为及时识别水电施工场景中不断动态交织、复杂演变的安全风险，克服传统方法的语义局限和高误判率，降低安全事故发生率，提出一种结构化语义门控跨模态融合方法(SSG-CMF)

通过建立施工图像与违章条款和风险等级的深层语义关联，实现从视觉感知到风险判定的精准映射。首先，利用DINOv2、DeBERTa模型分别提取图像和文本模态表征，经过非线性变换映射至统一语义空间；然后，引入注意力机制生成动态门控权重，结合关联语义库对图像与文本模态表征进行自适应融合，获取风险感知的跨模态表征；最终，通过分类器联合输出违章条款与对应的风险等级。根据两座大型水电站真实违章检查记录的试验表明，SSG-CMF在准确率、召回率等指标上均优于基线模型，尤其在逻辑一致性方面表现突出，不一致率低至5.1%

较最优基线模型降低63.04%

充分说明所提方法能有效约束预测结果符合风险判定的映射规则，显著提升模型输出的规范一致性与工程可信度，为高风险水电施工场景提供可解释、可追溯的智能安全监测新范式。