【技术实现步骤摘要】
本申请涉及人工智能，尤其涉及基于图像处理的技术方案，具体涉及一种核保数据处理方法、装置、设备及存储介质。
技术介绍
1、目前，随着投保用户数量的增加，核保数据量也逐渐增加。这些核保数据一般包括用户在投保环节上传的关于自己的体检报告检查单照片，以供核保方或相关部门进行审核。
2、目前，现有技术中，在核保环节需要人工查看报告资料，并对这些资料内容进行仔细地研判，并根据核保员的经验和个人情感因素的影响，得到最终的核保结果。
3、然而，专利技术人发现，现有技术至少存在以下技术问题：受人工核保的影响，存在费时费力和核保结果准确率较低的问题。
技术实现思路
1、本申请实施例提供一种核保数据处理方法、装置、设备及存储介质，能解决核保过程中费时费力和核保结果准确率较低的问题。
2、第一方面，本申请实施例提供一种核保数据处理方法，包括：
3、获取待核保图片数据；
4、对所述待核保图片数据进行图像预处理，得到第一图片数据；
5、对所述第一图片数据进行重建处理，得到超分辨率重建图片数据；
6、对所述超分辨率重建图片数据进行手工特征提取处理，得到噪点数据；
7、将所述超分辨率重建图片数据和所述噪点数据输入预训练卷积神经网络，得到风险识别数据；
8、对所述超分辨率重建图片数据进行文字提取处理，得到文本数据；
9、对所述文本数据进行文本特征提取处理，得到多个用户特征数据集；
10
11、获取预训练关联规则，并根据预训练关联规则和所述多个用户特征数据集，确定所述待核保图片数据对应的目标关联度分数；
12、根据所述目标关联度分数、所述风险识别数据和所述相似历史核保件，确定核保预测报告。
13、在一种可能的实现方式中，所述对所述待核保图片数据进行图像预处理，得到第一图片数据，包括：对所述待核保图片数据进行区域划分处理，得到切割无效拍摄背景后的初步图片数据；对所述初步图片数据进行旋转缩放处理，得到满足预设图片条件的第一图片数据。
14、在一种可能的实现方式中，所述对所述待核保图片数据进行区域划分处理，包括：采用k-means聚类算法对所述待核保图片数据进行区域划分。
15、在一种可能的实现方式中，所述对所述第一图片数据进行重建处理，得到超分辨率重建图片数据，包括：采用双线性插值算法对所述第一图片数据进行超分辨率重建，得到超分辨率重建图片数据。
16、在一种可能的实现方式中，所述获取预训练关联规则，包括：对预存历史用户特征数据使用关联规则分析算法进行分析处理，得到各用户特征集的关联度；对所有关联度进行排序，并确定关联度满足预设排名条件的用户特征集为目标特征集；根据每个目标特征集和每个目标特征集的关联度，确定每个目标特征集的特征集权重；将所述预存历史核保决定和每个目标特征集的特征集权重之间的对应关系确定为预训练关联规则。
17、在一种可能的实现方式中，所述预存历史核保决定包括多个核保决定；相应地，所述根据预训练关联规则和所述多个用户特征数据集，确定所述待核保图片数据对应的目标关联度分数，包括：将每个用户特征数据集与所述预训练关联规则中的目标特征集进行匹配，得到匹配置数，并根据所述匹配置数和所述预训练关联规则中的目标特征集对应的特征集权重，确定一个核保决定对应的核保得分；将所有核保得分之和确定为目标关联度得分。
18、在一种可能的实现方式中，所述根据所述目标关联度分数、所述风险识别数据和所述相似历史核保件，确定核保预测报告，包括：根据所述目标关联度得分，确定每个核保决定对应的核保得分在目标关联度得分中所占的比例数据；根据所述比例数据，确定每个核保决定对应的预测概率数据；根据所有核保决定对应的预测概率数据、所述相似历史核保件和所述风险识别数据，确定核保预测报告。
19、在一种可能的实现方式中，还包括：将所述风险识别数据进行展示处理；将所述相似历史核保件进行展示处理；将所述用户特征数据集存入预设数据库中。
20、第二方面，本申请实施例提供一种核保数据处理装置，包括：
21、获取模块，用于获取待核保图片数据；
22、图像优化模块，用于对所述待核保图片数据进行图像预处理，得到第一图片数据；
23、所述图像优化模块，还用于对所述第一图片数据进行重建处理，得到超分辨率重建图片数据；
24、风险识别模块，用于对所述超分辨率重建图片数据进行手工特征提取处理，得到噪点数据；
25、所述风险识别模块，用于将所述超分辨率重建图片数据和所述噪点数据输入预训练卷积神经网络，得到风险识别数据；
26、历史核保件推荐模块，用于对所述超分辨率重建图片数据进行文字提取处理，得到文本数据；
27、所述历史核保件推荐模块，还用于对所述文本数据进行文本特征提取处理，得到多个用户特征数据集；
28、所述历史核保件推荐模块，还用于将所述超分辨率重建图片数据与预设数据库中的历史体检图像进行聚类处理，得到相似历史核保件；
29、核保决定预测模块，用于获取预训练关联规则，并根据预训练关联规则和所述多个用户特征数据集，确定所述待核保图片数据对应的目标关联度分数；
30、核保决定预测模块，还用于根据所述目标关联度分数、所述风险识别数据和所述相似历史核保件，确定核保预测报告。
31、第三方面，本申请实施例提供了一种服务器，包括：至少一个处理器和存储器；
32、所述存储器存储计算机执行指令；
33、所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如上述第一方面描述的核保数据处理方法。
34、第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机一项所执行指令，当处理器执行所述计算机执行指令时，实现如上述第一方面描述的核保数据处理方法。
35、本申请实施例提供的核保数据处理方法、装置、设备及存储介质，先通过对待核保图片数据进行图像预处理，得到第一图片数据，再对第一图片数据进行重建处理，得到超分辨率重建图片数据。然后对超分辨率重建图片数据进行手工特征提取处理，得到可能经过手工修改的图片的噪点数据。再将噪点数据和超分辨率重建图片数据输入预训练卷积神经网络，得到风险识别数据。对超分辨率重建图片数据进行文字提取处理，得到文本数据。然后对文本数据进行文本特征提取处理，得到多个用户特征数据集，再将超分辨率重建图片数据与预设数据库中的历史体检图像进行聚类处理，得到相似历史核保件。获取预训练关联规则，并根据预训练关联规则和多个用户特征数据集，确定待核保图片数据对应的目标关联度分数。最后根据目标关联度分数、相似历史核保件和风险识别数据，确定核保预测报告。本文档来自技高网...
【技术保护点】
1.一种核保数据处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述待核保图片数据进行图像预处理，得到第一图片数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述待核保图片数据进行区域划分处理，包括：
4.根据权利要求1所述的方法，其特征在于，所述对所述第一图片数据进行重建处理，得到超分辨率重建图片数据，包括：
5.根据权利要求1所述的方法，其特征在于，所述获取预训练关联规则，包括：
6.根据权利要求5所述的方法，其特征在于，所述预存历史核保决定包括多个核保决定；
7.根据权利要求6所述的方法，其特征在于，所述根据所述目标关联度分数、所述风险识别数据和所述相似历史核保件，确定核保预测报告，包括：
8.根据权利要求1至7中任一项所述的方法，其特征在于，还包括：
9.一种核保数据处理装置，其特征在于，包括：
10.一种核保数据处理设备，其特征在于，包括：至少一个处理器和存储器；
11.一种计算机可读存储介质，其特征在于，所
...【技术特征摘要】
1.一种核保数据处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述待核保图片数据进行图像预处理，得到第一图片数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述待核保图片数据进行区域划分处理，包括：
4.根据权利要求1所述的方法，其特征在于，所述对所述第一图片数据进行重建处理，得到超分辨率重建图片数据，包括：
5.根据权利要求1所述的方法，其特征在于，所述获取预训练关联规则，包括：
6.根据权利要求5所述的方法，其特征在于，所述预存历史核保决定包括多个...
【专利技术属性】
技术研发人员：黄译萱，张洁，
申请(专利权)人：中国人民人寿保险股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。