这类文档的真实难点
不是单纯能不能识别文字，而是能不能直接变成业务可用的 Excel。
01
送货单版式随供应商变化，订单号、SKU 和数量经常出现在不同位置。
02
签收章、手写备注和破损说明可能遮挡关键字段。
03
一张单据同时包含表头和多行商品，简单复制容易把数量对应错行。
FOVATA 怎么处理这类文件
重点不是把页面原样抄下来，而是把你真正需要的字段和结构提取出来。
提取送货单号、PO、交付日期、地点和签收人等表头字段。
将每个商品拆为独立行，并分别保留发货量、实收量和单位。
把短少、拒收、破损或无法识别的行送入异常复核。
AI 智能提取
更适合源文件格式不统一、但目标输出需要按业务字段组织的场景。
Excel 可直接使用
重点不是还原页面长相，而是减少后续人工整理、对账和录入的时间。
常见输出字段
Delivery Note No.PO No.Delivery DateSupplierShip-toSKUDescriptionDelivered QtyReceived QtyUOMReceiverException
更适合哪些团队使用
仓库收货
采购运营
应付对账
门店与项目现场
推荐使用流程
从原件上传到结构化 Excel，一般建议按这个顺序测试。
1
上传送货单、签收单或收货记录 PDF/扫描件。
2
定义表头、商品行和异常字段，并确认数量单位。
3
复核签收、短少和破损信息后导出收货台账。
常见问题
Delivery Note、POD 和 Goods Receipt 都能处理吗？
可以作为相近但不同的输入类型处理；建议保留 Document Type，避免把送货、签收和系统收货记录混为一类。
能直接完成三单匹配吗？
本页输出可作为 PO、收货和发票核对的结构化输入，但不声称替代 ERP 内的正式三单匹配与审批。
手写签收备注能识别吗？
清晰手写内容可以尝试提取，但签收人、短少和破损等关键结论应人工复核来源页。