docs/ocr_tools/universal_doc_parser/VLM服务地址.md

@@ -1,4 +1,6 @@
 mineru_vllm 10.192.72.11:20006
 paddleocr_vllm 10.192.72.11:20016
 ppstructure_v3 10.192.72.11:20026
+ppstructure_v3 10.192.72.11:20026
+glm_vllm 10.192.72.11:20036
 dots_vllm 10.192.72.11:8101

docs/ocr_tools/universal_doc_parser/模型统一框架.md

@@ -7,10 +7,12 @@
 ### 1. 模块化与可替换性
 框架采用**模块化设计**，各处理节点可根据不同场景灵活替换：
 - **方向识别**：支持多种模型（PP-LCNet、PDF rotation等）
-- **Layout检测**：支持 Docling、MinerU、Paddle、DiT 等多种检测器
+- **Layout检测**：支持 Docling、MinerU、Paddle（PP-DocLayoutV3）、DiT 等多种检测器 ⭐
+  - **智能路由器**：支持多模型组合与自动选择（scene/ocr_eval/auto策略）⭐ 新增
 - **OCR识别**：支持 PaddleOCR
-- **表格识别**：支持 UNet（有线表格）、VLM（无线表格）等多种方案
-- **公式识别**：支持 MinerU VLM、PaddleOCR-VL 等
+- **表格识别**：支持 UNet（有线表格，带单元格融合）、VLM（无线表格）等多种方案 ⭐
+- **公式识别**：支持 MinerU VLM、GLM-OCR、PaddleOCR-VL 等 ⭐
+- **印章识别**：支持 GLM-OCR（专用seal任务提示词）⭐ 新增
 
 通过配置文件（YAML）即可切换不同的模型组合，无需修改代码。
 
@@ -40,11 +42,11 @@
 | 模型类型 | 推荐模型 | 说明 |
 |---------|---------|------|
 | **方向分类** | PP-LCNet_x1_0_doc_ori | paddle onnx格式的模型 |
-| **版式检测** | Docling Layout / DocLayout-YOLO | Docling 或 MinerU 模型 |
+| **版式检测** | Docling Layout / PP-DocLayoutV3 / DocLayout-YOLO | Docling、PaddleOCR-VL 或 MinerU 模型 ⭐ 增加PP-DocLayoutV3 |
 | **文字识别** | PaddleOCR (PyTorch) | 效果好，支持角度校正 |
 | **表格分类** | PaddleTableClsModel | 自动区分有线/无线表格 ⭐ 新增 |
-| **表格结构识别** | MinerU VLM / PaddleOCR-VL / UNET 有线表格 | VLM 返回 HTML 结构，UNet 返回单元格坐标 |
-| **公式识别** | MinerU VLM | 返回 LaTeX |
+| **表格结构识别** | MinerU VLM / GLM-OCR / PaddleOCR-VL / UNET 有线表格（支持单元格融合） | VLM 返回 HTML 结构，UNet 返回单元格坐标；UNet支持多源融合 ⭐ 增加GLM-OCR、单元格融合 |
+| **公式识别** | MinerU VLM / GLM-OCR | 返回 LaTeX ⭐ 增加GLM-OCR |
 | **单元格坐标匹配** | TableCellMatcher | OCR 检测框与 VLM 结构匹配 |
 
 ---
@@ -288,9 +290,17 @@ graph TB
         D1 --> D2{启用倾斜矫正?}
         D2 -->|是| D3[基于Mask检测倾斜角度<br/>Hough变换 + 矫正图片和OCR坐标]
         D2 -->|否| D4
-        D3 --> D4[网格恢复<br/>grid_recovery.py]
-        D4 --> D4a[连通域提取单元格<br/>OCR边缘补偿]
-        D4a --> D5[边缘过滤<br/>edge_margin=padding×upscale×1.2]
+        D3 --> D4[连通域提取单元格<br/>compute_cells_from_lines]
+        
+        D4 --> D4_note["内部流程：线段提取→边缘过滤<br/>→线段合并/延长→重绘Mask<br/>→连通域分析→贴边过滤"]
+        D4_note --> D4b{启用单元格融合? ⭐}
+        
+        D4b -->|是| D4c[RT-DETR 单元格检测<br/>paddle_wired_table_cells_detector]
+        D4c --> D4d[多源融合<br/>UNet + RT-DETR + OCR补偿]
+        D4d --> D5
+        D4b -->|否| D5
+        
+        D5[网格结构重建<br/>recover_grid_structure]
         D5 --> D6[文本填充<br/>text_filling.py]
         D6 --> D7[二次OCR修正<br/>单元格裁剪OCR]
         D7 --> D8[生成HTML<br/>data-bbox属性]
@@ -320,11 +330,14 @@ graph TB
     style D1 fill:#e1f5ff
     style D3 fill:#e1f5ff
     style D4 fill:#e1f5ff
-    style D4a fill:#e1f5ff
+    style D4_note fill:#ffe4b3
+    style D4b fill:#fff4e1
+    style D4c fill:#e1f5ff
+    style D4d fill:#e1f5ff
+    style D5 fill:#e1f5ff
     style D6 fill:#e1f5ff
     style D7 fill:#e1f5ff
     style D8 fill:#e1f5ff
-    style D5 fill:#ffe1e1
     style E1 fill:#e1f5ff
     style E2 fill:#e1f5ff
     style E3 fill:#fff4e1
@@ -396,6 +409,32 @@ graph TB
    - 合并距离过近的线条（`row_threshold`, `col_threshold`）
    - 生成单元格网格
 
+3.5. **🆕 多源单元格融合**（可选，`use_cell_fusion: true`）⭐ 新增：
+   - **RT-DETR 检测**：使用 `PaddleWiredTableCellsDetector` 端到端检测单元格
+   - **智能融合策略**（`cell_fusion.py`）：
+     - **高IoU（>0.7）**：加权平均融合（UNet 60% + RT-DETR 40%）
+     - **低IoU**：保留两个单元格，后续NMS去重
+   - **OCR边缘补偿**：检测"有OCR文本但无单元格覆盖"的位置，生成补偿单元格
+   - **融合统计**：记录UNet数量、RT-DETR数量、融合数量、补偿数量等
+   - **自适应开关**：UNet检测为0时强制启用RT-DETR补救
+   - **边界噪声过滤**：过滤表格边界外的异常单元格
+   - **配置参数**：
+     ```yaml
+     cell_fusion:
+       rtdetr_model_path: "/path/to/RT-DETR-L_wired_table_cell_det.onnx"
+       unet_weight: 0.6           # UNet权重（结构性强）
+       rtdetr_weight: 0.4         # RT-DETR权重（鲁棒性强）
+       iou_merge_threshold: 0.7   # 高IoU合并阈值
+       iou_nms_threshold: 0.5     # NMS去重阈值
+       rtdetr_conf_threshold: 0.5 # RT-DETR置信度阈值
+       enable_ocr_compensation: true  # 启用OCR补偿
+     ```
+   - **优势**：
+     - ✅ 结合UNet结构性和RT-DETR鲁棒性
+     - ✅ 处理模糊表格线、断线、扭曲变形等情况
+     - ✅ 补偿单元格边界缺失，减少文本丢失
+     - ✅ 提高有线表格识别的鲁棒性和准确性
+
 4. **文本填充**（`text_filling.py`）：
    - 计算OCR框与单元格的中心点匹配
    - 匹配OCR文本到对应单元格
@@ -672,8 +711,9 @@ ocr:
 
 | 配置文件 | det_threshold | unclip_ratio | enable_merge | 适用场景 | 说明 |
 |---------|--------------|--------------|--------------|---------|------|
-| bank_statement_yusys_v2.yaml | 0.6 | 1.5 | false | 银行流水（标准质量） | **推荐配置**，减少噪声框 |
-| bank_statement_mineru_v2.yaml | 0.6 | 1.5 | false | 财务报表（标准质量） | **推荐配置**，高精度 |
+| bank_statement_yusys_v4.yaml | 0.5 | 1.5 | false | 银行流水（智能路由+单元格融合）| **最新推荐**，平衡精度与召回 ⭐ |
+| bank_statement_yusys_v2.yaml | 0.6 | 1.5 | false | 银行流水（标准质量） | 推荐配置，减少噪声框 |
+| bank_statement_mineru_v2.yaml | 0.6 | 1.5 | false | 财务报表（标准质量） | 推荐配置，高精度 |
 | bank_statement_paddle_vl.yaml | 0.3 | 1.8 | false | 扫描质量差 | 宽松配置，增强召回 |
 | bank_statement_wired_unet.yaml | 0.5 | 1.8 | false | 有线表格 | 平衡配置，兼顾精度与召回 |
 
@@ -710,10 +750,14 @@ universal_doc_parser/
 │
 ├── config/ # 配置文件
 │ ├── bank_statement_yusys_v2.yaml # 银行流水配置（Docling + PaddleOCR-VL）
+│ ├── bank_statement_yusys_v3.yaml # 银行流水配置（Docling + PaddleOCR-VL + 智能路由）
+│ ├── bank_statement_yusys_v4.yaml # 银行流水配置（智能路由 + GLM-OCR + 单元格融合）⭐ 新增
 │ ├── bank_statement_mineru_v2.yaml # 银行流水配置（MinerU layout + MinerU VLM）
 │ ├── bank_statement_mineru_vl.yaml # 银行流水配置（MinerU VLM）
 │ ├── bank_statement_paddle_vl.yaml # 银行流水配置（PaddleOCR-VL）
-│ └── bank_statement_wired_unet.yaml # 有线表格配置（Docling + UNET）⭐ 新增
+│ ├── bank_statement_glm_vl.yaml # 银行流水配置（GLM-OCR）⭐ 新增
+│ ├── bank_statement_wired_unet.yaml # 有线表格配置（Docling + UNET）⭐
+│ └── bank_statement_smart_router.yaml # 智能路由配置（多模型自动选择）⭐ 新增
 │
 ├── core/ # 核心处理模块
 │ ├── pipeline_manager_v2.py # 主流水线管理器 ⭐
@@ -721,6 +765,9 @@ universal_doc_parser/
 │ ├── element_processors.py # 元素处理器（文本、表格、图片等）
 │ ├── coordinate_utils.py # 坐标转换工具
 │ ├── layout_utils.py # 布局处理工具（排序、去重、SpanMatcher）⭐
+│ ├── layout_model_router.py # 智能布局模型路由器 ⭐ 新增
+│ ├── ocr_based_layout_evaluator.py # OCR评估器（用于模型选择）⭐ 新增
+│ ├── table_coordinate_utils.py # 表格坐标工具
 │ ├── pdf_utils.py # PDF 处理工具
 │ ├── config_manager.py # 配置管理
 │ └── model_factory.py # 模型工厂
@@ -730,13 +777,16 @@ universal_doc_parser/
 │   ├── __init__.py
 │   ├── base.py # 适配器基类
 │   ├── mineru_adapter.py # MinerU 适配器
+│   ├── glmocr_vl_adapter.py # GLM-OCR VL适配器 ⭐ 新增
 │   ├── paddle_vl_adapter.py # PaddleOCR-VL 适配器
 │   ├── paddle_layout_detector.py # PaddleX RT-DETR 布局检测器
-│   ├── paddle_table_classifier.py # Paddle表格分类器 ⭐ 新增
+│   ├── pp_doclayout_v3_layout_adapter.py # PP-DocLayoutV3 布局检测器 ⭐ 新增
+│   ├── paddle_table_classifier.py # Paddle表格分类器 ⭐
+│   ├── paddle_wired_table_cells_detector.py # Paddle单元格检测器（RT-DETR）⭐ 新增
 │   ├── docling_layout_adapter.py # Docling 布局检测器 ⭐
-│   ├── dit_layout_adapter.py # DiT 布局检测器 ⭐ 新增
-│   ├── mineru_wired_table.py # MinerU 有线表格识别器 ⭐ 新增
-│   └── wired_table/ # 有线表格子模块 ⭐ 新增
+│   ├── dit_layout_adapter.py # DiT 布局检测器 ⭐
+│   ├── mineru_wired_table.py # MinerU 有线表格识别器 ⭐
+│   └── wired_table/ # 有线表格子模块 ⭐
 │     ├── __init__.py
 │     ├── debug_utils.py # 调试工具
 │     ├── ocr_formatter.py # OCR 格式转换
@@ -744,6 +794,7 @@ universal_doc_parser/
 │     ├── grid_recovery.py # 网格恢复
 │     ├── text_filling.py # 文本填充
 │     ├── html_generator.py # HTML 生成
+│     ├── cell_fusion_engine.py # 单元格融合引擎 ⭐ 新增
 │     └── visualization.py # 可视化
 │
 ├── dit_support/ # DiT 布局检测器支持模块 ⭐
@@ -779,17 +830,25 @@ universal_doc_parser/
 ### 命令行
 
 ```bash
-# 处理单个 PDF 文件
-python main_v2.py -i document.pdf -c config/bank_statement_yusys_v2.yaml
+# 处理单个 PDF 文件（使用 v4 配置：智能路由 + GLM-OCR + 单元格融合）⭐ 推荐
+# ⚠️ 注意：--scene 参数是必需的
+python main_v2.py -i document.pdf -c config/bank_statement_yusys_v4.yaml --scene bank_statement
 
 # 处理图片目录
-python main_v2.py -i ./images/ -c config/bank_statement_yusys_v2.yaml
+python main_v2.py -i ./images/ -c config/bank_statement_yusys_v4.yaml --scene bank_statement
 
 # 开启 debug 模式（输出可视化图片）
-python main_v2.py -i doc.pdf -c config/bank_statement_yusys_v2.yaml --debug
+python main_v2.py -i doc.pdf -c config/bank_statement_yusys_v4.yaml --scene bank_statement --debug
 
 # 指定输出目录
-python main_v2.py -i doc.pdf -c config/bank_statement_yusys_v2.yaml -o ./my_output/
+python main_v2.py -i doc.pdf -c config/bank_statement_yusys_v4.yaml --scene bank_statement -o ./my_output/
+
+# 使用其他配置文件
+python main_v2.py -i doc.pdf -c config/bank_statement_yusys_v2.yaml --scene bank_statement  # Docling + PaddleOCR-VL
+python main_v2.py -i doc.pdf -c config/bank_statement_glm_vl.yaml --scene bank_statement    # GLM-OCR VLM
+
+# 财务报表场景
+python main_v2.py -i report.pdf -c config/bank_statement_yusys_v4.yaml --scene financial_report
 ```
 
 ### Python API
@@ -798,8 +857,8 @@ python main_v2.py -i doc.pdf -c config/bank_statement_yusys_v2.yaml -o ./my_outp
 from core.pipeline_manager_v2 import EnhancedDocPipeline
 from ocr_utils import OutputFormatterV2  # 从 ocr_utils 导入
 
-# 初始化流水线
-with EnhancedDocPipeline("config/bank_statement_yusys_v2.yaml") as pipeline:
+# 初始化流水线（使用 v4 配置）
+with EnhancedDocPipeline("config/bank_statement_yusys_v4.yaml") as pipeline:
     # 处理文档
     results = pipeline.process_document("document.pdf")
     
@@ -903,17 +962,59 @@ preprocessor:
   orientation_classifier:
     enabled: true  # 扫描件自动开启
 
-# 版式检测
+# ============================================================
+# Layout 检测配置 - 智能路由器（按场景直接选择模型）⭐ 新增
+# ============================================================
 layout_detection:
-  module: "docling"  # 可选: "mineru", "paddle", "docling"
-  model_name: "docling-layout-old"
-  model_dir: "ds4sd/docling-layout-old"  # HuggingFace 模型仓库
-  device: "cpu"
-  conf: 0.3
-
-# VL 识别（表格、公式）
+  module: "smart_router"  # 智能路由器，支持多模型策略
+  strategy: "scene"  # 可选: "ocr_eval", "auto", "scene"
+  
+  # 场景策略：按场景名称直接选择模型
+  scene_strategy:
+    bank_statement:
+      model: "docling"
+    financial_report:
+      model: "paddle_ppdoclayoutv3"
+  default_model: "docling"
+  
+  # 配置多个模型
+  models:
+    docling:
+      module: "docling"
+      model_name: "docling-layout-old"
+      model_dir: "ds4sd/docling-layout-old"
+      device: "cpu"
+      conf: 0.3
+    
+    paddle_ppdoclayoutv3:  # ⭐ 新增 PP-DocLayoutV3
+      module: "paddle"
+      model_name: "PP-DocLayoutV3"
+      model_dir: "PaddlePaddle/PP-DocLayoutV3_safetensors"
+      device: "cpu"
+      conf: 0.3
+      num_threads: 4
+      batch_size: 1
+  
+  # 后处理配置
+  post_process:
+    convert_large_text_to_table: true  # 将大面积文本块转换为表格
+    min_text_area_ratio: 0.25
+    min_text_width_ratio: 0.4
+    min_text_height_ratio: 0.3
+
+# VL 识别（表格、公式、印章）
 vl_recognition:
-  module: "paddle"  # 可选: "mineru", "paddle"
+  module: "glmocr"  # 可选: "mineru", "paddle", "glmocr" ⭐ 新增GLM-OCR
+  api_url: "http://10.192.72.11:20036/v1/chat/completions"  # GLM-OCR API地址
+  model: "glm-ocr"
+  max_image_size: 3500
+  
+  # Task prompt mapping - 针对不同任务使用不同提示词 ⭐
+  task_prompt_mapping:
+    text: "Text Recognition:"
+    table: "Table Recognition:"
+    formula: "Formula Recognition:"
+    seal: "Seal Recognition:"  # 印章识别 ⭐
   backend: "http-client"
   server_url: "http://xxx:8110"
   table_recognition:
@@ -937,6 +1038,26 @@ table_classification:
 # 有线表格识别配置
 table_recognition_wired:
   use_wired_unet: true        # 是否启用有线表格识别
+  
+  # 🆕 启用多源单元格融合 ⭐ 新增
+  use_cell_fusion: true
+  
+  # 融合引擎配置 ⭐
+  cell_fusion:
+    # RT-DETR 模型路径（必需）
+    rtdetr_model_path: "/path/to/RT-DETR-L_wired_table_cell_det.onnx"
+    
+    # 融合权重
+    unet_weight: 0.6        # UNet 权重（结构性强）
+    rtdetr_weight: 0.4      # RT-DETR 权重（鲁棒性强）
+    
+    # 阈值配置
+    iou_merge_threshold: 0.7    # 高IoU合并阈值
+    iou_nms_threshold: 0.5      # NMS去重阈值
+    rtdetr_conf_threshold: 0.5  # RT-DETR置信度阈值
+    
+    # 功能开关
+    enable_ocr_compensation: true  # 启用OCR边缘补偿
   upscale_ratio: 3.333        # 放大比例
   enable_deskew: true         # 是否启用倾斜矫正
   row_threshold: 10           # 行合并阈值（像素）
@@ -970,6 +1091,43 @@ output:
 
 支持多种布局检测模型，通过 `layout_detection.module` 配置切换：
 
+#### 0. 智能路由器（推荐）⭐ 新增
+
+支持多种策略自动选择或组合多个布局检测模型。
+
+```yaml
+layout_detection:
+  module: "smart_router"
+  strategy: "scene"  # 可选: "ocr_eval", "auto", "scene"
+  
+  # 场景策略：按场景名称直接选择模型
+  scene_strategy:
+    bank_statement:
+      model: "docling"
+    financial_report:
+      model: "paddle_ppdoclayoutv3"
+  default_model: "docling"
+  
+  # 配置多个模型
+  models:
+    docling:
+      module: "docling"
+      model_name: "docling-layout-old"
+      model_dir: "ds4sd/docling-layout-old"
+    
+    paddle_ppdoclayoutv3:
+      module: "paddle"
+      model_name: "PP-DocLayoutV3"
+      model_dir: "PaddlePaddle/PP-DocLayoutV3_safetensors"
+```
+
+**支持策略**：
+- `scene`：按场景名称直接选择模型（最快）
+- `ocr_eval`：运行所有模型，用OCR评估器选择最佳结果（最准确，需要OCR）
+- `auto`：基于文档特征自动选择（快速模式，无需OCR）
+
+**特点**：灵活组合多个模型，按场景或质量自动选择
+
 #### 1. Docling Layout (推荐)
 
 基于 HuggingFace transformers 的 RT-DETR 模型。
@@ -987,7 +1145,33 @@ layout_detection:
 - `ds4sd/docling-layout-egret-medium`
 - `ds4sd/docling-layout-egret-large`
 
-#### 2. PaddleX RT-DETR (ONNX)
+#### 2. PP-DocLayoutV3 (PaddleOCR-VL-1.5) ⭐ 新增
+
+基于 HuggingFace transformers 的 PP-DocLayoutV3 布局模型（PaddleOCR-VL-1.5版式分析模块）。
+
+```yaml
+layout_detection:
+  module: "paddle"
+  model_name: "PP-DocLayoutV3"
+  model_dir: "PaddlePaddle/PP-DocLayoutV3_safetensors"
+  device: "cpu"
+  conf: 0.3
+  num_threads: 4
+```
+
+**支持类别**（25类）：
+- 文本类：abstract, algorithm, aside_text, content, text, paragraph_title, doc_title
+- 表格图表：table, chart, image
+- 公式：formula, formula_number
+- 元数据：header, footer, footnote, reference
+- 特殊：seal（印章）⭐
+
+**特点**：
+- 支持印章（seal）检测，可直接用于VLM识别
+- 基于 RT-DETR 架构，精度高
+- 来自 PaddleOCR-VL-1.5 官方发布
+
+#### 3. PaddleX RT-DETR (ONNX)
 
 基于 ONNX Runtime 的 PaddleX 布局检测器。
 
@@ -998,7 +1182,7 @@ layout_detection:
   model_dir: "/path/to/RT-DETR-H_layout_17cls.onnx"
 ```
 
-#### 3. MinerU DocLayout-YOLO
+#### 4. MinerU DocLayout-YOLO
 
 MinerU 内置的布局检测模型。
 
@@ -1008,7 +1192,7 @@ layout_detection:
   model_name: "layout"
 ```
 
-#### 4. DiT Layout (Document Image Transformer)
+#### 5. DiT Layout (Document Image Transformer)
 
 基于 Detectron2 的 DiT 模型，在 PubLayNet 数据集上训练。
 
@@ -1049,15 +1233,31 @@ layout_detection:
 通过 `table_recognition_wired.use_wired_unet` 配置：
 
 - **UNet 有线表格**：`use_wired_unet: true`（MinerU UNet模型）
+  - **单元格融合**：`use_cell_fusion: true`（融合UNet和RT-DETR结果）⭐ 新增
 
 #### 无线表格识别
 
 通过 `vl_recognition.module` 配置：
 
 - **MinerU VLM**：`module: "mineru"`
+- **GLM-OCR**：`module: "glmocr"`（直接HTTP调用，支持印章识别）⭐ 新增
 - **PaddleOCR-VL**：`module: "paddle"`（需配置服务地址）
 
-**后端支持**：
+**GLM-OCR配置示例**：
+```yaml
+vl_recognition:
+  module: "glmocr"
+  api_url: "http://10.192.72.11:20036/v1/chat/completions"
+  model: "glm-ocr"
+  max_image_size: 3500
+  task_prompt_mapping:
+    text: "Text Recognition:"
+    table: "Table Recognition:"
+    formula: "Formula Recognition:"
+    seal: "Seal Recognition:"  # 印章识别
+```
+
+**后端支持**（仅MinerU和PaddleOCR-VL）：
 - `backend: "http-client"`：HTTP 客户端
 - `backend: "vllm-engine"`：vLLM 引擎
 - `backend: "transformers"`：Transformers 库
@@ -1069,6 +1269,7 @@ layout_detection:
 通过 `vl_recognition.module` 配置（与无线表格共享）：
 
 - **MinerU VLM**：`module: "mineru"`
+- **GLM-OCR**：`module: "glmocr"`（直接HTTP调用）⭐ 新增
 - **PaddleOCR-VL**：`module: "paddle"`
 
 ---
@@ -1132,15 +1333,20 @@ OCR Span 与 Layout Block 匹配器，参考 MinerU 实现：
 - `process_code_element()` - 代码处理
 - `process_discard_element()` - 丢弃元素处理（支持 pre_matched_spans）
 
-### 3.1. PaddleTableClassifier (`paddle_table_classifier.py`) ⭐ 新增
+### 4. SmartLayoutRouter (`layout_model_router.py`) ⭐ 新增
 
-表格分类器，自动区分有线表格和无线表格：
-- `classify()` - 分类单个表格图像
-- `batch_classify()` - 批量分类表格图像
-- 使用 MinerU 的 `PaddleTableClsModel` 进行分类
-- 支持线条检测辅助判断（只有横线或竖线时强制判断为无线表格）
+智能布局模型路由器，支持多种策略：
+- **scene 策略**：按场景名称直接选择模型（最快，推荐用于生产环境）
+- **ocr_eval 策略**：运行所有模型，用OCR评估器选择最佳结果（最准确，需要OCR）
+- **auto 策略**：基于文档特征自动选择（快速模式，无需OCR）
+
+主要方法：
+- `detect()` - 执行布局检测，根据策略自动选择模型
+- `_scene_select_detect()` - 场景策略检测
+- `_ocr_eval_detect()` - OCR评估策略检测
+- `_auto_select_detect()` - 自动选择策略检测
 
-### 3.1. PaddleTableClassifier (`paddle_table_classifier.py`) ⭐ 新增
+### 5. PaddleTableClassifier (`paddle_table_classifier.py`) ⭐
 
 表格分类器，自动区分有线表格和无线表格：
 - `classify()` - 分类单个表格图像
@@ -1149,7 +1355,71 @@ OCR Span 与 Layout Block 匹配器，参考 MinerU 实现：
 - 支持线条检测辅助判断（只有横线或竖线时强制判断为无线表格）
 - 输出分类结果：`wired`（有线表格）或 `wireless`（无线表格）
 
-### 4. OutputFormatterV2 (来自 `ocr_utils`)
+### 6. CellFusionEngine (`wired_table/cell_fusion.py`) ⭐ 新增
+
+多源单元格融合引擎，融合UNet、RT-DETR和OCR的检测结果：
+
+**主要方法**：
+- `fuse()` - 融合多源单元格检测结果
+- `should_use_rtdetr()` - 判断是否需要使用RT-DETR（自适应策略）
+- `_fuse_cells()` - 执行智能融合（UNet + RT-DETR）
+- `_compensate_edge_cells()` - OCR边缘补偿
+
+**融合流程**：
+1. **Phase 1**: RT-DETR 端到端检测（conf>0.5）
+2. **Phase 2**: 智能融合策略
+   - 高IoU（>0.7）：加权平均融合（UNet 60% + RT-DETR 40%）
+   - 低IoU：保留两个单元格，后续NMS去重
+3. **Phase 3**: NMS去重（IoU阈值0.5）
+4. **Phase 4**: 边界噪声过滤
+5. **Phase 5**: OCR边缘补偿（检测"有OCR无单元格"的位置）
+
+**自适应策略**：
+- UNet检测为0时：强制启用RT-DETR补救
+- 启用融合模式：对所有表格统一使用融合
+
+**配置参数**：
+```python
+unet_weight: 0.6             # UNet权重（结构性强）
+rtdetr_weight: 0.4           # RT-DETR权重（鲁棒性强）
+iou_merge_threshold: 0.7     # 高IoU合并阈值
+iou_nms_threshold: 0.5       # NMS去重阈值
+rtdetr_conf_threshold: 0.5   # RT-DETR置信度阈值
+enable_ocr_compensation: true  # 启用OCR补偿
+```
+
+**融合统计输出**：
+- `unet_count`: UNet检测数量
+- `rtdetr_count`: RT-DETR检测数量
+- `fused_count`: 最终融合数量
+- `merged_count`: 加权融合数量
+- `added_count`: RT-DETR独有数量
+- `ocr_compensated_count`: OCR补偿数量
+
+### 7. PaddleWiredTableCellsDetector (`paddle_wired_table_cells_detector.py`) ⭐ 新增
+
+RT-DETR单元格检测器（ONNX版本），用于有线表格单元格端到端检测：
+
+**主要方法**：
+- `detect()` - 检测表格中的单元格边界框
+- `_preprocess()` - 图像预处理（resize到640×640，归一化）
+- `_postprocess()` - 解析ONNX输出，转换坐标到原图
+
+**输入输出**：
+- 输入：表格图像（BGR格式，原图坐标系）
+- 输出：单元格列表，每个包含：
+  - `bbox`: [x1, y1, x2, y2]（原图坐标）
+  - `score`: 置信度
+  - `category_id`: 0（cell）
+  - `width`, `height`: 单元格尺寸
+
+**特点**：
+- 使用ONNX Runtime推理，支持CPU/CoreML
+- 固定输入尺寸640×640（RT-DETR标准）
+- 自动坐标转换和边界裁剪
+- 支持置信度阈值过滤
+
+### 8. OutputFormatterV2 (来自 `ocr_utils`)
 
 统一输出格式化器，位于 `ocr_utils` 包中：
 - MinerU 标准 middle.json 格式
@@ -1164,7 +1434,7 @@ OCR Span 与 Layout Block 匹配器，参考 MinerU 实现：
 from ocr_utils import OutputFormatterV2
 ```
 
-### 5. TableCellMatcher (来自 `merger`)
+### 9. TableCellMatcher (来自 `merger`)
 
 表格单元格坐标匹配器：
 - 使用动态规划进行行内单元格匹配