潘炜 刘丰威

摘要：针对电力行业，基于OCR技术和TensorFlow深度学习框架，设计了一种表格文本的识别模型，同时支持印刷、手写字符的识别，模型使用了OpenCV中的形态学函数，以及CTPN+CRNN算法，可实现电力营销业务办理过程中各类业务表格类工单的批量识别，实现海量扫描件、拍照件等图像数据的检索并返回营销业务人员需要核查的信息。这种借助计算机辅助的新方式，相比人工核查，速度快，效率高，误差低，有较好的应用价值。

关键词：电力营销业务;OCR技术;深度学习;表格文本识别模型

中图分类号：TP391.1 文献标识码：A 文章编号：1007-9416（2020）07-0150-03

0 引言

互联网技术的飞速发展，信息系统的广泛应用，给企业带来更全面、及时的信息，但快速准确核查信息也变得更加困难。特别是信息系统中上传的各类扫描件、证照等附件，相比较传统的人工查阅核查方式效率低，易错漏的情况，采用基于深度学习的机器识别模型则可从海量附件数据中检索并返回给用户需要核查的信息。机器辅助的新方式，提高了工作效率，降低了错漏率[1]。

1 研究现状

1.1 背景和意义

日常生活中，我们每天都会接触到数字表格，以电力行业为例，在办理业扩报装业务时，操作人员在收集了用户提供的基本信息后，通过系统打印一份业务申请单，交给用户签字，之后扫描存档，以为后续业务环节办理提供材料支撑[2]。同时，为保障用电业务开展的规范性、安全性，业务办理人员还会对扫描件进行核查，这项工作重要、繁杂且枯燥。……