在 SRM 系统中，OCR 的核心任务是 “去噪（Denoising）”。 营业执照本身是黑白分明的，红章就是最大的噪声。解决这个问题的思路，不是训练一个能认识印章的 OCR，而是 先把印章拿掉，还 OCR 一个清清白白的输入。

1. 为什么“红章”是 OCR 的杀手？

标准的 OCR 引擎（如 CRNN, SVTR）在处理图像时，通常会先进行 二值化（Binarization），把图片变成非黑即白。 当红色的印章压在黑色的文字上时，二值化算法（如 Otsu）会因为红色和黑色的灰度值相近，把它们都处理成黑色。 于是，笔画粘连了，字形破坏了，OCR 也就“瞎”了。

2. 方案一：传统 CV 的“色彩分离术” (HSV Color Filtering)

这是最经典、最快、算力成本最低的方案。适用于 80% 的常规场景。

核心原理： RGB 颜色空间对“红色”的界定不直观。我们需要把图片转到 HSV (Hue, Saturation, Value) 颜色空间。 在 HSV 空间里，红色的 Hue（色相）范围非常固定（通常在 0-10 和 156-180 之间）。

工程实现 (Python + OpenCV)：

局限性： 这种方法是“杀敌一千，自损八百”。它把红色像素变成了白色。如果印章盖得太实，底下的黑字也会断裂（Stroke Disconnection），导致 OCR 识别出残缺的字。

3. 方案二：进阶版的“印章擦除 GAN” (Stamp Removal Network)

针对“印章盖死文字”的极端场景，我们需要用到深度学习中的 GAN (生成对抗网络) 技术。 这里的 GAN 扮演的是一个 “高级修图师” 的角色。

模型架构 (Pix2Pix 或 CycleGAN)：

  • Generator (生成器)：输入一张“带印章的图”，输出一张“无印章的图”。它负责“脑补”被印章遮挡的黑色笔画。
  • Discriminator (判别器)：负责判断这张图是“真的没印章”还是“P 掉印章的”。

训练数据策略： 我们不需要去收集成千上万张真实的带章执照（涉及隐私）。我们可以 合成数据：

  1. 准备 10 万张干净的营业执照背景/文字。
  2. 准备 1000 个不同的电子印章素材（透明背景 PNG）。
  3. 写一个脚本，随机把印章盖在文字上，调节透明度、角度、残缺度。
  4. 这样就有了完美的成对数据：Input (带章) -> Ground Truth (无章)。

工程价值： 这种方案能完美还原被遮挡的文字笔画。识别率通常能从传统方案的 70% 提升到 98% 以上。

4. 落地策略：级联处理流水线

在 SRM 系统中，我们不需要对每一张图都跑一遍 GAN（太慢，且耗 GPU）。我们需要一个智能的分流策略。

处理流程：

  1. 检测 (Detection)：先运行一个轻量级模型（如 YOLO-Nano），检测图中是否存在“印章”目标。
  2. 判断 (Decision)：
    • 如果没有印章 -> 直接送入 OCR。
    • 如果有印章，且位置不在关键字段（如在空白处） -> 直接送入 OCR。
    • 如果有印章，且与“注册资本/法人”字段重叠 -> 送入 印章擦除模块。
  3. 擦除 (Erasure)：运行去印章算法。
  4. 识别 (Recognition)：将处理后的“干净图片”送入 OCR 引擎。

5. 总结

在供应链管理中，数据的准确性直接关系到风控和合规。

通过引入 “色彩分离 + GAN 修复” 的组合拳，我们解决的不仅仅是一个图像处理问题，而是 打通了供应商准入自动化的“最后一公里”。

这让采购经理不再需要对着屏幕，眯着眼睛去猜那个被红章挡住的数字到底是 6 还是 8。 这就是技术对业务最直接的贡献——把模糊变清晰，把不确定变确定。