[[246655]]

單證是國際貿易中非常重要的一環，由于單證數量多、格式復雜、大量以圖像形式存在等問題，給工作效率和風險控制帶來極大的影響。在這種情況下，如何利用技術提高處理效能、防控風險就顯得迫在眉睫。接下來，我們一起看看阿里工程師是如何解決這一問題。

業務背景

國際貿易的流程非常復雜，特別是B類貿易。為了防控各種風險，每個環節都有很多單證的交叉驗證，以及基于單證構建的風控策略。比如：企業信息、銀行卡等的交叉驗證;信用證、提單、保單、箱單、發票、報關單等的風險審核。這些單證多而復雜，比如信用證業務，需要審核各種條款，并且做到單證一致、單單一致，往往需要非常專業的領域人員負責。整個審核周期耗時長，而且存在各種操作風險。因此，智能單證應運而生，通過使用機器學習和人工智能等技術，提高處理效率，降低成本和風險，開辟國際貿易的新模式。智能單證的價值在于：

• 提供訂單決策報告，條款、信用和貿易風險報告，制單審單解決方案，服務更多國際貿易的中小企業。
• 利用人工智能技術，降低成本和風險，提高效率，提升客戶體驗，助力電商相關核心業務的優化升級。

技術方案

直接面臨的是三個問題：

• 處理對象：大量格式復雜的單證，其中五成以上是掃描或者拍照的圖片，質量層次不齊。
• 知識沉淀：各種術語、規則、名單、策略都是線下或者人工經驗，沒有沉淀，不成體系。
• 借力創新：項目時間緊，業務線多，需要平衡時間和擴展性，通過借力和創新落地產品。

因此，整體技術方案主要抽象成四大部分：圖像處理服務、自然語言處理、領域知識圖譜、統一技術架構。

圖像處理服務

圖像質量比較好時，集團內已有的圖像、人臉等識別技術可以達到高的Accuracy。但是，實際業務中的圖像往往要復雜很多，直接調用已有的技術，整體Recall差不多只有五成不到。而且，通常的識別技術沒有理解能力，比如：對于形變的圖像，即使OCR識別出了字符，也無法正確恢復語義;圖像的哪部分是實際需要的，也無法分析和判斷。因此，圖像處理服務，除了借力集團內的識別技術，更大的挑戰是結合實際業務，落地好預處理(模糊檢測、形變復原等)以及后處理(版面分析等)工作。

自然語言處理

由于單證的類型很多，并且五成以上都是圖像，集團內外最好的OCR產品，都存在至少一成的詞識別錯誤，因此，需要抗噪能力強的文本分類模型，先將單證進行自動分揀歸類。另外，即使字符的識別錯誤較少，由于沒有針對領域進行優化和分詞，無法直接閱讀和無人化使用。因此，將識別結果進行領域相關的糾錯分詞，也是勢在必行。然后，通過解析引擎進行內容解析和Key-Value關系重建，結合基于文本構建的領域知識圖譜和風控策略，完成語義理解和智能審核。

領域知識圖譜

本文構建的知識圖譜主要沉淀三部分內容：領域知識，包括國際貿易中的術語、縮寫、港口信息等;專家策略，包括條款策略、沖突策略、融資策略、審核意見等;風險地圖，包括風險國家、銀行、地區、企業等。領域知識圖譜是智能單證的根基所在，所有的前序處理都是為了與其結合，真正落地實現智能審核和風險防控。

統一技術架構

技術架構上肯定不能重復造輪子，而且必須考慮項目時間，以及業務和技術的可擴展性。因此，根據團隊已有的沉淀，抽象出統一的技術架構。首先，所有的服務接口收攏到統一的任務引擎。然后，充分借力集團已有的成熟技術和平臺，比如：雷音(OCR技術)，阿里云(證件、人臉識別技術)，MTEE(實時決策引擎)，PAI(模型訓練、部署平臺)等等。最后，針對實際業務中面臨的問題，在算法和模型上深耕并且落地創新。

算法創新

本節闡述落地和創新的一些算法及模型，主要集中在圖像處理和自然語言處理方面，包括模糊檢測、形變復原以及糾錯分詞。

模糊檢測

模糊檢測，或者稱為圖像質量評估(Image Quality Assessment)，需要輕量、快速地達到目標：智能處理 if 圖像質量好 else 提示重傳/人工處理。很多傳統方法可以實現特定模糊類型的檢測，比如Laplacian算子法，通過計算二階微分，然后求方差，根據閾值可以確定圖像是否模糊。

傳統方法在特征提取及特征表現上存在局限性。本文改進MobileNetV2的網絡結構，實現一種新的模糊檢測算法。模糊檢測需要特別關注圖像細節的差異，因此，先通過隨機切片及HSV顏色空間篩選的方法生成樣本集合，然后基于OCR識別率指標劃分正負樣本。

原始MobileNetV2網絡包含十七層Bottleneck，模型層數較深，并且每層還進行擴展，在實際訓練中，不易收斂且模型較大。因此，通過對原始網絡進行裁剪和改進，新的結構僅包含兩層卷積、兩層池化、兩層Bottleneck以及一層全連接，網絡更淺更窄，模型參數更少。目前，該模糊檢測算法的準確率約93.4%，模型原始大小約2M，而使用原始MobileNetV2訓練的模型大小約26M。

形變復原

圖像形變的類型有很多，比如旋轉，折痕，卷曲等。這些問題除了直接影響OCR的識別效果，更嚴重的是影響語義重建。要做到實用的無人化審核，圖像的形變復原工作至關重要。很多傳統方法可以解決特定的簡單的形變問題，比如對于簡單的旋轉形變，可以通過Hough Transform先檢測直線，然后通過旋轉角度進行復原。

近年來，基于深度學習的方法，比如FCN，STN，Unet等，也被嘗試用來處理形變問題。本文結合深度學習語義分割領域的相關知識，針對已有方法的不足設計優化方案，提出一種新的形變復原算法。

首先，利用數據合成的方法構造樣本。通過的不同形式模擬多種形變類型，比如折痕、卷曲等;通過的大小變化模擬不同的形變程度。然后，通過插值和圖像修復的方法，解決模擬圖像的缺失像素問題。

已有的基于Stacked Unet的前沿方法，容易出現裂痕、文本行扭曲、字符形變嚴重等問題。本文基于Dilated Convolution優化網絡結構，并且通過調整損失函數、平滑預測值等方法，提出一種新的形變復原算法，提升模型的效果。

本文采用MS-SSIM作為算法復原效果的評價指標，其全稱為Multi-Scale Structural Similarity，指的是多尺度下的結構相似性的綜合評估。新算法的MS-SSIM達到0.693，而基于前沿論文的MS-SSIM為0.490，提升效果很明顯。更詳細的介紹見：

OCR如何讀取皺巴巴的文件?深度學習在文檔圖像形變矯正的應用詳解。

糾錯分詞

前文提到，集團內外最好的OCR產品，都存在至少一成的詞識別錯誤。另外，即使字符的識別錯誤較少，由于沒有針對領域進行優化和分詞，無法直接閱讀和無人化使用。因此，將識別結果進行領域相關的糾錯分詞，也是勢在必行。

通常傳統的實現方案中，糾錯是基于分好的詞級別進行的，而分詞是基于沒錯的文本進行的。直接將糾錯和分詞結合的HMM模型，由于文本比較長，預測階段的搜索空間很大，很耗時。因此，本文從新的視角看這個問題：將分詞看成是糾錯的一個特例，空格也作為有效字符，缺了空格也是一種錯誤;將糾錯看成是一個翻譯問題，是將一個錯誤的字符序列，翻譯成一個正確的字符序列。這樣，將糾錯分詞抽象成Sequence to Sequence的問題。

通過數據合成(根據概率轉移矩陣，對字符進行增、刪、改等編輯操作)，以及遷移優化，訓練得到滿足目標要求的模型。目前，圖片質量較好時，OCR識別結果與Ground Truth的差錯率(編輯距離)為15.91%(若忽略空格：2.91%);經過本文的糾錯分詞模型，差錯率降到2.24%，詞準確率提升到93.56%。

應用實例

智能單證切入的業務環節，新模式的提效至少都在50%以上，成本和風險都大大降低，部分環節實現零風險和無人化。本節介紹智能單證在兩個實際業務環節的應用。

信用證審核

客戶拍照或者掃描上傳信用證，經過一系列的圖像處理和自然語言處理，智能審核每條條款，標記風險信息，返回審核和決策報告。

單證核對

客戶拍照或者掃描上傳單證(比如：保單、提單、報關單等)，智能解析和核對每條欄位，標記信息(一致：紫色;可疑：黃色;缺失：紅色)，返回核對和建議報告。

總結展望

本文總結智能單證的業務背景及技術方案，闡述落地和創新的一些算法及模型，介紹實際業務中的一些應用。智能單證，作為一種國際貿易的新模式，除了使用機器學習和人工智能技術，提供風險和決策報告，以及整體的解決方案;同時也在推進其他前沿技術(比如：區塊鏈技術)的落地，更好地服務更多國際貿易的中小企業。

關于我們

我們是新零售增值業務技術團隊，旨在用科技的力量，為中小微貿企業提供在貿易和供應鏈場景下的金融，風控，信用，保險等增值服務。通過鏈接中小企業和金融機構，運用新技術、大數據和平臺優勢，讓無數中小微企業能夠從銀行獲取到只有大型企業才能得到的服務，為無數中小企業提供高效，安全，低成本的金融服務，讓企業的信用轉化為財富。

參考文獻

[1] L. Kang, P. Ye, Y. Li, D. Doermann. ADeep Learning Approach to Document Image Quality Assessment[C]// IEEEInternational Conference on Image Processing, 2014:2570-2574.

[2] P. Ye, D. Doermann. Document ImageQuality Assessment: A Brief Survey[C]// International Conference on Document Analysisand Recognition. IEEE Computer Society, 2013:723-727.

[3] Howard A G, Zhu M, Chen B, et al. MobileNets:Efficient Convolutional Neural Networks for Mobile Vision Applications[J]. arXivpreprint arXiv:1704.04861, 2017.

[4] Sandler M, Howard A, Zhu M, et al.Inverted Residuals and Linear Bottlenecks: Mobile Networks for Classification,Detection and Segmentation[J]. arXiv preprint arXiv:1801.04381, 2018.

[5] N. Nayef, M. Muzzamil Luqman, S. Prum, etal. SmartDoc-QA: A Dataset for Quality Assessment of Smartphone CapturedDocument Images - Single and Multiple Distortions[C]// International Workshopon Camera-Based Document Analysis and Recognition, 2015:1231-1235.

[6] Ma K, Shu Z, Bai X, et al. DocUNet:Document Image Unwarping via A Stacked U-Net[C]// Proceedings of the IEEEConference on Computer Vision and Pattern Recognition, 2018:4700-4709.

[7] Ronneberger O, Fischer P, Brox T. U-net:Convolutional Networks for Biomedical Image Segmentation[C]// InternationalConference on Medical Image Computing and Computer Assisted Intervention, 2015:234-241.

[8] Yu F, Koltun V. Multi-Scale ContextAggregation by Dilated Convolutions[J]. arXiv preprint arXiv:1511.07122, 2015.

[9] Wang Z, Simoncelli E, Bovik A. Multi-ScaleStructural Similarity for Image Quality Assessment[C]// Asilomar Conference on SignalsSystems and Computers, 2003:1398-1402.

[10]Ilya Sutskever, Oriol Vinyals, and Quoc V. Le. Sequence to Sequence Learningwith Neural Networks[J]. arXiv preprint arXiv:1409.3215, 2014.

[11]https://stackoverflow.com/questions/4709725/explain-hough-transformation

【本文為51CTO專欄作者“阿里巴巴官方技術”原創稿件，轉載請聯系原作者】

戳這里，看該作者更多好文