数字化验收最怕“页数对了”：抽检记录必须能回到原图

数字化项目最容易出现一种“看起来已经验收”的状态：页数对了，格式对了，分辨率对了，文件名也按规则排好了。交付清单一打印，数字很整齐，会议也很顺。

但利用人员第一次点开目录回跳原文，问题才开始冒出来：有的页斜得厉害，有的黑边遮住批注，有的页序错了，有的目录挂接到了下一件，有的 OCR 全文能搜到词，却回不到对应原图。

这时候再说“页数没问题”，已经没有意义。页数只能证明这批影像存在，不能证明它可用、可查、可复核。

先看一条不合格记录该长什么样

很多抽检表的问题，是写得太像结论，不像证据。比如“不清晰”“漏扫”“页序错误”，这些词当然有用，但不足以指导整改。

一条能推动整改的抽检记录，至少应长成这样：

这张表不复杂，但它解决了三个关键问题：能找到原图，能找到责任批次，能证明复检发生过。没有这三点，抽检就会变成口头判断。

页数核对只是入口

数字化验收当然要核对页数。问题是，页数核对只能放在入口，不能放在终点。

页数对了，仍然可能有这些问题：

所以，数字化验收要从“交付了多少页”转向“抽到的每一页能不能被证明可用”。这里的可用，抽检结论要来自目录、原图、页码、问题、整改、复检能形成一条链。

这条链一旦断开，后面的全文检索、智能编研、开放审核、专题利用都会受影响。AI 识别错了，有时问题常出在原图质量和页级证据没有打牢。

抽样不能只抽文件夹

有些项目抽检时只打开影像文件夹，看命名、格式、分辨率和页数。这一步有必要，但不够。

更好的抽样路径应至少走三遍。

第一遍，从目录到原文。随机抽目录记录，点击原文，核对档号、题名、页码、组件关系和图像路径。这样能发现挂接错位。

第二遍，从原图到目录。随机抽影像文件，反查它属于哪一件、哪一页、哪条目录。这样能发现孤立图片和重复挂接。

第三遍，从问题到整改。随机抽不合格记录，查看整改前图像、整改后图像、校验值变化和复检结论。这样能判断抽检表是不是在服务质量闭环。

这三遍都跑过，才算把数字化成果放回了档案系统，而不是只检查了一个影像包。

还有一种抽法也很有用：从利用场景倒查。比如随机选一个利用问题，让工作人员从目录检索开始，打开原文，定位页码，再核对图像质量和 OCR 结果。这个动作能暴露很多文件夹抽检看不到的问题。因为真实利用不会从影像目录开始，而是从档案目录、关键词、题名、责任者或日期开始。

如果利用路径一走就断，说明数字化成果还没有真正进入业务链。它可能只是被上传到了服务器，或者只是形成了一个影像包。对数字档案馆来说，这不够。传统载体数字化成果要进入管理、检索、利用、长期保存和安全控制，才算真正成为档案数字资源。

问题分级要能指导返工

抽检记录里只写“不合格”，加工单位很难改。项目负责人也不知道问题严重到什么程度。

可以把问题分成三类：

分级分级的作用在于为了让整改有优先级。A 类问题影响证据链，必须回到原图和目录关系；B 类问题影响识读质量，应结合 OCR 和利用场景判断；C 类问题可以记录但不必把项目拖进无止境返工。

真正要避免的是所有问题都写成“图像质量问题”。这种写法看起来统一，实际什么都没说。

分级后，还要把整改时限写出来。A 类问题不能等到项目末尾集中处理，因为它会影响目录挂接、OCR、全文索引和利用服务。B 类问题可以按批次整改，但要设置复检比例。C 类问题可以留痕，但要防止同类小问题在某个批次里集中出现。

例如，一个批次里偶尔出现 2 页轻微黑边，可能不影响使用；如果同一批 5000 页里有 600 页黑边，就不再是 C 类瑕疵，而是加工参数或设备状态问题。抽检表要能统计这种趋势，否则项目经理只能靠感觉判断质量。

这也是为什么抽检记录要结构化。结构化以后，问题类型、加工批次、设备编号、操作人员、复检结果都能统计。哪台扫描设备容易偏色，哪个批次页序问题多，哪类纸张容易漏拍边缘，都可以从数据里看出来。

OCR 和 AI 应该排在质量之后

数字化成果质量不稳，OCR 和 AI 会替前面的错误背锅。

页序错了，模型引用的页码就会错。黑边遮住批注，OCR 会漏掉关键信息。目录挂接错位，检索结果看起来命中了，却打开了另一件档案。开放状态没有和原文绑定，智能问答可能把不该展示的内容拿出来。

所以，数字化验收不能只服务交付结算，还要服务后续智能化。至少要留下四类数据：

没有这些数据，AI 项目会变成“看起来能搜，认真一查就断”。有这些数据，AI 才能在正确的原文、正确的页码、正确的开放边界里工作。

这里特别要注意“识别量”和“识别质量”的区别。完成了多少页 OCR，只能说明处理过多少输入；识别结果能不能用于全文检索、辅助著录、开放审核或编研，还要看原图质量、版面结构、人工抽检和错误回写。

如果 OCR 识别结果没有和原图页码绑定，后续就会出现一种尴尬场景：检索能搜到词，但利用人员点进去找不到对应位置。对读者来说，这是体验问题；对项目来说，这是证据链问题。

比较稳的做法，是把 OCR 结果也纳入抽检。抽检时不只看图片，还看文字结果、页码、坐标、目录挂接和开放状态。只有图像、文字、目录和权限能够互相解释，智能检索才不会变成孤立能力。

可以直接用的抽检表

下面这张表可以作为最小版本，不一定一次做得很复杂，但字段不要再少。

如果系统暂时做不到全部字段，也应该先在 Excel 或质检工具里按这个结构记录。否则数字化成果一旦进入正式库，再想追查哪一页、哪一批、哪一次复检，会非常痛苦。

领至科技在做数字化质量管理时，更看重这种可追溯记录。因为它补字段的目的在于在保护后面的检索、利用、编研和长期保存。页数对，只是开始；能回到原图、能解释问题、能证明复检，才接近可用。

实际项目里，还可以把抽检表拆成两张：一张记录样本，一张记录问题。样本表说明抽了哪些卷、件、页；问题表说明每个样本发现了什么问题。这样一条样本可以对应多个问题，比如同一页同时存在斜页和黑边，不会被压成一个笼统结论。

最后再加一个复检字段。没有复检，整改只是加工单位的承诺；有了复检，项目才知道问题是否关闭。复检字段不需要写得复杂，至少要有复检人、复检时间、复检结论和复检说明。对于 A 类问题，最好保留整改前后校验值或图像版本，避免“改了哪一版”说不清。

数字化验收最怕把质量工作做成一次性签字。签字之后，真正使用才开始。能经得起使用的数字化成果，一定抽查要覆盖页数，也要覆盖每一次抽查都能回到原图、回到目录、回到问题、回到复检。

还有一个现场经验：验收时最好让不同角色各抽一次。档案人员抽目录和原图，信息化人员抽路径、格式和校验值，利用服务人员抽检索和回跳，项目负责人抽整改闭环。四类人看的不是同一个细节，但合在一起，才接近真实使用。

如果只有加工单位自己抽，容易偏向图像质量；如果只有系统人员抽，容易偏向路径和格式；如果只有档案人员抽，可能忽略后续 OCR 和检索接口。多角色抽检它会减少后续争议，避免单一视角把问题漏掉。

这件事也应该写进项目计划。比如每交付一个批次，先做加工自检，再做项目组复检，再做档案人员抽检，最后抽取一部分进入系统回跳测试。每一步都留下样本和结论，后面出现利用问题时，才能回头看是哪一环没有发现。

数字化成果一旦进入资源总库，就会被检索、利用、编研、开放审核和长期保存反复使用。前期多花一点时间把抽检记录做扎实，后面少掉的问题会传导到整条证据链的返工。

如果只能先改一个动作，就从“抽到的问题页必须能一键打开原图”开始。这个动作很小，但它会立刻暴露目录、路径、权限、影像质量和复检记录是否真的连在一起。

抽检记录要能支持返工

数字化抽检发现问题后，返工范围不能靠口头判断。记录里应写清问题页、问题类型、责任批次、返工要求和复检结果。比如歪斜、漏扫、重页、裁切过度、色彩偏差，对应的返工动作并不一样。

如果抽检表只能写“合格/不合格”，后面很难判断到底改哪里。能指导返工的抽检记录，才会真正改善数字化质量。