基于RPA及AI的印章识别方法、装置及计算设备与流程

基于rpa及ai的印章识别方法、装置及计算设备
技术领域
1.本发明涉及人工智能技术领域，具体而言，涉及一种基于rpa及ai的印章识别方法、装置及计算设备。


背景技术：

2.rpa(robotic process automation，机器人流程自动化)，是通过特定的“机器人软件”，模拟人在计算机上的操作，按规则自动执行流程任务。
3.人工智能(artificial intelligence，ai)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。
4.ocr(optical character recognition，光学字符识别)是指电子设备(例如扫描仪或数码相机)检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程。
5.目前，在商业合同比对以及发票报销过程中，研究人员引入ocr识别技术，可以更快更准确地实现文字识别，极大的减少了工作量。在通过ocr对合同或者发票中的印章进行识别后，还需要对印章识别后的结果进行验证，从而判断合同或者发票是否为原件，然而印章识别后的结果是需要通过人工去对比和验证的，这导致工作效率较低。


技术实现要素：

6.本发明提供了一种基于rpa及ai的印章识别方法、装置及计算设备，以解决由于印章识别结果需要通过人工进行验证导致的工作效率较低的问题。具体的技术方案如下。
7.第一方面，本发明提供了一种基于rpa及ai的印章识别方法，应用于rpa平台，所述方法包括：
8.s1、获取待识别的带印章图像；
9.s2、基于预设印章识别模型对所述待识别的带印章图像进行识别得到印章识别结果，其中，所述预设印章识别模型至少包括预设印章内容识别模型；
10.s3、对所述印章识别结果进行验证，得到验证结果。
11.可选的，所述步骤s2具体包括：
12.s21、调用预设ai平台的预设印章内容识别模型对所述待识别的带印章图像进行识别，得到印章的第一内容信息。
13.可选的，所述步骤s2具体包括：
14.s22、调用预设ai平台的预设印章形状颜色识别模型对所述待识别的带印章图像进行识别，得到印章的位置信息、颜色信息和形状信息，其中，所述预设印章形状颜色识别模型通过预设的印章图像样本集中的印章样本图像、印章位置、印章形状和印章颜色训练得到，以建立各印章样本图像与印章位置、印章形状和印章颜色之间的关联关系；
15.s23、调用预设ai平台的预设印章内容识别模型对所述待识别的带印章图像进行识别，得到印章的第二内容信息。
16.可选的，所述s22中的预设印章形状颜色识别模型通过以下方式得到：
17.s221、获取预设的印章图像样本集中的印章样本图像以及所述印章样本图像包含的印章位置、印章形状和印章颜色；
18.s222、将所述印章样本图像以及所述印章样本图像包含的印章位置输入至初始yolo
‑
v4网络中的第一分支网络中进行特征提取，得到所述印章样本图像包含的印章的参考印章位置，将所述印章样本图像以及所述印章样本图像包含的印章形状输入至初始yolo
‑
v4网络中的第二分支网络中进行特征提取，得到所述印章样本图像包含的印章的参考印章形状，将所述印章样本图像以及所述印章样本图像包含的印章颜色输入至初始yolo
‑
v4网络中的第三分支网络中进行特征提取，得到所述印章样本图像包含的印章的参考印章颜色；
19.s223、计算所述参考印章位置与所述印章样本图像包含的印章位置之间的第一差异值，计算所述参考印章形状与所述印章样本图像包含的印章形状之间的第二差异值，计算所述参考印章颜色与所述印章样本图像包含的印章颜色之间的第三差异值；
20.s224、基于所述第一差异值、所述第二差异值和所述第三差异值优化所述初始yolo
‑
v4网络的参数，返回执行步骤s221；
21.s225、当迭代次数达到预设次数时，完成训练，得到使得印章样本图像与印章位置、印章形状和印章颜色相关联的预设印章形状颜色识别模型。
22.可选的，所述步骤s3具体包括：
23.s31、根据所述印章的颜色信息，判断所述印章的颜色是否为预设颜色；
24.s32、如果是，确定所述印章为新盖的印章，得到通过验证的验证结果；
25.s33、如果否，确定所述印章为复印的印章，得到未通过验证的验证结果。
26.可选的，所述步骤s3具体包括：
27.s34、通过采用光学字符识别ocr方法检测预设文件中是否存在与所述印章的内容信息相同的名称；
28.s35、如果是，得到通过验证的验证结果；
29.s36、如果否，得到未通过验证的验证结果。
30.可选的，在所述步骤s3之后还包括：
31.s4、在得到通过验证的验证结果后，将所述印章识别结果存储为excel格式或者word格式，并发送至客户业务系统。
32.第二方面，本发明提供了一种基于rpa及ai的印章识别装置，应用于rpa平台，所述装置包括：
33.获取模块，用于获取待识别的带印章图像；
34.识别模块，用于基于预设印章识别模型对所述待识别的带印章图像进行识别得到印章识别结果，其中，所述预设印章识别模型至少包括预设印章内容识别模型；
35.验证模块，用于对所述印章识别结果进行验证，得到验证结果。
36.可选的，所述识别模块具体用于：
37.调用预设ai平台的预设印章内容识别模型对所述待识别的带印章图像进行识别，得到印章的第一内容信息。
38.可选的，所述识别模块包括：
39.第一调用子模块，用于调用预设ai平台的预设印章形状颜色识别模型对所述待识别的带印章图像进行识别，得到印章的位置信息、颜色信息和形状信息，其中，所述预设印章形状颜色识别模型通过预设的印章图像样本集中的印章样本图像、印章位置、印章形状和印章颜色训练得到，以建立各印章样本图像与印章位置、印章形状和印章颜色之间的关联关系；
40.第二调用子模块，用于调用预设ai平台的预设印章内容识别模型对所述待识别的带印章图像进行识别，得到印章的第二内容信息。
41.可选的，上述基于rpa及ai的印章识别装置还包括模型训练模块，所述模型训练模块用于训练得到预设印章形状颜色识别模型，所述模型训练模块包括：
42.获取子模块，用于获取预设的印章图像样本集中的印章样本图像以及所述印章样本图像包含的印章位置、印章形状和印章颜色；
43.样本输入子模块，用于将所述印章样本图像以及所述印章样本图像包含的印章位置输入至初始yolo
‑
v4网络中的第一分支网络中进行特征提取，得到所述印章样本图像包含的印章的参考印章位置，将所述印章样本图像以及所述印章样本图像包含的印章形状输入至初始yolo
‑
v4网络中的第二分支网络中进行特征提取，得到所述印章样本图像包含的印章的参考印章形状，将所述印章样本图像以及所述印章样本图像包含的印章颜色输入至初始yolo
‑
v4网络中的第三分支网络中进行特征提取，得到所述印章样本图像包含的印章的参考印章颜色；
44.计算子模块，用于计算所述参考印章位置与所述印章样本图像包含的印章位置之间的第一差异值，计算所述参考印章形状与所述印章样本图像包含的印章形状之间的第二差异值，计算所述参考印章颜色与所述印章样本图像包含的印章颜色之间的第三差异值；
45.参数优化子模块，用于基于所述第一差异值、所述第二差异值和所述第三差异值优化所述初始yolo
‑
v4网络的参数，触发所述获取子模块；
46.训练完成子模块，用于当迭代次数达到预设次数时，完成训练，得到使得印章样本图像与印章位置、印章形状和印章颜色相关联的预设印章形状颜色识别模型。
47.可选的，所述验证模块具体用于：
48.根据所述印章的颜色信息，判断所述印章的颜色是否为预设颜色；
49.如果是，确定所述印章为新盖的印章，得到通过验证的验证结果；
50.如果否，确定所述印章为复印的印章，得到未通过验证的验证结果。
51.可选的，所述验证模块具体用于：
52.通过采用光学字符识别ocr方法检测预设文件中是否存在与所述印章的内容信息相同的名称；
53.如果是，得到通过验证的验证结果；
54.如果否，得到未通过验证的验证结果。
55.可选的，上述基于rpa及ai的印章识别装置还包括存储模块，用于在对所述印章识别结果进行验证，得到验证结果之后，当得到通过验证的验证结果时，将所述印章识别结果存储为excel格式或者word格式，并发送至客户业务系统。
56.第三方面，本发明实施例还提供了一种计算设备，包括存储设备以及处理器，所述存储设备用于存储计算机程序，所述处理器运行所述计算机程序以使所述计算设备执行上
述任一基于rpa及ai的印章识别方法。
57.第四方面，本发明实施例还提供了一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一基于rpa及ai的印章识别方法。
58.由上述内容可知，本发明实施例提供的基于rpa及ai的印章识别方法、装置及计算设备可以获取待识别的带印章图像，基于预设印章识别模型对所述待识别的带印章图像进行识别得到印章识别结果，其中，预设印章识别模型至少包括预设印章内容识别模型；然后对印章识别结果进行验证，得到验证结果。本实施例提供的技术方案在得到印章识别结果后，直接对印章识别结果进行验证，实现全自动化验证，无需人工参与，提高了工作效率。当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
59.本发明实施例的创新点包括：
60.1、在得到印章识别结果后，直接对印章识别结果进行验证，实现全自动化验证，无需人工参与，提高了工作效率。
61.2、通过对初始yolo
‑
v4网络进行训练，可以得到使得印章样本图像与印章位置、印章形状和印章颜色相关联的预设印章形状颜色识别模型。通过该预设印章形状颜色识别模型可以对待识别的带印章图像进行识别，得到印章的位置信息、颜色信息和形状信息。
62.3、由于在进行模型训练时，所采用的印章图像样本集中包含各种不同印章位置、不同印章形状以及不同印章颜色的印章样本图像，因此，训练得到的预设印章形状颜色识别模型可以对不同印章形状和不同印章颜色进行识别。
63.4、通过调用预设ai平台的预设印章形状颜色识别模型以及预设印章内容识别模型对待识别的带印章图像进行识别不仅进行了印章内容识别，还进行了印章形状以及印章颜色的识别。使得本发明实施例不仅可以对常用的椭圆章进行识别，还可以对不常用的圆章和方章进行识别，可以帮助企业承接更多有关印章形状识别的业务，更高效的做好企业服务，并且在识别得到印章颜色后，可以根据印章颜色快速的分辨出此印章是新盖的还是复印的，可以帮助企业承接更多有关印章颜色识别的业务，更高效的做好企业服务。
64.5、通过判断印章的颜色是否为预设颜色的方式，实现全自动对印章识别结果进行验证，无需人工参与，提高效率，并且，可以让用户快速获知印章是否为新盖的印章。
65.6、通过检测预设文件中是否存在与印章的内容信息相同的名称的方式，实现全自动对印章识别结果进行验证，无需人工参与，提高效率，并且，可以让用户快速获知识别到的印章的内容是否准确。
66.7、通过将印章识别结果存储为excel格式或者word格式，并发送至客户业务系统的方式，方便客户查看印章识别结果。
附图说明
67.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例。对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
68.图1a是客户业务系统、rpa平台和ai平台的交互示意图；
69.图1b为对待识别的带印章图像中的印章进行识别得到的印章位置示意图；
70.图1c为对待识别的带印章图像中的印章进行识别得到的印章颜色示意图；
71.图1d为对待识别的带印章图像中的印章进行识别得到的印章形状示意图；
72.图1e为对待识别的带印章图像中的印章进行识别得到的印章内容示意图；
73.图2为本发明实施例一提供的一种基于rpa及ai的印章识别方法的流程图；
74.图3为本发明实施例二提供的一种基于rpa及ai的印章识别装置的模块示意图；
75.图4是本发明实施例三提供的一种计算设备的结构示意图。
具体实施方式
76.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
77.需要说明的是，本发明实施例及附图中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。例如包含的一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
78.本发明实施例的描述中，“客户业务系统”为客户提供的处理客户自身各种业务的系统，可与rpa平台进行通讯连接。
79.本发明实施例的描述中，“yolo
‑
v4”算法是在原有yolo目标检测架构的基础上，对数据处理、主干网络、网络训练、激活函数以及损失函数进行了优化之后的算法。
80.为了更加清楚、明白地解释本发明各实施例的内容，下面先对本发明实施例的基本工作原理进行简单介绍。
81.机器人流程自动化(robotic process automation)简称rpa，是通过特定的“机器人软件”，模拟人在计算机上的操作，按规则自动执行流程任务。
82.ai(artificial intelligence)是人工智能的英文缩写，它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
83.现有的业务中，随着深度学习技术的发展，印章识别通过ocr(optical character recognition，光学字符识别)技术取得了巨大的成功，在通过ocr对合同或者发票中的印章进行识别后，还需要对印章识别后的结果进行验证，从而判断合同或者发票是否为原件，然而印章识别后的结果是需要通过人工去对比和验证的，这导致工作效率较低。由于rpa机器人可通过用户使用界面，智能理解企业已有应用，将基于规则的常规操作自动化，如自动重复读取邮件、读取office组件、操作数据库及网页和客户端软件等工作；能够大幅降低人力成本的投入，有效提高办公效率，准确、稳定、快捷地完成工作。基于这个逻辑，本发明实施例提供的技术方案聚焦在了rpa与ai相结合进行印章识别上，从而自动的对印章识别后的结果进行验证，无需人工对比验证，提高了工作效率。
84.下面，结合图1a～1e，针对印章识别这一应用场景，对rpa的动作进行简单介绍。
85.参见图1a，客户业务系统与rpa平台通信连接，rpa平台与ai平台通信连接，rpa平台从客户业务系统中进行数据采集，获取待识别的带印章图像，然后rpa平台调用ai平台的图片理解功能中的预训练ai模块包括的印章识别能力，具体的，rpa平台调用印章识别能力
中包含的模型对待识别的带印章图像进行识别，其中，印章识别能力中包含的模型包括识别模型和检测模型，识别模型用于识别印章内容，检测模型用于检测印章位置、印章形状和印章颜色，其中，识别模型即为下文中的预设印章内容识别模型，检测模型即为下文中的预设印章形状颜色识别模型。
86.参见图1b，显示了通过检测模型得到的两个印章的印章位置，其中，0代表印章的左下角的坐标，1代表印章的左上角的坐标，2代表印章的右上角的坐标，3代表印章的右下角的坐标。参见图1c，显示了通过检测模型得到的两个印章的印章颜色，印章1的颜色为蓝色，印章2的颜色为红色。参见图1d显示了通过检测模型得到的两个印章的印章形状，其中，印章形状用置信度表示，印章1的印章形状为椭圆形，印章2的印章形状为圆形。参见图1e显示了通过识别模型得到的两个印章的印章内容，印章内容用印章文字表示，印章1的印章内容为xx国际酒店，印章2的印章内容为北京来也网络科技有限公司。
87.继续参见图1a，在得到印章识别结果后，ai平台输出印章识别结果至rpa平台进行结果验证，当验证通过后，将印章识别结果写入到excel中，然后将excel回写至客户业务系统中。在上述整个流程中，是通过rpa进行全自动化的印章识别，无需人工参与，即可完成印章验证。
88.下面从rpa的角度，对印章识别过程进行详细介绍。
89.实施例一
90.图2是本发明实施例一提供的一种基于rpa及ai的印章识别方法的流程图，该方法的执行主体是rpa平台。如图2所示，该方法可以包括：
91.s210、获取待识别的带印章图像。
92.首先，获取待识别的带印章图像，获取待识别的带印章图像的方式可以为：接收客户业务系统发送的待识别的带印章图像，或者，从网站抓取待识别的带印章图像。
93.示例性的，待识别的带印章图像可以为发票或者合同。
94.s220、基于预设印章识别模型对待识别的带印章图像进行识别得到印章识别结果，其中，预设印章识别模型至少包括预设印章内容识别模型。
95.在获取了待识别的带印章图像后，基于预设印章识别模型对待识别的带印章图像进行识别得到印章识别结果，由于在进行印章识别的时候，印章的内容是必须要识别出来的，因此，预设印章识别模型至少包括预设印章内容识别模型。
96.其中，预设印章内容识别模型可以为现有技术中的任一种可以进行印章内容识别的模型，本发明实施例对此并不做任何限定。
97.当预设印章识别模型只包括预设印章内容识别模型时，步骤s220具体可以包括：
98.s21、调用预设ai平台的预设印章内容识别模型对待识别的带印章图像进行识别，得到印章的第一内容信息。
99.在预设ai平台中可以预训练多种模型，这多种模型中可以包括用于印章识别的模型。用于印章识别的模型可以包括预设印章内容识别模型和预设印章形状颜色识别模型。
100.由于rpa平台和ai平台是通信连接的，因此，rpa平台可以调用预设ai平台的预设印章内容识别模型对待识别的带印章图像进行识别，得到印章的第一内容信息。
101.此时，对待识别的带印章图像进行识别只是进行印章内容识别。
102.当预设印章识别模型不只包括预设印章内容识别模型时，步骤s220具体可以包
括：
103.s22、调用预设ai平台的预设印章形状颜色识别模型对待识别的带印章图像进行识别，得到印章的位置信息、颜色信息和形状信息，其中，预设印章形状颜色识别模型通过预设的印章图像样本集中的印章样本图像、印章位置、印章形状和印章颜色训练得到，以建立各印章样本图像与印章位置、印章形状和印章颜色之间的关联关系。
104.由于现在印章的形状逐渐增多，除了椭圆章，还包括圆章、方章等。因此，在进行印章识别时，为了能识别出各种形状的印章，需要对印章的形状进行识别。另外，为了判断带有印章的文件是否为原件而不是复印件，还需要对印章的颜色进行识别。
105.具体的，rpa平台可以调用预设ai平台的预设印章形状颜色识别模型对待识别的带印章图像进行识别，得到印章的位置信息、颜色信息和形状信息，其中，预设印章形状颜色识别模型通过预设的印章图像样本集中的印章样本图像、印章位置、印章形状和印章颜色训练得到，以建立各印章样本图像与印章位置、印章形状和印章颜色之间的关联关系。
106.在一个具体实施例中，预设印章形状颜色识别模型可以通过以下方式得到：
107.s221、获取预设的印章图像样本集中的印章样本图像以及印章样本图像包含的印章位置、印章形状和印章颜色。
108.s222、将印章样本图像以及印章样本图像包含的印章位置输入至初始yolo
‑
v4网络中的第一分支网络中进行特征提取，得到印章样本图像包含的印章的参考印章位置，将印章样本图像以及印章样本图像包含的印章形状输入至初始yolo
‑
v4网络中的第二分支网络中进行特征提取，得到印章样本图像包含的印章的参考印章形状，将印章样本图像以及印章样本图像包含的印章颜色输入至初始yolo
‑
v4网络中的第三分支网络中进行特征提取，得到印章样本图像包含的印章的参考印章颜色。
109.s223、计算参考印章位置与印章样本图像包含的印章位置之间的第一差异值，计算参考印章形状与印章样本图像包含的印章形状之间的第二差异值，计算参考印章颜色与印章样本图像包含的印章颜色之间的第三差异值。
110.s224、基于第一差异值、第二差异值和第三差异值优化初始yolo
‑
v4网络的参数，返回执行步骤s221。
111.s225、当迭代次数达到预设次数时，完成训练，得到使得印章样本图像与印章位置、印章形状和印章颜色相关联的预设印章形状颜色识别模型。
112.为了训练模型，可以收集各种带有印章的图像，将所收集的图像作为印章样本图像存储在印章图像样本集中，其中，印章图像样本集中包含各种不同印章位置、不同印章形状以及不同印章颜色的印章样本图像。
113.在训练模型时，需要获取预设的印章图像样本集中的印章样本图像以及印章样本图像包含的印章位置、印章形状和印章颜色。
114.在获取了预设的印章图像样本集中的印章样本图像以及印章样本图像包含的印章位置、印章形状和印章颜色之后，将印章样本图像以及印章样本图像包含的印章位置输入至初始yolo
‑
v4网络中的第一分支网络中进行特征提取，得到印章样本图像包含的印章的参考印章位置，将印章样本图像以及印章样本图像包含的印章形状输入至初始yolo
‑
v4网络中的第二分支网络中进行特征提取，得到印章样本图像包含的印章的参考印章形状，将印章样本图像以及印章样本图像包含的印章颜色输入至初始yolo
‑
v4网络中的第三分支
网络中进行特征提取，得到印章样本图像包含的印章的参考印章颜色。
115.当迭代次数未达到预设次数时，说明此时的网络还未能适应大部分的印章样本图像，此时，需要计算参考印章位置与印章样本图像包含的印章位置之间的第一差异值，计算参考印章形状与印章样本图像包含的印章形状之间的第二差异值，计算参考印章颜色与印章样本图像包含的印章颜色之间的第三差异值，然后通过第一差异值、第二差异值和第三差异值优化初始yolo
‑
v4网络的参数，返回执行获取预设的印章图像样本集中的印章样本图像以及印章样本图像包含的印章位置、印章形状和印章颜色的步骤。
116.在训练过程中，可以循环遍历所有的印章样本图像，并不断调整初始yolo
‑
v4网络的参数。当迭代次数达到预设次数时，说明此时的网络能适应大部分的印章样本图像，获得准确的结果，此时，确定完成训练，得到使得印章样本图像与印章位置、印章形状和印章颜色相关联的预设印章形状颜色识别模型。
117.可见，通过上述训练方式对初始yolo
‑
v4网络进行训练，可以得到使得印章样本图像与印章位置、印章形状和印章颜色相关联的预设印章形状颜色识别模型。通过该预设印章形状颜色识别模型可以对待识别的带印章图像进行识别，得到印章的位置信息、颜色信息和形状信息。
118.并且，由于在进行模型训练时，所采用的印章图像样本集中包含各种不同印章位置、不同印章形状以及不同印章颜色的印章样本图像，因此，训练得到的预设印章形状颜色识别模型可以对不同印章形状和不同印章颜色进行识别。
119.s23、调用预设ai平台的预设印章内容识别模型对待识别的带印章图像进行识别，得到印章的第二内容信息。
120.在得到印章的位置信息、颜色信息和形状信息后，rpa平台可以调用预设ai平台的预设印章内容识别模型对待识别的带印章图像进行识别，得到印章的第二内容信息。
121.此时，通过调用预设ai平台的预设印章形状颜色识别模型以及预设印章内容识别模型对待识别的带印章图像进行识别不仅进行了印章内容识别，还进行了印章形状以及印章颜色的识别。使得不仅可以对常用的椭圆章进行识别，还可以对不常用的圆章和方章进行识别，可以帮助企业承接更多有关印章形状识别的业务，更高效的做好企业服务。
122.并且，在识别得到印章颜色后，可以根据印章颜色快速的分辨出此印章是新盖的还是复印的，可以帮助企业承接更多有关印章颜色识别的业务，更高效的做好企业服务。示例性的，如果印章颜色为红色或者蓝色，则印章为新盖的，如果印章颜色为黑色或者黑色，则印章为复印的。
123.s230、对印章识别结果进行验证，得到验证结果。
124.在得到印章识别结果后，rpa平台需要对印章识别结果进行验证，得到验证结果。
125.具体的，对印章识别结果进行何种形式的验证是取决于客户的验证需求，当预设印章识别模型不只包括预设印章内容识别模型时，对印章识别结果进行验证的方式有多种，包括但不限于以下两种方式：
126.第一种方式：
127.步骤s230可以包括：
128.s31、根据印章的颜色信息，判断印章的颜色是否为预设颜色；
129.s32、如果是，确定印章为新盖的印章，得到通过验证的验证结果；
130.s33、如果否，确定印章为复印的印章，得到未通过验证的验证结果。
131.如果客户的需求为验证印章为新盖的印章还是复印的印章，则对印章识别结果进行验证的方式为根据印章的颜色信息，判断印章的颜色是否为预设颜色，如果是，确定印章为新盖的印章，得到通过验证的验证结果，此时，用户即可获知印章为新盖的印章，如果否，确定印章为复印的印章，得到未通过验证的验证结果，此时，用户即可获知印章为复印的印章。
132.示例性的，预设颜色可以为红色或者蓝色。
133.由此，通过判断印章的颜色是否为预设颜色的方式，实现全自动对印章识别结果进行验证，无需人工参与，提高效率，并且，可以让用户快速获知印章是否为新盖的印章。
134.第二种方式：
135.步骤s230可以包括：
136.s34、通过采用光学字符识别ocr方法检测预设文件中是否存在与印章的内容信息相同的名称；
137.s35、如果是，得到通过验证的验证结果；
138.s36、如果否，得到未通过验证的验证结果。
139.如果客户的需求为验证所识别到的印章的内容是否准确，则通过采用光学字符识别ocr(optical character recognition，光学字符识别)方法检测预设文件中是否存在与印章的内容信息相同的名称，如果是，得到通过验证的验证结果，此时说明识别到的印章的内容是准确的，如果否，得到未通过验证的验证结果，此时说明识别到的印章的内容是不准确的。
140.示例性的，预设文件可以为发票或者合同。
141.由此，通过检测预设文件中是否存在与印章的内容信息相同的名称的方式，实现全自动对印章识别结果进行验证，无需人工参与，提高效率，并且，可以让用户快速获知识别到的印章的内容是否准确。
142.由上述内容可知，本实施例可以获取待识别的带印章图像，基于预设印章识别模型对所述待识别的带印章图像进行识别得到印章识别结果，其中，预设印章识别模型至少包括预设印章内容识别模型，对印章识别结果进行验证，得到验证结果。本实施例提供的技术方案在得到印章识别结果后，直接对印章识别结果进行验证，实现全自动化验证，无需人工参与，提高了工作效率。
143.在一个具体实施例中，在步骤s230之后，还可以包括：
144.s240、当得到通过验证的验证结果时，将印章识别结果存储为excel格式或者word格式，并发送至客户业务系统。
145.为了方便客户查看，当得到通过验证的验证结果时，将印章识别结果存储为excel格式或者word格式，并发送至客户业务系统。客户即可通过客户业务系统进行查看。
146.由此，通过将印章识别结果存储为excel格式或者word格式，并发送至客户业务系统的方式，方便客户查看印章识别结果。
147.实施例二
148.图3是示出了一种基于rpa及ai的印章识别装置的模块示意图。如图3所示，本说明书实施例提供的一种基于rpa及ai的印章识别装置，应用于rpa平台，所述装置可以包括：
149.获取模块310，用于获取待识别的带印章图像；
150.识别模块320，用于基于预设印章识别模型对所述待识别的带印章图像进行识别得到印章识别结果，其中，所述预设印章识别模型至少包括预设印章内容识别模型；
151.验证模块330，用于对所述印章识别结果进行验证，得到验证结果。
152.本发明实施例提供的基于rpa及ai的印章识别装置可以获取待识别的带印章图像，基于预设印章识别模型对所述待识别的带印章图像进行识别得到印章识别结果，其中，预设印章识别模型至少包括预设印章内容识别模型；然后对印章识别结果进行验证，得到验证结果。本实施例提供的技术方案在得到印章识别结果后，直接对印章识别结果进行验证，实现全自动化验证，无需人工参与，提高了工作效率。
153.在一种实现方式中，所述识别模块320可以具体用于：
154.调用预设ai平台的预设印章内容识别模型对所述待识别的带印章图像进行识别，得到印章的第一内容信息。
155.在一种实现方式中，所述识别模块320可以包括：
156.第一调用子模块，用于调用预设ai平台的预设印章形状颜色识别模型对所述待识别的带印章图像进行识别，得到印章的位置信息、颜色信息和形状信息，其中，所述预设印章形状颜色识别模型通过预设的印章图像样本集中的印章样本图像、印章位置、印章形状和印章颜色训练得到，以建立各印章样本图像与印章位置、印章形状和印章颜色之间的关联关系；
157.第二调用子模块，用于调用预设ai平台的预设印章内容识别模型对所述待识别的带印章图像进行识别，得到印章的第二内容信息。
158.在一种实现方式中，上述基于rpa及ai的印章识别装置还包括模型训练模块，所述模型训练模块用于训练得到预设印章形状颜色识别模型，所述模型训练模块包括：
159.获取子模块，用于获取预设的印章图像样本集中的印章样本图像以及所述印章样本图像包含的印章位置、印章形状和印章颜色；
160.样本输入子模块，用于将所述印章样本图像以及所述印章样本图像包含的印章位置输入至初始yolo
‑
v4网络中的第一分支网络中进行特征提取，得到所述印章样本图像包含的印章的参考印章位置，将所述印章样本图像以及所述印章样本图像包含的印章形状输入至初始yolo
‑
v4网络中的第二分支网络中进行特征提取，得到所述印章样本图像包含的印章的参考印章形状，将所述印章样本图像以及所述印章样本图像包含的印章颜色输入至初始yolo
‑
v4网络中的第三分支网络中进行特征提取，得到所述印章样本图像包含的印章的参考印章颜色；
161.计算子模块，用于计算所述参考印章位置与所述印章样本图像包含的印章位置之间的第一差异值，计算所述参考印章形状与所述印章样本图像包含的印章形状之间的第二差异值，计算所述参考印章颜色与所述印章样本图像包含的印章颜色之间的第三差异值；
162.参数优化子模块，用于基于所述第一差异值、所述第二差异值和所述第三差异值优化所述初始yolo
‑
v4网络的参数，触发所述获取子模块；
163.训练完成子模块，用于当迭代次数达到预设次数时，完成训练，得到使得印章样本图像与印章位置、印章形状和印章颜色相关联的预设印章形状颜色识别模型。
164.在一种实现方式中，所述验证模块330可以具体用于：
165.根据所述印章的颜色信息，判断所述印章的颜色是否为预设颜色；
166.如果是，确定所述印章为新盖的印章，得到通过验证的验证结果；
167.如果否，确定所述印章为复印的印章，得到未通过验证的验证结果。
168.在一种实现方式中，所述验证模块330可以具体用于：
169.通过采用光学字符识别ocr方法检测预设文件中是否存在与所述印章的内容信息相同的名称；
170.如果是，得到通过验证的验证结果；
171.如果否，得到未通过验证的验证结果。
172.在一种实现方式中，上述基于rpa及ai的印章识别装置还包括存储模块，用于在对所述印章识别结果进行验证，得到验证结果之后，当得到通过验证的验证结果时，将所述印章识别结果存储为excel格式或者word格式，并发送至客户业务系统。
173.实施例三
174.请参阅图4，图4是本发明实施例三提供的一种计算设备的结构示意图。
175.如图4所示，该计算设备可以包括：
176.存储有可执行程序代码的存储器401；
177.与存储器401耦合的处理器402；
178.其中，处理器402调用存储器401中存储的可执行程序代码，执行本发明任意实施例所提供的基于rpa及ai的印章识别方法。
179.本发明实施例公开一种计算机可读存储介质，其存储计算机程序，其中，该计算机程序使得计算机执行本发明任意实施例所提供的基于rpa及ai的印章识别方法。
180.在本发明的各种实施例中，应理解，上述各过程的序号的大小并不意味着执行顺序的必然先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
181.在本发明所提供的实施例中，应理解，“与a相应的b”表示b与a相关联，根据a可以确定b。但还应理解，根据a确定b并不意味着仅仅根据a确定b，还可以根据a和/或其他信息确定b。
182.另外，在本发明各实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
183.上述集成的单元若以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可获取的存储器中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或者部分，可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干请求用以使得一台计算机设备(可以为个人计算机、服务器或者网络设备等，具体可以是计算机设备中的处理器)执行本发明的各个实施例上述方法的部分或全部步骤。
184.本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质包括只读存储器(read
‑
only memory，rom)、随机存储器(random access memory，ram)、可编程只读存储器(programmable read
‑
only memory，prom)、可擦除可编程只读存
储器(erasable programmable read only memory，eprom)、一次可编程只读存储器(one
‑
time programmable read
‑
only memory，otprom)、电子抹除式可复写只读存储器(electrically
‑
erasable programmable read
‑
only memory，eeprom)、只读光盘(compact disc read
‑
only memory，cd
‑
rom)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
185.本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。
186.本领域普通技术人员可以理解：实施例中的装置中的模块可以按照实施例描述分布于实施例的装置中，也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
187.最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。