一种基于大语言模型文本特征增强的刀具状态检测方法

本发明属于人工智能与刀具状态监测领域，公开一种基于大语言模型文本特征增强的刀具状态检测方法。步骤如下：数据预处理；构建提示信息；将时间片段与提示信息拼接后输入LLM，提取刀具状态相关的特征表示F；通过设计基于交叉注意力机制的Adapter层，将LLM提取的特征与时间序列特征进行对齐融合；采用基于Transformer的预测模型作为特征提取与预测模型，通过变量维度建模方式，捕捉时间序列变量间的相关性；最后通过投影层输出最终的刀具磨损状态，并利用均方误差损失进行优化训练。本发明作为一种基于大语言模型文本特征增强的刀具状态检测方法，可广泛应用于智能制造、刀具健康管理及工业生产优化领域。