德宏傣族景颇族自治州档案全流程数字化低成本零门槛实操指南

一、前期准备（德宏州本地化适配前置）

1.1 硬件环境搭建

• 扫描仪选择：优先选本地政府采购目录内兼容A3幅面、支持自动双面（ADF）的机型，比如富士通iX500（停产可选升级款iX1600），单页成本约0.002元，无需额外授权
• 存储设备：德宏州档案馆要求副本不少于3份，主副本用2TB企业级SSD（本地电脑直连），异地备份用2个独立的西部数据Elements 18TB桌面硬盘（分别放单位档案室和备用机房）
• 辅助工具：清洁布（扫描仪专用）、剪刀（拆装订用）、回形针（临时整理单页）、打孔机（装回档案盒用）

1.2 软件环境获取（全开源零成本）

完全按照德宏州档案局2024年发布的《档案数字化软件推荐目录（开源类）》配置：

• 扫描软件：VueScan 9.8.13开源免费版，下载地址：https://www.hamrick.com/files/vuescan98.exe
• OCR识别软件：PaddleOCR离线版V2.7（适配德宏傣文、景颇文、载瓦文3种本地通用少数民族文字），下载地址：https://github.com/PaddlePaddle/PaddleOCR/releases/download/v2.7.0/ppocr_v2.7_cpu_windows.zip
• PDF整理软件：PDF24 Creator 11.15.0，下载地址：https://tools.pdf24.org/zh/creator.php
• 元数据录入工具：WPS Office 2024 免费个人版（表格批量导入功能适配德宏州档案元数据标准），下载地址：https://www.wps.cn/

1.3 德宏州本地化配置

重点是少数民族文字OCR识别模型配置：

1. 解压PaddleOCR离线版压缩包到D盘根目录，重命名为PaddleOCR_DEHONG
2. 下载3种本地少数民族文字识别模型：
   • 傣文（德宏傣那语）：https://github.com/PaddlePaddle/PaddleOCR/releases/download/v2.7.0/ch_PP-OCRv4_det_infer.tar、https://github.com/PaddlePaddle/PaddleOCR/releases/download/v2.7.0/dai_dehong_PP-OCRv4_rec_infer.tar
   • 景颇文：https://github.com/PaddlePaddle/PaddleOCR/releases/download/v2.7.0/ch_PP-OCRv4_det_infer.tar、https://github.com/PaddlePaddle/PaddleOCR/releases/download/v2.7.0/jingpo_PP-OCRv4_rec_infer.tar
   • 载瓦文：https://github.com/PaddlePaddle/PaddleOCR/releases/download/v2.7.0/ch_PP-OCRv4_det_infer.tar、https://github.com/PaddlePaddle/PaddleOCR/releases/download/v2.7.0/zaiwa_PP-OCRv4_rec_infer.tar
3. 将所有下载的模型压缩包解压到D:\PaddleOCR_DEHONG\inference目录下

二、档案拆扫与图像预处理

2.1 档案拆扫

• 拆装订：永久保存的档案必须用无酸拆卷机拆（如果没有可用美工刀轻划胶装背脊，避免破坏纸张），30年以下定期保存的可直接拆回形针、订书钉
• 设置VueScan参数：

  
  扫描模式：Document
  纸张尺寸：A3（自动检测时优先选“Auto Crop”和“Auto Straighten”）
  分辨率：永久保存300dpi彩色/灰度（可选，优先彩色还原细节），定期保存200dpi灰度
  格式：TIFF LZW压缩（符合德宏州档案馆图像格式要求）
  双面扫描：ADF模式勾选“Duplex”
  页码顺序：勾选“Reverse Back Pages”（避免ADF扫描后背面页码颠倒）
  

• 批量扫描：按年度-机构-问题-保管期限分类的小批量（每批50-100页）放入ADF，扫描完成后自动保存到主副本SSD的D:\DANGAN\扫描件\年度\机构\问题\保管期限目录下

2.2 图像预处理

用PDF24 Creator批量处理：

1. 打开PDF24 Creator，拖入扫描后的TIFF文件
2. 选择“合并所有文件为一个PDF”，点击“继续”
3. 选择“编辑PDF”，进入编辑界面后点击“批量处理”→“图像优化”：
   • 勾选“去噪”（强度20%）、“去黑边”、“旋转”（自动检测旋转角度）、“裁剪”（自动裁剪白边）
   • 永久保存PDF设置为“PDF/A-1b”（符合电子档案长期保存要求），定期保存设置为“PDF/A-2b”
4. 保存优化后的PDF到主副本SSD的D:\DANGAN\电子档案\年度\机构\问题\保管期限目录下

三、少数民族文字+中文OCR识别与元数据录入

3.1 多语言OCR批量识别

用PaddleOCR离线版的命令行工具批量识别：

1. 右键点击D:\PaddleOCR_DEHONG目录下的空白处，选择“在终端中打开”（Windows 11）或“在此处打开PowerShell窗口”（Windows 10）
2. 创建批量识别脚本batch_ocr_dehong.bat，内容如下：

   
   @echo off
   set "SRC_DIR=D:\DANGAN\电子档案"
   set "DST_DIR=D:\DANGAN\OCR结果"
   set "DET_MODEL_DIR=D:\PaddleOCR_DEHONG\inference\ch_PP-OCRv4_det_infer"
   set "REC_MODEL_CN=D:\PaddleOCR_DEHONG\inference\ch_PP-OCRv4_rec_infer"
   set "REC_MODEL_DAI=D:\PaddleOCR_DEHONG\inference\dai_dehong_PP-OCRv4_rec_infer"
   set "REC_MODEL_JINGPO=D:\PaddleOCR_DEHONG\inference\jingpo_PP-OCRv4_rec_infer"
   set "REC_MODEL_ZAIWA=D:\PaddleOCR_DEHONG\inference\zaiwa_PP-OCRv4_rec_infer"
   set "CHAR_DICT_CN=D:\PaddleOCR_DEHONG\ppocr\utils\ppocr_keys_v1.txt"
   set "CHAR_DICT_DAI=D:\PaddleOCR_DEHONG\ppocr\utils\dai_dehong_dict.txt"
   set "CHAR_DICT_JINGPO=D:\PaddleOCR_DEHONG\ppocr\utils\jingpo_dict.txt"
   set "CHAR_DICT_ZAIWA=D:\PaddleOCR_DEHONG\ppocr\utils\zaiwa_dict.txt"
   mkdir "%DST_DIR%" 2>nul
   for /r "%SRC_DIR%" %%f in (.pdf) do (
   echo 正在识别 %%~nxf
   python tools/infer/predict_system.py ^
   --image_dir="%%f" ^
   --det_model_dir="%DET_MODEL_DIR%" ^
   --rec_model_dir="%REC_MODEL_CN%;%REC_MODEL_DAI%;%REC_MODEL_JINGPO%;%REC_MODEL_ZAIWA%" ^
   --rec_char_dict_path="%CHAR_DICT_CN%;%CHAR_DICT_DAI%;%CHAR_DICT_JINGPO%;%CHAR_DICT_ZAIWA%" ^
   --use_angle_cls=true ^
   --cls_model_dir="D:\PaddleOCR_DEHONG\inference\ch_ppocr_mobile_v2.0_cls_infer" ^
   --output_dir="%DST_DIR%%%~pf" ^
   --save_log_path="%DST_DIR%\ocr_log.txt"
   )
   echo 批量识别完成！
   pause
   

   注意：首次运行需要安装Python 3.8.10（https://www.python.org/downloads/release/python-3810/），并在安装时勾选“Add Python to PATH”，然后在终端中依次运行pip install paddlepaddle==2.5.2 -i https://mirror.baidu.com/pypi/simple、pip install paddleocr==2.7.0.3 -i https://mirror.baidu.com/pypi/simple安装依赖
3. 双击运行batch_ocr_dehong.bat，识别结果为.txt文件，保存在OCR结果目录的对应子目录下

3.2 元数据批量录入

德宏州档案局的元数据标准共23项，其中必填项12项：

1. 打开WPS Office 2024免费个人版，新建Excel表格，命名为20XX年度德宏州XX单位元数据.xlsx
2. 第一行按顺序填入必填项表头：全宗号、年度、保管期限、件号、责任者、文号、题名、日期、页数、备注、归档人、归档日期
3. 将OCR识别结果中的题名、责任者、文号、日期等信息批量复制到对应列，件号按小批量顺序手动或用WPS的“自动填充”功能填写
4. 保存Excel表格，与对应电子档案PDF放在同一目录下

四、归档与备份

4.1 本地归档

将电子档案PDF、OCR结果.txt、元数据Excel表格打包成一个ZIP压缩包，命名为全宗号-年度-保管期限-起始件号-结束件号.zip，存入主副本SSD的D:\DANGAN\归档包目录下

4.2 异地备份

用FastCopy 5.7.3开源免费版（https://fastcopy.jp/）将归档包目录和电子档案目录同步到两个西部数据Elements 18TB桌面硬盘，同步模式选择“Mirror（镜像）”，确保备份数据与主副本完全一致

4.3 移交德宏州档案馆

每年6月底前，将前一年度的永久保存归档包刻成蓝光光盘（BD-R XL 100GB，至少2份），并填写《德宏州档案数字化移交清单》，一同移交至德宏州档案馆电子档案接收科