Skip to content

Bilagstolkning: forslag fra dokumentets egen tekst

This content is not available in your language yet.

Issue #34. Målet er å spare regnskapsføreren tastetrykk per innboksdokument — uten at en maskin noen gang bokfører.

Det finnes ingen automatisk bokføringsvei. Ikke «over beløpsgrense X», ikke «når vi er sikre nok». Forslaget fyller ut det eksisterende bokfør-skjemaet i Bilag-seksjonen; mennesket ser tallene, retter det som er galt, og bokfører. Det posterte bilaget er fortsatt det eneste med rettslig betydning (docs/bilagsinnboks.md), og med aktiv attestering gjelder fire øyne som før (docs/attestering.md).

I portalen er forslaget merket som forslag: kilden står over skjemaet, sammen med begrunnelsen for hvert felt.

GET /companies/{id}/inbox/{doc}/forslag svarer alltid, og sier hvor tallene kommer fra:

kilde Når Presisjon
ehf Dokumentet er EHF/UBL (docs/ehf.md) Eksakt — feltene står i filen
pdf-tekst PDF med tekstlag Heuristisk, med begrunnelse per felt
tekst Ren tekstfil Samme heuristikk
ocr Foto (JPEG/PNG) lest av tekstleseren, når den kjører Samme heuristikk, over OCR-tekst
ingen Alt annet, eller et foto uten tekstleser Ingenting foreslås, og det sies fra

Et dokument uten lesbar tekst gir altså ingen felter — ikke gjetninger.

crates/regnmed-ocr (levert 2026-11-13) er en egen liten tjeneste: POST /read med et bilde inn, {"text": …} ut. Ingen database, ingen hemmeligheter, ingen ingress — bare regnmed-api når den, gjennom OCR_URL. Uten OCR_URL, eller når tjenesten ikke svarer, får et foto ingen forslag og en advarsel; skjemaet virker som før, for hånd.

Hvorfor en egen prosess. Modellene bruker 250–310 MB mens de leser (målt på macOS for bilder på 800–2400 px). Det har verken API-et (64 MB) eller jobbarbeideren (256 MB). Tjenesten leser ett bilde om gangen, og RTEN_NUM_THREADS=2 begrenser CPU-en den tar fra noden.

Motoren er ocrs — ren Rust, så binæren er statisk som resten av clusteret. Modellene (12 MB) er data, ikke kode: de hentes og sjekksummeres av scripts/fetch-ocr-models.sh og kopieres inn i imaget. En ny modell er en commit med ny sjekksum, aldri en overraskelse — den endrer hva hver kvittering foreslår.

Ærlig begrensning: modellen kan bare ASCII. «Ø» blir «O», «ø» blir «?». Det koster lite der det betyr noe, fordi heuristikken matcher på normaliserte nøkkelord og på sifre. Det koster butikknavnet bokstavene sine — derfor slås navnet opp i Enhetsregisteret på orgnr når det finnes.

Leserekkefølgen er vår. ocrs grupperer tekst i blokker, så en kvitterings «TOTALT» og «157,70» kommer ut langt fra hverandre — mens heuristikken finner et beløp på etiketten på samme linje. rows() i regnmed-ocr setter hver trykte linje sammen igjen: to biter deler linje når de overlapper vertikalt med minst halvparten av den laveste, målt mot linjens FØRSTE bit (en voksende union sluker neste linje på en tettrykt kvittering — testet).

Bildet roteres etter kameraets EXIF-merking og skaleres ned til 2400 px på lengste kant før lesing. Et bilde som oppgir mer enn 8000 px på en led, eller ville krevd over 200 MB, avvises FØR det pakkes ut — en liten PNG kan ellers love et lerret som tar hele podens minne. Den ene lesingen om gangen holdes også når API-et har gitt opp å vente (etter 30 s), så to lesinger aldri går samtidig. API-et husker teksten per innholdshash, så et utkast som åpnes igjen ikke leses på nytt.

Modellene hentes i CI med actions/cache nøklet på sjekksummene, og testjobben kjører motoren på tests/receipt.jpg — forsvinner bøtta, stopper nye modellversjoner, ikke byggene.

regnmed-core::pdftext leser PDF-ens egne innholdsstrømmer (rå eller Flate-komprimerte), plukker ut de tekstvisende operatorene og dekoder WinAnsi. Det er et bevisst lite utsnitt av PDF-formatet — nok til genererte fakturaer, som er de aller fleste.

Sikkerhetsventilen er viktigere enn dekningen: en PDF med egen fontkoding gir bytes som ikke er tekst, og da returnerer modulen None i stedet for mojibake. Testet med en egen «søppel-PDF». Bilder hoppes over uten forsøk.

Heuristikken: kontrollsifrene gjør jobben

Section titled “Heuristikken: kontrollsifrene gjør jobben”

regnmed-core::voucher_hints leser teksten linje for linje. Det som gjør den tålelig presis uten modeller er kontrollsifrene vi allerede har validatorer for:

  • ni siffer som passerer orgnr-MOD11, nær ordet «orgnr»/«MVA» → orgnr
  • sifre som passerer KID-MOD10/MOD11, nær «KID» → KID
  • elleve siffer som passerer kontonummer-MOD11, nær «konto» → kontonummer

Tilfeldige tall passerer ikke disse. Testen tall_uten_gyldig_ kontrollsiffer_foreslas_ikke holder det ærlig.

Beløp og datoer leses etter nøkkelord, med to regler som var lette å ta feil av og derfor er testet:

  • «Å betale» vinner over «sum» og «totalsum» — det er det eneste tallet på en faktura som betyr nøyaktig én ting.
  • En linje med tall holder seg til sin egen linje. Bare en linje UTEN tall ser på neste (etikett over verdi er en vanlig layout). Uten den regelen ville totalen under «MVA» blitt lest som mva.
  • Mva er aldri mer enn en femtedel av totalen (25 % av netto er 20 % av brutto). Alle linjer som ser ut som mva samles, og den SISTE som holder seg innenfor velges — oppsummeringen kommer etter varelinjene, så en kolonneoverskrift «Mva» over første varelinje (som «faller gjennom» til linjens beløp) taper. Finnes ingen slik linje, foreslås ingen mva; det er bedre enn et galt tall.
  • «Org.nr … MVA» er Foretaksregister-merkingen, ikke en mva-linje. En linje med «org» i seg, eller med et gyldig orgnr blant tallene, leses aldri som mva. Funnet på regnmeds egen faktura-PDF, der «Org.nr 790 292 642 MVA» ble lest som 790 292 642 kr i mva.

Kvitteringer er ikke fakturaer. En kasselapp sier «TOTALT» eller «Bankkort», aldri «å betale», og har sjelden «fakturadato». Derfor tre svakere regler som bare fyller et tomt felt:

  • et beløp etter en linje som STARTER med «totalt», «total», «til betaling», «sum», «bankkort» eller «betalt» — og bare med desimaler, så «Totalt antall varer 5» ikke blir 5 kroner; aldri på en «sum mva»-linje;
  • den første datoen i dokumentet, når ingen dato har etikett (begrunnelse: «første dato i dokumentet»);
  • den øverste linjen som ser ut som et navn — på en kasselapp er det butikken. Brukes bare for utlegg; i innboksen er øverste linje like ofte «FAKTURA».

«Totalt» godtas bare når ingenting annet enn beløpet (og «kr») følger: «Total rabatt» og «Totalt spart» står før den ekte totalen på mange kvitteringer. En dato under en «forfall»-etikett er aldri dokumentets dato.

Hvert funn bærer sin begrunnelse («etter «å betale»», «ni siffer med gyldig kontrollsiffer nær «orgnr»»), og begrunnelsen vises i UI-et. Et forslag man ikke kan overprøve raskt er verre enn ingen forslag.

Kontoforslaget kommer fra din egen historikk

Section titled “Kontoforslaget kommer fra din egen historikk”

Når orgnr matcher en leverandør i reskontroen, foreslås kontoen samme leverandør sist ble bokført på — en ren spørring over selskapets egne bilag, ikke en modell og ikke en bransjeantakelse. Begrunnelsen sier hvilken dato den stammer fra.

Mangler leverandøren, blir det en advarsel («orgnr … finnes ikke i leverandørreskontroen»), ikke en stille opprettelse.

  • GET /companies/{id}/inbox/{doc}/forslag — kilde, felter, begrunnelser, kontoforslag, advarsler
  • GET /companies/{id}/expenses/{eid}/suggestion — det samme for en utleggskvittering (docs/utlegg.md)
  • GET /companies/{id}/inbox/{doc}/ehf — den strukturerte lesingen av en EHF, for den som vil se dokumentet slik det er (docs/ehf.md)
  • regnmed-core/src/pdftext.rs — round-trip mot vår egen PDF-generator, escapede parenteser, Flate-strøm, «ikke en PDF», bilde-PDF og mojibake (begge gir None).
  • regnmed-core/src/voucher_hints.rs — en vanlig norsk faktura leses komplett; ugyldige kontrollsifre foreslås ikke; verdi under etikett; «å betale» slår andre summer; beløpsformater; en kasselapp slik regnmed-ocr faktisk leste den (støy og alt), og at en kvitteringstotal aldri slår et fakturanøkkelord.
  • regnmed-ocr/src/lib.rs — linjesammensetningen (etikett og beløp på én linje, tettrykte linjer holdes fra hverandre); den ekte motoren på tests/receipt.jpg når OCR_MODELS_DIR er satt (ellers hoppes den over, som DB-testene).
  • regnmed-api/tests/grupper/bilagstolkning.rs (ekte Postgres, også CI): en faktura-PDF generert av vår egen writer lastes opp som om den kom utenfra, og tolkningen finner igjen alle tallene + leverandøren på orgnr + kontoen fra historikken; dokumentet forblir ubesluttet; et skannet bilde gir kilde: "ingen"; EHF går den eksakte veien gjennom samme endepunkt.

Skyavhengighet i kjernepathen, og enhver automatisk bokføring. Skannede PDF-er (bilde uten tekstlag inni en PDF) leses ikke ennå — tekstleseren tar bare JPEG og PNG. Æ, ø og å krever en annen gjenkjenningsmodell. En LLM med syn (kundens egen, docs/agent.md §8) som leser kvitteringen hører til agent-fasen: den må lese og fylle ut gjennom agentens egen identitet og verktøy, ikke gjennom en bakdør i API-et.