机器视觉的人工智能评标辅助工具研究与实践

【摘要】本文结合当前招投标工作的实际情况，从创新评标手段、提高评标效率角度出发，利用OCR（OpticalCharacterRecognition）、网络爬虫和关键信息提取识别等人工智能技术，完成评标过程中企业资质和个人资格证书验证，并快速识别真伪，供评标委员会参考，实现提高评标效率和保证评标质量的目标。

【关键词】评标；资质审查；提高效率

《“互联网＋”招标采购行动方案（2017—2019年）》（发改法规［2017］357号）颁布以来，电子化招标采购在各行业迅速发展起来，以互联网、信息技术和人工智能为显著特征的电子化交易方式革新了传统的招标采购模式。针对电子化招标采购的特点，将机器视觉、网络爬虫和关键信息提取识别等人工智能技术应用在评标阶段，可更好地辅助评委提高评标效率、保证评标质量和降低招标风险，更好地助力招标人缔约、质优价廉地获得标的物。

评标过程中的问题

1.评审资质工作量大，人工方式效率较低

招标文件要求投标人提供的资质证书一般为企业资质和人员职业资格证书。根据住房和城乡建设部印发的《建筑业企业资质管理规定和资质标准实施意见》通知，建筑企业资质分为施工总承包、专业承包和施工劳务三个序列。其中施工总承包序列设有12个类别，一般分为4个等级（特级、一级、二级、三级）；专业承包序列设有36个类别，一般分为3个等级（一级、二级、三级）；施工劳务序列不分类别和等级。人力资源和社会保障部2019年1月发布国家职业资格目录内的职业资格共139项，包括专业技术人员职业资格58项和技能人员职业资格证书81项。

评委在进行企业资质和个人资格证书审查过程中，需复制企业名称、人员姓名和身份证号，登陆不同的政府网站或权威网站进行查询验证。各网站网址不同、形式多样，查询完成后，还需对图片信息逐项核对，特别是对于投标人众多的项目，依靠人工方式进行审查，工作量大、效率低且易出错。

2.鉴别资质真伪能力弱，评标质量保障性差

《评标委员会和评标方法暂行规定》第二十条规定：“在评标过程中，评标委员会发现投标人以他人的名义投标、串通投标、以行贿手段谋取中标或者以其他弄虚作假方式投标的，应当否决该投标人的投标。”但在日常评标过程中，评委看到投标文件后，根本无法从书面上辨别资质和职业资格证书的真伪。伪造变造资质的投标人很容易通过初步评审，“应否未否”的情况时有发生。从后期的检查和审计视角来看，“应否未否”的情况存在两种可能：一是评委确实无手段验证企业资质或人员职业资格证书真伪。二是评委明知投标人造假，因与投标人存在特定关系或特殊请托故意不否决投标。伪造变造资质证书的投标人有了可乘之机，可能使中标结果改变，导致招标人无法质优价廉地获得标的物。所以，提高评委鉴别资质真伪能力，才能保证评标质量。

3.识别诚实信用方法少，缔约过失风险大

《招标投标法》第五条规定：“招标投标活动应当遵循公开、公平、公正和诚实信用的原则。”但在实际招投标活动中，投标人违背诚实信用原则，伪造变造资质参加投标的情况时有发生。《评标委员会和评标方法暂行规定》对评委的义务做了规定，评委无核实投标资料真实性的法定义务。在日常评标工作中，评委除通过审核投标文件、验证原件外，也再无其他方式来核验资质的真实性。投标人在投标过程中是否遵循诚实信用的原则，评委无从考证，一旦发生伪造变造资质的投标人中标，将给招投标各方当事人带来多方面风险：（1）容易发生质疑和投诉，影响招标采购的公平公正性；（2）评标结果错误，会给评委带来问责风险；（3）缔约过失风险大，给招标人带来巨大经济损失。

人工智能资质审查实现方式

1.系统架构设计

基于机器视觉的人工智能资质审查工具采用完全分离的前台、后台设计，前台采用主流的B/S架构以及主流关系型数据库。

2.技术手段

采用人工智能的机器视觉领域技术，对投标人提供的图片进行图片文字转换，利用爬虫技术，在相关政府网站或权威网站进行验证；利用关键信息提取识别技术，识别图片的关键信息，辅助评委高效评标。

3.技术特点与优势

（1）机器视觉技术：利用机器视觉技术，对资质图片进行针对性训练，形成特质化模型。对资质内容进行图文转换，获取图片中的文字内容。

（2）网络爬虫工具：针对资质查询网站，利用网络爬虫工具，根据企业资质和职业资格证书类型，向指定查询网站进行数据填充并自动获取投标方的资质信息，爬取查询结果形成格式化数据，完成原始信息化积累过程。

（3）关键信息提取：对图文转换内容进行区域划分，读取文本中的关键信息，形成格式化数据。

（4）跨域安全部署：为保证数据安全性，系统跨域部署，项目信息存储于内网域，网络爬虫部署于外网域，以隔离方式部署、运行，保证系统信息安全。

（5）提供客观数据参考，不干预专家决策：辅助评委完成审查中重复繁重工作，工具依据资质图片、政府网站查询结果，提供客观依据供专家参考，但不干预专家决策，评标工作更合法合规。

4.主要功能

基于机器视觉的人工智能资质审查工具设计7个功能模块，分别为网络爬虫模块、关键信息提取模块、图片文字识别模块、识别模型训练模块、在线辅助审核模块、资质库模块、项目基础信息管理模块。主要功能模块采取的技术如下：

网络爬虫模块，又称“网络机器人”，在网络上爬取相关信息；图文识别模块，采用AI技术中的机器视觉技术，实现图文识别；关键信息提取模块，采用纠错策略、关键信息提取策略集。

评委通过项目信息管理模块进行项目新建、文档上传，信息录入。录入完成后，图文识别模块开始进行资质图片识别，读取所有资质图片，进行图文识别。识别完成后，信息传递至关键信息提取模块，进行关键信息提取，形成格式化数据并入库存储。网络爬虫模块读取中间数据，根据用户维护的目标网址，向目的网址进行爬虫爬取，获取各项企业资质和人员资格证书。将爬虫结果、图文识别结果共同发送至在线辅助审核模块，出具初步匹配结果供评审专家参考。系统在判别任务的过程中，会不断更新资质库资料，形成本地资质库。若网站对爬虫许可，则对网站进行批量爬取，不断更新本地库，从而允许用户在一定时间内进行离线结果判定。为保证图文识别准确性要求，系统增加识别模型训练模块，使用资质证书的字体对识别模块进行不断训练，提高识别精度。

图1 基于机器视觉的人工智能评标辅助工具图文识别流程图

应用效果和价值

1.实用性

针对资质审查环节中的问题，基于机器视觉的人工智能评标辅助工具首先解决人工读图的问题，通过机器视觉方式读取图片信息，解决人工复制的问题，保证准确性。其次，解决评委多次登录政府网站查询的问题。通过预存储的网站对应关系数据，匹配图片关键信息，利用网络爬虫完成信息查询过程。最终匹配网站信息以及图片信息，给出自动审核建议，辅助评委完成审核过程。对于因图片本身不清晰，导致机器识别难度大，需要人工介入的情形，评委只需统一显示资质图片、图文识别结果、网站查询结果，评委在当前页面即可完成所有步骤，并完成审核结果、审核意见录入，加速了人工审核的过程。

系统可快速识别两大类资质和职业资格文件：（1）住房城乡建设部关于印发《建筑业企业资质标准》的通知（建市［2014］159号）中网站可查询的多项资质，包括施工总承包、专业承包和施工劳务三个序列的企业资质；（2）人力资源和社会保证部2019年1月颁发的国家职业资格目录内可在网查询的职业资格证书。例如：通过全国建筑市场监管公共服务平台验证建造师、监理工程师、造价师等职业资格证书。

2.应用成效

以20个15家投标人5个评委的公开采购项目为例，每个投标文件中有4个资质，对资格审查阶段的耗时进行分析统计如下：

根据统计表，笔者做出资质审查时间柱状图：

最大值x_max＝21人小时

最小值x_mix＝12人小时

根据柱状图，样本平均值：

得到x=17（人小时）

同时向评标专家、招标人项目负责人、招标代理人员和复核人员发出调查表，调查其对资质审查认可的时间，得到表2：

根据调查表，使用加权平均公式计算：

得到=15.50（人小时）

以上数据分析显示：实际评标工作中，单个项目资质审查平均耗时17人小时；通过问卷调研，评标专家、招标人项目负责人、招标代理人员和复核人员认可的时间为15.5人小时。

以一个15家投标人5个评委的采购项目为例，每个投标文件中有4个资质，使用本工具仅需30分钟即可完成。使用基于机器视觉的人工智能评标辅助工具评标，实践数据如表3：

资质审查由原来的平均17人小时（2.1人天）降低为0.91人小时（0.11人天）：

使用基于机器视觉的人工智能辅助工具评标，赋能评标专家资质审查新手段，起到了提高评标效率和保证评标质量的作用，效果显著。

图2 资质审查耗时统计图

图3 人工审查与评标辅助工具审查对比图

基于机器视觉的人工智能评标辅助工具创新性地把网络爬虫和关键信息提取识别等人工智能技术与实际评标工作相结合，丰富了评标手段，延长了评委视线，对于提高评标效率，保证评标质量，减少质疑投诉，降低决策、缔约和审计风险等都起到了重要作用。这对维护招投标的公正性和严肃性，构建良好社会诚信体系，营造有序的社会主义市场经济秩序具有很大价值。

中国招标

（作者单位：陈现伟，中国移动通信集团山东有限公司；傅立海，中国移动通信集团设计院有限公司山东分公司）

参考文献：

[1]中华人民共和国招标投标法,中华人民共和国主席令第21号.

[2]中华人民共和国招标投标法实施条例,国务院令第613号.

[3]评标委员和评标方法暂行规定,国家发展和改革委员会令第23号.

[4]AI赋能驱动产业变革的人工智能应用,中国人工智能产业发展联盟,2019年7月.

[5]Heathcote,P.M.OCRasandaLevelComputerScience,2016年9月.

[6][美]阿勒普·纳达(ArupNanda),SQL和PL/SQL深度编程,2019年3月.