一、扫描件为什么需要转为双层PDF
在投标文件制作过程中，大量的原始材料以纸质形式存在：资质证书、营业执照、检测报告、授权书、业绩合同等。这些纸质文件需要通过扫描仪转为电子版，然后纳入投标文件。然而，扫描仪直接生成的PDF文件本质上只是一张张图片的集合，即"纯图像PDF"或"单层PDF"。这种PDF文件不包含任何可搜索的文字信息，无法满足电子投标平台（如国家电网 e-bidding）对双层PDF的格式要求。
要将扫描件转换为双层PDF，核心技术是OCR（光学字符识别）。OCR引擎会分析扫描图像中的文字区域，识别每个字符并生成对应的文字层，叠加在原始图像层之下。最终生成的双层PDF既保留了扫描件的原始视觉效果，又具备了全文搜索和文字提取的能力。
二、扫描质量要求：好的源文件是成功的一半
扫描质量直接决定了OCR识别的准确率。如果源图像模糊、倾斜或存在噪点，即使最先进的OCR引擎也很难给出准确的识别结果。
分辨率要求：DPI不低于300
DPI（每英寸像素数）是衡量扫描质量的核心指标。不同的DPI设置对OCR识别效果的影响如下：
| DPI设置 | 图像质量 | OCR识别效果 | 文件大小（A4页面） |
|---|---|---|---|
| 150 DPI | 低，文字边缘模糊 | 差，大量识别错误 | 约200KB |
| 200 DPI | 可接受，基本清晰 | 一般，小字号文字可能出错 | 约400KB |
| 300 DPI | 良好，文字清晰锐利 | 优秀，推荐使用 | 约800KB |
| 600 DPI | 极高，细节丰富 | 极佳，但提升有限 | 约3MB |
建议：日常投标文件扫描推荐使用 300 DPI。对于包含极小字号文字（如合同附件中的脚注）的文档，可以考虑使用 400 DPI。不建议超过 600 DPI，因为文件体积会急剧增大而OCR精度提升有限。
色彩模式选择
- 彩色扫描：保留原始文档的色彩信息，适用于包含彩色印章、彩色表格、照片等内容的页面。文件体积最大。
- 灰度扫描：去除色彩保留灰度层次，在保证OCR精度的同时显著减小文件体积。适用于纯文字页面。
- 黑白（二值）扫描：只有黑白两色，文件体积最小，但可能丢失灰度细节，不适用于包含照片或渐变背景的页面。
投标文件建议：有印章和签名的页面使用彩色扫描，纯文字页面使用灰度扫描，最后合并为一份PDF。
三、OCR语言设置的重要性
OCR引擎需要知道文档中使用的语言，才能选择对应的字符集和语言模型进行识别。错误的语言设置会导致大量的识别错误。
中文文档的OCR设置
对于中文投标文件，OCR语言应设置为简体中文。如果文档中混合了英文内容（如型号规格、品牌名称），应同时启用中英文混合识别模式。大多数专业OCR工具都支持多语言混合识别，但需要手动开启。
常见语言设置错误
- 误选繁体中文：简体和繁体的字符集不同，选错会导致大量识别错误。例如"国家电网"可能被识别为繁体对应的"國家電網"甚至出现乱码。
- 未启用英文识别：文档中的英文型号、品牌名、缩写等无法正确识别。
- 语言设置为日文或韩文：由于中日韩文字有大量共用汉字，误选可能不会完全报错，但识别结果会包含大量错误。
四、处理旋转和倾斜页面
扫描过程中纸张放置不正是非常常见的问题，会导致扫描图像出现旋转或倾斜。这些问题如果不处理，会严重影响OCR识别精度和文字层的对齐质量。
页面旋转问题
如果纸张被放反了（如倒置180度或侧放90度），OCR引擎会完全无法识别文字。解决方法：
- 在扫描软件中启用"自动旋转"功能（大多数扫描仪驱动都支持）。
- 扫描完成后，在PDF编辑工具中手动旋转不正确的页面。
- 使用智数云科技双层PDF转换工具，它内置了自动页面方向检测功能。
页面倾斜（歪斜）问题
即使纸张放置时看起来很正，扫描出来的图像也可能存在1-3度的倾斜。这种轻微的倾斜肉眼难以察觉，但会影响OCR引擎的行列检测和文字对齐。
纠偏处理建议：
- 在扫描仪设置中启用"自动纠偏"（Deskew）功能。
- 使用图像处理软件（如 Adobe Acrobat Pro 的"增强扫描"功能）进行后期纠偏。
- 专业双层PDF工具通常内置自动纠偏算法，可在转换过程中自动校正。
五、处理印章和手写内容
投标文件中经常包含印章（公章、法人章）和手写内容（签名、手写日期等）。这些元素对OCR识别提出了特殊挑战。
印章处理
红色印章覆盖在文字上方时，可能导致被覆盖区域的文字无法被OCR识别。常见的处理策略：
- 印章区域自动跳过：高级OCR引擎能够识别印章区域并自动跳过，只识别未被覆盖的文字。
- 颜色通道分离：通过分析红色通道，将印章图像与文字图像分离，分别处理。
- 接受印章区域的识别损失：对于印章覆盖的少量文字，可以接受识别不完整。
手写内容处理
手写文字的OCR识别难度远高于印刷体。目前大多数OCR引擎对手写中文的识别率仍然有限。建议：
- 手写内容（如签名）不要求OCR准确识别，只需要图像层清晰可辨即可。
- 如果手写内容包含关键信息（如手写的日期、金额），考虑在后期手动补充文字层。
- 尽量减少投标文件中的手写内容，关键信息优先使用打印方式。
注意：扫描件中包含印章的页面，务必使用彩色扫描模式。黑白或灰度扫描可能导致红色印章在图像中不可见或严重失真。
六、批量处理技巧
投标文件通常包含大量的扫描件附件，逐页处理效率低下。以下是提升批量处理效率的技巧：
扫描阶段的批量处理
- 使用自动进纸器（ADF）：大多数办公扫描仪都配备了自动进纸器，可以一次放入数十页纸张自动扫描，无需手动逐页翻放。
- 统一扫描设置：在开始批量扫描前，一次性设置好分辨率（300 DPI）、色彩模式、文件格式等参数。
- 按类别分批扫描：将同类文件（如所有资质证书）放在一起扫描，便于后续管理和命名。
- 直接扫描为PDF：将扫描输出格式设置为PDF（而非JPEG或TIFF），可以自动将多页内容合并到一个PDF文件中。
双层化转换的批量处理
- 批量导入：智数云科技双层PDF转换工具支持同时导入多个PDF文件，一键启动批量转换。
- 队列管理：可以设置转换任务队列，让工具自动按顺序处理所有文件，无需手动逐个操作。
- 统一输出目录：将所有转换后的文件输出到统一目录，便于后续合并和整理。
- 转换后校验：批量转换完成后，建议逐一抽查输出文件的质量，确保OCR识别准确、文字层对齐。
七、扫描件双层PDF制作清单
按照以下清单操作，可以确保扫描件到双层PDF的转换质量：
- 扫描分辨率设置为 300 DPI 或以上
- 有印章的页面使用彩色扫描，纯文字页面可用灰度扫描
- 检查扫描图像无明显倾斜或旋转
- OCR语言设置正确（简体中文+英文混合）
- 检查OCR识别结果的准确性（抽查关键页面）
- 确认文字层与图像层对齐精确
- 验证所有页面都包含文字层（包括证书附件页）
- 检查最终文件大小是否在平台限制之内
