【技术实现步骤摘要】
农险理赔智能称重方法、系统、电子设备和存储介质
本专利技术属于称重
,具体涉及农险理赔智能称重方法、系统、电子设备和存储介质。
技术介绍
保险公司承保的生猪养殖保险,在生猪死亡后需要向养殖户赔付。传统模式下,查勘人员到现场后,需要测量死猪的体重,并根据重量核定赔付金额。称重采用两种方式,一是将死猪搬运上称确定体重,二是根据个人经验估算重量。将死猪搬运上称的方式费时费力又不卫生,而估算的方式主观性强,重量误差较大。专利申请号为CN201711282613.9的专利技术专利公布了一种智能称重系统,所述称重系统包含处理模块、数据分发模块和复数个数据采集模块;所述数据采集模块用于获取待测猪身份识别信息,并按预定周期测量所述待测猪的质量,获得复数个质量数据,对所述质量数据按时间先后排序后,计算所述质量数据相邻两者之间的方差,获得复数个方差数据,当所述方差数据小于预定阈值时,将所述待测猪身份识别信息与所述质量数据绑定后输出;所述数据分发模块与所述数据采集模块相连,用于将获得的所述质量数据与所述待测猪身份识别信息上传至所述处理模块;所述处理模块将接收到的所述质量数据与所述待测猪身份识别信息存储至数据库。上述称重系统实质目的在于判断测量是否准确,仅在按时间顺序的相邻两个质量的方差小于预定阈值时,才输出质量数据。而对猪进行称重时仍然需要上称称重。用称多活猪进行称重容易造成称重误差,而用称对死猪进行称重则有费时、费力和不卫生等缺点。
技术实现思路
为了解决现有技术存在的上述问题,本专利技术目的在 ...
【技术保护点】
1.农险理赔智能称重方法,其特征在于,包括如下步骤:/nS1:采集数据:采集待测物和参照物的共同照片;/nS2:数据清洗:标注照片中参照物的轮廓和待测物的轮廓,保留包含待测物完整轮廓的照片,并使待测物朝向统一;/nS3:确定待测物实际尺寸轮廓:根据标注照片中参照物与待测物的尺寸比例和参照物的实际尺寸,确定待测物的实际尺寸轮廓;/nS4:计算待测物重量:机器学习阶段时,将照片中的待测物的实际尺寸轮廓和对待测物称量确定的重量作对照,根据深度神经网络算法得到待测物重量计算值;机器学习完成后,直接根据照片中的待测物的实际尺寸轮廓,由深度神经网络算法得到计算待测物重量计算值。/n
【技术特征摘要】
1.农险理赔智能称重方法,其特征在于,包括如下步骤:
S1:采集数据:采集待测物和参照物的共同照片;
S2:数据清洗:标注照片中参照物的轮廓和待测物的轮廓,保留包含待测物完整轮廓的照片,并使待测物朝向统一;
S3:确定待测物实际尺寸轮廓:根据标注照片中参照物与待测物的尺寸比例和参照物的实际尺寸,确定待测物的实际尺寸轮廓;
S4:计算待测物重量:机器学习阶段时,将照片中的待测物的实际尺寸轮廓和对待测物称量确定的重量作对照,根据深度神经网络算法得到待测物重量计算值;机器学习完成后,直接根据照片中的待测物的实际尺寸轮廓,由深度神经网络算法得到计算待测物重量计算值。
2.根据权利要求1所述的农险理赔智能称重方法,其特征在于,在步骤S4中,机器学习阶段,将照片中的待测物的实际尺寸轮廓和对待测物称量确定的重量作对照,根据深度神经网络算法得到待测物重量计算值的具体步骤包括:
S41:将含有待测物的实际尺寸轮廓的照片用参数表示,再将每一个参数输入到神经元函数的每一个单元里进行变换,输出待测物重量计算值;
S42:将待测物重量计算值和实际称重重量值通过损失函数得到损失;
S43:通过链式法则求出损失对每一个神经元的参数的导数;利用反向传播来更新参数;得到修正后的待测物重量计算值。
3.根据权利要求1所述的农险理赔智能称重方法,其特征在于,机器学习完成后,计算待测物重量的具体步骤包括:
S41:将待测物的实际尺寸轮廓用参数表示,再将每一个参数输入到神经元函数的每一个单元里进行变换,输出待测物重量计算值。
4.根据权利要求2或3所述的农险理赔智能称重方法,其特征在于,在步骤S41中,将照片用参数表示时,将照片分为RGB三个通道,每个通道中的一个值就是0~255之间的数字,即得照片的h*w*3的矩阵参数。
5.根据权利要求2所述的农险理赔智能称重方法,其特征在于,步骤S42具体为:将待测物重量计算值和实际称重重量值做一个差值,然后对差值进...
【专利技术属性】
技术研发人员:肖斌,温昌,
申请(专利权)人:四川智迅车联科技有限公司,
类型:发明
国别省市:四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。