档案数字化入库规范：零基础实操全流程指南

一、准备工作与环境搭建

1.1 硬件设备清单与参数要求

你需要准备以下硬件，并确保其参数达标。任何一项不达标都可能导致后续流程失败或效率低下。

• 高速文档扫描仪：推荐使用ADF（自动进纸器）扫描仪。分辨率必须设置为300 DPI，色彩模式选择“黑白”或“灰度”，除非档案包含必须保留颜色的印章或特殊标记。扫描速度建议不低于每分钟30页（单面）。
• 高性能计算机：CPU建议i5十代或同等性能以上，内存不低于16GB，固态硬盘（SSD）容量不低于512GB。这是为了流畅运行图像处理与OCR软件。
• 存储设备：准备一个独立的、容量足够大的移动硬盘或NAS（网络附加存储）作为原始图像和成品数据库的备份盘，严禁将档案数据仅存放在电脑本地硬盘。

1.2 核心软件安装与配置

以下软件为免费开源或官方提供，请按顺序安装。

• 扫描仪驱动：前往扫描仪品牌官网（如富士通官网：https://www.fujitsu.com/global/support/products/computing/peripheral/scanners/software/）下载对应型号的最新TWAIN或ISIS驱动并安装。
• 图像处理软件（必装）：安装IrfanView（官网：https://www.irfanview.com/）并安装所有插件包。安装后，打开软件，进入“Options” -> “Properties/Settings” -> “Scan/TWAIN”，选择你安装的扫描仪驱动作为源。
• OCR与PDF生成软件（必装）：安装Adobe Acrobat Pro DC的试用版或购买正式版。这是目前档案数字化中文字识别准确率和PDF生成质量最可靠的商业软件。

二、档案扫描标准化操作流程

2.1 扫描前预处理

此步骤直接决定最终图像质量，必须严格执行。

1. 拆除装订：对于订书钉、线装等，使用起钉器、裁纸刀无损拆除。对于不可拆除的重要档案（如古籍），使用V型书托辅助扫描，严禁强行压平。
2. 纸张整理：逐页检查，取出所有回形针、便签。将褶皱页面用低温熨斗（低于100℃）在页面背面垫布熨平。
3. 设备测试：用几张空白纸和测试页进行扫描测试。在IrfanView中，点击“File” -> “Acquire/Batch scanning”，设置参数：Resolution: 300 DPI, Color: Grayscale (8bit), Paper size: A4。扫描后检查图像是否歪斜、有无黑边。

2.2 批量扫描与命名规则

1. 在IrfanView中启动批量扫描：“File” -> “Acquire/Batch scanning”。
2. 在弹出窗口中，点击“Use TWAIN interface”按钮，调出扫描仪驱动界面。
3. 在驱动界面中，务必确认并设置：分辨率300 DPI，色彩灰度，双面扫描（如果档案是双面）。
4. 设置保存选项。在IrfanView的批量扫描窗口，设置：
   • “Filename pattern”: `D-{Y}{M}{D}-{H}{N}{S}-{000}` (示例生成：D-20231027-143025-001.tif)
   • “Output directory”：指定一个名为“原始扫描图像”的文件夹。
   • “Output format”: 选择“TIFF (.tif)”，这是无损压缩格式，严禁直接存为JPG。
5. 放入不超过50页档案，点击“Acquire”开始扫描。扫描完一批，立即在文件夹中按命名顺序检查图像是否完整、清晰，确认无误后再进行下一批。

三、图像处理与质量校验

3.1 自动化图像优化

使用Adobe Acrobat Pro DC的“动作向导”进行批处理。

1. 打开Acrobat，点击“工具” -> “动作向导”。
2. 点击“创建新动作”，命名为“档案图像优化”。
3. 在左侧列表依次添加并配置以下任务：
   • 优化扫描的PDF：在下拉菜单中选择“归档”，这将自动纠偏、去黑边、优化压缩。
   • 识别文本：语言选择“简体中文”和“English”，输出选择“可搜索的图像”，这样生成的是双层PDF。
4. 点击“保存”，然后选择“原始扫描图像”文件夹中的所有TIFF文件，运行此动作。软件会将所有TIFF合并并优化成一个可搜索的PDF。

3.2 人工质量校验清单

优化后，必须逐页（或至少抽查30%）进行人工校验，并填写如下清单：

• 完整性：核对PDF总页数是否与物理档案总页数一致。
• 清晰度：放大至400%，检查所有文字、印章、手写批注是否清晰可辨，无模糊、重影。
• OCR准确率：使用Acrobat的文本选择工具，随机选取多处文字，检查复制出的文本是否与原图文字一致，特别是数字、人名、生僻字。要求准确率不低于99.5%。
• 文件属性：右键查看PDF属性，确认字体已嵌入，安全设置无密码保护。

四、数据库录入与元数据著录

4.1 数据库结构创建（以Excel为例）

在Excel中创建一个名为“档案目录索引.xlsx”的文件，并创建以下字段（列）：

4.2 文件命名与存储规范

1. 命名规则：最终PDF文件必须以“档号.pdf”的格式命名，例如“Z109-001-2023-005.pdf”。
2. 目录结构：在存储盘（如G盘）创建如下目录树： ``` G:\数字档案库\ ├── 2023年永久\ │ ├── Z109-001-2023-001.pdf │ └── Z109-001-2023-002.pdf ├── 2023年长期\ └── 档案目录索引.xlsx ```
3. 将优化后的PDF文件，按保管期限（永久、长期等）移动到对应的年度文件夹中。
4. 在“档案目录索引.xlsx”中，逐条填写每一份档案的元数据，并确保“存储位置”字段的路径与实际情况完全一致。

五、备份、验收与长期维护

5.1 三级备份方案

1. 本地热备份：将整个“数字档案库”文件夹，复制到另一块独立的内部硬盘或NAS中。
2. 异地冷备份：每季度一次，将更新的数据刻录到档案级蓝光光盘（如Verbatim Archival Grade）或拷贝到专用移动硬盘，存放于不同物理位置的保险柜。
3. 校验备份完整性：每次备份后，使用HashCheck软件（官网：https://github.com/gurnec/HashCheck/releases）为备份文件夹生成SHA-256校验和，并与源文件校验和对比，确保数据一致。

5.2 项目验收检查清单

所有工作完成后，对照此清单逐项打勾确认：

• 所有物理档案已按原顺序恢复装订，归还原位。
• “原始扫描图像”（TIFF格式）已完整备份至专用移动硬盘，并安全封存。
• 最终发布的PDF文件已通过“3.2人工质量校验清单”全部项目。
• “档案目录索引.xlsx”中每条记录的档号、页数、存储路径均与实物和电子文件一一对应，无一错漏。
• 三级备份已完成，且校验通过。

完成以上所有步骤，即代表档案数字化入库流程已规范执行完毕。后续每年需对电子档案进行抽查，并定期将数据迁移至新的存储介质，以防技术过时。