KR102109882B1 - System and method for diagnosing vehicle damage and calculating repair cost based on artificial intelligence - Google Patents
System and method for diagnosing vehicle damage and calculating repair cost based on artificial intelligence Download PDFInfo
- Publication number
- KR102109882B1 KR102109882B1 KR1020190027669A KR20190027669A KR102109882B1 KR 102109882 B1 KR102109882 B1 KR 102109882B1 KR 1020190027669 A KR1020190027669 A KR 1020190027669A KR 20190027669 A KR20190027669 A KR 20190027669A KR 102109882 B1 KR102109882 B1 KR 102109882B1
- Authority
- KR
- South Korea
- Prior art keywords
- damage
- vehicle
- repair
- type
- diagnosis
- Prior art date
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000003745 diagnosis Methods 0.000 claims abstract description 136
- 238000004364 calculation method Methods 0.000 claims description 99
- 238000010422 painting Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 description 23
- 238000004891 communication Methods 0.000 description 19
- 239000002184 metal Substances 0.000 description 19
- 239000000463 material Substances 0.000 description 14
- 238000005555 metalworking Methods 0.000 description 11
- 239000011248 coating agent Substances 0.000 description 9
- 238000000576 coating method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000012423 maintenance Methods 0.000 description 7
- 239000008186 active pharmaceutical agent Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000005452 bending Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 239000007769 metal material Substances 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000006096 absorbing agent Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000003795 desorption Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006748 scratching Methods 0.000 description 1
- 230000002393 scratching effect Effects 0.000 description 1
- 239000000725 suspension 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- G06Q50/30—
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
Description
본 발명은 인공 지능(AI)을 이용하여 자동으로 사고 차량의 손상을 진단하고 수리비를 산출하는 차량 손상 진단 및 수리비 산정 시스템 및 방법에 관한 것이다.The present invention relates to a vehicle damage diagnosis and repair cost calculation system and method for automatically diagnosing an accident vehicle damage and calculating a repair cost using artificial intelligence (AI).
차량의 보급이 보편화 됨에 따라 과속, 음주 운전 등 교통 법규 위반에 따른 차량의 추돌 사고가 날이 갈수록 증가하는 추세에 있다. 이에 따라, 사고 차량의 수리에 대한 수요도 점차적으로 늘어나고 있다.As the spread of vehicles becomes more common, collisions of vehicles due to violations of traffic laws such as speeding and drunk driving are on the rise. Accordingly, the demand for repairing an accident vehicle is also gradually increasing.
그러나, 운전자가 사고 발생시마다 일일이 정비 업체에 찾아가 차량 손상 부위에 대한 진단을 요청하고, 수리비 견적을 받는 것은 절차가 매우 번거롭고 시간이 많이 소요되는 문제가 있다.However, it is a very cumbersome and time-consuming procedure for a driver to go to a maintenance company every time an accident occurs and request a diagnosis for a damaged part of the vehicle, and to receive a repair cost estimate.
특히, 최근에는 차량의 기술 수준이 고도화 됨에 따라 차량에 투입되는 각종 부품 및 재료의 정보에 대해서 일반인이 모두 인지하기에는 무리가 있으며, 정비 업체마다 산출되는 수리비 견적 또한 다를 수 밖에 없다. 따라서, 정비 업체에서 산출한 수리비 견적이 합리적이고 신뢰할 수 있는 것인지 여부에 관하여 일반인이 판단하는 것은 사실상 불가능에 가깝다고 할 수 있다.In particular, as the technology level of vehicles has recently been advanced, it is difficult for the general public to recognize information on various parts and materials input to vehicles, and estimates of repair costs calculated by maintenance companies are also different. Therefore, it can be said that it is virtually impossible for the general public to judge whether the estimate of the repair cost calculated by the maintenance company is reasonable and reliable.
본 발명은 상기와 같은 문제점을 해결하기 위해 이루어진 것으로서, 인공 지능에 기반하여 사고 차량의 이미지를 분석하여 자동으로 차량의 손상 부위와 손상 정도를 진단하고, 적정 수리비 견적을 산출하는 인공 지능 기반 차량 손상 진단 및 수리비 산정 시스템 및 방법을 제공하는 것을 목적으로 한다.The present invention has been made to solve the above problems, and analyzes an image of an accident vehicle based on artificial intelligence to automatically diagnose a damaged portion and damage level of a vehicle, and calculate an appropriate repair cost estimate. It is an object of the present invention to provide a diagnosis and repair cost estimation system and method.
본 발명의 일 실시예에 따른 AI 기반 차량 손상 진단 및 수리비 산정 시스템은 차량의 손상에 따른 수리비 견적 산출에 관한 데이터를 저장하는 데이터베이스, 인공 지능(AI)을 기반으로, 상기 시스템에 입력된 상기 차량의 이미지를 분석하여 상기 차량의 손상 부품, 손상 종류 및 손상 정도를 판단함으로써 상기 차량의 손상을 진단하는 손상 진단부, 상기 차량의 손상 진단 결과에 기초하여 상기 손상에 대한 수리 유형을 판정하는 수리 판정부, 및 상기 데이터베이스에 저장된 수리비 견적 산출에 관한 데이터와 상기 손상의 진단 결과 및 상기 수리 유형의 판정 결과에 기초하여 상기 손상에 따른 수리비를 산정하는 수리비 산정부를 포함할 수 있다.The AI-based vehicle damage diagnosis and repair cost calculation system according to an embodiment of the present invention is a database that stores data related to calculation of a repair cost estimate due to vehicle damage, based on artificial intelligence (AI), and the vehicle input to the system Damage diagnosis unit for diagnosing the damage of the vehicle by determining the damaged parts, damage type, and degree of damage by analyzing the image of the vehicle, repair plate for determining the repair type for the damage based on the damage diagnosis result of the vehicle The government may include a repair cost calculation unit to calculate a repair cost according to the damage based on data related to the calculation of the repair cost estimate stored in the database, a diagnosis result of the damage, and a determination result of the repair type.
본 발명의 일 실시예에 따른 AI 기반 차량 손상 진단 및 수리비 산정 방법은 차량의 손상에 따른 수리비 견적 산출에 관한 데이터를 저장하는 데이터베이스를 포함하는 시스템을 이용한 AI 기반 차량 손상 진단 및 수리비 산정 방법으로서, AI 기반으로, 상기 시스템에 차량의 이미지가 입력되면, 상기 차량의 이미지를 분석하여 상기 차량의 손상 부품, 손상 종류 및 손상 정도를 판단함으로써 상기 손상을 진단하는 단계, 상기 차량의 손상 진단 결과에 기초하여 상기 손상에 대한 수리 유형을 판정하는 단계, 및 상기 데이터베이스에 저장된 수리비 견적 산출에 관한 데이터와 상기 손상의 진단 결과 및 상기 수리 유형의 판정 결과에 기초하여 상기 손상에 따른 수리비를 산정하는 단계를 포함할 수 있다.The AI-based vehicle damage diagnosis and repair cost calculation method according to an embodiment of the present invention is an AI-based vehicle damage diagnosis and repair cost calculation method using a system that includes a database that stores data regarding the calculation of repair cost estimates for vehicle damage, Based on AI, when an image of a vehicle is input to the system, diagnosing the damage by analyzing an image of the vehicle and determining a damaged part, a type of damage, and a degree of damage of the vehicle, based on a result of the damage diagnosis of the vehicle And determining a repair type for the damage, and calculating the repair cost according to the damage based on data related to the calculation of the repair cost estimate stored in the database, the diagnosis result of the damage, and the determination result of the repair type. can do.
본 발명에 따른 인공 지능 기반 차량 손상 진단 및 수리비 산정 시스템 및 방법에 의하면, 자동으로 사고 차량의 손상 부위와 손상 정도를 진단하고, 적정 수리비 견적을 산출할 수 있으므로, 차량의 운전자가 정비 업체에 직접 방문하지 않더라도 손상 내역을 용이하게 파악하고, 사전에 대략적인 수리비 견적을 확인할 수 있다.According to the artificial intelligence-based vehicle damage diagnosis and repair cost calculation system and method according to the present invention, it is possible to automatically diagnose the damaged part and damage level of the accident vehicle and calculate an appropriate repair cost estimate, so that the driver of the vehicle can directly contact the maintenance company. Even if you don't visit, you can easily identify the damage history and get a rough estimate of the repair cost in advance.
도 1은 본 발명의 일 실시예에 따른 인공 지능(AI) 기반 차량 손상 진단 및 수리비 산정 시스템의 블록도이다.
도 2는 본 발명의 일 실시예에 따른 손상 부품과 수리 내역의 자동 매칭 화면의 예시를 나타낸다.
도 3은 본 발명의 일 실시예에 따른 손상 클래스 구분 기준의 예시를 나타낸 표이다.
도 4a 내지 4c는 도 3에 따른 손상 클래스 구분 기준의 예시를 나타낸 이미지이다.
도 5는 본 발명의 일 실시예에 따른 인공 지능을 통한 손상 검출의 예시를 나타낸다.
도 6은 본 발명의 일 실시예에 따른 손상 진단 및 수리 판정 프로세스의 예시를 나타낸다.
도 7은 본 발명의 일 실시예에 따른 수리 판정 결과를 구분하는 예시를 나타낸다.
도 8은 본 발명의 일 실시예에 따른 손상 진단 및 수리 방법 판정 결과의 예시를 나타낸다.
도 9는 본 발명의 일 실시예에 따른 손상 진단 및 수리 방법 판정 결과에 따른 수리비 산출 결과의 예시를 나타낸다.
도 10은 본 발명의 일 실시예에 따른 인공 지능 기반 차량 손상 진단 및 수리비 산정 방법의 흐름도이다.
도 11은 본 발명의 일 실시예에 따른 인공 지능 기반 차량 손상 진단 및 수리비 산정 시스템, 사용자(운전자) 단말 및 보험사 서버가 연동되어 데이터를 송수신하는 예시를 나타낸다.
도 12는 본 발명의 일 실시예에 따른 이미지 내 차량 번호 인식을 통한 보험 사고 접수 정보 연동 및 자동 견적 산출의 예시를 나타낸다.
도 13a 내지 13d는 본 발명의 일 실시예에 따른 덴트 복원 수리를 위한 손상 유형 진단과 손상 심도 판정의 예시를 나타낸다.
도 14는 본 발명의 일 실시예에 따른 인공 지능 기반 차량 손상 진단 및 수리비 산정 시스템이 사용자 단말과 동작하는 것을 나타내는 흐름도이다.
도 15는 본 발명의 일 실시예에 따른 인공 지능 기반 차량 손상 진단 및 수리비 산정 시스템의 하드웨어 구성도이다.
도 16은 본 발명의 일 실시예에 따른 인공 지능 기반 차량 손상 진단 및 수리비 산정 시스템을 사용하기 위한 사용자 단말의 블록도이다.
도 17은 본 발명의 일 실시예에 따른 인공 지능 기반 차량 손상 진단 및 수리비 산정 시스템을 사용하기 위한 사용자 단말의 하드웨어 구성도이다.1 is a block diagram of an artificial intelligence (AI) based vehicle damage diagnosis and repair cost calculation system according to an embodiment of the present invention.
2 shows an example of an automatic matching screen of damaged parts and repair details according to an embodiment of the present invention.
3 is a table illustrating an example of a criterion for classifying a damage class according to an embodiment of the present invention.
4A to 4C are images illustrating an example of a criterion for classifying damage classes according to FIG. 3.
5 shows an example of damage detection through artificial intelligence according to an embodiment of the present invention.
6 shows an example of a damage diagnosis and repair determination process according to an embodiment of the present invention.
7 shows an example of classifying the result of a repair decision according to an embodiment of the present invention.
8 shows an example of a damage diagnosis and repair method determination result according to an embodiment of the present invention.
9 shows an example of a result of calculating a repair cost according to a damage diagnosis and repair method determination result according to an embodiment of the present invention.
10 is a flowchart of an artificial intelligence based vehicle damage diagnosis and repair cost calculation method according to an embodiment of the present invention.
11 illustrates an example of artificial intelligence-based vehicle damage diagnosis and repair cost calculation system, a user (driver) terminal, and an insurance company server interlocking and transmitting data according to an embodiment of the present invention.
12 illustrates an example of linking insurance accident receipt information and automatic quotation calculation through recognition of a vehicle number in an image according to an embodiment of the present invention.
13A to 13D show examples of damage type diagnosis and damage depth determination for dent restoration repair according to an embodiment of the present invention.
14 is a flowchart illustrating that an artificial intelligence based vehicle damage diagnosis and repair cost calculation system according to an embodiment of the present invention operates with a user terminal.
15 is a hardware configuration diagram of an artificial intelligence-based vehicle damage diagnosis and repair cost calculation system according to an embodiment of the present invention.
16 is a block diagram of a user terminal for using an artificial intelligence-based vehicle damage diagnosis and repair cost calculation system according to an embodiment of the present invention.
17 is a hardware configuration diagram of a user terminal for using an artificial intelligence based vehicle damage diagnosis and repair cost calculation system according to an embodiment of the present invention.
이하, 첨부한 도면을 참조하여 본 발명의 다양한 실시 예들에 대해 상세히 설명하고자 한다. 본 문서에서 도면상의 동일한 구성 요소에 대해서는 동일한 참조 부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.Hereinafter, various embodiments of the present invention will be described in detail with reference to the accompanying drawings. In this document, the same reference numerals are used for the same components in the drawings, and duplicate descriptions for the same components are omitted.
본 문서에 개시되어 있는 본 발명의 다양한 실시 예들에 대해서, 특정한 구조적 내지 기능적 설명들은 단지 본 발명의 실시 예를 설명하기 위한 목적으로 예시된 것으로, 본 발명의 다양한 실시 예들은 여러 가지 형태로 실시될 수 있으며 본 문서에 설명된 실시 예들에 한정되는 것으로 해석되어서는 아니 된다.With respect to various embodiments of the present invention disclosed in this document, specific structural or functional descriptions are exemplified only for the purpose of illustrating embodiments of the present invention, and various embodiments of the present invention may be implemented in various forms. And may not be construed as limited to the embodiments described in this document.
다양한 실시 예에서 사용된 "제1", "제2", "첫째", 또는 "둘째" 등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수식할 수 있고, 해당 구성 요소들을 한정하지 않는다. 예를 들면, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성 요소는 제2 구성 요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성 요소로 바꾸어 명명될 수 있다.Expressions such as “first”, “second”, “first”, or “second” used in various embodiments may modify various components, regardless of order and / or importance, and It is not limited. For example, the first component may be referred to as a second component without departing from the scope of the present invention, and similarly, the second component may be referred to as a first component.
본 문서에서 사용된 용어들은 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 다른 실시 예의 범위를 한정하려는 의도가 아닐 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다.The terms used in this document are only used to describe specific embodiments, and may not be intended to limit the scope of other embodiments. Singular expressions may include plural expressions unless the context clearly indicates otherwise.
기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명의 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가질 수 있다. 일반적으로 사용되는 사전에 정의된 용어들은 관련 기술의 문맥 상 가지는 의미와 동일 또는 유사한 의미를 가지는 것으로 해석될 수 있으며, 본 문서에서 명백하게 정의되지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. 경우에 따라서, 본 문서에서 정의된 용어일지라도 본 발명의 실시 예들을 배제하도록 해석될 수 없다.All terms used herein, including technical or scientific terms, may have the same meaning as commonly understood by a person skilled in the art of the present invention. Commonly used dictionary-defined terms may be interpreted as having the same or similar meaning to the meaning in the context of the related art, and should not be interpreted as an ideal or excessively formal meaning unless explicitly defined in this document. . In some cases, even terms defined in this document cannot be interpreted to exclude embodiments of the present invention.
도 1은 본 발명의 일 실시예에 따른 인공 지능(AI) 기반 차량 손상 진단 및 수리비 산정 시스템의 블록도이다.1 is a block diagram of an artificial intelligence (AI) based vehicle damage diagnosis and repair cost calculation system according to an embodiment of the present invention.
도 1을 참조하면, 본 발명의 일 실시예에 따른 인공 지능 기반 차량 손상 진단 및 수리비 산정 시스템은 데이터베이스(110), 손상 진단부(120), 수리 판정부(130), 수리비 산정부(140), 중복 이미지 필터링부(150) 및 보험 정보 조회부(160)를 포함할 수 있다.Referring to FIG. 1, an artificial intelligence-based vehicle damage diagnosis and repair cost calculation system according to an embodiment of the present invention includes a
데이터베이스(110)는 차량의 손상에 따른 수리비 견적 산출에 관한 데이터를 저장할 수 있다. 예를 들면, 데이터베이스(110)는 차량 종류 정보, 차량의 부품 리스트 및 가격, 차량의 손상 종류, 공임, 수리 유형별 수리 방법 및 작업 시간, 도장 요금 및 과거 수리비 견적 내역 등을 저장할 수 있다.The
이 때, 차량 종류 정보는 차량의 모델명, 옵션, 등급, 연비 등을 포함할 수 있고, 차량의 부품 리스트는 부품명, 부품 번호, 가격 등을 포함할 수 있다. 또한, 수리 유형별 수리 방법으로는 판금, 도장, 수리, 교환 등을 포함할 수 있으며, 공임 정보는 각 부품별 탈부착 시간, 도장 시간, 판금 시간에 따른 공임 비용 등을 포함할 수 있다. 특히, 데이터베이스(110)는 차량의 손상 종류의 경우에는, 후술하는 바와 같이, 손상 부품, 손상 부위, 손상 정도 등의 설정된 기준에 따라 손상 클래스 별로 분류하여 저장할 수 있다. 그러나, 이는 단지 예시일 뿐이며, 본 발명의 데이터베이스(110)에 저장되는 정보들이 나열한 것에 한정되는 것은 아니다.At this time, the vehicle type information may include the model name, options, grade, fuel efficiency, and the like of the vehicle, and the parts list of the vehicle may include a part name, a part number, and a price. In addition, the repair method for each repair type may include sheet metal, painting, repair, replacement, etc., and the labor information may include detachment time for each part, painting time, and labor cost according to the sheet metal time. In particular, in the case of the type of damage to the vehicle, the
또한, 데이터베이스(110)는 시스템에 입력된(예를 들어, 사용자(차량 운전자)가 과거에 입력한) 이미지를 저장하고, 이를 후술하는 바와 같이, 보험 사기 방지를 위한 중복 이미지 필터링 기능을 위해 사용할 수 있다. 그리고, 데이터베이스(110)에는 다른 사용자(운전자)에 의해 입력된 차량의 손상 이미지들이 저장되어 있으며, 이는 현재 입력된 차량 이미지의 손상을 진단하는데 유사 손상 사례로서 사용될 수 있다.In addition, the
손상 진단부(120)는 인공 지능을 기반으로 하여, 시스템에 입력된(예를 들어, 차량 운전자에 의하여 입력된) 차량의 이미지를 분석하여 차량의 손상 부품, 손상 종류 및 손상 정도를 판단함으로써 차량의 손상을 진단할 수 있다. 손상 진단부(120)는 인공 지능 기반의 차량의 손상 진단을 위하여, 기존에 처리한 차량 손상의 진단에 관한 데이터들을 이용하여 차량의 손상 진단에 대한 학습을 수행할 수 있다. 특히, 손상 진단부(120)는 도 3에서 후술하는 바와 같이, 차량의 손상을 손상 부품, 손상 종류 및 손상 정도에 따라 분류한 손상 클래스에 따라 구분할 수 있다. 이때, 손상 클래스는 손상 진단부(120)가 AI 기반으로 처리한 기존의 손상 진단 결과에 기초하여 학습된 결과일 수 있다. 추가로, 손상 진단부(120)는 차량 운전자에 의해 입력된 이미지의 차량 번호를 인식함으로써, 이하에서 설명하는 바와 같이, 보험 사고 접수 정보와 연동하기 위해 사용할 수 있다.The
수리 판정부(130)는 인공 지능을 기반으로 하여, 손상 진단부(120)에 의한 차량의 손상 진단 결과에 기초하여 손상에 대한 수리 유형을 판정할 수 있다. 즉, 수리 판정부(130)는 데이터 베이스(110)에 저장되어 있는 정보에 기초하여 사고 차량에 있어서 수리에 필요한 부품 및 재료의 종류, 수리 방법, 작업 시간 등을 판정할 수 있다. 이 때, 수리 판정부(130)는 인공 지능 기반의 수리 유형 판정을 위하여, 손상 부품, 손상 종류 및 손상 정도 등에 따라 대응되는 각각의 수리 유형을 판정할 수 있도록 반복하여 데이터 학습시킬 수 있다. The
또한, 수리 판정부(130)는 수리 유형의 판정시 회귀 모델을 이용할 수 있다. 여기서, 수리 판정부(130)에서 사용되는 회귀 모델은 손상 부품, 손상 종류 및 손상 정도에 따라 상이한 가중치를 부여하도록 도출된 식을 이용하여 손상을 진단하도록 구성될 수 있다. 즉, 수리 판정부(130)는 손상 진단부(120)에 의하여 진단된 손상 결과에 회귀 모델을 적용하여 차량의 수리 유형을 판단할 수 있다.In addition, the
수리비 산정부(140)는 인공 지능을 기반으로 하여, 데이터베이스에 저장된 수리비 견적 산출에 관한 데이터와 손상의 진단 결과 및 수리 유형의 판정 결과에 기초하여 손상에 따른 수리비를 산정할 수 있다. 즉, 수리비 산정부(140)는 수리에 필요한 작업 내용 및 작업 시간, 재료비, 부품비, 공임 등을 계산함으로써 차량 손상에 따른 최종적인 수리비의 견적을 산출할 수 있다. 이 때, 수리비 산정부(140)는 인공 지능 기반의 수리비 산정을 위하여, 데이터베이스에 저장된 수리비 견적 산출에 관한 데이터와 손상의 진단 결과 및 수리 유형의 판정 결과에 기초한 임의의 산출식을 통해 최종 수리비 견적을 계산할 수 있도록 반복하여 데이터 학습시킬 수 있다.The repair
중복 이미지 필터링부(150)는 시스템에 입력된(예를 들어, 사용자에 의해 입력된) 이미지가 기존에 데이터베이스(110)에 저장되어 있는 이미지와 일치하는지 여부를 검출할 수 있다. 즉, 중복 이미지 필터링부(150)는 인공 지능에 기반하여 자동으로 견적을 산출하기 위해 입력된 각 이미지에 대해 과거 청구 내역이 존재하는지 여부를 자동으로 검출하는 기능을 갖는 것으로서, 차량 운전자가 고의 또는 과실로 인해 중복으로 보험을 청구하는 것을 방지할 수 있다.The duplicate
차량 운전자는 수리비 산출 및 청구를 위해 손상 차량의 이미지를 입력하고, 이는 보험사로 전송될 수 있으며, 이 과정에서 고의나 부주의에 의해 이미 활용한 과거의 이미지를 업로드될 수 있다. 그러나, 이미지를 전송 받은 보험사는 이미지의 재사용 여부를 알기 어려운 경우가 대다수이므로, 중복 이미지 필터링부(150)에 의해 차량 운전자가 업로드한 이미지를 서버의 데이터베이스(110)에 이미 저장된 이미지와 비교하여 중복 여부를 자동으로 검출할 수 있도록 하였다.The vehicle driver inputs an image of the damaged vehicle for calculating and billing the repair cost, which can be transmitted to an insurance company, and in the process, an image of the past that has already been utilized by intention or carelessness can be uploaded. However, since it is often difficult for an insurer to receive an image to know whether to reuse the image, the image uploaded by the vehicle driver by the duplicate
보험 정보 조회부(160)는 보험사의 서버와 연동되어 있으며, 차량 번호를 이용하여 차량의 보험 접수 정보를 자동으로 조회할 수 있다. 즉, 보험 정보 조회부(160)는 손상 진단부(120)가 시스템에 입력된 차량 이미지를 통해 차량 번호를 자동으로 인식하면, 해당 차량 번호로 보험사 사고 접수 정보를 자동으로 조회할 수 있다. 여기서, 사고 접수 정보는 보험 접수 번호에 대해 보험의 종류 및 기간, 사고 일시 및 사고 종류, 사고 차량의 차량 번호, 차량 종류, 피보험자 성명, 피보험 차량 번호, 피보험 차량 종류, 보험금 등이 포함될 수 있다.The insurance
도 2는 본 발명의 일 실시예에 따른 손상 부품과 수리 내역의 자동 매칭 화면의 예시를 나타낸다.2 shows an example of an automatic matching screen of damaged parts and repair details according to an embodiment of the present invention.
도 2에 나타낸 바와 같이, 차량 운전자가 사고 차량의 이미지를 촬영하여 본 발명의 일 실시예에 따른 인공 지능 기반 차량 손상 진단 및 수리비 산정 시스템에 입력하면, 입력된 이미지를 통해 손상 부품을 자동으로 검출하고, 검출된 손상 부품을 수리비 견적 내역과 관련하여 손상 부품과 연결되는 공임 및 부품 등과 자동으로 매칭하여 나타낸다.As shown in FIG. 2, when a vehicle driver photographs an image of an accident vehicle and inputs it to the artificial intelligence-based vehicle damage diagnosis and repair cost calculation system according to an embodiment of the present invention, the damaged part is automatically detected through the input image Then, the detected damaged parts are automatically matched to the labor costs and parts connected to the damaged parts in connection with the repair cost estimate.
도 2를 참조하면, 사고 차량의 이미지 상에서 손상된 부품 전체의 영역과 해당 부품의 손상된 부분의 영역이 표시될 수 있다. 또한, 예를 들면, 손상된 범퍼 커버, 포그램프, 업소버, 브라켓, 빔 등에 관하여 각 부품의 가격이 표시될 수 있다. 추가로, 손상된 부품을 수리하기 위한 작업 구분(주체, 도장 등), 작업 내용(작업 대상에 대한 내용), 작업 종류(교환, 도장, 탈착, 판금 등), 작업 시간, 공임, 부품 가액, 사정전 부품, 사정전 공임, 기준 부품, 부품 번호 등을 포함하는 상세 내역도 표시될 수 있다. 예를 들면, 도 2의 예시에서는 앞범퍼 교환 작업(작업 시간: 2.42 시간, 공임 금액: 72,600원), 앞범퍼 교환(도장)(작업 시간: 1.1890 시간, 부품액 45,700원, 공임 금액: 56,700원), 후론트범퍼 사이드브라켓(좌, 우)(작업 시간: 0.11 시간, 공임 금액: 3,300원), 헤드램프(우)(작업 시간: 0.38 시간, 공임 금액: 11,400원), 후론트휀다(우)(작업 시간: 1.00 시간, 공임 금액: 30,000원), 앞휀다(우)판금(작업 시간: 2.780 시간, 부품액 46,200원, 공임 금액: 83,400원), 후론트도어(우)(작업 시간: 1.00 시간, 공임 금액: 30,000원), 앞도어(우)판금(작업 시간: 3.180 시간, 부품액 52,800원, 공임 금액: 95,400원), 사이드미러(전동식, 우)(작업 시간: 0.38 시간, 공임 금액: 11,400원)으로 자동 판정된 내역이 표시되어 있다.Referring to FIG. 2, on the image of the accident vehicle, the entire damaged part area and the damaged part area may be displayed. In addition, for example, the price of each component may be displayed with respect to a damaged bumper cover, four-gram, absorber, bracket, beam, or the like. In addition, work division (main subject, painting, etc.), work content (contents of the work target), type of work (exchange, painting, desorption, sheet metal, etc.), work time, labor, part value, before ejaculation to repair damaged parts Details including parts, pre-assessment labor, reference parts, part numbers, etc. may also be displayed. For example, in the example of FIG. 2, the front bumper replacement operation (working time: 2.42 hours, labor cost: 72,600 won), the front bumper replacement (painting) (working time: 1.1890 hours, part cost 45,700 won, labor cost: 56,700 won ), Front bumper side bracket (left, right) (work time: 0.11 hours, labor cost: 3,300 won), headlamp (right) (work time: 0.38 hours, labor cost: 11,400 won), front suspension (right) ( Work time: 1.00 hours, labor amount: 30,000 won), advanced (right) sheet metal (work time: 2.780 hours, part amount 46,200 won, labor amount: 83,400 won), front door (right) (work time: 1.00 hours, Amount of wages: 30,000 won), front door (right) sheet metal (work time: 3.180 hours, part amount: 52,800 won, wage amount: 95,400 won), side mirror (electric, right) (work time: 0.38 hours, wage: 11,400 Won) is displayed.
그러나, 이는 손상 부품과 수리 내역의 자동 매칭 화면의 하나의 예시에 불과할 뿐, 본 발명이 이에 제한되는 것은 아니며, 통상의 기술자가 일반적으로 구현 가능한 다양한 방식으로 화면을 구성할 수 있을 것이다.However, this is only one example of an automatic matching screen of damaged parts and repair details, and the present invention is not limited to this, and a person skilled in the art may configure the screen in various ways that can be generally implemented.
도 3은 본 발명의 일 실시예에 따른 손상 클래스를 구분 기준의 예시를 나타낸 표이다.3 is a table showing an example of a criterion for classifying a damage class according to an embodiment of the present invention.
도 3을 참조하면, 사고 차량의 외판 패널 등에 발생한 손상을 인공 지능이 인식하기 위해 손상 클래스를 명확히 구분하여 손상 진단에 활용하도록 하고 있다. 이 때, 손상 클래스는 차량의 손상을 손상 부품, 손상 종류 및 손상 정도에 따라 분류한 것이다. 도 3의 예시에서는 손상의 종류를 도막 손상, 부품 이탈, 소재 손상 및 수리 불가로 구분하고, 이들을 각각 세부 항목으로 분류하고 있다. Referring to FIG. 3, in order for artificial intelligence to recognize damage occurring on the exterior panel of an accident vehicle, the damage class is clearly classified and used to diagnose damage. At this time, the damage class classifies the damage of the vehicle according to the damaged parts, the type of damage, and the degree of damage. In the example of FIG. 3, the types of damage are classified into coating film damage, part detachment, material damage, and repairability, and these are classified into detailed items.
구체적으로는, 각각의 세부 항목으로서, 도막 손상은 긁힘 손상과 박리 손상을 포함할 수 있다. 부품 이탈은 범퍼(수리 가능) 이탈, 범퍼(교환 필요) 이탈, 펜더 이탈, 도어 이탈을 포함할 수 있다. 소재 손상은 스크래치, 표면 손상, 덴트 손상, 선형 손상, 프레스라인 손상, 꺾임 손상, 패임 손상, 복합 손상을 포함할 수 있다. 수리 불가는 찢어짐, 천공, 구겨짐을 포함할 수 있다. 그러나 이와 같은 세부 항목은 예시적인 것으로 이와 다른 세부 항목이 더 포함될 수도 있으며, 또는 상기 열거된 일부 세부 항목이 제외될 수도 있을 것이다.Specifically, as each detail item, coating film damage may include scratching and peeling damage. Part departure may include bumper (repairable) departure, bumper (replacement required) departure, fender departure, and door departure. Material damage can include scratch, surface damage, dent damage, linear damage, pressline damage, bend damage, pitting damage, complex damage. Non-repairable may include tearing, drilling, or crumpling. However, such details are exemplary and other details may be further included, or some of the details listed above may be excluded.
도 4a 내지 4c는 도 3에 따른 손상 클래스에 구분 기준의 나타낸 이미지이다.4A to 4C are images showing classification criteria in the damage class according to FIG. 3.
도 4a는 차량의 프런트 범퍼가 손상된 경우로서, 도막에만 손상이 발생한 경우이다. 이 경우, 프런트 범퍼의 도막 아래의 소재는 손상되지 않은 상태이다. 따라서, 손상 진단부(120)는 인공 지능을 통하여 (예를 들어, 손상 부위의 색상 등에 기초하여) 이를 파악함으로써 차량의 손상 클래스를 도막 손상으로 판정할 수 있게 된다.4A is a case where a front bumper of a vehicle is damaged, and only a coating film is damaged. In this case, the material under the coating film of the front bumper is intact. Therefore, the
도 4b는 차량의 프런트 범퍼가 손상된 경우로서, 프런트 범퍼의 도막 아래의 소재까지 손상이 발생한 경우이다. 따라서, 손상 진단부(120)는 인공 지능을 통하여 (예를 들어, 손상 부위의 스크래치 등에 기초하여) 이를 파악함으로써 차량의 손상 클래스를 소재 손상으로 판정할 수 있게 된다.4B is a case where the front bumper of the vehicle is damaged, and damage occurs even to the material under the coating film of the front bumper. Therefore, the
도 4c는 차량의 프런트 범퍼가 손상된 경우로서, 프런트 범퍼의 손상이 심각하여 수리가 불가한 경우이다. 따라서, 손상 진단부(120)는 인공 지능을 통하여 (예를 들어, 손상 부위의 갈라짐 등 파손 정도 등에 기초하여) 이를 파악함으로써 차량의 손상 클래스를 수리 불가로 판정할 수 있게 된다.4C is a case in which the front bumper of the vehicle is damaged, and the damage to the front bumper is serious and repair is not possible. Therefore, the
이처럼 도 4a 내지 4c에 나타낸 바와 같이, 본 발명의 일 실시예에 따른 인공 지능 기반 차량 손상 진단 및 수리비 산정 시스템은, 예를 들면, 프런트 범퍼 손상 사례에 대해 손상 차량의 이미지를 통해 도막 손상, 소재 손상, 수리 불가 등의 손상 클래스를 구분할 수 있다. As shown in Figures 4a to 4c, the artificial intelligence-based vehicle damage diagnosis and repair cost calculation system according to an embodiment of the present invention, for example, damage to the coating film through the image of the damaged vehicle for the front bumper damage case It is possible to distinguish the damage class such as damage or non-repair.
특히, 본 발명의 일 실시예에 따른 인공 지능 기반 차량 손상 진단 및 수리비 산정 시스템은 인공 지능, 즉, 딥 러닝(Deep Learning)에 기반하여 임의의 차량 손상 이미지에 대하여 손상 클래스에 따라 자동으로 손상을 진단하도록 구성될 수 있다. 예를 들면, 시스템이 사고 차량의 이미지를 통해 손상 부품과 손상 정도 등을 판단할 수 있도록 반복하여 데이터 학습시킴으로써, 사용자가 차량의 이미지만 입력하면 별도의 조작 없이도 자동으로 손상 이미지의 손상 부위와 심도 등을 인공 지능이 판단할 수 있도록 한다. In particular, the artificial intelligence-based vehicle damage diagnosis and repair cost calculation system according to an embodiment of the present invention is automatically damaged according to the damage class for any vehicle damage image based on artificial intelligence, that is, deep learning. It can be configured to diagnose. For example, by repeatedly learning the data so that the system can determine the damaged parts and the degree of damage through the image of the accident vehicle, if the user inputs only the image of the vehicle, the damaged part and depth of the damaged image are automatically performed without additional manipulation. Let the artificial intelligence determine your back.
도 5는 본 발명의 일 실시예에 따른 인공 지능을 통한 손상 검출의 예시를 나타낸다.5 shows an example of damage detection through artificial intelligence according to an embodiment of the present invention.
도 5를 참조하면, 전술한 손상 클래스에 따라 손상 부품, 손상 종류 및 손상 정도를 검출하고 있다. 도 5에 나타낸 바와 같이, 본 발명의 일 실시예에 따른 인공 지능 기반 차량 손상 진단 및 수리비 산정 시스템은 입력된 차량 이미지에서 손상이 발생한 영역을 특정하고(도 5의 사각형 영역), 해당 손상이 발생한 부품(예를 들면, 휀/도, 범퍼 등), 손상의 종류 및 정도(예를 들면, 소재 손상, 도막 손상, 수리 불가 등)를 함께 표시할 수 있다.Referring to FIG. 5, a damaged component, a type of damage, and a degree of damage are detected according to the above-described damage class. As shown in FIG. 5, the artificial intelligence-based vehicle damage diagnosis and repair cost calculation system according to an embodiment of the present invention identifies a region in which a damage occurred in an input vehicle image (a square region in FIG. 5), and the damage occurs The parts (eg, 휀 / degree, bumper, etc.), the type and degree of damage (eg, material damage, coating film damage, repairability, etc.) can be displayed together.
도 6은 본 발명의 일 실시예에 따른 손상 진단 및 수리 판정 프로세스의 예시를 나타낸다.6 shows an example of a damage diagnosis and repair determination process according to an embodiment of the present invention.
본 발명의 일 실시예에 따른 수리 판정부는 회귀 모델을 이용하여 손상 부품의 최종 수리 유형을 판정할 수 있다. 즉, 검출된 손상에 대해 손상 영역을 할당하고, 부품 및 손상 면적을 계산하며, 발생된 손상 중 손상 심도의 우선 순위 판별 등을 통해 해당 부품의 최종 수리 유형을 판정할 수 있다.The repair determination unit according to an embodiment of the present invention may determine the final repair type of the damaged component using a regression model. That is, it is possible to determine the final repair type of the corresponding part by allocating the damaged area to the detected damage, calculating the parts and the damaged area, and determining the priority of the depth of damage among the generated damage.
도 6을 참조하면, 차량의 손상된 부품이 서로 중첩된 경우, 중첩된 두 부품의 교차점과 위치 관계를 기준으로 영역을 분할한다(도 6의 (a) 부품 간 중첩 영역 분할). 다음으로, 손상이 발생한 부위에 대하여 손상 중첩 비율과 범위 등을 고려하여 각 부품에 대해 손상을 각각 매칭시킨다(도 6의 (b) 부품-손상 매칭).Referring to FIG. 6, when damaged parts of a vehicle overlap each other, an area is divided based on an intersection and a positional relationship between two overlapped parts ((a) division of overlapping areas between parts). Next, the damages are matched to each part in consideration of the overlap ratio and range of damages to the part where the damage occurred (Fig. 6 (b) part-damage matching).
그리고, 손상 영역이 중복되는 손상의 심도 중 높은 쪽을 선택한다(도 6의 (c) 대표 손상 심도 결정). 즉, 하나의 부품에 나타나는 여러 손상 영역 중 일부가 중복되는 경우에는 중복되는 손상 중 그 정도가 높은 손상을 선택한다. 예를 들면, 범퍼에 스크래치가 발생한 부분과 파손된 부분이 중복되는 경우에는 그 심도가 높은 파손된 부분을 대표 손상 심도로 결정할 수 있다.Then, the higher one of the depths of the damage in which the damage area is overlapped is selected (refer to (c) representative damage depth in FIG. 6). That is, when some of the multiple damage areas appearing on one component overlap, the damage with the highest degree of damage is selected. For example, when the scratched portion and the damaged portion overlap the bumper, the damaged portion having a high depth may be determined as a representative damage depth.
그 다음, 손상이 발생한 부품들 중 동일 부품에 대하여 인접한 동일 손상 영역을 병합한다(도 6의 (d) 동일 부품 및 손상 심도 병합). 예를 들면, 손상이 발생한 범퍼 내에 복수의 스크래치 영역과 복수의 파손 영역이 존재하는 경우 스크래치 영역끼리, 그리고 파손 영역끼리 병합할 수 있다.Then, the same damaged region adjacent to the same component among the damaged components is merged (the same component and the depth of damage of FIG. 6 are merged). For example, when a plurality of scratch areas and a plurality of break areas exist in the bumper where the damage has occurred, the scratch areas and the break areas can be merged.
병합된 손상 영역에 대하여, 부품 면적 대비 손상 면적 비율을 계산한다(도 6의 (e) 손상 면적 비율 계산). 이 때, 각 부품의 전체 면적에 대하여, 손상 종류 또는 심도 별로 손상 면적의 비율을 계산할 수 있으며, 부품 전체 면적에 대한 전체 손상 면적의 비율을 계산할 수도 있다. 그리고, 산출된 손상 면적 비율에 기초하여 수리 시간을 산출한 후, 적어도 산출된 수리 시간을 수리 판정 모델에 적용하여 수리 유형을 결정할 수 있다(도 6의 (f) 수리 유형 판정). 이 때, 수리 판정 모델은 전술한 회귀 모델일 수 있으며, 이에 한정되는 것은 아니며 수리 유형을 결정하기 위한 다양한 모델과 산출식들이 적용될 수 있을 것이다.For the merged damaged area, the ratio of the damaged area to the component area is calculated (Fig. 6 (e) damage area ratio calculation). At this time, for the entire area of each component, the ratio of the damaged area can be calculated by damage type or depth, and the ratio of the total damaged area to the total area of the component can also be calculated. Then, after calculating the repair time based on the calculated damage area ratio, at least the calculated repair time may be applied to the repair decision model to determine the repair type (FIG. 6 (f) repair type determination). At this time, the mathematical decision model may be the aforementioned regression model, but is not limited thereto, and various models and calculation formulas for determining the repair type may be applied.
도 7은 본 발명의 일 실시예에 따른 수리 판정 결과를 구분하는 예시를 나타낸다.7 shows an example of classifying the result of a repair decision according to an embodiment of the present invention.
도 7을 참조하면, 수리 판정시 플라스틱 소재의 부품(범퍼 등)과 금속 소재의 부품(펜더, 도어 등)을 분류하고 있으며, 각 소재의 부품에 대해 무손상, 스크래치, 수리, 교환, 판금(소/중/대) 등으로 수리 유형을 구분하고 있다.Referring to FIG. 7, plastic parts (bumpers, etc.) and metal parts (fenders, doors, etc.) are classified at the time of repair determination, and the parts of each material are intact, scratched, repaired, replaced, or sheet metal ( Small / medium / large) classify repair types.
이 때, 수리 판정에는 전술한 회귀 모델이 적용될 수 있으며, 회귀 모델은 손상 부품, 손상 종류 및 손상 정도에 따라 상이한 가중치를 부여하도록 도출된 식을 이용하여 손상을 진단하거나, 또는 수리 유형을 판정하도록 구성될 수 있다.At this time, the above-described regression model may be applied to the repair determination, and the regression model may diagnose the damage using the equation derived to give different weights according to the damaged parts, the damage type, and the degree of damage, or determine the repair type. Can be configured.
예를 들면, 이하의 [표 1]은 금속 소재 부품의 판금 작업 시간을 산출하는 모델의 예시를 나타낸다.For example, the following [Table 1] shows an example of a model for calculating the metal sheet metal working time.
여기서, ADC: 표면 손상, ADP: 프레스라인 손상, ADN: 꺾임 및 패임 손상Here, A DC : surface damage, A DP : press line damage, A DN : bend and groove damage
이 때, 금속 소재 부품의 총 판금 작업 시간은 다음과 같이 나타낼 수 있다.At this time, the total sheet metal working time of the metal material component may be expressed as follows.
부품의 총 판금 작업 시간(TD) = 기본 판금 작업 시간(TDS) + 프레스라인 할증 시간(TDP) + 꺾임/패임 할증 시간(TDN)Total sheet metal working time (T D ) of the part = basic sheet metal working time (T DS ) + pressline premium time (T DP ) + bending / dentation premium time (T DN )
또한, 전술한 바와 같이 금속 소재 부품의 판금 작업 시간 결과에 따른 수리 방법의 예시는 다음의 [표 2] 같이 나타낼 수 있다.In addition, as described above, an example of a repair method according to a result of a sheet metal working time of a metal material component may be represented as the following [Table 2].
(TD: 해당 부품의 총 판금 작업 시간)Determination of repair method
(T D : Total sheet metal working time of the part)
즉, 상술한 예시에서는 금속 소재 부품의 수리 방법을 판정하는 경우, 판금 작업 시간에 관하여 손상 부품, 손상 종류 등에 따라 상이한 가중치를 부여하도록 도출된 식을 이용하고 있다. 그러나, 이는 하나의 예시에 불과할 뿐, 본 발명이 이에 제한되는 것은 아니며, 손상 부품, 손상 종류 및 손상 정도 등에 따라 적정 가중치를 부여한 다양한 산출식을 도출할 수 있을 것이다. That is, in the above-described example, when determining a repair method of a metal material component, an equation derived to give different weights according to a damaged component, a damage type, and the like is used with respect to a sheet metal working time. However, this is only an example, and the present invention is not limited thereto, and various calculation formulas in which appropriate weights are given according to damaged parts, damage types, and damage levels may be derived.
도 8은 본 발명의 일 실시예에 따른 손상 진단 및 수리 방법 판정 결과의 예시를 나타낸다.8 shows an example of a damage diagnosis and repair method determination result according to an embodiment of the present invention.
도 8을 참조하면, 인공 지능에 따라 수행된 각각의 손상 진단에 따라 세부적인 부품의 수리 유형 및 방법이 판정됨을 알 수 있다. 예를 들면, 전술한 것과 같이 손상 클래스로 구분되어 산출된 최종적인 손상 진단 결과에 대하여 각 부품에 매칭된 수리 방법(예를 들면, 각 부품의 탈부착, 도장, 교환 등)이 결정될 수 있다.Referring to FIG. 8, it can be seen that detailed repair types and methods are determined according to each damage diagnosis performed according to artificial intelligence. For example, a repair method (eg, detachment, painting, replacement, etc. of each part) matched to each part may be determined for the final damage diagnosis result calculated by classifying the damage class as described above.
도 9는 본 발명의 일 실시예에 따른 손상 진단 및 수리 방법 판정 결과에 따른 수리비 산출 결과의 예시를 나타낸다.9 shows an example of a result of calculating a repair cost according to a damage diagnosis and repair method determination result according to an embodiment of the present invention.
도 9를 참조하면, 손상된 차량 이미지에 대하여 인공 지능에 기반하여 분석한 결과, 차량의 부품 중 “프런트 펜더(좌)”의 손상이 발생하였고, “판금(중)”으로 수리 판정이 되었을 경우의 수리비 산출 결과를 나타낸다(타 부위 손상은 미도시). 이 때, 도 9의 예시에서는 보험 수리의 탈부착 작업 시간 및 도장 요금 기준은 시간당 공임 28,000원을 적용하였다.Referring to FIG. 9, when the damaged vehicle image is analyzed based on artificial intelligence, damage to the “front fender (left)” among the parts of the vehicle occurs, and when repair judgment is determined to be “sheet metal (medium)” It shows the result of calculating the repair cost (damage to other parts is not shown). At this time, in the example of FIG. 9, the standard of the time for the repair and detachment of the insurance repair and the painting fee was 28,000 won per hour.
도 9에서 나타낸 바와 같이, 차량 손상에 따른 총 수리비 견적은 작업 시간에 따른 공임, 재료비, 부품비를 합산하여 결정될 수 있다. 그러나, 이에 제한되는 것은 아니며, 본 발명이 도 9에 나타낸 산출 방식에 제한되는 것은 아니다.As shown in FIG. 9, the total repair cost estimate due to vehicle damage may be determined by adding labor, material cost, and part cost according to the working time. However, the present invention is not limited thereto, and the present invention is not limited to the calculation method illustrated in FIG. 9.
도 10은 본 발명의 일 실시예에 따른 인공 지능 기반 차량 손상 진단 및 수리비 산정 방법의 흐름도이다. 도 10의 인공 지능 기반 차량 손상 진단 및 수리비 산정 방법은 차량의 손상에 따른 수리비 견적 산출에 관한 데이터를 저장하는 데이터베이스를 포함하는 서버를 이용한 AI 기반 차량 손상 진단 및 수리비 산정 방법일 수 있다.10 is a flowchart of an artificial intelligence based vehicle damage diagnosis and repair cost calculation method according to an embodiment of the present invention. The artificial intelligence-based vehicle damage diagnosis and repair cost calculation method of FIG. 10 may be an AI-based vehicle damage diagnosis and repair cost calculation method using a server including a database that stores data related to calculation of repair cost estimates according to vehicle damage.
도 10을 참조하면, 사용자(차량 운전자)에 의해 차량의 이미지가 시스템(예를 들면, 사용자 단말의 애플리케이션)에 입력되면, 인공 지능에 기반하여 입력된 차량의 이미지를 분석하고 차량의 손상 부품, 손상 종류 및 손상 정도를 판단함으로써 손상을 진단한다(S110). 예를 들면, 전술한 것처럼 차량 손상 부위의 부품을 특정하고, 도막 손상, 부품 이탈, 소재 손상 등의 손상 종류를 판정할 수 있다. 또한, 전체 부품 영역에 대한 손상된 부위의 영역을 계산함으로써 손상 정도도 판단할 수 있다.Referring to FIG. 10, when an image of a vehicle is input to a system (for example, an application of a user terminal) by a user (vehicle driver), the image of the input vehicle is analyzed based on artificial intelligence, and damaged parts of the vehicle, The damage is diagnosed by determining the type and degree of damage (S110). For example, as described above, it is possible to specify a part at a vehicle damage site, and determine the type of damage such as coating film damage, part departure, material damage, and the like. In addition, the extent of damage can also be determined by calculating the area of the damaged area relative to the entire part area.
그리고, 차량의 손상 진단 결과에 기초하여 손상에 대한 수리 유형을 판정한다(S120). 이에 따라, 손상 진단 결과 해당 손상을 수리하기 위한 수리 방법, 작업 시간, 부품 및 재료 등이 산출될 수 있다.Then, the repair type for the damage is determined based on the result of the damage diagnosis of the vehicle (S120). Accordingly, as a result of the damage diagnosis, a repair method, a work time, parts and materials for repairing the damage may be calculated.
마지막으로, 데이터베이스에 저장된 수리비 견적 산출에 관한 데이터, 손상의 진단 결과 및 수리 유형 판정 결과에 기초하여 손상에 따른 수리비를 산정한다(S130). 전술한 바와 같이, 해당 손상을 수리하기 위해 사용되는 작업 시간에 따른 공임, 재료비, 부품비 등을 합산하여 적정 수리비 견적을 산정할 수 있다.Finally, the repair cost according to the damage is calculated based on the data related to the calculation of the repair cost estimate stored in the database, the diagnosis result of the damage, and the repair type determination result (S130). As described above, it is possible to estimate an appropriate repair cost estimate by summing labor, material cost, and part cost according to the working time used to repair the damage.
이와 같이, 본 발명의 일 실시예에 따른 인공 지능 기반 차량 손상 진단 및 수리비 산정 시스템 및 방법에 따르면, 사고 차량의 운전자가 직접 정비 업체를 방문하여 견적을 문의하지 않더라도 손상 차량의 이미지를 입력하는 것만으로도 손상을 진단하고 대략적인 수리비 견적을 산출할 수 있어, 번거로움을 감소시키고 수리비 견적에 관한 신뢰성을 확보할 수 있다.As described above, according to the artificial intelligence-based vehicle damage diagnosis and repair cost calculation system and method according to an embodiment of the present invention, even if the driver of the accident vehicle directly visits a maintenance company and does not inquire for a quote, only inputs an image of the damaged vehicle In addition, it is possible to diagnose damage and calculate an approximate repair cost estimate, thereby reducing the hassle and securing reliability in estimating the repair cost.
도 11은 본 발명의 일 실시예에 따른 인공 지능 기반 차량 손상 진단 및 수리비 산정 시스템, 사용자(운전자) 단말 및 보험사 서버가 연동되어 데이터를 송수신하는 예시를 나타낸다.11 illustrates an example of artificial intelligence-based vehicle damage diagnosis and repair cost calculation system, a user (driver) terminal, and an insurance company server interlocking and transmitting data according to an embodiment of the present invention.
여기서, 서버(100)는 데이터베이스를 포함하고 본 발명의 일 실시예에 따른 인공 지능 기반 차량 손상 진단 및 수리비 산정 기능을 수행할 수 있다.Here, the
또한, 사용자 단말(200)은 태블릿, PC, 휴대 전화 등을 포함할 수 있으며, 인공 지능 기반 차량 손상 진단 및 수리비 산정 기능을 수행하는 애플리케이션을 통해 서버(100)와 통신하여 데이터를 송수신할 수 있다.In addition, the
즉, 사용자(차량 운전자)가, 예를 들면 사용자 단말(200)을 통해 차량의 손상 이미지를 촬영하여 서버(100)로 전송하면, 서버(100)에서 인공 지능에 기반하여 전술한 방법으로 차량 이미지를 분석하고 손상 진단을 수행할 수 있다. 다음으로, 차량의 손상 진단 결과에 기초하여 손상에 대한 수리 유형을 판정하고, 최종적으로 서버(100)의 데이터베이스에 저장된 수리비 견적 산출에 관한 데이터, 손상의 진단 결과 및 수리 유형의 판정 결과에 기초하여 손상에 따른 수리비 견적을 산정할 수 있다.That is, when a user (vehicle driver) photographs a damaged image of the vehicle through the
그러나, 이는 하나의 예시일 뿐이며, 서버(100) 대신에 사용자 단말(200)에 설치된 애플리케이션에서 자체적으로 차량 이미지를 분석하여 손상 진단을 수행하고, 손상에 대한 수리 유형을 판정하여, 수리비 견적을 산출하도록 구성될 수도 있을 것이다.However, this is only one example, and instead of the
한편, 서버(100)는 보험사 서버(300)와 통신할 수 있으며, 전술한 바와 같이, 차량 이미지로 검출된 차량 번호를 이용하여 차량의 보험 접수 정보를 자동으로 조회할 수 있다. 또한, 서버(100)뿐 아니라, 사용자 단말(200)로부터 차량 번호가 촬영된 차량 이미지를 직접 보험사 서버(300)로 전송하여 보험사 서버(300)가 자체적으로 차량 이미지의 차량 번호를 이용하여 차량의 보험 접수 정보를 자동으로 조회하고, 서버(100) 또는 사용자 단말(200)로 전송하도록 구성될 수도 있을 것이다.On the other hand, the
도 12는 본 발명의 일 실시예에 따른 이미지 내 차량 번호 인식을 통한 보험 사고 접수 정보 연동 및 자동 견적 산출의 예시를 나타낸다.12 shows an example of linking insurance accident receipt information and automatic estimation of calculation through vehicle number recognition in an image according to an embodiment of the present invention.
본 발명의 일 실시예에 따른 보험 사고 접수 정보 연동 기능은 촬영된 차량의 번호판 이미지를 이용하여 차량 번호를 자동으로 인식하고, 보험사 서버와 연동을 통해 보험 접수 세부 내역을 제공한다. 이 때, OCR 기술을 기반으로 하여 차량 번호판 이미지로부터 차량 번호를 인식한 후, 이를 바탕으로 보험사의 사고 접수 정보를 자동으로 조회할 수 있다. 또한, 조회한 사고 접수 정보 기반으로 차량의 세부 모델과 트림 등을 조회할 수 있다.The insurance accident acceptance information linkage function according to an embodiment of the present invention automatically recognizes the vehicle number using the license plate image of the photographed vehicle and provides details of the insurance receipt through linkage with the insurance company server. At this time, after recognizing the vehicle number from the vehicle license plate image based on the OCR technology, it is possible to automatically search the insurance company's accident information. In addition, detailed models and trims of the vehicle can be inquired based on the inquired accident reception information.
특히, 상술한 기능은 사용자 단말의 모바일 애플리케이션 상에서 실행될 수 있으며, 도 12에서 앞서 설명한 손상 차량의 수리비 견적 자동 산출 기능과 함께 차량 번호판 자동 인식 및 보험 정보 연동 기능을 수행하는 애플리케이션의 예시를 나타낸다. Particularly, the above-described function may be executed on the mobile application of the user terminal, and an example of an application for automatically recognizing the vehicle license plate and interlocking insurance information with the automatic calculation of the repair cost estimate of the damaged vehicle described above in FIG. 12 is shown.
도 12를 참조하면, a) 모바일 애플리케이션 메인 화면, b) 차량 번호판 촬영 기능 및 인식 기능, c) 차량 번호-보험 접수 정보 서버 연동 기능, d) 손상 부위 촬영 기능, e) 손상 부위 판별 기능, f) 수리 방법 및 수리비 산출 결과의 예시를 각각 나타내며, 이는 단지 예시에 불과할 뿐 본 발명에 따른 시스템(또는 애플리케이션)이 이에 제한되는 것은 아니다.Referring to FIG. 12, a) the main screen of the mobile application, b) vehicle license plate shooting and recognition function, c) vehicle number-insurance reception information server interlocking function, d) damaged part shooting function, e) damaged part determination function, f ) Represents an example of a repair method and a result of calculating a repair cost, which are only examples, and the system (or application) according to the present invention is not limited thereto.
도 13a 내지 13d는 본 발명의 일 실시예에 따른 덴트 복원 수리를 위한 손상 유형 진단과 손상 심도 판정의 예시를 나타낸다.13A to 13D show examples of damage type diagnosis and damage depth determination for dent restoration repair according to an embodiment of the present invention.
본 발명의 일 실시예에 따른 인공 지능 기반 차량 손상 진단 및 수리비 산정 시스템에 의하면, 차량의 차체 경미 손상에 대한 수리비 산출 기능을 포함하여, 손상 부위의 덴트 스코프(dent scope) 촬영 이미지에 인공 지능 분석 기법을 접목하고, 덴트 복원 수리비 산정 후 산정 세부 내역을 화면에 제시할 수 있다.According to an artificial intelligence-based vehicle damage diagnosis and repair cost calculation system according to an embodiment of the present invention, artificial intelligence analysis is performed on a dent scope photographed image of a damaged area, including a function of calculating a repair cost for minor damage to a vehicle body After applying the technique and calculating the repair cost of the dent restoration, the calculation details can be presented on the screen.
이에 따라, 정비 업체에서 판금 및 도장 작업이 불필요한 경미 손상에 판금, 도장 비용을 부정하게 청구하는 것을 방지할 수 있고, 일반적인 이미지 사진으로는 식별이 불가능한 경미 손상 부위에 대하여 덴트 스코프 이미지 분석을 통해 손상 유형을 진단하고 수리비를 산정할 수 있다.Accordingly, it is possible to prevent an unfair charge of sheet metal and painting costs for minor damage that is not necessary for sheet metal and painting work by a maintenance company, and damage through a dent scope image analysis of minor damage areas that cannot be identified by a general image photograph. Diagnose types and estimate repair costs.
이처럼, 도 13a 내지 13d의 예시에서는, 시스템에 입력된(예를 들어, 사용자에 의해 입력된) 차량의 이미지에 추가로 덴트 스코프 촬영 이미지를 포함할 수 있고, 도 1의 손상 진단부(120)가 덴트 스코프 이미지를 분석하여 차량의 덴트의 손상 종류와 손상 정도를 판단하며, 수리비 산정부(140)는 덴트의 손상 종류와 손상 정도에 기초하여, 덴트의 복원 수리비를 산정할 수 있다.As described above, in the examples of FIGS. 13A to 13D, a dent scope photographed image may be additionally included in an image of a vehicle input to the system (eg, input by a user), and the
도 13a 내지 13d를 참조하면, 도 13a 및 13b는 덴트 손상의 유형(V형/-형) 및 그에 대한 덴트 스코프 이미지를 나타내며, 도 13c 및 13d는 덴트의 각 유형에 대하여 덴트 스코프 이미지를 이용한 손상 심도 판정의 예시를 나타낸다.13A to 13D, FIGS. 13A and 13B show types of dent damage (type V /-) and dent scope images therefor, and FIGS. 13C and 13D show damage using dent scope images for each type of dent. An example of depth determination is shown.
도 14는 본 발명의 일 실시예에 따른 인공 지능 기반 차량 손상 진단 및 수리비 산정 시스템이 사용자 단말과 동작하는 것을 나타내는 흐름도이다.14 is a flowchart illustrating that an artificial intelligence based vehicle damage diagnosis and repair cost calculation system according to an embodiment of the present invention operates with a user terminal.
도 14를 참조하면, 먼저, 사용자(차량 운전자)가 사고 차량의 손상 이미지를 촬영하여 서버로 전송한다(S210). 서버에서는 수신된 차량의 이미지를 분석하여 차량의 손상을 진단한다(S220). 구체적인 손상 진단 방법은 앞서 도 1 내지 13에서 설명한 것과 동일하므로, 자세한 설명은 생략한다.Referring to FIG. 14, first, a user (vehicle driver) photographs a damaged image of an accident vehicle and transmits it to the server (S210). The server analyzes the received image of the vehicle to diagnose damage to the vehicle (S220). Since the detailed damage diagnosis method is the same as that described with reference to FIGS. 1 to 13 above, a detailed description is omitted.
다음으로, 차량의 손상 진단 결과에 기초하여 손상에 대한 수리 유형을 판정한다(S230). 그리고, 인공 지능 기반 차량 손상 진단 및 수리비 산정 시스템의 데이터베이스에 저장된 수리비 견적 산출에 관한 데이터, 손상의 진단 결과 및 수리 유형 판정 결과에 기초하여 손상에 따른 수리비를 산정한다(S240). 이러한 S220 내지 S240의 일련의 과정은 전술한 것과 같이 시스템에 내장된 인공 지능에 기반하여 수행될 수 있다. Next, the repair type for the damage is determined based on the damage diagnosis result of the vehicle (S230). Then, the repair cost according to the damage is calculated based on the data on the calculation of the repair cost estimate stored in the database of the artificial intelligence-based vehicle damage diagnosis and repair cost estimation system, the diagnosis result of the damage, and the repair type determination result (S240). The series of processes of S220 to S240 may be performed based on artificial intelligence embedded in the system as described above.
마지막으로, 서버에서 산정된 수리비 견적을 사용자 단말로 전송한다(S250). 이 때, 사용자 단말에서 수신된 수리비 견적은 사용자에게 디스플레이 상에 표시되도록 할 수 있다.Finally, the repair cost estimate calculated by the server is transmitted to the user terminal (S250). At this time, the repair cost estimate received from the user terminal may be displayed on the display to the user.
도 14에서는 서버에서 차량의 손상에 따른 수리비 견적을 산출하여 사용자 단말로 전송하는 것으로 설명하였으나, 이에 제한되는 것은 아니며, 사용자 단말의 인공 지능 기반 차량 손상 진단 및 수리비 산정을 위한 애플리케이션 상에서 상기 S220 내지 S240의 과정이 수행되도록 할 수도 있을 것이다.In FIG. 14, it is described that the server calculates and estimates a repair cost according to vehicle damage, and transmits it to a user terminal. However, the present invention is not limited thereto, and the S220 to S240 are applied on an application for artificial intelligence based vehicle damage diagnosis and repair cost estimation of the user terminal. It may be possible to ensure that the process is performed.
본 발명에 따른 AI 기반 차량 손상 진단 및 수리비 산정 시스템 및 방법에 따르면, 자동으로 사고 차량의 손상 부위와 손상 정도를 진단하고, 적정 수리비 견적을 산출할 수 있으므로, 차량의 운전자가 정비 업체에 방문하지 않더라도 손상 내역을 용이하게 파악하고, 사전에 대략적인 수리비 견적을 인지할 수 있다.According to the AI-based vehicle damage diagnosis and repair cost calculation system and method according to the present invention, it is possible to automatically diagnose the damaged part and damage level of the accident vehicle and calculate an appropriate repair cost estimate, so that the driver of the vehicle does not visit the maintenance company. Even if it is not, the damage history can be easily identified and the approximate repair cost estimate can be recognized in advance.
도 15는 본 발명의 일 실시예에 따른 인공 지능 기반 차량 손상 진단 및 수리비 산정 시스템의 하드웨어 구성도이다.15 is a hardware configuration diagram of an artificial intelligence-based vehicle damage diagnosis and repair cost calculation system according to an embodiment of the present invention.
도 15를 참조하면, 본 발명의 일 실시예에 따른 인공 지능 기반 차량 손상 진단 및 수리비 산정 시스템(100)은 CPU 또는 GPU(“이하 ‘CPU’라 한다”)(101), 메모리(102), 통신 인터페이스(103)를 포함할 수 있다.15, the artificial intelligence-based vehicle damage diagnosis and repair
CPU(101)는 본 발명의 일 실시예에 따른 인공 지능 기반 차량 손상 진단 및 수리비 산정 시스템(100)의 각종 데이터를 처리하며, 전술한 기능들을 수행하는 프로세서일 수 있다. 즉, CPU(101)는 시스템(100)으로 하여금, 후술하는 통신 인터페이스(103)를 통하여 전송된 사용자로부터의 입력(예를 들면, 차량 이미지)에 기초하여, 입력된 차량의 이미지를 분석하여 차량의 손상 부품, 손상 종류 및 손상 정도를 판단함으로써 차량의 손상을 진단할 수 있다. 여기서 사용자가 입력하는 인터페이스에 대하여는 도 16 내지 도 18을 통하여 설명되는 어플리케이션 및 이를 실행하는 사용자 단말에 의하여 자세히 설명될 것이다. 또한, CPU(101)는 시스템(100)으로 하여금, 차량의 손상 진단 결과에 기초하여 손상에 대한 수리 유형을 판정할 수 있고, 메모리(102)에 저장된 수리비 견적 산출에 관한 데이터와 손상의 진단 결과 및 수리 유형의 판정 결과에 기초하여 손상에 따른 수리비를 산정할 수 있다. 그리고 CPU(101)는 도 1에서 설명한 중복 이미지 필터링부와 보험 정보 조회부에 대응하는 기능도 수행할 수 있다.The
메모리(102)는 차량의 손상에 따른 수리비 견적 산출에 관한 데이터를 저장할 수 있다. 즉, 메모리(102)는 상술한 데이터베이스(110)의 일 예일 수 있다. 예를 들면, 메모리(102)는 전술한 바와 같이, 차량 종류 정보, 차량의 부품 리스트 및 가격, 차량의 손상 종류, 공임, 수리 유형별 수리 방법 및 작업 시간, 도장 요금 및 과거 수리비 견적 내역 등을 저장할 수 있다. 또한, 메모리(102)는 보험 사기 방지를 위한 중복 이미지 필터링 기능을 위해 사용자가 과거에 입력한 이미지를 저장할 수 있다.The
이러한 메모리(102)는 필요에 따라서 복수 개 마련될 수도 있을 것이다. 메모리(102)는 휘발성 메모리일 수도 있으며 비휘발성 메모리일 수 있다. 휘발성 메모리로서의 메모리(102)는 RAM, DRAM, SRAM 등이 사용될 수 있다. 비휘발성 메모리로서의 메모리(102)는 ROM, PROM, EAROM, EPROM, EEPROM, 플래시 메모리 등이 사용될 수 있다. 상기 열거한 메모리(102)들의 예를 단지 예시일 뿐이며 이들 예로 한정되는 것은 아니다. A plurality of
또한 메모리(102)는 상술한 차량 손상 진단 및 수리비 산정 시스템의 동작을 제어하고 기능을 수행하도록 하는 소프트웨어, 펌웨어 등의 프로그램을 저장할 수 있다. 이러한 프로그램이 CPU(101)에 의하여 실행됨으로써 차량 손상 진단 및 수리비 산정 시스템의 각 기능 구성, 즉 손상 진단부(120), 수리 판정부(130), 수리비 산정부(140), 중복 이미지 필터링부(150), 보험 정보 조회부(160)가 구현될 수 있을 것이다.In addition, the
통신 인터페이스(103)는, 사용자 단말(200) 및 보험사 서버(300) 등의 외부 장치와 통신을 수행하여 각종 데이터나 신호를 주고받는다. 통신 인터페이스(103)는 무선 또는 유선으로 외부 장치와 통신할 수 있는 구성일 수 있다. 통신 인터페이스(103)를 통하여 사용자 단말(200)로부터 상술한 차량 이미지 등을 수신할 수 있다. 또한 수신한 차량 이미지 등에 기초하여 분석된 결과인 차량의 손상 부품, 손상 종류 및 손상 정도에 대한 정보를 다시 통신 인터페이스(103)를 통하여 사용자 단말(200)로 전송할 수 있다. 마찬가지로 통신 인터페이스(103)를 통하여 보험사 서버(300)로 보험 접수 정보에 관한 조회 요청의 신호를 전송할 수 있으며, 그 결과를 보험사 서버(300)로부터 다시 수신할 수 있을 것이다.The
도시하지는 않았으나, 본 발명의 실시예에 따른 인공 지능 기반 차량 손상 진단 및 수리비 산정 시스템(100)의 조작자 또는 관리자 등과 상호 동작을 위한 입출력 인터페이스가 더 포함될 수 있다.Although not shown, an input / output interface for interoperating with an operator or manager of the artificial intelligence based vehicle damage diagnosis and repair
입출력 인터페이스의 예로서 예를 들면, 키보드, 마우스, 터치 패널 등의 입력 장치가 포함될 수 있으며, 사용자가 손상된 차량의 이미지를 입력하기 위한 조작을 수행할 수 있도록 한다. 입력 장치는 상기와 같은 사용자로부터의 조작에 기초한 조작 신호를 생성하여 CPU(101)나 기타 대응되는 하드웨어로 전송하여 해당 조작 신호에 따른 동작이 발현되도록 한다.As an example of the input / output interface, for example, an input device such as a keyboard, a mouse, or a touch panel may be included, and a user may perform an operation for inputting an image of a damaged vehicle. The input device generates an operation signal based on the operation from the user as described above and transmits it to the
입출력 인터페이스의 예로서 예를 들면 디스플레이 등의 출력 장치가 포함될 수 있다. 디스플레이는 인공 지능 기반 차량 손상 진단 및 수리비 산정 시스템(100)의 동작에 수반하여 발생하는 각종 화면을 조작자 또는 관리자 등에게 표시할 수 있다. 또한 디스플레이를 통하여 조작자 또는 관리자에게 사용자 인터페이스(UI)를 표시할 수도 있을 것이다..As an example of the input / output interface, for example, an output device such as a display may be included. The display may display various screens generated by the operation of the artificial intelligence based vehicle damage diagnosis and repair
도 16은 본 발명의 일 실시예에 따른 인공 지능 기반 차량 손상 진단 및 수리비 산정 시스템을 사용하기 위한 사용자 단말의 블록도이다.16 is a block diagram of a user terminal for using an artificial intelligence-based vehicle damage diagnosis and repair cost calculation system according to an embodiment of the present invention.
도 16을 참조하면, 사용자 단말(200)은 메모리부(210), 통신부(220), 입력부(230), 제어부(240) 및 디스플레이부(250)를 포함할 수 있다.Referring to FIG. 16, the
메모리부(210)는 인공 지능 기반 차량 손상 진단 및 수리비 산정을 위한 애플리케이션을 저장할 수 있다. 상기 애플리케이션은 본 발명의 일 실시예에 따른 인공 지능 기반 차량 손상 진단 및 수리비 산정 시스템을 운영하는 주체에 의하여 작성되어 배포된 것일 수도 있으며, 혹은 제3자에 의하여 작성된 것일 수도 있다. 이러한 애플리케이션은 후술하는 제어부(240)에 의하여 실행됨으로써 구현될 수 있는 통신 모듈이나 손상 진단 모듈, 수리비 산출 모듈 등을 포함할 수 있다. The
또한, 메모리부(210)는 차량의 손상 진단 및 차량의 손상에 따른 수리비 견적 산출에 관한 데이터 등을 저장할 수 있다.Also, the
통신부(220)는 전술한 바와 같이 애플리케이션의 실행에 의하여 통신 모듈이 실행됨으로써 서버와 통신하는 기능을 할 수 있다. 통신부(220)는 서버로 손상된 차량의 사진, 수리비 견적 요청, 이에 필요한 각종 정보나 데이터를 전송할 수 있다. 또한 통신부(220)는 서버로부터 전송한 각종 데이터에 기초하여 분석된 진단 결과를 As described above, the
입력부(230)는 키보드나 터치 패널과 같이 사용자가 원하는 기능을 입력하거나 선택하도록 할 수 있다. 예를 들면, 본 발명의 일실시예에서는 사용자가 손상된 차량의 이미지를 입력부(230)를 통해 입력하도록 할 수 있다. 대안적으로, 입력부(23)는 사용자가 손상된 차량의 이미지를 직접 촬영하기 위한 카메라 등의 장치일 수도 있다.The
제어부(240)는 메모리부(210)에 저장된 애플리케이션을 실행함으로써 차량의 손상 진단 및 수리비 견적 산정을 위한 각종 기능을 수행하도록 할 수 있다. 즉, 제어부(240)는 사용자가 애플리케이션을 실행하여 손상된 차량의 사진에 기초하여 수리비 견적을 요청하면, 손상된 차량의 사진과 이에 수반하는 각종 데이터를 서버로 전송한다. 또한 제어부(240)는 통신부(220)를 통하여 분석 결과인 손상 부품, 손상 종류, 손상 정도, 수리비 등에 대한 진단 정보를 수신한다.The
대안적으로, 사용자 단말(200)에 설치된 애플리케이션이 자체적으로 차량의 손상 진단 및 수리비 견적 산정을 수행할 수도 있을 것이다. 이 경우에는 애플리케이션에 포함된 손상 진단 모듈, 수리비 산출 모듈 등이 실행됨으로써 상기 동작이 구현될 수 있을 것이다. 즉, 사용자가 입력부(230)를 통해 차량 이미지를 입력하면, 제어부(240)는 전술한 것과 같이 차량 운전자에 의해 입력된 차량의 이미지를 분석하여 차량의 손상 부품, 손상 종류 및 손상 정도를 판단함으로써 차량의 손상을 진단할 수 있다. 또한 제어부(240)는 차량의 손상 진단 결과에 기초하여 손상에 대한 수리 유형을 판정하며, 수리비 견적 산출에 관한 데이터와 손상의 진단 결과 및 수리 유형의 판정 결과에 기초하여 손상에 따른 수리비를 산정하는 기능 전반을 수행하도록 할 수 있다.Alternatively, the application installed in the
디스플레이부(250)는 애플리케이션을 통해 손상 차량의 이미지, 손상 진단 내역, 수리 유형 판정 내역, 수리비 산정 결과 등 본 발명의 일 실시예에 따른 인공 지능 기반 차량 손상 진단 및 수리비 산정 시스템에 따른 동작을 수행한 결과들을 나타낼 수 있다.The
도 17은 본 발명의 일 실시예에 따른 인공 지능 기반 차량 손상 진단 및 수리비 산정 시스템을 사용하기 위한 사용자 단말의 하드웨어 구성도이다.17 is a hardware configuration diagram of a user terminal for using an artificial intelligence-based vehicle damage diagnosis and repair cost calculation system according to an embodiment of the present invention.
도 17을 참조하면, 본 발명의 일 실시예에 따른 인공 지능 기반 차량 손상 진단 및 수리비 산정을 위한 사용자 단말(200)은 CPU 또는 GPU(“이하 ‘CPU’라 한다”)(201), 메모리(202), 사용자 인터페이스(203), 디스플레이(204), 스피커(205)를 포함할 수 있다.Referring to FIG. 17, the
CPU(201)는 본 발명의 일 실시예에 따른 인공 지능 기반 차량 손상 진단 및 수리비 산정을 위해 메모리(202)에 저장되어 있는 애플리케이션(400)을 실행시키고, 본 발명의 일 실시예에 따른 인공 지능 기반 차량 손상 진단 및 수리비 산정을 위한 각종 데이터를 처리하며, 전술한 기능들을 수행하는 프로세서일 수 있다. 즉, CPU(201)는 메모리(202)에 저장된 애플리케이션(300)을 실행시킴으로써, 손상 진단부, 수리 판정부, 수리비 산정부, 중복 이미지 필터링부, 보험 정보 조회부의 기능을 수행하도록 할 수 있다. CPU(201)의 기능은 도 15에서 설명한 CPU(101)의 기능과 실질적으로 동일하므로 자세한 설명은 생략한다.The
메모리(202)는 인공 지능 기반 차량 손상 진단 및 수리비 산정을 위한 애플리케이션(400)을 저장할 수 있으며, 또한 차량의 손상 진단 및 손상에 따른 수리비 견적 산출에 관한 각종 데이터를 저장할 수 있다. 메모리(202)에 관해서는 도 15에서 설명한 메모리(102)와 실질적으로 동일하므로 자세한 설명은 생략한다.The
입력 인터페이스(203)는, 예를 들면, 키보드, 마우스, 터치 패널 등의 입력 장치일 수 있으며, 사용자가 손상된 차량의 이미지를 입력하기 위한 조작을 수행할 수 있도록 한다. The
디스플레이(204)는 손상 차량의 이미지, 손상 진단 내역, 수리 유형 판정 내역, 수리비 산정 결과 등 본 발명의 일 실시예에 따른 인공 지능 기반 차량 손상 진단 및 수리비 산정 애플리케이션(400)이 동작을 수행한 결과들을 나타낼 수 있다. 스피커(205)는 디스플레이(204) 상에서 표시되는 내용에 관하여 음성으로 사용자에게 전달할 수 있다.The
통신 인터페이스(206)는 서버와 각종 데이터를 송수신할 수 있는 구성이다. 통신 인터페이스(206)는 유선 또는 무선 통신을 지원할 수 있는 각종 장치일 수 있다.The
이상에서, 본 발명의 실시예를 구성하는 모든 구성 요소들이 하나로 결합하거나 결합하여 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. In the above, even if all the components constituting the embodiment of the present invention are described as being combined or operated as one, the present invention is not necessarily limited to these embodiments. That is, if it is within the scope of the present invention, all of the components may be selectively combined and operated.
또한, 이상에서 기재된 "포함하다", "구성하다" 또는 "가지다" 등의 용어는, 특별히 반대되는 기재가 없는 한, 해당 구성 요소가 내재할 수 있음을 의미하는 것이므로, 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것으로 해석되어야 한다. 기술적이거나 과학적인 용어를 포함한 모든 용어들은, 다르게 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다. 사전에 정의된 용어와 같이 일반적으로 사용되는 용어들은 관련 기술의 문맥상의 의미와 일치하는 것으로 해석되어야 하며, 본 발명에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.In addition, the terms "include", "consist" or "have" as described above mean that the corresponding component can be intrinsic, unless specifically stated otherwise, to exclude other components. It should not be interpreted as being able to further include other components. All terms, including technical or scientific terms, have the same meaning as generally understood by a person skilled in the art to which the present invention belongs, unless otherwise defined. Commonly used terms, such as predefined terms, should be interpreted as being consistent with the contextual meaning of the related art, and are not to be interpreted as ideal or excessively formal meanings unless explicitly defined in the present invention.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구 범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리 범위에 포함되는 것으로 해석되어야 할 것이다.The above description is merely illustrative of the technical idea of the present invention, and those of ordinary skill in the art to which the present invention pertains may make various modifications and variations without departing from the essential characteristics of the present invention. Therefore, the embodiments disclosed in the present invention are not intended to limit the technical spirit of the present invention, but to explain, and the scope of the technical spirit of the present invention is not limited by these embodiments. The scope of protection of the present invention should be interpreted by the claims below, and all technical spirits within the scope equivalent thereto should be interpreted as being included in the scope of the present invention.
100: 차량 손상 진단 및 수리비 산정 시스템
110: 데이터베이스 120: 손상 진단부
130: 수리 판정부 140: 수리비 산정부
150: 중복 이미지 필터링부 160: 보험 정보 조회부
200: 사용자 단말 210: 메모리부
220: 통신부 230: 입력부
240: 제어부 250: 디스플레이부
300: 보험사 서버 400: 애플리케이션
410: 저장 모듈 420: 통신 모듈
430: 손상 진단 모듈 440: 수리비 산출 모듈100: vehicle damage diagnosis and repair cost calculation system
110: database 120: damage diagnosis unit
130: repair judgment unit 140: repair cost calculation
150: duplicate image filtering unit 160: insurance information inquiry unit
200: user terminal 210: memory unit
220: communication unit 230: input unit
240: control unit 250: display unit
300: insurance company server 400: application
410: storage module 420: communication module
430: damage diagnosis module 440: repair cost calculation module
Claims (20)
차량의 손상에 따른 수리비 견적 산출에 관한 데이터와 상기 시스템에 과거에 입력된 이미지를 저장하는 데이터베이스;
인공 지능(AI)을 기반으로, 상기 시스템에 입력된 상기 차량의 이미지를 분석하여 상기 차량의 손상 부품, 손상 종류 및 손상 정도를 판단함으로써 상기 차량의 손상을 진단하는 손상 진단부;
상기 차량의 손상 진단 결과에 기초하여 상기 손상에 대한 수리 유형을 판정하는 수리 판정부;
상기 데이터베이스에 저장된 수리비 견적 산출에 관한 데이터와 상기 손상의 진단 결과 및 상기 수리 유형의 판정 결과에 기초하여 상기 손상에 따른 수리비를 산정하는 수리비 산정부; 및
상기 시스템에 입력된 이미지와 상기 데이터베이스에 저장되어 있는 과거에 입력된 이미지를 비교하여 상기 시스템에 입력된 이미지에 대한 과거 청구 내역이 존재하는지 여부를 검출하는 중복 이미지 필터링부를 포함하고,
상기 손상 진단부는,
상기 차량의 손상된 부품이 서로 중첩된 경우, 상기 이미지 상의 중첩된 부품의 교차점과 위치 관계를 기준으로 영역을 분할하고,
상기 차량의 손상된 부품에 대한 손상 중첩 비율에 기초하여 손상을 상기 부품 별로 매칭하고,
손상 영역이 중복되는 경우, 중복되는 손상 영역 중 손상 정도가 가장 높은 영역을 대표 영역으로 결정하고,
동일한 부품 내의 인접한 동일한 손상 종류에 속하는 손상 영역끼리 병합하며,
상기 수리 판정부는,
상기 부품의 전체 면적 대비 병합된 상기 손상 영역의 비율을 계산함으로써, 상기 손상의 수리 유형을 판정하는 AI 기반 차량 손상 진단 및 수리비 산정 시스템.AI-based vehicle damage diagnosis and repair cost calculation system,
A database for storing data related to estimating repair cost due to damage to a vehicle and images input in the past into the system;
A damage diagnosis unit for diagnosing damage to the vehicle based on artificial intelligence (AI), by analyzing an image of the vehicle input to the system and determining a damaged part, damage type, and degree of damage of the vehicle;
A repair determination unit determining a repair type for the damage based on a result of the damage diagnosis of the vehicle;
A repair cost calculation unit for calculating a repair cost according to the damage based on data related to the calculation of the repair cost estimate stored in the database, the diagnosis result of the damage, and the determination result of the repair type; And
And a duplicate image filtering unit that compares an image input to the system with an image input in the past stored in the database to detect whether there is a past billing history for the image input to the system.
The damage diagnosis unit,
When the damaged parts of the vehicle overlap each other, an area is divided based on an intersection and a positional relationship of the overlapped parts on the image,
The damage is matched for each part based on the damage overlap ratio to the damaged part of the vehicle,
When the damaged area overlaps, the area with the highest degree of damage among the overlapped damaged areas is determined as a representative area,
Merging damage zones belonging to the same damage type adjacent to the same part,
The repair judgment unit,
AI based vehicle damage diagnosis and repair cost calculation system to determine the repair type of the damage by calculating the ratio of the damaged area merged to the total area of the part.
상기 데이터 베이스는 상기 차량의 종류, 상기 차량의 부품 리스트 및 가격, 차량의 손상 종류, 공임, 수리 유형별 수리 방법 및 작업 시간, 도장 요금 및 과거 수리비 견적 내역을 포함하는 AI 기반 차량 손상 진단 및 수리비 산정 시스템.The method according to claim 1,
The database includes AI-based vehicle damage diagnosis and repair cost calculation including the vehicle type, parts list and price of the vehicle, vehicle damage type, labor cost, repair method and work time for each repair type, painting fee, and past repair cost estimates. system.
상기 손상 진단부는 상기 차량의 손상을 상기 손상 부품, 상기 손상 종류 및 상기 손상 정도에 따라 분류한 손상 클래스에 따라 구분하되, 상기 손상 클래스는 AI 기반으로 자신이 처리한 기존의 손상 진단 결과에 기초하여 학습된 결과인 것을 특징으로 하는 AI 기반 차량 손상 진단 및 수리비 산정 시스템.The method according to claim 1,
The damage diagnosis unit classifies the damage of the vehicle according to the damage class classified according to the damaged parts, the damage type, and the degree of damage, wherein the damage class is based on the existing damage diagnosis result processed by AI based on the damage class. AI-based vehicle damage diagnosis and repair cost estimation system, characterized by the learned results.
상기 수리 판정부는 상기 손상 진단부에 의하여 진단된 손상 결과에 회귀 모델을 적용하여 상기 차량의 수리 유형을 판단하는 AI 기반 차량 손상 진단 및 수리비 산정 시스템.The method according to claim 1,
The repair determination unit AI-based vehicle damage diagnosis and repair cost calculation system to determine the repair type of the vehicle by applying a regression model to the damage result diagnosed by the damage diagnosis unit.
상기 회귀 모델은 상기 손상 부품, 상기 손상 종류 및 상기 손상 정도에 따라 상이한 가중치를 부여하도록 도출된 식을 이용하는 AI 기반 차량 손상 진단 및 수리비 산정 시스템.The method according to claim 4,
The regression model is an AI-based vehicle damage diagnosis and repair cost calculation system using equations derived to give different weights according to the damaged parts, the type of damage, and the degree of damage.
상기 수리 판정부는 상기 부품의 전체 면적 대비 매칭된 상기 손상 영역의 비율을 계산하고, 상기 계산된 비율에 따른 수리 시간을 산출함으로써, 상기 손상의 수리 유형을 판정하는 AI 기반 차량 손상 진단 및 수리비 산정 시스템.The method according to claim 1,
The repair determination unit calculates a ratio of the damaged area matched to the total area of the part, and calculates a repair time according to the calculated ratio, thereby determining an repair type of the damage based on AI-based vehicle damage diagnosis and repair cost calculation system .
상기 손상 진단부는 상기 시스템에 입력된 이미지의 차량 번호를 인식하며,
보험사의 서버와 연동되어 있으며, 상기 차량 번호를 이용하여 상기 차량의 보험 접수 정보를 자동으로 조회하는 보험 정보 조회부를 더 포함하는 AI 기반 차량 손상 진단 및 수리비 산정 시스템.The method according to claim 1,
The damage diagnosis unit recognizes the vehicle number of the image input to the system,
AI-based vehicle damage diagnosis and repair cost calculation system that is interlocked with the insurance company's server, and further includes an insurance information inquiry unit for automatically inquiring the insurance receipt information of the vehicle using the vehicle number.
상기 시스템에 입력된 상기 차량의 이미지는 덴트 스코프(dent scope) 촬영 이미지를 포함하고,
상기 손상 진단부는 상기 덴트 스코프 이미지를 분석하여 상기 차량의 덴트의 손상 종류와 손상 정도를 판단하며,
상기 수리비 산정부는 상기 덴트의 상기 손상 종류와 상기 손상 정도에 기초하여, 상기 덴트의 복원 수리비를 산정하는 AI 기반 차량 손상 진단 및 수리비 산정 시스템.The method according to claim 1,
The image of the vehicle input to the system includes a dent scope shooting image,
The damage diagnosis unit analyzes the dent scope image to determine the type and degree of damage to the dent of the vehicle,
The repair cost calculation unit is based on the damage type and the degree of damage of the dent, the AI-based vehicle damage diagnosis and repair cost calculation system for calculating the repair repair cost of the dent.
AI 기반으로, 상기 시스템에 차량의 이미지가 입력되면, 상기 차량의 이미지를 분석하여 상기 차량의 손상 부품, 손상 종류 및 손상 정도를 판단함으로써 상기 손상을 진단하는 단계;
상기 차량의 손상 진단 결과에 기초하여 상기 손상에 대한 수리 유형을 판정하는 단계;
상기 데이터베이스에 저장된 수리비 견적 산출에 관한 데이터와 상기 손상의 진단 결과 및 상기 수리 유형의 판정 결과에 기초하여 상기 손상에 따른 수리비를 산정하는 단계; 및
상기 시스템에 입력된 이미지와 상기 데이터베이스에 저장되어 있는 과거에 입력된 이미지를 비교하여 상기 시스템에 입력된 이미지에 대한 과거 청구 내역이 존재하는지 여부를 검출하는 단계를 포함하고,
상기 손상을 진단하는 단계는,
상기 차량의 손상된 부품이 서로 중첩된 경우, 상기 이미지 상의 중첩된 부품의 교차점과 위치 관계를 기준으로 영역을 분할하는 단계;
상기 차량의 손상된 부품에 대한 손상 중첩 비율에 기초하여 손상을 상기 부품 별로 매칭하는 단계;
손상 영역이 중복되는 경우, 중복되는 손상 영역 중 손상 정도가 가장 높은 영역을 대표 영역으로 결정하는 단계; 및
동일한 부품 내의 인접한 동일한 손상 종류에 속하는 손상 영역끼리 병합하는 단계를 포함하며,
상기 수리 유형을 판정하는 단계는,
상기 부품의 전체 면적 대비 병합된 상기 손상 영역의 비율을 계산함으로써, 상기 손상의 수리 유형을 판정하는 단계를 포함하는 AI 기반 차량 손상 진단 및 수리비 산정 방법.As an AI-based vehicle damage diagnosis and repair cost calculation method using a system that includes a database for storing estimates of repair costs due to vehicle damage and a database storing images input in the past,
Based on AI, when an image of a vehicle is input to the system, diagnosing the damage by analyzing an image of the vehicle and determining a damaged part, a type of damage, and a degree of damage of the vehicle;
Determining a repair type for the damage based on a result of the damage diagnosis of the vehicle;
Calculating a repair cost according to the damage based on data related to the calculation of the repair cost estimate stored in the database, a diagnosis result of the damage, and a determination result of the repair type; And
Comparing the image input to the system and the image input in the past stored in the database to detect whether there is a past billing history for the image input to the system, and
Diagnosing the damage,
If the damaged parts of the vehicle overlap each other, dividing an area based on a positional relationship and an intersection of the overlapped parts on the image;
Matching damage for each of the parts based on a damage overlap ratio to the damaged parts of the vehicle;
If the damaged area is overlapped, determining an area having the highest degree of damage among the overlapped damaged areas as a representative area; And
And merging damage regions belonging to the same damage type adjacent to the same component,
The step of determining the repair type,
And determining a repair type of the damage by calculating a ratio of the damaged area merged to the total area of the component.
상기 데이터 베이스는 상기 차량의 종류, 상기 차량의 부품 리스트 및 가격, 차량의 손상 종류, 공임, 수리 유형별 수리 방법 및 작업 시간, 도장 요금 및 과거 수리비 견적 내역을 포함하는 AI 기반 차량 손상 진단 및 수리비 산정 방법.The method according to claim 11,
The database includes AI-based vehicle damage diagnosis and repair cost calculation including the vehicle type, parts list and price of the vehicle, vehicle damage type, labor cost, repair method and work time for each repair type, painting fee, and past repair cost estimates. Way.
상기 손상을 진단하는 단계는 상기 차량의 손상을 상기 손상 부품, 상기 손상 종류 및 상기 손상 정도에 따라 분류한 손상 클래스에 따라 구분하는 단계를 포함하는 AI 기반 차량 손상 진단 및 수리비 산정 방법.The method according to claim 11,
The step of diagnosing the damage may include classifying the damage of the vehicle according to the damage class classified according to the damaged parts, the type of damage, and the degree of damage.
상기 수리 유형을 판정하는 단계는 상기 진단된 손상 결과에 회귀 모델을 적용하여 상기 차량의 수리 유형을 판단하는 단계를 포함하는 AI 기반 차량 손상 진단 및 수리비 산정 방법.The method according to claim 11,
The determining of the repair type includes determining a repair type of the vehicle by applying a regression model to the diagnosed damage result, and the AI-based vehicle damage diagnosis and repair cost calculation method.
상기 회귀 모델은 상기 손상 부품, 상기 손상 종류 및 상기 손상 정도에 따라 상이한 가중치를 부여하도록 도출된 식을 이용하는 AI 기반 차량 손상 진단 및 수리비 산정 방법.The method according to claim 14,
The regression model is an AI-based vehicle damage diagnosis and repair cost calculation method using equations derived to give different weights according to the damage component, the damage type, and the degree of damage.
상기 수리 유형을 판정하는 단계는 상기 부품의 전체 면적 대비 매칭된 상기 손상 영역의 비율을 계산하고, 상기 계산된 비율에 따른 수리 시간을 산출함으로써, 상기 손상의 수리 유형을 판정하는 단계를 포함하는 AI 기반 차량 손상 진단 및 수리비 산정 방법.The method according to claim 11,
The step of determining the repair type includes determining a repair type of the damage by calculating a ratio of the damaged area matched to the total area of the part and calculating a repair time according to the calculated rate. Based vehicle damage diagnosis and repair cost calculation method.
상기 손상을 진단하는 단계는 상기 시스템에 입력된 이미지의 차량 번호를 인식하는 단계를 포함하며,
보험사의 서버와 연동하여, 상기 차량 번호를 이용하여 상기 차량의 보험 접수 정보를 자동으로 조회하는 단계를 더 포함하는 AI 기반 차량 손상 진단 및 수리비 산정 방법.The method according to claim 11,
Diagnosing the damage includes recognizing the vehicle number of the image input to the system,
AI-based vehicle damage diagnosis and repair cost calculation method further comprising the step of automatically inquiring the insurance acceptance information of the vehicle using the vehicle number in conjunction with an insurance company server.
상기 시스템에 입력된 상기 차량의 이미지는 덴트 스코프(dent scope) 촬영 이미지를 포함하고,
상기 손상을 진단하는 단계는 상기 덴트 스코프 이미지를 분석하여 상기 차량의 덴트의 손상 종류와 손상 정도를 판단하는 단계를 포함하며,
상기 손상에 따른 수리비를 산정하는 단계는 상기 덴트의 상기 손상 종류와 상기 손상 정도에 기초하여, 상기 덴트의 복원 수리비를 산정하는 단계를 포함하는 AI 기반 차량 손상 진단 및 수리비 산정 방법.The method according to claim 11,
The image of the vehicle input to the system includes a dent scope shooting image,
The step of diagnosing the damage includes determining the type and degree of damage of the dent of the vehicle by analyzing the dent scope image.
The calculating of the repair cost according to the damage includes calculating the repair repair cost of the dent based on the damage type and the degree of damage of the dent, and an AI-based vehicle damage diagnosis and repair cost calculation method.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190027669A KR102109882B1 (en) | 2019-03-11 | 2019-03-11 | System and method for diagnosing vehicle damage and calculating repair cost based on artificial intelligence |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190027669A KR102109882B1 (en) | 2019-03-11 | 2019-03-11 | System and method for diagnosing vehicle damage and calculating repair cost based on artificial intelligence |
Publications (1)
Publication Number | Publication Date |
---|---|
KR102109882B1 true KR102109882B1 (en) | 2020-05-12 |
Family
ID=70679405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020190027669A KR102109882B1 (en) | 2019-03-11 | 2019-03-11 | System and method for diagnosing vehicle damage and calculating repair cost based on artificial intelligence |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102109882B1 (en) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102148884B1 (en) * | 2020-04-02 | 2020-08-27 | 주식회사 애자일소다 | System and method for analyzing vehicle damage |
KR102214039B1 (en) * | 2020-05-15 | 2021-02-09 | (주)서경자동차 | Method and system for providing used car repair and sale service using vr technology |
KR102278007B1 (en) * | 2021-01-28 | 2021-07-14 | 안형종 | apparatus and method to assist vehicle maintenance |
US11244438B2 (en) | 2020-01-03 | 2022-02-08 | Tractable Ltd | Auxiliary parts damage determination |
KR102366650B1 (en) * | 2021-06-03 | 2022-02-23 | 이종철 | System for providing auto repair service using membership reward |
KR20220029931A (en) * | 2020-09-02 | 2022-03-10 | 주식회사 디메타 (D-meta,corp.) | Vehicle damage management method and vehicle damage management apparatus |
KR20220032145A (en) * | 2020-09-07 | 2022-03-15 | 주식회사 인트라밴 | Automatic calculation system of automobile repairs and parts estimation with mapping interoperation of automobile model and data information |
KR102451148B1 (en) * | 2022-02-15 | 2022-10-06 | 주식회사 어메스 | Method and apparatus for providing used car valuation solution service |
KR102469794B1 (en) | 2022-02-18 | 2022-11-23 | 주식회사 어메스 | Method and apparatus for providing used car valuation solution service |
KR102479671B1 (en) * | 2021-11-30 | 2022-12-21 | 주식회사 오토피디아 | Method for providing parts information of vehicle |
US11631165B2 (en) * | 2020-01-31 | 2023-04-18 | Sachcontrol Gmbh | Repair estimation based on images |
KR102531372B1 (en) | 2022-05-24 | 2023-05-10 | 송현우 | System for providing repair infomation of vehicle |
WO2023113138A1 (en) * | 2021-12-13 | 2023-06-22 | 한국기계연구원 | Element inspection method and element inspection device for performing same |
WO2023187851A1 (en) * | 2022-03-28 | 2023-10-05 | 日産自動車株式会社 | Vehicle data analysis method and device |
US12002192B2 (en) | 2021-11-16 | 2024-06-04 | Solera Holdings, Llc | Transfer of damage markers from images to 3D vehicle models for damage assessment |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130091369A (en) * | 2012-02-07 | 2013-08-19 | 김산배 | Used car trading system using mobile application |
KR20160044069A (en) * | 2014-10-14 | 2016-04-25 | 현대자동차주식회사 | System and method for predicting repair cost of vehicle |
KR20160134401A (en) * | 2015-05-15 | 2016-11-23 | (주)플래닛텍 | Automatic calculation of car repair quote system and method |
JP2018112999A (en) * | 2017-01-13 | 2018-07-19 | 株式会社ブロードリーフ | Damage determination device, and period schedule operation device and repair maintenance expense operation device using the same |
-
2019
- 2019-03-11 KR KR1020190027669A patent/KR102109882B1/en active IP Right Grant
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130091369A (en) * | 2012-02-07 | 2013-08-19 | 김산배 | Used car trading system using mobile application |
KR20160044069A (en) * | 2014-10-14 | 2016-04-25 | 현대자동차주식회사 | System and method for predicting repair cost of vehicle |
KR20160134401A (en) * | 2015-05-15 | 2016-11-23 | (주)플래닛텍 | Automatic calculation of car repair quote system and method |
JP2018112999A (en) * | 2017-01-13 | 2018-07-19 | 株式会社ブロードリーフ | Damage determination device, and period schedule operation device and repair maintenance expense operation device using the same |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11361426B2 (en) | 2020-01-03 | 2022-06-14 | Tractable Ltd | Paint blending determination |
US11636581B2 (en) | 2020-01-03 | 2023-04-25 | Tractable Limited | Undamaged/damaged determination |
US11587221B2 (en) | 2020-01-03 | 2023-02-21 | Tractable Limited | Detailed damage determination with image cropping |
US11244438B2 (en) | 2020-01-03 | 2022-02-08 | Tractable Ltd | Auxiliary parts damage determination |
US11250554B2 (en) | 2020-01-03 | 2022-02-15 | Tractable Ltd | Repair/replace and labour hours determination |
US11257203B2 (en) | 2020-01-03 | 2022-02-22 | Tractable Ltd | Inconsistent damage determination |
US11257204B2 (en) | 2020-01-03 | 2022-02-22 | Tractable Ltd | Detailed damage determination with image segmentation |
US11386543B2 (en) | 2020-01-03 | 2022-07-12 | Tractable Ltd | Universal car damage determination with make/model invariance |
US11631165B2 (en) * | 2020-01-31 | 2023-04-18 | Sachcontrol Gmbh | Repair estimation based on images |
KR102148884B1 (en) * | 2020-04-02 | 2020-08-27 | 주식회사 애자일소다 | System and method for analyzing vehicle damage |
KR102214039B1 (en) * | 2020-05-15 | 2021-02-09 | (주)서경자동차 | Method and system for providing used car repair and sale service using vr technology |
KR20220029931A (en) * | 2020-09-02 | 2022-03-10 | 주식회사 디메타 (D-meta,corp.) | Vehicle damage management method and vehicle damage management apparatus |
KR102470594B1 (en) * | 2020-09-02 | 2022-12-02 | 주식회사 디메타 (D-meta,corp.) | Vehicle damage management method and vehicle damage management apparatus |
KR102436869B1 (en) * | 2020-09-07 | 2022-08-26 | 주식회사 인트라밴 | Automatic calculation system of automobile repairs and parts estimation with mapping interoperation of automobile model and data information |
KR20220032145A (en) * | 2020-09-07 | 2022-03-15 | 주식회사 인트라밴 | Automatic calculation system of automobile repairs and parts estimation with mapping interoperation of automobile model and data information |
KR102278007B1 (en) * | 2021-01-28 | 2021-07-14 | 안형종 | apparatus and method to assist vehicle maintenance |
KR102366650B1 (en) * | 2021-06-03 | 2022-02-23 | 이종철 | System for providing auto repair service using membership reward |
US12002192B2 (en) | 2021-11-16 | 2024-06-04 | Solera Holdings, Llc | Transfer of damage markers from images to 3D vehicle models for damage assessment |
KR102479671B1 (en) * | 2021-11-30 | 2022-12-21 | 주식회사 오토피디아 | Method for providing parts information of vehicle |
WO2023113138A1 (en) * | 2021-12-13 | 2023-06-22 | 한국기계연구원 | Element inspection method and element inspection device for performing same |
KR102451148B1 (en) * | 2022-02-15 | 2022-10-06 | 주식회사 어메스 | Method and apparatus for providing used car valuation solution service |
KR102469794B1 (en) | 2022-02-18 | 2022-11-23 | 주식회사 어메스 | Method and apparatus for providing used car valuation solution service |
KR20230124466A (en) | 2022-02-18 | 2023-08-25 | 주식회사 어메스 | Method and apparatus for analyzing scrap car parts based on image recogmition |
WO2023187851A1 (en) * | 2022-03-28 | 2023-10-05 | 日産自動車株式会社 | Vehicle data analysis method and device |
KR102531372B1 (en) | 2022-05-24 | 2023-05-10 | 송현우 | System for providing repair infomation of vehicle |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102109882B1 (en) | System and method for diagnosing vehicle damage and calculating repair cost based on artificial intelligence | |
US11361426B2 (en) | Paint blending determination | |
US20240087102A1 (en) | Automatic Image Based Object Damage Assessment | |
US10373260B1 (en) | Imaging processing system for identifying parts for repairing a vehicle | |
KR102198296B1 (en) | Apparatus, method and computer program for automatically calculating the damage | |
US20150213556A1 (en) | Systems and Methods of Predicting Vehicle Claim Re-Inspections | |
KR102125999B1 (en) | Ai calculation device, method and computer program | |
US12023867B2 (en) | System and method for custom material replacement |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
AMND | Amendment | ||
AMND | Amendment | ||
AMND | Amendment | ||
X701 | Decision to grant (after re-examination) | ||
GRNT | Written decision to grant |