纸质档案数字化技术规范

纸质档案数字化技术规范1范围本文件规定了纸质档案数字化加工的全流程技术要求、质量指标、安全管控要求，适用于各级综合档案馆、机关团体、企事业单位开展的开放档案、非涉密内部管理类文书档案、科技档案、民生类专门档案的数字化加工工作。涉及国家秘密、工作秘密中明确不得进行数字化处理的档案，严格按照国家相关保密管理规定执行，不适用本文件。2规范性引用文件下列文件中的内容通过文中的规范性引用构成本文件不可缺少的条款。凡是注日期的引用文件，仅注日期的版本适用于本文件；凡是不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。GB/T18894电子文件归档与电子档案管理规范GB/T33190电子文件存储与交换格式版式文档DA/T18档案著录规则DA/T25档案修裱技术规范DA/T31纸质档案数字化规范DA/T38档案级可录类光盘CD-R、DVD-R、DVD+R技术要求和应用规范DA/T78纸质档案数字复制件光学字符识别（OCR）工作规范3术语和定义3.1纸质档案数字化采用扫描、拍照等数字化采集设备，将纸质载体上的文字、图像、印章等信息转化为可被计算机存储、识别、处理的数字信号，形成数字复制件并建立目录关联，满足档案检索、利用、长期保存需求的处理过程。3.2分辨率指数字化采集设备单位长度内采样的像素点数，单位为dpi（点/英寸），是衡量数字图像清晰度的核心参数。3.3色彩偏差ΔE指数字图像色彩与原件色彩的量化差异值，ΔE数值越小，色彩还原度越高，当ΔE≤5时，人眼无法识别明显色彩差异。3.4数据挂接指以档案唯一标识档号为关联字段，将数字化生成的数字图像、版式文件与档案目录数据库中的对应条目建立关联关系，实现目录与数字内容的联动检索。3.5双层版式文件指同时包含原始图像层与可检索文本层的PDF/A、OFD格式文件，既保留档案原件的原始视觉面貌，又支持全文检索、内容复制等利用需求。4总体要求4.1基本原则纸质档案数字化全过程应遵循四个核心原则：一是安全优先，严格落实档案实体安全与信息安全管控要求，不损毁档案原件，不泄露档案记载信息；二是质量达标，全流程设置质量校验节点，所有技术指标符合长期保存与利用需求，错漏率控制在规定阈值范围内；三是标准统一，同一全宗、同一门类、同一年度的档案数字化加工参数保持一致，避免数据格式异构、质量参差不齐；四是实用导向，数字化成果应满足日常检索、凭证出具、跨平台共享需求，避免脱离实际应用的无效加工。4.2人员要求参与数字化加工的人员应经过档案保护常识、操作技能、安全保密三个模块的岗前培训，考核合格后方可上岗，其中专门从事档案修复、质检、数据管理的岗位人员应具备1年以上档案数字化相关工作经验。所有加工人员应签订安全保密协议，明确保密责任与违约责任，不得擅自记录、复制、传播加工过程中接触的档案内容。4.3场地要求数字化加工场地应与档案库房毗邻设置，实行封闭式管理，配备无死角视频监控、消防、温湿度调控设备，加工区域温度控制在14℃-24℃，相对湿度控制在45%-60%，避免高温高湿环境造成档案霉变、脆化。加工区域应物理隔离设置独立的档案暂存区、预处理区、扫描区、图像处理区、质检区、数据存储区，饮水、就餐等生活区域与加工区物理隔断，防止水、食物污染档案原件。视频监控录像保存时间不少于6个月，覆盖所有加工操作工位与档案进出通道。4.4设备要求根据档案材质、幅面、保存状况配备适配的加工设备：纸张保存状况良好的单页档案配备高速馈纸式扫描仪；装订成册不宜拆卷、纸张脆化的档案配备零边距平板扫描仪或非接触式书刊扫描仪，设备光源照度可调节，对热敏纸、复写纸字迹档案扫描时照度不超过1500lux，避免强光照射加速字迹褪变；A0以上大幅面图纸、报纸配备大幅面非接触式轨道扫描仪；所有扫描设备每7天采用IT8标准色卡进行一次色彩校准，确保色彩还原偏差ΔE≤5。加工用计算机应物理断开互联网，封闭不必要的USB、蓝牙、无线网卡等数据传输端口，安装正版病毒防护软件，病毒库定期更新；数据存储采用专用本地服务器，设置访问权限，禁止加工人员私自拷贝数据。5前期准备5.1档案清点出库严格履行档案出库交接手续，由档案保管人员与加工项目负责人共同逐卷、逐件核对待加工档案的全宗号、目录号、案卷号、件号、页数，核对账实一致性，做到账实相符率100%。清点过程中发现档案存在缺件、缺页、错号、目录与实体不符、纸张严重酸化脆化（pH值≤4.5）、霉变、虫蛀、鼠啮、字迹洇化褪变等情况的，逐一填写《数字化加工档案异常登记表》，详细记录异常位置、异常状况，退回档案保管部门处置，严禁加工人员擅自调整档案顺序、拆改档案原件、修复破损档案。对存在霉变、虫蛀的档案，先由档案保护专业人员进行消杀、修复，达到可扫描状态后再纳入加工批次，修复过程符合DA/T25的相关要求。5.2加工方案编制针对待加工档案的门类、载体状况、利用需求编制专项加工方案，明确不同类型档案的扫描分辨率、色彩模式、存储格式、质量指标、进度节点、责任人员，对革命历史档案、重要民生档案、珍贵科技图纸等价值较高的档案，制定专项加工保护措施，明确设备选型、操作要求，避免加工过程造成原件损伤。加工方案经档案管理部门审核通过后方可实施，同一批次加工的技术参数不得随意变更，确需调整的应提交书面申请，经审核同意后做好参数变更记录。5.3软硬件调试正式扫描前完成所有设备的调试校准工作：扫描仪完成色彩校准，确保清晰度、色彩还原度符合要求；OCR识别引擎根据待加工档案的字体特征（繁体、简体、异体字、手写体）优化识别模型，对包含大量生僻字、行业专用术语的档案，提前将专业词库导入识别引擎，提升识别准确率；图像处理软件、档案管理系统完成功能测试，确保无程序bug、无恶意插件；所有存储设备、加工用计算机完成全盘病毒查杀，确认无安全风险后方可投入使用。6档案预处理6.1原件整理拆除档案上的订书钉、回形针、大头针等金属装订物，避免金属物锈蚀纸张或划伤扫描仪玻璃板，拆除过程中注意保护档案原件，对标注有档号、收文章、领导批示的封皮、备考表不得随意拆除；对装订成册、拆订后易造成页面混乱、损毁的线装档案、珍贵历史档案，可采用不拆卷方式扫描，严禁强行拆订造成档案脱页、撕裂。对折叠的页面沿原折痕轻轻展开，褶皱严重的页面使用压平机低温压平，压平温度不超过35℃，避免高温导致字迹褪色、纸张脆化；大于A0幅面的折叠图纸沿原折叠痕展开，不得反向折压造成折痕处开裂。对档案页面附着的灰尘、泥点、残留胶痕等异物，使用软羊毛刷、无尘擦拭布轻轻清除，严禁使用酒精、丙酮等有机溶剂擦拭页面，避免造成字迹溶解褪色。6.2页码核对逐页核对档案页码，原编页码存在错号、漏号、重号、无页码的，逐一登记后报档案保管部门确认，使用HB铅笔在页面右下角（背面页面在左下角）编写补码，补码位置距离页边不小于15mm，不得覆盖原有字迹、印章、批注。核对过程中发现档案内夹带的零散便签、照片、票据、图纸等材料，对照档案目录确认归属，属于该卷（件）档案的按照原有逻辑顺序放置在对应位置，不属于的单独登记后移交档案保管部门，不得擅自丢弃或随意归位。页码核对完成后，按照档案原有保管顺序将档案放置在标注有批次号、全宗号、档号范围的专用周转盒内，避免不同批次、不同全宗的档案混放。7目录建库7.1著录规则严格按照DA/T18规定的著录项开展目录数据录入，必备著录字段包括全宗号、全宗名称、目录号、案卷号、案卷题名、件号、文件题名、责任者、文号、成文日期、密级、保管期限、总页数、备注，民生档案、科技档案根据利用需求增加对应业务字段，如不动产权属档案增加产权人、不动产单元号、坐落地址字段，干部人事档案增加人员身份证号、工作单位字段，工程档案增加项目编号、工程阶段字段，确保目录数据满足多维度检索需求。7.2录入要求著录内容应与档案原件记载信息完全一致，不得擅自修改原件中的题名、责任者、成文日期等核心信息。原件题名信息过于简略、无法准确反映文件核心内容的，在原有题名后使用方括号补充说明核心内容，补充内容客观准确，不得主观臆断；原件成文日期模糊无法辨识的，结合文件上下文内容、文号序列、责任者任职时间等信息推算准确日期，无法准确推算的著录为“[日期不详]”，不得随意填写虚假日期；责任者字段著录文件的发文单位全称或规范通用简称，不得使用不规范简称导致检索歧义。目录录入错字率控制在0.03%以内，即每1万字著录内容中，错字、漏字、多字的数量不超过3个。7.3目录校验采用“系统自动校验+双人交叉校验”模式开展目录质量检查：系统自动校验字段格式合规性，档号字段不得包含特殊字符，成文日期字段符合YYYYMMDD格式，必填字段不得为空，对格式错误、数据缺失的条目自动预警退回修改；双人交叉校验对照档案原件逐一核对著录内容，对存在歧义的内容提交档案管理部门审定，不得擅自判定。校验合格的目录数据导入档案目录数据库，每条目录生成唯一的档号标识，确保与后续扫描的数字图像一一对应。8档案扫描8.1扫描方式选择根据档案保存状况、幅面、装订形式选择适配的扫描方式：纸张韧性好、无脆化、单页形式的普通文书档案，可采用高速馈纸式扫描仪扫描，提升加工效率；装订成册、拆订易损毁的档案、纸张酸化脆化的老档案，采用非接触式书刊扫描仪或零边距平板扫描仪扫描，扫描过程中轻翻页面，避免拉扯造成纸张撕裂，对热敏纸、复写纸、蓝靛墨水字迹的档案，降低扫描光源照度，单次页面照射时长不超过3秒，减少光照对字迹的损伤；A0及以上大幅面工程图纸、地形图、报纸，采用大幅面非接触式轨道扫描仪扫描，不得将大幅面档案对折后分幅扫描拼接，避免折痕处信息损失；夹带在纸质档案中的光面照片，使用照片专用扫描仪扫描，避免普通扫描仪的滚轮造成照片表面划痕。8.2扫描参数设置分辨率参数根据档案类型、利用需求差异化设置：普通印刷体文书档案、科技档案采用300dpi分辨率扫描；小字号（五号字及以下）印刷档案、手写档案、需开展高精度OCR识别的档案采用400dpi分辨率扫描；珍贵历史档案、字迹模糊褪变的档案、带有清晰印章的凭证类档案采用600dpi分辨率扫描；大幅面图纸采用300dpi以上分辨率扫描，确保按原比例打印输出时清晰度不低于原件。色彩模式根据页面内容设置：页面为黑白两色、字迹清晰、无彩色印章、无彩色插图、无灰度层次的普通档案，可采用1bit黑白二值模式扫描，降低存储占用；页面带有红色印章、彩色插图、多色字迹、铅笔批注的档案，采用24位真彩色模式扫描，严禁对带红色印章的档案使用黑白二值模式扫描导致印章信息丢失；字迹洇化、对比度低的褪变档案，采用8bit灰度模式扫描，提升字迹与背景的对比度。8.3扫描操作要求按照档案页码顺序逐页扫描，不得漏扫、重扫、倒页，扫描时轻放原件，避免折角、褶皱，扫描完成的页面按照原顺序放回周转盒，不得随意堆放。对幅面超过扫描仪最大扫描范围必须分幅扫描的页面，分幅重叠宽度控制在15mm-20mm，确保拼接时无内容遗漏。对薄透纸张、背面字迹透印影响正面清晰度的页面，在页面背面垫衬黑色无反光衬纸，减少透印对正面图像的干扰。扫描过程中出现卡纸、设备故障时，第一时间停机，轻轻取出被卡页面，检查页面是否存在损伤，如有损伤及时移交修复人员处置，严禁强行拖拽卡纸造成档案撕裂。9图像处理9.1基础处理对扫描生成的原始图像逐页开展基础处理：一是纠偏处理，将倾斜的图像调整至水平方向，纠偏后图像倾斜角度偏差不大于1°，纠偏过程中不得出现文字变形、内容裁切，页面原生的文字、印章倾斜的，保留原件状态，不得刻意调整；二是去污处理，去除扫描过程中产生的玻璃台尘点、黑边、阴影、透印形成的冗余痕迹，严格遵循“最小干预”原则，不得去除档案原件上的批注、圈阅痕迹、印章、页码、收文章、归档章等原生信息，对页面本身存在的霉斑、污渍，在不覆盖字迹的前提下可适当弱化，不得刻意磨除导致字迹损伤；三是裁切处理，按照页面实际幅面裁切图像，保留2mm-3mm页边留白，不得裁切到页面上的文字、印章、页码内容，卷内存在不同幅面页面混排的，按照各页面实际幅面分别裁切，不得统一裁切为固定幅面导致小页面内容丢失、大页面裁切不全；四是拼接处理，分幅扫描的图像按照内容对齐拼接，拼接处文字、线条连续无错位、无重影，拼接错位偏差不超过0.5mm，拼接后图像的色彩、分辨率与分幅图像保持一致，无明显拼接痕迹。9.2特殊情况处理对字迹褪色、对比度低的页面，适当调整亮度、伽马值增强对比度，确保字迹笔画清晰，不得过度调整导致字迹断笔、笔画粘连；对扫描生成的倒页、反向页，调整为符合阅读习惯的正向，与原件阅读顺序一致；对档案中夹带的立体附属物（如钢印、粘贴的票据），如实保留其立体扫描形成的光影效果，不得强行压平导致附属物脱落、原件损毁。图像处理过程中严禁篡改、伪造档案内容，档案原生信息保留率达到100%。10OCR识别处理10.1识别范围除手写内容占比超过70%、字迹严重模糊无法识别的档案外，所有印刷体档案、字迹工整的手写档案均开展OCR识别处理，生成可检索的文本层，嵌入版式文件形成双层PDF/A或OFD文件，识别范围覆盖页面所有可见内容，包括正文文字、印章文字、页眉页脚、页码、批注文字。10.2识别质量要求印刷体档案的OCR识别准确率：1949年以后规范字体印刷档案不低于98%，建国初期繁体印刷、异体字印刷档案不低于95%，字迹工整的手写体档案识别准确率不低于90%。识别过程中遇到的生僻字、篆体印章字、异体字，由人工对照原件逐一校对，无法准确识别的字符用“□”标注，并在元数据备注字段说明对应位置，不得使用同音字替代造成内容错误。识别生成的文本层与图像层的文字位置一一对应，定位偏差不超过2mm，点击检索结果可准确定位到图像对应位置；对双栏排版、竖排排版的档案，按照原文阅读顺序调整文本顺序，竖排档案按照从右到左、从上到下的逻辑排序，确保文本阅读顺序与原件一致，无段落颠倒、顺序错乱问题。10.3识别校对采用“机器初校+人工复校”的校对模式，识别引擎自动标记识别置信度低于80%的低置信度字符、乱码字符，由人工对照原件逐一核对修正，确保识别文本内容与原件一致。校对完成的文本层嵌入版式文件，形成图像层与文本层合一的双层版式文件，满足全文检索需求。11图像存储11.1存储格式档案数字图像分三类格式存储，满足不同场景需求：一是长期保存格式，黑白二值扫描的图像采用TIFFG4无损压缩格式存储，灰度、真彩色扫描的图像采用TIFFLZW无损压缩格式存储，无压缩损失，满足长期保存要求；二是利用服务格式，采用双层PDF/A或OFD格式存储，符合GB/T33190的版式文档要求，不依赖特定软件即可读取，支持全文检索；三是在线浏览格式，采用压缩质量80%以上的JPEG格式存储，在保证清晰度的前提下压缩文件体积，方便网络环境下的在线浏览与传输。11.2命名规则单页TIFF图像文件采用“档号+流水页码”的规则命名，确保文件名唯一，例如档号为“J032-WS-2022-Y-012-0047”的档案第23页，文件命名为“J032-WS-2022-Y-012-0047-023.tif”；多页合并的双层PDF/A、OFD文件以对应条目的档号命名，即一份档案对应一个独立的版式文件，文件名与目录中的档号完全一致。11.3存储结构按照“全宗号-目录号-保管期限-年度-案卷号/件号”的层级建立文件夹目录结构，单个文件夹下存储的文件数量控制在1000个以内，避免文件数量过多导致系统读取效率下降；存储路径采用英文字符与数字组合命名，不得包含中文特殊字符、空格，避免跨操作系统环境下出现路径识别错误。12质量检查12.1质检体系建立“加工人员自检-工序间互检-专职质检员专检”的三级质检体系：每道工序完成后，加工人员对照质量要求开展自检，自检不合格的自行整改；自检合格后移交下一道工序开展互检，上道工序质量不达标不得进入下道工序；专职质检员负责对各工序成果开展抽检，形成质检记录，对发现的问题建立整改台账，明确整改责任人和整改时限。12.2质量指标各环节质量需满足以下量化指标：一是目录数据质量，必填字段漏项率为0，著录内容错字率≤0.03%，档号准确率100%，格式合规率100%；二是扫描质量，页面漏扫率为0，重扫率≤0.1%，页面顺序错置率为0，图像清晰度满足人眼可清晰辨认所有字迹、印章细节，虚焦、模糊的图像占比为0，色彩还原偏差ΔE≤5，凭证类档案的印章可清晰辨认全部文字，具备凭证效力；三是图像处理质量，档案原生信息保留率100%，非原生杂点、黑边去除率≥99%，无明显处理痕迹，图像倾斜角度偏差≤1°，拼接图像错位偏差≤0.5mm；四是OCR识别质量，印刷体档案识别准确率≥98%，文本层定位准确率100%，无大面积乱码、段落顺序错乱问题；五是存储质量，文件命名准确率100%，格式符合要求，文件损坏率为0，所有文件均可正常打开读取。12.3抽检规则专职质检员对每批次加工成果的抽检比例不低于批次总量的10%，其中珍贵历史档案、民生凭证类档案的抽检比例为100%；抽检发现的错漏率超过规定阈值的，将该批次成果全部退回加工组重新整改，整改完成后再次开展抽检，直至所有指标符合要求。13数据挂接13.1挂接规则以档号为唯一关联字段，将存储的数字图像、双层版式文件与目录数据库中的对应条目建立关联，确保点击目录条目可直接打开对应的数字文件，挂接过程中逐一对文件档号与目录档号进行匹配，严禁出现档号不匹配、张冠李戴的问题。13.2挂接校验挂接完成后，系统自动开展批量校验，检查条目与文件的匹配度，统计挂接成功率，挂接准确率需达到100%，无条目无对应文件、文件无对应条目的情况；对系统校验发现的挂接异常数据，逐一排查原因，修正文件名或目录字段后重新挂接。人工抽取不低于挂接总量5%的条目，点击打开对应文件核对内容一致性，避免错挂。13.3元数据采集挂接完成后同步采集数字文件的元数据，包括文件大小、格式、分辨率、扫描时间、加工人员、质检人员、挂接时间、文件哈希值等信息，元数据与数字文件绑定存储，满足数字成果全生命周期溯源需求。14数据验收14.1验收组织由档案管理部门组建验收组开展成果验收，验收组成员包括档案业务人员、信息化技术人员、安全管理人员，必要时邀请档案信息化领域专家参与。验收工作严格对照规范要求与加工方案约定的指标开展，不得随意降低质量标准。14.2验收内容验收内容包括三部分：一是过程资料检查，检查加工全过程的档案交接记录、异常处置记录、质检记录、人员培训记录是否完整，归还的档案实体是否与出库时状态一致，无缺页、无损毁、无涂画；二是成果质量检查，按照质量指标要求抽检目录、图像、OCR文本、挂接成果的质量是否达标；三是安全检查，检查数字化成果是否携带病毒，加工过程是否存在信息泄露风险，数据备份是否符合要求。14.3验收判定抽检成果全部符合质量指标要求的，判定为验收合格，出具验收报告；抽检发现存在档案实体损毁、数据错挂漏挂率超过0.1%、存在信息泄露隐患、核心质量指标不达标等严重问题的，判定为验收不合格，要求加工方限期整改，整改完成后重新组织验收。15数据备份与移交15.1数据备份验收合格的数字化成果按照“一式三套”要求开展备份：一套为在线利用备份，存储在档案管理系统服务器中，供日常检索利用；一套为离线封