OCR文字识别技术在数据采集和数字化建档工作中举足轻重，自2013年以来，在国家档案局大力实施“存量数字化、增量电子化”的战略背景下，纸质档案数字化副本大量产生，档案OCR工作已全面启动，为规范相关工作的开展，国家档案局因势利导，于2019年12月发布《纸质档案数字复制件光学字符识别（OCR）工作规范》，规定了纸质档案数字复制件OCR工作的组织、实施和管理要求。

但档案类型多种多样，文字内容包罗万象，存在不同语言、字体、大小、排列和对齐方式，甚至识别难度更大的手写体、繁简体等情况，这些问题给数据采集和数字化建档工作带来了各种挑战。

文通科技文档识别

文通科技基于全新的深度学习技术框架，推出通用文字识别，支持识别中文简繁体、藏文、维吾尔文、蒙文、阿拉伯文、哈萨克文、柯尔克孜文、日文、韩文、中英文字混排等十余门语种，可快速定制、开发字符集，在档案管理、文字提取、文献档案电子化管理等工作中发挥重大作用。

国家知识产权局、地质勘察局、青海大学、中国邮政、东软集团等，均有应用文通科技文字识别技术，服务客户或集成到企业系统，应用于档案数字化管理、合同管理、数据的录入加工、纸质电子化等多种场景。

文通科技通用文字识支持识别纯英文、简繁体中文、日文、藏文、中英混排等十几门语种

通用文字识别集传统模式及深度学习算法相结合，支持少数民族文字、生僻字识别、手写文字识别。可识别字符集大于16000，适配龙芯、兆芯、飞腾等国产硬件平台。

可实现自动倾斜矫正、自动旋转、自动去下划线、自动去污、自动裁切等功能；

自动过滤倾斜、形变、光照变化、压线、网格、盖章、模糊、低分辨率等干扰。

支持版面分析、可自动分辨横版竖版文字；在线可识别字在原文中的位置和大小，可同时识别多页PDF文件。

文通科技将继续融入更广泛、更深层次的档案工作中，利用OCR识别技术开展档案数字化工作，提高工作效率和准确性，推动档案信息资源建设数字化转型。