CN113706315A - 车辆定损方法、装置及设备 - Google Patents
车辆定损方法、装置及设备 Download PDFInfo
- Publication number
- CN113706315A CN113706315A CN202110858528.2A CN202110858528A CN113706315A CN 113706315 A CN113706315 A CN 113706315A CN 202110858528 A CN202110858528 A CN 202110858528A CN 113706315 A CN113706315 A CN 113706315A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- damage
- maintenance
- accessory
- 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
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000012423 maintenance Methods 0.000 claims abstract description 178
- 238000001514 detection method Methods 0.000 claims abstract description 82
- 238000012545 processing Methods 0.000 claims abstract description 41
- 238000004458 analytical method Methods 0.000 claims abstract description 8
- 230000008439 repair process Effects 0.000 claims description 44
- 230000007717 exclusion Effects 0.000 claims description 25
- 239000000463 material Substances 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 12
- 230000010354 integration Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 238000003062 neural network model Methods 0.000 claims description 8
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 19
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 17
- 239000003973 paint Substances 0.000 description 9
- 238000005507 spraying Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000010009 beating Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种车辆定损方法、装置及设备，涉及人工智能技术领域，能够节省车辆定损过程中人力和时间成本，提高车辆定损的处理效率。其中方法包括：获取车辆查勘录入信息；利用预先设置的解析工具包，检测车辆图像信息中是否存在经过制作处理的虚假特征；利用车辆标识信息从预先构建的关系型数据库中查询车辆配件信息；针对车辆图像信息进行损伤识别，获取车辆损伤信息；将车辆配件信息与车辆损伤信息进行匹配整合后，形成包含配件维修明细及维修价格的车辆定损结果，并利用预先设置的检测功能包，对车辆图像信息中提取的车辆信息与车辆标识信息对应的车辆信息进行一致性检测，以及对车辆定损结果中车辆损伤信息进行连贯性检测。
Description
技术领域
本申请涉及人工智能技术领域，尤其是涉及到一种车辆定损方法、装置及设备。
背景技术
事故车辆查勘定损是车险理赔的核心部分。目前，保险公司进行车辆定损主要依赖定损人员现场处理。这种方式下，保险公司投入的人力成本高、时效性低，而且存在人工定损标准不统一带来的定损价格争议等问题。
发明内容
有鉴于此，本申请提供了一种车辆定损方法、装置及设备，主要目的在于解决人工定损成本高，处理时效低的问题，助力保险公司实现降本增效。
根据本申请的第一个方面，提供了一种车辆定损方法，该方法包括：
获取车辆查勘录入信息，所述车辆查勘录入信息包括车辆标识信息和车辆图像信息；
利用预先设置的解析工具包，检测所述车辆图像信息中是否存在经过制作处理的虚假特征；若是，则针对车辆图片信息输出风险提示；
利用所述车辆标识信息从预先构建的关系型数据库中查询车辆配件信息，所述关系型数据库中存储有与车辆标识信息相映射的车辆配件信息；
针对所述车辆图像信息进行损伤识别，获取车辆损伤信息；
将所述车辆配件信息与所述车辆损伤信息进行匹配整合后，形成包含配件维修明细及维修价格的车辆定损结果；
利用预先设置的检测功能包，对所述车辆图像信息中提取的车辆信息与车辆标识信息对应的车辆信息进行一致性检测；若检测结果表征不一致，则针对车辆定损结果输出风险提示；
利用预先设置的检测功能包，对所述车辆定损结果中车辆损伤信息进行连贯性检测；若检测结果表征车辆配件出现不连贯，则针对车辆定损结果输出风险提示。
进一步地，所述车辆配件信息至少包括零部件标识码、零部件价格、零部件材质、零部件维修工时，所述利用所述车辆标识信息从预先构建的关系型数据库中查询车辆配件信息，具体包括：
利用所述车辆标识信息中记录的车辆编码，确定车辆型号；
以所述车辆型号作为主键，从预先构建的数据库中查询与所述车辆型号相对应的零部件标识码、零部件价格、零部件材质、零部件维修工时。
进一步地，所述针对所述车辆图像信息进行损伤识别，获取车辆损伤信息，具体包括：
将样本车辆图像信息输入至神经网络模型中进行训练，构建损伤识别模型，所述样本车辆图像信息标记有损伤特征标签，所述损伤识别模型结合损伤特征标签识别车辆损伤信息，所述车辆损伤信息至少包括损伤部件、损伤类型以及损伤面积占比；
利用所述损伤识别模型对所述车辆图像信息进行损伤识别，输出车辆损伤信息。
进一步地，在所述利用所述损伤识别模型对所述车辆图像信息进行损伤识别，输出车辆损伤信息之后，所述方法还包括：
按照预先设置的逻辑规则对所述车辆损伤信息进行清洗，将不符合损伤判定条件的车辆损伤信息进行删除和/或修正。
进一步地，所述将所述车辆配件信息与所述车辆损伤信息进行匹配整合后，形成包含配件维修明细及维修价格的车辆定损结果，具体包括：
将所述车辆配件信息与所述车辆损伤信息关联匹配形成针对损伤部件的车辆配件信息；
按照预先设置的部件维修逻辑对所述损伤部件的车辆配件信息进行整合，得到包括配件维修明细及维修价格的车辆定损结果。
进一步地，所述部件维修逻辑包括针对车辆部件维修项目所设置的维修策略，所述按照预先设置的部件维修逻辑对所述损伤部件的车辆配件信息进行整合，得到包括配件维修明细及维修价格的车辆定损结果，具体包括：
根据所述损伤部件的车辆配件信息，提取损伤部件的损伤类型以及从预先构建的维修项目数据库中查询针对损伤类型所设置的维修项目，所述维修项目数据库存储有针对不同车辆部件的不同损伤类型所设置的维修项目；
若同一损伤部件的多个损伤为同一种损伤类型，则整合针对该种损伤类型所设置的维修项目，得到包括配件维修明细及维修价格的车辆定损结果；
若同一损伤部件的多个损伤为多种损伤类型，则按照所述针对车辆部件损伤类型所设置的维修策略将存在互斥关系的维修项目进行去重处理，得到包括配件维修明细及维修价格的车辆定损结果。
进一步地，所述维修策略记录有维修项目之间的互斥关系，所述按照所述针对车辆部件损伤类型所设置的维修策略将存在互斥关系的维修项目进行去重处理，得到包括配件维修明细及维修价格的车辆定损结果，具体包括：
所述按照所述针对车辆部件损伤类型所设置的维修策略判断所述多种损伤类型所设置的维修项目是否存在互斥关系；
若是，则将存在互斥关系的维修项目进行去重处理，得到包括配件维修明细及维修价格的车辆定损结果。
根据本申请的第二个方面，提供了一种车辆定损装置，该装置包括：
获取单元，用于获取车辆查勘录入信息，所述车辆查勘录入信息包括车辆标识信息和车辆图像信息；
第一检测单元，用于利用预先设置的解析工具包，检测所述车辆图像信息中是否存在经过制作处理的虚假特征；若是，则针对车辆图片信息输出风险提示；
查询单元，用于利用所述车辆标识信息从预先构建的关系型数据库中查询车辆配件信息，所述关系型数据库中存储有与车辆标识信息相映射的车辆配件信息；
识别单元，用于针对所述车辆图像信息进行损伤识别，获取车辆损伤信息；
整合单元，用于将所述车辆配件信息与所述车辆损伤信息进行匹配整合后，形成包含配件维修明细及维修价格的车辆定损结果；
第二检测单元，用于利用预先设置的检测功能包，对所述车辆图像信息中提取的车辆信息与车辆标识信息对应的车辆信息进行一致性检测；若检测结果表征不一致，则针对车辆定损结果输出风险提示；
第三检测单元，用于利用预先设置的检测功能包，对所述车辆定损结果中车辆损伤信息进行连贯性检测；若检测结果表征车辆配件出现不连贯，则针对车辆定损结果输出风险提示。
进一步地，所述车辆配件信息至少包括零部件标识码、零部件价格、零部件材质、零部件维修工时，所述查询单元包括：
确定模块，用于利用所述车辆标识信息中记录的车辆编码，确定车辆型号；
查询模块，用于以所述车辆型号作为主键，从预先构建的数据库中查询与所述车辆型号相对应的零部件标识码、零部件价格、零部件材质、零部件维修工时。
进一步地，所述识别单元包括：
构建模块，用于将样本车辆图像信息输入至神经网络模型中进行训练，构建损伤识别模型，所述样本车辆图像信息标记有损伤特征标签，所述损伤识别模型结合损伤特征标签识别车辆损伤信息，所述车辆损伤信息至少包括损伤部件、损伤类型以及损伤面积占比；
识别模块，用于利用所述损伤识别模型对所述车辆图像信息进行损伤识别，输出车辆损伤信息。
进一步地，所述识别单元还包括：
清洗模块，用于在所述利用所述损伤识别模型对所述车辆图像信息进行损伤识别，输出车辆损伤信息之后，按照预先设置的逻辑规则对所述车辆损伤信息进行清洗，将不符合损伤判定条件的车辆损伤信息进行删除和/或修正。
进一步地，所述整合单元包括：
关联模块，用于将所述车辆配件信息与所述车辆损伤信息关联匹配形成针对损伤部件的车辆配件信息；
整合模块，用于按照预先设置的部件维修逻辑对所述损伤部件的车辆配件信息进行整合，得到包括配件维修明细及维修价格的车辆定损结果。
进一步地，所述部件维修逻辑包括针对车辆部件维修项目所设置的维修策略，所述整合模块包括：
提取子模块，用于根据所述损伤部件的车辆配件信息，提取损伤部件的损伤类型以及从预先构建的维修项目数据库中查询针对损伤类型所设置的维修项目，所述维修项目数据库存储有针对不同车辆部件的不同损伤类型所设置的维修项目；
汇总子模块，用于若同一损伤部件的多个损伤为同一种损伤类型，则整合针对该种损伤类型所设置的维修项目，得到包括配件维修明细及维修价格的车辆定损结果；
处理子模块，用于若同一损伤部件的多个损伤为多种损伤类型，则按照所述针对车辆部件损伤类型所设置的维修策略将存在互斥关系的维修项目进行去重处理，得到包括配件维修明细及维修价格的车辆定损结果。
进一步地，所述维修策略记录有维修项目之间的互斥关系；
所述处理子模块，具体用于所述按照所述针对车辆部件损伤类型所设置的维修策略判断所述多种损伤类型所设置的维修项目是否存在互斥关系；
所述处理子模块，具体还用于若是，则将存在互斥关系的维修项目进行去重处理，得到包括配件维修明细及维修价格的车辆定损结果。
根据本申请的第三个方面，提供了一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述车辆定损方法。
根据本申请的第四方面，提供了一种车辆定损设备，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述车辆定损方法。
借由上述技术方案，本申请提供的一种车辆定损方法、装置及设备，与目前现有方式中依赖专业保险人员现场处理的车辆定损方式相比，本申请通过获取车辆查勘录入信息，该车辆查勘录入信息包括车辆标识信息和车辆图像信息，利用车辆标识信息从预先构建的关系型数据库中查询车辆配件信息，该关系型数据库中存储有与车辆标识信息相映射的车辆配件信息，针对车辆图像信息进行损伤识别，获取车辆损伤信息，并将车辆配件信息与车辆损伤信息进行匹配整合后，形成包含配件维修明细及维修价格的车辆定损结果，能够将车辆定损过程从车辆查勘录入信息的输入到配件维修明细及维修价格的输出形成一个完整流程，无需人工现场处理，节省车辆定损过程中人力和时间成本，提高车辆定损的处理效率，还可以在获取车辆录入信息之后，利用预先设置的解析工具包，检测车辆图像信息中是否存在经过制作处理的虚假特征，以保证车辆图像信息的准确性，还可以在输出车辆定损结果后，利用预先设置的检测功能包，分别对车辆图像信息中提取的车辆信息与车辆标识信息对应的车辆信息进行一致性检测以及对车辆定损结果中车辆损伤信息进行连贯性检测，进而对事故风险进行提前预警。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1示出了本申请实施例提供的一种车辆定损方法的流程示意图；
图2示出了本申请实施例提供的另一种车辆定损方法的流程示意图；
图3示出了本申请实施例提供的车辆定损方法的流程框图；
图4示出了本申请实施例提供的一种车辆定损装置的结构示意图；
图5示出了本申请实施例提供的另一种车辆定损装置的结构示意图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本申请。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
相关技术中，通过对车辆定损，可以辅助车险快速判定事故责任方以及事故理赔方，便于车险人员根据车辆定损结果来执行相应的理赔方案。然而，现有的车辆定损方式主要依赖专业保险人员现场处理，而由专业保险人员对车辆定损的结果容易出现偏差，并且人力和时间成本较高，使得车辆定损的处理效率较低。
为了解决该问题，本实施例提供了一种车辆定损方法，如图1所示，该方法可应用于事故处理平台的服务端，包括如下步骤：
101、获取车辆查勘录入信息。
其中，车辆查勘录入信息包括车辆标识信息和车辆图像信息，车辆标识信息可以为车辆识别号码、车标、车牌、行驶证等，通过车辆识别信息可以查询到车辆型号、生产厂家、出厂编号、发动机功率等信息，车辆图像信息可以为针对车辆从不同角度拍摄的图片。
针对车辆标识信息，具体可以通过客户端手动录入车辆标识信息，还可以通过客户端拍摄包含有车辆标识位置的的图片，进而利用文字识别技术获取车辆标识后录入车辆标识信息；针对车辆图像信息，具体可以通过智能拍摄终端拍摄车辆不同角度的图片后上传至服务端，还可以通过存储有预先收集车辆图片的计算机批量上传至服务端，该车辆图片为事故车辆损伤图片，图片中会包含损伤部件。
对于本发明实施例的执行主体可以为车辆定损装置，可以为事故处理平台的服务端，通过获取车辆查勘录入信息，将车辆查勘录入信息作为事故过程中的车辆定损依据，针对车辆查勘录入信息中的车辆标识信息和车辆图像信息分别输入不同的识别渠道来获取车辆配件信息以及车辆损伤信息，该车辆识别渠道具有更高的准确性，保证了识别得到车辆配件信息与车辆损伤信息的准确性，进一步将车辆配件信息与车辆损伤信息相匹配整合来进行车辆定损，无需人工对车辆定损，提高车辆定损过程的处理效率。
102、利用预先设置的解析工具包，检测所述车辆图像信息中是否存在经过制作处理的虚假特征；若是，则针对车辆图片信息输出风险提示。
可以理解的是，由于车辆图像信息在上传过程中可能存在欺诈行为，为了保证车辆图像信息的准确性，可以在获取车辆查勘录入信息之后，利用预先设置的解析工具包，检测车辆图像信息中是否存在经过制作处理的虚假特征；若是，则针对车辆图片信息输出风险提示。这里的虚假特征检测主要涉及两个方面，一方面是针对车辆图片是否经过PS处理进行检测，具体可以通过解析照片EXIF信息、分析照片的噪点分布等多种检测方法，判断车辆图片是否经过PS处理，如果上述多种检测方法中任一中检测结果表征车辆图片经过PS处理，则输出车辆图片的风险预警；另一方面是针对车辆图片的拍摄时间进行检测，具体可以通过对同一事故案件内的车辆照片，若拍摄时间为同一天内，则不进行风险预警，若拍摄时间未在同一天内，则输出车辆图片的风险预警；当然还可以针对拍摄设备、拍摄场景等进行检测，这里针对车辆图片的检测方式不进行限定。
103、利用所述车辆标识信息从预先构建的关系型数据库中查询车辆配件信息。
其中，关系型数据库中存储有与车辆标识信息相映射的车辆配件信息，该车辆配件信息可以包括车辆部件OE码、零部件价格、维修工时等信息。由于车辆标识信息可以确定车辆型号，而每个车辆型号所对应的车辆特征信息，如发动机、变速器、制动等信息都是固定的，也就是说，针对该车辆型号具有固定对应的车辆配件信息。
可以理解的是，上述查询过程是仅以车辆型号作为关联依据，而车辆标识信息中不仅可以确定车辆型号，还可以确定出生产厂家、出厂编号等标识信息，这里还可以加入其它的标识信息作为辅助关联依据，进一步更准确的查询出车辆配件信息。
104、针对所述车辆图像信息进行损伤识别，获取车辆损伤信息。
通常情况下，车辆图像信息会包含不同角度所拍摄的多张车辆图片，并非是每个图片都具有损伤，或者上传的车辆图像信息中包含模糊、近景等不符合拍摄要求的车辆图片，这里可以对车辆图像信息进行清洗，例如，对于严重模糊、未包含损伤以及超近景等车辆图片进行删除，还可以利用图片预处理技术对车辆图像信息进行调整，例如，对于图像中轻微模糊、近景等车辆图片进行图像尺寸变化、图片光度调节。
具体针对车辆图像信息进行损伤识别，获取车辆损伤信息的过程中，可以利用预先标注的车辆图像信息输入至神经网络模型训练得到损伤识别模型，在标注过程中可以由专业人员采用标注工具针对车辆图像信息中车辆部件以及车辆损伤进行标记，车俩部件可以包括部件名称以及部件形状，车辆损伤可以包括损伤类型以及损伤区域，损伤识别模型能够识别车辆图像信息中的车辆损伤信息，包括损伤部件、损伤类型以及损伤程度，从而有效识别出车辆图像中存在损伤的部件。
应说明的是，这里车辆损伤信息能够针对车辆图像信息中每个车辆部件进行损伤识别，如果一个车辆部件存在多处相同类型的损伤，可针对该车辆部件识别出多个相同类型的损伤信息，当然输出损伤部件的面积或者部位会存在差异，同理对于其他车辆部件可以同样识别出不同类型的损伤信息。例如，针对车辆A所包含的部件a1识别出包含两处损伤类型为i的损伤、一处损伤类型为ii的损伤，第一处损伤类型为i的损伤位于损伤部件a1的左侧2厘米，损伤面积占比为m，第二处损伤类型为i的损伤位于损伤部件a1的右侧1厘米，损伤面积占比为n；一处损伤类型为ii的损伤位于损伤部件a1的正中间，损伤面积占比为k。
105、将所述车辆配件信息与所述车辆损伤信息进行匹配整合后，形成包含配件维修明细及维修价格的车辆定损结果。
针对每个车辆损伤信息都会对应有存在损伤的车辆部件，而存在损伤的车辆部件会涉及到维修事项，通过将车辆配件信息与车辆损伤信息进行匹配整合的过程可以针对每一个存在损伤的车辆部件下的维修项目进行整合，整合后所形成每个车辆部件所存在多处损伤的维修项目明细。例如，某辆车的前保险杠存在两处损伤，一处损伤类型为剐蹭，需要拆装、更换、喷漆的维修项目，另一处损伤类型为变形，需要钣金、喷漆的维修项目，针对同一部件上的两类损伤，依据车辆部件损伤类型所设置的维修策略，将存在互斥关系的维修项目进行去重处理，最终整合后的维修项目为拆装、更换和喷漆。上述维修项目明细能够针对该事故车辆列出损伤部件所需的整合处理后的维修项目，还可以针对每个维修项目列出维修价格。
可以理解的是，由于车辆部件在不同保险公司以及在不同维修厂家进行维修价格和维修方式可能存在差异，这里可以在车辆配件信息与车辆损伤信息进行匹配整合过程中，根据保险公司的个性化需求以及维修厂家的具体维修情况进行个性化调整，例如，保险公司A设置塑料材质的前保险杠在剐蹭达到50％面积以上时进行拆装、更换、喷漆的维修项目；如果剐蹭未达到该面积则进行拆装、喷漆的维修项目。保险公司B设置塑料材质的前保险杠在剐蹭达到10％面积以上时进行拆装、更换、喷漆的维修项目；如果剐蹭未达到该面积则进行拆装、喷漆的维修项目。
106、利用预先设置的检测功能包，对所述车辆图像信息中提取的车辆信息与车辆标识信息对应的车辆信息进行一致性检测；若检测结果表征不一致，则针对车辆定损结果输出风险提示。
107、利用预先设置的检测功能包，对所述车辆定损结果中车辆损伤信息进行连贯性检测；若检测结果表征车辆配件出现不连贯，则针对车辆定损结果输出风险提示。
为了保证事故案件的合理性、真实性，避免出现欺诈行为，还可以在将车辆配件信息与车辆损伤信息进行匹配整合后，形成包含配件维修明细及维修价格的车辆定损结果之后，针对事故案件进行检测，对事故案件的检测过程主要涉及两个方面，一方面是利用预先设置的检测功能包，对车辆图像信息中提取的车辆信息与车辆标识信息对应的车辆信息进行一致性检测，若检测结果表征不一致，则针对车辆定损结果输出风险提示，例如，通过从车辆图片中检测车牌、车身颜色等信息，与车辆编码所调取的车辆信息进行比对，如果出现不一致的情况，输出事故案件风险预警；另一方面是利用预先设置的检测功能包，对车辆定损结果中车辆损伤信息进行连贯性检测，若检测结果表征车辆配件出现不连贯，则针对车辆定损结果输出风险提示，例如，针对整个事故案件输出损伤部件的连贯性进行检测，若出现损伤部件不相邻的情况，输出事故案件风险预警。
本申请实施例提供的车辆定损方法，与目前现有方式中依赖专业保险人员现场处理的车辆定损方式相比，本申请通过获取车辆查勘录入信息，该车辆查勘录入信息包括车辆标识信息和车辆图像信息，利用车辆标识信息从预先构建的关系型数据库中查询车辆配件信息，该关系型数据库中存储有与车辆标识信息相映射的车辆配件信息，针对车辆图像信息进行损伤识别，获取车辆损伤信息，并将车辆配件信息与车辆损伤信息进行匹配整合后，形成包含配件维修明细及维修价格的车辆定损结果，能够将车辆定损过程从车辆查勘录入信息的输入到配件维修明细及维修价格的输出形成一个完整流程，无需人工现场处理，节省车辆定损过程中人力和时间成本，提高车辆定损的处理效率，还可以在获取车辆录入信息之后，利用预先设置的解析工具包，检测车辆图像信息中是否存在经过制作处理的虚假特征，以保证车辆图像信息的准确性，还可以在输出车辆定损结果后，利用预先设置的检测功能包，分别对车辆图像信息中提取的车辆信息与车辆标识信息对应的车辆信息进行一致性检测以及对车辆定损结果中车辆损伤信息进行连贯性检测，进而对事故风险进行提前预警。
进一步的，作为上述实施例具体实施方式的细化和扩展，为了完整说明本实施例的具体实施过程，本实施例提供了另一种车辆定损方法，如图2所示，该方法包括：
201、获取车辆查勘录入信息。
这里车辆查勘录入信息涉及到车辆标识信息以及车辆图片信息的获取，针对车辆标识信息，通常可以利用识别技术获取车辆编码，由于车辆编码具有固定的编码规范，可以按照编码规范对车辆编码进行正确性校正。
202、利用所述车辆标识信息中记录的车辆编码，确定车辆型号。
可以理解的是，车辆标识信息可以表现为车辆标识号码或车牌号，具体由一组数字或字母组合形成的唯一号码，可以识别出车辆品牌、出厂日期、车辆型号等信息，进而根据车辆标识号码可以确定车辆型号。
203、以所述车辆型号作为主键，从预先构建的数据库中查询与所述车辆型号相对应的零部件标识码、零部件价格、零部件材质、零部件维修工时。
这里预先构建的数据库相当于存储有车辆配件信息的关系型数据库，该车辆配件信息至少包括零部件标识码、零部件价格、零部件材质、零部件维修工时，且与车辆型号是一一对应，通过将车辆型号作为主键，可以从关系型数据库中查询到与车辆型号相对应的零部件标识码、零部件价格、零部件材质、零部件维修工时。
204、将样本车辆图像信息输入至神经网络模型中进行训练，构建损伤识别模型。
其中，样本车辆图像标记有损伤特征标签，该损伤特征标签一方面包括由专业定损人员采用标注工具对车辆图像中所有车辆部件进行标注，例如，前保险杠皮，前大灯，后叶板等，该标注具体可以为针对部件名称以及部件多边形区域，另一方面包括由专业定损人员采用标注工具对车辆部件中的车辆损伤进行标注，例如，剐蹭、划伤、变形等，该标注具体可以为损伤类型、损伤区域、损伤面积。
损伤识别模型可以结合损伤特征标签识别车辆损伤信息，该车辆损伤信息至少包括损伤部件、损伤类型以及损伤面积占比，这里神经网络模型可以选取语义分割模型，具体可以使用基于候选区域的深度语义分割模型，其能够从车辆图像中提取自由形式的区域并对他们的特征进行描述，然后再基于区域进行分类，最后将基于区域的预测转换为像素级预测，使用包含像素最高得分的区域来标记像素，还可以使用基于全卷积的深度语义分割模型，该全卷积网络没有全连接层，全部由卷积层构成。
205、利用所述损伤识别模型对所述车辆图像信息进行损伤识别，输出车辆损伤信息。
206、按照预先设置的逻辑规则对所述车辆损伤信息进行清洗，将不符合损伤判定条件的车辆损伤信息进行删除和/或修正。
可以理解的是，由于损伤识别模型所识别的车辆损伤信息中可能包含有不符合人工经验的损伤结果，这里可以预先设置逻辑规则对车辆损伤信息进行清洗，该逻辑规则相当于由专业人员所列出的一系列逻辑规则，利用该逻辑规则能够筛选出不符合损伤判定条件的车辆损伤信息，进一步对其进行删除或者修正，对于车辆损伤信息明显不符合损伤判定条件，如损伤位置并不在相应损伤部件或者损伤类型不应出现在某部件上的错误情况(如变形不应出现在前门玻璃这个部件上)，可以直接删除该车辆损伤信息。
207、将所述车辆配件信息与所述车辆损伤信息关联匹配形成针对损伤部件的车辆配件信息。
由于车辆损伤信息中和车辆配件信息中均记录有车辆部件，这里可以将损伤部件作为关联依据，将车辆配件信息与车辆损伤信息进行关联匹配，形成针对损伤部件的车辆配件信息，从而确定损伤部件所需要的维修项目、价格、维修工时、材质等信息。
208、按照预先设置的部件维修逻辑对所述损伤部件的车辆配件信息进行整合，得到包括配件维修明细及维修价格的车辆定损结果。
其中，部件维修逻辑包括针对车辆部件维修项目所设置的维修策略，具体可以根据所述损伤部件的配件信息、损伤信息，提取每个损伤部件的损伤类型以及从预先构建的维修项目数据库中查询针对损伤类型所设置的维修项目，该维修项目数据库存储有针对不同车辆部件的不同损伤类型所设置的维修项目，若同一损伤部件的多个损伤为同一种损伤类型，则整合针对该种损伤类型所设置的维修项目，得到包括配件维修明细及维修价格的车辆定损结果；若同一损伤部件的多个损伤为多种损伤类型，则按照针对车辆部件损伤类型所设置的维修策略将存在互斥关系的维修项目进行去重处理，得到包括配件维修明细及维修价格的车辆定损结果。
为了避免多种损伤类型中维修项目之间相互冲突，上述维修策略记录有维修项目之间的互斥关系，具体按照针对车辆部件损伤类型所设置的维修策略将存在互斥关系的维修项目进行去重处理，得到包括配件维修明细及维修价格的车辆定损结果过程中，可以按照针对车辆部件损伤类型所设置的维修策略判断多种损伤类型所设置的维修项目是否存在互斥关系，若是，则将存在互斥关系的维修项目进行去重处理，得到包括配件维修明细及维修价格的车辆定损结果，这里去重处理为将互斥的多个维修项目进行去重保留唯一适合的维修项目，例如，前保险杠两处损伤，一处损伤需要拆装、更换、喷漆的维修项目，另一处损伤需要钣金、喷漆的维修项目，而钣金与更换为互斥关系，且更换的优先级更高，最终整合保险杠两处损伤的维修项目为拆装、更换和喷漆。
在实际应用场景中，具体车辆定损过程的流程框图可以如图3所示，首先是车辆查勘录入过程，主要是获取车辆VIN码和获取车辆损伤图像，一方面是事故车辆定件，通过解析车辆VIN码，解析车辆的车型，查询车型配件价格工时数据库，来确定该车辆的车型、配件材质、配件价格、维修工时，另一方面是智能图像定损，通过调用智能图像定损方法，确定受损部件、损伤类型以及损伤程度，然后结合事故车辆定件以及智能图像定损的输出，查询零配件损伤维修规则经验库，针对零配件维修工艺进行整合，确定维修方案以及维修价格，作为最终定损结果输出。进一步为了保证车辆定损过程的真实性，提供反欺诈预警功能，一个是照片检测，具体针对照片真实性、连贯性、一致性方面可能出现的欺诈行为所设计相关检测功能，例如，照片虚假检测，拍摄时间检测，照片设备检测等，另一个是案件检测，具体针对案件合理性、真实性方面可能出现的欺诈行为所设计的多个相关检测功能，例如，照片与真实车辆的一致性检测，损伤连贯性检测，若上述检测结果表征存在虚假特征，则输出风险预警。
进一步的，作为图1-图2方法的具体实现，本申请实施例提供了一种车辆定损装置，如图4所示，该装置包括：获取单元31、第一检测单元32、查询单元33、识别单元34、整合单元35、第二检测单元36、第三检测单元37。
获取单元31，可以用于获取车辆查勘录入信息，所述车辆查勘录入信息包括车辆标识信息和车辆图像信息；
第一检测单元32，可以用于利用预先设置的解析工具包，检测所述车辆图像信息中是否存在经过制作处理的虚假特征；若是，则针对车辆图片信息输出风险提示；
查询单元33，可以用于利用所述车辆标识信息从预先构建的关系型数据库中查询车辆配件信息，所述关系型数据库中存储有与车辆标识信息相映射的车辆配件信息；
识别单元34，可以用于针对所述车辆图像信息进行损伤识别，获取车辆损伤信息；
整合单元35，可以用于将所述车辆配件信息与所述车辆损伤信息进行匹配整合后，形成包含配件维修明细及维修价格的车辆定损结果；
第二检测单元36，可以用于利用预先设置的检测功能包，对所述车辆图像信息中提取的车辆信息与车辆标识信息对应的车辆信息进行一致性检测；若检测结果表征不一致，则针对车辆定损结果输出风险提示；
第三检测单元37，可以用于利用预先设置的检测功能包，对所述车辆定损结果中车辆损伤信息进行连贯性检测；若检测结果表征车辆配件出现不连贯，则针对车辆定损结果输出风险提示。
本发明实施例提供的车辆定损装置，与目前现有方式中依赖专业保险人员现场处理的车辆定损方式相比，本申请通过获取车辆查勘录入信息，该车辆查勘录入信息包括车辆标识信息和车辆图像信息，利用车辆标识信息从预先构建的关系型数据库中查询车辆配件信息，该关系型数据库中存储有与车辆标识信息相映射的车辆配件信息，针对车辆图像信息进行损伤识别，获取车辆损伤信息，并将车辆配件信息与车辆损伤信息进行匹配整合后，形成包含配件维修明细及维修价格的车辆定损结果，能够将车辆定损过程从车辆查勘录入信息的输入到配件维修明细及维修价格的输出形成一个完整流程，无需人工现场处理，节省车辆定损过程中人力和时间成本，提高车辆定损的处理效率，还可以在获取车辆录入信息之后，利用预先设置的解析工具包，检测车辆图像信息中是否存在经过制作处理的虚假特征，以保证车辆图像信息的准确性，还可以在输出车辆定损结果后，利用预先设置的检测功能包，分别对车辆图像信息中提取的车辆信息与车辆标识信息对应的车辆信息进行一致性检测以及对车辆定损结果中车辆损伤信息进行连贯性检测，进而对事故风险进行提前预警。
在具体的应用场景中，如图5所示，所述车辆配件信息至少包括零部件标识码、零部件价格、零部件材质、零部件维修工时，所述查询单元33包括：
确定模块331，可以用于利用所述车辆标识信息中记录的车辆编码，确定车辆型号；
查询模块332，可以用于以所述车辆型号作为主键，从预先构建的数据库中查询与所述车辆型号相对应的零部件标识码、零部件价格、零部件材质、零部件维修工时。
在具体的应用场景中，如图5所示，所述识别单元34包括：
构建模块341，可以用于将样本车辆图像信息输入至神经网络模型中进行训练，构建损伤识别模型，所述样本车辆图像信息标记有损伤特征标签，所述损伤识别模型结合损伤特征标签识别车辆损伤信息，所述车辆损伤信息至少包括损伤部件、损伤类型以及损伤面积占比；
识别模块342，可以用于利用所述损伤识别模型对所述车辆图像信息进行损伤识别，输出车辆损伤信息。
在具体的应用场景中，如图5所示，所述识别单元34还包括：
清洗模块343，可以用于在所述利用所述损伤识别模型对所述车辆图像信息进行损伤识别，输出车辆损伤信息之后，按照预先设置的逻辑规则对所述车辆损伤信息进行清洗，将不符合损伤判定条件的车辆损伤信息进行删除和/或修正。
在具体的应用场景中，如图5所示，所述整合单元35包括：
关联模块351，可以用于将所述车辆配件信息与所述车辆损伤信息关联匹配形成针对损伤部件的车辆配件信息；
整合模块352，可以用于按照预先设置的部件维修逻辑对所述损伤部件的车辆配件信息进行整合，得到包括配件维修明细及维修价格的车辆定损结果。
在具体的应用场景中，所述部件维修逻辑包括针对车辆部件维修项目所设置的维修策略，如图5所示，所述整合模块352包括：
提取子模块3521，可以用于根据所述损伤部件的车辆配件信息，提取损伤部件的损伤类型以及从预先构建的维修项目数据库中查询针对损伤类型所设置的维修项目，所述维修项目数据库存储有针对不同车辆部件的不同损伤类型所设置的维修项目；
汇总子模块3522，可以用于若同一损伤部件的多个损伤为同一种损伤类型，则整合针对该种损伤类型所设置的维修项目，得到包括配件维修明细及维修价格的车辆定损结果；
处理子模块3523，可以用于若同一损伤部件的多个损伤为多种损伤类型，则按照所述针对车辆部件损伤类型所设置的维修策略将存在互斥关系的维修项目进行去重处理，得到包括配件维修明细及维修价格的车辆定损结果。
在具体的应用场景中，所述维修策略记录有维修项目之间的互斥关系；
所述处理子模块3523，具体可以用于所述按照所述针对车辆部件损伤类型所设置的维修策略判断所述多种损伤类型所设置的维修项目是否存在互斥关系；
所述处理子模块3523，具体还可以用于若是，则将存在互斥关系的维修项目进行去重处理，得到包括配件维修明细及维修价格的车辆定损结果。
需要说明的是，本实施例提供的一种可应用于服务端侧的车辆定损装置所涉及各功能单元的其它相应描述，可以参考图1和图2中的对应描述，在此不再赘述。
基于上述如图1-图2所示方法，相应的，本申请实施例还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如图1-图2所示的车辆定损方法；
基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施场景所述的方法。
基于上述如图1-图2所示的方法，以及图4-图5所示的虚拟装置实施例，为了实现上述目的，本申请实施例还提供了一种服务端实体设备，具体可以为计算机，服务器，或者其他网络设备等，该实体设备包括存储介质和处理器；存储介质，用于存储计算机程序；处理器，用于执行计算机程序以实现上述如图1-图2所示的车辆定损方法。
可选的，上述实体设备都还可以包括用户接口、网络接口、摄像头、射频(RadioFrequency，RF)电路，传感器、音频电路、WI-FI模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard)等，可选用户接口还可以包括USB接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口)等。
本领域技术人员可以理解，本实施例提供的一种车辆定损的实体设备结构并不构成对该实体设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。
存储介质中还可以包括操作系统、网络通信模块。操作系统是管理上述车辆定损的实体设备硬件和软件资源的程序，支持信息处理程序以及其它软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信，以及与信息处理实体设备中其它硬件和软件之间通信。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请可以借助软件加必要的通用硬件平台的方式来实现，也可以通过硬件实现。通过应用本申请的技术方案，与目前现有方式相比，本申请针对车辆图像信息进行损伤识别，获取车辆损伤信息，并将车辆配件信息与车辆损伤信息进行匹配整合后，形成包含配件维修明细及维修价格的车辆定损结果，能够将车辆定损过程从车辆查勘录入信息的输入到配件维修明细及维修价格的输出形成一个完整流程，无需人工现场处理，节省车辆定损过程中人力和时间成本，提高车辆定损的处理效率。
本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本申请所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
上述本申请序号仅仅为了描述，不代表实施场景的优劣。以上公开的仅为本申请的几个具体实施场景，但是，本申请并非局限于此，任何本领域的技术人员能思之的变化都应落入本申请的保护范围。
Claims (10)
1.一种车辆定损方法，其特征在于，包括：
获取车辆查勘录入信息，所述车辆查勘录入信息包括车辆标识信息和车辆图像信息；
利用预先设置的解析工具包，检测所述车辆图像信息中是否存在经过制作处理的虚假特征；若是，则针对车辆图片信息输出风险提示；
利用所述车辆标识信息从预先构建的关系型数据库中查询车辆配件信息，所述关系型数据库中存储有与车辆标识信息相映射的车辆配件信息；
针对所述车辆图像信息进行损伤识别，获取车辆损伤信息；
将所述车辆配件信息与所述车辆损伤信息进行匹配整合后，形成包含配件维修明细及维修价格的车辆定损结果；
利用预先设置的检测功能包，对所述车辆图像信息中提取的车辆信息与车辆标识信息对应的车辆信息进行一致性检测；若检测结果表征不一致，则针对车辆定损结果输出风险提示；
利用预先设置的检测功能包，对所述车辆定损结果中车辆损伤信息进行连贯性检测；若检测结果表征车辆配件出现不连贯，则针对车辆定损结果输出风险提示。
2.根据权利要求1所述的方法，其特征在于，所述车辆配件信息至少包括零部件标识码、零部件价格、零部件材质、零部件维修工时，所述利用所述车辆标识信息从预先构建的关系型数据库中查询车辆配件信息，具体包括：
利用所述车辆标识信息中记录的车辆编码，确定车辆型号；
以所述车辆型号作为主键，从预先构建的数据库中查询与所述车辆型号相对应的零部件标识码、零部件价格、零部件材质、零部件维修工时。
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信息进行损伤识别，获取车辆损伤信息，具体包括：
将样本车辆图像信息输入至神经网络模型中进行训练，构建损伤识别模型，所述样本车辆图像信息标记有损伤特征标签，所述损伤识别模型结合损伤特征标签识别车辆损伤信息，所述车辆损伤信息至少包括损伤部件、损伤类型以及损伤面积占比；
利用所述损伤识别模型对所述车辆图像信息进行损伤识别，输出车辆损伤信息。
4.根据权利要求3所述的方法，其特征在于，在所述利用所述损伤识别模型对所述车辆图像信息进行损伤识别，输出车辆损伤信息之后，所述方法还包括：
按照预先设置的逻辑规则对所述车辆损伤信息进行清洗，将不符合损伤判定条件的车辆损伤信息进行删除和/或修正。
5.根据权利要求1所述的方法，其特征在于，所述将所述车辆配件信息与所述车辆损伤信息进行匹配整合后，形成包含配件维修明细及维修价格的车辆定损结果，具体包括：
将所述车辆配件信息与所述车辆损伤信息关联匹配得到针对损伤部件的车辆配件信息；
按照预先设置的部件维修逻辑对所述损伤部件的车辆配件信息进行整合，得到包括配件维修明细及维修价格的车辆定损结果。
6.根据权利要求5所述的方法，其特征在于，所述部件维修逻辑包括针对车辆部件维修项目所设置的维修策略，所述按照预先设置的部件维修逻辑对所述损伤部件的车辆配件信息进行整合，得到包括配件维修明细及维修价格的车辆定损结果，具体包括：
根据所述损伤部件的车辆配件信息，提取损伤部件的损伤类型以及从预先构建的维修项目数据库中查询针对损伤类型所设置的维修项目，所述维修项目数据库存储有针对不同部件的不同损伤类型所设置的维修项目；
若同一损伤部件的多个损伤为同一种损伤类型，则整合针对该种损伤类型所设置的维修项目，得到包括配件维修明细及维修价格的车辆定损结果；
若同一损伤部件的多个损伤为多种损伤类型，则按照所述针对车辆部件损伤类型所设置的维修策略将存在互斥关系的维修项目进行去重处理，得到包括配件维修明细及维修价格的车辆定损结果。
7.根据权利要求6所述的方法，其特征在于，所述维修策略记录有维修项目之间的互斥关系，所述按照所述针对车辆部件损伤类型所设置的维修策略将存在互斥关系的维修项目进行去重处理，得到包括配件维修明细及维修价格的车辆定损结果，具体包括：
所述按照所述针对车辆部件损伤类型所设置的维修策略判断所述多种损伤类型所设置的维修项目是否存在互斥关系；
若是，则将存在互斥关系的维修项目进行去重处理，得到包括配件维修明细及维修价格的车辆定损结果。
8.一种车辆定损装置，其特征在于，包括：
获取单元，用于获取车辆查勘录入信息，所述车辆查勘录入信息包括车辆标识信息和车辆图像信息；
第一检测单元，用于利用预先设置的解析工具包，检测所述车辆图像信息中是否存在经过制作处理的虚假特征；若是，则针对车辆图片信息输出风险提示；
查询单元，用于利用所述车辆标识信息从预先构建的关系型数据库中查询车辆配件信息，所述关系型数据库中存储有与车辆标识信息相映射的车辆配件信息；
识别单元，用于针对所述车辆图像信息进行损伤识别，获取车辆损伤信息；
整合单元，用于将所述车辆配件信息与所述车辆损伤信息进行匹配整合后，形成包含配件维修明细及维修价格的车辆定损结果；
第二检测单元，用于利用预先设置的检测功能包，对所述车辆图像信息中提取的车辆信息与车辆标识信息对应的车辆信息进行一致性检测；若检测结果表征不一致，则针对车辆定损结果输出风险提示；
第三检测单元，用于利用预先设置的检测功能包，对所述车辆定损结果中车辆损伤信息进行连贯性检测；若检测结果表征车辆配件出现不连贯，则针对车辆定损结果输出风险提示。
9.一种存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1至7中任一项所述的车辆定损方法。
10.一种车辆定损设备，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7中任一项所述的车辆定损方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110858528.2A CN113706315A (zh) | 2021-07-28 | 2021-07-28 | 车辆定损方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110858528.2A CN113706315A (zh) | 2021-07-28 | 2021-07-28 | 车辆定损方法、装置及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113706315A true CN113706315A (zh) | 2021-11-26 |
Family
ID=78650765
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110858528.2A Pending CN113706315A (zh) | 2021-07-28 | 2021-07-28 | 车辆定损方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113706315A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113705351A (zh) * | 2021-07-28 | 2021-11-26 | 中国银行保险信息技术管理有限公司 | 车辆定损方法、装置及设备 |
| CN118521413A (zh) * | 2024-07-23 | 2024-08-20 | 中汽数据(天津)有限公司 | 一种车险理赔定价方法、系统、介质及电子设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106600421A (zh) * | 2016-11-21 | 2017-04-26 | 中国平安财产保险股份有限公司 | 一种基于图片识别的车险智能定损方法及系统 |
| CN107748893A (zh) * | 2017-09-29 | 2018-03-02 | 阿里巴巴集团控股有限公司 | 提升车辆定损图像识别结果的方法、装置及服务器 |
| CN109242006A (zh) * | 2018-08-23 | 2019-01-18 | 阿里巴巴集团控股有限公司 | 基于车型分类的识别车辆损伤的方法及装置 |
| CN110569864A (zh) * | 2018-09-04 | 2019-12-13 | 阿里巴巴集团控股有限公司 | 基于gan网络的车损图像生成方法和装置 |
| CN110705361A (zh) * | 2019-09-06 | 2020-01-17 | 中国平安财产保险股份有限公司 | 车辆智能定损方法、装置、计算机系统及可读存储介质 |
-
2021
- 2021-07-28 CN CN202110858528.2A patent/CN113706315A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106600421A (zh) * | 2016-11-21 | 2017-04-26 | 中国平安财产保险股份有限公司 | 一种基于图片识别的车险智能定损方法及系统 |
| CN107748893A (zh) * | 2017-09-29 | 2018-03-02 | 阿里巴巴集团控股有限公司 | 提升车辆定损图像识别结果的方法、装置及服务器 |
| CN109242006A (zh) * | 2018-08-23 | 2019-01-18 | 阿里巴巴集团控股有限公司 | 基于车型分类的识别车辆损伤的方法及装置 |
| CN110569864A (zh) * | 2018-09-04 | 2019-12-13 | 阿里巴巴集团控股有限公司 | 基于gan网络的车损图像生成方法和装置 |
| CN110705361A (zh) * | 2019-09-06 | 2020-01-17 | 中国平安财产保险股份有限公司 | 车辆智能定损方法、装置、计算机系统及可读存储介质 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113705351A (zh) * | 2021-07-28 | 2021-11-26 | 中国银行保险信息技术管理有限公司 | 车辆定损方法、装置及设备 |
| CN113705351B (zh) * | 2021-07-28 | 2024-05-14 | 中国银行保险信息技术管理有限公司 | 车辆定损方法、装置及设备 |
| CN118521413A (zh) * | 2024-07-23 | 2024-08-20 | 中汽数据(天津)有限公司 | 一种车险理赔定价方法、系统、介质及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108921068B (zh) | 一种基于深度神经网络的汽车外观自动定损方法及系统 | |
| CN113706315A (zh) | 车辆定损方法、装置及设备 | |
| CN111709816A (zh) | 基于图像识别的服务推荐方法、装置、设备及存储介质 | |
| WO2018055340A1 (en) | Automatic image based object damage assessment | |
| CN107423732A (zh) | 基于Android平台的车辆VIN识别方法 | |
| CN109784146B (zh) | 一种字体种类识别方法、电子设备、存储介质 | |
| CN106600422A (zh) | 一种车险智能定损方法和系统 | |
| CN110209866A (zh) | 一种图像检索方法、装置、设备及计算机可读存储介质 | |
| CN110570316A (zh) | 训练损伤识别模型的方法及装置 | |
| CN113705351B (zh) | 车辆定损方法、装置及设备 | |
| CN105426899A (zh) | 车辆识别方法、装置和客户端 | |
| CN112348799B (zh) | 车辆定损方法、装置、终端设备及存储介质 | |
| CN111612104A (zh) | 车辆定损图像获取方法、装置、介质和电子设备 | |
| CN110378254B (zh) | 车损图像修改痕迹的识别方法、系统、电子设备及存储介质 | |
| CN110991434B (zh) | 自助终端证件识别方法及装置 | |
| CN108323209A (zh) | 信息处理方法、系统、云处理设备以及计算机程序产品 | |
| US11120308B2 (en) | Vehicle damage detection method based on image analysis, electronic device and storage medium | |
| CN113569864B (zh) | 一种识别签字和印章的方法及系统 | |
| CN113947690A (zh) | 业务清单数据的生成方法、装置、设备及存储介质 | |
| CN110728582A (zh) | 信息处理的方法、装置、存储介质和处理器 | |
| CN116128413A (zh) | 一种基于蓝牙通信的智能仓储物料统计系统 | |
| CN110660000A (zh) | 数据预测方法、装置、设备及计算机可读存储介质 | |
| US20210365877A1 (en) | Product Registration System | |
| CN114359997A (zh) | 业务引导方法及系统 | |
| CN116343198B (zh) | 一种基于多模型的菜品识别方法及设备 |
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 |