(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210828958.4 (22)申请日 2022.07.15 (71)申请人 中国平安财产保险股份有限公司 地址 518000 广东省深圳市福田区益田路 5033号平安金融中心12、 13、 38、 39、 40 层 (72)发明人 徐振博　朱志华　 (74)专利代理 机构 深圳国新 南方知识产权代理 有限公司 4 4374 专利代理师 周纯 (51)Int.Cl. G06Q 40/08(2012.01) G06V 20/30(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01)G06V 10/82(2022.01) (54)发明名称 车辆配件定损方法、 装置、 电子设备及存储 介质 (57)摘要 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。 权利要求书3页 说明书10页 附图3页 CN 114998043 A 2022.09.02 CN 114998043 A 1.一种车辆配件定损方法， 其特 征在于， 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。 2.根据权利要求1所述的车辆配件定损方法， 其特征在于， 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。 3.根据权利要求1所述的车辆配件定损方法， 其特征在于， 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。 4.根据权利要求3所述的车辆配件定损方法， 其特征在于， 所述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之前， 还 包括： 获取数据集， 所述数据集包括不同配件的图片集合， 所述图片集合包括多个待处理图 像， 所述待处理图像按照对所述配件的拍摄角度被划分为至少一类， 至少一个所述待处理 图像的拍摄区域覆盖所述配件的损伤部位； 将所述数据集划分为训练集和测试集， 对所述训练集中每个所述配件的图片集合的待 处理图像进行样本种类、 样本材质和样本 完整度的标注；权　利　要　求　书 1/3 页 2 CN 114998043 A 2利用所述训练集对识别 模型进行训练， 得到训练好的识别模型， 其中， 所述识别模型的 激活函数为f(x)＝max(0,wtx+b)， x为所述待处理图像的所述第一图像特征矩阵， w为所述 权重矩阵， b为预设参数； 利用测试集对所述训练好的识别模型进行测试， 根据所述训练好的识别模型的识别结 果获取所述识别模型的识别准确率。 5.根据权利要求3所述的车辆配件定损方法， 其特征在于， 所述获取目标配件的图片集 合之后， 还 包括： 对所述图片集 合中每个所述待处 理图像进行降噪处 理， 得到降噪处 理后的图片集 合； 对所述降噪处理后的图片集合中所述待处理图像进行数据增强， 得到数据增强后的图 片集合； 对所述数据增强后的图片集合中的待处理图像进行拼接， 得到所述目标配件的全景拼 接图； 根据所述全景拼接图获取所述目标配件的多个标准待处理图像， 根据 所述标准待处理 图像替换所述待处理图像以更新所述 目标配件的所述图片集合， 其中， 每个所述标准待处 理图像对应一个预设拍摄角度。 6.根据权利要求1所述的车辆配件定损方法， 其特征在于， 所述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， 包括： 根据所述配件种类获取对应的种类预设值； 根据所述配件材质获取对应的材质预设值； 根据所述目标配件的所述判断值、 所述配件价格、 所述配件种类对应的种类预设值和 所述配件材质对应的材质预设值， 利用预设的配件残值算法获取所述目标配件的残值结 果。 7.根据权利要求1所述的车辆配件定损方法， 其特征在于， 所述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之后， 还 包括： 若所述判断值大于所述第 一预设阈值， 则根据所述目标配件的所述完整度输出回收结 果。 8.一种车辆配件定损装置， 其特 征在于， 包括： 获取模块， 用于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； 识别模块， 用于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； 第一计算模块， 用于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； 第二计算模块， 用于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。 9.一种电子设备， 其特征在于， 包括处理器、 以及与所述处理器耦接的存储器， 所述存权　利　要　求　书 2/3 页 3 CN 114998043 A 3