同一页扫了三遍还是错，OCR校对工具该换还是该停

一张增值税专用发票的同页扫描件，在屏幕上被放大到400%，扫遍"壹万贰仟元整"里的还错换还"贰"字被识别成了"贰"加一个多余的斜杠，而校验栏里显示"识别置信度87%"。对工你点了"重新识别"，具该又点了"对比原文"，该停第三次还是同页同一个位置出错。这时候最该做的扫遍不是再点一次按钮，而是还错换还先停手——反复失败本身就是一个信号，说明问题不在你手速，对工而在工具链的具该某一环。

先看错在哪个字，该停再决定要不要回退

OCR出错大致分三类，同页处理方向完全不同。扫遍第一类是还错换还单字混淆，比如"己已巳""未末""0O"，这类错通常集中在字形相近处，属于识别引擎的字库和上下文语言模型能力问题。第二类是版面错乱，表格线被当成文字、双栏被读成单栏、印章盖住正文导致整行丢失，这类错再换十次"重新识别"也不会好，因为原图的信息结构没被正确切分。第三类是图像质量导致的整体失败，倾斜、阴影、分辨率不足、手机拍摄的透视变形，表现为大片乱码而非零星错字。

判断方法很土但有效：把出错位置截图，和原图并排放，看错的字周围是否也错。如果只有孤立一两个字错，属于第一类，可以靠人工校对兜底；如果整段整行都乱，属于第二类或第三类，此时继续在同一个工具里点"重试"就是浪费时间的典型动作。回退的正确含义是退到上一步——回到扫描或拍摄环节，重新出图，而不是在识别结果上反复修正。

把"重新识别"按钮换成三个备份动作

反复失败时，先做三件事，再谈换工具。第一，另存一份原始图像，不要用已经被压缩过的截图去识别，很多工具对超过一定尺寸的图片会先缩放，缩放本身就是丢字的主因。第二，改用灰度或二值化后的图再试一次，尤其对浅色打印件和传真件，这一步的收益往往比换软件大。第三，如果是表格类单据，先把表格单独裁出来识别，正文和表格分开处理，比整页硬啃稳得多。

这里有个真实的反例：有人为了校对一份三十页的合同，把每页都丢进同一款手机OCR应用，逐页点"识别—复制—粘贴到Word"，结果第三页开始格式全乱，他以为是软件不行，换了一款，仍然乱。问题其实出在流程：他每次都在应用内直接编辑，没有保留纯文本中间层。正确顺序是识别→导出纯文本→在文本编辑器里做第一轮校对→再回Word排版。中间层一旦缺失，任何工具都会被冤枉。

换人还是换工具：三个判断点

所谓"换人"，在OCR校对里指的是把任务从"机器全自动"切换到"人工主导、机器辅助"，或者反过来。判断点有三个。

一看错误密度。抽三页统计错字数，若平均每页错字超过二三十处，人工逐字校对的时间成本已经高于重新采集图像，此时优先换采集方式而非换识别软件。二看字段类型。金额、身份证号、日期、编号这类强校验字段，适合用规则校验兜底，比如金额必须能通过大小写换算、日期必须落在合理区间，工具选型时优先看它是否支持导出结构化字段而不是只给一段文本。三看协作方式。如果一份材料要两三个人交叉核对，选支持导出带坐标或带批注格式的工具，比选识别率略高但只能截图的工具更省事。OCR校对相关工具如何选择，本质上不是比谁识别率高零点几个百分点，而是比谁的中间产物方便被人接手。

一份可以照着打勾的核对表

停手之后，用下面几项快速过一遍，再决定下一步动作：原始图像是否保留且未被二次压缩；出错是否集中在字形相近字；表格与正文是否分开处理；强校验字段是否有规则复核；识别结果是否导出了可编辑的纯文本或结构化文件；同一份材料是否已有第二人独立核对过关键页。六项里若有四项不满足，说明当前流程本身有问题，换软件只是把同一个问题搬到新界面。

还需要交代边界：涉及发票、合同、证照的OCR结果，工具只提供初稿，最终以原件为准，金额和编号务必人工复核，必要时走官方查验渠道。任何声称"零校对"的说法都不适合用在这类材料上。

那张被扫了三遍的发票，最后不是靠第四次识别解决的。是把手机换成平板、关掉顶灯直射、用灰度模式重拍，再导出纯文本人工核了一遍大小写金额。工具没换，流程回退了，错就没了。下次再遇到同一个位置反复出错，先问自己：我是在改结果，还是在改输入。