《基于AI的核电文件密级检测算法应用》——中广核工程有限公司项目队长方丽

2025年11月14日，中广核工程有限公司项目队长方丽在深圳核博会“AI+核能创新应用场景路演”上发表《基于AI的核电文件密级检测算法应用》主旨报告。

本次演讲介绍了中广核工程数字化中心研发的基于计算机视觉和 OCR 的 AI 检测方案，能够在百毫秒级完成数百页核电文件的全面扫描与风险定位，实现安全风险降至极致。系统采用集成学习、语义校验以及终身学习引擎，保证高精度、低漏检率并可持续进化；已在公司文档管理平台落地，显著提升了审查效率和安全水平，并规划向金融、政府、医疗等行业拓展。

关键点
1. 人工审核的痛点与风险（00:29）
传统的人工逐页审查效率低下，审稿人员容易疲劳导致漏检；历史上曾出现密集文件漏水等安全事故，凸显了对核电文档安全审查的严苛要求。

2. 核电行业文档规模与挑战（01:11）
海量技术报告和合同文件每年超过万级，依赖人工逐页检查导致流程缓慢、角色串行传递，难以满足项目提速的需求。

3. AI 检测方案核心能力（01:20）
基于先进计算机视觉模型的核电文件密集检测算法，可在百毫秒内完成对数百页文件的全面扫描，精准定位风险点，将安全风险降至极致。

4. 核心技术：火眼金睛视觉引擎（04:42）
为计算机装上“火眼金睛”，实现秒级响应的精准定位，解决了传统审查的效率瓶颈。

5. 双重技术保障：集成学习与 OCR 语义校验（05:01）
通过多模型专家会诊投票提升系统鲁棒性；OCR 语义校验精准识别印章文字、加密/解密属性，杜绝误读错误。

6. 终身学习与自适应更新机制（06:20）
系统能够在遇到新型印章时自动触发学习任务，仅需 10‑20 份样本，数小时内完成模型迭代并保留旧知识，实现持续进化的智能伙伴。

7. 落地实施四步闭环流程（07:22）
① 合成学习资料解决数据稀缺；② 预训练+微调快速产出高精度模型；③ 多模型与 OCR 专家会诊把漏检降至极致；④ 设计进化大脑实现终身学习能力。

8. 部署效果与性能指标（08:40）
系统上线后单模型准确率达 99.4%，召回率 95.8%；集成优化后漏检率压至 0.2%（远低于人工 1.2%），响应时间百毫秒级，实现安全与效率双飞跃。

9. 未来拓展与战略愿景（09:31）
计划将检测能力封装为标准 API，向金融、政府、医疗等行业扩展；持续攻坚复杂印章、模糊排列等场景，实现核电文件全生命周期的智能安全闭环。

时间线
00:07 - 开场介绍与演讲者身份，点出安全是核电行业的生命线。
00:29 - 阐述传统人工审查的低效和潜在风险，引出痛点。
01:11 - 说明核电文档数量庞大、审查依赖人力导致流程缓慢。
01:20 - 提出基于 AI 的快速扫描检测方案，展示技术优势。
03:38 - 进一步分析行业痛点：流程碎片化、漏检事件、数字化转型挑战。
04:42 - 介绍核心视觉引擎“火眼金睛”以及双重技术保障（集成学习、OCR）。
06:20 - 描述终身学习机制及新印章快速适应的工作流。
07:22 - 分四步阐述标准化落地流程，实现智能闭环。
08:40 - 展示系统部署后的关键性能指标和业务成效。
09:31 - 展望技术在跨行业的应用前景及持续优化路线图。
10:01 - 结束语强调以最先进可靠的 AI 技术守护国家安全的使命与决心。

AI 延伸阅读(下文由AI生成，其内容可能存在偏差，请注意甄别)：

AI赋能核电文件密级检测：为核心技术资料筑牢智能安全防线

2025年11月14日，在深圳核博会“AI+核能创新应用场景路演”上，中广核工程有限公司数字化中心AI团队项目队长方丽发表了《基于AI的核电文件密级检测算法应用》主旨报告，介绍了团队围绕核电文件密级识别所开展的智能化探索。该方案以计算机视觉、OCR、集成学习和终身学习等技术为核心，面向核电工程文档管理中长期存在的效率、安全与合规难题，尝试为核心技术文件建立一套更高效、更可靠、可持续进化的智能检测体系。

在核电工程业务中，文件数量庞大、密级要求严格，传统审核方式主要依靠人工逐页检查，不仅耗时耗力，而且在项目高峰期容易形成流程瓶颈。由于审核环节往往涉及多角色串行流转，文件处理速度会直接影响项目推进效率。同时，人工审核不可避免地存在疲劳、漏看、误判等风险，历史上密级章漏检事件也为核电文件安全管理敲响了警钟。对于核电行业而言，文件密级标识不仅是普通的文档管理问题，更关系到核心技术保护、企业安全运营乃至国家能源安全。

从行业层面看，核电文件密级检测还面临更深层的技术困境。传统静态AI模型一旦训练完成，面对新章型、新版式或新业务场景时，往往难以及时适应，导致模型能力逐渐滞后。与此同时，核电文件高度敏感，真实数据难以大规模采集和开放使用，形成了“越需要智能化，越缺少训练数据”的矛盾。此外，在高安全、高合规要求的核电领域，AI系统不能只是给出结果，还必须具备一定的可解释性和可追溯性，否则容易引发审计合规风险。

针对这些问题，方案构建了从图像定位到语义校验的端到端检测体系。系统首先利用计算机视觉模型对文件页面进行快速扫描，在数百页文档中迅速定位密级章位置，可实现百毫秒级响应，大幅提升审核效率。为了降低模型误判风险，系统引入集成学习机制，通过多个模型共同判断、投票决策，形成类似“专家会诊”的检测方式，从而增强识别稳定性和鲁棒性。同时，OCR技术被用于识别印章中的文字内容，进一步判断其语义差异，例如区分“加密文件”和“解密文件”，避免系统只根据印章图像外观或位置作出片面判断。

该方案的一大特点是引入了自适应终身学习能力，使系统不再局限于一次性训练。当业务中出现新的密级章样式时，系统能够自动触发学习任务，并通过少量样本快速完成能力更新，通常只需约10到20个新章样本即可启动迭代。这种机制既降低了重新训练模型的成本，也让模型能够跟随业务变化持续进化。更重要的是，系统在学习新章型的同时，能够保留对已有章型的识别能力，避免“学新忘旧”的问题，真正实现学得快、记得牢。业务人员还可以通过界面进行维护和操作，降低了长期使用中的技术门槛。

在落地流程上，方案首先通过算法合成训练数据，将无密级文档与印章库融合生成样本，从而缓解核电行业真实涉密数据难以收集的问题。随后，团队基于预训练模型进行快速微调，训练出适用于核电文件密级检测的专用模型。之后，系统通过多模型校验和OCR语义识别联合判断，进一步降低漏检率，提高检测结果可信度。最后，通过终身学习机制构建系统的“进化大脑”，使检测能力能够在持续使用中不断优化，并适应未来可能出现的新文件样式和新业务场景。

从应用效果看，该系统在准确性和效率方面均取得了明显提升。单一模型准确率达到99.4%，召回率达到95.8%；经过集成系统优化后，最终漏检率降低至0.2%，显著低于人工审核约1.2%的漏检水平。在处理效率方面，百毫秒级响应能力使系统能够支撑大规模文档的快速检测，改变了过去依赖人工逐页审核的低效模式。目前，该方案已经在中广核文档管理系统中落地应用，实现了核电文件安全管控与业务处理效率的同步提升。

面向未来，该检测能力还具备横向和纵向拓展空间。横向来看，系统可进一步封装为标准API服务，形成面向文件安全管理的内容中台，并推广至金融、政府、医疗等同样重视敏感文件保护的行业。纵向来看，团队将继续攻坚复杂场景下的模型健壮性问题，例如印章模糊、排列不规则、页面质量不佳等真实业务中常见的识别难点。随着系统与核电文档管理平台的进一步深度融合，未来有望覆盖文件生成、流转、审核、归档等全过程，形成贯穿核电文件全生命周期的智能安全闭环。