Partager via

Modèle de chèque bancaire Intelligence documentaire

  • Article

Le modèle de chèque bancaire Intelligence documentaire combine de puissantes capacités de reconnaissance optique de caractères (OCR) à des modèles Deep Learning pour analyser et extraire des données à partir de relevés bancaires américains. L’API analyse les chèques imprimés, extrait les informations clés et retourne une représentation des données au format JSON structuré.

Fonctionnalité version ID de modèle
Modèle de chèque • v4.0:2024-07-31 (préversion) prebuilt-check.us

Extraction des données de chèque

Un chèque est un moyen sécurisé de transférer une somme du compte de l’émetteur vers le compte du destinataire. Les entreprises utilisent des chèques pour payer leurs fournisseurs, en tant que document signé pour indiquer à la banque de payer. Découvrez comment les données, y compris les détails du chèque, les détails du compte, le montant et le mémo, sont extraites des relevés bancaires américains. Vous avez besoin des ressources suivantes :

Capture d’écran de l’emplacement des clés et des points de terminaison dans le Portail Azure.

Document Intelligence Studio

Remarque

Le Studio d’Intelligence documentaire est disponible avec les API v3.1 et v3.0.

  1. Sur la page d’accueil d’Intelligence documentaire Studio, sélectionnez Chèque.

  2. Vous pouvez analyser l’exemple de chèque ou charger vos propres fichiers.

  3. Sélectionnez le bouton Exécuter l’analyse et, si nécessaire, configurez les Options d’analyse :

    Capture d’écran des boutons Exécuter l’analyse et Options d’analyse dans Document Intelligence Studio.

    Essayer le Studio d’Intelligence documentaire

Critères des entrées

  • Formats de fichiers pris en charge :

    Modèle PDF Image :
    JPEG/JPG, PNG, BMP, TIFF, HEIF    		 Microsoft Office :
    Word (DOCX), Excel (XLSX), PowerPoint (PPTX), HTML
    Lire ✔ ✔ ✔
    Layout ✔ ✔ ✔ (2024-07-31-preview, 2024-02-29-preview, 2023-10-31-preview)
    Document général ✔ ✔
    Prédéfinie ✔ ✔
    Extraction personnalisée ✔ ✔
    Classification personnalisée ✔ ✔ ✔ (2024-07-31-preview, 2024-02-29-preview)

  • Pour de meilleurs résultats, fournissez une photo nette ou une copie de qualité par document.

  • Pour les PDF et TIFF, jusqu'à 2 000 pages peuvent être traitées (avec un abonnement gratuit, seules les deux premières pages sont traitées).

  • La taille de fichier pour l’analyse de documents est de 500 Mo pour le niveau payant (S0) et de 4 Mo pour le niveau gratuit (F0).

  • Les dimensions de l’image doivent être comprises entre 50 pixels x 50 pixels et 10 000 pixels x 10 000 pixels.

  • Si vos fichiers PDF sont verrouillés par mot de passe, vous devez supprimer le verrou avant leur envoi.

  • La hauteur minimale du texte à extraire est de 12 pixels pour une image de 1024 x 768 pixels. Cette dimension correspond environ à un texte de 8 points à 150 points par pouce (ppp).

  • Pour la formation de modèles personnalisés, le nombre maximal de pages pour les données de formation est de 500 pour le modèle personnalisé et 50 000 pour le modèle neural personnalisé.

    • Pour l’apprentissage du modèle d’extraction personnalisé, la taille totale des données d’entraînement est de 50 Mo pour le modèle de gabarit et de 1 Go pour le modèle neuronal.

    • Pour l’apprentissage du modèle de classification personnalisé, la taille totale des données d’entraînement est de 1 Go, avec un maximum de 10 000 pages. Pour 2024-07-31-preview et les versions ultérieures, la taille totale des données de formation est de 2 Go, avec un maximum de 10 000 pages.

Langues et régions prises en charge

Pour obtenir la liste complète des langues prises en charge, consultez notre page Prise en charge des langues du modèle prédéfini.

Extractions de champs

Pour connaître les champs d'extraction de documents pris en charge, reportez-vous à la page Schéma du modèle de chèque bancaire dans notre référentiel d'exemples GitHub.

Paramètres régionaux pris en charge

La version 2024-07-31-preview de prebuilt-check.us prend en charge les paramètres régionaux en-us.

Étapes suivantes