安全生产许可证档案数字化全流程实操落地详细技术指南

前期准备工作（必做）

硬件准备

需准备2类设备，无强制品牌要求，满足参数即可：

• 高速自动进纸扫描仪：支持A3/A4幅面，分辨率≥300DPI，自带自动纠偏、裁边功能，优先选带硬件OCR加速的型号
• 存储设备：本地NAS（容量≥4T，支持RAID5备份）+ 等保2.0三级以上加密云盘，禁止用公共免费云盘存储档案

软件准备

全部采用开源免费工具，可直接获取安装：

• OCR识别工具：PaddleOCR开源识别框架，安装命令：pip install paddlepaddle paddleocr -i https://pypi.tuna.tsinghua.edu.cn/simple
• 档案管理系统：开源档案管理系统，Docker一键部署版本，下载地址：https://gitee.com/kyodocn/archives-management
• 文本编辑工具：Notepad++，用于校验结构化数据，下载地址：https://notepad-plus-plus.org/downloads/

合规准备

提前确认需符合《电子档案管理规范》GB/T 18894-2016、当地应急管理部门对安全生产许可证档案的留存要求，所有操作留痕可追溯。

档案数字化实操核心步骤

第一步：纸质档案前置整理

• 将所有安全生产许可证纸质档案按「发证年份+地区+企业名称」排序，拆除所有订书钉、胶带、回形针等异物，破损页面提前用无酸纸裱糊平整
• 给每份档案编制唯一识别码，编码规则固定为：AQSC+4位年份+6位地区行政代码+6位流水号，例如北京朝阳区2024年第1份档案编码为AQSC2024110105000001，将编码打印后贴在档案首页右上角
• 统计所有档案总数，做好纸质档案交接登记，避免丢失

第二步：批量扫描生成电子件

必须固定扫描参数：彩色模式、300DPI、PDF格式、无压缩、启用自动纠偏/裁边，操作要求：

• 按整理好的顺序放入自动进纸器，每扫描10份抽查1次，确认无漏页、模糊、偏斜问题，不合格的立即重扫
• 每份扫描完成的PDF文件直接用对应档案的唯一识别码命名，禁止用中文、特殊字符命名，避免后续系统识别报错
• 所有扫描件统一存放在名为scan_files的文件夹内，不要嵌套子文件夹

第三步：OCR提取结构化数据

直接运行下方批量识别脚本，可自动提取安全生产许可证核心字段，生成结构化CSV文件，脚本可直接复制使用：

```python from paddleocr import PaddleOCR import os import csv 初始化OCR模型，启用中英文+角度识别 ocr = PaddleOCR(use_angle_cls=True, lang='ch', show_log=False) 扫描件存放路径，可自行修改 pdf_path = "./scan_files/" 结果输出路径 output_file = "./output/安全生产许可证结构化数据.csv" 需提取的核心字段，可根据当地许可证模板调整 fields = ["唯一识别码", "许可证编号", "企业名称", "注册地址", "法定代表人", "许可范围", "有效期始", "有效期止", "发证机关"] result_list = [fields] for file in os.listdir(pdf_path): if file.endswith(".pdf"): file_code = file.replace(".pdf", "") temp = [file_code] 识别PDF内容 ocr_result = ocr.ocr(os.path.join(pdf_path, file), cls=True) text = "".join([line[1][0] for page in ocr_result for line in page]) 匹配字段内容，可根据实际模板调整匹配规则 for field in fields[1:]: if field in text: start_idx = text.index(field) + len(field) + 1 val = text[start_idx:start_idx+60].split("\n")[0].strip() temp.append(val) else: temp.append("待补全") result_list.append(temp) 写入CSV文件，用utf-8-sig编码避免中文乱码 with open(output_file, "w", encoding="utf-8-sig", newline="") as f: writer = csv.writer(f) writer.writerows(result_list) ```

脚本运行完成后，必须人工校验核心字段：许可证编号、企业名称、有效期，准确率要求100%，错误字段直接在CSV中修正。

第四步：数据导入档案管理系统

用Docker一键部署开源档案管理系统，执行命令：

``` docker run -d -p 8080:80 -v /data/archives:/var/www/html/storage --name archives kyodocn/archives-management:latest ```

部署完成后访问http://你的服务器IP:8080，默认账号admin，密码123456，按以下步骤操作：

• 进入【系统设置】-【档案分类】，新建一级分类「安全生产许可证档案」，关联之前提取的核心字段
• 进入【档案批量导入】，上传校验完成的CSV文件，按系统提示匹配字段，完成数据导入
• 进入【附件批量上传】，选择scan_files文件夹内的所有PDF文件，系统会自动按文件名（唯一识别码）关联对应档案条目

合规校验与长效运维要求

四性检测

进入系统【档案管理】-【四性检测】模块，全选所有导入的安全生产许可证档案，运行真实性、完整性、可用性、安全性检测，要求检测通过率100%，不通过的条目按系统提示修正，比如补全缺失字段、替换损坏的PDF文件。

存储备份

严格执行三地三备份规则：本地服务器存储1份、异地NAS存储1份、等保三级加密云盘存储1份，每季度自动同步一次，备份日志留存不少于10年。

权限配置

在系统【角色管理】中设置三级权限：普通办事员仅可查询、档案管理员可编辑/新增、超级管理员仅可配置系统，所有操作自动留痕，操作日志不可删除、修改。

常见问题排查

• 扫描PDF偏斜/黑边：在扫描仪设置中开启「自动纠偏」「自动裁边」功能，已扫描的文件可使用XnConvert工具批量修正，下载地址：https://www.xnview.com/en/xnconvert/
• OCR识别准确率低：将扫描分辨率调高到400DPI，替换高精度识别模型，下载地址：https://paddleocr.bj.bcebos.com/dygraph_v2.0/ch/ch_ppocr_server_v2.0_rec_infer.tar，初始化OCR时添加rec_model_dir参数指定模型路径
• CSV导入系统乱码：用Notepad++打开CSV文件，点击【编码】-【转为UTF-8编码】后重新导入即可