常熟市档案馆拥有丰富的馆藏资源，传统载体档案的数字化工作也一直走在同类档案馆前列，“十三五”期间，我馆累计投入600多万元，完成了馆藏传统载体档案“应扫尽扫”的数字化工作。但受当时技术的局限，这些数字化档案多为单层PDF文件,此格式文件实质是静态的图像，有利于阅览利用，但无法进行全文检索，也不利于进一步分析处理。因此，常熟市档案馆决定按照2018年苏州市档案局印发的《苏州市档案数字化操作规程》、2019年国家档案局发布的行业标准《纸质档案数字复制件光学字符识别(OCR）工作规范》（DA/T77-2019），在现有PDF文件的基础上，开展OCR识别，使之转化成双层PDF文件，建立全文数据库，作为我馆进一步提升档案数字资源质量，提高档案利用效率和服务水平的一项重要工作。

单层、双层PDF对比，单层PDF无法对内容进行选择，双层PDF可以选择和复制文本内容

此项工作于2022年下半年开始启动，经过4个月对现有计算机资源的利旧试验和反复摸索，总结出工作效率不高的三项瓶颈，一是利旧电脑性能低、容量小；二是网络传输带宽受限；三是OCR文字识别转换工作高度依赖显示卡的性能。例如普通台式机每小时只能转20件。即使是采用服务器或者高性能PC，每小时转换量也只有200件。多台PC设备同时进行转换时，每小时转换量约为500件，理论上一年只能转换438万件，而转换前的文件复制、系统死机、重启等因素常常导致转换任务中断，转换效率很低。

针对上述工作瓶颈，信息技术科全体人员群策群力，分析原因并提出以下解决方案：采用NVIDIARTX3060显卡，利用显卡超强的图像处理能力和深度学习能力，搭配专用的算法，并联合系统开发公司推出了集群式并行转换工作软件，提高OCR的文字识别能力。再搭配两台PC电脑和大容量固态硬盘，通过千兆网络传输，最终，显著提升了OCR的转换效率，实现了每小时转换2200件的工作进度。仅用两台设备，就能达到之前多台设备并行工作速度的4倍，并且减少了管理批次、传输时间，使得OCR工作得以顺利推进。

注：实际结果受具体的PDF内容、页数、文字清晰度、文本量、文件是否完好等多重因素影响

截至目前，已经完成480万件文书档案对应全文的转换工作，预计于2023年9月之前完成全部文书档案全文的转换工作。

此次数字化成果双层PDF转换工作是常熟档案馆继2022年5月完成对馆藏录音录像光盘档案进行数字化抢救保护活动后的又一次技术协同攻关，不仅节省了人力物力，更使常熟档案信息资源的利用价值达到最大化，能够更好地服务于民。