基于多元高斯分布建模的无监督碗粥表面缺陷检测方法

    公开(公告)号:CN118674696A

    公开(公告)日:2024-09-20

    申请号:CN202410732284.7

    申请日:2024-06-06

    Abstract: 本发明公开了基于多元高斯分布建模的无监督碗粥表面缺陷检测方法,涉及碗粥产品检测技术领域,该基于多元高斯分布建模的无监督碗粥表面缺陷检测方法,包括以下步骤:S1:碗粥图像预处理,针对处理后的图像进行特征提取;特征提取的具体步骤包括:加载预训练的多元高斯分布无监督学习模型;设置中间特征层的输出,注册钩子函数,提取模型中不同层的特征;首次提出了基于多元高斯分布的无监督学习模型,并将其应用于碗粥流水产线的表面缺陷检测。与传统模型相比,它有效提高了异常检测的准确性和效率,无需标注数据,能自动学习并识别图像特征。利用预训练模型自主提取关键特征,简化了处理流程,且对新型或未知缺陷具有更强的适应性。

    一种自动持续采集网络数据微调大语言模型的方法

    公开(公告)号:CN118673200A

    公开(公告)日:2024-09-20

    申请号:CN202410780041.0

    申请日:2024-06-17

    Abstract: 本发明公开了一种自动持续采集网络数据微调大语言模型的方法,涉及软件开发技术领域,该自动持续采集网络数据微调大语言模型的方法,包括以下流程:所述度任务的创建与配置、基于搜索引擎的主题内容抓取、页面主体内容解析、固定地址的页面内容抓取、清洗内容数据、内容分句、分段组合、关键词的提取、构建训练服务、生成训练数据并推送、执行大语言模型训练,该自动持续采集网络数据微调大语言模型的方法,通过可视化操作使用户自由上传含有自定义内容的文件,再以自动化的处理、清洗、解析流程将自定义内容投喂给大语言模型中,使大语言模型的训练过程更加方便、简洁、易懂,减轻了专业技术人员操作大语言模型的训练流程。

    一种从文件中提取数据微调大语言模型的方法

    公开(公告)号:CN118585497A

    公开(公告)日:2024-09-03

    申请号:CN202410740264.4

    申请日:2024-06-07

    Abstract: 本发明公开了一种从文件中提取数据微调大语言模型的方法,涉及软件开发技术领域,一种从文件中提取数据微调大语言模型的方法,此方法使得用户在前台可视化界面上传文件,后台服务端自动将文件的内容提取并生成训练数据推送至大语言模型中,通过编写前台可视化界面实现用户任意文件的上传下载功能,使用Java搭建后台服务端将文件包含内容提取并存储,支持文件格式有Word、Excel、Pdf等十余种;之后将文件内容清洗并按分隔符分割成一条条的语句,再根据实际的大语言模型训练场景需要将语句拼接为大小合适的段落;将段落的关键词提取出来并保存,使用Python搭建执行微调大语言模型的训练服务,接成完整报文推送给训练服务,执行具体的大语言模型训练工作。

    一种将物理设备时序变量自动映射为数字模型的方法

    公开(公告)号:CN114095535B

    公开(公告)日:2024-02-06

    申请号:CN202111356404.0

    申请日:2021-11-16

    Abstract: 本发明公开了一种将物理设备时序变量自动映射为数字模型的方法,该方法包括:根据物理设备类型,使用可编程嵌入式装置将物理设备接入物联网系统;解析物理设备的通讯协议并将采集到的设备数据转换成时间序列变量;处理所述时间序列变量中的无效数据;将经过处理的时间序列变量数据以MQTT协议从边缘端发送到云端平台;在云端平台上,根据设定的映射规则自动将接收到的数据数字化重组为数字模型。本发明不必区分设备注册和设备传输的流程差异,注重把时间序列数据作为核心内容,引入可编程的自动映射规则,解决了设备接入系统的自适应问题。

Patent Agency Ranking