[发明专利]一种利用机器学习技术的农业保险查勘定损方法

权利要求书

1.一种利用机器学习技术的农业保险查勘定损方法，其特征在于，包括以下步骤：

步骤1）、外业采样：派外业调查人员到受灾现场采集信息，主要对受灾区域的农作物随机进行照片采样，包含受灾作物和不受灾作物，拍摄照片中含有GPS坐标，同时记录所拍摄的受灾地区的基本信息，包括受灾时间、受灾情况、种植作物信息，将获取到的信息实时回传；

步骤2）、样本数据的获取：根据回传的调查数据，从服务器数据库中抽取受灾地区受灾前后的遥感影像，并根据回传照片的GPS坐标信息从遥感影像中分割出若干受灾作物和非受灾作物的样本数据，并贴上对应的标签；

步骤3）、模型的训练：根据分割出的样本大小设计卷积神经网络模型参数，将样本分成训练样本、测试样本和验证样本，利用训练样本和测试样本对模型进行参数的训练和测试，测试样本进行模型测试，利用验证样本对得到的模型进行精度验证；

步骤4）、分类遥感影像：将得到模型用于遥感影像的分类，提取本次农作物的受灾面积和分布，并快速确定受灾的整体情况，之后将提取的结果制作成专题地图；

步骤5）、专题图的制作：将制作成的专题地图，以在线的形式发布到客户端，提供在线浏览的服务；

步骤6）、生成受灾报告：对受灾地区的情况加以描述，并根据农业专家对现场照片的判读，确定农作物受损程度，形成一份完整的受灾识别服务报告提供给保险公司，为保险公司产量估计和查勘定损的工作提供数据支持。

2.根据权利要求1所述的利用空间大数据的产量保险理赔方法，其特征在于：所述步骤3）中将样本分成训练样本、测试样本和验证样本时，训练样本占比为74%，测试样本占比为11%，验证样本占比为15%。

3.根据权利要求1所述的利用空间大数据的产量保险理赔方法，其特征在于：所述步骤3）中首先利用训练样本对模型的参数进行训练，然后利用测试样本对模型进行测试，测试过程中模型参数会发生改变，当模型参数不再发生改变后，模型训练结束，最后用参数稳定的模型对验证样本数据进行精度验证，如果精度达到90%以上，即为满足精度要求，否则调整模型参数和结构，重新进行训练、测试和验证过程。

4.根据权利要求1所述的利用空间大数据的产量保险理赔方法，其特征在于：所述步骤4）中在分类遥感影像的同时，利用机器学习分类遥感影像的技术对农作物的光谱信息和空间信息进行分析，学习到更多的特征，分类更准确。