Smart Finance Tracker
Высокопроизводительный сервис на базе машинного обучения и OCR для распознавания чеков, классификации расходов и умной финансовой аналитики.
август 2026 г.
- Python
- Golang
- Astro
- Tailwind
- TypeScript
- React
- Machine Learning
Разработка интеллектуальной ML-системы для сканирования, распознавания и автоматической структуризации данных из чеков и первичных документов.
Задача
Автоматизировать процесс ручного ввода расходов за счет внедрения алгоритмов машинного обучения, способных извлекать ключевые данные (магазин, сумма, дата, позиции) из фотографий чеков любого качества и формата с высокой точностью и минимальной задержкой.
Ключевые решения
- Гибридный OCR Engine и обработка изображений: Разработан конвейер предобработки снимков (биноризация, выравнивание, удаление шумов) и дообучена ML-модель для распознавания текста, стабильно работающая даже с мятыми чеками и нечеткими фото.
- Автоматическая категоризация на базе NLP: Реализован алгоритм классификации товаров и услуг по категориям (продукты, транспорт, рестораны) с поддержкой синонимов и обучаемой моделью под пользовательские паттерны.
- Высокопроизводительный микросервисный backend: Асинхронные задачи обработки изображений и ML-модели вынесены в Python-воркеры, а основное API и управление сессиями реализованы на Go для обеспечения мгновенного отклика.
- Удобный интерфейс сканирования: Спроектирован интуитивный клиентский модуль с поддержкой загрузки через Drag-and-Drop, прямой съемкой с камеры смартфона и предварительным просмотром распознанных полей перед сохранением.
Результат
- Высокая точность извлечения: Точность распознавания ключевых реквизитов (сумма, дата, продавцы) достигла 98%+.
- Мгновенная обработка: Среднее время от загрузки фото до получения структурированной транзакции составляет менее 1.5 секунд.
- Улучшение UX и экономия времени: Полностью исключен ручной ввод данных, что снизило порог входа для пользователей и повысило регулярность ведения учета.