餐厅评价单识别

关于这个想法

连锁餐厅每天收回上千张顾客手写的评价单——四列勾选加一段留言。多数店的处理方式是：店长晚上坐下来一张张往 Excel 里敲，敲到十一点，敲完也只得到一个总数；想知道究竟是哪道菜被打了差评，没人有力气统计。

现在他们把当天扫描好的文件夹整个拖进浏览器，就去忙别的了。子文件夹名自动认成门店，几分钟后回来，看到的是已经拆到菜品的评分表：哪家店的好评率掉了、哪道菜这周吃了 7 个差评、谁在留言区写了投诉——每一条都能点开看原始票面。要给总部交表就点导出，Excel 按门店分好工作表；要原图就整包下载。

已经在一个连锁餐饮品牌的 14 家门店跑了三个多月，累计处理 6 万多张，日均 1500–2200 张。以人工复核为真值实测：菜品级一次判对率 96.2%，真差评漏检 6/9712（0.06%），单张识别成本不到 1 分钱。

它和"接一个 OCR API"的差别在一条原则：自动判定必须保准，拿不准一律交人工。机器挑出来的可疑票，人工复核后 95% 证明机器判对了——剩下那 5% 正是该被人看一眼的地方。像"把好评改判成差评"这种高风险方向，永远不自动执行。热敏纸上的噪点会被模型读成勾、倒着扫的票会让留言被读反，这些在进模型之前就先挡掉了。差评是这套系统里唯一不允许出错的东西。