一、项目背景及目标

随着银行业务规模持续扩大，传统人工事后监督模式效率低、成本高，且难以全面覆盖各类业务风险。为提升监督质量和效率，赣州银行建设事后监督系统自动化监督模型，旨在通过技术手段实现关键业务环节的自动筛查与风险识别，减少人工干预，优化资源分配。

项目目标为精准化、自动化、高效化：一是构建差异化监督标准，针对存款、取款、转账业务特点设计专用监督模型；二是实现关键风险点自动识别，将人工从机械性核对工作中解放出来；三是形成风险闭环管理，通过“系统预警-人工复核-反馈优化”流程提升风控精度。

二、项目方案

（一）核心技术架构

1.图像智能预处理引擎：系统自动对扫描凭证图像进行校偏、去噪、亮度均衡和清晰度增强，有效克服原始凭证因折叠、污损或拍摄环境不佳带来的图像质量问题，为高精度识别奠定基础。

2.多模态OCR识别核心：集成行内的OCR引擎，具备强大的文字、手写体、印章及表格结构识别能力。特别针对手写签字这一复杂场景，通过深度学习模型进行了专项训练与优化。

3.版式自适应解析模块：系统内置通用版式自适应引擎，无需为每类凭证预设固定模板，即可自动识别并定位银行内常见凭证上的关键信息区域，包括账户名、金额、日期及各级签字栏位。

自动监督处理流程图

（二）识别流程

‌步骤1：获取待识别交易流水列表‌

‌操作细节‌：根据设定的柜面交易码以及指定的交易日期，在相关数据源中进行查询和匹配，精确获取该日期下对应交易码的待识别交易流水列表。这一步是整个流程的数据起点，确保获取到准确且完整的交易流水信息。

‌步骤2：从影像平台下载影像‌

‌操作细节‌：依据步骤1获取的交易流水列表，向影像平台发起下载请求。影像平台根据请求中的交易流水标识等信息，将对应的影像数据传输至本地服务器。在下载过程中，要确保数据的完整性和准确性，需要进行数据校验等操作。

‌步骤3：影像凭证预处理‌

‌操作细节‌：后督根据不同的交易码所对应的业务规则和影像要求，对下载到本地服务器的影像凭证进行裁剪等预处理操作。例如，某些交易可能只需要影像中的特定区域，通过裁剪可以去除无关信息，提高后续处理的效率和准确性。

‌步骤4：上传影像至文传平台‌

‌操作细节‌：将预处理好的影像凭证按照文传平台的接口规范和要求进行上传。上传过程中要保证数据传输的稳定性，可能需要处理网络异常等情况。上传成功后，为防止客户信息泄露，立即删除本地服务器上存储的影像数据。

‌步骤5：获取唯一文件编码与OCR识别准备‌

‌操作细节‌：文传平台在成功接收影像后，返回唯一的文件编码。后督获取到该编码后，调用行内ESB系统，通过OCR的通用文本识别接口，将唯一文件编码发送给OCR系统，为后续的影像识别做准备。

‌步骤6：OCR识别影像‌

‌操作细节‌：OCR系统根据接收到的唯一文件编码，从文传平台上获取对应的影像凭证进行识别。识别过程中运用OCR技术，将影像中的文字等信息转化为可编辑和处理的文本数据。识别完成后，OCR系统将包含识别结果的报文推送给后督。

‌步骤7：覆盖影像防止信息泄露‌

‌操作细节‌：后督接收到OCR系统的报文后，上传一张空白图片至文传平台，使用该空白图片覆盖之前上传的客户影像凭证，进一步确保客户信息的安全，防止信息泄露。 签名判断与重点监督阶段

‌步骤8：解析报文判断签名‌

‌操作细节‌：后督对OCR系统返回的报文进行解析，仔细检查报文中是否包含 “handwriting” 字段类型。如果包含该字段，则表示影像中可能存在客户签名；如果不包含，则初步判断无客户签名。

‌步骤9：重点监督复核‌

‌操作细节‌：若根据步骤8的判断结果为无签证，后督系统自动抓取该条交易流水。该交易流水将进入重点监督模型，系统会提示业务人员进行复核。业务人员根据相关业务规则和实际情况，对该交易流水进行详细审查和确认。

（三）业务流程再造

改造实施后，监督流程由“人工为主”转变为“机器主导、人工复核”的新模式。

1.批量扫描与上传：各网点及业务部门每日将凭证批量扫描，高拍仪自动将图像上传至影像平台。

2.自动识别与切片：OCR系统自动接收图像，经预处理后智能切分出账号、金额、日期、各级签字区等关键要素区域。

3.智能分析与判定：系统调用笔迹特征库，对切片区域的签字进行存在性判断与真实性验证。

4.结果输出与异常预警：系统生成标准化的识别结果数据文件，自动标记“签字缺失”“签字模糊”“笔迹可疑”等异常情况，并推送至人工监督岗进行重点复核。

5.人工复核与闭环处理：监督人员仅需处理系统推送的少量异常凭证，大幅缩减工作时长。确认后的风险事件进入处置流程，形成完整监督闭环。

三、创新点

1.个人业务覆盖：首次实现对个人存款、取款、转账三大个人核心业务的系统化自动监督。

2.智能识别技术应用：引入图像识别与规则引擎，自动校验签名及资料完整性。

3. 人机协同机制：系统自动筛选结合人工复核，在提升效率的同时保障监督质量。

四、运营情况

模型自上线以来运行稳定，三大模型业务识别率达83%，用户反馈良好，此三类业务的人工监督工作量下降约80%，有效降低人工复核量。

五、项目成效

三大业务模型于2025年7月上线，上线后经过多次实际生产环境调整优化，目前效率提升，减少事后监督整体工作量6%；风险防控增强，通过系统识别减少人工干预，有效降低了操作风险。

六、经验总结

每个业务种类和不同场景都有不一样的监督标准与识别规则，甚至细化到交易，所以需要前期全面梳理涉及交易的不同监督规则，充分理解业务场景及监督需求；同时，规则设计与模型优化应持续迭代，以适应业务变化；人机协同能有效平衡效率与质量，应在类似项目中推广运用。