金融发票自动识别系统的研究与开发
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本文研究的主要内容 | 第13-14页 |
| 1.4 论文结构 | 第14-15页 |
| 第2章 增值税发票识别系统的总体设计 | 第15-21页 |
| 2.1 系统需求分析 | 第15-17页 |
| 2.2 发票识别系统设计 | 第17-20页 |
| 2.2.1 系统信息存储 | 第17-18页 |
| 2.2.2 系统信息传输 | 第18-20页 |
| 2.3 算法模块的设计 | 第20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 图像预处理及二维码识别 | 第21-32页 |
| 3.1 图像预处理 | 第21-23页 |
| 3.1.1 opencv 图像旋转 | 第21-22页 |
| 3.1.2 Tesseract 文字旋转 | 第22页 |
| 3.1.3 图像预处理的工作流程 | 第22-23页 |
| 3.2 图像二维码识别 | 第23-31页 |
| 3.2.1 图像处理的背景技术 | 第25-27页 |
| 3.2.2 二维码处理及识别 | 第27-29页 |
| 3.2.3 破损二维码识别 | 第29-31页 |
| 3.3 本章小结 | 第31-32页 |
| 第4章 增值税发票OCR识别 | 第32-53页 |
| 4.1 OCR文字识别的技术介绍 | 第32-34页 |
| 4.2 传统OCR增值税发票字段识别 | 第34-37页 |
| 4.2.1 识别位置定位 | 第34-35页 |
| 4.2.2 Tesseract-ocr 文字识别 | 第35-37页 |
| 4.3 深度学习增值税发票字段识别 | 第37-51页 |
| 4.3.1 卷积神经网络原理 | 第37-42页 |
| 4.3.2 yolo目标检测原理 | 第42-45页 |
| 4.3.3 yolo发票字段识别 | 第45-51页 |
| 4.4 两种技术比较 | 第51-52页 |
| 4.5 ocr识别模块的工作流程 | 第52页 |
| 4.6 本章小结 | 第52-53页 |
| 第5章 增值税发票网站查询系统设计 | 第53-60页 |
| 5.1 基于 Selenium 的发票自动化查询 | 第53-56页 |
| 5.1.1 Selenium 简介 | 第53-55页 |
| 5.1.2 发票查询 | 第55-56页 |
| 5.2 验证码识别 | 第56-59页 |
| 5.2.1 验证码识别技术 | 第56-57页 |
| 5.2.2 验证码识别 | 第57-59页 |
| 5.3 发票查询模块的工作流程 | 第59页 |
| 5.4 本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-61页 |
| 6.1 总结 | 第60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士学位期间的研究成果目录 | 第64-65页 |
| 致谢 | 第65页 |
