CN112163961A - 基于区块链的宠物医疗理赔方法、系统、设备、可读存储介质 - Google Patents
基于区块链的宠物医疗理赔方法、系统、设备、可读存储介质 Download PDFInfo
- Publication number
- CN112163961A CN112163961A CN202010902587.0A CN202010902587A CN112163961A CN 112163961 A CN112163961 A CN 112163961A CN 202010902587 A CN202010902587 A CN 202010902587A CN 112163961 A CN112163961 A CN 112163961A
- Authority
- CN
- China
- Prior art keywords
- pet
- information
- block chain
- settlement
- image
- 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 43
- 241001465754 Metazoa Species 0.000 claims description 58
- 238000004422 calculation algorithm Methods 0.000 claims description 26
- 238000013135 deep learning Methods 0.000 claims description 23
- 238000012549 training Methods 0.000 claims description 21
- 238000012360 testing method Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 12
- 238000002790 cross-validation Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 5
- 238000003745 diagnosis Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 5
- 238000009533 lab test Methods 0.000 claims description 5
- 244000144972 livestock Species 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000003975 animal breeding Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000035479 physiological effects, processes and functions Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012797 qualification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000009467 reduction Effects 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
- 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
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
Abstract
本发明提供一种基于区块链的宠物医疗理赔方法、系统、设备、可读存储介质,方法包括步骤如下:获取宠物的鼻纹图像及生理信息;利用鼻纹图像识别模型对鼻纹图像进行图像识别,并编码生成唯一编号,将该唯一编号作为身份信息;将得到的身份信息、生理信息、就诊信息写入区块链网络中,形成该宠物的ID及初步的生理信息,并存储在区块链网络中的存储节点;判断是否发生理赔;将理赔结果在所述的区块链网络中进行广播,使得所述的区块链存储节点存储所述的理赔结果,其中所述的理赔结果包括理赔金额,宠物的身份信息;其中理赔金额根据区块链智能合约计算得到。本发明能对宠物的既往病史进行保存且不容易篡改,操作简单,能大大的减少被骗保的问题。
Description
技术领域
本发明涉及宠物医疗理赔技术领域,更具体地,涉及一种基于区块链的宠物医疗理赔方法、系统、设备、可读存储介质。
背景技术
目前,在动物保险行业,动物保险公司免责规定:不承担购买之前已有的疾病或伤害造成的损失。而由于动物过往病史材料存在丢失的风险,且有些疾病难以在规定的一段时间内被发现,从而动物保险公司对被保险动物健康状态及过往病史难以进行追踪与判定。
中国专利公开号:CN107229947A,公开日:2017.10.03,公开了一种基于动物识别的金融保险方法及系统,其中方法包括如下步骤:签订投保协议后,采集并获取投保牲畜图像;构建神经网络模型,利用投保牲畜图像集对神经网络模型进行训练,得到图像特征识别模型;接收待识别牲畜的图像,并输入至图像特征识别模型,通过计算待识别牲畜与投保牲畜的相似度以便判断待识别牲畜是否为投保牲畜,是则根据投保协议进行理赔。
但是,由于对动物身份识别和动物既往病史了解的缺失,让动物在就诊过程中不得不接受更多繁琐的检查,更有些动物被错判了疾病,导致动物医疗事故,这大大增加了动物保险公司赔付的难度。
同时绝大部分的宠物主对宠物购入前的信息都不大了解,基本是通过宠物店或宠物机构的电子文档和票据的记录了解得知。这就使得宠物的信息不全,这让我们在购入或领养宠物时心存疑虑。对信息的透明度及可靠度是现时人们普遍所希望看到。
发明内容
本发明为解决现有技术由于宠物既往病史缺失,信息容易篡改,存在骗保的问题,提供了一种基于区块链的宠物医疗理赔方法、系统、设备、可读存储介质,其能对宠物的既往病史进行保存且不容易篡改,操作简单,能大大的减少被骗保的问题。
为解决上述技术问题,本发明的技术方案如下:一种基于区块链的宠物医疗理赔方法,所述方法包括步骤如下:
S1:获取宠物的鼻纹图像及生理信息;
S2:利用鼻纹图像识别模型对鼻纹图像进行图像识别,并对鼻纹图像进行编码生成唯一编号,将该唯一编号作为身份信息;
S3:将得到的身份信息、生理信息、就诊信息写入区块链网络中,形成该宠物的ID及初步的生理信息,并存储在区块链网络中的存储节点;
S4:根据宠物的身份信息、生理信息、就诊信息判断是否发生理赔;
S5:将理赔结果在所述的区块链网络中进行广播,使得所述的区块链存储节点存储所述的理赔结果,其中所述的理赔结果包括理赔金额,宠物的身份信息;其中理赔金额根据区块链智能合约计算得到。
优先地,所述的生理信息包括品种、颜色、出生时间信息、出生地信息、性别。
优先地,步骤S2,所述图像识别模型的构建具体如下:
F1:收集待识别的宠物的鼻纹图像,将其分为训练集,交叉验证集和测试集;
F2:将训练集作为图像识别模型的输入,使用深度学习算法进行学习,并使用交叉验证集来实时评估深度学习算法的训练效果,当所述的深度学习算法收敛时,停止训练,保存最优的参数,完成初步的图像识别模型的构建;
F3:使用测试集测试图像识别模型的查准率和查全率,当查准率和查全率高于阈值时,完成最终的图像识别模型的构建;否则进入步骤F2。
进一步地,所述的深度学习算法采用LeNet、或VGG、或ResNet。
优先地,步骤S3,具体将得到宠物的身份信息、生理信息进行哈希计算得到宠物身份证的哈希值,之后将动物身份证的哈希值保存到区块链中。
优先地,每个宠物动物对应唯一编号,所述存储节点将每个宠物的生理参数与该宠物的唯一编号关联存储。
优先地,所述的就诊信息包括化验单、费用详单、就诊照片、病例诊断结果。
本发明基于所述的区块链的宠物医疗理赔方法,还提出了一种基于区块链的宠物医疗理赔系统,包括
摄像模块,用于获取宠物的鼻纹图像;
输入模块,用于接收宠物生理信息、就诊信息;
图像识别模块,用于对鼻纹图像进行图像识别,并对鼻纹图像进行编码生成唯一编号;
智能理赔模块,用于判断是否发生理赔并根据区块链智能合约计算理赔金额,输出理赔结果。
本发明基于所述的区块链的宠物医疗理赔方法,还提出了一种计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述的处理器执行所述的计算机程序时,实现如所述的区块链的宠物医疗理赔方法的步骤。
本发明基于所述的区块链的宠物医疗理赔方法,还提出了一种计算机可读存储介质,其上存储有计算机程序,所述的计算机程序被处理器执行时,实现如所述的区块链的宠物医疗理赔方法的步骤。
与现有技术相比,本发明技术方案的有益效果是:
本发明通过利用图像识别模型对宠物的鼻纹图像进行识别,生成唯一的编码,作为宠物的身份信息,同时将身份信息、生理信息、就诊信息写入区块链网络中,利用区块链的不可篡改性和可溯源的功能,确保数据信息不可修改,信息透明化,且操作简单,有效的保证了减少被骗保的风险。
附图说明
图1是实施例1所述的基于区块链的宠物医疗理赔方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,仅用于示例性说明,不能理解为对本专利的限制。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
如图1所示,一种基于区块链的宠物医疗理赔方法,所述方法包括步骤如下:
步骤S1:通过动物繁殖基地、动物医院等对动物身份具有认证资格的机构获取宠物的鼻纹图像及生理信息;由于每个宠物的鼻纹信息都是唯一的,通过鼻纹的识别能确定唯一确定该宠物,因此本实施例通过获取宠物的鼻纹图像作为宠物的ID身份信息。
本实施例所述的生理信息包括品种、颜色、出生时间信息、出生地信息、性别。通过生理信息能确定宠物的基本信息。本实施例还可以获取该宠物对应的主人信息如当前或过去主人的名姓、身份证号、住址、联系方式、邮箱等。
步骤S2:利用鼻纹图像识别模型对鼻纹图像进行图像识别,并对鼻纹图像进行编码生成唯一编号,将该唯一编号作为身份信息;
在一个具体的实施例中,步骤S2,所述图像识别模型的构建具体如下:
F1:收集待识别的宠物的鼻纹图像,将其分为训练集,交叉验证集和测试集;
F2:将训练集作为图像识别模型的输入,使用深度学习算法进行学习,并使用交叉验证集来实时评估深度学习算法的训练效果,当所述的深度学习算法收敛时,停止训练,保存最优的参数,完成初步的图像识别模型的构建;
F3:使用测试集测试图像识别模型的查准率和查全率,当查准率和查全率高于阈值时,完成最终的图像识别模型的构建;否则进入步骤F2。
在一个具体的实施例中,所述的深度学习算法可以采用LeNet、VGG、ResNet其中一种进行深度学习。
在图像识别模型中,图像识别模型在识别后会对所识别宠物进行编码生成一串数字。由于每只宠物的鼻纹图像都是唯一的,因此上述图像识别模型的数据库中带有每一只动物所独有的一串数字,将这一串数字作为动物的身份信息。
S3:将得到的身份信息、生理信息、就诊信息写入区块链网络中,形成该宠物的ID及初步的生理信息,并存储在区块链网络中的存储节点;
具体地,将动物身份信息、生理信息、就诊信息三大要素作为动物身份证。将动物身份证进行哈希计算得到动物“身份证”的哈希值,之后将动物“身份证”的哈希值保存到区块链中。哈希算法是区块链能计算出一个数字消息所对应到的长度固定的字符串的算法,且若输入的消息不同,它们对应到不同字符串的机率很高。区块链的哈希值能够唯一而精准地标识一个区块,区块链中任意节点通过简单的哈希计算都接获得这个区块的哈希值,计算出的哈希值没有变化也就意味着区块链中的信息没有被篡改。
在一个具体的实施例中,将上述宠物的“身份证”存储在区块链网络中的存储节点中,其中,每个宠物对应唯一编号,上述存储节点将每个上述动物的特征参数与该动物的唯一编号关联存储。基于区块链的信息的分布式存储,数据信息不可修改,信息透明化。
在一个具体的实施例中,所述的就诊信息包括化验单、费用详单、就诊照片、病例诊断结果。
步骤S4:根据宠物的身份信息、生理信息、就诊信息与参保理赔信息进行对比,判断是否发生理赔。
动物医疗机构或金融保险公司可使用上述有图像识别模型部署的移动设备对宠物鼻纹等特征进行采集,通过判断该宠物是否为投保宠物。随后将被保动物的身份证上传到区块链平台中,利用区块链的溯源功能,获取宠物的生理、就诊信息等此前有关该就诊动物的信息。根据理赔方案以及理赔的标准判断是否发生理赔。
步骤S5:将理赔结果在所述的区块链网络中进行广播,使得所述的区块链存储节点存储所述的理赔结果,其中所述的理赔结果包括理赔金额,宠物的身份信息;其中理赔金额根据区块链智能合约计算得到。
实施例2
基于实施例1所述的区块链的宠物医疗理赔方法,还提出了一种基于区块链的宠物医疗理赔系统,包括
摄像模块,用于获取宠物的鼻纹图像;
输入模块,用于接收宠物生理信息、就诊信息;
图像识别模块,用于对鼻纹图像进行图像识别,并对鼻纹图像进行编码生成唯一编号;
智能理赔模块,用于判断是否发生理赔并根据区块链智能合约计算理赔金额,输出理赔结果。
其中所述的图像识别模块包括用于进行鼻纹图像识别的子模块,用于将鼻纹图像信息生成编码的编码生成模块;
所述的智能理赔模块包括用于判断是否发生理赔的判断模块、根据区块链智能合约计算理赔金额的计算模块。
实施例3
本实施例基于所述的区块链的宠物医疗理赔方法,还提出了一种计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述的处理器执行所述的计算机程序时,实现区块链的宠物医疗理赔方法,所述的方法步骤如下:
步骤S1:通过动物繁殖基地、动物医院等对动物身份具有认证资格的机构获取宠物的鼻纹图像及生理信息;由于每个宠物的鼻纹信息都是唯一的,通过鼻纹的识别能确定唯一确定该宠物,因此本实施例通过获取宠物的鼻纹图像作为宠物的ID身份信息。
本实施例所述的生理信息包括品种、颜色、出生时间信息、出生地信息、性别。通过生理信息能确定宠物的基本信息。本实施例还可以获取该宠物对应的主人信息如当前或过去主人的名姓、身份证号、住址、联系方式、邮箱等。
步骤S2:利用鼻纹图像识别模型对鼻纹图像进行图像识别,并对鼻纹图像进行编码生成唯一编号,将该唯一编号作为身份信息;
在一个具体的实施例中,步骤S2,所述图像识别模型的构建具体如下:
F1:收集待识别的宠物的鼻纹图像,将其分为训练集,交叉验证集和测试集;
F2:将训练集作为图像识别模型的输入,使用深度学习算法进行学习,并使用交叉验证集来实时评估深度学习算法的训练效果,当所述的深度学习算法收敛时,停止训练,保存最优的参数,完成初步的图像识别模型的构建;
F3:使用测试集测试图像识别模型的查准率和查全率,当查准率和查全率高于阈值时,完成最终的图像识别模型的构建;否则进入步骤F2。
在一个具体的实施例中,所述的深度学习算法可以采用LeNet、VGG、ResNet其中一种进行深度学习。
在图像识别模型中,图像识别模型在识别后会对所识别宠物进行编码生成一串数字。由于每只宠物的鼻纹图像都是唯一的,因此上述图像识别模型的数据库中带有每一只动物所独有的一串数字,将这一串数字作为动物的身份信息。
S3:将得到的身份信息、生理信息、就诊信息写入区块链网络中,形成该宠物的ID及初步的生理信息,并存储在区块链网络中的存储节点;
具体地,将动物身份信息、生理信息、就诊信息三大要素作为动物身份证。将动物身份证进行哈希计算得到动物“身份证”的哈希值,之后将动物“身份证”的哈希值保存到区块链中。哈希算法是区块链能计算出一个数字消息所对应到的长度固定的字符串的算法,且若输入的消息不同,它们对应到不同字符串的机率很高。区块链的哈希值能够唯一而精准地标识一个区块,区块链中任意节点通过简单的哈希计算都接获得这个区块的哈希值,计算出的哈希值没有变化也就意味着区块链中的信息没有被篡改。
在一个具体的实施例中,将上述宠物的“身份证”存储在区块链网络中的存储节点中,其中,每个宠物对应唯一编号,上述存储节点将每个上述动物的特征参数与该动物的唯一编号关联存储。基于区块链的信息的分布式存储,数据信息不可修改,信息透明化。
在一个具体的实施例中,所述的就诊信息包括化验单、费用详单、就诊照片、病例诊断结果。
步骤S4:根据宠物的身份信息、生理信息、就诊信息与参保理赔信息进行对比,判断是否发生理赔。
动物医疗机构或金融保险公司可使用上述有图像识别模型部署的移动设备对宠物鼻纹等特征进行采集,通过判断该宠物是否为投保宠物。随后将被保动物的身份证上传到区块链平台中,利用区块链的溯源功能,获取宠物的生理、就诊信息等此前有关该就诊动物的信息。根据理赔方案以及理赔的标准判断是否发生理赔。
步骤S5:将理赔结果在所述的区块链网络中进行广播,使得所述的区块链存储节点存储所述的理赔结果,其中所述的理赔结果包括理赔金额,宠物的身份信息;其中理赔金额根据区块链智能合约计算得到。
实施例4
本实施例基于所述的区块链的宠物医疗理赔方法,还提出了一种计算机可读存储介质,其上存储有计算机程序,所述的计算机程序被处理器执行时,实现基于块链的宠物医疗理赔方法,所述的方法的步骤如下:
步骤S1:通过动物繁殖基地、动物医院等对动物身份具有认证资格的机构获取宠物的鼻纹图像及生理信息;由于每个宠物的鼻纹信息都是唯一的,通过鼻纹的识别能确定唯一确定该宠物,因此本实施例通过获取宠物的鼻纹图像作为宠物的ID身份信息。
本实施例所述的生理信息包括品种、颜色、出生时间信息、出生地信息、性别。通过生理信息能确定宠物的基本信息。本实施例还可以获取该宠物对应的主人信息如当前或过去主人的名姓、身份证号、住址、联系方式、邮箱等。
步骤S2:利用鼻纹图像识别模型对鼻纹图像进行图像识别,并对鼻纹图像进行编码生成唯一编号,将该唯一编号作为身份信息;
在一个具体的实施例中,步骤S2,所述图像识别模型的构建具体如下:
F1:收集待识别的宠物的鼻纹图像,将其分为训练集,交叉验证集和测试集;
F2:将训练集作为图像识别模型的输入,使用深度学习算法进行学习,并使用交叉验证集来实时评估深度学习算法的训练效果,当所述的深度学习算法收敛时,停止训练,保存最优的参数,完成初步的图像识别模型的构建;
F3:使用测试集测试图像识别模型的查准率和查全率,当查准率和查全率高于阈值时,完成最终的图像识别模型的构建;否则进入步骤F2。
在一个具体的实施例中,所述的深度学习算法可以采用LeNet、VGG、ResNet其中一种进行深度学习。
在图像识别模型中,图像识别模型在识别后会对所识别宠物进行编码生成一串数字。由于每只宠物的鼻纹图像都是唯一的,因此上述图像识别模型的数据库中带有每一只动物所独有的一串数字,将这一串数字作为动物的身份信息。
S3:将得到的身份信息、生理信息、就诊信息写入区块链网络中,形成该宠物的ID及初步的生理信息,并存储在区块链网络中的存储节点;
具体地,将动物身份信息、生理信息、就诊信息三大要素作为动物身份证。将动物身份证进行哈希计算得到动物“身份证”的哈希值,之后将动物“身份证”的哈希值保存到区块链中。哈希算法是区块链能计算出一个数字消息所对应到的长度固定的字符串的算法,且若输入的消息不同,它们对应到不同字符串的机率很高。区块链的哈希值能够唯一而精准地标识一个区块,区块链中任意节点通过简单的哈希计算都接获得这个区块的哈希值,计算出的哈希值没有变化也就意味着区块链中的信息没有被篡改。
在一个具体的实施例中,将上述宠物的“身份证”存储在区块链网络中的存储节点中,其中,每个宠物对应唯一编号,上述存储节点将每个上述动物的特征参数与该动物的唯一编号关联存储。基于区块链的信息的分布式存储,数据信息不可修改,信息透明化。
在一个具体的实施例中,所述的就诊信息包括化验单、费用详单、就诊照片、病例诊断结果。
步骤S4:根据宠物的身份信息、生理信息、就诊信息与参保理赔信息进行对比,判断是否发生理赔。
动物医疗机构或金融保险公司可使用上述有图像识别模型部署的移动设备对宠物鼻纹等特征进行采集,通过判断该宠物是否为投保宠物。随后将被保动物的身份证上传到区块链平台中,利用区块链的溯源功能,获取宠物的生理、就诊信息等此前有关该就诊动物的信息。根据理赔方案以及理赔的标准判断是否发生理赔。
步骤S5:将理赔结果在所述的区块链网络中进行广播,使得所述的区块链存储节点存储所述的理赔结果,其中所述的理赔结果包括理赔金额,宠物的身份信息;其中理赔金额根据区块链智能合约计算得到。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”,“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
Claims (10)
1.一种基于区块链的宠物医疗理赔方法,其特征在于:所述方法包括步骤如下:
S1:获取宠物的鼻纹图像及生理信息;
S2:利用鼻纹图像识别模型对鼻纹图像进行图像识别,并对鼻纹图像进行编码生成唯一编号,将该唯一编号作为身份信息;
S3:将得到的身份信息、生理信息、就诊信息写入区块链网络中,形成该宠物的ID及初步的生理信息,并存储在区块链网络中的存储节点;
S4:根据宠物的身份信息、生理信息、就诊信息判断是否发生理赔;
S5:将理赔结果在所述的区块链网络中进行广播,使得所述的区块链存储节点存储所述的理赔结果,其中所述的理赔结果包括理赔金额,宠物的身份信息;其中理赔金额根据区块链智能合约计算得到。
2.根据权利要求2所述的基于区块链的宠物医疗理赔方法,其特征在于:所述的生理信息包括品种、颜色、出生时间信息、出生地信息、性别。
3.根据权利要求1所述的基于区块链的宠物医疗理赔方法,其特征在于:步骤S2,所述图像识别模型的构建具体如下:
F1:收集待识别的宠物的鼻纹图像,将其分为训练集,交叉验证集和测试集;
F2:将训练集作为图像识别模型的输入,使用深度学习算法进行学习,并使用交叉验证集来实时评估深度学习算法的训练效果,当所述的深度学习算法收敛时,停止训练,保存最优的参数,完成初步的图像识别模型的构建;
F3:使用测试集测试图像识别模型的查准率和查全率,当查准率和查全率高于阈值时,完成最终的图像识别模型的构建;否则进入步骤F2。
4.根据权利要求3所述的基于区块链的宠物医疗理赔方法,其特征在于:所述的深度学习算法采用LeNet、或VGG、或ResNet。
5.根据权利要求1所述的基于区块链的宠物医疗理赔方法,其特征在于:步骤S3,具体将得到宠物的身份信息、生理信息进行哈希计算得到宠物身份证的哈希值,之后将动物身份证的哈希值保存到区块链中。
6.根据权利要求1所述的基于区块链的宠物医疗理赔方法,其特征在于:每个宠物动物对应唯一编号,所述存储节点将每个宠物的生理参数与该宠物的唯一编号关联存储。
7.根据权利要求1所述的基于区块链的宠物医疗理赔方法,其特征在于:所述的就诊信息包括化验单、费用详单、就诊照片、病例诊断结果。
8.一种基于权利要求1~7任一项所述的面部识别防伪区块链的宠物医疗理赔系统,其特征在于:包括
摄像模块,用于获取宠物的鼻纹图像;
输入模块,用于接收宠物生理信息、就诊信息;
图像识别模块,用于对鼻纹图像进行图像识别,并对鼻纹图像进行编码生成唯一编号;
智能理赔模块,用于判断是否发生理赔并根据区块链智能合约计算理赔金额,输出理赔结果。
9.一种计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于:所述的处理器执行所述的计算机程序时,实现如权利要求1~7任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述的计算机程序被处理器执行时,实现如权利要求1~7任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010902587.0A CN112163961A (zh) | 2020-09-01 | 2020-09-01 | 基于区块链的宠物医疗理赔方法、系统、设备、可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010902587.0A CN112163961A (zh) | 2020-09-01 | 2020-09-01 | 基于区块链的宠物医疗理赔方法、系统、设备、可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112163961A true CN112163961A (zh) | 2021-01-01 |
Family
ID=73858866
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010902587.0A Pending CN112163961A (zh) | 2020-09-01 | 2020-09-01 | 基于区块链的宠物医疗理赔方法、系统、设备、可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112163961A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108711108A (zh) * | 2018-05-15 | 2018-10-26 | 厦门快商通信息技术有限公司 | 一种基于区块链技术的人身保险决策支持方法及系统 |
CN109948458A (zh) * | 2019-02-25 | 2019-06-28 | 广东智媒云图科技股份有限公司 | 基于鼻纹的宠物身份识别方法、装置、设备及存储介质 |
CN110517152A (zh) * | 2019-07-05 | 2019-11-29 | 中国平安财产保险股份有限公司 | 基于区块链的动物理赔方法、系统、设备及可读存储介质 |
-
2020
- 2020-09-01 CN CN202010902587.0A patent/CN112163961A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108711108A (zh) * | 2018-05-15 | 2018-10-26 | 厦门快商通信息技术有限公司 | 一种基于区块链技术的人身保险决策支持方法及系统 |
CN109948458A (zh) * | 2019-02-25 | 2019-06-28 | 广东智媒云图科技股份有限公司 | 基于鼻纹的宠物身份识别方法、装置、设备及存储介质 |
CN110517152A (zh) * | 2019-07-05 | 2019-11-29 | 中国平安财产保险股份有限公司 | 基于区块链的动物理赔方法、系统、设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9298756B1 (en) | Read/write RFID system for animals | |
Morrison et al. | Estimating survival in photographic capture–recapture studies: overcoming misidentification error | |
CN110910976A (zh) | 病历检测方法、装置、设备和存储介质 | |
JP6734457B1 (ja) | 疾患予測システム、保険料算出システム及び疾患予測方法 | |
CN110929650B (zh) | 豢养物身份识别方法、装置、计算设备、可读存储介质 | |
US20160110512A1 (en) | Method of personalizing, individualizing, and automating the management of healthcare fraud-waste-abuse to unique individual healthcare providers | |
CN108492198A (zh) | 牲畜保险理赔方法、装置、计算机设备和存储介质 | |
CN111180065A (zh) | 保险用户评估方法、装置、电子设备及计算机可读介质 | |
CN111785384A (zh) | 基于人工智能的异常数据识别方法及相关设备 | |
KR102325259B1 (ko) | 반려동물 생애 관리 시스템 및 그 방법 | |
JP2012506595A (ja) | 家畜の処理を記録する方法 | |
CN110705528A (zh) | 身份编码方法及装置、豢养物身份编码方法及装置 | |
CN110321350B (zh) | 一种基于数据修复和主动学习验证的生存认证方法及系统 | |
JP2008269188A (ja) | ペット用保険の支援システム及び方法 | |
CN110909392A (zh) | 一种基于区块链的电子准考证核验方法及系统 | |
CN113792603A (zh) | 基于人工智能的牲畜身体识别系统及使用方法 | |
CN111831843A (zh) | 一种基于区块链的动物身份管理方法和系统 | |
CN112163961A (zh) | 基于区块链的宠物医疗理赔方法、系统、设备、可读存储介质 | |
CN110706121B (zh) | 确定医保欺诈结果的方法、装置、电子设备及存储介质 | |
CN112634017A (zh) | 远程开卡激活方法、装置、电子设备及计算机存储介质 | |
CN111709845A (zh) | 医保欺诈行为识别方法、装置、电子设备及存储介质 | |
CN115311100A (zh) | 事件处理方法、装置、设备以及存储介质 | |
Wang et al. | A method for individual identification of dairy cows based on deep learning | |
KR102303111B1 (ko) | 기계학습 기반 소프트웨어의 학습데이터 품질 평가 방법 | |
KR20220094930A (ko) | 블록체인 기반의 반려동물 보호 이력 관리 시스템 |
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 |