基于大模型微调的安全巡检系统
陈祥
高吴涵
江苏师范大学科文学院 江苏徐州 221132
摘要：针对安全巡检中隐患描述文本存在的规范性不足与效率瓶颈问题,文章提出了一种基于大语言模型LoRA(low-rank adaptation)微调的安全巡检智能描述系统.通过构建包含2万条标准化样本的专业数据集,确立了以"隐患位置、现象描述、标准关联、处置建议、隐患类型、隐患级别"六要素为核心的隐患描述框架,通过对基座模型DeepSeek-R1-Distill-Qwen-7B进行LoRA微调实现领域适配,并封装RESTful API集成至现有巡检系统,实现根据用户输入的关键词、短语或结构化报警信息,实时生成标准化的安全隐患描述文本.实验结果表明,该系统能够解决人工描述主观性强、自动化巡检语义生成质量低的问题,在要素召回率、Safety-ROUGE指标、分类分级准确性、标准可追溯率及专家评分等方面均显著优于微调前模型.
关键词：大模型指令微调LoRA安全巡检
资助基金：江苏省高校实验室研究会课题(GS2024BZZ20)
论文发表日期：2026-03-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：5( 20-24 )