财务部的同事说，她入职第一年最怕月底：一摞厚厚的报销单和发票摆在桌上，每张都要人工核对金额、抬头、税号，录入系统。手抄一遍，再核对一遍，对不上就返回重开——这个流程硬生生占掉她好几个工作日。
发票OCR的出现，让这件事变了样。
发票为什么适合做OCR？
发票有一个天然优势：格式高度标准化。增值税专用发票、普通发票、电子发票，每种类型的布局几乎固定：发票代码在右上角，发票号码在它旁边，购买方信息在左侧，销售方信息在右侧，金额在底部……
这种固定模板让早期的模板匹配方法效果就不错——系统预先定义好每类发票的字段位置，直接从指定区域截图识别，不需要理解整体版面。识别到的字符按字段名存入数据库，就完成了结构化提取。
但模板方法有死角：发票版式会更新、手工填写的项目内容格式不规范、拍摄角度歪斜、打印质量差……一旦偏离模板预期，识别结果就可能错误。
深度学习：让系统自己学版面
现代票据OCR用深度学习替代了手工模板定义。
核心步骤是：先用目标检测模型（如改进的YOLO或Faster RCNN）找出各个字段的位置，再用文字识别模型（CRNN或Transformer）逐字段识别内容，最后用关键信息抽取模型（基于BERT等预训练模型）把识别结果和字段名称对应起来，输出结构化JSON。
关键进步在于字段抽取：不再依赖坐标位置，而是理解语义。发票上”购买方名称”这一行旁边跟着的字符串，无论排版如何，都能被正确抽取为”购方名称”字段。
对于电子发票，情况更简单：电子发票本身就是数字文件（PDF或OFD格式），直接解析文件结构就能拿到所有字段，无需图像识别，速度快、准确率高。
大模型：处理非标准和复杂场景
普通发票之外，财务部门还要处理大量”非标”票据：购物小票、餐饮收据、手写收据、境外发票、承兑汇票……这些票据没有统一模板，传统方法束手无策。
大模型的介入解决了这个问题。把票据图片发给多模态大模型，配合提示词（”请提取这张票据的金额、日期、商家名称”），它能理解图片内容并返回结构化结果，不依赖预定义模板。对于模糊、残缺、混排外语的境外发票，大模型的语义理解能力让识别率大幅提升。
更进一步，大模型还能做合规判断：识别结果里的税率是否合规、金额与税额比例是否正确、发票抬头与系统里的企业名称是否匹配——这些逻辑判断以前需要财务人员逐条核查，现在可以自动完成。
票据识别改变了什么流程？
员工报销： 拍照上传，OCR自动识别发票信息，员工只需确认，不再手填表单；系统自动核验发票真伪（通过税务局接口），假票秒识别。
财务共享中心： 大型企业把全国各地的票据集中到共享中心处理，OCR批量识别替代大量人工录入，处理效率提升数倍。
增值税抵扣： 进项发票自动识别后，直接对接税务系统进行勾选认证，省去手动操作。
财务报告分析： 历史发票批量识别后，可以做支出分类统计、供应商分析、费用趋势预测，财务数据变成了可分析的资产。
某知名动力电池企业2018年引入发票与文档识别技术，应用于财务报销及合同管理，报销处理时效从数日缩短至当日完成。另一家能源企业财务共享项目上线后，部署至32家子公司，报销效率获得一线人员广泛好评。
发票是财务流程的入口，OCR是这个入口的数字化桥梁。识别得越准、速度越快，整个财务流程的效率就提升越多。