在档案数字化加工的作业链条中，档案扫描解决的是把纸页变成图像的问题，而文字识别解决的是让计算机读懂图像中文字的问题。对电子档案而言，没有高质量的识别成果，扫描页只能停留在图片档案的层次，无法进入可检索、可计算的数据档案层次。无论是文书、科技还是声像档案的转写，全文检索能力都建立在识别文本这一地基之上。

识别在加工链条中处于什么位置

一个完整的识别系统从输入一页档案图像到输出对应文本，通常经过图像输入、预处理、版面分析、字符切分、特征提取、识别决策与后处理等环节。它上接扫描与图像处理形成的页面图像，下连目录数据库与全文数据库，图像质量决定识别上限，文本质量又直接影响检索命中率。因此管理要点在于两头衔接，既要求上游提供合格图像，又要为下游提供可信文本。

为什么要图像与文本双层保存

扫描图像是档案内容的原始忠实记录，具有凭证与证据价值；识别文本是机器加工的派生数据，可能存在错误。两者同时保存并相互对应，既保证真实性与可追溯性，又获得全文检索与数据利用能力。只存文本而丢失图像，就失去核对依据；只存图像而没有文本，则难以发挥检索与分析价值。双层保存、相互对应，是数字化成果的标准形态。

全文检索命中率由什么决定

检索命中率低，常常不是系统不行，而是识别文本错漏太多。项目应在开工前用合同附件写明准确率口径与测试样本，区分识别初稿与校对后成品。印刷体档案以识别加轻度校对为主，手写批注与表格密集件则需投入更多人工。把质量控制前移到扫描与预处理环节，再配合对照图像逐字校对，才能让全文检索真正可用。

山东通科信息技术有限公司成立于2018年，是国家高新技术企业，依托自主研发的数据处理管理系统开展档案数字化服务，现有加工人员100余名，日扫描能力稳定在50000页以上，工作人员持涉密证书上岗，可为政府机关、档案馆、高校等客户提供从扫描识别到全文库建设的一体化交付。