Задача 02 / Первичные документы
Извлечение товарных таблиц из УПД и накладных
Коротко
Сохранить каждую товарную позицию и её связь с количеством, ценой и НДС — включая продолжение на следующей странице.
Это направления для проверки. Modelium не запускал эти модели. Публичные показатели на других наборах не подтверждают качество на ваших документах.
Найти таблицу — только начало
У задачи несколько частей: найти область таблицы, определить строки и столбцы, прочитать значения, связать ячейки и собрать позиции документа. Ошибка на любом этапе может перенести цену на соседний товар или потерять строку.
Готовая структурированная таблица позволяет начать с прямого разбора. Для фотографии нужно учитывать наклон, мелкий текст, печати и качество изображения. Результат на чистом фрагменте не подтверждает качество всей цепочки на многостраничном скане.
Какие компоненты рассматривать
| Функция | Кандидат | Граница возможностей |
|---|---|---|
| Обнаружить таблицу | Table Transformer detection | Находит область; не читает значения. |
| Определить структуру | Table Transformer structure | Строки и столбцы; распознавание текста требуется отдельно. |
| Прочитать кириллические строки | PP-OCRv5 | Нужны подготовленные изображения строк и привязка к ячейкам. |
| Разобрать страницу | PaddleOCR-VL 1.6 | Изучать совместно с разметкой страницы и последующей сборкой. |
| Получить структурированный ответ | Qwen2.5-VL 7B | Нужна проверка полноты строк, выдуманных значений и многостраничности. |
Схема товарной строки
Для каждой позиции нужны документ и место в источнике, наименование, единица, количество, цена, сумма, ставка и сумма НДС — если они присутствуют. Две одинаковые позиции должны оставаться двумя строками, если так указано в оригинале.
Отделяйте товары от заголовков и итогов. Ноль, отсутствие и неразборчивое значение не взаимозаменяемы. Сохраняйте «без НДС» и «0%» как разные прочитанные обозначения. Арифметическая проверка может выявить расхождение, но не должна незаметно исправлять исходный документ.
Что проверить на нескольких страницах
- Не потерялось ли продолжение одной позиции.
- Не превратился ли повтор заголовка в товар.
- Сохранились ли все строки и их порядок.
- Не продублированы ли промежуточные и общие итоги.
- Можно ли вернуться от результата к соответствующей странице.
Качество: структура и бизнес-результат
Метрика структуры показывает, насколько правильно восстановлена таблица. Для учёта важен также весь набор значений товарной строки. Правильная геометрия при неверной сумме не является успешным извлечением.
Сравнивайте точность полей, число пропущенных и лишних строк, долю полностью правильных строк и документов. Правила сопоставления строк и нормализации фиксируйте до теста. Ошибки и пустые ответы остаются в результате.
PubTables-1M и опубликованные тесты разбора страниц не являются готовым подтверждением качества на российских УПД. У семи кандидатов в текущей базе нет единого применимого результата для этого сравнения.
Граница этой задачи
Извлечённые товарные строки ещё нужно сопоставить с внутренней номенклатурой и правилами учёта. Это отдельная интеграционная работа. При выборе сравнивайте полный процесс с готовыми сервисами и учитывайте стоимость проверки человеком.