农险理赔智能称重方法、系统、电子设备和存储介质技术方案

本发明专利技术属于称重技术领域，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。其技术方案为：农险理赔智能称重方法，包括如下步骤：采集数据、数据清洗、确定待测物实际尺寸轮廓和计算待测物重量。农险理赔智能称重系统，包括数据采集模块、数据清洗模块、实际尺寸轮廓确定模块、重量计算模块。本发明专利技术提供了一种利用拍照识别实现非接触式称重的农险理赔智能称重方法、系统、电子设备和存储介质。

【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，本专利技术目的在于提供一种利用拍照识别实现非接触式称重的农险理赔智能称重方法、系统、电子设备和存储介质。本专利技术所采用的技术方案为：农险理赔智能称重方法，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。作为本专利技术的优选方案，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；作为本专利技术的优选方案，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。作为本专利技术的优选方案，在步骤S41中，将照片用参数表示时，将一幅照片分为RGB三个通道，每个通道中的一个值就是0~255之间的数字，即得一幅照片的h*w*3的矩阵参数。作为本专利技术的优选方案，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，然后对差值进行优化，更新每个神经元的连接权重。农险理赔智能称重系统，包括数据采集模块、数据清洗模块、实际尺寸轮廓确定模块、重量计算模块；所述数据采集模块用于采集待测物和参照物的共同照片，并获得上称称量确定的待测物的准确重量；所述数据清洗模块用于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；所述实际尺寸轮廓确定模块用于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；所述重量计算模块用于，在机器学习阶段时，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进行匹配，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。作为本专利技术的优选方案，所述重量计算模块包括损失计算模块和参数更新模块；所述损失计算模块将照片用参数表示，再将照片的每一个参数输入到神经元函数的每一个单元里进行变换，得到输出值；将输出值和实际值通过损失函数得到损失；所述参数更新模块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。作为本专利技术的优选方案，该系统还包括新建案件模块、历史案件查询模块和暂存案件修改模块，所述新建新案模块用于录入包括被保人信息、查勘信息、无害处理信息、查勘结论信息的内容及进行损失金额计算。一种电子设备，包括至少一个处理器，以及与所述处理器通信连接的至少一个存储器；其中，所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行上述任一所述的方法。一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述任一所述的方法。本专利技术的有益效果为：本专利技术通过与参照物进行对比后，得出待测物的实际尺寸轮廓。由深度神经网络算法将实际尺寸轮廓对应的待测物的重量计算值进行修正，使得深度神经网络反复学习后具有自动识别待测物重量的功能。深度神经网络进行若干次学习后，输入含有参照物和待测物的照片，可直接输出待测物的重量值，避免了人工对待测物进行称重时操作麻烦且不卫生的问题。附图说明图1是本专利技术方法流程图；图2是机器学习阶段计算待测物重量的方法流程图；图3是本专利技术的系统的结构示意图。具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。实施例1：如图1所示，农险理赔智能称重方法，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，本实施例中待测物为死猪。拍照时，将参照物放置于死猪旁进行拍照，待测重量的死猪的整个轮廓要拍全。S2：数据清洗：用“标注精灵”软件标注照片中参照物的轮廓和待测物的轮廓，并加工或清理不符合标准的照片。最后选用的照片要满足：待测物的摆放位置和朝向满足预先设定的标准要求，照片中包含待测物完整轮廓。如：待测物的头朝左，脚朝下，且一张照片中仅出现一个完整的待测物。具体操作时，可用PS软件将待测物旋转到位，把一张照片中多余的待测物抹掉。由于在现场拍照的条件限制，满足上述要求的情况下，照本文档来自技高网...

【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