一、项目背景、目标及相关规划

1.项目背景

人工智能，迎来了崭新的发展浪潮，正成为金融科技的新引擎。在国务院印发的《新一代人工智能发展规划的通知》中也着重指出，应该“推动人工智能与各行业融合创新”。推进人工智能，在我行各作业流程中的应用，成为我们研究和关注的焦点。

在我行应用服务体系建设和金融创新阶段渐进过渡的几年中，推进完成了流程银行建设，将前、中、后台作业分离，达到提高效率、防范风险、加强业务监督的目的，取得了理想的效果。在集约化的后台作业模式下，随业务发展和体量的增长，后台作业人员工作繁复性也在显现并扩大。

研究人工智能在后台服务体系中的应用，加大作业智能化水平，优化处理时效，提升客户体验，增加风险管理能力。通过具有人工智能的作业平台建设，为我行银行业务创新提供有利的基础和条件，并为同业提供参考和借鉴。

2.项目目标

项目主要实现将影像信息转化为电子信息进行输出，以满足影像业务需求。封装影像处理各功能模块，统一对外提供影像服务。核心的影像识别、切片和补录功能，进行并行处理，提供共享服务，各共享服务可根据业务需要进行参数化配置。

通过人工智能与我行后台服务体系融合创新，建设具有人工智能的作业平台，为我行银行业务创新提供有利的基础和条件。本场景除了传统银行票据的识别，增加了财务票据（如普通增值税发票、出租车票、机打卷票等）及营业执照的识别；针对复杂场景的手写汉字识别，本场景进行针对性方案设计、性能优化；同时针对外包作业平台中前后台补录切片要素由一次OCR改为两次OCR，减少外包人员的手工补录工作。

3.建设规划

为研究人工智能在银行后台服务体系中的融合应用，建立智能影像处理平台项目，为我行的集中作业提供影像处理服务的支持。利用人工智能的深度学习技术，建立满足我行业务要求的模型，优化业务流程，减少人工干预，提升效率，防范风险。

系统总体架构如下：

整个系统松耦合架构，便于系统未来扩展和改造，基于分层、分块架构系统应用。

逻辑架构如下：

整个体系在逻辑上分为接口层、应用层、服务层、人工智能算法层、存储层。

接口层

该层主要负责影像数据的受理，提供PC客户端、移动端、批量影像数据的接入，支持客户端控件接口、JAVA SDK接口、C# SDK接口、WebService、移动终端接口、批量处理接口等。

应用层

这一层属于智能作业平台的业务核心层，该层面对的是我行的业务人员，为其提供人工录入、二录一较、配置管理、统计分析等功能。

人工智能算法层

这一层属于智能作业平台的技术核心层。该层主要负责人工智能业务模型的部署，向外提供人脸识别、图像识别、二维码识别、通用识别等算法。支持各种符号（数字、字母、汉字等）、各种形式（机打、手写、盖章等）、各种载体（条型码、二维码等）、各种业务类型（银行票据、财务票据、营业执照等）的识别。

服务层

该层主要负责封装智能作业平台影像处理的服务。提供影像识别、影像分割、影像调阅、影像存储等功能。

存储层

该层主要负责提供智能作业平台影像存储的功能。

硬件部署说明

智能作业平台系统部署情况如图所示，分为以下两块内容：

业务处理中心

前台操作员通过浏览器访问系统，可进行凭证扫描、扫描图像质检、

人工凭证类型确认、切片补录、报表信息统计等相关操作

总行机房

外包作业服务器（主机）

AIX服务器部署websphere中间件，oracle数据库，图像存储磁盘阵列

外包补录服务器（备机）

AIX服务器部署websphere中间件

人工智能服务集群

2台人工智能服务器集群，可扩展。

典型硬件配置

人工智能服务系统：

4.业务功能

（一）图像识别功能

通过人工智能与我行后台服务体系融合创新，建设具有人工智能的作业平台，为我行银行业务创新提供有利的基础和条件。本场景除了传统银行票据的识别，增加了财务票据（如普通增值税发票、出租车票、机打卷票等）及营业执照的识别；针对复杂场景的手写汉字识别，本场景进行针对性方案设计、性能优化；同时针对外包作业平台中前后台补录切片要素由一次OCR改为两次OCR，减少外包人员的手工补录工作。

（二）两次ocr数据处理功能

针对图像数据会采用两种ocr算法进行识别。针对识别结果自动进行数据处理，比对两次识别结果是否一致，若一致则可作为可信数据作为输出。

（三）校验配置功能

针对图像数据识别结果可根据业务场景灵活配置校验方案。当前系统支持进行两次ocr识别、两次人工补录及一次主管授权校验。针对不同场景可配置不通校验方案，如进行两次ocr识别，若不一致则进入人工补录流程，每次补录后将数据进行比对，一致的数据则可作为可信数据，不一致时下一级校验流程。

（四）基于人工智能的凭证模板学习配置工具

本项目除银行单据数据处理流程外建设了可扩展的其他凭证识别功能，可以进行各种凭证进行基于人工智能的凭证模板学习配置，模板维护及图像识别内容。本项目已用于财务发票类、营业执照类凭证的识功能应用。

二、创新点

1、采用两次OCR的识别方案

OCR识别采用两家厂商的识别方案进行两次识别，将识别结果进行自动比对，如果两次不通技术方案识别结果一致，则识别结果直接作为可信数据，不再需要人工进行校验核对。采用这种创新方案可大大减轻人工工作量。同时有效降低作业成本，提升风险管理水平。并积累经验，为同业提供参考和借鉴。

2、灵活可变的校验方案

本项目可根据业务场景灵活配置校验方案。本行原数据处理采用“二录一较”的方案，即对图像数据进行两次人工录入，在此基础上增加基于两次OCR的校验方案。对两次ocr两次人工识别的四项数据可灵活配置校验方案。对于数据准确性要求较高的字段，如金额、单据号码等字段可配置必须人工核对。而对于部分数据错误可容忍的字段可以采取两次识别一致直接输出，不再进行人工参与。

三、项目过程管理

北京农商银行于2021年3月启动智能影像处理平台项目，2022年6完成项目开发、测试和上线准备，并于2022年7月完成上线试运行工作。

四、运营情况

本项目目前完成建设并上线运营。当前实现对于各种凭证单据识别功能，由于目前OCR识别领域还没有识别率达100%的模型，出现误识的数据在所难免，但在金融领域微小的会导致极大地损失。本项目中采用两次OCR的方案，通过不同技术识别结果比对来得到可信数据，两次识别无法匹配的部分再通过人工补录校验完成识别。同时营业执照、财务发票识别等功能应用到多种业务场景，为我行凭证图像信息处理提供可靠流程的同时极大地减少了人工工作量。

五、项目成效

通过引入机器学习人工智能的方法进行ocr识别，在银行后台服务体系进行应用，大幅提高了汉字识别率，减少人工补录量。从而提高业务处理效率，降低人力成本。同时也可以减少由于人工补录带来的差错。

在深度学习的算法选择上，模型适配上，通过不同的模型进行学习和训练，将不同模型识别出的结果进行比对，过滤出业务可信的数据。目前业务上是通过二录一较机制来确定可信数据的，即OCR识别结果与人工一录数据进行比对，一致为可信数据，不一致进行人工二录，人工二录与OCR识别结果和人工一录数据分别比对，有一致即为可信数据，都不一致再进入人工审核岗进行确认。

所以可通过人工智能“机器人”来参与人工流程。

假设机器人1和机器2的识别率都能达到60%以上，则能选出至少36%的可信数据，在剩下64%的不可信数据里，可通过机器3与机器人1和机器2进行两两比对，有一致的可作为可信数据。可以根据实际业务要求和系统的处理能力，以及可允许的处理时限，来安排机器人比对的轮次。在不考虑系统的处理能力、可允许的处理时限以及不同机器人训练的复杂度的前提下，从理论上，当比对的轮次趋近于无究多次，正确率能趋近于100%。实际上，本项目建设中同时用两个机器人的方案，大幅度减少人工补录量，当前每套ocr识别算法识别率能到90%以下，两次识别后可信数据达到81%，基本上就能满足业务要求。

六、经验总结

通过人工智能与我行后台服务体系融合创新，建设具有人工智能的作业平台，为我行银行业务创新提供有利的基础和条件。总结本项目意义如下：

一是提高后台应用智能化水平，更好的服务客户：加大作业智能化水平，辅助把许多人的工作自动化，提升那些繁琐、单一的工作的处理时效，提升客户服务水平。

二是有效降低作业成本，提升风险管理水平：通过人工智能在后台服务体系中的应用，实现部分作业的智能自动处理，直接降低了成本。并进一步通过机器学习，进一优化作业管理和风险管理水平。

三是积累经验，为同业提供参考和借鉴：通过我行技术攻关和实践积累经验，更好的做好行业示范和推动作用，为后续人工智能在银行后台服务体系的应用提供参考和借鉴，并促进国内相关产品和产业的尽快发展和成熟。