广东电网有限责任公司广州供电局 梁林森

近年来，全国医疗服务的就诊人数持续提高，数量高达几十亿，很多企业收到的医疗收费报销单据也在迅速增长，然而这类医疗收费票据的处理依然停留在传统的人工处理方式阶段，难以满足企业工作需要。现在借助成熟的OCR文字识别技术实现医疗收费报销单据的自动录入，将极大的提高财务人员的工作效率，缩短报销时间。

1 OCR技术及特点

技术简述：OCR中文叫做光学字符识别，是利用光学技术和计算机技术把印在或写在纸上的文字读取出来，并转换成一种计算机能够接受、人又可以理解的格式。这项技术已经比较成熟，应用风险也低。OCR一般可分为手写体识别和印刷体识别，识别内容则包括汉字、英文字母、阿拉伯数字、常用标点符号等。一套OCR处理流程基本可分为版面分析、预处理、行列切割、字符识别、后处理识别矫正共计5个步骤。

技术特点：基于OCR技术建立的各种图像识别应用系统大都可归纳为特征提取、文字定位、光学识别、语言模型四个方面。在建立的识别应用系统中，原始图像的数据质量影响最终的识别结果。例如：拍照或扫描模糊，有斜角、反向等，这些都需要在特征提取前做好预处理。同时OCR有一个识别正确率的限制，并不会完全100%识别准确，目前对印刷体的识别率可达到99.8%，手写体一般最高可达90%。因此，实现基于OCR技术的医疗收费票据自动录入功能时需要考虑识别准确率的情况，做好数据的后期矫正[1-2]。……