Android名片OCR扫描应用中人名、公司名识别难题求助

1. 放弃单一正则，改用规则引擎+多维度特征匹配 #

正则仅适用于网址、手机号这类结构化极强的字段，人名/公司名无固定格式，需结合多维度规则筛选：

• 人名特征：常包含中间名缩写（如R. Krishnamoorthy中的.）、敬称前缀（Mr./Ms./Dr.）；长度多为2-4个词；位置上常紧邻职位（CEO/Engineer等），或出现在名片顶部/底部区域。
• 公司名特征：多包含行业关键词（Solution/Fusion/Tech/Corp）、企业后缀（Ltd./Inc./Co.）；位置多在名片头部显眼区域，字号通常最大。
• 地址特征：包含街道、城市、邮编等标识词（St./Ave./Zip），多为多换行的长文本块。

2. 集成轻量命名实体识别（NER）模型 #

在ML Kit文本识别的基础上，接入轻量NER模型做实体分类：

• 可使用TensorFlow Lite部署针对英文名片场景的预训练NER模型，这类模型能学习人名、组织名的语义模式，比纯规则更灵活。
• 若适配中文场景，可基于开源NER模型微调后转换为TFLite格式，集成到Android应用中。

3. 结合文本块的布局与视觉特征 #

利用ML Kit返回的文本块坐标、字号（可通过文本块高度判断）等信息，结合名片通用布局规律：

• 公司名通常字号最大，位于名片头部；人名字号次之，紧邻职位信息；地址多在名片中下部，为多段换行文本。

4. 建立多结果交叉验证与纠错机制 #

• 对规则引擎和NER模型的结果做交叉验证，取置信度最高的分类结果。
• 针对误判案例（如RKB Solution被识别人名），建立自定义黑名单，将常见公司后缀、行业词加入，避免被归类为人名。

5. 增加用户交互辅助修正 #

对置信度较低的识别结果，提供手动修正入口：

• 识别后展示候选选项，让用户确认人名、公司名等字段，同时收集修正数据，用于迭代优化规则或模型。

内容的提问来源于stack exchange，提问作者Dev Dhande