基于Python开发的海关报表自动识别系统的示例代码

以下是一个基于Python开发的海关报表自动识别系统的示例代码，该系统包含输入报表、预处理、分类识别、文本检测和生成报表的基本功能。本示例主要使用了pytesseract进行文本识别，opencv-python进行图像预处理，同时简单模拟了报表分类的逻辑。

环境准备

在运行代码之前，需要安装以下库：

pip install opencv-python pytesseract pandas

此外，还需要安装Tesseract OCR引擎，并将其路径配置到系统环境变量中，或者在代码中指定其路径。

代码实现

import cv2
import pytesseract
import pandas as pd
import os

# 设置Tesseract OCR引擎的路径（如果需要）
# pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'

def input_report(report_path):
    """
    输入报表，读取图像文件
    :param report_path: 报表图像文件的路径
    :return: 读取的图像
    """
    if not os.path.exists(report_path):
        print(f"文件 {report_path} 不存在。")
        return None
    image = cv2.imread(report_path)
    return image

def preprocess(image):
    """
    图像预处理，包括灰度化、高斯模糊和二值化
    :param image: 输入的图像
    :return: 预处理后的图像
    """
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    blurred = cv2.GaussianBlur(gray, (5, 5), 0)
    _, thresh = cv2.threshold(blurred, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
    return thresh

def classify_report(text):
    """
    简单的报表分类识别，根据文本中的关键词进行分类
    :param text: 识别出的文本
    :return: 报表类别
    """
    if "进口" in text:
        return "进口报表"
    elif "出口" in text:
        return "出口报表"
    else:
        return "未知报表"

def text_detection(image):
    """
    文本检测，使用Tesseract OCR识别图像中的文本
    :param image: 输入的图像
    :return: 识别出的文本
    """
    text = pytesseract.image_to_string(image, lang='chi_sim+eng')
    return text

def generate_report(text, report_type):
    """
    生成报表，将识别出的文本和报表类别保存到CSV文件中
    :param text: 识别出的文本
    :param report_type: 报表类别
    """
    data = {
        '报表类别': [report_type],
        '识别文本': [text]
    }
    df = pd.DataFrame(data)
    df.to_csv('output_report.csv', index=False, encoding='utf-8-sig')
    print("报表生成成功，保存为 output_report.csv")

def main(report_path):
    # 输入报表
    image = input_report(report_path)
    if image is None:
        return
    # 预处理
    preprocessed_image = preprocess(image)
    # 文本检测
    text = text_detection(preprocessed_image)
    # 分类识别
    report_type = classify_report(text)
    # 生成报表
    generate_report(text, report_type)

if __name__ == "__main__":
    report_path = 'path/to/your/customs_report.jpg'  # 替换为实际的报表图像文件路径
    main(report_path)

代码说明

1. 输入报表：input_report函数用于读取指定路径的报表图像文件。
2. 预处理：preprocess函数对输入的图像进行灰度化、高斯模糊和二值化处理，以提高文本识别的准确率。
3. 分类识别：classify_report函数根据识别出的文本中的关键词（如“进口”、“出口”）对报表进行分类。
4. 文本检测：text_detection函数使用Tesseract OCR引擎识别图像中的文本。
5. 生成报表：generate_report函数将识别出的文本和报表类别保存到CSV文件中。

注意事项

• 请将report_path替换为实际的报表图像文件路径。
• 由于海关报表的格式和内容可能非常复杂，本示例中的分类识别和文本检测方法可能无法满足所有需求，需要根据实际情况进行调整和优化。
• 对于更复杂的文本识别任务，可以考虑使用更先进的OCR库，如easyocr。