Распознавание повреждений на авто для упрощения процесса оценки
Ускорьте принятие решений с автоматизированной оценкой автомобильных повреждений после ДТП или иных инцидентов01. Про заказчика
Ведущая организация в сфере страхования, выбрала нас для реализации задачи автоматизации оценки автомобильных повреждений. Вместе мы создали инновационное решение, которое сокращает время и усилия, необходимые для определения степени ущерба транспортному средству.
03. Как мы решали задачу
Интересный факт
Система снижает время на оценку ущерба до нескольких минут. Метрика качества детекций достигла порядка 70% точности в оценке сложных повреждений и около 90% в оценке простых.
04. Как это работает
05. Наша нейросеть vs ручная проверка
06. Проблемы и их решение
Погодные условия и грязные автомобили
Многие из изображений автомобилей снимались в сложных условиях: на улице мог идти дождь, снег, или автомобили были покрыты грязью. Это создавало трудности для четкой локализации повреждений при разметке. В таких ситуациях нейросеть могла не распознать даже видимые дефекты, что снижало общую точность оценки.
Решение: препроцессинг
Для повышения качества данных был внедрен этап препроцессинга, который включал автоматическую диагностику содержания изображений. Если система определяла, что фото плохо видно, она генерировала предупреждение, например о грязной машине или плохом освещении. Это позволило увеличить качество входных данных и повысить качество итогового датасета под обучение.
Сложности при съёмке в вечернее время
Вечерние съемки часто приводили к получению темных и нечетких изображений, что затрудняло детекцию повреждений. Даже опытные оценщики испытывали трудности с локализацией дефектов на таких фотографиях.
Решение: Повысили контраст
Мы разработали алгоритмы повышения яркости и контраста, которые применялись на предварительном этапе обработки изображений. В результате система могла работать с фотографиями, сделанными при ограниченном освещении, обеспечивая стабильную и высокую точность выявления повреждений.
07. Ценность проекта
Адаптивность
Внедрение системы автоматической оценки повреждений сокращает временные затраты на первичное определение стоимости ремонта, позволяя команде сфокусироваться на более стратегических задачах.Улучшение клиентского опыта
Быстрая и объективная оценка повреждений через мобильное приложение создает положительный опыт для клиентов, увеличивая уровень удовлетворенности и доверия к вашей компании.Увеличение точности оценок
Использование нейросетевых технологий позволяет достигать высокой степени точности в определении типа и степени повреждений, что уменьшает количество ошибок и спорных ситуаций в страховых выплатах.Устойчивость к внешним факторам
Система демонстрирует свою эффективность даже в сложных условиях, таких как плохая погода или недостаточное освещение, что делает ее надежным инструментом для работы в любых обстоятельствах.08. Команда, которая
внедрила проект
Техлид
Алексей Ягужинский
Backend-Lead
Алексей Цибульников
Менеджер проекта
Антон Афанасьев
Аналитик
Федор Головин
Computer Vision инженер
Роман Мазников
DevOps
Дмитрий Соркин
Куратор команды разметки
Марк Яговкин
09. Планы на будущее
Готовые проекты
Наша команда успешно разработала 54 проекта с искусственным интеллектом. Тут собраны наши лучшие проекты про которые мы можем рассказать, про некоторые совсем немного, а некоторые мы вообще не можем тут упомянуть
и распознавание
повреждений автомобилей
предметы в багаже
при помощи рентгена и ИИ
реестром интернет-рекламы
автомобильных номеров
для парковок, ТЦ и БЦ
сотрудников аэропорта,
чтобы вы улетели в отпуск
чтобы в вашем городе
стало безопаснее