System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及人工智能,尤其涉及一种基于人工智能的车辆定损理赔方法、装置、电子设备及存储介质。
技术介绍
1、车损理赔作业的过程中,当发生车辆事故的时候,车险客户需要等待定损员到达现场对事故车辆进行定损以获取理赔结果。为了保证客户的理赔需求能得到快速响应,公司需要大量的理赔员随时待命,大大提高了公司的运营成本,且客户需等待定损员到达现场,增加了时间成本使得车辆定损理赔的效率低下。
2、通常,现有的自动定损方法将采集的损伤图像作为定损依据得到定损结果,然而,在实际场景中很难保证损伤图像的质量,造成定损结果的准确率较低,进而导致车辆定损理赔的准确率较低。
技术实现思路
1、鉴于以上内容,有必要提出一种基于人工智能的车辆定损理赔方法及相关设备,以解决如何提高车辆定损理赔的效率和准确率这一技术问题,其中,相关设备包括基于人工智能的车辆定损理赔装置、电子设备及存储介质。
2、本申请提供基于人工智能的车辆定损理赔方法,所述方法包括:
3、用户使用手持设备实时采集车辆图像,并依据所述手持设备中的部件分割网络和损伤分割网络得到所述车辆图像的部件分割图和损伤分割图;
4、基于所述部件分割图和损伤分割图提示用户移动所述手持设备以获取标准车辆图像,并将所述标准车辆图像的部件分割图和损伤分割图作为标准部件分割图和标准损伤分割图;
5、基于所述标准车辆图像、所述标准部件分割图和所述标准损伤分割图获取维修方案,所述维修方案包括更换和修补;
6
7、将所述理赔金额和所述维修方案作为理赔结果,并将所述理赔结果显示在所述手持设备上。
8、在一些实施例中,所述用户使用手持设备实时采集车辆图像,并依据所述手持设备中的部件分割网络和损伤分割网络得到所述车辆图像的部件分割图和损伤分割图,包括:
9、用户使用手持设备实时采集车辆图像,所述手持设备中嵌入了部件分割网络和损伤分割网络;
10、将所述车辆图像送入所述部件分割网络得到部件分割图,所述部件分割图包括所述车辆图像中每一个像素点所属的部件种类以及所述部件种类的置信度,所述置信度的取值范围为[0,1];
11、将所述车辆图像送入所述损伤分割网络得到损伤分割图,所述损伤分割图包括所述车辆图像中每一个像素点所属的损伤种类以及所述损伤种类的置信度,所述置信度的取值范围为[0,1]。
12、在一些实施例中,所述基于所述部件分割图和损伤分割图提示用户移动所述手持设备以获取标准车辆图像包括:
13、基于所述部件分割图获取车辆图像中每一种部件的区域图像,所述区域图像反应所述车辆图像中不同部件的区域信息;
14、基于所述区域图像计算所述车辆图像中每一种部件的面积,并将面积最大的部件作为所述车辆图像的目标部件;
15、计算所述目标部件的区域图像和所述目标部件的标准区域图像之间的相似度;
16、基于所述相似度和预设阈值提示用户前后移动所述手持设备以获取完整车辆图像,所述完整车辆图像包括所述目标部件的完整信息;
17、基于所述完整车辆图像的部件分割图和损伤分割图计算所述完整车辆图像的特征清晰度;
18、基于所述特征清晰度和清晰度阈值提示用户左右移动所述手持设备以获取标准车辆图像。
19、在一些实施例中,所述基于所述相似度和预设阈值提示用户前后移动所述手持设备以获取完整车辆图像,所述完整车辆图像包括所述目标部件的完整信息,包括:
20、对比所述相似度和预设阈值,所述相似度满足关系式:
21、
22、其中,ii为所述目标部件的区域图像,为所述目标部件的标准区域图像,表示ii与的l2距离,为ii与的相似度,取值范围为(0,1],i为所述目标部件的种类;
23、若所述相似度不小于所述预设阈值,则说明所述车辆图像包括所述目标部件的完整信息,将所述车辆图像作为完整车辆图像;
24、若所述相似度小于所述预设阈值,则说明所述车辆图像不包括所述目标部件的完整信息,则在所述手持设备生成提示文字或提示图以提示用户前后移动所述手持设备以采集新的车辆图像,直到获取所述完整车辆图像。
25、在一些实施例中,所述基于所述特征清晰度和清晰度阈值提示用户左右移动所述手持设备以获取标准车辆图像包括:
26、对比所述特征清晰度和清晰度阈值,所述特征清晰度满足关系式:
27、
28、其中,w×h为所述完整车辆图像的长宽尺寸,tb(m,n)为所述完整车辆图像的部件分割图中像素点(m,n)的置信度,tf(m,n)为所述完整车辆图像的损伤分割图中像素点(m,n)的置信度,x为所述完整车辆图像的特征清晰度,取值范围为[0,1];
29、若所述特征清晰度不小于所述清晰度阈值,则所述完整车辆图像中特征清晰度满足要求,将所述完整车辆图像作为标准车辆图像;
30、若所述特征清晰度小于所述清晰度阈值,则说明所述完整车辆图像中特征清晰度不满足要求,则在所述手持设备生成提示文字或提示图以提示用户左右移动所述手持设备以采集新的完整车辆图像,直到获取标准车辆图像。
31、在一些实施例中,所述基于所述标准车辆图像、所述标准部件分割图和所述标准损伤分割图获取维修方案,所述维修方案包括更换和修补,包括:
32、基于所述标准部件分割图获取目标部件区域,并依据车辆型号和目标部件种类获取所述目标部件区域内关键位置的位置信息,所述关键位置至少包括筋线和边缘;
33、基于所述标准损伤分割图计算所述目标部件区域内每一个损伤种类的面积;
34、基于所述标准损伤分割图和所述标准车辆图像得到所述目标部件区域内每一个损伤种类的深度值;
35、判断损伤位置是否与所述目标部件区域内关键位置重合以获取所述目标部件区域内每一个损伤种类的位置判断结果;
36、基于所述面积、深度值和位置判断结果查询预设映射表以判断每一个损伤种类的初始维修方案;
37、综合所有初始维修方案得到所述目标部件的维修方案,所述维修方案包括更换和修补。
38、在一些实施例中,所述基于所述标准损伤分割图和所述标准车辆图像得到所述目标部件区域内每一个损伤种类的深度值包括:
39、在所述标准损伤分割图中,将所述目标部件区域内相同损伤种类的区域内像素点的像素值置为1,其他区域内像素点的像素值置为0得到每一个损伤种类的掩码图;
40、将所有掩码图分别与所述标准车辆图像相乘得到每一个损伤种类的损伤图像,所述损伤图像包括每一个损伤种类在所述标准车辆图像中的像素值信息,所述像素值信息包括红、绿、蓝三种颜色通道的像素值;
41、基于所述损伤图像的像素值计算每一个损伤种类的深度值,所述深度值满足关系式:
本文档来自技高网...【技术保护点】
1.一种基人工智能的车辆定损理赔方法,其特征在于,所述方法包括:
2.如权利要求1所述的基于人工智能的车辆定损理赔方法,其特征在于,所述用户使用手持设备实时采集车辆图像,并依据所述手持设备中的部件分割网络和损伤分割网络得到所述车辆图像的部件分割图和损伤分割图,包括:
3.如权利要求1所述的基于人工智能的车辆定损理赔方法,其特征在于,所述基于所述部件分割图和损伤分割图提示用户移动所述手持设备以获取标准车辆图像包括:
4.如权利要求3所述的基于人工智能的车辆定损理赔方法,其特征在于,所述基于所述相似度和预设阈值提示用户前后移动所述手持设备以获取完整车辆图像,所述完整车辆图像包括所述目标部件的完整信息,包括:
5.如权利要求3所述的基于人工智能的车辆定损理赔方法,其特征在于,所述基于所述特征清晰度和清晰度阈值提示用户左右移动所述手持设备以获取标准车辆图像包括:
6.如权利要求1所述的基于人工智能的车辆定损理赔方法,其特征在于,所述基于所述标准车辆图像、所述标准部件分割图和所述标准损伤分割图获取维修方案,所述维修方案包括更换和修
7.如权利要求6所述的基于人工智能的车辆定损理赔方法,其特征在于,所述基于所述标准损伤分割图和所述标准车辆图像得到所述目标部件区域内每一个损伤种类的深度值包括:
8.一种基于人工智能的车辆定损理赔装置,其特征在于,所述装置包括:
9.一种电子设备,其特征在于,所述电子设备包括:
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的基于人工智能的车辆定损理赔方法。
...【技术特征摘要】
1.一种基人工智能的车辆定损理赔方法,其特征在于,所述方法包括:
2.如权利要求1所述的基于人工智能的车辆定损理赔方法,其特征在于,所述用户使用手持设备实时采集车辆图像,并依据所述手持设备中的部件分割网络和损伤分割网络得到所述车辆图像的部件分割图和损伤分割图,包括:
3.如权利要求1所述的基于人工智能的车辆定损理赔方法,其特征在于,所述基于所述部件分割图和损伤分割图提示用户移动所述手持设备以获取标准车辆图像包括:
4.如权利要求3所述的基于人工智能的车辆定损理赔方法,其特征在于,所述基于所述相似度和预设阈值提示用户前后移动所述手持设备以获取完整车辆图像,所述完整车辆图像包括所述目标部件的完整信息,包括:
5.如权利要求3所述的基于人工智能的车辆定损理赔方法,其特征在于,所述基于所述特征清晰度和清晰度阈值...
【专利技术属性】
技术研发人员:陈攀,刘莉红,陈远旭,肖京,
申请(专利权)人:平安科技上海有限公司,
类型:发明
国别省市:
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。