定损理赔方法、装置、设备及存储介质制造方法及图纸

本申请涉及人工智能，提供一种定损理赔方法、装置、设备及存储介质。该方法获取定损对象的初始标签、初始标签信息及理赔表单图像，对理赔表单图像进行图像识别，并根据图像识别后生成的关键字标签、文本关键字确定出关键字标签信息，基于初始标签、初始标签信息、关键字标签、关键字标签信息、预设的通用系数模型及预设的特征系数模型分别计算出预设定损项的通用系数和特征系数，基于特征系数及预设的定损标准库对通用系数分别进行调整和修正，得到预设定损项的定损系数，根据多个预设定损项及多个定损系数计算出定损对象的理赔数据，能够提高人伤定损的准确性。此外，本申请还涉及区块链技术，所述理赔数据可存储于区块链中。所述理赔数据可存储于区块链中。所述理赔数据可存储于区块链中。

【技术实现步骤摘要】
定损理赔方法、装置、设备及存储介质


[0001]本申请涉及人工智能
，尤其涉及一种定损理赔方法、装置、设备及存储介质。

技术介绍

[0002]在目前的人伤定损的方案中，由于人伤定损需要分析大量数据，导致人伤定损的过程复杂，使得人伤定损的准确性不佳。因此，如何提高人伤定损的准确性成了亟需解决的问题。

技术实现思路

[0003]鉴于以上内容，有必要提供一种定损理赔方法、装置、设备及存储介质，能够解决如何提高人伤定损的准确性的技术问题。
[0004]一方面，本申请提出一种定损理赔方法，所述定损理赔方法包括：
[0005]获取定损对象的初始标签以及所述初始标签对应的初始标签信息及理赔表单图像，并使用预先训练的文字辨识模型对所述理赔表单图像进行识别，得到所述理赔表单图像的关键字标签及文本关键字，基于所述关键字标签及所述文本关键字在所述理赔表单图像中对应的标签位置及文本位置生成所述关键字标签对应的关键字标签信息，将所述初始标签、所述初始标签信息、所述关键字标签和所述关键字标签信息分别输入至预设的通用系数模型和预设的特征系数模型中计算出预设定损项的通用系数和所述预设定损项的特征系数，基于所述特征系数对所述通用系数进行调整，得到所述预设定损项的目标系数，以及基于预设的定损标准库对所述目标系数进行修正，得到所述预设定损项的定损系数，根据多个所述预设定损项及每个预设定损项对应的定损系数计算出所述定损对象的理赔数据。
[0006]根据本申请可选实施例，所述预先训练的文字辨识模型包括循环序列生成网络及解码网络，所述使用预先训练的文字辨识模型对所述理赔表单图像进行识别，得到所述理赔表单图像的关键字标签及文本关键字，包括：
[0007]基于所述理赔表单图像中像素点的像素值定位出所述理赔表单图像中文本信息的位置，得到文字位置，基于所述文字位置对所述文本信息进行特征提取，得到特征序列，将所述特征序列输入到所述循环序列生成网络中，得到循环序列，基于所述解码网络对所述循环序列进行解码，得到每张定损图像的文字信息，将所述文字信息中的第一预设关键字确定为所述关键字标签，并将所述文字信息中的第二预设关键字确定为所述文本关键字。
[0008]根据本申请可选实施例，所述基于所述关键字标签及所述文本关键字在所述理赔表单图像中对应的标签位置及文本位置生成所述关键字标签对应的关键字标签信息包括：
[0009]根据所述标签位置及所述文本位置检测所述关键字标签对应的标签矩形区域与所述文本关键字对应的文本矩形区域是否相交，若所述标签矩形区域与所述文本矩形区域
相交，则计算所述标签矩形区域与每个相交的文本矩形区域的交集区域，计算所述交集区域在所述标签矩形区域上的第一面积比值，并计算所述交集区域在所述文本矩形区域上的第二面积比值，选取出所述第一面积比值及所述第二面积比值均大于预设阈值的文本矩形区域作为目标矩形区域，并基于所述目标矩形区域的数量以及所述目标矩形区域所对应的文本关键字生成所述关键字标签对应的关键字标签信息。
[0010]根据本申请可选实施例，所述基于所述目标矩形区域的数量以及所述目标矩形区域所对应的文本关键字生成所述关键字标签对应的关键字标签信息包括：
[0011]若所述目标矩形区域的数量为单个，则将所述目标矩形区域所对应的文本关键字确定为所述关键字标签对应的关键字标签信息，或者，若所述目标矩形区域的数量为多个，则对每个第一面积比值与对应的第二面积比值进行加权和运算，得到每个目标矩形区域的最终得分值，并选取最大的最终得分值的目标矩形区域所对应的文本关键字作为所述关键字标签对应的关键字标签信息。
[0012]根据本申请可选实施例，在将所述初始标签、所述初始标签信息、所述关键字标签和所述关键字标签信息输入至预设的特征系数模型之前，所述方法还包括：
[0013]获取预设的对抗神经网络，并获取所述定损对象所属的位置信息及与所述位置信息对应的训练数据，基于预设特征关键字从所述训练数据中选取预设特征数据，基于所述预设特征数据对所述预设的对抗神经网络进行训练，得到所述预设的特征系数模型。
[0014]根据本申请可选实施例，所述通用系数模型中包括多个预设通用伤残等级及与每个预设通用伤残等级对应的通用对应关系，所述通用系数包括通用伤残系数、通用基数及通用月数，所述将所述初始标签、所述初始标签信息、所述关键字标签和所述关键字标签信息输入至预设的通用系数模型中计算出预设定损项的通用系数包括：
[0015]基于预设的伤残关键字从所述初始标签及所述关键字标签中选取伤残标签，并将所述理赔表单图像中与所述伤残标签对应的数值作为所述定损对象的初始伤残等级，将所述通用系数模型中与所述初始伤残等级相同的预设通用伤残等级所对应的通用比例系数确定为所述通用伤残系数，并将所述通用系数模型中与该预设通用伤残等级所对应的通用对应关系确定为目标对应关系，从所述初始标签及所述关键字标签中识别出与所述目标对应关系中的通用基数标签所对应的初始基数标签以及与所述目标对应关系中的通用月数标签所对应的初始月数标签，基于所述初始基数标签的初始基数值及所述目标对应关系中的通用基数计算方式计算出所述通用基数，并基于所述初始月数标签的初始月数值及所述目标对应关系中的通用月数计算方式计算出所述通用月数。
[0016]根据本申请可选实施例，所述基于所述特征系数对所述通用系数进行调整，得到所述预设定损项的目标系数包括：
[0017]检测所述特征系数是否与每个通用系数对应，若所述特征系数与每个通用系数都不对应，将所述通用系数确定为所述目标系数，或者，若存在至少一个特征系数与所述通用系数对应，将所述通用系数替换为对应的特征系数，并将替换后的通用系数确定为所述目标系数。
[0018]另一方面，本专利技术还提出一种定损理赔装置，所述定损理赔装置包括：
[0019]获取单元，用于获取定损对象的初始标签以及所述初始标签对应的初始标签信息及理赔表单图像，并使用预先训练的文字辨识模型对所述理赔表单图像进行识别，得到所
述理赔表单图像的关键字标签及文本关键字；生成单元，用于基于所述关键字标签及所述文本关键字在所述理赔表单图像中对应的标签位置及文本位置生成所述关键字标签对应的关键字标签信息；输入单元，用于将所述初始标签、所述初始标签信息、所述关键字标签和所述关键字标签信息分别输入至预设的通用系数模型和预设的特征系数模型中计算出预设定损项的通用系数和所述预设定损项的特征系数；调整单元，用于基于所述特征系数对所述通用系数进行调整，得到所述预设定损项的目标系数，以及基于预设的定损标准库对所述目标系数进行修正，得到所述预设定损项的定损系数；计算单元，用于根据多个所述预设定损项及每个预设定损项对应的定损系数计算出所述定损对象的理赔数据。
[0020]另一方面，本申请还提出一种电子设备，所述电子设备包括：
[0021]存储器，存储计算机可读指令；及
[0022]处理器，执行所述存储器中存储的计算机可读指令以实现所述定损本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种定损理赔方法，其特征在于，所述定损理赔方法包括：获取定损对象的初始标签以及所述初始标签对应的初始标签信息及理赔表单图像，并使用预先训练的文字辨识模型对所述理赔表单图像进行识别，得到所述理赔表单图像的关键字标签及文本关键字；基于所述关键字标签及所述文本关键字在所述理赔表单图像中对应的标签位置及文本位置生成所述关键字标签对应的关键字标签信息；将所述初始标签、所述初始标签信息、所述关键字标签和所述关键字标签信息分别输入至预设的通用系数模型和预设的特征系数模型中计算出预设定损项的通用系数和所述预设定损项的特征系数；基于所述特征系数对所述通用系数进行调整，得到所述预设定损项的目标系数，以及基于预设的定损标准库对所述目标系数进行修正，得到所述预设定损项的定损系数；根据多个所述预设定损项及每个预设定损项对应的定损系数计算出所述定损对象的理赔数据。2.如权利要求1所述的定损理赔方法，其特征在于，所述预先训练的文字辨识模型包括循环序列生成网络及解码网络，所述使用预先训练的文字辨识模型对所述理赔表单图像进行识别，得到所述理赔表单图像的关键字标签及文本关键字，包括：基于所述理赔表单图像中像素点的像素值定位出所述理赔表单图像中文本信息的位置，得到文字位置；基于所述文字位置对所述文本信息进行特征提取，得到特征序列；将所述特征序列输入到所述循环序列生成网络中，得到循环序列；基于所述解码网络对所述循环序列进行解码，得到每张定损图像的文字信息；将所述文字信息中的第一预设关键字确定为所述关键字标签，并将所述文字信息中的第二预设关键字确定为所述文本关键字。3.如权利要求2所述的定损理赔方法，其特征在于，所述基于所述关键字标签及所述文本关键字在所述理赔表单图像中对应的标签位置及文本位置生成所述关键字标签对应的关键字标签信息包括：根据所述标签位置及所述文本位置检测所述关键字标签对应的标签矩形区域与所述文本关键字对应的文本矩形区域是否相交；若所述标签矩形区域与所述文本矩形区域相交，则计算所述标签矩形区域与每个相交的文本矩形区域的交集区域；计算所述交集区域在所述标签矩形区域上的第一面积比值，并计算所述交集区域在所述文本矩形区域上的第二面积比值；选取出所述第一面积比值及所述第二面积比值均大于预设阈值的文本矩形区域作为目标矩形区域，并基于所述目标矩形区域的数量以及所述目标矩形区域所对应的文本关键字生成所述关键字标签对应的关键字标签信息。4.如权利要求3所述的定损理赔方法，其特征在于，所述基于所述目标矩形区域的数量以及所述目标矩形区域所对应的文本关键字生成所述关键字标签对应的关键字标签信息包括：若所述目标矩形区域的数量为单个，则将所述目标矩形区域所对应的文本关键字确定
为所述关键字标签对应的关键字标签信息；或者若所述目标矩形区域的数量为多个，则对每个第一面积比值与对应的第二面积比值进行加权和运算，得到每个目标矩形区域的最终得分值，并选取最大的最终得分值的目标矩形区域所对应的文本关键字作为所述关键字标签对应的关键字标签信息。5.如权利要求1所述的定损理赔方法，其特征在于，在将所述初始标签、所述初始标签信息、所述关键字标签和所述关键字标签信息输入至预设的特征系数模型之前，所述方法还包括：获取预设的对抗神经网络，并获取所...

【专利技术属性】
技术研发人员：肖南平，
申请(专利权)人：中国平安财产保险股份有限公司，
类型：发明
国别省市：