Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 齐鲁工业大学(山东省科学院);中国太平洋财产保险股份有限公司樊飞龙获国家专利权

齐鲁工业大学(山东省科学院);中国太平洋财产保险股份有限公司樊飞龙获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉齐鲁工业大学(山东省科学院);中国太平洋财产保险股份有限公司申请的专利一种保险理赔查勘材料智能分类与自动上传的方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN120597118B

龙图腾网通过国家知识产权局官网在2026-01-06发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202511086118.5,技术领域涉及:G06F18/243;该发明授权一种保险理赔查勘材料智能分类与自动上传的方法及系统是由樊飞龙;李稚林;董安明;靳健;刘成岳;赵瑞阳;倪汝正;刘聪慧设计研发完成,并于2025-08-05向国家知识产权局提交的专利申请。

一种保险理赔查勘材料智能分类与自动上传的方法及系统在说明书摘要公布了:本申请公开了一种保险理赔查勘材料智能分类与自动上传的方法及系统,涉及保险理赔技术领域,包括:利用DOM树解析和文件流伪装技术获取理赔系统中的案件数据和图片;通过多尺度特征融合CNN结合空间注意力机制对多模态查勘材料进行分类,并采用动态阈值策略自适应调整分类结果;将分类后的材料通过并发控制算法和异常熔断机制自动上传至保险系统指定位置。自动化分类上传替代人工操作,并行处理减少等待时间,处理速度提升。多尺度特征融合CNN结合空间注意力机制对多模态查勘材料进行分类,分类准确率相比传统方法有显著提升。动态阈值机制和集成学习策略使系统能够适应新型诈骗手法导致的材料特征变化,具备良好的可扩展性。

本发明授权一种保险理赔查勘材料智能分类与自动上传的方法及系统在权利要求书中公布了:1.一种保险理赔查勘材料智能分类与自动上传的方法,其特征在于,包括: 利用DOM树解析和文件流伪装技术获取理赔系统中的案件数据和图片,包括: 实时解析在线系统网页结构,精准定位案件关联的关键字段和兼容不同系统版本差异; 捕捉页面动态更新的案件图片选中情况列表,自动触发处理流程,实时显示识别和分类情况; 将分类后的材料伪装成原生上传组件可接收的数据格式; 通过浏览器插件后台服务中转数据,突破CORS策略限制; 通过多尺度特征融合CNN结合空间注意力机制对多模态查勘材料进行分类,并采用动态阈值策略自适应调整分类结果; 所述通过多尺度特征融合CNN结合空间注意力机制对多模态查勘材料进行分类,包括: 将彩色照片转换为灰度图像,采用加权平均法计算灰度值,公式如下: ; 其中:R,G,B分别为彩色图像的红、绿、蓝通道值,Gray为对应像素点转换后的灰度值; 运用高斯滤波算法去除图像噪声,提升图像清晰度,高斯滤波基于高斯函数公式为: ; 其中:为滤波器中心坐标,为标准差,用于调控高斯函数的形状和滤波强度; 将降噪处理后的数据输入到构建的多尺度特征融合架构中实现多模态查勘材料的分类,所述多尺度特征融合架构,包括:多尺度特征提取模块、空间注意力模块、特征融合层、场景上下文特征提取模块、目标检测辅助分类模块和纹理特征增强模块; 所述多尺度特征提取模块,识别不同尺寸的目标,采用通过并行的不同尺寸卷积核对输入图像的多层次特征捕获,主要采用三路并行卷积分支,公式如下: ,1×1卷积提取全局特征; ,3×3卷积提取中尺度特征; ,3×3卷积提取局部特征; ,通道维度拼接; ,批归一化处理; 其中:表示输入特征图,维度为,表示卷积核尺度为的卷积运算,表示不同尺度的输出特征图,表示沿通道轴轴进行拼接; 所述空间注意力模块,采用双路径注意力机制,通过通道注意力机制生成通道权重,使用空间注意力路径生成空间权重图,最后进行双路径的特征重加权;公式如下: ; ; ; 其中:表示全局平均池化,表示全连接层,维度分别为,,r为压缩比,为sigmoid激活函数,为ReLU激活函数,表示注意力特征,,分别表示通道注意力权重矩阵和空间注意力权重矩阵,表示逐元素乘法,表示逐元素加法; 所述特征融合层,进行跨尺度的特征融合,将多尺度特征与注意力加权后的特征进行拼接和降维,经过注意力模块加权后的特征图,在通道维度上进行拼接,形成一个更全面的高维特征向量,紧接着使用一个1×1卷积层对该高维特征向量进行降维处理,公式如下: ; ; 其中:是特征融合后的中间表示,表示通过双线性插值下采样的输入图像,是最终用于下游任务的特征,表示修正线性单元; 所述场景上下文特征提取模块,通过预训练的VisionTransformer网络提取全局场景特征,将全局场景特征元素的类别、在画面中的面积占比、以及它们之间的空间相对位置编码成一个场景上下文特征向量; 所述目标检测辅助分类模块,采用一个预训练好的目标检测模型YOLOv5在照片中定位和识别预先定义的、与保险理赔强相关的特定对象,输出的检测框位置、对象类别以及其对应的置信度分数作为证据特征,用于精确评估车辆的受损情况,公式如下: ; ; 其中:表示第i个检测结果,表示检测头,MLP表示多层感知机,边界框坐标为,为类别概率分布,为置信度,为保留的检测框数量; 所述纹理特征增强模块,针对事故细节采用局部二值模式LBP提取图像的精细纹理特征; 将分类后的材料通过并发控制算法和异常熔断机制自动上传至保险系统指定位置。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人齐鲁工业大学(山东省科学院);中国太平洋财产保险股份有限公司,其通讯地址为:250353 山东省济南市长清区济南西部新城大学科技园;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。