La calidad de la malla es un factor importante que afecta la estructura de los cálculos de dinámica de fluidos computacional (CFD). La evaluación tradicional de la calidad de la malla se basa en los factores geométricos de las celdas de la malla y no tiene en cuenta de manera efectiva los defectos causados por la integridad de la malla. Asegurar que las mallas generadas sean de calidad suficiente para la simulación numérica requiere una intervención considerable por parte de profesionales de CFD. En este artículo, se propone una red basada en Transformer para la evaluación automática de la calidad de la malla (Gridformer), que traduce la evaluación de la calidad de la malla en un problema de clasificación de imágenes. Al comparar diferentes características de la malla, seleccionamos las tres características que influyen en gran medida en la calidad de la malla, proporcionando fiabilidad e interpretabilidad para el trabajo de extracción de características. Para validar la efectividad de Gridformer, realizamos experimentos en el conjunto de datos NACA-Market. Los resultados experimentales demuestran que Gridformer puede identificar automáticamente los defectos de calidad de la integridad de la malla y tiene ventajas en eficiencia computacional y precisión de predicción en comparación con redes neuronales ampliamente utilizadas. Además, se estableció un flujo de trabajo completo para la generación automática de mallas de alta calidad basado en Gridformer para facilitar la generación automatizada de mallas. Este flujo de trabajo puede producir una malla de alta calidad a partir de una malla de baja calidad mediante ciclos automáticos de evaluación y optimización. La implementación preliminar de la generación automática de mallas demuestra la versatilidad de Gridformer.