摘要
本发明公开了一种基于AI大模型的市政工程巡检问答方法及系统,涉及人工智能技术领域;通过收集历史市政工程多源数据并处理,利用BERT模型抽取设施实体及关系,结合正确率阈值筛选三元组,并基于Kafka+Flink实现实时更新,得到动态市政工程知识图谱;改进YOLOv8模型,使用问答对数据、历史感知数据结合大雁算法优化,得到市政工程巡检大模型;实时融合巡检提问、图像及传感器数据,调用市政工程巡检大模型生成决策方案并反馈效果;本发明解决了多模态数据孤岛、知识更新滞后及复杂场景检测精度低的问题,提升了数据查询效率、复杂环境识别精度,具备了处理未知三元组的能力,降低了重复故障率,形成智能化市政设施运维闭环。
技术关键词
三元组
问答方法
问答对数据
设施
知识图谱架构
答案
正确率
动态更新
多污染物协同治理
知识图谱构建
BERT模型
传感器
图像特征提取模型
节点
文本数据提取
关系抽取模型
数据查询效率
系统为您推荐了相关专利信息
模型构建方法
环境传感器数据
风险识别模型
多模态
序列
公路
分区
不动产登记信息
活动识别
机器学习算法