一种金融典当服务的抵押物自动识别评估方法和装置
技术领域
本发明涉及物品识别评估领域,具体涉及一种典当抵押物自动识别评估方法和装置。
背景技术
典当行业作为一个历史悠久的行业,在中国的经济发展史上,有着举足轻重的地位,它从最早的民间借贷模式,发展到现在涉及到各个经济领域,抵押物从民品(例如名表、名包、金银珠宝、相机、皮草、书画、古玩等)拓展到汽车、房产、有价证券、经营权、股权等。典当成为个人应急和中小企业发展融资的重要方式,解决了不少企业和个人的燃眉之急。随着信息技术的不断发展,典当行业已经实现了对日常审当、收挡、赎当、续当、绝当等环节的信息化管理,这大大减少了劳动资源的浪费,提高了典当公司的管理效率。
然而,在民品典当中,在最关键的验当环节,目前主要还是采用传统的方式,即主要依靠典当师人工进行抵押物的识别评估。上述人工方式存在如下弊端:首先,典当师素质参差不齐,优秀典当师稀缺;其次,人工方式主观性强,无法实现统一规范的标准化抵押物识别评估;再次,现在的造假行为越演愈烈,造假技术甚至能够以假乱真,即使是非常有经验的典当师也难免出现误判;最后,人工方式效率低,不能满足日益壮大的典当行业发展需求。
典当行为涉及到不同主体的经济利益,抵押物识别评估客观公正是典当行业健康发展的基本保障,因此,典当行业亟需客观公正、标准统一、实时高效的抵押物识别评估技术,来辅助甚至替代人工方式,从而极大的促进典当行业的发展。
发明内容
本发明提出了一种典当抵押物自动识别评估方法和装置,其采用机器自动估值替代人工估值方式,具备估值客观公正、标准统一、实时高效的优点。
本发明所述的典当抵押物自动识别评估方法,其特征在于所述方法包括:
步骤10,拍摄抵押物的图像,获得抵押物原始图像;
步骤20,对所述抵押物原始图像中的所述抵押物进行识别定损,其中步骤20具体包括如下步骤:
步骤201,对所述抵押物原始图像进行归一化处理,获得抵押物标准图像;
步骤202,对所述抵押物标准图像中的所述抵押物进行识别处理,获得抵押物图像;
步骤203,将所述抵押物图像与预先设定的品类库中的物品分别进行匹配,确定所述抵押物的品类;
步骤204,对所述抵押物图像进行损伤检测,确定所述抵押物的品相值S本;
步骤30,根据所述抵押物的品类和品相值,在预先设定的参考估值库中查找与所述抵押物相同品类并且品相最接近的m个参考抵押物的品相值、成交日期、成交价格;其中,所述预先设定的参考估值库中存储的是已经成交的抵押物的品类、品相值、成交日期、成交价格,m为大于等于0的整数,如果m大于0,则进入步骤40,如果m等于0,则进入步骤50;
步骤40,利用公式(一)计算所述抵押物的估值V;其中,S参1,S参2,……,S参m是所述m个参考抵押物的品相值,T参1,T参2,……,T参m是所述m个参考抵押物的成交日期与当前日期之间的时间差,V参1,V参2,……,V参m是所述m个参考抵押物的成交价格,i为大于等于1小于等于m的整数,α为权重因子;
步骤50,根据所述抵押物的品类,判断所述抵押物是否为消耗品,如果为消耗品,则进入步骤501,否则,进入步骤502;
步骤501,查询所述抵押物所在品类的当前售价V售,查询所述抵押物的已出售时间T售和使用寿命T寿,确定所述抵押物的品相值S本所对应的品相因子η,利用公式(二)计算所述抵押物的估值V,其中β为抵押物所在品类的残值;
步骤502,查询所述抵押物所在品类的当前售价V售,确定所述抵押物的品相值S本所对应的品相因子η,利用公式(三)计算所述抵押物的估值V。
V=V售(1-ηS本) (公式三)
优选的,步骤204,对所述抵押物图像进行损伤检测,确定所述抵押物的品相值S本具体包括:
步骤2041,检测所述抵押物图像中的损伤区域,确定所述损伤区域的位置、大小以及损伤类型;
步骤2042,根据所述抵押物的品类,在预先设定的参考定损库中查找与所述抵押物相同品类并且损伤区域的位置相同或者最接近的参考位置定损值S参位,查找与所述抵押物相同品类并且损伤区域的大小相同或者最接近的参考大小定损值S参大小,以及查找与所述抵押物相同品类并且损伤类型相同或者最接近的参考类型定损值S参类;
步骤2043,利用公式(四)计算所述抵押物的品相值S本;
S本=aS参位+bS参大小+cS参类 (公式四)
其中,a、b、c分别为定损系数,a+b+c=1。
优选的,所述品类包括品种,所述品类还包括品牌、系列、型号中的至少一个。
优选的,所述品相因子η是预先设定的,且一个品相因子η对应一个品相值范围。
本发明所述的典当抵押物自动识别评估装置,其特征在于所述装置包括图像捕获单元、识别定损单元、查找单元、第一估值单元、消耗品判断单元、第二估值单元以及第三估值单元,其中:
图像捕获单元,用于拍摄抵押物的图像,获得抵押物原始图像;
识别定损单元,用于对所述抵押物原始图像中的所述抵押物进行识别定损,所述识别定损单元包括归一化单元、识别单元、品类确定单元和品相确定单元,其中:
归一化单元,用于对所述抵押物原始图像进行归一化处理,获得抵押物标准图像;
识别单元,用于对所述抵押物标准图像中的所述抵押物进行识别处理,获得抵押物图像;
品类确定单元,用于将所述抵押物图像与预先设定的品类库中的物品分别进行匹配,确定所述抵押物的品类;以及
品相确定单元,用于对所述抵押物图像进行损伤检测,确定所述抵押物的品相值S本;
查找单元,用于根据所述抵押物的品类和品相值,在预先设定的参考估值库中查找与所述抵押物相同品类并且品相最接近的m个参考抵押物的品相值、成交日期、成交价格;其中,所述预先设定的参考估值库中存储的是已经成交的抵押物的品类、品相值、成交日期、成交价格,m为大于等于0的整数;
第一估值单元,用于当m大于0时,利用公式(一)计算所述抵押物的估值V;其中,S参1,S参2,……,S参m是所述m个参考抵押物的品相值,T参1,T参2,……,T参m是所述m个参考抵押物的成交日期与当前日期之间的时间差,V参1,V参2,……,V参m是所述m个参考抵押物的成交价格,i为大于等于1小于等于m的整数,α为权重因子;
消耗品判断单元,用于当m=0时,根据所述抵押物的品类,判断所述抵押物是否为消耗品;
第二估值单元,用于当m等于0且抵押物为消耗品时,查询所述抵押物所在品类的当前售价V售,查询所述抵押物的已出售时间T售和使用寿命T寿,确定所述抵押物的品相值S本所对应的品相因子η,利用公式(二)计算所述抵押物的估值V,其中β为抵押物所在品类的残值;
第三估值单元,用于当m等于0且抵押物不为消耗品时,查询所述抵押物所在品类的当前售价V售,确定所述抵押物的品相值S本所对应的品相因子η,利用公式(三)计算所述抵押物的估值V。
V=V售(1-ηS本) (公式三)
优选的,品相确定单元具体包括:
损伤检测单元,用于检测所述抵押物图像中的损伤区域,确定所述损伤区域的位置、大小以及损伤类型;
定损值查找单元,用于根据所述抵押物的品类,在预先设定的参考定损库中查找与所述抵押物相同品类并且损伤区域的位置相同或者最接近的参考位置定损值S参位,查找与所述抵押物相同品类并且损伤区域的大小相同或者最接近的参考大小定损值S参大小,以及查找与所述抵押物相同品类并且损伤类型相同或者最接近的参考类型定损值S参类;
品相值计算单元,用于利用公式(四)计算所述抵押物的品相值S本;
S本=aS参位+bS参大小+cS参类 (公式四)
其中,a、b、c分别为定损系数,a+b+c=1。
优选的,所述品类包括品种,所述品类还包括品牌、系列、型号中的至少一个。
优选的,所述品相因子η是预先设定的,且一个品相因子η对应一个品相值范围。
本发明所述的计算机可读存储介质,存储有计算机可执行指令,所述指令使得计算机执行上述任一项所述的方法。
与现有技术相比,本发明提出的典当抵押物自动识别评估方法和装置,首先通过机器自动估值替代人工估值方式,解决了现有技术中存在的问题,填补了技术空白,极大的促进了典当行业的发展;其次,本发明中抵押物的品相值是通过图像处理技术精确检测以及通过存储的大数据精确计算得出,其准确性和精确性远超人工估值方式;最后,本发明中抵押物的估值是在充分考虑品相和自然损耗的基础上,采用大数据精确计算得出,其准确性和精确性也远超人工估值方式。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明所述的典当抵押物自动识别评估方法的流程图;
图2是本发明所述的典当抵押物自动识别评估装置的结构框图。
具体实施方式
实施例一
图1是本发明所述的典当抵押物自动识别评估方法的流程图,如图1所示,所示方法包括如下步骤:
步骤10,拍摄抵押物的图像,获得抵押物原始图像。可以采用高清摄像头拍摄抵押物的高清图像,以获得更好的图像质量。
步骤20,对所述抵押物原始图像中的所述抵押物进行识别定损。
其中步骤20具体包括如下步骤:
步骤201,对所述抵押物原始图像进行归一化处理,获得抵押物标准图像。
采用图像处理技术,对抵押物原始图像进行颜色、大小、亮度等归一化处理,从而获得抵押物标准图像。还可以对抵押物标准图像进行增强处理,以能够准确的识别抵押物以及提高对损伤进行定损的准确性。
步骤202,对所述抵押物标准图像中的所述抵押物进行识别处理,获得抵押物图像。
可以采用边缘检测技术,获得抵押物图像。
步骤203,将所述抵押物图像与预先设定的品类库中的物品分别进行匹配,确定所述抵押物的品类。
可以采用图像识别技术,例如采用基于SIFT算子的图像特征匹配算法、基于SURF算子的图像特征匹配算法、基于卷积神经网络的图像分类算法、基于全局和局部特征融合的图像匹配算法、基于纹理特征和神经网络的图像匹配算法等将抵押物图像与预先设定的品类库中的物品分别进行匹配,确定所述抵押物的品类。
所述品类包括品种,例如皮包、皮草、珠宝、手表、相机等,所述品类还包括品牌、系列、型号中的至少一个,例如通过图像识别技术识别出LV(路易威登,LOUIS VUITTON)品牌下的SPEEDY、NEVERFULL、ARTSY、NOE、ALMA系列,例如LV的型号M40156等。
所述预先设定的品类库包括各种品种的物品,以及一个品种的各个品牌的各个系列的所有型号的物品的图像。例如所述预先设定的品类库中包括各种品牌的全系列全型号皮包图像等。
步骤204,对所述抵押物图像进行损伤检测,确定所述抵押物的品相值S本。具体包括:
步骤2041,检测所述抵押物图像中的损伤区域,确定所述损伤区域的位置、大小以及损伤类型。
可以采用封闭边缘提取、梯度提取等算法,提取抵押物图像的损伤区域的参数,例如损伤区域的位置、大小以及损伤类型,这些损伤区域包括破损区域、表面瑕疵区域、表面划伤区域、污渍区域等。
步骤2042,根据所述抵押物的品类,在预先设定的参考定损库中查找与所述抵押物相同品类并且损伤区域的位置相同或者最接近的参考位置定损值S参位,查找与所述抵押物相同品类并且损伤区域的大小相同或者最接近的参考大小定损值S参大小,以及查找与所述抵押物相同品类并且损伤类型相同或者最接近的参考类型定损值S参类。
拿皮包的表面划伤为例,预先设定的参考定损库中存储了各个品牌各个系列各个型号的皮包各种不同划伤程度的参考图片和参考定损值,作为不同等级划伤的定损模板。拿当前的抵押物识别出来的损伤区域的位置和大小与定损模板的参考图片进行比对,和哪个参考模板的相似度最高,就参考哪个参考模板中的参考定损值。例如拿某一个系列的某一个型号的LV包的表面划伤来说,按照表面划伤的位置、大小等参数,从预先设定的参考定损库中查找同一款LV包的与所述划伤的位置相同或者最接近的参考位置定损值S参位,查找同一款LV包的与所述划伤的大小相同或者最接近的参考大小定损值S参大小,以及查找同一款LV包的关于表面划伤的参考类型定损值S参类。
步骤2043,利用公式(四)计算所述抵押物的品相值S本;
S本=aS参位+bS参大小+cS参类(公式四)
其中,a、b、c分别为定损系数,a+b+c=1。
一般情况下,损伤类型、损伤位置和损伤大小对于定损值的确定具有不同的权重,可以按照经验,根据不同的品类设置不同的a、b、c的值。此外,品相值S本可以采用百分百的形式表示,品相值S本越大,表示抵押物的损伤越大,品相越差。
步骤30,根据所述抵押物的品类和品相值,在预先设定的参考估值库中查找与所述抵押物相同品类并且品相最接近的m个参考抵押物的品相值、成交日期、成交价格;其中,所述预先设定的参考估值库中存储的是已经成交的抵押物的品类、品相值、成交日期、成交价格,m为大于等于0的整数,如果m大于0,则进入步骤40,如果m等于0,则进入步骤50;
如果预先设定的参考估值库中存储了可以参考的成交价格,则一般情况下,可以参考相同品类且品相相似的已经成交的抵押物的成交价格来进行估值,这种估值方法在步骤40中实现,如果没有存储可以参考的成交价格,则需要对抵押物的估值进行精确计算,这种计算方法在步骤50中实现。
步骤40,利用公式(一)计算所述抵押物的估值V;其中,S参1,S参2,……,S参m是所述m个参考抵押物的品相值,T参1,T参2,……,T参m是所述m个参考抵押物的成交日期与当前日期之间的时间差,V参1,V参2,……,V参m是所述m个参考抵押物的成交价格,i为大于等于1小于等于m的整数,α为权重因子;
由于在品相值相同的情况下,时间差越小的参考抵押物的成交价格越能准确估算抵押物的估值,在时间差相同的情况下,品相值越接近的参考抵押物的成交价格越能准确估算抵押物的估值,并且品相值和时间差对于抵押物估值的影响并不相同,综合考虑品相值和时间差,本发明采用所述(公式一)计算所述抵押物的估值V。α为权重因子,且不同品类的α值并不相同,α值可以根据经验设置。
步骤50,根据所述抵押物的品类,判断所述抵押物是否为消耗品,如果为消耗品,则进入步骤501,否则,进入步骤502;
对于没有可以参考的成交价格需要对抵押物的估值进行精确计算的情况,首先需要判断抵押物的品类是不是消耗品,如果是消耗品,例如皮包、皮草、相机、手表等,那么除了损伤造成的价值折损外,还需要考虑有限使用寿命带来的自然折损,如果是非消耗品,例如古玩等,一般情况下只需要考虑损伤造成的价值折损即可。
步骤501,查询所述抵押物所在品类的当前售价V售,查询所述抵押物的已出售时间T售和使用寿命T寿,确定所述抵押物的品相值S本所对应的品相因子η,利用公式(二)计算所述抵押物的估值V,其中β为抵押物所在品类的残值;
如果抵押物还在出售,可以查询抵押物的当前售价,如果抵押物已经下市,可以查询抵押物在售时的售价最为当前售价,查询抵押物的已出售时间,可以以年、月或日计。对于消耗品,还需要查询抵押物的使用寿命。通过
计算抵押物的自然折损率,通过ηS
本计算抵押物由于损伤造成的折损率,ηS
本应该小于等于1。其中,所述品相因子η是预先设定的,且对于一个品类来说,一个品相因子η对应一个品相值范围。例如,对于皮包来说,当0≤S
本≤5%时,可以设置η为0.8,当
时,可以设置η为1,当
时,可以设置η为1,以此类推,这样可以保证在损伤较小的时候,可以具有较高的估值,当损伤较大的时候,估值迅速降低,从而能够准确模拟真实的人工评估过程。β为抵押物所在品类的残值,β根据经验获得。
步骤502,查询所述抵押物所在品类的当前售价V售,确定所述抵押物的品相值S本所对应的品相因子η,利用公式(三)计算所述抵押物的估值V。
V=V售(1-ηS本) (公式三)
对于非消耗品,如上所述,一般情况下只需要考虑损伤造成的价值折损即可。
在本发明中,预先设定的品类库、预先设定的参考定损库、预先设定的参考估值库均存储有大量的数据。当通过上述方式获得抵押物的估值V之后,将所述抵押物的估值V存储到预先设定的参考估值库中,以扩充预先设定的参考估值库。此外,预先设定的品类库、预先设定的参考定损库会不断的更新、补充。
实施例二
如图2所示,本发明还提出一种典当抵押物自动识别评估装置,其特征在于所述装置包括:
图像捕获单元,用于拍摄抵押物的图像,获得抵押物原始图像。所述图像捕获单元可以采用高清摄像头,从而能够拍摄抵押物的高清图像,以获得更好的图像质量。
识别定损单元,用于对所述抵押物原始图像中的所述抵押物进行识别定损,所述识别定损单元包括:
归一化单元,用于对所述抵押物原始图像进行归一化处理,获得抵押物标准图像。归一化单元采用图像处理技术,对抵押物原始图像进行颜色、大小、亮度等归一化处理,从而获得抵押物标准图像。还可以对抵押物标准图像进行增强处理,以能够准确的识别抵押物以及提高对损伤进行定损的准确性。
识别单元,用于对所述抵押物标准图像中的所述抵押物进行识别处理,获得抵押物图像。识别单元可以采用边缘检测技术,获得抵押物图像。
品类确定单元,用于将所述抵押物图像与预先设定的品类库中的物品分别进行匹配,确定所述抵押物的品类。可以采用图像识别技术,例如采用基于SIFT算子的图像特征匹配算法、基于SURF算子的图像特征匹配算法、基于卷积神经网络的图像分类算法、基于全局和局部特征融合的图像匹配算法、基于纹理特征和神经网络的图像匹配算法等将抵押物图像与预先设定的品类库中的物品分别进行匹配,确定所述抵押物的品类。所述品类包括品种,例如皮包、皮草、珠宝、手表、相机等,所述品类还包括品牌、系列、型号中的至少一个,例如通过图像识别技术识别出LV(路易威登,LOUIS VUITTON)品牌下的SPEEDY、NEVERFULL、ARTSY、NOE、ALMA系列,例如LV的型号M40156等。所述预先设定的品类库包括各种品种的物品,以及一个品种的各个品牌的各个系列的所有型号的物品的图像。例如所述预先设定的品类库中包括各种品牌的全系列全型号皮包图像等。
品相确定单元,用于对所述抵押物图像进行损伤检测,确定所述抵押物的品相值S本。品相确定单元包括损伤检测单元、定损值查找单元以及品相值计算单元,其中:
损伤检测单元,用于检测所述抵押物图像中的损伤区域,确定所述损伤区域的位置、大小以及损伤类型。损伤检测单元可以采用封闭边缘提取、梯度提取等算法,提取抵押物图像的损伤区域的参数,例如损伤区域的位置、大小以及损伤类型,这些损伤区域包括破损区域、表面瑕疵区域、表面划伤区域、污渍区域等。
定损值查找单元,用于根据所述抵押物的品类,在预先设定的参考定损库中查找与所述抵押物相同品类并且损伤区域的位置相同或者最接近的参考位置定损值S参位,查找与所述抵押物相同品类并且损伤区域的大小相同或者最接近的参考大小定损值S参大小,以及查找与所述抵押物相同品类并且损伤类型相同或者最接近的参考类型定损值S参类。拿皮包的表面划伤为例,预先设定的参考定损库中存储了各个品牌各个系列各个型号的皮包各种不同划伤程度的参考图片和参考定损值,作为不同等级划伤的定损模板。拿当前的抵押物识别出来的损伤区域的位置和大小与定损模板的参考图片进行比对,和哪个参考模板的相似度最高,就参考哪个参考模板中的参考定损值。例如拿某一个系列的某一个型号的LV包的表面划伤来说,按照表面划伤的位置、大小等参数,从预先设定的参考定损库中查找同一款LV包的与所述划伤的位置相同或者最接近的参考位置定损值S参位,查找同一款LV包的与所述划伤的大小相同或者最接近的参考大小定损值S参大小,以及查找同一款LV包的关于表面划伤的参考类型定损值S参类。
品相值计算单元,用于利用公式(四)计算所述抵押物的品相值S本;
S本=aS参位+bS参大小+cS参类 (公式四)
其中,a、b、c分别为定损系数,a+b+c=1。一般情况下,损伤类型、损伤位置和损伤大小对于定损值的确定具有不同的权重,可以按照经验,根据不同的品类设置不同的a、b、c的值。此外,品相值S本可以采用百分百的形式表示,品相值S本越大,表示抵押物的损伤越大,品相越差。
查找单元,用于根据所述抵押物的品类和品相值,在预先设定的参考估值库中查找与所述抵押物相同品类并且品相最接近的m个参考抵押物的品相值、成交日期、成交价格;其中,所述预先设定的参考估值库中存储的是已经成交的抵押物的品类、品相值、成交日期、成交价格,m为大于等于0的整数。如果预先设定的参考估值库中存储了可以参考的成交价格,则一般情况下,可以参考相同品类且品相相似的已经成交的抵押物的成交价格来进行估值,这种估值方法在第一估值单元中实现,如果没有存储可以参考的成交价格,则需要对抵押物的估值进行精确计算,这种计算方法在第二估值单元或第三估值单元中实现。
第一估值单元,用于当m大于0时,利用公式(一)计算所述抵押物的估值V;其中,S参1,S参2,……,S参m是所述m个参考抵押物的品相值,T参1,T参2,……,T参m是所述m个参考抵押物的成交日期与当前日期之间的时间差,V参1,V参2,……,V参m是所述m个参考抵押物的成交价格,i为大于等于1小于等于m的整数,α为权重因子;
由于在品相值相同的情况下,时间差越小的参考抵押物的成交价格越能准确估算抵押物的估值,在时间差相同的情况下,品相值越接近的参考抵押物的成交价格越能准确估算抵押物的估值,并且品相值和时间差对于抵押物估值的影响并不相同,综合考虑品相值和时间差,本发明采用所述(公式一)计算所述抵押物的估值V。α为权重因子,且不同品类的α值并不相同,α值可以根据经验设置。
消耗品判断单元,用于当m=0时,根据所述抵押物的品类,判断所述抵押物是否为消耗品。对于没有可以参考的成交价格需要对抵押物的估值进行精确计算的情况,首先需要判断抵押物的品类是不是消耗品,如果是消耗品,例如皮包、皮草、相机、手表等,那么除了损伤造成的价值折损外,还需要考虑有限使用寿命带来的自然折损,如果是非消耗品,例如古玩等,一般情况下只需要考虑损伤造成的价值折损即可。
第二估值单元,用于当m等于0且抵押物为消耗品时,查询所述抵押物所在品类的当前售价V售,查询所述抵押物的已出售时间T售和使用寿命T寿,确定所述抵押物的品相值S本所对应的品相因子η,利用公式(二)计算所述抵押物的估值V,其中β为抵押物所在品类的残值;
如果抵押物还在出售,可以查询抵押物的当前售价,如果抵押物已经下市,可以查询抵押物在售时的售价最为当前售价,查询抵押物的已出售时间,可以以年、月或日计。对于消耗品,还需要查询抵押物的使用寿命。通过
计算抵押物的自然折损率,通过ηS
本计算抵押物由于损伤造成的折损率,ηS
本应该小于等于1。其中,所述品相因子η是预先设定的,且对于一个品类来说,一个品相因子η对应一个品相值范围。例如,对于皮包来说,当0≤S
本≤5%时,可以设置η为0.8,当
时,可以设置η为1,当
时,可以设置η为1,以此类推,这样可以保证在损伤较小的时候,可以具有较高的估值,当损伤较大的时候,估值迅速降低,从而能够准确模拟真实的人工评估过程。β为抵押物所在品类的残值,β根据经验获得。
第三估值单元,用于当m等于0且抵押物不为消耗品时,查询所述抵押物所在品类的当前售价V售,确定所述抵押物的品相值S本所对应的品相因子η,利用公式(三)计算所述抵押物的估值V。
V=V售(1-ηS本) (公式三)
对于非消耗品,如上所述,一般情况下只需要考虑损伤造成的价值折损即可。
在本发明中,预先设定的品类库、预先设定的参考定损库、预先设定的参考估值库均存储有大量的数据。当通过上述方式获得抵押物的估值V之后,将所述抵押物的估值V存储到预先设定的参考估值库中,以扩充预先设定的参考估值库。此外,预先设定的品类库、预先设定的参考定损库会不断的更新、补充。
此外,本发明还提出一种计算机可读存储介质,存储有计算机可执行指令,所述指令使得计算机执行如本发明所述的方法。
应当理解的是,以上所述仅为本发明的较佳实施例而已,并不足以限制本发明的技术方案,对本领域普通技术人员来说,在本发明的精神和原则之内,可以根据上述说明加以增减、替换、变换或改进,而所有这些增减、替换、变换或改进后的技术方案,都应属于本发明所附权利要求的保护范围。