MinerU 系列教程 第十二课：公式识别 - LaTeX 的自动生成

MinerU 系列教程 第十二篇

本篇教程作为模块三：核心模型深度解析的第四课，将深入剖析 MinerU 的公式识别（MFR，Mathematical Formula Recognition）子系统。我们将了解 UniMERNet 与 PP-FormulaNet Plus M 两种后端如何将文档中的数学公式图像转换为 LaTeX 字符串，探究动态批处理的面积分组策略，以及一套精密的 LaTeX 后处理管线如何修复模型输出中的各种语法缺陷。

学习目标

完成本课学习后，你将能够：

• 理解 MinerU 公式识别的两种后端架构及其适用场景
• 掌握行间公式与行内公式在 Pipeline 中的不同处理路径
• 理解基于面积的动态批处理分组策略（2 的幂次）
• 深入了解 LaTeX 后处理管线的五大修复函数
• 追踪公式识别在batch_analyze.py中的完整编排流程
• 通过环境变量MINERU_FORMULA_CH_SUPPORT在两种后端之间切换

一、公式识别在 Pipeline 中的位置

在 MinerU 的文档解析流程中，公式识别处于版面分析之后、OCR 文字识别之前的关键位置。让我们先从全局视角理解它在 Pipeline 中的角色：