Vooraf samengesteld AI-model voor factuurverwerking
Het vooraf gebouwde AI-model voor factuurverwerking extraheert belangrijke factuurgegevens om de verwerking van facturen te helpen automatiseren. Het factuurverwerkingsmodel is geoptimaliseerd om algemene factuurelementen zoals factuur-id, factuurdatum, verschuldigd bedrag en meer te herkennen.
Met het model Facturen kunt u het standaardgedrag verbeteren door een aangepast Facturen-model te bouwen.
Gebruiken in Power Apps
Voor meer informatie over het gebruik van het vooraf samengestelde model voor factuurverwerking in Power Apps gaat u naar Het vooraf samengestelde model voor factuurverwerking in Power Apps gebruiken.
Gebruiken in Power Automate
Voor meer informatie over het gebruik van het vooraf samengestelde model voor factuurverwerking in Power Automate gaat u naar Het vooraf samengestelde model voor factuurverwerking in Power Automate gebruiken.
Ondersteunde talen en bestanden
De volgende talen worden ondersteund: Albanees (Albanië), Tsjechisch (Tsjechië), Chinees (vereenvoudigd) China, Chinees (traditioneel) Hong Kong SAR, Chinees (traditioneel) Taiwan, Deens (Denemarken), Kroatisch (Bosnië en Herzegovina), Kroatisch (Kroatië), Kroatisch (Servië), Nederlands (Nederland), Engels (Australië), Engels (Canada), Engels (India), Engels (Verenigd Koninkrijk), Engels (Verenigde Staten), Ests (Estland), Fins (Finland), Frans (Frankrijk), Duits (Duitsland), Hongaars (Hongarije), IJslands (IJsland), Italiaans (Italië), Japans (Japan), Koreaans (Korea), Litouws (Litouwen), Lets (Letland), Maleis (Maleisië), Noors (Noorwegen), Pools (Polen), Portugees (Portugal), Roemeens (Roemenië), Slowaaks (Slowakije), Sloveens (Slovenië), Servisch (Servië), Spaans (Spanje), Zweeds (Zweden).
Voor het beste resultaat zorgt u voor één duidelijke foto of scan per factuur.
- De afbeeldingsindeling moet JPEG, PNG of PDF zijn.
- Het bestand mag niet groter zijn dan 20 MB.
- De afmetingen van afbeeldingen moeten tussen 50 x 50 pixels en 10000 x 10000 pixels liggen.
- PDF-afmetingen mogen maximaal 17 x 17 inch zijn, wat overeenkomt met de papierformaten Legal of A3 of kleiner.
- Voor PDF-documenten worden alleen de eerste 2,000 pagina's verwerkt.
Uitvoer van model
Als een factuur wordt gedetecteerd, geeft het factuurverwerkingsmodel de volgende informatie weer:
| Eigenschappen | Definitie |
|---|---|
| Verschuldigd bedrag (tekst) | Verschuldigd bedrag zoals het op de factuur is vermeld. |
| Verschuldigd bedrag (getal) | Te betalen bedrag in gestandaardiseerde getalnotatie. Voorbeeld: 1234,98. |
| Betrouwbaarheid van verschuldigd bedrag | De betrouwbaarheid van de voorspelling van het model. Score tussen 0 (laag vertrouwen) en 1 (hoog vertrouwen). |
| Factuuradres | Factuuradres. |
| Betrouwbaarheid van factuuradres | De betrouwbaarheid van de voorspelling van het model. Score tussen 0 (laag vertrouwen) en 1 (hoog vertrouwen). |
| Factuuradres van ontvanger | Ontvanger factuuradres. |
| Betrouwbaarheid van factuuradres van ontvanger | De betrouwbaarheid van de voorspelling van het model. Score tussen 0 (laag vertrouwen) en 1 (hoog vertrouwen). |
| Klantadres | Klantadres. |
| Betrouwbaarheid van klantadres | De betrouwbaarheid van de voorspelling van het model. Score tussen 0 (laag vertrouwen) en 1 (hoog vertrouwen). |
| Klantadres van ontvanger | Ontvanger klantadres. |
| Betrouwbaarheid van klantadres van ontvanger | De betrouwbaarheid van de voorspelling van het model. Score tussen 0 (laag vertrouwen) en 1 (hoog vertrouwen). |
| Klant-id | Klant-id. |
| Betrouwbaarheid van klant-id | De betrouwbaarheid van de voorspelling van het model. Score tussen 0 (laag vertrouwen) en 1 (hoog vertrouwen). |
| Klantnaam | Klantnaam. |
| Betrouwbaarheid van klantnaam | De betrouwbaarheid van de voorspelling van het model. Score tussen 0 (laag vertrouwen) en 1 (hoog vertrouwen). |
| Belasting-id van klant | Het belastingnummer dat aan de klant is gekoppeld. |
| Betrouwbaarheid van belasting-id van klant | De betrouwbaarheid van de voorspelling van het model. Score tussen 0 (laag vertrouwen) en 1 (hoog vertrouwen). |
| Vervaldatum (tekst) | Vervaldatum zoals deze op de factuur is vermeld. |
| Vervaldatum (datum) | Vervaldatum in gestandaardiseerde datumnotatie. Voorbeeld: 31-05-2019. |
| Betrouwbaarheid van vervaldatum | De betrouwbaarheid van de voorspelling van het model. Score tussen 0 (laag vertrouwen) en 1 (hoog vertrouwen). |
| Factuurdatum (tekst) | Factuurdatum zoals deze is geschreven in de factuur. |
| Factuurdatum (datum) | Factuurdatum in gestandaardiseerde datumnotatie. Voorbeeld: 31-05-2019. |
| Betrouwbaarheid van factuurdatum | De betrouwbaarheid van de voorspelling van het model. Score tussen 0 (laag vertrouwen) en 1 (hoog vertrouwen). |
| Factuur-id | Factuur-id. |
| Betrouwbaarheid van factuur-id | De betrouwbaarheid van de voorspelling van het model. Score tussen 0 (laag vertrouwen) en 1 (hoog vertrouwen). |
| Factuurtotaal (tekst) | Factuurtotaal zoals dit is geschreven in de factuur. |
| Factuurtotaal (getal) | Factuurtotaal in gestandaardiseerde datumnotatie. Voorbeeld: 31-05-2019. |
| Betrouwbaarheid van factuurtotaal | De betrouwbaarheid van de voorspelling van het model. Score tussen 0 (laag vertrouwen) en 1 (hoog vertrouwen). |
| Regelitems | De regelitems die uit de factuur zijn geëxtraheerd. Voor elke kolom zijn betrouwbaarheidsscores beschikbaar.
|
| Betalingsvoorwaarden | De betalingsvoorwaarden voor de factuur. |
| Betrouwbaarheid van betalingsvoorwaarden | De betrouwbaarheid van de voorspelling van het model. Score tussen 0 (laag vertrouwen) en 1 (hoog vertrouwen). |
| Inkooporder | Inkooporder. |
| Betrouwbaarheid van inkooporder | De betrouwbaarheid van de voorspelling van het model. Score tussen 0 (laag vertrouwen) en 1 (hoog vertrouwen). |
| Vorig onbetaald saldo (tekst) | Het vorige onbetaalde saldo zoals dit op de factuur wordt vermeld. |
| Vorig onbetaald saldo (getal) | Vorig onbetaald saldo in gestandaardiseerde getalnotatie. Voorbeeld: 1234,98. |
| Betrouwbaarheid van vorig onbetaald saldo | De betrouwbaarheid van de voorspelling van het model. Score tussen 0 (laag vertrouwen) en 1 (hoog vertrouwen). |
| Remiseadres | Remiseadres. |
| Betrouwbaarheid van remiseadres | De betrouwbaarheid van de voorspelling van het model. Score tussen 0 (laag vertrouwen) en 1 (hoog vertrouwen). |
| Remiseadres van ontvanger | Remiseadres van ontvanger. |
| Betrouwbaarheid van remiseadres van ontvanger | De betrouwbaarheid van de voorspelling van het model. Score tussen 0 (laag vertrouwen) en 1 (hoog vertrouwen). |
| Serviceadres | Serviceadres. |
| Betrouwbaarheid van serviceadres | De betrouwbaarheid van de voorspelling van het model. Score tussen 0 (laag vertrouwen) en 1 (hoog vertrouwen). |
| Serviceadres van ontvanger | Serviceadres van ontvanger. |
| Betrouwbaarheid van serviceadres van ontvanger | De betrouwbaarheid van de voorspelling van het model. Score tussen 0 (laag vertrouwen) en 1 (hoog vertrouwen). |
| Begindatum van service (tekst) | Begindatum van de service zoals deze op de factuur wordt vermeld. |
| Begindatum van service (datum) | Begindatum van service in gestandaardiseerd datumnotatie. Voorbeeld: 31-05-2019. |
| Betrouwbaarheid van begindatum van service | De betrouwbaarheid van de voorspelling van het model. Score tussen 0 (laag vertrouwen) en 1 (hoog vertrouwen). |
| Einddatum van service (tekst) | Einddatum van de service zoals deze op de factuur wordt vermeld. |
| Einddatum van service (datum) | Einddatum van service in gestandaardiseerd datumnotatie. Voorbeeld: 31-05-2019. |
| Betrouwbaarheid van einddatum van service | De betrouwbaarheid van de voorspelling van het model. Score tussen 0 (laag vertrouwen) en 1 (hoog vertrouwen). |
| Verzendadres | Verzendadres. |
| Betrouwbaarheid van leveradres | De betrouwbaarheid van de voorspelling van het model. Score tussen 0 (laag vertrouwen) en 1 (hoog vertrouwen). |
| Verzendadres van ontvanger | Verzendadres van ontvanger. |
| Betrouwbaarheid van verzendadres van ontvanger | De betrouwbaarheid van de voorspelling van het model. Score tussen 0 (laag vertrouwen) en 1 (hoog vertrouwen). |
| Subtotaal (tekst) | Subtotaal zoals op de factuur is vermeld. |
| Subtotaal (getal) | Subtotaal in gestandaardiseerde getalnotatie. Voorbeeld: 1234,98. |
| Betrouwbaarheid van subtotaal | De betrouwbaarheid van de voorspelling van het model. Score tussen 0 (laag vertrouwen) en 1 (hoog vertrouwen). |
| Totale belasting (tekst) | Belastingtotaal zoals op de factuur is vermeld. |
| Totale belasting (getal) | Belastingtotaal in gestandaardiseerde getalnotatie. Voorbeeld: 1234,98. |
| Betrouwbaarheid van belastingtotaal | De betrouwbaarheid van de voorspelling van het model. Score tussen 0 (laag vertrouwen) en 1 (hoog vertrouwen). |
| Leveranciersadres | Leveranciersadres. |
| Betrouwbaarheid van leveranciersadres | De betrouwbaarheid van de voorspelling van het model. Score tussen 0 (laag vertrouwen) en 1 (hoog vertrouwen). |
| Leveranciersadres van ontvanger | Leveranciersadres van ontvanger. |
| Betrouwbaarheid van leveranciersadres van ontvanger | De betrouwbaarheid van de voorspelling van het model. Score tussen 0 (laag vertrouwen) en 1 (hoog vertrouwen). |
| Naam van leverancier | Naam van leverancier. |
| Betrouwbaarheid van leveranciersnaam | De betrouwbaarheid van de voorspelling van het model. Score tussen 0 (laag vertrouwen) en 1 (hoog vertrouwen). |
| Belasting-id van leverancier | Het belastingnummer dat aan de leverancier is gekoppeld. |
| Betrouwbaarheid van belasting-id van leverancier | De betrouwbaarheid van de voorspelling van het model. Score tussen 0 (laag vertrouwen) en 1 (hoog vertrouwen). |
| Gedetecteerde tekst | Regel met herkende tekst bij het uitvoeren van OCR op een factuur. Geretourneerd als onderdeel van een lijst met tekst. |
| Gedetecteerde sleutel | Sleutel-waardeparen zijn alle geïdentificeerde labels of sleutels en de bijbehorende responsen of waarden. U kunt deze gebruiken om extra waarden te extraheren die geen deel uitmaken van de vooraf gedefinieerde lijst met velden. |
| Gedetecteerde waarde | Sleutel-waardeparen zijn alle geïdentificeerde labels of sleutels en de bijbehorende responsen of waarden. U kunt deze gebruiken om extra waarden te extraheren die geen deel uitmaken van de vooraf gedefinieerde lijst met velden. |
Sleutel-waardeparen
Sleutel-waardeparen zijn alle geïdentificeerde labels of sleutels en de bijbehorende responsen of waarden. U kunt deze gebruiken om extra waarden te extraheren die geen deel uitmaken van de vooraf gedefinieerde lijst met velden.
Om alle sleutel-waardeparen te visualiseren die zijn gedetecteerd door het factuurverwerkingsmodel, kunt u een actie HTML-tabel maken aan uw stroom toevoegen zoals weergegeven in de schermopname en de stroom uitvoeren.
Als u een specifieke sleutel wilt extraheren waarvan u de waarde kent, kunt u de actie Filterarray gebruiken zoals weergegeven op de onderstaande schermopname. In het voorbeeld van de schermopname willen we de waarde extraheren voor de sleutel Tel.:
Limieten
De volgende limiet is van toepassing op oproepen per omgeving in documentverwerkingsmodellen, inclusief vooraf samengestelde modellen: verwerking van betalingsbewijzen en factuurverwerking.
| Actie | Limiet | Verlengingsperiode |
|---|---|---|
| Aanroepen (per omgeving) | 360 | 60 seconden |
Een aangepaste factuurverwerkingsoplossing maken
Het vooraf gebouwde AI-model voor factuurverwerking is ontworpen om veelgebruikte velden uit facturen te extraheren. Omdat elk bedrijf uniek is, wilt u wellicht andere velden extraheren dan die in dit vooraf samengestelde model zijn opgenomen. Het kan ook zijn dat sommige standaardvelden niet goed worden geëxtraheerd voor een bepaald type factuur waarmee u werkt. Er zijn twee opties om aan te pakken:
Het aangepaste verwerkingsmodel Facturen gebruiken: verbeter het gedrag van het kant-en-klare factuurverwerkingsmodel door nieuwe velden toe te voegen die moeten worden geëxtraheerd naast de velden die standaard zijn of voorbeelden van documenten die niet correct zijn geëxtraheerd. Ga naar Het type document selecteren voor meer informatie over het uitbreiden van het kant-en-klare model voor factuurverwerking.
Onbewerkte OCR-resultaten weergeven: telkens wanneer het vooraf gebouwde AI-model voor factuurverwerking een door u geleverd bestand verwerkt, voert het ook een OCR-bewerking uit om elk woord uit het bestand te extraheren. U hebt toegang tot de onbewerkte OCR-resultaten voor de gedetecteerde tekstuitvoer die door het model wordt geleverd. Een eenvoudige zoekopdracht in de inhoud die door gedetecteerde tekst wordt geretourneerd, kan voldoende zijn om de gegevens te vinden die u nodig hebt.
Documentverwerking gebruiken: met AI Builder kunt u ook uw eigen aangepaste AI-model bouwen om specifieke velden en tabellen te extraheren die u nodig hebt voor de documenten waarmee u werkt. Maak simpelweg een documentverwerkingsmodel en train dit om alle informatie uit een factuur te halen die niet goed werkt met het factuurextractiemodel.
Nadat u uw aangepaste documentverwerkingsmodel hebt getraind, kunt u het combineren met het vooraf samengesteld model voor factuurverwerking in een Power Automate-stroom.
Hieronder volgen een aantal voorbeelden:
Gebruik een aangepast documentverwerkingsmodel om extra velden te extraheren die niet worden geretourneerd door het vooraf samengestelde factuurverwerkingsmodel
In dit voorbeeld hebben we een aangepast documentverwerkingsmodel getraind om een loyaliteitsprogrammanummer te extraheren dat alleen aanwezig is in facturen van de leveranciers Adatum en Contoso.
De stroom wordt geactiveerd wanneer er een nieuwe factuur wordt toegevoegd aan een SharePoint-map. Vervolgens wordt het vooraf gebouwde AI-model van de factuurverwerking aangeroepen om de gegevens te extraheren. Daarna controleren we of Adatum of Contoso de leverancier is voor de factuur die is verwerkt. Als dat het geval is, roepen we een aangepast documentverwerkingsmodel aan dat we hebben getraind om dat loyaliteitsnummer te krijgen. Tot slot slaan we de geëxtraheerde gegevens van de factuur op in een Excel-bestand.
Gebruik een aangepast documentverwerkingsmodel als de betrouwbaarheidsscore voor een veld dat is geretourneerd door het vooraf samengestelde factuurverwerkingsmodel laag is
In dit voorbeeld hebben we een aangepast documentverwerkingsmodel getraind om het totale bedrag uit facturen te extraheren, waar we gewoonlijk een lage betrouwbaarheidsscore krijgen bij gebruik van het vooraf samengestelde factuurverwerkingsmodel.
De stroom wordt geactiveerd wanneer er een nieuwe factuur wordt toegevoegd aan een SharePoint-map. Vervolgens wordt het vooraf gebouwde AI-model van de factuurverwerking aangeroepen om de gegevens te extraheren. Vervolgens controleren we of de betrouwbaarheidsscore voor de eigenschap Totale factuurwaarde lager is dan 0,65. Als dat het geval is, roepen we een aangepast documentverwerkingsmodel aan dat we hebben getraind met facturen waar we meestal een lage betrouwbaarheidsscore krijgen voor het totale veld. Tot slot slaan we de geëxtraheerde gegevens van de factuur op in een Excel-bestand.
Gebruik het vooraf samengestelde documentverwerkingsmodel om facturen te verwerken waarvoor een aangepast documentverwerkingsmodel niet is getraind
Eén manier om het vooraf samengestelde model voor factuurverwerking te gebruiken, is door het te gebruiken als een terugvalmodel voor het afhandelen van facturen waarvoor uw aangepaste documentverwerkingsmodel niet is getraind. Stel dat u bijvoorbeeld een documentverwerkingsmodel hebt gebouwd en dit hebt getraind om gegevens te extraheren van uw 20 belangrijkste factuuraanbieders. U kunt dan het vooraf samengestelde model voor factuurverwerking gebruiken om alle nieuwe facturen of facturen met een lager volume te verwerken. Hier is een voorbeeld van hoe u het zou kunnen doen:
Deze stroom wordt geactiveerd wanneer er een nieuwe factuur wordt toegevoegd aan een SharePoint-map. Er wordt dan een aangepast documentverwerkingsmodel aangeroepen om de gegevens te extraheren. Daarna controleren we of de betrouwbaarheidsscore voor de gedetecteerde verzameling lager is dan 0,65. Als dit het geval is, betekent dit waarschijnlijk dat de verstrekte factuur niet goed past bij het aangepaste model. In dat geval wordt het vooraf samengestelde model voor factuurverwerking aangeroepen. Tot slot slaan we de geëxtraheerde gegevens van de factuur op in een Excel-bestand.
