[发明专利]一种保险定损方法、装置、计算机设备和存储介质

说明书

本发明属于信息处理技术领域，具体涉及一种保险定损方法、装置、计算机设备和存储介质，通过架构损伤人工智能模型和算法实现了机器高精确度的识别，同时规范简化对损伤的自动识别流程，大大的降低了处理的周期及所需的人力；对于出现错漏的情况下，通过设计的一套完整且方便使用的标识工具，创新性的在里面加入了自动截图功能，让用户可以轻松的进行修改用户在校正损伤之后，只需点击保存就可以完成图片的修改和自动截图放入报告中；定损的周期从现在通行方案的几个小时，缩减到几分钟，大幅缩短制作报告的时间，提高了理赔员的工作效率，节省了保险公司的理赔成本。

技术领域

本发明属于信息处理技术领域，具体涉及一种保险定损方法、装置、计算机设备和存储介质。

背景技术

冰雹和大风(包括飓风、台风、龙卷风等)在房屋屋顶所造成的损伤一直是保险理赔中比较棘手和成本较高的。冰雹在屋顶造成的损伤多呈现为半圆形或月牙形，在不同的屋顶材料上所呈现的颜色和形状也有较大的差异，在沥青类的屋顶材料上容易和由于高温起泡破裂后造成的损伤混淆而不好区分。在过去的理赔过程中，无论使用相机或者手机自带的相机所拍摄获取的照片，仅有很少的部分可以清晰的辨认出冰雹在屋顶所造成的损伤。大风造成的损伤一般会呈现为瓦片的缺失或者瓦片接缝处的错位。人眼可以快速的从照片中识别出，即使照片不够清晰。然后机器对此类损伤的识别则差强人意，尤其是照片不够清晰的情况下。随着无人机拍照在保险行业的推广和应用，无人机照片的高清为自动识别冰雹和大风损伤提供了可能性，而机器学习和深度学习则提供了必要的方法和工具。

目前业界主要还需要依赖于有经验的理赔员通过现场的勘测，用粉笔或其他工具在屋顶上表示出损伤的瓦片，并在一个范围内找出一定数量的损伤点，从而决定是否满足理赔的要求。而我们的识别系统则通过无人机采集的照片，自动识别出损伤的瓦片，并将所检测出的损伤投影到屋顶上进行全局判断。这种技术，可以让理赔员不需要再爬上屋顶，也不需要理赔员在屋顶上来回行走30-75分钟来逐个寻找损伤点，同时也避免人为因素引起的错漏判断。

无人机拍照在保险行业的应用，美国的Loveland Innovation LLC公司和Kespry公司是业界公认走在比较前沿的公司。然而，他们在损伤识别方面所提供的解决方案依然是靠用户自己来确认和修改机器所给出的结果。机器给出结果的精确度不到50％，在老旧的屋顶上，精确度会明显降低。同时，他们为用户提供的修改工具也不够方便好用，用户需要多次进出图片修改界面和图片预览界面来完成对一张图片的修改。因此，我们的方案主要针对高精度自动识别。当然，即使在高精度的情况下，也可能存在错漏识别的情况。

发明内容

针对以上问题，本发明旨在提供一种保险定损方法、装置、计算机设备和存储介质。

为解决上述技术问题，本发明采用的一个技术方案是：提供一种保险定损方法，包括如下步骤：

S1、构建数据库，并通过深度学习模型或者机器学习模型对大数据进行模型训练，提高识别效果；

S2、根据需求采集需要定损房屋屋顶照片，并将采集的图像数据传输至后台；

S3、所述后台根据需求对图像数据进行自动识别，反馈识别结果；

S4、根据识别结果对损伤点、疑似损伤点和非损伤点进行标注；

S5、根据需求利用标注结果形成定损报告。

进一步的，所述步骤S2包括如下步骤：

S21、根据需求确定数据采集目标为全局数据采集还是细节数据采集；

S22、若为全局数据采集，则控制无人机进行高空飞行，采集全局图像数据，并反馈至后台；

S23、若为细节数据采集，则控制无人机进行低空飞行，采集细节图像数据，并反馈至后台。

更进一步的，所述步骤S3包括如下步骤：