Propuesta para el diseño y evaluación de un modelo de visión artificial con la capacidad de reconocer y contabilizar automáticamente las facturas de compra en un ERP
DOI:
https://doi.org/10.25044/25392190.1094Palabras clave:
contabilidad, ERP, inteligencia artificial, OCR, software contableResumen
Este artículo propone un modelo de visión artificial para la automatización del proceso de contabilización de facturas de compra en sistemas ERP, enfocado en el contexto contable colombiano. Utilizando técnicas de Reconocimiento Óptico de Caracteres (OCR) y aprendizaje profundo, el sistema permite extraer automáticamente datos clave de las facturas, como el número de factura, la fecha y los montos, e integrarlos directamente en el sistema contable. Se presentan las metodologías propuestas para el diseño, las tecnologías previstas como Tesseract OCR y redes neuronales convolucionales, y se discute su aplicabilidad en entornos contables reales. Los resultados esperados incluyen una mayor eficiencia en el procesamiento de facturas, la reducción de errores humanos, y la optimización de los flujos de trabajo contables. Este enfoque tiene el potencial de mejorar la gestión de datos financieros, adaptándose a las particularidades del entorno empresarial colombiano.
Descargas
Referencias bibliográficas
Arora, S., Pandey, M., Arora, M., Gupta, K., Sharma, V., & Nagpal, L. (2024). Digitization of Health Insurance Documents for the Cashless Claim Settlement Using Intelligent Document Management System. Procedia Computer Science, 235, 1319–1331. https://doi.org/10.1016/j.procs.2024.04.125
Ashlin Deepa, R. N., Chinta, S., Ashili, N. K., Babu, B. S., Vydugula, R. R., & Raj Sripada, V. S. L. (2024). An Intelligent Invoice Processing System Using Tesseract OCR. 2024 International Conference on Advances in Data Engineering and Intelligent Computing Systems, ADICS 2024. https://doi.org/10.1109/ADICS58448.2024.10533509
Babu, P. V., Reddy, M. S., Kumar, B. P., & Irshad, S. (2024). Extraction of Text from Images using Document Understanding Transformer (Donut). 122–126. https://doi.org/10.1109/icipcn63822.2024.00028
Bais, A. S., & Sharma, N. (2024). Generative ai document extractions using composite approach: An external data integration. En Studies in Systems, Decision and Control (Vol. 525, pp. 403–411). Springer Science and Business Media Deutschland GmbH. https://doi.org/10.1007/978-3-031-54383-8_31
Chen, Y., Zheng, F., Ouyang, J., Wang, Y., Xue, S., & Yu, H. (2024). Intelligent Entry Method for Mobile Accounting Voucher Based on Image Recognition. Advances in Transdisciplinary Engineering, 47, 454–461. https://doi.org/10.3233/ATDE231219
Dos Santos, L. O. S., Cardoso, R. L., Buchbinder, F., & Vasarhelyi, M. (2024). Doublethink in governmental accounting: development of an RPA to identify inconsistencies in financial reporting. International Journal of Digital Accounting Research, 24. https://doi.org/10.4192/1577-8517-v24_1
Guha, A., Samanta, D., & Islam, S. H. (2023). IIRM: Intelligent Information Retrieval Model for Structured Documents by One-Shot Training Using Computer Vision. Arabian Journal for Science and Engineering, 48(2), 1285–1301. https://doi.org/10.1007/s13369-022-06735-3
Jiao, L., & Li, H. (2024). Research on Automatic Identification Algorithm of Invoice Information. En H. Zhou & Q. Yang (Eds.), Proceedings of SPIE - The International Society for Optical Engineering (Vol. 12969). SPIE. https://doi.org/10.1117/12.3014488
Kayani, M., Ghafoor, A., & Riaz, M. M. (2023). Multi-modal text recognition and encryption in scanned document images. Journal of Supercomputing, 79(7), 7916–7936. https://doi.org/10.1007/s11227-022-04912-7
Manjunath, A. A., Nayak, M. S., Nishith, S., Pandit, S. N., Sunkad, S., Deenadhayalan, P., & Gangadhara, S. (2023). Automated invoice data extraction using image processing. IAES International Journal of Artificial Intelligence, 12(2), 514–521. https://doi.org/10.11591/ijai.v12.i2.pp514-521
Ramyadevi, R., Anbuselvan, A., Julian, A., Selvi, S., & Murali Dhar, M. S. (2024). Invoice Processing Automation Using UI Path Studio. Proceedings - International Conference on Computing, Power, and Communication Technologies, IC2PCT 2024, 486–489. https://doi.org/10.1109/IC2PCT60090.2024.10486692
Ric Solutions. (2020, julio 20). Gestionar facturas con Docuware. https://youtu.be/B4lxLGQVHtI?si=5sf8p6yC9wkQHEwy
Rojas Rojas, W. (2008). Congoja por una educación contable fútil. Contaduría Universidad de Antioquia, 52, 259–274.
Saout, T., Lardeux, F., & Saubion, F. (2024). An Overview of Data Extraction from Invoices. IEEE Access, 12, 19872–19886. https://doi.org/10.1109/ACCESS.2024.3360528
Singh, Y. K., Jaiswal, R., Choudhary, P., & Chugh, B. (2024). Verifying bank checks using deep learning and image processing. En R. Chhikara, M. Khurana, S. Mahajan, & Y. Gigras (Eds.), 2024 International Conference on Intelligent Systems for Cybersecurity, ISCS 2024. Institute of Electrical and Electronics Engineers Inc. https://doi.org/10.1109/ISCS61804.2024.10581393
Siras, S., Kshirsagar, S., & Inamdar, V. (2024). A Deep Learning Approach for Digitization of Invoices. Proceedings of the 2nd International Conference on Intelligent and Innovative Technologies in Computing, Electrical and Electronics, ICIITCEE 2024. https://doi.org/10.1109/IITCEE59897.2024.10467846
Xu, H., Lu, M., Li, L., & Chen, Y. (2024). A mobile financial reimbursement information collection system based on OCR. En T. Limongi & H. Lin (Eds.), Proceedings of SPIE - The International Society for Optical Engineering (Vol. 12983). SPIE. https://doi.org/10.1117/12.3017320Yu, C. H., Yau, P. C. Y., Cao, Q., Seow, C. K., Pang, P., & Wong, D. (2024). Machine Learning-Enhanced Automation for Invoice Reconciliation: OCR-Based Solutions for Accuracy and Efficiency in Logistics Industry. En K. Arai (Ed.), Lecture Notes in Networks and Systems: Vol. 1068 LNNS (pp. 325–336). Springer Science and Business Media Deutschland GmbH. https://doi.org/10.1007/978-3-031-66336-9_23
Zheng, F., Chen, Y., Lu, Z., Liu, L., Chen, X., & Xin, X. (2024). Electronic Bill Fast Recognition Based on OCR and CNN. Advances in Transdisciplinary Engineering, 47, 652–659. https://doi.org/10.3233/ATDE231241
Zhou, H., Shao, L., & Zhang, H. (2024). SRRNet: A Transformer Structure with Adaptive 2-D Spatial Attention Mechanism for Cell Phone-Captured Shopping Receipt Recognition. IEEE Transactions on Consumer Electronics, 70(1), 3289–3298. https://doi.org/10.1109/TCE.2022.3229438
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Teknos revista científica
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
