Massima precisione e velocità

Un modello di intelligenza artificiale unico

E-IA analizza il veicolo e genera un report con massima precisione e velocità.

Le performance di un approccio HLP sono soggettive e caratterizzate da variabilità

E-IA è allenato e in continuo aggiornamento

E-IA è stata addestrata a “vedere”, evidenziare e contare i danni da grandine sulla superficie delle auto, tenendo conto dei parametri e delle condizioni impostate durante la fase di addestramento.

E-IA è allenato su base dati in continuo aggiornamento: è in grado di fornire sempre perizie oggettive e aggiornate con prestazioni superiori a quelle degli esseri umani.

Attualmente, il 20-40% delle perizie effettuate vengono riaperte a causa di:

  • Errata valutazione numerica del danno (con errori dal 50% all’80%)
  • Errata valutazione della tipologia di intervento da eseguire sulla carrozzeria (Operazioni di Riverniciatura/Sostituzione). 

E-IA è un modello di Intelligenza artificiale unico al mondo. E-IA analizza il veicolo e genera un report con massima precisione e velocità.

La risposta di EIA è certificata a norma ISO.

E-IA viene regolarmente calibrato e i risultati sono forniti, secondo norma, mediante appositi intervalli di confidenza.

Conteggio

Esegue un conteggio preciso e dettagliato degli impatti presenti sulla carrozzeria del veicolo, fornendo una stima accurata dei danni subiti.

Identificazione

Identifica la tipologia di intervento richiesto per la riparazione, tra cui PDR totale, combinazione di PDR e interventi tradizionali, o tradizionale puro.

Individuazione

Rileva e cataloga gli elementi della carrozzeria che sono stati danneggiati e che necessitano di sostituzione o riparazione specifica.

Segnalazione

Segnala eventuali danni aggiuntivi che non sono correlati alla grandine, aiutando a fornire una valutazione completa del veicolo.

Triage finale

Determina se il veicolo è riparabile o se deve essere considerato un total loss, basandosi su un'analisi approfondita dei danni rilevati

L’addestramento di E-IA

Per una corretta identificazione di tutti gli impatti, il modello metamerico alla base della tecnologia WeGrele è stato addestrato ad analizzare le immagini da diverse angolazioni e posizioni al fine di riprodurre fedelmente una valutazione “fisica"

Il modello è stato addestrato per identificare gli impatti della grandine sui veicoli in diverse condizioni, tra cui:

  • Il colore del veicolo.
  • Le condizioni meteorologiche.
  • Lo stato del veicolo (più o meno pulito). L’ambiente circostante (interno o esterno). I riflessi sulla carrozzeria.
  • Allenato su dispositivi con tecnologie ottiche HW e SW di diversa tipologia, per poter riconoscere eventuali manipolazioni di immagini. Gestione bias attraverso calibrazione dedicata per ogni specifica area della carrozzeria estratta.
  • Dati reali validati da un tecnico professionista.

Caratteristiche tecniche

Il modello Mask RCNN-FPN

Il modello utilizza un’architettura denominata «Mask RCNN-FPN» che eccelle nella rilevazione degli oggetti e nella segmentazione delle istanze, sfruttando una piramide di caratteristiche multi-scala. Questo approccio assicura prestazioni robuste, adattandosi alle variazioni nelle dimensioni degli oggetti e offrendo compatibilità con vari reti di base, ottenendo risultati all’avanguardia nei dataset di riferimento.

RCNN = Region-based Convolutional Neural Network; FPN = Feature Pyramid Network.

Viene impiegato un Dataset robusto (circa 10.000 istanze) utilizzando svariate tecniche di Data Augmentation: Il dataset è in costante espansione e verrà utilizzato per riaddestrare la rete per migliorarne le prestazioni.

Questo approccio fotografico, sia per la fase di addestramento, sia per l’utente in fase di utilizzo, garantisce una maggiore caratterizzazione del veicolo, permettendo di ottenere informazioni dettagliate sullo status della carrozzeria e delle componenti del veicolo.

Il modello Mask RCNN-FPN

EIA utilizza tecniche avanzate di allenamento

Per ottimizzare la capacità di generalizzazione e le prestazioni del modello di intelligenza artificiale, abbiamo utilizzato la tecnica di Data Augmentation.

Il Data Augmentation viene utilizzato per aumentare la quantità di dati disponibili per l’addestramento del modello di intelligenza artificiale. Questa tecnica consiste nel creare dati sintetici a partire dai dati esistenti, ad esempio ruotando, trasformando e modificando le immagini.

EIA continua a crescere…

Update: Regolare aggiornamento del database di allenamento.
Upgrade: Nuove tecnologie AI verranno regolarmente implementate e aggiornate.

I regolari update e upgrade prevedranno l’utilizzo di nuove features:

  • Identificazione dimensionale dei singoli danni per valutare puntualmente ed online la riparabilità o meno delle varie sezioni del veicolo.
  • Implementazione di capacità dedicate a specifici veicoli o tipologie di danno; Valutazione online del rapporto costo beneficio in base al rapporto tra valutazione del danno di EIA e del valore dell’automobile (anno, modello, valore di mercato del veicolo).

I plus E-IA

Time saving

Cost reduction

Accuratezza

Semplice da usare

Un nuovo facilissimo processo di acquisizioni immagini

Attraverso pochi semplici passaggi, sarai in grado di avviare la procedura di segnalazione di un sinistro direttamente dal tuo cellulare. Dovrai inserire i documenti e fotografare la vettura attraverso la nostra App, che ti guiderà passo dopo passo, indicando persino quante e quali foto sono necessarie per una valutazione accurata del danno. Una volta caricate le foto, la nostra tecnologia avanzata E.I.A. analizza i danni e fornisce un report dettagliato e preciso.