基于RAG与多模态大模型的车辆配件换修判定方法与系统

本发明公开了一种基于RAG与多模态大模型的车辆配件换修判定方法与系统，属于汽车维修与人工智能技术领域。该方法采集故障配件的文本、图像和音频多模态信息并分别进行预处理；将预处理后的数据输入多模态大模型，通过多头交叉注意力机制进行跨模态特征融合生成联合故障特征向量，与配件故障知识库匹配推理得出故障类型、位置及严重程度；基于诊断结果，结合RAG技术检索的维修标准、配件库存及客户预算生成多种换修方案，经合规校验后生成可解释性换修判定报告；将确认的案例数据存入知识库对模型进行增量更新。本发明实现了车辆配件换修判定的高效性、准确性和可解释性，显著提高了故障诊断效率和维修质量。