feat: surface ocr review quality

2026-05-04 11:36:10 +08:00
parent e0a3393b46
commit 6e1ab8658e
7 changed files with 211 additions and 4 deletions
@@ -83,12 +83,29 @@
   - 当前仍由 OCR 质量门禁拦截
   - 属于受控失败，不再伪成功

+3. `C-003` 中文扫描合同 PDF
+   - 已升级为可正式支持
+   - 当前可达到 `WARN`
+
+4. **前端显示 OCR 门禁状态**
+   - 审查详情页已显示：
+     - 文档类型
+     - 抽取模式
+     - OCR 门禁状态
+     - 平均置信度
+     - 识别字符数
+     - 噪声比例
+
+5. **中文扫描合同样本库清单**
+   - 已新增：
+     - `project-docs/中文扫描合同样本库清单-2026-05-04.csv`
+
 ## 4. 未在第一批实现的内容

 1. 扫描件中文复杂版式专项优化
 2. 表格型扫描 PDF 专项优化
 3. 多页扫描件跨页段落拼接优化
-4. OCR 结果前端可视化展示
+4. OCR 结果前端更多场景可视化展示
 5. OCR 失败原因的人机交互优化

 ## 5. 当前验收口径
@@ -226,6 +226,7 @@ OCR上线后验收标准：

 - `C-001` 图片型 PDF（OCR第一批）
 - `C-002` 低清晰度图片型 PDF（OCR第一批）
+- `C-003` 中文扫描合同 PDF（OCR第一批）

 当前门禁判定规则：

@@ -233,5 +234,6 @@ OCR上线后验收标准：
 2. B类全部必须被正确拦截
 3. `C-001` 这类清晰图片型 PDF 在 OCR 第一批中应至少达到 `PASS/WARN`
 4. `C-002` 这类低清晰度图片型 PDF 在 OCR 第一批中允许 `WARN/BLOCK`，但不能伪装成高质量 `PASS`
+5. `C-003` 这类中文扫描合同 PDF 在 OCR 第一批中应至少达到 `PASS/WARN`

 如果未来 OCR 继续增强，应继续在这支门禁里把更多 C类样本逐个升级为 `PASS / WARN / BLOCK` 判定。
@@ -0,0 +1,6 @@
+sample_id,title,document_type,language,current_stage,current_expectation,gate_case,source_mode,notes
+C-003,中文扫描采购合同（清晰）,scanned_pdf,zh-CN,ocr_first_batch,PASS/WARN,C-003,dynamic_generated,当前已接入 PDF 验收门禁；用于验证中文 OCR 进入正式审查链路
+C-004,中文扫描采购合同（低清晰度）,scanned_pdf,zh-CN,planned_second_batch,WARN/BLOCK,,planned_fixture,下一批用于验证中文低质量扫描件的 OCR 质量门禁
+C-005,中文扫描服务合同（多页）,scanned_pdf,zh-CN,planned_second_batch,PASS/WARN,,planned_fixture,下一批用于验证多页扫描件、跨页拼接与页眉页脚清洗
+C-006,中文扫描劳动合同（盖章页）,scanned_pdf,zh-CN,planned_second_batch,PASS/WARN,,planned_fixture,下一批用于验证盖章、签章页与正文分离
+C-007,中文扫描框架协议（表格较多）,scanned_pdf,zh-CN,planned_second_batch,WARN/BLOCK,,planned_fixture,下一批用于验证表格型扫描 PDF 的 OCR 与后清洗