让扫描图纸也能搜索：171 页在 338 秒内识别，翻页的时间能拿回多少

在一套图纸里，扫描页用 Ctrl+F 什么也找不到，查一个符号只能翻页。当每一页扫描图都被识别出文字 — 文字页和扫描页分开计数，中断后重跑只读缺少的页 — 一名造价工程师每月能拿回多少小时，最大的那套图纸又能不能跑完？

送到造价工程师手里的一套设计图纸，通常是几百页的 PDF，其中相当一部分是扫描图片：签字盖章后重新拍照的图纸，或为了 存档而扫描的旧图。在这些页上，Ctrl+F 一个字也找不到。想知道基础混凝土标号写在哪里、柱 C1 的截面是多少、保护层的说明在哪 一张图上，只能一页一页地翻。

本文要问的是：如果每一页扫描图都能识别出文字、像普通页面一样搜索，一名工程师每月能拿回多少小时？ 还有一个更靠前的 问题：这种识别能不能把整套图纸跑完。

1. 改变了什么

上传一套图纸时，机器把两类页面分开并分别计数：自带文字的页（直接从文件读取）和扫描图片页（需要识别）。状态行说的是 整个文件，例如「312 页：267 页自带文字，45 页是扫描 — 已在 58 秒内识别 45 页」。以前只显示「已识别 45 页」，读的人以为 机器停在了第 45 页。

在此之后：

1. 每一页扫描图都会被识别出文字，越南语和英语，用服务器的 CPU 运行。来自扫描页的每个搜索结果都标有「OCR」和置信度， 让使用者知道在相信之前要回看图纸。
2. 从扫描页图签读出的图号和图名，像文字页一样进入图纸目录。
3. 中途被打断不必从头再来。 每 10 页保存一次结果，所以重跑只读缺少的页。实测：171 页的一套在第 30 页处中断， 重跑只读了剩下的 141 页。
4. 大套图纸按 8 MB 分段上传。 服务器前面的分发网络拒绝任何超过 100 MB 的请求，而浏览器什么也不提示：一套 117 MB 的 图纸曾以 5 KB/秒爬了 18 分钟。现在哪一段遇到网络错误就单独重发那一段，重发也不会产生重复文件。

2. 先要回答的问题：能不能跑完

单独识别一张扫描的 A3 需要 1 到 53 秒。一套 171 页，在开发机上用 6 个进程并行测得：338 秒，约每页 2 秒。

在真实服务器上 — 4 核，与其他系统共用 — 同一套图纸起初没有跑完：停在了 300 秒的上限。测得的原因：6 个进程同时运行， 每个进程又按核数各开一个线程，变成 24 个线程争抢 4 个核。把每个进程限制为一个线程、并行数设为核数减一之后，同一台机器上的 同样 171 页在 352 秒内完成。

这一点比下面任何数字都重要。一套识别跑不完的图纸不是「搜索更慢」— 而是什么也找不到，所有需要在这套图里查东西的工作 要么停下，要么回到手工翻页。下面的计算器只计算已经跑完的图纸上的小时数；彻底停下的工作不在其中，所以总数是下限。

3. 第一项来源：在扫描页上查找

在自带文字的页上的词，今天就能用搜索框找到。在扫描页上就只能翻，平均翻到一半时遇到它。扫描页有了文字之后，识别正确的那 部分转到搜索这一步；识别错误的部分仍然要像以前一样翻。上面的图表正是这个算式：两条曲线之间的阴影就是每次查找节省的分钟。

怎么测。 一周内，每次要在图纸里找东西就记一笔并计时。把在文字页上找到的和在扫描页上找到的分开数。正确识别比例用你自己 的图纸来测：取 20 个已知位置的词，逐个搜索，数一数有多少落在正确的页上。

可信程度： 中等。查找次数和每页秒数，熟悉这套图的人和第一次打开的人相差很大。正确识别比例取决于扫描质量 — 歪斜、模糊、 或者红章压在字上，都会明显降低。

4. 第二项来源：图纸目录

怎么测。 下次编图纸目录时，在 20 张扫描图上计时。然后在工具里数一数有多少张图号正确、不需要修改。

可信程度： 中等。每家设计单位的图签格式不同；格式陌生时，正确识别的比例较低。

5. 需扣除的项：等待与核对

一套 171 页的识别在服务器上约 6 分钟，在后台运行，没有 AI 模型费用 — 这部分用的是在 CPU 上运行的文字识别软件。使用者仍然 要花时间：等待、复查报错的页、点击重跑。按每套 10 分钟计：4 × 10 ÷ 60 ≈ 每月 0.7 小时。

6. 合计

一名每月读 4 套图纸的工程师，每月约 10 小时，按例子里的工资一年接近 1,000 万越南盾。今天，在这些图纸上查找和编目录要花 约 16.5 小时。

只算一次。 这 10 小时要么是钱，要么是多接图纸的能力，不能两样都算。而且正如第 2 节所说，这个数字没有算上那些 今天谁也查不到任何东西的图纸。

7. 这个 ROI 建立在什么假设上

要找的词被正确识别的比例。 它在两项来源之下。在计算器里把它设为 0：查找和目录都归零，只剩扣除项。在截图的示例图纸上， 清晰的印刷字以 96% 的置信度读出；在真实扫描上，手写字、被章压住的字、或者 Ø 这类钢筋符号常常被读错。所以来自扫描页的每个 结果都标有「OCR」和置信度 — 那是提醒你回看图纸，不是装饰。

找不到不等于没有。 机器读错的词不会出现在结果里。对于漏掉就要花钱的东西 — 一条材料说明、一个与平面图矛盾的详图 — 工程师仍然要熟悉这套图；工具缩短的是到达那一页的路，不能代替阅读。

每套查找次数是最容易说多的数字。在相信 60 之前，先测一周。

8. 在你自己的公司里测

1. 取基线。 选一套正在做的图纸。数扫描页占全部页数的比例；一周内记录查找次数和每次分钟数；在 20 张扫描图上给编目录计时。
2. 在工具上跑同一套。 记录识别时间、失败页数，以及 20 个已知位置的词的正确识别比例。
3. 同类相比。 钢筋符号多的结构图和文字多的建筑图不同；结构图和结构图比。

9. 值得记住的

搜索不到的一页，就是每次用到都要用眼睛重读的一页。 文字识别不会让人读图更快 — 它让走到正确那一页不再费力。在计算节省 之前，先问一个更朴素的问题：你最大的那套图纸，真的能跑完吗？

一套搜索不了的图纸不是更慢 — 而是停下了。

识别时间（开发机上 171 页 338 秒，4 核服务器上 352 秒）、修复前停在 300 秒上限、267 页文字页加 45 页扫描页的 312 页图纸、 以 5 KB/秒上传的 117 MB 图纸，均在 Xây dựng G20 上用真实设计图纸测得，已匿名处理。截图来自一个示例项目。每月图纸套数、扫描 比例、查找次数、每页秒数、正确识别比例和工资都是示例数字。请换成你自己的。