Számlák felismerése és szövegkinyerés – rendszerleírás

A közös felismerő folyamat lépései, a csoportos sorba állítás, a két háttérfeladat (felismerés, PDF-szöveg) és a szöveg-végpontok jogai.

A számla-felismerés egyetlen közös belépési ponton fut (felismerő library run()), egy dokumentumra kézzel vagy sok dokumentumra háttérfeladatként. Új számla kizárólag a pénzügyi modul addInvoice() metódusán keresztül születik.

Adatmodell

A táblanevek a telepítés saját előtagjával állnak az adatbázisban.

Tábla	Szerep
`doc`	`recog_status`, `recog_note`, `content_text`, `text_status`
`doc_link`	dokumentum ↔ számla kapcsolat (`invoice_image` típus)
`invoice`	a felismert számla (tételekkel, a pénzügyi modellen át)
`company`	partner-adat pótlás
`cron_queue`	`doc_recognise`, `doc_text` jobok

A felismerés lépései

Hatókör-ellenőrzés; azonos fájl korábbi példányainak összevonása.
Ha már van kapcsolt számla, nem készül új (technikai vevőnél csak vevő-csere, kapcsolt számlán kiegészítés).
Szöveg: szövegréteg → helyi OCR → szükség esetén fizetős nyelvi modell; díjbekérő felismerése (nem lesz számla); számla-e előszűrés.
Kiolvasás; ha hiánytalan (verified): meglévő számla párosítása vagy új számla finance/invoice::addInvoice()-szal, doc_link + invoice_image típus, partner-adat pótlás, tükörszámlák szinkronja.
Eredmény: strukturált válasz (státusz, doc_id, invoice_id, változások), napló, setRecogResult a dokumentumon.

Háttérfeladatok

bulkrecognise: max. 2000 dokumentum; a nem létező, kukás vagy hatókörön kívüli kimarad (naplózva); cégenként felismerési sor (queueRecognition) és egy doc_recognise job a doc_ids listával.
doc_recognise (egyszeri, cégenként): 25-ös kötegekben, időkerettel a közös run() korlátozott rendszer-kontextusban (csak a job cégének dokumentumai, törlés nélkül, classify előszűrővel); siker a rendszernaplóba, hiba a hibanaplóba; csoportos futás végén értesítés.
doc_text (egyszeri, dokumentumonként; a feltöltés sorolja be): a PDF-et local útról vagy Drive-ról letölti, PDF-parserrel kinyeri, content_text-be menti; text_status 1 = kinyerve, 2 = nincs kinyerhető szöveg; az átmeneti fájl törlődik.

Szöveg-végpontok

extracttext: egy vagy több dokumentum (a kliens kötegekben küldi); textOf() → saveExtractedText(); darabszámok counts formában.
textcontent: a tárolt szöveg; JSON-kódolási hibánál beszédes üzenet; jog nélkül a jelvény csak címke.

Jogosultság

recogniseinvoice (UNMAPPED) + core modify; csoportosan canBulkAction(recogniseinvoice).
A library a hívótól kapja: hatókör-cégek, document delete, finance/invoice repoint és statusdelete (újraépítés), company/company edit.
textextract (nincs a katalógusban), csoportosan canBulkAction(textextract); textview (BASE); hatókör dokumentumonként.
Előfeltétel: OCR- és nyelvimodell-beállítás a fizetős olvasáshoz.

Kapcsolódó témák: számla-felismerés háttérfeladat számla

Konzultáció kérése Vissza a főoldalra