DA/T 77—2019纸质档案数字复制件光学字符识别（OCR）工作规范

中华人民共和国档案行业标准

DA/T 77—2019

纸质档案数字复制件光学字符识别（OCR）工作规范

Specification for optical character recognition (OCR) of digital copies of paper-based records

2019-12-16 发布2020-05-01 实施

前 言

本标准按照 GB/T 1.1—2009 给出的规则起草。

本标准由国家档案局提出并归口。

本标准起草单位：国家档案馆室司、青岛市档案馆。

本标准主要起草人：刘芸、丁德胜、杨来青、邹杰。

纸质档案数字复制件光学字符
识别(OCR)工作规范

1 范围

本标准规定了纸质档案数字复制件光学字符识别(OCR)工作的组织、实施和管理。

本标准适用于字迹清晰、文本规范的纸质档案数字复制件的光学字符识别(OCR)工作。

2 规范性引用文件

下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件，仅注日期的版本适用于本文件。凡是不注日期的引用文件，其最新版本(包括所有的修改单)适用于本文件。

DA/T 13 档号编制规则

DA/T 22 归档文件整理规则

DA/T 31 纸质档案数字化规范

3 术语和定义

下列术语和定义适用于本文件。

3.1

字符 character

供组织、控制或表示数据用的元素集合中的一个元素。

[GB 18030—2005，定义 4.1]

3.2

字符集 character set

多个字符的集合。

注：常见字符集有 ASCII 字符集、GB 2312 字符集、BIG5 字符集、GB 18030 字符集、Unicode 字符集等。

3.3

光学字符识别 optical character recognition; OCR

通过信息技术对图像文件中的字符形状进行识别、文字转换和文本输出、呈现的过程。

3.4

纸质档案数字复制件 digital copy of paper-based record

纸质档案经过数字化加工过程后形成的，存储在磁带、磁盘、光盘等载体上并能被计算机等电子设备识别的数字图像。

3.5

档案 OCR 成果 OCR outcome of record

记录通过 OCR 技术获取的纸质档案数字复制件文字内容的文件。