CN109919785A - 车辆定损的评估处理方法、装置、设备及存储介质 - Google Patents

Abstract

本发明实施例提供了一种车辆定损的评估处理方法、装置、设备及存储介质，该方法包括：接收保险公司的定损系统上传的定损单；提取定损单中包含的定损照片和定损项目；对所述定损照片进行识别，以根据所述定损照片确定所述定损单对应定损车辆的损坏部位和/或损坏程度；判断所述损坏部位和/或损坏程度与所述定损项目的记载是否一致，并将判断结果返回所述定损系统。本发明实施例解决了传统定损方式无法判断车辆定损项目有无或正误，难以保证车辆定损结果的准确性的问题，避免欺骗定损行为的发生，避免欺诈案件带来的赔付风险。

Description

车辆定损的评估处理方法、装置、设备及存储介质

技术领域

本发明涉及大数据分析技术领域，具体而言，本发明涉及一种车辆定损的评估处理方法、装置、设备及存储介质。

背景技术

随着保险行业的发展，各类保险行业迅猛发展，尤其是车险行业。车险理赔需要对发生碰撞的车辆进行定损。

然而，现有的定损方式一般是由定损业务员进行，人工成本高，效率低，而且没有专门的系统对定损结果进行评估处理，无法判断车辆定损项目有无或正误，难以保证车辆定损结果的准确性，避免欺骗定损行为的发生。

发明内容

本发明提供了一种车辆定损的评估处理方法、装置、电子设备及存储介质，解决了传统定损方式无法判断车辆定损项目有无或正误，难以保证车辆定损结果的准确性的问题。

所述技术方案如下：

第一方面，本发明提供了一种车辆定损的评估处理方法，该方法包括：

接收保险公司的定损系统上传的定损单；

提取定损单中包含的定损照片和定损项目；

对所述定损照片进行识别，以根据所述定损照片确定所述定损单对应定损车辆的损坏部位和/或损坏程度；

判断所述损坏部位和/或损坏程度与所述定损项目的记载是否一致，并将判断结果返回所述定损系统。

可选地，所述对所述定损照片进行识别，以根据所述定损照片确定所述定损单对应定损车辆的损坏部位和/或损坏程度，包括：

对所述定损照片进行特征提取，得到所述定损照片对应的图像特征；

将所述图像特征输入到预设的图像识别模型以对所述定损车辆的损坏部位和/或损坏程度进行预测识别。

可选地，在所述对所述定损照片进行特征提取之前，所述方法还包括：

采用灰度化算法、几何变换算法。图像增强算法、空间域算法、频率域算法中的至少一种算法对所述定损照片进行图像预处理。

可选地，所述方法还包括：

预先利用深度学习算法Xception对预先设置的训练集进行训练，得到所述图像识别模型。

可选地，所述将判断结果返回所述定损系统，包括：

当所述损坏部位或损坏程度与所述定损项目的记载不一致时，将所述定损单的单号和判断出的不一致信息返回所述定损系统。

第二方面，本发明提供了一种车辆定损的评估处理装置，该装置包括：

接收模块，用于接收保险公司的定损系统上传的定损单；

提取模块，用于提取定损单中包含的定损照片和定损项目；

识别模块，用于对所述定损照片进行识别，以根据所述定损照片确定所述定损单对应定损车辆的损坏部位和/或损坏程度；

判断模块，用于判断所述损坏部位和/或损坏程度与所述定损项目的记载是否一致，并将判断结果返回所述定损系统。

可选地，所述识别模块，包括：

提取单元，用于对所述定损照片进行特征提取，得到所述定损照片对应的图像特征；

预测单元，用于将所述图像特征输入到预设的图像识别模型以对所述定损车辆的损坏部位和/或损坏程度进行预测识别。

可选地，所述判断模块，具体还用于当所述损坏部位或损坏程度与所述定损项目的记载不一致时，将所述定损单的单号和判断出的不一致信息返回所述定损系统。

第三方面，本发明提供了一种电子设备，该电子设备包括：

一个或多个处理器；

存储器；

一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于：执行上述车辆定损的评估处理方法。

第四方面，本发明提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述车辆定损的评估处理方法。

本发明实施例提供的技术方案带来的有益效果是：解决了传统定损方式无法判断车辆定损项目有无或正误，难以保证车辆定损结果的准确性的问题，避免欺骗定损行为的发生，避免欺诈案件带来的赔付风险。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对本发明实施例描述中所需要使用的附图作简单地介绍。

图1为本发明实施例提供的一种车辆定损的评估处理方法的流程示意图；

图2为本发明实施例提供的一种车辆定损的评估处理方法中步骤S103的具体流程示意图；

图3为本发明实施例提供的一种车辆定损的评估处理装置的结构示意图；

图4为本发明实施例提供的一种车辆定损的评估处理装置中识别模块的具体结构示意图；

图5为本发明实施例提供的一种电子设备的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。

下面以具体地实施例对本发明的技术方案以及本发明的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本发明的实施例进行描述。

实施例一

本申请本发明实施例提供了一种车辆定损的评估处理方法，如图1所示，该方法包括：步骤S101、步骤S102、步骤S103和步骤S104。

步骤S101、接收保险公司的定损系统上传的定损单。

其中，定损单中包括有定损车辆的定损照片和保险公司初步认定的定损项目。

具体的，定损单可以采用是Excel形式实现。

步骤S102、提取定损单中包含的定损照片和定损项目。

其中，定损照片，例如：车辆损坏照片，也可以包括一张或多张照片。

其中，定损项目即对车辆损坏的文字描述，例如：需要更换的零配件+需要修理的零配件等。

步骤S103、对所述定损照片进行识别，以根据所述定损照片确定所述定损单对应定损车辆的损坏部位和/或损坏程度。

具体的，通过图像识别自动识别定损照片，判断定损车辆各个部件是否损坏，以及损坏部件的损坏程度。

步骤S104、判断所述损坏部位和/或损坏程度与所述定损项目的记载是否一致，并将判断结果返回所述定损系统。

具体的，如定损照片识别结果与定损项目的记载不一致，即识别出定损项目中记载的损坏部位并没有损坏，则会给出此定损单中的损坏项目与照片不符的结果。

本步骤中，所述将判断结果返回所述定损系统，具体包括：当所述损坏部位或损坏程度与所述定损项目的记载不一致时，将所述定损单的单号和判断出的不一致信息返回所述定损系统。

在一个具体实施例中，判断过程为:获取保险公司的定损系统上传的定损单中的定损照片，根据照片的像素点与预设的模型进行计算，得到最大的概率输出，即为最后的结果。如输出结果[“左前门损坏”：84％，“左大灯损坏”：57％]

然后，判定结果返回至保险公司，即，以文字形式，告诉保险公司定损单的单号下某配件未损坏。

具体形式如下：

a)报案号：RDDA6596541544222

b)左大灯未损坏

本发明实施例提供的车辆定损的评估处理方法，通过图像识别自动识别定损单上的定损照片，识别出定损车辆的损坏部位和/或损坏程度，然后自动判断定损照片识别出的损坏部位和/或损坏程度与定损单上的定损项目是否一致，即简单说就是判断图片和文字描述是否一致，解决了传统定损方式无法判断车辆定损项目有无或正误，难以保证车辆定损结果的准确性的问题，避免欺骗定损行为的发生，避免欺诈案件带来的赔付风险。

在一个具体实施例中，如图2所示，步骤S103，所述对所述定损照片进行识别，以根据所述定损照片确定所述定损单对应定损车辆的损坏部位和/或损坏程度，具体包括以下步骤：

步骤S1031、对所述定损照片进行特征提取，得到所述定损照片对应的图像特征；

步骤S1032、将所述图像特征输入到预设的图像识别模型以对所述定损车辆的损坏部位和/或损坏程度进行预测识别。

其中，所述图像识别模型是预先利用深度学习算法Xception对预先设置的训练集进行训练得到。

本实施例中的图像识别算法是根据现有的开源深度学习算法Xception在系统平台CE训练照片上进行微调，然后通过训练、调参及优化得到图像识别模型。

进一步地，算法会不断更新迭代，因为面临拍照方式，拍照风格等外界因素，图像识别必须要面临各种各样的复杂情况，反光，人车，我们如何能在一张完整照片中找到一小块的损失部位是相当困难的，我们需要对数据有很大的需求量和更新，使用最新的照片训练，使用最新的算法，最佳的网络结构，最好的参数，都需要一步步优化和提升的。

进一步地，在所述对所述定损照片进行特征提取之前，所述方法还包括：采用灰度化算法、几何变换算法。图像增强算法、空间域算法、频率域算法中的至少一种算法对所述定损照片进行图像预处理。

本实施例中，图片预处理具体为：每张照片都是像素点组成的，像素值为[0-255]，所以对图像预处理就是对数字的一个操作。常用的方法有灰度化，几何变化，图像增强，空间域法，频率域法等。本实施例可以采用灰度化算法、几何变换算法。图像增强算法、空间域算法、频率域算法中的至少一种算法对所述定损照片进行图像预处理。

本发明实施例提供的车辆定损的评估处理方法，解决了传统定损方式无法判断车辆定损项目有无或正误，难以保证车辆定损结果的准确性的问题，避免欺骗定损行为的发生，避免欺诈案件带来的赔付风险。

实施例二

本申请本发明实施例提供了一种车辆定损的评估处理装置，如图3所示，该车辆定损的评估处理装置可以包括：接收模块301、提取模块302、识别模块303以及判断模块304，其中：

接收模块301，用于接收保险公司的定损系统上传的定损单；

提取模块302，用于提取定损单中包含的定损照片和定损项目；

识别模块303，用于对所述定损照片进行识别，以根据所述定损照片确定所述定损单对应定损车辆的损坏部位和/或损坏程度；

判断模块304，用于判断所述损坏部位和/或损坏程度与所述定损项目的记载是否一致，并将判断结果返回所述定损系统。

在一个具体实施例中，所述识别模块303，如图4所示，具体包括以下单元：

提取单元3031，用于对所述定损照片进行特征提取，得到所述定损照片对应的图像特征；

预测单元3032，用于将所述图像特征输入到预设的图像识别模型以对所述定损车辆的损坏部位和/或损坏程度进行预测识别。

进一步地，所述识别模块303，还包括附图中未示出的预处理单元，所述预处理单元，用于在所述对所述定损照片进行特征提取之前，采用灰度化算法、几何变换算法。图像增强算法、空间域算法、频率域算法中的至少一种算法对所述定损照片进行图像预处理。

进一步地，所述识别模块303，还包括附图中未示出的模型训练模块，所述模型训练模块，用于利用深度学习算法Xception对预先设置的训练集进行训练，得到所述图像识别模型。

在一个具体实施例中，所述判断模块304，具体还用于当所述损坏部位或损坏程度与所述定损项目的记载不一致时，将所述定损单的单号和判断出的不一致信息返回所述定损系统。

本发明实施例提供的车辆定损的评估处理装置，识别模块303通过图像识别自动识别定损单上的定损照片，识别出定损车辆的损坏部位和/或损坏程度，然后判断模块304自动判断定损照片识别出的损坏部位和/或损坏程度与定损单上的定损项目是否一致，即简单说就是判断图片和文字描述是否一致，解决了传统定损方式无法判断车辆定损项目有无或正误，难以保证车辆定损结果的准确性的问题，避免欺骗定损行为的发生，避免欺诈案件带来的赔付风险。

本实施例的车辆定损的评估处理装置可执行本发明实施例一所示的车辆定损的评估处理方法，其实现原理相类似，此处不再赘述。

实施例三

本发明实施例提供了一种电子设备，如图5所示，图5所示的电子设备500包括：处理器5001和收发器5004。其中，处理器5001和收发器5004相连，如通过总线5002相连。可选的，电子设备500还可以包括存储器5003。需要说明的是，实际应用中收发器5004不限于一个，该电子设备500的结构并不构成对本发明实施例的限定。

处理器5001可以是CPU，通用处理器，DSP，ASIC，FPGA或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本发明公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器5001也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。

总线5002可包括一通路，在上述组件之间传送信息。总线5002可以是PCI总线或EISA总线等。总线5002可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

存储器5003可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM、CD-ROM或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。

可选的，存储器5003用于存储执行本发明方案的应用程序代码，并由处理器5001来控制执行。处理器5001用于执行存储器5003中存储的应用程序代码，以实现图3所示实施例提供的车辆定损的评估处理装置的动作。

本发明实施例提供的技术方案带来的有益效果是：解决了传统定损方式无法判断车辆定损项目有无或正误，难以保证车辆定损结果的准确性的问题，避免欺骗定损行为的发生，避免欺诈案件带来的赔付风险。

实施例四

本发明实施例提供了一种存储介质，该存储介质上存储有计算机程序，该程序被处理器执行时实现实施例一至实施例三任一实施例所示的方法。

本申请本发明实施例提供了一种存储介质，与现有技术相比，本发明实施例解决了传统定损方式无法判断车辆定损项目有无或正误，难以保证车辆定损结果的准确性的问题，避免欺骗定损行为的发生，避免欺诈案件带来的赔付风险。

本发明实施例提供了一种存储介质适用于上述方法实施例。在此不再赘述。

应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种车辆定损的评估处理方法，其特征在于，包括：

接收保险公司的定损系统上传的定损单；

提取定损单中包含的定损照片和定损项目；

对所述定损照片进行识别，以根据所述定损照片确定所述定损单对应定损车辆的损坏部位和/或损坏程度；

判断所述损坏部位和/或损坏程度与所述定损项目的记载是否一致，并将判断结果返回所述定损系统。

2.根据权利要求1所述的方法，其特征在于，所述对所述定损照片进行识别，以根据所述定损照片确定所述定损单对应定损车辆的损坏部位和/或损坏程度，包括：

对所述定损照片进行特征提取，得到所述定损照片对应的图像特征；

将所述图像特征输入到预设的图像识别模型以对所述定损车辆的损坏部位和/或损坏程度进行预测识别。

3.根据权利要求2所述的方法，其特征在于，在所述对所述定损照片进行特征提取之前，所述方法还包括：

采用灰度化算法、几何变换算法。图像增强算法、空间域算法、频率域算法中的至少一种算法对所述定损照片进行图像预处理。

4.根据权利要求2所述的方法，其特征在于，所述方法还包括：

利用深度学习算法Xception对预先设置的训练集进行训练，得到所述图像识别模型。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述将判断结果返回所述定损系统，包括：

当所述损坏部位或损坏程度与所述定损项目的记载不一致时，将所述定损单的单号和判断出的不一致信息返回所述定损系统。

6.一种车辆定损的评估处理装置，其特征在于，包括：

接收模块，用于接收保险公司的定损系统上传的定损单；

提取模块，用于提取定损单中包含的定损照片和定损项目；

识别模块，用于对所述定损照片进行识别，以根据所述定损照片确定所述定损单对应定损车辆的损坏部位和/或损坏程度；

判断模块，用于判断所述损坏部位和/或损坏程度与所述定损项目的记载是否一致，并将判断结果返回所述定损系统。

7.根据权利要求6所述的装置，其特征在于，所述识别模块，包括：

提取单元，用于对所述定损照片进行特征提取，得到所述定损照片对应的图像特征；

预测单元，用于将所述图像特征输入到预设的图像识别模型以对所述定损车辆的损坏部位和/或损坏程度进行预测识别。

8.根据权利要求6所述的装置，其特征在于，所述判断模块，具体还用于当所述损坏部位或损坏程度与所述定损项目的记载不一致时，将所述定损单的单号和判断出的不一致信息返回所述定损系统。

9.一种电子设备，其特征在于，其包括：

一个或多个处理器；

存储器；

一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于：执行根据权利要求1-5任一项所述的车辆定损的评估处理方法。

10.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-5任一项所述的车辆定损的评估处理方法。