首先，我对 ML 世界还很陌生。我对 ML 的不同用例进行了大量研究，包括处理文本和图像。

我正在尝试建立一个“管道”，可以从各种供应商发票中提取一些数据点：

1. 发票编号
2. 订单项（位于表格中）
   1. 对于每个行项目，我需要：数量和行金额

​​​

我的第一个想法是只使用经典的 OCR 解析工具，例如 DocParser（它基本上是一个基于模板的 OCR 解析工具，您可以在其中为每种不同类型的发票布局创建解析规则）。但是，我查看了我的供应商，我有很多不同的布局（定期添加新布局）。

我在想是否可以使用 ML 来完成这项任务？

我对管道的想法：

1. 所有供应商发票都从 PDF 转换为图像文件 (.jpg)，然后调整大小，使其具有相同的宽度和高度。
2. 使用命名实体识别 (NER)训练自定义模型以提取发票编号
3. 训练自定义计算机视觉模型以识别包含行项目（产品信息）的表
   1. 对于找到的每个表，将其提取为图像并训练另一个模型以识别每行所需的实体：数量和行数量

我不确定这是否是解决这个问题的好方法？最终以三个模型来提取我需要的信息是否有意义？有没有比首先在 PDF 文件中找到表格更简单的方法来检测数量和行数？

有没有人有类似过程的经验？