Faturas retreinadas com um campo adicional

Importante:

O objetivo desta página é ajudar os usuários iniciantes a se familiarizarem com o Document Understanding.

For scalable production deployments, we strongly recommend using the Document Understanding Process available in UiPath Studio under the Templates section.

Este início rápido mostra como retreinar o modelo de ML de Faturas predefinido para extrair mais um campo.

Let’s use the same workflow we used for the receipts in the previous quickstart and modify it so it can support invoices.

Para fazer isso, precisamos executar as seguintes etapas em nosso fluxo de trabalho:

1. Modifique a taxonomia
2. Adicione um classificador
3. Adicione um Machine Learning Extrator
4. Rotule os dados
5. Retreine o modelo de ML de faturas

Agora, vamos ver cada passo em detalhes.

1. Modifique a taxonomia

Nesta etapa, precisamos modificar a taxonomia para adicionar o tipo de documento de fatura.

To do so, open Taxonomy Manager and create group named "Semi Structured Documents", a category named "Finance", a document type named "Invoices". Create the above listed fields with user friendly names along with respective data types.

• name - Text
• vendor-addr - Address
• billing-name - Text
• billing-address - Address
• shipping-address - Address
• invoice-no - Text
• po-no - Text
• vendor-vat-no - Text
• date - Date
• tax - Number
• total - Number
• payment-terms - Text
• net-amount - Number
• due-date - Date
• discount - Number
• shipping-charges - Number
• payment-addr - Address
• description - Text
• items - Table
  • description - Text
  • quantity - Number
  • unit-price - Number
  • line-amount - Number
  • item-po-no - Text
  • line-no - Text
  • part-no - Text
  • billing-vat-no - Text

2. Adicione um classificador

Nesta etapa, precisamos adicionar um classificador para que possamos processar recibos e faturas com nosso fluxo de trabalho.

Como nosso fluxo de trabalho agora oferece suporte a dois tipos de documentos, "Recibos" e "Faturas", precisamos adicionar o classificador para diferenciar os distintos tipos de documentos recebidos como entrada:

1. Add a Classify Document Scope after the Digitize Document activity and provide the DocumentPath,DocumentText,DocumentObjectModel, and Taxonomy as input arguments and capture the ClassificationResults in a new variable. We need this variable to check what document(s) we are processing.

2. We also need to specify one or more classifiers. In this example, we are using the Intelligent Keyword Classifier. Add it to the Classify Document Scope activity.

   This page helps you take an educated decision on what classification method you should use in different scenarios.

3. Train the classifier as described here.

4. Configure o classificador habilitando-o para ambos os tipos de documento.

5. Dependendo do seu caso de uso, você pode querer validar a classificação. Você pode fazer isso usando o Present Classification Station ou as atividades Create Document Classification Action e Wait For Document Classification Action And Resume .

3. Adicione um Machine Learning Extractor

In this step, we need to add a Machine Learning Extractor to the Data Extraction Scope activity and connect it to the Invoices public endpoint.

O procedimento é exatamente o mesmo do antigo Receipts Machine Learning Extractor adicionado anteriormente:

1. Adicione uma atividade Machine Learning Extractor com Receipts Machine Learning Extractor.

2. Provide the Invoices public endpoint, namely https://du.uipath.com/ie/invoices/, and an API key to the extractor.

3. Configure o extrator para trabalhar com faturas mapeando os campos criados no Gerenciador de Taxonomia para os campos disponíveis no modelo de ML:

   

4. Não se esqueça de usar a variável ClassificationResults emitida pelo Classify Document Scope como entrada para o Data Extraction Scope, em vez de especificar um DocumentTypeId.

   O resultado deve ser parecido com:

   

5. Execute o fluxo de trabalho para testar se funciona corretamente com faturas.

4. Rotule os dados

Precisamos rotular os dados antes de treinar novamente o modelo de ML base Faturas para que ele seja compatível com o novo campo IBAN.

1. Colete os requisitos e documentos de fatura de amostra em volume suficiente para a complexidade do caso de uso que você precisa resolver.

   Label 50 pages, as explained on this documentation page.

2. Obtenha acesso a uma instância do Document Manager local ou no AI Center na nuvem. Certifique-se de usar o Document Manager.

3. Crie um projeto do AI Center e vá para Data Labeling > UiPath Document Understanding e crie uma sessão de Rotulagem de Dados.

4. Configure an OCR Engine as described here, try importing a diverse set of your production documents and make sure that the OCR engine reads the text you need to extract.

   More suggestions in this section. Only proceed to next step after you have settled on a OCR engine.

5. Crie uma sessão do Document Manager e importe um conjunto de treinamento e um conjunto de avaliação, certificando-se de marcar a caixa de seleção Tornar este um conjunto de teste ao importar o conjunto de avaliação.

   More details about imports here.

6. Create and configure the IBAN field as described here.

   More advanced guidelines are available in this section.

7. Label a Training dataset and an Evaluation dataset as described here and here.

   The prelabeling feature of Document Manager described here can make the labeling work a lot easier.

8. Exporte primeiro o conjunto de avaliação e, em seguida, o conjunto de treinamento para o AI Center, selecionando-os na lista suspensa de filtros na parte superior da visualização do Gerenciador de documentos.

   More details about exports here.

Em seguida, iremos criar, retreinar e implantar nosso modelo.

5. Retreine o modelo de ML de faturas

Agora que nosso fluxo de trabalho suporta o processamento de faturas, precisamos extrair o IBAN de nossas faturas, que é um campo que não é selecionado por padrão pelo modelo de ML de Faturas predefinido. Isso significa que precisamos retreinar um novo modelo, começando pelo modelo básico.

1. Create an ML Package as described here. If your document type is different from the ones available out-of-the-box, then choose the DocumentUnderstanding ML Package. Otherwise, use the package closest to the document type you need to extract.

2. Create a Training Pipeline as described here using the Input dataset which you exported in the previous section from Document Manager.

3. Quando o treinamento for concluído e você tiver a versão secundária do pacote 1, execute um pipeline de avaliação nessa versão secundária e inspecione a comparação de assessment.xlsx lado a lado.

   Use the detailed guidelines here.

4. Se os resultados da avaliação forem satisfatórios, vá para a visualização de Habilidades de ML e crie uma Habilidade de ML usando a nova versão secundária do Pacote de ML. Se você quiser usar isso para fazer pré-rotulagem no Document Manager, precisa clicar no botão Modificar implantação atual no canto superior direito na visualização de Habilidade de ML e alternar para Tornar habilidade de ML pública.

5. Após criar a habilidade de ML, precisamos consumi-la no Studio. A maneira mais fácil de fazer isso é tornar a habilidade de ML pública, conforme descrito aqui. Em seguida, a única coisa que resta a fazer é simplesmente substituir o endpoint público do modelo de ML de Faturas que adicionamos inicialmente ao Machine Learning Extractor em nosso fluxo de trabalho pelo endpoint público da habilidade de ML.

6. Execute o fluxo de trabalho e você deverá ver o campo IBAN recém-adicionado sendo extraído junto com os campos de faturas padrão.

Baixe o exemplo

Baixe este projeto de exemplo usando este link. Você precisa alterar o Machine Learning Extractor do modo Endpoint para Faturas na sua habilidade de ML treinada.