Cerca

Artificial Intelligence & Machine Learning

VALUTA IL DANNO AUTO CON L'IMAGE RECOGNITION

Un framework che riconosce i danni e offre assistenza in caso di un incidente

Iniziamo con un esempio

Clara, il nostro utente di riferimento, mentre si reca al lavoro è coinvolta in un incidente automobilistico. Nulla di grave a parte le questioni burocratiche da affrontare. Con calma apre l'app della sua assicurazione auto e fotografa l'auto. Le immagini sono processate real-time da un motore che sfrutta avanzate tecnologie di AI.

Come risultato Clara riceve il dettaglio delle parti danneggiate, la stima economica dei danni e l'indicazione delle officine convenzionate più vicine a cui rivolgersi. E' realmente possibile tutto ciò?

Image Recognition per classificare i danni e stimare i costi

Data Reply ha sviluppato un framework basato su tecniche di Deep Learning (in particolare Transfer Learning ed Instance Segmentation), Data Mining e Natural Language Processing in grado di classificare i dati di input, come le foto scattate dai periti ed i dati di riparazione registrati dai carrozzieri, fornendo una risposta rapida su:

  • auto e modello, riconosciuti nelle foto;
  • localizzazione delle componenti auto e relative entità di danno in ciascuna foto;
  • stima dei costi di riparazione per tipologia di danno riconosciuta.

Il framework più in dettaglio

Modulo 1:
RICONOSCIMENTO DANNI

Il riconoscimento dei danni utilizza un ensemble di reti neurali convoluzionali allenate su immagini contenenti diverse tipologie di danno su vetture di diverse marche e modelli. Vengono utilizzate reti neurali pre-allenate per far leva sulle potenzialità del Transfer Learning, in aggiunta ad algoritmi di Instance Segmentation per identificare quali componenti auto sono state colpite. Completata la fase di addestramento, il modello permette di identificare correttamente quale componente della vettura risulta danneggiata e qual è il livello di gravità del danno presente in foto.

Modulo 2:
STIMA DEI COSTI

Per ottenere la stima dei costi di riparazione si utilizzano i dati forniti dalle officine, opportunamente normalizzati ed aggregati utilizzando algoritmi di data mining e NLP. Viene in seguito effettuata una valutazione statistica dei costi di riparazione di danni simili a parità di modello di auto. Le stime vengono quindi incrociate con i risultati del riconoscimento danni da foto tramite un algoritmo di ottimizzazione dedicato, così da ottenere una stima globale dei costi di riparazione relativi dell'incidente.

Nel 90% dei casi verificati il modello messo a punto consente un corretto riconoscimento dei danni e un'adeguata stima dei costi di riparazione.

Una nuova customer experience per le assicurazioni e i loro clienti


La possibilità di fruire del framework elaborato da Data Reply all'interno di un'app consente, come mostrato dall'esempio iniziale, di sperimentare una nuova modalità di assistenza con la propria assicurazione grazie a informazioni complete ed in real-time.

Allo stesso modo anche la compagnia assicurativa può avere benefici dall'utilizzo dell'app. Come? Grazie all'automazione di parti del processo di liquidazione sinistri si può, ad esempio, evitare l'intervento dei periti per gli incidenti più comuni; si facilita la comunicazione tra i clienti e le officine di riparazione; si possono fornire ai clienti soluzioni di rimborso su misura in base alle diverse tipologie di danno.

Visit website

Data Reply è la società del gruppo Reply che offre servizi di eccellenza per Big Data e Artificial Intelligence. Operando sulla gran parte delle Industry e delle funzioni aziendali, supportiamo professionisti di livello esecutivo e Chief Officers per trarre valore dai dati. Costruiamo Data Platform, definiamo e implementiamo modelli di ML e AI in modo efficiente, replicabile e scalabile, attraverso persone con alte competenze in Big Data Engineering, Data Science e Intelligent Process Automation. Sempre attivi sulle innovazioni, stiamo applicando algoritmi Quantistici a supporto dell’ottimizzazione di processi con alte necessità computazionali.