混贴单据自动分割怎么做？IDP 智能文档处理实操

财务共享中心的小王每周一都要面对同一件苦差事：一沓扫描件里，有的是三张差旅发票贴在一张 A4 纸上，有的是一张报销单下面压着两张出租车票，还有的把审批单和数电票打印在了一起。她要做的第一件事不是审核，而是"拆"——用肉眼判断哪里是边界，再一张张裁切、命名、归档。一叠 300 页的凭证，光拆分就要耗掉大半天，还容易漏掉贴在角落里的那张小额发票。

这不是个例。IDC 的调研数据显示，企业在文档密集型流程中，超过 60% 的时间消耗在文档的"整理、切分、录入"这类低价值动作上，真正用于判断与决策的时间不足四成。而在所有整理动作里，混贴单据自动分割是公认的第一道坎——分不准，后面所有的 OCR 识别、字段抽取、规则校验都是错的。这篇文章就从技术原理讲到落地实操，把 IDP 智能文档处理在混贴场景下的完整打法拆开讲清楚。

一、混贴单据到底是什么？为什么它这么难

混贴单据，指的是同一张影像或同一个扫描文件里，包含两张及以上不同类型、不同归属的业务单据。它和普通单张单据处理最大的差别在于：机器在识别之前，必须先回答"这里面有几张单、每张单的边界在哪里、分别是什么类型"这三个问题。

难点主要集中在四个方面：

• 边界不规则：发票可能斜贴、叠贴、跨越折痕，甚至两张单据共用一条边缘，传统按固定坐标切割的方式几乎必然出错。
• 类型混杂：一张纸上可能同时有增值税发票、出租车票、餐饮小票、审批单、银行回单，版式差异极大，单一模板匹配无法覆盖。
• 质量参差：扫描倾斜、纸张褶皱、印章遮挡、复印底灰，都会干扰版面分析的结果。
• 归属难判定：分割出来只是第一步，还要判断"这张发票属于哪一笔报销单"，否则拆分后依然是一堆无主数据。

正因为这四层难度叠加，很多企业上线了 OCR 却始终跑不通全流程——识别率看着不错，但一到混贴场景就大面积串行，最后还是退回人工。这也是为什么 IDP 智能文档处理在选型时，必须重点验证混贴分割能力，而不是只看单张票据的识别准确率。

二、混贴单据自动分割的四个技术环节

把混贴单据自动分割做对，本质是一条从"像素"到"语义"的流水线。下面四个环节缺一不可。

2.1 图像预处理：先把歪的斜的扶正

预处理不是可选项，而是分割精度的地基。核心动作包括去噪、二值化、倾斜校正、透视矫正和边缘增强。对于通过高拍仪、手机拍摄的影像，还需要做阴影消除和分辨率归一化，避免因光照不均导致后续版面分析把阴影误判成边界。

实操中有一个容易被忽略的细节：预处理阶段就要保留原始图像的坐标映射关系。否则切分出来的子图无法回溯到原图位置，后续做审计追踪、人工复核时会非常麻烦。

2.2 版面分析：让机器看懂"哪里是另一张单据"

版面分析是混贴分割的核心。它要解决的是把一张图拆解成若干语义区块，并判断哪些区块属于同一张单据。常见的技术组合是：

• 连通域与投影分析：快速找出大块空白间隔和明显的物理切割线，处理规整排版的粘贴单据。
• 目标检测模型：用检测模型定位票据、印章、表格、二维码等元素的位置，适应斜贴、叠贴等复杂情况。
• 版式聚类：根据区块的密度、长宽比、边框特征做聚类，把"看起来属于同一张单"的区块归到一起。

这里的经验是：不要指望单一算法通吃。实际项目里通常是"规则先行、模型兜底"，先用轻量规则快速切掉 70% 的规整场景，剩下的复杂样本交给检测模型处理，整体性价比最高。

2.3 分类与归属：切完之后要知道"这是什么、属于谁"

分割出子图之后，要立刻做两件事：一是分类，判断是发票、小票、审批单还是回单；二是归属，把它挂到对应的业务主单上。归属判定常用的线索包括空间邻近关系（离哪张主单最近）、业务字段一致性（金额、日期、人员是否匹配）、以及条码或二维码中的唯一标识。

2.4 结构化抽取与交叉校验：分割只是开始

分割准确的最终目的是让字段抽取不失真。这一步需要针对不同单据类型调用不同的抽取策略：固定版式用模板加锚点，半结构化用 OCR 加规则，非结构化或版式多变的则交给大模型做语义抽取。

实在Agent 的 IDP 智能文档处理能力在这一层做了组合设计：以 OCR 识别各类纸质与影像单据为基础，结合大模型能力提升 PO 单号、物料编码、币种、单价、数量、日期等关键字段的识别准确率，并对非结构化数据自动打标签、构建关系图谱，让"单据—业务—主体"之间的关联在系统里清晰可见，而不是拆完就散。

三、IDP 智能文档处理实操：一套可复用的五步流程

技术原理讲完，落到可执行的流程上。下面这套五步法，是实在Agent 在多个企业级项目中沉淀下来的标准动作，可以直接作为实施蓝图。

3.1 第一步：规则与模板的智能管理

先解决"标准从哪来"的问题。把企业的报销制度、审单规则、单据类型定义以文本形式上传，由大模型解析生成可执行的规则代码，替代人工写死规则的方式。这样制度一改，规则同步更新，不需要重新开发。

3.2 第二步：影像接入与自动分割

业务端提交或扫描仪批量进件后，系统自动完成预处理、版面分析、切分与分类，输出"单据清单"——包含每张子图、类型、置信度和在原图中的坐标。低置信度的子图会被打上标记，进入人工复核队列，而不是直接放行。

3.3 第三步：多模态信息抽取

对每张子图执行字段抽取，输出结构化 JSON。这里采用"小模型+大模型"的双轨策略：版式固定的发票、小票走小模型，速度快、成本低；版式多变或模糊的走大模型，保准确率。双轨并行，兼顾效率与效果。

3.4 第三步补充：交叉校验与穿透查询

抽取完成后不是直接输出结论，而是做交叉验证。比如发票金额与报销单金额是否一致、住宿标准是否超出该职级上限、供应商信息能否在 ERP 中穿透查到。校验规则由第一步生成的规则库驱动，一次配置、长期复用。

3.5 第四步：结论生成与人工确认

系统输出审核辅助结论：合规单据自动通过，异常单据高亮标出问题项并生成退回原因。人工只处理被标记的少数异常，形成"机器全量初审 + 人工例外处理"的作业模式。

某大型电力集团在落地这套方案时，面临业务类型超过 120 种、下辖 4 省 188 家分子机构执行标准不一的复杂局面，年单据审核量超过 25 万笔。通过引入"大模型+小模型"双轨制的智能审单方案、把 AI 数字员工嵌入扫描岗位承担基础校验，最终实现初审替代率 66%、人工负荷降低超 60%、准确率提升至 99.2%，项目投入约 10 个月收回成本。这个案例的关键启示是：混贴分割不是孤立的技术点，而是整条审单流水线的入口，入口做顺了，后面的自动化才有意义。

四、三个高频落地场景怎么套用

4.1 财务共享中心：报销单据混贴审核

这是混贴分割最典型的战场。员工把差旅发票、出租车票、餐饮小票和审批单一并贴在报销单背面，扫描后一次性进件。

处理逻辑是：先按物理间隔和检测模型切分子图，再按类型分类，然后把所有子图归属到同一张报销单下，最后逐张抽取金额、日期、发票号，与报销单填报值做交叉比对，超标项直接高亮。通过实在Agent 的智能体编排，这一整条链路可以由数字员工自动跑完，财务人员只在异常清单上做确认。

4.2 应付账款：发票、采购订单、入库单三单匹配

制造业的应付环节，供应商寄来的往往是一个信封里塞着发票、对账单和送货单，扫描后混在一页上。分割之后，系统自动提取发票号、PO 单号、物料编码、数量、单价，与 ERP 中的采购订单和入库单做三单匹配，匹配通过即生成应付凭证。

这里的价值不只是省人工，更在于账期管理——单据从进件到匹配完成的时长被压缩，企业可以更早锁定付款计划，减少因单据积压导致的逾期折扣损失。

4.3 电商与零售：大批量凭证的批量归集

电商场景的特点是量大、票小、版式杂。一个月的快递费发票、平台佣金结算单、推广费凭证可能上千张。混贴分割配合自动分类，可以把这些凭证按费用类型自动归集，直接对接记账系统，避免财务在月结时集中爆量。

五、落地时最容易踩的五个坑

• 只测识别率，不测分割率：选型时必须用企业自己的混贴样本做测试，重点看切分准确率和漏切率，而不是供应商提供的标准票据识别率。
• 忽视低置信度兜底：任何模型都有边界，必须设计人工复核队列，让机器承认"我不确定"，而不是强行输出错误结果。
• 规则写死在代码里：制度一变就要改代码，维护成本会迅速吃掉收益。规则应当以配置化方式管理。
• 不做全链路留痕：审核结果要能回溯到原始影像的具体坐标，否则内审和外部审计时无法自证。
• 一次性追求全场景覆盖：建议先选 2-3 个高频单据类型跑通闭环，再逐步扩展，避免项目周期过长、迟迟不见效。

六、常见问题解答

6.1 混贴单据自动分割的准确率能做到多少？

取决于样本复杂度和预处理质量。规整排版的粘贴单据，切分准确率通常可以做到 98% 以上；斜贴、叠贴、印章大面积遮挡等复杂样本会明显下降。建议的做法是设定分层目标：常规场景高准确率全自动，复杂样本走人工复核，整体人工干预率控制在 10% 以内是比较务实的水平。

6.2 已经在用 OCR 了，还需要单独上 IDP 吗？

需要。传统 OCR 解决的是"把图变成字"，IDP 智能文档处理解决的是"把一堆混杂的图文变成结构化、可校验、可追溯的业务数据"。混贴分割、类型分类、归属判定、规则校验这些能力，都不在基础 OCR 的范围内。

6.3 大模型会不会不稳定，导致结果不可控？

实践中普遍采用"大模型+小模型"的双轨制：确定性高的任务交给小模型和规则引擎，保证稳定与成本可控；版式多变、语义复杂的任务交给大模型，提升泛化能力。两者结果做交叉验证，任何一方置信度不足就转人工，避免单点失控。

6.4 从立项到上线大概需要多久？

如果聚焦 2-3 个高频单据类型，跑通"分割—抽取—校验—输出"的闭环，通常 2-3 个月可以看到阶段性效果；扩展到全业务类型、覆盖多组织，一般需要 6-10 个月。关键变量不是技术，而是业务规则梳理和样本准备是否充分。

结语

混贴单据自动分割看似是一个图像处理问题，实质上是企业文档自动化的"入口工程"。入口顺了，后面的抽取、校验、记账才能形成真正的流水线；入口堵了，再强的模型也只能在人工兜底的循环里空转。对于正在推进财务共享、应付自动化或凭证数字化的企业，建议从一个高频混贴场景切入，用真实样本验证分割精度，再逐步把规则、模型和人工复核机制沉淀为可复用的能力。当机器能把"拆单据"这件事做稳，人才能真正回到判断和决策上。

实在Agent