CN117670036B - 定损机构的质量描述生成方法、装置、计算机设备及存储介质 - Google Patents
定损机构的质量描述生成方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN117670036B CN117670036B CN202311517019.9A CN202311517019A CN117670036B CN 117670036 B CN117670036 B CN 117670036B CN 202311517019 A CN202311517019 A CN 202311517019A CN 117670036 B CN117670036 B CN 117670036B
- Authority
- CN
- China
- Prior art keywords
- damage
- information
- vehicle
- historical
- report
- 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.)
- Active
Links
- 230000007246 mechanism Effects 0.000 title claims abstract description 97
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012795 verification Methods 0.000 claims abstract description 94
- 238000012423 maintenance Methods 0.000 claims description 91
- 230000006735 deficit Effects 0.000 claims description 75
- 230000007547 defect Effects 0.000 claims description 41
- 238000001514 detection method Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000008439 repair process Effects 0.000 claims description 13
- 230000008569 process Effects 0.000 abstract description 17
- 230000001976 improved effect Effects 0.000 abstract description 9
- 230000006399 behavior Effects 0.000 abstract description 7
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 24
- 239000003973 paint Substances 0.000 description 10
- 239000002184 metal Substances 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 230000001960 triggered effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 208000034693 Laceration Diseases 0.000 description 4
- 238000012550 audit Methods 0.000 description 4
- 238000005507 spraying Methods 0.000 description 4
- 238000010009 beating Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 210000003195 fascia Anatomy 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012911 target assessment Methods 0.000 description 1
Classifications
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请涉及人工智能技术领域,揭示了一种定损机构的质量描述生成方法、装置、计算机设备及存储介质,该方法包括:获取目标定损机构在预设时间段内的多个第一历史定损报告和每个第一历史定损报告的车损图像集;基于每个车损图像集,对每个第一历史定损报告进行风险校验,得到每个第一历史定损报告的风险校验信息;检测每个车损图像集中的每张车损图像的拍摄质量,得到每个车损图像集的拍摄质量信息;基于各风险校验信息和各拍摄质量信息,生成目标定损机构在目标定损平台的质量描述,可以对车险理赔业务中的渗漏风险行为进行事中、事后流程进行精准统一管理,提高风险管控的管理效率。
Description
技术领域
本发明涉及图像处理、人工智能、汽车金融技术领域,尤其涉及一种定损机构的质量描述生成方法、装置、计算机设备及存储介质。
背景技术
近年来,汽车消费的增长带动了汽车金融保险行业的发展,从而促使车险市场日趋复杂化。车险的核心业务大致包括投保、查勘、理赔以及维修或者保养。为了车险的可持续发展,车险中的车险理赔业务的流程管理和风险管控尤为重要。
目前,主要通过人工经验对理赔过程进行流程管理以及风险管控。然而,由于缺乏统一管理标准,人工经验在理赔过程中容易受个人主观影响,且未考虑人工操作的风险,导致无法精准管控车险理赔业务中的渗漏风险,降低风险管控的效率。
发明内容
基于此,提出了一种定损机构的质量描述生成方法、装置、计算机设备及存储介质,有利于在车险理赔业务中对渗漏风险进行精准管理,提高风险管控的管理效率。
第一方面,提供了一种定损机构的质量描述生成方法,包括:
获取目标定损机构在预设时间段内的多个第一历史定损报告和每个所述第一历史定损报告的车损图像集;
基于每个所述车损图像集,对每个所述第一历史定损报告进行风险校验,得到每个所述第一历史定损报告的风险校验信息;
检测每个所述车损图像集中的每张车损图像的拍摄质量,得到每个所述车损图像集的拍摄质量信息;
基于各所述风险校验信息和各所述拍摄质量信息,生成所述目标定损机构在目标定损平台的质量描述。
第二方面,提供了一种定损机构的质量描述生成装置,包括:
获取模块,用于获取目标定损机构在预设时间段内的多个第一历史定损报告和每个所述第一历史定损报告的车损图像集;
校验模块,用于基于每个所述车损图像集,对每个所述第一历史定损报告进行风险校验,得到每个所述第一历史定损报告的风险校验信息;
检测模块,用于检测每个所述车损图像集中的每张车损图像的拍摄质量,得到每个所述车损图像集的拍摄质量信息;
生成模块,用于基于各所述风险校验信息和各所述拍摄质量信息,生成所述目标定损机构在目标定损平台的质量描述。
可选地,在本申请的一些实施例中,所述校验模块包括:
确定子单元,用于基于每个所述车损图像集,确定每个第一历史定损报告的标准部件数量、每个部件的标准维修金额和标准维修方案;
第一计算子单元,用于提取每个所述第一历史定损报告中的部件数量,并将所述部件数量与所述标准部件数量进行差值计算,得到每个所述第一历史定损报告的部件数量偏差信息;
第二计算子单元,用于提取每个所述第一历史定损报告中的定损金额,并将所述定损金额与所述标准维修金额进行差值计算,得到每个所述第一历史定损报告的部件金额偏差信息;
第三计算子单元,用于提取每个所述定损报告中的维修方案,并将所述维修方案与所述标准维修方案进行比较,得到每个所述第一历史定损报告的部件维修偏差信息;
第一确定子模块,用于基于所述部件数量偏差信息、所述部件金额偏差信息和所述部件维修偏差信息,得到每个所述第一历史定损报告的风险校验信息。
可选地,在本申请的一些实施例中,所述第一确定子模块包括:
第一获取单元,用于基于所述第一历史定损报告,获取在同一预设时间段内的待比较定损机构的第二历史定损报告;
比较单元,用于对所述第一历史定损报告和所述第二历史定损报告进行差异比较,得到差异比较信息;
第一确定单元,用于基于所述部件数量偏差信息、所述部件金额偏差信息、所述部件维修偏差信息和所述差异比较信息,确定所述第一历史定损报告的风险校验信息。
可选地,在本申请的一些实施例中,所述检测模块包括:
检测子模块,用于检测每个所述车损图像集中每张所述车损图像的拍摄质量,得到每个车损图像集中缺陷图像的数量;
第四计算子模块,用于计算所述缺陷图像的数量与车损图像集中的车损图像的数量的比值,得到缺陷图像占比;
第二确定子模块,用于若所述缺陷图像占比大于预设占比阈值,则基于各所述缺陷图像,确定所述车损图像集的拍摄质量信息。
可选地,在本申请的一些实施例中,还包括报告确定模块,所述报告确定模块包括:
获取子模块,用于响应于针对车险理赔案件的定损操作,获取所述车险理赔案件的初始定损报告和所述车损图像集;
校验子模块,用于基于所述车损图像集,对所述初始定损报告进行风险校验,展示所述初始定损报告的风险提示信息;
更新子模块,用于在展示所述风险提示信息之后,响应于报告内容更新操作,对所述初始定损报告进行内容更新,得到目标定损报告,并将所述目标定损报告作为所述第一历史定损报告。
可选地,在本申请的一些实施例中,所述校验子模块包括:
检测单元,用于对所述车损图像集中的每张车损图像进行损伤检测,得到每张所述车损图像的受损部件名称和所述受损部件名称的受损信息;
第二确定单元,用于基于所述受损部件名称,确定所述受损部件名称对应的车损图像是否是目标车辆的图像;
第一生成单元,用于若确定所述车损图像不是所述目标车辆的图像,则生成风险提示信息;
展示单元,用于若确定所述车损图像是所述目标车辆的图像,则从所述初始定损报告中确定每个所述待匹配部件对应的待匹配受损信息,将每个所述受损信息与其对应的所述待匹配受损信息进行匹配,得到多个信息匹配结果,基于多个所述信息匹配结果,展示审核指引。
可选地,在本申请的一些实施例中,所述校验子模块包括:
第三确定单元,用于从所述初始定损报告中确定目标车辆的车辆身份信息;
第二获取单元,基于所述车辆身份信息,获取所述目标车辆在预设周期内的历史车险理赔案件信息;
匹配单元,用于将所述车损图像集中的每张车损图像的受损部件名称以及所述受损部件名称的损伤信息与所述历史车险理赔案件信息中的历史损伤信息进行匹配,得到损伤匹配结果;
第二生成单元,用于基于所述损伤匹配结果,生成风险提示信息。
第三方面,提供了一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述定损机构的质量描述生成方法的步骤。
第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述定损机构的质量描述生成方法的步骤。
在本申请中,提供一种定损机构的质量描述生成方法、装置、计算机设备及存储介质,通过获取目标定损机构在预设时间段内的多个第一历史定损报告和每个第一历史定损报告的车损图像集;基于每个车损图像集,对每个第一历史定损报告进行风险校验,得到每个第一历史定损报告的风险校验信息;检测每个车损图像集中的每张车损图像的拍摄质量,得到每个车损图像集的拍摄质量信息;基于各风险校验信息和各拍摄质量信息,生成目标定损机构在目标定损平台的质量描述。在本申请提供的定损机构的质量描述方案中,通过多个第一历史定损报告的风险校验信息和每个第一历史定损报告的车损图像集的拍摄质量信息,生成目标定损机构在目标定损平台的质量描述。可见,通过引入多个第一历史定损报告的风险校验信息和每个第一历史定损报告的车损图像集的拍摄质量信息,生成目标定损机构在目标定损平台的质量描述,可以对车险理赔业务中的渗漏风险行为进行事中、事后流程进行精准统一管理,提高风险管控的管理效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,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为本申请实施例提供的定损机构的质量描述生成方法的第一应用环境图;
图2为本申请实施例提供的定损机构的质量描述生成方法的流程图;
图3为本申请实施例提供的定损机构的质量描述生成方法的第二应用环境图;
图4为本申请实施例提供的定损机构的质量描述生成装置的结构框图;
图5为本申请实施例提供的计算机设备的第一结构框图;
图6为本申请实施例提供的计算机设备的第二结构框图。
具体实施方式
下面将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、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供的定损机构的质量描述生成方法,可应用在如图1的应用环境中,其中,客户端通过网络与服务端进行通信。服务端可以通过客户端获取目标定损机构在预设时间段内的多个第一历史定损报告和每个第一历史定损报告的车损图像集;基于每个车损图像集,对每个第一历史定损报告进行风险校验,得到每个第一历史定损报告的风险校验信息;检测每个车损图像集中的每张车损图像的拍摄质量,得到每个车损图像集的拍摄质量信息;基于各风险校验信息和各拍摄质量信息,生成目标定损机构在目标定损平台的质量描述,将目标定损机构在目标定损平台的质量描述反馈至客户端。在本发明中,通过多个第一历史定损报告的风险校验信息和每个第一历史定损报告的车损图像集的拍摄质量信息,生成目标定损机构在目标定损平台的质量描述。可见,通过引入多个第一历史定损报告的风险校验信息和每个第一历史定损报告的车损图像集的拍摄质量信息,生成目标定损机构在目标定损平台的质量描述,可以对车险理赔业务中的渗漏风险行为进行事前、事后流程进行精准统一管理,提高风险管控的管理效率。可选地,本申请提出的定损机构的质量描述方案可以应用于汽车金融领域中的车险理赔业务场景中,通过该方案对车险定损、核损流程进行辅助监督管理,对车险理赔业务中的定、核损流程以及人工操作等的渗漏风险进行甄别,避免主观判断标准差异大的问题,节省了大量的人力成本和时间,提升理赔作业效率,降低渗漏风险,提高风险管控效率。此外,通过对定损人员和定损机构的管控,提升定损人员工作质量和效率,避免重复的、低质量的定损照片拍摄,减少定损人员和定损机构的渗漏风险,辅助定损机构成本决策管理,不仅帮助保险公司实现车险经营线上化、数字化,实现减损价值,还有利于汽车金融保险行业的可持续发展。其中,客户端可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务端可以用独立的服务器或者是多个服务器组成的服务器集群来实现。下面通过具体的实施例对本发明进行详细的描述。
请参阅图2所示,图2为本发明实施例提供的定损机构的质量描述生成方法的一个流程示意图,该方法既可以应用于终端,也可以应用于服务器,本实施例以应用于服务端举例说明。该定损机构的质量描述生成方法包括如下步骤:
101:获取目标定损机构在预设时间段内的多个第一历史定损报告和每个第一历史定损报告的车损图像集。
其中,目标定损机构可以是可以对被保险的事故车辆进行定损的机构。例如,保险公司、汽车修理厂、汽车销售服务店等。
第一历史定损报告可以是定损报告,该定损报告包括定损员信息、被保险车辆信息和定损清单等,定损清单包括定损部件的部件名称、损伤信息、定损金额以及维修方案。其中,损伤信息可以包括损伤类型、损伤程度和损伤位置等信息。例如,部件名称为左前门,左前门的损伤类型为凹陷、损伤程度为轻度,损伤位置为左前门的左上角,维修方案为钣金喷漆,定位金额为300元。
车损图像集包括多张车损图像,车损图像可以是由定损员对保险事故车辆的定损部件进行拍摄得到的图像。例如,定损部件可以包括左前门、前保险杠、后保险杠、保险杠饰条、保险杠内衬、发动机盖拉线、前挡风下饰板、前叶子板、交流发电机、空调***、管路、干燥器等,车损图像可以是有定损员对上述定损部件进行拍摄得到的图像。
102:基于每个车损图像集,对每个第一历史定损报告进行风险校验,得到每个第一历史定损报告的风险校验信息。
其中,可以将车损图像集输入预训练的损伤检测模型进行损伤检测,得到车损图像集中的每张车损图像的部件以及部件的损伤信息,该损伤信息包括损伤类型、损伤程度和损伤位置,将部件以及部件的损伤信息,根据部件以及部件的损伤信息,确定该部件的标准维修方案和标准维修金额,而后,基于各部件、各部件对应的损伤信息、标准维修金额和标准维修方案,对每个第一历史定损报告进行风险校验,得到每个第一历史定损报告的部件数量偏差信息、部件金额偏差信息和部件维修偏差信息。损伤检测模型可以是基于神经网络训练得到的模型。
可以基于车损图像集,确定第一历史定损报告的标准部件数量、每个部件的标准维修金额和标准维修方案,进而将第一历史定损报告与标准部件数量、每个部件的标准维修金额和标准维修方案进行比较,从而得到第一历史定损报告的风险校验信息。即,可选地,在一些实施例中,步骤“基于每个车损图像集,对每个第一历史定损报告进行风险校验,得到每个第一历史定损报告的风险校验信息”,具体可以包括:
(11)基于每个车损图像集,确定每个第一历史定损报告的标准部件数量、每个部件的标准维修金额和标准维修方案;
其中,可以将车损图像集输入预训练的损伤检测模型进行损伤检测,得到车损图像集中的每张车损图像的部件以及部件的损伤信息,该损伤信息包括损伤类型、损伤程度和损伤位置,将部件以及部件的损伤信息,根据部件以及部件的损伤信息,确定该部件的标准维修方案和标准维修金额,对各部件进行数量统计,得到标准部件数量,基于此方式,可以确定每个第一历史定损报告的标准部件数量、每个部件的标准维修金额和标准维修方案。损伤检测模型可以是基于神经网络训练得到的模型。
(12)提取每个第一历史定损报告中的部件数量,并将部件数量与标准部件数量进行差值计算,得到每个第一历史定损报告的部件数量偏差信息;
其中,可以基于神经网络,提取第一历史定损报告中的部件数量,将该部件数量与其对应的标准部件数量进行差值计算,可以得到第一历史定损报告的部件数量偏差信息,基于此方式,可以得到每个第一历史定损报告的部件数量偏差信息。
部件数量为第一历史定损报告中的定损部件的数量。
(13)提取每个第一历史定损报告中的定损金额,并将定损金额与标准维修金额进行差值计算,得到每个第一历史定损报告的部件金额偏差信息;
其中,可以基于神经网络,提取第一历史定损报告中的定损金额,并将定损金额与其对应的标准维修金额进行差值计算,可以得到第一历史定损报告的部件金额偏差信息,基于此方式,可以得到每个第一历史定损报告的部件金额偏差信息。
(14)提取每个定损报告中的维修方案,并将维修方案与标准维修方案进行比较,得到每个第一历史定损报告的部件维修偏差信息;
其中,可以基于神经网络,提取第一历史定损报告的维修方案,并将维修方案与标准维修方案进行比较,得到第一历史定损报告的部件维修偏差信息,基于此方式,可以得到每个第一历史定损报告的部件金额偏差信息。
(15)基于部件数量偏差信息、部件金额偏差信息和部件维修偏差信息,得到每个第一历史定损报告的风险校验信息。
可选地,可以将部件数量偏差信息、部件金额偏差信息和部件维修偏差信息,作为第一历史定损报告的风险校验信息。
示例性地,假设第一定损报告内包括部件1和部件2,其中,部件1为前保险杠护罩,损伤类型为撕裂,损伤程度为撕裂长度为20厘米,维修方案为更换,定损金额为400元,损伤位置为前保险杠左半部分;部件2为前叶子板,损伤类型为划破,损伤程度为划破长度为5cm,维修方案为更换,定损金额为600元;车损图像集中包括前保险杠护罩的图像和前叶子板的图像,将前保险杠护罩的图像和前叶子板的图像输入预训练的损伤检测模型进行损伤检测,确定前保险杠护罩的损伤类型为撕裂,损伤程度为撕裂长度为20厘米,维修方案为更换,标准维修金额为400元,损伤位置为前保险杠左半部分;确定前叶子板的损伤类型为凹陷,损伤程度为轻度凹陷,维修方案为钣金喷漆,标准维修金额为200元;因此,风险校验信息包括部件数量偏差信息为0,部件金额偏差信息包括前保险杠护罩的金额偏差信息为0,前叶子板的金额偏差信息为300元,建议调整维修方案;部件维修偏差信息包括前保险杠护罩的部件维修偏差信息为0,前叶子板的部件维修偏差信息为更换方案存在风险,建议采用钣金喷漆方案。
获取与目标定损机构不同的其余定损机构在同一预设时间段内的第二历史定损报告,将第一历史定损报告和第二历史定损报告进行差异比较,得到差异比较信息,而后,基于差异比较信息、部件数量偏差信息、部件金额偏差信息和部件维修偏差信息,确定第一历史定损报告的风险校验信息。即,可选地,在一些实施例中,步骤“基于部件数量偏差信息、部件金额偏差信息和部件维修偏差信息,得到每个第一历史定损报告的风险校验信息”,具体可以包括:
(21)基于第一历史定损报告,获取在同一预设时间段内的待比较定损机构的第二历史定损报告;
其中,可以提取历史定损报告中的部件和部件的损伤类型、损伤程度和损伤位置,将部件、部件的损伤类型、损伤程度和损伤位置作为检索信息,检索在同一预设时间段内的待比较定损结构的第二历史定损报告。
待比较定损机构为与目标定损结构在相同或者不同地区的定损结构。第二历史定损报告可以是定损报告,该定损报告包括定损员信息、被保险车辆信息和定损清单等,定损清单包括定损部件的部件名称、损伤信息、定损金额以及维修方案。其中,损伤信息可以包括损伤类型、损伤程度和损伤位置等信息。例如,部件名称为左前门,左前门的损伤类型为凹陷、损伤程度为轻度,损伤位置为左前门的左上角,维修方案为钣金喷漆,定位金额为300元。
(22)对第一历史定损报告和第二历史定损报告进行差异比较,得到差异比较信息;
(23)基于部件数量偏差信息、部件金额偏差信息、部件维修偏差信息和差异比较信息,确定第一历史定损报告的风险校验信息。
示例性地,假设第一定损报告内包括部件1和部件2,其中,部件1为前保险杠护罩,损伤类型为撕裂,损伤程度为撕裂长度为20厘米,维修方案为更换,定损金额为400元,损伤位置为前保险杠左半部分;部件2为前叶子板,损伤类型为凹陷,损伤程度为中度凹陷,维修方案为更换,定损金额为500元。第二定损报告内包括部件3和部件4,其中,部件3为保险杠护罩,损伤类型为撕裂,损伤程度为撕裂长度为20厘米,维修方案为更换,标准维修金额为400元,损伤位置为前保险杠左半部分;部件4为前叶子板,损伤类型为凹陷,损伤程度为中度凹陷,维修方案为钣金喷漆,标准维修金额为200元;因此,差异比较信息包括部件金额偏差信息和部件维修偏差信息,部件金额偏差信息包括前保险杠护罩的金额偏差信息为0,前叶子板的金额偏差信息为300元,建议调整维修方案;部件维修偏差信息包括前保险杠护罩的部件维修偏差信息为0,前叶子板的部件维修偏差信息为更换方案存在风险,建议采用钣金喷漆方案。
103:检测每个车损图像集中的每张车损图像的拍摄质量,得到每个车损图像集的拍摄质量信息。
其中,可以基于神经网络,对每张车损图像集中的每张车损图像进行缺陷检测,得到每张车损图像的缺陷信息,将每个车损图像集中每张车损图像的缺陷信息作为每个车损图像集的拍摄质量信息。
在一场景中,需要对车损图像集进行管控,因此,需要确定车损图像集中缺项图像的数量,从而计算缺陷图像的数量与车损图像集中车损图像的数量的比值,基于该比值,确定车损图像集的拍摄质量信息。即,可选地,在一些实施例中,步骤“检测每个车损图像集中的每张车损图像的拍摄质量,得到每个车损图像集的拍摄质量信息”,具体可以包括:
(31)检测每个车损图像集中每张车损图像的拍摄质量,得到每个车损图像集中缺陷图像的数量;
其中,缺陷图像包括不符合拍摄要求的车损图像。例如,车损图像中的部件清晰度较低,车损图像中的部件完整性较低,大量重复拍摄同一部件的车损图像,拍摄一些非车的背景图像等。
(32)计算缺陷图像的数量与车损图像集中的车损图像的数量的比值,得到缺陷图像占比;
(33)若缺陷图像占比大于预设占比阈值,则基于各缺陷图像,确定车损图像集的拍摄质量信息。
其中,若缺陷图像占比大于预设占比阈值,则表明车损图像集中存在大量的缺陷图像,则基于各缺陷图像,生成车损图像集的拍摄质量信息。可选地,可以基于缺项图像,确定车损图像的缺陷信息,如,部件清晰度较低的车损图像,部件完整性较低的车损图像,重复拍摄的车损图像,拍摄非车的车损图像,将各缺陷图像和每个缺陷图像对应的缺陷信息,作为拍摄质量信息。可选地,可以将各缺陷信息作为车损图像集的拍摄质量信息。
104:基于各风险校验信息和各拍摄质量信息,生成目标定损机构在目标定损平台的质量描述。
其中,可以将各风险校验信息和各拍摄质量信息,作为目标定损机构在目标定损平台的质量描述。
请参阅图3,目标定损平台140可以是云服务平台,云服务平台可以接收目标定损机构130中的目标定损机构B1、目标定损机构B2和目标定损机构B3发送在预设时间段内的多个第一历史定损报告和每个第一历史定损报告的车损图像集;基于每个车损图像集,对每个第一历史定损报告进行风险校验,得到每个第一历史定损报告的风险校验信息;检测每个车损图像集中的每张车损图像的拍摄质量,得到每个车损图像集的拍摄质量信息;基于各风险校验信息和各拍摄质量信息,生成目标定损机构在目标定损平台的质量描述,将目标定损机构150中的目标定损机构B1、目标定损机构B2和目标定损机构B3在目标定损平台140的质量描述反馈至用户端130中的用户端A1、用户端A2和用户端A3。
在获取目标定损机构在预设时间段内的多个第一历史定损报告和每个第一历史定损报告的车损图像集之前,可以基于车损图像集对车险理赔案件的初始定损报告进行风险校验,以在生成第一历史定损报告的过程中进行渗漏风险的精准管控。即,可选地,在一些实施例中,步骤“获取目标定损机构在预设时间段内的多个第一历史定损报告和每个第一历史定损报告的车损图像集”之前,具体还可以包括:
(41)响应于针对车险理赔案件的定损操作,获取车险理赔案件的初始定损报告和车损图像集;
其中,针对车险理赔案件的定损操作可以是由用户触发的,如在移动终端的显示屏中显示定损页面,响应于用户针对该定损页面的定损报告上传操作,触发定损报告上传指令,然后,根据该定损报告上传指令,触发获取车险理赔案件的初始定损报告和车损图像集的操作。
初始定损报告可以是定损报告,该定损报告包括定损员信息、被保险车辆信息和定损清单等,定损清单包括定损部件的部件名称、损伤信息、定损金额以及维修方案。其中,损伤信息可以包括损伤类型、损伤程度和损伤位置等信息。例如,部件名称为左前门,左前门的损伤类型为凹陷、损伤程度为轻度,损伤位置为左前门的左上角,维修方案为钣金喷漆,定位金额为300元。车险理赔案子是指在上述预设时间段内被保险车辆发生事故之后发起车险理赔的案子。当产生车险理赔案子之后,由目标定损机构派遣定损员到被保险车辆发生事故的现场进行拍摄,得到车损图像集,并由定损员制作初始定损报告。
(42)基于车损图像集,对初始定损报告进行风险校验,展示初始定损报告的风险提示信息;
(43)在展示风险提示信息之后,响应于报告内容更新操作,对初始定损报告进行内容更新,得到目标定损报告,并将目标定损报告作为第一历史定损报告。
其中,报告内容更新操作可以是由用户触发的,如在移动终端的显示屏中显示报告内容修改页面,响应于用户针对该报告内容修改页面的报告内容修改操作,触发定损报告修改指令,然后,根据该定损报告修改指令,触发对初始定损报告进行内容更新,得到目标定损报告,并将目标定损报告作为第一历史定损报告的操作。
示例性地,假设初始定损报告内包括受损部件1和受损部件2,其中,受损部件1为前保险杠护罩,损伤类型为撕裂,损伤程度为撕裂长度为20厘米,维修方案为更换,定损金额为400元,损伤位置为前保险杠左半部分;受损部件2为前叶子板,损伤类型为划破,损伤程度为划破长度为5cm,维修方案为更换,定损金额为600元;车损图像集中包括前保险杠护罩的图像和前叶子板的图像,将前保险杠护罩的图像和前叶子板的图像输入预训练的损伤检测模型进行损伤检测,确定前保险杠护罩的损伤类型为撕裂,损伤程度为撕裂长度为20厘米,维修方案为更换,标准维修金额为400元,损伤位置为前保险杠左半部分;确定前叶子板的损伤类型为凹陷,损伤程度为轻度凹陷,维修方案为钣金喷漆,标准维修金额为200元;因此,风险提示信息为前叶子板的定损金额超出标准维修金额400元,更换方案存在风险,建议采用钣金喷漆方案,在展示该风险提示信息之后,响应于报告内容更新操作,对该初始定损报告的前叶子板的定损净额修改为200元,维修方案修改为钣金喷漆,由此,得到目标定损报告,并将目标定损报告作为第一历史定损报告。
在一场景中,可以对车损图像集中的每张车损图像进行损伤检测,得到车损图像的受损部件名称和受损部件名称的损伤信息,而后,基于受损部件名称确定其对应的车损图像是否是目标车辆的图像,若是目标车辆的图像,则将该受损部件名称对应的损伤信息与初始定损报告进行匹配,从而展示审核指引,若不是目标车辆的图像,则生成风险提示信息。即,可选地,在一些实施例中,步骤“基于车损图像集,对初始定损报告进行风险校验,展示初始定损报告的风险提示信息”,具体可以包括:
(51)对车损图像集中的每张车损图像进行损伤检测,得到每张车损图像的受损部件名称和受损部件名称的受损信息;
其中,可以采用预训练的损伤检测模型对车损图像集中的每张车损图像进行损伤检测,得到每张车损图像的受损部件名称和受损部件名称的损伤信息,该损伤信息包括受损部件名称对应的损伤类型、损伤程度和损伤位置。
(52)基于受损部件名称,确定受损部件名称对应的车损图像是否是目标车辆的图像;
其中,目标车辆为待定损的发生事故的被保险车辆。
示例性地,若受损部件名称为背景,则确定受损部件名称对应的车损图像不是目标车辆的图像,若受损部件名称为左前门,则确定该受损部件名称对饮的车损图像是目标车辆的左前门的图像。
(53)若确定车损图像不是目标车辆的图像,则生成风险提示信息;
若确定车损图像不是目标车辆的图像,则展示该车损图片为非车图像的风险提示信息。
可选地,若风险提示信息的展示次数大于展示次数阈值,则提示理赔案件存在欺诈风险的提示信息。
(54)若确定车损图像是目标车辆的图像,则从初始定损报告中确定每个待匹配部件对应的待匹配受损信息,将每个受损信息与其对应的待匹配受损信息进行匹配,得到多个信息匹配结果,基于多个信息匹配结果,展示审核指引。
其中,待匹配部件为初始定损报告中的部件,待匹配受损信息为初始定损报告中的部件的受损信息。
示例性地,假设初始定损报告内包括待匹配部件,该待匹配部件为前保险杠护罩,损伤类型为撕裂,损伤程度为撕裂长度为20厘米,损伤位置为前保险杠左半部分;将前保险杠护罩的图像输入预训练的损伤检测模型进行损伤检测,确定前保险杠护罩的损伤类型为撕裂,损伤程度为撕裂长度为20厘米,损伤位置为前保险杠右半部分;基于此,可以确定信息匹配结果为前保险杠护罩的损位置不匹配,基于该信息匹配结果,可以确定前保险杠护罩存在欺诈风险,因此,可以展示审核指引,以引导用户(如核损员)对前保险杠护罩进行审核确认。若初始定损报告中包括前保险杠护罩,而车损图像集中不包括前保险杠护罩的图像,则信息匹配结果为在车损图像集中未匹配到相应的前保险杠护罩,基于该匹配结果,可以确定初始定损报告虚增部件,因此,可以展示审核指引,以指引用户管控虚增部件。
在一场景中,可以检索一定时间段内同一被保险车辆的历史车险理赔案件信息,并将历史理赔案件信息和车损图像集进行匹配,从而得到损伤匹配结果,基于损伤匹配结果生成风险提示信息,避免重复索赔的风险。即,可选地,在一些实施例中,步骤“基于车损图像集,对初始定损报告进行风险校验,展示初始定损报告的风险提示信息”,具体可以包括:
(61)从初始定损报告中确定目标车辆的车辆身份信息;
其中,车辆身份信息包括车牌号和车架号等信息。
(62)基于车辆身份信息,获取目标车辆在预设周期内的历史车险理赔案件信息;
其中,可以将车审查信息作为检索名称,在相关的数据库中检索目标车辆在预设周期内的历史车险理赔案件信息,从而获取目标车辆的历史车辆理赔案件信息,预设周期内可以是近3个月内。
(63)将车损图像集中的每张车损图像的受损部件名称以及受损部件名称的损伤信息与历史车险理赔案件信息中的历史损伤信息进行匹配,得到损伤匹配结果;
其中,历史损伤信息包括历史损伤部件名称、历史损伤部件名称的损伤类型、损伤程度和损伤位置,然后将车损图像集中的各受损部件名称和每个受损部件名称的损伤信息与历史车险理赔案件信息中的各历史损伤部件名称、每个历史损伤部件名称的损伤类型、损伤程度和损伤位置进行匹配,得到损伤匹配结果。损伤匹配结果用于表示各受损部件名称和每个受损部件名称的损伤信息与各历史损伤部件名称、每个历史损伤部件名称的损伤类型、损伤程度和损伤位置是否存在相同。
(64)基于损伤匹配结果,生成风险提示信息。
其中,若各受损部件名称和每个受损部件名称的损伤信息与各历史损伤部件名称、每个历史损伤部件名称的损伤类型、损伤程度和损伤位置存在相同,则表明在预设周期内存在同一受损部件存在相同损伤,则生成风险提示信息,以提示用户该受损部件名称有重复索赔的风险。
以上为本申请的定损机构的质量描述流程。
如上,本申请提供一种定损机构的质量描述生成方法、装置、计算机设备及存储介质,通过获取目标定损机构在预设时间段内的多个第一历史定损报告和每个第一历史定损报告的车损图像集;基于每个车损图像集,对每个第一历史定损报告进行风险校验,得到每个第一历史定损报告的风险校验信息;检测每个车损图像集中的每张车损图像的拍摄质量,得到每个车损图像集的拍摄质量信息;基于各风险校验信息和各拍摄质量信息,生成目标定损机构在目标定损平台的质量描述。在本申请提供的定损机构的质量描述方案中,通过多个第一历史定损报告的风险校验信息和每个第一历史定损报告的车损图像集的拍摄质量信息,生成目标定损机构在目标定损平台的质量描述。可见,通过引入多个第一历史定损报告的风险校验信息和每个第一历史定损报告的车损图像集的拍摄质量信息,生成目标定损机构在目标定损平台的质量描述,可以对车险理赔业务中的渗漏风险行为进行事中、事后流程进行精准统一管理,提高风险管控的管理效率。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一实施例中,提供一种定损机构的质量描述生成装置,该定损机构的质量描述生成装置与上述实施例中定损机构的质量描述生成方法一一对应。请参阅图4所示,该定损机构的质量描述生成装置包括获取模块201、校验模块202、检测模块203和生成模块204,各功能模块详细说明如下:
获取模块201,用于获取目标定损机构在预设时间段内的多个第一历史定损报告和每个第一历史定损报告的车损图像集;
校验模块202,用于基于每个车损图像集,对每个第一历史定损报告进行风险校验,得到每个第一历史定损报告的风险校验信息;
检测模块203,用于检测每个车损图像集中的每张车损图像的拍摄质量,得到每个车损图像集的拍摄质量信息;
生成模块204,用于基于各风险校验信息和各拍摄质量信息,生成目标定损机构在目标定损平台的质量描述。
可选地,在一些实施例中,校验模块202包括:
确定子单元,用于基于每个车损图像集,确定每个第一历史定损报告的标准部件数量、每个部件的标准维修金额和标准维修方案;
第一计算子单元,用于提取每个第一历史定损报告中的部件数量,并将部件数量与标准部件数量进行差值计算,得到每个第一历史定损报告的部件数量偏差信息;
第二计算子单元,用于提取每个第一历史定损报告中的定损金额,并将定损金额与标准维修金额进行差值计算,得到每个第一历史定损报告的部件金额偏差信息;
第三计算子单元,用于提取每个定损报告中的维修方案,并将维修方案与标准维修方案进行比较,得到每个第一历史定损报告的部件维修偏差信息;
第一确定子模块,用于基于部件数量偏差信息、部件金额偏差信息和部件维修偏差信息,得到每个第一历史定损报告的风险校验信息。
可选地,在一些实施例中,第一确定子模块包括:
第一获取单元,用于基于第一历史定损报告,获取在同一预设时间段内的待比较定损机构的第二历史定损报告;
比较单元,用于对第一历史定损报告和第二历史定损报告进行差异比较,得到差异比较信息;
第一确定单元,用于基于部件数量偏差信息、部件金额偏差信息、部件维修偏差信息和差异比较信息,确定第一历史定损报告的风险校验信息。
可选地,在一些实施例中,检测模块203包括:
检测子模块,用于检测每个车损图像集中每张车损图像的拍摄质量,得到每个车损图像集中缺陷图像的数量;
第四计算子模块,用于计算缺陷图像的数量与车损图像集中的车损图像的数量的比值,得到缺陷图像占比;
第二确定子模块,用于若缺陷图像占比大于预设占比阈值,则基于各缺陷图像,确定车损图像集的拍摄质量信息。
可选地,在一些实施例中,还包括报告确定模块,报告确定模块包括:
获取子模块,用于响应于针对车险理赔案件的定损操作,获取车险理赔案件的初始定损报告和车损图像集;
校验子模块,用于基于车损图像集,对初始定损报告进行风险校验,展示初始定损报告的风险提示信息;
更新子模块,用于在展示风险提示信息之后,响应于报告内容更新操作,对初始定损报告进行内容更新,得到目标定损报告,并将目标定损报告作为第一历史定损报告。
可选地,在一些实施例中,校验子模块包括:
检测单元,用于对车损图像集中的每张车损图像进行损伤检测,得到每张车损图像的受损部件名称和受损部件名称的受损信息;
第二确定单元,用于基于受损部件名称,确定受损部件名称对应的车损图像是否是目标车辆的图像;
第一生成单元,用于若确定车损图像不是目标车辆的图像,则生成风险提示信息;
展示单元,用于若确定车损图像是目标车辆的图像,则从初始定损报告中确定每个待匹配部件对应的待匹配受损信息,将每个受损信息与其对应的待匹配受损信息进行匹配,得到多个信息匹配结果,基于多个信息匹配结果,展示审核指引。
可选地,在一些实施例中,校验子模块包括:
第三确定单元,用于从初始定损报告中确定目标车辆的车辆身份信息;
第二获取单元,基于车辆身份信息,获取目标车辆在预设周期内的历史车险理赔案件信息;
匹配单元,用于将车损图像集中的每张车损图像的受损部件名称以及受损部件名称的损伤信息与历史车险理赔案件信息中的历史损伤信息进行匹配,得到损伤匹配结果;
第二生成单元,用于基于损伤匹配结果,生成风险提示信息。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务端,其内部结构图可以如图5所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性和/或易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的客户端通过网络连接通信。该计算机程序被处理器执行时以实现一种定损机构的质量描述生成方法服务端侧的功能或步骤。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是客户端,其内部结构图可以如图6所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部服务器通过网络连接通信。该计算机程序被处理器执行时以实现一种定损机构的质量描述生成方法客户端侧的功能或步骤。
在一个实施例中,提出了一种计算机设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:
获取目标定损机构在预设时间段内的多个第一历史定损报告和每个第一历史定损报告的车损图像集;基于每个车损图像集,对每个第一历史定损报告进行风险校验,得到每个第一历史定损报告的风险校验信息;检测每个车损图像集中的每张车损图像的拍摄质量,得到每个车损图像集的拍摄质量信息;基于各风险校验信息和各拍摄质量信息,生成目标定损机构在目标定损平台的质量描述。
在本实施例中,通过多个第一历史定损报告的风险校验信息和每个第一历史定损报告的车损图像集的拍摄质量信息,生成目标定损机构在目标定损平台的质量描述。可见,通过引入多个第一历史定损报告的风险校验信息和每个第一历史定损报告的车损图像集的拍摄质量信息,生成目标定损机构在目标定损平台的质量描述,可以对车险理赔业务中的渗漏风险行为进行事中、事后流程进行精准统一管理,提高风险管控的管理效率。
在一个实施例中,提出了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取目标定损机构在预设时间段内的多个第一历史定损报告和每个第一历史定损报告的车损图像集;基于每个车损图像集,对每个第一历史定损报告进行风险校验,得到每个第一历史定损报告的风险校验信息;检测每个车损图像集中的每张车损图像的拍摄质量,得到每个车损图像集的拍摄质量信息;基于各风险校验信息和各拍摄质量信息,生成目标定损机构在目标定损平台的质量描述。
在本实施例中,通过多个第一历史定损报告的风险校验信息和每个第一历史定损报告的车损图像集的拍摄质量信息,生成目标定损机构在目标定损平台的质量描述。可见,通过引入多个第一历史定损报告的风险校验信息和每个第一历史定损报告的车损图像集的拍摄质量信息,生成目标定损机构在目标定损平台的质量描述,可以对车险理赔业务中的渗漏风险行为进行事中、事后流程进行精准统一管理,提高风险管控的管理效率。
需要说明的是,上述关于计算机可读存储介质或计算机设备所能实现的功能或步骤,可对应参阅前述方法实施例中,服务端侧以及客户端侧的相关描述,为避免重复,这里不再一一描述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (7)
1.一种定损机构的质量描述生成方法,其特征在于,包括:
获取目标定损机构在预设时间段内的多个第一历史定损报告和每个所述第一历史定损报告的车损图像集;
基于每个所述车损图像集,对每个所述第一历史定损报告进行风险校验,得到每个所述第一历史定损报告的风险校验信息;
检测每个所述车损图像集中的每张车损图像的拍摄质量,得到每个所述车损图像集的拍摄质量信息;
基于各所述风险校验信息和各所述拍摄质量信息,生成所述目标定损机构在目标定损平台的质量描述;
所述基于每个所述车损图像集,对每个所述第一历史定损报告进行风险校验,得到每个所述第一历史定损报告的风险校验信息,包括:
基于每个所述车损图像集,确定每个第一历史定损报告的标准部件数量、每个部件的标准维修金额和标准维修方案;
提取每个所述第一历史定损报告中的部件数量,并将所述部件数量与所述标准部件数量进行差值计算,得到每个所述第一历史定损报告的部件数量偏差信息;
提取每个所述第一历史定损报告中的定损金额,并将所述定损金额与所述标准维修金额进行差值计算,得到每个所述第一历史定损报告的部件金额偏差信息;
提取每个所述定损报告中的维修方案,并将所述维修方案与所述标准维修方案进行比较,得到每个所述第一历史定损报告的部件维修偏差信息;
基于所述部件数量偏差信息、所述部件金额偏差信息和所述部件维修偏差信息,得到每个所述第一历史定损报告的风险校验信息;
所述基于所述部件数量偏差信息、所述部件金额偏差信息和所述部件维修偏差信息,得到每个所述第一历史定损报告的风险校验信息,包括:
基于所述第一历史定损报告,获取在同一预设时间段内的待比较定损机构的第二历史定损报告;
对所述第一历史定损报告和所述第二历史定损报告进行差异比较,得到差异比较信息;
基于所述部件数量偏差信息、所述部件金额偏差信息、所述部件维修偏差信息和所述差异比较信息,确定所述第一历史定损报告的风险校验信息;
所述检测每个所述车损图像集中的每张车损图像的拍摄质量,得到每个所述车损图像集的拍摄质量信息,包括:
检测每个所述车损图像集中每张所述车损图像的拍摄质量,得到每个车损图像集中缺陷图像的数量;
计算所述缺陷图像的数量与车损图像集中的车损图像的数量的比值,得到缺陷图像占比;
若所述缺陷图像占比大于预设占比阈值,则基于各所述缺陷图像,确定所述车损图像集的拍摄质量信息,其中,所述缺陷图像包括不符合拍摄要求的车损图像。
2.根据权利要求1所述的定损机构的质量描述生成方法,其特征在于,所述获取目标定损机构在预设时间段内的多个第一历史定损报告和每个所述第一历史定损报告的车损图像集之前,还包括:
响应于针对车险理赔案件的定损操作,获取所述车险理赔案件的初始定损报告和所述车损图像集;
基于所述车损图像集,对所述初始定损报告进行风险校验,展示所述初始定损报告的风险提示信息;
在展示所述风险提示信息之后,响应于报告内容更新操作,对所述初始定损报告进行内容更新,得到目标定损报告,并将所述目标定损报告作为所述第一历史定损报告。
3.根据权利要求2所述的定损机构的质量描述生成方法,其特征在于,所述基于所述车损图像集,对所述初始定损报告进行风险校验,展示所述初始定损报告的风险提示信息,包括:
对所述车损图像集中的每张车损图像进行损伤检测,得到每张所述车损图像的受损部件名称和所述受损部件名称的受损信息;
基于所述受损部件名称,确定所述受损部件名称对应的车损图像是否是目标车辆的图像;
若确定所述车损图像不是所述目标车辆的图像,则生成风险提示信息;
若确定所述车损图像是所述目标车辆的图像,则从所述初始定损报告中确定每个待匹配部件对应的待匹配受损信息,将每个所述受损信息与其对应的所述待匹配受损信息进行匹配,得到多个信息匹配结果,基于多个所述信息匹配结果,展示审核指引。
4.根据权利要求2所述的定损机构的质量描述生成方法,其特征在于,所述基于所述车损图像集,对所述初始定损报告进行风险校验,展示所述初始定损报告的风险提示信息,包括:
从所述初始定损报告中确定目标车辆的车辆身份信息;
基于所述车辆身份信息,获取所述目标车辆在预设周期内的历史车险理赔案件信息;
将所述车损图像集中的每张车损图像的受损部件名称以及所述受损部件名称的损伤信息与所述历史车险理赔案件信息中的历史损伤信息进行匹配,得到损伤匹配结果;
基于所述损伤匹配结果,生成风险提示信息。
5.一种定损机构的质量描述生成装置,其特征在于,包括:
获取模块,用于获取目标定损机构在预设时间段内的多个第一历史定损报告和每个所述第一历史定损报告的车损图像集;
校验模块,用于基于每个所述车损图像集,对每个所述第一历史定损报告进行风险校验,得到每个所述第一历史定损报告的风险校验信息;
检测模块,用于检测每个所述车损图像集中的每张车损图像的拍摄质量,得到每个所述车损图像集的拍摄质量信息;
生成模块,用于基于各所述风险校验信息和各所述拍摄质量信息,生成所述目标定损机构在目标定损平台的质量描述;
所述基于每个所述车损图像集,对每个所述第一历史定损报告进行风险校验,得到每个所述第一历史定损报告的风险校验信息,包括:
基于每个所述车损图像集,确定每个第一历史定损报告的标准部件数量、每个部件的标准维修金额和标准维修方案;
提取每个所述第一历史定损报告中的部件数量,并将所述部件数量与所述标准部件数量进行差值计算,得到每个所述第一历史定损报告的部件数量偏差信息;
提取每个所述第一历史定损报告中的定损金额,并将所述定损金额与所述标准维修金额进行差值计算,得到每个所述第一历史定损报告的部件金额偏差信息;
提取每个所述定损报告中的维修方案,并将所述维修方案与所述标准维修方案进行比较,得到每个所述第一历史定损报告的部件维修偏差信息;
基于所述部件数量偏差信息、所述部件金额偏差信息和所述部件维修偏差信息,得到每个所述第一历史定损报告的风险校验信息;
所述基于所述部件数量偏差信息、所述部件金额偏差信息和所述部件维修偏差信息,得到每个所述第一历史定损报告的风险校验信息,包括:
基于所述第一历史定损报告,获取在同一预设时间段内的待比较定损机构的第二历史定损报告;
对所述第一历史定损报告和所述第二历史定损报告进行差异比较,得到差异比较信息;
基于所述部件数量偏差信息、所述部件金额偏差信息、所述部件维修偏差信息和所述差异比较信息,确定所述第一历史定损报告的风险校验信息;
所述检测每个所述车损图像集中的每张车损图像的拍摄质量,得到每个所述车损图像集的拍摄质量信息,包括:
检测每个所述车损图像集中每张所述车损图像的拍摄质量,得到每个车损图像集中缺陷图像的数量;
计算所述缺陷图像的数量与车损图像集中的车损图像的数量的比值,得到缺陷图像占比;
若所述缺陷图像占比大于预设占比阈值,则基于各所述缺陷图像,确定所述车损图像集的拍摄质量信息,其中,所述缺陷图像包括不符合拍摄要求的车损图像。
6.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述定损机构的质量描述生成方法的步骤。
7.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述定损机构的质量描述生成方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311517019.9A CN117670036B (zh) | 2023-11-14 | 2023-11-14 | 定损机构的质量描述生成方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311517019.9A CN117670036B (zh) | 2023-11-14 | 2023-11-14 | 定损机构的质量描述生成方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117670036A CN117670036A (zh) | 2024-03-08 |
CN117670036B true CN117670036B (zh) | 2024-07-02 |
Family
ID=90069039
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311517019.9A Active CN117670036B (zh) | 2023-11-14 | 2023-11-14 | 定损机构的质量描述生成方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117670036B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111488875A (zh) * | 2020-06-24 | 2020-08-04 | 爱保科技有限公司 | 基于图像识别的车险理赔核损方法、装置和电子设备 |
CN116777638A (zh) * | 2023-06-01 | 2023-09-19 | 中国人民财产保险股份有限公司 | 基于数据画像的车险理赔风险的识别方法和装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10373262B1 (en) * | 2014-03-18 | 2019-08-06 | Ccc Information Services Inc. | Image processing system for vehicle damage |
CN109919785A (zh) * | 2019-02-22 | 2019-06-21 | 德联易控科技(北京)有限公司 | 车辆定损的评估处理方法、装置、设备及存储介质 |
CN113505624A (zh) * | 2020-03-23 | 2021-10-15 | 虹软科技股份有限公司 | 车辆定损方法、车辆定损装置及应用其的电子设备 |
CN114596439A (zh) * | 2022-03-20 | 2022-06-07 | 邦邦汽车销售服务(北京)有限公司 | 一种基于图像的车险智能定损及核损方法、装置和电子设备 |
-
2023
- 2023-11-14 CN CN202311517019.9A patent/CN117670036B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111488875A (zh) * | 2020-06-24 | 2020-08-04 | 爱保科技有限公司 | 基于图像识别的车险理赔核损方法、装置和电子设备 |
CN116777638A (zh) * | 2023-06-01 | 2023-09-19 | 中国人民财产保险股份有限公司 | 基于数据画像的车险理赔风险的识别方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN117670036A (zh) | 2024-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11250554B2 (en) | Repair/replace and labour hours determination | |
CN109858737B (zh) | 基于模型部署的评分模型调整方法、装置和计算机设备 | |
CN109784170B (zh) | 基于图像识别的车险定损方法、装置、设备及存储介质 | |
CN109523371B (zh) | 在线放款审核方法、装置、计算机设备及存储介质 | |
CN109815803B (zh) | 面审风险控制方法、装置、计算机设备和存储介质 | |
CN112418009A (zh) | 一种图像质量检测方法、终端设备及存储介质 | |
CN112712429A (zh) | 汇款业务审核方法、装置、计算机设备和存储介质 | |
CN110378811B (zh) | 仲裁信息处理方法、装置、计算机设备和存储介质 | |
CN110852714A (zh) | 应用于装修业务平台的薪酬提成数据管理*** | |
CN117670036B (zh) | 定损机构的质量描述生成方法、装置、计算机设备及存储介质 | |
CN112100424B (zh) | 证件图像分类采集方法、装置、设备和介质 | |
CN109377213B (zh) | 自助卡激活方法、装置、计算机设备及存储介质 | |
CN113837170A (zh) | 车辆保险理赔申请的自动审核处理方法、装置及设备 | |
CN112990158A (zh) | 车险数据处理方法、装置、计算机设备和存储介质 | |
CN117671328A (zh) | 车辆定损方法、装置、计算机设备及存储介质 | |
CN117670558A (zh) | 车辆定损的风险评估方法、装置、计算机设备及存储介质 | |
CN115147209A (zh) | 一种征信授权书签署方法、***、设备及存储介质 | |
CN111476113A (zh) | 基于迁移学习的证卡识别方法、装置、设备及可读介质 | |
CN117273517A (zh) | 指标数据的处理方法、装置、计算机设备及存储介质 | |
CN113344889A (zh) | 一种财务票据图像质量评价方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |