基于语义识别与图像分割大模型的电梯图生文方法、系统、设备及介质

本发明涉及电梯图像处理技术领域，具体涉及基于语义识别与图像分割大模型的电梯图生文方法、系统、设备及介质，所述方法包括：获取电梯检测场景的原始图像并进行预处理；基于预训练的语义分割模型处理所述预处理后的原始图像，生成电梯部件的分割掩码图；将所述原始图像与分割掩码图分别输入图像编码器进行特征提取，并对提取的特征进行融合生成跨模态融合特征；基于所述跨模态融合特征，利用文本生成模型解析电梯部件关联信息生成初始文本描述；利用多源校准机制优化所述初始文本描述，生成包含结构化元数据的标准化电梯状态文档。其目的在于，实现电梯图像的自动语义解析与结构化报告生成。