档案数字化加工方案

（三）数字化加工部分16.1.需求分析与总结16.2.参参考的国国家标准准及技术术规范226.3.数数字化加加工实施施细则336.9.11.本项项的扫描描加工流流程36.9.22.生产产流程有有以下几几个主要要的步骤骤组成：：46.9.33.档案案整理556.9.44.著录录标引666.9.55.纸件件扫描776.9.66.图像像处理886.9.77.质量量检验1106.9.88.档案案还原装装订1006.9.99.数据据存储与与备份1126.9.110.档档案电子子数据与与XXXXXXXX烟草档档案系统统的无缝缝挂接1126.4.项项目所采采用的OOCR处处理技术术介绍1126.10..1.OOCR（光光学字符符识别）技技术1226.10..2.所所采用的的OCRR及双层层PDFF生产流流程1336.10..3.生生产流程程逻辑示示意图1146.5.XXXXXXXX档档案数字字化服务务特点1156.11..1.自自动化程程度高1156.11..2.标标准化程程度高1156.11..3.严严格的质质量控制制156.11..4.文文档安全全性高1156.11..5.标标准的格格式1556.11..6.方方便存储储与管理理16（三）数字字化加工工部分需求分析与与总结此次项目是是将中国国烟草总总公司XXXXXXXX省省公司及及所属111个市市烟草公公司的约约1833万页纸纸质档案案进行数数字化加加工并将将成品数数据挂接接到档案案管理系系统中，纸纸质档案案的折分分整理、扫扫描与图图像处理理、数据据的挂接接与光盘盘备份都都将严格格按照国国家档案案局相关关标准及及XXXXXXXX省档案案局相关关规定，结结合XXXXXXXX烟草草档案现现状定制制加工技技术规范范与生产产加工流流程。。据上述现现状，具具体人员员安排，项项目实施施周期，采采用标准准及实施施细则如如下。参考的国家家标准及及技术规规范《纸质档案案数字化化技术规规范》（DDA/TT311—20005）《连续色调调静态图图像的数数字压缩缩及编码码》（GGB/TT1772355.1--19998）《电子文件件归档与与管理规规范》（GGB/TT1888944-20002）《中央档案案馆接收收档案的的标准》《XXXXXXX省省档案接接收和收收集管理理相关规规定《归档文件件整理规规则》（DDA/TT22--20000）《档案著录录规则》（DDA/TT188-19999）《无酸档案案卷皮卷卷盒用纸纸及纸板板》（DDA/TT244-20000） 《档案修裱裱技术规规范》（DDA/TT255-20000） 《XXXXXXXXXXXXXXX档档案数字字化技术术规范》《XXXXXXX烟烟草档案案数字化化技术规规范》数字化加工工实施细细则本项的扫描描加工流流程生产流程有有以下几几个主要要的步骤骤组成：：纸质档案的的整理从档案室进进行档案案提卷，并并记录提提卷的内内容，接接着拆卷卷，并进进行去污污、平整整化，并并依据档档案纸张张的大小小和厚薄薄分类。档档案的整整理工作作主要是是为了以以后档案案的扫描描做准备备。扫描及图像像处理根据不同档档案纸张张的大小小和厚薄薄，选择择不同的的扫描仪仪，较为为规整的的选择快快速扫描描仪，较较薄、较较厚和不不规整的的用平板板扫描仪仪，这样样既能达达到保护护档案（高高速扫描描仪会发发生卷纸纸，损坏坏档案）的的目的，也也能提高高档案数数字化加加工的速速度。查重查漏在扫描的过过程中，难难免会发发生重复复扫描和和漏扫的的现象，人人工的再再次校对对能够发发现档案案数字化化过程中中出现的的情况，并并即使纠纠正。数据项录入入依据档案著著录规范范或者依依据客户户档案的的实际著著录项，录录入标题题、责任任者、归归档时间间、档号号等各种种信息。质量检测对扫描图像像和著录录的标引引数据进进行检验验，图像像主要是是检验其其扫描和和净化处处理质量量，数据据项的质质量检测测主要是是检测其其录入正正确率。档案还原完成档案数数字化后后，要把把原先的的档案原原件还原原成原样样。档案整理档案交接档案按年度度、案卷卷提档，提提档时数数字化实实施方的的提卷人人员对每每卷的所所有页面面进行统统一的编编号，全全卷所有有文件页页号编写写完成后后，再依依据XXXXXXXX烟草草的要求求抽出不不需要扫扫描的文文件页，然然后再次次按序编编写需要要扫描的的文件页页号，页页号编写写完成后后，按实实际文件件页数填填写详细细的纸质质档案交交按清单单，并由由双方主主管人员员签字。档案拆分档案拆分前前要对档档案进行行统一的的编号，编编制总页页号后，要要从中选选中需要要扫描的的页面。再再一次编编制所需需扫描的的页号，两两个页号号需用铅铅笔的颜颜色或位位置区分分，以确确保档案案还原时时能够清清楚区别别和核时时页数。目录数据准准备按照《档案案著录规规则》((DA//T188)等的的要求，规规范档案案中的目目录内容容。包括括确定档档案目录录的著录录项、字字段长度度和内容容要求。如如有错误误或不规规范的案案卷题名名、文件件名、责责任者、起起止页号号和页数数等，应应进行修修改。拆除装订在不去除装装订物情情况下，影影响扫描描工作进进行的档档案，应应拆除装装订物。拆拆除装订订物时应应注意保保护档案案不受损损害。区分扫描件件和非扫扫描件按要求把同同一案卷卷中的扫扫描件和和非扫描描件区分分开。普普发性文文件区分分的原则则是：无无关和重重份的文文件要剔剔除，有有正式件件的文件件可以不不扫描原原稿。页面修整破损严重、无无法直接接进行扫扫描的档档案，应应先进行行技术修修复，折折皱不平平影响扫扫描质量量的原件件应先进进行相应应处理((压平或或熨平等等)后再再进行扫扫描。档案整理登登记制作并填写写纸质档档案数字字化加工工过程交交接登记记表单，详详细记录录档案整整理后每每份文件件的起始始页号和和页数。著录标引标引著录标引著录为为了方便便查阅与与管理，打打印制作作档案目目录及档档案封面面，对文文字录入入的准确确性要求求较高，但但要录的的文本域域并不是是完全统统一的在在某一页页面上，一一些文本本域要在在多个文文件中选选择，所所以录入入时需要要相关学学部专家家进行指指导，确确保文本本域录入入的准确确率。对所需录入入的文本本进行标标引、或或对不同同类别的的档案录录入特征征制作相相应的《文文字录入入工作说说明书》，供供录入员员和校对对人员参参考。录入方式由于文本类类型不一一，有印印刷体、手手写体、有有表格内内的也有有表格外外的文本本信息，所所以采用用手工录录入和OOCR（光光学字符符识别）软软件相结结合的方方式录入入。即手手写体或或不清晰晰的印刷刷体采用用手工录录入，较较规整的的印刷体体采用OOCR技技术的录录入方式式。校对方式校对以软件件校对和和打印输输出对比比校对相相结合的的方式，即即对手工工录入和和OCRR自动录录入的文文本打印印输出进进行对比比校对的的一校、二二校、抽抽查校对对，确保保索引信信息达到到出版质质量万分分之一以以下。纸件扫描原件的扫描描与存储储格式完完全按照照国家档档案管理理的统一一标准和和XXXXXXXX烟草的的相关要要求扫描描。扫描描人员按按照《扫扫描与处处理工作作说明书书》的要要求，填填写移交交清单（此此移交清清单是档档案拆分分人员和和扫描人人员共同同填写）并并签字领领取并进进行纸件件扫描。扫扫描图像像使用先先进的图图像扫描描处理软软件（快快图像系系统），扫扫描人员员可根据据原稿质质量，对对系统进进行定义义，如自自动倾斜斜校正、自自动去污污、自动动分文件件等批处处理功能能。在由由系统自自动处理理功能的的同时，扫扫描人员员根据原原件的实实际情况况做相应应的调整整，如超超大页面面的处理理、纸张张颜色深深浅及薄薄厚的处处理、扫扫描时可可根据不不同原件件的情况况，调整整图像的的分辨率率、阀值值、明亮亮度以及及扫描方方式和扫扫描速度度，确保保在扫描描图像质质量清晰晰的情况况下，使使原件完完好无损损。图像的分辨辨率正常常情况下下为3000dppi,如如遇字间间距和行行行距过过密、原原件本身身是复印印件等字字迹不清清楚的情情况，可可适当增增加扫描描的分辨辨率但要要保正图图像清晰晰的同时时，又不不影响远远程查询询和游览览的速度度。扫描方式根据档案幅幅面的大大小(AA4、AA3、AA0等))选择相相应规格格的扫描描仪或专专业扫描描仪(如如工程图图纸可采采用0号号图纸扫扫描仪))进行扫扫描。大大幅面档档案可采采用大幅幅面数码码平台，或或者缩微微拍摄后后的胶片片数字化化转换设设备等进进行扫描描，也可可以采用用小幅面面扫描后后的图像像拼接方方式处理理。纸张状况较较差，以以及过薄薄、过软软或超厚厚的档案案，应采采用平板板扫描方方式；纸纸张状况况好的档档案可采采用高速速扫描方方式以提提高工作作效率。扫描色彩模模式扫描色彩模模式一般般有黑白白二值、灰灰度、彩彩色等。通通常采用用黑白二二值。页面为黑白白两色，并并且字迹迹清晰、不不带插图图的档案案．可采采用黑白白二值模模式进行行扫描。页页面为黑黑白两色色，但字字迹清晰晰度差或或带有插插图的档档案，以以及页面面为多色色文字的的档案，可可以采用用灰度模模式扫描描。页面面中有红红头、印印章或插插有黑白白照片、彩彩色照片片、彩色色插图的的档案，可可视需要要采用彩彩色模式式进行扫扫描。扫描分辨率率扫描分辨率率参数大大小的选选择，原原则上以以扫描后后的图像像清晰、完完整、不不影响图图像的利利用效果果为准。采采用黑白白二值、灰灰度、彩彩色几种种模式对对档案进进行扫描描时，其其分辨率率一般均均选择大大于或等等于2000dppi。特特殊情况况下，如如文字偏偏小、密密集、清清晰度较较差等，可可适当提提高分辨辨率。需需要进行行OCRR汉字识识别的档档案，扫扫描分辨辨率建议议选择大大于或等等于３０００dppi。扫描登记认真填填写纸质质档案数数字化转转换过程程交接登登记表单单，登记记扫描的的页数，核核对每份份文件的的实际扫扫描页数数与档案案整理时时填写的的文件页页数是否否一致，不不一致时时应注明明具体原原因和处处理方法法。图像处理XXXXXXXXXXXXXXX档案案数字化化工厂采采用自动动化处理理和人工工处理相相结合的的方式，确确保图像像质量的的完美。通通过校对对系统对对图像进进行校对对，确保保图像顺顺序正确确、去斑斑点、校校验。，在在校对时时发现不不合格图图像及时时返回前前一工序序进行改改正。污渍、黑边边、偏斜斜处理数字化加工工系统会会根据原原件质量量的好坏坏对污渍渍的情况况进行自自动轻度度、中度度、高度度去污，对对纸质变变质或扫扫描时的的黑边完完全自动动清除、自自动进行行偏斜校校正处理理。系统统支持局局部去污污、并能能对不能能够自动动处理的的页面进进行单页页多次修修正。图图像处理理人员在在发现扫扫描不合合格的文文件，进进行登记记后交扫扫描人员员处理，双双方签字字确认后后的表单单留存备备查。使使因扫描描造成的的不合格格图像机机时返回回上一生生产流程程。全文字面的的扫描密密度图像处理人人员在进进行处理理前，扫扫描人员员会根据据不同原原件的情情况，提提高图像像扫描的的分辨率率、阀值值、明亮亮度以及及扫描方方式，如如遇字间间距和行行行距过过密、原原件本身身是复印印件等字字迹不清清楚的情情况，对对手写过过密的要要对图像像进行细细致的修修正，确确保各书书写工具具写出的的不同颜颜色、深深浅的文文字及图图像信息息清晰可可辩。粘帖页与表表格对粘帖页面面的处理理先用XXXXXXXX数数字化加加工软件件系统进进行自动动处理，在在扫描的的时消除除粘帖重重叠的曲曲线，不不能自动动处理的的放大后后人工处处理。对对字迹与与表格线线颜色深深浅不一一在扫描描时进行行细微调调整后，图图像处理理时再进进行局部部调整。以以确保数数字档案案的可阅阅读性。一般性文本本流程图图提高图像扫扫描的分分辨率，调调整阀值值、明亮亮度以及及扫描方方式，采采用局部部处理技技术对图图像进行行修正。以以确保数数字档案案游览时时辨认流流程图的的流程线线。插图页面处处理档案中有插插图的要要在扫描描时对提提高分辨辨率及相相应调整整，图文文混排的的页面不不做拆分分，在保保持原始始页面信信息的同同时使图图像清晰晰可辩。照片页的处处理根据黑白或或彩色图图像对页页面进行行调整，对对特殊照照片的处处理，必必要时采采用专业业的图像像处理软软件进行行处理，确确保照片片的清晰晰度。存储格式与与页面空空间分辨率：2200ddpi图像格式：：TIFFF、JJPG储存空间：：B5或或A4，220-330KBB/页质量检验对扫描处理理完成后后的图像像页进行行检验，对对档案拆拆分、扫扫描、修修正、去去污、文文本流程程图的处处理、插插图、照照片的处处理以及及文本和和图像页页的匹配配进行检检验等质质量进行行全面检检验。对文本域录录入与文文本录入入域的标标引、文文件的页页号及页页数进行行对比，对对扫描前前的图像像页的标标引与扫扫描后的的图像页页的编号号与页数数进行对对比，发发现不合合格的登登记清单单并退回回上一流流程重新新处理。档案还原装装订档案整理工工作严格格按照中中央档案案馆进馆馆标准规规定的相相关标准准和XXXXXXXX烟草草的实际际情况进进行有序序的整理理，XXXXXXXXXXXXXXXX档案案数字化化中心安安排专人人负责案案卷合并并与整理理。原件合并把扫描时挑挑出的页页面插入入到原来来的页面面位置中中去，将将扫描时时展开的的超大页页面还原原到扫描描前的原原样，把把数字化化中挑出出的不要要的多余余页面提提出。全卷整理将每卷文件件按形成成的时间间、顺序序、文件件类别进进行整理理。编写页号按重新整理理页面上上按顺序序统一的的编写页页号。案卷目录和和卷内目目录按顺序将一一个项目目文件的的合并到到一卷中中，并按按中央档档案馆进进馆标准准和XXXXXXXX烟草草特有字字段组成成案卷目目录和卷卷内目录录。打印案卷封封面和卷卷内目录录对案卷目录录和卷内内目录与与卷内文文件进行行匹配后后打印案案卷目录录和卷内内目录以以备装订订使用。装订严格按照中中央档案案馆进馆馆标准和和XXXXXXXX烟草的的要求将将每卷档档案的封封面、卷卷内目录录、卷内内文件、左左下角对对齐打成成三孔一一线装订订还原档档案。案卷分盒按年度、案案卷、类类别、机机构等有有规则地地按顺序序装入定定制的档档案盒。打印装箱单单按年度、箱箱号、盒盒号、卷卷号、总总页数打打印装箱箱清单。或或按档案案档案馆馆的要求求制作打打印装箱箱单。按顺序装箱箱按箱子编号号、年度度、箱内内盒数、案案卷数与与总页数数装箱，参参照国家家档案馆馆的要求求结合XXXXXXXX烟烟草的实实际情况况按序装装箱。编制目录（年年度目录录）制作出XXXXXXXX烟草草档案装装箱目录录，合并并各箱清清单，统统一编制制页码，形形成装箱箱目录，并并按通用用格式存存储装箱箱目录的的电子文文件，以以便检索索与查找找，或按按档案馆馆进馆要要求编制制。数据存储与与备份在生产过程程中，XXXXXXXX扫扫描加工工中心是是一个基基于网络络化流程程化生产产管理系系统，我我们在扫扫描的同同时就同同时产生生两份备备原始图图像数据据的备份份数据。在经过生产产系统质质量验收收合格的的电子文文件后，我我们将把把扫描的的成品数数据与XXXXXXXX烟烟草的档档案管理理系统挂挂接，将将按规则则生产原原始图像像光盘及及具备单单盘检索索的数据据光盘。档案电子数数据与XXXXXXXX烟烟草档案案系统的的无缝挂挂接文本域录入入和扫描描处理检检验后的的图像成成品，按按年度进进行文字字图像与与系统的的挂接，不不需手工工挂接即即可实现现文本与与图像页页与系统统的挂接接。挂接接到XXXXXXXX烟草草档案管管理系统统中后，进进行再次次的成品品验收，对对各种使使用习惯惯逐页进进行检验验，验收收合格后后移交到到由XXXXXXXX烟草草专家组组成的验验收小组组验收。确保完美无无缝挂接接因为XXXXXXXX烟草档档案管理理系统是是采用XXXXXXXX软软件的档档案管理理软件系系统，XXXXXXXX档档案扫描描加工系系统和XXXXXXXX档档案管理理系统可可以实现现自动批批量挂接接，无需需人工干干预即可可实施目目录数据据与原文文电子数数据的无无缝挂接接。项目所采用用的OCCR处理理技术介介绍OCR（光光学字符符识别）技技术OCR是英英文OppticcalChaaraccterrReecoggnittionn的缩缩写，中中文意思思就是通通过光学学技术对对文字进进行识别别。OCCR概念念的产生生是在119299年，德德国的科科学家TTausshecck首先先提出了了OCRR的概念念，并且且申请了了专利。几几年后，美美国科学学家Haandeel也提提出了利利用技术术对文字字进行识识别的想想法。但但这种梦梦想直到到计算机机的诞生生才变成成了现实实。现在在这一技技术已经经由计算算机来实实现，OOCR的的意思就就演变成成为利用用光学技技术对文文字和字字符进行行扫描识识别，转转化成计计算机内内码。所采用的OOCR及及双层PPDF生生产流程程识别模块具有超强的的识别核核心.可可以识别别简、繁繁体汉字字2万多多，识别别的语言言包括中中文简、繁繁体、英英文、日日文、韩韩文，自自动版面面分析能能力大大大增强..最大限限度减少少手工操操作量。纵向校对模模块可以将成百百上千张张图像一一起校对对将识别成同同一个字字的图像像集中在在一个窗窗口内，先先标记错错误，再再自动与与横校进进行合并并，后统统一改正正，校对对工作量量减少880%，错错误率可可控制在在万分之之一。版面恢复模模块通过版面恢恢复编辑辑器，可可以将原原始图像像的所有有信息恢恢复过来来。比如如：字体体、颜色色、花边边等。双层PDFF生成模模块可直接在程程序中进进行后台台PDFF处理，无无需在AAcroobatt中生成成，方便便而快捷捷。可以以选择生生成多种种PDFF格式：：双层PPDF文文档包括括图文混混排的PPDF、图图在文上上的PDDF、图图在文下下的PDDF等。自动处理模模块可以实现图图像文件件到PDDF文件件的自动动转换，生