CN109948811A - 车辆定损的处理方法、装置及电子设备 - Google Patents
车辆定损的处理方法、装置及电子设备 Download PDFInfo
- Publication number
- CN109948811A CN109948811A CN201910101391.9A CN201910101391A CN109948811A CN 109948811 A CN109948811 A CN 109948811A CN 201910101391 A CN201910101391 A CN 201910101391A CN 109948811 A CN109948811 A CN 109948811A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- maintenance
- setting loss
- impaired
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供了一种车辆定损的处理方法、装置及电子设备。该方法包括：接收到待定损车辆的车辆图像时，确定针对待定损车辆进行维修处理的目标维修厂；针对车辆图像进行识别，得到待定损车辆的受损相关信息；查询维修厂对应的数据库，计算受损相关信息对应的维修价格，数据库存储有各类受损相关信息对应的维修价格；依据受损相关信息以及维修价格生成相应的定损结果。本申请实施例通过图像识别技术实现了快速确定受损相关信息的目的，从而加快了确定定损结果的速度，解决了现有技术中依赖人工进行定损，导致的定损成本高的问题，实现了车辆定损的自动化、智能化。
Description
技术领域
本申请涉及数据处理技术领域，具体而言，本申请涉及一种车辆定损的处理方法、装置及电子设备。
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专业的定损业务员进行，人工成本高；并且，依赖定损业务员进行定损需要消耗大量的时间，如等待定损业务员达到现场，制作定损结果等，定损效率低。
发明内容
本申请提供了一种车辆定损的处理方法、装置及电子设备，可以解决上述技术问题。所述技术方案如下：
第一方面，本申请提供了一种车辆定损的处理方法，该方法包括：
接收到待定损车辆的车辆图像时，确定针对所述待定损车辆进行维修处理的目标维修厂；
针对所述车辆图像进行识别，得到所述待定损车辆的受损相关信息；
查询所述维修厂对应的数据库，计算所述受损相关信息对应的维修价格，所述数据库存储有各类受损相关信息对应的维修价格；
依据所述受损相关信息以及所述维修价格生成相应的定损结果。
进一步地，所述确定针对所述待定损车辆进行维修处理的目标维修厂，包括：
基于预配置的维修厂列表，接收用户输入的选定维修厂的选择指令；
依据所述选择指令，确定用户选定的维修厂，并将用户选定的维修厂作为目标维修厂。
进一步地，所述针对所述车辆图像进行识别，得到所述待定损车辆的受损相关信息，包括：
将所述车辆图像输入至预设的第一图像识别模型，以得到所述受损相关信息。
进一步地，所述受损相关信息包括受损配件以及维修方式，所述将所述车辆图像输入至预设的第一图像识别模型，包括：
对所述车辆图像进行特征提取，得到所述车辆图像对应的图像特征；
依据所述图像特征，确定所述待定损车辆的受损配件，以生成所述受损相关信息；
基于预配置的各类维修方式，计算采用任一维修方式处理所述受损配件的概率，并将概率最高的维修方式作为针对所述受损配件进行处理的目标维修方式，以生成所述受损相关信息。
进一步地，所述计算所述受损相关信息对应的维修价格之前，所述方法还包括：
确定所述待识别车辆的车辆型号；
所述计算所述受损相关信息对应的维修价格，包括：
将所述车辆型号与所述维修厂对应的数据库进行匹配，得到所述车辆型号对应的各类配件与各类配件分别对应的维修方式的收费价格的关联关系；
依据所述关联关系，计算所述受损配件对应的维修方式的费用。
进一步地，所述确定所述待识别车辆的车辆型号，包括以下至少一项：
将所述车辆图像输入至预设的第二图像识别模型，以得到所述车辆型号；
接收所述待定损车辆对应的行驶证图像，并将所述行驶证图像输入至所述第二图像识别模型，以得到所述车辆型号；
基于预配置的用户界面，接收用户输入的针对所述待识别车辆的车辆型号的输入信息，并依据所述输入信息确定所述车辆型号。
进一步地，所述方法还包括：
将所述定损结果发送至指定用户的客户端，以使所述指定用户对所述定损结果进行审核。
第二方面，本申请提供了一种车辆定损的处理装置，该装置包括：
图像接收模块，用于接收到待定损车辆的车辆图像时，确定针对所述待定损车辆进行维修处理的目标维修厂；
图像识别模块，用于针对所述车辆图像进行识别，得到所述待定损车辆的受损相关信息；
费用计算模块，用于查询所述维修厂对应的数据库，计算所述受损相关信息对应的维修价格，所述数据库存储有各类受损相关信息对应的维修价格；
定损处理模块，用于依据所述受损相关信息以及所述维修价格生成相应的定损结果。
进一步地，所述图像接收模块用于：
基于预配置的维修厂列表，接收用户输入的选定维修厂的选择指令；
依据所述选择指令，确定用户选定的维修厂，并将用户选定的维修厂作为目标维修厂。
进一步地，所述图像识别模块用于：
将所述车辆图像输入至预设的第一图像识别模型，以得到所述受损相关信息。
进一步地，所述受损相关信息包括受损配件以及维修方式，所述图像识别模块用于：
对所述车辆图像进行特征提取，得到所述车辆图像对应的图像特征；
依据所述图像特征，确定所述待定损车辆的受损配件，以生成所述受损相关信息；
基于预配置的各类维修方式，计算采用任一维修方式处理所述受损配件的概率，并将概率最高的维修方式作为针对所述受损配件进行处理的目标维修方式，以生成所述受损相关信息。
进一步地，所述费用计算模块计算所述受损相关信息对应的维修价格之前，还用于：
确定所述待识别车辆的车辆型号；
所述费用计算模块用于：
将所述车辆型号与所述维修厂对应的数据库进行匹配，得到所述车辆型号对应的各类配件与各类配件分别对应的维修方式的收费价格的关联关系；
依据所述关联关系，计算所述受损配件对应的维修方式的费用。
进一步地，所述费用计算模块包括以下至少一项：
将所述车辆图像输入至预设的第二图像识别模型，以得到所述车辆型号；
接收所述待定损车辆对应的行驶证图像，并将所述行驶证图像输入至所述第二图像识别模型，以得到所述车辆型号；
基于预配置的用户界面，接收用户输入的针对所述待识别车辆的车辆型号的输入信息，并依据所述输入信息确定所述车辆型号。
进一步地，定损处理模块还用于：
将所述定损结果发送至指定用户的客户端，以使所述指定用户对所述定损结果进行审核。
第三方面，本申请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处理方法。
第四方面，本申请提供了一种计算机可读存储介质，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处理方法。
本申请实施例提供的技术方案带来的有益效果是：接收到待定损车辆的车辆图像时，确定针对待定损车辆进行维修处理的目标维修厂，针对车辆图像进行识别，得到待定损车辆的受损相关信息，查询目标维修厂对应的数据库，计算受损相关信息对应的维修价格，以依据受损相关信息以及维修价格生成相应的定损结果，通过图像识别技术实现了快速确定受损相关信息的目的，从而加快了确定定损结果的速度，解决了现有技术中依赖人工进行定损，导致的定损成本高的问题，实现了车辆定损的自动化、智能化。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1为本申请实施例提供的一种车辆定损的处理方法的流程示意图；
图2为本申请实施例提供的一种车辆定损的处理方法中确定目标维修厂的流程示意图；
图3为本申请实施例提供的又一种车辆定损的处理方法的流程示意图；
图4为本申请实施例提供的一种车辆定损的处理装置的结构示意图；
图5为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例，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，仅用于解释本申请，而不能解释为对本申请的限制。
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，本申请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申请的技术方案以及本申请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，对本申请的实施例进行描述。
实施例一
本申请实施例提供了一种车辆定损的处理方法，如图1所示，该方法包括：步骤S101至步骤S104。
步骤S101、接收到待定损车辆的车辆图像时，确定针对待定损车辆进行维修处理的目标维修厂。
本申请实施例中，电子设备接收到待定损车辆的车辆图像时，确定针对待定损车辆进行维修处理的目标维修厂。
本申请实施例中，车辆图像用于表征发生碰撞的位置。接收到的车辆图像可以为一张，也可以为多张，在接收到车辆图像的数量为多张时，各个车辆图像可以是从各个角度拍摄的。
具体地，电子设备可以为手机、Pad、笔记本、可穿戴设备等移动终端，还可以设置为服务器等服务端设备。实际应用时，一般将电子设备设置为手机等移动终端。
步骤S102、针对车辆图像进行识别，得到待定损车辆的受损相关信息。
本申请实施例中，利用图像识别技术实现了针对车辆图像的识别，起到了快速确定待定损车辆的受损相关信息。
步骤S103、查询目标维修厂对应的数据库，计算受损相关信息对应的维修价格，数据库存储有各类受损相关信息对应的维修价格。
实际应用时，针对同一车辆，不同维修厂的维修费用不同，本申请实施例通过目标维修厂的确定，起到了精确查找数据库，实现快速计算目标维修厂针对待定损车辆进行维修的维修价格的目的。
步骤S104、依据受损相关信息以及维修价格生成相应的定损结果。
本申请实施例，接收到待定损车辆的车辆图像时，确定针对待定损车辆进行维修处理的目标维修厂，针对车辆图像进行识别，得到待定损车辆的受损相关信息，查询目标维修厂对应的数据库，计算受损相关信息对应的维修价格，以依据受损相关信息以及维修价格生成相应的定损结果，通过图像识别技术实现了快速确定受损相关信息的目的，从而加快了确定定损结果的速度，解决了现有技术中依赖人工进行定损，导致的定损成本高的问题，实现了车辆定损的自动化、智能化。
在一个实现方式中，如图2所示，步骤S101中确定针对待定损车辆进行维修处理的目标维修厂，包括：
步骤S1011、基于预配置的维修厂列表，接收用户输入的选定维修厂的选择指令；
步骤S1012、依据选择指令，确定用户选定的维修厂，并将用户选定的维修厂作为目标维修厂。
实际应用时，预配置的维修厂列表中一般包括两个类型的维修厂，分别为4S维修店和非4S维修店。具体地，接收用户输入的选定维修厂的选择指令可以通过用户界面进行输入，也可以通过命令输入工具进行输入。若该选择指令是通过用户界面输入的，在用户输入该选择指令之前，可以在该用户界面上输出两个类型的维修厂，以便用户进行选择，选择4S维修店，还是非4S维修店。若用户选择的是4S维修店，则将所有4S维修店作为维修厂列表输出显示在该用户界面上，以便用户进行选择，方便用户的选择，起到了与用户交互的目的，提高了用户体验。
在一个实现方式中，如图1所示，步骤S103针对车辆图像进行识别，得到待定损车辆的受损相关信息，包括：
步骤S1031(图中未示出)、将车辆图像输入至预设的第一图像识别模型，以得到受损相关信息。
实施应用时，第一图像识别模型一般设置为CNN卷积模型，通过CNN卷积模型中CNN模块实现假设针对车辆图像的识别速度的目的。实际应用时，因CNN卷积模型的输入层对输入数据的尺度要求，在将车辆图像输入至预设的第一图像识别模型之前，可以对车辆图像进行处理，是车辆图像的大小符合CNN卷积模型的输入层的格式要求，如将车辆图像的尺度调整为48*48。
实际应用时，第一图像识别模型可以设置在电子设备上，也可以设置在于电子设备通信连接其他设备上。例如，若电子设备为手机，第一图像识别模型可以设置在手机端，即电子设备接收到车辆图像后，对车辆图像的识别在手机端完成，提高了电子设备的图像识别效率。实际应用时，若电子设备为手机，第一图像识别模型还可以设置在服务端，电子设备将接收到的车辆图像发送至服务端的第一图像识别模型，以得到服务端的识别结果，即受损相关信息。实际应用时，电子设备还可以是服务器，即服务器接收到车辆图像后，利用服务器上设置的第一图像识别模型实现针对车辆图像的识别。
在一个实现方式中，受损相关信息包括受损配件以及维修方式，步骤S1031将车辆图像输入至预设的第一图像识别模型，包括：
对车辆图像进行特征提取，得到车辆图像对应的图像特征；
依据图像特征，确定待定损车辆的受损配件，以生成受损相关信息；
基于预配置的各类维修方式，计算采用任一维修方式处理受损配件的概率，并将概率最高的维修方式作为针对受损配件进行处理的目标维修方式，以生成受损相关信息。
实际应用时，图像特征用于表征配件，不同的配件对应不同的图像特征，例如，图像特征矩阵1对应配件1；图像特征矩阵2对应配件2；图像特征矩阵3对应配件3，若提取到的图像特征为图像特征矩阵1，那么可以确定受损配件为配件1.
本申请实施例提供多种维修方式，如喷漆、钣金、更换等，同一维修厂对同一受损配件可能采取不同的维修方式，而采用不同的维修方式的概率并不相同。本申请将概率最高的维修方式最为定损的维修方式，以便为后续定损提供判断基础。
在一个实现方式中，步骤S103计算受损相关信息对应的维修价格之前，该方法还包括：步骤S1032(图中未示出)，且步骤S103包括：步骤S1033(图中未示出)和步骤S1034(图中未示出)。
步骤S1032、确定待识别车辆的车辆型号；
步骤S1033、将车辆型号与维修厂对应的数据库进行匹配，得到车辆型号对应的各类配件与各类配件分别对应的维修方式的收费价格的关联关系；
步骤S1034、依据关联关系，计算受损配件对应的维修方式的费用。
本申请实施例通过确定车辆型号，为计算目标维修厂针对该车辆型号的维修费用提供的数据基础，以便在获取到目标维修厂针对该车辆型号的关联关系后，完成维修费用的计算。
例如，假设目标维修厂针对宝马X6的关联关系为：前保险杠-更换对应的收费价格为Y1，前保险杠-钣金对应的收费价格为Y2，前保险杠-喷漆对应的收费价格为Y3，受训相关信息中受损配件为前保险杠，维修方式为钣金，那么可以确定Y2。本实施例中收费价格为总计费用，实际应用时，还可以将收费价格设置为Y2/h，根据预配置的不同维修方式的预估工时，从而完成维修费用的计算，及Y2/h*T(预估工时)。
在一个实现方式中，步骤S1032确定待识别车辆的车辆型号，包括以下至少一项：
将车辆图像输入至预设的第二图像识别模型，以得到车辆型号；
接收待定损车辆对应的行驶证图像，并将行驶证图像输入至第二图像识别模型，以得到车辆型号；
基于预配置的用户界面，接收用户输入的针对待识别车辆的车辆型号的输入信息，并依据输入信息确定车辆型号。
本申请实施例中提供了三种确定车辆型号的方式：第一种方式是利用图像识别技术识别车辆图像进行确定；第二种方式是利用图像识别技术识别行驶证图像进行确定；第三种方式是利用预配置的用户界面，以便用户对该用户界面进行操作，输入车辆型号。这三种方式，前两种无需用户进行信息输入，仅输入用户上传图像即可，简化了用户的操作步骤，而最后一种则能避免图像识别技术失效时，无需确定车辆型号的问题。
在一个实现方式中，如图3所示，该方法包括步骤S201至步骤S205，其中，步骤S201、步骤S202、步骤S203、步骤S204分别与步骤S101、步骤S102、步骤S103、步骤S104的执行过程相同或相似，此处不再赘述。
步骤S205、将定损结果发送至指定用户的客户端，以使指定用户对定损结果进行审核。
实际应用时，指定用户一般为具有审核权限的定损业务员，利用本申请提供的方法得到定损结果后，需要由定损业务员进行审核，以确定该定损结果是否有效，如有效，可以将该定损结果发送至指定的保险系统。
实施例二
本申请实施例提供了一种车辆定损的处理装置，如图4所示，该车辆定损的处理装置40可以包括：图像接收模块401、图像识别模块402、费用计算模块403以及定损处理模块404，其中，
图像接收模块401，用于接收到待定损车辆的车辆图像时，确定针对所述待定损车辆进行维修处理的目标维修厂；
图像识别模块402，用于针对所述车辆图像进行识别，得到所述待定损车辆的受损相关信息；
费用计算模块403，用于查询所述维修厂对应的数据库，计算所述受损相关信息对应的维修价格，所述数据库存储有各类受损相关信息对应的维修价格；
定损处理模块404，用于依据所述受损相关信息以及所述维修价格生成相应的定损结果。
本申请实施例，接收到待定损车辆的车辆图像时，确定针对待定损车辆进行维修处理的目标维修厂，针对车辆图像进行识别，得到待定损车辆的受损相关信息，查询目标维修厂对应的数据库，计算受损相关信息对应的维修价格，以依据受损相关信息以及维修价格生成相应的定损结果，通过图像识别技术实现了快速确定受损相关信息的目的，从而加快了确定定损结果的速度，解决了现有技术中依赖人工进行定损，导致的定损成本高的问题，实现了车辆定损的自动化、智能化。
进一步地，所述图像接收模块用于：
基于预配置的维修厂列表，接收用户输入的选定维修厂的选择指令；
依据所述选择指令，确定用户选定的维修厂，并将用户选定的维修厂作为目标维修厂。
进一步地，所述图像识别模块用于：
将所述车辆图像输入至预设的第一图像识别模型，以得到所述受损相关信息。
进一步地，所述受损相关信息包括受损配件以及维修方式，所述图像识别模块用于：
对所述车辆图像进行特征提取，得到所述车辆图像对应的图像特征；
依据所述图像特征，确定所述待定损车辆的受损配件，以生成所述受损相关信息；
基于预配置的各类维修方式，计算采用任一维修方式处理所述受损配件的概率，并将概率最高的维修方式作为针对所述受损配件进行处理的目标维修方式，以生成所述受损相关信息。
进一步地，所述费用计算模块计算所述受损相关信息对应的维修价格之前，还用于：
确定所述待识别车辆的车辆型号；
所述费用计算模块用于：
将所述车辆型号与所述维修厂对应的数据库进行匹配，得到所述车辆型号对应的各类配件与各类配件分别对应的维修方式的收费价格的关联关系；
依据所述关联关系，计算所述受损配件对应的维修方式的费用。
进一步地，所述费用计算模块包括以下至少一项：
将所述车辆图像输入至预设的第二图像识别模型，以得到所述车辆型号；
接收所述待定损车辆对应的行驶证图像，并将所述行驶证图像输入至所述第二图像识别模型，以得到所述车辆型号；
基于预配置的用户界面，接收用户输入的针对所述待识别车辆的车辆型号的输入信息，并依据所述输入信息确定所述车辆型号。
进一步地，定损处理模块还用于：
将所述定损结果发送至指定用户的客户端，以使所述指定用户对所述定损结果进行审核。
本实施例的车辆定损的处理装置可执行本申请实施例一所示的车辆定损的处理方法，其实现原理相类似，此处不再赘述。
实施例三
本申请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申请实施例的限定。
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申请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用于存储执行本申请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4所示实施例提供的车辆定损的处理装置的动作。
本申请实施例，接收到待定损车辆的车辆图像时，确定针对待定损车辆进行维修处理的目标维修厂，针对车辆图像进行识别，得到待定损车辆的受损相关信息，查询目标维修厂对应的数据库，计算受损相关信息对应的维修价格，以依据受损相关信息以及维修价格生成相应的定损结果，通过图像识别技术实现了快速确定受损相关信息的目的，从而加快了确定定损结果的速度，解决了现有技术中依赖人工进行定损，导致的定损成本高的问题，实现了车辆定损的自动化、智能化。
实施例四
本申请实施例提供了一种计算机可读存储介质，该计算机可读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所示的方法。
本申请实施例提供了一种计算机可读存储介质，与现有技术相比，接收到待定损车辆的车辆图像时，确定针对待定损车辆进行维修处理的目标维修厂，针对车辆图像进行识别，得到待定损车辆的受损相关信息，查询目标维修厂对应的数据库，计算受损相关信息对应的维修价格，以依据受损相关信息以及维修价格生成相应的定损结果，通过图像识别技术实现了快速确定受损相关信息的目的，从而加快了确定定损结果的速度，解决了现有技术中依赖人工进行定损，导致的定损成本高的问题，实现了车辆定损的自动化、智能化。
本申请实施例提供了一种计算机可读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。
以上所述仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种车辆定损的处理方法，其特征在于，包括：
接收到待定损车辆的车辆图像时，确定针对所述待定损车辆进行维修处理的目标维修厂；
针对所述车辆图像进行识别，得到所述待定损车辆的受损相关信息；
查询所述维修厂对应的数据库，计算所述受损相关信息对应的维修价格，所述数据库存储有各类受损相关信息对应的维修价格；
依据所述受损相关信息以及所述维修价格生成相应的定损结果。
2.根据权利要求1所述的方法，其特征在于，所述确定针对所述待定损车辆进行维修处理的目标维修厂，包括：
基于预配置的维修厂列表，接收用户输入的选定维修厂的选择指令；
依据所述选择指令，确定用户选定的维修厂，并将用户选定的维修厂作为目标维修厂。
3.根据权利要求1所述的方法，其特征在于，所述针对所述车辆图像进行识别，得到所述待定损车辆的受损相关信息，包括：
将所述车辆图像输入至预设的第一图像识别模型，以得到所述受损相关信息。
4.根据权利要求3所述的方法，其特征在于，所述受损相关信息包括受损配件以及维修方式，所述将所述车辆图像输入至预设的第一图像识别模型，包括：
对所述车辆图像进行特征提取，得到所述车辆图像对应的图像特征；
依据所述图像特征，确定所述待定损车辆的受损配件，以生成所述受损相关信息；
基于预配置的各类维修方式，计算采用任一维修方式处理所述受损配件的概率，并将概率最高的维修方式作为针对所述受损配件进行处理的目标维修方式，以生成所述受损相关信息。
5.根据权利要求3所述的方法，其特征在于，
所述计算所述受损相关信息对应的维修价格之前，所述方法还包括：
确定所述待识别车辆的车辆型号；
所述计算所述受损相关信息对应的维修价格，包括：
将所述车辆型号与所述维修厂对应的数据库进行匹配，得到所述车辆型号对应的各类配件与各类配件分别对应的维修方式的收费价格的关联关系；
依据所述关联关系，计算所述受损配件对应的维修方式的费用。
6.根据权利要求5所述的方法，其特征在于，所述确定所述待识别车辆的车辆型号，包括以下至少一项：
将所述车辆图像输入至预设的第二图像识别模型，以得到所述车辆型号；
接收所述待定损车辆对应的行驶证图像，并将所述行驶证图像输入至所述第二图像识别模型，以得到所述车辆型号；
基于预配置的用户界面，接收用户输入的针对所述待识别车辆的车辆型号的输入信息，并依据所述输入信息确定所述车辆型号。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
将所述定损结果发送至指定用户的客户端，以使所述指定用户对所述定损结果进行审核。
8.一种车辆定损的处理装置，其特征在于，包括：
图像接收模块，用于接收到待定损车辆的车辆图像时，确定针对所述待定损车辆进行维修处理的目标维修厂；
图像识别模块，用于针对所述车辆图像进行识别，得到所述待定损车辆的受损相关信息；
费用计算模块，用于查询所述维修厂对应的数据库，计算所述受损相关信息对应的维修价格，所述数据库存储有各类受损相关信息对应的维修价格；
定损处理模块，用于依据所述受损相关信息以及所述维修价格生成相应的定损结果。
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1-7任一项所述的车辆定损的处理方法。
10.一种计算机可读存储介质，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1-7任一项所述的车辆定损的处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910101391.9A CN109948811A (zh) | 2019-01-31 | 2019-01-31 | 车辆定损的处理方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910101391.9A CN109948811A (zh) | 2019-01-31 | 2019-01-31 | 车辆定损的处理方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109948811A true CN109948811A (zh) | 2019-06-28 |
Family
ID=67006555
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910101391.9A Pending CN109948811A (zh) | 2019-01-31 | 2019-01-31 | 车辆定损的处理方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109948811A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110533449A (zh) * | 2019-07-08 | 2019-12-03 | 中国平安财产保险股份有限公司 | 数据推荐方法、装置、设备及存储介质 |
| CN110569383A (zh) * | 2019-07-26 | 2019-12-13 | 平安科技（深圳）有限公司 | 店铺信息处理方法、装置、存储介质及计算机设备 |
| CN111210257A (zh) * | 2019-12-23 | 2020-05-29 | 深圳市元征科技股份有限公司 | 诊断报告的定价方法、装置、服务器及存储介质 |
| CN111368752A (zh) * | 2020-03-06 | 2020-07-03 | 德联易控科技(北京)有限公司 | 车辆损伤的分析方法和装置 |
| CN112365008A (zh) * | 2020-10-27 | 2021-02-12 | 南阳理工学院 | 基于大数据的汽车配件选定方法及装置 |
| WO2021143063A1 (zh) * | 2020-01-13 | 2021-07-22 | 平安科技（深圳）有限公司 | 车辆定损方法、装置、计算机设备和存储介质 |
| US20210334540A1 (en) * | 2020-12-25 | 2021-10-28 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Vehicle loss assessment |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106021548A (zh) * | 2016-05-27 | 2016-10-12 | 大连楼兰科技股份有限公司 | 基于分布式人工智能图像识别的远程定损方法及系统 |
| CN106600422A (zh) * | 2016-11-24 | 2017-04-26 | 中国平安财产保险股份有限公司 | 一种车险智能定损方法和系统 |
| WO2018191435A1 (en) * | 2017-04-11 | 2018-10-18 | Alibaba Group Holding Limited | Picture-based vehicle loss assessment method and apparatus, and electronic device |
| TW201843640A (zh) * | 2017-05-08 | 2018-12-16 | 大陸商明覺科技（北京）有限公司 | 車輛定損方法及定損客戶端 |
| CN109215027A (zh) * | 2018-10-11 | 2019-01-15 | 平安科技（深圳）有限公司 | 一种基于神经网络的车辆定损方法、服务器及介质 |
-
2019
- 2019-01-31 CN CN201910101391.9A patent/CN109948811A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106021548A (zh) * | 2016-05-27 | 2016-10-12 | 大连楼兰科技股份有限公司 | 基于分布式人工智能图像识别的远程定损方法及系统 |
| CN106600422A (zh) * | 2016-11-24 | 2017-04-26 | 中国平安财产保险股份有限公司 | 一种车险智能定损方法和系统 |
| WO2018191435A1 (en) * | 2017-04-11 | 2018-10-18 | Alibaba Group Holding Limited | Picture-based vehicle loss assessment method and apparatus, and electronic device |
| TW201843640A (zh) * | 2017-05-08 | 2018-12-16 | 大陸商明覺科技（北京）有限公司 | 車輛定損方法及定損客戶端 |
| CN109215027A (zh) * | 2018-10-11 | 2019-01-15 | 平安科技（深圳）有限公司 | 一种基于神经网络的车辆定损方法、服务器及介质 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110533449A (zh) * | 2019-07-08 | 2019-12-03 | 中国平安财产保险股份有限公司 | 数据推荐方法、装置、设备及存储介质 |
| CN110569383A (zh) * | 2019-07-26 | 2019-12-13 | 平安科技（深圳）有限公司 | 店铺信息处理方法、装置、存储介质及计算机设备 |
| CN111210257A (zh) * | 2019-12-23 | 2020-05-29 | 深圳市元征科技股份有限公司 | 诊断报告的定价方法、装置、服务器及存储介质 |
| WO2021143063A1 (zh) * | 2020-01-13 | 2021-07-22 | 平安科技（深圳）有限公司 | 车辆定损方法、装置、计算机设备和存储介质 |
| CN111368752A (zh) * | 2020-03-06 | 2020-07-03 | 德联易控科技(北京)有限公司 | 车辆损伤的分析方法和装置 |
| CN112365008A (zh) * | 2020-10-27 | 2021-02-12 | 南阳理工学院 | 基于大数据的汽车配件选定方法及装置 |
| CN112365008B (zh) * | 2020-10-27 | 2023-01-10 | 南阳理工学院 | 基于大数据的汽车配件选定方法及装置 |
| US20210334540A1 (en) * | 2020-12-25 | 2021-10-28 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Vehicle loss assessment |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109948811A (zh) | 车辆定损的处理方法、装置及电子设备 | |
| US10219122B1 (en) | State-based electronic message management systems and controllers | |
| US20200007926A1 (en) | Method and apparatus for playing video | |
| CN109688196B (zh) | 订单状态的推送方法、装置、电子设备及可读存储介质 | |
| CN105589783A (zh) | 应用程序卡顿问题数据获取方法及装置 | |
| CN105302925A (zh) | 推送语音搜索数据的方法和装置 | |
| CN110458108B (zh) | 手工操作实时监控方法、系统、终端设备和存储介质 | |
| CN106598530A (zh) | 显示面板的配置方法及装置 | |
| CN111126071A (zh) | 提问文本数据的确定方法、装置和客服群的数据处理方法 | |
| CN105590225A (zh) | 基于客户问题识别销售阶段的方法及装置 | |
| CN104809610A (zh) | 业务流程处理方法及装置 | |
| CN112381074B (zh) | 图像识别方法、装置、电子设备和计算机可读介质 | |
| CN110892427B (zh) | 用于检索数据包的方法和设备 | |
| CN115756256A (zh) | 信息标注的方法、系统、电子设备以及存储介质 | |
| CN111291253A (zh) | 模型训练方法、咨询推荐方法、装置及电子设备 | |
| CN113128597B (zh) | 一种用户行为特征的提取和分类预测的方法及装置 | |
| US9748884B2 (en) | Multi-motor frequency control system and control method thereof | |
| CN110070379A (zh) | 一种消息传输方法、装置及服务器 | |
| CN111311150B (zh) | 配送任务分组方法、平台、电子设备及存储介质 | |
| CN113554493A (zh) | 交互下单方法、装置、电子设备和计算机可读介质 | |
| CN106484426A (zh) | 一种反馈搜索信息的方法、装置及系统 | |
| CN113065109A (zh) | 人机识别方法及装置 | |
| CN112101810A (zh) | 风险事件控制方法、装置及系统 | |
| CN111435418B (zh) | 机器人个性化物体识别方法、装置、存储介质及机器人 | |
| CN111160817A (zh) | 货品验收方法及系统、计算机系统和计算机可读存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190628 |