Multibanco支払い伝票からEntidade、Referência、金額を特定します

感熱紙は経年劣化し、読み取りが困難になります。 Multibanco明細は感熱紙に印刷されるため、ATMから出た瞬間から劣化が始まります。レジで鮮明だった明細も、財布の中で3週間も経てば読めなくなります。テンプレートOCRは鮮明で安定した文字を前提としているため、かすれた文字はピクセルレベルで認識に失敗します。

スマートフォン撮影では、映り込み、影、角度の歪みが生じます。 撮影された明細は、クリーンなスキャンとは異なります。カメラの角度によって文字面が歪みます。照明の影が画像を暗くします。感熱紙表面の映り込みで印字の一部が白飛びします。従来のOCRは個々の文字を読み取りますが、「その暗い部分は影であり、数字の一部ではない」という概念を持ちません。

店舗名はなく、テンプレートツールが理解できないコードのみが記載されています。 Multibanco明細には「EDP」や「Finanças」といった店舗名は記載されず、「Entidade: 10083」とだけ表示されます。テンプレートベースのレシートスキャナーは販売元の名前や明細行を探しますが、ここにはどちらも存在しません。そのため、エラーも出さずに処理に失敗するか、無意味なデータを出力します。

AIは孤立した文字ではなく、全体のシーンを読み取ります。 視覚言語モデルは写真を完全な画像として処理します。紙の質感、文字を横切る折り目、印刷部分にかかる影なども含めてです。個々のピクセルの形状からではなく、視覚的な文脈からテキストを再構築します。これにより、従来のOCRでは難しい、かすれた感熱印刷にも対応できます。

フィールド名を指定するだけで、AIが文脈からEntidadeとReferênciaを区別します。 「Entidade（機関）」「Referência（参照）」「Montante（金額）」と入力します。AIは「Entidade:」の横にある5桁の数字が機関コードであり、その下にある9桁の数字が支払参照番号であることを理解します。各フィールドの位置を知る必要はありません。ラベルを読み取るのです。

ポルトガル語の数値形式は自動的に正規化されます。 伝票上でカンマ区切りの「25,50」と表記されていても、出力されるスプレッドシートでは「25.50」になります。AIは抽出時にポルトガル語の小数点表記を認識します。手動で通貨を変換したり、金額を再フォーマットしたりする必要はありません。