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
工业生产管理系统-钛合金管生产流程管理系统
1、工艺卡编写系统：
与宝钛原有MES系统对接，接收工艺卡工单，支持工艺参数配置、流程规则设定及可视化编辑（基于ElementUI表单组件），完成后自动下发至流程管理系统
2、流程管理系统：
集中赋码：系统下发管号至PLC设备，联动机械臂完成激光刻码，实现管材唯一标识
多环节质检：水压检测（压力参数动态监控）、超声波探伤（数据自动采集）、冷轧尺寸调控（工艺参数实时校验）、目视检验（结果线上录入），各节点数据实时回传至数据库
异常处理：检测不合格时自动触发工单冻结，并推送告警至责任人，支持流程回溯与修正
基于机器学习的工业检测图像智能识别平台
项目背景：
在工业检测数字化基础上，进一步引入 AI 技术，对大量历史底片和检测图谱进行智能分析，降低人工评定成本，提高一致性和效率。
个人职责：
1.参与智慧检测平台中 图像智能识别模块 的研发
2.负责图像数据预处理、模型训练及系统集成
3.将 AI 识别结果嵌入现有检测软件流程中
工业底片数字化工作站与评定审核系统
传统工业底片检测依赖人工评定，效率低、标准不统一。项目目标是构建 工业底片数字化工作站，实现底片采集、数字化评定、审核和报告生成的全流程软件系统。
参与工业底片数字化工作站核心功能研发。
负责底片评定审核系统的软件开发。
参与数字化交付系统的设计与实现。
相控阵全聚焦实时 3D 超声成像检测仪上位机软件
该项目用于工业无损检测领域，相控阵超声设备在检测过程中会实时输出大量全聚焦成像数据，需要在上位机端对成像结果进行 实时三维可视化展示，辅助现场检测人员进行缺陷判断和分析，对实时性和稳定性要求较高。
负责相控阵全聚焦成像结果的 3D 可视化与实时渲染模块。
参与成像数据处理与显示流程设计。
配合硬件与算法团队完成成像效果调试与优化。
电力行业数字化
专注于电力行业配网软件的设计、开发与全流程运维，凭借深厚的技术积淀与丰富的行业经验，打造适配不同应用场景的高效解决方案。目前，已有超 5 个核心项目成功落地全国 8 个以上省份，为各地配网业务的智能化升级提供稳定可靠的技术支撑。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服