识别率的低谷，多数出现在采集环节
票据影像进入流程要经过四段：采集、传输、预处理、识别。识别率低时，团队习惯先怀疑第四段，但实际可改空间最大的是第一段。原因很直白：识别模型面对的是像素，不是原件。票面信息在成像阶段丢掉的细节，后面的预处理和识别都补不回来。
判断问题是否出在采集端，有一个简单方法：从识别失败的单据中随机抽二十张，人工肉眼把影像放大到原始尺寸看四个点——票号是否连续可辨、文字边缘是否发虚、票面是否被裁掉边角、是否有反光或阴影压住字符。如果这四项里有任何一项肉眼都觉得勉强，问题就在采集端，先不要动算法。
把参数量化：像素下限怎么换算
讨论影像质量最常犯的错是用「清晰」「高清」这类无法验收的词。要能验收，就得有数字。档案数字化领域的规范可以作为参数参照，因为它面对的是同一个问题：把纸质件转成可靠可读的影像。《纸质档案数字化规范》（DA/T 31—2017）在扫描分辨率上给出的要求是「扫描分辨率应不小于 200dpi」，并规定「如文字偏小、密集、清晰度较差时，建议扫描分辨率不小于 300dpi」。
手机拍照场景下没有 dpi 这个概念，需要做一次换算。以 A4 幅面为例，其尺寸约为 8.27 英寸 × 11.69 英寸，按 200dpi 折算约为 1654 × 2339 像素，按 300dpi 折算约为 2481 × 3508 像素。因此可以约定一个与纸张大小无关的近似门槛：票据影像短边像素不低于 1600（约相当于 200dpi），票面文字密集或字迹偏淡时短边不低于 2400（约相当于 300dpi）。这个换算方式的优点是可以在上传环节直接校验，不依赖用户填写纸张尺寸。
| 影像参数 | 可验收的门槛 | 不达标时的典型表现 |
|---|---|---|
| 像素尺寸 | 短边不低于 1600 像素；文字密集或字迹偏淡时不低于 2400 像素 | 小字号票号、税号识别为相近字符；税率与金额数字混淆 |
| 倾斜角度 | 规范要求纠偏至视觉上基本不感觉偏斜；多数项目在实施文档中量化为不超过 1 度 | 文本行基线检测失败，字段被切成上下两半导致整行漏识别 |
| 色彩模式 | 含红章、红头、彩色插图的票据应采用彩色模式采集 | 红章消失、印章与文字重叠区域被误判为空白 |
| 光照与遮挡 | 票面无反光斑块，无阴影覆盖文本区域，无手指遮挡 | 局部区域整片过曝或过暗，字段整体缺失 |
| 完整边距 | 票面四周留出边距，不裁断票号、二维码与金额栏 | 关键字段落在影像之外，识别结果必然为空 |
| 模糊程度 | 文字边缘可分辨，无运动模糊 | 识别结果出现大量近形字替换错误 |
采集端六条硬性规范（可直接写进报销指引）
- 把票据平铺在单一底色平面上，避免深色或有纹理的桌面背景干扰边缘检测
- 镜头正对票面拍摄，不采用斜侧角度，避免梯形畸变（这一点与扫描仪的顶置成像原理不同）
- 优先使用自然散射光或双侧均匀光源，避免开启闪光灯直射，避免单侧台灯造成明显阴影
- 票面四周留出边距，尤其不要把票号、二维码、金额栏裁掉
- 对焦确认后再拍摄；连续多张拍摄时注意手部稳定性，避免运动模糊
- 含红章与彩色标识的票据一律用彩色模式采集，不要为了压缩体积改用黑白
系统侧的前置校验：把不合格影像挡在流程外
规范写在指引里，执行率靠制度保证；但真正让识别率稳定的是系统侧的自动拦截。建议至少配置以下校验，并按提示语引导用户当场重拍，而不是把问题单据放进流程再退回。
- 像素尺寸校验：读取影像宽高，短边低于门槛时直接拒绝并提示重新拍摄
- 倾斜角检测：基于文本行基线估算倾斜角度，超过约定阈值时提示或执行自动纠偏后再进入识别
- 边距与黑边检测：检测四周是否存在大片黑色或裁切痕迹，判断票面是否被截断
- 模糊度检测：以图像梯度类指标评估整体清晰度，低于阈值时提示重拍而非直接送入识别
- 重复影像检测：对影像计算感知哈希，识别重复上传的同一张票据影像
- 关键区域可读性预判：对票号、金额、二维码等区域先做一次轻量质量评估，不合格时优先提示重拍
其中重复影像检测有额外价值。它能同时解决两类问题：用户因未收到反馈而反复上传同一张票，以及在识别失败后重复提交。前者造成队列堆积拉低整体吞吐，后者会让同一张发票在系统里出现多条记录，为后续的重复入账核查埋下隐患。
兜底机制：人工复核在什么条件下触发
前置校验的作用是减少不合格影像，但它不可能把所有问题挡掉。因此还需要一条明确的人工复核通道，把识别置信度不足的单据自动分流出来，而不是让财务逐张肉眼比对全部单据。
| 触发条件 | 建议处理方式 |
|---|---|
| 关键字段识别置信度低于阈值 | 进入人工复核队列，由财务确认后回填，同时记录该影像的采集状态供后续质量分析 |
| 金额、税额、发票号码识别为空或格式不合法 | 强制人工复核，不允许直接提交审批 |
| 票面金额与单据填报金额不一致 | 标记差异并提示申请人确认，保留两处金额供复核比对 |
| 同一影像被多张单据引用 | 阻断提交并要求说明，防止一票多报 |
| 影像在采集端多次重拍仍不达标 | 允许带瑕疵提交但标记为低质影像，纳入后续跟进，避免堵塞流程 |
最后一项容易被忽略，但很关键。如果校验规则做成只允许完美影像通过，个别用户的设备或票据状态不佳，就会长期卡在提交环节，最终结果是绕过系统线下报销——识别率数字好看了，风险反而更大。给低质影像留一条带标记的通道，是让制度能真正跑下去的必要设计。
四个反复出现的坑
| 常见做法 | 为什么行不通 | 建议做法 |
|---|---|---|
| 识别率低就换 OCR 引擎或调整模型参数 | 影像信息已在成像阶段丢失，调模型无法恢复不存在的像素 | 先做采集端抽样比对，确认问题归属后再决定是否更换引擎 |
| 为提高识别率对影像做高强度压缩 | 压缩会削弱文字边缘，识别率反而下降，同时影响后续归档质量 | 区分用途：识别用图可按需压缩，归档用图按档案规范保留 |
| 只在上线测试集上验证识别率 | 测试集影像通常由项目团队规范采集，与真实用户拍摄质量差异很大 | 上线前用真实用户设备采集的样本做验证，并在上线后持续抽样 |
| 斜侧角度拍摄以便一次拍全 | 梯形畸变会使文本行基线倾斜，字段切分错位，漏识别多于补全 | 正对拍摄，必要时分幅拍摄并在系统侧做拼接处理 |
资料来源：《纸质档案数字化规范》（DA/T 31—2017）第 9.3 节扫描色彩模式、第 9.4 节扫描分辨率（扫描分辨率应不小于 200dpi，文字偏小、密集、清晰度较差时建议不小于 300dpi）、第 9.5 节存储格式、第 10.2 节旋转及纠偏相关要求。像素与 dpi 的换算按 A4 幅面（约 8.27 英寸 × 11.69 英寸）折算，供设置系统校验阈值时参考；倾斜角度 1 度为多数项目在实施文档中的量化约定，规范原文的表述为纠偏至视觉上基本不感觉偏斜。