Fatura Ayrıştırma – PDF'ler ve Taranan Belgeler için Fatura Verisi Çıkarma

Daha önce bir faturayı manuel olarak işlemek zorunda kaldıysanız, sürecin ne kadar zaman alıcı ve sıkıcı olabileceğini bilirsiniz. Ayrıca, her şeyi elle yaparken bir şeyi kaçırmak kolay olduğu için hatalara eğilimlidir.

Fatura ayrıştırıcıların devreye girdiği yer burasıdır. Bu araçlar, faturalardan veri çıkarma işlemini otomatikleştirerek, ihtiyacınız olan bilgiyi hızlı ve kolay bir şekilde almanızı sağlar. Bu, size çok fazla zaman ve güçlük kazandırabilir ve faturalarınızın doğru bir şekilde işlenmesine yardımcı olabilir.

Bu makale, tablo ayıklama, gelişmiş OCR ve derin öğrenme dahil olmak üzere bunu yapmak için en iyi yöntemlerden bazılarının tartışıldığı, fatura ayrıştırıcıları kullanarak fatura verilerinin çıkarılması sürecini araştırıyor.

Ayrıca, manuel işlemeye kıyasla otomatik fatura verilerinin çıkarılmasının faydalarını da inceleyeceğiz. Hemen dalalım.

Fatura Ayrıştırıcı nedir?

Fatura ayrıştırıcı, fatura belgelerini okumak ve yorumlamak için tasarlanmış bir yazılım türüdür. Bu, PDF'leri, görüntüleri ve diğer dosya türlerini içerebilir.

Fatura ayrıştırıcısının amacı, fatura kimliği, ödenmesi gereken toplam tutar, fatura tarihi, müşteri adı vb. gibi önemli bilgileri bir faturadan çıkarmaktır. Fatura ayrıştırıcıları, manuel veri çıkarmadan kaynaklanabilecek hatalardan kaçınarak doğruluğun sağlanmasına yardımcı olabilir.

Bu bilgiler daha sonra çeşitli amaçlar için kullanılabilir, örneğin AP otomasyonu, ay sonu muhasebe kapatma sürecive fatura yönetimi.

Fatura ayrıştırıcıları bağımsız programlar olabilir veya daha büyük iş yazılım sistemlerine entegre edilebilir. Bu araçlar, ekiplerin rapor oluşturmasını veya verileri Excel gibi diğer uygulamalara aktarmasını kolaylaştırır ve genellikle diğer işletme yönetimi uygulamalarıyla birlikte kullanılır.

Piyasada birçok farklı fatura ayrıştırma yazılımı çözümü vardır, bu nedenle özel ihtiyaçlarınızı karşılayan birini seçmek çok önemlidir.

Fatura Ayrıştırıcı Nasıl Çalışır?

Fatura ayrıştırıcılarının nasıl çalıştığını anlamak için ayrıştırıcılar hakkında çalışma bilgisine sahip olmak önemlidir.

Ayrıştırıcılar, belirli bir biçimlendirme dilinde yazılmış belgeleri yorumlamak ve işlemek için kullanılır. Belgeyi jeton adı verilen daha küçük parçalara ayırırlar ve ardından anlamını ve belgenin genel yapısına nasıl uyduğunu belirlemek için her bir jetonu analiz ederler.

Bunu yapmak için, ayrıştırıcıların kullanılan biçimlendirme dilinin gramerini güçlü bir şekilde anlaması gerekir. Bu, bireysel belirteçleri tanımlamalarına ve aralarındaki ilişkileri doğru bir şekilde anlamalarına olanak tanır. Ayrıştırıcıya bağlı olarak, bu işlem manuel veya otomatik olabilir. Manuel ayrıştırıcılar, birisinin belgede adım atmasını ve her bir belirteci tanımlamasını gerektirirken, otomatik ayrıştırıcılar, belirteçleri otomatik olarak algılamak ve işlemek için algoritmalar kullanır. Her iki durumda da ayrıştırıcılar, biçimlendirme dillerinde yazılmış belgeleri anlamlandırmada önemli bir rol oynar.

Veri ayıklamada, fatura ayrıştırma bir fatura belgesini analiz edebilir ve ilgili bilgileri çıkarabilir.

Örneğin, size çok sayıda fatura verildiğini ve onlardan gelen verileri yapılandırılmış bir biçimde depolamak istediğinizi düşünün. Fatura ayrıştırma, tüm dosyaları yüklemenize ve optik karakter tanımayı (OCR) çalıştırmanıza olanak tanır, böylece veriler birkaç dakika içinde okunabilir ve tüm anahtar/değer çiftleri çıkarılabilir. Ardından, bunları JSON veya CSV gibi daha okunabilir biçimlerde depolamak için bazı son işleme algoritmalarını kullanabilirsiniz. Ayrıca süreçler ve iş akışları oluşturun faturaların işletmenizin kayıtlarından çıkarılmasını otomatikleştirmek için fatura ayrıştırmayı kullanma.

Python ile Fatura Ayrıştırma

Python, fatura ayrıştırma da dahil olmak üzere çeşitli veri çıkarma görevleri için bir programlama dilidir. Bu bölüm, faturalardan veri çıkarmak için Python kitaplıklarını nasıl kullanacağınızı öğretecektir.

Metin okuma, dilleri işleme, yazı tiplerini, belge hizalama ve anahtar/değer çiftlerini ayıklama gibi çeşitli görevleri içerdiğinden, tüm veri türlerinde çalışabilen genel bir son teknoloji fatura ayrıştırıcısı oluşturmak zordur. Ancak, açık kaynak projelerinin yardımıyla ve biraz ustalıkla, en azından bu sorunlardan birkaçını çözebilir ve başlayabiliriz.

Örneğin, fatura ayrıştırma için tabloları çıkarmak için bir piton kitaplığı olan örnek bir faturada tabula adlı bir araç kullanacağız. Aşağıdaki kod parçacığını çalıştırmak için yerel makinede hem Python hem de tabula/tabulate'nin kurulu olduğundan emin olun.

örnek-fatura.pdf.

from tabula import read_pdf
from tabulate import tabulate
# PDF file to extract tables from
file = "sample-invoice.pdf"

# extract all the tables in the PDF file
#reads table from pdf file
df = read_pdf(file ,pages="all") #address of pdf file
print(tabulate(df[0]))
print(tabulate(df[1]))

Çıktı

-  ------------  ----------------
0  Order Number  12345
1  Invoice Date  January 25, 2016
2  Due Date      January 31, 2016
3  Total Due     $93.50
-  ------------  ----------------

-  -  -------------------------------  ------  -----  ------
0  1  Web Design                       $85.00  0.00%  $85.00
      This is a sample description...
-  -  -------------------------------  ------  -----  ------

Tabloları birkaç satır kodla bir PDF dosyasından çıkarabiliriz. Bunun nedeni, PDF dosyasının iyi biçimlendirilmiş, hizalanmış ve elektronik olarak oluşturulmuş (kamera tarafından yakalanmamış) olmasıdır. Buna karşılık, belge elektronik olarak üretilmek yerine bir kamera tarafından yakalanmış olsaydı, bu algoritmaların verileri ayıklaması çok daha zor olurdu - işte burada optik karakter tanıma devreye giriyor.

Kullanalım teserakt, bir faturayı ayrıştırmak için python için popüler bir OCR motoru.

import cv2
import pytesseract
from pytesseract import Output

img = cv2.imread('sample-invoice.jpg')

d = pytesseract.image_to_data(img, output_type=Output.DICT)
print(d.keys())

Bu size aşağıdaki çıktıyı vermelidir -

dict_keys(['level', 'page_num', 'block_num', 'par_num', 'line_num', 'word_num', 'left', 'top', 'width', 'height', 'conf', 'text'])

Bu sözlüğü kullanarak, algılanan her kelimeyi, sınırlayıcı kutu bilgilerini, içindeki metni ve güven puanlarını alabiliriz.

Aşağıdaki kodu kullanarak kutuları çizebilirsiniz -

n_boxes = len(d['text'])
for i in range(n_boxes):
    if float(d['conf'][i]) > 60:
        (x, y, w, h) = (d['left'][i], d['top'][i], d['width'][i], d['height'][i])
        img = cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)

cv2.imshow('img', img)
cv2.waitKey(0)

Aşağıdaki çıktıyı göreceksiniz:

Bir faturanın bölgelerini bu şekilde kullanabilir ve tanıyabiliriz. Ancak, anahtar/değer çifti çıkarımı için özel algoritmalar oluşturulmalıdır. Aşağıdaki bölümlerde bununla ilgili daha fazla bilgi edineceğiz.

Eski Fatura Ayrıştırıcıları ile İlgili Sorunlar (Kural Tabanlı Yakalama)

Bugün, birçok kuruluş fatura verilerinin çıkarılması için hala eski sistemlere güveniyor.

Bu "kural tabanlı" sistemler, faturalardaki her bir kalemi ayrıştırır ve ardından bilgilerin veritabanlarına eklenmesi gerekip gerekmediğini belirlemek için bunları bir dizi kuralla karşılaştırır.

Bu yöntem uzun süredir kullanılmaktadır ancak birkaç dezavantajı vardır. Eski fatura ayrıştırıcılarının karşılaştığı bazı genel sorunlara bakalım.

• Tarama sırasında sayfa eğimi: Kural tabanlı fatura ayrıştırıcılarla ilgili bir sorun, "sayfa eğimi" ile ilgili zorluk yaşayabilmeleridir. Bu, bir faturadaki alanlar düz bir çizgide konumlandırılmadığında oluşur ve ayrıştırıcının verileri doğru bir şekilde tanımlamasını ve çıkarmasını zorlaştırır. Bu genellikle eşit şekilde yazdıramayan yazıcılardan veya doğru şekilde hizalanamayan verilerin manuel olarak girilmesinden kaynaklanabilir.
• Biçim değişikliği: Bir işletmenin karşılaştığı en yaygın sorunlardan biri, standart biçimde biçimlendirilmemiş faturalardır. Bu, bir faturadan veri çıkarmaya çalışırken sorunlara neden olabilir. Örneğin farklı yazı tipleri kullanılabilir ve fatura düzeni aydan aya değişebilir. Verileri ayrıştırmak ve her sütunun neyi temsil ettiğini belirlemek zordur. Örneğin, faturaya bazı yeni alanlar eklenebilir veya mevcut bazı alanlar farklı pozisyonlara yerleştirilebilir. Veya tamamen yeni bir yapı olabilir, çünkü sıradan bir kural tabanlı ayrıştırıcı faturaları doğru bir şekilde tanıyamaz.
• Tablo Çıkarma: Kural tabanlı tablo çıkarıcılar, genellikle bir tablodan veri çıkarmanın en basit ve kolay yoludur. Bununla birlikte, herhangi bir başlık içermeyen veya belirli sütunlarda boş değerler içeren tablolarla uğraşırken sınırlamaları vardır, çünkü bu senaryolar işleme sırasında sonsuz bir döngüye neden olur ve bu da sonsuz uzun satırları belleğe yüklerken zaman kaybetmekle (veya hiçbir şey çıktılamamakla) sonuçlanır. hiç) bu nitelikleri de içeren bağımlı ifadeler olsaydı. Ek olarak, tablolar birden çok sayfaya yayıldığında, kural tabanlı ayrıştırıcılar bunları tek bir tablo yerine farklı tablolar olarak ele alır ve böylece çıkarma işlemini yanlış yönlendirir.

Nanonets ile yapay zeka tabanlı bir fatura ayrıştırıcı oluşturun

Optik karakter tanıma (OCR) ve derin öğrenmeye sahip fatura ayrıştırıcılar, taranan veya PDF'lere dönüştürülen faturalardan veri çıkarabilir. Bu veriler daha sonra muhasebe yazılımını doldurabilir, giderleri takip edebilir ve raporlar oluşturabilir.

Derin öğrenme algoritmaları, müşterinin adı, adresi ve ürün bilgileri gibi bir faturadaki belirli öğelerin nasıl tanımlanacağını öğrenebilir. Bu, daha doğru veri ayıklamaya olanak tanır ve bir sisteme manuel olarak veri girmek için gereken süreyi azaltabilir. Ancak, bu tür algoritmaları oluşturmak çok fazla zaman ve uzmanlık gerektirir, ancak endişelenmeyin; Nanonets arkanızda!

Nanonets, PDF belgelerinden, resimlerden ve taranmış dosyalardan tabloların çıkarılmasını otomatikleştirmek için yapay zeka kullanan bir OCR yazılımıdır. Diğer çözümlerin aksine, her yeni belge türü için ayrı kurallar ve şablonlar gerektirmez. Bunun yerine, zamanla gelişirken yarı yapılandırılmış ve görünmeyen belgeleri işlemek için bilişsel zekaya güvenir. Çıktıyı yalnızca ilgilendiğiniz tabloları veya veri girişlerini çıkaracak şekilde özelleştirebilirsiniz.

Hızlı, doğru, kullanımı kolaydır, kullanıcıların sıfırdan özel OCR modelleri oluşturmasına olanak tanır ve bazı düzgün Zapier entegrasyonlarına sahiptir. Belgeleri dijitalleştirin, tabloları veya veri alanlarını çıkarın ve basit, sezgisel bir arayüzde API'ler aracılığıyla günlük uygulamalarınızla entegre edin.

[Gömülü içerik]

Nanonets Neden En İyi PDF Ayrıştırıcıdır?

• Nanonet'ler sayfa verilerini çıkarabilirken, komut satırı PDF ayrıştırıcıları yalnızca (başlık, #sayfalar, şifreleme durumu vb.)
• Nanonetlerin PDF ayrıştırma teknolojisi şablon tabanlı değildir. Nanonets PDF ayrıştırma algoritması, popüler kullanım durumları için önceden eğitilmiş modeller sunmanın yanı sıra, görünmeyen belge türlerini de kullanabilir!
• Yerel PDF belgelerini işlemenin yanı sıra, Nanonet'in yerleşik OCR yetenekleri, taranmış belgeleri ve görüntüleri de işlemesine olanak tanır!
• Yapay zeka ve makine öğrenimi yetenekleriyle sağlam otomasyon özellikleri.
• Nanonetler yapılandırılmamış verileri, yaygın veri kısıtlamalarını, çok sayfalı PDF belgelerini, tabloları ve çok satırlı öğeleri kolaylıkla işler.
• Nanonets, sonradan işleme gerektirmeyen çıktılar sağlamak için sürekli olarak öğrenebilen ve özel veriler üzerinde kendini yeniden eğitebilen kodsuz bir araçtır.

Nanonets ile otomatik fatura ayrıştırma – tamamen temassız fatura işleme iş akışları oluşturma

Mevcut araçlarınızı Nanonet'lerle entegre edin ve veri toplamayı, depolamayı dışa aktarmayı ve defter tutmayı otomatikleştirin.

Nanonet'ler ayrıca fatura ayrıştırma iş akışlarının otomatikleştirilmesine de yardımcı olabilir:

• E-posta, taranmış belgeler, dijital dosyalar/görüntüler, bulut depolama, ERP, API vb. gibi birden çok kaynaktan fatura verilerini içe aktarma ve birleştirme.
• Fatura verilerini, faturalardan, makbuzlardan, faturalardan ve diğer finansal belgelerden akıllıca yakalayın ve çıkarın.
• İşlemlerin iş kurallarına göre sınıflandırılması ve kodlanması.
• Dahili onayları almak ve istisnaları yönetmek için otomatik onay iş akışlarını ayarlama.
• Tüm işlemlerin mutabakatı.
• ERP'ler veya Quickbooks, Sage, Xero, Netsuite ve daha fazlası gibi muhasebe yazılımlarıyla sorunsuz bir şekilde entegrasyon.