国内传统制造企业在信息化发展过程中,多存在信息化和数字化水平参差不齐的情况,例如国内离散型制造企业存在大量手写票据的现象仍非常普遍。企业转型过程中,票据在企业内部具有使用范围广、数量大,涉及内容重要等特性。本文针对企业转型过程中将票据数据统一、规范、整合的要求,研究存量较大的票据手写数字识别技术,实现企业信息数字化和管理系统标准化,以提升工厂管理水平,达到降本增效的目的。针对企业专用手工票据的特点,本文主要内容包括:首先,研究手写票据的图像预处理和数字区域提取技术。其基本思路和流程是:手工票据通过OA系统客户端扫描存入办公系统中,采用Hough变换对票据倾斜校正,结合票据特性定义参考基准点与定位感兴趣区域,针对典型的感兴趣区域进一步图像去噪,去除干扰框线,并分别提取手写数字。其次,针对手写数字区域研究基于卷积神经网络模型的数字识别方法。CNN的模型使用MNIST数据集进行训练学习,通过迁移学习技术,使用企业内部票据图像中的手写数字部分,进行小样本训练与识别。最后,结合企业OA平台、票据处理识别技术,设计并实现票据手写数字识别系统。其中,识别系统包括多算法研究测试与评价的单机版、基于B/S架构的网络版。网络版系统按单机版现有最优处理流程,采用B/S网络服务架构,基于Web服务端与客户端技术、数据库技术实现交互应用。本文通过票据处理实验,验证了预处理方法和处理流程的有效性和可行性;通过BP神经网络、SVM、CNN与采用迁移学习的CNN进行了对比实验,验证了基于迁移学习的CNN票据识别具有更高的识别率;开发实现了基于B/S架构的票据手写数字识别系统网络版软件系统,该系统已在企业内部试用,实现了票据信息数字化查询与统计,工作效率得到提高。