业务清单数据的生成方法、装置、设备及存储介质与流程

1.本发明涉及图像处理领域，尤其涉及一种业务清单数据的生成方法、装置、设备及存储介质。


背景技术：

2.随着生活的发展，车辆已经成为生活中比不可少的通勤工具，随着车辆的普及，车辆也出现了各种各样的问题，例如交通事故或者自然灾害对车辆带来损坏的问题，车主逐渐重视车辆受损后的财产保障情况，因此各公司关于车辆保障的产品应运而生，在车辆受损时，各公司对车辆进行损坏判定并生成相对应的业务清单数据作为车辆受损时的应对策略。
3.在现有的技术中，在车辆受损时，大多数是由定损人员对车辆进行损失判定，这种损失判定的方式会被其他因素影响，导致定损结果不够精准，无法生成准确的业务清单数据。


技术实现要素：

4.本发明提供了一种业务清单数据的生成方法、装置、设备及存储介质，用于提高车辆定损的准确率，从而提高生成业务清单数据的准确率。
5.本发明第一方面提供了一种业务清单数据的生成方法，包括：当接收到车辆定损请求时，获取所述车辆定损请求对应的车辆损坏图像和对应的车辆基本信息；对所述车辆损坏图像进行预处理，生成预处理后的车辆损坏图像；通过预置的科技识别中心结合所述车辆基本信息对所述预处理后的车辆损坏图像进行损坏识别，生成智能识别损坏数据和对应的智能业务清单数据，并将所述智能识别损坏数据和对应的智能业务清单数据存储至数据库；获取人工损坏数据和对应的人工业务清单数据，并根据所述人工损坏数据、所述人工业务清单数据、所述智能识别损坏数据和所述智能业务清单数据生成目标业务清单数据。
6.可选的，在本发明第一方面的第一种实现方式中，所述对所述车辆损坏图像进行预处理，生成预处理后的车辆损坏图像包括：对所述车辆损坏图像进行灰度化处理，生成灰度处理后的车辆损坏图像；对所述灰度处理后的车辆损坏图像进行二值化处理，生成二值化后的车辆损坏图像；对所述二值化后的车辆损坏图像进行细化处理，生成预处理后的车辆损坏图像。
7.可选的，在本发明第一方面的第二种实现方式中，所述通过预置的科技识别中心结合所述车辆基本信息对所述预处理后的车辆损坏图像进行损坏识别，生成智能识别损坏数据和对应的智能业务清单数据，并将所述智能识别损坏数据和对应的智能业务清单数据存储至数据库包括：对所述预处理后的车辆损坏图像进行特征提取，生成车辆损坏特征图像；从所述车辆损坏特征图像中读取目标损坏对象参数，所述目标损坏对象参数包括目标损坏对象坐标参数、目标损坏对象长度参数和目标损坏对象宽度参数；从所述车辆基本信息中提取车辆对象基本参数，所述车辆对象基本参数包括车辆对象坐标参数、车辆对象长
度参数和车辆对象宽度参数；通过预置的科技识别中心基于所述目标损坏对象参数和所述车辆对象基本参数进行计算，生成相似度参数；根据所述相似度参数进行损坏识别，生成智能识别损坏数据和对应的智能业务清单数据。
8.可选的，在本发明第一方面的第三种实现方式中，所述根据所述相似度参数进行损坏识别，生成智能识别损坏数据和对应的智能业务清单数据包括：判断所述相似度参数是否大于或者等于相似度阈值；若所述相似度参数大于或者等于相似度阈值，则结合预置的损坏等级对所述相似度参数进行损坏等级匹配，生成智能识别损坏数据；基于所述智能识别损坏数据和对应的目标损坏对象生成对应的智能业务清单数据。
9.可选的，在本发明第一方面的第四种实现方式中，所述获取人工损坏数据和对应的人工业务清单数据，并根据所述人工损坏数据、所述人工业务清单数据、所述智能识别损坏数据和所述智能业务清单数据生成目标业务清单数据包括：从预置的定损平台获取人工损坏数据和对应的人工业务清单数据；对所述人工识别损坏数据和所述智能识别损坏数据进行对比，生成损坏数据对比结果；调用预置的定损任务中心基于所述损坏数据对比结果、所述人工业务清单数据和所述智能业务清单数据生成目标业务清单数据。
10.可选的，在本发明第一方面的第五种实现方式中，所述调用预置的定损任务中心基于所述损坏数据对比结果、所述人工业务清单数据和所述智能业务清单数据生成目标业务清单数据包括：判断所述损坏数据对比结果是否为超标准结果；若判定所述损坏数据对比结果为超标准结果，则将超标准结果、所述人工损坏数据、所述人工业务清单数据、所述智能识别损坏数据和所述智能业务清单数据发送至预置的定损任务中心；从预置的定损任务中心获取定损人员修改结果，所述定损人员修改结果为定损人员基于所述超标准结果、所述人工损坏数据、所述人工业务清单数据、所述智能识别损坏数据和所述智能业务清单数据生成的结果，并将所述定损人员修改结果确定为目标业务清单数据；若判定所述损坏数据对比结果为标准结果，则调用预置的定损任务中心将所述智能业务清单数据确定为目标业务清单数据。
11.可选的，在本发明第一方面的第六种实现方式中，在所述获取人工损坏数据和对应的人工业务清单数据，并根据所述人工损坏数据、所述人工业务清单数据、所述智能识别损坏数据和所述智能业务清单数据生成目标业务清单数据之后，所述业务清单数据的生成方法还包括：判断预置的定损任务中心的状态是否为工作状态；若判定预置的定损任务中心的状态不为工作状态，则将所述目标识别数据和所述目标业务清单数据传输至预置的核损任务中心。
12.本发明第二方面提供了一种业务清单数据的生成装置，包括：获取模块，当接收到车辆定损请求时，用于获取所述车辆定损请求对应的车辆损坏图像和对应的车辆基本信息；预处理模块，用于对所述车辆损坏图像进行预处理，生成预处理后的车辆损坏图像；损坏识别模块，用于通过预置的科技识别中心结合所述车辆基本信息对所述预处理后的车辆损坏图像进行损坏识别，生成智能识别损坏数据和对应的智能业务清单数据，并将所述智能识别损坏数据和对应的智能业务清单数据存储至数据库；业务清单数据生成模块，用于获取人工损坏数据和对应的人工业务清单数据，并根据所述人工损坏数据、所述人工业务清单数据、所述智能识别损坏数据和所述智能业务清单数据生成目标业务清单数据。
13.可选的，在本发明第二方面的第一种实现方式中，所述预处理模块还可以具体用
于：对所述车辆损坏图像进行灰度化处理，生成灰度处理后的车辆损坏图像；对所述灰度处理后的车辆损坏图像进行二值化处理，生成二值化后的车辆损坏图像；对所述二值化后的车辆损坏图像进行细化处理，生成预处理后的车辆损坏图像。
14.可选的，在本发明第二方面的第二种实现方式中，所述损坏识别模块包括：特征提取单元，用于对所述预处理后的车辆损坏图像进行特征提取，生成车辆损坏特征图像；损坏参数读取单元，用于从所述车辆损坏特征图像中读取目标损坏对象参数，所述目标损坏对象参数包括目标损坏对象坐标参数、目标损坏对象长度参数和目标损坏对象宽度参数；车辆参数提取单元，用于从所述车辆基本信息中提取车辆对象基本参数，所述车辆对象基本参数包括车辆对象坐标参数、车辆对象长度参数和车辆对象宽度参数；计算单元，用于通过预置的科技识别中心基于所述目标损坏对象参数和所述车辆对象基本参数进行计算，生成相似度参数；损坏识别单元，用于根据所述相似度参数进行损坏识别，生成智能识别损坏数据和对应的智能业务清单数据。
15.可选的，在本发明第二方面的第三种实现方式中，所述损坏识别单元还可以具体用于：判断所述相似度参数是否大于或者等于相似度阈值；若所述相似度参数大于或者等于相似度阈值，则结合预置的损坏等级对所述相似度参数进行损坏等级匹配，生成智能识别损坏数据；基于所述智能识别损坏数据和对应的目标损坏对象生成对应的智能业务清单数据。
16.可选的，在本发明第二方面的第四种实现方式中，所述业务清单数据生成模块包括：人工数据获取单元，用于从预置的定损平台获取人工损坏数据和对应的人工业务清单数据；对比单元，用于对所述人工识别损坏数据和所述智能识别损坏数据进行对比，生成损坏数据对比结果；业务清单数据生成单元，用于调用预置的定损任务中心基于所述损坏数据对比结果、所述人工业务清单数据和所述智能业务清单数据生成目标业务清单数据。
17.可选的，在本发明第二方面的第五种实现方式中，所述业务清单数据生成单元还可以具体用于：判断所述损坏数据对比结果是否为超标准结果；若判定所述损坏数据对比结果为超标准结果，则将超标准结果、所述人工损坏数据、所述人工业务清单数据、所述智能识别损坏数据和所述智能业务清单数据发送至预置的定损任务中心；从预置的定损任务中心获取定损人员修改结果，所述定损人员修改结果为定损人员基于所述超标准结果、所述人工损坏数据、所述人工业务清单数据、所述智能识别损坏数据和所述智能业务清单数据生成的结果，并将所述定损人员修改结果确定为目标业务清单数据；若判定所述损坏数据对比结果为标准结果，则调用预置的定损任务中心将所述智能业务清单数据确定为目标业务清单数据。
18.可选的，在本发明第二方面的第六种实现方式中，所述业务清单数据的生成装置还包括：判断模块，用于判断预置的定损任务中心的状态是否为工作状态；传输模块，若判定预置的定损任务中心的状态不为工作状态，则用于将所述目标识别数据和所述目标业务清单数据传输至预置的核损任务中心。
19.本发明第三方面提供了一种业务清单数据的生成设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述业务清单数据的生成设备执行上述的业务清单数据的生成方法。
20.本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中
存储有指令，当其在计算机上运行时，使得计算机执行上述的业务清单数据的生成方法。
21.本发明提供的技术方案中，当接收到车辆定损请求时，获取所述车辆定损请求对应的车辆损坏图像和对应的车辆基本信息；对所述车辆损坏图像进行预处理，生成预处理后的车辆损坏图像；通过预置的科技识别中心结合所述车辆基本信息对所述预处理后的车辆损坏图像进行损坏识别，生成智能识别损坏数据和对应的智能业务清单数据，并将所述智能识别损坏数据和对应的智能业务清单数据存储至数据库；获取人工损坏数据和对应的人工业务清单数据，并根据所述人工损坏数据、所述人工业务清单数据、所述智能识别损坏数据和所述智能业务清单数据生成目标业务清单数据。本发明实施例中，利用科技识别中心对预处理后的损坏图像进行损坏识别，生成智能识别损坏数据和对应的智能业务清单数据，然后再根据人工损坏数据、人工业务清单数据、智能识别损坏数据和智能业务清单数据生成目标业务清单数据，引入科技识别中心的识别得到的智能识别损坏数据和智能业务清单数据进行车辆定损，提高了车辆定损的准确率，从而提高了生成业务清单数据的准确率。
附图说明
22.图1为本发明实施例中业务清单数据的生成方法的一个实施例示意图；
23.图2为本发明实施例中业务清单数据的生成方法的另一个实施例示意图；
24.图3为本发明实施例中业务清单数据的生成装置的一个实施例示意图；
25.图4为本发明实施例中业务清单数据的生成装置的另一个实施例示意图；
26.图5为本发明实施例中业务清单数据的生成设备的一个实施例示意图。
具体实施方式
27.本发明实施例提供了一种业务清单数据的生成方法、装置、设备及存储介质，用于提高车辆定损的准确率，从而提高生成业务清单数据的准确率。
28.本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
29.为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中业务清单数据的生成方法的一个实施例包括：
30.101、当接收到车辆定损请求时，获取车辆定损请求对应的车辆损坏图像和对应的车辆基本信息；
31.当接收到车辆定损请求时，服务器获取车辆损坏图像和对应的车辆基本信息，需要强调的是，为进一步保证上述车辆损坏图像的私密和安全性，上述车辆损坏图像还可以存储于一区块链的节点中。
32.车辆损坏图像可以为相机终端拍摄的车辆图像，也可以为从车辆拍摄视频中截取的一帧图像，车辆损坏图像中包括目标损坏对象。在本实施例中，定损人员首先将车辆图像
或者车辆拍摄视频上传至预置的影像平台，然后服务器根据车辆定损请求从影像平台获取车辆损坏图像。需要说明的是，车辆损坏图像不仅限于一张，服务器可以获取定损人员上传至影像平台与车辆定损请求相对应的全部车辆损坏图像，为了便于理解，本实施例以一张车辆损坏图像进行说明，实际上，服务器识别更加准确，服务器对每一张车辆损坏图像进行定损识别。服务器从车辆定损请求中可以解析出车辆标识或者客户标识，服务器根据车辆标识或者客户标识获取对应的车辆损坏图像和对应的车辆基本信息。例如，车辆标识为车牌号码aabbcc，服务器基于该车牌号码确定对应的车辆损坏图像，再基于该车牌号码确定对应的车辆基本信息，车辆基本信息包括车辆的车型、车辆的价格、车辆的图片等基本信息。
33.可以理解的是，本发明的执行主体可以为业务清单数据的生成装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
34.102、对车辆损坏图像进行预处理，生成预处理后的车辆损坏图像；
35.服务器将车辆损坏图像预处理为预处理后的车辆损坏图像。
36.服务器首先对车辆损坏图像进行预处理，生成预处理后的车辆损坏图像，其中，车辆损坏图像实质上是包括目标损坏对象的图像数据，因此服务器需要对目标损坏对象进行一些前期的预处理，从而方便后续的目标损坏对象的定损处理。本步骤的目标就是加强目标损坏对象部分，得到比较容易进行特征提取的数据，即预处理后的车辆损坏图像，从而更加准确的进行车辆定损。
37.103、通过预置的科技识别中心结合车辆基本信息对预处理后的车辆损坏图像进行损坏识别，生成智能识别损坏数据和对应的智能业务清单数据，并将智能识别损坏数据和对应的智能业务清单数据存储至数据库；
38.服务器通过预置的科技识别中心对预处理后的车辆损坏图像进行损坏识别，在进行损坏识别时，服务器还需结合车辆基本信息进行识别，从而生成智能识别损坏数据和对应的智能业务清单数据，并将智能识别损坏数据和对应的智能业务清单数据存储至数据库。
39.预置的科技识别中心用于损坏识别，在对车辆损坏图像进行损坏识别时，科技识别中心需要结合一个参考标准进行识别，在本实施例中，参考标准为车辆基本信息，科技识别中心可以从车辆基本信息中提取特征，并从预处理后的车辆损坏图像中提取特征，然后对比两种特征，生成智能识别损坏数据，在得到智能识别损坏数据之后，服务器通过科技识别中心生成与之对应的智能业务清单数据。需要说明的是，智能业务清单数据包括修理厂数据、配件数据、工时数据和费用数据等。
40.需要说明的是，在本方案的定损过程中，服务器结合预置的科技识别中心、预置的定损任务中心、预置的定损平台和预置的影像平台进行定损识别。除此之外，将智能识别损坏数据和对应的智能业务清单数据存储至数据库便于查询历史定损记录，当客户或者其他人员对定损结果有异议时，可以通过查询对应的智能识别损坏数据和对应的智能业务清单数据进行重新定损。
41.104、获取人工损坏数据和对应的人工业务清单数据，并根据人工损坏数据、人工业务清单数据、智能识别损坏数据和智能业务清单数据生成目标业务清单数据。
42.服务器获取人工损坏数据和对应的人工业务清单数据，然后对比人工损坏数据和智能识别损坏数据，生成对比结果，根据该对比结果、人工业务清单数据和智能业务清单数据生成目标业务清单数据。
43.由于人工损坏数据和智能识别损坏数据可能存在差异，因此在生成目标业务清单数据时，服务器需要结合两种损坏数据的识别结果进行目标业务清单数据的生成，即保留两种识别方式得出的相同的损坏识别结果，对于存在差异的损坏识别结果，需要结合定损人员的修改意见进行智能业务清单数据修改，从而得到目标业务清单数据。
44.本发明实施例中，利用科技识别中心对预处理后的损坏图像进行损坏识别，生成智能识别损坏数据和对应的智能业务清单数据，然后再根据人工损坏数据、人工业务清单数据、智能识别损坏数据和智能业务清单数据生成目标业务清单数据，引入科技识别中心的识别得到的智能识别损坏数据和智能业务清单数据进行车辆定损，提高了车辆定损的准确率，从而提高了生成业务清单数据的准确率。
45.请参阅图2，本发明实施例中业务清单数据的生成方法的另一个实施例包括：
46.201、当接收到车辆定损请求时，获取车辆定损请求对应的车辆损坏图像和对应的车辆基本信息；
47.当接收到车辆定损请求时，服务器获取车辆损坏图像和对应的车辆基本信息，需要强调的是，为进一步保证上述车辆损坏图像的私密和安全性，上述车辆损坏图像还可以存储于一区块链的节点中。
48.车辆损坏图像可以为相机终端拍摄的车辆图像，也可以为从车辆拍摄视频中截取的一帧图像，车辆损坏图像中包括目标损坏对象。在本实施例中，定损人员首先将车辆图像或者车辆拍摄视频上传至影像平台，然后服务器根据车辆定损请求从影像平台获取车辆损坏图像。需要说明的是，车辆损坏图像不仅限于一张，服务器可以获取定损人员上传至影像平台与车辆定损请求相对应的全部车辆损坏图像，为了便于理解，本实施例以一张车辆损坏图像进行说明，实际上，服务器识别更加准确，服务器对每一张车辆损坏图像进行定损识别。服务器从车辆定损请求中可以解析出车辆标识或者客户标识，服务器根据车辆标识或者客户标识获取对应的车辆损坏图像和对应的车辆基本信息。例如，车辆标识为车牌号码aabbcc，服务器基于该车牌号码确定对应的车辆损坏图像，再基于该车牌号码确定对应的车辆基本信息，车辆基本信息包括车辆的车型、车辆的价格、车辆的图片等基本信息。
49.202、对车辆损坏图像进行预处理，生成预处理后的车辆损坏图像；
50.服务器将车辆损坏图像预处理为预处理后的车辆损坏图像。
51.服务器首先对车辆损坏图像进行预处理，生成预处理后的车辆损坏图像，其中，车辆损坏图像实质上是包括目标损坏对象的图像数据，因此服务器需要对目标损坏对象进行一些前期的预处理，从而方便后续的目标损坏对象的定损处理。本步骤的目标就是加强目标损坏对象部分，得到比较容易进行特征提取的数据，即预处理后的车辆损坏图像，从而更加准确的进行车辆定损。
52.具体的，服务器首先对车辆损坏图像进行灰度化处理，生成灰度处理后的车辆损坏图像，然后将车辆损坏图像二值化处理为二值化后的车辆损坏图像，再对二值化后的车
辆损坏图像进行细化处理，生成预处理后的车辆损坏图像。
53.在本实施例中，车辆损坏图像中每个像素都包括rgb三个颜色值，服务器通过灰度值公式计算灰度值，灰度值公式为：gray＝r 0.299+g*0.587+b*0.114，然后服务器将每个像素的三个颜色值和灰度值形成以下对应的关系r＝g＝b＝gray，即可完成灰度化处理，生成灰度化后的车辆损坏图像。然后服务器在对灰度化后的车辆损坏图像进行二值化处理，服务器将灰度化后的车辆损坏图像中像素点的灰度值设置为0和1，然后再将为0的像素进行删除完成二值化处理，生成二值化后的车辆损坏图像，二值化后的车辆损坏图像为去除背景部分的图像数据。需要说明的是，二值化后的车辆损坏图像包括目标损坏对象，服务器在得到二值化后的车辆损坏图像之后，在不破坏目标损坏对象连通性的情况下去除多余的像素点，即细化处理，从而生成预处理后的辆损坏图像。
54.203、通过预置的科技识别中心结合车辆基本信息对预处理后的车辆损坏图像进行损坏识别，生成智能识别损坏数据和对应的智能业务清单数据，并将智能识别损坏数据和对应的智能业务清单数据存储至数据库；
55.服务器通过预置的科技识别中心对预处理后的车辆损坏图像进行损坏识别，在进行损坏识别时，服务器还需结合车辆基本信息进行识别，从而生成智能识别损坏数据和对应的智能业务清单数据，并将智能识别损坏数据和对应的智能业务清单数据存储至数据库。
56.预置的科技识别中心用于损坏识别，在对车辆损坏图像进行损坏识别时，科技是被中心需要结合一个参考标准进行识别，在本实施例中，参考标准为车辆基本信息，科技识别中心可以从车辆基本信息中提取特征，并从预处理后的车辆损坏图像中提取特征，然后对比两种特征，生成智能识别损坏数据，在得到智能识别损坏数据之后，服务器通过科技识别中心生成与之对应的智能业务清单数据。需要说明的是，智能业务清单数据包括修理厂数据、配件数据、工时数据和费用数据等。
57.需要说明的是，在本方案的定损过程中，服务器结合预置的科技识别中心、预置的定损任务中心、预置的定损平台和预置的影像平台进行定损识别。除此之外，将智能识别损坏数据和对应的智能业务清单数据存储至数据库便于查询历史定损记录，当客户或者其他人员对定损结果有异议时，可以通过查询对应的智能识别损坏数据和对应的智能业务清单数据进行重新定损。
58.具体的，服务器对预处理后的车辆损坏图像进行特征提取，生成车辆损坏特征图像；服务器从车辆损坏特征图像中读取目标损坏对象参数，目标损坏对象参数包括目标损坏对象坐标参数、目标损坏对象长度参数和目标损坏对象宽度参数；服务器从车辆基本信息中提取车辆对象基本参数，车辆对象基本参数包括车辆对象坐标参数、车辆对象长度参数和车辆对象宽度参数；服务器通过预置的科技识别中心基于目标损坏对象参数和车辆对象基本参数进行计算，生成相似度参数；服务器根据相似度参数进行损坏识别，生成智能识别损坏数据和对应的智能业务清单数据。
59.服务器通过预置的科技识别中心基于预处理后的车辆损坏图像进行特征的提取，生成车辆损坏特征图像，需要说明的是，车辆损坏特征图像中包括一个检测框，该检测框中的内容为目标损坏对象，检测框时候标注有一系列参数，即目标损坏对象参数，该目标损坏对象参数为(xa,ya,wa,ha)，其中，(xa,ya)表示目标损坏对象坐标参数，wa表示目标损坏对象
长度参数以及ha表示目标损坏对象宽度参数。服务器再从车辆基本信息中的图像信息中进行特征提取，生成车辆信息基本特征图像，然后从该车辆信息基本特征图像中提取车辆对象基本参数，该车辆对象基本参数为(xb,yb,wb,hb)，其中，(xb,yb)表示车辆对象坐标参数，wb表示车辆对象长度参数以及hb表示车辆对象宽度参数。服务器通过科技识别中心对目标损坏对象参数和车辆对象基本参数进行计算，生成相似度参数，在计算的过程中，需要调用预置的相似度函数进行计算，预置的相似度函数为：
[0060][0061]
其中，d(u,v)为相似度参数，x为车辆损坏特征图像，y为车辆信息基本特征图像，m为长度信息(目标损坏对象长度参数或者车辆对象长度参数)，n为宽度信息(目标损坏对象宽度参数或者车辆对象宽度参数)，j为长度信息的变量，k为宽度信息的变量，u为长度信息的偏移量，v为宽度信息的偏移量。
[0062]
服务器最后根据相似度参数进行损坏识别，生成智能识别损坏数据和对应的智能业务清单数据。在本实施例中，相似度参数越大，损坏等级越低，按照相似度参数的将损坏等级划分为九个等级，其中损坏等级一为[1-0.9),损坏等级二为[0.9-0.8)，损坏等级三为[0.8-0.7)，损坏等级四为[0.7-0.6)，损坏等级五为[0.6-0.5)，损坏等级六为[0.5-0.4)，损坏等级七为[0.4-0.3)，损坏等级八为[0.3-0.2)，损坏等级九为[0.2-0.1]，在其他实施例中，可以按照相似度参数将损坏等级划分为其他等级，对此不做限定。
[0063]
服务器根据相似度参数进行损坏识别，生成智能识别损坏数据和对应的智能业务清单数据包括：
[0064]
首先服务器判断相似度参数是否大于或者等于相似度阈值，如果相似度参数大于或者等于相似度阈值，服务器则将相似度参数与以上损坏等级进行匹配，确定目标损坏对象的目标损坏等级，即智能识别损坏数据，并基于智能识别损坏数据进行匹配，生成包括修理厂数据、配件数据、工时数据和费用数据的对应的智能业务清单数据。智能识别损坏数据可以匹配得到工时数据和费用数据，目标损坏对象结合智能识别损坏数据可以匹配到对应的配件数据和修理厂数据。如果相似度参数小于相似度阈值，说明目标损坏对象达不到损坏程度，服务器对此不再进行损坏识别。
[0065]
204、获取人工损坏数据和对应的人工业务清单数据，并根据人工损坏数据、人工业务清单数据、智能识别损坏数据、智能业务清单数据生成目标业务清单数据；
[0066]
服务器获取人工损坏数据和对应的人工业务清单数据，然后对比人工损坏数据和智能识别损坏数据，生成对比结果，根据该对比结果、人工业务清单数据和智能业务清单数据生成目标业务清单数据。
[0067]
由于人工损坏数据和智能识别损坏数据可能存在差异，因此在生成目标业务清单数据时，服务器需要结合两种损坏数据的识别结果进行目标业务清单数据的生成，即保留两种识别方式得出的相同的损坏识别结果，对于存在差异的损坏识别结果，需要结合定损人员的修改意见进行智能业务清单数据修改，从而得到目标业务清单数据。
[0068]
具体的，服务器从预置的定损平台获取人工损坏数据和对应的人工业务清单数据；服务器对人工识别损坏数据和智能识别损坏数据进行对比，生成损坏数据对比结果；服务器调用预置的定损任务中心基于损坏数据对比结果、人工业务清单数据、智能业务清单
数据生成目标业务清单数据。
[0069]
服务器首先需要从预置的定损平台获取人工损坏数据和对应的人工业务清单数据，人工损坏数据为定损人员基于车辆损坏图像进行损坏判断得出的定损结果，人员业务清单数据是定损人员根据人工损坏数据选择生成的清单数据，该人员业务清单数据包括对应的修理厂数据、配件数据、工时数据和费用数据等。服务器对人工识别损坏数据和智能识别损坏数据进行对比，生成损坏数据对比结果，服务器调用预置的定损任务中心基于损坏数据对比结果结合人工业务清单数据、智能业务清单数据生成目标业务清单数据。
[0070]
服务器调用预置的定损任务中心基于损坏数据对比结果、人工业务清单数据、智能业务清单数据生成目标业务清单数据包括：
[0071]
服务器首先判断损坏数据对比结果是否为超标准结果，超标准结果为智能识别损坏数据严重于人工损坏数据的结果。例如，智能识别损坏数据显示损坏等级为损坏等级七，人工损坏数据显示损坏等级为损坏等级六，判定对比结果为超标准结果，服务器此时需要将超标准结果、人工损坏数据、人工业务清单数据、智能识别损坏数据、智能业务清单数据发送至定损任务中心，定损人员通过预置的定损任务中心获取到超标准结果、人工损坏数据、人工业务清单数据、智能识别损坏数据、智能业务清单数据，并基于超标准结果、人工损坏数据、智能识别损坏数据和人工业务清单数据对智能业务清单数据进行修改，生成一个修改结果，然后服务器从预置的定损任务中心获取该定损人员修改结果，并将该修改结果确定为目标业务清单数据。如果判定损坏数据对比结果不为超标准结果，即对比结果为标准结果或者未达到标准结果，服务器则调用预置的定损任务中心直接将智能业务清单数据确定为目标业务清单数据。
[0072]
205、判断预置的定损任务中心的状态是否为工作状态；
[0073]
服务器在得到目标业务清单数据之后，需要将目标业务清单数据发送至预置的核损任务中心，由于在步骤一说明了车辆损坏图像可以为多张，为了保证目标业务清单数据能够顺利且准确的发送至核损任务中心，服务器在发送目标业务清单数据之前，服务器首先判断预置的定损任务中心是否处于工作状态。
[0074]
206、若判定预置的定损任务中心的状态不为工作状态，则将目标识别数据和目标业务清单数据传输至核损任务中心。
[0075]
如果判定该预置的定损任务中心不为工作状态，说明完成了损坏识别的工作，此时服务器将目标业务清单数据传输至预置的核损任务中心即可。如果服务器判定该定损任务中心处于工作状态，说明预置的定损任务中心还在对其他车辆损坏图像进行损坏识别，此时不发送目标业务清单数据至预置的核损任务中心，等待预置的定损任务中心变更工作状态。
[0076]
本发明实施例中，利用科技识别中心对预处理后的损坏图像进行损坏识别，生成智能识别损坏数据和对应的智能业务清单数据，然后再根据人工损坏数据、人工业务清单数据、智能识别损坏数据和智能业务清单数据生成目标业务清单数据，引入科技识别中心的识别得到的智能识别损坏数据和智能业务清单数据进行车辆定损，提高了车辆定损的准确率，从而提高了生成业务清单数据的准确率。
[0077]
上面对本发明实施例中业务清单数据的生成方法进行了描述，下面对本发明实施例中业务清单数据的生成装置进行描述，请参阅图3，本发明实施例中业务清单数据的生成
装置一个实施例包括：
[0078]
获取模块301，当接收到车辆定损请求时，用于获取所述车辆定损请求对应的车辆损坏图像和对应的车辆基本信息；
[0079]
预处理模块302，用于对所述车辆损坏图像进行预处理，生成预处理后的车辆损坏图像；
[0080]
损坏识别模块303，用于通过预置的科技识别中心结合所述车辆基本信息对所述预处理后的车辆损坏图像进行损坏识别，生成智能识别损坏数据和对应的智能业务清单数据，并将所述智能识别损坏数据和对应的智能业务清单数据存储至数据库；
[0081]
业务清单数据生成模块304，用于获取人工损坏数据和对应的人工业务清单数据，并根据所述人工损坏数据、所述人工业务清单数据、所述智能识别损坏数据和所述智能业务清单数据生成目标业务清单数据。
[0082]
本发明实施例中，利用科技识别中心对预处理后的损坏图像进行损坏识别，生成智能识别损坏数据和对应的智能业务清单数据，然后再根据人工损坏数据、人工业务清单数据、智能识别损坏数据和智能业务清单数据生成目标业务清单数据，引入科技识别中心的识别得到的智能识别损坏数据和智能业务清单数据进行车辆定损，提高了车辆定损的准确率，从而提高了生成业务清单数据的准确率。
[0083]
请参阅图4，本发明实施例中业务清单数据的生成装置的另一个实施例包括：
[0084]
获取模块301，当接收到车辆定损请求时，用于获取所述车辆定损请求对应的车辆损坏图像和对应的车辆基本信息；
[0085]
预处理模块302，用于对所述车辆损坏图像进行预处理，生成预处理后的车辆损坏图像；
[0086]
损坏识别模块303，用于通过预置的科技识别中心结合所述车辆基本信息对所述预处理后的车辆损坏图像进行损坏识别，生成智能识别损坏数据和对应的智能业务清单数据，并将所述智能识别损坏数据和对应的智能业务清单数据存储至数据库；
[0087]
业务清单数据生成模块304，用于获取人工损坏数据和对应的人工业务清单数据，并根据所述人工损坏数据、所述人工业务清单数据、所述智能识别损坏数据和所述智能业务清单数据生成目标业务清单数据。
[0088]
可选的，所述预处理模块302还可以具体用于：
[0089]
对所述车辆损坏图像进行灰度化处理，生成灰度处理后的车辆损坏图像；
[0090]
对所述灰度处理后的车辆损坏图像进行二值化处理，生成二值化后的车辆损坏图像；
[0091]
对所述二值化后的车辆损坏图像进行细化处理，生成预处理后的车辆损坏图像。
[0092]
可选的，所述损坏识别模块303包括：
[0093]
特征提取单元3031，用于对所述预处理后的车辆损坏图像进行特征提取，生成车辆损坏特征图像；
[0094]
损坏参数读取单元3032，用于从所述车辆损坏特征图像中读取目标损坏对象参数，所述目标损坏对象参数包括目标损坏对象坐标参数、目标损坏对象长度参数和目标损坏对象宽度参数；
[0095]
车辆参数提取单元3033，用于从所述车辆基本信息中提取车辆对象基本参数，所
述车辆对象基本参数包括车辆对象坐标参数、车辆对象长度参数和车辆对象宽度参数；
[0096]
计算单元3034，用于通过预置的科技识别中心基于所述目标损坏对象参数和所述车辆对象基本参数进行计算，生成相似度参数；
[0097]
损坏识别单元3035，用于根据所述相似度参数进行损坏识别，生成智能识别损坏数据和对应的智能业务清单数据。
[0098]
可选的，所述损坏识别单元3035还可以具体用于：
[0099]
判断所述相似度参数是否大于或者等于相似度阈值；
[0100]
若所述相似度参数大于或者等于相似度阈值，则结合预置的损坏等级对所述相似度参数进行损坏等级匹配，生成智能识别损坏数据；
[0101]
基于所述智能识别损坏数据和对应的目标损坏对象生成对应的智能业务清单数据。
[0102]
可选的，所述业务清单数据生成模块304包括：
[0103]
人工数据获取单元3041，用于从预置的定损平台获取人工损坏数据和对应的人工业务清单数据；
[0104]
对比单元3042，用于对所述人工识别损坏数据和所述智能识别损坏数据进行对比，生成损坏数据对比结果；
[0105]
业务清单数据生成单元3043，用于调用预置的定损任务中心基于所述损坏数据对比结果、所述人工业务清单数据和所述智能业务清单数据生成目标业务清单数据。
[0106]
可选的，所述业务清单数据生成单元3043还可以具体用于：
[0107]
判断所述损坏数据对比结果是否为超标准结果；
[0108]
若判定所述损坏数据对比结果为超标准结果，则将超标准结果、所述人工损坏数据、所述人工业务清单数据、所述智能识别损坏数据和所述智能业务清单数据发送至定预置的损任务中心；
[0109]
从预置的定损任务中心获取定损人员修改结果，所述定损人员修改结果为定损人员基于所述超标准结果、所述人工损坏数据、所述人工业务清单数据、所述智能识别损坏数据和所述智能业务清单数据生成的结果，并将所述定损人员修改结果确定为目标业务清单数据；
[0110]
若判定所述损坏数据对比结果为标准结果，则调用预置的定损任务中心将所述智能业务清单数据确定为目标业务清单数据。
[0111]
可选的，业务清单数据的生成装置还包括：
[0112]
判断模块305，用于判断预置的定损任务中心的状态是否为工作状态；
[0113]
传输模块306，若判定预置的定损任务中心的状态不为工作状态，则用于将所述目标识别数据和所述目标业务清单数据传输至预置的核损任务中心。
[0114]
本发明实施例中，利用科技识别中心对预处理后的损坏图像进行损坏识别，生成智能识别损坏数据和对应的智能业务清单数据，然后再根据人工损坏数据、人工业务清单数据、智能识别损坏数据和智能业务清单数据生成目标业务清单数据，引入科技识别中心的识别得到的智能识别损坏数据和智能业务清单数据进行车辆定损，提高了车辆定损的准确率，从而提高了生成业务清单数据的准确率。
[0115]
上面图3和图4从模块化功能实体的角度对本发明实施例中的业务清单数据的生
成装置进行详细描述，下面从硬件处理的角度对本发明实施例中业务清单数据的生成设备进行详细描述。
[0116]
图5是本发明实施例提供的一种业务清单数据的生成设备的结构示意图，该业务清单数据的生成设备500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，cpu)510(例如，一个或一个以上处理器)和存储器520，一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中，存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对业务清单数据的生成设备500中的一系列指令操作。更进一步地，处理器510可以设置为与存储介质530通信，在业务清单数据的生成设备500上执行存储介质530中的一系列指令操作。
[0117]
业务清单数据的生成设备500还可以包括一个或一个以上电源540，一个或一个以上有线或无线网络接口550，一个或一个以上输入输出接口560，和/或，一个或一个以上操作系统531，例如windows serve，mac os x，unix，linux，freebsd等等。本领域技术人员可以理解，图5示出的业务清单数据的生成设备结构并不构成对业务清单数据的生成设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
[0118]
本发明还提供一种业务清单数据的生成设备，所述计算机设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述业务清单数据的生成方法的步骤。
[0119]
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述业务清单数据的生成方法的步骤。
[0120]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0121]
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
[0122]
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
[0123]
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前
述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。