Las inspecciones convencionales en las evaluaciones de daños en automóviles dependen de juicios visuales por parte de inspectores humanos, lo que resulta laborioso y propenso a prácticas fraudulentas mediante la manipulación de daños. Los recientes avances en inteligencia artificial han dado lugar a un algoritmo de detección de objetos de vanguardia, el algoritmo You Only Look Once (YOLO), que establece un nuevo estándar en la evaluación de daños de manera inteligente y automatizada. Este estudio propone una red YOLOv9 mejorada, diseñada para detectar seis tipos de daños en automóviles. Las mejoras incluyen el módulo de atención de bloque convolucional (CBAM), aplicado a la capa base para mejorar la capacidad del modelo de centrarse en las regiones dañadas clave, y la función de pérdida SCYLLA-IoU (SIoU), introducida para la regresión de cajas delimitadoras. Para poder evaluar la gravedad del daño de manera integral, proponemos una nueva fórmula llamada índice de gravedad del daño (DSI) para cuantificar la gravedad del daño directamente a partir de imágenes, integrando múltiples factores como el número de daños detectados, la relación entre el daño y el tamaño de la imagen, la confianza en la detección de objetos y el tipo de daño. Los resultados experimentales en el conjunto de datos CarDD muestran que el modelo propuesto supera a los algoritmos YOLO de última generación en un 1.75% y que el DSI propuesto demuestra una evaluación intuitiva de la gravedad del daño con números, ayudando en las decisiones de reparación.