很多单位的图纸档案是几十年积累的纸质图与低质量扫描件，找一张图要翻半天。与其一次性「全都数字化」，更现实的做法是分批推进：先做图号与标题栏索引，再补明细表与说明区，最后做全文检索与权限管控，把死档案变成活资产。
我们走访过的档案室情况大同小异：图纸柜按年代粗分，柜里是折叠的蓝图和后来补扫的 PDF，扫描件往往只有「扫描001.pdf」这种文件名。要复用一张十年前的图，只能靠老同事的记忆，或者干脆重画。
一、档案柜里的沉没成本
「找图」一次耗时 20 分钟到半天，找不到就重画，重画又引入新的图号与版本混乱。更隐蔽的是知识流失：熟悉老图分布的老师傅退休后，一部分档案实质上等于失效。
所以数字化的目标不是「把纸变成 PDF」——很多单位早就扫完了，问题依然存在。真正的目标是让每张图都有可检索的结构化标识，能按图号、名称、项目、版本被找到。
二、不要一上来就想「全都数字化」
整批一次性做全字段提取几乎必然失败：来料质量差异导致进度不可预测，复核量呈数量级增长，项目跑完前业务方看不到任何成果。更可行的路线是拆成三批，每批独立上线并产生价值。
三、第一批：图号与标题栏索引（投入最小、收益最快）
只抓最关键的几个字段
只提取 5 到 8 个字段：图号、图名、项目名、比例、日期、设计/审核、版本号。它们集中在标题栏一个小区域内，识别面积小、模板固定，单张成本远低于全图提取。做完这批，档案室就能从「按柜找图」切换到「按图号搜图」，这一步的体验提升是断崖式的。
先把图号规则理清楚
历史图号常跨越多套编码规则：早期手写、中期打字、后期 CAD 出图。开工前应整理一张图号格式表，写清各年代的前缀、分隔符与位数用于校验；不符合任何已知规则的图号一律标为待确认，不要静默入库。
四、第二批：明细表与技术说明区
索引可用后再向图面内部推进，重点是明细表（材料、规格、数量、件号）与技术要求段落。难点在结构而非识别：合并单元格、多级表头、跨页续表都会破坏行列关系，需先重建网格拓扑再归入文本。
这一批按业务价值排序而不是按柜号顺序：优先做仍在服役的设备、仍在维护的管网、仍可能复用的标准图，已废弃项目保留索引即可。合理比例大致是全量做索引，其中 20% 到 40% 做到明细表级别。
判断第二批要不要做某一批图，只问一个问题：未来三年内，有人会因为这张图上的材料或数量而查它吗？答案是否，就停在索引级别。
五、第三批：全文检索与权限管控
最后一批把数据变成可运营的资产，两件事同时做。
- 全文检索。结构化字段与图面全文一起进索引，支持「图号精确匹配 + 关键词模糊搜索」双通道；结果要能跳到原图并高亮命中位置。
- 权限管控。历史图纸常混有涉密内容，权限至少要按项目和密级两个维度，并对下载、导出、打印分别留痕。
六、老扫描件的质量补救
老扫描件的典型问题有四类，处理顺序不能颠倒：
- 倾斜。先纠偏再做区域定位，否则线框检测大面积失效；以图框长边做基准比用文字行更稳。
- 折痕与装订孔。沿折痕的亮暗条带会被误判为表格分隔线，需按周期性特征单独抑制。
- 噪点与霉斑。去噪强度要控制，过度处理会把小字号的笔画一起磨掉。
- 低分辨率。低于 200 dpi 的不要硬扛，直接重扫；原件已不存在的标记为「仅索引」，不承诺明细表准确率。
七、分批推进的验收节奏与常见误区
按批次验收，每批固定四个口径：抽样比例、字段级正确率、低置信度占比上限、单张平均复核工时。数字写进合同，进度才有可比性。
三个高频误区：把扫描完成当成数字化完成；不梳理图号规则就直接上模型，导致返工；不预留人工复核工时，按理想值排产。
小结
历史图纸数字化不是一次性工程，而是可以分段交付的路线：索引先行让档案立刻可用，明细表按价值补齐，检索与权限最后收口。