广汽埃安那个“续航1000公里”的PPT我看了，底下评论吵成一锅粥。这让我想起今天下午，我盯着桌上那堆供应商的纸质送货单，血压直接上来了。团队里两个小孩还在手动往ERP里敲数据，键盘敲得噼里啪啦，我算了一下，一张单子平均耗时三分钟，这堆两百多张，就是十个小时的人工。十个小时，够我写个自动化脚本把这事儿彻底解决了，但他们还在用时间换钱，而我的时间正在被他们的低效一点点耗干。
这就是2019年扩张到现在的毒打。你以为组了团队能解放自己，结果发现最大的成本不是工资，是沟通成本和效率损耗。你教他们用Python写个简单脚本，他们觉得不如手动来得“踏实可靠”。你火急火燎，他们不紧不慢。最后往往变成，要么我亲自动手，要么眼睁睁看着项目在琐碎流程里烂掉。今天这堆单据就是最后一根稻草，我决定自己下场，用技术把这块成本彻底轧平。
核心就一个：开源OCR引擎的实战调优。别信那些商业OCR API吹得天花乱坠，碰到这种格式不固定、有复写纸痕迹、印章干扰的脏数据，识别率直接扑街，关键是贵，量一大根本用不起。我选了Tesseract，但直接用就是找死。你得为你的特定场景做预处理，这步才是灵魂。
首先，扫描质量是底线。我让行政去借了台好点的扫描仪，统一调成300dpi灰度模式，背景噪声先降一波。接着是图像预处理流水线，用OpenCV：先高斯模糊去毛刺，再用自适应阈值二值化，对付那些复写纸背面透过来的字影特别有效。这里有个坑，阈值参数不能照搬网上案例，我写了个循环，用不同的块大小和常数C去试，打印中间结果图片，肉眼比对，选出一组让印章颜色和文字对比度差异最大的参数。这花了大概四十分钟，但值得，这是后面所有步骤的基础。
然后是最麻烦的版面分析。送货单不是标准表格，有的项目横着排，有的竖着排。Tesseract默认按行识别，会串行。我的办法是，先用轮廓检测找到所有文字块的边界框，然后根据业务逻辑，用坐标去硬编码规则。比如，“物料编码”后面的那个框，一定在它右侧固定像素范围内；“数量”通常在右下角区域。我写了个函数，把识别出的文本块按坐标映射到一个字典结构里，相当于重建了一个逻辑表单。这里必须处理多线程，因为单张处理太慢，我开了个线程池，控制并发数，避免把办公电脑搞崩。
识别后的后处理是另一个战场。Tesseract会把“0”和“O”、“1”和“I”搞混。我根据字段类型写规则：编码字段里出现字母“O”，大概率是数字“0”；描述字段里则可以放宽。再用一个简单的词典（比如物料编码前缀列表）做纠错。最后对接ERP的录入接口，用requests模拟POST，这里要处理网络异常和重试，我加了个指数退避的重试机制。
从下午三点搞到晚上九点，六个小时。脚本跑起来，处理完那两百多张单子，导入ERP，总共用了不到二十分钟。校验了一下，准确率大概在95%以上，剩下的错误集中在极度模糊的笔迹上，可以接受。我把脚本和配置说明丢到团队群里，说了句“以后这类单据都按这个流程走，扫描仪旁边贴了操作指南”。
没有欢呼，群里一片沉默。可能他们觉得我又用技术“碾压”了他们，或者觉得自己的工作被替代了。但我算的是另一笔账：这六个小时的投入，换来了未来每个月可能几十个小时的人力释放，以及几乎为零的数据错误率。在管理陷入泥潭的当下，这是我为数不多能直接抓住的“确定性”。PPT可以画一千公里的饼，但真实的商业世界，是一张张油腻的送货单、一行行冰冷的代码和一分一秒抠出来的效率。当老板们在高谈阔论“颠覆”时，我正蹲在地上，把散落的单据一张张捋齐，塞进扫描仪。这大概就是我的“续航”方式。
