レシートOCR精度：感熱紙・しわくちゃ・色あせ・
複数通貨ベンチマーク（2026年）

レシートの状態別内訳：劣化ラダー

レシートのOCR精度は、エンジンよりも紙の物理的な状態と撮影方法に左右されます。同じレシートでも、新品で平らな状態から、色あせ、しわくちゃ、スマートフォン撮影へとラダーを下るにつれ、各段階で5〜30ポイントの精度が失われます。

レシートが請求書と異なる点は、レイアウト以上に重要な意味を持ちます。それは、媒体そのものが不安定だということです。ほとんどのレシートは感熱紙に印刷されており、光、熱、時間にさらされると徐々に色あせる感熱コーティングが施されています。購入当日は読み取れたレシートでも、数週間後には税額、日付、明細行の一部が読めなくなることがあり、紙から物理的に消えてしまった文字は、どのOCRエンジンでも復元できません。SROIEの主催者は、ベンチマークの主要な課題として「紙質の悪さ、インクと印刷品質の低さ、低解像度スキャナとスキャン歪み、折り曲げられた請求書」を明示的に挙げています（Huang et al., 2019）。下のグラフは、ラダーの各段階について公表されている精度帯を示しています。各研究で使用された指標は行にラベル付けされています。文字レベル、単語レベル、フィールドレベルの数値は互換性がないためです。SROIEの数値はF1スコア、つまり適合率と再現率の調和平均（Hmean）であり、検出された単語の大部分が正しいことと、正解データの単語の大部分が見つかることが両方求められます。

出典：IJSAT（2026） — 印刷文書を300 DPIでEasyOCR処理した際の文字精度（平ら94.7%、しわくちゃ86.9%。同研究では汚れ80.9%、濡れ72.7%も測定）； KORIE（2026） — 劣化した韓国語感熱レシート748枚、17,587クロップに対する単語精度（オープンソースエンジン別：Tesseract 64.7%、EasyOCR 68.6%、PaddleOCR 73.3%）； RMIT Textract研究（2025） — 実際のレシート118枚に対する店舗名の完全一致フィールド精度（スマートフォン写真65%、折り曲げ・しわくちゃ50%、傾き44%）。 文字レベルの数値は単語レベルやフィールドレベルの数値と直接比較できません — 指標が重要な理由を参照してください。

出典は上表のとおりです。KORIEの行は、合成による劣化ではなく実際の感熱紙の劣化（インクの色あせ、プリントヘッドのバンディング、摩擦による摩耗、折り目）を保持した唯一の公開ベンチマークです。その300 DPIのフラットベッドスキャンは、「スキャン済み」の最良ケースでも紙自体の劣化が埋め込まれていることを意味します。SROIEの上限行は2019年当時の技術であり、同じデータセットに対する最新のLLMエンジンでは全体のフィールド精度が84.3–93.0%に達します（Doubleword、2026年。エンジン層の表を参照）。

フィールドタイプ別の内訳：合計は簡単、店舗名は難しい

フィールドタイプは2番目に大きな要因であり、報告しているすべての研究で驚くほど一貫しています。数値のサマリーフィールド（特に合計金額）は、店舗名やベンダー名などのテキスト識別フィールドよりもはるかに高い精度で抽出されます。下のグラフは、626枚のレシートからなるSROIEテストセット全体に対する5つの最新LLMエンジンの結果を、すべて同じフィールドレベルの完全一致プロトコルで測定したものです（Doubleword、2026年）。

出典：Doubleword（2026年） — SROIEテストレシート626枚、フィールドレベルの完全一致、5エンジン（Qwen3-VL-235B/30B、GPT-5-mini/5.2/5-nano）。方法論を完全に開示したDグレードのベンダーベンチマーク。方向性はReceiptSense（2024年）によっても裏付けられており、アラビア語・英語のレシートで数値の「数量」フィールドがF1 93.42に達する一方、テキストの「ブランド」フィールドはF1 62.30に低下することが判明しています。

この傾向は、根本的に異なる条件と言語でも維持されます。RMIT Textract研究（クリーンなコーパスではなく、実際のスマートフォン撮影レシートを使用）では、合計金額は「一貫して検出された」一方、店舗名は誤検出（近くのテキストを誤分類、または存在しない場合は「不明」）が発生し、Doublewordのランキングと完全に一致しました（2025年）。実務上の意味合いとして、「レシートOCR精度」という見出しは、最も簡単なフィールドと最も難しいフィールドを1つの数値に平均化しており、合計金額だけを必要とする経費ワークフローは、店舗名と明細行を必要とするワークフローよりも根本的に簡単なタスクを対象としていることになります。

エンジン層別の内訳

エンジンの選択は、状態やフィールドタイプほど重要ではありませんが、各状態が到達できる上限を決定づけます。以下の表では、測定コンテキストが異なる4つの層に分けています。レシートコーパスでファインチューニングされた研究モデル（CORD/SROIEベンチマークでのフィールドレベルF1）、ファインチューニングなしの汎用LLM、実文書を扱うクラウドAPI、そしてレガシー／従来型エンジンです。

上表に記載の出典に基づく。CORDおよびSROIEの数値は、モデルがタスクにファインチューニングされたクリーンなベンチマークコーパスにおけるフィールドレベルF1であり、楽観的な上限値であって、実世界での期待値ではない。実世界の行（Googleフォーラム、RMIT Textract）は異なる文書母集団を測定しており、直接比較はできない。両方ともその条件が明記されている。DATABASICSの数値は単一ベンダーの階層クレームであり、下限の参考値としてのみ示されている。

多通貨・多言語レシート

グローバルな経費精算ワークフローには、もう一つの側面があります。このページのすべてのベンチマークデータセットは単言語または二言語であり、フィールド別の数値を公表している唯一の多言語研究でも、合計額とテキストのギャップに加えて、スクリプト（文字体系）によるペナルティが確認されています。2万件のアラビア語・英語レシートでは、ファインチューニングなしの汎用LLMはゼロショットでF1 32.07〜42.98に留まり、フィールドごとに3つの例を与えるとF1 60.60〜80.26に上昇しました。一方、数値の「個数」フィールドはF1 93.42を記録したのに対し、テキストの「ブランド」フィールドはF1 62.30でした（ReceiptSense、2024年）。RMITの研究でも、本番環境で同じスクリプトの影響が観察されています。英語以外の商品名が含まれるレシートは「部分的にしか解析されず」、明細データが黙って欠落していました（2025年）。

上表に記載の出典による。通貨効果（記号、小数点表記、3文字コード）を文字体系を一定に保ったまま分離した査読付き研究は存在しない — 実際のワークフローにおける「複数通貨」のギャップは主に文字体系とレイアウトの違いに起因し、数値そのものは認識されれば問題なく抽出できる。これは制限事項でデータギャップとして明記しており、ベンダー数値で埋めることはしていない。

指標が重要な理由：文字・単語・フィールドは3つの異なる答え

このページの幅広い範囲は測定ノイズではありません — 同じ「精度」という言葉に3つの異なる問いが込められているのです。1枚のレシートが文字精度98%、単語精度約85%、フィールド精度約75%を同時に達成することは可能で、その3つの数値はすべて正しいのです。

文字精度は個々の文字を数えます：誤り率1%は100文字につき1文字の誤りを意味します。単語精度は1文字でも誤読すると単語全体が失敗とみなされます — 単語誤り率（WER）で測定され、KORIEの最良エンジンでも文字誤り率（CER）は15.84%ながらWERは26.73%と、単語レベルではほぼ2倍の誤り率になる理由です（KORIE, 2026）。フィールド精度は、店舗名・日付・合計金額などのフィールド内の1文字でも誤りがあれば、そのフィールド全体が失敗とみなされます。SROIEの主催者が「レシートOCRは一般的なOCRタスクよりもはるかに高い精度要件を満たす必要がある」と結論づけ、フィールドレベルのF1が経費処理ワークフローで実際に消費される指標である理由もここにあります（Huang et al., 2019）。このページのすべての数値にはそのレベルが明記されています。これらを1つの「レシートOCR精度」という数値に混ぜることが、まさに99%という主張が作られる仕組みなのです。

このデータの使い方

経費フローでレシートOCRがどのような成果をもたらすかを推定するのに、パイロットプロジェクトは必要ありません。上記の範囲を使った4ステップの簡易計算で、「ベンダーが99%と言う」を、妥当な予想エラー数に変換できます。そして、その計算は通常、エンジンではなく、レシートの状態が結果を左右することを明らかにします。

これらは概算の計算式であり、自社文書のベンチマークに代わるものではありません。このページの公開範囲はすべて、他社のコーパスで測定されたものです。あなたのレシートフローに適用される唯一の精度数値は、自社で測定したものです。このページの価値は、測定前に期待値を設定し、どの指標を求めるべきかを知ることです。

よくある質問

レシートOCRの精度はどのくらいですか？

正直な答えは、単一の数字ではなく「段階」です：きれいなスキャンレシートでは単語精度90%以上（2019年SROIE最優秀チーム、Huangら）、実際に色あせた感熱レシートでは単語精度55〜73%（KORIE 2026）、実際にスマートフォンで撮影したレシートの店舗名ではフィールド精度66.7〜68.7%（RMIT Textract調査 2025）。ベンダーが主張する97〜99%は、新品で平らで明るく撮影された簡単なフィールドの話であり、これは段階の最上位であって中間ではありません。

OCRは色あせた感熱紙レシートを読み取れますか？

部分的に可能です。そしてその損失は物理的なものです：色あせた感熱文字は紙から永久に消えているため、どのエンジンも復元できません。実際の色あせや折り目が残る韓国の感熱レシートでは、オープンソースエンジンの単語精度はわずか55〜73%（KORIE 2026）で、最良のもの（PaddleOCR、73.3%）でも約4語に1語は失敗します。唯一の確実な対策は、色あせる前にレシートを撮影することです。

レシートをしわくちゃにするとOCR精度に影響しますか？

はい、測定可能なほど影響します。管理された300 DPIテストでは、しわくちゃにすることで文字精度が94.7%から86.9%へ、約8ポイント低下しました。汚れや水濡れではさらに80.9%と72.7%に低下します（IJSAT 2026）。RMIT調査の実レシートの約50%は折りたたみまたはしわくちゃの状態で、約67%という店舗名フィールドの結果と一致しています。

OCRが抽出するのが最も難しいレシートのフィールドはどれですか？

店舗名（販売者名）が一貫して最も難しく、5つのLLMエンジンでフィールド精度73.1〜87.7%である一方、合計金額が最も簡単で94.9〜98.9%、日付はその中間の84.3〜92.5%です（Doubleword 2026、SROIEレシート626件）。同じ順位は実際のスマートフォン撮影レシート（RMIT 2025）やアラビア語・英語レシート（ReceiptSense 2024：数値フィールド93.4、テキストフィールド62.3 F1）でも確認されています。

レシートOCRは請求書OCRよりも精度が低いのですか？

はい、実際にはその傾向があります。請求書は標準化されたレイアウトのPDFやフラットベッドスキャンで届くのに対し、レシートは感熱紙、スマートフォン撮影、しわくちゃ、レイアウト自由という特徴があります。その差は同等のクラウドエンジンでも顕著です。請求書ではエンジン別のフィールド精度が78〜98%（BusinessWareTech 2025）である一方、同じエンジンクラスを実際にスマートフォンで撮影したレシートに適用した場合、店舗名フィールドの精度は66.7〜68.7%でした（RMIT Textract調査 2025）。

スマートフォン撮影は、スキャンと比べてレシートOCRの精度にどの程度影響しますか？

同一レシートを用いた査読付きの比較対照研究は存在せず、これは実際のデータギャップです（「制限事項」を参照）。存在する証拠としては、RMIT調査のレシートは約65%がスマートフォン写真で、44%が傾き、12.7%がぼやけており、店舗名フィールドの精度は66.7〜68.7%でした。一方、より高いスコアを記録したSROIEおよびKORIEベンチマークはフラットベッドスキャンを使用しています。方向性としては、スマートフォン撮影は傾き、影、ぼやけを生み、それぞれが精度を劣化ラダーに沿って押し下げますが、正確な影響度は公表文献では未測定です。

SROIEとは何ですか？なぜ重要なのですか？

SROIE（Scanned Receipt OCR and Information Extraction）は、ICDAR 2019コンペティションで作成された最初の標準化されたレシートOCRベンチマークです。1,000枚の実在するスキャンレシートを使用し、テキスト位置特定、OCR、主要フィールド（会社名、住所、日付、合計金額）の抽出タスクで構成されています（Huang et al., 2019）。その重要性は、クロスチームの結果が公表されている唯一のレシートベンチマークである点にあります。2019年の最良の手法でも、レシートアプリケーションが要求する99%の精度には届きませんでした。同じデータセットに対する最新のLLMは、全体で84.3〜93.0%のスコアを記録しています（Doubleword 2026）。

方法論と情報源

このページの作成方法

このページは、2019年から2026年にかけての14件の独立した研究のデータを集約しています。情報源は次の3つの基準で選定しました。(1) サンプルサイズが明記された公開方法論、(2) 可能な限り直近3年以内に収集されたデータ（古い情報源は本文中に年号を明記）、(3) 一般的な文書に関する主張ではなく、レシート特有のOCR・抽出に関連する内容。複数の情報源が同じ指標を報告している場合は、控えめな範囲（報告値の最低〜最高）を使用しています。過大評価は避ける方針です。情報源間で大幅な食い違いがある場合は、指標レベル・文書状態・コーパスの観点から説明し、平均化して誤魔化すことはしません。

指標の区別がこのページの軸です。文字レベル・単語レベル・フィールドレベルの数値は決して1つの数字に混ぜず、各チャートと表の行には指標を明記しています。ベンダー自己申告の数値（DATABASICSの約64%ティア下限）はDグレードと表示し、裏付けのある参考値としてのみ使用しています。SROIEベンチマークの結果は2019年当時の技術によるもので、年号を明記しています。同じデータセットに対する最新のLLM結果（Doubleword 2026）も最新性を確保するため併記しています。

情報源一覧

1. Huang, Z. 他 — 「ICDAR2019 Competition on Scanned Receipt OCR and Information Extraction」(2019)。査読付きコンペティション報告書。スキャンしたレシート1,000枚、3つのタスクに対して有効な提出数は29/24/18。タスク3の最高F1値90.49%、「18チーム中90%超は1チームのみ」「半数以上が80%未満」という結果、およびタスク2の「最良の手法でも99%の要件を達成できない」という記述の出典。
2. Park, S. 他 — 「CORD: A Consolidated Receipt Dataset for Post-OCR Parsing」(2019)。学術データセット論文。インドネシアのレシート11,000枚以上、4つのスーパークラス配下に30フィールド。公開サブセットは800/100/100。研究モデル行で使用されるコーパス定義とフィールドレベルF1評価プロトコルの出典。
3. Xu, Y. 他 — 「LayoutLMv2」(ACL 2021)。査読付き論文。CORDフィールドF1 96.01%（426Mパラメータ）とSROIEフィールドF1 97.81%の出典。
4. Kim, G. 他 — 「Donut: OCR-free Document Understanding Transformer」(ECCV 2022)。査読付き論文および公式モデルリポジトリ。CORDフィールドF1 91.3%（donut-base-finetuned-cord-v2）の出典。
5. 「KORIE: A Multi-Task Benchmark for Detection, OCR, and Information Extraction on Korean Retail Receipts」— MDPI Mathematics (2026)。査読付きジャーナル。韓国の感熱紙レシート748枚（実際の色あせ・バンディング・折れ目を含む）、OCRクロップ17,587件。実劣化データに基づく唯一の単語精度の出典：PaddleOCR WER 26.73%（単語精度73.3%）、EasyOCR 31.43%、Tesseract 35.26%、BiGRU 44.47%。
6. 「Towards Analysing Invoices and Receipts with Amazon Textract」(RMIT, 2025)。学術ケーススタディ（プレプリント）。オーストラリアのレシート118枚、約65%がスマートフォン撮影、約50%が折りたたみ・しわくちゃ、44%が傾きあり。店舗名の完全一致率68.7%（テキストレイアウト）/ 66.7%（ロゴレイアウト）、「合計金額は一貫して検出される」という結果、および言語制限に関する観察結果の出典。
7. Abdallah, A. 他 — 「ReceiptSense: Beyond Traditional OCR」(2024)。学術プレプリント。アラビア語–英語レシート20,000枚、OCR画像30,000枚。ゼロショットF1 32.07–42.98%、3ショットF1 60.60–80.26%、および数値フィールドとテキストフィールドの精度差（93.42 vs 62.30）の出典。
8. 「Optical Character Recognition Accuracy on Degraded Documents」— IJSAT 17(2) (2026)。査読付き。300 DPIでのEasyOCR、4種類の物理的状態。物理的損傷行で使用される文字精度ラダー（通常94.7% / しわくちゃ86.9% / 汚れ80.9% / 濡れ72.7%）の出典。
9. 「Deep Learning based Key Information Extraction from Business Documents: Systematic Literature Review」(2024)。学術系統的レビュー。公開論文全体の平均フィールドF1（CORD 0.94、SROIE 0.95）の出典。
10. 「Large language model driven transferable key information extraction mechanism for nonstandardized tables」(2025)。査読付き。LLM-TKIE、ファインチューニングなし、3ショット。セットアップ不要のLLMベースラインとしてCORD F1 80.9 / SROIE F1 83.9を提供。
11. Doubleword — 「構造化データ抽出」SROIEベンチマーク（2026年）。方法論を完全公開したベンダーベンチマーク。626件のレシートからなるSROIEテストセット全体、フィールドレベルの完全一致、5つのLLMエンジンを採用。全体で84.3〜93.0%、フィールド別では合計金額94.9〜98.9%、日付84.3〜92.5%、店舗名73.1〜87.7%を提供。
12. Google Developer Forum — 「多様な請求書・経費レイアウトにおけるDocument AIの低いF1スコアについて」（2024年）。Google公式フォーラムでのユーザーによる実測報告。約1,500件の多様な文書を対象。クラウドAPIの実環境におけるF1 0.75〜0.85の帯域を提供。
13. BusinessWareTech — 「AWS Textract vs Google、Azure、GPT-4o：請求書抽出ベンチマーク」（2025年）。独立系第三者によるベンチマーク（Cグレード、方法論は透明、実請求書を使用）。請求書コンテキストのエンジン階層を提供：GPT-4o+OCR 98%、Azure 93%、Google 82%、Textract 78% — レシートではより達成しやすい上限値。
14. DATABASICS — 「経費精算のためのレシート取得とOCR」ホワイトペーパー。ベンダーのホワイトペーパー（Dグレード）。下限の参考値としてのみ使用。従来型OCR約64% / AI強化型85〜95% / LLM 97〜99%という階層構造を提供。精度は画像品質、レイアウト、手書きの有無によって変動するという注意点付き。

限界と注意点

• 地理的カバレッジ: 情報源はアジア太平洋地域と中東（マレーシア／シンガポール、インドネシア、韓国、エジプト／アラビア語、オーストラリア）に集中しています。北米・ラテンアメリカ・アフリカを対象としたレシート特有の学術ベンチマークは見つかりませんでした。米国・英国のレシートOCR精度は現在、ベンダーの主張やフォーラムの逸話的な報告によってのみ裏付けられており、査読付き研究によるものではありません。
• 方法論の制約: 指標レベル（文字／単語／フィールド）は研究によって異なるため、混ぜずに行ごとに明記しています。いくつかの重要な数値は単一の研究に依存しています（KORIEの感熱紙劣化、RMITのTextract店舗名フィールド、ReceiptSenseの多言語対応）。また、DoublewordとGoogleフォーラムの数値はD／Cグレード（ベンダーまたは逸話的）であり、グレードを明示した上で使用しています。IJSATのしわくちゃ・色あせた数値は印刷文書に基づくもので、レシートではありません。感熱紙のレシートはさらに劣化が進むと予想されますが、これは推測であり、その旨を明記しています。
• 時間的なギャップ: SROIEコンペティションのデータは2019年のものです。その絶対値は2019年当時の手法を反映しており、年号を明記し、同じデータセットに対する最新のLLM結果（Doubleword 2026）を併記しています。SROIE 2019以降、チーム間の結果が公表された新しい標準化されたレシートコンペティションは見つかりませんでした。
• 見つけられなかったもの: (1) 同一レシートに対するスマートフォン撮影とフラットベッドスキャンを比較した査読付き統制研究（ベンダーのマーケティングで最も頻繁に引用される変数）、(2) レシート特有の明細行抽出ベンチマーク（明細行の数値は請求書コンテキストのみで、エンジン別に40〜82%、BusinessWareTech 2025）、(3) 文字体系を一定に保ったまま通貨効果（記号、小数点の慣習）を分離した研究、(4) 手書きのレシート追記（チップ、メモ、訂正）のベンチマーク、(5) 電子レシート／スクリーンショットと紙を撮影した場合の公開ベンチマーク。これらのギャップは、検証不可能なベンダー数値で埋めるのではなく、そのまま明記しています。

関連リファレンス： 文書タイプ別のOCR精度 · 手書き文字認識の精度 · 文書処理コストの内訳 · 手動データ入力のエラー率

関連記事： 手書きレシートの手動データ入力にかかるコスト · AI手書き抽出精度が向上し続ける仕組み