Первый слой — контроль входных фотографий. До запуска CV-модели система проверяет, что машина видна нужным ракурсом, кадр не слишком тёмный или размытый, а повреждение не попало в край снимка. Это снижает количество ложных выводов: иногда правильное решение не «распознать дефект», а запросить новое фото.
Для бизнеса этот слой важен не меньше самой нейросети. Он защищает процесс от плохих входных данных и заранее объясняет клиенту или оператору, почему заявка не ушла дальше автоматически.
После проверки качества система ищет детали автомобиля и кандидаты повреждений. Детектор даёт области интереса, но прямоугольника недостаточно: он плохо объясняет форму царапины, площадь скола или границу вмятины. Поэтому следующий слой уточняет результат пиксельной маской.
Маска делает результат проверяемым. Эксперт видит не абстрактный прямоугольник, а конкретную зону, которую можно принять, поправить или отклонить.
Дальше маска превращается в признаки для решения. Система учитывает площадь повреждения относительно детали, тип дефекта, расположение и уверенность модели. Одинаковая по пикселям царапина может иметь разный вес: на двери, бампере или рядом с критичной зоной она влияет на процесс по-разному.
Так появляется численная оценка серьёзности, которую можно настроить под страховой продукт, сервисный регламент или правила классифайда.
Финальное решение — это маршрутизация, а не «вердикт ИИ». Уверенные и простые случаи можно обработать автоматически. Спорные случаи уходят эксперту вместе с маской, уверенностью модели и причиной проверки. Плохие кадры не должны попадать в отчёт: система просит переснять фото.
Такой контур снижает риск автоматизации. Он ускоряет поток, но не прячет неопределённость там, где нужна ручная ответственность.
На выходе формируется не картинка с цветной заливкой, а структурированный акт осмотра. В нём хранятся исходное фото, маска, тип повреждения, зона автомобиля, оценка серьёзности, уверенность модели, статус и история действий. Такой объект можно показать эксперту, сохранить в карточке клиента или отправить в CRM, страховую систему, сервисный кабинет или API.
Это и есть прикладная ценность компьютерного зрения: модель становится частью бизнес-процесса, а не отдельной демонстрацией распознавания.
Кейс становится управляемым контуром осмотра: фото проходит контроль качества, повреждения выделяются масками, спорные случаи попадают эксперту, а результат уходит дальше как проверяемый акт, а не как непонятный ответ модели.