CN106803205A - 一种用于保险自动核赔的***和方法 - Google Patents
一种用于保险自动核赔的***和方法 Download PDFInfo
- Publication number
- CN106803205A CN106803205A CN201611233996.6A CN201611233996A CN106803205A CN 106803205 A CN106803205 A CN 106803205A CN 201611233996 A CN201611233996 A CN 201611233996A CN 106803205 A CN106803205 A CN 106803205A
- Authority
- CN
- China
- Prior art keywords
- article
- characteristic
- processing device
- feature
- kinetonucleus
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 51
- 238000003860 storage Methods 0.000 claims abstract description 15
- 239000013598 vector Substances 0.000 claims description 43
- 238000005259 measurement Methods 0.000 claims description 10
- 239000000284 extract Substances 0.000 claims description 8
- 238000004513 sizing Methods 0.000 claims description 3
- 230000000712 assembly Effects 0.000 claims 1
- 238000000429 assembly Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000004801 process automation Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提出了一种用于保险自动核赔的***和方法，其特征在于，所述***包括保险物品信息采集装置、特征处理装置和特征存储装置，其中，所述保险物品信息采集装置包含采集投保物品或索赔物品影像的摄影装置，并且该保险物品信息采集装置连接到所述特征处理装置；所述特征处理装置包含用于从所采集的投保或索赔物品影像信息中提取出物品特征的特征识别模块，以及用于将物品投保时的特征与索赔时的特征进行比较的特征比较模块，并且该特征处理装置与所述特征存储装置相连。
Description
技术领域
本申请属于保险领域，尤其涉及到一种用于保单自动核赔的***。
背景技术
在现有保险行业中，在因物品损坏而造成的索赔案中，需要人工进行核赔：即由保险公司专业理赔人员对物品的损坏程度进行勘验和定损，然后确定是否理赔。
但是，对于标的较小而数量很大的保单而言，例如，网购中小件商品的损坏险，其人工核赔过程的效率低、成本高，不利于该险种的推广和客户的满意度的提高。
因此，需要一种能自动进行核赔的技术方案，以节省人力，提高核赔的效率。
发明内容
针对上述问题，本申请提出了一种用于保险自动核赔的***，其特征在于，所述***包括保险物品信息采集装置、特征处理装置和特征存储装置，其中，
所述保险物品信息采集装置包含采集投保物品或索赔物品影像的摄影装置，并且该保险物品信息采集装置连接到所述特征处理装置；
所述特征处理装置包含用于从所采集的投保或索赔物品影像信息中提取出物品特征的特征识别模块，以及用于将物品投保时的特征与索赔时的特征进行比较的特征比较模块，并且该特征处理装置与所述特征存储装置相连。
特别地，在上述保险自动核赔***中，所述保险物品信息采集装置通过无线网络与所述特征处理装置相连接。
特别地，在上述保险自动核赔***中，所述特征存储装置是由数据库管理的硬盘。
特别地，在上述保险自动核赔***中，所述保险物品信息采集装置还包括下列组件中的一种或多种：尺寸标定和测量组件、色度标定和测量组件、温度测量组件、质量测量组件。
特别地，在上述保险自动核赔***中，所述保险物品信息采集装置是具有拍照功能的智能手机。
本申请还提出了一种用于保险自动核赔的方法，其特征在于，该方法包括如下步骤：
将投保时物品的图片及相关信息上传到特征处理装置；
特征处理装置提取出投保时物品的特征并保存；
将索赔时物品的图片及相关信息上传到特征处理装置；
特征处理装置提取出索赔时物品的特征；
特征处理装置将物品投保时和索赔时的特征进行比较，得出差异值；
判断差异值是否超过阈值，如果超过阈值，则进行自动理赔，如果未能超过阈值，则进行人工理赔。
特别地，在上述方法中，所述特征处理装置将物品投保时和索赔时的特征进行比较的过程包括如下步骤：
特征处理装置分别分析物品投保时和索赔时的图片，分别生成物品投保时和索赔时的特征向量；
依据标准品类的特征信息，监督对两组对应向量中的图片做一一对比，生成与物品的特征向量相对应的对比结果向量C；
为每一类物品的每项差异定义权重，形成权重向量W，并以该权重向量计算出最终的差异度D＝C＊W。
特别地，在上述方法中，所述特征处理装置将物品投保时和索赔时的特征进行比较的过程包括如下步骤：
特征处理装置分别分析物品投保时和索赔时的图片，分别生成物品投保时和索赔时的特征向量；
依据标准品类的特征信息，监督对两组对应向量中的图片做一一对比，生成与物品的特征向量相对应的对比结果向量C；
利用神经元网络，以对比结果向量C为输入，以最终的差异度D为输出，来计算最终差异度D。
特别地，在上述方法中，所说神经元网络，以对比结果向量C为输入，以最终的差异度D和骗保可能性H为输出，来计算最终差异度D和骗保可能性H。
特别地，在上述方法中，所述神经元网络由事先准备的合适数据进行训练。
上述用于保险自动核赔的***和方法使得核赔的过程自动化，解除了繁琐的人工劳动，提高了处理效率。尤其是对于数量大而标的较小的保单，其收效明显。
附图说明
图1示出的是本申请的一个实施例中用于保险自动核赔的***的结构示意图。
图2示出的是本申请的一个实施例中所述的用于保险自动核赔的方法的流程图。
图3示出的是本申请的一个实施例中所述的利用对比结果向量计算最终差异值的流程图。
图4示出的是本申请的一个实施例中计算最终差异值的神经元网络图。
图5示出的是本申请的一个实施例中计算最终差异值和骗保可能性神经元网络图。
具体实施方式
下面结合说明书附图，用具体实施例对本申请所述的用于保险自动核赔的***进行详细说明。
图1示出的是本申请所述的用于保险自动核赔的***的一个示例性实施例的结构示意图，其中，所述***包括保险物品信息采集装置1、特征处理装置2和特征存储装置3。
其中，保险物品信息采集装置1通过无线网络与特征处理装置2相连接，并且保险物品信息采集装置1具有为投保物品或索赔物品拍摄照片或录像的摄影装置4。
在本实施例中，保险物品信息采集装置1为带有拍照功能的手机。保险物品信息采集装置1在拍摄了投保或索赔物品的图像后，通过无线网络将图片发送到特征处理装置2。
特征处理装置2具有特征识别模块5，该模块能对上传的物品图像进行处理，能综合应用现有的图形图像处理技术，例如图片边缘识别等，对于物品的特征进行识别和提取。
***中还包括特征存储装置3，并且，特征处理装置2与特征存储装置3相连。存储装置3中存储的信息包括多种标准物品的特征库，其中包括：物品的整体轮廓以及形状，关键部件的轮廓以及相对于整体轮廓的位置，关键部件形状等特征信息等。这些信息可以通过人工的识别或者大量监督训练自动学习得出，作为标准物品的分类依据。
在本实施例中，特征存储装置3是由数据库管理的硬盘设备。但是，本领域技术人员容易理解，特征存储装置3也可以用例如磁带、磁盘阵列、云存储等方式来实现。
在本实施例中，特征处理装置2包括特征识别模块5和特征对比模块6。
其中，特征识别模块5会对图片做分析和处理，提取物品的特征信息。并且，特征识别模块5会将上述物品的特征信息与标准物品的特征库中的数据，做比对和分类，进而判断图片所代表物品的品类。
另外，特征对比模块6依据投保时的物品图片和索赔时的物品图片，在标准物品在特征库中特征的监督和指导下，对投保时和索赔时的物品进行差异比较。并且根据其差异是否超过指定的阈值来判断是进行自动理赔还是转人工理赔。
在本申请的另一个实施例中，保险物品信息采集装置1不仅包含摄影装置4，还包括有其他的信息提取装置，例如还包含有尺寸标定和测量组件7、色度标定和测量组件8、温度测量组件9、重量测量组件10。这些特征被加入到物品的特征向量中，与图片特征一起来计算物品投保和索赔时的差异。
本领域技术人员容易理解，上面列出的组件并不构成对本发明的具体限定。依据实际的需要，本领域技术人员可以选取上述组件中的一种或多种，或者是添加其它需要的组件。
在上述实施例中，保险自动核赔的***依靠信息采集装置1采集在投保时和索赔时采集的物品信息，主要是图片信息，并利用特征处理装置2的图形图像处理功能对它们进行比对，得到它们之间的差异，从而判断是否进行自动理赔。通过该***，大大地减少了核赔中人工判断的工作量，尤其对于数量大而标的较小的保单效果显著。
本申请除了提出上面所述的用于保险自动核赔的***外，还提出了一种用于保险自动核赔的方法。根据本申请的一个实施例，其方法对应的流程图如图2所示。
其中，在步骤S101中，将投保时物品的图片及相关信息上传到特征处理装置；
在步骤S102中，特征处理装置提取出投保时物品的特征并保存；
在步骤S103中，将索赔时物品的图片及相关信息上传到特征处理装置；
在步骤S104中，特征处理装置提取出索赔时物品的特征；
在步骤S105中，特征处理装置将物品投保时和索赔时的特征进行比较，得出差异值；
在步骤S106中，判断差异值是否超过阈值，如果超过阈值，则进行自动理赔，如果未能超过阈值，则进行人工理赔。
上述方法将核赔的过程自动化，尤其是步骤S005中特征处理装置的特征比较功能解除了繁重的人工核保工作。
在一个实施例中，步骤S105的具体实施方式如图3所示：
首先，在步骤S201中，特征处理装置分别分析物品投保时和索赔时的图片，分别生成物品投保时和索赔时的特征向量。
其中，利用了边缘识别等图片处理和识别技术，根据物品关键部件的轮廓，切割并提取物品以及关键部件的小图，生成如下两组物品特征的向量：
P投保＝{物品整体小图，{物品关键部件1小图，物品关键部件2小图…}}
P索赔＝{物品整体小图，{物品关键部件1小图，物品关键部件2小图…}}
之后，在步骤S202中，依据标准品类的特征信息，监督对两组对应向量中的图片做一一对比，生成与物品的特征向量相对应的对比结果向量C。
其中，向量的每一项都是物品投保图片以及物品索赔图片的差异度，并以百分比做单位：
C＝{物品整体差异度，{物品关键部件1差异度，物品关键部件2差异度…}}
最后，在步骤S203中，为每一类物品的每项差异定义权重，形成权重向量W，并以该权重向量计算出最终的差异度D＝C＊W。
其中，为了评估差异，对每一类物品都定义有一个差异度权重向量W，其中W分量的数量与C相同，每一项代表对比结果向量C的对应项对最终结果影响权重，这样物品投保和索赔时最终的差异度D为：
D＝C＊W＝物品整体差异度＊W0+物品关键部件1差异度＊W1+物品关键部件2差异度＊W2+…
如果差异度D超过阈值，则发起自动理赔，如果没有超过阈值则转人工处理。
上面的实施例以对各项差异赋予不同权重的方式来实现从对比结果向量C到最终差异度D的计算，这种方式易于理解和实现。
如图4，本申请的另外一个实施例中，从对比结果向量C到最终差异度D的计由神经元网络算法来实现。具体地，将对比结果向量C的各项作为神经元网络的输入，而将最终的差异度D作为该神经元网络的输出。依据实际需要，上述神经元网络的层数和每层神经元的个数可以灵活设置。并且，该神经元网络可以利用事先准备好的数据集合来进行训练。
如图5，在本申请中的又一个实施例中，利用神经元网络的灵活性，不仅可以用其来计算最终差异度D，来确定是否自动理赔，而且还可以用其来计算骗保的可能性H。本实施例中，将对比结果向量C的各项作为神经元网络的输入，而将最终的差异度D和骗保的可能性H作为该神经元网络的两个输出。相应地，需要在训练数据中包含骗保的数据，并进行适当的标定。
上面已经结合具体的实施例，并参考附图对本发明进行了描述，但需要声明的是，上述具体实施仅仅是说明性的，并不构成对本发明保护范围的限制。本发明的保护范围由权利要求所限定，并且针对权利要求中技术方案所做的为本领域技术人员所公知的修改，等价方案的替换和组合都落入到本发明的保护范围内。
Claims (10)
1.一种用于保险自动核赔的***，其特征在于，所述***包括保险物品信息采集装置、特征处理装置和特征存储装置，其中，
所述保险物品信息采集装置包含采集投保物品或索赔物品影像的摄影装置，并且该保险物品信息采集装置连接到所述特征处理装置；
所述特征处理装置包含用于从所采集的投保或索赔物品影像信息中提取出物品特征的特征识别模块，以及用于将物品投保时的特征与索赔时的特征进行比较的特征比较模块，并且该特征处理装置与所述特征存储装置相连。
2.根据权利要求1所述的保险自动核赔***，其中，所述保险物品信息采集装置通过无线网络与所述特征处理装置相连接。
3.根据权利要求1所述的保险自动核赔***，其中，所述特征存储装置是由数据库管理的硬盘。
4.根据权利要求1所述的自保险自动核赔***，其中，所述保险物品信息采集装置还包括下列组件中的一种或多种：尺寸标定和测量组件、色度标定和测量组件、温度测量组件、重量测量组件。
5.根据权利要求1所述的保险自动核赔***，其中，所述保险物品信息采集装置是具有拍照功能的智能手机。
6.一种用于保险自动核赔的方法，其特征在于，该方法包括如下步骤：
将投保时物品的图片及相关信息上传到特征处理装置；
特征处理装置提取出投保时物品的特征并保存；
将索赔时物品的图片及相关信息上传到特征处理装置；
特征处理装置提取出索赔时物品的特征；
特征处理装置将物品投保时和索赔时的特征进行比较，得出差异值；
判断差异值是否超过阈值，如果超过阈值，则进行自动理赔，如果未能超过阈值，则进行人工理赔。
7.根据权利要求6所述的保险自动核赔的方法，其特征在于，所述特征处理装置将物品投保时和索赔时的特征进行比较的过程包括如下步骤：
特征处理装置分别分析物品投保时和索赔时的图片，分别生成物品投保时和索赔时的特征向量；
依据标准品类的特征信息，监督对两组对应向量中的图片做一一对比，生成与物品的特征向量相对应的对比结果向量C；
为每一类物品的每项差异定义权重，形成权重向量W，并以该权重向量计算出最终的差异度D＝C＊W。
8.根据权利要求6所述的保险自动核赔的方法，其特征在于，所述特征处理装置将物品投保时和索赔时的特征进行比较的过程包括如下步骤：
特征处理装置分别分析物品投保时和索赔时的图片，分别生成物品投保时和索赔时的特征向量；
依据标准品类的特征信息，监督对两组对应向量中的图片做一一对比，生成与物品的特征向量相对应的对比结果向量C；
利用神经元网络，以对比结果向量C为输入，以最终的差异度D为输出，来计算最终差异度D。
9.根据权利要求6所述的保险自动核赔的方法，其特征在于，所述特征处理装置将物品投保时和索赔时的特征进行比较的过程包括如下步骤：
特征处理装置分别分析物品投保时和索赔时的图片，分别生成物品投保时和索赔时的特征向量；
依据标准品类的特征信息，监督对两组对应向量中的图片做一一对比，生成与物品的特征向量相对应的对比结果向量C；
利用神经元网络，以对比结果向量C为输入，以最终的差异度D和骗保可能性H为输出，来计算最终差异度D和骗保可能性H。
10.根据权利要求8和9所述的保险自动核赔的方法，其特征在于，所述神经元网络由事先准备的合适数据进行训练。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611233996.6A CN106803205A (zh) | 2016-12-27 | 2016-12-27 | 一种用于保险自动核赔的***和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611233996.6A CN106803205A (zh) | 2016-12-27 | 2016-12-27 | 一种用于保险自动核赔的***和方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106803205A true CN106803205A (zh) | 2017-06-06 |
Family
ID=58985087
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611233996.6A Pending CN106803205A (zh) | 2016-12-27 | 2016-12-27 | 一种用于保险自动核赔的***和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106803205A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107679995A (zh) * | 2017-08-31 | 2018-02-09 | 平安科技（深圳）有限公司 | 电子装置、保险案件理赔审核方法及计算机可读存储介质 |
| CN108109680A (zh) * | 2017-12-20 | 2018-06-01 | 南通艾思达智能科技有限公司 | 一种保险理赔影像包分拣的方法 |
| CN108334906A (zh) * | 2018-02-08 | 2018-07-27 | 杭州华选信息科技有限公司 | 一种金融典当服务的抵押物自动识别评估方法和装置 |
| CN108985948A (zh) * | 2018-06-22 | 2018-12-11 | 武汉欣网创业科技开发有限公司 | 一种手机保险自助查勘*** |
| CN113763187A (zh) * | 2020-12-02 | 2021-12-07 | 北京京东振世信息技术有限公司 | 理赔结果确定方法、理赔请求发送方法和装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102289771A (zh) * | 2010-06-18 | 2011-12-21 | 中兴通讯股份有限公司 | 一种基于移动通信网络的车险理赔***及方法 |
| CN105719188A (zh) * | 2016-01-22 | 2016-06-29 | 平安科技（深圳）有限公司 | 基于多张图片一致性实现保险理赔反欺诈的方法及服务器 |
| CN106021548A (zh) * | 2016-05-27 | 2016-10-12 | 大连楼兰科技股份有限公司 | 基于分布式人工智能图像识别的远程定损方法及*** |
| CN108550080A (zh) * | 2018-03-16 | 2018-09-18 | 阿里巴巴集团控股有限公司 | 物品定损方法及装置 |
-
2016
- 2016-12-27 CN CN201611233996.6A patent/CN106803205A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102289771A (zh) * | 2010-06-18 | 2011-12-21 | 中兴通讯股份有限公司 | 一种基于移动通信网络的车险理赔***及方法 |
| CN105719188A (zh) * | 2016-01-22 | 2016-06-29 | 平安科技（深圳）有限公司 | 基于多张图片一致性实现保险理赔反欺诈的方法及服务器 |
| CN106021548A (zh) * | 2016-05-27 | 2016-10-12 | 大连楼兰科技股份有限公司 | 基于分布式人工智能图像识别的远程定损方法及*** |
| CN108550080A (zh) * | 2018-03-16 | 2018-09-18 | 阿里巴巴集团控股有限公司 | 物品定损方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 葛建新;: "RFID技术在贵重物品监控中的应用" * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107679995A (zh) * | 2017-08-31 | 2018-02-09 | 平安科技（深圳）有限公司 | 电子装置、保险案件理赔审核方法及计算机可读存储介质 |
| WO2019041518A1 (zh) * | 2017-08-31 | 2019-03-07 | 平安科技（深圳）有限公司 | 电子装置、保险案件理赔审核方法、***及计算机可读存储介质 |
| CN107679995B (zh) * | 2017-08-31 | 2021-07-13 | 平安科技（深圳）有限公司 | 电子装置、保险案件理赔审核方法及计算机可读存储介质 |
| CN108109680A (zh) * | 2017-12-20 | 2018-06-01 | 南通艾思达智能科技有限公司 | 一种保险理赔影像包分拣的方法 |
| CN108334906A (zh) * | 2018-02-08 | 2018-07-27 | 杭州华选信息科技有限公司 | 一种金融典当服务的抵押物自动识别评估方法和装置 |
| CN108334906B (zh) * | 2018-02-08 | 2021-02-23 | 北京鑫车科技有限公司 | 一种金融典当服务的抵押物自动识别评估方法和装置 |
| CN108985948A (zh) * | 2018-06-22 | 2018-12-11 | 武汉欣网创业科技开发有限公司 | 一种手机保险自助查勘*** |
| CN113763187A (zh) * | 2020-12-02 | 2021-12-07 | 北京京东振世信息技术有限公司 | 理赔结果确定方法、理赔请求发送方法和装置 |
| CN113763187B (zh) * | 2020-12-02 | 2023-11-07 | 北京京东振世信息技术有限公司 | 理赔结果确定方法、理赔请求发送方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106803205A (zh) | 一种用于保险自动核赔的***和方法 | |
| CN107742125B (zh) | 预测和防止在结构资产处的不利状况的深度机器学习 | |
| US10269138B2 (en) | UAV inspection method for power line based on human visual system | |
| Nguyen et al. | Pavement crack detection using convolutional neural network | |
| Kim et al. | Forest fire monitoring system based on aerial image | |
| CN108256404A (zh) | 行人检测方法和装置 | |
| CN108229260B (zh) | 一种身份信息核验方法及*** | |
| CN106529485A (zh) | 用于获取训练数据的方法及装置 | |
| CN106355367A (zh) | 仓库监控管理装置 | |
| CN109544204B (zh) | 一种基于轻量化多任务卷积神经网络的导购行为分析方法 | |
| CN108346036A (zh) | 保险保单集中核单方法、电子装置及可读存储介质 | |
| CN111369378A (zh) | 一种基于计算机视觉识别的生猪监管方法及*** | |
| CN109815884A (zh) | 基于深度学习的不安全驾驶行为检测方法及装置 | |
| CN112465038A (zh) | 一种识别果树病虫害种类的方法及*** | |
| CN106292282A (zh) | 基于大数据的智能农业环境监控*** | |
| Sermet et al. | Overhead power line sag monitoring through augmented reality | |
| CN115546742A (zh) | 一种基于单目热红外摄像头的铁轨异物识别方法及*** | |
| CN113722870B (zh) | 一种电网运行全空间监测方法、***、设备及介质 | |
| CN110839242B (zh) | 异常号码识别方法及装置 | |
| CN110399868B (zh) | 一种滨海湿地鸟类检测方法 | |
| CN207115493U (zh) | 一种用于保险自动核赔的保险物品信息采集装置 | |
| CN112907308A (zh) | 数据检测方法和装置、计算机可读存储介质 | |
| CN115604319A (zh) | 基于多维度传感器的智慧社区管理平台 | |
| JP4711131B2 (ja) | 画素群パラメータ算出方法及び画素群パラメータ算出装置 | |
| CN114663761A (zh) | 作物长势确定方法、装置、设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170606 |