檔案數字化加工中關鍵質量節點控制及其應對措施

文/王　偲　郭金光

檔案數字化加工中關鍵質量節點控制及其應對措施

文/王偲郭金光

在信息化、網絡化高速發展的今天，檔案數據外包成為檔案數字化工作的主要手段。外包工作的關鍵則是檔案數據質量。文章針對目前檔案數字化外包過程中存在的一些問題提出自己的看法，對如何保障外包檔案數據質量的幾個關鍵點進行分析，并提出了具體解決措施

近年來，各級檔案館（室）和立檔單位的檔案數字化工作一般都采用外包給數字化公司的方式，檔案館（室）則只需要按照有關標準，對數據質量進行檢查驗收，合格后在數字檔案館應用系統進行掛接，數字檔案即可進入利用環節。但由于種種原因，數字化檔案的質量控制問題一直困擾著檔案館（室），如目錄數據不完善甚至出錯，目錄數據和數字化原文不匹配等等，導致在利用過程中檢索準確性差、效率低下等問題。解決這些問題，需要檔案部門參照相關標準，從源頭上控制，從而減少錯誤出現。

一、檔案數字化加工過程中存在問題

檔案數字化按照流程通常分為檔案整理、目錄建庫、數據采集、數據處理、數據質檢、數據掛接、數據驗收等7個子環節，如下環節易出現差錯。

1、檔案整理不規范。檔案頁號編寫重復或不連續，導致掃描圖像名稱與頁號不符，文件編寫頁號與其圖像總數不相符。此差錯出現頻率較高，且在質檢中不易被發現。

2、圖像處理不達標。掃描分辨率低，圖像處理失真、變形、傾斜、不完整等問題，對于大幅面檔案采用分幅掃描后需進行圖像拼接的圖片命名不規范。

3、目錄建庫不完善。目錄數據著錄項目不完整或錯誤，合成PDF文件后檔號命名不規范，導致無法與對應的目錄數據掛接。

二、產生問題的原因

1、建章立制不夠完善。一是掃描質量要求不高?！都堎|檔案數字化技術規范》中規定：“需要進行OCR漢字識別的檔案，掃描分辨率建議選擇大于或等于200dp i”，筆者在實際操作中，對200dp i、300dpi、500dp i的圖片進行了對比，結果顯示dp i值越高，圖片清晰度越高，OCR識別效果越好，存儲空間越大。但是掃描、合成PDF、OCR識別等各個環節效率降低，成本增加。而當掃描分辨率為300dp i時，圖像效果、儲存空間和工作效率較為科學，不失為一種比較好的選擇，這就需要在決策層面上與時俱進。二是制度規范不完善。應該制定和完善《現場管理制度》《保密制度》《設備使用制度》等制度規范，以制度管人管事。

2、管理不夠科學。一是專業掃描公司為了節約成本，提高效率，往往忽視了各個環節的規范化操作要求，甚至對一些圖片進行“批量”處理，忽略了各個圖像的個性差異。二是沒有嚴格按照操作流程操作。各工作環節協作缺失，沒有對上一環節進行檢查，比如一卷檔案頁號出現漏編或者重復，圖像掃描時就會漏掃或對一頁檔案重復掃描，出現類似錯誤不可避免，所以在合成PDF時如果不對前面兩環節進行核查，此后很難發現和糾正錯誤。

3、人員素質原因。檔案數字化工作人員除了要具備計算機基礎知識和檔案業務知識外，還需要較強的耐心和責任心，而人員素質千差萬別，尤其是在工作量和勞動強度較大的情況下，這一問題尤為突出。

三、嚴把檔案數字化加工各環節

環節一：檔案整理。檔案整理是一項基礎性工作，整理規范化、標準化有利于今后查閱利用。應在檔案數字化加工之前，嚴格按照檔案整理有關規則規范整理。對沒有編頁或編頁不規范的檔案使用2B鉛筆重新進行編頁，編頁位置應在檔案頁面的底端中部編寫頁號，編頁不應壓蓋檔案內容，當頁面底端中部已有頁號時，應將原頁號用鉛筆劃去以示區分，編頁方法為阿拉伯數字從“1”開始依次編寫頁號，應保證每卷或每件頁號編寫的連續性。編頁碼時要從方便掃描的原則出發，如用膠水粘貼的檔案在不破壞頁面的前提下盡可能分成單頁，合格證、發票、介紹信等不規則紙張均要編頁碼，使之掃描為一個完整頁面，編頁碼環節也要逐卷登記，要素包括全宗號、目錄號、保管期限、案卷號，原有頁碼，現有頁碼，有無卷內目錄等，以便出錯時檢查有依據。

環節二：檔案掃描。掃描儀分辨率設置為300dpi、24位真彩色格式，圖像命名按三位數字，如001、002……的次序依次命名。一是掃描時盡量保持紙張端正、平整，減輕圖形處理壓力，按照所編頁碼，逐頁掃描檔案，對產生的圖像依次命名，確保頁面上編寫的頁碼等同于掃描圖片的名稱。二是對于大幅面檔案采用分幅掃描后需進行拼接的圖像分幅掃描時，應使各分幅尺寸相近、技術參數一致，相鄰圖像之間必須有部分重疊，重疊面積應達到各分幅面積的5%以上，分副圖像應分別命名為該頁“頁號+后綴字母或.數字”，確保不占用其他頁號，如頁號為006的頁面掃描時產生三幅圖像，為防止圖像命名混淆和在拼接時便于識別，命名為006A，006B，006C或者006.1，006.2，006.3。三是掃描環節時檢查檔案整理，尤其是頁碼編寫正確與否，杜絕返工的關鍵環節，若發現檔案整理不達標，存在頁碼漏編、重編問題，要及時更正錯誤再進行掃描，達到檔案實體和電子文件一一對應，為合成PDF掃清障礙。

環節三：圖像處理。一是方向調整。應對方向不正確的圖像進行旋轉還原，具體方向按照閱讀習慣、文字端正原則而定。二是糾偏，對偏斜的圖像進行糾偏處理，以達到視覺上基本感覺不偏斜為準，偏斜不宜超過3度。三是去污。應對在掃描過程中產生的污線、污點、黑邊等影響圖像質量的雜質進行去污處理。去污過程中，不能刪除檔案內容信息。四是圖像拼接，對大幅面的檔案進行分幅掃描后形成的多幅圖像，應進行拼接處理，合并為一個完整的圖像，拼接時應確保拼接處平滑地融合，拼接后整幅圖像無明顯拼接痕跡，完成拼接的圖片按照頁號命名。

環節四：文件命名及目錄建庫。圖像處理完成后，合成的PDF文件以檔號命名保存。合成PDF時，要翻閱紙質檔案認真核對目錄數據中的每一項內容，對和紙質檔案不一致的目錄數據進行修改、添加或刪除。在修改目錄時，注意批復類檔案應該和報告合并作為一條而無需補充著錄。

環節五：OCR識別。OCR識別后的雙層PDF因同時兼顧視覺效果和檢索便捷性，極大地方便了電子文件的管理?，F階段主要通過 AdobeAcrobatXIPro軟件進行識別，識別采取批量識別和單個識別結合的方法，即批量識別遇到障礙后，對此文件進行單個識別，再對之后的批量識別。通過觀察縮略圖，可以對圖紙、手寫（如會議記錄）等識別效率低下的檔案不識別，以提高工作效率。

環節六：數據質檢。一是要特別注意檔案數字化過程中全宗、目錄、案卷等檔案組成單位的完整性，不宜進行隨意分割，不應因為一個全宗年代久遠紙質較差不方便掃描而只抽取便于掃描的部分數字化，從而破壞檔案的整體價值。二是圖像質量檢查，對掃描處理后的圖像是否清晰、完整進行檢查，遺漏的應進行補掃，不符合質量要求的圖像，重新進行處理或重掃。三是應對目錄數據庫著錄項目的完整性、著錄內容的規范性進行檢查，對質量不合格的目錄數據進行修改或重新著錄。對PDF文件的檢查要注意幾個等量關系，即PDF文件數量要等于目錄條目數量，掃描頁面數量等于編寫頁碼數量并且等于檔案目錄中條目頁數的累計值，如果上述等量關系不成立，則之前某一環節出錯，需要倒查，修改，還可以通過觀察縮略圖糾錯，因為一份檔案首頁和其他頁有著明顯的區別，可以大致作一判斷。

檔案數據資源是數字檔案館建設的核心內容，科學嚴謹的工作流程是檔案數字化加工的基礎，加強管理是解決數據質量問題的重要措施，工作人員的責任心和業務素質更是保證工作質量和效率的關鍵，對今后檔案保存、查閱、利用尤為重要。作為一名蘭臺人，應該肩負起工作使命，不管是自行開展檔案數字化加工還是外包給企業實施，都應本著對歷史負責的態度，把好檔案數字化制作的每一個關口，控制好關鍵質量節點，從結果控制向過程控制轉變，確保數據信息無錯誤，真正做到為歷史負責，為現實服務，替未來著想。

（作者單位：漢中市農業科學研究所漢中市檔案局）