一、技术背景与需求分析

在RPA（机器人流程自动化）场景中，文字识别是处理非结构化数据的关键环节。传统OCR方案受限于本地化部署成本、识别准确率及多语言支持能力，而第三方云服务API（如百度OCR）通过SaaS模式提供高精度、多场景的识别能力，成为企业自动化的优选方案。

以财务报销流程为例，企业需从发票、合同等影像中提取关键字段（如金额、日期、公司名称）。传统OCR工具可能因字体模糊、背景干扰导致识别错误，而百度OCR通用文字识别接口支持中英文混合、复杂版面解析，准确率可达95%以上。通过UIPATH调用此类API，可实现”影像上传→API调用→结构化数据输出”的全自动化流程。

二、百度OCR API接入准备

1. 账号注册与权限开通

访问百度智能云官网，完成实名认证后进入”文字识别”服务控制台。需注意：

• 免费额度：每月1000次通用识别调用
• 付费模式：按调用次数计费（0.003元/次起）
• 服务区域：选择与业务部署地匹配的节点

2. API密钥管理

在”访问控制→API密钥”页面生成AccessKey/SecretKey，建议：

• 密钥轮换：每90天更新一次
• 权限控制：通过RAM子账号限制API调用权限
• 环境隔离：开发/测试/生产环境使用独立密钥

3. 接口文档研读

核心参数说明：
| 参数 | 类型 | 必填 | 说明 |
|———|———|———|———|
| image | base64/url | 是 | 图片数据或URL |
| recognize_granularity | string | 否 | small/big（字符/行级别） |
| language_type | string | 否 | CHN_ENG（中英文） |

三、UIPATH实现步骤

1. HTTP请求组件配置

在UIPATH Studio中：

1. 拖入”HTTP Request”活动
2. 设置Method为POST
3. 配置Endpoint：

   https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic

4. 添加Headers：
   • Content-Type: application/x-www-form-urlencoded
   • Host: aip.baidubce.com

2. 请求体构建

使用”Assign”活动生成签名参数：

' 生成时间戳（秒级）
timestamp = DateTime.UtcNow.ToString("yyyyMMddHHmmss")
' 生成随机字符串（16位）
nonce = System.Guid.NewGuid().ToString("N").Substring(0,16)
' 拼接待签名字符串
signStr = accessKey & timestamp & nonce & "your_api_url"
' 计算HMAC-SHA256签名（需引入System.Security.Cryptography）
Dim hmac As New System.Security.Cryptography.HMACSHA256(System.Text.Encoding.UTF8.GetBytes(secretKey))
signature = BitConverter.ToString(hmac.ComputeHash(System.Text.Encoding.UTF8.GetBytes(signStr))).Replace("-", "").ToLower()

完整请求体示例：

access_token=your_token&image=base64_encoded_string&recognize_granularity=small

3. 响应处理设计

JSON解析逻辑：

' 假设响应存储在responseText变量中
Dim jsonObj As JObject = JObject.Parse(responseText)
Dim wordsResult As JArray = CType(jsonObj("words_result"), JArray)
' 提取识别结果
For Each item As JToken In wordsResult
    Dim word As String = item("words").ToString()
    Dim location As JObject = CType(item("location"), JObject)
    ' 处理坐标信息...
Next

异常处理机制：

Try
    ' HTTP请求代码
Catch ex As WebException
    If ex.Response IsNot Nothing Then
        Dim errorResponse As Stream = ex.Response.GetResponseStream()
        ' 解析错误详情
    End If
Catch ex As JsonException
    ' JSON解析错误处理
End Try

四、性能优化实践

1. 批量处理策略

• 图片合并：将多张小图拼接为一张大图（需保持DPI≥300）
• 异步调用：使用”Parallel”活动并发处理5-10个请求
• 缓存机制：对重复图片建立本地缓存（MD5哈希作为键）

2. 资源管理

• 连接池配置：限制最大并发数为CPU核心数的2倍
• 内存优化：大图片处理前进行压缩（保持宽高比，最长边≤2000px）
• 日志分级：生产环境仅记录错误日志

五、典型应用场景

1. 财务报销自动化

流程设计：

1. 监控指定文件夹的新增PDF/图片
2. 调用OCR提取发票关键字段
3. 验证金额与报销单一致性
4. 自动填充ERP系统

2. 合同要素抽取

关键技术点：

• 版面分析：通过paragraphs_result接口定位条款区域
• 正则匹配：对识别结果进行格式校验（如日期、金额）
• 版本对比：新旧合同差异自动标注

3. 物流单据处理

优化方案：

• 预处理：对倾斜图片进行透视变换矫正
• 后处理：建立业务术语库修正识别错误
• 异常路由：低置信度结果转人工复核

六、常见问题解决方案

1. 认证失败排查

• 检查系统时间同步（NTP服务）
• 验证密钥是否包含隐藏字符
• 确认API服务是否开通（控制台状态）

2. 识别率低优化

• 图片质量：建议300DPI以上，无摩尔纹
• 字段增强：对关键区域进行局部放大
• 模型微调：通过百度OCR定制服务训练专用模型

3. 性能瓶颈分析

• 网络延迟：使用本地代理服务器
• 序列化开销：改用二进制格式传输
• 算法选择：对简单场景使用轻量级接口

七、安全合规建议

1. 数据加密：传输层使用TLS 1.2+，敏感数据存储加密
2. 访问控制：IP白名单限制API调用来源
3. 审计日志：记录所有API调用详情（含时间戳、参数、响应）
4. 合规审查：确保处理数据符合《个人信息保护法》要求

通过系统化的接口调用设计，UIPATH可高效集成百度OCR等第三方服务，构建起覆盖多业务场景的智能自动化解决方案。实际部署时建议建立完善的监控体系，通过调用频率、成功率、处理时效等指标持续优化流程。