Hoe Yomio bonnetjes met OCR verwerkt

Hoe Yomio bonnetjes met OCR verwerkt

Yomio stuurt bonnetjes naar het vooraf getrainde bonmodel van Azure Document Intelligence. De backendparser zet de herkende velden om naar het uitgavenformaat van Yomio, controleert op ontbrekende of tegenstrijdige waarden en maakt daarna een registratie. De extractie kan onjuist of onvolledig zijn; vergelijk opgeslagen gegevens daarom met de originele bon.

De stappen in het verwerkingsproces

1.

De app ontvangt een bonafbeelding

Je voegt een foto of digitale bon toe in de app. De verwerkingsdienst roept vervolgens het model prebuilt-receipt van Azure Document Intelligence aan. Microsoft beschrijft de ondersteunde velden, invoer, versies en talen.

2.

Het model retourneert gestructureerde velden

De reactie kan winkelgegevens, transactiedatum, subtotaal, belasting, totaal, valutawaarden en artikelregels bevatten. Welke waarden terugkomen, hangt af van wat op de bon staat en welke velden het model kan herkennen. Ga er dus niet van uit dat iedere zichtbare regel ook in de digitale registratie verschijnt.

3.

De parser zet waarden om en controleert ze

De parser verwerkt datums en valutacodes, normaliseert winkelnaam waar mogelijk en koppelt herkende omschrijvingen en prijzen aan artikelregels. Het systeem kan waarschuwingen geven bij ontbrekende totalen of artikelen, datums in de toekomst of ver in het verleden en totalen die niet aansluiten op beschikbare artikelbedragen. Deze controles helpen records te vinden die je moet bekijken; ze bewijzen niet dat alle waarden met de afbeelding overeenkomen.

4.

De app slaat de uitgave op

De backend maakt een uitgavenregistratie met de geparseerde gegevens en beschikbare artikelregels. Er kan een categorie worden toegevoegd als de categorisatiestap die levert; anders kunnen artikelen in de standaardcategorie blijven staan. Controleer de uitgave en pas gegevens aan die niet overeenkomen met de bon.

Wat het proces niet garandeert

Yomio publiceert geen gecontroleerde, representatieve benchmark voor herkenningsnauwkeurigheid, artikelherkenning of scantijd. De AI-meetrichtlijnen van NIST leggen uit dat nauwkeurigheidsclaims representatieve testgegevens en een gedocumenteerde methode nodig hebben. Resultaten variëren met beeldkwaliteit, bonindeling, tekst, taal en de velden die het model kan herkennen. We claimen ook niet dat de huidige bonverwerking parallel een tweede OCR-aanbieder of een eigen, op bonnetjes getraind model gebruikt.

Behandel een betrouwbaarheidsscore of validatiewaarschuwing niet als bewijs dat een bon correct is. Vergelijk belangrijke waarden met de originele bon voor boekhouding, declaraties of belasting en volg de controleprocedure van je organisatie.

Waarom een bon correctie nodig kan hebben

• De foto is onscherp, bijgesneden, beschaduwd of moeilijk leesbaar.
• De tekst is vervaagd, bevat ongebruikelijke afkortingen, meerdere belastingregels, kortingen of een afwijkende indeling.
• Een waarde is zichtbaar, maar het model koppelt die aan het verkeerde veld of artikel.
• Een veld dat nodig is voor je uitgavenregistratie ontbreekt in het modelresultaat.

Fotografeer de hele bon duidelijk en controleer daarna winkel, datum, bedrag, valuta en de artikelregels die je nodig hebt. Houd de bronafbeelding beschikbaar terwijl je de opgeslagen uitgave controleert.

Een checklist voor het controleren van je bon

De tool hieronder helpt je omstandigheden rond de bon te bekijken en toont velden die je handmatig kunt controleren. Hij berekent geen OCR-score en voorspelt geen herkenningsresultaat. Vergelijk belangrijke waarden zelf met de originele bon.

Veelgestelde vragen