当前，数据要素已成为驱动数字经济发展的核心生产要素，数据知识产权登记是明确数据权益、保障数据合规流通、释放数据价值的核心基础制度安排。作为全国数据要素市场化配置改革先行区，浙江省搭建的浙江省数据知识产权登记平台，承担着省内数据资产确权备案、权益保护、流通交易背书等核心公共服务职能，为企业合法开发、利用、交易数据资产提供官方公信力保障。2026年5月14日，浙江博文文具有限公司自主研发的“文具类销售订单AI精准解析及智能纠错数据”正式在该平台完成知识产权登记，成为浙江省首个面向文具制造赛道的专属垂域数据资产。
传统文具制造与流通行业长期面临订单处理的共性痛点：行业内存在大量线下手写订单、非标定制订单，不同客户的订单格式、手写字体、工艺表述差异极大，传统人工录入模式不仅效率低下，还容易出现材料属性、加工要求、尺寸规格等关键信息识别错误，进而引发生产交付偏差、客诉率上升、运营成本高企等问题，此前行业内始终缺乏适配文具场景的标准化订单识别模型及对应的高质量训练数据集。
浙江博文文具有限公司本次登记的数据集，正是瞄准上述行业痛点研发，是构建精准文具行业销售订单图像识别AI模型的核心信息基础。整套数据集涵盖近千张真实订单图片和对应的文具行业知识图谱，经过标准化处理形成结构清晰、可直接复用的训练资源，可支撑文具制品订单识别垂域模型的快速训练。应用基于该数据集训练的AI模型，可实现文具销售订单图片中紧急标识、材料属性、加工要求、精确尺寸等关键信息的精准识别、结构化提取与智能优化，完成手写订单数据自动化录入、标准化处理与快速下单，大幅降低企业人工录入成本与信息误差率，相较于传统人工处理模式可实现订单解析准确率的跨越式提升。整套数据处理系统基于多家文具企业的真实图片订单数据研发，通过多阶段智能处理，构建了一套从非结构化图像到结构化、知识增强型订单数据的自动化处理体系，具体流程与技术指标如下：1.数据采集与标注 采集真实业务中产生的图片订单作为原始数据源，具体包含两部分：①业务规则验证数据集：将已处理的订单信息结构化，形成涵盖订单客户货号、品名、销售数量、计量单位、合计数量、封皮要求、内芯要求、烫金要求、备注等完整字段的业务实体数据集，用于验证和驱动下游的规则引擎。②领域专用OCR训练数据集：针对订单图片中手写体（工整/潦草）、印刷体等多变样式，进行人工精细化标注（文本区域框选与内容转录），构建了高质量的定制化图像-文本对齐数据集。目前OCR数据集包含近千条样本数据，按照8:2比例划分为训练集和测试集。2.数据预处理 对采集的订单图片进行灰度化、降噪、倾斜校正等预处理操作，提升OCR识别准确率；提取图片中的文本信息，形成原始OCR识别结果，标注模糊、错误、缺失等问题字段。3.OCR模型训练 基于卷积神经网络（CNN）和循环神经网络（RNN）的组合架构，采用“图像输入→特征提取→序列识别→输出文本”的端到端架构，建立AI手写订单识别模型，对OCR识别结果进行综合后处理优化，通过大量标注数据训练，采用公式矫正、常见错字替换、尺寸标准化等方法，有效纠正识别错误，生成高质量的订单文本，实现从图像到文字的直接映射。此模型在训练集的识别准确率为89%。4.关键词矫正 基于行业订单数据词典与语义分析模型，对OCR识别结果中的关键词进行矫正，根据预先定义的、融合了领域知识的详细规则库，从优化后的文本中自动提取并结构化订单关键信息，实现非结构化文本到标准化业务数据的精准转化。包括产品规格单位统一、错别字修正、模糊信息补全（如日期格式标准化）。目前订单解析的准确率可达95%以上。5.历史数据关联与智能补全 在AI手写订单识别模型中添加当前订单与客户历史订单的关联关系，采用“最多字段匹配”算法，依据品类、品牌、等级三个核心字段判断订单相关性，并自动利用最相关历史订单的信息来填充当前订单中的空缺字段，实现数据知识的传承与增强。
从行业应用价值来看，该数据集及对应的训练模型除了支撑企业自身订单处理效率提升外，还可通过合规授权的方式向全行业开放复用，典型应用场景包括中小文具厂商的订单自动化处理体系搭建、文具供应链协同平台的多格式订单统一识别、跨境文具贸易的多语言订单转换、区域文具产业集群的订单大数据分析（含消费趋势预判、产能动态调度）等，为整个文具制造行业的数字化转型提供了标准化的基础资源支撑。本次数据知识产权登记完成后，该数据集的合法权益将得到官方确认，后续可依法开展授权使用、交易流转、作价入股等多种形式的开发利用，为传统制造行业数据资产化、数据要素流通落地提供了可参考的样板。
登记内容：
_1769672084863.jpg)