[發明專利]目標物定損方法、裝置、電子設備及計算機可讀存儲介質

有效

• 申請號: 202011204228.4
• 申請日: 2020-11-02
• 公開（公告）號: CN112329596B
• 公開（公告）日: 2021-08-24
• 發明（設計）人: 高揚磊;任稱心;張文杰;陳蓮蓮
• 申請（專利權）人: 中國平安財產保險股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

本發明涉及人工智能技術，揭露了一種目標物定損方法，包括：獲取目標物的圖片集，對所述圖片集中的圖片進行拼接，得到拼接圖；識別出所述拼接圖的像素點集；對所述像素點集中的像素點粗分類，根據所述粗分類對一個預構建的超平面分類模型進行訓練，得到訓練完成的超平面分類模型；利用所述訓練完成的超平面分類模型對所述像素點集中的像素點進行精分類，得到不同類別的像素點集；根據所述不同類別的像素點集利用預設的目標物定損算法分析所述目標物的定損結果。此外，本發明涉及區塊鏈技術，所述目標物的圖片集可存儲于區塊鏈節點中。本發明還提出一種目標物定損裝置、電子設備以及一種計算機可讀存儲介質。本發明可以提高目標物定損的準確率。

技術領域

本發明涉及人工智能技術領域，尤其涉及一種目標物定損方法、裝置、電子設備及計算機可讀存儲介質。

背景技術

隨著科技快速發展，對于目標物的定損已逐漸從人工定損轉為自動化定損，如農田定損服務已經可以利用AI圖像識別技術實現農田地塊級的災損程度及其面積的識別。

然而傳統的AI圖像識別技術在識別受損農田圖像時往往都是全局識別，沒有對受損的類型細化分類處理，導致受損農田識別結果的準確性降低。

發明內容

本發明提供一種目標物定損方法、裝置、電子設備及計算機可讀存儲介質，其主要目的在于對農田受損的類型細化分類處理，以提高受損農田識別結果的準確率。

為實現上述目的，本發明提供的一種目標物定損方法，包括：

獲取目標物的圖片集，對所述圖片集中的圖片進行拼接，得到拼接圖；

識別出所述拼接圖的像素點集；

對所述像素點集中的像素點粗分類，根據所述粗分類對一個預構建的超平面分類模型進行訓練，得到訓練完成的超平面分類模型；

利用所述訓練完成的超平面分類模型對所述像素點集中的像素點進行精分類，得到不同類別的像素點集；

根據所述不同類別的像素點集利用預設的目標物定損算法分析所述目標物的定損結果。

可選地，所述對所述圖片集中的圖片進行拼接，得到拼接圖，包括：

獲取所述目標物的全景二維模型；

對所述圖片集中的每一張圖片執行去噪操作，得到標準圖片集；

利用所述全景二維模型匹配所述標準圖片集中的每一張圖片，得到所述目標物的拼接圖。

可選地，所述識別出所述拼接圖的像素點集，包括：

對所述拼接圖進行卷積操作，得到拼接圖二維畫布；

映射所述拼接圖二維畫布至處理器，得到原始像素點集；

對所述原始像素點集進行池化操作，得到所述拼接圖的像素點集。

可選地，所述映射所述拼接圖二維畫布至處理器，得到原始像素點集，包括：

利用如下公式映射所述拼接圖二維畫布：

其中，zx,y表示原始像素點集，p*q表示卷積核，w表示卷積核權重，v表示卷積核通道數，b表示偏置數，h()表示非線性激活函數。

可選地，所述根據所述粗分類對一個預構建的超平面分類模型進行訓練，得到訓練完成的超平面分類模型，包括：

根據所述粗分類，得到不同類別的訓練集；

構建初始超平面；

構建所述初始超平面與所述訓練集的幾何間隔函數；

根據所述幾何間隔函數構建幾何間隔最小值優化函數；