Automated Certificate Recognition and Graduate Recommendation Score Calculator
Features • Quick Start • Pipeline • Output Format • Roadmap
AutoCert 是一个端到端的智能证书识别与结构化信息提取系统，专为高校保研加分场景设计。系统通过两阶段 Pipeline 实现从证书图片到结构化 JSON 的全自动转换，最终对照加分规则表，自动计算每位成员的保研加分。
┌─────────────┐ ┌──────────────┐ ┌─────────────────┐ ┌──────────────┐
│ 📷 Image │ ──▶ │ 🔍 FireRed │ ──▶ │ 🤖 Qwen3-VL-4B │ ──▶ │ 📊 Score │
│ Certificate │ │ OCR │ │ Extraction │ │ Calculator │
└─────────────┘ └──────────────┘ └─────────────────┘ └──────────────┘
│ │ │
▼ ▼ ▼
.md file .json file Final Score
- 🔍 高精度 OCR：集成专用 VLM-OCR 模型（FireRed），精准处理复杂排版的证书/论文扫描件
- 🤖 智能信息提取：基于 Qwen3-VL-4B-Instruct 的语言理解能力，自动修复 OCR 乱序、断行等问题
- 📋 多类型支持：覆盖五大类证书场景
- 🏅 竞赛获奖证书（Competition）
- 💻 软件著作权（Software Copyright）
- 📜 专利证书（Patent）
- 📄 学术论文（Paper）
- 🎖️ 荣誉称号（Honorary Title）
- ⚡ 一键 Pipeline：单条命令完成全流程处理
- 📊 结构化输出：规范化 JSON 格式，便于后续对接加分系统
- Python >= 3.8
- CUDA >= 11.8 (GPU 推理)
- vLLM 推理框架
git clone https://github.com/your-username/AutoCert.git
cd AutoCertpip install -r requirements.txtThis public repository does not contain real student certificates, rosters, score reports, or runtime logs.
Before publishing your own fork, keep personal data in local-only directories and double check git status.
Sensitive local inputs commonly include:
test_images/results/logs/zuodong/roster/people_name.private.json
The committed roster/people_name.json is an anonymized demo file for structure reference only.
| Model | Description | Download |
|---|---|---|
| FireRed-OCR | 专用证书 OCR 模型 | 🤗 HuggingFace |
| Qwen3-VL-4B-Instruct | 信息提取 LLM | 🤗 HuggingFace |
一键运行完整处理流程：
cd /path/to/AutoCert
bash pipeline.sh \
-v <version_tag> \
-i /path/to/your/certificate_images \
> logs/pipeline_$(date +%Y%m%d_%H%M%S).log 2>&1参数说明：
| Parameter | Description |
|---|---|
-v |
版本标签，用于区分不同批次的处理结果 |
-i |
输入图片目录路径 |
示例：
bash pipeline.sh \
-v batch_2024_spring \
-i ./test_images \
> logs/pipeline_$(date +%Y%m%d_%H%M%S).log 2>&1使用 FireRed-OCR 将证书图片转换为 Markdown 文本：
cd /path/to/AutoCert
bash run_sequential.sh \
-c run_seq_infer.txt \
-o logs/firered-ocr_infer.log使用 Qwen3-VL-4B 从 Markdown 提取结构化信息：
cd /path/to/AutoCert
python qwen3_multi_vllm_infer-extract.py \
--model_dir /path/to/Qwen3-VL-4B-Instruct \
--processor_dir /path/to/Qwen3-VL-4B-Instruct \
--input_dir ./results/firered_ocr/<ocr_output_folder> \
--output_dir ./results/qwen_extract/<extract_output_folder> \
> logs/qwen_extract/run.log 2>&1参数说明：
| Parameter | Description |
|---|---|
--model_dir |
Qwen3-VL-4B-Instruct 模型路径 |
--processor_dir |
模型 Processor 路径（通常与 model_dir 相同） |
--input_dir |
OCR 阶段输出的 .md 文件目录 |
--output_dir |
结构化 JSON 输出目录 |
AutoCert/
├── 📂 test_images/ # 输入：证书图片
│ ├── cert_001.jpg
│ ├── cert_002.png
│ └── ...
├── 📂 results/
│ ├── 📂 firered_ocr/ # OCR 输出 (.md)
│ │ └── <version>/
│ │ ├── cert_001.md
│ │ └── cert_002.md
│ └── 📂 qwen_extract/ # 提取输出 (.json)
│ └── <version>/
│ ├── cert_001.json
│ └── cert_002.json
├── 📂 logs/ # 运行日志
├── 📄 pipeline.sh # 一键运行脚本
├── 📄 run_sequential.sh # OCR 运行脚本
├── 📄 qwen3_multi_vllm_infer-extract.py # 信息提取脚本
└── 📄 README.md
graph LR
A[📷 Certificate Image] --> B[FireRed-OCR]
B --> C[📝 Markdown Text]
C --> D[Qwen3-VL-4B]
D --> E[📋 Structured JSON]
E --> F[🧮 Score Calculator]
F --> G[🎯 Final Score]
提取的结构化信息输出为标准 JSON 格式：
{
"certificate_type": "Competition | Software Copyright | Patent | Paper | Honorary Title",
"name": "证书/论文/专利的完整名称",
"students": ["学生1", "学生2", "..."],
"advisors": ["指导老师1", "指导老师2"],
"team_name": "团队名称 | null",
"issue_date": "YYYY-MM-DD | YYYY-MM | YYYY",
"issuing_authority": ["颁发机构1", "颁发机构2"],
"award_level": "一等奖 | 二等奖 | ... | null"
}| Field | Type | Description |
|---|---|---|
certificate_type |
string |
证书类型（五选一） |
name |
string |
完整名称，含赛事阶段、赛项等 |
students |
array |
学生/作者列表，保持原始顺序 |
advisors |
array |
指导老师列表，无则为空数组 |
team_name |
string | null |
参赛团队名称 |
issue_date |
string | null |
颁发/发表日期 |
issuing_authority |
array |
颁发机构列表 |
award_level |
string | null |
获奖等级 |
🏅 竞赛证书示例
{
"certificate_type": "Competition",
"name": "2024年第十八届CIMC"西门子杯"中国智能制造挑战赛全国总决赛（智能制造工程设计与应用类赛项：信息化网络化方向（本科组））",
"students": ["学生甲"],
"advisors": [],
"team_name": null,
"issue_date": "2024",
"issuing_authority": ["中国智能制造挑战全国总决赛组委会"],
"award_level": "二等奖"
}📄 学术论文示例
{
"certificate_type": "Paper",
"name": "Knowledge Embedding With Graph Convolutional Network and Bidirectional Gated Recurrent Unit for Fault Diagnosis",
"students": ["Student Alpha", "Student Beta", "Student Gamma", "Student Delta", "Student Epsilon"],
"advisors": [],
"team_name": null,
"issue_date": "2025-01-17",
"issuing_authority": [],
"award_level": null
}系统使用 Qwen3-VL-4B-Instruct 的纯语言理解能力，具备以下智能预处理特性：
| Capability | Description |
|---|---|
| 逆序修复 | 自动识别并重组 OCR 乱序文本块 |
| 断行合并 | 智能拼接被错误换行分割的词汇 |
| 噪声清洗 | 去除论文作者上标、机构标注等干扰 |
| 语义重建 | 基于上下文推断完整竞赛名称及赛项信息 |
| Type | Chinese | Examples |
|---|---|---|
| Competition | 竞赛 | 数学建模、ACM、机器人大赛等 |
| Software Copyright | 软件著作权 | 计算机软件著作权登记证书 |
| Patent | 专利 | 发明专利、实用新型、外观设计 |
| Paper | 论文 | SCI/EI 论文、会议论文 |
| Honorary Title | 荣誉称号 | 三好学生、优秀学生干部等 |
- FireRed-OCR 证书识别模块
- Qwen3-VL-4B 信息提取模块
- 一键 Pipeline 脚本
- 📊 证书-加分对照表配置模块
- 🧮 自动加分计算引擎
- 🌐 Web UI 界面
- 📈 批量统计报表导出
- 🔗 教务系统 API 对接
This project is licensed under the MIT License - see the LICENSE file for details.
如有问题或建议，欢迎提交 Issue 或 Pull Request。
如果这个项目对你有帮助，请给一个 ⭐ Star！
Made with ❤️ for Graduate Recommendation