在文档智能中口报关单识别准确率可以到多少？

在文档智能中，报关单识别的准确率可以通过信息抽取模型实现较高的精度。根据知识库资料，以下是对报关单识别准确率的具体说明：

1. 高精度模型支持
   基于深度学习的信息抽取模型（如单据票证信息抽取和表格信息抽取），经过调优训练后，识别准确率可达到95%以上。这适用于版式相对固定或可枚举的单据、票证和表格数据。

2. 影响准确率的关键因素

   • 数据质量：清晰端正的字迹和高质量的图像能够显著提升识别效果。建议单字大小保持在10-50像素内以获得最佳效果。
   • 数据量：标注数据量越大，模型效果越好。通常情况下，标注100+份样本时，模型表现会较为理想；若数据量达到200+份，准确率会有进一步提升。
   • 字段标注完整性：标注框需尽量贴合字段文字，并确保字段类型选择正确。通过调整字段类型或高级选项，可以进一步提高精准度。

3. 预置能力支持
   如果使用预置能力（如FormUIE），在不进行模型训练的情况下，预标注准确率预估在50%-80%之间。但此方法适用于快速验证阶段，若对准确率要求较高，则需要通过标注数据和模型训练来优化。

4. 调优建议

   • 确保测试图片与模板图片为同一版式，避免因版式差异导致匹配失败。
   • 调整字段框选范围，覆盖字段可能出现的最大区域，避免识别结果不完整。
   • 检查字段类型设置是否合理，例如将数字字段设置为“数字”类型，而非“常规”类型，以提高识别准确性。

综上所述，在满足高质量数据、充分标注和合理配置的前提下，报关单识别的准确率可以达到95%以上。如果仅使用预置能力而不进行模型训练，准确率可能在50%-80%之间。