Procesare facturi model AI prefabricat
Modelul AI preconstruit Procesare facturi extrage datele cheie ale facturii pentru a ajuta la automatizarea procesării facturilor. Modelul Procesare facturi este optimizat pentru a recunoaște elemente comune ale facturii, cum ar fi ID-ul facturii, data facturii, suma datorată și multe altele.
Modelul Facturi vă permite să măriți comportamentul implicit prin construirea unui model personalizat de Facturi.
Utilizați în Power Apps
Pentru a afla cum să utilizați modelul preconstruit Procesare facturi în Power Apps, accesați Utilizați modelul preconstruit Procesare facturi în Power Apps.
Utilizarea în Power Automate
Pentru a afla cum să utilizați modelul preconstruit Procesare facturi în Power Automate, accesați Utilizați modelul preconstruit Procesare facturi în Power Automate.
Limbi și fișiere acceptate
Sunt acceptate următoarele limbi: albaneză (Albania), cehă (Republica Cehă), chineză (simplificată) China, chineză (tradițională) RAS Hong Kong, chineză (tradițională) Taiwan, daneză (Danemarca), croată (Bosnia și Herțegovina), croată (Croația), croată (Serbia), olandeză (Țările de Jos), engleză (Australia), engleză (Canada), engleză (India), engleză (Regatul Unit), engleză (Statele Unite), estonă (Estonia), finlandeză (Finlanda), franceză (Franța), germană (Germania), maghiară (Ungaria), islandeză (Islanda), italiană (Italia), japoneză (Japonia), coreeană (Coreea), lituaniană (Lituania), letonă (Letonia), malayaziană (Malaezia), norvegiană (Norvegia), poloneză (Polonia), portugheză (Portugalia), română (România), slovacă (Slovacia), slovenă (Slovenia), sârbă (Serbia), spaniolă (Spania), suedeză (Suedia).
Pentru a obține cele mai bune rezultate, furnizați o fotografie clară sau o scanare pe factură.
- Formatul imaginii trebuie să fie JPEG, PNG sau PDF.
- Dimensiunea fișierului nu trebuie să depășească 20 MB.
- Dimensiunile imaginii trebuie să fie între 50 x 50 pixeli și 10.000 x 10.000 pixeli.
- Dimensiunile PDF trebuie să fie de cel mult 17 x 17 inci, ceea ce este echivalentul cu dimensiunile de hârtie Legal sau A3 sau mai mici.
- Pentru documentele PDF, sunt procesate doar primele 2.000 de pagini.
Ieșire model
Dacă este detectată o factură, modelul Procesare facturi emite următoarele informații:
| Proprietate | Definiție |
|---|---|
| Suma datorată (text) | Suma datorata asa cum este inscrisa pe factura. |
| Suma datorată (număr) | Suma datorată în format numeric standardizat. Exemplu: 1234,98. |
| Gradul de încredere în suma datorată | Cât de încrezător este modelul în predicție. Scor între 0 (încredere scăzută) și 1 (încredere ridicată). |
| Adresa de facturare | Adresa de facturare. |
| Gradul de încredere în adresa de facturare | Cât de încrezător este modelul în predicție. Scor între 0 (încredere scăzută) și 1 (încredere ridicată). |
| Destinatarul adresei de facturare | Destinatar adresa de facturare. |
| Gradul de încredere în destinatarul adresei de facturare | Cât de încrezător este modelul în predicție. Scor între 0 (încredere scăzută) și 1 (încredere ridicată). |
| Adresa clientului | Adresa clientului. |
| Gradul de încredere în adresa clientului | Cât de încrezător este modelul în predicție. Scor între 0 (încredere scăzută) și 1 (încredere ridicată). |
| Destinatarul adresei clientului | Destinatar adresa clientului. |
| Gradul de încredere în adresa clientului | Cât de încrezător este modelul în predicție. Scor între 0 (încredere scăzută) și 1 (încredere ridicată). |
| ID client | Număr de înregistrare client. |
| Gradul de încredere în ID-ul clientului | Cât de încrezător este modelul în predicție. Scor între 0 (încredere scăzută) și 1 (încredere ridicată). |
| Nume client | Numele clientului. |
| Gradul de încredere în numele clientului | Cât de încrezător este modelul în predicție. Scor între 0 (încredere scăzută) și 1 (încredere ridicată). |
| ID-ul fiscal al clientului | Numărul contribuabilului asociat clientului. |
| Gradul de încredere în ID-ul fiscal al clientului | Cât de încrezător este modelul în predicție. Scor între 0 (încredere scăzută) și 1 (încredere ridicată). |
| Data scadentă (text) | Data scadentă așa cum este scrisă pe factură. |
| Data scadentă (dată) | Data scadenței în format de dată standardizat. Exemplu: 2019-05-31. |
| Gradul de încredere în data scadenței | Cât de încrezător este modelul în predicție. Scor între 0 (încredere scăzută) și 1 (încredere ridicată). |
| Data facturii (text) | Data facturii așa cum este scrisă pe factură. |
| Data facturii (dată) | Data facturii în format de dată standardizat. Exemplu: 2019-05-31. |
| Gradul de încredere în data facturii | Cât de încrezător este modelul în predicție. Scor între 0 (încredere scăzută) și 1 (încredere ridicată). |
| ID factură | Numărul de indentificare al facturii. |
| Gradul de încredere în ID-ul facturii | Cât de încrezător este modelul în predicție. Scor între 0 (încredere scăzută) și 1 (încredere ridicată). |
| Totalul facturii (text) | Totalul facturii așa cum este scris pe factură. |
| Totalul facturii (număr) | Totalul facturii în format de dată standardizat. Exemplu: 2019-05-31. |
| Gradul de încredere în totalul facturii | Cât de încrezător este modelul în predicție. Scor între 0 (încredere scăzută) și 1 (încredere ridicată). |
| Articole de linie | Elementele rând extrase din factură. Scorurile de încredere sunt disponibile pentru fiecare coloană.
|
| Termeni de plată | Condițiile de plată a facturii. |
| Încrederea în modalitățile de plată | Cât de încrezător este modelul în predicție. Scor între 0 (încredere scăzută) și 1 (încredere ridicată). |
| Comanda de cumpărare | Comandă de achiziție. |
| Gradul de încredere în comanda de cumpărare | Cât de încrezător este modelul în predicție. Scor între 0 (încredere scăzută) și 1 (încredere ridicată). |
| Sold neplătit anterior (text) | Soldul neplătit anterior, așa cum este scris pe factură. |
| Sold anterior neplătit (număr) | Sold neplătit anterior în format numeric standardizat. Exemplu: 1234,98. |
| Încrederea în soldul anterior neplătit | Cât de încrezător este modelul în predicție. Scor între 0 (încredere scăzută) și 1 (încredere ridicată). |
| Adresa de remitere | Adresă de remitere. |
| Gradul de încredere în adresa de remitere | Cât de încrezător este modelul în predicție. Scor între 0 (încredere scăzută) și 1 (încredere ridicată). |
| Destinatarul adresei de remitere | Destinatar adresa de remitere. |
| Gradul de încredere în destinatarul adresei de remitere | Cât de încrezător este modelul în predicție. Scor între 0 (încredere scăzută) și 1 (încredere ridicată). |
| Adresa serviciului | Adresa serviciului. |
| Gradul de încredere în adresa serviciului | Cât de încrezător este modelul în predicție. Scor între 0 (încredere scăzută) și 1 (încredere ridicată). |
| Destinatarul adresei serviciului | Destinatar adresa serviciului. |
| Gradul de încredere în destinatarul adresei serviciului | Cât de încrezător este modelul în predicție. Scor între 0 (încredere scăzută) și 1 (încredere ridicată). |
| Data de începere a serviciului (text) | Data începerii serviciului așa cum este scrisă pe factură. |
| Data de începere a serviciului (dată) | Data de începere a serviciului în format de dată standardizat. Exemplu: 2019-05-31. |
| Încrederea în data de începere a serviciului | Cât de încrezător este modelul în predicție. Scor între 0 (încredere scăzută) și 1 (încredere ridicată). |
| Data de sfârșit a serviciului (text) | Data de încheiere a serviciului așa cum este scrisă pe factură. |
| Data de sfârșit a serviciului (dată) | Data de încheiere a serviciului în format de dată standardizat. Exemplu: 2019-05-31. |
| Încrederea în data de sfârșit a serviciului | Cât de încrezător este modelul în predicție. Scor între 0 (încredere scăzută) și 1 (încredere ridicată). |
| Adresa de expediere | Adresa de transport. |
| Gradul de încredere în adresa de expediere | Cât de încrezător este modelul în predicție. Scor între 0 (încredere scăzută) și 1 (încredere ridicată). |
| Destinatarul adresei de expediere | Destinatar adresa de livrare. |
| Gradul de încredere în destinatarul adresei de expediere | Cât de încrezător este modelul în predicție. Scor între 0 (încredere scăzută) și 1 (încredere ridicată). |
| Subtotal (text) | Subtotal așa cum este scris pe factură. |
| Subtotal (număr) | Subtotal în format numeric standardizat. Exemplu: 1234,98. |
| Gradul de încredere în subtotal | Cât de încrezător este modelul în predicție. Scor între 0 (încredere scăzută) și 1 (încredere ridicată). |
| Total impozit (text) | Taxa totală așa cum este înscris pe factură. |
| Total impozit (număr) | Taxa totală în format numeric standardizat. Exemplu: 1234,98. |
| Gradul de încredere în totalul impozitului | Cât de încrezător este modelul în predicție. Scor între 0 (încredere scăzută) și 1 (încredere ridicată). |
| Adresa distribuitorului | Adresa furnizorului. |
| Gradul de încredere în adresa distribuitorului | Cât de încrezător este modelul în predicție. Scor între 0 (încredere scăzută) și 1 (încredere ridicată). |
| Destinatarul adresei distribuitorului | Destinatar adresa furnizorului. |
| Gradul de încredere în destinatarul adresei distribuitorului | Cât de încrezător este modelul în predicție. Scor între 0 (încredere scăzută) și 1 (încredere ridicată). |
| Numele distribuitorului | Numele furnizorului. |
| Gradul de încredere în numele distribuitorului | Cât de încrezător este modelul în predicție. Scor între 0 (încredere scăzută) și 1 (încredere ridicată). |
| ID-ul fiscal al furnizorului | Numărul contribuabilului asociat vânzătorului. |
| Încrederea în ID-ului fiscal al furnizorului | Cât de încrezător este modelul în predicție. Scor între 0 (încredere scăzută) și 1 (încredere ridicată). |
| Text detectat | Linia de text recunoscută de la rularea OCR pe o factură. Returnat ca parte a unei liste de text. |
| Cheia detectată | Perechile cheie-valoare sunt toate etichetele sau cheile identificate și răspunsurile sau valorile asociate acestora. Le puteți folosi pentru a extrage valori suplimentare care nu fac parte din lista predefinită de câmpuri. |
| Valoarea detectată | Perechile cheie-valoare sunt toate etichetele sau cheile identificate și răspunsurile sau valorile asociate acestora. Le puteți folosi pentru a extrage valori suplimentare care nu fac parte din lista predefinită de câmpuri. |
Perechi cheie-valoare
Perechile cheie-valoare sunt toate etichetele sau cheile identificate și răspunsurile sau valorile asociate acestora. Le puteți folosi pentru a extrage valori suplimentare care nu fac parte din lista predefinită de câmpuri.
Pentru a vizualiza toate perechile cheie-valoare detectate de modelul Procesare facturi, puteți adăuga o acțiune Creați tabel HTML în flux, așa cum se arată în captură de ecran și rulați fluxul.
Pentru a extrage o anumită cheie pentru care îi cunoașteți valoarea, puteți utiliza acțiunea Filtrare matrice așa cum se arată în captura de ecran de mai jos. În exemplul capturii de ecran, dorim să extragem valoarea cheii Tel .:
Limite
Următoarea limită se aplică apelurilor efectuate în funcție de mediu pe modelele Procesare facturi, inclusiv modelele prefabricate: Procesarea chitanțelor și Procesare facturi.
| Acțiune | Limită | Perioada de reînnoire |
|---|---|---|
| Apeluri (pe mediu) | 360 | 60 de secunde |
Creați o soluție personalizată Procesare facturi
Modelul AI preconstruit Procesare facturi este conceput pentru a extrage câmpurile comune găsite în facturi. Deoarece fiecare afacere este unică, este posibil să doriți să extrageți alte câmpuri decât cele incluse în acest model predefinit. De asemenea, se poate întâmpla ca unele câmpuri standard să nu fie extrase bine pentru un anumit tip de factură cu care lucrați. Pentru a rezolva acest lucru, există două opțiuni:
Utilizați modelul personalizat de procesare a facturilor: creșteți comportamentele modelului Procesare facturi preconstruit adăugând noi câmpuri care să fie extrase în plus față de cele implicite sau mostre de documente neextrase corespunzător. Pentru a afla cum să măriți modelul Procesare facturi predefinit, accesați Selectați tipul de document.
Vizualizați rezultate OCR brute: de fiecare dată când modelul AI preconstruit Procesare facturi procesează un fișier pe care îl furnizați, efectuează și o operație OCR pentru a extrage fiecare cuvânt scris în fișier. Puteți accesa rezultatele brute OCR pe rezultatul de text detectat furnizat de model. O simplă căutare a conținutului returnat de textul detectat ar putea fi suficientă pentru a obține datele de care aveți nevoie.
Folosiți procesare documente: cu AI Builder, vă puteți crea și propriul model personalizat AI pentru a extrage anumite câmpuri și tabele de care aveți nevoie pentru documentele cu care lucrați. Doar creați un model procesare documente și antrenați-l să extragă toate informațiile dintr-o factură care nu funcționează bine cu modelul de extragere a facturii.
După ce vă antrenați modelul personalizat procesare documente, îl puteți combina cu modelul preconstruit procesare documente într-un flux Power Automate .
Iată câteva exemple:
Utilizați un model personalizat Procesare facturi pentru a extrage câmpuri suplimentare care nu sunt returnate de modelul predefinit Procesare facturi
În acest exemplu, am antrenat un model personalizat Procesare facturi pentru a extrage un număr de program de loialitate, prezent doar în facturile de la furnizorii Adatum și Contoso.
Fluxul este declanșat atunci când o nouă factură este adăugată într-un folder SharePoint . Apoi apelează modelul AI preconstruit Procesare facturi pentru a-și extrage datele. Apoi, verificăm dacă furnizorul pentru factura care a fost procesată este fie de la Adatum, fie de la Contoso. Dacă este cazul, numim un model personalizat procesare documente pe care l-am antrenat pentru a obține acel număr de fidelitate. În cele din urmă, salvăm datele extrase din factură într-un fișier Excel.
Utilizați un model personalizat procesare documente dacă scor de încredere pentru un câmp returnat de modelul preconstruit Procesare facturi este scăzut
În acest exemplu, am antrenat un model personalizat procesare documente pentru a extrage suma totală din facturi, unde de obicei obținem un scor de încredere scăzut atunci când folosim modelul preconstruit Procesare facturi.
Fluxul este declanșat atunci când o nouă factură este adăugată într-un folder SharePoint . Apoi apelează modelul AI preconstruit Procesare facturi pentru a-și extrage datele. Apoi, verificăm dacă scor de încredere pentru proprietatea Valoarea totală a facturii este mai mică de 0,65. Dacă este cazul, atunci numim un model personalizat procesare documente pe care l-am antrenat cu facturi în care de obicei obținem un scor de încredere scăzut pentru câmpul total. În cele din urmă, salvăm datele extrase din factură într-un fișier Excel.
Utilizați modelul preconstruit procesare documente pentru a gestiona facturile pentru care un model personalizat procesare documente nu a fost instruit să le gestioneze
O modalitate de a folosi modelul preconstruit Procesare facturi este să îl utilizați ca model alternativ pentru a gestiona facturile pe care nu le-ați instruit în modelul personalizat procesare documente. De exemplu, să presupunem că ați creat un model procesare documente și l-ați antrenat pentru a extrage date de la primii 20 de furnizori de facturi. Apoi, puteți utiliza modelul predefinit Procesare facturi pentru a procesa toate facturile noi sau facturile cu volum mai mic. Iată un exemplu despre cum ați putea face acest lucru:
Acest flux este declanșat atunci când o nouă factură este adăugată într-un dosar SharePoint . Apoi apelează un model personalizat procesare documente pentru a-și extrage datele. Apoi, verificăm dacă scor de încredere pentru colecția detectată este mai mică de 0,65. Dacă este cazul, probabil înseamnă că factura furnizată nu este o potrivire bună pentru modelul personalizat. Numim apoi modelul Procesare facturi preconstruit. În cele din urmă, salvăm datele extrase din factură într-un fișier Excel.
