一种基于图像识别的电力工程清单解析方法、设备及介质

本发明公开了一种基于图像识别的电力工程清单解析方法、设备及介质，包括：获取电力工程清单的待识别图像，提取视觉特征图；解码器逐字符解码，获取当前解码步的隐藏状态并预测当前字符及置信度；获取黏合词元，生成调制信号并与黏合词元相加得到增强查询向量；将增强查询向量作为查询向量与视觉特征图进行交叉注意力计算得到全局视觉上下文特征，同时获取自注意力输出的局部序列特征；生成门控系数，根据门控系数加权融合全局与局部特征后确定当前字符输出；最终生成识别结果。本发明通过可学习的黏合词元和动态门控机制，实现了长文本识别中全局上下文与局部特征的按需融合，有效提升了电力工程清单中长设备名称等长文本的识别准确率。