招标详情
下文中****为隐藏内容，仅对千里马会员开放，如需查看完整内容请
「注册/登录」或 拨打咨询热线：
400-688-2000
项目名称
| OCR服务多集群适配调优及工具开发 | 项目编号
**** |
公告开始日期
| 2025-09-09 17:10:38 | 公告截止日期
2025-09-12 18:00:00 |
采购单位
| **** | 付款方式
合同签订后7个工作日内向乙方支付50%；项目验收后7个工作日内，向乙方支付剩余50%。 |
联系人
| 联系电话
|
签约时间要求
| 到货时间要求
|
预算总价
| ￥280000.00 |
发票要求
|
含税要求
|
送货要求
|
安装要求
|
收货地址
|
供应商资质要求
| 符合《政府采购法》第二十二条规定的供应商基本条件 |
公告说明
|
采购商品 采购数量 计量单位 所属分类
| OCR服务多集群适配调优及工具开发 |
1 |
项 |
基础软件开发服务 |
品牌
|
型号
|
预算单价
| ￥ 280000.00 |
技术参数及配置要求
| 完成面向大规模科学语料生产的OCR服务多集群适配调优及工具开发，重点提升在异构GPU环境下的文档解析效率与文本识别准确率。聚焦OCR处理流水线的性能调优、多型号GPU适配、主流OCR技术方案在科学文献场景下的准确率对比验证，以及对现有OCR质量评测集的自动化、工作流化评测能力构建、 轻量级标注支撑功能开发与数据生产、OCR可视化工具开发为语料生产系统提供高精度、可评估、可持续迭代的底层解析支持。 核心工作包括：实现与现有高性能计算平台的稳定对接，优化OCR处理Pipeline，提升吞吐量与识别质量；开展主流OCR技术方案的准确率横向评测；构建基于现有评测集的标准化评测工作流，实现质量评估过程的自动化、可复现与高效化;开发OCR可视化工具与轻量级标注支撑功能，支持结构化内容提取、在线编辑、原文溯源及任务管理，提升语料处理的可用性与生产效率。 （一）具体需求内容及服务要求 完成面向大规模科学语料生产的OCR服务多集群适配调优及工具开发，重点提升在异构GPU环境下的文档解析效率与文本识别准确率。聚焦OCR处理流水线的性能调优、多型号GPU适配、主流OCR技术方案在科学文献场景下的准确率对比验证，以及对现有OCR质量评测集的自动化、工作流化评测能力构建、 轻量级标注支撑功能开发与数据生产、OCR可视化工具开发为语料生产系统提供高精度、可评估、可持续迭代的底层解析支持。 核心工作包括：实现与现有高性能计算平台的稳定对接，优化OCR处理Pipeline，提升吞吐量与识别质量；开展主流OCR技术方案的准确率横向评测；构建基于现有评测集的标准化评测工作流，实现质量评估过程的自动化、可复现与高效化;开发OCR可视化工具与轻量级标注支撑功能，支持结构化内容提取、在线编辑、原文溯源及任务管理，提升语料处理的可用性与生产效率。 核心功能需求 1. 多型号GPU环境下OCR流水线对接与性能优化 ○ 实现与现有高性能计算平台的稳定对接，支持通过工作流调度OCR任务，并适配多种型号GPU**，自动匹配最优执行环境与**配置策略。 ○ 优化OCR处理Pipeline，提升关键性能指标： ◆ 文档解析吞吐量 ≥ 1500页/小时/单节点（PDF + DJVU格式，含版面分析与文本识别）； ◆ 在统一测试集上达到以下质量指标： ● OverallEdit ↓ ≤ 0.20（整体内容编辑距离，越低越好） ● TextEdit ↓ ≤ 0.10，（文本还原质量） ● FormulaEdit ↓ ≤ 0.40，FormulaCDM ↑ ≥ 0.85（公式识别完整性与准确性） ● TableTEDS ↑ ≥ 80，TableEdit ↓ ≤ 0.20（表格结构还原能力） ● Read OrderEdit ↓ ≤ 0.05（阅读顺序还原准确率） ○ 完善任务异常处理机制，支持自动重试（最多3次）、失败任务日志写入ODPS，并提供关键指标（如任务成功率、GPU利用率、显存占用等）。 2. 主流OCR技术方案调研与准确率对比验证 ○ 针对科学文献解析场景，调研并部署至少3类OCR技术方案进行横向准确率评测，包括但不限于： ◆ 当前自研OCR引擎（主用方案） ◆ DotsOCR（开源文档OCR框架） ◆ MonkeyOCR（或同类高精度OCR系统） ○ 在统一测试集（基于项目现有OCR质量评测集，不少于800页，覆盖PDF、扫描件、双栏/多栏排版、公式图表混合等典型文献类型）上进行端到端准确率对比，评测指标包括： ◆ 整体内容编辑距离 ◆ 文本还原质量 ◆ 公式识别完整性与准确性 ◆ 表格结构还原能力 ○ 输出《主流OCR对比评估报告》，明确各方案在科学文献场景下的优势、短板及适用建议。 3. 轻量级标注支撑功能开发与数据生产 ○ 在现有系统基础上，扩展支持 标注任务分发与进度管理功能，实现任务分配、状态跟踪与截止时间提醒。 ○ 集成基于大模型的 自动预标注能力，对标题、摘要等字段提供初标建议，人工标注效率提升 ≥30%。 ○ 完成 不少于1万条 结构化标注数据的生产与入库，用于下游语料流水线的模型训练与效果验证。 4. OCR可视化工具开发 ○ 完成OCR可视化工具的开发，支持PDF、Word、ePub等格式文档的上传与结构化解析，实现文本、表格、公式、图片等内容的自动提取与Markdown、JSON等多格式输出。 ○ 提供在线编辑、原文溯源、上下篇切换、批量导入导出等功能，支持解析结果与原始页面双向定位。 ○ 工具需具备直观的交互界面，满足用户对科技文献内容提取、查看、修改与导出的一体化操作需求，提升语料处理的可视化与可用性。 5. 现有评测集的工作流化质量评估能力建设 ○ 基于现有OCR质量评测集，构建标准化、可复用的自动化评测工作流，实现从原始文档输入到OCR结果比对、质量打分、问题归因的全流程自动化。 ○ 工作流支持： ◆ 自动加载评测集与真值标注数据 ◆ 调用不同OCR引擎并运行推理 ◆ 自动生成准确率、Edit、CDM等核心指标报告 ○ 目标：将单次OCR模型/参数迭代的评测周期从人工评估的3–5人日缩短至≤4小时，显著提升模型优化效率与评测一致性。 6. 后续迭代支持机制 ○ 在主体功能交付并稳定运行后，供应商应配合项目实际需要，支持必要的OCR模型微调、参数优化或轻量级功能扩展。 ○ 所有新增需求需经双方书面确认，明确范围、工作量与交付周期，确保不影响现有系统稳定性。 技术及服务要求： Python，Java语言及对应的常用Web框架，熟悉Kubernetes、Docker，Odps，ADB，MySQL，Redis等云产品使用 （二）质保及售后服务要求： 保障交付的系统功能能够满足项目组实际应用需求。 乙方负责向甲方提供技术售后服务2个月，自甲方签收产品之日起；发生质量问题，乙方要在24小时内响应，必要时72小时内到用户现场排除故障，售后服务地点由甲方确定 （三）验收标准： ● 提供OCR可视化工具，轻量标注服务和OCR语料处理优化服务相关工程代码； ● 适配多种型号GPU，提供其语料处理服务的镜像Dockerfile； ● 优化后数据处理解析效率在单节点吞吐量超过1500页/小时； ● 完成自研OCR、DotsOCR、MonkeyOCR等不少于3类方案在统一测试集上的横向评测，输出《主流OCR对比评估报告》，包含Edit、CDM、等核心指标及适用场景建议。 ● 标注任务分发、进度管理及自动预标注功能在现有系统中部署上线，支持任务分配与状态追踪；提供预标注功能对标题、摘要字段，使人工标注效率提升≥30%，完成 不少于1万条 结构化标注数据的生产与入库，用于下游语料流水线的模型训练与效果验证。 （四）服务履行时间： 驻场服务总工期不少于5个月，确保团队有足够时间与甲方深入沟通与协作，保障项目的高效推进与按时交付。 （五）付款方式： 合同签订后7个工作日内向乙方支付50%；项目验收后7个工作日内，向乙方支付剩余50%。标书代写 |
参考链接
|
售后服务
| 乙方负责向甲方提供技术售后服务2个月，自甲方签收产品之日起；发生质量问题，乙方要在24小时内响应，必要时72小时内到用户现场排除故障，售后服务地点由甲方确定; |
