CN113469824A - 一种基于区块链的农业保险理赔判定*** - Google Patents
一种基于区块链的农业保险理赔判定*** Download PDFInfo
- Publication number
- CN113469824A CN113469824A CN202110733521.8A CN202110733521A CN113469824A CN 113469824 A CN113469824 A CN 113469824A CN 202110733521 A CN202110733521 A CN 202110733521A CN 113469824 A CN113469824 A CN 113469824A
- Authority
- CN
- China
- Prior art keywords
- data
- greenhouse
- settlement
- hash value
- planting
- 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.)
- Granted
Links
- 238000003860 storage Methods 0.000 claims abstract description 70
- 238000013500 data storage Methods 0.000 claims abstract description 37
- 238000012544 monitoring process Methods 0.000 claims abstract description 21
- 230000000694 effects Effects 0.000 claims abstract description 5
- 230000007613 environmental effect Effects 0.000 claims description 27
- 239000002689 soil Substances 0.000 claims description 27
- 239000000284 extract Substances 0.000 claims description 12
- 238000005286 illumination Methods 0.000 claims description 12
- 238000007726 management method Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 10
- 238000000034 method Methods 0.000 claims description 10
- 239000012634 fragment Substances 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 230000000737 periodic effect Effects 0.000 claims description 4
- 238000013524 data verification Methods 0.000 claims description 3
- 240000008042 Zea mays Species 0.000 description 16
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 16
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 13
- 235000005822 corn Nutrition 0.000 description 13
- 208000003643 Callosities Diseases 0.000 description 4
- 206010020649 Hyperkeratosis Diseases 0.000 description 4
- 238000012271 agricultural production Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 235000016383 Zea mays subsp huehuetenangensis Nutrition 0.000 description 3
- 235000009973 maize Nutrition 0.000 description 3
- 230000010152 pollination Effects 0.000 description 3
- 241001057636 Dracaena deremensis Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 230000005200 bud stage Effects 0.000 description 1
- 238000012272 crop production Methods 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Agronomy & Crop Science (AREA)
- Primary Health Care (AREA)
- Technology Law (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Computing Systems (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明涉及区块链技术领域，具体涉及一种基于区块链的农业保险理赔判定***，包括若干个数据采集器和理赔服务器，数据采集器包括若干个环境监测模块、若干个数据同步模块、数据存储模块和数据存证模块，数据存储模块将种植区对应的环境数据和气象数据存储，数据存证模块将数据存储模块的数据通过区块链存证，理赔服务器将种植区对应农作物的生长模型下发给数据采集器，生长模型调取种植区对应的环境数据和气象数据，得出模型产量，若低于预设阈值，则进入理赔程序。本发明的实质性效果是：通过数据采集器收集农作物的生长数据，使得理赔的判定能够电子化进行，极大加快了理赔判定的效率，降低了保险经营成本。
Description
技术领域
本发明涉及区块链技术领域，具体涉及一种基于区块链的农业保险理赔判定***。
背景技术
农业保险是专为农业生产者在从事种植业、林业、畜牧业和渔业生产过程中，对遭受自然灾害、意外事故疫病、疾病等保险事故所造成的经济损失提供保障的一种保险。农业保险是市场经济国家扶持农业发展的通行做法。通过政策性农业保险，可以在世贸组织规则允许的范围内，代替直接补贴对我国农业实施合理有效的保护，减轻加入世贸组织带来的冲击，减少自然灾害对农业生产的影响，稳定农民收入，促进农业和农村经济的发展。在中国，农业保险又是解决“三农”问题的重要组成部分。
农业保险按农业种类不同分为种植业保险、养殖业保险；按危险性质分为自然灾害损失保险、病虫害损失保险、疾病死亡保险、意外事故损失保险；按保险责任范围不同，可分为基本责任险、综合责任险和一切险；按赔付办法可分为种植业损失险和收获险。目前我过采取的基本经营模式是将业务委托给商业性保险公司，政府给予一定的补贴。这种运作模式仍处于试点阶段，相对比较粗放。再加上中国农村地区幅员辽阔，农业生产情况差异大，导致农业保险的经营和理赔判定成本较高，限制了保费的降低，不利于农业保险扩大覆盖面。
经检索，发现中国专利CN109410076A为与本申请最为接近的现有技术，其公开日为2019年3月1日，记载了一种基于区块链技术的农产品溯源保险公共服务平台，包括区块链数据采集与存储子***、保险业务交易管理子***、公共服务门户、第三方接口服务子***、数据统计子***；其中，区块链数据采集与存储子***收集信用数据文件以及与信用数据文件相关的比特币区块链相关的信息，且经由各个信息节点进行信息验证后收录进该子***的区块链中存储；保险业务交易管理子***用于面向保险公司提供在线交易管理服务；公共服务门户用于提供保险交易结果及交易文件在线查询。虽然其技术方案通过区块链技术，把农业企业各类生产经营活动过程数据与金融的保险业务进行捆绑，降低涉农企业风险，但其不能实现降低赔付工作量，进而降低农业保险企业运行成本的目的。
发明内容
本发明要解决的技术问题是：目前农业保险理赔判定成本高且效率低的技术问题。提出了一种基于区块链的农业保险理赔判定***，
为解决上述技术问题，本发明所采取的技术方案为：一种基于区块链的农业保险理赔判定***，包括若干个数据采集器和理赔服务器，若干个投保的种植区接入一个数据采集器，所述数据采集器包括若干个环境监测模块、若干个数据同步模块、数据存储模块和数据存证模块，所述环境监测模块包括若干个设置在农户种植区附近的环境数据监测传感器，所述数据同步模块与气象部门同步数据，获取气象数据，所述数据存储模块为接入的农户种植区建立标识，并将种植区对应的环境数据和气象数据关联标识存储，所述数据存证模块周期性将数据存储模块的数据提取哈希值，将所述哈希值上传到区块链存储，当所述理赔服务器收到农户的理赔请求时，所述理赔服务器将种植区对应农作物的生长模型下发给数据采集器，所述生长模型调取种植区对应的环境数据和气象数据，得出模型产量，若模型产量低于预设阈值，则通知理赔服务器进入理赔程序，反之，则通知理赔服务器不予出险。
作为优选，所述数据存储模块为每个种植区开设线性存储空间，并将种植区对应的环境数据和气象数据紧密的存入所述线性存储空间，所述数据存储模块以第一周期在线性存储空间建立存证点，提取两个存证点之间的数据的哈希值，并将所述哈希值存入所述存证点并提交给所述数据存证模块，所述数据存储模块以第二周期将最新的两个存证点之间的数据打包为数据包，并将数据包关联种植区的标识和时间戳后提交给理赔服务器存储，所述数据存证模块为每个种植区标识建立哈希值表和初始的关联哈希值，将数据存储模块提交的哈希值存入所述哈希值表，将哈希值表中最新的哈希值和关联哈希值一起提取哈希值，作为新的关联哈希值并存入哈希值表，所述数据存证模块将关联哈希值与种植区标识和时间戳关联后，发送给理赔服务器存储，所述数据存证模块以第三周期将最新的关联哈希值与种植区标识和时间戳关联后，上传到区块链存储。
作为优选，所述数据存证模块在第一周期结束时，将接入的每个种植区对应的关联哈希值的指定位取出，获得若干个N位数，将若干个所述N位数调整顺序，获得使得N位数一起提取的哈希值取值最小的排列顺序。
作为优选，若干个所述数据采集器之间建立通信连接，在第一周期结束时，所述数据采集器的数据存证模块将其接入的每个种植区对应的关联哈希值一起提取哈希值，作为周期哈希值，取周期哈希值的指定M位，将若干个所述数据采集器取出的M位数进行任意排序，获得使排序后的M位书一起提取的哈希值取值最小。
作为优选，所述数据存储模块设有备份存储区域，所述备份存储区域包括若干个线性备份区域，线性备份区域与线性存储空间一一对应，所述线性备份区域具有编号，当所述线性存储空间产生新的存证点时，所述线性备份区域同步产生标识点，将最新的两个存证点之间的数据备份到对应的线性备份区域的最新的两个标识点之间，将最新的两个标识点之间的数据按预设大小打散为子数据，若干个线性备份区域之间交换子数据，线性备份区域最新的两个标识点之间的数据与线性备份区域的编号一起提取的哈希值作为标识哈希值，子数据交换后标识哈希值的大小顺序与线性备份区域编号顺序匹配。
作为优选，所述线性备份区域最新的标识哈希值的末尾若干位取值相同，若在预设时间内未找到使得标识哈希值的末尾若干位取值相同子数据交换方案，则进一步将子数据打散为更小的子数据，从新尝试交换，直到满足线性备份区域的标识哈希值的末尾若干位取值相同。
作为优选，所述环境数据监测传感器包括空气温湿度传感器、土壤温湿度传感器、土壤酸碱度传感器、风速传感器和光照传感器，所述空气温湿度传感器设置在种植区附近监测种植区附近的空气温湿度，所述土壤温湿度传感器和土壤酸碱度传感器均设置在种植区典型管培土壤区域内，分别监测土壤的温湿度和酸碱度，所述风速传感器监测种植区的风速，所述光照传感器监测种植区的光照强度。
作为优选，所述理赔服务器保存有保单，所述保单记载种植区标识、农作物种类、理赔条件和理赔额度，所述保单由农户与农业保险公司线下签订生效，所述理赔条件为减产比例阈值，所述理赔额度为固定单位面积额度与种植区面积的乘积。
作为优选，所述环境监测模块还包括大棚数据同步模块，所述大棚数据同步模块与种植大棚的控制器连接，获得种植大棚的棚内环境数据和大棚控制数据，所述棚内环境数据包括棚内空气温湿度、棚内土壤温湿度、棚内土壤酸碱度、棚内CO2浓度、棚内光照强度和棚内图像，所述大棚控制数据包括大棚控制器发出的控制指令，所述数据存储模块为种植大棚分配有大棚标识，所述数据存储模块将棚内环境数据与大棚标识关联存储，所述数据存证模块将棚内环境数据通过区块链进行存证，所述理赔服务器保存有针对种植大棚的保单，当种植大棚的户主向所述理赔服务器请求理赔时，所述理赔服务器将农作物生长模型和大棚管控模型下发数据采集器，所述农作物生长模型调集棚内环境数据，获得农作物模型产量，若农作物模型产量低于预设阈值，则进入理赔程序，反之，则执行大棚管控模型，所述大棚管控模型调集大棚控制数据和棚内环境数据，判断控制指令与棚内环境数据变化是否匹配，若与棚内环境数据变化不匹配的控制指令超过预设阈值，则进入理赔程序，反之，则通知理赔服务器不予出险。
作为优选，所述棚内环境数据包括图像数据，所述大棚管控模型获得与棚内环境数据变化不匹配的控制指令时，截取所述控制指令时间前后对应的图像数据片段，将所述的控制指令及图像数据片段打包发送给所述理赔服务器备查。
本发明的实质性效果是：1）通过数据采集器收集农作物的生长数据，当农作物出现农业灾害时，能够通过数据采集器获得相关农作物的生长环境数据，使得理赔的判定能够电子化进行，极大加快了理赔判定的效率；2）通过建立环境数据和气象数据的存证，避免环境数据和气象数据被篡改，保证理赔判定结果的可信度；3）采用数据备份区域在环境数据和气象数据损坏丢失时，能够被复原，且进一步提高了篡改数据的难度，提高了数据的真实性；4）通过接入大棚数据，为大棚种植提供了保险服务，扩展了农业保险覆盖的范围，为保障农户农业生产安全提供了保障。
附图说明
图1为实施例一农业保险理赔判定***结构示意图。
图2为实施例一数据存储模块存储示意图。
图3为实施例一数据备份示意图。
图4为实施例一环境数据监测传感器结构示意图。
图5为实施例二种植大棚理赔判定流程示意图。
其中：10、理赔服务器，20、数据采集器，30、种植区，40、气象部门，50、区块链，21、数据存证模块，22、数据存储模块，23、环境监测模块，24、数据同步模块，61、哈希值表，62、顺序存储空间，63、存证点，64、数据包，65、标识点，230、环境数据监测传感器，231、空气温湿度传感器，232、土壤温湿度传感器，233、土壤酸碱度传感器，234、风速传感器，235、光照传感器。
具体实施方式
下面通过具体实施例，并结合附图，对本发明的具体实施方式作进一步具体说明。
实施例一：
一种基于区块链50的农业保险理赔判定***，请参阅附图1，包括若干个数据采集器20和理赔服务器10，若干个投保的种植区30接入一个数据采集器20，数据采集器20包括若干个环境监测模块23、若干个数据同步模块24、数据存储模块22和数据存证模块21，环境监测模块23包括若干个设置在农户种植区30附近的环境数据监测传感器230，数据同步模块24与气象部门40同步数据，获取气象数据，数据存储模块22为接入的农户种植区30建立标识，并将种植区30对应的环境数据和气象数据关联标识存储，数据存证模块21周期性将数据存储模块22的数据提取哈希值，将哈希值上传到区块链50存储，当理赔服务器10收到农户的理赔请求时，理赔服务器10将种植区30对应农作物的生长模型下发给数据采集器20，生长模型调取种植区30对应的环境数据和气象数据，得出模型产量，若模型产量低于预设阈值，则通知理赔服务器10进入理赔程序，反之，则通知理赔服务器10不予出险。
数据存储模块22为每个种植区30开设线性存储空间，并将种植区30对应的环境数据和气象数据紧密的存入线性存储空间。请参阅附图2，数据存储模块22以第一周期在线性存储空间建立存证点63，提取两个存证点63之间的数据的哈希值，并将哈希值存入存证点63并提交给数据存证模块21，数据存储模块22以第二周期将最新的两个存证点63之间的数据打包为数据包64，并将数据包64关联种植区30的标识和时间戳后提交给理赔服务器10存储。理赔服务器10存储若干个数据包64，能够验证数据存储模块22中存储的数据是否被改动过，提高数据篡改的难度，确保环境数据和气象数据的真实性。
数据存证模块21为每个种植区30标识建立哈希值表61和初始的关联哈希值，将数据存储模块22提交的哈希值存入哈希值表61，将哈希值表61中最新的哈希值和关联哈希值一起提取哈希值，作为新的关联哈希值并存入哈希值表61，数据存证模块21将关联哈希值与种植区30标识和时间戳关联后，发送给理赔服务器10存储，请再次参阅附图2，数据存证模块21以第三周期将最新的关联哈希值与种植区30标识和时间戳关联后，上传到区块链50存储。
数据存证模块21在第一周期结束时，将接入的每个种植区30对应的关联哈希值的指定位取出，获得若干个N位数，将若干个N位数调整顺序，获得使得N位数一起提取的哈希值取值最小的排列顺序。
表1 某个周期结束后的关联哈希值
| 来源 | 关联哈希值 | 起始4位、中间4位、末尾4位数 |
| 种植区301 | <u>f5a8</u>2…<u>bb48</u>d415d4183989c<u>52ef</u> | f5a8、bb48、52ef |
| 种植区302 | <u>b2a9</u>e…<u>bdc6</u>cb4bba579c471<u>8663</u> | b2a9、bdc6、8663 |
| 种植区303 | <u>916e</u>c…<u>4322</u>0a7bd1fc2fa9c<u>7794</u> | 916e、4322、7794 |
| 种植区304 | <u>3b47</u>5…<u>c455</u>cdfe2afd9204d<u>fc3a</u> | 3b47、c455、fc3a |
从全部种植区30对应顺序存储空间62的关联哈希值中，共取出12个4位数，12个4位数进行排列的组合约有4.8亿个，获得使得N位数一起提取的哈希值取值最小的排列顺序，需要消耗一定的时间，只要该时间接近第一周期，就可以避免数据存储模块22中的数据被篡改。因为一旦数据被篡改，则需要重新寻找使得N位数一起提取的哈希值取值最小的排列顺序。消耗的算力会导致数据存证模块21无暇处理其他事务，导致数据存证无法自洽。每个关联哈希值取出12位，数据修改后，指定的12位在新提取出的关联哈希值中取值不变的概率为16的12次方分之一，是极小的概率。
进一步的，若干个数据采集器20之间建立通信连接，在第一周期结束时，数据采集器20的数据存证模块21将其接入的每个种植区30对应的关联哈希值一起提取哈希值，作为周期哈希值，取周期哈希值的指定M位，将若干个数据采集器20取出的M位数进行任意排序，获得使排序后的M位书一起提取的哈希值取值最小。该方案中，多个数据采集器20的算力一起完成4.8亿个计算将比较迅速。使得每个参与的数据采集器20仍然有充足的时间处理其他事务。但若其中一个数据采集器20擅自篡改了数据，则其需要单独完成4.8亿个计算，将导致其算力不足，难以完成其他数据存证任务，使得任何数据篡改均会留下痕迹。
请参阅附图3，数据存储模块22设有备份存储区域，备份存储区域包括若干个线性备份区域，线性备份区域与线性存储空间一一对应，线性备份区域具有编号，当线性存储空间产生新的存证点63时，线性备份区域同步产生标识点65，将最新的两个存证点63之间的数据备份到对应的线性备份区域的最新的两个标识点65之间，将最新的两个标识点65之间的数据按预设大小打散为子数据，若干个线性备份区域之间交换子数据，线性备份区域最新的两个标识点65之间的数据与线性备份区域的编号一起提取的哈希值作为标识哈希值，子数据交换后标识哈希值的大小顺序与线性备份区域编号顺序匹配。即编号为01的线性备份区域的标识哈希值为647116067009A04F7B52F3C49BF29348A1DB0E09040E215F1F61DC830583D712，则编号为02的线性备份区域的标识哈希值必须比该哈希值大，若线性备份区域比较多，则越往后的标识哈希值生成的难度就越大。当线性备份区域的数量足够多时，将会提供足够难度的工作量证明，提高数据篡改的难度。
作为替代的工作量证明方案，还可以采用：线性备份区域最新的标识哈希值的末尾若干位取值相同，若在预设时间内未找到使得标识哈希值的末尾若干位取值相同子数据交换方案，则进一步将子数据打散为更小的子数据，从新尝试交换，直到满足线性备份区域的标识哈希值的末尾若干位取值相同。本实施例中，取末尾2位相同。末尾两位相同的概率的1/256，较为容易满足。若子数据足够多，则可以进一步要求末尾更多位相同。如编号为01的线性备份区域的标识哈希值为647116067009A04F7B52F3C49BF29348A1DB0E09040E215F1F61DC830583D712，则编号为02的线性备份区域的标识哈希值的最后两位也必须取值12，若无法获得末尾两位为12的标识哈希值，则将子数据打散为更小的子数据，从新尝试。
环境数据监测传感器230包括空气温湿度传感器231、土壤温湿度传感器232、土壤酸碱度传感器233、风速传感器234和光照传感器235，请参阅附图4，空气温湿度传感器231设置在种植区30附近监测种植区30附近的空气温湿度，土壤温湿度传感器232和土壤酸碱度传感器233均设置在种植区30典型管培土壤区域内，分别监测土壤的温湿度和酸碱度，风速传感器234监测种植区30的风速，光照传感器235监测种植区30的光照强度。
理赔服务器10保存有保单，保单记载种植区30标识、农作物种类、理赔条件和理赔额度，保单由农户与农业保险公司线下签订生效，理赔条件为减产比例阈值，理赔额度为固定单位面积额度与种植区30面积的乘积。
本实施例的有益技术效果是：农作物产区内通常有大量的农户种植相同的农作物，这些农作物的生长环境相似，对于遭受的农业灾害通常也相同，如干旱、高温、多雨、连阴、冰冻及大风等均为影响区域较为广泛的农业常见灾害。通过对其中若干个农作物种植区30进行实地查看无误，即可推定其他由理赔服务器10判定理赔的同品种农作物的相近种植区30也应理赔。通过数据采集器20收集农作物的生长数据，当农作物出现农业灾害时，能够通过数据采集器20获得相关农作物的生长环境数据，使得理赔的判定能够电子化进行，极大加快了理赔判定的效率。通过建立环境数据和气象数据的存证，避免环境数据和气象数据被篡改，保证理赔判定结果的可信度。采用数据备份区域在环境数据和气象数据损坏丢失时，能够被复原，且进一步提高了篡改数据的难度，提高了数据的真实性。若代入生长模型后得出的农作物产量与通常产量差距过大，则表示农作物遭受了灾害，应当进行理赔。
实施例二：
一种基于区块链50的农业保险理赔判定***，本实施例在实施例一的基础上，针对农业种植大棚的理赔判定，对相关模块进行了具体的改进。本实施例中，环境监测模块23还包括大棚数据同步模块24，大棚数据同步模块24与种植大棚的控制器连接，获得种植大棚的棚内环境数据和大棚控制数据，棚内环境数据包64括棚内空气温湿度、棚内土壤温湿度、棚内土壤酸碱度、棚内CO2浓度、棚内光照强度和棚内图像，大棚控制数据包64括大棚控制器发出的控制指令，数据存储模块22为种植大棚分配有大棚标识，数据存储模块22将棚内环境数据与大棚标识关联存储，数据存证模块21将棚内环境数据通过区块链50进行存证，理赔服务器10保存有针对种植大棚的保单。
请参阅附图5，当种植大棚的户主向理赔服务器10请求理赔时，理赔服务器10将农作物生长模型和大棚管控模型下发数据采集器20；
农作物生长模型调集棚内环境数据，获得农作物模型产量，若农作物模型产量低于预设阈值，则进入理赔程序，反之，则执行大棚管控模型；
大棚管控模型调集大棚控制数据和棚内环境数据，判断控制指令与棚内环境数据变化是否匹配；
若与棚内环境数据变化不匹配的控制指令超过预设阈值，则进入理赔程序，反之，则通知理赔服务器10不予出险。
棚内环境数据包64括图像数据，大棚管控模型获得与棚内环境数据变化不匹配的控制指令时，截取控制指令时间前后对应的图像数据片段，将的控制指令及图像数据片段打包发送给理赔服务器10备查。本实施例通过接入大棚数据，为大棚种植提供了保险服务，扩展了农业保险覆盖的范围，为保障农户农业生产安全提供了保障。
实施例三：
一种基于区块链50的农业保险理赔判定***，本实施例应用在玉米种植的农业保险上。玉米种植出芽后，处于幼芽期的玉米最忌干旱，其根系尚不发达，需要及时人工浇灌。在玉米生长中期，通常属于夏季，此时玉米植株能够抵御一定程度的干旱，只要土壤湿度处于阈值范围内即可。但夏天存在雷雨天气，伴随雷雨天气还会出现大风。大风会导致玉米植株倒伏，甚至折断。因而在中期需要注重大风灾害。在灌浆期则可能面临连阴天气，会导致灌浆不足和颗粒稀少的问题。导致产出的玉米品质太差而难以顺利出售。对于天气原因导致的授粉不足问题，通常通过人工进行授粉能解决，因而目前授粉问题基本不会带来明显的减产问题。
通过在玉米种植区30设置若干个温湿度传感器、土壤温湿度传感器232、土壤酸碱度传感器233、风速传感器234和光照传感器235，分别获得空气的温湿度情况，以判断玉米种植区30是否经历的过高的高温灾害，土壤温湿度传感器232能够辅助判断高温灾害，还能够判断玉米是否经历干旱灾害。土壤酸碱度则能够判断玉米在经历水涝灾害时，其根系是否发生腐烂以及化肥是否施加过多等会导致玉米成长严重受影响的问题。玉米的气根抗涝能力较强，一般不会发生腐烂。风速传感器234则能够判断玉米是否经历大风灾害。光照传感器235能够在灌浆期判断玉米是否经历连阴天气，对于连阴导致的严重减产问题，进行理赔判定。
若判定需要进行理赔，则根据保单显示的理赔额度，赔付农户稍与玉米种植成本相当的金额，提高农户抵抗农业灾害的能力。
以上所述的实施例只是本发明的一种较佳的方案，并非对本发明作任何形式上的限制，在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。
Claims (10)
1.一种基于区块链的农业保险理赔判定***，其特征在于，
包括若干个数据采集器和理赔服务器，若干个投保的种植区接入一个数据采集器，所述数据采集器包括若干个环境监测模块、数据同步模块、数据存储模块和数据存证模块，所述环境监测模块包括若干个设置在农户种植区附近的环境数据监测传感器，所述数据同步模块与气象部门同步数据，获取气象数据，所述数据存储模块为接入的农户种植区建立标识，并将种植区对应的环境数据和气象数据关联标识存储，所述数据存证模块周期性将数据存储模块的数据提取哈希值，将所述哈希值上传到区块链存储，当所述理赔服务器收到农户的理赔请求时，所述理赔服务器将种植区对应农作物的生长模型下发给数据采集器，所述生长模型调取种植区对应的环境数据和气象数据，得出模型产量，若模型产量低于预设阈值，则通知理赔服务器进入理赔程序，反之，则通知理赔服务器不予出险。
2.根据权利要求1所述的一种基于区块链的农业保险理赔判定***，其特征在于，
所述数据存储模块为每个种植区开设顺序存储空间，并将种植区对应的环境数据和气象数据紧密的存入所述顺序存储空间，所述数据存储模块以第一周期在顺序存储空间建立存证点，提取两个存证点之间的数据的哈希值，并将所述哈希值存入所述存证点并提交给所述数据存证模块，所述数据存储模块以第二周期将最新的两个存证点之间的数据打包为数据包，并将数据包关联种植区的标识和时间戳后提交给理赔服务器存储，
所述数据存证模块为每个种植区标识建立哈希值表和初始的关联哈希值，将数据存储模块提交的哈希值存入所述哈希值表，将哈希值表中最新的哈希值和关联哈希值一起提取哈希值，作为新的关联哈希值并存入哈希值表，所述数据存证模块将关联哈希值与种植区标识和时间戳关联后，发送给理赔服务器存储，所述数据存证模块以第三周期将最新的关联哈希值与种植区标识和时间戳关联后，上传到区块链存储。
3.根据权利要求2所述的一种基于区块链的农业保险理赔判定***，其特征在于，
所述数据存证模块在第一周期结束时，将接入的每个种植区对应的关联哈希值的指定位取出，获得若干个N位数，将若干个所述N位数调整顺序，获得使得N位数一起提取的哈希值取值最小的排列顺序。
4.根据权利要求2或3所述的一种基于区块链的农业保险理赔判定***，其特征在于，
若干个所述数据采集器之间建立通信连接，在第一周期结束时，所述数据采集器的数据存证模块将其接入的每个种植区对应的关联哈希值一起提取哈希值，作为周期哈希值，取周期哈希值的指定M位，将若干个所述数据采集器取出的M位数进行任意排序，获得使排序后的M位书一起提取的哈希值取值最小。
5.根据权利要求2或3所述的一种基于区块链的农业保险理赔判定***，其特征在于，
所述数据存储模块设有备份存储区域，所述备份存储区域包括若干个线性备份区域，线性备份区域与顺序存储空间一一对应，所述线性备份区域具有编号，当所述顺序存储空间产生新的存证点时，所述线性备份区域同步产生标识点，将最新的两个存证点之间的数据备份到对应的线性备份区域的最新的两个标识点之间，将最新的两个标识点之间的数据按预设大小打散为子数据，若干个线性备份区域之间交换子数据，线性备份区域最新的两个标识点之间的数据与线性备份区域的编号一起提取的哈希值作为标识哈希值，子数据交换后标识哈希值的大小顺序与线性备份区域编号顺序匹配。
6.根据权利要求5所述的一种基于区块链的农业保险理赔判定***，其特征在于，
所述线性备份区域最新的标识哈希值的末尾若干位取值相同，若在预设时间内未找到使得标识哈希值的末尾若干位取值相同子数据交换方案，则进一步将子数据打散为更小的子数据，从新尝试交换，直到满足线性备份区域的标识哈希值的末尾若干位取值相同。
7.根据权利要求1至3任一项所述的一种基于区块链的农业保险理赔判定***，其特征在于，
所述环境数据监测传感器包括空气温湿度传感器、土壤温湿度传感器、土壤酸碱度传感器、风速传感器和光照传感器，所述空气温湿度传感器设置在种植区附近监测种植区附近的空气温湿度，所述土壤温湿度传感器和土壤酸碱度传感器均设置在种植区典型管培土壤区域内，分别监测土壤的温湿度和酸碱度，所述风速传感器监测种植区的风速，所述光照传感器监测种植区的光照强度。
8.根据权利要求7所述的一种基于区块链的农业保险理赔判定***，其特征在于，
所述理赔服务器保存有保单，所述保单记载种植区标识、农作物种类、理赔条件和理赔额度，所述保单由农户与农业保险公司线下签订生效，所述理赔条件为减产比例阈值，所述理赔额度为固定单位面积额度与种植区面积的乘积。
9.根据权利要求7所述的一种基于区块链的农业保险理赔判定***，其特征在于，
所述环境监测模块还包括大棚数据同步模块，所述大棚数据同步模块与种植大棚的控制器连接，获得种植大棚的棚内环境数据和大棚控制数据，所述棚内环境数据包括棚内空气温湿度、棚内土壤温湿度、棚内土壤酸碱度、棚内CO2浓度、棚内光照强度和棚内图像，所述大棚控制数据包括大棚控制器发出的控制指令，
所述数据存储模块为种植大棚分配有大棚标识，所述数据存储模块将棚内环境数据与大棚标识关联存储，所述数据存证模块将棚内环境数据通过区块链进行存证，
所述理赔服务器保存有针对种植大棚的保单，当种植大棚的户主向所述理赔服务器请求理赔时，所述理赔服务器将农作物生长模型和大棚管控模型下发数据采集器，所述农作物生长模型调集棚内环境数据，获得农作物模型产量，若农作物模型产量低于预设阈值，则进入理赔程序，反之，则执行大棚管控模型，所述大棚管控模型调集大棚控制数据和棚内环境数据，判断控制指令与棚内环境数据变化是否匹配，若与棚内环境数据变化不匹配的控制指令超过预设阈值，则进入理赔程序，反之，则通知理赔服务器不予出险。
10.根据权利要求9所述的一种基于区块链的农业保险理赔判定***，其特征在于，
所述棚内环境数据包括图像数据，所述大棚管控模型获得与棚内环境数据变化不匹配的控制指令时，截取所述控制指令时间前后对应的图像数据片段，将所述的控制指令及图像数据片段打包发送给所述理赔服务器备查。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110733521.8A CN113469824B (zh) | 2021-06-30 | 2021-06-30 | 一种基于区块链的农业保险理赔判定*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110733521.8A CN113469824B (zh) | 2021-06-30 | 2021-06-30 | 一种基于区块链的农业保险理赔判定*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113469824A true CN113469824A (zh) | 2021-10-01 |
| CN113469824B CN113469824B (zh) | 2024-02-27 |
Family
ID=77874147
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110733521.8A Active CN113469824B (zh) | 2021-06-30 | 2021-06-30 | 一种基于区块链的农业保险理赔判定*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113469824B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117314125A (zh) * | 2023-11-28 | 2023-12-29 | 中农国稷科技发展有限公司 | 一种农业种植中的风险监控方法、***、设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109584082A (zh) * | 2018-09-17 | 2019-04-05 | 平安科技（深圳）有限公司 | 基于区块链的保险理赔方法、电子装置及存储介质 |
| CN109729168A (zh) * | 2018-12-31 | 2019-05-07 | 浙江成功软件开发有限公司 | 一种基于区块链的数据共享交换***及方法 |
| US20190332921A1 (en) * | 2018-04-13 | 2019-10-31 | Vosai, Inc. | Decentralized storage structures and methods for artificial intelligence systems |
| CN110969447A (zh) * | 2019-11-25 | 2020-04-07 | 江苏省农业科学院 | 一种基于区块链技术的产品深度溯源*** |
| US20200143352A1 (en) * | 2018-11-01 | 2020-05-07 | Clinton Taylor | System for providing a peer-to-peer behavioral data exchange in a decentralized marketplace |
| CN111507709A (zh) * | 2020-03-25 | 2020-08-07 | 农业农村部农药检定所(国际食品法典农药残留委员会秘书处) | 一种数据溯源*** |
-
2021
- 2021-06-30 CN CN202110733521.8A patent/CN113469824B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190332921A1 (en) * | 2018-04-13 | 2019-10-31 | Vosai, Inc. | Decentralized storage structures and methods for artificial intelligence systems |
| CN109584082A (zh) * | 2018-09-17 | 2019-04-05 | 平安科技（深圳）有限公司 | 基于区块链的保险理赔方法、电子装置及存储介质 |
| US20200143352A1 (en) * | 2018-11-01 | 2020-05-07 | Clinton Taylor | System for providing a peer-to-peer behavioral data exchange in a decentralized marketplace |
| CN109729168A (zh) * | 2018-12-31 | 2019-05-07 | 浙江成功软件开发有限公司 | 一种基于区块链的数据共享交换***及方法 |
| CN110969447A (zh) * | 2019-11-25 | 2020-04-07 | 江苏省农业科学院 | 一种基于区块链技术的产品深度溯源*** |
| CN111507709A (zh) * | 2020-03-25 | 2020-08-07 | 农业农村部农药检定所(国际食品法典农药残留委员会秘书处) | 一种数据溯源*** |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117314125A (zh) * | 2023-11-28 | 2023-12-29 | 中农国稷科技发展有限公司 | 一种农业种植中的风险监控方法、***、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113469824B (zh) | 2024-02-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Coops et al. | A process-based approach to estimate lodgepole pine (Pinus contorta Dougl.) distribution in the Pacific Northwest under climate change | |
| Walsh et al. | Bioenergy crop production in the United States: potential quantities, land use changes, and economic impacts on the agricultural sector | |
| CN112215716A (zh) | 农作物生长干预方法、装置、设备及存储介质 | |
| CN111260241B (zh) | 一种指数型农业保险产品设计方法及其产品 | |
| Li et al. | Effects of climate variability and change on Chinese agriculture: a review | |
| CN107103395B (zh) | 一种农作物虫害短期预警方法 | |
| CN113469823B (zh) | 一种基于区块链的农业保险平台 | |
| Tingem et al. | Climate variability and maize production in Cameroon: simulating the effects of extreme dry and wet years | |
| Desjardins et al. | The contribution of agriculture to the state of climate: workshop summary and recommendations | |
| CN113469800B (zh) | 一种基于区块链的农业信贷*** | |
| CN113469824A (zh) | 一种基于区块链的农业保险理赔判定*** | |
| CN115205695A (zh) | 一种根据种植数据确定种植策略的方法和*** | |
| White et al. | Forest expansion in Scotland and its potential effects on black grouse Tetrao tetrix conservation | |
| Gu et al. | Identifying grasslands suitable for cellulosic feedstock crops in the Greater Platte River Basin: dynamic modeling of ecosystem performance with 250 m eMODIS | |
| Persson et al. | Determining the impact of climate and soil variability on switchgrass (Panicum virgatum L.) production in the south‐eastern USA; a simulation study | |
| Eady | Greenhouse gas emissions from the cultivation of canola oilseed in Australia | |
| Hewitt et al. | Impacts and trade-offs of future land use and land cover change in Scotland: spatial simulation modelling of shared socioeconomic pathways (SSPs) at regional scales | |
| Garrido et al. | Climate change and crop adaptation in Spain: consistency of regional climate models | |
| CN110956322B (zh) | 气候变暖趋势下的夏玉米花期高温灾害风险预测方法 | |
| Christ et al. | Predicting heat stress in cotton using probabilistic canopy temperature forecasts | |
| Hatfield | Climate impacts on agriculture in the United States: The value of past observations | |
| YAZDANPANAH et al. | Forecasting different phenological phases of apple using artificial neural network | |
| Schwab et al. | Modeling the timber supply impact of introducing weevil-resistant spruce in British Columbia with cellular automata | |
| Diona et al. | Application of rapid climate decision analysis support tool in assessing climate-sensitive farming decisions in Calapan and Gloria, Oriental Mindoro, Philippines | |
| CN113377727B (zh) | 基于区块链的农业数据共享*** |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |