Новость от 18 марта 2026 года о том, что в Минусинский музей им. Мартьянова поступил планетарный сканер «ЭларСкан А2-400Р», — это не просто сюжет для отраслевого СМИ. Для студентов ИТ-направлений это готовая реальная задача из области data engineering. Музей хочет оцифровать церковный Устав XVII века и Елизаветинскую Библию — значит, нужно спроектировать не только сканирование, но и весь конвейер: от захвата изображений до создания поискового электронного архива. Именно такие кейсы делают дипломную работу «живой» и востребованной у потенциального работодателя. Ниже разберём, как превратить этот производственный сценарий в полноценную ВКР: выберем темы, продумаем структуру и избежим типичных ошибок.
| Тема ВКР | Актуальность (привязка к статье) | Цель | Задачи (3–4) | Структура работы |
|---|---|---|---|---|
| Разработка автоматизированной системы оцифровки и каталогизации ветхих книг (на примере церковного Устава XVII века) | Планетарный сканер «Элар» — это оборудование, но без программного конвейера он просто делает фото. Музею нужны метаданные, контроль качества, версия для исследователей. | Создать прототип системы, которая принимает изображения со сканера, автоматически распознаёт тексты (OCR), формирует электронный фонд и обеспечивает поиск. | 1) Анализ требований и стандартов к электронным архивам. 2) Проектирование архитектуры конвейера обработки изображений. 3) Реализация модулей OCR и каталогизации. 4) Тестирование на тестовых изображениях. | Гл.1 — анализ и обзор аналогов; Гл.2 — проектирование и реализация; Гл.3 — тестирование и оценка эффективности. |
| Исследование методов повышения качества OCR для исторических рукописных и печатных документов | Устав XVII века имеет специфическую кириллическую орфографию и повреждения. Сканер даёт высокое разрешение, но ровно распознать такие тексты сложно. | Сравнить методы предобработки (бинаризация, фильтрация, сегментация) для улучшения точности OCR. | 1) Сбор датасета из фотографий страниц. 2) Применение классических CV-алгоритмов и нейросетей. 3) Оценка метрик (WER, CER). 4) Выдача рекомендаций по настройке конвейера. | Гл.1 — обзор подходов OCR; Гл.2 — эксперименты; Гл.3 — анализ результатов. |
| Проектирование цифрового архива с обеспечением сохранности и разграничением доступа для музейных фондов | Елизаветинская Библия — ценный культурный объект. Помимо скана, нужна система хранения с резервным копированием и правами пользователей для исследователей и администрации. | Разработать архитектуру электронного архива, отвечающую требованию долговременной сохранности (ISO 14721:2012) и разграничению доступа. | 1) Анализ типовых моделей OAIS и CRUD. 2) Проектирование БД и хранилища объектов. 3) Реализация REST API. 4) Внедрение ролевой модели. | Гл.1 — теория цифровых архивов; Гл.2 — архитектура и реализация; Гл.3 — тестирование производительности и безопасности. |
Оцифровка музейных документов — сложный процесс с требованиями к сохранности оригинала. Начните с ГОСТ 34.601-2006 «Стадии создания автоматизированных систем» — он описывает этапы проектирования. Для обоснования функциональных и нефункциональных требований используйте ISO/IEC 25010: к системе предъявляются требования по производительности, переносимости, защищённости. В пункте 1.1 обязательно сошлитесь на новость о «Элар»: планетарный сканер работает как источник неструктурированных данных (изображений), которые нужно превратить в структурированный массив с метаданными.
Постройте модель в нотации C4 (Context, Container, Component). На верхнем уровне — пользователи (музейные сотрудники, исследователи), система сканирования «Элар», сервер архива, внешняя сеть. На уровне компонентов — модуль захвата, модуль предобработки, OCR-сервис, база метаданных. Диаграммы C4 проще для восприятия, чем UML-классы, и хорошо ложатся в раздел 1.3.
Самый ценный навык для data engineer — спроектировать надёжный конвейер. Сканер «ЭларСкан А2-400Р» выдаёт TIFF-файлы высокого разрешения (часто 300-600 dpi). Дальше нужны шаги: первичная сохранность (WORM — write once read many), создание мастер-копии, производная копия для веб-просмотра, согласование метаданных.
Пример участка конвейера на Python (препроцессинг перед OCR):
# фрагмент псевдокода для предобработки TIFF-страницы
from PIL import Image, ImageFilter, ImageOps
def optimize_for_ocr(tiff_path, output_path):
img = Image.open(tiff_path)
# поворот ориентации
img = ImageOps.exif_transpose(img)
# повышение контраста и сглаживание шума
img = img.convert('L').filter(ImageFilter.MedianFilter(size=3))
img = ImageOps.autocontrast(img, cutoff=1)
# бинаризация пороговым методом (для старых бумаг берут адаптивный алгоритм)
img = img.point(lambda x: 255 if x > 140 else 0)
img.save(output_path, 'TIFF', compression='tiff_lzw')
Для деплоя такого конвейера в организации рассмотрите Docker и Kubernetes — они позволяют изолировать модули и масштабировать OCR-воркеры. В ВКР достаточно описать манифест Deployment для модуля распознавания. А чтобы собирать метрики (число страниц в час, процент ошибок, время выполнения), добавьте OpenTelemetry — он стандартизирует логи и трейсы между сервисами.
Вы должны показать, что разработанная система не просто работает, а эффективна. Классический набор метрик для оцифровки:
В дипломе приведите сравнительную таблицу «до/после»: исходные TIFF со сканера → оптимизированные → OCR. Если вы написали скрипт, включите его в приложение. Расчет экономической эффективности можно сделать по формуле: экономия времени исследователя = (время поиска в бумажном каталоге − время поиска в электронной системе) × частота запросов в год. Это даст понятный «живой» параметр для защиты.
Возьмите публичный кейс из новости (например, оцифровка музея «Элар») и сформулируйте свою узкую проблему: «Распознавание исторических книг с высокой точностью», «Создание web-архива с правами доступа». ВУЗ обычно приветствует, когда тема связана с реальной индустриальной задачей, но без массового внедрения.
Код не обязан быть продакшн-уровнем, но должен быть оформлен по PEP 8, содержать комментарии, входные и выходные данные. В тексте диплома приводите листинги только важных фрагментов, остальное выносите в приложения.
Для тематики оцифровки исторических документов не обязательно брать реальные музейные материалы. Используйте открытые датасеты: Medieval paleography datasets, архивы библиотек или собственные фотографии старых книг. Обязательно укажите источник и лицензию в спске использованных ресурсов.
Сделайте ограниченный эксперимент: выберите 10-20 страниц, прогоните ваш пайплайн, сравните с ручным распознаванием. Покажите, что на тестовой выборке время работы снизилось на X%, а точность превысила Y%. Для диплома достаточно пилотного теста на ограниченных данных.
Источник: С помощью сканера «Элар» оцифруют церковный Устав XVII века и Елизаветинскую Библию в старейшем музее Сибири (опубликовано 2026-03-18)
```