[发明专利]基于人工智能的车损检测方法及相关设备

说明书

本申请提出一种基于人工智能的车损检测方法、装置、电子设备及存储介质，基于人工智能的车损检测方法包括：对车损图像进行降噪处理获得降噪图像；对所述降噪图像进行增强处理获得增强图像；标注所述增强图像以获取标记图像；基于所述标记图像训练目标车损检测模型；将待检测车损图像输入所述目标车损检测模型获得车损检测结果。该方法可以利用噪声较小的增强图像训练车损检测模型，并能够通过车损检测结果持续训练车损模型，从而能够提升车损检测模型的准确度。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种基于人工智能的车损检测方法、装置、电子设备及存储介质。

背景技术

随着信息科技的发展，越来越多的企业倾向于在运营过程中利用数字图像分析技术处理图像数据，以提升业务效率。例如，在一些车损理赔业务中，保险公司通常对客户提供的车损图像进行分析以明确车损类别，进而提升理赔效率。

目前，通常使用图像分类模型对客户提供的车损图像进行分类，进而确定车损图像中的损伤类别。然而，这种方法受制于车损图像的噪声和质量，无法准确的对车损类别进行定位和分类，因此，寻求一种准确地车损检测方法势在必行。

发明内容

鉴于以上内容，有必要提供一种基于人工智能的车损检测方法及相关设备，以解决如何提高车损检测的准确度这一技术问题，其中，相关设备包括基于人工智能的车损检测装置、电子设备及存储介质。

本申请实施例提供一种基于人工智能的车损检测方法，所述方法包括：

对车损图像进行降噪处理获得降噪图像；

对所述降噪图像进行增强处理获得增强图像；

标注所述增强图像以获取标记图像；

基于所述标记图像训练目标车损检测模型；

将待检测车损图像输入所述目标车损检测模型获得车损检测结果。

上述基于人工智能的车损检测方法通过对车损图像进行降噪获得降噪图像，对于降噪图像进行增强处理获得了增强图像，能够提升图像质量以提升后续车损检测的准确度，并对于增强图像进行标注获得训练数据，进一步利用训练数据获得目标车损检测模型，能够基于大量的车损图像获得准确的车损检测模型，从而提升了车损检测的准确度。

在一些实施例中，所述对车损图像进行降噪处理获得降噪图像包括：

从所述车损图像中任选一个像素点作为中心点；

依据所述中心点和预设的划分阈值划分降噪范围；

计算所述降噪范围内所有像素点的灰度均值作为所述中心点的降噪值；

分别将所述车损图像中每个像素点作为中心点并计算每个中心点的降噪值以获取降噪图像。

如此，通过预设的划分阈值在所述车损图像中划分了降噪范围，并计算降噪范围内所有像素点的灰度均值获取了降噪图像，能够使图像趋于平滑以消除车损图像中的噪声，从而提升后续车损检测的准确度。

在一些实施例中，所述对所述降噪图像进行增强处理获得增强图像包括：

依据所述降噪图像和所述车损图像计算所述降噪图像中每个像素点的灰度差值；

依据所述灰度差值和预设的阈值计算每个像素点的增强值以获得增强图像。

如此，基于所述降噪图像和所述车损图像计算了每个像素点对应的灰度差值，并基于所述灰度差值计算了每个像素点的结果值以获得增强图像，能够突出所述车损图像中特征较为显著的部分，以消除前述步骤中降噪带来的特征平滑效果，从而提升了后续车损检测的准确度。

在一些实施例中，所述标注所述增强图像以获取标记图像包括：