用视觉模型提取票据字段：从图片整理到结果校验

AI智能摘要

票据图片看似清晰，字段提取仍可能漏项、日期格式混乱，甚至混淆含税与未税金额；单靠更强的识别模型，并不能消除这些风险。文章从保留完整原图、预先定义字段与状态，到约束模型输出、用程序校验结构和格式，再接入人工复核，梳理一条可追溯的整理流程。怎样让识别结果便于核对，却不被误当成可靠凭证？

— 此摘要由AI分析文章内容生成，仅供参考。

票据图片看起来很清楚，提取出来的字段却可能出现漏项、日期格式不一致，甚至把含税金额当成未税金额。解决办法不是只换一个“识别更准”的模型，而是先定义好数据结构，再把缺失处理、格式校验和人工复核串成一条流程。视觉语言模型可以协助读取和整理信息，但输出不能直接当作财务凭证或无误结果。

先准备图片：让模型看见完整信息

拍摄或扫描时，尽量让票据平整、主体完整，避免阴影、反光和明显倾斜。不要为了突出某个字段而把边缘裁掉：商户名称、日期、金额和票据编号有时分布在不同位置，过度裁切会丢失上下文。多页文件应按页拆分或明确页序，并保留原始图片，方便回查。

如果图片质量不佳，先处理旋转、透视和裁切，再交给模型；处理后的图片仍应与原件对应。不要把模型“看不清”的字段通过猜测补上。对同一批文件，尽量统一图片命名和编号，并用独立记录关联图片与识别结果。

先定义字段，再调用模型

不要只说“识别这张发票”。先决定下游实际需要什么字段，以及每个字段采用什么格式。例如，日期统一为 YYYY-MM-DD，金额以字符串保存，避免不同软件对小数的处理差异；币种单独记录，不要默认所有金额都是人民币。

建议至少为每个字段保留三类信息：识别值、原图依据、识别状态。状态用于区分“已读出”“看不清或有歧义”“票据上没有该字段”。这样，空值就不会被误当成模型漏答，也不会让系统把猜测当成事实。

{
  "merchant": {
    "value": "示例商户",
    "evidence": "票据顶部的商户名称",
    "status": "read"
  },
  "invoice_date": {
    "value": "2026-03-08",
    "evidence": "开票日期：2026年3月8日",
    "status": "read"
  },
  "total_amount": {
    "value": "128.50",
    "evidence": "价税合计：128.50元",
    "status": "read"
  },
  "currency": {
    "value": "CNY",
    "evidence": "金额旁标注人民币元",
    "status": "read"
  },
  "invoice_number": {
    "value": null,
    "evidence": null,
    "status": "missing"
  }
}

字段名和状态值应在整批数据中保持一致。收据、发票和普通表单的字段并不完全相同，可按业务需要设计不同的结构，但不要让模型随意新增字段或改变字段含义。

提示词要约束“如何回答”

可以先用以下模板测试，再根据票据类型调整：

请从图片中提取 merchant、invoice_date、total_amount、currency、invoice_number。
只返回符合约定字段结构的 JSON，不要添加 Markdown 或其他说明。

规则：
- 只填写图片中能直接读到的信息，不推测、不补全。
- 日期统一为 YYYY-MM-DD；金额使用字符串，不带千位分隔符。
- 每个字段都返回 value、evidence、status。
- status 只能是 read、uncertain、missing。
- 图片没有该字段时，value 和 evidence 返回 null，status 为 missing。
- 内容模糊或存在多个可能值时，不要猜，status 返回 uncertain，
  并在 evidence 中说明看到的原始片段。

这里的 evidence 应是图片上的文字或简短位置说明，而不是模型对内容的解释。若所用模型支持返回文字区域或坐标，可一并保存用于复核；不支持时，也应保留原图和文件编号。模型自报的置信度不等于准确率，不宜单独用它决定是否入账。

用程序检查结构和格式

模型返回的 JSON 即使语法正确，也可能把日期写成“3月8日”、把金额写成带货币符号的文本，或漏掉必需字段。接收结果后，先做确定性的格式检查，再进入人工复核。下面的示例只检查字段结构、日期和金额格式，不会判断票据内容真假：

import re
from datetime import date
from decimal import Decimal, InvalidOperation

FIELDS = {
    "merchant": "text",
    "invoice_date": "date",
    "total_amount": "amount",
    "currency": "text",
    "invoice_number": "text",
}
STATUSES = {"read", "uncertain", "missing"}

def validate(record):
    errors = []

    if set(record) != set(FIELDS):
        errors.append("字段集合与约定不一致")

    for name, kind in FIELDS.items():
        item = record.get(name)
        if not isinstance(item, dict):
            errors.append(f"{name}: 必须是对象")
            continue

        if set(item) != {"value", "evidence", "status"}:
            errors.append(f"{name}: value、evidence、status 结构不完整")
            continue

        value, evidence, status = (
            item["value"], item["evidence"], item["status"]
        )

        if status not in STATUSES:
            errors.append(f"{name}: status 不合法")
            continue

        if status == "missing" and value is not None:
            errors.append(f"{name}: missing 状态的 value 应为 null")
        if status == "read" and value is None:
            errors.append(f"{name}: read 状态不能没有 value")

        if evidence is not None and not isinstance(evidence, str):
            errors.append(f"{name}: evidence 必须是字符串或 null")

        if value is None:
            continue
        if not isinstance(value, str):
            errors.append(f"{name}: value 应为字符串或 null")
            continue

        if kind == "date":
            try:
                date.fromisoformat(value)
            except ValueError:
                errors.append(f"{name}: 日期应为 YYYY-MM-DD")
        elif kind == "amount":
            try:
                Decimal(value)
            except InvalidOperation:
                errors.append(f"{name}: 金额不是有效数字")

    return errors

实际使用时，可把校验失败的记录放入待复核队列，而不是直接丢弃。币种代码、必填字段、金额小数位等规则，应根据你接收的票据种类和后续系统要求设定；不要在不确认业务规则时强行补默认值。