Wstępnie utworzony model AI do przetwarzania faktur
Wstępnie utworzony model AI przetwarzania faktur wyodrębnia kluczowe dane faktur, aby ułatwić automatyzację przetwarzania faktur. Model przetwarzania faktur jest zoptymalizowany do rozpoznawania typowych elementów faktur, takich jak identyfikator faktury, data faktury, kwota należna itd.
Model Faktury umożliwia tworzenie niestandardowego modelu faktur na podstawie domyślnego zachowania.
Używanie w usłudze Power Apps
Aby dowiedzieć się, jak korzystać z wstępnego modelu przetwarzania faktur w Power Apps, przejdź do Używania wstępnego modelu przetwarzania faktur Power Apps.
Używanie w usłudze Power Automate
Aby dowiedzieć się, jak korzystać z wstępnego modelu przetwarzania faktur w Power Automate, przejdź do Używania wstępnego modelu przetwarzania faktur Power Automate.
Obsługiwane języki i pliki
Obsługiwane są następujące języki: albański (Albania), czeski (Czechy), chiński (uproszczony) Chiny, chiński (tradycyjny) Hongkong SAR, chiński (tradycyjny) Tajwan, duński (Dania), chorwacki (Bośnia i Hercegowina), chorwacki (Chorwacja), chorwacki (Serbia), holenderski (Holandia), angielski (Australia), angielski (Kanada), angielski (Indie), angielski (Zjednoczone Królestwo), angielski (Stany Zjednoczone), estoński (Estonia), fiński (Finlandia), francuski (Francja), niemiecki (Niemcy), węgierski (Węgry), islandzki (Islandia), włoski (Włochy), japoński (Japonia), koreański (Korea), litewski (Litwa), łotewski (Łotwa), malajski (Malezja), norweski (Norwegia), polski (Polska), portugalski (Portugalia), rumuński (Rumunia), słowacki (Słowacja), słoweński (Słowenia), serbski (Serbia), hiszpański (Hiszpania), szwedzki (Szwecja).
Aby uzyskać najlepsze wyniki, podaj jedno wyraźne zdjęcie lub skan każdej faktury.
- Obraz powinien być zapisany w formacie .JPEG .PNG lub .PDF.
- Rozmiar pliku nie może przekraczać 20 MB.
- Wymiary obrazów muszą należeć do przedziału od 50 x 50 pikseli a 10 000 x 10 000 pikseli.
- Format pliku PDF musi wynosić maksymalnie 17 x 17 cali, czyli musi być równy formatowi A3 lub formatowi listowemu, albo być mniejszy.
- W przypadku dokumentów w formacie PDF przetwarzanych jest tylko pierwszych 2,000 stron.
Dane wyjściowe modelu
Po wykryciu faktury model przetwarzania faktur zawiera następujące informacje:
| Właściwości | Definicja |
|---|---|
| Kwota należna (tekst) | Kwota należna w postaci, w jakiej jest zapisana na fakturze. |
| Kwota należna (liczba) | Kwota należna w standardowym formacie liczbowym. Przykład: 1234,98. |
| Pewność kwoty należnej | Jaka jest pewność przewidywań tego modelu. Wynik z przedziału od 0 (niski poziom ufności) do 1 (wysoki poziom ufności). |
| Adres rozliczeniowy | Adres rozliczeniowy. |
| Pewność adresu rozliczeniowego | Jaka jest pewność przewidywań tego modelu. Wynik z przedziału od 0 (niski poziom ufności) do 1 (wysoki poziom ufności). |
| Odbiorca w adresie rozliczeniowym | Odbiorca w adresie rozliczeniowym. |
| Pewność odbiorcy w adresie rozliczeniowym | Jaka jest pewność przewidywań tego modelu. Wynik z przedziału od 0 (niski poziom ufności) do 1 (wysoki poziom ufności). |
| Adres klienta | Adres klienta. |
| Pewność adresu klienta | Jaka jest pewność przewidywań tego modelu. Wynik z przedziału od 0 (niski poziom ufności) do 1 (wysoki poziom ufności). |
| Odbiorca w adresie klienta | Odbiorca w adresie klienta. |
| Pewność odbiorcy w adresie klienta | Jaka jest pewność przewidywań tego modelu. Wynik z przedziału od 0 (niski poziom ufności) do 1 (wysoki poziom ufności). |
| Identyfikator klienta | Identyfikator klienta. |
| Pewność identyfikatora klienta | Jaka jest pewność przewidywań tego modelu. Wynik z przedziału od 0 (niski poziom ufności) do 1 (wysoki poziom ufności). |
| Nazwa klienta | Imię i nazwisko/nazwa klienta. |
| Pewność nazwy klienta | Jaka jest pewność przewidywań tego modelu. Wynik z przedziału od 0 (niski poziom ufności) do 1 (wysoki poziom ufności). |
| Identyfikator podatku klienta | Numer podatnika powiązany z klientem. |
| Pewność identyfikatora podatku klienta | Jaka jest pewność przewidywań tego modelu. Wynik z przedziału od 0 (niski poziom ufności) do 1 (wysoki poziom ufności). |
| Data wymagalności (tekst) | Data wymagalności w postaci, w jakiej jest zapisana na fakturze. |
| Data wymagalności (data) | Data wymagalności w standardowym formacie daty. Przykład: 2019-05-31. |
| Pewność daty wymagalności | Jaka jest pewność przewidywań tego modelu. Wynik z przedziału od 0 (niski poziom ufności) do 1 (wysoki poziom ufności). |
| Data faktury (tekst) | Data faktury w postaci, w jakiej jest zapisana na fakturze. |
| Data faktury (data) | Data faktury w standardowym formacie daty. Przykład: 2019-05-31. |
| Pewność daty faktury | Jaka jest pewność przewidywań tego modelu. Wynik z przedziału od 0 (niski poziom ufności) do 1 (wysoki poziom ufności). |
| Identyfikator faktury | Identyfikator faktury. |
| Pewność identyfikatora faktury | Jaka jest pewność przewidywań tego modelu. Wynik z przedziału od 0 (niski poziom ufności) do 1 (wysoki poziom ufności). |
| Łączna kwota faktury (tekst) | Łączna kwota faktury w postaci, w jakiej jest zapisana na fakturze. |
| Łączna kwota faktury (liczba) | Łączna kwota faktury w standardowym formacie daty. Przykład: 2019-05-31. |
| Pewność łącznej kwoty faktury | Jaka jest pewność przewidywań tego modelu. Wynik z przedziału od 0 (niski poziom ufności) do 1 (wysoki poziom ufności). |
| Pozycje | Pozycje wyodrębnione z faktury. Dla każdej kolumny są dostępne współczynniki ufności.
|
| Warunki płatności | Warunki płatności faktury. |
| Pewność warunków płatności | Jaka jest pewność przewidywań tego modelu. Wynik z przedziału od 0 (niski poziom ufności) do 1 (wysoki poziom ufności). |
| Zamówienie zakupu | Zamówienie zakupu. |
| Pewność zamówienia zakupu | Jaka jest pewność przewidywań tego modelu. Wynik z przedziału od 0 (niski poziom ufności) do 1 (wysoki poziom ufności). |
| Wcześniejsze niezapłacone saldo (tekst) | Wcześniejsze niezapłacone saldo w postaci, w jakiej jest zapisane na fakturze. |
| Wcześniejsze niezapłacone saldo (liczba) | Wcześniejsze niezapłacone saldo w standardowym formacie liczb. Przykład: 1234,98. |
| Pewność wcześniejszego niezapłaconego salda | Jaka jest pewność przewidywań tego modelu. Wynik z przedziału od 0 (niski poziom ufności) do 1 (wysoki poziom ufności). |
| Adres przelewu | Adres przelewu. |
| Pewność adresu przelewu | Jaka jest pewność przewidywań tego modelu. Wynik z przedziału od 0 (niski poziom ufności) do 1 (wysoki poziom ufności). |
| Odbiorca w adresie przelewu | Odbiorca w adresie przelewu. |
| Pewność odbiorcy w adresie przelewu | Jaka jest pewność przewidywań tego modelu. Wynik z przedziału od 0 (niski poziom ufności) do 1 (wysoki poziom ufności). |
| Adres usługi | Adres usługi. |
| Pewność adresu usługi | Jaka jest pewność przewidywań tego modelu. Wynik z przedziału od 0 (niski poziom ufności) do 1 (wysoki poziom ufności). |
| Odbiorca w adresie usługi | Odbiorca w adresie usługi. |
| Pewność odbiorcy w adresie usługi | Jaka jest pewność przewidywań tego modelu. Wynik z przedziału od 0 (niski poziom ufności) do 1 (wysoki poziom ufności). |
| Data rozpoczęcia usługi (tekst) | Data rozpoczęcia usługi w postaci, w jakiej jest zapisana na fakturze. |
| Data rozpoczęcia usługi (data) | Data rozpoczęcia usługi w standardowym formacie daty. Przykład: 2019-05-31. |
| Pewność daty rozpoczęcia usługi | Jaka jest pewność przewidywań tego modelu. Wynik z przedziału od 0 (niski poziom ufności) do 1 (wysoki poziom ufności). |
| Data zakończenia usługi (tekst) | Data zakończenia usługi w postaci, w jakiej jest zapisana na fakturze. |
| Data zakończenia usługi (data) | Data zakończenia usługi w standardowym formacie daty. Przykład: 2019-05-31. |
| Pewność daty zakończenia usługi | Jaka jest pewność przewidywań tego modelu. Wynik z przedziału od 0 (niski poziom ufności) do 1 (wysoki poziom ufności). |
| Adres wysyłkowy | Adres wysyłkowy. |
| Pewność adresu wysyłkowego | Jaka jest pewność przewidywań tego modelu. Wynik z przedziału od 0 (niski poziom ufności) do 1 (wysoki poziom ufności). |
| Odbiorca w adresie wysyłkowym | Odbiorca w adresie wysyłkowym. |
| Pewność odbiorcy w adresie wysyłkowym | Jaka jest pewność przewidywań tego modelu. Wynik z przedziału od 0 (niski poziom ufności) do 1 (wysoki poziom ufności). |
| Suma częściowa (tekst) | Suma częściowa w postaci, w jakiej jest zapisana na fakturze. |
| Suma częściowa (liczba) | Suma częściowa w standardowym formacie liczbowym. Przykład: 1234,98. |
| Ufność sumy częściowej | Jaka jest pewność przewidywań tego modelu. Wynik z przedziału od 0 (niski poziom ufności) do 1 (wysoki poziom ufności). |
| Łączny podatek (tekst) | Łączny podatek w postaci, w jakiej jest zapisany na fakturze. |
| Łączny podatek (liczba) | Łączny podatek w standardowym formacie liczbowym. Przykład: 1234,98. |
| Pewność łącznego podatku | Jaka jest pewność przewidywań tego modelu. Wynik z przedziału od 0 (niski poziom ufności) do 1 (wysoki poziom ufności). |
| Adres dostawcy | Adres dostawcy. |
| Pewność adresu dostawcy | Jaka jest pewność przewidywań tego modelu. Wynik z przedziału od 0 (niski poziom ufności) do 1 (wysoki poziom ufności). |
| Odbiorca w adresie dostawcy | Odbiorca w adresie dostawcy. |
| Pewność odbiorcy w adresie dostawcy | Jaka jest pewność przewidywań tego modelu. Wynik z przedziału od 0 (niski poziom ufności) do 1 (wysoki poziom ufności). |
| Nazwa dostawcy | Nazwa dostawcy. |
| Pewność nazwy dostawcy | Jaka jest pewność przewidywań tego modelu. Wynik z przedziału od 0 (niski poziom ufności) do 1 (wysoki poziom ufności). |
| Identyfikator podatku dostawcy | Numer podatnika powiązany z dostawcą. |
| Pewność identyfikatora podatku dostawcy | Jaka jest pewność przewidywań tego modelu. Wynik z przedziału od 0 (niski poziom ufności) do 1 (wysoki poziom ufności). |
| Wykryty tekst | Wiersz rozpoznanego tekstu zwrócony po zastosowaniu optycznego rozpoznawania znaków (OCR) do faktury. Zwrócone jako część listy tekstowej. |
| Wykryty klucz | Parami typu klucz-wartość są wszystkie oznaczone etykiety lub klucze oraz związane z nimi odpowiedzi i wartości. Możesz ich użyć do wyodrębnienia dodatkowych wartości, które nie są częścią wstępnie zdefiniowanej listy pól. |
| Wykryta wartość | Parami typu klucz-wartość są wszystkie oznaczone etykiety lub klucze oraz związane z nimi odpowiedzi i wartości. Możesz ich użyć do wyodrębnienia dodatkowych wartości, które nie są częścią wstępnie zdefiniowanej listy pól. |
Pary klucz-wartość
Parami typu klucz-wartość są wszystkie oznaczone etykiety lub klucze oraz związane z nimi odpowiedzi i wartości. Możesz ich użyć do wyodrębnienia dodatkowych wartości, które nie są częścią wstępnie zdefiniowanej listy pól.
Aby zwizualizować wszystkie pary klucz-wartość wykryte przez model przetwarzania faktur, możesz dodać do przepływu akcję Utwórz tabelę HTML, jak pokazano na zrzucie ekranu, i uruchomić przepływ.
Aby wyodrębnić określony klucz, którego wartość znasz, możesz użyć akcji Filtruj tablicę, jak pokazano na poniższym zrzucie ekranu. W przykładzie zrzutów ekranu chcemy wyodrębnić wartość klucza Tel.:
Limity
Poniższy limit dotyczy połączeń wykonywanych na środowisko w różnych modelach przetwarzania dokumentów, w tym w modelach predefiniowanych: przetwarzanie paragonów i przetwarzanie faktur.
| Akcja | Limit | Okres odnowienia |
|---|---|---|
| Wywołania (na środowisko) | 360 | 60 s |
Tworzenie niestandardowego rozwiązania do przetwarzania faktur
Wstępnie utworzony model AI przetwarzania faktur jest przeznaczony do wyodrębniania typowych pól znajdujących się w fakturach. Ponieważ każda firma jest unikatowa, można wyodrębnić pola inne niż te zawarte w tym wstępnie utworzonym modelu. Może się też zdarzyć, że niektóre standardowe pola nie zostaną prawidłowo wyodrębnione dla konkretnego typu faktury, nad którą pracujesz. W takim przypadku są dwie opcje postępowania:
Użycie modelu przetwarzania niestandardowych faktur: należy poprawić zachowania modelu przetwarzania wstępnie utworzonej faktury, dodając nowe pola do dodatkowego wyodrębnienia domyślnie lub przykładowe dokumenty nie zostały prawidłowo wyodrębnione. Aby dowiedzieć się, jak poprawić model przetwarzania wstępnie utworzonej faktury, wybierz typ dokumentu.
Wyświetlanie nieprzetworzonych wyników optycznego rozpoznawania znaków: za każdym razem, gdy wstępnie utworzony model AI przetwarzania faktur przetwarza wskazany plik, wykonuje również operację optycznego rozpoznawania znaków (OCR), aby wyodrębnić każde słowo zapisane w pliku. Można uzyskać dostęp do nieprzetworzonych wyników OCR wykrytego tekstu zwróconego przez model. Proste wyszukiwanie zwróconej wykrytej zawartości tekstowej może wystarczyć do uzyskania potrzebnych danych.
Przetwarzanie dokumentów: za pomocą AI Builder można także utworzyć własny niestandardowy model AI w celu wyodrębnienia określonych pól i tabel potrzebnych do pracy z dokumentami. Po prostu stwórz model przetwarzania dokumentów i wytrenuj go, by wyodrębniał wszystkie informacje z faktur, które nie działają dobrze z modelem wyodrębniania faktur.
Gdy już wytrenujesz swój własny model przetwarzania dokumentów, możesz połączyć go z gotowym modelem przetwarzania faktur w przepływie Power Automate.
Oto kilka przykładów:
Użycie niestandardowego modelu przetwarzania dokumentów w celu wyodrębnienia dodatkowych pól, które nie są zwracane przez wstępnie utworzony model przetwarzania faktur
W tym przykładzie przeszkoliliśmy niestandardowy model przetwarzania dokumentów w celu wyodrębnienia numeru programu lojalnościowego, który jest obecny tylko na fakturach od dostawców Adatum i Contoso.
Przepływ jest wyzwalany po dodaniu nowej faktury do folderu programu SharePoint. Następnie wywołuje on wstępnie utworzony model AI przetwarzania faktur w celu wyodrębnienia danych. Następnie sprawdzamy, czy dostawcą na przetworzonej fakturze jest Adatum lub Contoso. Jeśli tak jest, wywołujemy niestandardowy model przetwarzania dokumentów, który wytrenowaliśmy, aby uzyskać ten numer lojalnościowy. Na koniec zapisujemy wyodrębnione dane z faktury w pliku programu Excel.
Użyj niestandardowego modelu przetwarzania dokumentów, jeśli wynik zaufania dla pola zwróconego przez prefabrykowany model przetwarzania faktur jest niski
W tym przykładzie przeszkoliliśmy niestandardowy model przetwarzania dokumentów, aby wyodrębnić łączną kwotę z faktur, gdzie zazwyczaj jest niskie wynik zaufania podczas korzystania ze wstępnie utworzonego modelu przetwarzania faktur.
Przepływ jest wyzwalany po dodaniu nowej faktury do folderu programu SharePoint. Następnie wywołuje on wstępnie utworzony model AI przetwarzania faktur w celu wyodrębnienia danych. Następnie sprawdzamy, czy współczynnik ufności dla właściwości Całkowita wartość faktury jest niższy niż 0,65. Jeśli tak jest, wywołujemy niestandardowy model przetwarzania dokumentów, który wytrenowaliśmy na podstawie faktur, gdzie zazwyczaj otrzymujemy niski wynik zaufania dla pola suma. Na koniec zapisujemy wyodrębnione dane z faktury w pliku programu Excel.
Użyj gotowego modelu przetwarzania faktur do obsługi faktur, z którymi nie radzi sobie niestandardowy model przetwarzania dokumentów
Jednym ze sposobów korzystania z gotowego modelu przetwarzania faktur jest użycie go jako modelu awaryjnego do obsługi faktur, których nie przeszkoliłeś w swoim niestandardowym modelu przetwarzania dokumentów. Na przykład, załóżmy, że zbudowałeś model przetwarzania dokumentów i wytrenowałeś go do pozyskiwania danych od 20 największych dostawców faktur. Następnie można używać wstępnie utworzonego modelu przetwarzania faktur do przetwarzania wszystkich nowych faktur lub faktur od dostawców, którzy wystawiają ich mniej. Oto przykład, jak można to zrobić:
Ten przepływ jest wyzwalany po dodaniu nowej faktury do folderu programu SharePoint. Następnie wywołuje niestandardowy model przetwarzania dokumentów, aby wydobyć z niego dane. Następnie sprawdzamy, czy współczynnik ufności dla wykrytych pobranych danych jest niższy niż 0,65. Jeśli to nie jest konieczne, może to oznaczać, że dostarczana faktura nie pasuje do modelu niestandardowego. Wywołujemy wówczas wstępnie utworzony model przetwarzania faktur. Na koniec zapisujemy wyodrębnione dane z faktury w pliku programu Excel.
