Аннотирование изображений транспортных средств для страховых случаев, оценки стоимости ремонта и инспекции автопарка с использованием ИИ — пример из практики
Как компания Shaip разработала специализированную систему аннотирования повреждений транспортных средств, сочетающую сегментацию полигонов каждой части кузова с классификацией повреждений по 11 классам и рекомендациями по ремонту на уровне компонентов — созданную в виде производственного набора данных для автоматизированной обработки страховых случаев и искусственного интеллекта для осмотра транспортных средств.
Обзор проекта
Поскольку в сфере страхования и автомобилестроения искусственный интеллект движется в сторону автоматизированной оценки страховых случаев и осмотра транспортных средств, клиенту потребовался конвейер аннотирования, способный сегментировать каждую часть кузова автомобиля, а также детально классифицировать повреждения — на уровне детализации, позволяющем давать рекомендации по ремонту на уровне компонентов.
Компания Shaip разработала комплексный конвейер аннотирования, охватывающий сегментацию полигонов частей тела, классификацию повреждений по 11 классам, присвоение атрибутов «степень тяжести — местоположение — ремонт» и многоуровневую аналитику повреждений, — создавая готовые к использованию наборы данных для автоматизированной проверки транспортных средств и обработки страховых претензий с помощью ИИ.
Основная статистика
Покрытие частей тела
Полный экстерьер
Классы повреждений
11
Слои атрибутов
4
Ремонтные бирки
Типы 4
Задачи
- Сегментирование каждая часть тела — бамперы, двери, фары, крылья, легкосплавные диски, зеркала, стойки
- сортировка 11 различных типов повреждений — царапина, вмятина, трещина, разбитие, отслоение краски, ржавчина, отсутствующая деталь, разбитое стекло
- отличительный незаметный ущерб от отражений на поверхности, грязи и теней
- Управляемость перекрывающиеся типы повреждений на одной панели с несколькими тегами
- Порождающий Рекомендации по ремонту на уровне компонентов — полировка, перекраска, кузовной ремонт, замена
Решение
Сегментация полигонов частей тела
Каждая видимая часть кузова каждого автомобиля была индивидуально размечена с использованием точной сегментации полигонов или ограничивающих рамок, охватывающих всю внешнюю структуру — передний и задний бамперы, капот, багажник, крышу, переднее и заднее ветровые стекла, боковые окна, левую и правую двери, крылья, боковые зеркала, фары, задние фонари, решетку радиатора, стойки, боковые юбки, колесные арки и легкосплавные диски.
11-классовая классификация повреждений
Каждая аннотированная часть кузова была помечена подробной классификацией повреждений, включающей отсутствие повреждений, легкие царапины, глубокие царапины, вмятины, трещины, разрушение, отслоение краски, ржавчину, деформацию, отсутствующие детали и разбитое стекло. Эта детализированная таксономия повреждений помогает в дальнейшем проводить сортировку ремонтных работ на уровне компонентов.
Многоуровневая система анализа повреждений
К каждой аннотации были добавлены дополнительные контекстные атрибуты, охватывающие степень тяжести повреждения (незначительное, умеренное, серьезное), местоположение повреждения на детали (сверху, по центру, снизу, слева, справа), рекомендации по ремонту (полировка, перекраска, кузовной ремонт, замена) и общую оценку состояния детали. Такая многоуровневая разметка позволяет модели ИИ генерировать рекомендации по ремонту на уровне компонентов непосредственно из данных изображения.
Тонкая дифференциация повреждений
Специалисты по аннотированию строго следовали визуальным рекомендациям, чтобы различать типы царапин, глубину вмятин и характер трещин на различных материалах поверхности автомобиля, включая металлические панели, пластиковые бамперы и стеклянные элементы. Легкие царапины и потертости краски тщательно отличались от обычных поверхностных отражений или следов грязи.
Крайние случаи и панели с множественными повреждениями
К нестандартным случаям относились повреждения на изогнутых поверхностях, требующие высокоточной трассировки полигонов, сильно поврежденные транспортные средства с несколькими перекрывающимися типами повреждений на одной панели, различие между старыми и новыми повреждениями по признакам окисления поверхности и состояния лакокрасочного покрытия, а также повреждения, видимые в отражениях или под экстремальными углами съемки. Натурные снимки усложняли ситуацию из-за помех от теней и бликов на металлических поверхностях.
Объем проекта
| Тип набора данных | Покрытие | Классы повреждений | Уровни серьезности | Ремонтные бирки | методы |
|---|---|---|---|---|---|
| Повреждения транспортного средства + поврежденная часть кузова | Полностью экстерьер | классы 11 | 3 (легкая / умеренная / тяжелая) | 4 (полировка / перекраска / кузовной ремонт / замена) | Многоугольник + прямоугольник |
Результаты
- Создал конвейер сегментации всех внешних частей кузова с классификацией повреждений
- Стандартизированный 11-классовая таксономия повреждений от царапины до отсутствующей части
- Сдан 4-уровневая система анализа повреждений (степень тяжести, местоположение, рекомендации по ремонту, оценка состояния)
- Реализован тонкая дифференциация повреждений различение повреждений от отражений и грязи
- Включено для клиента Автоматизация обработки страховых случаев, оценка стоимости ремонта, осмотр автопарка и оценка подержанных автомобилей. AI
В целом, компания Shaip помогла преобразовать сложную задачу аннотирования повреждений транспортных средств в структурированный, готовый к внедрению конвейер, способный поддерживать автоматизированную оценку страховых случаев, оценку стоимости ремонта, автоматизацию осмотра автопарка и оценку стоимости подержанных автомобилей с помощью ИИ и интеллектуальных функций ремонта на уровне компонентов.
Система обработки данных о повреждениях автомобилей от Shaip полностью удовлетворила наши потребности в автоматизации обработки страховых случаев — каждая деталь кузова была сегментирована, каждый тип повреждения классифицирован, каждая рекомендация по ремонту помечена. Такая детализация напрямую привела к более быстрым и точным решениям по страховым случаям.
