审计和尽调项目里，最让人头疼的不是清晰电子版流水，而是那些扫描件——纸张发黄、打印浅淡、盖章压住了金额、页面还带着轻微倾斜。很多人第一反应是"OCR不行，换一个识别率更高的工具"。但实际排查下来，相当一部分所谓"识别不准"的问题，根源不在文字识别本身，而在识别之后的交易行重建环节：文字认出来了，但这一行和上一行的关系判断错了，金额被拼到了错误的交易上。
扫描件的问题，不全是"看不清"
扫描件进入识别流程时，确实面临图像层面的挑战：倾斜、模糊、背景噪点、印章遮挡、浅色字体。这些因素直接影响字符识别的准确率，尤其是金额中的数字和交易日期。如果一家银行的流水打印质量本身就差，扫描时又没有做纠偏和增强，OCR出错是正常的。
但还有另一类失败，在识别结果里不容易被发现：文字都认对了，行却拼错了。
银行流水的一笔交易在版面上不一定只占一行。摘要较长时，内容会折到下一行；跨页时，上一页最后一笔交易的备注可能延续到下一页顶部；有些银行的排版里，交易对手名称和账号分列两行，或者金额和余额在视觉上贴得很近，容易被误判为同一笔记录的一部分。
扫描件放大了这个问题。因为纸张倾斜或扫描偏移，原本对齐的列边界在图像中变得模糊，系统如果只按水平位置切分文本行，就可能把上一笔交易的续行内容归到下一笔交易里，或者把跨页的同一笔交易拆成两条记录。最终输出的表格里，每一行看起来都有日期、金额和对手方，但某一行的摘要其实是上一笔的尾巴，金额和对手方发生了错位。
排查这一层的方法很简单：从识别结果里挑出摘要超过一行的交易，回到原扫描页，逐笔核对这一行的摘要内容是否完整、是否混入了相邻交易的信息。如果错位集中在折行和跨页位置，说明问题在行重建逻辑，而不是字符识别精度。
余额序列是发现行错位最直接的线索
交易行拼错了，单看某一行很难发现，因为日期、金额、对手方可能都在，格式也合理。但余额字段提供了一个天然的校验锚点。
对同一账户的连续流水，每一笔交易发生后的余额，应该等于上一笔余额加上本笔的贷方发生额、减去借方发生额。不同银行的记账规则有差异，有的把支出写成负数，有的在借方列填正数，校验时需要结合该行的方向规则处理。但无论方向怎么定义，余额的连续性是一个硬约束：如果某一行被拼错了，金额归属到了错误的交易上，余额序列就会出现断裂。
扫描件场景下，余额校验尤其有用。比如系统把一笔支出的金额识别成了另一笔交易的金额，单看金额字段可能都是合理数字，但前后余额的加减关系对不上，这一行就会被暴露出来。再比如跨页时上一页最后一笔的余额和下一页第一笔的余额之间出现了无法解释的差额，通常意味着有一笔交易被拆成了两行，或者两笔交易被合并成了一行。
实际操作时，不需要逐笔手算。在导出的明细表中按账户和日期排序，检查相邻行之间"上一行余额 ± 本行金额 = 本行余额"是否成立。不成立的地方标记出来，回到原扫描页查看该位置是否存在折行、跨页或版面拥挤的情况。这个检查能覆盖相当一部分行重建错误，比单纯看某一行"像不像对的"有效得多。
| 检查位置 | 典型表现 | 回原页看什么 |
|---|---|---|
| 折行交易 | 摘要只有前半句，后半句丢失或并入下一行 | 该笔交易的摘要是否跨了两行，续行是否被正确归并 |
| 跨页边界 | 上一页末笔余额与下一页首笔余额不衔接 | 是否有交易被拆成两页各一条 |
| 密集排版区 | 金额或对手方与相邻行"串位" | 列边界是否清晰，系统是否按视觉位置而非语义切分 |
扫描质量差的样本，要先过"可读性"这一关
行重建问题排查完之后，如果余额仍对不上，再回到图像层面检查扫描质量。
一个实用的判断标准是：同一笔交易的金额数字，在扫描页上肉眼能否在正常距离下清晰辨认。如果人眼都需要放大才能看清，OCR出错就不意外。印章覆盖金额、打印断点、纸张褶皱导致的数字变形，是扫描件识别的主要误差来源。
对于这类样本，合理的预期是：识别结果中标注出低置信度字段或无法确认的区域，而不是强行输出一个看起来合理但可能错误的数值。评估工具时，可以专门准备一批包含印章遮挡、浅色打印、轻微倾斜的扫描流水，观察系统是否对可疑字段做了标记，以及标记能否定位到原页的具体位置。如果系统对所有字段都给出"正常"结果，反而需要警惕——它可能没有把不确定性暴露出来。
Grater在扫描件场景下的处理定位
庖丁科技银行流水识别神器Grater面向企业授权材料的流水处理，在扫描件场景下，它的价值不在于宣称"什么模糊件都能认准"，而在于把识别、交易行重建和来源回查串在同一条链路里。
对应前文拆解的两个层面：在图像识别层，它处理倾斜、模糊、印章遮挡等常见扫描问题；在行重建层，它需要判断折行内容和跨页边界的归属，避免金额和摘要错位。余额校验的结果可以作为数据质量线索保留在输出中，帮助使用者定位需要人工复核的记录，而不是直接替代业务判断。
边界需要说清楚：扫描质量极差、印章大面积覆盖关键字段、或打印本身存在断点的流水，任何自动化工具都无法保证完全准确。Grater的定位是减少常规扫描件的处理成本，并把无法确定的地方标记出来交给人工，而不是把"识别"等同于"确认"。
先验余额连续性，再看单行准确率
拿到扫描件流水的识别结果后，不要先逐行看"这个金额对不对"。按这个顺序查：先按账户跑一遍余额连续性检查，把不衔接的位置标出来，再回原页看这些位置是否存在折行、跨页或版面拥挤；如果余额链完整，再抽查单行的日期和对手方；最后才评估字符识别层面的错误率。
试用这类产品时，可以特意准备一组包含折行摘要和跨页交易的扫描样本，重点观察系统输出的余额序列是否连续、可疑位置是否有标记，这比只看某一行识别得对不对更能判断结果能不能进入复核流程。
