数据预测方法、装置、设备及计算机可读存储介质制造方法及图纸

本申请涉及人工智能技术领域，公开一种数据预测方法、装置、设备及计算机可读存储介质。数据预测方法包括：当检测到拍照应用启动时，在移动终端上显示拍照预览界面；基于预设的车辆部位识别模型在拍照预览界面中进行车辆部位识别，确定拍照预览界面中的车辆部位；若车辆部位对应的置信度大于或等于预设置信度，当接收到拍照指令时，保存框选的车辆部位图片，并基于预设的车辆损伤识别模型对车辆部位图片进行损伤识别，确定车辆部位的损伤等级；基于车辆部位的损伤等级，确定车辆部位的处理方式，其中，处理方式包括更换和修复；将车辆部位的处理方式推送至所述移动终端。通过本申请，提高了车辆部位的识别准确率和出险现场的定损效率。

【技术实现步骤摘要】
数据预测方法、装置、设备及计算机可读存储介质
本申请涉及车险
，尤其涉及一种数据预测方法、装置、设备及计算机可读存储介质。
技术介绍
随着社会的发展，交通车辆越来越多，车辆参加保险已经是购买车辆后的第一道手续。随着车辆的增多，车辆交通事故的绝对数量也相应变大，当投保车辆发生交通事故时，保险公司的第一件事就是到现场查勘定损。目前，数据预测主要是依赖于定损员现场对出险车辆进行拍照，然后将照片传回至后台服务器，通过后台服务器对照片进行检测，以判断出险车辆的损伤程度。但是，这种定损方式对拍摄和网络的要求较高，如果定损员拍摄的照片不全面或角度不准确或者出险现场网络情况不佳，则会导致用于车辆定损的数据不准确，因而现有技术还有待改进和提高。
技术实现思路
本申请的主要目的在于提供一种数据预测方法、装置、设备及计算机可读存储介质，旨在解决现有的出险车辆定损方式不够准确的技术问题。为实现上述目的，本申请提供一种数据预测方法，所述数据预测方法包括以下步骤：当检测到拍照应用启动时，在移动终端上显示拍照预览界面；基于预设的车辆部位识别模型在所述拍照预览界面中进行车辆部位识别，确定所述拍照预览界面中的车辆部位；在所述拍照预览界面上用预设颜色的矩形框对所述车辆部位进行框选；基于所述预设的车辆部位识别模型获取所述车辆部位对应的置信度，并将所述车辆部位对应的置信度显示在所述预设颜色的矩形框内，其中，所述置信度为所述预设的车辆部位识别模型识别出车辆部位的正确率；若所述车辆部位对应的置信度小于预设置信度，则禁用移动终端的拍照功能，并发出调整摄像头的提示信息；若所述车辆部位对应的置信度大于或等于预设置信度，当接收到拍照指令时，保存框选的车辆部位图片，并基于预设的车辆损伤识别模型对所述车辆部位图片进行损伤识别，确定所述车辆部位的损伤等级；基于所述车辆部位的损伤等级，确定所述车辆部位的处理方式，其中，所述处理方式包括更换和修复；将所述车辆部位的处理方式推送至所述移动终端。可选地，在所述当检测到拍照应用启动时，在移动终端上显示拍照预览界面之后，在所述基于预设的车辆部位识别模型在所述拍照预览界面中进行车辆部位识别，确定所述拍照预览界面中的车辆部位之前，还包括：获取预设数量的不同车辆部位的样本图片；基于所述样本图片，对预设的车辆部位识别模型进行离线训练。可选地，所述基于所述样本图片，对预设的车辆部位识别模型进行离线训练包括：对所述样本图片进行预处理；将预处理后的所述样本图片输入至预设的卷积神经网络中，以便所述预设的卷积神经网络输出所述样本图片的特征图；基于区域候选网络对所述特征图进行识别，确定所述样本图片对应的车辆部位信息。可选地，所述基于区域候选网络对所述特征图进行识别，确定所述样本图片对应的车辆部位信息包括：基于区域候选网络对所述特征图进行检测，确定目标区域；通过全连接算法对所述目标区域进行检测，确定所述目标区域中对应的车辆部位信息。可选地，在所述基于所述样本图片，对预设的车辆部位识别模型进行离线训练之后，还包括：当检测到所述预设的车辆部位识别模型开始收敛时，确认所述预设的车辆部位识别模型离线训练完成；保存离线训练后的所述预设的车辆部位识别模型。此外，为实现上述目的，本申请还提供一种数据预测装置，所述数据预测装置包括：拍照预览模块，用于当检测到拍照应用启动时，在移动终端上显示拍照预览界面；部位识别模块，用于基于预设的车辆部位识别模型在所述拍照预览界面中进行车辆部位识别，确定所述拍照预览界面中的车辆部位；框选模块，用于在所述拍照预览界面上用预设颜色的矩形框对所述车辆部位进行框选；置信度模块，用于基于所述预设的车辆部位识别模型获取所述车辆部位对应的置信度，并将所述车辆部位对应的置信度显示在所述预设颜色的矩形框内，其中，所述置信度为所述预设的车辆部位识别模型识别出车辆部位的正确率；提示模块，用于若所述车辆部位对应的置信度小于预设置信度，则禁用移动终端的拍照功能，并发出调整摄像头的提示信息；损伤识别模块，用于若所述车辆部位对应的置信度大于或等于预设置信度，当接收到拍照指令时，保存框选的车辆部位图片，并基于预设的车辆损伤识别模型对所述车辆部位图片进行损伤识别，确定所述车辆部位的损伤等级；处理模块，用于基于所述车辆部位的损伤等级，确定所述车辆部位的处理方式，其中，所述处理方式包括更换和修复；推送模块，用于将所述车辆部位的处理方式推送至所述移动终端。可选地，所述数据预测装置还包括：获取模块，用于获取预设数量的不同车辆部位的样本图片；离线训练模块，用于基于所述样本图片，对预设的车辆部位识别模型进行离线训练。可选地，所述离线训练模块包括：预处理单元，用于对所述样本图片进行预处理；特征图单元，用于将预处理后的所述样本图片输入至预设的卷积神经网络中，以便所述预设的卷积神经网络输出所述样本图片的特征图；识别单元，用于基于区域候选网络对所述特征图进行识别，确定所述样本图片对应的车辆部位信息。此外，为实现上述目的，本申请还提供一种数据预测设备，所述数据预测设备包括输入输出单元、存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行时实现如上所述的数据预测方法的步骤。此外，为实现上述目的，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有数据预测程序，所述数据预测程序被处理器执行时实现如上所述的数据预测方法的步骤。本申请提出的数据预测方法，当检测到拍照应用启动时，即在移动终端的拍照预览界面上进行车辆部位的识别，用矩形框对识别出的车辆部位进行框选，并在矩形框内显示车辆部位对应的置信度；若车辆部位对应的置信度小于预设置信度，则禁用移动终端的拍照功能，并发出调整摄像头的提示信息；若车辆部位对应的置信度大于或等于预设置信度，则在接收到拍照指令时，保存框选的车辆部位图片，并基于预设的车辆损伤识别模型对车辆部位图片进行损伤识别，确定车辆部位的损伤等级；根据车辆部位的损伤等级，确定车辆部位的处理方式，并将车辆部位的处理方式推送至移动终端。通过本申请提出的数据预测方法，在移动终端的拍照预览界面上就进行车辆部位的识别及框选，实现车辆定损数据的准确获取，并对框选出的车辆部位进行损伤等级识别，提高了出险现场的定损效率。附图说明图1为本申请实施例方案涉及的硬件运行环境的数据预测设备结构示意图；图2为本申请数据预测方法一实施例的流程示意图；图3为本申请数据预测装置一实施例的功能模块示意图；图4为本申请数据预测装置另一实施例的功能模块示意图；图5为本申请数据预测装置一实施例中离线训练模块的功能单元示意图。本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一本文档来自技高网...

【技术保护点】
1.一种数据预测方法，其特征在于，所述数据预测方法包括以下步骤：/n当检测到拍照应用启动时，在移动终端上显示拍照预览界面；/n基于预设的车辆部位识别模型在所述拍照预览界面中进行车辆部位识别，确定所述拍照预览界面中的车辆部位；/n在所述拍照预览界面上用预设颜色的矩形框对所述车辆部位进行框选；/n基于所述预设的车辆部位识别模型获取所述车辆部位对应的置信度，并将所述车辆部位对应的置信度显示在所述预设颜色的矩形框内，其中，所述置信度为所述预设的车辆部位识别模型识别出车辆部位的正确率；/n若所述车辆部位对应的置信度小于预设置信度，则禁用移动终端的拍照功能，并发出调整摄像头的提示信息；/n若所述车辆部位对应的置信度大于或等于预设置信度，当接收到拍照指令时，保存框选的车辆部位图片，并基于预设的车辆损伤识别模型对所述车辆部位图片进行损伤识别，确定所述车辆部位的损伤等级；/n基于所述车辆部位的损伤等级，确定所述车辆部位的处理方式，其中，所述处理方式包括更换和修复；/n将所述车辆部位的处理方式推送至所述移动终端。/n

【技术特征摘要】
1.一种数据预测方法，其特征在于，所述数据预测方法包括以下步骤：
当检测到拍照应用启动时，在移动终端上显示拍照预览界面；
基于预设的车辆部位识别模型在所述拍照预览界面中进行车辆部位识别，确定所述拍照预览界面中的车辆部位；
在所述拍照预览界面上用预设颜色的矩形框对所述车辆部位进行框选；
基于所述预设的车辆部位识别模型获取所述车辆部位对应的置信度，并将所述车辆部位对应的置信度显示在所述预设颜色的矩形框内，其中，所述置信度为所述预设的车辆部位识别模型识别出车辆部位的正确率；
若所述车辆部位对应的置信度小于预设置信度，则禁用移动终端的拍照功能，并发出调整摄像头的提示信息；
若所述车辆部位对应的置信度大于或等于预设置信度，当接收到拍照指令时，保存框选的车辆部位图片，并基于预设的车辆损伤识别模型对所述车辆部位图片进行损伤识别，确定所述车辆部位的损伤等级；
基于所述车辆部位的损伤等级，确定所述车辆部位的处理方式，其中，所述处理方式包括更换和修复；
将所述车辆部位的处理方式推送至所述移动终端。


2.如权利要求1所述的数据预测方法，其特征在于，在所述当检测到拍照应用启动时，在移动终端上显示拍照预览界面之后，在所述基于预设的车辆部位识别模型在所述拍照预览界面中进行车辆部位识别，确定所述拍照预览界面中的车辆部位之前，还包括：
获取预设数量的不同车辆部位的样本图片；
基于所述样本图片，对预设的车辆部位识别模型进行离线训练。


3.如权利要求2所述的数据预测方法，其特征在于，所述基于所述样本图片，对预设的车辆部位识别模型进行离线训练包括：
对所述样本图片进行预处理；
将预处理后的所述样本图片输入至预设的卷积神经网络中，以便所述预设的卷积神经网络输出所述样本图片的特征图；
基于区域候选网络对所述特征图进行识别，确定所述样本图片对应的车辆部位信息。


4.如权利要求3所述的数据预测方法，其特征在于，所述基于区域候选网络对所述特征图进行识别，确定所述样本图片对应的车辆部位信息包括：
基于区域候选网络对所述特征图进行检测，确定目标区域；
通过全连接算法对所述目标区域进行检测，确定所述目标区域中对应的车辆部位信息。


5.如权利要求2所述的数据预测方法，其特征在于，在所述基于所述样本图片，对预设的车辆部位识别模型进行离线训练之后，还包括：
当检测到所述预设的车辆部位识别模型开始收敛时，确认所述预设的车辆部位识别模型...

【专利技术属性】
技术研发人员：刘迪，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44