基于图像处理的车辆维修配件推荐方法及系统技术方案

本发明专利技术公开了一种基于图像处理的车辆维修配件推荐方法及系统，涉及图像处理技术领域，通过长短期神经网络模型确定待更换配件的磨损度，通过卷积神经网络模型确定用户的价格敏感度，最后基于所述待更换配件的磨损度、所述用户的价格敏感度、所述待更换配件信息使用深度神经网络模型确定多个推荐维修配件，从而能够快速准确的确定多个推荐维修配件。能够快速准确的确定多个推荐维修配件。能够快速准确的确定多个推荐维修配件。

【技术实现步骤摘要】
基于图像处理的车辆维修配件推荐方法及系统


[0001]本专利技术涉及图像处理
，具体涉及基于图像处理的车辆维修配件推荐方法及系统。

技术介绍

[0002]随着生活质量的提高，越来越多的家庭拥有车辆，车辆的普及方便了人们的出行，但随之带来了一些车辆保养及维修问题。车辆在使用过程中难免会磕磕碰碰或者出现车辆配件故障，这时就需要到修理厂进行维修。修理厂会对出现故障的车辆配件进行更换，但由于同一种类的车辆配件繁多，而车辆配件还分为原厂件、正厂件、副厂件、拆车件等几个类别，选择起来较为困难。现有的方案大多都是修理厂工作人员根据用户需要人为选择相应的车辆配件，但此种方法需要修理厂工作人员和用户多次交流，费时费力，且选择结果受修理厂工作人员主观影响严重，不太准确。
[0003]因此，如何快速准确的确定车辆维修配件是当前亟待解决的问题。

技术实现思路

[0004]本专利技术主要解决的技术问题是如何快速准确的确定车辆维修配件。
[0005]根据第一方面，一种实施例中提供一种基于图像处理的车辆维修配件推荐方法，包括：S1、获取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像处理的车辆维修配件推荐方法，其特征在于，包括：S1、获取用户信息、车辆图像、车辆的待更换配件信息，所述车辆的待更换配件信息包括待更换配件型号、待更换配件拍摄视频、待更换配件价格；S2、基于所述待更换配件拍摄视频使用长短期神经网络模型确定待更换配件的磨损度，所述长短期神经网络模型的输入包括所述待更换配件拍摄视频，所述长短期神经网络模型的输出为所述待更换配件的磨损度；S3、基于所述用户信息、所述车辆图像、所述车辆的待更换配件信息使用卷积神经网络模型确定用户的价格敏感度；S4、基于所述待更换配件的磨损度、所述用户的价格敏感度、所述待更换配件信息使用深度神经网络模型确定多个推荐维修配件。2.如权利要求1所述的基于图像处理的车辆维修配件推荐方法，其特征在于，所述卷积神经网络模型的输入包括所述用户信息、所述车辆图像、所述车辆的待更换配件信息，所述卷积神经网络模型的输出为所述用户的价格敏感度；所述深度神经网络模型的输入包括所述待更换配件的磨损度、所述用户的价格敏感度、所述待更换配件信息，所述深度神经网络模型的输出为所述多个推荐维修配件。3.如权利要求1所述的基于图像处理的车辆维修配件推荐方法，其特征在于，所述方法还包括：若所述用户的价格敏感度高于第一阈值，则将所述多个推荐维修配件中价格最低的推荐维修配件推荐给用户。4.如权利要求1所述的基于图像处理的车辆维修配件推荐方法，其特征在于，所述方法还包括：获取所述多个推荐维修配件的价格，将所述多个推荐维修配件按照价格从低到高进行排序后得到价格表，并将所述价格表展示给用户。5.如权利要求1所述的基于图像处理的车辆维修配件推荐方法，所述卷积神经网络模型通过训练过程获取，所述训练过程包括：获取多个训练样本，所述训练样本包括样本输入数据和所述样本输入数据对应的标签，所述样本输入数据为样本用...

【专利技术属性】
技术研发人员：张良，李诚，赵良晶，马双，冯慧霞，刘玉东，于连奇，
申请(专利权)人：邦邦汽车销售服务北京有限公司，
类型：发明
国别省市：