（1） 成熟可靠：使用成熟、稳定的技术路线，保证OCR模型的高可用性、高稳定性。

（2） 多应用场景：为各类应用场景配置专属模型结构，实现多场景下的高精度文字识别。

（3） 识别精度高：采用定制化深度学习算法，结合海量标注数据样本进行训练，针对复杂背景、文字扭曲倾斜等情况进行专项优化。

（4） 简单易用：提供符合规范的API接口或直接进行私有化部署，操作简单、翻遍灵活。

光学字符识别（Optical Character Recognition OCR）是指对文本资料的图像文件进行分析识别处理，获取文字及版面信息的过程。亦即将图像中的文字进行识别，并以文本的形式返回。

OCR主体技术路线如下：

图片数据经“图像预处理”、“文字检测/定位”、“文本识别”等操作后，即可输出图片中的文字位置以及文字内容。常见的预处理过程包括：几何变换（透视、扭曲、旋转等）、畸变校正、去除模糊、图像增强和光线校正等；文字检测即检测文本的所在位置和范围及其布局。通常也包括版面分析和文字行检测等。文字检测主要解决的问题是哪里有文字，文字的范围有多大；文本识别是在文本检测的基础上，对文本内容进行识别，将图像中的文本信息转化为文本信息。文字识别主要解决的问题是每个文字是什么。识别出的文本通常需要再次核对以保证其正确性。文本校正也被认为属于这一环节。

AI深度学习图文识别不仅可以对文字进行识别，还可以将识别结果输出成结构化信息，以便用户后续处理、使用。

应用样例：

证件类OCR应用：身份证识别、护照识别、驾驶证识别、营业执照识别、名片识别等。

票据类OCR应用：普通增值税发票识别、飞机行程单识别、火车票识别、出租车发票识别、定额发票识别、车辆缴费单识别等。

通用类OCR应用：通用手写文字识别、通用机打文字识别、通用网络图片文字识别等。