文档智能银行支票模型

文档智能银行支票模型将强大的光学字符识别 (OCR) 功能与深度学习模型相结合，可从美国银行支票中分析和提取数据。 该 API 分析打印支票，提取重要信息，并返回结构化 JSON 数据表示形式。 适用于银行支票的最新 4.0 版支持对银行支票进行签名检测。

支票数据提取

支票是将付款人帐户金额转帐到接收方帐户的一种安全方法。 企业使用支票作为签名文档向其供应商付款，以指示银行付款。 了解如何从美国银行支票中提取数据（包括支票详细信息、帐户详细信息、金额、备忘录）。 需要以下资源：

• 一个 Azure 订阅（可以免费创建一个）

• Azure 门户中的文档智能实例。 可以使用免费定价层 (F0) 来试用该服务。 在部署资源后，选择“转到资源”以获取密钥和终结点。

文档智能工作室

1. 在文档智能工作室主页上，选择“支票”。

2. 可以分析示例支票或上传自己的文件。

3. 选择“运行分析”按钮，并根据需要配置“分析选项”：

   

   试用文档智能工作室

输入要求

支持以下文件格式。

• 照片或扫描件：为获得最佳结果，请针对每个文档提供一张清晰的照片或高质量的扫描件。
• PDF 和 TIFF：对于 PDF 和 TIFF，最多可以处理 2,000 页。 （若使用免费订阅层，则只处理前两页。）
• 文件大小：用于分析文档的文件大小对于付费 (S0) 层为 500 MB，对于免费 (F0) 层为 4 MB。
• 图像尺寸：尺寸必须介于 50 像素 x 50 像素与 10,000 像素 x 10,000 像素之间。
• 密码锁：如果 PDF 是密码锁定的文件，则必须先删除锁，然后才能提交文件。
• 文本高度：对于 1024 x 768 像素的图像，要提取的文本的最小高度为 12 像素。 此尺寸对应于 150 点/英寸的大约 8 号字文本。
• 自定义模型训练：自定义模板模型的训练数据最大页数为 500，自定义神经网络模型的训练数据最大页数为 50,000。
• 自定义提取模型训练：模板模型的训练数据总大小为 50 MB，神经网络模型的训练数据总大小为 1 GB。
• 自定义分类模型训练：训练数据的总大小为 2 GB，上限为 10,000 页。 对于 2024-11-30 (GA)，训练数据的总大小为 2 GB，最多为 10,000 页。
• Office 文件类型（DOCX、XLSX、PPTX）：最大字符串长度限制为 800 万个字符。

支持的语言和区域设置

有关受支持语言的完整列表，请参阅我们的预生成模型语言支持页面。

字段提取

有关受支持的文档提取字段，请参阅 GitHub 示例存储库中的银行支票模型架构页。

支持的区域设置

prebuilt-check.us 版本 2024-11-30 (GA) 支持 en-us 区域设置。

Next steps

• 尝试使用文档智能工作室来处理你自己的表单和文档

• 完成文档智能快速入门，并使用你选择的开发语言开始创建文档处理应用。