رسید OCR کی درستگی: AI اسکیننگ سے کیا توقع رکھی جائے؟ (اردو میں رہنمائی)۔ PDFSub کے ساتھ جانیں کہ AI کیسے رسیدوں کو درست طریقے سے اسکین کرتا ہے۔

AI سے چلنے والا اخراج: ایک مختلف طریقہ

جدید AI رسید کا اخراج روایتی OCR کی طرح بالکل کام نہیں کرتا۔ انفرادی حروف کو پیٹرن میچ کرنے اور ٹیمپلیٹس پر کوآرڈینیٹس کو میپ کرنے کے بجائے، AI سسٹمز بڑے لسانی ماڈلز اور ویژن ماڈلز کا استعمال کرتے ہیں جو دستاویز کے سیاق و سباق کو سمجھتے ہیں

AI اخراج کیسے کام کرتا ہے

یہ عمل عام طور پر تین مراحل پر مشتمل ہوتا ہے:

1. بصری تفہیم۔ AI ماڈل رسید کی تصویر (یا PDF) کو بصری ان پٹ کے طور پر پروسیس کرتا ہے، متن کے علاقوں، لے آؤٹ کی ساخت، اور مقامی تعلقات کی شناخت کرتا ہے۔ یہ روایتی OCR سے بنیادی طور پر مختلف ہے، جو حروف کو الگ الگ پروسیس کرتا ہے

2. سیاق و سباق کا اخراج۔ "X,Y پوزیشن پر کون سا حرف ہے؟" پوچھنے کے بجائے، ماڈل پوچھتا ہے "اس رسید پر کل رقم کتنی ہے؟" یہ سمجھتا ہے کہ کل رقم عام طور پر نیچے کے قریب ہوتی ہے، جس سے پہلے "Total," "Amount Due," یا "Grand Total" جیسے الفاظ آتے ہیں، اور کرنسی کی قدر کے طور پر فارمیٹ کیا جاتا ہے۔ یہ سیاق و سباق کی تفہیم ہی AI اخراج کو فارمیٹ سے آزاد بناتی ہے — کسی ٹیمپلیٹ کی ضرورت نہیں

3. ساختہ آؤٹ پٹ۔ ماڈل لیبل والے فیلڈز کے ساتھ ایک ساختہ ڈیٹا آبجیکٹ واپس کرتا ہے: دکاندار کا نام، تاریخ، لائن آئٹمز، سب ٹوٹل، ٹیکس، کل، ادائیگی کا طریقہ۔ ان پٹ رسید کے لے آؤٹ سے قطع نظر آؤٹ پٹ فارمیٹ مستقل ہوتا ہے

حالت کے لحاظ سے AI کی درستگی

AI سے چلنے والا اخراج روایتی OCR کے مقابلے میں نمایاں طور پر زیادہ درستگی حاصل کرتا ہے، لیکن اعداد و شمار رسید کی حالت کے لحاظ سے کافی مختلف ہوتے ہیں:

رسید کی حالت	فیلڈ کی درستگی (نازک فیلڈز)	تمام فیلڈز کی درستگی	نوٹس
صاف ڈیجیٹل رسید (PDF/ای میل)	98-99%+	95-98%	تقریباً کامل؛ فارمیٹنگ مستقل ہے
تازہ تھرمل رسید (0-3 ماہ)	96-99%	92-96%	تیز کنٹراسٹ، واضح متن
پرانی تھرمل رسید (3-12 ماہ)	90-95%	82-90%	کچھ دھندلا پن، خاص طور پر کنارے
دھندلی تھرمل رسید (1-3 سال)	75-88%	65-80%	نمایاں حرف کا نقصان؛ سیاق و سباق مدد کرتا ہے
شدید خراب (3+ سال، گرمی کا اثر)	50-70%	40-60%	گم شدہ متن کے علاقے؛ جزوی اخراج
سکڑی ہوئی/جھریوں والی	85-93%	78-88%	شکنیں لائن کا پتہ لگانے میں رکاوٹ ڈالتی ہیں
کم معیار کی تصویر (موشن بلر، سائے)	80-90%	70-85%	تصویر کا معیار رکاوٹ ہے

اہم بات یہ ہے کہ AI روایتی OCR کے مقابلے میں زیادہ درستگی برقرار رکھتا ہے یہاں تک کہ جب حالات خراب ہوتے ہیں، کیونکہ یہ خلا کو پُر کرنے کے لیے سیاق و سباق کا استعمال کر سکتا ہے۔ اگر انجن "Tot" کے بعد "$47.8_" (جہاں آخری ہندسہ ناخواندہ ہے) پڑھ سکتا ہے، تو یہ سیاق و سباق سے جانتا ہے کہ یہ ایک کل فیلڈ ہے اور اوپر کی لائن آئٹمز کی بنیاد پر گم شدہ ہندسہ "3" ہونے کا امکان ہے۔ روایتی OCR صرف ایک سوالیہ نشان یا اس کا بہترین واحد حرف کا اندازہ آؤٹ پٹ کرے گا

نازک فیلڈز پر درستگی کا فرق

تمام فیلڈز یکساں طور پر اہم نہیں ہیں۔ اخراجات کے انتظام اور ٹیکس کی تعمیل کے لیے، ایک واضح درجہ بندی ہے:

فیلڈ	ترجیح	یہ کیوں اہم ہے	AI درستگی (صاف رسید)
کل رقم	نازک	اخراج کی قیمت اور کٹوتی کی رقم کا تعین کرتا ہے	98-99%
تاریخ	نازک	ٹیکس سال اور مدت کی تفویض کا تعین کرتا ہے	97-99%
دکاندار کا نام	اعلیٰ	زمرہ بندی اور آڈٹ ٹریل کے لیے ضروری	95-98%
ٹیکس کی رقم	اعلیٰ	ٹیکس کی رپورٹنگ اور ان پٹ ٹیکس کریڈٹ کے لیے درکار	96-98%
ادائیگی کا طریقہ	درمیانہ	کارڈ اسٹیٹمنٹس کے ساتھ ملاپ کے لیے مفید	93-96%
لائن آئٹمز	درمیانہ	تفصیلی اخراجات کی زمرہ بندی کے لیے درکار	88-95%
ٹپ کی رقم	درمیانہ	کھانے کے اخراجات کے لیے متعلقہ، اکثر ہاتھ سے لکھی ہوئی	85-92%
پتہ/فون	کم	اخراجات کی پروسیسنگ کے لیے شاذ و نادر ہی درکار	90-95%

AI اخراج کے ٹولز سب سے اہم فیلڈز — کل رقم اور تاریخ — پر مسلسل اپنی سب سے زیادہ درستگی حاصل کرتے ہیں کیونکہ ان فیلڈز میں مضبوط سیاق و سباق کے اشارے ہوتے ہیں (پوزیشن، فارمیٹنگ، ارد گرد کا متن) جنہیں ماڈل انفرادی حروف کے مبہم ہونے پر بھی استعمال کر سکتا ہے

---

درستگی کو متاثر کرنے والے عوامل

درستگی کو کیا خراب کرتا ہے اسے سمجھنا آپ کو خودکار اخراج پر کب بھروسہ کرنا ہے اور کب دستی طور پر تصدیق کرنی ہے اس بارے میں بہتر فیصلے کرنے میں مدد کرتا ہے

تصویر کا معیار

تصویر کا معیار OCR کی درستگی میں سب سے بڑا قابل کنٹرول عنصر ہے۔ احتیاط سے لی گئی تصویر اور جلدی میں لی گئی تصویر کے درمیان فرق فیلڈ کی درستگی کو 15-20 فیصد پوائنٹس تک بڑھا سکتا ہے

عنصر	درستگی پر اثر	کیا کریں
** ریزولوشن**	200 DPI سے نیچے، درستگی تیزی سے گر جاتی ہے	کم از کم 300 DPI استعمال کریں؛ زیادہ تر فون کیمرے اس سے زیادہ ہوتے ہیں
روشنی	غیر مساوی روشنی کنٹراسٹ کے مسائل پیدا کرتی ہے	قدرتی، پھیلی ہوئی روشنی استعمال کریں؛ براہ راست اوپری روشنی سے بچیں
** سائے**	ہاتھ/فون کے سائے متن کو چھپاتے ہیں	روشنی کے ماخذ کو سائیڈ پر رکھیں؛ ضرورت ہو تو لیمپ استعمال کریں
فلیش چمک	تھرمل پیپر عکاس ہوتا ہے؛ فلیش وائٹ آؤٹ اسپاٹس بناتا ہے	فلیش کو غیر فعال کریں؛ اس کے بجائے محیط روشنی استعمال کریں
** فوکس**	دھندلا متن کسی بھی ریزولوشن پر ناخواندہ ہوتا ہے	متن پر فوکس کرنے کے لیے تھپتھپائیں؛ فون کو مستحکم رکھیں
** زاویہ**	پرسپیکٹیو کی خرابی حروف کو مسخ کرتی ہے	رسید کو کیمرے کے بالکل اوپر، سطح کے متوازی رکھیں
** کراپنگ**	ضرورت سے زیادہ پس منظر کنارے کا پتہ لگانے میں الجھن پیدا کرتا ہے	فریم کا 80% رسید سے بھریں

کاغذ کی حالت

کاغذ کی حالت سب سے بڑا غیر کنٹرول شدہ عنصر ہے۔ آپ تکنیک سے تصویر کا معیار بہتر بنا سکتے ہیں؛ آپ رسید کو دھندلا نہیں کر سکتے

تھرمل رسیدوں کے لیے دھندلا ہونے کا ٹائم لائن اسٹوریج کے حالات پر بہت زیادہ منحصر ہے:

• ** مثالی اسٹوریج** (اندھیرا، ٹھنڈا، 45-65% نمی): معیاری گریڈ کے لیے 5-7 سال کی خواندگی، اعلیٰ کوٹیڈ تھرمل پیپر کے لیے 25 سال تک
• ** عام حالات** (ڈیسک دراز، فائل فولڈر): 1-3 سال
• ** والیٹ یا جیب**: 3-12 ماہ
• ** کار ڈیش بورڈ یا گلوز باکس**: ہفتوں سے مہینوں تک، آب و ہوا پر منحصر ہے
• ** براہ راست سورج کی روشنی**: دن سے ہفتے

عملی نتیجہ واضح ہے: رسیدیں موصول ہونے کے 48 گھنٹے کے اندر ڈیجیٹائز کریں۔ تاخیر کا ہر دن زیادہ سے زیادہ ممکنہ OCR درستگی کو کم کرتا ہے۔ خریداری کے دن اسکین کی گئی رسید تقریباً کامل نتائج دے گی۔ چھ ماہ بعد اسکین کی گئی وہی رسید اپنے متن کی وضاحت میں 10-20% تک کمی کا شکار ہو سکتی ہے

رسید کی لمبائی اور پیچیدگی

زیادہ لائن آئٹمز والی لمبی رسیدوں میں صرف غلطیوں کے زیادہ مواقع ہونے کی وجہ سے دستاویز کی سطح پر کم درستگی ہوتی ہے۔ 5 آئٹم والی کافی شاپ کی رسید میں 60 آئٹم والی گروسری رسید کے مقابلے میں 100% درست ہونے کا امکان بہت زیادہ ہوتا ہے

رسید کی لمبائی	اوسط لائن آئٹمز	دستاویز کی درستگی (AI)	غلطی کا سب سے زیادہ امکان والے فیلڈز
چھوٹی (1-5 آئٹمز)	8-15 لائنیں	90-95%	دکاندار کا نام (مخففات)
درمیانی (6-20 آئٹمز)	16-40 لائنیں	80-90%	لائن آئٹم کی تفصیلات
لمبی (21-50 آئٹمز)	41-80 لائنیں	70-82%	آئٹم کی مقدار، فی یونٹ قیمت
بہت لمبی (50+ آئٹمز)	80+ لائنیں	55-70%	متعدد فیلڈز؛ مجموعی غلطیاں

فونٹ اور فارمیٹنگ

کچھ POS سسٹم مخصوص یا تنگ فونٹ استعمال کرتے ہیں جو OCR کے لیے خاص طور پر چیلنجنگ ہوتے ہیں۔ ڈاٹ میٹرکس رسید پرنٹر — جو اب بھی کچھ گیس اسٹیشنوں اور پرانی خوردہ مقامات پر عام ہیں — تھرمل پرنٹرز کے مقابلے میں کم معیار کے حروف تیار کرتے ہیں۔ تمام کیپس فارمیٹنگ، حالانکہ انسانوں کے لیے پڑھنے میں مشکل ہے، OCR انجنوں کے لیے دراصل آسان ہے کیونکہ بڑے حروف کی شکلیں زیادہ مخصوص ہوتی ہیں

---

رسید کی قسم کے لحاظ سے درستگی

مختلف رسید کیٹیگریز منفرد چیلنجز پیش کرتی ہیں اور مختلف درستگی پروفائلز پیدا کرتی ہیں

ریستوراں کی رسیدیں

ریستوراں کی رسیدیں OCR کے لیے سب سے زیادہ چیلنجنگ میں سے ہیں کیونکہ ان میں اکثر ہاتھ سے لکھی ہوئی چیزیں شامل ہوتی ہیں — ٹپ کی رقم، کل، اور دستخط۔ AI اخراج چھپے ہوئے حصوں کو اچھی طرح سے ہینڈل کرتا ہے (دکاندار، تاریخ، سب ٹوٹل کے لیے 95-98% فیلڈ درستگی) لیکن ہاتھ سے لکھی ہوئی ٹپ لائنز (70-85% درستگی) کو پہچاننے میں جدوجہد کرتا ہے۔ ٹپ کی رقم اکثر سب سے زیادہ مالی طور پر اہم ہاتھ سے لکھی ہوئی فیلڈ ہوتی ہے

بہترین عمل: اگر ٹپ کی درستگی آپ کے ورک فلو کے لیے اہم ہے، تو ٹپ اور کل کو دستی طور پر تصدیق کریں۔ سب ٹوٹل، ٹیکس، اور دکاندار کے فیلڈز عام طور پر بغیر جائزے کے قابل اعتماد ہوتے ہیں

خوردہ اور گروسری رسیدیں

خوردہ رسیدیں حجم کی وجہ سے OCR کو چیلنج کرتی ہیں۔ ایک عام گروسری رسید میں 30-60 لائن آئٹمز ہوتے ہیں، ہر ایک کی تفصیل، مقدار، اور قیمت کے ساتھ۔ لائن آئٹم کی تفصیلات اکثر مخفف ہوتی ہیں (مثلاً، "Organic Boneless Chicken" کے لیے "ORG BNS CHKN") اور ان میں اندرونی SKU کوڈ شامل ہو سکتے ہیں جو OCR انجن کے لیے خراب شدہ متن کی طرح نظر آتے ہیں

نازک فیلڈ کی درستگی (کل، تاریخ، دکاندار) 96-99% پر زیادہ ہے۔ لائن آئٹم کی درستگی 85-92% پر کم ہے کیونکہ مخففات اور فارمیٹنگ میں عدم مطابقت ہے۔ اخراجات کی زمرہ بندی کے مقاصد کے لیے، کل اور دکاندار عام طور پر کافی ہوتے ہیں — آپ کو ہر لائن آئٹم کی مکمل طور پر نقل کرنے کی ضرورت نہیں ہوتی ہے

گیس اسٹیشن رسیدیں

گیس اسٹیشن کی رسیدیں چھوٹی ہوتی ہیں لیکن اکثر خراب ہوتی ہیں۔ وہ باہر پمپوں پر تقسیم کی جاتی ہیں جو موسم کے سامنے آتے ہیں، دستانے والے یا چکنائی والے ہاتھوں سے سنبھالی جاتی ہیں، اور اکثر فوری طور پر سکڑ جاتی ہیں۔ تھرمل پیپر انڈور استعمال ہونے والے سے کم معیار کا ہو سکتا ہے۔ تازہ رسیدوں کے لیے رقم اور تاریخ کی فیلڈ درستگی عام طور پر 90-96% ہوتی ہے لیکن ماحولیاتی نمائش کی وجہ سے دیگر رسید اقسام کے مقابلے میں تیزی سے گر جاتی ہے

آن لائن اور ای میل رسیدیں

ڈیجیٹل رسیدیں — ای میل کی گئی تصدیقات، آن لائن خریداریوں سے PDF ڈاؤن لوڈز، ڈیجیٹل POS سسٹمز سے ای رسیدیں — OCR کے لیے سب سے آسان زمرہ ہیں۔ ان میں مستقل فارمیٹنگ، تیز کنٹراسٹ، کوئی کاغذ کی خرابی نہیں، اور قابل پیشین گوئی فیلڈ پوزیشنیں ہوتی ہیں۔ فیلڈ کی درستگی عام طور پر تمام فیلڈز کے لیے 98% سے زیادہ ہوتی ہے، اور دستاویز کی درستگی 92-97% تک پہنچ جاتی ہے

اگر آپ کے پاس ڈیجیٹل رسیدیں وصول کرنے کا اختیار ہے، تو ہمیشہ انہیں منتخب کریں۔ وہ تھرمل پیپر کے مسئلے کو مکمل طور پر ختم کرتے ہیں اور سب سے زیادہ اخراج کی درستگی پیدا کرتے ہیں

رسید کی اقسام میں موازنہ

رسید کی قسم	کل درستگی	تاریخ کی درستگی	دکاندار کی درستگی	لائن آئٹمز کی درستگی	مجموعی فیلڈ اوسط
آن لائن/ای میل (PDF)	99%	99%	98%	96%	98%
تازہ خوردہ	98%	98%	96%	90%	95%
تازہ ریستوراں	97%	97%	95%	92%	93%
گیس اسٹیشن	95%	94%	92%	88%	91%
پرانی تھرمل (6+ ماہ)	88%	87%	82%	72%	82%
دھندلی/خراب	72%	70%	65%	50%	64%

---

PDFSub رسید سکیننگ کو کیسے ہینڈل کرتا ہے

PDFSub کا رسید سکینر کسی بھی فارمیٹ میں رسیدوں کو پروسیس کرنے کے لیے AI سے چلنے والے اخراج کا استعمال کرتا ہے — تھرمل پیپر سکین، فون کی تصاویر، PDF ڈاؤن لوڈز، اور ای میل رسید کے منسلکات

یہ کیا نکالتا ہے

رسید سکینر ہر رسید سے ساختی ڈیٹا کی شناخت اور اخراج کرتا ہے:

• دکاندار کا نام اور پتہ — دستیاب ہونے پر اسٹور نمبر اور مقام سمیت
• لین دین کی تاریخ اور وقت — خودکار تاریخ فارمیٹ کا پتہ لگانے کے ساتھ (MM/DD, DD/MM, YYYY-MM-DD)
• لائن آئٹمز — ہر آئٹم کے لیے تفصیل، مقدار، فی یونٹ قیمت، اور لائن کل
• سب ٹوٹل، ٹیکس، اور کل — اکاؤنٹنگ کی درستگی کے لیے الگ فیلڈز میں تقسیم
• ادائیگی کا طریقہ — نقد، کریڈٹ کارڈ (آخری چار ہندسے)، ڈیبٹ، موبائل ادائیگی
• کرنسی — علامتوں اور فارمیٹنگ سے خودکار طور پر پتہ لگایا گیا

یہ متغیر لے آؤٹس کو کیسے ہینڈل کرتا ہے

PDFSub ٹیمپلیٹس کا استعمال نہیں کرتا۔ AI انجن ہر رسید کا آزادانہ تجزیہ کرتا ہے، دستاویز کی ساخت کو کوآرڈینیٹ میپنگ کے بجائے سیاق و سباق کے ذریعے سمجھتا ہے۔ اس کا مطلب ہے کہ یہ کسی بھی دکاندار سے، کسی بھی ملک میں، کسی بھی رسید لے آؤٹ کے ساتھ کام کرتا ہے، بغیر کسی سابقہ ​​کنفیگریشن کی ضرورت کے۔ چاہے آپ بروکلین سے کافی شاپ کی رسید اپ لوڈ کریں، میونخ سے فارمیسی کی رسید، یا ٹوکیو سے ٹیکسی کی رسید، اخراج کا عمل ایک جیسا ہے۔

پروسیسنگ اور پرائیویسی

ڈیجیٹل PDF رسیدوں کے لیے، ابتدائی متن کا اخراج آپ کے براؤزر میں ہوتا ہے — اپ لوڈ کی ضرورت نہیں ہے۔ سکین شدہ تصاویر یا رسیدوں کے لیے جنہیں AI پروسیسنگ کی ضرورت ہوتی ہے، فائل کو اخراج انجن کو بھیجا جاتا ہے، پروسیس کیا جاتا ہے، اور اخراج مکمل ہونے کے بعد اصل کو برقرار نہیں رکھا جاتا ہے

آپ 7 دن کے مفت ٹرائل کے ساتھ رسید سکینر آزما سکتے ہیں — کچھ رسیدیں اپ لوڈ کریں اور اپنے مخصوص رسید اقسام کے لیے درستگی کا اندازہ لگانے کے لیے اصل کے مقابلے میں اخراج کے نتائج کی جانچ کریں۔ کسی بھی وقت منسوخ کریں۔

---

بہتر的收据扫描技巧

通过遵循一些简单的捕获收据的实践，您可以显著提高提取的准确性。

捕获技巧

1. 使用自然、漫射光。 白天在窗户附近扫描比人工顶灯效果更好。目标是均匀照明，没有刺眼的阴影。

2. 将收据放在平坦、深色的表面上。 深色的桌子或台面可以产生对比度，有助于边缘检测和文本识别。避免在白色表面上扫描收据——边缘会变得看不见。

3. 将相机直接置于上方。 将相机平行于收据放置，以避免透视失真。即使是轻微的角度也可能扭曲字符，从而降低准确性。

4. 禁用闪光灯。 热敏纸是反光的。相机闪光灯会产生眩光点，这些点对 OCR 引擎来说会显示为空白的白色区域，通常就在最重要文本的上方。

5. 填满画面。 收据应占据图像的大约 80%。过多的背景会浪费分辨率。裁剪太紧可能会切掉边缘文本。

6. 点按以聚焦文本。 自动对焦通常会锁定在纸张表面而不是印刷文本上。点按文本区域以确保清晰的字符渲染。

7. 压平折痕和皱纹。 扫描前将收据压平。折叠会产生阴影，OCR 引擎可能会将这些阴影解释为字符或换行符。如果收据严重起皱，请先将其放在重书下几分钟。

时间安排

8. 在 48 小时内扫描。 热敏收据会立即开始降解。您捕获收据越早，准确性就越高。将收据扫描作为日常或一天结束时的习惯，而不是每月批量处理。

9. 不要等到批量处理日。 将收据保存一个月然后一次性扫描的常见做法会保证较低的准确性。其中一些收据将在钱包、口袋或汽车中存放四周——在此期间一直在褪色。

文件管理

10. 保留原始图像。 即使在提取后，也要保留原始扫描件或照片。如果您以后需要使用改进的工具重新提取，原始图像就是您的真相来源。

11. 如果可能，使用 PDF 格式。 如果您的扫描仪应用程序或手机提供 PDF 输出，请优先于 JPEG。PDF 可保留更高的质量并处理多页收据（例如，长杂货收据被分两次扫描）。

---

##何时手动验证

对于低风险收据——4.50 美元的咖啡，12 美元的停车票——AI 提取的准确性足以盲目信任。但有些情况需要手动验证。

始终验证这些

• 价值超过 500 美元的收据。 高价值收据上的提取错误造成的财务影响证明了 30 秒手动检查是值得的。
• 对税务至关重要的收据。 您计划用于税务减免的任何收据都应进行验证。美国国税局要求对超过 75 美元的单项费用提供文件，而减免金额不正确可能会引发审计问题。
• 包含手写元素的收据。 小费金额、手动价格调整和手写注释仍然是 AI 提取最薄弱的环节。如果收据包含手写内容，请检查这些字段。
• 褪色或损坏的收据。 如果您自己几乎看不清收据，请不要在未经验证的情况下信任 AI 提取。严重退化的收据应被视为近似值，而不是权威值。
• 外币收据。 货币转换和不熟悉的数字格式（小数点分隔符使用句点而非逗号）可能会导致提取错误。请验证国际收据上的金额和货币。

抽查这些

• 包含 20 多件商品的杂货收据。 抽查 3-5 行项目，并验证总金额是否与各项总和匹配。如果总金额正确，单个项目错误不太可能影响您的费用报告。
• 来自不熟悉供应商的收据。 来自新供应商的第一张收据可能会导致准确性较低，因为 AI 尚未见过该特定布局。验证第一张收据后，来自同一供应商的后续收据通常更可靠。
• 批量处理的收据。 如果您一次处理 50 多张收据，请抽查其中 10-15%。如果准确性一直很高，您可以信任其余的。

无需检查即可信任

• 格式清晰、布局标准的数字/电子邮件收据。
• 来自主要零售商的全新收据，总金额为整数或与您的银行对账单匹配。
• 低于 25 美元的收据，其中验证成本超过潜在错误的成本。

---