[发明专利]车辆配件定损方法、装置、电子设备及存储介质

说明书

本申请的车辆配件定损方法、装置、电子设备及存储介质，获取目标配件的图片集合；将所述目标配件的图片集合输入至预先训练好的识别模型中，输出所述目标配件的识别结果；根据所述目标配件的配件完整度和识别模型的识别准确率获取所述目标配件的判断值；若所述判断值小于或等于所述第一预设阈值，则根据所述目标配件的所述判断值、配件价格、所述配件种类和所述配件材质，利用预设的配件残值算法获取所述目标配件的残值结果；通过上述方式，实现了对目标配件的残值自动计算，提高了目标配件的残值计算的准确率，从而有利于降低赔付成本。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种车辆配件定损方法、装置、电子设备及存储介质。

背景技术

在车险的理赔流程中，车辆定损是一个重要的环节。车辆定损是指对现场事故车辆的受损情况的一个核实确认过程，车辆定损包括如下环节：拍摄事故照片，查清车辆的损坏部件，确认更换或维修的配件，给出最终损失金额。其中，扣残是损失金额的组成部分，在更换配件后，对被更换的受损配件有两种处理方式，分别为旧件回收和变卖残值，前述提及的扣残就是变卖残值的金额。

现有技术中缺乏对扣残的方式的统一标准，大多依靠定损人员的经验判断，由于主观判断差异大，存在渗漏风险，导致残值计算的准确率低，进而造成赔付成本升高。

发明内容

本申请的目的在于提供一种车辆配件定损方法、装置、电子设备及存储介质，以解决现有技术中车辆配件的残值计算的准确率低的技术问题。

本申请的技术方案如下：提供一种车辆配件定损方法，包括：

获取目标配件的图片集合，其中，所述图片集合包括多个待处理图像，至少一个所述待处理图像的拍摄区域覆盖所述目标配件的损伤部位；

将所述目标配件的图片集合输入至预先训练好的识别模型中，输出所述目标配件的识别结果，其中，所述识别结果包括配件种类、配件材质以及配件完整度，所述识别模型是根据标注有样本种类、样本材质和样本完整度的样本配件图像训练得到的；

根据所述目标配件的所述配件完整度和所述识别模型的识别准确率获取所述目标配件的判断值；

若所述判断值小于或等于所述第一预设阈值，则根据所述目标配件的所述判断值、配件价格、所述配件种类和所述配件材质，利用预设的配件残值算法获取所述目标配件的残值结果。

在一些实施方式中，所述获取目标配件的图片集合，包括：

获取所述目标配件的多个拍摄图像；

采用目标检测算法对所述拍摄图像进行目标检测，得到检测后的拍摄图像，所述检测后的拍摄图像中包括所述目标配件的边界框，所述边界框为框选出所述目标配件的外界区域；

根据所述边界框对所述检测后的拍摄图像进行裁剪，得到对应的所述待处理图像，根据多个所述待处理图像构建所述目标配件的所述图片集合。

在一些实施方式中，所述待处理图像按照对所述目标配件的拍摄角度被划分为至少一类；

所述将所述目标配件的图片集合输入至预先训练好的识别模型中，输出所述目标配件的识别结果，包括：

按照预设的划分方式将所述待处理图像划分为不同区域，分别提取所述待处理图像中不同区域的第一特征，输出所述待处理图像的第一图像特征矩阵，所述第一图像特征矩阵包括不同区域的第一特征；

将所述第一图像特征矩阵与预设的权重矩阵相乘，得到所述待处理图像的第二图像特征，其中，所述权重矩阵包括不同区域的权重，所述第二图像特征包括不同区域的第二特征；

获取所述目标配件的特征矩阵，所述特征矩阵包括所述目标配件的不同拍摄角度的不同区域的第二特征；

根据所述目标配件的所述特征矩阵输出所述识别结果。