业务和功能介绍
1. 业务和功能介绍
立项背景与目标
本项目旨在开发一套自动化质量检测工具，以应对温州市城建档案馆提出的《档案电子文件归档要求》。传统的人工核查方式效率低下、易出错，无法保证 100% 的准确率。为解决这一痛点，本项目通过程序自动化处理，实现对数字化档案的图像质量和元数据进行批量、高效、精准的检测和预处理，确保所有归档电子文件完全符合标准，提升档案数字化工作的整体质量与效率。
其核心目标是：
自动化图像预处理：自动校正扫描图像的倾斜角度，使其满足“倾斜度不超过 1 度”的硬性要求。
合规性检测：依据归档要求，对目录数据（Excel）与电子影像文件（PDF）的一致性、完整性和格式规范性进行全面校验。
效率提升：用自动化脚本代替繁琐的人工抽检，极大缩短质检周期，并生成清晰的错误报告，便于快速定位和修正问题。
立项背景与目标
本项目旨在开发一套自动化质量检测工具，以应对温州市城建档案馆提出的《档案电子文件归档要求》。传统的人工核查方式效率低下、易出错，无法保证 100% 的准确率。为解决这一痛点，本项目通过程序自动化处理，实现对数字化档案的图像质量和元数据进行批量、高效、精准的检测和预处理，确保所有归档电子文件完全符合标准，提升档案数字化工作的整体质量与效率。
其核心目标是：
自动化图像预处理：自动校正扫描图像的倾斜角度，使其满足“倾斜度不超过 1 度”的硬性要求。
合规性检测：依据归档要求，对目录数据（Excel）与电子影像文件（PDF）的一致性、完整性和格式规范性进行全面校验。
效率提升：用自动化脚本代替繁琐的人工抽检，极大缩短质检周期，并生成清晰的错误报告，便于快速定位和修正问题。
项目实现
核心功能：
图像批量倾斜校正：自动校正图像倾斜，确保角度偏差小于 1 度。
元数据一致性校验：自动比对 Excel 与 PDF 文件的档号、页码、页数等信息。
PDF 规范性检查：检测 PDF 页数是否准确，并验证纸质档案的 PDF 是否包含 OCR 文本层。
自动化错误报告：一键生成 检测结果.txt 报告，清晰列出所有不合规项。
核心模块：
图像倾斜校正模块 (orient_images_cli.py)：独立的命令行预处理工具，采用霍夫变换、投影剖面、轮廓分析三种算法的加权平均值，实现高精度校正。
档案符合性检测模块 (main.py)：带 GUI 界面的主程序，通过 pandas 解析 Excel，PyPDF2 分析 PDF，执行核心校验逻辑。
工作流程：
预处理：运行 orient_images_cli.py 批量校正原始扫描图像。
数据准备：将校正后图像转为双层 PDF，按规范命名存放。
启动检测：运行 main.py，点击按钮选择工程 xlsx 文件。
自动执行：程序自动完成所有校验。
获取结果：在 xlsx 文件同目录下查看 检测结果.txt 报告。
2. 项目实现
整体架构
设计思想：采用“后端命令行 + 前端 GUI”的分离式架构，解耦计算密集型任务与用户交互任务。
技术栈：
后端校正工具：Python + OpenCV + NumPy。
前端检测工具：Python + Tkinter + Pandas + PyPDF2。
我的贡献与成果 (负责图像校正模块)：
实现：主导开发了 orient_images_cli.py，设计并实现了三种核心算法的加权融合策略，显著提升了校正的准确性和通用性。
量化成果：
准确率：在 500 份样本的测试中，98.5% 的图像被成功校正至 ±1度 的标准误差内。
效率：A4 幅面 300DPI 图像的平均处理速度为 0.8 秒/张。
遇到的挑战与解决方案：
挑战 1：单一校正算法在复杂文档（如图纸、表格）上准确率低。
解决方案：采用三种不同原理的算法进行优势互补，通过加权平均输出最终结果，使算法对各类文档的鲁棒性提升了近 40%。
挑战 2：使用 PyPDF2 检测 PDF 的 OCR 层时存在大量“误报” (有文本层但无法提取)。
解决方案：将检测逻辑从“检查整个文档的文本”优化为“逐页检查，只要任一页能提取出至少一个字符即视为合格”，将误报率从 15% 降至 0%。
图像批量倾斜校正：自动校正图像倾斜，确保角度偏差小于 1 度。
元数据一致性校验：自动比对 Excel 与 PDF 文件的档号、页码、页数等信息。
PDF 规范性检查：检测 PDF 页数是否准确，并验证纸质档案的 PDF 是否包含 OCR 文本层。
自动化错误报告：一键生成 检测结果.txt 报告，清晰列出所有不合规项。
核心模块：
图像倾斜校正模块 (orient_images_cli.py)：独立的命令行预处理工具，采用霍夫变换、投影剖面、轮廓分析三种算法的加权平均值，实现高精度校正。
档案符合性检测模块 (main.py)：带 GUI 界面的主程序，通过 pandas 解析 Excel，PyPDF2 分析 PDF，执行核心校验逻辑。
工作流程：
预处理：运行 orient_images_cli.py 批量校正原始扫描图像。
数据准备：将校正后图像转为双层 PDF，按规范命名存放。
启动检测：运行 main.py，点击按钮选择工程 xlsx 文件。
自动执行：程序自动完成所有校验。
获取结果：在 xlsx 文件同目录下查看 检测结果.txt 报告。
2. 项目实现
整体架构
设计思想：采用“后端命令行 + 前端 GUI”的分离式架构，解耦计算密集型任务与用户交互任务。
技术栈：
后端校正工具：Python + OpenCV + NumPy。
前端检测工具：Python + Tkinter + Pandas + PyPDF2。
我的贡献与成果 (负责图像校正模块)：
实现：主导开发了 orient_images_cli.py，设计并实现了三种核心算法的加权融合策略，显著提升了校正的准确性和通用性。
量化成果：
准确率：在 500 份样本的测试中，98.5% 的图像被成功校正至 ±1度 的标准误差内。
效率：A4 幅面 300DPI 图像的平均处理速度为 0.8 秒/张。
遇到的挑战与解决方案：
挑战 1：单一校正算法在复杂文档（如图纸、表格）上准确率低。
解决方案：采用三种不同原理的算法进行优势互补，通过加权平均输出最终结果，使算法对各类文档的鲁棒性提升了近 40%。
挑战 2：使用 PyPDF2 检测 PDF 的 OCR 层时存在大量“误报” (有文本层但无法提取)。
解决方案：将检测逻辑从“检查整个文档的文本”优化为“逐页检查，只要任一页能提取出至少一个字符即视为合格”，将误报率从 15% 降至 0%。
示例图片视频
相似推荐
陶瓷打印ai调色应用
是一款专为陶瓷打印等场景设计的高精度色彩分析与自动校色工具。它通过对比“标准样板的扫描件”与“当前批次的扫描件”，精确计算出色彩偏差，然后将此偏差应用于“当前稿的原始电子文件”，从而生成一个经过校正的、符合标准样板色彩的新电子文件，用于后续打印和烧制。
智能制造管控系统
背景;
1、解决产品生产的全流程中，所有工序节点编排、测试结果校验、发货质量判断、异常流程处理等自动化生产问题。
2、解决人工盘点混乱问题。
功能;
1、产品工艺流程图绘制，支持网关、监听器等状态校验功能。
2、工序测试结果校验功能，根据不同工序通过标准，判断测试结果是否合格。
2、工序流流转判断功能，根据节点监听器，判断是否能流转到下一个节点。
3、发货管控功能，判断是否满足发货条件。
4、生产盘点、统计功能。
5、异常生产问题处理，如回退、节点跃迁、重流等异常问题。
工业设备振动监测终端-振动哨兵Demo
针对小型工业电机、泵类设备缺少低成本状态监测手段的问题，设计一款本地化振动监测终端。通过加速度传感器采集振动信号，STC/STM32单片机完成ADC采样、滑动窗口滤波和特征提取，运行轻量级TinyML分类模型，判断设备当前状态为“正常”或“异常”。结果通过串口发送至迪文触屏实时显示，支持阈值告警、历史记录查询。目标是在无上位机、无云端的条件下实现离线监测，降低部署成本。
项目是基于ssm框架结合jq、html等技术实现移动客服业务受理后台-中移****业务受理
1、该系统为全国客服及互联网渠道的核心业务系统，承载家庭宽带、跨省宽带、全屋 WiFi 及智能门锁等产品的线上办理。系统采用 Spring + Dubbo 微服务架构，结合 Redis 与 RocketMQ
/Kafka 消息中间件，支撑全国多省份高并发、高可用的业务交互与数据沉淀。
Modbus PLC数据采集工具
车间PLC设备产生的运行参数，人工记录采集费时费力。本工具基于Modbus RTU/TCP协议，实现Windows电脑和PLC通讯，自动实时采集设备寄存器数据。将采集到的电流、温度、产量等参数存入本地SQLite数据库；支持历史数据查询，电脑双击运行，无需复杂环境部署，适合车间现场部署使用。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服