Google Document AI采购订单处理器未生成结构化JSON输出问题

为什么未生成结构化键值对输出？ #

• 扫描件质量不达标：如果PDF分辨率低、存在倾斜/阴影/模糊，处理器无法准确识别字段边界与键值对应关系。
• 采购订单格式非通用模板：Google采购订单专用处理器基于通用采购订单模板训练，若你的订单是自定义布局（如字段位置混乱、标签非标准），模型无法匹配预设字段映射。
• API调用配置错误：调用处理器时未开启实体提取参数，或误使用基础OCR模式而非专用解析模式。

修复步骤 #

1. 优化扫描件质量
   • 确保PDF分辨率≥300DPI，无倾斜、阴影，文字清晰；若为拍照生成的PDF，先做矫正、增强处理。
2. 调整API调用参数
   • 调用采购订单处理器时，需在请求中开启表单提取配置，示例请求片段：

     {
       "document": {
         "content": "base64编码的PDF内容",
         "mime_type": "application/pdf"
       },
       "processorConfig": {
         "processOptions": {
           "formExtractionParams": {
             "enabled": true
           }
         }
       }
     }
     

3. 训练自定义表单处理器
   • 若订单为自定义格式，使用Document AI自定义表单处理器，上传多份样本订单并标注关键字段（订单号、日期、供应商、总金额等），训练后模型可适配你的特定布局。
4. 验证处理器版本
   • 确认使用最新版本的采购订单处理器，旧版本对部分格式支持可能存在局限。

预期结构化输出示例 #

正确解析后，返回结果会包含entities字段，每个实体对应明确的类型与值：

{
  "document": {
    "entities": [
      {
        "type": "ORDER_NUMBER",
        "mentionText": "POS178463"
      },
      {
        "type": "ORDER_DATE",
        "mentionText": "24/04/2023"
      },
      {
        "type": "TOTAL_AMOUNT",
        "mentionText": "£453.20"
      }
    ],
    "text": "..."
  }
}

内容的提问来源于stack exchange，提问作者figuringitout