水表 OCR API 集成指南
了解如何集成水表 OCR API，覆盖照片提交、任务轮询、额度控制、缓存结果和读数复核流程。
先确定工作流，再确定接口
水表 OCR API 最有价值的地方，是能嵌入已有的水表照片工作流。调用方可能是现场巡检 App、客户自助门户、物业管理系统，或者公用事业团队的内部后台。
在设计请求字段之前，应先明确谁负责拍照、图片凭证保存在哪里、异常由谁复核，以及最终读数怎样进入账单或客服系统。API 应该服务这个流程，而不是把所有人都推回人工上传页面。
把水表照片作为后台任务提交
基于照片的水表读数通常更适合任务式流程。客户端提交一张图片，拿到任务 ID，然后轮询状态直到结果完成。这个模式比单个长 HTTP 请求更适合处理大图、繁忙 AI 服务、重试和临时离线。
实用的返回结果应包含任务状态、可用时的最终读数、表型、成功状态、结果来源，以及前端可以直接展示的结构化摘要。
返回图片凭证和稳定结构字段
对公用事业团队来说，只有读数是不够的。结果应保留原图或公开凭证图链接，并返回最终读数、表型、条码、表盘问题、置信或复核提示等结构字段。
稳定字段对集成很重要。即使 AI 模型内部字段名变化，API 层也应保持公开响应字段稳定，避免账单、审计和客服系统被内部变更影响。
明确处理额度、缓存和重试
生产集成需要可预测的成本控制。新的 AI 计算可以消耗额度，而精确缓存或允许的历史缓存结果可以按不同规则返回。用户重复提交同一张照片，或移动端断网后重试时，这一点尤其重要。
API 应该明确告诉调用方结果来源。调用系统需要知道读数来自 fresh AI 任务、精确缓存，还是 AI 暂不可用时返回的历史结果。
保护 API Key，并保留异常复核
API Key 应识别账号或集成系统，而不是直接绑定某个现场人员。它应该可撤销、可审计，并与人工操作员使用的浏览器 session 分开管理。
即使有 AI 辅助，异常复核仍是可靠读数流程的一部分。模糊图片、不完整水表、反光、污盘和异常读数，都应该能从任务历史中连同原图一起检查。
务实的接入路径
第一步集成可以很简单：提交一张水表照片，按任务 ID 轮询，展示最终读数和图片凭证，并记录结果来源。这个路径稳定后，再增加批量提交、额度看板和异常复核队列。
WaterMeter AI 采用这种方式，让网站上传和 API 工作流共享同一套任务历史、额度模型、缓存结果和结构化摘要，避免人工复核和系统集成变成两套割裂流程。
用你自己的照片试用 WaterMeter AI
注册后可以上传水表图片，保留结果历史，并查看带图片凭证的 AI 读数。