Multibanco支払い伝票からEntidade・Referência・金額を特定

感熱紙は色褪せ、そして褪せ続ける。 Multibanco明細書はATMから出た瞬間から劣化する感熱紙に印刷されます。レジで鮮明だった明細書も、3週間後に財布の中では読めなくなっていることがあります。テンプレートOCRは鮮明で安定した文字を前提としていますが、色褪せはピクセルレベルで文字認識を破壊します。

スマホ撮影で映り込み、影、角度の歪みが生じる。 撮影した明細書はクリーンなスキャンではありません。カメラの角度で文字面が傾きます。頭上照明の影で画像が暗くなります。感熱紙表面の映り込みで印刷の一部が白飛びします。従来のOCRは個々の文字を読み取るだけなので、「その暗い部分は影であり数字の一部ではない」という概念がありません。

店名がなく、テンプレートツールが理解できないコードだけがある。 Multibanco明細書には「EDP」や「Finanças」とは書かれていません。「Entidade: 10083」と書かれています。テンプレートベースのレシートスキャナーは販売者名や明細項目を探しますが、ここにはどちらも存在しません。静かに失敗するか、無意味な出力をするかのどちらかです。

AIは孤立した文字ではなく、シーン全体を読み取ります。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、印刷物にかかる影なども含めてです。個々のピクセルの形ではなく、視覚的な文脈からテキストを再構築します。これが、従来のOCRでは対応できない色あせた感熱紙印刷を処理できる理由です。

フィールド名を指定すれば、AIが文脈からEntidadeとReferênciaを区別します。「Entidade（エンティティ）」「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、その下にある9桁の数字が支払い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。ラベルを読み取るからです。

ポルトガル語の数値形式は自動的に正規化されます。伝票上のカンマ形式の「25,50」は、出力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。通貨を手動で変換したり、金額を再フォーマットしたりする必要はありません。