Распознавание УПД из PDF и скана: где падает точность и почему

Точность распознавания УПД зависит от источника файла: PDF с текстовым слоем из ЭДО или 1С даёт 97-99% верных строк, скан или фото — 75-95% из-за качества печати и угла съёмки. Разница не в OCR, а в том, что скан заставляет систему угадывать текст по пикселям заново. Решение — принимать документы из ЭДО и сверять таблицу со справочником 1С.

Почему возникает разница в точности между PDF и сканом УПД

В бухгалтерии оптового поставщика стройматериалов по вторникам разбирают входящие УПД за неделю — обычно 30-40 документов от разных поставщиков. Часть приходит из ЭДО: ровный PDF, где текст выделяется мышью как в обычном документе. Часть — сфотографированные на телефон бланки, где печать организации наползает на табличную часть, а подпись перечёркивает итоговую строку. В систему распознавания загружают и то и другое одинаково, но результат отличается в разы: по файлам из ЭДО бухгалтер вручную проверяет три документа из тридцати, по сканам — почти каждый второй. За месяц набирается закономерность: одни и те же поставщики раз за разом попадают в список на ручную проверку, а часть контрагентов ни разу не требует правок.

PDF — не гарантия качества сам по себе. Файл, выгруженный из 1С или ЭДО-оператора, содержит текстовый слой: программа читает символы напрямую, без распознавания. А если поставщик сфотографировал бумажный УПД на телефон и сохранил снимок как PDF, для системы это тот же скан — символы всё равно приходится угадывать по пикселям, только упакованные в другое расширение файла.

На точность скана влияет несколько вещей одновременно. Разрешение ниже 200 dpi размывает мелкий шрифт в графах «количество» и «цена». Наклон страницы, особенно после сканирования книжкой на планшетном сканере, сдвигает границы ячеек и путает столбцы таблицы. Выцветшая печать факса или термобумаги обесцвечивает часть символов до состояния, когда их не различит с первого взгляда и человек. Рукописные правки поверх напечатанного текста OCR интерпретирует как отдельные, часто бессмысленные символы.

Здесь есть разница между опечаткой и убытком. Ошибка в ставке НДС или в сумме, пропущенная при автоматической загрузке, попадает в книгу покупок — и это уже основание для вопросов на встречной проверке, а не просто неточность в отчёте. Например, если система по смазанному скану приняла ставку 20% за 10%, вычет по документу занижается, а после ручной находки ошибки бухгалтер правит уже закрытый период. При объёме в сотню УПД в месяц ручная построчная сверка каждого скана съедает часы работы, которые обходятся дороже, чем настройка нормальной автоматизации на входе.

Как исправить ошибки распознавания в табличной части и реквизитах

Ошибки в количестве, цене и ставке НДС

OCR путает «1 200» с «1200», если пробел-разделитель разрядов размыт печатью, и путает 0 с О, 8 с 3 в рукописных правках. Перепроверять каждую цифру глазами — не решение на потоке в сотню документов в месяц. Рабочий вариант — сверка распознанной цены с номенклатурным справочником 1С: если цена по конкретному товару у конкретного поставщика отличается от предыдущей закупки больше чем на заданный процент, строка не проводится автоматически, а уходит в очередь на проверку. Тот же принцип работает для количества: если в скане «12» превратилось в «1 2» из-за разрыва пикселей, сумма строки перестаёт биться с итогом документа, и это тоже повод остановить проводку, а не молча провести документ с расхождением. Под контроль попадают не все документы подряд, а только подозрительные строки — это и держит нагрузку на бухгалтера в разумных пределах.

Ошибки в реквизитах контрагента, номере и дате

ИНН и КПП искажаются на нечётких сканах, а номер документа иногда сливается с датой в одну строку из-за верстки конкретного бланка. Эти ошибки исправляются проще, чем ошибки в сумме: ИНН проверяется по контрольной сумме — это стандартный алгоритм, не требующий ручной сверки, а сам контрагент сопоставляется с уже заведённой в 1С карточкой. Если ИНН не проходит проверку, документ не создаёт нового контрагента автоматически, а останавливается для ручного решения. Это дешевле, чем потом искать задвоенного контрагента в справочнике и разбираться, по какой карточке проводить взаимозачёт. Загрузку из корректного PDF, где реквизиты читаются напрямую из текстового слоя, мы разбирали отдельно — см. загрузку PDF в 1С.

Что делать, если ошибка повторяется у одного и того же поставщика

Если из тридцати поставщиков ошибку раз за разом даёт один и тот же контрагент, это не случайность распознавания, а конкретный бланк. Например, поставщик присылает УПД, где печать организации каждый месяц ложится на графу «сумма без НДС» в одном и том же месте — макет бланка не меняется, значит, не меняется и место, где система теряет цифры.

Чинить эту строку вручную каждый месяц можно, но невыгодно: за год набегает пара суток рабочего времени бухгалтера ради одной и той же ошибки на одном и том же поставщике. Поэтому для контрагентов с повторяющимся паттерном имеет смысл не перепроверять результат вручную из раза в раз, а настроить индивидуальное правило распознавания — исключить зону, где обычно ложится печать, или задать отдельный шаблон разбора таблицы под конкретный бланк. Это разовая настройка, а не повторяющаяся правка каждый месяц. Такие точечные изменения логики распознавания под конкретного поставщика решаются на уровне доработки 1С и оцениваются по часам работы программиста — от 3800 руб/час, конкретная смета зависит от того, насколько нестандартно устроен бланк.

Второй вариант — не подстраивать систему под скан, а убрать скан из процесса. Если поставщик подключён к ЭДО хотя бы теоретически, дешевле один раз попросить его переключиться на отправку УПД через оператора ЭДО, чем настраивать и поддерживать индивидуальный шаблон распознавания под бумажный бланк, который может измениться при следующей смене бухгалтерской программы у поставщика. На практике это обычный звонок в бухгалтерию контрагента, а не техническая проблема.

Как предотвратить потерю точности при массовой загрузке УПД

Разбирать проблему по одному документу — рабочий подход на объёме в десяток УПД в месяц. При сотне и больше нужен процесс, который отсекает проблемные сканы до того, как они попадут в распознавание, а не после того, как ошибка всплывёт при закрытии периода.

• ✓Принимать УПД в первую очередь из ЭДО, а фото в мессенджере — только как исключение: это отсекает большую часть проблемных сканов ещё на входе.
• ✓Если бумажный документ неизбежен, сканировать его на планшетном сканере с разрешением от 300 dpi, без наклона и без цветного режима с тенями от смартфона.
• ✓Настроить порог уверенности распознавания: документы, где система не уверена в части строк, не проводятся автоматически, а попадают в очередь на ручную проверку до закрытия периода, а не после.
• ✓Раз в квартал смотреть статистику по поставщикам: кто стабильно присылает сканы низкого качества, с тем стоит отдельно договориться о переходе на ЭДО или о другом формате отправки.

Комбинация этих мер — то, на чём строится наш сервис распознавания УПД из скана: система не просто прогоняет документ через OCR, а сверяет результат со справочниками 1С и решает, можно ли проводить строку автоматически или нужен человек.

Эти меры не устраняют распознавание как источник ошибок полностью — сканы и фото всё равно будут появляться, пока не все поставщики работают через ЭДО. Но они меняют пропорцию: вместо построчной проверки каждого документа бухгалтер тратит время только на те строки, где система сама отметила низкую уверенность, а не на весь входящий поток.

Сколько стоит распознавание УПД и когда оно окупается

Наш сервис распознавания УПД начинается от 3900 руб/мес — сюда входит обработка и PDF из ЭДО, и сканов, с проверкой распознанных данных по номенклатурному справочнику и справочнику контрагентов перед загрузкой в 1С. Сравнивать это стоит не с ценой подписки на отдельный OCR-инструмент, а с часами бухгалтера, которые уходят на ручную сверку: при сотне документов в месяц и хотя бы получасе на проверку каждого проблемного скана экономия времени окупает подписку в первый же месяц.

Для компаний с нестандартными бланками у ключевых поставщиков или с собственными правилами проводки документов такие сценарии закрываются точечной доработкой логики распознавания, о которой шла речь выше, а не переходом на более дорогой тариф. Актуальные тарифы и что входит в каждый пакет — на странице цен.

❓ Частые вопросы

Почему PDF-файл УПД тоже иногда распознаётся с ошибками, как скан?

Если PDF получен не из ЭДО или 1С, а сделан фотографированием бумажного документа и сохранён в PDF, текстового слоя в нём нет. Система читает такой файл так же, как обычный скан — распознавая символы по пикселям, а не считывая готовый текст, поэтому точность падает так же, как у фото.

Какая точность распознавания у скана УПД на обычном сканере?

На планшетном сканере с разрешением от 300 dpi и без наклона страницы точность обычно 92-96% строк. У фото с телефона под углом или с тенью показатель падает до 75-88%, а у факса и пересканированных копий — до 60-75%.

Что делать, если система каждый месяц ошибается на одном и том же поставщике?

Это признак не случайной ошибки, а конкретного бланка — например, печать всегда ложится на одну и ту же графу. Решение — настроить индивидуальный шаблон распознавания под этот бланк через доработку 1С или попросить поставщика перейти на отправку УПД через ЭДО.

Сколько стоит подключить распознавание УПД для малого бизнеса?

Сервис распознавания УПД начинается от 3900 руб/мес — с проверкой данных по справочникам номенклатуры и контрагентов перед загрузкой в 1С. Точный состав пакета под объём документов и число поставщиков — на странице тарифов.

Можно ли автоматически проводить УПД в 1С без проверки бухгалтером?

Полностью без проверки — нет, если важно исключить риск ошибки в НДС. Но можно настроить порог уверенности: строки с высокой точностью распознавания проводятся автоматически, а сомнительные попадают в очередь бухгалтеру, что сокращает ручную работу в разы.