养殖业保险的理赔风控方法、装置、存储介质及计算机设备与流程

本申请涉及保险理赔和业务安全，尤其是涉及到一种养殖业保险的理赔风控方法、装置、存储介质及计算机设备。

背景技术：

1、养殖业保险作为分散农业生产风险、保障农户收入稳定的重要政策工具，长期以来面临“定损难、理赔慢、成本高”的行业性难题。在养殖业保险中，这一问题尤为突出。

2、一方面，养殖险的出险标的（如能繁母猪、育肥猪、羊等）死亡后需在法定时限内进行无害化处理，现场证据留存窗口极短，证据一经灭失便难以追溯，给理赔查勘定损带来天然的时效压力。另一方面，养殖险理赔中单次出险头数少、赔付金额低的案件占比极高，传统的到场查勘模式需要为每一笔小额案件专门安排查勘员往返现场，单案查勘的交通、人力与时间成本常常超过赔款金额本身，形成严重的成本倒挂。与此同时，查勘人员频繁进出养殖场所，无形中增加了例如非洲猪瘟等重大动物疫病的传播风险，对养殖生物安全构成威胁。

3、因此，迫切需要一种能够自动化、高时效的小额养殖业保险理赔风控的创新解决方案。

技术实现思路

1、有鉴于此，本申请实施例提供了一种养殖业保险的理赔风控方法、装置、存储介质及计算机设备。

2、根据本申请的一个方面，提供了一种养殖业保险的理赔风控方法，所述方法包括：

3、响应于养殖业保险理赔请求，获取所述养殖业保险理赔请求的理赔条件信息，基于所述理赔条件信息识别所述养殖业保险理赔请求是否满足快速理赔条件；

4、若满足快速理赔条件，则获取所述养殖业保险理赔请求对应的用户端现场证据数据和保单数据，调用预训练的识别模型对所述用户端现场证据数据进行预设关键信息的自动识别，得到关键信息识别数据；

5、根据所述用户端现场证据数据、所述保单数据和所述关键信息识别数据，对所述养殖业保险理赔请求进行逻辑一致性校验，并在通过逻辑一致性校验时，通过预训练的定损模型，对所述用户端现场证据数据、所述保单数据和所述关键信息识别数据执行定损分析；

6、基于定损分析结果对所述养殖业保险理赔请求进行快速理赔风控处理。

7、根据本申请的另一方面，提供了一种养殖业保险的理赔风控装置，所述装置包括：

8、判断模块，用于响应于养殖业保险理赔请求，获取所述养殖业保险理赔请求的理赔条件信息，基于所述理赔条件信息识别所述养殖业保险理赔请求是否满足快速理赔条件；

9、识别模块，用于若满足快速理赔条件，则获取所述养殖业保险理赔请求对应的用户端现场证据数据和保单数据，调用预训练的识别模型对所述用户端现场证据数据进行预设关键信息的自动识别，得到关键信息识别数据；

10、定损模块，用于根据所述用户端现场证据数据、所述保单数据和所述关键信息识别数据，对所述养殖业保险理赔请求进行逻辑一致性校验，并在通过逻辑一致性校验时，通过预训练的定损模型，对所述用户端现场证据数据、所述保单数据和所述关键信息识别数据执行定损分析；

11、执行模块，用于基于定损分析结果对所述养殖业保险理赔请求进行快速理赔风控处理。

12、依据本申请又一个方面，提供了一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述养殖业保险的理赔风控方法。

13、依据本申请再一个方面，提供了一种计算机设备，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述养殖业保险的理赔风控方法。

14、借由上述技术方案，本申请实施例提供的一种养殖业保险的理赔风控方法、装置、存储介质及计算机设备，首先响应于农户发起的养殖业保险理赔请求并获取理赔条件信息，据此识别该请求是否满足预设的快速理赔条件，仅在满足快赔条件后才获取对应的用户端现场证据数据和保单数据，并通过预训练的识别模型从现场证据中自动提取耳标号、死亡数量及标的重量等关键信息，随后基于现场证据数据、保单数据与识别出的关键信息三者之间的交叉比对进行逻辑一致性校验，在校验通过后才允许进入定损模型完成损失评估，最终根据定损分析结果确定是否执行快速理赔，实现了小额案件从报案到决策的全链条自动化处理。使符合条件的小额案件无需查勘员到场即可在证据有效采集后自动完成定损与判定，缩短了理赔周期、降低了人力成本，并减少了查勘人员进出养殖场所带来的疫病传播风险。

15、上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

1.一种养殖业保险的理赔风控方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述理赔条件信息包括农户所在地区机构、保险标的、出险数量、预赔付金额中至少一种；所述基于所述理赔条件信息识别所述养殖业保险理赔请求是否满足快速理赔条件包括以下至少之一：

3.根据权利要求1所述的方法，其特征在于，所述用户端现场证据数据包括通过用户端的相机拍摄上传的死亡标的合照、耳标照、称重照和无害化处理照片；所述预设关键信息包括死亡标的数量信息、耳标号信息和标的重量信息；所述预训练的识别模型包括预训练的耳标号光学字符识别模型、预训练的智能点数模型和预训练的智能点数模型；

4.根据权利要求3所述的方法，其特征在于，所述保单数据包括承保标的清单、承保标的初始体重数据、承保地理位置数据；所述根据所述用户端现场证据数据、所述保单数据和所述关键信息识别数据，对所述养殖业保险理赔请求进行逻辑一致性校验，包括：

5.根据权利要求4所述的方法，其特征在于，所述根据所述用户端现场证据数据、所述保单数据和所述关键信息识别数据，对所述养殖业保险理赔请求进行逻辑一致性校验，还包括以下至少一项：

6.根据权利要求3所述的方法，其特征在于，所述通过预训练的定损模型，对所述用户端现场证据数据、所述保单数据和所述关键信息识别数据执行定损分析，包括：

7.根据权利要求6所述的方法，其特征在于，所述快速理赔流程包括：

8.一种养殖业保险的理赔风控装置，其特征在于，所述装置包括：

9.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法。

10.一种计算机设备，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法。