材料智能识别OCR LLM 的文档理解流水线前言保险质检的第一个技术挑战是将种类繁多、格式各异的非结构化材料转化为机器可读的结构化信息。一张模糊的身份证照片、一份扫描版投保单 PDF、一段嘈杂的销售录音——AI 需要先看懂这些材料才能进行下一步的质检判定。传统的 OCR 只能提取文字但无法理解这些文字在业务流程中的含义。OCR LLM 的组合补齐了这个关键短板。本文是《保险智能质检中台AI 驱动实战》系列的第五篇。一、文档智能理解流水线原始文件预处理OCR/ASR提取版面分析LLM结构化字段校验标准化输出1.1 预处理操作目的技术图像增强提升模糊文字的OCR准确率对比度调整、去噪、锐化倾斜校正纠正拍照角度偏差边缘检测 透视变换格式转换统一输入格式PDF → 图像帧录音 → WAV标准格式印章去除避免印章覆盖文字区域红色通道分离 图像修复1.2 OCR 提取OCR 不只是图片转文字而是提取文字位置置信度的结构化信息OCR 输出 [ {text:投保人,bbox:[120,85,180,105],confidence:0.98}, {text:张三,bbox:[200,85,260,105],confidence:0.92}, {text:身份证号,bbox:[120,120,190,140],confidence:0.97}, {text:3201XXXXXXXXXXXXXX,bbox:[200,120,360,140],confidence:0.85} ]二、LLM 结构化理解2.1 从文字流到业务字段OCR 输出的是一串带位置信息的文字LLM 将其转化为业务可用的结构化字段OCR原始输出 投保人 张三 身份证号 3201XXXXXXXXXXXXXX 联系电话 139XXXXXXXX 通讯地址 XX省XX市XX区XX路128号 LLM结构化输出 { document_type: 投保单, fields: { 投保人姓名: {value:张三,confidence:0.92}, 证件号码: {value:3201XXXXXXXXXXXXXX,confidence:0.85}, 联系电话: {value:139XXXXXXXX,confidence:0.95}, 通讯地址: {value:XX省XX市XX区XX路128号,confidence:0.88} }, missing_fields: [签名区域], quality_issues: [证件号码识别置信度偏低建议人工复核] }2.2 多文档交叉理解当一份保单涉及多个材料时LLM 可以跨文档理解输入 - 投保单PDFOCR提取的字段 - 身份证图片OCR提取的字段 - 行驶证图片OCR提取的字段 LLM输出 { 跨材料一致性: { 投保人姓名: {投保单:张三, 身份证:张三, 一致:true}, 证件号码: {投保单:3201..., 身份证:3201..., 一致:true}, 车辆信息: {投保单:苏A12345, 行驶证:苏A12345, 一致:true} }, 异常标记: [] }三、视觉 AI 的专项能力3.1 印章检测与分类视觉模型专项训练识别文档中的印章类型模型输入保单扫描件 模型输出 - 印章1保单专用章位置(850,1200)置信度0.97 - 印章2签名章位置(850,1350)置信度0.93 - 判定包含保单专用章 → 印章完整性通过3.2 签名存在性检测签名是保险材料中最重要的法律要素之一。视觉 AI 检测签名区域是否存在笔迹是否为印刷体可能伪造签名的位置是否在规定的签名区3.3 图像质量评估自动评估材料影像的质量不合格的直接退回重传质量评估维度 - 分辨率是否达到最低要求300 DPI - 清晰度文字边缘是否清晰可辨 - 完整性是否所有内容都在画面内 - 光照是否有严重反光或阴影覆盖关键区域四、语音材料的 AI 处理4.1 ASR 转写销售录音通过自动语音识别ASR转为文本再交给 LLM 进行语义分析录音 → ASR引擎 → 文本含说话人分割 → LLM合规分析 LLM分析输出 { 合规问题: [ {类型:夸大收益,原文:这个产品收益率绝对超过5%}, {类型:缺失告知,缺失项:未告知犹豫期条款} ], 整体合规评级:部分不合规 }4.2 说话人识别区分销售人员和客户的对话分别分析销售人员是否按规定完成了所有告知项客户回应是否表明理解而非敷衍总结文档智能理解是 AI 质检的入口关。OCR 负责看见LLM 负责理解视觉 AI 负责识别——三者协同将保险业务中种类繁多的非结构化材料转化为结构化、可计算、可推理的标准化数据。这个水线流的质量直接决定了后续所有 AI 推理的上限。上一篇AI 驱动的元数据治理让字典库学会理解业务下一篇指标自动抽取从影像和数仓到 AI 特征向量作者汤粉ai系列《保险智能质检中台AI 驱动实战》