Context（情境）
醫療收據需與財務、理賠或內部系統串接，但各醫院版型與欄位格式不一，人工鍵入耗時且易錯。情境需要從掃描件或照片產出統一、機器可讀的結構化資料，供下游 API 直接使用。
Challenge（痛點）
- 台灣各大醫院收據版型與欄位位置差異大，單一規則無法涵蓋。
- 掃描品質（歪斜、陰影、低解析度）影響 OCR 辨識率。
- 部分收據含表格（費用明細），需區塊偵測後再解析欄位。
Solution（架構＋做法）
本專案做端對端收據正規化：不論掃描品質或醫院版型差異，都能輸出統一的結構化 JSON。做法是依「是否含表格」自動切換兩階段 YOLO 偵測與醫院專屬欄位解析，並搭配 UVDoc 展平、歪斜／陰影校正與 PaddleOCR，降低影像品質造成的誤差。
- 支援台大、長庚、彰基、榮總、奇美等 5 所以上常見醫院，以客製化正則與欄位抽取程式辨識。
- 輸出欄位含
nhi、admissionDate、dischargeDate、receivedAmount、items（費用明細）等，可對接既有 API。
處理管線
- 影像前處理 — 判斷正反向、UVDoc 展平、陰影與噪聲抑制（
ocr_methods.py、correct_skew_eliminate_shadows.py、UVDoc/）。 - YOLO Stage 1 — 偵測收據區域（
yolov7_detect.py）。 - 切割與再校正 — 必要時以
crop_image_from_label.py再切出區塊。 - OCR — PaddleOCR（det + rec）取得全文，依
hospital_key.txt判斷醫院類別。 - 表格偵測 — 若有表格則啟用 YOLO Stage 2 偵測表格區塊。
- 醫院管線 — 進入對應
HospitalPipeline（hospital_pipeline.py），依醫院做欄位正則化與表格補強（receipt_uni/info/*.py、receipt_uni/config/regex_*.txt）。 - 輸出 —
convert_df_to_api_format.py轉成標準 JSON，由generate_json_result輸出。
新增醫院時沿用同一邏輯：判斷是否含表格 → 撰寫欄位 regex 與自訂抽取程式即可。
管線與輸出範例
處理管線 — 從影像輸入到 JSON 輸出的流程。
以下為各院收據辨識後的輸出格式範例（以檔名為 key，欄位含健保、住院／出院日、科別、收據金額與 items 明細）。
台大
"台大收據1.jpg" : {
'nhi': 'Y',
'admissionDate': '2023/07/19',
'dischargeDate': '2023/07/23',
'hospitalName': '國立臺灣大學醫學院附設醫院',
'dept': '骨科部',
'receivedAmount': '84327',
'items': {
'藥費': '251',
'治療處置費': '520',
'材料費': '69006',
'證明書費': '150',
'病房費': '14400'
}
},長庚
"長庚收據1.jpg" : {
'nhi': 'Y',
'admissionDate': '2023/07/28',
'dischargeDate': '2023/07/28',
'hospitalName': '林口長庚紀念醫院',
'dept': '一般外科系',
'receivedAmount': '20610',
'items': {
'住院部分負擔': '4651',
'藥品費': '553',
'材料費': '5520',
'處置費': '9886'
}
},彰基
"彰基收據1.jpg" : {
'nhi': 'Y',
'admissionDate': '2023/07/21',
'dischargeDate': '2023/07/27',
'hospitalName': '彰化基督教醫療財團法人彰化基督教醫院',
'dept': '耳鼻喉暨頭頸部',
'receivedAmount': '49430',
'items': {
'藥費': '1349',
'材料費': '41919',
'治療處置費': '650',
'部分負擔': '5512'
}
},技術棧
- OCR — PaddleOCR（det / rec），繁體中文權重（如
ch_PP-OCRv4_det、tw_PP-OCRv3_rec）。 - 偵測 — YOLOv7（Stage 1 收據區域、Stage 2 表格區塊）。
- 影像前處理 — UVDoc 展平、deskew、陰影消除；OpenCV、scikit-image。
- 環境 — Python 3.9+；可選 CUDA GPU 加速。
依賴：paddleocr、paddlepaddle-gpu、torch、torchvision、opencv-python-headless、numpy、pandas、Pillow、scikit-image、PyYAML 等。
擴充新醫院
hospital_pipeline.py定義HospitalPipeline抽象類別與各院實作（NTU、長庚、彰基、榮總、奇美等）。receipt_uni/info/*.py為醫院專屬欄位邏輯；receipt_uni/config/regex_*.txt為欄位與 regex 對照。
建議步驟：
- 在
hospital_key.txt加入醫院關鍵字與 key。 - 於
info/新增解析程式與regex_<HOSP>.txt（必要時regex_<HOSP>_table.txt）。 - 在
hospital_pipeline.py實作新 class（get_ocr_result、crop_from_label、text_info、table_info等）。 - 視需要調整
hospital_api_map.txt。
Impact（量化成效）
- 支援醫院數：5 所以上（台大、長庚、彰基、榮總、奇美等），單一管線輸出統一 JSON。
- 輸出格式：
nhi、admissionDate、dischargeDate、receivedAmount、items（費用明細）等欄位，可對接既有財務／醫療 API，下游無須再處理各院版型差異。 - 擴充成本：新增一院僅需撰寫欄位 regex 與抽取邏輯，沿用同一管線即可維持單一 API 格式。
Extension（可延伸方向）
- 擴充至更多醫院與收據類型（門診、診所、長照單據）。
- 串接理賠或請款流程，從掃描到審核一鍵完成。
- 加入準確率監控與人工抽檢介面，持續優化辨識與欄位對應。