聊过发票识别，今天说说另一个财务场景里容易被忽略的东西——银行回单。
银行回单是啥？就是你去银行转账、存款、汇款之后，银行给你的那张凭证。上面有付款方、收款方、金额、交易日期、摘要这些信息。
为什么这个需要OCR？因为稍微大一点的企业，每天可能有几十上百笔银行交易，每一笔都要拿回单做账。财务人员的日常工作之一就是对着回单录信息——谁打的钱、打给谁的、多少钱、什么时候打的、干什么用的。录完之后还要跟银行流水对账，保证账实相符。
手动录入的问题很明显：慢、累、容易错。尤其是银行回单上的字体通常很小，格式各家银行还不一样，有的用A4纸打印，有的是小纸条，有的还是电子回单截图。财务人员一天录几十张，眼花手酸是常态。
我们的银行回单识别系统就是冲着这个场景去的。
技术上，银行回单识别比发票识别更有挑战性。发票格式是相对标准化的，国税总局规定了票面要素。但银行回单——工行的、建行的、招行的、农商行的，每家排版都不一样，甚至同一家银行不同时期回单格式也不同。这要求OCR引擎不能依赖固定模板，必须靠深度学习模型自适应解析各种版面。
目前我们支持国内主流银行的回单格式，包括工农中建交五大行、招商、浦发、兴业等股份制银行，以及部分地方农商行。识别字段涵盖付款方名称和账号、收款方名称和账号、交易金额、交易日期、摘要/用途、回单编号等。
准确率方面，标准清晰回单的关键字段能达到98%以上。但遇到一些特殊情况——比如回单被揉皱了扫描、字迹模糊、或者回单上盖了银行章挡住了关键信息——这些情况准确率会明显下降。这块我们还在持续优化。
一个有意思的应用是跟RPA（机器人流程自动化）结合。OCR识别出回单信息之后，RPA自动登录企业网银，比对银行流水，发现不一致的自动标记出来。这样财务人员只需要处理异常，不用逐笔核对。
对于月交易量大的企业来说，这套方案每个月能省下几十个小时的人工。有时候技术的作用就是这样——它不是在做什么惊天动地的事，就是帮人把重复劳动干掉。