Om två parter med delad ekonomi vill se över och räkna på sina inköp gjort från matvarubutiker finns två alternativ. Att spara alla fysiska kvitton för att sedan manuellt hantera uträkningen eller att använda digitala kvitton, vilket långt ifrån alla matvarubutiker erbjuder. Det finns heller inga bestämmelser mellan företagen kring vart dessa kvitton ska lagras vilket medför att en användare kan behöva logga in på flera olika platser. Användaren har alltså valet att manuellt hantera fysiska kvitton eller att manuellt hantera digitala kvitton, alternativt en blandning av båda. Oavsett kvittots form måste alla kvitton gås igenom för att se vilken person som gjort köpet, vilka eventuella varor som ska plockas bort och vad totalsumman är. Syftet med detta projekt har därför varit att skapa en applikation i Android som med hjälp av OCR-biblioteket Google ML Kit tillåter två användare att hantera sina kvitton. Rapporten undersöker de svårigheter som finns vid textigenkänning samt presenterar de tekniker och metoder som har använts under skapandet av applikationen. Applikationen utvärderades sedan genom att extrahera text från flera olika kvitton. Google’s OCR-bibliotek jämfördes också med Tesseract OCR för att undersöka om valet av ett annat OCR-bibliotek hade kunnat förbättra pålitligheten i kvittoskanningen. Slutresultatet är att applikationen fungerar väl vid korrekt inskanning, det finns dock stora svårigheter att extrahera text från kvitton som avviker från de kvittomallar som använts under implementationen. / For two parties with shared finances who wants to review and count their purchases made from grocery stores, there are two options. To save all physical receipts and then handle the calculation manually or to use digital receipts, which far from all grocery stores offer. There are also no provision between companies on where these receipts should be stored, which means that a user may have to log in at several different locations. The user thus has the choice of manually managing physical receipts or manually managing digital receipts, or in worst case a mixture of both. Regardless of the form of the receipt, all receipts must be reviewed to see which person made the purchase, which items, if any, should be removed and what the total cost is. The aim of this project has therefore been to create an application in Android using the Google ML Kit OCR library that allows two users to manage their receipts. The report examines the difficulties encountered in text recognition and presents the techniques and methods used during the creation of the application. The application was then evaluated by extracting text from several different receipts. Google’s OCR library was also compared with Tesseract OCR to investigate whether the choice of a different OCR library could have improved the reliability of receipt recognition. The final result is a application that works well when a receipt is scanned correctly, however there are significant difficulties in extracting text from receipts that differ from the receipt templates used during implementation.