專案結構

1. Web
2. RPA\UiPath
3. Python+OCR

OCR 辨識率低下的優化案

1. 引用Git開源專案：cnocr,tesseract,easyocr..（準確度不高，已經放棄）
2. 採用 PaddleOCR 重新開發客製化OCR引擎（完成）
3. PaddleOCR改寫成API方便調用，使用 Unit Test 測試準確度（完成）

目前進度

• 中英數準確度：97%, Big5繁體差點意思。
• 單純英數準確度：99%
• 評估足夠支援 RPA 生產環境（PRD）運行
• 剛好今天產線人員希望我試試看能不能OCR這張照片,

• (效果不錯!眼力好的有發現錯1碼?這個問題可以fine tune來優化)
• 對於印刷體的效果不錯!發票,銀行水單都通常可以正確辨識OCR。

UiPath 開發 - SAP 機器人

1. 產生訂單上傳檔（完成）

2. SAP 訂單上傳/更新寄銷數據（完成）

3. 主程式：SAP 清帳 RPA（完成）

   • VL01N（完成）
   • VF01（完成）
   • F-04（完成）

4. 專案完成圖

5. 接下來我們來談談RPA關於1%的煎熬:準確度99%–>100%(AI RPA)

• 參加過幾個精實專案的"機器學習/推薦系統", 砂輪規格、配方、智慧商機搜尋，通常有80%準確度大家(高層)就滿意可以 準備上線了!

• 不過對於RPA, 沒有100%的準確度?就表示需要人的介入、確認 , 所以我對於1%有異常的糾結。

• 上次的sample, 準確度都有99.*%的準確度, 但錯1碼就表示失敗, 下圖是新版–>引入大模型的OCR辨識結果,

• 下一篇我們會開始說明AI Agent的優化想法 謝謝閱讀！