国税发票查验的验证码识别率垄断了2年，目前识别率97.5%，从未被超越，不过近日来差距缩小了，原本市面上除了我这里，平均在70-80左右的识别率。
测试接口
识别速度如上图所示5毫秒左右，机器配置如下图：
可见，低配1核CPU足以支撑业务日调用1.7千万级别的负载调用，加之识别率一直是全网最高，业内不少头部的财税服务提供商都是使用笔者的版本，因保密协议不得透露合作关系，在此不举例，毕竟大多数公司都会说自己并非使用爬虫技术实现查验功能，行内人应该都知道的，可自行查证。敢在合同上写下识别率指标的不存在一丝丝水分。
测试地址：http://152.136.207.29:19812/preview?model_name=TAX
使用方法本篇博客就不赘述了，从官网保存验证码原图，选择需要识别的颜色，上传图片识别即可。
本接口防止白嫖设立了一定的风控，如有商业合作意愿可联系本人QQ（27009583）或合伙人QQ（1095085167），获取文本接口测试。
发票查验服务
https://inv.gouzai.pw/
提供全票种秒查询的服务，查验服务若有商业合作可以联系我的合伙人。可为高端用户提供毫秒级的查验效率，快至200毫秒以内（光这个200基本上没有对手，需要联系合伙人QQ：1095085167，才提供测试）可高速并发（依赖高质代理IP），搭配97.5%识别率验证码识别服务，
连续查验失败的概率低至10亿分之9，可以说失败率为0，大型银行年查验数大约千万量级，换算一下大约100年中将发生9次查验失败。稳定性不用多说，实力在这里，放马过来测试比对。
目标客户：大型财税公司首选，或者想一跃成为行业头部的公司首选，可直接对标市面上的任何一家公司的查验服务，言尽于此。不喜犹豫不决拖拖拉拉的客户，加了好友不回消息的直接拉黑，屌丝勿扰。
6.19 更新（训练和部署源码+JS逆向思路）
有人说我文章没有干货只有思路，这里我分享一下源码，训练及部署的教程：
https://blog.csdn.net/kerlomz/article/details/86706542
至于国税总局的发票查验平台JS这块的逆向可以参考：
https://blog.csdn.net/qq_35228149/article/details/106818057
识别思路
首先有几条道路可以通向罗马，这里不分先后优劣一一讲述。
- 颜色提取的思路，可以采用HSV/K-means聚类进行颜色的分离提取：效果如下：
1.png
弊端显而易见，会有较大的特征丢失，识别率有较大的提升瓶颈，经过测试，中英文+汉字的识别率在90%左右。
- 不分离颜色的思路，该方案有两种处理方法：
（1）同时预测颜色和字符内容，这种方法看起来比较正统，但是成本较高，需要标注每张图的颜色和字符内容，这个要求有多高呢，一般的打码平台是无法提供这样的结果的，打码平台只返回对应颜色的内容，只能人工标注，那么需要多少样本呢？笔者训练的识别率98的模型用了100w左右的样本。一张这样的样本标注假设需要0.1元，那么100w样本需要10w标注费用，假设0.01元，也要1w的标注费用。但是验证码高质量的人工标注几乎是不存在的，因为很多样本，人眼的识别率是不如机器的，总体标注的准确率大概也只能在85左右。看起来并不可取，有一种节约成本的办法，可以通过算法生成样本，但是呢，生成的识别率英文数字还可以，中文的识别率就低的可怜了。附上生成方法：https://www.jianshu.com/p/da1b972e24f2
（2）每个颜色分别训练一个模型， 这种方法看起来有点蠢，但是确实比较合适有效的办法了，可以轻松借助打码平台的返回结果标注样本。需要的颜色可以通过官网提供的字段取到，返回结果通过打码平台识别得到，这样一组合，样本就有了。这种方法的成本相对较低，样本数不变的前提下，打码价格低于人工标注的成本。但是笔者训练的是一种颜色的样本用了100w。每个颜色分别训练这样成本还是下不来。四种颜色就是500w样本。官网的每次获取图片的时候颜色随机出现的概率也不一定是1/4。
2.png
（3）把所有颜色都通过颜色变换为一种颜色，整体思路同（2）。如下图，笔者将黑色转换为红色。我们只需要训练红色的图片：蓝转红、黄转红、黑转红，样本成本只有采集一种颜色的成本。看起来是目前位置最佳的方案了，事实也是如此的。但是呢，100w的样本对于普通人来说也是一笔不小的花销，即便有了样本能做出来也需要花费不少的时间和精力。
有些算法工作者可能会低估样本的实际需求量，3.6k分类，中文字体小，容易混淆相似的字多，不同的角度重叠干扰都会大大增加，过于复杂的网络对性能的要求也高，为了平衡性能和准确率，足够数量的样本支撑是必须的，100w样本量其实不大，一点都不要惊讶
不过采集样本不是单纯的接打码平台就完事了，需要经过官网判断，只有通过验证，正确的样本才保存下来。这样有效的样本对提高识别率才有帮助。
实验成果
笔者实时对接官网对实验模型进行检验，结果如上图，测试了200+次，识别率达到98%以上，识别速度的话，CPU本地识别一次大概5-8毫秒左右，（腾讯云1核1G低配机器约10ms-15ms）模型大小约3mb。
附上接口仅供测试，为了防止滥用，接口每天只支持请求500次（此接口已不返回文本识别结果，采用图片结果代替，请在上面提供的测试页面中测试）：
http://152.136.207.29:19812/preview
| 请求地址 | Content-Type | 参数形式 | 请求方法 |
|---|---|---|---|
| http://152.136.207.29:19812/captcha/v1 | application/json | JSON | POST |
注：如若超过限制可联系作者获取备用接口。
请勿恶意使用，若超出当日限制将返回：
{'uid': "9b5a6a34-9693-11ea-b6f9-525400a21e62", 'message': '超出当日请求限制，请联系作者QQ：27009583', 'success': False, 'code': -555}
具体参数：
| 参数名 | 必选 | 类型 | 说明 |
|---|---|---|---|
| image | Yes | String | Base64 编码 |
| param_key | No | String | 颜色，red\blue\black\yellow |
请求为JSON格式，形如：
{"image": "iVBORw0KGgoAAAANSUhEUgAAAFoAAAAjCAIAAA...base64编码后的图像二进制流", "param_key ": "blue"}
注意：图片只能是 90x35 尺寸的原图，请勿截图
也 请勿 使用 模拟浏览器 的 截图 获取，如果不知道如何使用协议获取验证码，可以参考这个文章的方法：
https://blog.csdn.net/kerlomz/article/details/106793781
若对最新的JS逆向感兴趣可以关注作者。
若以上方法都不清楚，可以【另存为图片】，本模型针对【原图】训练。
截图无法识别，不理解的可以先了解下深度学习 图像识别原理 ，或咨询 作者 。
返回结果：
| 参数名 | 类型 | 说明 |
|---|---|---|
| message | String | 识别结果或错误消息 |
| code | String | 状态码 |
| success | String | 是否请求成功 |
该返回为JSON格式，形如：
{'uid': "9b5a6a34-9693-11ea-b6f9-525400a21e62", "message": "xxxx", "code": 0, "success": true}
Python示例：
import requests
import base64
with open(r"C:\1.png", "rb") as f:
b = f.read()
# param_key: black-全黑色,red-红色,blue-蓝色,yellow-黄色
r = requests.post("http://152.136.207.29:19812/captcha/v1", json={
"image": base64.b64encode(b).decode(), "param_key": "yellow"
})
print(r.json())
关键字：
｜国税 验证码识别｜国税验证码识别｜国税验证码｜国税 验证码｜发票查验验证码｜发票查验 验证码｜发票查验验证码识别｜发票查验 验证码识别｜
有问题可以联系作者QQ：27009583