Add payment line parser and fix OCR override from payment_line

- Add MachineCodeParser for Swedish invoice payment line parsing
- Fix OCR Reference extraction by normalizing account number spaces
- Add cross-validation tests for pipeline and field_extractor
- Update UI layout for compact upload and full-width results

Key changes:
- machine_code_parser.py: Handle spaces in Bankgiro numbers (e.g. "78 2 1 713")
- pipeline.py: OCR and Amount override from payment_line, BG/PG comparison only
- field_extractor.py: Improved invoice number normalization
- app.py: Responsive UI layout changes

Co-Authored-By: Claude Opus 4.5 <noreply@anthropic.com>

README.md

@@ -1,6 +1,36 @@
 # Invoice Master POC v2
 
-自动账单信息提取系统 - 使用 YOLOv11 + PaddleOCR 从瑞典 PDF 发票中提取结构化数据。
+自动发票字段提取系统 - 使用 YOLOv11 + PaddleOCR 从瑞典 PDF 发票中提取结构化数据。
+
+## 项目概述
+
+本项目实现了一个完整的发票字段自动提取流程：
+
+1. **自动标注**: 利用已有 CSV 结构化数据 + OCR 自动生成 YOLO 训练标注
+2. **模型训练**: 使用 YOLOv11 训练字段检测模型
+3. **推理提取**: 检测字段区域 → OCR 提取文本 → 字段规范化
+
+### 当前进度
+
+| 指标 | 数值 |
+|------|------|
+| **已标注文档** | 9,738 (9,709 成功) |
+| **总体字段匹配率** | 94.8% (82,604/87,121) |
+
+**各字段匹配率:**
+
+| 字段 | 匹配率 | 说明 |
+|------|--------|------|
+| supplier_accounts(Bankgiro) | 100.0% | 供应商 Bankgiro |
+| supplier_accounts(Plusgiro) | 100.0% | 供应商 Plusgiro |
+| Plusgiro | 99.4% | 支付 Plusgiro |
+| OCR | 99.1% | OCR 参考号 |
+| Bankgiro | 99.0% | 支付 Bankgiro |
+| InvoiceNumber | 98.9% | 发票号码 |
+| InvoiceDueDate | 95.9% | 到期日期 |
+| InvoiceDate | 95.5% | 发票日期 |
+| Amount | 91.3% | 金额 |
+| supplier_organisation_number | 78.2% | 供应商组织号 (CSV 数据质量问题) |
 
 ## 运行环境
 
@@ -20,10 +50,10 @@
 
 - **双模式 PDF 处理**: 支持文本层 PDF 和扫描图 PDF
 - **自动标注**: 利用已有 CSV 结构化数据自动生成 YOLO 训练数据
-- **多池处理架构**: CPU 池处理文本 PDF，GPU 池处理扫描 PDF
-- **数据库存储**: 标注结果存储在 PostgreSQL，支持增量处理
+- **多策略字段匹配**: 精确匹配、子串匹配、规范化匹配
+- **数据库存储**: 标注结果存储在 PostgreSQL，支持增量处理和断点续传
 - **YOLO 检测**: 使用 YOLOv11 检测发票字段区域
-- **OCR 识别**: 使用 PaddleOCR 3.x 提取检测区域的文本
+- **OCR 识别**: 使用 PaddleOCR v5 提取检测区域的文本
 - **Web 应用**: 提供 REST API 和可视化界面
 - **增量训练**: 支持在已训练模型基础上继续训练
 
@@ -38,6 +68,7 @@
 | 4 | bankgiro | Bankgiro 号码 |
 | 5 | plusgiro | Plusgiro 号码 |
 | 6 | amount | 金额 |
+| 7 | supplier_organisation_number | 供应商组织号 |
 
 ## 安装
 
@@ -205,7 +236,7 @@ Options:
 
 ### 训练结果示例
 
-使用 15,571 张训练图片，100 epochs 后的结果：
+使用约 10,000 张训练图片，100 epochs 后的结果：
 
 | 指标 | 值 |
 |------|-----|
@@ -214,6 +245,8 @@ Options:
 | **Precision** | 97.5% |
 | **Recall** | 95.5% |
 
+> 注：目前仍在持续标注更多数据，预计最终将有 25,000+ 张标注图片用于训练。
+
 ## 项目结构
 
 ```
@@ -403,16 +436,29 @@ print(result.to_json())    # JSON 格式输出
 
 - [x] 文本层 PDF 自动标注
 - [x] 扫描图 OCR 自动标注
-- [x] 多池处理架构 (CPU + GPU)
-- [x] PostgreSQL 数据库存储
+- [x] 多策略字段匹配 (精确/子串/规范化)
+- [x] PostgreSQL 数据库存储 (断点续传)
+- [x] 信号处理和超时保护
 - [x] YOLO 训练 (98.7% mAP@0.5)
 - [x] 推理管道
 - [x] 字段规范化和验证
 - [x] Web 应用 (FastAPI + 前端 UI)
 - [x] 增量训练支持
+- [ ] 完成全部 25,000+ 文档标注
 - [ ] 表格 items 处理
 - [ ] 模型量化部署
 
+## 技术栈
+
+| 组件 | 技术 |
+|------|------|
+| **目标检测** | YOLOv11 (Ultralytics) |
+| **OCR 引擎** | PaddleOCR v5 (PP-OCRv5) |
+| **PDF 处理** | PyMuPDF (fitz) |
+| **数据库** | PostgreSQL + psycopg2 |
+| **Web 框架** | FastAPI + Uvicorn |
+| **深度学习** | PyTorch + CUDA |
+
 ## 许可证
 
 MIT License