The invention relates to the technical field of vehicle loss assessment, and provides a loss assessment method for vehicle parts, which includes: obtaining the image of vehicle external parts and vehicle driving information; inputting the image of vehicle external parts into the pre trained neural network analysis model to obtain the loss level of each external part of the vehicle; analyzing the vehicle driving information to obtain each internal part of the vehicle According to the loss level of each external part of the vehicle and the loss level of each internal part of the vehicle, obtain the part processing results matching with the loss level of each part; query the corresponding maintenance price of the part processing results of each part in the preset data platform; output the part processing results of each part and the maintenance price of each part obtained by the query. Through the implementation of the invention, the external parts and internal parts of the vehicle can be analyzed respectively, and the component processing results matched with the loss of each component can be provided.
【技术实现步骤摘要】
一种车辆部件的定损方法、装置、计算机设备及存储介质
本专利技术涉及车辆定损
领域,尤其涉及一种车辆部件的定损方法、装置、计算机设备及存储介质。
技术介绍
随着经济水平的不断提升,车辆保有量不断增加,市场上对车辆进行保养的次数也越来越多,保养的同时需要对车辆各部件进行定损,而目前对车辆进行定损的方式通常是利用人工对车辆进行检测,根据检测的结果获得车辆各部件定损的结果。然而,通过人工对车辆进行检测方式存在效率较低,且由于不同车辆维修人员的技术水平不同,容易出现针对同一车辆各部件定损的结果不统一的情况。而通过使用人工智能技术检测车辆,并给出损伤级别,能够较好地解决这些问题。在现有技术中,其一般是先摄制车辆图像,然后利用预设神经网络模型提取车辆图像的特征向量,最后通过计算提取的特征向量获得车辆整体的损伤级别。但是,该方案一般仅通过对车辆图像识别分析完成对车辆整体损耗的判断,存在判断依据较少导致判断结果的准确性不高的缺陷,且不能对车辆各内部部件的情况做出判断,从而导致无法准确提供与车辆各部件损耗情况对应的部件处理结果的问题。
技术实现思路
本专利技术实施例提供一种车辆部件的定损方法、装置、计算机设备及存储介质,以解决无法准确提供车辆各部件具体损耗情况的问题。一种车辆部件的定损方法,包括:获取车辆的车辆外部部件图像和车辆行驶信息;将车辆外部部件图像输入预先训练好的神经网络分析模型,得到车辆各外部部件的损耗等级;对车辆行驶信息进行分析,得到车辆各内部部件的损耗等级; ...
【技术保护点】
1.一种车辆部件的定损处理方法,其特征在于,所述方法包括:/n获取车辆的车辆外部部件图像和车辆行驶信息;/n将所述车辆外部部件图像输入预先训练好的神经网络分析模型,得到车辆各外部部件的损耗等级;/n对所述车辆行驶信息进行分析,得到车辆各内部部件的损耗等级;/n根据所述车辆各外部部件的所述损耗等级和所述车辆各内部部件的所述损耗等级,获取与所述损耗等级相匹配的各部件的部件处理结果;/n输出所述各部件的所述部件处理结果。/n
【技术特征摘要】
1.一种车辆部件的定损处理方法,其特征在于,所述方法包括:
获取车辆的车辆外部部件图像和车辆行驶信息;
将所述车辆外部部件图像输入预先训练好的神经网络分析模型,得到车辆各外部部件的损耗等级;
对所述车辆行驶信息进行分析,得到车辆各内部部件的损耗等级;
根据所述车辆各外部部件的所述损耗等级和所述车辆各内部部件的所述损耗等级,获取与所述损耗等级相匹配的各部件的部件处理结果;
输出所述各部件的所述部件处理结果。
2.根据权利要求1所述的车辆部件的定损方法,其特征在于,所述将所述车辆外部部件图像输入预先训练好的神经网络分析模型,得到车辆各外部部件的损耗等级的步骤包括:
从所述车辆外部部件图像中提取目标部件图像;
通过所述神经网络分析模型对所述目标部件图像进行处理,以获得所述车辆各外部部件的所述损耗等级。
3.根据权利要求2所述的车辆部件的定损方法,其特征在于,所述从所述车辆外部部件图像中提取目标部件图像的步骤包括:
对所述车辆外部部件图像进行归一化处理;
将所述车辆外部部件图像划分为多个候选区域;
将每个所述候选区域与部件样本图像进行对比,将与所述部件样本图像相似度达到设定阈值的所述候选区域作为对应部件的目标区域;
枚举不同的矩形框对所述目标区域进行框选,将所述车辆外部部件的图像面积在所述矩形框中占比率最高的矩形框确定为对应部件的目标矩形框;
对所述目标矩形框框选的图像进行裁剪以得到所述目标部件图像。
4.根据权利要求2所述的车辆部件的定损方法,其特征在于,所述通过所述神经网络分析模型对所述目标部件图像进行处理,以获得所述车辆各外部部件的所述损耗等级的步骤包括:
对所述目标部件图像进行边缘检测,并根据所述目标部件图像中目标部件的边缘对所述目标部件图像进行偏转;
对所述目标部件图像进行分析,以得到特征向量;
基于所述神经网络分析模型中的分类器对所述特征向量的值进行计算,以获得所述目标部件图像中所述目标部件的所述损耗等级。
5.根据权利要求1所述的车辆部件的定损方法,其特征在于,所述对所述车辆行驶信息进行分析,得到车辆各内部部件的损耗等级的步骤包括包括:
根据所述车辆行驶信息从预设数据平台中获...
【专利技术属性】
技术研发人员:刘轲,
申请(专利权)人:深圳壹账通智能科技有限公司,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。