收据 OCR 准确率：AI 扫描的预期效果
收据 OCR 比标准文档扫描更难——热敏纸会褪色，布局千差万别，且字体极小。本文将为您介绍传统 OCR 与 AI 驱动提取技术在准确率方面的实际表现。
您扫描了上周二商务午餐的收据。总额显示为 14.73 美元，而不是 114.73 美元。仅仅漏掉一个数字，您的报销单就错了。
这正是收据 OCR 的核心矛盾所在：这项技术在奏效时显得神奇，但“基本正确”与“完全正确”之间的差距正是真金白银流失的地方。95% 的字符准确率听起来很感人，直到您意识到这意味着每百个字符就有五个错误——在包含 30 行内容的餐厅收据上，这足以导致总额错误、日期误读或商家名称混乱。
收据扫描在过去两年中有了显著提升。但准确率仍因工具、收据状况以及提取字段的不同而有巨大差异。本指南将为您拆解实际预期——使用具体数据，而非营销话术。
为什么收据 OCR 比文档 OCR 更难
如果您曾在标准商务信函或打印报告上使用过 OCR，可能会认为收据扫描也同样可靠。事实并非如此。收据是 OCR 引擎最难处理的文档之一，原因在于结构性问题，而非仅仅是技术问题。
热敏纸降解
影响准确率的最大杀手不是 OCR 引擎，而是纸张。约 93% 的销售点 (POS) 收据打印在热敏纸上，这种纸使用热敏化学涂层而非墨水。这带来了三个问题：
-
褪色不可避免。 在正常条件下（阴凉、干燥、弱光），热敏收据在六个月到一年内开始褪色。在恶劣环境下——如夏天的汽车手套箱或潮湿的钱包——褪色可能在几周内就开始。标准级热敏纸在理想存储条件下可保持 5 到 7 年的可读性，但“理想”意味着低于华氏 77 度（约 25 摄氏度）、45-65% 的相对湿度且无光照。这描述的是恒温恒湿的档案室，而不是鞋盒。
-
褪色不均匀。 边缘和折痕处最先褪色，因为摩擦和压力会加速化学分解。这意味着总额和分项总计经常出现的区域——收据底部——降解最快。
-
BPA 污染。 大多数热敏纸含有双酚 A (BPA) 或其替代品双酚 S (BPS) 作为显色剂。单张收据中的 BPA 浓度可能是罐装食品的 250 到 1,000 倍。这些化学物质并未与纸张化学结合，因此很容易转移到皮肤、钱包和附近存放的其他纸张上。这虽然不是直接的 OCR 问题，但却是立即将收据数字化并尽量减少物理接触的有力理由。
布局多变
标准商务文档（发票、银行对账单、税务表格）遵循相对可预测的布局。收据则不然。看看以下四种常见收据类型的差异：
| 收据类型 | 布局特征 | OCR 挑战 |
|---|---|---|
| 餐厅 | 餐饮明细、小费栏、多个分项总计、服务员姓名 | 手写小费金额、间距多变 |
| 零售/超市 | 长商品列表、SKU 代码、折扣、会员优惠 | 50+ 行项目、混合字母数字代码 |
| 加油站 | 油枪号、燃油等级、加仑数、单价、里程数 | 缩写的字段名称、环境暴露 |
| 线上/邮件 | HTML 渲染、格式一致、订单号 | 通常很清晰——但 PDF 导出可能会产生伪影 |
针对零售收据训练的基于模板的 OCR 系统在处理带有手写小费的餐厅收据时会失败。针对英语收据优化的引擎在处理国际旅行中常见的多种语言格式时会感到吃力。而为标准信纸大小文档设计的系统可能根本无法处理热敏纸那种窄长的连续卷轴格式。
小字体和低对比度
收据打印机通常使用 7 到 10 磅的字体——比大多数文档的标准正文还要小。再加上热敏打印与激光或喷墨打印相比固有的低对比度，即使是尖端的 OCR 引擎也会面临字符识别挑战。像 "1" 和 "l"、"0" 和 "O"、"5" 和 "S" 这样的字符在小尺寸下变得模糊不清，尤其是在轻微褪色后。
物理损坏
收据在口袋里被揉皱，在钱包里被折叠，在信封里被塞挤。每一道折痕都会产生一条线，OCR 引擎可能会将其解释为字符边界、删除线或噪点。雨水或泼溅造成的水损会使纸张变形并导致墨水晕染。食物收据上的油脂会遮挡文字。扫描激光打印机打印出的崭新办公文档时，不存在这些问题。
理解准确率：三个不同的指标
当供应商声称“99% 准确率”时，您需要问：是什么的 99%？衡量 OCR 准确率有三种根本不同的方法，每种方法反映的情况都大相径庭。
字符准确率（字符错误率）
字符准确率衡量引擎正确读取了多少个独立字符。它通过字符错误率 (CER) 计算，统计字符层面的插入、删除和替换。
示例： 如果收据行显示“COFFEE MEDIUM $4.50”，而 OCR 生成“C0FFEE MEDIUN $4.5O”，那么 21 个字符中有 3 个错误——字符准确率为 85.7%。
字符准确率是最细粒度的指标，也最容易进行客观基准测试。但它在实际应用中用处最小，因为它对所有错误一视同仁。将描述中的“MEDIUM”误读为“MEDIUN”很烦人。但将“$4.50”误读为“$4.5O”（字母 O 而非数字零）则是数据损坏错误。
字段准确率（字段级 F1 分数）
字段准确率衡量特定数据字段是否作为完整单元被正确提取。系统是否正确识别并提取了总额？日期？商家名称？税额？
示例： 如果 OCR 系统读取收据并返回：
- 总额：$47.83（正确）
- 日期：02/28/2026（正确）
- 商家：“STARBCUKS”（错误——应为“STARBUCKS”）
- 税额：$3.42（正确）
这就是 4 个字段中有 3 个正确——75% 的字段准确率。
字段准确率对于报销管理和会计工作流至关重要。描述中的字符错误是可以忍受的。总额字段的错误则会使整张收据失效。
文档准确率（端到端成功率）
文档准确率衡量整张收据是否被正确处理——所有字段、所有行项目，没有任何错误。这是最严格的指标，也是生产工作流中最现实的指标。
如果一张收据有 8 个可提取字段，系统正确提取了 7 个，但误读了一个行项目的数量，那么文档准确率为 0%——任何地方的一个错误都意味着整个文档需要人工审核。
行业基准一览：
| 指标 | 传统 OCR | AI 驱动提取 |
|---|---|---|
| 字符准确率 | 85-92% | 95-99% |
| 字段准确率（关键字段） | 70-85% | 93-99% |
| 文档准确率（所有字段正确） | 40-60% | 75-92% |
字符准确率与文档准确率之间的差距解释了为什么一个工具可以声称“95% 准确率”，但产生的结果却有一半收据需要人工修正。
传统 OCR 在收据上的准确率：基准
传统 OCR——通过模式匹配和分割来识别字符的基于规则的引擎——已经存在了几十年。有两个系统主导着这一领域。
Tesseract（开源）
Tesseract 最初由惠普实验室在 20 世纪 80 年代开发，后来由 Google 维护，是使用最广泛的开源 OCR 引擎。在标准文档（打印页面的清晰扫描件）上，Tesseract 的字符准确率可达 95-99%。但在收据上，情况远不乐观。
独立基准测试显示，Tesseract 在收据上的字符准确率仅为 50-80%，具体取决于图像质量和收据状况。该引擎是为识别标准文档中的单词句子而设计和优化的，而不是收据中常见的缩写、混合格式文本。常见的失败模式包括：
- SKU 代码和商品编号 被误读，因为对于在英语文本上训练的语言模型来说，它们看起来像随机字符串
- 价格列 在空格检测失败时失去小数点对齐
- 微小的热敏字体 产生低置信度的字符匹配
- 手机拍摄的旋转或倾斜图像 会显著降低准确率
Tesseract 需要大量的预处理——纠偏、二值化、去噪、对比度增强——才能在收据上达到可接受的准确率。即使经过优化的预处理，总额和日期等关键字段的字段级准确率通常也仅在 60-75% 之间。
ABBYY FineReader（商业）
ABBYY 代表了传统 OCR 的高端水平。在清晰、结构化的文档上，ABBYY 的字符准确率高达 99.8%——是传统 OCR 类别中最好的。在收据上，ABBYY 的表现明显优于 Tesseract，在较清晰的收据上通常能达到 88-93% 的字符准确率。
ABBYY 的优势源于数十年的训练数据、卓越的预处理算法以及广泛的语言和字体覆盖。然而，它在根本上仍然依赖于字符级识别，缺乏对文档结构的语义理解。它可以准确读取收据上的内容，但它不理解底部的数字是总额，顶部的日期是交易发生的时间。
模板问题
超越原始字符识别而进行字段提取的传统 OCR 系统通常依赖于模板——预定义的坐标图，告诉系统“总额在页面的 X,Y 位置”。这种方法适用于标准化表格（税务文档、保险索赔），但在收据上会失败，因为：
- 不同商家、POS 系统和国家有数千种独特的收据格式
- 即使是同一家连锁店，在升级 POS 硬件时也可能更改收据布局
- 模板的创建和维护是劳动密集型的——每种新布局都需要手动配置
- 收据长度不一（包含 50 件商品的超市收据与包含 2 件商品的咖啡店收据在物理上是不同的）
基于模板的系统通常支持 50-200 种收据布局。这覆盖了一个国家的主要零售商。但它无法覆盖小微企业、国际收据或餐厅的长尾市场。
AI 驱动提取：一种不同的方法
现代 AI 收据提取的工作原理与传统 OCR 完全不同。AI 系统不进行单个字符的模式匹配和坐标到模板的映射，而是使用理解文档上下文的大语言模型和视觉模型。
AI 提取的工作原理
该过程通常分为三个步骤：
-
视觉理解。 AI 模型将收据图像（或 PDF）作为视觉输入进行处理，识别文本区域、布局结构和空间关系。这与传统 OCR 孤立地处理字符有本质区别。
-
上下文提取。 模型不是问“X,Y 位置是什么字符？”，而是问“这张收据上的总额是多少？”它理解总额通常在底部附近，前面有“Total”、“Amount Due”或“Grand Total”等词，并格式化为货币值。这种上下文理解使得 AI 提取无需模板即可适配各种格式。
-
结构化输出。 模型返回一个带有标签字段的结构化数据对象：商家名称、日期、行项目、分项总计、税额、总额、支付方式。无论输入收据的布局如何，输出格式都是一致的。
不同状况下的 AI 准确率
AI 驱动提取的准确率显著高于传统 OCR，但具体数值因收据状况而异：
| 收据状况 | 字段准确率（关键字段） | 字段准确率（所有字段） | 备注 |
|---|---|---|---|
| 清晰的数字收据 (PDF/邮件) | 98-99%+ | 95-98% | 近乎完美；格式一致 |
| 新鲜热敏收据 (0-3 个月) | 96-99% | 92-96% | 高对比度，文字清晰 |
| 陈旧热敏收据 (3-12 个月) | 90-95% | 82-90% | 有些褪色，尤其是边缘 |
| 褪色热敏收据 (1-3 年) | 75-88% | 65-80% | 字符丢失严重；上下文有助识别 |
| 严重降解 (3 年以上，受热) | 50-70% | 40-60% | 文本区域缺失；部分提取 |
| 揉皱/起皱 | 85-93% | 78-88% | 折痕干扰行检测 |
| 低质量照片 (运动模糊、阴影) | 80-90% | 70-85% | 图像质量是瓶颈 |
关键见解在于，即使在状况恶化时，AI 也能比传统 OCR 保持更高的准确率，因为它可以使用上下文来填补空白。如果引擎能读到“Tot”后面跟着“$47.8_”（最后一位数字模糊不清），它能根据上下文知道这是一个总额字段，并根据上方的行项目推断缺失的数字很可能是“3”。传统 OCR 则只会输出一个问号或它猜测的最佳单个字符。
关键字段的准确率差距
并非所有字段都同样重要。对于费用管理和税务合规，存在明显的优先级：
| 字段 | 优先级 | 重要性 | AI 准确率（清晰收据） |
|---|---|---|---|
| 总额 | 至关重要 | 决定报销价值和扣除金额 | 98-99% |
| 日期 | 至关重要 | 决定纳税年度和期间归属 | 97-99% |
| 商家名称 | 高 | 类别分类和审计追踪所需 | 95-98% |
| 税额 | 高 | 税务申报和进项税抵扣所需 | 96-98% |
| 支付方式 | 中 | 用于与银行卡账单对账 | 93-96% |
| 行项目 | 中 | 详细费用分类所需 | 88-95% |
| 小费金额 | 中 | 与餐饮费用相关，通常为手写 | 85-92% |
| 地址/电话 | 低 | 报销处理中很少需要 | 90-95% |
AI 提取工具在最重要的字段（总额和日期）上始终保持最高准确率，因为这些字段具有强大的上下文信号（位置、格式、周围文本），即使单个字符模糊不清，模型也能利用这些信号。
影响准确率的因素
了解哪些因素会降低准确率，有助于您更好地决定何时信任自动提取，何时进行手动核对。
图像质量
图像质量是 OCR 准确率中最大的单一可控因素。精心拍摄的图像与草率抓拍的图像之间，字段准确率可能相差 15-20 个百分点。
| 因素 | 对准确率的影响 | 建议操作 |
|---|---|---|
| 分辨率 | 低于 200 DPI 时准确率骤降 | 使用至少 300 DPI；大多数手机相机都超过此标准 |
| 光照 | 光照不均会导致对比度问题 | 使用自然散射光；避免直接顶光 |
| 阴影 | 手部/手机阴影会遮挡文字 | 将光源置于侧面；必要时使用台灯 |
| 闪光灯眩光 | 热敏纸反光；闪光灯会造成白点 | 禁用闪光灯；使用环境光 |
| 聚焦 | 模糊的文字在任何分辨率下都无法读取 | 点击屏幕对焦文字；握稳手机 |
| 角度 | 透视畸变会使字符变形 | 相机正对收据上方，与表面平行 |
| 裁剪 | 背景过多会干扰边缘检测 | 让收据占据画面的 80% |
纸张状况
纸张状况是最大的不可控因素。您可以通过技巧提高图像质量，但无法让褪色的收据复原。
热敏收据的褪色时间线很大程度上取决于存储条件：
- 理想存储（阴暗、阴凉、45-65% 湿度）：标准级可保持 5-7 年，顶级涂层热敏纸可达 25 年
- 正常条件（抽屉、文件夹）：1-3 年
- 钱包或口袋：3-12 个月
- 汽车仪表盘或手套箱：几周到几个月，取决于气候
- 阳光直射：几天到几周
实际结论很明确：在收到收据后的 48 小时内将其数字化。 每一天的延迟都会降低 OCR 能达到的最高准确率。购买当天扫描的收据将产生近乎完美的结果。六个月后扫描的同一张收据可能已经损失了 10-20% 的文字清晰度。
收据长度和复杂度
包含更多行项目的长收据在文档级准确率上较低，仅仅是因为出错的机会更多。包含 5 个项目的咖啡店收据 100% 正确的概率远高于包含 60 个项目的超市收据。
| 收据长度 | 平均行项目 | 文档准确率 (AI) | 最易出错的字段 |
|---|---|---|---|
| 短 (1-5 项) | 8-15 行 | 90-95% | 商家名称 (缩写) |
| 中 (6-20 项) | 16-40 行 | 80-90% | 行项目描述 |
| 长 (21-50 项) | 41-80 行 | 70-82% | 商品数量、单价 |
| 极长 (50+ 项) | 80+ 行 | 55-70% | 多个字段；累积错误 |
字体和格式
某些 POS 系统使用自定义或窄字体，这对 OCR 极具挑战。针式收据打印机（在某些加油站和旧零售点仍很常见）产生的字符质量低于热敏打印机。全大写格式虽然对人类来说较难阅读，但对 OCR 引擎来说实际上更容易，因为大写字母具有更独特的形状。
不同收据类型的准确率
不同收据类别呈现出独特的挑战，并产生不同的准确率概况。
餐厅收据
餐厅收据是 OCR 面临的最大挑战之一，因为它们经常包含手写元素——小费金额、总额和签名。AI 提取能很好地处理打印部分（商家、日期、分项总计的字段准确率为 95-98%），但在识别小费栏的手写内容时表现不佳（准确率为 70-85%）。而小费金额往往是财务上最重要的手写字段。
最佳实践： 如果小费准确率对您的工作流很重要，请手动核对小费和总额。分项总计、税额和商家字段通常无需审核即可信任。
零售和超市收据
零售收据以巨大的数据量挑战 OCR。典型的超市收据有 30-60 个行项目，每个项目都有描述、数量和价格。行项目描述通常是缩写的（例如，“ORG BNS CHKN”代表“Organic Boneless Chicken”），并且可能包含在 OCR 引擎看来像损坏文本的内部 SKU 代码。
关键字段准确率（总额、日期、商家）很高，达到 96-99%。行项目准确率较低，为 85-92%，原因是缩写和格式不一致。对于费用分类而言，总额和商家通常就足够了——您很少需要每个行项目都转录得完美无缺。
加油站收据
加油站收据很短，但经常降解。它们从暴露在天气中的室外油枪中吐出，被戴着手套或油腻的手拿取，并且通常立即被揉皱。热敏纸的质量可能低于室内使用的纸张。新鲜收据的金额和日期字段准确率通常为 90-96%，但由于环境暴露，下降速度比其他类型的收据更快。
线上和邮件收据
数字收据——邮件确认函、在线购买的 PDF 下载件、数字 POS 系统的电子收据——是 OCR 最容易处理的类别。它们格式一致、对比度高、没有纸张降解且字段位置可预测。所有字段的字段准确率通常超过 98%，文档准确率达到 92-97%。
如果您可以选择接收数字收据，请务必选择。它们完全消除了热敏纸问题，并能产生最高的提取准确率。
不同收据类型的对比
| 收据类型 | 总额准确率 | 日期准确率 | 商家准确率 | 行项目准确率 | 字段平均准确率 |
|---|---|---|---|---|---|
| 线上/邮件 (PDF) | 99% | 99% | 98% | 96% | 98% |
| 新鲜零售 | 98% | 98% | 96% | 90% | 95% |
| 新鲜餐厅 | 97% | 97% | 95% | 92% | 93% |
| 加油站 | 95% | 94% | 92% | 88% | 91% |
| 陈旧热敏 (6个月以上) | 88% | 87% | 82% | 72% | 82% |
| 褪色/损坏 | 72% | 70% | 65% | 50% | 64% |
PDFSub 如何处理收据扫描
PDFSub 的 收据扫描器 使用 AI 驱动的提取技术来处理任何格式的收据——热敏纸扫描件、手机照片、PDF 下载件和邮件收据附件。
提取内容
收据扫描器从每张收据中识别并提取结构化数据：
- 商家名称和地址——包括商店编号和位置（如有）
- 交易日期和时间——具有自动日期格式检测功能 (MM/DD, DD/MM, YYYY-MM-DD)
- 行项目——每件商品的描述、数量、单价和行总计
- 分项总计、税额和总额——分为不同的字段以确保会计准确性
- 支付方式——现金、信用卡（后四位）、借记卡、移动支付
- 货币——根据符号和格式自动检测
如何处理多变布局
PDFSub 不使用模板。AI 引擎独立分析每张收据，通过上下文而非坐标映射来理解文档结构。这意味着它适用于任何国家、任何商家的任何收据布局，无需事先配置。无论您上传的是布鲁克林的咖啡店收据、慕尼黑的药店收据，还是东京的出租车票据，提取过程都是一样的。
处理与隐私
对于数字 PDF 收据，初始文本提取在您的浏览器中完成——无需上传。对于需要 AI 处理的扫描图像或收据，文件将发送到提取引擎，处理完成后原始文件不会被保留。
您可以通过 7 天免费试用 来体验收据扫描器——无需信用卡。上传几张收据，并将提取结果与原件进行对比，以评估其针对您特定收据类型的准确率。
提高收据扫描效果的技巧
通过在拍摄收据时遵循一些简单的做法，您可以显著提高提取准确率。
拍摄技巧
-
使用自然散射光。 白天在窗户附近扫描比使用人工顶光效果更好。目标是光照均匀，没有刺眼的阴影。
-
将收据放在平整的深色表面上。 深色桌面或台面产生的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——否则边缘会变得模糊不清。
-
相机正对上方。 使相机与收据平行，以避免透视畸变。即使是微小的角度也可能使字符变形，从而降低准确率。
-
禁用闪光灯。 热敏纸会反光。相机闪光灯会产生眩光点，在 OCR 引擎看来是空白区域，而这些点往往正好出现在最重要的文字上。
-
填满画面。 收据应占据图像的约 80%。背景过多会浪费分辨率。裁剪过紧则有切掉边缘文字的风险。
-
点击对焦文字。 自动对焦往往锁定在纸张表面而不是打印的文字上。点击文字区域以确保字符清晰。
-
抚平折痕和皱褶。 扫描前将收据压平。折痕产生的阴影可能会被 OCR 引擎解释为字符或换行符。如果收据揉皱严重，尝试先将其压在厚书下几分钟。
时机
-
在 48 小时内扫描。 热敏收据会立即开始降解。越早拍摄，准确率越高。养成每天或每天结束时扫描收据的习惯，而不是每月批量处理。
-
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必然会导致准确率下降。其中一些收据可能已经在钱包、口袋或汽车里待了四个星期——期间一直在褪色。
文件管理
-
保留原始图像。 即使在提取之后，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，原始图像就是您的唯一事实来源。
-
尽可能使用 PDF 格式。 如果您的扫描应用或手机提供 PDF 输出，请优先选择它而不是 JPEG。PDF 能保持更高的质量，并能处理多页收据（例如分两部分扫描的长超市收据）。
何时需要手动核对
对于低风险的收据——4.50 美元的咖啡、12 美元的停车罚单——AI 提取已经足够好，可以盲目信任。但在某些情况下，手动核对是必要的。
务必核对以下内容
- 超过 500 美元的收据。 高价值收据上提取错误带来的财务影响，值得花 30 秒进行手动检查。
- 税务关键收据。 任何计划用于税收抵扣的收据都应核对。IRS 要求对超过 75 美元的单笔支出提供证明文件，抵扣金额错误可能会引发审计问题。
- 带有手写元素的收据。 小费金额、手动价格调整和手写笔记仍然是 AI 提取的薄弱环节。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。 如果您自己都很难看清收据，就不要在不核对的情况下信任 AI 提取。严重降解的收据应被视为参考而非权威依据。
- 外币收据。 货币转换和不熟悉的数字格式（用点还是逗号作为小数点）可能会导致提取错误。核对国际收据的金额和货币。
抽查以下内容
- 包含 20+ 项目的超市收据。 抽查 3-5 个行项目，并核对总额是否与各项之和匹配。如果总额正确，单个行项目的错误不太可能影响您的费用报告。
- 来自陌生商家的收据。 来自新商家的第一张收据准确率可能较低，因为 AI 以前没见过这种特定的布局。核对完第一张后，来自同一商家的后续收据通常会更可靠。
- 批量处理的收据。 如果您一次处理 50+ 张收据，抽查其中的 10-15%。如果准确率始终很高，您可以信任其余部分。
无需检查即可信任
- 格式清晰、布局标准的 数字/邮件收据。
- 来自大型零售商的 新鲜收据，且总额为整数或与您的银行对账单匹配。
- 25 美元以下的收据，核对成本超过了潜在错误的成本。
立即将收据数字化的商业理由
准确率数据指向一个压倒性的结论：扫描收据的最佳时机是立即扫描。每一天的延迟都会损失准确率，而因热敏褪色损失的准确率永远无法恢复。
考虑一下经济账：
- 平均可抵扣收据价值： $35-75
- 1 年内褪色至 OCR 无法读取的概率： 30-50%（存放在钱包中）
- 扫描前丢失的概率： 每月 15-25%
- 每张收据平均节省的税款（按 25% 的边际税率计算）：$8.75-18.75
- 用手机扫描一张收据的时间： 5-10 秒
计算很简单。一次 10 秒的扫描如果能保住 12 美元的税收抵扣，其等效生产力价值为每小时 4,320 美元。即使您只扫描高价值收据，时间投入的回报也是惊人的。
再加上 BPA 暴露因素——处理热敏收据会通过皮肤接触转移可测量数量的双酚化合物——立即数字化的理由就不仅关乎财务，还关乎健康。欧盟已经开始逐步淘汰热敏纸中的 BPA，美国几个州也已经颁布或提议了类似的限制。
未来展望
在过去五年中，收据 OCR 的准确率每年提高约 2-3 个百分点，这主要归功于视觉语言模型的进步，而非传统的 OCR 工程。当前这一代 AI 提取工具代表了一个具有重大意义的准确率阈值：清晰收据的关键字段准确率首次稳定超过 97%，使得全自动收据处理对大多数业务流程而言变得切实可行。
剩余的准确率差距——如手写小费、严重褪色的热敏纸、特殊的 POS 格式——将继续缩小。但热敏纸的问题是物理性的，而非计算性的。无论 AI 如何进步，都无法恢复已经从纸张表面化学消失的文字。
实际的解决方案依然没变：尽早拍摄，在光线充足的情况下拍摄，然后让 AI 处理提取工作。 对于最重要的收据，请核对总额。对于其他收据，相信数据并继续后续工作即可。
PDFSub 的 收据扫描仪 可以处理任何格式、任何供应商、任何语言的收据。开始 7 天免费试用 来测试您自己的收据——本文中的准确率数据是行业基准，而唯一重要的数据是您在自己的文档上看到的那些。