一种部件损伤程度的确定方法、装置及设备制造方法及图纸

本申请实施例公开了一种部件损伤程度的确定方法、装置及设备，通过预先利用目标部件图像对图像识别模型进行训练，其中目标部件图像中包括目标部件，目标部件为无损部件，获取待检测部件图像，待检测部件图像中包括待检测部件，将待检测部件图像输入图像识别模型，得到待检测部件为目标部件的识别概率，根据识别概率确定待检测部件的损伤程度。这种部件损伤程度的确定方法能够利用无损部件的图像对图像识别模型进行训练，再通过完成训练的图像识别模型进行待检测部件的损伤程度的确定，减少了图像识别模型训练的工作量，提高了确定待检测部件的损伤程度的准确性。

【技术实现步骤摘要】
一种部件损伤程度的确定方法、装置及设备
本申请涉及图像处理领域，尤其涉及一种部件损伤程度的确定方法、装置及设备。
技术介绍
对于保险公司来说，定损是指确定设备的损伤程度，以便根据定损结果来确定出维修方案及维修价格。定损是理赔中最为重要的操作环节之一，可以通过人工进行，这种定损过程需要耗费较多的时间，因此，大多数企业通常使用算法来进行定损，以降低成本，提高效率。目前，通过算法进行设备的定损，可以通过以下方式：获取大量的设备损伤图像，对这些设备损伤图像进行标记，例如可以标记部件的损伤程度，然后对标记的设备损伤图像进行训练，形成定损分析模型，获取包括待检测部件的待检测部件图像，将待检测部件图像输入定损分析模型，得到待检测部件图像中待检测部件的损伤程度。上述定损方式需要大量的设备损伤图像，这些设备损伤图像中包括各种损伤程度的待检测部件，并通过人工对这些待检测部件的损伤程度进行标记，因此，这种定损方式的准确性依赖于这些设备损伤图像，如果设备损伤图像的数量较少、损伤程度不够全面或对人工部分设备损伤图像中的损伤程度标记不够准确，都会影响定损的准确性。另外，定损过程工作量较大，定损分析模型的训练效率低下。
技术实现思路
为了解决现有技术中定损过程准确性不高且模型训练效率较低下的问题，本申请实施例提供了一种部件损伤程度的确定方法、装置及设备。本申请实施例提供的一种部件损伤程度的确定方法中，预先利用目标部件图像对图像识别模型进行训练，所述目标部件图像中包括目标部件，所述目标部件为无损部件；该方法包括：获取待检测部件图像，所述待检测部件图像中包括待检测部件；将所述待检测部件图像输入所述图像识别模型，得到所述待检测部件为所述目标部件的识别概率；根据所述识别概率确定所述待检测部件的损伤程度。本申请实施例提供了一种部件损伤程度的确定装置，该装置包括：模型训练单元，用于预先利用目标部件图像对图像识别模型进行训练，所述目标部件图像中包括目标部件，所述目标部件为无损部件；待检测部件图像获取单元，用于获取待检测部件图像，所述待检测部件图像中包括待检测部件；识别概率获取单元，用于将所述待检测部件图像输入所述图像识别模型，得到所述待检测部件为所述目标部件的识别概率；损伤程度获取单元，用于根据所述识别概率确定所述待检测部件的损伤程度。本申请实施例还提供了一种部件损伤程度的确定设备，所述设备包括：处理器和存储器；所述存储器，用于存储指令；所述处理器，用于执行所述存储器中的指令，执行本申请实施例提供的一种部件损伤程度的确定方法。本申请实施例还提供了一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行本申请实施例提供的一种部件损伤程度的确定方法。本申请实施例提供的一种部件损伤程度的确定方法、装置及设备，通过预先利用目标部件图像对图像识别模型进行训练，其中目标部件图像中包括目标部件，目标部件为无损部件，由于相比于各种损伤程度的待检测部件，无损部件的数量相对较少，因此可以通过较少的目标部件图像实现图像识别模型的训练。获取待检测部件图像，待检测部件图像中包括待检测部件，将待检测部件图像输入图像识别模型，得到待检测部件为目标部件的识别概率，识别概率可以表示待检测部件图像中的待检测部件的特征和目标部件图像中的目标部件的特征的相关性，识别概率越大，说明相关性越好，对应的损伤程度越小，因此，可以根据识别概率确定待检测部件的损伤程度。这种部件损伤程度的确定方法能够利用无损部件的图像对图像识别模型进行训练，再通过完成训练的图像识别模型进行待检测部件的损伤程度的确定，其中，用于训练的目标部件图像数量较少，减少了图像识别模型训练的工作量，提高了图像识别模型训练的准确性，且该方法中不需要对损伤程度进行标记，减少了人工对损伤程度进行标记可能出现的错误，提高了确定待检测部件的损伤程度的准确性。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。图1为本申请实施例提供的一种部件损伤程度的确定方法的流程图；图2为本申请实施例提供的一种图像识别模型示意图；图3为本申请实施例提供的另一种部件损伤程度的确定方法的流程图；图4为本申请实施例提供的一种部件损伤程度的确定装置的结构框图；图5为本申请实施例提供的一种部件损伤程度的确定设备的结构框图。具体实施方式为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。现有技术中，对于设备的损伤程度的确定，通常通过算法进行，具体的，可以获取大量的设备损伤图像，标记设备损伤图像中待检测部件的损伤程度，利用标记的设备损伤图像对定损分析模型进行训练，形成定损分析模型，再将待检测部件图像输入定损分析模型，得到待检测部件图像中待检测部件的损伤程度。这种定损方式需要大量的设备损伤图像，这些设备损伤图像中包括各种损伤程度的待检测部件，并通过人工对这些待检测部件的损伤程度进行标记，因此，这种定损方式的准确性依赖于这些设备损伤图像，如果设备损伤图像的数量较少、损伤程度不够全面或人工对部分设备损伤图像中的损伤程度标记不够准确，都会影响定损的准确性。另外，定损过程工作量较大，定损分析模型的训练效率低下。为了解决上述技术问题，本申请实施例提供的一种部件损伤程度的确定方法、装置及设备，通过预先利用目标部件图像对图像识别模型进行训练，其中目标部件图像中包括目标部件，目标部件为无损部件，由于相比于各种损伤程度的待检测部件，用于训练的无损部件的数量相对较少，因此可以通过较少的目标部件图像实现图像识别模型的训练。获取待检测部件图像，待检测部件图像中包括待检测部件，将待检测部件图像输入图像识别模型，得到待检测部件为目标部件的识别概率，识别概率可以表示待检测部件图像中的待检测部件的特征和目标部件图像中的目标部件的特征的相关性，识别概率越大，说明相关性越好，对应的损伤程度越小，因此，可以根据识别概率确定待检测部件的损伤程度。这种部件损伤程度的确定方法能够利用无损部件的图像对图像识别模型进行训练，再通过完成训练的图像识别模型进行待检测部件的损伤程度的确定，其中，用于训练的目标部件图像数量较少，减少了图像识别模型训练的工作量，提高了图像识别模型训练的准确性，且该方法中不需要对损伤程度进行标记，减少了人工对损伤程度进行标记可能出现的错误，提高了确定待检测部件的损伤程度的准确性。参见图1，该图为本申请实施例提供的一种部件损伤程度的确定方法的流程图，该方法可以包括S101至S103。可选的，在S101之前，还可以进行图像识别模型的训练，具体的，可以执行S100：S100，预先利用目标部件图像对图像识别模型进行训练。目标部件图像是包括目标部件的图像，可以包括目标部件的多个方向的视图。目标部件图像可以是彩色图像，也可本文档来自技高网...

【技术保护点】
1.一种部件损伤程度的确定方法，其特征在于，预先利用目标部件图像对图像识别模型进行训练，所述目标部件图像中包括目标部件，所述目标部件为无损部件；所述方法包括：获取待检测部件图像，所述待检测部件图像中包括待检测部件；将所述待检测部件图像输入所述图像识别模型，得到所述待检测部件为所述目标部件的识别概率；根据所述识别概率确定所述待检测部件的损伤程度。

【技术特征摘要】
1.一种部件损伤程度的确定方法，其特征在于，预先利用目标部件图像对图像识别模型进行训练，所述目标部件图像中包括目标部件，所述目标部件为无损部件；所述方法包括：获取待检测部件图像，所述待检测部件图像中包括待检测部件；将所述待检测部件图像输入所述图像识别模型，得到所述待检测部件为所述目标部件的识别概率；根据所述识别概率确定所述待检测部件的损伤程度。2.根据权利要求1所述的方法，其特征在于，所述预先利用目标部件图像对图像识别模型进行训练，包括：预先获取目标部件图像；对所述目标部件图像进行边缘检测，提取所述目标部件图像的轮廓特征，形成目标轮廓图像；利用所述目标轮廓图像对图像识别模型进行训练；所述将所述待检测部件图像输入所述图像识别模型，包括：对所述待检测部件图像进行边缘检测，提取所述待检测部件图像的轮廓特征，形成部件轮廓图像；将所述部件轮廓图像输入所述图像识别模型。3.根据权利要求2所述的方法，其特征在于，所述目标部件图像为彩色图像；所述对所述目标部件图像进行边缘检测，包括：将所述目标部件图像进行灰度化处理，对处理后的所述目标部件图像进行边缘检测；和/或，所述待检测部件图像为彩色图像，所述对所述待检测部件图像进行边缘检测，包括：将所述待检测部件图像进行灰度化处理，对处理后的所述待检测部件图像进行边缘检测。4.根据权利要求3所述的方法，其特征在于，所述利用所述目标轮廓图像对图像识别模型进行训练，包括：将所述目标轮廓图像中，大于或等于第一预设灰度阈值的灰度替换为第一预设灰度，得到增强目标图像，利用所述增强目标图像对图像识别模型进行训练；和/或，所述将所述部件轮廓图像输入所述图像识别模型，包括：将所述部件轮廓图像中，大于或等于第二预设灰度阈值的灰度替换为第二预设灰度，得到增强部件图像，将所述增强部件图像输入所述图像识别模型。5.根据权利要求1至4任意一项所述的方法，其特征在于，所述将所述待检测部件图像输入所述图像识别模型，得到所述待检测部件为所述目标部件的识别概率，包括：在所述待检测部件图像中确定多个待检测区域，根据所述多个待检测区域形成多个待检测区域图像，所述多个待检测区域位于所述待检测部件图像中的不同位置；将多个所述待检测区域图像输入所述图像识别模型，分别得到多个所述待检测区域图像中的待检测部件为所述目标部件的区域概率；将所述区域概率中的最大值确定为...

【专利技术属性】
技术研发人员：徐丽丽，王宇飞，
申请(专利权)人：东软集团股份有限公司，
类型：发明
国别省市：辽宁,21