一种基于Yolov5的车辆定损系统

计算;推算;计数设备的制造及其应用技术一种基于yolov5的车辆定损系统1.技术领域2.本专利属于计算机视觉目标检测领域，是一种基于yolov5算法的车辆定损方法背景技术：3.迈入新的十年，全球保险行业都在积极进行战略投资与布局，为迎接一个节奏越来越快、数据驱动力越来越强的新行业局面做准备。毫无疑问，人工智能将在其中扮演最重要的角色。人工智能正在影响人们生活的方方面面，从查询天气，到浏览视频，再到网购，都有人工智能的影子。保险业也是如此，保险公司正在将人工智能应用于产业链的各个环节，以改善他们的业务状况和用户体验。近期风险解决方案公司lexisnexis对美国的 300多名保险从业者进行了调查，结果显示，保险公司已大量使用人工智能技术，尤其在理赔环节，人工智能效果显著。与此同时，人工智能也面临着人员、监管等方面的挑战。一般的保险理赔过程存在着许多繁琐问题，现如今通过人工智能的方法可以给予保险理赔过程许多便捷。4.本论文实现了基于yolov5算法的出险车辆定损的方法。本文通过分析一般出险车辆定损赔付流程中存在的问题，以及分析了近两年很火爆的yolov5算法实现源码，对yolov5 算法中backbone层部分和对neck网络细节进行改进优化，使改进后的网络结构可以更好的应用于车辆保险定损环节中。技术实现要素：5.车辆检测与定损模型构建中训练样本的选取。本论文选用保险案例中一般车辆的破损和刮擦图片作为样本进行训练，给予不同的破损和刮擦程度的样本相应的标签，其标签一般有刮擦、变形、部件的开裂、脱落和陈旧伤痕等，最后给予训练好的模型相应的破损理赔解决办法。6.目标检测算法yolov5的改进，本课题从backbone层和neck网络细节两个角度进行改进，使其可以更好的适用于车辆的定损方面，yolov5的算法可以使其应用更好地在手机端流畅完成整个过程。附图说明7.图1是改进后的yolov5的算法流程图8.图2是改进的neck网络细节流程图9.图3是系统整体架构图10.图4是系统实现的功能模块图。技术特征：1.设计基于yolov5的出险车辆定损方法主要目的是：一、在车辆定损的时候，往往程序非常繁琐，对于此现象设计一款基于移动端app，可以使用拍照识别的方法，进行及时上传功能，对于车辆的破损程度，使用yolov5算法进行评判，可以更快的节省保险人员和车主的时间，简化保险理赔流程。二、通过对yolov5算法的优化，使优化后的算法能够更好地应用在车辆保险领域出险车俩定损环节中。平常的yolov5经常用于对于车辆物体的检测，经过优化后的算法，可以更好的来适用于评判车辆的破损程度，经过大量的数据集的训练，基本可以评判大部分车辆的破损程度。三、yolov5作为最新的yolo系列算法，它有着非常轻量级的模型大小，同时在准确度方面又与yolov4基准相当，它的轻量级优点可以使它非常适用于手机端的检测使用。技术总结本文提出了一种基于改进的Yolov5出险车辆定损的方法。在此基础上设计了一种Neck-路径聚合网络结构，增强模型对于不同缩放尺度的检测，使其从而能够识别不同大小和尺度的同一个物体；然后在对锚框确定的时候，使用基于训练数据自动学习的锚框，会自动重新学习锚定框的尺寸，使得锚定框更加准确。同时，本文通过爬取相关车辆损失数据，并使用其数据集训练了Yolov5系列的车辆定损神经网络模型，进行了实验，尤其在手机端效果显著，因为Yolov5有着很好的实时性能，速度比其他目标检测方法更快。最后本文实现了一个基于Android的移动端的车辆定损的目标检测方法，并通过实际的场景对系统进行了测试。测试结果表明，该系统准确率良好，运行速度非常快、整体性能稳定。整体性能稳定。整体性能稳定。技术研发人员：苏静 刘伊智 白岩强 苗文博 付金辉受保护的技术使用者：天津科技大学技术研发日：2021.04.16技术公布日：2022/11/3









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!