Tekoälyn hyödyntäminen laskukuvien käsittelyssä
Kiviranta, Aleksi (2022)
2022
All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2022060113907
https://urn.fi/URN:NBN:fi:amk-2022060113907
Tiivistelmä
Tutkimustyön tarkoituksena oli löytää menetelmä, jolla saadaan muutettua kuvamuotoinen lasku koneluettavaan muotoon. Lisäksi haluttiin arvioida menetelmiä ja erityisesti sopivatko ne erityyppisille laskuille.
Teoriapohjassa syvennyttiin tekoälyyn sekä lyhyesti ohjelmistorobotiikkaan ja ketterään kehitysmenetelmään. Opinnäytetyö oli tyypiltään toiminnallinen. Käytännön osuus toteutettiin tutkimalla prototyyppiä kehittäen menetelmiä laskukuvien tunnistukseen. Lisäksi valituista menetelmistä tutkittiin luodun prototyypin avulla onnistumista tilastollisesti.
Tutkimuksessa saatiin kartoitettua eri menetelmien toimivuutta laskukuvien käsittelyssä. Lisäksi käyttökelpoisimmaksi valittujen menetelmien onnistumista saatiin mitattua. Menetelmistä löydettiin käyttökelpoinen tekoälypohjainen menetelmä, jolla voidaan laaja-alaisesti muuntaa erityyppisiä laskukuvia koneluettavaan muotoon. Käyttökelpoisena menetelmänä toimi UiPathin laskujenkäsittelyn tekoäly, jota koulutettiin omalla aineistolla. Menetelmä ei poistanut ihmisen tarvetta kokonaan, vaan ihmisen toimia vaaditaan alkuopetuksenkin jälkeen tarkastamaan osa laskuista. Menetelmä kuitenkin mahdollistaa merkittävän avun. The purpose of the research was to find a method for converting an image-based invoice into a machine-readable form. In addition, there was a desire to evaluate the methods and whether they are suitable for different types of calculations.
The theoretical foundation was deepened into artificial intelligence and, in short, software robotics and an agile development method. The thesis was of a functional type. The practical part was carried out by studying a prototype, developing methods for identifying invoice images. In addition, the selected methods were statistically examined for success using the created prototype.
The study mapped the functionality of different methods in processing invoice images. In addition, the success of the methods selected as the most useful was measured. A useful artificial intelligence-based method was found in the methods, which can be widely used to convert different types of calculation images into machine-readable form. A useful method was UiPath's artificial intelligence for invoice processing, which was trained with its own data. The method did not completely eliminate the human need and human action is required even after initial training to check some of the invoices, but it helps significantly.
Teoriapohjassa syvennyttiin tekoälyyn sekä lyhyesti ohjelmistorobotiikkaan ja ketterään kehitysmenetelmään. Opinnäytetyö oli tyypiltään toiminnallinen. Käytännön osuus toteutettiin tutkimalla prototyyppiä kehittäen menetelmiä laskukuvien tunnistukseen. Lisäksi valituista menetelmistä tutkittiin luodun prototyypin avulla onnistumista tilastollisesti.
Tutkimuksessa saatiin kartoitettua eri menetelmien toimivuutta laskukuvien käsittelyssä. Lisäksi käyttökelpoisimmaksi valittujen menetelmien onnistumista saatiin mitattua. Menetelmistä löydettiin käyttökelpoinen tekoälypohjainen menetelmä, jolla voidaan laaja-alaisesti muuntaa erityyppisiä laskukuvia koneluettavaan muotoon. Käyttökelpoisena menetelmänä toimi UiPathin laskujenkäsittelyn tekoäly, jota koulutettiin omalla aineistolla. Menetelmä ei poistanut ihmisen tarvetta kokonaan, vaan ihmisen toimia vaaditaan alkuopetuksenkin jälkeen tarkastamaan osa laskuista. Menetelmä kuitenkin mahdollistaa merkittävän avun.
The theoretical foundation was deepened into artificial intelligence and, in short, software robotics and an agile development method. The thesis was of a functional type. The practical part was carried out by studying a prototype, developing methods for identifying invoice images. In addition, the selected methods were statistically examined for success using the created prototype.
The study mapped the functionality of different methods in processing invoice images. In addition, the success of the methods selected as the most useful was measured. A useful artificial intelligence-based method was found in the methods, which can be widely used to convert different types of calculation images into machine-readable form. A useful method was UiPath's artificial intelligence for invoice processing, which was trained with its own data. The method did not completely eliminate the human need and human action is required even after initial training to check some of the invoices, but it helps significantly.