名词百科
什么是 OCR 识别？
一句话定义
OCR（Optical Character Recognition，光学字符识别）是把图片或扫描件中的文字转换为可编辑文本的技术，常与版面分析、表格识别结合使用。
它到底是什么
OCR 的难点不是「识别字」，而是还原结构：一张发票里哪是金额、哪是税号、哪是表格行；一份合同里哪是条款、哪是签署方。只输出文字流，后续还得人工整理。
因此现代 OCR 通常分两步：文字检测与识别，加上版面分析（判断区域类型）与结构化抽取（按字段输出）。
怎么运作的
图像预处理：去噪、矫正倾斜、增强对比。拍摄质量直接决定识别率，预处理能挽回一部分。
文字识别：检测文字区域，逐行或逐块识别。手写体与复杂字体的准确率明显低于印刷体。
版面与表格：判断标题、段落、表格结构，把单元格对应关系还原出来。
字段抽取：按业务需要的字段（金额、日期、单号）定位并输出结构化结果，可用规则或模型实现。
人工校验：关键字段仍需人工复核。成熟方案会标出置信度低的字段，让人优先看这些位置。
容易混的几个概念
- 图像识别：更宽的概念，OCR 是其文字分支。
- 文档理解：在 OCR 基础上做语义抽取，范围更宽。
- 条码 / 二维码识别：结构化编码识别，不属于文字识别。
- 人脸识别：生物特征识别，与 OCR 无关。
常见问题
OCR 识别率能到多少？
差别很大，取决于图像质量、字体、语言与版式。印刷体清晰扫描件通常较高，手写、模糊、复杂表格明显下降。承诺固定准确率的方案需要谨慎对待。
为什么 OCR 之后还要人工？
关键字段一旦识别错误会造成实际损失（金额、账号、证件号）。可行做法是置信度低时转人工，而非全量复核或全量信任。
F AI 新兴 · 同组词条
RPARPA（Robotic Process Automation，机器人流程自动化）是用软件模拟人在界面上的操作，自动完成重复性的规则化任务，如录入、下载、复制粘贴、跨系统搬运数据。物联网物联网（IoT，Internet of Things）是把传感器、设备、机器通过网络连接起来，实现数据采集、远程监控与自动控制的系统。它由感知层、网络层和应用层构成。低代码低代码是用可视化配置加少量代码快速构建应用的平台，提供表单、流程、报表等预制能力；无代码是更进一步，完全不写代码，通过拖拽与配置完成应用搭建。区块链溯源区块链溯源是利用区块链不可篡改、可追溯的特性记录商品从生产到销售的全流程信息，供消费者或监管方查验来源。AI原生应用AI 原生应用是围绕模型能力设计的软件，模型承担理解、决策与生成的核心职责，而不是在既有流程上叠加一个 AI 功能。数字孪生数字孪生是物理实体（设备、产线、建筑、城市）在数字世界中的动态映射模型，通过实时数据同步反映其状态，用于监控、仿真与预测。PromptPrompt（提示词）是输入给模型的指令与上下文，决定模型输出的方向与质量；提示词工程是设计、迭代和评估提示词的方法。边缘计算边缘计算是在靠近数据产生的位置（设备侧、现场网关）进行数据处理的技术，减少数据回传云端带来的延迟、带宽消耗与中断风险。