例中，进一步可选的，判断子模块3041根据比较结果，判断所原始文本内容是否满足预先设定的审核条件的具体方式还可以包括：
确定原始文本内容对应的完整度，完整度包括内容填写完整度和/或电力操作票对应的图像完整度；
根据完整度判断原始文本内容是否满足预先设定的完整度条件；
当判断出原始文本内容不满足完整度条件时，确定原始文本内容不满足审核条件；
当判断出原始文本内容满足完整度条件时，触发执行根据比较结果确定最优文本内容与原始文本内容之间的差异度，并判断差异度是否小于预设文本差异度阈值的操作。
可见，实施该可选的实施例所描述的装置还能够对原始文本对应的完整度进行审核，若完整度满足完整度条件，才会执行判断差异度差异度是否小于预设文本差异度阈值的操作，否则直接确定原始文本内容不满足审核条件，能够通过执行时间复杂度低的审核操作直接确定是否满足审核条件，降低执行时间复杂度高的审核操作的概率，有利于提高电力操作票的审核效率。
在又一个可选的实施例中，卷积神经网络文本识别模型可以包括：输入层、4个卷积层、4个池化层、1个全连接层和输出层，其中，4个卷积层与4个池化层交替排布，且输入层之后排布的第一层为其中一个卷积层。
可见，实施该可选的实施例所描述的装置能够在每个卷积层之后都设置池化层，能够减少空间特征，获得了空间变换不变性，提高了卷积神经网络文本识别模型的运算效率和运算准确性；同时，通过合理设置卷积神经网络文本识别模型的卷积层个数和池化层个数，使文本识别的效率和准确性实现最大化，提高了文本识别结果的可靠性，有利于电力操作票审核的准确性。
在该可选的实施例中，可选的，输入层之后排布的第一个卷积层的卷积核尺寸大于剩余3个卷积层的卷积核尺寸；
以及，卷积层采用补零填充法对输入至该卷积层的图像执行卷积操作。
可见，实施该可选的实施例所描述的装置还能够基于卷积神经网络文本识别模型的第一个卷积层的卷积核尺寸比其余卷积层的的卷积核尺寸稍大的特点，提取短时特征，扩大感受域，能够提高卷积神经网络文本识别模型提取手写文本的有效特征的准确性；进一步的，其余各卷积层层采用较小卷积核尺寸可以减小网络参数，同时加深网络层数，能够在增强卷积神经网络文本识别模型计算能力的同时，减少过拟合现象的发生；在各卷积层中采用补零填充法，使卷积操作前后图像尺寸不发生改变，降低边缘信息缺失的概率，以最大化地提取有效特征，有利于提高文本识别结果的准确性，进而有利于提高电力操作票审核的准确性。
实施例四
请参阅图5，图5是本发明实施例公开的又一种基于文本识别的电力操作票审核***的结构示意图。如图5所示，该基于文本识别的电力操作票审核***可以包括：
存储有可执行程序代码的存储器401；
与存储器401耦合的处理器402；
处理器402调用存储器401中存储的可执行程序代码，执行本发明实施例一或本发明实施例二所描述的基于文本识别的电力操作票审核方法中的步骤。
实施例五
本发明实施例公开了一种计算机可存储介质，该计算机存储介质存储有计算机指令，该计算机指令被调用时，用于执行本发明实施例一或本发明实施例二所描述的基于文本识别的电力操作票审核方法中的步骤。
实施例六
本发明实施例公开了一种计算机程序产品，该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，且该计算机程序可操作来使计算机执行实施例一或实施例二中所描述的基于文本识别的电力操作票审核的方法中的步骤。
以上所描述的装置实施例仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory，EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是：本发明实施例公开的一种基于文本识别的电力操作票审核方法及装置所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。

Claims (10)

1.一种基于文本识别的电力操作票审核方法，其特征在于，所述方法包括：
确定待审核的电力操作票对应的图像，将所述图像输入至预先训练好的卷积神经网络文本识别模型，得到所述图像对应的文本识别结果；
将所述文本识别结果输入至预先训练好的最优审核模型，得到所述文本识别结果对应的最优文本内容；
比较所述最优文本内容及所述文本识别结果对应的原始文本内容，得到比较结果；
根据所述比较结果确定所述电力操作票的审核结果。
2.根据权利要求1所述的基于文本识别的电力操作票审核方法，其特征在于，所述方法还包括：
当所述审核结果表示所述原始文本内容不满足预先设定的审核条件时，根据确定出的优化参考因素生成针对所述电力操作票的优化建议；
其中，所述优化参考因素包括：所述最优文本内容以及所述原始文本内容，和/或，所述审核结果。
3.根据权利要求1或2所述的基于文本识别的电力操作票审核方法，其特征在于，所述根据所述比较结果确定所述电力操作票的审核结果，包括：
根据所述比较结果，判断所述原始文本内容是否满足预先设定的审核条件；
当判断出所述原始文本内容满足所述审核条件时，确定所述电力操作票审核通过；
当判断出所述原始文本内容不满足所述审核条件时，确定所述电力操作票审核不通过；或者，
当判断出所述原始文本内容不满足所述审核条件时，对所述原始文本内容中不满足所述审核条件的部分进行二次审核，得到审核结果。
4.根据权利要求3所述的基于文本识别的电力操作票审核方法，其特征在于，所述根据所述比较结果，判断所述原始文本内容是否满足预先设定的审核条件，包括：
根据所述比较结果确定所述最优文本内容与所述原始文本内容之间的差异度，并判断所述差异度是否小于预设文本差异度阈值；
当判断出所述差异度小于所述预设文本差异度阈值时，确定所述原始文本内容满足预先设定的审核条件；
当判断出所述差异度大于等于所述预设文本差异度阈值时，确定所述原始文本内容不满足所述审核条件；
以及，所述对所述原始文本内容中不满足所述审核条件的部分进行二次审核，得到审核结果，包括：
判断所述最优文本内容与所述原始文本之间的差异内容是否为预先确定出的关键内容，所述关键内容包括通用型关键内容和/或针对所述电力操作票的个性化关键内容；
当判断出所述差异内容是所述关键内容时，确定所述电力操作票审核不通过；
当判断出所述差异内容不是所述关键内容时，确定所述电力操作票审核通过；
其中，当判断出所述差异内容是所述关键内容时，所述审核结果包括所述差异内容和/或所述关键内容。
5.根据权利要求4所述的基于文本识别的电力操作票审核方法，其特征在于，所述根据所述比较结果，判断所述原始文本内容是否满足预先设定的审核条件，还包括：
确定所述原始文本内容对应的完整度，所述完整度包括内容填写完整度和/或所述电力操作票对应的图像完整度；
根据所述完整度判断所述原始文本内容是否满足预先设定的完整度条件；
当判断出所述原始文本内容不满足所述完整度条件时，确定所述原始文本内容不满足所述审核条件；
当判断出所述原始文本内容满足所述完整度条件时，触发执行所述的根据所述比较结果确定所述最优文本内容与所述原始文本内容之间的差异度，并判断所述差异度是否小于预设文本差异度阈值的操作。
6.根据权利要求5所述的基于文本识别的电力操作票审核方法，其特征在于，所述卷积神经网络文本识别模型包括：输入层、4个卷积层、4个池化层、1个全连接层和输出层，其中，4个所述卷积层与4个所述池化层交替排布，且所述输入层之后排布的第一层为其中一个所述卷积层。
7.根据权利要求6所述的基于文本识别的电力操作票审核方法，其特征在于，所述输入层之后排布的第一个所述卷积层的卷积核尺寸大于剩余3个所述卷积层的卷积核尺寸；
以及，所述卷积层采用补零填充法对输入至该卷积层的图像执行卷积操作。
8.一种基于文本识别的电力操作票审核***，其特征在于，所述***包括：
第一确定模块，用于确定待审核的电力操作票对应的图像；
输入模块，用于将所述图像输入至预先训练好的卷积神经网络文本识别模型，得到所述图像对应的文本识别结果；
所述输入模块，还用于将所述文本识别结果输入至预先训练好的最优审核模型，得到所述文本识别结果对应的最优文本内容；
比较模块，用于比较所述最优文本内容及所述文本识别结果对应的原始文本内容，得到比较结果；
第二确定模块，用于根据所述比较结果确定所述电力操作票的审核结果。
9.一种基于文本识别的电力操作票审核***，其特征在于，所述***包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-7任一项所述的基于文本识别的电力操作票审核方法。
10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1-7任一项所述的基于文本识别的电力操作票审核方法。
CN202310575298.8A 2023-05-19 2023-05-19 一种基于文本识别的电力操作票审核方法及*** Pending CN116823146A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310575298.8A CN116823146A (zh) 2023-05-19 2023-05-19 一种基于文本识别的电力操作票审核方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310575298.8A CN116823146A (zh) 2023-05-19 2023-05-19 一种基于文本识别的电力操作票审核方法及***

Publications (1)

Publication Number Publication Date
CN116823146A true CN116823146A (zh) 2023-09-29

Family

ID=88113626

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310575298.8A Pending CN116823146A (zh) 2023-05-19 2023-05-19 一种基于文本识别的电力操作票审核方法及***

Country Status (1)

Country Link
CN (1) CN116823146A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118155006A (zh) * 2024-05-13 2024-06-07 国网山东省电力公司东营供电公司 一种应用于电网的操作票安全校核方法及***

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118155006A (zh) * 2024-05-13 2024-06-07 国网山东省电力公司东营供电公司 一种应用于电网的操作票安全校核方法及***

Similar Documents

Publication Publication Date Title
CN111401371B (zh) 一种文本检测识别方法、***及计算机设备
CN106951832B (zh) 一种基于手写字符识别的验证方法及装置
CN108427950B (zh) 一种文字行检测方法及装置
US20200004815A1 (en) Text entity detection and recognition from images
CN111666932B (zh) 单据审核方法、装置、计算机设备及存储介质
CN112541443B (zh) ***信息抽取方法、装置、计算机设备及存储介质
CN111353491B (zh) 一种文字方向确定方法、装置、设备及存储介质
CN116823146A (zh) 一种基于文本识别的电力操作票审核方法及***
CN110489423A (zh) 一种信息抽取的方法、装置、存储介质及电子设备
CN114241499A (zh) 表格图片识别方法、装置、设备和可读存储介质
CN111598122B (zh) 数据校验方法、装置、电子设备和存储介质
CN112232336A (zh) 一种证件识别方法、装置、设备及存储介质
CN115471858A (zh) 一种用于票据管理的数据处理方法及装置
CN112579781B (zh) 文本归类方法、装置、电子设备及介质
CN112749639B (zh) 模型训练方法、装置、计算机设备和存储介质
CN111368709A (zh) 图片文本的识别方法、装置、设备及可读存储介质
CN113988223B (zh) 证件图像识别方法、装置、计算机设备及存储介质
CN115880702A (zh) 数据处理方法、装置、设备、程序产品及存储介质
EP3832544A1 (en) Visually-aware encodings for characters
CN114707017A (zh) 视觉问答方法、装置、电子设备和存储介质
CN114064893A (zh) 一种异常数据审核方法、装置、设备及存储介质
CN112487394A (zh) 图形推理验证码识别方法、***、设备及介质
CN115546811A (zh) 一种识别***的方法、装置、设备及存储介质
CN115688083B (zh) 图文型验证码的识别方法、装置、设备及存储介质
CN111931773B (zh) 图像识别方法、装置、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination