本技術涉及車輛診斷領域，特別涉及一種車輛診斷報告的生成方法、系統、介質和設備。
背景技術：
1、著人工智能技術的發展，基于ai大模型自動生成車輛診斷報告的技術逐漸興起。然而，目前該技術在實際應用中仍存在諸多問題。例如，生成的報告常出現事實性錯誤、邏輯矛盾、關鍵信息遺漏以及格式不規范等情況，導致報告的輸出質量不穩定。這些問題使得報告在生成后仍需大量人工介入進行審核和修正，極大地降低了工作效率。
技術實現思路
1、本技術的目的是提供一種車輛診斷報告的生成方法、系統、計算機可讀存儲介質和電子設備，能夠有效提高車輛診斷的準確率。
2、為解決上述技術問題，本技術提供一種車輛診斷報告的生成方法，具體技術方案如下：
3、獲取故障車輛的車輛待診斷信息；
4、將所述車輛待診斷信息分別輸入至第一本地模型和第二本地模型；所述第一本地模型和所述第二本地模型為異構模型；
5、調用裁判模型分別對所述第一本地模型輸出的第一車輛診斷報告，以及所述第二本地模型輸出的第二車輛診斷報告進行內容校驗，得到內容校驗結果；所述內容校驗結果包括事實準確性校驗結果和邏輯一致性校驗結果；
6、根據所述內容校驗結果合并所述第一車輛診斷報告和所述第二車輛診斷報告中與所述車輛待診斷信息適配的車輛診斷信息，得到車輛診斷報告。
7、可選的，獲取車輛待診斷信息包括：
8、獲取車輛標識信息和歷史維修信息；
9、通過設備驅動接口獲取診斷設備的診斷設備信息；
10、通過標準診斷協議讀取所述故障車輛的車輛故障信息，并采集與所述車輛故障信息對應故障碼相關聯的車輛數據流信息，以及故障發生時的凍結幀信息。
11、可選的，獲取故障車輛的車輛待診斷信息之后，還包括：
12、將所述故障碼轉換為故障描述信息；
13、將所述車輛數據流信息轉換標準數據流，并將所述數據流和所述凍結幀信息添加對應的時間戳；
14、將所述車輛標識信息、所述歷史維修信息、所述診斷設備信息、所述故障描述信息、所述數據流和所述凍結幀信息封裝為結構化診斷數據包。
15、可選的，將所述車輛待診斷信息分別輸入至第一本地模型和第二本地模型之前，還包括：
16、獲取車輛維修信息庫；所述車輛維修信息庫包括車輛維修手冊、故障樹分析、車輛診斷邏輯和解決方案案例庫；
17、確定第一架構的第一基礎模型，和第二架構的第二基礎模型；所述第一基礎模型和所述第二基礎模型為異構模型；
18、對所述第一基礎模型和所述第二基礎模型分別進行初始化，加載預訓練的權重參數；
19、利用所述車輛維修信息庫分別對所述第一基礎模型和所述第二基礎模型進行預訓練；
20、對于所述第一基礎模型和所述第二基礎模型中的任一模型，在模型運行時，從所述車輛維修信息庫中獲取車輛維修信息，動態整合至模型推理過程；
21、將車輛維修領域的知識圖譜嵌入至模型參數，并設定模型對應的適配器；所述適配器用于存儲車輛維修信息庫，并插入至模型的中間層；
22、利用預置訓練集和驗證集訓練分別得到所述第一基礎模型和所述第二基礎模型。
23、可選的，調用裁判模型分別對所述第一本地模型輸出的第一車輛診斷報告之前，還包括：
24、獲取樣本組合；所述樣本組合包括成對的缺陷報告和優秀報告；
25、對所述樣本組合中的樣本進行樣本質量標注；
26、確定對比學習網絡的網絡架構；所述對比學習網絡的兩個分支共享權重，分別用于處理所述缺陷報告和所述優秀報告；
27、將成對的缺陷報告和優秀報告作為正樣本對，隨機采樣報告作為負樣本對；
28、將所述正樣本對和所述負樣本對輸入至所述對比學習網絡，提取每個樣本的特征標識；
29、利用對比學習損失函數衡量所述正樣本對和所述負樣本對之間的相似度，以最小化正樣本對之間的距離和最大化負樣本對之間的距離為訓練目標；
30、根據所述對比學習損失函數計算梯度，并更新模型參數，得到所述裁判模型。
31、可選的，根據所述內容校驗結果合并所述第一車輛診斷報告和所述第二車輛診斷報告中與所述車輛待診斷信息適配的車輛診斷信息，得到車輛診斷報告之后，還包括：
32、根據所述第一車輛診斷報告、所述第二車輛診斷報告、所述裁判模型輸出的結構化評判報告和所述車輛診斷報告生成脫敏處理方案；所述脫敏處理方案包含車輛故障內容和故障解決方式；
33、將所述脫敏處理方案存儲至本地反饋知識庫。
34、可選的，還包括：
35、根據所述脫敏處理方案構造微調數據集；
36、基于所述微調數據集對所述裁判模型的模型參數進行調優更新。
37、本技術還提供一種車輛診斷報告的生成系統，包括：
38、信息獲取模塊，用于獲取故障車輛的車輛待診斷信息；
39、信息輸入模塊，用于將所述車輛待診斷信息分別輸入至第一本地模型和第二本地模型；所述第一本地模型和所述第二本地模型為異構模型；
40、內容校驗模塊，用于調用裁判模型分別對所述第一本地模型輸出的第一車輛診斷報告，以及所述第二本地模型輸出的第二車輛診斷報告進行內容校驗，得到內容校驗結果；所述內容校驗結果包括事實準確性校驗結果和邏輯一致性校驗結果；
41、診斷報告生成模塊，用于根據所述內容校驗結果合并所述第一車輛診斷報告和所述第二車輛診斷報告中與所述車輛待診斷信息適配的車輛診斷信息，得到車輛診斷報告。
42、本技術還提供一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時實現如上所述車輛診斷報告的生成方法的步驟。
43、本技術還提供一種電子設備，包括存儲器和處理器，所述存儲器中存有計算機程序，所述處理器調用所述存儲器中的計算機程序時實現如上所述車輛診斷報告的生成方法的步驟。
44、本技術還提供一種計算機程序產品，包括計算機程序，所述計算機程序被執行時實現如上所述車輛診斷報告的生成方法的步驟。
45、本技術提供一種車輛診斷報告的生成方法，包括：獲取故障車輛的車輛待診斷信息；將所述車輛待診斷信息分別輸入至第一本地模型和第二本地模型；所述第一本地模型和所述第二本地模型為異構模型；調用裁判模型分別對所述第一本地模型輸出的第一車輛診斷報告，以及所述第二本地模型輸出的第二車輛診斷報告進行內容校驗，得到內容校驗結果；所述內容校驗結果包括事實準確性校驗結果和邏輯一致性校驗結果；根據所述內容校驗結果合并所述第一車輛診斷報告和所述第二車輛診斷報告中與所述車輛待診斷信息適配的車輛診斷信息，得到車輛診斷報告。
46、本技術通過獲取車輛待診斷信息并分別輸入至第一本地模型和第二本地模型，利用這兩種異構模型對同一車輛故障信息進行分析，能夠從不同角度和方法對車輛故障進行診斷。利用第一本地模型和第二本地模型實現雙模型并行診斷，能夠有效降低單一模型可能出現的誤診概率，提高診斷結果的準確性和可靠性。其次，引入裁判模型對兩個本地模型輸出的車輛診斷報告進行內容校驗，包括事實準確性校驗和邏輯一致性校驗，能夠進一步驗證診斷報告的正確性，確保診斷信息真實可靠且邏輯連貫，可以避免因模型偏差或數據異常導致的錯誤診斷，而邏輯一致性校驗則能夠保證診斷報告中的各項結論相互支持、協調一致，避免出現矛盾或不合理之處。最后，根據內容校驗結果合并兩個車輛診斷報告中的適配信息，生成最終的車輛診斷報告，能夠充分利用兩個模型的優勢，整合出更為全面、準確的診斷信息。相比單一模型生成的報告，本技術生成的車輛診斷報告能夠更精準地反映車輛的實際故障情況，為車輛維修人員提供更可靠的參考依據，從而提高車輛維修效率，降低維修成本，并有效保障車輛的運行安全。
47、本技術還提供一種車輛診斷報告的生成系統、計算機可讀存儲介質和電子設備，具有上述有益效果，此處不再贅述。