【摘 要】本文介紹文檔數(shù)字化過程中的一種實(shí)際情況的處理過程和方法，主要是依托條形碼技術(shù)和信息管理系統(tǒng)，對具有不同規(guī)格紙張的文件進(jìn)行分拆掃描、在信息管理系統(tǒng)中實(shí)現(xiàn)掃描電子文件自動(dòng)識別、自動(dòng)拼接和系統(tǒng)自動(dòng)上載等。

【關(guān)鍵詞】條形碼；文檔數(shù)字化；信息管理系統(tǒng)；掃描；電子文件

引言

文檔數(shù)字化是企業(yè)檔案管理工作中不可避免的過程和環(huán)節(jié)，它是建設(shè)數(shù)字檔案館最基礎(chǔ)的工作。文檔數(shù)字化有機(jī)器掃描、縮微轉(zhuǎn)換、人工錄入等多種途徑，其中通過機(jī)器掃描是紙質(zhì)文件數(shù)字化最常見的手段。紙張規(guī)格單一、規(guī)范化的文件在掃描過程中操作簡單，需花費(fèi)的人力較少。當(dāng)文件中存在不同規(guī)格的紙張的時(shí)候，操作過程將非常繁瑣，差錯(cuò)率較高。在企業(yè)文檔數(shù)字化過程中，大量的文件和報(bào)告中含有不同規(guī)格的紙張，一份文件中既包含有A4幅面的大量文字信息，還包含A1，A2，A3，甚至包含A0等不同頁面規(guī)格的圖紙，這些不同規(guī)格尺寸的文件給掃描工作帶來較大的難度。操作人員往往需要把文件分拆，對不同規(guī)格的紙張分別進(jìn)行掃描，然后再將掃描電子文件按前后順序進(jìn)行拼接合并。無論是文件分拆、掃描、拼接，還是最終的掃描文件質(zhì)量檢查，其工作量都非常大，容易產(chǎn)生人為錯(cuò)誤，從而影響最終掃描文件的質(zhì)量。

本項(xiàng)目的研究思路是通過將條形碼技術(shù)植入文件掃描和系統(tǒng)管理過程，對紙質(zhì)文件進(jìn)行分拆掃描，自動(dòng)拼接，系統(tǒng)識別上載，實(shí)現(xiàn)對紙質(zhì)文件掃描、電子文件上載過程的自動(dòng)控制，提高紙質(zhì)文件掃描和掃描電子文件上載的效率，實(shí)現(xiàn)無差錯(cuò)管理。

1.系統(tǒng)分析

本項(xiàng)目的關(guān)鍵技術(shù)涉及兩方面內(nèi)容，一是條形碼技術(shù)的應(yīng)用，二是系統(tǒng)開發(fā)。條形碼技術(shù)應(yīng)用包括條形碼技術(shù)的系統(tǒng)植入，以及根據(jù)實(shí)際情況對實(shí)體文件進(jìn)行分拆處理。由于文件紙張規(guī)格的不同，必須對待掃描文件進(jìn)行分拆，才能進(jìn)行掃描。如果在文件被分拆之前植入條形碼，通過條形碼在被分拆文件的各個(gè)部分之間、掃描電子文件與系統(tǒng)著錄信息之間建立關(guān)聯(lián)，系統(tǒng)就可以通過識別條形碼，來實(shí)現(xiàn)各部分掃描電子文件之間的精確識別、排序。同時(shí)，條形碼也可以作為掃描電子文件最終實(shí)現(xiàn)自動(dòng)拼接和自動(dòng)上載的依據(jù)。條形碼的植入可通過系統(tǒng)打印，人工粘貼的方式植入到待掃描文件的固定位置。

在系統(tǒng)開發(fā)方面，需要在系統(tǒng)實(shí)現(xiàn)以文件數(shù)據(jù)為依據(jù)生成條形碼，系統(tǒng)中條目信息與掃描電子文件的無縫對接，實(shí)現(xiàn)系統(tǒng)識別電子文件，自動(dòng)拼接電子文件，自動(dòng)上載電子文件等功能。將人工從繁瑣的電子文件檢查、拼接、上載過程中解放出來，提高工作效率。根據(jù)業(yè)務(wù)工作實(shí)際情況，系統(tǒng)的業(yè)務(wù)流程圖如圖1所示。

以上業(yè)務(wù)流程中，①文件檢查、③文件植入條形碼、④掃描、⑦電子文件檢查、⑧問題文件處理等五個(gè)業(yè)務(wù)步驟是需要人工干預(yù)的流程，②生成條形碼、⑤文件拼接、⑥電子文件與系統(tǒng)條目對接、⑨電子文件上載則完全由系統(tǒng)自動(dòng)實(shí)現(xiàn)。其中⑤⑨這兩部分是文檔數(shù)字化過程中業(yè)務(wù)量最為繁重的步驟，現(xiàn)在都由系統(tǒng)功能替代人工操作來完成。

2.技術(shù)方案

2.1條形碼方案

條形碼是在被分拆文件的不同部分之間，掃描電子文件與系統(tǒng)三者之間建立聯(lián)系的紐帶，在文件拆分時(shí)，其實(shí)現(xiàn)過程如下：

在文件檢查階段，以實(shí)體文件的紙張規(guī)格為依據(jù)，人工對實(shí)體文件進(jìn)行分拆，為不同規(guī)格紙張的首頁賦予一個(gè)條形碼，人工檢查確定文件需要被拆分的部分?jǐn)?shù)。系統(tǒng)以記錄為依據(jù)，為每一個(gè)記錄生成一個(gè)條形碼。根據(jù)實(shí)體文件的拆分情況，人工進(jìn)行條形碼分拆，條形碼拆分的個(gè)數(shù)與實(shí)體文件拆分的部分?jǐn)?shù)相同，這樣就可以給被拆分文件的每一部分賦予一個(gè)條形碼。例如：W文件中間有三張頁碼連續(xù)的A1規(guī)格的圖紙，其余均為A4規(guī)格的紙張。該文件因?yàn)榧垙堃?guī)格和前后順序不同，需要被拆分為三部分，三張頁碼連續(xù)的A1規(guī)格的圖紙賦予一個(gè)條形碼，圖紙前后的A4規(guī)格紙張各賦予一個(gè)條形碼，共3個(gè)條形碼。系統(tǒng)把賦予該文件的條形碼分成1/3，2/3，3/3三部分，按順序分別賦予給文件的三部分。在系統(tǒng)生成條形碼時(shí)，根據(jù)實(shí)體文件的實(shí)際情況，在數(shù)據(jù)庫中人工輸入文件分拆的總部分?jǐn)?shù)是3，把條形碼分成3部分并打印。在系統(tǒng)中顯示情況如圖1。

條形碼被打印出來，人工粘貼到文件相應(yīng)部分首頁的固定位置，就可以進(jìn)行文件掃描。這樣掃描電子文件每一部分的首頁都附上相應(yīng)的條形碼。至此，系統(tǒng)記錄與電子文件均具有相同的條形碼，電子文件的條形碼植入業(yè)已實(shí)現(xiàn)。

2.2系統(tǒng)開發(fā)

系統(tǒng)開發(fā)需要實(shí)現(xiàn)條形碼分拆（見上述條形碼方案），通過識別條形碼實(shí)現(xiàn)電子文件拼接，以及電子文件自動(dòng)上載等功能。

實(shí)體文件分拆掃描后，存放在固定位置。為實(shí)現(xiàn)電子文件拼接，系統(tǒng)定期檢查指定目錄下的電子文件，根據(jù)數(shù)據(jù)庫中電子文件的總部分?jǐn)?shù)，以及位于文件首頁固定位置條形碼分拆順序號，將具有相同條形碼的多個(gè)電子文件按順序合并成一個(gè)邏輯單元（電子文件），實(shí)現(xiàn)電子文件拼接合并的任務(wù)。至此，被分拆掃描的實(shí)體文件被重新合并成與實(shí)體文件完全一致的、完整的電子文件，并由系統(tǒng)按既定規(guī)則命名，轉(zhuǎn)移至另一固定位置，供系統(tǒng)上載。電子文件命名規(guī)則也被設(shè)計(jì)為系統(tǒng)識別和上載電子文件的依據(jù)，以作為條形碼識為的補(bǔ)充。

電子文件自動(dòng)上載階段，系統(tǒng)讀取固定位置的、規(guī)則命名的電子文件，將電子文件按條形碼與數(shù)據(jù)庫中對應(yīng)的文件記錄建立關(guān)聯(lián)關(guān)系，實(shí)現(xiàn)拼接后的完整電子文件與系統(tǒng)記錄對接，并自動(dòng)上載電子文件到數(shù)據(jù)庫中相應(yīng)的記錄，更新數(shù)據(jù)庫中的記錄狀態(tài)為“掛接完成”。

結(jié)論

從實(shí)際情況看，本項(xiàng)目的實(shí)施效果完全達(dá)到并超出系統(tǒng)當(dāng)初的設(shè)計(jì)目標(biāo)：

①條形碼識別率達(dá)90%。植入條形碼后，電子文件的系統(tǒng)掃描識別率達(dá)到90%，即90%的文件可完全由系統(tǒng)識別，實(shí)現(xiàn)自動(dòng)拼接和自動(dòng)上載。對于系統(tǒng)不能識別的文件，通過人工檢查，手動(dòng)完成拼接并按既定規(guī)則命名后，仍可以通過系統(tǒng)自動(dòng)上載至數(shù)據(jù)庫。

②人力成本節(jié)省30%。經(jīng)過統(tǒng)計(jì)，與全人工操作實(shí)現(xiàn)文件拼接與電子文件上載相比較，該項(xiàng)目的實(shí)施可節(jié)省30%的人力。人工操作階段，大量的人力集中在兩個(gè)階段，一是掃描工作需要花費(fèi)人力確保掃描順序不能倒置。植入條形碼之后則可以隨機(jī)掃描，由系統(tǒng)識別文件的頁碼順序。二是花費(fèi)大量的人力進(jìn)行電子文件拼接。在這個(gè)過程中需要人工打開電子文件，識別文件順序，然后再進(jìn)行文件拼接，三個(gè)步驟都耗費(fèi)大量時(shí)間?，F(xiàn)在這兩個(gè)階段的80%工作由系統(tǒng)自動(dòng)完成，與方案實(shí)施前相比較，人工只需承擔(dān)以前20%的工作量。

③電子文件的良品率實(shí)現(xiàn)提升。實(shí)施條形碼技術(shù)方案以后，由于人力資源從以前的實(shí)體文件掃描，掃描電子文件拼接等環(huán)節(jié)轉(zhuǎn)移到文件檢查環(huán)節(jié)，實(shí)體文件的檢查效果與電子文件的檢查效果都較項(xiàng)目實(shí)施前有明顯提高，電子文件的良品率從92%提高至98%，項(xiàng)目實(shí)施效果非常明顯。

參考文獻(xiàn)：

王崇、高洪波、楊帆：信息時(shí)代網(wǎng)絡(luò)媒介對檔案服務(wù)的影響研究.蘭臺世界.2014年第32期

耽文欣：基于文字特征的文檔碎片拼接復(fù)原研究. 焦作大學(xué)學(xué)報(bào).2014年第5期

陽誠海 陳開 許華虎 何永義：基于分類特征提取的手部動(dòng)作識別方法的研究及應(yīng)用.計(jì)算機(jī)應(yīng)用與軟件2011 年第28 卷第6 期

作者簡介：王崇，1971年10月，男，漢族，籍貫湖北英山，武漢大學(xué)雙學(xué)位，副研究館員 研究方向：信息技術(shù)應(yīng)用和企業(yè)信息安全。現(xiàn)就職于深圳中廣核工程設(shè)計(jì)有限公司。曾在《蘭臺世界》、《情報(bào)理論與實(shí)踐》、《中國信息導(dǎo)報(bào)》發(fā)表多篇論文。