CN106021548A - 基于分布式人工智能图像识别的远程定损方法及*** - Google Patents
基于分布式人工智能图像识别的远程定损方法及*** Download PDFInfo
- Publication number
- CN106021548A CN106021548A CN201610365742.3A CN201610365742A CN106021548A CN 106021548 A CN106021548 A CN 106021548A CN 201610365742 A CN201610365742 A CN 201610365742A CN 106021548 A CN106021548 A CN 106021548A
- Authority
- CN
- China
- Prior art keywords
- image
- setting loss
- accident
- vehicle
- car
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/43—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
- G06F16/61—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/71—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Library & Information Science (AREA)
- Strategic Management (AREA)
- Multimedia (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Marketing (AREA)
- Software Systems (AREA)
- Technology Law (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
基于分布式人工智能图像识别的远程定损方法及***,包括:图像采集设备进行事故车辆的外观件图像采集并发送于云平台;通过车载传感器设备获得碰撞数据信息,并由车载传感器设备上传至云平台;图像处理模块针对事故车辆采集的外观件图像进行预处理,并将图像预处理的结果存储于车辆定损数据库中;图像特征提取模块针对图像预处理的结果进行外观件图像的特征提取,对所得到预处理事故车辆外观件图像特征信息与车辆定损数据库中的图像库进行图像匹配,从而通过车辆外观件定损模型得到事故车辆的外观件定损结果。本发明一方面可以快速地进行事故车辆外观件定损;另一方面通过图像和碰撞信息分步式定损,可以减少定损失误,从而提高理赔精度和效率。
Description
技术领域
本发明属于远程定损领域,具体说是基于分布式人工智能图像识别的远程定损方法及***。
背景技术
由于车辆发生碰撞后,车辆自身会产生各种变形及损伤,但只靠定损员凭经验进行事故车辆定损,存在很多的主观性及联合骗保的机率。此外,传统定损为了事故车辆定损的准确性需要进行车辆拆解,这也额外增加了保险理赔的费用。面对当前保险市场激烈的竞争形式,为了进一步提高保险业理赔服务能力,通过车险远程定损***这一全新的现代化服务方式加强理赔流程管控;优化理赔流程,提高理赔效率,有效整合理赔资源。目前,市场上有基于车辆事故拍照的定损***,但图像存在伪造及拍摄不清楚等问题。
发明内容
本发明针对现有技术存在的上述问题,发明了一种基于分布式人工智能图像识别的远程定损方法及***,一方面解决了定损员进行定损的主观性和减少联合骗保的机率;另一方面可避免事故车辆的拆解费用,从而大大提升在保客户的满意度和事故保险理赔的规范化。
一方面,本发明提供了基于分布式人工智能图像识别的远程定损方法,包括:
S1:图像采集设备进行事故车辆的外观件图像采集并发送于云平台;
S2:通过车载传感器设备获得碰撞数据信息,并由车载传感器设备上传至云平台;
S3:图像处理模块针对事故车辆采集的外观件图像进行预处理,并将图像预处理的结果存储于车辆定损数据库中;图像特征提取模块针对图像预处理的结果进行外观件图像的特征提取;
S4:对所得到预处理事故车辆外观件图像特征信息与车辆定损数据库中的图像库进行图像匹配,从而通过车辆外观件定损模型得到事故车辆的外观件定损结果;
S5:由外观件定损结果通过车辆事故类型判定模型得到事故车辆的碰撞事故类型;再通过整车事故定损模型得到事故车辆的整车定损结果;
S6:根据整车定损结果通过定损单模块得到整车的保险理赔方案;将事故车辆的保险理赔方案通过网络发送给用户。
具体的,步骤S2中碰撞数据信息,包括三轴加速度、三轴角速度、音频、视频等数据。
具体的,步骤S3中对外观件图像进行预处理,包括灰度处理、图像网格图提取、图像变形位图提取、图像色差分配。
具体的,步骤S3中对外观件图像的特征提取,包括图像的变形范围、图像灰度分布及共生矩阵、图像变形比、图像颜色值方图、图像的聚合向量、图像的自回归纹理模型、图像小波变换。
具体的,步骤S3中车辆定损数据库,具体为:
第一步,获取事故车辆的外观件图像数据后,所得到的外观件图像数据存入车辆定损数据库中作为外观件原始图像库;
第二步,针对真实事故和事故碰撞仿真分析所得到的事故样本,通过自动定损模块得到的基于车型、零件外观定损、事故类型等定损结果存入车辆定损数据库中作为定损总数据库。
第三步,由图像处理模块所得到的图像预处理结果数据,存入车辆定损数据库中作为外观件预处理结果数据库;
第四步,由图像特征提取模块所得到的图像特征提取结果数据,存入车辆定损数据库中作为外观件图像特征数据库;
第五步,获取三轴加速度、三轴角速度、音频、视频图像数据,存入车辆定损数据库中作为原始碰撞信息数据库;
第六步,对三轴加速度、三轴角速度数据通过对其信号进行碰撞信息提取并进行滤波处理,处理后的结果存入车辆定损数据库中作为二次碰撞信息数据库;对音频数据进行去噪、滤波处理后结果存入车辆定损数据库中作为二次音频数据库;对视频图像进行图像灰度等预处理后结果存入车辆定损数据库中作为二次视频数据库;
第七步,从车辆定损数据库的二次数据库针对不同数据类型进行特征提取存入车辆定损数据库中作为碰撞信息特征数据库;
第八步,根据碰撞仿真事故重现的定损数据建立基于车型、基于部位、基于零件的维修方案,并存入车辆定损数据库中作为车辆维修库。
更具体的,定损总数据库包括以下三个分数据库:
1)根据车型按照不同外观零部件建立损伤级别存入车辆定损数据库中作为外观件损伤级别库;
2)根据碰撞仿真事故重现的数据建立事故分类规则及类型,并存入车辆定损数据库中作为事故类型库;
3)根据建立事故与损伤级别的映射关系存入车辆定损数据库作为整车定损库。
另一方面,本发明还提供了一种基于分布式人工智能图像识别的远程定损***,包括:
图像采集设备,进行事故车辆的外观件图像采集并发送于云平台;
车载传感器设备,获得碰撞数据信息,并由车载传感器设备上传至云平台;
图像处理模块,针对事故车辆采集的外观件图像进行预处理,并将图像预处理的结果存储于车辆定损数据库中;
图像特征提取模块,针对图像预处理的结果进行外观件图像的特征提取;
外观件定损结果模块,对所得到预处理事故车辆外观件图像特征信息与车辆定损数据库中的图像库进行图像匹配,从而通过车辆外观件定损模型得到事故车辆的外观件定损结果;
整车定损结果,由外观件定损结果通过车辆事故类型判定模型得到事故车辆的碰撞事故类型;再通过整车事故定损模型得到事故车辆的整车定损结果;
定损单模块,将事故车辆的保险理赔方案通过网络发送给用户。
自动定损模块,根据真实事故和碰撞事故仿真分析所得到的大量数据样本,进行数据分类、数据预处理,结合定损专家经验及自动定损方法,实现事故车辆的自动定损;
车辆定损数据库,存储各种数据。
进一步的,车辆外观件定损模型,是基于人工智能的图像识别方法和图像灰度匹配方法,采用Si ft特征匹配算法、模板匹配算法、信息整合图像识别算法,建立相关的图像识别模块,封装为平台中间件之一。
进一步的,车辆事故类型判定模型,是采用决策树、随机森林人工智能学***台中间件之一。
更进一步的,采用SVM、BP神经网络人工智能学***台中间件之一。
本发明由于采用以上技术方法,能够取得如下的技术效果:本发明可以快速地进行事故外观件定损,尤其针对低速碰撞事故发生后,大部分理赔主要发生在车辆外观件,所以远程定损先由外观件精准定损可以提高远程定损的理赔精度和效率;能快速判定事故类型及事故责任,加速理赔效率,并能结合以往的理赔事件进行理赔借鉴;本发明还可以给出事故车辆的整体定损结果且给出对方事故车辆的理赔范围。
本申请一方面解决了定损员进行定损的主观性和减少联合骗保的机率;另一方面可避免事故车辆的拆解费用,从而大大提升在保客户的满意度和事故保险理赔的规范化。
附图说明
为了更清楚的说明本发明的实施例或现有技术的技术方案,下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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他的附图。
图1为基于分布式人工智能图像识别的远程定损***结构示意图。
图2为基于分布式人工智能图像识别的远程定损流程结构示意图。
具体实施方式
为使本发明的实施例的目的、技术方案和优点更加清楚,下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚完整的描述:
实施例1
基于分布式人工智能图像识别的远程定损方法,包括:
S1:图像采集设备,所述的图像采集设备可以为手机或摄像设备,进行事故车辆的外观件图像采集并由手机APP发送于云平台;
S2:通过车载OBD传感器设备获得碰撞数据信息,所述碰撞数据信息包括三轴加速度、三轴角速度、音频、视频等数据,并由车载OBD传感器设备上传至云平台;
S3:图像处理模块针对事故车辆采集的外观件图像进行预处理,所述外观件图像进行预处理包括灰度处理、图像网格图提取、图像变形位图提取、图像色差分配等图像数据预处理;并将图像预处理的结果存储于车辆定损数据库中;图像特征提取模块针对图像预处理的结果进行外观件图像的特征提取,所述特征提取包括图像的变形范围、图像灰度分布及共生矩阵、图像变形比、图像颜色值方图、图像的聚合向量、图像的自回归纹理模型、图像小波变换等图像特征;
S4:对所得到预处理事故车辆外观件图像特征信息与车辆定损数据库中的图像库进行图像匹配,从而通过车辆外观件定损模型得到事故车辆的外观件定损结果;
S5:由外观件定损结果通过车辆事故类型判定模型得到事故车辆的碰撞事故类型;再通过整车事故定损模型得到事故车辆的整车定损结果;
S6:根据整车定损结果通过定损单模块得到整车的保险理赔方案;最终保险公司将事故车辆的保险理赔方案通过网络发送给用户的手机保险APP软件。
另一方面,本发明还提供了一种基于分布式人工智能图像识别的远程定损***,包括:
图像采集设备,进行事故车辆的外观件图像采集并发送于云平台;
车载OBD传感器设备,获得碰撞数据信息,所述碰撞数据信息包括三轴加速度、三轴角速度、音频、视频等数据,并由车载OBD传感器设备上传至云平台;
图像处理模块,针对事故车辆采集的外观件图像进行预处理,并将图像预处理的结果存储于车辆定损数据库中;
图像特征提取模块,针对图像预处理的结果进行外观件图像的特征提取;所述特征提取包括图像的变形范围、图像灰度分布及共生矩阵、图像变形比、图像颜色值方图、图像的聚合向量、图像的自回归纹理模型、图像小波变换等图像特征;
外观件定损结果模块,对所得到预处理事故车辆外观件图像特征信息与车辆定损数据库中的图像库进行图像匹配,从而通过车辆外观件定损模型得到事故车辆的外观件定损结果;
整车定损结果,由外观件定损结果通过车辆事故类型判定模型得到事故车辆的碰撞事故类型;再通过整车事故定损模型得到事故车辆的整车定损结果;
定损单模块,得到整车的保险理赔方案;最终保险公司将事故车辆的保险理赔方案通过网络发送给用户的手机保险APP软件。
自动定损模块,根据真实事故和碰撞事故仿真分析所得到的大量数据样本,进行数据分类、数据预处理,结合定损专家经验及自动定损方法,如能量变化、车辆零件的变形、材料内能曲线变化等实现事故车辆的自动定损;
车辆定损数据库,存储各种数据。
实施例2
与实施例1具体相同的技术方案,更为具体的是,其中车辆定损数据库,具体为:
第一步,获取事故车辆的外观件图像数据后,一方面通过图像采集设备,如手机或摄像设备,另一方面通过事故碰撞仿真分析,将所得到的外观件图像数据存入车辆定损数据库中作为外观件原始图像库;
第二步,针对真实事故和事故碰撞仿真分析所得到的事故样本,通过自动定损模块得到的基于车型、零件外观定损、事故类型等定损结果存入车辆定损数据库中作为定损总数据库。
第三步,由图像处理模块所得到的图像预处理结果数据,存入车辆定损数据库中作为外观件预处理结果数据库;
第四步,由图像特征提取模块所得到的图像特征提取结果数据,存入车辆定损数据库中作为外观件图像特征数据库;
第五步,获取三轴加速度、三轴角速度、音频、视频图像数据,一方面通过车辆OBD传感器设备,另一方面通过事故碰撞仿真分析,所得数据存入车辆定损数据库中作为原始碰撞信息数据库;
第六步,对三轴加速度、三轴角速度数据通过对其信号进行碰撞信息提取并进行滤波处理,处理后的结果存入车辆定损数据库中作为二次碰撞信息数据库;对音频数据进行去噪、滤波处理后结果存入车辆定损数据库中作为二次音频数据库;对视频图像,如碰撞仿真产生的为碰撞事故动画及事故车辆的零件损伤图片,进行图像灰度等预处理后结果存入车辆定损数据库中作为二次视频数据库;
第七步,从车辆定损数据库的二次数据库针对不同数据类型进行特征提取存入车辆定损数据库中作为碰撞信息特征数据库;
第八步,根据碰撞仿真事故重现的定损数据建立基于车型、基于部位、基于零件的维修方案,并存入车辆定损数据库中作为车辆维修库。
实施例3
与实施例1具体相同的技术方案,更为具体的是,其中定损总数据库,具体为:
1)根据车型按照不同外观零部件建立损伤级别存入车辆定损数据库中作为外观件损伤级别库;
2)根据碰撞仿真事故重现的数据建立事故分类规则及类型,并存入车辆定损数据库中作为事故类型库;
3)根据建立事故与损伤级别的映射关系存入车辆定损数据库作为整车定损库。
实施例4
为了快速地进行事故外观件定损,尤其针对低速碰撞事故发生后,大部分理赔主要发生在车辆外观件,故提供了车辆外观件定损模型,是基于人工智能的图像识别方法和图像灰度匹配方法,采用Si ft特征匹配算法、模板匹配算法、信息整合图像识别算法等,建立相关的图像识别模块,封装为平台中间件之一。
为了快速判定事故类型及事故责任,能加速理赔效率,故提供了车辆事故类型判定模型,是采用决策树、随机森林等人工智能学***台中间件之一。
一方面实现给出事故车辆的整体定损结果,另一方面实现给出对方事故车辆的理赔范围。故提供了整车事故定损模型,采用SVM、BP神经网络等人工智能学***台中间件之一。
实施例5
作为实施例1-4的补充,该实施例中建立基于WEB的保险理赔***网络环境基础设施;面向车险用户的APP;面向保险公司的应用中间件,封装网络环境中的各种资源,并向集成平台提供接口,采用定损Web服务的形式封装定损应用中间件,通过定损工作流集成各个单独的功能实现和服务;在定损网络工作流中实现基于定损Web服务的信息共享与应用的集成,最终定损集成平台上,以透明的方式提供定损服务,包含理赔方案及维修分析服务,并允许保险公司与保户动态注册、注销及管理各自的资源和服务,实现定损流程化、标准化。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (10)
1.基于分布式人工智能图像识别的远程定损方法,其特征在于,包括:
S1:图像采集设备进行事故车辆的外观件图像采集并发送于云平台;
S2:通过车载传感器设备获得碰撞数据信息,并由车载传感器设备上传至云平台;
S3:图像处理模块针对事故车辆采集的外观件图像进行预处理,并将图像预处理的结果存储于车辆定损数据库中;图像特征提取模块针对图像预处理的结果进行外观件图像的特征提取;
S4:对所得到预处理事故车辆外观件图像特征信息与车辆定损数据库中的图像库进行图像匹配,从而通过车辆外观件定损模型得到事故车辆的外观件定损结果;
S5:由外观件定损结果通过车辆事故类型判定模型得到事故车辆的碰撞事故类型;再通过整车事故定损模型得到事故车辆的整车定损结果;
S6:根据整车定损结果通过定损单模块得到整车的保险理赔方案;最终将事故车辆的保险理赔方案通过网络发送给用户。
2.根据权利要求1所述的基于分布式人工智能图像识别的远程定损方法,其特征在于,步骤S2中碰撞数据信息,包括三轴加速度、三轴角速度、音频、视频等数据。
3.根据权利要求1所述的基于分布式人工智能图像识别的远程定损方法,其特征在于,步骤S3中对外观件图像进行预处理,包括灰度处理、图像网格图提取、图像变形位图提取、图像色差分配。
4.根据权利要求1所述的基于分布式人工智能图像识别的远程定损方法,其特征在于,步骤S3中对外观件图像的特征提取,包括图像的变形范围、图像灰度分布及共生矩阵、图像变形比、图像颜色值方图、图像的聚合向量、图像的自回归纹理模型、图像小波变换。
5.根据权利要求1所述的基于分布式人工智能图像识别的远程定损方法,其特征在于,步骤S3中车辆定损数据库,具体为:
第一步,获取事故车辆的外观件图像数据后,所得到的外观件图像数据存入车辆定损数据库中作为外观件原始图像库;
第二步,针对真实事故和事故碰撞仿真分析所得到的事故样本,通过自动定损模块得到的基于车型、零件外观定损、事故类型等定损结果存入车辆定损数据库中作为定损总数据库。
第三步,由图像处理模块所得到的图像预处理结果数据,存入车辆定损数据库中作为外观件预处理结果数据库;
第四步,由图像特征提取模块所得到的图像特征提取结果数据,存入车辆定损数据库中作为外观件图像特征数据库;
第五步,获取三轴加速度、三轴角速度、音频、视频图像数据,存入车辆定损数据库中作为原始碰撞信息数据库;
第六步,对三轴加速度、三轴角速度数据通过对其信号进行碰撞信息提取并进行滤波处理,处理后的结果存入车辆定损数据库中作为二次碰撞信息数据库;对音频数据进行去噪、滤波处理后结果存入车辆定损数据库中作为二次音频数据库;对视频图像进行图像灰度等预处理后结果存入车辆定损数据库中作为二次视频数据库;
第七步,从车辆定损数据库的二次数据库针对不同数据类型进行特征提取存入车辆定损数据库中作为碰撞信息特征数据库;
第八步,根据碰撞仿真事故重现的定损数据建立基于车型、基于部位、基于零件的维修方案,并存入车辆定损数据库中作为车辆维修库。
6.根据权利要求5所述的基于分布式人工智能图像识别的远程定损方法,其特征在于,定损总数据库包括以下三个分数据库:
1)根据车型按照不同外观零部件建立损伤级别存入车辆定损数据库中作为外观件损伤级别库;
2)根据碰撞仿真事故重现的数据建立事故分类规则及类型,并存入车辆定损数据库中作为事故类型库;
3)根据建立事故与损伤级别的映射关系存入车辆定损数据库作为整车定损库。
7.基于分布式人工智能图像识别的远程定损***,其特征在于,包括:
图像采集设备,进行事故车辆的外观件图像采集并发送于云平台;
车载传感器设备,获得碰撞数据信息,并由车载传感器设备上传至云平台;
图像处理模块,针对事故车辆采集的外观件图像进行预处理,并将图像预处理的结果存储于车辆定损数据库中;
图像特征提取模块,针对图像预处理的结果进行外观件图像的特征提取;
外观件定损结果模块,对所得到预处理事故车辆外观件图像特征信息与车辆定损数据库中的图像库进行图像匹配,从而通过车辆外观件定损模型得到事故车辆的外观件定损结果;
整车定损结果,由外观件定损结果通过车辆事故类型判定模型得到事故车辆的碰撞事故类型;再通过整车事故定损模型得到事故车辆的整车定损结果;
定损单模块,将事故车辆的保险理赔方案通过网络发送给用户。
自动定损模块,根据真实事故和碰撞事故仿真分析所得到的大量数据样本,进行数据分类、数据预处理,结合定损专家经验及自动定损方法,实现事故车辆的自动定损;
车辆定损数据库,存储各种数据。
8.根据权利要求7所述的基于分布式人工智能图像识别的远程定损***,其特征在于,包括:车辆外观件定损模型,是基于人工智能的图像识别方法和图像灰度匹配方法,采用Sift特征匹配算法、模板匹配算法、信息整合图像识别算法,建立相关的图像识别模块,封装为平台中间件之一。
9.根据权利要求7所述的基于分布式人工智能图像识别的远程定损***,其特征在于,车辆事故类型判定模型,是采用决策树、随机森林人工智能学***台中间件之一。
10.根据权利要求7所述的基于分布式人工智能图像识别的远程定损***,其特征在于,采用SVM、BP神经网络人工智能学***台中间件之一。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610365742.3A CN106021548A (zh) | 2016-05-27 | 2016-05-27 | 基于分布式人工智能图像识别的远程定损方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610365742.3A CN106021548A (zh) | 2016-05-27 | 2016-05-27 | 基于分布式人工智能图像识别的远程定损方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106021548A true CN106021548A (zh) | 2016-10-12 |
Family
ID=57092335
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610365742.3A Pending CN106021548A (zh) | 2016-05-27 | 2016-05-27 | 基于分布式人工智能图像识别的远程定损方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106021548A (zh) |
Cited By (42)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106599093A (zh) * | 2016-11-25 | 2017-04-26 | 中国平安财产保险股份有限公司 | 一种基于车险智能定损平台的数据库调用方法及*** |
CN106600422A (zh) * | 2016-11-24 | 2017-04-26 | 中国平安财产保险股份有限公司 | 一种车险智能定损方法和*** |
CN106780048A (zh) * | 2016-11-28 | 2017-05-31 | 中国平安财产保险股份有限公司 | 一种智能车险的自助理赔方法、自助理赔装置及*** |
CN106803205A (zh) * | 2016-12-27 | 2017-06-06 | 北京量子保科技有限公司 | 一种用于保险自动核赔的***和方法 |
CN107358596A (zh) * | 2017-04-11 | 2017-11-17 | 阿里巴巴集团控股有限公司 | 一种基于图像的车辆定损方法、装置、电子设备及*** |
CN107392218A (zh) * | 2017-04-11 | 2017-11-24 | 阿里巴巴集团控股有限公司 | 一种基于图像的车辆定损方法、装置及电子设备 |
CN107403424A (zh) * | 2017-04-11 | 2017-11-28 | 阿里巴巴集团控股有限公司 | 一种基于图像的车辆定损方法、装置及电子设备 |
CN107862614A (zh) * | 2017-11-08 | 2018-03-30 | 广东翼卡车联网服务有限公司 | 一种防止车险骗保的方法、存储设备及车载终端 |
CN107886436A (zh) * | 2017-11-08 | 2018-04-06 | 广东翼卡车联网服务有限公司 | 一种车辆保险自动理赔的方法、存储介质及车载终端 |
CN108257066A (zh) * | 2018-01-30 | 2018-07-06 | 重庆穗丰汽车救援有限公司 | 一种车辆救援服务*** |
CN108269397A (zh) * | 2017-12-27 | 2018-07-10 | 深圳市元征软件开发有限公司 | 一种道路交通数据的处理方法及车载设备 |
CN108282536A (zh) * | 2018-01-30 | 2018-07-13 | 重庆穗丰汽车救援有限公司 | 一种车辆共享救援*** |
CN108323209A (zh) * | 2018-01-29 | 2018-07-24 | 深圳前海达闼云端智能科技有限公司 | 信息处理方法、***、云处理设备以及计算机程序产品 |
CN108389392A (zh) * | 2018-04-04 | 2018-08-10 | 广东容祺智能科技有限公司 | 一种基于机器学习的交通事故责任认定*** |
CN108600390A (zh) * | 2018-05-15 | 2018-09-28 | 北京首汽智行科技有限公司 | 一种基于区域链的共享车辆定损及理赔方法及装置 |
CN108596047A (zh) * | 2018-03-30 | 2018-09-28 | 上海与德通讯技术有限公司 | 车损识别方法、智能终端以及计算机可读存储介质 |
CN108769624A (zh) * | 2018-07-09 | 2018-11-06 | 北京精友世纪软件技术有限公司 | 一种智能车险移动视频查勘*** |
CN108961082A (zh) * | 2018-07-06 | 2018-12-07 | 北京精友世纪软件技术有限公司 | 一种基于ai图像识别的车险定损***及方法 |
CN109064341A (zh) * | 2018-07-06 | 2018-12-21 | 阿里巴巴集团控股有限公司 | 一种自助终端、自助装置及电子设备 |
CN109215027A (zh) * | 2018-10-11 | 2019-01-15 | 平安科技(深圳)有限公司 | 一种基于神经网络的车辆定损方法、服务器及介质 |
CN109443301A (zh) * | 2018-09-25 | 2019-03-08 | 平安科技(深圳)有限公司 | 一种车辆定损方法、计算机可读存储介质及服务器 |
CN109677324A (zh) * | 2019-01-25 | 2019-04-26 | 南京北斗城际在线信息股份有限公司北京分公司 | 基于NB-IoT技术的驻停车辆碰撞报警方法 |
CN109948811A (zh) * | 2019-01-31 | 2019-06-28 | 德联易控科技(北京)有限公司 | 车辆定损的处理方法、装置及电子设备 |
CN110020734A (zh) * | 2019-04-24 | 2019-07-16 | 武汉华创欣网科技有限公司 | 一种基于大数据的车辆远程移动定损方法 |
WO2019148732A1 (zh) * | 2018-02-01 | 2019-08-08 | 平安科技(深圳)有限公司 | 车辆定责方法、终端及计算机可读存储介质 |
WO2019184899A1 (zh) * | 2018-03-26 | 2019-10-03 | 苏州山水树儿信息技术有限公司 | 基于历史案例的车辆碰撞定损方法及*** |
CN110363670A (zh) * | 2018-03-26 | 2019-10-22 | 苏州山水树儿信息技术有限公司 | 基于历史案例的车辆碰撞定损方法及*** |
CN110389570A (zh) * | 2018-04-19 | 2019-10-29 | 株洲中车时代电气股份有限公司 | 一种机车牵引***故障诊断装置及方法 |
CN110598880A (zh) * | 2019-09-12 | 2019-12-20 | 神华铁路货车运输有限责任公司沧州机车车辆维修分公司 | 一种车辆维修工艺操控方法 |
CN110647853A (zh) * | 2019-09-27 | 2020-01-03 | 支付宝(杭州)信息技术有限公司 | 计算机执行的车辆定损方法及装置 |
CN111339168A (zh) * | 2020-03-06 | 2020-06-26 | 德联易控科技(北京)有限公司 | 数据处理方法、装置、***、存储介质和处理器 |
CN111806458A (zh) * | 2020-06-22 | 2020-10-23 | 中国平安财产保险股份有限公司 | 无人驾驶汽车报案方法、装置、无人驾驶汽车及存储介质 |
CN111914692A (zh) * | 2017-04-28 | 2020-11-10 | 创新先进技术有限公司 | 车辆定损图像获取方法及装置 |
CN112269978A (zh) * | 2020-10-22 | 2021-01-26 | 支付宝(杭州)信息技术有限公司 | 图像采集方法以及装置 |
CN112446513A (zh) * | 2020-12-15 | 2021-03-05 | 恒大恒驰新能源汽车研究院(上海)有限公司 | 车辆零部件检测方法及装置、计算机可读存储介质 |
CN112948962A (zh) * | 2021-01-29 | 2021-06-11 | 东风商用车有限公司 | 一种车辆外观快速搭建方法及装置 |
CN113177536A (zh) * | 2021-06-28 | 2021-07-27 | 四川九通智路科技有限公司 | 基于深度残差收缩网络的车辆碰撞检测方法及装置 |
CN113538193A (zh) * | 2021-06-30 | 2021-10-22 | 东莞市绿灯网络科技有限公司 | 基于人工智能和计算机视觉的交通事故处理方法和*** |
CN113902045A (zh) * | 2021-12-09 | 2022-01-07 | 成都车晓科技有限公司 | 一种基于图像识别的车险现场快速定损方法 |
US11544914B2 (en) | 2021-02-18 | 2023-01-03 | Inait Sa | Annotation of 3D models with signs of use visible in 2D images |
US11971953B2 (en) | 2021-02-02 | 2024-04-30 | Inait Sa | Machine annotation of photographic images |
US11983836B2 (en) | 2021-02-18 | 2024-05-14 | Inait Sa | Annotation of 3D models with signs of use visible in 2D images |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101242379A (zh) * | 2008-03-18 | 2008-08-13 | 北京中车检信息技术有限公司 | 基于移动通讯终端或网络终端的车辆定损方法 |
CN104268783A (zh) * | 2014-05-30 | 2015-01-07 | 翱特信息***(中国)有限公司 | 车辆定损估价的方法、装置和终端设备 |
CN105096198A (zh) * | 2015-09-02 | 2015-11-25 | 郁佳敏 | 汽车保险事故远程网络查勘仪及其远程报案查勘方法 |
CN105182535A (zh) * | 2015-09-28 | 2015-12-23 | 大连楼兰科技股份有限公司 | 使用智能眼镜进行汽车维保的方法 |
US20160012539A1 (en) * | 2014-07-10 | 2016-01-14 | Audatex North America, Inc. | Mobile total loss vehicle evaluation system |
-
2016
- 2016-05-27 CN CN201610365742.3A patent/CN106021548A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101242379A (zh) * | 2008-03-18 | 2008-08-13 | 北京中车检信息技术有限公司 | 基于移动通讯终端或网络终端的车辆定损方法 |
CN104268783A (zh) * | 2014-05-30 | 2015-01-07 | 翱特信息***(中国)有限公司 | 车辆定损估价的方法、装置和终端设备 |
US20160012539A1 (en) * | 2014-07-10 | 2016-01-14 | Audatex North America, Inc. | Mobile total loss vehicle evaluation system |
CN105096198A (zh) * | 2015-09-02 | 2015-11-25 | 郁佳敏 | 汽车保险事故远程网络查勘仪及其远程报案查勘方法 |
CN105182535A (zh) * | 2015-09-28 | 2015-12-23 | 大连楼兰科技股份有限公司 | 使用智能眼镜进行汽车维保的方法 |
Cited By (62)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600422A (zh) * | 2016-11-24 | 2017-04-26 | 中国平安财产保险股份有限公司 | 一种车险智能定损方法和*** |
CN106599093A (zh) * | 2016-11-25 | 2017-04-26 | 中国平安财产保险股份有限公司 | 一种基于车险智能定损平台的数据库调用方法及*** |
CN106780048A (zh) * | 2016-11-28 | 2017-05-31 | 中国平安财产保险股份有限公司 | 一种智能车险的自助理赔方法、自助理赔装置及*** |
CN106803205A (zh) * | 2016-12-27 | 2017-06-06 | 北京量子保科技有限公司 | 一种用于保险自动核赔的***和方法 |
CN107392218B (zh) * | 2017-04-11 | 2020-08-04 | 创新先进技术有限公司 | 一种基于图像的车辆定损方法、装置及电子设备 |
CN112435215A (zh) * | 2017-04-11 | 2021-03-02 | 创新先进技术有限公司 | 一种基于图像的车辆定损方法、移动终端、服务器 |
CN107403424A (zh) * | 2017-04-11 | 2017-11-28 | 阿里巴巴集团控股有限公司 | 一种基于图像的车辆定损方法、装置及电子设备 |
CN107358596A (zh) * | 2017-04-11 | 2017-11-17 | 阿里巴巴集团控股有限公司 | 一种基于图像的车辆定损方法、装置、电子设备及*** |
CN112435215B (zh) * | 2017-04-11 | 2024-02-13 | 创新先进技术有限公司 | 一种基于图像的车辆定损方法、移动终端、服务器 |
US10817956B2 (en) | 2017-04-11 | 2020-10-27 | Alibaba Group Holding Limited | Image-based vehicle damage determining method and apparatus, and electronic device |
CN107392218A (zh) * | 2017-04-11 | 2017-11-24 | 阿里巴巴集团控股有限公司 | 一种基于图像的车辆定损方法、装置及电子设备 |
US11049334B2 (en) | 2017-04-11 | 2021-06-29 | Advanced New Technologies Co., Ltd. | Picture-based vehicle loss assessment |
CN107403424B (zh) * | 2017-04-11 | 2020-09-18 | 阿里巴巴集团控股有限公司 | 一种基于图像的车辆定损方法、装置及电子设备 |
US10789786B2 (en) | 2017-04-11 | 2020-09-29 | Alibaba Group Holding Limited | Picture-based vehicle loss assessment |
CN111914692A (zh) * | 2017-04-28 | 2020-11-10 | 创新先进技术有限公司 | 车辆定损图像获取方法及装置 |
CN111914692B (zh) * | 2017-04-28 | 2023-07-14 | 创新先进技术有限公司 | 车辆定损图像获取方法及装置 |
CN107886436A (zh) * | 2017-11-08 | 2018-04-06 | 广东翼卡车联网服务有限公司 | 一种车辆保险自动理赔的方法、存储介质及车载终端 |
CN107862614A (zh) * | 2017-11-08 | 2018-03-30 | 广东翼卡车联网服务有限公司 | 一种防止车险骗保的方法、存储设备及车载终端 |
CN108269397A (zh) * | 2017-12-27 | 2018-07-10 | 深圳市元征软件开发有限公司 | 一种道路交通数据的处理方法及车载设备 |
CN108323209A (zh) * | 2018-01-29 | 2018-07-24 | 深圳前海达闼云端智能科技有限公司 | 信息处理方法、***、云处理设备以及计算机程序产品 |
CN108323209B (zh) * | 2018-01-29 | 2023-10-31 | 达闼机器人股份有限公司 | 信息处理方法、***、云处理设备以及计算机存储介质 |
CN108282536A (zh) * | 2018-01-30 | 2018-07-13 | 重庆穗丰汽车救援有限公司 | 一种车辆共享救援*** |
CN108257066A (zh) * | 2018-01-30 | 2018-07-06 | 重庆穗丰汽车救援有限公司 | 一种车辆救援服务*** |
WO2019148732A1 (zh) * | 2018-02-01 | 2019-08-08 | 平安科技(深圳)有限公司 | 车辆定责方法、终端及计算机可读存储介质 |
WO2019184899A1 (zh) * | 2018-03-26 | 2019-10-03 | 苏州山水树儿信息技术有限公司 | 基于历史案例的车辆碰撞定损方法及*** |
CN110363670A (zh) * | 2018-03-26 | 2019-10-22 | 苏州山水树儿信息技术有限公司 | 基于历史案例的车辆碰撞定损方法及*** |
CN111886619A (zh) * | 2018-03-26 | 2020-11-03 | 苏州山水树儿信息技术有限公司 | 基于历史案例的车辆碰撞定损方法及*** |
CN108596047A (zh) * | 2018-03-30 | 2018-09-28 | 上海与德通讯技术有限公司 | 车损识别方法、智能终端以及计算机可读存储介质 |
CN108389392A (zh) * | 2018-04-04 | 2018-08-10 | 广东容祺智能科技有限公司 | 一种基于机器学习的交通事故责任认定*** |
CN110389570A (zh) * | 2018-04-19 | 2019-10-29 | 株洲中车时代电气股份有限公司 | 一种机车牵引***故障诊断装置及方法 |
CN108600390A (zh) * | 2018-05-15 | 2018-09-28 | 北京首汽智行科技有限公司 | 一种基于区域链的共享车辆定损及理赔方法及装置 |
CN109064341A (zh) * | 2018-07-06 | 2018-12-21 | 阿里巴巴集团控股有限公司 | 一种自助终端、自助装置及电子设备 |
CN108961082A (zh) * | 2018-07-06 | 2018-12-07 | 北京精友世纪软件技术有限公司 | 一种基于ai图像识别的车险定损***及方法 |
CN108769624A (zh) * | 2018-07-09 | 2018-11-06 | 北京精友世纪软件技术有限公司 | 一种智能车险移动视频查勘*** |
CN108769624B (zh) * | 2018-07-09 | 2020-09-22 | 北京精友世纪软件技术有限公司 | 一种智能车险移动视频查勘*** |
CN109443301B (zh) * | 2018-09-25 | 2021-09-10 | 平安科技(深圳)有限公司 | 一种车辆定损方法、计算机可读存储介质及服务器 |
CN109443301A (zh) * | 2018-09-25 | 2019-03-08 | 平安科技(深圳)有限公司 | 一种车辆定损方法、计算机可读存储介质及服务器 |
CN109215027B (zh) * | 2018-10-11 | 2024-05-24 | 平安科技(深圳)有限公司 | 一种基于神经网络的车辆定损方法、服务器及介质 |
CN109215027A (zh) * | 2018-10-11 | 2019-01-15 | 平安科技(深圳)有限公司 | 一种基于神经网络的车辆定损方法、服务器及介质 |
CN109677324A (zh) * | 2019-01-25 | 2019-04-26 | 南京北斗城际在线信息股份有限公司北京分公司 | 基于NB-IoT技术的驻停车辆碰撞报警方法 |
CN109677324B (zh) * | 2019-01-25 | 2021-01-29 | 柳笛科技(北京)有限公司 | 基于NB-IoT技术的驻停车辆碰撞报警方法 |
CN109948811A (zh) * | 2019-01-31 | 2019-06-28 | 德联易控科技(北京)有限公司 | 车辆定损的处理方法、装置及电子设备 |
CN110020734A (zh) * | 2019-04-24 | 2019-07-16 | 武汉华创欣网科技有限公司 | 一种基于大数据的车辆远程移动定损方法 |
CN110598880A (zh) * | 2019-09-12 | 2019-12-20 | 神华铁路货车运输有限责任公司沧州机车车辆维修分公司 | 一种车辆维修工艺操控方法 |
CN110598880B (zh) * | 2019-09-12 | 2022-04-19 | 神华铁路货车运输有限责任公司沧州机车车辆维修分公司 | 一种车辆维修工艺操控方法 |
CN110647853A (zh) * | 2019-09-27 | 2020-01-03 | 支付宝(杭州)信息技术有限公司 | 计算机执行的车辆定损方法及装置 |
CN111339168B (zh) * | 2020-03-06 | 2023-08-22 | 德联易控科技(北京)有限公司 | 数据处理方法、装置、***、存储介质和处理器 |
CN111339168A (zh) * | 2020-03-06 | 2020-06-26 | 德联易控科技(北京)有限公司 | 数据处理方法、装置、***、存储介质和处理器 |
CN111806458A (zh) * | 2020-06-22 | 2020-10-23 | 中国平安财产保险股份有限公司 | 无人驾驶汽车报案方法、装置、无人驾驶汽车及存储介质 |
CN111806458B (zh) * | 2020-06-22 | 2022-04-22 | 中国平安财产保险股份有限公司 | 无人驾驶汽车报案方法、装置、无人驾驶汽车及存储介质 |
CN112269978B (zh) * | 2020-10-22 | 2022-11-15 | 蚂蚁胜信(上海)信息技术有限公司 | 图像采集方法以及装置 |
CN112269978A (zh) * | 2020-10-22 | 2021-01-26 | 支付宝(杭州)信息技术有限公司 | 图像采集方法以及装置 |
CN112446513A (zh) * | 2020-12-15 | 2021-03-05 | 恒大恒驰新能源汽车研究院(上海)有限公司 | 车辆零部件检测方法及装置、计算机可读存储介质 |
CN112948962B (zh) * | 2021-01-29 | 2023-09-01 | 东风商用车有限公司 | 一种车辆外观快速搭建方法及装置 |
CN112948962A (zh) * | 2021-01-29 | 2021-06-11 | 东风商用车有限公司 | 一种车辆外观快速搭建方法及装置 |
US11971953B2 (en) | 2021-02-02 | 2024-04-30 | Inait Sa | Machine annotation of photographic images |
US11544914B2 (en) | 2021-02-18 | 2023-01-03 | Inait Sa | Annotation of 3D models with signs of use visible in 2D images |
US11983836B2 (en) | 2021-02-18 | 2024-05-14 | Inait Sa | Annotation of 3D models with signs of use visible in 2D images |
CN113177536A (zh) * | 2021-06-28 | 2021-07-27 | 四川九通智路科技有限公司 | 基于深度残差收缩网络的车辆碰撞检测方法及装置 |
CN113538193A (zh) * | 2021-06-30 | 2021-10-22 | 东莞市绿灯网络科技有限公司 | 基于人工智能和计算机视觉的交通事故处理方法和*** |
CN113902045B (zh) * | 2021-12-09 | 2022-04-01 | 成都车晓科技有限公司 | 一种基于图像识别的车险现场快速定损方法 |
CN113902045A (zh) * | 2021-12-09 | 2022-01-07 | 成都车晓科技有限公司 | 一种基于图像识别的车险现场快速定损方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106021548A (zh) | 基于分布式人工智能图像识别的远程定损方法及*** | |
CN111784685B (zh) | 一种基于云边协同检测的输电线路缺陷图像识别方法 | |
CN108596277B (zh) | 一种车辆身份识别方法、装置和存储介质 | |
CN106778684A (zh) | 深度神经网络训练方法及人脸识别方法 | |
CN104166841B (zh) | 一种视频监控网络中指定行人或车辆的快速检测识别方法 | |
CN106815560B (zh) | 一种应用于自适应驾座的人脸识别方法 | |
CN106022929A (zh) | 基于专家***的碰撞事故定损方法及*** | |
CN108717524B (zh) | 一种基于双摄手机和人工智能***的手势识别*** | |
CN107194371B (zh) | 基于层次化卷积神经网络的用户专注度识别方法及*** | |
CN103020992B (zh) | 一种基于运动颜色关联的视频图像显著性检测方法 | |
CN106446872A (zh) | 一种低照度下的视频人脸检测识别方法 | |
CN109359666A (zh) | 一种基于多特征融合神经网络的车型识别方法及处理终端 | |
CN106599925A (zh) | 一种基于深度学习的植物叶片识别***与方法 | |
CN108615226A (zh) | 一种基于生成式对抗网络的图像去雾方法 | |
CN109672863A (zh) | 一种基于图像识别的施工人员安全装备智能监测方法 | |
CN109935080A (zh) | 一种交通线路上的车流量实时计算的监测***及方法 | |
CN106250838A (zh) | 车辆识别方法及*** | |
CN108764456B (zh) | 机载目标识别模型构建平台、机载目标识别方法及设备 | |
CN105915853A (zh) | 基于红外感知的远程无人定损方法及*** | |
CN109063789A (zh) | 杆塔和电力线的分类方法、装置和*** | |
CN111382808A (zh) | 一种车辆检测处理方法及装置 | |
CN102819747B (zh) | 林业业务图像自动分类方法 | |
CN109583349A (zh) | 一种用于在真实环境对目标车辆的颜色进行识别的方法及*** | |
CN104143091A (zh) | 基于改进mLBP的单样本人脸识别方法 | |
CN109784171A (zh) | 车辆定损图像筛选方法、装置、可读存储介质及服务器 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161012 |