中華人民共和國(guó)檔案行業(yè)標(biāo)準(zhǔn)

DA/T 77-2019

紙質(zhì)檔案數(shù)字復(fù)制件光學(xué)字符

識(shí)別（OCR）工作規(guī)范

Specification for optical character recognition (OCR) of digital

copies of paper-based records

2019-12-16發(fā)布 2020-05-01 實(shí)施

國(guó)家檔案局 發(fā)布

DA/T 77-2019

前 言

本標(biāo)準(zhǔn)按照GB／T 1.1-2009給出的規(guī)則起草。

本標(biāo)準(zhǔn)由國(guó)家檔案局提出并歸口。

本標(biāo)準(zhǔn)起草單位：國(guó)家檔案局館室司、青島市檔案館。

本標(biāo)準(zhǔn)主要起草人：劉蕓、丁德勝、楊來(lái)青、鄒杰。

DA/T 77-2019

紙質(zhì)檔案數(shù)字復(fù)制件光學(xué)字符

識(shí)別（OCR）工作規(guī)范

1 范圍

本標(biāo)準(zhǔn)規(guī)定了紙質(zhì)檔案數(shù)字復(fù)制件光學(xué)字符識(shí)別（OCR）工作的組織、實(shí)施和管理。

本標(biāo)準(zhǔn)適用于字跡清晰、文本規(guī)范的紙質(zhì)檔案數(shù)字復(fù)制件的光學(xué)字符識(shí)別（OCR）工作。

2 規(guī)范性引用文件

下列文件對(duì)于本文件的應(yīng)用是必不可少的。凡是注日期的引用文件，僅注日期的版本適用于本文件。凡是不注日期的引用文件，其最新版本（包括所有的修改單）適用于本文件。

DA／T 13 檔號(hào)編制規(guī)則

DA／T 22 歸檔文件整理規(guī)則

DA／T 31 紙質(zhì)檔案數(shù)字化規(guī)范

3 術(shù)語(yǔ)和定義

下列術(shù)語(yǔ)和定義適用于本文件。

3.1

字符 character

供組織、控制或表示數(shù)據(jù)用的元素集合中的一個(gè)元素。

［GB 18030-2005，定義4.1］

3.2

字符集 character set

多個(gè)字符的集合。

注：常見(jiàn)字符集有ASCII字符集、GB 2312字符集、BIG5字符集、GB 18030字符集、Unicode字符集等。

3.3

光學(xué)字符識(shí)別 optical character recognition;OCR

通過(guò)信息技術(shù)對(duì)圖像文件中的字符形狀進(jìn)行識(shí)別、文字轉(zhuǎn)換和文本輸出、呈現(xiàn)的過(guò)程。

3.4

紙質(zhì)檔案數(shù)字復(fù)制件 digital copy of paper-based record

紙質(zhì)檔案經(jīng)過(guò)數(shù)字化加工過(guò)程后形成的，存儲(chǔ)在磁帶、磁盤、光盤等載體上并能被計(jì)算機(jī)等電子設(shè)備識(shí)別的數(shù)字圖像。

3.5

檔案OCR成果 OCR outcome of record

記錄通過(guò)OCR技術(shù)獲取的紙質(zhì)檔案數(shù)字復(fù)制件文字內(nèi)容的文件。

DA/T 77-2019

3.6

識(shí)別準(zhǔn)確率 recognition accuracy

通過(guò)OCR技術(shù)識(shí)別正確字符的比率。

注：識(shí)別準(zhǔn)確率＝（識(shí)別正確字符數(shù)／應(yīng)識(shí)別字符總數(shù)）x100％

3.7

識(shí)別速度 recognition speed

單位時(shí)間內(nèi)通過(guò)OCR技術(shù)識(shí)別字符的數(shù)量。

4 總則

4.1 檔案OCR應(yīng)納人數(shù)字檔案館（室）資源建設(shè)范疇，統(tǒng)籌規(guī)劃、有序?qū)嵤?，逐步?shí)現(xiàn)常態(tài)化。

4.2 檔案OCR應(yīng)科學(xué)開展，有利于實(shí)現(xiàn)檔案信息檢索和計(jì)算機(jī)輔助編目、編研開發(fā)、數(shù)據(jù)挖掘。

4.3 檔案OCR應(yīng)基于檔案數(shù)字化工作，檔案OCR成果與紙質(zhì)檔案數(shù)字復(fù)制件之間應(yīng)建立準(zhǔn)確、可靠的關(guān)聯(lián)關(guān)系。

4.4 應(yīng)當(dāng)采取有效的管理和技術(shù)手段，加強(qiáng)檔案OCR的過(guò)程管理和質(zhì)量控制，確保檔案OCR過(guò)程規(guī)范、成果可靠、數(shù)據(jù)安全。

4.5 涉密紙質(zhì)檔案數(shù)字復(fù)制件的OCR工作，應(yīng)符合涉密檔案相關(guān)的管理和技術(shù)要求。

5 工作組織

5.1 機(jī)構(gòu)及人員

5.1.1 應(yīng)建立檔案OCR工作機(jī)構(gòu)，配備相應(yīng)素質(zhì)和技術(shù)水平的工作人員，組織開展檔案OCR工作的統(tǒng)籌規(guī)劃、組織實(shí)施、協(xié)調(diào)管理、技術(shù)保障、安全保障、監(jiān)督檢查、成果驗(yàn)收和長(zhǎng)期保存等。檔案OCR可與紙質(zhì)檔案數(shù)字化工作統(tǒng)籌配置工作機(jī)構(gòu)和人員。

5.1.2 檔案OCR工作實(shí)行服務(wù)外包的，應(yīng)從企業(yè)性質(zhì)、股東組成、安全保密、企業(yè)規(guī)模、注冊(cè)資金情況等方面嚴(yán)格審查檔案OCR服務(wù)供方的相關(guān)資質(zhì);從規(guī)章制度的建立健全程度等方面考查服務(wù)供方的管理能力，建立權(quán)責(zé)明確、覆蓋工作全過(guò)程的監(jiān)督機(jī)制和安全防范機(jī)制，確保檔案信息安全。對(duì)外聘的工作人員，應(yīng)進(jìn)行安全審查，按規(guī)定進(jìn)行保密教育。

5.2 流程控制

5.2.1 檔案OCR流程包括圖像導(dǎo)入、圖像預(yù)處理、比對(duì)識(shí)別、修改校正、成果整理輸出五個(gè)業(yè)務(wù)環(huán)節(jié)。應(yīng)依據(jù)相關(guān)技術(shù)標(biāo)準(zhǔn)，對(duì)檔案OCR全過(guò)程進(jìn)行有效控制。

5.2.2 應(yīng)加強(qiáng)對(duì)檔案OCR工作全流程的質(zhì)量管理和安全管理，建立完善的質(zhì)量、安全問(wèn)題發(fā)現(xiàn)、修正機(jī)制，確保OCR成果質(zhì)量和檔案信息安全。

5.3 工作文件與元數(shù)據(jù)

5.3.1 應(yīng)建立檔案OCR工作方案、技術(shù)方案、工作審批材料、流程控制材料、數(shù)據(jù)驗(yàn)收材料、項(xiàng)目驗(yàn)收?qǐng)?bào)告、成果移交材料等的管理工作文件，采取服務(wù)外包的還應(yīng)包括項(xiàng)目招標(biāo)文件、投標(biāo)文件、中標(biāo)通知書、項(xiàng)目合同、保密協(xié)議、操作規(guī)程、監(jiān)管記錄等，以加強(qiáng)對(duì)檔案OCR工作的管理。

5.3.2 應(yīng)參照相關(guān)標(biāo)準(zhǔn)，提出檔案OCR工作流程中相關(guān)元數(shù)據(jù)設(shè)計(jì)、捕獲、著錄和管理的基本要求，與對(duì)應(yīng)的紙質(zhì)檔案數(shù)字復(fù)制件管理過(guò)程元數(shù)據(jù)實(shí)施融合管理，并納人數(shù)字檔案館（室）應(yīng)用系統(tǒng)數(shù)據(jù)庫(kù)。

DA/T 77-2019

6 方案制定

6.1 確定工作策略

6.1.1 OCR工作開展前，應(yīng)當(dāng)依據(jù)紙質(zhì)檔案數(shù)字復(fù)制件OCR項(xiàng)目的計(jì)劃、合同、招投標(biāo)書等有關(guān)項(xiàng)目文件，對(duì)OCR工作的識(shí)別處理系統(tǒng)、網(wǎng)絡(luò)系統(tǒng)、基礎(chǔ)設(shè)施、保障能力等方面進(jìn)行業(yè)務(wù)評(píng)價(jià)。

6.1.2 評(píng)價(jià)通過(guò)后，應(yīng)根據(jù)以下因素，制定檔案OCR的工作策略：

----圖像資源：符合導(dǎo)入標(biāo)準(zhǔn)的可識(shí)別的彩色（24 bits）、灰度（256階）和黑白二值圖像。一

般應(yīng)為TIFF、BMP、JPG、PDF（圖像）、OFD（圖像）格式文件。

----OCR引擎：對(duì)圖像包含文字進(jìn)行高速度和高準(zhǔn)確率識(shí)別的OCR軟件開發(fā)包。

----OCR軟件：裝備OCR引擎的軟件，可高速、準(zhǔn)確輸出識(shí)別成果，支持人工比對(duì)和校正。應(yīng)根

據(jù)需要識(shí)別的目標(biāo)，按照項(xiàng)目資源的成本風(fēng)險(xiǎn)平衡原則確定OCR的范圍、質(zhì)量、效率、技術(shù)等要求。

----基礎(chǔ)設(shè)施：支持系統(tǒng)運(yùn)行的場(chǎng)所、設(shè)施和設(shè)備，包括OCR設(shè)備及工作間、介質(zhì)的場(chǎng)外存放場(chǎng)

所、備用的機(jī)房及輔助設(shè)施等。

----專業(yè)技術(shù)支持能力：對(duì)系統(tǒng)的運(yùn)轉(zhuǎn)提供支撐和綜合保障的能力，以實(shí)現(xiàn)系統(tǒng)的預(yù)期目標(biāo)。包

括硬件、系統(tǒng)軟件和應(yīng)用軟件的問(wèn)題分析和處理能力，網(wǎng)絡(luò)系統(tǒng)安全運(yùn)行管理能力，溝通協(xié)

調(diào)能力等。

----運(yùn)行維護(hù)管理能力：保障系統(tǒng)相關(guān)的設(shè)備和軟件正常運(yùn)行，提供長(zhǎng)期、及時(shí)、全面的技術(shù)

支持的能力。包括運(yùn)行環(huán)境管理、系統(tǒng)管理、安全管理和變更管理等。

----災(zāi)難恢復(fù)預(yù)案：對(duì)系統(tǒng)災(zāi)難實(shí)行快速、有效的響應(yīng)和恢復(fù)。包括災(zāi)難緊急響應(yīng)，災(zāi)后系統(tǒng)

重建及重續(xù)運(yùn)行，通信、后勤、技術(shù)等相關(guān)保障機(jī)制建設(shè)。

6.2 制定技術(shù)方案

6.2.1 應(yīng)當(dāng)根據(jù)確定的檔案OCR工作策略制定OCR各工作系統(tǒng)技術(shù)方案，包含OCR的數(shù)據(jù)管理系統(tǒng)、OCR識(shí)別處理系統(tǒng)和網(wǎng)絡(luò)系統(tǒng)。技術(shù)方案中所涉及的系統(tǒng)應(yīng)滿足如下條件：

----與檔案管理系統(tǒng)相當(dāng)?shù)陌踩Ｗo(hù)級(jí)別;

----具有可擴(kuò)展性;

----對(duì)檔案管理系統(tǒng)無(wú)明顯可用性和性能影響。

6.2.2 為確保技術(shù)方案滿足檔案OCR工作策略的要求，應(yīng)對(duì)技術(shù)方案進(jìn)行確認(rèn)和驗(yàn)證，并記錄和保存驗(yàn)證及確認(rèn)的成果。按照確認(rèn)的OCR軟件技術(shù)方案進(jìn)行開發(fā)，實(shí)現(xiàn)所要求的數(shù)據(jù)管理系統(tǒng)、OCR識(shí)別處理系統(tǒng)和網(wǎng)絡(luò)系統(tǒng)。

6.2.3 應(yīng)按照經(jīng)過(guò)確認(rèn)的技術(shù)方案，制定OCR軟件各階段的系統(tǒng)安裝及測(cè)試計(jì)劃，以及支持不同關(guān)鍵業(yè)務(wù)功能的系統(tǒng)安裝及測(cè)試計(jì)劃，并組織最終用戶共同進(jìn)行測(cè)試。確認(rèn)以下各項(xiàng)功能可正確實(shí)現(xiàn)：

----對(duì)識(shí)別圖像進(jìn)行預(yù)處理;

----數(shù)據(jù)識(shí)別及校驗(yàn);

----輸出檔案OCR成果;

----數(shù)據(jù)安全管理。

7 檔案OCR的實(shí)施

7.1 圖像導(dǎo)入

7.1.1 檔案OCR實(shí)施前，應(yīng)先評(píng)估紙質(zhì)檔案數(shù)字復(fù)制件質(zhì)量是否符合OCR的基本要求。評(píng)估內(nèi)容

DA/T 77-2019

一般應(yīng)包括圖像分辨率、偏斜度、清晰度、失真度、亮度、對(duì)比度、灰度等。

7.1.2 紙質(zhì)檔案數(shù)字復(fù)制件的圖像分辨率應(yīng)不低于200dpi。特殊情況下，如文字偏小、密集、清晰度較差等，可以適當(dāng)提高分辨率。文件命名應(yīng)符合DA／T 13、DA／T 22、DA／T 31的規(guī)定。

7.1.3 對(duì)質(zhì)量不能達(dá)到檔案OCR工作基本要求的紙質(zhì)檔案數(shù)字復(fù)制件，應(yīng)按照DA／T31的要求重新數(shù)字化后導(dǎo)入。

7.2 圖像預(yù)處理

7.2.1 二值化

7.2.1.1 在識(shí)別處理前，應(yīng)對(duì)彩色圖像進(jìn)行灰度化和二值化處理，對(duì)灰度圖像進(jìn)行二值化處理。應(yīng)采取局部自適應(yīng)二值化等算法，并支持自動(dòng)或手動(dòng)調(diào)節(jié)。

7.2.1.2 應(yīng)具備亮度和對(duì)比度值自動(dòng)、手動(dòng)調(diào)節(jié)功能。亮度和對(duì)比度值的設(shè)定以調(diào)整后的圖像中文字的筆畫連貫清晰為準(zhǔn)。

7.2.2 圖像降噪

7.2.2.1 對(duì)圖像中印刷體字符進(jìn)行識(shí)別處理前，需要根據(jù)噪聲的特征對(duì)待識(shí)別圖像進(jìn)行降噪處理，提升識(shí)別處理的精確度。

7.2.2.2 降噪處理應(yīng)去除在掃描過(guò)程中產(chǎn)生的污點(diǎn)、污線、黑邊等影響圖像質(zhì)量的雜質(zhì)，去除檔案頁(yè)面原有的紙張褪變斑點(diǎn)、水漬、污點(diǎn)、裝訂孔等影響識(shí)別的地方。

7.2.3 傾斜校正

7.2.3.1 對(duì)圖像進(jìn)行識(shí)別前，應(yīng)進(jìn)行圖像方向檢測(cè)并進(jìn)行自動(dòng)水平或垂直傾斜校正。

7.2.3.2 應(yīng)支持由用戶指定圖像傾斜的角度，采用相應(yīng)的圖像旋轉(zhuǎn)算法進(jìn)行手工傾斜校正。

7.2.4 圖像監(jiān)測(cè)

圖像質(zhì)量控制程序應(yīng)自動(dòng)檢測(cè)圖像處理質(zhì)量。對(duì)無(wú)法達(dá)到質(zhì)量要求的圖像進(jìn)行標(biāo)注。

7.3 比對(duì)識(shí)別

7.3.1 版式分析

7.3.1.1 比對(duì)識(shí)別前應(yīng)對(duì)圖像中的字符塊結(jié)構(gòu)進(jìn)行版式分析，把圖像中相似的版塊信息劃分到一起。如橫排文本、豎排文本、表格、圖形等。

7.3.1.2 版式分析可采取多種分析方法，自動(dòng)檢測(cè)各版塊類型，對(duì)圖像內(nèi)部區(qū)域進(jìn)行邏輯歸類，記錄各版塊的位置，存儲(chǔ)版面信息。

7.3.2 檔案特征分析

7.3.2.1 歸檔章分析。建立歸檔章式樣庫(kù)，自動(dòng)識(shí)別圖像中的歸檔章，并根據(jù)歸檔章樣式，識(shí)別出字段位置，如全宗號(hào)、年度、機(jī)構(gòu)、保管期限、件號(hào)、頁(yè)數(shù)等。

7.3.2.2 公文要素分析。建立公文格式庫(kù)，可準(zhǔn)確識(shí)別公文的版頭、主體、版記三部分，識(shí)別公章、簽章等區(qū)域，比照公文樣式，識(shí)別密級(jí)和保密期限、緊急程度、發(fā)文字號(hào)、簽發(fā)人、標(biāo)題、主送機(jī)關(guān)、正文、附件說(shuō)明、發(fā)文機(jī)關(guān)署名、成文日期、附注、附件、抄送機(jī)關(guān)等公文要素。公文要素OCR識(shí)別要求見(jiàn)附錄A。

7.3.2.3 表格分析。建立單獨(dú)表格處理模塊，建立專用表格模板定義工具，自定義文件處理單、發(fā)文稿紙、備考表等表格模板，識(shí)別表格中的字段位置。

7.3.2.4 印章分析。識(shí)別印章圖像位置，存儲(chǔ)印章圖像，建立印章名稱與印章圖像的關(guān)系庫(kù)，用于

DA/T 77-2019

版式恢復(fù)。

7.3.3 識(shí)別和匹配

7.3.3.1 識(shí)別時(shí)應(yīng)抽取字體、字號(hào)、粗體、斜體、首行縮進(jìn)等字符特征，通過(guò)相似度計(jì)算方法，與特征數(shù)據(jù)庫(kù)比對(duì)，識(shí)別為計(jì)算機(jī)文字內(nèi)碼。

7.3.3.2 特征數(shù)據(jù)庫(kù)應(yīng)存儲(chǔ)多種印刷體字符、常用簽名和批注手寫體字符，具備可更新和可擴(kuò)充性。對(duì)使用頻率高的漢字、英文、數(shù)字以及常用的符號(hào)、常用簽名和批注手寫體字符應(yīng)建立高頻庫(kù)。應(yīng)將無(wú)法識(shí)別的手寫體篩選出來(lái)，通過(guò)人工識(shí)別，并將識(shí)別成果存入字符庫(kù)。

7.3.3.3 應(yīng)通過(guò)將比對(duì)后的識(shí)別文字根據(jù)上下文在可能的相似候選字群中找出最合乎邏輯的字詞對(duì)識(shí)別文字進(jìn)行除錯(cuò)或更正，以提高OCR識(shí)別準(zhǔn)確率。

7.4 修改校正

7.4.1 應(yīng)對(duì)識(shí)別的文本進(jìn)行自動(dòng)語(yǔ)義識(shí)別和校正，通過(guò)詞匯庫(kù)和語(yǔ)義庫(kù)對(duì)識(shí)別后文本中的字符、詞匯、語(yǔ)句自動(dòng)進(jìn)行逐層分析更正。詞匯庫(kù)和語(yǔ)義庫(kù)應(yīng)具備更新和自動(dòng)學(xué)習(xí)功能。

7.4.2 應(yīng)對(duì)候選字、拒認(rèn)字和可能有問(wèn)題的字詞、語(yǔ)句進(jìn)行標(biāo)記。

7.4.3 應(yīng)支持以人工方式對(duì)OCR成果進(jìn)行圖像與識(shí)別文字對(duì)照、修正等校正的功能，以滿足更高識(shí)別準(zhǔn)確率的特殊要求。

7.5 成果整理輸出

7.5.1 成果整理

7.5.1.1 支持按照紙質(zhì)檔案數(shù)字復(fù)制件的版式對(duì)OCR成果的段落和表格進(jìn)行版面理解與重建。重建后OCR成果的段落編排、表格樣式應(yīng)與紙質(zhì)檔案數(shù)字復(fù)制件圖像一致。

7.5.1.2 應(yīng)自動(dòng)分析、提取黨政機(jī)關(guān)公文的各公文要素，包括密級(jí)和保密期限、緊急程度、發(fā)文字號(hào)、簽發(fā)人、標(biāo)題、主送機(jī)關(guān)、正文、附件說(shuō)明、發(fā)文機(jī)關(guān)署名、成文日期、附注、附件、抄送機(jī)關(guān)等。檔案OCR成果中各公文要素位置應(yīng)與紙質(zhì)檔案數(shù)字復(fù)制件圖像一致。

7.5.1.3 應(yīng)支持調(diào)用、編輯、備份、導(dǎo)出OCR成果，支持對(duì)文字、符號(hào)的搜索等功能。

7.5.2 成果輸出

7.5.2.1 檔案OCR成果應(yīng)同時(shí)保存為純文本形式和雙層PDF／OFD文件形式。

7.5.2.2 應(yīng)以紙質(zhì)檔案的件或頁(yè)為單位輸出、保存純文本形式檔案OCR成果。純文本形式OCR成果保存規(guī)則參見(jiàn)表1：

表1 OCR成果保存規(guī)則

7.5.2.3 應(yīng)以檔號(hào)為基礎(chǔ)對(duì)純文本形式檔案OCR成果命名，命名方式的選擇應(yīng)確保檔案OCR成果

DA/T 77-2019

命名唯一性。一件檔案保存為多個(gè)檔案OCR成果文件時(shí)，應(yīng)按檔號(hào)結(jié)合OCR成果順序流水號(hào)為檔案OCR成果命名。

示例1：檔號(hào)為A001-001-0001-0001的紙質(zhì)檔案數(shù)字復(fù)制件，對(duì)應(yīng)的OCR成果文件名為A00100100010001．txt。

示例2：檔號(hào)為A001-001-0001-0002的紙質(zhì)檔案數(shù)字復(fù)制件包含收文處理單、文件正本兩個(gè)文件，對(duì)應(yīng)的OCR成果文件名分別為A00100100010002＿01．txt和 A00100100010002＿02．txt。

7.5.2.4 應(yīng)根據(jù)紙質(zhì)檔案數(shù)字復(fù)制件版式文件格式，自動(dòng)形成支持全文檢索的雙層PDF或OFD文件，方便全文檢索后對(duì)文件的閱讀。

7.5.2.5 應(yīng)支持按照檔案著錄規(guī)則和電子檔案元數(shù)據(jù)規(guī)范，自動(dòng)保存檔案OCR成果中的黨政機(jī)關(guān)公文要素。相關(guān)公文要素應(yīng)保存到數(shù)字檔案館（室）應(yīng)用系統(tǒng)數(shù)據(jù)庫(kù)。

7.5.2.6 應(yīng)支持檔案OCR成果中文簡(jiǎn)繁體的自動(dòng)轉(zhuǎn)換功能。

7.5.3 成果驗(yàn)收

7.5.3.1 應(yīng)采用計(jì)算機(jī)自動(dòng)檢驗(yàn)與人工檢驗(yàn)相結(jié)合的方式對(duì)紙質(zhì)檔案OCR成果進(jìn)行驗(yàn)收檢驗(yàn)。

7.5.3.2 驗(yàn)收檢驗(yàn)內(nèi)容包括OCR成果、提取的黨政機(jī)關(guān)公文要素、數(shù)據(jù)掛接情況、OCR工作文件和存儲(chǔ)載體等。

7.5.3.3 能夠采用計(jì)算機(jī)自動(dòng)檢驗(yàn)的項(xiàng)目應(yīng)采用計(jì)算機(jī)自動(dòng)檢驗(yàn)的方式進(jìn)行100％檢驗(yàn)，對(duì)于無(wú)法用計(jì)算機(jī)自動(dòng)檢驗(yàn)的項(xiàng)目，可根據(jù)情況以件或卷為單位采用抽檢的方式進(jìn)行人工檢驗(yàn)。抽檢比率不得低于5％。

8 檔案OCR質(zhì)量要求

8.1 識(shí)別準(zhǔn)確率

8.1.1 檔案OCR對(duì)檔案中文、數(shù)字、英文印刷體的識(shí)別準(zhǔn)確率在95％以上。

8.1.2 檔案OCR對(duì)常用簽名識(shí)別準(zhǔn)確率達(dá)到90％以上，手寫體識(shí)別準(zhǔn)確率達(dá)到80％以上。

8.2 強(qiáng)抗噪能力

8.2.1 檔案OCR應(yīng)當(dāng)具備對(duì)噪點(diǎn)的強(qiáng)抵抗能力，識(shí)別過(guò)程中能夠有效屏蔽較大程度的噪點(diǎn)干擾。

8.2.2 檔案OCR應(yīng)能準(zhǔn)確判別紙質(zhì)檔案數(shù)字復(fù)制件上的污點(diǎn)、污線、黑邊、紙張褪變斑點(diǎn)、水漬、污點(diǎn)、裝訂孔等，提高識(shí)別準(zhǔn)確率。

8.3 識(shí)別速度

8.3.1 識(shí)別速度指標(biāo)與識(shí)別準(zhǔn)確率指標(biāo)應(yīng)同時(shí)適用。

8.3.2 在主流計(jì)算機(jī)軟硬件平臺(tái)下，A4紙幅面中文識(shí)別速度不低于1000字／s，英文識(shí)別速度不低于2 000字／s。

8.4 版面還原度

8.4.1 應(yīng)實(shí)現(xiàn)復(fù)雜版面的精確還原，采用分欄技術(shù)，智能分析中文（簡(jiǎn)體、繁體）、英文字體，文、表、圖混排文本，識(shí)別后無(wú)需人工干預(yù)，自動(dòng)還原排版。

8.4.2 識(shí)別后的文檔與原導(dǎo)入圖像版面還原度應(yīng)達(dá)到90％以上。

DA/T 77-2019

9 檔案OCR成果的管理與應(yīng)用

9.1 成果管理

9.1.1 應(yīng)保持檔案OCR成果各組成要素對(duì)應(yīng)的紙質(zhì)檔案數(shù)字復(fù)制件、檔案目錄、元數(shù)據(jù)之間的邏輯層次和關(guān)聯(lián)關(guān)系。

9.1.2 以純文本形式保存的檔案OCR成果應(yīng)使用檔號(hào)作為文件名，可在存儲(chǔ)載體中以檔號(hào)為基礎(chǔ)逐級(jí)建立層次文件夾單獨(dú)保存，也可與紙質(zhì)檔案數(shù)字復(fù)制件統(tǒng)一保存。

9.1.3 支持全文檢索的雙層PDF或OFD文件可與對(duì)應(yīng)的紙質(zhì)檔案數(shù)字復(fù)制件統(tǒng)一存儲(chǔ)。數(shù)字檔案館（室）應(yīng)用系統(tǒng)應(yīng)記錄并維護(hù)不同文件版本之間的聯(lián)系。

9.1.4 檔案OCR成果文件管理權(quán)限應(yīng)與紙質(zhì)檔案數(shù)字復(fù)制件相同。

9.1.5 OCR成果應(yīng)與紙質(zhì)檔案數(shù)字復(fù)制件同步開展數(shù)據(jù)備份工作。

9.2 成果應(yīng)用

9.2.1 檔案OCR成果應(yīng)通過(guò)數(shù)字檔案館（室）應(yīng)用系統(tǒng)實(shí)現(xiàn)全文檢索，提高檔案信息檢索效率。

9.2.2 可發(fā)揮檔案OCR成果提取的歸檔信息和黨政機(jī)關(guān)公文要素的作用，輔助開展檔案自動(dòng)著錄、目錄質(zhì)量核查，以及紙質(zhì)檔案數(shù)字復(fù)制件掛接準(zhǔn)確性核查等業(yè)務(wù)工作。

9.2.3 可利用檔案OCR成果，結(jié)合數(shù)據(jù)挖掘技術(shù)開展數(shù)據(jù)分析、知識(shí)管理、詞庫(kù)建設(shè)等工作。

DA/T 77-2019

附錄A

（規(guī)范性附錄）

公文要素OCR識(shí)別要求

公文要素OCR識(shí)別要求見(jiàn)表A．1。

表A．1 公文要素OCR識(shí)別要求