文/王　偲　郭金光

檔案數(shù)字化加工中關(guān)鍵質(zhì)量節(jié)點(diǎn)控制及其應(yīng)對(duì)措施

文/王偲郭金光

在信息化、網(wǎng)絡(luò)化高速發(fā)展的今天，檔案數(shù)據(jù)外包成為檔案數(shù)字化工作的主要手段。外包工作的關(guān)鍵則是檔案數(shù)據(jù)質(zhì)量。文章針對(duì)目前檔案數(shù)字化外包過(guò)程中存在的一些問(wèn)題提出自己的看法，對(duì)如何保障外包檔案數(shù)據(jù)質(zhì)量的幾個(gè)關(guān)鍵點(diǎn)進(jìn)行分析，并提出了具體解決措施

近年來(lái)，各級(jí)檔案館（室）和立檔單位的檔案數(shù)字化工作一般都采用外包給數(shù)字化公司的方式，檔案館（室）則只需要按照有關(guān)標(biāo)準(zhǔn)，對(duì)數(shù)據(jù)質(zhì)量進(jìn)行檢查驗(yàn)收，合格后在數(shù)字檔案館應(yīng)用系統(tǒng)進(jìn)行掛接，數(shù)字檔案即可進(jìn)入利用環(huán)節(jié)。但由于種種原因，數(shù)字化檔案的質(zhì)量控制問(wèn)題一直困擾著檔案館（室），如目錄數(shù)據(jù)不完善甚至出錯(cuò)，目錄數(shù)據(jù)和數(shù)字化原文不匹配等等，導(dǎo)致在利用過(guò)程中檢索準(zhǔn)確性差、效率低下等問(wèn)題。解決這些問(wèn)題，需要檔案部門參照相關(guān)標(biāo)準(zhǔn)，從源頭上控制，從而減少錯(cuò)誤出現(xiàn)。

一、檔案數(shù)字化加工過(guò)程中存在問(wèn)題

檔案數(shù)字化按照流程通常分為檔案整理、目錄建庫(kù)、數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)質(zhì)檢、數(shù)據(jù)掛接、數(shù)據(jù)驗(yàn)收等7個(gè)子環(huán)節(jié)，如下環(huán)節(jié)易出現(xiàn)差錯(cuò)。

1、檔案整理不規(guī)范。檔案頁(yè)號(hào)編寫重復(fù)或不連續(xù)，導(dǎo)致掃描圖像名稱與頁(yè)號(hào)不符，文件編寫頁(yè)號(hào)與其圖像總數(shù)不相符。此差錯(cuò)出現(xiàn)頻率較高，且在質(zhì)檢中不易被發(fā)現(xiàn)。

2、圖像處理不達(dá)標(biāo)。掃描分辨率低，圖像處理失真、變形、傾斜、不完整等問(wèn)題，對(duì)于大幅面檔案采用分幅掃描后需進(jìn)行圖像拼接的圖片命名不規(guī)范。

3、目錄建庫(kù)不完善。目錄數(shù)據(jù)著錄項(xiàng)目不完整或錯(cuò)誤，合成PDF文件后檔號(hào)命名不規(guī)范，導(dǎo)致無(wú)法與對(duì)應(yīng)的目錄數(shù)據(jù)掛接。

二、產(chǎn)生問(wèn)題的原因

1、建章立制不夠完善。一是掃描質(zhì)量要求不高?！都堎|(zhì)檔案數(shù)字化技術(shù)規(guī)范》中規(guī)定：“需要進(jìn)行OCR漢字識(shí)別的檔案，掃描分辨率建議選擇大于或等于200dp i”，筆者在實(shí)際操作中，對(duì)200dp i、300dpi、500dp i的圖片進(jìn)行了對(duì)比，結(jié)果顯示dp i值越高，圖片清晰度越高，OCR識(shí)別效果越好，存儲(chǔ)空間越大。但是掃描、合成PDF、OCR識(shí)別等各個(gè)環(huán)節(jié)效率降低，成本增加。而當(dāng)掃描分辨率為300dp i時(shí)，圖像效果、儲(chǔ)存空間和工作效率較為科學(xué)，不失為一種比較好的選擇，這就需要在決策層面上與時(shí)俱進(jìn)。二是制度規(guī)范不完善。應(yīng)該制定和完善《現(xiàn)場(chǎng)管理制度》《保密制度》《設(shè)備使用制度》等制度規(guī)范，以制度管人管事。

2、管理不夠科學(xué)。一是專業(yè)掃描公司為了節(jié)約成本，提高效率，往往忽視了各個(gè)環(huán)節(jié)的規(guī)范化操作要求，甚至對(duì)一些圖片進(jìn)行“批量”處理，忽略了各個(gè)圖像的個(gè)性差異。二是沒(méi)有嚴(yán)格按照操作流程操作。各工作環(huán)節(jié)協(xié)作缺失，沒(méi)有對(duì)上一環(huán)節(jié)進(jìn)行檢查，比如一卷檔案頁(yè)號(hào)出現(xiàn)漏編或者重復(fù)，圖像掃描時(shí)就會(huì)漏掃或?qū)σ豁?yè)檔案重復(fù)掃描，出現(xiàn)類似錯(cuò)誤不可避免，所以在合成PDF時(shí)如果不對(duì)前面兩環(huán)節(jié)進(jìn)行核查，此后很難發(fā)現(xiàn)和糾正錯(cuò)誤。

3、人員素質(zhì)原因。檔案數(shù)字化工作人員除了要具備計(jì)算機(jī)基礎(chǔ)知識(shí)和檔案業(yè)務(wù)知識(shí)外，還需要較強(qiáng)的耐心和責(zé)任心，而人員素質(zhì)千差萬(wàn)別，尤其是在工作量和勞動(dòng)強(qiáng)度較大的情況下，這一問(wèn)題尤為突出。

三、嚴(yán)把檔案數(shù)字化加工各環(huán)節(jié)

環(huán)節(jié)一：檔案整理。檔案整理是一項(xiàng)基礎(chǔ)性工作，整理規(guī)范化、標(biāo)準(zhǔn)化有利于今后查閱利用。應(yīng)在檔案數(shù)字化加工之前，嚴(yán)格按照檔案整理有關(guān)規(guī)則規(guī)范整理。對(duì)沒(méi)有編頁(yè)或編頁(yè)不規(guī)范的檔案使用2B鉛筆重新進(jìn)行編頁(yè)，編頁(yè)位置應(yīng)在檔案頁(yè)面的底端中部編寫頁(yè)號(hào)，編頁(yè)不應(yīng)壓蓋檔案內(nèi)容，當(dāng)頁(yè)面底端中部已有頁(yè)號(hào)時(shí)，應(yīng)將原頁(yè)號(hào)用鉛筆劃去以示區(qū)分，編頁(yè)方法為阿拉伯?dāng)?shù)字從“1”開(kāi)始依次編寫頁(yè)號(hào)，應(yīng)保證每卷或每件頁(yè)號(hào)編寫的連續(xù)性。編頁(yè)碼時(shí)要從方便掃描的原則出發(fā)，如用膠水粘貼的檔案在不破壞頁(yè)面的前提下盡可能分成單頁(yè)，合格證、發(fā)票、介紹信等不規(guī)則紙張均要編頁(yè)碼，使之掃描為一個(gè)完整頁(yè)面，編頁(yè)碼環(huán)節(jié)也要逐卷登記，要素包括全宗號(hào)、目錄號(hào)、保管期限、案卷號(hào)，原有頁(yè)碼，現(xiàn)有頁(yè)碼，有無(wú)卷內(nèi)目錄等，以便出錯(cuò)時(shí)檢查有依據(jù)。

環(huán)節(jié)二：檔案掃描。掃描儀分辨率設(shè)置為300dpi、24位真彩色格式，圖像命名按三位數(shù)字，如001、002……的次序依次命名。一是掃描時(shí)盡量保持紙張端正、平整，減輕圖形處理壓力，按照所編頁(yè)碼，逐頁(yè)掃描檔案，對(duì)產(chǎn)生的圖像依次命名，確保頁(yè)面上編寫的頁(yè)碼等同于掃描圖片的名稱。二是對(duì)于大幅面檔案采用分幅掃描后需進(jìn)行拼接的圖像分幅掃描時(shí)，應(yīng)使各分幅尺寸相近、技術(shù)參數(shù)一致，相鄰圖像之間必須有部分重疊，重疊面積應(yīng)達(dá)到各分幅面積的5%以上，分副圖像應(yīng)分別命名為該頁(yè)“頁(yè)號(hào)+后綴字母或.數(shù)字”，確保不占用其他頁(yè)號(hào)，如頁(yè)號(hào)為006的頁(yè)面掃描時(shí)產(chǎn)生三幅圖像，為防止圖像命名混淆和在拼接時(shí)便于識(shí)別，命名為006A，006B，006C或者006.1，006.2，006.3。三是掃描環(huán)節(jié)時(shí)檢查檔案整理，尤其是頁(yè)碼編寫正確與否，杜絕返工的關(guān)鍵環(huán)節(jié)，若發(fā)現(xiàn)檔案整理不達(dá)標(biāo)，存在頁(yè)碼漏編、重編問(wèn)題，要及時(shí)更正錯(cuò)誤再進(jìn)行掃描，達(dá)到檔案實(shí)體和電子文件一一對(duì)應(yīng)，為合成PDF掃清障礙。

環(huán)節(jié)三：圖像處理。一是方向調(diào)整。應(yīng)對(duì)方向不正確的圖像進(jìn)行旋轉(zhuǎn)還原，具體方向按照閱讀習(xí)慣、文字端正原則而定。二是糾偏，對(duì)偏斜的圖像進(jìn)行糾偏處理，以達(dá)到視覺(jué)上基本感覺(jué)不偏斜為準(zhǔn)，偏斜不宜超過(guò)3度。三是去污。應(yīng)對(duì)在掃描過(guò)程中產(chǎn)生的污線、污點(diǎn)、黑邊等影響圖像質(zhì)量的雜質(zhì)進(jìn)行去污處理。去污過(guò)程中，不能刪除檔案內(nèi)容信息。四是圖像拼接，對(duì)大幅面的檔案進(jìn)行分幅掃描后形成的多幅圖像，應(yīng)進(jìn)行拼接處理，合并為一個(gè)完整的圖像，拼接時(shí)應(yīng)確保拼接處平滑地融合，拼接后整幅圖像無(wú)明顯拼接痕跡，完成拼接的圖片按照頁(yè)號(hào)命名。

環(huán)節(jié)四：文件命名及目錄建庫(kù)。圖像處理完成后，合成的PDF文件以檔號(hào)命名保存。合成PDF時(shí)，要翻閱紙質(zhì)檔案認(rèn)真核對(duì)目錄數(shù)據(jù)中的每一項(xiàng)內(nèi)容，對(duì)和紙質(zhì)檔案不一致的目錄數(shù)據(jù)進(jìn)行修改、添加或刪除。在修改目錄時(shí)，注意批復(fù)類檔案應(yīng)該和報(bào)告合并作為一條而無(wú)需補(bǔ)充著錄。

環(huán)節(jié)五：OCR識(shí)別。OCR識(shí)別后的雙層PDF因同時(shí)兼顧視覺(jué)效果和檢索便捷性，極大地方便了電子文件的管理。現(xiàn)階段主要通過(guò) AdobeAcrobatXIPro軟件進(jìn)行識(shí)別，識(shí)別采取批量識(shí)別和單個(gè)識(shí)別結(jié)合的方法，即批量識(shí)別遇到障礙后，對(duì)此文件進(jìn)行單個(gè)識(shí)別，再對(duì)之后的批量識(shí)別。通過(guò)觀察縮略圖，可以對(duì)圖紙、手寫（如會(huì)議記錄）等識(shí)別效率低下的檔案不識(shí)別，以提高工作效率。

環(huán)節(jié)六：數(shù)據(jù)質(zhì)檢。一是要特別注意檔案數(shù)字化過(guò)程中全宗、目錄、案卷等檔案組成單位的完整性，不宜進(jìn)行隨意分割，不應(yīng)因?yàn)橐粋€(gè)全宗年代久遠(yuǎn)紙質(zhì)較差不方便掃描而只抽取便于掃描的部分?jǐn)?shù)字化，從而破壞檔案的整體價(jià)值。二是圖像質(zhì)量檢查，對(duì)掃描處理后的圖像是否清晰、完整進(jìn)行檢查，遺漏的應(yīng)進(jìn)行補(bǔ)掃，不符合質(zhì)量要求的圖像，重新進(jìn)行處理或重掃。三是應(yīng)對(duì)目錄數(shù)據(jù)庫(kù)著錄項(xiàng)目的完整性、著錄內(nèi)容的規(guī)范性進(jìn)行檢查，對(duì)質(zhì)量不合格的目錄數(shù)據(jù)進(jìn)行修改或重新著錄。對(duì)PDF文件的檢查要注意幾個(gè)等量關(guān)系，即PDF文件數(shù)量要等于目錄條目數(shù)量，掃描頁(yè)面數(shù)量等于編寫頁(yè)碼數(shù)量并且等于檔案目錄中條目頁(yè)數(shù)的累計(jì)值，如果上述等量關(guān)系不成立，則之前某一環(huán)節(jié)出錯(cuò)，需要倒查，修改，還可以通過(guò)觀察縮略圖糾錯(cuò)，因?yàn)橐环輽n案首頁(yè)和其他頁(yè)有著明顯的區(qū)別，可以大致作一判斷。

檔案數(shù)據(jù)資源是數(shù)字檔案館建設(shè)的核心內(nèi)容，科學(xué)嚴(yán)謹(jǐn)?shù)墓ぷ髁鞒淌菣n案數(shù)字化加工的基礎(chǔ)，加強(qiáng)管理是解決數(shù)據(jù)質(zhì)量問(wèn)題的重要措施，工作人員的責(zé)任心和業(yè)務(wù)素質(zhì)更是保證工作質(zhì)量和效率的關(guān)鍵，對(duì)今后檔案保存、查閱、利用尤為重要。作為一名蘭臺(tái)人，應(yīng)該肩負(fù)起工作使命，不管是自行開(kāi)展檔案數(shù)字化加工還是外包給企業(yè)實(shí)施，都應(yīng)本著對(duì)歷史負(fù)責(zé)的態(tài)度，把好檔案數(shù)字化制作的每一個(gè)關(guān)口，控制好關(guān)鍵質(zhì)量節(jié)點(diǎn)，從結(jié)果控制向過(guò)程控制轉(zhuǎn)變，確保數(shù)據(jù)信息無(wú)錯(cuò)誤，真正做到為歷史負(fù)責(zé)，為現(xiàn)實(shí)服務(wù)，替未來(lái)著想。

（作者單位：漢中市農(nóng)業(yè)科學(xué)研究所漢中市檔案局）