OCR (Optical Character Recognition) là công nghệ nhận dạng chữ trong ảnh hoặc bản scan và chuyển thành văn bản máy đọc được. Dùng cho hóa đơn, chứng từ thì cần thêm bước trích xuất đúng trường như số tiền, ngày, mã số thuế. Kết quả có thể sai nên cần đối chiếu trước khi dùng.
OCR làm gì với một tờ hóa đơn
Với máy tính, ảnh chụp hóa đơn chỉ là tập hợp điểm ảnh; nó không biết chỗ nào là chữ. OCR là bước biến những điểm ảnh đó thành văn bản có thể tìm kiếm, sao chép và xử lý tiếp. Một quy trình điển hình có bốn giai đoạn:
- Tiền xử lý: chỉnh nghiêng, khử nhiễu, tăng độ tương phản, cắt phần thừa.
- Phát hiện vùng chữ: xác định đâu là dòng, khối chữ, bảng.
- Nhận dạng: chuyển hình ảnh từng ký tự hoặc từng dòng thành chữ.
- Hậu xử lý: sửa lỗi dựa trên từ điển, định dạng ngày, số tiền.
OCR thuần và trích xuất thông tin từ chứng từ
OCR thuần chỉ cho ra khối văn bản. Với kế toán, bạn cần biết dòng nào là số hóa đơn, ngày lập, mã số thuế, tổng tiền. Công đoạn này gọi là trích xuất thông tin (key-value extraction) hoặc xử lý tài liệu thông minh. Các dịch vụ hiện nay thường kết hợp OCR với mô hình học máy để nhận biết cấu trúc tài liệu, bảng biểu và trả kết quả thành các trường có tên.
Mô hình ngôn ngữ cũng được dùng ở bước này để đọc văn bản sau OCR và điền vào các trường yêu cầu. Cách này linh hoạt với mẫu chứng từ lạ, nhưng vẫn có thể điền sai nên cần kiểm tra.
Hóa đơn điện tử: đọc dữ liệu có sẵn thay vì nhận dạng ảnh
Không phải chứng từ nào cũng cần OCR. Hóa đơn điện tử đi kèm tệp dữ liệu có cấu trúc, trong đó các trường đã được ghi sẵn. Đọc trực tiếp tệp này luôn chính xác hơn nhận dạng chữ từ ảnh chụp hay bản in của nó. OCR dành cho chứng từ giấy, bản scan, ảnh chụp từ điện thoại hoặc các tệp chỉ có hình ảnh.
| Loại chứng từ | Cách xử lý phù hợp | Lưu ý |
|---|---|---|
| Hóa đơn điện tử có tệp dữ liệu có cấu trúc | Đọc trực tiếp dữ liệu | Đối chiếu với bản hiển thị |
| PDF có văn bản chọn được | Trích văn bản từ PDF | Không cần OCR |
| PDF scan, ảnh chụp | OCR rồi trích trường | Kiểm tra số tiền, mã số thuế |
| Chứng từ viết tay | OCR chữ viết tay, độ chính xác thường thấp hơn | Nên có người nhập hoặc soát toàn bộ |
Điều kiện để OCR cho kết quả tốt
- Độ phân giải đủ: khi scan, thường chọn khoảng 300 dpi cho văn bản; thấp quá thì ký tự nhòe, cao quá thì tệp nặng mà không có lợi nhiều.
- Ảnh thẳng và đủ sáng: tránh chụp nghiêng, bóng đổ, lóa đèn, giấy nhăn.
- Nền sạch, mực rõ: hóa đơn nhiệt phai mực nên scan sớm.
- Dấu tiếng Việt: dấu thanh và dấu phụ nhỏ nên dễ bị nhận nhầm hoặc mất; hãy chọn công cụ có hỗ trợ tiếng Việt và thử trên mẫu thực.
- Mẫu chứng từ: bố cục phức tạp, nhiều cột, đóng dấu đè lên chữ làm giảm độ chính xác.
Kiểm soát lỗi và khi cần hỗ trợ
OCR không bao giờ đúng tuyệt đối. Những lỗi hay gặp là nhầm số 0 với chữ O, số 1 với chữ l, mất dấu thập phân hoặc dấu phân cách hàng nghìn. Với dữ liệu kế toán, các biện pháp nên có gồm:
- Đối chiếu tổng các dòng hàng với tổng tiền hóa đơn.
- Kiểm tra định dạng mã số thuế, ngày tháng.
- Dùng điểm tin cậy mà công cụ trả về để đưa các trường kém chắc chắn cho người soát.
- Lưu bản gốc cạnh dữ liệu đã trích để truy ngược.
- Lấy mẫu kiểm tra định kỳ để theo dõi tỷ lệ sai.
Nếu cần dựng quy trình đọc chứng từ nối với phần mềm kế toán, bạn có thể nhờ đơn vị hỗ trợ AI doanh nghiệp khảo sát mẫu chứng từ thực tế và đánh giá công cụ phù hợp trước khi triển khai rộng.
Trước khi chọn công cụ OCR, hãy thử ít nhất vài chục chứng từ thật của công ty, gồm cả bản mờ và nghiêng. Kết quả trên mẫu thật cho thấy công cụ có hợp hay không rõ hơn bất kỳ lời quảng cáo nào.
Muốn đưa AI vào công việc của doanh nghiệp? Kỹ thuật viên PCTech hỗ trợ tại TP.HCM.
Câu hỏi thường gặp
OCR đọc tiếng Việt có chính xác không?
Nhiều công cụ hỗ trợ tiếng Việt khá tốt với văn bản in rõ, nhưng dấu thanh vẫn là điểm dễ sai. Độ chính xác phụ thuộc chất lượng ảnh và công cụ, nên cần thử trên mẫu thật và luôn kiểm tra các trường quan trọng.
OCR miễn phí có dùng được cho kế toán không?
Có thể dùng thử cho văn bản đơn giản, nhưng với chứng từ cần độ chính xác, bạn cần xem điều khoản dữ liệu, hỗ trợ tiếng Việt và khả năng trích trường. Dù dùng công cụ nào, vẫn phải có bước kiểm tra.
OCR khác đọc PDF thông thường thế nào?
PDF có lớp văn bản có thể trích chữ trực tiếp, không cần OCR. OCR cần khi tệp chỉ chứa hình ảnh như bản scan hoặc ảnh chụp, vì khi đó máy không có sẵn dữ liệu chữ.
Có nên đưa hóa đơn lên dịch vụ OCR trên mạng không?
Cần cân nhắc vì chứng từ chứa thông tin doanh nghiệp và cá nhân. Hãy đọc chính sách lưu trữ và sử dụng dữ liệu của dịch vụ, ưu tiên phương án có điều khoản rõ ràng hoặc chạy trong môi trường do công ty kiểm soát.
Bài viết liên quan
- AI cho kế toán: ứng dụng thực tế và lưu ý
- Tự động hóa kế toán: những việc có thể tự động
- RAG là gì? Cho AI đọc tài liệu nội bộ
- AI hallucination là gì? Cách giảm sai sót khi dùng AI
- API là gì? Cách các phần mềm nói chuyện với nhau
