CN116796279A - 基于四轮定位数据和大数据的车损检测方法、系统及设备 - Google Patents
基于四轮定位数据和大数据的车损检测方法、系统及设备 Download PDFInfo
- Publication number
- CN116796279A CN116796279A CN202311084869.4A CN202311084869A CN116796279A CN 116796279 A CN116796279 A CN 116796279A CN 202311084869 A CN202311084869 A CN 202311084869A CN 116796279 A CN116796279 A CN 116796279A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- accessory
- damaged
- data
- target
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 42
- 238000012423 maintenance Methods 0.000 claims abstract description 119
- 239000000725 suspension Substances 0.000 claims abstract description 68
- 238000000034 method Methods 0.000 claims abstract description 42
- 230000002159 abnormal effect Effects 0.000 claims description 35
- 230000005856 abnormality Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 9
- 230000008439 repair process Effects 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 5
- 238000012795 verification Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000035939 shock Effects 0.000 description 3
- 239000006096 absorbing agent Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种基于四轮定位数据和大数据的车损检测方法、系统及设备,涉及数据处理技术领域。方法包括:建立预设数据库,预设数据库中存储有受损配件、受损特征以及配件维修方案的对应关系;根据目标车辆的四轮定位数据、车辆悬挂类型、受力方向确定出目标配件;获取目标配件的受损照片,并对目标配件的受损照片进行图像识别,得到受损特征;将目标车辆的目标配件、受损特征与预设数据库中的数据进行对比;根据预设数据库中记录的该目标配件、该受损特征以及维修方案的对应关系,确定目标配件是否需要维修。通过本申请提供的方法,能够快速定位到损伤配件上并判断出维修项目的合理性,能够更快、更高效地进行定损、核损。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及一种基于四轮定位数据和大数据的车损检测方法、系统及设备。
背景技术
在车辆发生碰撞时,车险理赔需要对发生碰撞的车辆进行定损。在车险理赔定损、核价、核损工作中,常规的手段是由专业定损业务员通过四轮定位数据及维修经验来判断受损配件,制定维修方案;以及通过人工和复杂的审核流程进行漏损管控,这种方式很难判断定位数据对应的受损配件,容易出现判断失误,导致过度维修。且赔案质量无法精准把控,存在保司理赔渗漏风险。
亟需一种准确、高效的进行车辆定损、核损的方法。
发明内容
本申请提供一种基于四轮定位数据和大数据的车损检测方法、系统及设备,解决了现有技术中定损方式不准确,效率低下的问题。
为达到上述目的,本申请采用如下技术方案:
第一方面,本申请提供一种基于四轮定位数据和大数据的车损检测方法,该方法包括:根据目标车辆的四轮定位数据,确定目标车辆的车辆异常数据;确定车辆异常数据中的第一异常数据,第一异常数据在预设数值范围之外;根据第一异常数据确定目标车辆的与第一异常数据对应的至少一个配件;从至少一个配件中确定出满足预设条件的目标配件,预设条件为配件有损坏且已维修;获取目标配件的受损照片,并对目标配件的受损照片进行图像识别,得到受损特征;将目标配件、受损特征与预设数据库中的数据进行对比;若预设数据库中记录了目标配件、受损特征以及无需维修方案的对应关系,则确定目标配件无需维修;若预设数据库中记录了目标配件、受损特征以及建议维修方案的对应关系,则确定目标配件需要维修。
本申请提供的基于四轮定位数据和大数据的车损检测方法,通过建立预设数据库,将目标车辆的四轮定位数据与预设数据库中的数据进行对比,确定出满足预设条件的目标配件,预设条件为配件有损坏且已维修;对目标配件的受损照片进行图像识别,得到受损特征;根据预设数据库中记录的该目标配件、该受损特征以及维修方案的对应关系,确定目标配件是否需要维修。能够快速定位到损伤配件上并判断维修项目的合理性,减少了时间和人力成本,提高了准确性,能够更快、更高效地进行定损、核损。
在第一方面的一种可能的实现方式中,在根据目标车辆的四轮定位数据,确定目标车辆的车辆异常数据之前,方法还包括:采集多个车辆的悬挂类型、车轮受力方位数据、四轮定位数据以及配件维修方案;根据多个车辆中的每个车辆的悬挂类型、车轮受力方位数据、四轮定位数据以及对应的配件维修方案,创建预设数据库;其中,预设数据库中存储有受损配件、受损特征以及配件维修方案的对应关系。建立预设数据库,在预设数据库的支撑下,一方面可以应用到四轮定位异常数据合理性判断上规避欺诈行为;另一方面是可以有效地定位到损伤配件上并判断定损相关项目的合理性。
在第一方面的一种可能的实现方式中,在创建预设数据库之后,方法还包括:获取预设数据库中的第一车辆的维修方案,维修方案包括需要维修的配件以及配件损坏程度;如果第一车辆的第一配件和第二配件均需要维修,且第一配件的损坏程度大于第二配件的损坏程度,确定对第一配件进行维修;获取维修后的第一车辆的四轮定位数据;如果维修后的第一车辆的四轮定位数据指示第一配件和第二配件的数值均正常,那么根据第一车辆的悬挂类型、车轮受力方位数据、维修后的第一配件的四轮定位数据和第一配件的维修方案,更新预设数据库;其中,更新后的预设数据库存储第一配件、受损特征以及建议维修方案的对应关系,以及第二配件、受损特征以及无需维修方案的对应关系。通过建立配件维修的优先级,使得车辆维修更加高效便捷。
在第一方面的一种可能的实现方式中,根据目标车辆的悬挂类型、车轮受力方位数据以及四轮定位数据,确定第一异常数据。
在第一方面的一种可能的实现方式中,车辆异常数据包括后倾角的异常数值、外倾角的异常数值,和/或前束值的异常数值。
第二方面,本申请提供一种基于四轮定位数据和大数据的车损检测方法,该方法包括:根据目标车辆的四轮定位数据,确定满足预设条件的目标配件;预设条件为配件有损坏;获取车辆的目标配件的受损照片,并对目标配件的受损照片进行图像识别,得到受损特征;将目标配件、受损特征与预设数据库中的数据进行对比;若预设数据库中记录了目标配件、受损特征以及无需维修方案的对应关系,则确定第一配件无需维修;若预设数据库中记录了目标配件、受损特征以及建议维修方案的对应关系,则确定第一配件需要维修。
通过本申请实施例提供的基于四轮定位数据和大数据的车损检测方法,在车险理赔定损工作中,只需获取目标车辆的四轮定位数据、车辆悬挂类型、受力方向,就能够快速定位到损伤配件上并给出维修建议,可以避免维修人员在汽车维修的过程中走弯路。减少了时间和人力成本,提高了准确性,能够更快、更高效地进行定损。
在第二方面的一种可能的实现方式中,在获取车辆的目标配件的受损照片之前,方法还包括:采集多个车辆的悬挂类型、车轮受力方位数据、四轮定位数据以及配件维修方案;根据多个车辆中的每个车辆的悬挂类型、车轮受力方位数据、四轮定位数据以及对应的配件维修方案,创建预设数据库;其中,预设数据库中存储有受损配件、受损特征以及配件维修方案的对应关系。建立预设数据库,在预设数据库的支撑下,可以应用到定损操作指导上。
在第二方面的一种可能的实现方式中,在创建预设数据库之后,方法还包括:获取预设数据库中的第一车辆的维修方案,维修方案包括需要维修的配件以及配件损坏程度;如果第一车辆的第一配件和第二配件均需要维修,且第一配件的损坏程度大于第二配件的损坏程度,确定对第一配件进行维修;获取维修后的第一车辆的四轮定位数据;如果维修后的第一车辆的四轮定位数据指示第一配件和第二配件的数值均正常,那么根据第一车辆的悬挂类型、车轮受力方位数据、维修后的第一配件的四轮定位数据和第一配件的维修方案,更新预设数据库;其中,更新后的预设数据库存储第一配件、受损特征以及建议维修方案的对应关系,以及第二配件、受损特征以及无需维修方案的对应关系。通过建立配件维修的优先级,使得车辆维修更加高效便捷。
其中,上述第一方面和第二方面描述的方法可以通过硬件实现,也可以通过硬件执行相应的软件实现。硬件或软件包括一个或多个与上述功能相对应的模块或单元。例如,处理模块或单元、显示模块或单元等。
第三方面,本申请提供一种基于四轮定位数据和大数据的车损检测系统,该系统包括用户终端和服务器。
用户终端用于显示入口控件,并通过入口控件向服务器提供目标车辆的四轮定位数据。服务器,用于根据接收到的目标车辆的四轮定位数据确定满足预设条件的目标配件,预设条件为配件有损坏且已维修,并发送第一指令至用户终端,第一指令用于指示用户终端发送车辆的目标配件的受损照片至服务器;用户终端还用于响应于第一指令,发送车辆的目标配件的受损照片至服务器。服务器还用于对接收到的目标配件的受损照片进行图像识别,得到受损特征,并将目标配件、受损特征与预设数据库中的数据进行对比,得到车辆异常原因的识别结果,并将车辆异常原因的识别结果发送至用户终端。用户终端还用于显示车辆异常原因的识别结果,识别结果为目标配件为需要维修或无需维修。
第四方面,本申请提供一种电子设备,电子设备包括处理器、处理器以及存储器中存储的计算机程序或指令,处理器用于执行计算机程序或指令,使得第一方面和第二方面中的方法被执行。
第五方面,本申请提供一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,当计算机程序在电子设备上运行时,使得电子设备执行如第一方面和第二方面中的方法。
可以理解的是,上述第三方面至第五方面的有益效果可以参见上述第一方面和第二方面中的相关描述,在此不再赘述。
附图说明
图1为本申请实施例提供的一种基于四轮定位数据和大数据的车损检测方法的流程示意图;
图2为本申请实施例提供的一种基于四轮定位数据和大数据的车损检测方法的应用场景示意图;
图3为本申请实施例提供的另一种基于四轮定位数据和大数据的车损检测方法的应用场景示意图;
图4为本申请实施例公开预设数据库中受损配件、受损特征以及配件维修方案的对应关系示意图;
图5为本申请实施例公开的根据车辆悬挂系统特点与维修方案的对应关系示意图;
图6为本申请实施例公开的一种基于四轮定位数据和大数据的车损检测方法的流程示意图;
图7为本申请实施例提供的一种基于四轮定位数据和大数据的车损检测方法的应用场景示意图;
图8为本申请实施例提供的创建预设数据库的流程示意图;
图9为本申请实施例提供的基于四轮定位数据和大数据的车损检测系统的架构示意图;
图10为本申请实施例提供的电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本文中术语“和/或”,是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。本文中符号“/”表示关联对象是或者的关系,例如A/B表示A或者B。
本文中的说明书和权利要求书中的术语“第一”和“第二”等是用于区别不同的对象,而不是用于描述对象的特定顺序。在本申请实施例的描述中,除非另有说明,“多个”的含义是指两个或者两个以上,例如,多个处理单元是指两个或者两个以上的处理单元等;多个元件是指两个或者两个以上的元件等。
在本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
为便于理解本申请实施例,以下对本申请实施例的部分用语进行解释说明,以便于本领域技术人员理解。
四轮定位数据:四轮定位的主要参数包括前轮前束、车轮外倾角、主销内倾角、主销后倾角。这些参数包括一个原厂值、一个最大值、一个最小值和一个测量值。若测量值在最小值到最大值这一区域内,则该主要参数为正常;若测量值小于最小值或大于最大值,则该主要参数为异常。
目前,在车险理赔定损、核价、核损工作中,常规的手段是由专业定损业务员通过四轮定位数据及维修经验来判断受损配件,制定维修方案;以及通过人工和复杂的审核流程进行漏损管控,这种方式很难判断定位数据对应的受损配件,容易出现判断失误,导致过度维修。且赔案质量无法精准把控,存在保司理赔渗漏风险。
基于此,本申请实施例提供一种基于四轮定位数据和大数据的车损检测方法,通过建立预设数据库,预设数据库中存储有受损配件、受损特征以及配件维修方案的对应关系;根据目标车辆的四轮定位数据、车辆悬挂类型、受力方向确定出目标配件;获取目标配件的受损照片,并对目标配件的受损照片进行图像识别,得到受损特征;将目标车辆的目标配件、受损特征与预设数据库中的数据进行对比;根据预设数据库中记录的该目标配件、该受损特征以及维修方案的对应关系,确定目标配件是否需要维修。通过本申请提供的方法,能够快速定位到损伤配件上并判断出维修项目的合理性,能够更快、更高效地进行定损、核损。
为了更好地理解本申请实施例,以下先对本申请实施例进行简要说明:
本申请实施例提供的方法应用车辆核损的场景,本申请实施例提供的基于四轮定位数据和大数据的车损检测方法包括:
建立预设数据库,预设数据库中存储有受损配件、受损特征以及配件维修方案的对应关系;根据目标车辆的四轮定位数据、车辆悬挂类型、受力方向确定出目标配件,目标配件为有损坏且已维修的配件;获取目标配件的受损照片,并对目标配件的受损照片进行图像识别,得到受损特征;将目标车辆的目标配件、受损特征与预设数据库中的数据进行对比;若预设数据库中记录了该目标配件、该受损特征以及无需维修方案的对应关系,则确定目标无需维修;预设数据库中记录了该目标配件、该受损特征以及建议维修方案的对应关系,则确定目标配件需要维修。
通过本申请实施例提供的基于四轮定位数据和大数据的车损检测方法及系统,在车险理赔定损、核价、核损工作中,只需获取目标车辆的四轮定位数据、车辆悬挂类型、受力方向,就能够快速定位到损伤配件上并判断出维修项目的合理性,减少了时间和人力成本,提高了准确性,能够更快、更高效地进行定损、核损。
本申请实施例提供的基于四轮定位数据和大数据的车损检测方法的执行主体可以为上述的电子设备,也可以为该电子设备中能够实现该基于四轮定位数据和大数据的车损检测方法的功能模块和/或功能实体,并且本申请方案能够通过硬件和/或软件的方式实现,具体的可以根据实际使用需求确定,本申请实施例不作限定。下面以电子设备为例,结合附图对本申请实施例提供的基于四轮定位数据和大数据的车损检测方法进行示例性的说明。
下面结合具体的实施例介绍本申请实施例提供的一种基于四轮定位数据和大数据的车损检测方法。
实施例一:识别车辆异常维修
图1是本申请实施例提供的基于四轮定位数据和大数据的车损检测方法的流程示意图。本申请实施例一提供的基于四轮定位数据和大数据的车损检测方法应用于车险理赔核损场景。
参照图1所示,该方法100包括下述的步骤S101-S106。
S101,根据目标车辆的四轮定位数据,确定目标车辆的车辆异常数据。
其中,车辆异常数据包括后倾角的异常数值、外倾角的异常数值,和/或前束值的异常数值。四轮定位数据是车辆定损时由四轮定位仪测量得到,在本申请实施例中四轮定位数据以四轮定位仪的用户界面的截屏图像的形式呈现。
示例性地,在本申请实施例中,获取四轮定位仪的用户界面的截屏图像后,通过目标检测模型检测该图像中的四轮定位数据及位置;通过字符识别模型对图像中的四轮定位数据进行识别,得到目标车辆的车辆异常数据。其中,目标检测模型例如为 YOLO(You OnlyLook Once),也可以为其他能够实现目标检测功能的算法;该字符识别模型例如为OCR(Optical Character Recognition,光学字符识别),也可以为其他能够实现字符识别功能的算法;本申请实施例不作限定。
S102,确定车辆异常数据中的第一异常数据。
第一异常数据为四轮定位仪显示异常的数据中不正常的数据;第一异常数据在预设数值范围之外;第一异常数据对应于目标车辆的至少一个配件,即在目标车辆中有部分配件的损坏会影响到第一异常数据的状态,该部分配件可能是一个也可能是多个。
示例性地,通过将目标车辆的悬挂类型、车轮受力方位数据以及四轮定位数据与预设数据库中的数据进行对比,来确定第一异常数据。预设数据库中存储有目标车辆对应的悬挂类型、车轮受力方位数据以及四轮定位数据的对应关系。
具体的,预设数据库中存储有目标车辆对应的悬挂类型、车轮受力方位数据以及对应得正确的四轮定位数据,通过将定损时测量得到的目标车辆的四轮定位数据与预设数据库中目标车辆对应的正确的四轮定位数据进行对比,来确定第一异常数据。
S103,根据第一异常数据确定目标车辆的与第一异常数据对应的至少一个配件。
目标车辆中影响第一异常数据状态的配件可能是一个,也可能是多个,可根据第一异常数据确定出目标车辆的与第一异常数据对应的至少一个配件。
S104,从至少一个配件中确定出满足预设条件的目标配件,预设条件为配件有损坏且已维修。
根据第一异常数据对应的目标车辆的至少一个配件中确定出目标配件。其中,目标配件为有损坏且已维修的配件;且目标配件可能是一个也可能是多个。
S105,获取目标配件的受损照片,并对目标配件的受损照片进行图像识别,得到受损特征。
具体的,通过上传目标配件的受损照片,即目标配件维修前的照片,经过图像识别技术进行处理,得出目标配件的受损特征。目标配件的受损特征可以是局部图片的形式,也可以是文字描述的形式。
S106,将目标配件、目标配件的受损特征与预设数据库中的数据进行对比,得到车辆异常原因的识别结果,识别结果为目标配件需要维修或无需维修。
若预设数据库中记录了目标配件、受损特征以及无需维修方案的对应关系,则确定目标配件无需维修;即判断对目标配件的维修不合理,对目标车辆的定损不准确。
若预设数据库中记录了目标配件、受损特征以及建议维修方案的对应关系,则确定目标配件需要维修,即判断对目标配件的维修是合理的,对目标车辆的定损准确。
以电子设备是手机为例进行示例性说明,参见图2所示,在本申请实施例的一个应用场景中,需要对某发生碰撞的目标车辆进行核损时,分别录入目标车辆的悬挂类型、车轮受力方位数据以及四轮定位数据用户界面的截屏图像,如图2中的(a)所示,本申请实施例中悬挂类型为麦弗逊式悬挂;车轮受力方位为前方位受力;根据四轮定位数据用户界面的截屏图像识别出数值损坏类别;将目标车辆的悬挂类型、车轮受力方位数据以及四轮定位数据与预设数据库中的数据进行对比,确定出后倾角异常数值为第一异常数据。如图2中的(b)所示,该后倾角异常数值的状态为小于最小值。另外,外倾角和前束角的异常数值状态均为正常。如图2中的(c)所示,根据该后倾角异常数值对应的目标车辆的至少一个配件中确定出有损坏且已维修的配件,本申请实施例中有损坏且已维修的配件为前下摆臂(左),如图2中的(d)所示,上传前下摆臂(左)的受损照片,即前下摆臂(左)维修前的照片,经过图像识别技术进行处理,得出前下摆臂(左)的受损特征。如图2中的(e)所示,调用预设数据库中的数据与前下摆臂(左)的受损特征进行对比;如图2中的(f)所示,若预设数据库中记录了前下摆臂(左)的受损特征以及无需维修方案的对应关系,则确定前下摆臂(左)无需维修。
以电子设备是个人计算机为例进行示例性说明,参见图3所示,根据目标车辆的悬挂类型、车轮受力方位数据以及四轮定位数据可以得出损失项目、受损配件残值及触发金额等信息。同时针对定损结论给出核实建议,以判断目标配件的维修是否合理。
需要说明的是,本申请实施例中在根据目标车辆的四轮定位数据,确定目标车辆的车辆异常数据之前,还需要创建预设数据库。
下面对创建预设数据库的过程进行说明:
采集多个车辆的悬挂类型、车轮受力方位数据、四轮定位数据以及配件维修方案;根据多个车辆中的每个车辆的悬挂类型、车轮受力方位数据、四轮定位数据以及对应的配件维修方案,来创建预设数据库。其中,参见图4所示,预设数据库中存储有受损配件、受损特征以及配件维修方案的对应关系。示例性地,图中示出了3组对应关系:第一对应关系为受损配件A-受损特征a-方案a;第二对应关系为受损配件B-受损特征b-方案b;第三对应关系为受损配件C-受损特征c-方案c。
其中,车辆的悬挂类型和配件维修方案等技术资料的主要来源为汽车网站论坛或资料采买结合外部专家协助总结;没有技术资料的车辆通过实车分析,总结车辆特点并整理成可用的资料留存使用。
具体的,参见图5所示,对市场上保有量较高的车辆悬挂结构进行分类,并根据悬挂系统特点梳理出对应的有效维修方案,方便结合车轮受力方位数据、四轮定位数据使用。示例性地,图中示出了3组悬挂系统与维修方案的对应关系:悬挂Ⅰ-方案Ⅰ;悬挂Ⅱ-方案Ⅱ;悬挂Ⅲ-方案Ⅲ。
其中,汽车悬挂系统就是指由车身与轮胎间的弹簧和避震器组成整个支持系统。它连接车轮与车身,对车身起支撑和减振的作用,传递作用在车轮和车架之间的力,并且缓冲由不平路面传给车架或车身的冲击力,衰减由此引起的震动。就车辆底盘系统而言,四轮定位数据与悬架系统结构直接相关。悬架系统的损坏会导致四轮定位数据的存在偏差。因此,在制定有效地维修方案时,掌握悬挂系统特点和四轮定位数据至关重要。
现有的汽车的悬架系统根据结构的不同,可分为两种:独立悬架和非独立悬架。独立悬挂中最常见的是麦弗逊式悬挂、双叉臂悬挂、多连杆悬挂;非独立悬挂较为简单,有整体桥和纵臂扭转梁两种。本申请实施例可以根据不同的悬架系统找到对应的维修方案,得出不同的结论。
值得一提的是,在创建预设数据库之后,本申请实施例还会不断更新预设数据库,例如:
获取预设数据库中的第一车辆的维修方案,该维修方案包括第一车辆需要维修的配件以及配件损坏程度;如果第一车辆的第一配件和第二配件均需要维修,且第一配件的损坏程度大于第二配件的损坏程度,确定对第一配件进行维修;获取维修后的第一车辆的四轮定位数据;如果维修后的第一车辆的四轮定位数据指示第一配件和第二配件的数值均正常,那么只对第一配件进行维修就足以解决问题,无需再对第二配件进行维修。节约维修成本。重新将第一车辆的悬挂类型、车轮受力方位数据、维修后的第一配件的四轮定位数据和第一配件的维修方案整理入库,以更新预设数据库。
其中,第二配件的数量可能是一个,也可能是多个;更新后的预设数据库存储有第一配件、受损特征以及建议维修方案的对应关系,以及第二配件、受损特征以及无需维修方案的对应关系。
本申请实施例中,还可以通过AI模型算法更新预设数据库。根据人工建立预设数据库的过程和结果训练AI模型算法;使AI模型算法能够自主建立车辆的悬挂类型、车轮受力方位数据以及四轮定位数据与配件维修方案之间的对应关系。
示例性地,获取多个车辆中的相关数据;其中,相关数据包括车辆的悬挂类型、车轮受力方位数据、四轮定位数据、配件受损照片以及对应的配件维修方案;将多个车辆中的每个车辆的相关数据输入初始模型进行训练,得到训练成熟的模型。训练成熟的模型能够自主建立车辆的悬挂类型、车轮受力方位数据、四轮定位数据以及配件受损照片与配件维修方案之间的对应关系。对训练成熟的模型建立的车辆相关数据进行验证后,将训练成熟的模型建立的车辆相关数据补充到预设数据库。
通过本申请实施例提供的基于四轮定位数据和大数据的车损检测方法及系统,在车险理赔定损、核价、核损工作中,只需获取目标车辆的四轮定位数据、车辆悬挂类型、受力方向,就能够快速定位到损伤配件上并判断出维修项目的合理性,减少了时间和人力成本,提高了准确性,能够更快、更高效地进行定损、核损。
实施例二:识别车辆配件异常
图6是本申请实施例提供的一种基于四轮定位数据和大数据的车损检测方法的流程示意图。本申请实施例一提供的基于四轮定位数据和大数据的车损检测方法应用于车险理赔定损场景。
参照图6所示,该方法包括下述的步骤S201-S203。
S201,根据目标车辆的四轮定位数据,确定满足预设条件的目标配件,预设条件为配件有损坏;
车辆的四轮定位数据与悬架系统结构在车辆定损时至关重要,获取车辆的悬挂类型、车轮受力方位数据及四轮定位数据便于有效定损。
S202,获取车辆的目标配件的受损照片,并对目标配件的受损照片进行图像识别,得到受损特征。
车辆的目标配件为有明显受损的配件,在本申请实施例中,根据受损的配件的照片,得到受损特征。目标配件的受损特征可以是局部图片的形式,也可以是文字描述的形式。
S203,将目标配件、目标配件的受损特征与预设数据库中的数据进行对比,得到车辆异常原因的识别结果,识别结果为目标配件需要维修或无需维修。
调用预设数据库中的数据与目标配件的受损特征进行对比;若预设数据库中记录了目标配件、受损特征以及无需维修方案的对应关系,则确定目标配件无需维修;若预设数据库中记录了目标配件、受损特征以及建议维修方案的对应关系,则确定目标配件需要维修并给出维修建议。
示例性地,参见图7所示,在本申请实施例的一个应用场景中,需要对某发生碰撞的目标车辆进行定损时,分别录入目标车辆的悬挂类型、车轮受力方位数据以及四轮定位数据用户界面的截屏图像;如图7中的(a)和(b)所示,本申请实施例中悬挂类型为双叉臂悬挂;车轮受力方位为侧方位受力;根据目标车辆的四轮定位数据,确定满足预设条件的目标配件;所述预设条件为配件有损坏;如图7中的(c)所示,本申请实施例中有损坏的配件为前上摆臂(左),如图7中的(d)所示,上传前上摆臂(左)的照片,经过图像识别技术进行处理,得出受损特征。如图7中的(e)所示,调用预设数据库中的数据与前上摆臂(左)的受损特征进行对比;如图7中的(f)所示,预设数据库中记录了前上摆臂(左)的受损特征以及维修方案的对应关系,则确定受损配件需要维修并给出维修建议。
需要说明的是,本申请实施例中在获取车辆的目标配件的受损照片之前,还需要创建预设数据库:
参见图8所示,采集多个车辆的悬挂类型、车轮受力方位数据、四轮定位数据以及配件维修方案;根据多个车辆中的每个车辆的悬挂类型、车轮受力方位数据、四轮定位数据以及对应的配件维修方案,来创建预设数据库。
值得一提的是,在创建预设数据库之后,本申请实施例还会不断更新预设数据库,例如:
获取预设数据库中的第一车辆的维修方案,该维修方案包括第一车辆需要维修的配件以及配件损坏程度;如果第一车辆的第一配件和第二配件均需要维修,且第一配件的损坏程度大于第二配件的损坏程度,确定对第一配件进行维修;获取维修后的第一车辆的四轮定位数据;如果维修后的第一车辆的四轮定位数据指示第一配件和第二配件的数值均正常,那么只对第一配件进行维修就足以解决问题,无需再对第二配件进行维修。节约维修成本。重新将第一车辆的悬挂类型、车轮受力方位数据、维修后的第一配件的四轮定位数据和第一配件的维修方案整理入库,以更新预设数据库。
其中,第二配件的数量可能是一个,也可能是多个;更新后的预设数据库存储有第一配件、受损特征以及建议维修方案的对应关系,以及第二配件、受损特征以及无需维修方案的对应关系。
通过本申请实施例提供的基于四轮定位数据和大数据的车损检测方法,在车险理赔定损工作中,只需获取目标车辆的四轮定位数据、车辆悬挂类型、受力方向,就能够快速定位到损伤配件上并给出维修建议,可以避免维修人员在汽车维修的过程中走弯路。减少了时间和人力成本,提高了准确性,能够更快、更高效地进行定损。
实施例三:基于四轮定位数据和大数据的车损检测系统
本申请提供一种基于四轮定位数据和大数据的车损检测系统,该系统包括用户终端和服务器。
本申请提供一种基于四轮定位数据和大数据的车损检测系统可应用于车险理赔核损的场景中。用户终端用于显示入口控件,并通过入口控件向服务器提供目标车辆的四轮定位数据。服务器用于对接收到的目标车辆的四轮定位数据进行处理,并发送第一指令至用户终端,第一指令用于指示用户终端发送车辆的目标配件的受损照片至服务器。用户终端还用于响应于第一指令,发送车辆的目标配件的受损照片至服务器。服务器还用于对接收到的目标配件的受损照片进行图像识别,得到受损特征,并将目标配件、受损特征与预设数据库中的数据进行对比,得到车辆异常原因的识别结果,并将车辆异常原因的识别结果发送至用户终端。用户终端还用于显示车辆异常原因的识别结果。
示例性地,图9示出了本申请一实施例提供的基于四轮定位数据和大数据的车损检测系统的架构示意图,参见图9所示,该基于四轮定位数据和大数据的车损检测系统包括有服务器11和实现线上服务的用户终端12、13。
预设数据库存储在服务器11上,用户终端13用于显示人机交互界面,人机交互界面上显示有入口控件,入口控件用于输入目标车辆的悬挂类型、车轮受力方位数据以及四轮定位数据。响应于用户操作,上传目标车辆的悬挂类型、车轮受力方位数据以及四轮定位数据,用户终端将目标车辆的悬挂类型、车轮受力方位数据以及四轮定位数据发送至服务器11,服务器11接收目标车辆的悬挂类型、车轮受力方位数据以及四轮定位数据并进行处理,发送用于指示发送车辆的目标配件的受损照片的第一指令至用户终端13,用户终端13响应于第一指令,发送车辆的目标配件的受损照片至服务器11。服务器11对接收到的目标配件的受损照片进行图像识别,得到受损特征,并将目标配件、受损特征与预设数据库中的数据进行对比,最后将对比结果发送至用户终端13。用户终端13在人机交互界面上显示车辆异常原因的识别结果。
本申请提供一种基于四轮定位数据和大数据的车损检测系统可应用于车险理赔定损场景中。
用户终端用于显示入口控件,并通过入口控件向服务器提供目标车辆的四轮定位数据。服务器用于对接收到的目标车辆的四轮定位数据进行处理,并发送第一指令至用户终端,第一指令用于指示用户终端发送车辆的目标配件的受损照片至服务器。用户终端还用于响应于第一指令,发送车辆的目标配件的受损照片至服务器。服务器还用于对接收到的目标配件的受损照片进行图像识别,得到受损特征,并将目标配件、受损特征与预设数据库中的数据进行对比,得到车辆异常原因的识别结果,并将车辆异常原因的识别结果发送至用户终端。用户终端还用于显示车辆异常原因的识别结果。
本申请还提供一种电子设备,该电子设备包括芯片,该芯片用于读取并执行存储器存储的计算机程序或指令,使得各实施例中的方法被执行。
本实施例还提供一种计算机可读存储介质,该计算机可读存储介质中存储有计算机指令,当该计算机指令在电子设备上运行时,使得电子设备执行上述相关方法步骤实现上述实施例中的方法。
其中,本实施例提供的电子设备、计算机可读存储介质、计算机程序产品或芯片均用于执行上文所提供的对应的方法,因此,其所能达到的有益效果可参考上文所提供的对应的方法中的有益效果,此处不再赘述。
图10是本申请另一实施例提供的一种电子设备的结构框图。如图10所示,该实施例的电子设备100包括:处理器110、存储器120以及存储在存储器120中并可在处理器110运行的计算机程序130,例如基于四轮定位数据和大数据的车损检测方法的程序。处理器110执行计算机程序130时实现上述基于四轮定位数据和大数据的车损检测方法各实施例中的步骤,例如图1所示的S101至S105。
示例性的,计算机程序130可以被分割成一个或多个模块,一个或者多个模块被存储在存储器120中,并由处理器110执行,以完成本申请。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序130在电子设备100中的执行过程。例如,计算机程序130可以被分割成各个单元模块,各模块具体功能如上。
电子设备100可包括,但不仅限于,处理器110、存储器120。本领域技术人员可以理解,图10仅仅是电子设备100的示例,并不构成对电子设备100的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如电子设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器110可以是中央处理单元,还可以是其他通用处理器、数字信号处理器、专用集成电路、现成可编程门阵列或者其他可编程逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者是任何常规的处理器等。
存储器120可以是电子设备100的内部存储单元,例如电子设备100的硬盘或内存。存储器120也可以是电子设备100的外部存储设备,例如电子设备100上配备的插接式硬盘,智能存储卡,闪存卡等。进一步地,存储器120还可以既包括电子设备100的内部存储单元也包括外部存储设备。
以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于四轮定位数据和大数据的车损检测方法,其特征在于,所述方法包括:
根据目标车辆的四轮定位数据,确定所述目标车辆的车辆异常数据;
确定所述车辆异常数据中的第一异常数据,所述第一异常数据在预设数值范围之外;
根据所述第一异常数据确定所述目标车辆的与所述第一异常数据对应的至少一个配件;
从所述至少一个配件中确定出满足预设条件的目标配件,所述预设条件为配件有损坏且已维修;
获取所述目标配件的受损照片,并对所述目标配件的受损照片进行图像识别,得到受损特征;
将所述目标配件、所述受损特征与预设数据库中的数据进行对比;
若所述预设数据库中记录了所述目标配件、所述受损特征以及无需维修方案的对应关系,则确定所述目标配件无需维修;
若所述预设数据库中记录了所述目标配件、所述受损特征以及建议维修方案的对应关系,则确定所述目标配件需要维修。
2.根据权利要求1所述的方法,其特征在于,在所述根据目标车辆的四轮定位数据,确定所述目标车辆的车辆异常数据之前,所述方法还包括:
采集多个车辆的悬挂类型、车轮受力方位数据、四轮定位数据以及配件维修方案;
根据所述多个车辆中的每个车辆的悬挂类型、车轮受力方位数据、四轮定位数据以及对应的配件维修方案,创建所述预设数据库;
其中,所述预设数据库中存储有受损配件、受损特征以及配件维修方案的对应关系。
3.根据权利要求2所述的方法,其特征在于,在创建所述预设数据库之后,所述方法还包括:
获取所述预设数据库中的第一车辆的维修方案,所述维修方案包括需要维修的配件以及配件损坏程度;
如果所述第一车辆的第一配件和第二配件均需要维修,且所述第一配件的损坏程度大于所述第二配件的损坏程度,确定对所述第一配件进行维修;
获取维修后的所述第一车辆的四轮定位数据;
如果维修后的所述第一车辆的四轮定位数据指示所述第一配件和所述第二配件的数值均正常,那么根据所述第一车辆的悬挂类型、车轮受力方位数据、维修后的所述第一配件的四轮定位数据和所述第一配件的维修方案,更新所述预设数据库;
其中,更新后的所述预设数据库存储所述第一配件、受损特征以及建议维修方案的对应关系,以及所述第二配件、受损特征以及无需维修方案的对应关系。
4.根据权利要求1至3中任一项所述的方法,其特征在于,所述确定所述车辆异常数据中的第一异常数据,包括:
根据所述目标车辆的悬挂类型、车轮受力方位数据以及四轮定位数据,确定所述第一异常数据。
5.根据权利要求1至3中任一项所述的方法,其特征在于,所述车辆异常数据包括后倾角的异常数值、外倾角的异常数值,和/或前束值的异常数值。
6.一种基于四轮定位数据和大数据的车损检测方法,其特征在于,所述方法包括:
根据车辆的四轮定位数据,确定满足预设条件的目标配件;所述预设条件为配件有损坏;
获取车辆的所述目标配件的受损照片,并对所述目标配件的受损照片进行图像识别,得到受损特征;
将所述目标配件、所述受损特征与预设数据库中的数据进行对比;
若所述预设数据库中记录了所述目标配件、所述受损特征以及无需维修方案的对应关系,则确定所述目标配件无需维修;
若所述预设数据库中记录了所述目标配件、所述受损特征以及建议维修方案的对应关系,则确定所述目标配件需要维修。
7.根据权利要求6所述的方法,其特征在于,在所述获取车辆的目标配件的受损照片之前,所述方法还包括:
采集多个车辆的悬挂类型、车轮受力方位数据、四轮定位数据以及配件维修方案;
根据所述多个车辆中的每个车辆的悬挂类型、车轮受力方位数据、四轮定位数据以及对应的配件维修方案,创建所述预设数据库;
其中,所述预设数据库中存储有受损配件、受损特征以及配件维修方案的对应关系。
8.根据权利要求7所述的方法,其特征在于,在创建所述预设数据库之后,所述方法还包括:
获取所述预设数据库中的第一车辆的维修方案,所述维修方案包括需要维修的配件以及配件损坏程度;
如果所述第一车辆的第一配件和第二配件均需要维修,且所述第一配件的损坏程度大于所述第二配件的损坏程度,确定对所述第一配件进行维修;
获取维修后的所述第一车辆的四轮定位数据;
如果维修后的所述第一车辆的四轮定位数据指示所述第一配件和所述第二配件的数值均正常,那么根据所述第一车辆的悬挂类型、车轮受力方位数据、维修后的所述第一配件的四轮定位数据和所述第一配件的维修方案,更新所述预设数据库;
其中,更新后的所述预设数据库存储所述第一配件、受损特征以及建议维修方案的对应关系,以及所述第二配件、受损特征以及无需维修方案的对应关系。
9.一种基于四轮定位数据和大数据的车损检测系统,其特征在于,所述系统包括用户终端和服务器;
所述用户终端,用于显示入口控件,并通过所述入口控件向所述服务器提供目标车辆的四轮定位数据;
所述服务器,用于根据接收到的所述目标车辆的四轮定位数据确定满足预设条件的目标配件,所述预设条件为配件有损坏且已维修,并发送第一指令至所述用户终端,所述第一指令用于指示所述用户终端发送车辆的目标配件的受损照片至所述服务器;
所述用户终端,还用于响应于所述第一指令,发送所述车辆的目标配件的受损照片至所述服务器;
所述服务器,还用于对接收到的所述目标配件的受损照片进行图像识别,得到受损特征;
所述服务器,还用于将所述目标配件、所述受损特征与预设数据库中的数据进行对比,得到车辆异常原因的识别结果,并将所述车辆异常原因的识别结果发送至所述用户终端;所述识别结果为所述目标配件为需要维修或无需维修;
所述用户终端,还用于显示所述车辆异常原因的识别结果。
10.一种电子设备,其特征在于,包括处理器、存储器以及存储在所述存储器上的计算机程序,所述处理器用于执行所述计算机程序,以使得所述电子设备实现如权利要求1至8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311084869.4A CN116796279B (zh) | 2023-08-28 | 2023-08-28 | 基于四轮定位数据和大数据的车损检测方法、系统及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311084869.4A CN116796279B (zh) | 2023-08-28 | 2023-08-28 | 基于四轮定位数据和大数据的车损检测方法、系统及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116796279A true CN116796279A (zh) | 2023-09-22 |
CN116796279B CN116796279B (zh) | 2023-11-17 |
Family
ID=88040148
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311084869.4A Active CN116796279B (zh) | 2023-08-28 | 2023-08-28 | 基于四轮定位数据和大数据的车损检测方法、系统及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116796279B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106780048A (zh) * | 2016-11-28 | 2017-05-31 | 中国平安财产保险股份有限公司 | 一种智能车险的自助理赔方法、自助理赔装置及系统 |
US20200357029A1 (en) * | 2019-05-10 | 2020-11-12 | Controlexpert Gmbh | Method For Assessing Damage to a Motor Vehicle |
CN113781454A (zh) * | 2021-09-15 | 2021-12-10 | 平安科技(深圳)有限公司 | 一种车辆损伤检测方法、装置、设备及存储介质 |
CN115719221A (zh) * | 2022-11-22 | 2023-02-28 | 北京思维实创科技有限公司 | 一种车辆转向架检修方法、系统、终端设备及存储介质 |
CN116303830A (zh) * | 2023-03-15 | 2023-06-23 | 深圳开思时代科技有限公司 | 汽车待修零配件匹配方法及系统 |
CN116308277A (zh) * | 2023-03-09 | 2023-06-23 | 酷哇科技有限公司 | 环卫车扫盘磨损识别与运维方法及系统 |
-
2023
- 2023-08-28 CN CN202311084869.4A patent/CN116796279B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106780048A (zh) * | 2016-11-28 | 2017-05-31 | 中国平安财产保险股份有限公司 | 一种智能车险的自助理赔方法、自助理赔装置及系统 |
US20200357029A1 (en) * | 2019-05-10 | 2020-11-12 | Controlexpert Gmbh | Method For Assessing Damage to a Motor Vehicle |
CN113781454A (zh) * | 2021-09-15 | 2021-12-10 | 平安科技(深圳)有限公司 | 一种车辆损伤检测方法、装置、设备及存储介质 |
CN115719221A (zh) * | 2022-11-22 | 2023-02-28 | 北京思维实创科技有限公司 | 一种车辆转向架检修方法、系统、终端设备及存储介质 |
CN116308277A (zh) * | 2023-03-09 | 2023-06-23 | 酷哇科技有限公司 | 环卫车扫盘磨损识别与运维方法及系统 |
CN116303830A (zh) * | 2023-03-15 | 2023-06-23 | 深圳开思时代科技有限公司 | 汽车待修零配件匹配方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116796279B (zh) | 2023-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108364253B (zh) | 车辆定损方法、系统以及电子设备 | |
US20130132166A1 (en) | Smart toll network for improving performance of vehicle identification systems | |
CN110135437B (zh) | 用于车辆的定损方法、装置、电子设备和计算机存储介质 | |
CN116108717B (zh) | 一种基于数字孪生的交通运输设备运行预测方法及装置 | |
EP4279950A1 (en) | Fault diagnosis and handling method for vehicle-mounted laser radar, apparatus, medium and vehicle | |
KR20190143506A (ko) | Ai 자동 견적 장치, 방법 및 컴퓨터 프로그램 | |
CN116796279B (zh) | 基于四轮定位数据和大数据的车损检测方法、系统及设备 | |
KR101545984B1 (ko) | 차량 정비 내역을 검증하는 차량 정비 검증 시스템 및 차량 정비 검증 방법 | |
CN108038692A (zh) | 角色识别方法、装置及服务器 | |
CN114170023A (zh) | 一种资金交易运营平台系统的测试方法及装置 | |
JP2021131831A (ja) | 情報処理装置、情報処理方法及びプログラム | |
CN108960111B (zh) | 人脸识别方法、系统及终端设备 | |
US20160063453A1 (en) | information system and method for processing information, in particular for assisting work in a motor vehicle repair shop | |
CN109948449B (zh) | 一种信息处理方法、装置及存储介质 | |
CN111429253A (zh) | 一种金融经济借贷风险评估方法及系统 | |
CN106570448A (zh) | 自动发卡车道车辆信息的验证方法及装置 | |
CN110166767A (zh) | 一种结合车机闲散资源的图像质量调节方法及装置 | |
CN205068474U (zh) | 一种车票预订机器人 | |
CN116245280A (zh) | 电力计量设备健康评估方法、装置及终端设备 | |
JP7503125B1 (ja) | 情報提示装置、情報提示方法及び情報提示プログラム | |
CN115272302B (zh) | 图像中零部件检测方法,零部件检测设备及系统 | |
CN118012898A (zh) | 一种运单的费用匹配方法、装置、计算机设备及存储介质 | |
CN116109385A (zh) | 金融产品推送方法、装置、设备及存储介质 | |
CN111664869A (zh) | 一种高精度地图地物数据质量评定方法及装置 | |
CN106055781A (zh) | 基于车辆碰撞cae技术的塑性件自动化定损系统及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |