مرحله اول: کیفیت تصویر قبل از مدل
مدل قوی روی عکس نامناسب خروجی قابل اعتماد تولید نمیکند. کنترل ابعاد، تارشدگی، نور و کفایت زاویه باید قبل از inference انجام شود تا ورودی نامعتبر متوقف شود.
AI در خسارتینو فقط یک برچسب روی عکس نیست. مسیر حرفهای از کنترل کیفیت تصویر شروع میشود، به تشخیص ناحیه آسیب و قطعه میرسد و سپس با Policy Engine و داده قیمت به گزارش قابل بازبینی تبدیل میشود.
مدل قوی روی عکس نامناسب خروجی قابل اعتماد تولید نمیکند. کنترل ابعاد، تارشدگی، نور و کفایت زاویه باید قبل از inference انجام شود تا ورودی نامعتبر متوقف شود.
Damage Segmentation ناحیه آسیب را پیدا میکند و Part Localization کمک میکند مشخص شود این ناحیه روی کدام قطعه خودرو قرار دارد. جدا بودن این دو وظیفه امکان کنترل و توسعه مستقل آنها را فراهم میکند.
خروجی مدل مستقیماً نباید به حکم تعمیر یا تعویض تبدیل شود. قواعد مشخص میتوانند confidence، شدت و نوع قطعه را بررسی و نتیجه را به repair، replace یا review هدایت کنند.
در صورت وجود داده معتبر، قیمت قطعه و اجرت به برآورد اضافه میشوند. سپس تصاویر، تشخیصها، confidence و رد تصمیم در گزارش ذخیره میشوند تا انسان بتواند نتیجه را بازبینی کند.
پاسخها با تمرکز بر ارزیابی خسارت ظاهری خودرو تنظیم شدهاند؛ آسیب پنهان، شاسی و ایمنی همچنان نیازمند بررسی حضوری متخصص است.
خسارتهای قابل مشاهده در تصاویر مانند خراش، فرورفتگی، ترک یا تغییر شکل و ناحیه قطعه درگیر را میتواند تحلیل کند، بسته به مدل و کیفیت ورودی.
برای شاسی، ایمنی، آسیب پنهان و تصمیمهای حساس خیر. بهترین کاربرد، استانداردسازی ورودی و کمک به ارزیابی اولیه و بازبینی هدفمند است.
معماری حرفهای باید خروجی کماطمینان را به review هدایت کند و از ساخت نتیجه قطعی جلوگیری کند.
برای کاربر عادی، مسیر ارزیابی آنلاین؛ برای بیمه، ناوگان، لیزینگ و تعمیرگاه، دمو و API سازمانی در دسترس است.