TWM602258U - 車體定損輔助系統 - Google Patents

Abstract

一種車體定損輔助系統，其係預先在一行動裝置中載入一車損輔助程式，當車禍發生時，車損輔助程式可在被執行後資訊連線至一雲端伺服器，並進一步導引使用者透過AR（Augmented Reality，擴增實境）的方式擷取車體的損傷照片，並搭配雲端伺服器所傳送的一車體模型資訊選取車體受傷部位後，結合車體的損傷照片生成一車損資訊，再將車損資訊傳送至雲端伺服器進行深度辨識，以進一步判斷出車體的損傷是否為人為偽造，若是，則系統自動顯示警示供理賠人員個別處理，若否，則使用者可即時取得車體維修以及理賠資訊，使本創作可輔助使用者擷取車損資訊，並輔助保險公司自動辨識車輛損傷部件以及判斷是否保險詐欺，提升定損中識別受損部件的準確率和處理效率。

Description

車體定損輔助系統

本創作涉及一種車體定損輔助系統，其中，本創作係透過一行動裝置將一車損資訊傳送至一雲端伺服器，以供雲端伺服器辨識車輛損傷部件以及判斷是否保險詐欺，使本創作可輔助使用者擷取車損資訊，以及輔助保險公司提升定損中識別受損部件的準確率和車禍處理效率。

汽車保險（簡稱車險）是指對機動車輛由於自然災害或意外事故所造成的人身傷亡或財產損失負賠償責任的一種商業保險。隨著經濟的發展，小客車的數量不斷增加，當前，車險已成為保險業務中最大的險種之一。

當被保險的車輛發生交通事故時，保險公司通常首先是現場查勘、定損，而車輛的定損涉及到後續維修、評估等多方面技術和利益，是整個車險服務中十分重要的過程。隨著技術發展和快速定損、理賠的業務發展需求，車輛發生事故時，目前遠端勘察定損的方式越來越普遍，其主要是保險公司（定損員、勘查員、或者AI定損系統）透過事故車車主現場手機（或其他終端設備）拍攝的車損照片來確定事故車輛車損範圍、車損程度，進而確定維修方案、評估定損等，但是事故車車主由於車險知識的不充分或拍攝技術的限制，保險公司在使用車主現場手機拍攝的車損照片時，常常出現分辨不出損傷部件，或者產生大量多餘的無效照片，影響定損處理效率和準確性。

再者，當車主發生車輛事故提出理賠申請時，保險公司需要對車輛的損傷程度進行評估，以確定需要修復的項目清單，以及賠付金額等，目前的評估方式主要包括：通過保險公司或第三方評估機構勘查員，對發生事故的車輛進行現場評估，或由用戶在保險公司人員的指導下，對事故車輛拍照，通過網路傳遞給保險公司，再由定損人員通過照片進行損傷識別，目前需要車險應用中，損傷的識別，如確認損傷程度、損傷類型、是否為人為偽造等主要依靠勘查員的經驗的人工判斷，但在實際的處理過程中，由於不同勘查員經驗、判斷尺度各不相同，主觀性較強，尤其對於勘查員對定損中惡意的詐欺行為更是難以識別，因此，業內亟需一種可以輔助車禍車主以及更加高效可靠的識別車輛損傷的處理方案。

有鑑於上述的問題，本創作人係依據多年來從事保險行業相關的經驗，針對保險系統以及車禍現場定損進行的資料擷取方式研究及改進；緣此，本創作之主要目的在於提供一種提升車輛定損處理效率和準確性的車體定損輔助系統。

為達上述的目的，本創作之車體定損輔助系統，使用者可以預先在行動裝置中預載一車損輔助程式，當車禍發生時，車損輔助程式可在被執行後資訊連線至一雲端伺服器，並進一步導引使用者透過AR（Augmented Reality，擴增實境）的方式擷取車體的損傷照片，並搭配雲端伺服器所傳送的3D車體模型選取車體受傷部位後，結合車體的損傷照片生成一車損資訊，再將車損資訊傳送至雲端伺服器進行深度辨識，以進一步判斷出車體的損傷是否為偽造或詐欺，若否，則使用者可即時取得車體維修以及理賠資訊，使本創作可輔助使用者擷取車損資訊，並輔助保險公司辨識車輛損傷部件與程度，以及判斷是否保險詐欺，提升定損中識別受損部件的準確率和處理效率。

為使 貴審查委員得以清楚了解本創作之目的、技術特徵及其實施後之功效，茲以下列說明搭配圖示進行說明，敬請參閱。

請參閱「第1圖」，圖中所示為本創作之系統組成示意圖，如圖中所示的車體定損輔助系統1，其主要係由一個以上的行動裝置10及一雲端伺服器11所組成，且所述的行動裝置10可例如為智慧型手機或平板電腦等主要具有影像擷取功能的行動通訊裝置，而所述的雲端伺服器11可由保險公司或其他第三方公司來進行架設，且雲端伺服器11預存有數筆車主保險、維修報價等等相關資訊，其中，行動裝置10可預先下載一車損輔助程式P（圖中尚未繪示），當車禍事故發生時，使用者可在執行車損輔助程式P後，透過程式的導引及指示先完成報案程序，再進一步擷取受損車輛（即車主自身的受損車輛）的車牌，以生成一身份確認資訊A，並透過行動裝置10將身份確認資訊A透過網際網路傳送至雲端伺服器11，透過雲端伺服器11進行車主身份及其保險資訊的確認，並在完成確認後，發送一車體模型資訊B至行動裝置10，而使用者可透過行動裝置10擷取現場車損照片後，再進一步搭配車體模型資訊B選取車體的受損部位，以生成一車損資訊C，並傳送至雲端伺服器11進行分析辨識，而雲端伺服器11可依據車損資訊C進一步辨識出該起車禍是否偽造或詐欺，若否，則可生成一維修及理賠資訊D發送至行動裝置10，而所述的維修及理賠資訊D主要包含車損維修報價、理賠合約以及就近維修合作廠商等相關資訊，以供使用者可自行選擇要交由保險公司處理或是自行處理。

請參閱「第2圖」，圖中所示為本創作之車損輔助程式組成示意圖，如圖中所示的行動裝置10，其主要係具有一微處理模組101、一資訊儲存模組102、一顯示幕103、一傳輸模組104以及一影像擷取模組105，且資訊儲存模組102可儲存影像擷取模組105所擷取的影像資料，又，行動裝置10係預先載入有車損輔助程式P，所述的車損輔助程式P係具有一導引模組P1，且導引模組P1可顯示於顯示幕103上，而導引模組P1具有一報警單元P11、一身份識別單元P12、一客服單元P13以及一車損狀況擷取單元P14，其中，報警單元P11可供使用者選取後，透過行動裝置10撥打電話至相關警政單位（例如警察局），而身份識別單元P12以及車損狀況擷取單元P14可驅動行動裝置10的影像擷取模組105作動，以進行影像的擷取後，搭配雲端伺服器11所傳送的的車體模型資訊B，進一步生成身份確認資訊A以及車損資訊C，而完成擷取的身份確認資訊A以及車損資訊C會進一步儲存於資訊儲存模組102中，可透過微處理模組101經由傳輸模組104發送至雲端伺服器11，又，客服單元P13可供使用者選取後，透過行動裝置10撥打電話至保險公司的客服專線。

請參閱「第3圖」，圖中所示為本創作之雲端伺服器之組成示意圖，請搭配參照「第1圖」及「第2圖」，如本圖所示的雲端伺服器11，其主要係具有一運算處理模組111、一資料庫112、一比對模組113以及一資訊接收發送模組114所構成，其中： （1）  運算處理模組111分別與資料庫112、比對模組113以及資訊接收發送模組114形成資訊連結，且所述的運算處理模組111可具備邏輯運算、暫存運算結果、保存執行指令位置等功能，可以例如是一中央處理器(CPU)、一虛擬處理器(vCPU)、一微處理器(MPU)、一微控制器(MCU)、一應用處理器(AP)、一嵌入式處理器、一特殊應用積體電路(ASIC)、一張量處理器(TPU)或一圖形處理器(GPU)等，但均不以此為限。 （2）  資料庫112主要可供以儲存相關電子資訊，且其係具有一保險單元1121、一車損單元1122、一車型單元1123、一維修資訊單元1124，其中，保險單元1121係儲存有數筆關於客戶的保險相關資訊，例如客戶的保險資訊、身份資訊、被保險車型、是否有相關保險詐欺前科或是其他可建立詐欺檢核規則等相關資訊等；而車損單元1122則預先儲存有數筆各種車型的各部位損傷類型資料，以及保戶的車體舊傷資訊，所述的損傷資料可例如為某一車型的各部位經過不同程度的碰撞後，其所呈現的受損狀況，而受損狀況可分成不同類別 （刮傷、變形、裂開、脫落等），再根據不同的程度細分成小類別（輕、中、重度等），以供系統產生維修或更換的建議，並同時進行深度辨識比對分析，搭配保戶的車體舊傷資訊，以確認車損部位是否為偽造，而深度辨識不只是為辨識偽造，而是能更正確判斷車損程度，因目前一般辨識照片都是以2D方式呈現，可能因光線或是污點等造成誤判，因此透過深度3D辨識更能清楚進行判斷；車型單元1123係儲存有數筆各種車型的3D模型資訊；維修資訊單元1124係儲存有數筆車輛零組件、維修價格資訊，以及修車廠商資訊等等相關維修資訊。 （3）  比對模組113具有對應於被檢物類型（例如對應於特定車輛零組件）的至少一訓練單元1131，訓練單元1131可例如為LeNet、AlexNet、VGGnet、NIN、GoogLeNet, MobileNet、SqueezeNet、ResNet、SiameseNet、NASNet、RNN、Inception-ResNet 、EfficientNet或其它基於卷積神經網路的已訓練完成的預測模型，且部分的訓練模型可對應至例如物件偵測（Detection）、物件切割、物件分類等任務的訓練模型，訓練單元1131亦可具有SSD （Single Shot MultiBox Detector）、Faster R-CNN、YOLO等目標檢測演算法的功能，但不以此為限。 （4）  資訊接收發送模組114可供以接收及發送電子資訊，例如可接收行動裝置10所發送的身份確認資訊A，並將其儲存於資料庫112中，而比對模組113可受到運算處理模組111的驅動對資料庫112中所儲存的身份確認資訊A進行分析及比對，以確認使用者的身份資訊，並進一步由車型單元1123擷取相關車型的3D模型資訊發送至行動裝置10，以供使用者可藉由3D模型資訊的輔助生成車損資訊C，並將其傳送至雲端伺服器進行後續比對作業。 （5）  合約產生模組115在雲端伺服器11完成車損資訊C的分析與比對後，進一步生成一電子合約，所述的電子合約可透過例如以線上合約搭配電子簽名的方式，供以使用者簽訂理賠合約同意出險處理，且電子合約內包括有出險處理後，隔年保費金額預估等相關資訊供使用者參考，而所述電子合約內亦包含時間戳記（報案日期與時間）以及事故地點註記等相關資訊，又，電子合約可與維修資訊單元1124內所擷取的相關報價維修資訊整合後生成一理賠及維修資訊D。

請參閱「第4圖」，圖中所示為本創作之實施示意圖（一），請搭配參閱「第1圖」至「第3圖」，本創作於實施時，當使用者發生車禍狀況時，可透過行動裝置10執行車損輔助程式P，而車損輔助程式P執行後，使用者即可透過導引模組P1來進行相關處理，如圖中所示的導引模組P1，其主要具有報警單元P11、身份識別單元P12、客服單元P13以及車損狀況擷取單元P14，使用者可依據現場狀況進行選擇，例如車禍發生當下，可先行透過報警單元P11來進行報案，讓警方到場來協助處理，以留下報案紀錄供以後續做為辦理理賠的依據，亦或是透過客服單元P13與保險公司的客服人員直接進行對話尋求協助。

請參閱「第5圖」，圖中所示為本創作之實施示意圖（二），承「第4圖」所述，完成報案程序後，使用者需進行保險資料的確認，因此，使用者可透過身份識別單元P12進行保戶身份的確認，以供保險公司查核該使用者是否為公司的保戶，而使用者在執行身份識別單元P12後，即可驅動行動裝置10的影像擷取模組105作動，而影像擷取模組105作動後，使用者係進一步對自身所駕駛的一車輛12的一車牌121進行影像擷取，擷取後即生成身份確認資訊A，使用者可透過行動裝置10的傳輸模組104將身份確認資訊A傳送至雲端伺服器11，由於保險單元1121中存有數筆關於客戶的保險相關資訊（相關資訊亦包括有投保用戶的車牌號碼），因此雲端伺服器11可透過比對模組113分析出身份確認資訊A的車牌號碼，再進一步擷取資料庫112中的保險單元1121的資訊進行比對，使雲端伺服器11可確認該使用者是否為公司的保險用戶。

請參閱「第6圖」，圖中所示為本創作之實施示意圖（三），承「第5圖」所述，請搭配參閱「第3圖」，雲端伺服器11在完成身份確認資訊A的比對，且確認該使用者為公司用戶時，雲端伺服器11即可透過保險單元1121得知該使用者所投保的車款等資訊，而雲端伺服器11係透過運算處理模組111，進一步擷取車型單元1123中符合該使用者車款的3D模型資訊，以生成車體模型資訊B，並透過資訊接收發送模組114將車體模型資訊B發送至行動裝置10，以輔助使用者進行車損照片的拍攝。

請參閱「第7圖」及「第8圖」，圖中所示為本創作之實施示意圖（四）、（五），承「第6圖」所述，行動裝置10透過傳輸模組104接收車體模型資訊B後，使用者可透過顯示幕103來操作車體模型資訊B，以進行車輛12受損部位的選取，而完成選取後，使用者可進一步執行車損狀況擷取單元P14，以驅動行動裝置10的影像擷取模組105作動，而車損狀況擷取單元P14被執行後，使用者即可在顯示幕103上透過AR（Augmented Reality，擴增實境）的方式，分別以近拍與遠拍的拍攝角度擷取車體各部位的損傷照片，並在完成損傷照片的擷取後，進一步搭配選取車體模型資訊B後產生的資訊生成車損資訊C，可透過行動裝置10的傳輸模組104將車損資訊C發送至雲端伺服器11中。

請參閱「第9圖」，圖中所示為本創作之實施示意圖（六），請搭配參閱「第3圖」，承上所述，當雲端伺服器11透過資訊接收發送模組114接收到車損資訊C後，係可進一步透過運算處理模組111驅動比對模組113的訓練單元1131作動，以對車損資訊C進行分析及比對，而訓練單元1131可搭配車損單元1122內儲存的資訊，針對車損資訊C分析辨識出車體正確受損的部位，例如引擎蓋板、大燈、保險桿等部位，亦可透過運算處理模組111擷取車損單元1122的資訊，進一步針對已分析辨識出的受損部位進行深度辨識，並搭配詐欺檢核規則以及保戶舊傷資訊進行處理，以辨識出車體受損部位是否為人為蓄意造成，避免理賠詐欺事件發生；再者，當訓練單元1131完成車損資訊C的分析辨識後，即可得知車體正確受損的部位與程度，藉此，運算處理模組111可進一步擷取維修資訊單元1124的資訊，以取得車損部位的維修價格以及鄰近使用者周遭的維修車廠等資訊，並進一步搭配合約產生模組115所產生的電子合約生成理賠及維修資訊D，透過資訊接收發送模組114發送至行動裝置10。

綜上所述，本創作實施後，當使用者的行動裝置10透過傳輸模組104接收到理賠及維修資訊D後，即可選擇交由保險公司出險處理，亦或是透過理賠及維修資訊D所提供的車廠維修資訊自行處理，使本創作可有效輔助使用者擷取車損資訊，以及輔助保險公司提升定損中識別受損部件的準確率和車禍處理效率；再者，本系統亦可提供給非保險用戶身份的使用者進行使用，其使用時，非保險用戶身份的使用者可經過一註冊程序後，再執行車損輔助程式P，並透過自身的行動裝置擷取車損照片後，進一步傳送至雲端伺服器11的比對模組113進行分析辨識，以供雲端伺服器11擷取維修資訊單元1124的維修資料後，發送至非保險用戶身份的使用者之行動裝置供以參考，且維修資料中亦可包含維修場地址、電話、維修項目/工時費用等相關維修資訊，而非保險用戶與保險用戶使用本系統的差別，僅在於非保險用戶僅單純透過系統進行車損維修費用等相關需求的辨識，系統並不會對非保險用戶身份的使用者進行保戶身份辨識以及是否具有詐欺理賠的意圖，而詳細車損辨識手段於此不再贅述。

請參閱「第10圖」，圖中所示為本創作之實施步驟流程示意圖，請搭配參閱「第1圖」至「第9圖」，如圖，本創作之車體定損輔助系統1的實施步驟如下: (1) 保戶身份確認步驟S1：行動裝置10係預先下載車損輔助程式P，且在執行後，可於行動裝置的顯示幕顯示導引模組P1，可透過導引模組P1的身份識別單元P12進行車牌的影像擷取，以生成身份確認資訊A，並透過行動裝置10傳送至雲端伺服器11以進行保戶身份的確認； (2) 伺服器發送車體模型資訊步驟S2：身份確認資訊A經過雲端伺服器11的比對模組113，可進一步透過資料庫中112的保險單元1121進行資料的分析辨識，以完成保戶身份的確認，並擷取車型單元1123中符合保戶車款的3D模型資訊生成車體模型資訊B，並發送至行動裝置10； (3) 傳送車損資訊步驟S3：行動裝置10接收到車體模型資訊B後，可透過顯示幕103來操作車體模型資訊B，以進行車輛12受損部位的選取，並進一步執行車損輔助程式P的車損狀況擷取單元P14，以近拍與遠拍的攝影方式來擷取車體各部位的損傷照片，再進一步搭配選取車體模型資訊B後產生的資訊生成車損資訊C，而行動裝置10係進一步將車損資訊C傳送至雲端伺服器11； (4) 伺服器進行分析辨識步驟S4：雲端伺服器11的比對模組之訓練單元1131，可搭配車損單元1122對車損資訊C分析辨識出車體正確受損的部位、損失程度以及進行深度辨識，完成分析辨識後，可進一步透過維修資訊單元1124的資訊取得車損部位的維修價格以及鄰近使用者周遭的維修車廠等資訊，並搭配合約產生模組115所產生的電子合約生成理賠及維修資訊D，透過資訊接收發送模組114發送至行動裝置10，以供用戶選擇後續處理方式。

請參閱「第11圖」，圖中所示為本創作之另一實施例（一），請搭配參閱「第4圖」，如本圖中所示的雲端伺服器11，其運算處理模組111係資訊連結有一AI智能客服模組116，所述的AI智能客服模組116可例如為AI Chatbot（人工智慧聊天機器人），當使用者透過顯示幕13選取導引模組P1的客服單元P13尋求協助時，行動裝置10可進一步連線至雲端伺服器11的AI智能客服模組116，以供使用者可透過行動裝置10，經由對話或文字與AI智能客服模組116進行交談，以供使用者獲取想得知的訊息，可有效減少保險公司客服端的人力。承上所述，本系統在具備有專人客服與AI智能客服模組116的前提下，使用者選取導引模組P1的客服單元P13尋求協助時，系統會預先執行AI智能客服模組116後，才是專人客服。而對於未來具備自動駕駛功能的小客車，若發生事故時，可透過感測器自動通知保險公司，由AI智能客服模組116主動關懷客戶並導引使用本車體定損輔助系統。

請參閱「第12圖」，圖中所示為本創作之另一實施例（二），如圖中所示的行動裝置10，其微處理模組101係資訊連結有一GPS模組106，而雲端伺服器11的運算處理模組111則資訊連結有一派工模組117，且GPS模組106可產生一定位資訊E，所述的定位資訊E可包含座標、方位、經緯度等相關位置資訊，又，定位資訊E可透過行動裝置10的傳輸模組104傳送至雲端伺服器11的派工模組117，當使用者有需求時，雲端伺服器11即可透過派工模組117派遣理賠人員至車禍現場協助車主進行車禍處理。

請參閱「第13圖」，圖中所示為本創作之另一實施例（三），如圖中所示的雲端伺服器11，其係進一步與多個外部資料庫（13、14、15）形成資訊連線，而所述的多個外部資料庫（13、14、15）可例如為警政單位、保險犯罪防制中心、關貿網路、保險公司或各保修廠等資料庫，以供雲端伺服器11自動取得肇事紀錄、保單資料、理賠詐欺防阻資料、保費/理賠查詢與等級計算、保修場零件價格與作業工時等資料。

綜上可知，本創作之車體定損輔助系統，使用者可以預先在行動裝置中預載一車損輔助程式，當車禍發生時，車損輔助程式可在被執行後資訊連線至一雲端伺服器，並進一步導引使用者透過AR（Augmented Reality，擴增實境）的方式擷取車體的損傷照片，並搭配雲端伺服器所傳送的3D車體模型選取車體受傷部位後，結合車體的損傷照片生成一車損資訊，再將車損資訊傳送至雲端伺服器進行深度辨識，以進一步判斷出車體的損傷是否為偽造或詐欺，若否，則使用者可即時取得車體維修以及理賠資訊，使本創作可輔助使用者擷取車損資訊，並輔助保險公司辨識車輛損傷部件以及判斷是否保險詐欺，提升定損中識別受損部件的準確率和處理效率；依此，本創作其據以實施後，確實可達到提供一種提升車輛定損處理效率和準確性的車體定損輔助系統之目的。

以上所述者，僅為本創作之較佳之實施例而已，並非用以限定本創作實施之範圍；任何熟習此技藝者，在不脫離本創作之精神與範圍下所作之均等變化與修飾，皆應涵蓋於本創作之專利範圍內。

綜上所述，本創作係具有「產業利用性」、「新穎性」與「進步性」等專利要件；申請人爰依專利法之規定，向　鈞局提起新型專利之申請。

1:車體定損輔助系統 10:行動裝置 101:微處理模組 102:資訊儲存模組 103:顯示幕 104:傳輸模組 105:影像擷取模組 106:GPS模組 11:雲端伺服器 111:運算處理模組 112:資料庫 113:比對模組 1121:保險單元 1131:訓練單元 1122:車損單元 115:合約產生模組 1123:車型單元 117:派工模組 1124:維修資訊單元 114:資訊接收發送模組 116:AI智能客服模組 12:車輛 13:外部資料庫 14:外部資料庫 15:外部資料庫 P:車損輔助程式 A:身份確認資訊 P1:導引模組 B:車體模型資訊 P11:報警單元 C:車損資訊 P12:身份識別單元 D:理賠及維修資訊 P13:客服單元 E:位址資訊 P14:車損狀況擷取單元 S1:保戶身份確認步驟 S2:伺服器發送車體模型資訊步驟 S3:傳送車損資訊步驟 S4:伺服器進行分析辨識步驟

第1圖，為本創作之組成示意圖。 第2圖，為本創作之車損輔助程式組成示意圖。 第3圖，為本創作之雲端伺服器之組成示意圖。 第4圖，為本創作之實施示意圖（一）。 第5圖，為本創作之實施示意圖（二）。 第6圖，為本創作之實施示意圖（三）。 第7圖，為本創作之實施示意圖（四）。 第8圖，為本創作之實施示意圖（五）。 第9圖，為本創作之實施示意圖（六）。 第10圖，為本創作之實施步驟流程示意圖。 第11圖，為本創作之另一實施例（一）。 第12圖，為本創作之另一實施例（二）。 第13圖，為本創作之另一實施例（三）。

1:車體定損輔助系統1

10:行動裝置

11:雲端伺服器

A:身份確認資訊

B:車體模型資訊

C:車損資訊

D:理賠及維修資訊

Claims (10)

1. 一種車體定損輔助系統，可與安裝有一車損輔助程式的一行動裝置搭配使用，其包含： 一雲端伺服器，具有一運算處理模組，該運算處理模組分別與一資料庫、一比對模組、一資訊接收發送模組以及一合約產生模組形成資訊連結； 該車損輔助程式透過一導引模組的操作生成一身份確認資訊，該身份確認資訊可發送至該比對模組，該比對模組可擷取該資料庫進行比對分析，以生成一車體模型資訊； 該行動裝置可接收該車體模型資訊後，搭配該導引模組的操作生成一車損資訊；以及 該比對模組可透過該資訊接收模組接收該車損資訊，並擷取該資料庫進行深度辨識分析後，搭配該合約產生模組生成一理賠及維修資訊，且該理賠及維修資訊可供以顯示於該行動裝置的一顯示幕上。
2. 如請求項1的車體定損輔助系統，其中，該導引模組具有一報警單元、一身份識別單元、客服單元、車損狀況擷取單元。
3. 如請求項2的車體定損輔助系統，其中，執行該身份識別單元可生成該身份確認資訊，且該行動裝置接收該車體模型資訊後，搭配執行該車損狀況擷取單元生成該車損資訊。
4. 如請求項1的車體定損輔助系統，其中，該資料庫具有一保險單元、一車損單元、一車型單元以及一維修資訊單元。
5. 如請求項4的車體定損輔助系統，其中，該比對模組接收該身份確認資訊時，可擷取該資料庫的該保險單元進行比對分析，並擷取該車型單元生成該車體模型資訊，而該比對模組接收該車損資訊時，可擷取該資料庫的該車損單元進行比對分析，並擷取該維修資訊單元與該合約產生模組生成的一電子合約，經過整合後生成該理賠及維修資訊。
6. 如請求項1的車體定損輔助系統，其中，該運算處理模組資訊連結有一AI智能客服模組。
7. 如請求項1的車體定損輔助系統，其中，該行動裝置資訊具有一GPS模組，而該運算處理模組資訊連結有一派工模組，該派工模組可接收該GPS模組產生的一定位資訊。
8. 如請求項1的車體定損輔助系統，其中，該比對模組具有一訓練單元，該訓練單元該訓練單元可為LeNet、AlexNet、VGGnet、NIN、GoogLeNet, MobileNet、SqueezeNet、ResNet、SiameseNet、NASNet、RNN、SSD、Inception-ResNet、EfficientNet、Faster R-CNN、YOLO的其中一種或多種之組合。
9. 如請求項8的車體定損輔助系統，其中，該訓練單元具有目標檢測演算法的功能，其可為SSD 、Faster R-CNN、YOLO其中一種或多種之組合。
10. 如請求項6的車體定損輔助系統，其中，該AI智能客服模組為AI Chatbot（人工智慧聊天機器人）。

Images