Для обучения моделей использовано более 10 тысяч реальных документов. После сравнительного анализа выбраны оптимальные решения: для распознавания текста — визуально-языковая модель LightOnOCR‑2 с минимальной долей ошибок, для классификации — случайный лес на основе TF‑IDF, для выделения именованных сущностей — spaCy. Время обработки одного документа составляет около 5 секунд, точность распознавания атрибутов — выше 94%.

Сервис интегрирован в цифровой контур ТюмГУ через взаимодействие с корпоративной системой управления контингентом 1С: Университет ПРОФ, объектным хранилищем MinIO и веб-порталом Единого личного кабинета сотрудника и обучающегося.

Студенты загружают файлы достижений через Единый личный кабинет. Система автоматически распознаёт атрибуты и заполняет соответствующие поля; пользователю остаётся лишь проверить данные и внести недостающую информацию. После верификации и исключения дубликатов формируется заявление в формате PDF с электронной подписью и передаётся на проверку. Секретарь стипендиальной комиссии получает студенческий документ уже с заполненными атрибутами и направляет экспертам для оценивания достижений.

В ходе опытной эксплуатации во время весеннего стипендиального конкурса (май 2026 год) обработано более 5 тысяч достижений от 600 студентов, доля неверно распознанных атрибутов составила 5,4%. Нагрузочные тесты подтвердили устойчивость системы при 500 запросах в секунду.

«Внедрение интеллектуального сервиса позволяет автоматизировать извлечение структурированной информации из неструктурированных сканов и фотографий документов достижений, сократить время проверки и уменьшить число ошибок при подаче заявлений на конкурс стипендий. Данное технологическое решение, благодаря использованию платформы 1С, может быть адаптировано и в других вузах, где применяется аналогичная учётная система», — сообщили разработчики.

Источник:

Управление стратегических коммуникаций ТюмГУ

по материалам ШКН