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
基于Stm32的大地电磁实时数据采集系统
本项目是一套面向大地电磁（MT）现场测量的数据采集终端软件，运行于 STM32H723 平台。系统通过 ADS1262 高精度模数转换器同步采集电场 Ex 和磁场 Hy 两路原始时域信号，支持低频、高频两类采样任务及采样率、增益等参数配置。采集数据按“项目—测点—频段—通道”组织并保存为原始数据文件，同时记录测点号、GPS 时间、定位、通道及采样参数等元数据。系统支持通过 LoRa/LoRaWAN 进行设备状态上报、命令交互和数据文件传输，并提供采集过程监视、心跳、异常恢复和存储空间管理能力，为后续波形查看、频谱分析、解释处理、项目归档与数据追溯提供可靠的原始数据基础。
数据恢复软件
开发一款能够帮助个人用户恢复误删除、格式化、无法访问设备等丢失数据，需要解析fat、exfat、ntfs、hfs+、apfs文件系统的数据格式，通过算法找到丢失的数据，恢复用户丢失的数据，同时也支持通过查找丢失文件内容特征来找到丢失的数据，提供预览功能，帮助个人用户更好的确认要恢复的数据
云帆智能客服系统（基于 Multi-Agent 架构的智能客服中台）
基于 LangGraph 构建 Multi-Agent 智能客服中台：三层意图识别架构 （规则引擎→RAG 语义匹配→LLM 深度理解，技术递进：零 Token→零 LLM→深度理解）分发 至 FAQ-RAG/订单状态机/退换货 HitL 审批/投诉升级四类 Agent，SSE 流式响应，区分实时 业务调用与知识库检索，高风险售后流程经人工审批管控，三层兜底保障高可用。
智能交互大屏-智能交互大屏
本项目为自研首款 8K 智慧云屏配套客户端软件，采用高规格 8K 显示、一体式硬件整机架构及 X86 安卓 + Windows 双系统共享硬件方案。基于 WPF 技术栈从零打造大屏全套软件体系，覆盖白板书写、屏幕批注、系统设置、Launcher 桌面、侧边栏快捷工具、分屏交互、OTA 固件升级、设备集控、外设管控等 20 余个应用模块与核心功能组件，满足政企会议、智慧办公、工业数字孪生等场景下的高清交互、设备管控、系统运维需求，实现高分辨率触控终端的智能化、一体化软件体验。
手环授时
手环通过串口连接到电脑，软件通过http跟服务器求情，将请求返回的数据通过串口发送给手环进行授时，还需要今天定时请求，对手环进行授权，手环授权以后才可以刷闸机进入使用，时间是通过前端设置保存到后端。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服