一种智能制造大模型的训练方法、系统及应用技术方案

本发明专利技术提出了一种智能制造大模型的训练方法、系统及应用，针对现有工业制造领域制造生产环节面对多样化和复杂的生产任务时，生产流水线柔性不足造成的生产制造系统任务单一、适应性较弱的问题，本方法提出了一种基于聚类假设的增强标签方法和知识蒸馏方法的智能制造大模型以及其训练方法，最终构建智能制造大模型系统并进行应用。具体来说，本方法提出一种基于聚类假设的增强标签方法生成增强标签并构造大模型训练数据集，基于KOSMOS‑2模型结构训练智能制造预训练模型并进行调优，结合三种知识蒸馏方法进行训练得到智能制造大模型，最终构建智能制造大模型系统，该系统增强了工业制造系统的灵活性和效率，实现了自主执行制造任务。

【技术实现步骤摘要】

本专利技术涉及基于聚类假设的增强标签方法和知识蒸馏技术，提出一种智能制造大模型的训练方法、系统和应用，通过构建智能制造大模型训练方法和系统并应用来解决工业制造领域任务单一、适应性较弱以及泛化能力不强的问题。

技术介绍

1、在智能制造领域，车间由多个生产单元组成，每个单元的运营条件各不相同，这种多样性经常导致信息离散和决策效率低下的问题。智能制造系统通过融合人机网络物理系统、自主智能、群体智能和跨媒体感知计算，有效应对这些挑战，同时也提升了对未标记数据的自主分析能力。

2、近年来，随着人工智能技术的进步，如chatgpt、gpt-4和kosmos-2等人工智能生成内容技术在自然语言处理和计算机视觉任务中展现了卓越的性能，为制造业带来了新的发展机遇。特别是在机器人引导的制造场景中，深度学习视觉检测方法如yolo、fast r-cnn、mask r-cnn、ssd和rfcn等被广泛应用。然而，这些模型在应用于新的数据领域或场景时，常常出现领域漂移的现象，即性能会遭遇显著下降。

3、为了解决这一问题，能够采用源领域知识促进主动学习、应用错误本文档来自技高网...

【技术保护点】

1.一种智能制造大模型的训练方法、系统及应用，其特征在于包含以下步骤：

2.根据权利要求1所述的一种智能制造大模型的训练方法、系统及应用，其特征在于步骤S2的具体方法为：

3.根据权利要求1所述的一种智能制造大模型的训练方法、系统及应用，其特征在于步骤S3中的具体步骤为：

【技术特征摘要】

1.一种智能制造大模型的训练方法、系统及应用，其特征在于包含以下步骤：

2.根据权利要求1所述的一种智能制造大模型的训练方法、系统及应用...

【专利技术属性】
技术研发人员：陈海涛，郑晓斌，冯天玮，李尊，柳圆圆，
申请(专利权)人：广东南方通信建设有限公司，
类型：发明
国别省市：