【技术实现步骤摘要】
本专利技术涉及烹饪装置及方法，特别是涉及一种基于内置ai大模型的烹饪方法及其智能烹饪装置。
技术介绍
1、随着科技的发展、生活节奏的加快，智能烹饪装置应运而生，智能烹饪装置能够实现自动化烹饪。
2、关于ai大模型与智能烹饪装置结合，最新的现有技术包括为公开号为cn116843510a，公开日为2023年10月03日的，专利技术名称为基于ai大模型的智能炒菜机云平台数据管理系统及方法，申请号为202310784823.7专利技术专利申请；
3、该专利技术申请公开了基于ai大模型的智能炒菜机云平台数据管理系统及方法，涉及数据管理系统
，所述管理方法包括以下步骤：通过采集端采集炒菜过程中的各种参数数据，参数数据通过网络传输到云平台，确保实时性和稳定性，处理端通过ai大模型对存储的参数数据进行分析，分析此次炒菜过程中智能炒菜机是否存在异常，当分析智能炒菜机存在异常时，依据分析结果判断菜品口味存在偏差，管理系统发出警示信号，此时更换其他智能炒菜机炒菜，该专利技术能够根据智能炒菜机的运行状态来判断此次炒出的菜口味是否存在偏差，从而能够及时警示，确保菜品的质量和口感。
4、现有技术中的将ai大模型应用于智能炒菜机的作用仅仅是处理端通过ai大模型对存储的参数数据进行分析，分析此次炒菜过程中智能炒菜机是否存在异常，当分析智能炒菜机存在异常时，依据分析结果判断菜品口味存在偏差，需要更换其他智能炒菜机炒菜来确保菜品的质量和口感，其实更换其他智能炒菜机炒菜也不一定能确保菜品的质量和口感，因为更换的其他智能炒菜机
5、本专利技术一种基于内置ai大模型的烹饪方法及其智能烹饪装置是把海量的烹饪数据集用第三方ai大模型进行微调fine-tuning训练，训练完成后生成具备烹饪方法所有相关数据的烹饪ai大模型，用户通过语音、视频、文本、图片或3d模型格式输入烹饪需求信息，通过调用烹饪内置ai大模型生成新烹饪方法，智能烹饪装置执行用户调用烹饪内置ai大模型生成的新烹饪方法，烹饪出满足用户需求的食物。
技术实现思路
1、为了解决上述现有技术问题，本专利技术提供了一种基于内置ai大模型的烹饪方法，其特征在于，应用于智能烹饪装置，所述智能烹饪装置设有信息收集模块、储存模块、ai大模型模块、处理器和无线通讯模块，所述ai大模型模块位于所述储存模块里面，所述信息收集模块、所述储存模块、所述ai大模型模块、所述无线通讯模块与所述处理器电性连接，所述信息收集模块用于接收用户通过语音、视频、文本、图片或3d模型格式输入的烹饪需求信息，并将此烹饪需求信息推送至位于所述储存模块的ai大模型模块，所述ai大模型模块对所述烹饪需求信息进行分析并生成新烹饪方法，并将所述新烹饪方法通过所述储存模块发送至所述处理器，所述新烹饪方法包括所述智能烹饪装置工位、烹饪工作步骤、烹饪参数或需用户配合的烹饪操作指令，所述ai大模型生成的新烹饪方法包括：构建烹饪ai大模型和调用烹饪内置ai大模型，其中构建烹饪ai大模型包括收集烹饪数据、预处理烹饪数据、选择可应用于烹饪的ai大模型、训练烹饪ai大模型、验证测试烹饪ai大模型和在所述ai大模型模块部署维护烹饪ai大模型，用户通过语音、视频、文本、图片或3d模型格式输入的烹饪需求信息通过所述ai大模型模块调用烹饪内置ai大模型生成所述新烹饪方法，所述调用烹饪内置ai大模型包括组装查询语句、内置ai大模型进行推理运算和内置ai大模型返回结果，所述新烹饪方法由所述烹饪内置ai大模型推理运算完成后通过所述储存模块发送至所述处理器。
2、作为本专利技术基于内置ai大模型的烹饪方法的改进，所述构建烹饪ai大模型包括：
3、第一步、收集烹饪数据：收集通过语音、视频、文本、图片或3d模型呈现的所有有关食材烹饪方法的信息；
4、第二步、预处理烹饪数据：把采集到的所有有关食材烹饪方法的信息进行处理，确保信息的完整性和可用性，包括把不同格式的信息统一转化成文本，并且对文本信息按照一定的格式进行编辑处理，以方便ai大模型的后续训练；
5、第三步、选择可应用于烹饪的ai大模型：对国内、国外的第三方ai大模型进行选择，用准确性、响应速度、多样性指标来衡量；
6、第四步、训练烹饪ai大模型：通过第二步整理好烹饪数据集，然后把烹饪数据集用第三方ai大模型进行微调fine-tuning训练，训练完成后生成具备烹饪方法所有相关数据的烹饪ai大模型；
7、第五步、验证测试烹饪ai大模型：对第四步生成的烹饪ai大模型进行特定任务的效果检测评估，如果评估效果不通过，则继续重复第一步、第二步、第三步、第四步的步骤，重新训练，直到效果评测通过，生成烹饪ai大模型并储存在云平台；
8、第六步、部署维护烹饪ai大模型：将新生成的ai大模型部署到所述智能烹饪装置的所述内置ai大模型模块，并且进行持续维护和更新，定期更新数据，以确保数据的及时性和准确性。
9、作为本专利技术基于内置ai大模型的烹饪方法的改进，所述第三步选择可应用于烹饪的ai大模型，选择的是baichuan2-13b的ai大模型，该ai大模型参数如下：隐藏层维度：5,120，层数：40，注意力头数：40，词表大小：64,000，总参数量：13,264,901,120，训练数据(tokens)：1.4万亿，位置编码：alibi，最大长度：4,096；
10、作为本专利技术基于内置ai大模型的烹饪方法的改进，所述第四步训练烹饪ai大模型的训练过程如下：首先，从huggingface中下载baichuan13b的模型权重，然后将belle数据集train_0.5m_cn下载到本地并放到项目目录下的dataset文件夹下，最后运行sft_lora.py脚本，接着，将百川llm采用qlora的nf4和双重量化方式进行量化，最后，采用lora进行指令微调。
11、作为本专利技术基于内置ai大模型的烹饪方法的改进，所述调用烹饪内置ai大模型具体包括下列步骤：
12、第一步、组装查询语句；
13、第二步、内置ai大模型进行推理运算：把查询语句传给ai大模型，由ai大模型来进行推理运算，这里面包含以下几个过程：
14、1)理解输入：分布式语义解析，首先会接收文本序列，转化为词向量，该过程基于分布式语义假设，即词义由其在上下文中的使用决定；
15、2)参数关联：上下文焦点连锁，将这些词向量输入到transformer的encoder中生成上下文表示；
16、3)生成回答：生成性概率建模，模型初始化transformer的decoder部分，并将encoder的输出和当前的输出序列一同输入到decoder中，decoder会生成下一个词的概率分布，选择概率最大或其他设定的概率分布的词作为输出，这个词将被添加到输出序列；
17、4)选择最合适回答：动态词串演化，重复上述步骤，每次都本文档来自技高网...
【技术保护点】
1.一种基于内置AI大模型的烹饪方法，其特征在于，应用于智能烹饪装置，所述智能烹饪装置设有信息收集模块、储存模块、AI大模型模块、处理器和无线通讯模块，所述AI大模型模块位于所述储存模块里面，所述信息收集模块、所述储存模块、所述AI大模型模块、所述无线通讯模块与所述处理器电性连接，所述信息收集模块用于接收用户通过语音、视频、文本、图片或3D模型格式输入的烹饪需求信息，并将此烹饪需求信息推送至位于所述储存模块的AI大模型模块，所述AI大模型模块对所述烹饪需求信息进行分析并生成新烹饪方法，并将所述新烹饪方法通过所述储存模块发送至所述处理器，所述新烹饪方法包括所述智能烹饪装置工位、烹饪工作步骤、烹饪参数或需用户配合的烹饪操作指令，所述AI大模型生成的新烹饪方法包括：构建烹饪AI大模型和调用烹饪内置AI大模型，其中构建烹饪AI大模型包括收集烹饪数据、预处理烹饪数据、选择可应用于烹饪的AI大模型、训练烹饪AI大模型、验证测试烹饪AI大模型和在所述AI大模型模块部署维护烹饪AI大模型，用户通过语音、视频、文本、图片或3D模型格式输入的烹饪需求信息通过所述AI大模型模块调用烹饪内置AI大模型生
2.根据权利要求1所述的基于内置AI大模型的烹饪方法，其特征在于：所述构建烹饪AI大模型包括：
3.根据权利要求2所述的基于内置AI大模型的烹饪方法，其特征在于：所述第三步选择可应用于烹饪的AI大模型，选择的是Baichuan2-13B的AI大模型，该AI大模型参数如下：隐藏层维度：5,120，层数：40，注意力头数：40，词表大小：64,000，总参数量：13,264,901,120，训练数据(tokens)：1.4万亿，位置编码：ALiBi，最大长度：4,096。
4.根据权利要求3所述的基于内置AI大模型的烹饪方法，其特征在于：所述第四步训练烹饪AI大模型的训练过程如下：首先，从huggingface中下载baichuan13b的模型权重，然后将belle数据集train_0.5M_CN下载到本地并放到项目目录下的dataset文件夹下，最后运行sft_lora.py脚本，接着，将百川LLM采用qlora的nf4和双重量化方式进行量化，最后，采用lora进行指令微调。
5.根据权利要求1所述的基于内置AI大模型的烹饪方法，其特征在于：所述调用烹饪内置AI大模型具体包括下列步骤：
6.一种智能烹饪装置，其特征在于，设有信息收集模块、储存模块、AI大模型模块、处理器和无线通讯模块，所述AI大模型模块位于所述储存模块里面，所述信息收集模块、所述储存模块、所述AI大模型模块、所述无线通讯模块与所述处理器电性连接，所述信息收集模块用于收集用户通过语音、视频、文本、图片或3D模型格式呈现的所有有关食材烹饪的信息，所述无线通讯模块可以用于连接所述处理器与云平台、用户移动终端，所述处理器用于执行权利要求1中的部署在所述AI大模型模块的基于内置AI大模型的烹饪方法，所述新烹饪方法由所述烹饪内置AI大模型推理运算完成后通过所述储存模块发送至智能烹饪装置并提示用户进行烹饪。
7.根据权利要求6所述的智能烹饪装置，其特征在于：设有煎、烤、煮、空气炸、焖、炖、焗、蒸或炒的智能烹饪装置工位，所述智能烹饪装置接收所述新烹饪方法并提示用户在对应的智能烹饪装置工位进行烹饪及进行烹饪工作步骤。
8.根据权利要求7所述的智能烹饪装置，其特征在于：所述煎、烤、煮、空气炸、焖、炖、焗、蒸或炒的智能烹饪装置工位设有对应的操作检测反馈系统，所述操作检测反馈系统用于检测用户在智能烹饪装置所进行的烹饪操作是否符合所述新烹饪方法的要求。
9.根据权利要求6所述的智能烹饪装置，其特征在于：设有人机交互系统，所述人机交互系统用于智能烹饪装置与用户之间的信息交互，包括用户操作用户移动终端确认烹饪参数和启动烹饪操作指令。
10.根据权利要求6所述的智能烹饪装置，其特征在于，所述新烹饪方法通过所述无线通讯模块发送至用户移动终端，用户移动终端接收所述新烹饪方法并提示用户在对应的智能烹饪装置工位进行烹饪及进行烹饪工作步骤，及用户操作移动终端确认烹饪参数和启动烹饪操作指令。
...【技术特征摘要】
1.一种基于内置ai大模型的烹饪方法，其特征在于，应用于智能烹饪装置，所述智能烹饪装置设有信息收集模块、储存模块、ai大模型模块、处理器和无线通讯模块，所述ai大模型模块位于所述储存模块里面，所述信息收集模块、所述储存模块、所述ai大模型模块、所述无线通讯模块与所述处理器电性连接，所述信息收集模块用于接收用户通过语音、视频、文本、图片或3d模型格式输入的烹饪需求信息，并将此烹饪需求信息推送至位于所述储存模块的ai大模型模块，所述ai大模型模块对所述烹饪需求信息进行分析并生成新烹饪方法，并将所述新烹饪方法通过所述储存模块发送至所述处理器，所述新烹饪方法包括所述智能烹饪装置工位、烹饪工作步骤、烹饪参数或需用户配合的烹饪操作指令，所述ai大模型生成的新烹饪方法包括：构建烹饪ai大模型和调用烹饪内置ai大模型，其中构建烹饪ai大模型包括收集烹饪数据、预处理烹饪数据、选择可应用于烹饪的ai大模型、训练烹饪ai大模型、验证测试烹饪ai大模型和在所述ai大模型模块部署维护烹饪ai大模型，用户通过语音、视频、文本、图片或3d模型格式输入的烹饪需求信息通过所述ai大模型模块调用烹饪内置ai大模型生成所述新烹饪方法，所述调用烹饪内置ai大模型包括组装查询语句、内置ai大模型进行推理运算和内置ai大模型返回结果，所述新烹饪方法由所述烹饪内置ai大模型推理运算完成后通过所述储存模块发送至所述处理器。
2.根据权利要求1所述的基于内置ai大模型的烹饪方法，其特征在于：所述构建烹饪ai大模型包括：
3.根据权利要求2所述的基于内置ai大模型的烹饪方法，其特征在于：所述第三步选择可应用于烹饪的ai大模型，选择的是baichuan2-13b的ai大模型，该ai大模型参数如下：隐藏层维度：5,120，层数：40，注意力头数：40，词表大小：64,000，总参数量：13,264,901,120，训练数据(tokens)：1.4万亿，位置编码：alibi，最大长度：4,096。
4.根据权利要求3所述的基于内置ai大模型的烹饪方法，其特征在于：所述第四步训练烹饪ai大模型的训练过程如下：首先，从huggingface中下载baichuan13b的模型...
【专利技术属性】
技术研发人员：李卫忠，陈文彬，陈自雄，
申请(专利权)人：广州市拓璞电器发展有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。