收據 OCR API | Bloss0m

系統概覽

本專案做端對端收據正規化：不論掃描品質或醫院版型差異，都能輸出統一的結構化 JSON，讓下游財務或醫療系統直接串接，無須再處理各院格式。做法是依「是否含表格」自動切換兩階段 YOLO 偵測與醫院專屬欄位解析，並搭配 UVDoc 展平、歪斜／陰影校正與 PaddleOCR，降低影像品質造成的誤差。

支援台大、長庚、彰基、榮總、奇美等常見醫院，以客製化正則與欄位抽取程式辨識。
輸出欄位含 nhi、admissionDate、dischargeDate、receivedAmount、items（費用明細）等，可對接既有 API。

處理管線

影像前處理 — 判斷正反向、UVDoc 展平、陰影與噪聲抑制（ocr_methods.py、correct_skew_eliminate_shadows.py、UVDoc/）。
YOLO Stage 1 — 偵測收據區域（yolov7_detect.py）。
切割與再校正 — 必要時以 crop_image_from_label.py 再切出區塊。
OCR — PaddleOCR（det + rec）取得全文，依 hospital_key.txt 判斷醫院類別。
表格偵測 — 若有表格則啟用 YOLO Stage 2 偵測表格區塊。
醫院管線 — 進入對應 HospitalPipeline（hospital_pipeline.py），依醫院做欄位正則化與表格補強（receipt_uni/info/*.py、receipt_uni/config/regex_*.txt）。
輸出 — convert_df_to_api_format.py 轉成標準 JSON，由 generate_json_result 輸出。

新增醫院時沿用同一邏輯：判斷是否含表格 → 撰寫欄位 regex 與自訂抽取程式即可。

管線與輸出範例

處理管線 — 從影像輸入到 JSON 輸出的流程。

以下為各院收據辨識後的輸出格式範例（以檔名為 key，欄位含健保、住院／出院日、科別、收據金額與 items 明細）。

台大

"台大收據1.jpg" : {
    'nhi': 'Y',
    'admissionDate': '2023/07/19',
    'dischargeDate': '2023/07/23',
    'hospitalName': '國立臺灣大學醫學院附設醫院',
    'dept': '骨科部',
    'receivedAmount': '84327',
    'items': {
        '藥費': '251',
        '治療處置費': '520',
        '材料費': '69006',
        '證明書費': '150',
        '病房費': '14400'
    }
},

長庚

"長庚收據1.jpg" : {
    'nhi': 'Y',
    'admissionDate': '2023/07/28',
    'dischargeDate': '2023/07/28',
    'hospitalName': '林口長庚紀念醫院',
    'dept': '一般外科系',
    'receivedAmount': '20610',
    'items': {
        '住院部分負擔': '4651',
        '藥品費': '553',
        '材料費': '5520',
        '處置費': '9886'
    }
},

彰基

"彰基收據1.jpg" : {
    'nhi': 'Y',
    'admissionDate': '2023/07/21',
    'dischargeDate': '2023/07/27',
    'hospitalName': '彰化基督教醫療財團法人彰化基督教醫院',
    'dept': '耳鼻喉暨頭頸部',
    'receivedAmount': '49430',
    'items': {
        '藥費': '1349',
        '材料費': '41919',
        '治療處置費': '650',
        '部分負擔': '5512'
    }
},

技術棧

OCR — PaddleOCR（det / rec），繁體中文權重（如 ch_PP-OCRv4_det、tw_PP-OCRv3_rec）。
偵測 — YOLOv7（Stage 1 收據區域、Stage 2 表格區塊）。
影像前處理 — UVDoc 展平、deskew、陰影消除；OpenCV、scikit-image。
環境 — Python 3.9+；可選 CUDA GPU 加速。

依賴：paddleocr、paddlepaddle-gpu、torch、torchvision、opencv-python-headless、numpy、pandas、Pillow、scikit-image、PyYAML 等。

擴充新醫院

hospital_pipeline.py 定義 HospitalPipeline 抽象類別與各院實作（NTU、長庚、彰基、榮總、奇美等）。
receipt_uni/info/*.py 為醫院專屬欄位邏輯；receipt_uni/config/regex_*.txt 為欄位與 regex 對照。

建議步驟：

在 hospital_key.txt 加入醫院關鍵字與 key。
於 info/ 新增解析程式與 regex_<HOSP>.txt（必要時 regex_<HOSP>_table.txt）。
在 hospital_pipeline.py 實作新 class（get_ocr_result、crop_from_label、text_info、table_info 等）。
視需要調整 hospital_api_map.txt。

應用情境

適用於需大量處理台灣醫院收據的財務、理賠或醫療資訊整合。端對端正規化讓下游無須處理各院版型差異，擴充新醫院時也只需依上述步驟加入管線，即可維持單一 API 輸出格式。