利用AI完成动物索赔，某人寿财产保险理赔成本减少50%，效率提高数倍，落地更多业务创新!

金融保险行业的养殖险涉及畜脸(猪/牛)识别及尸长估重承保赔付业务。畜脸(猪/牛)识别和尸长估重是承保和理赔的重要环节，如何提高效率，减少对人工查验的依赖，降低运营成本，做到准确理赔，成为一个核心问题。

某人寿财产保险的畜脸识别涉及死猪理赔、活牛承保、死牛理赔等业务。

在畜脸识别业务上，猪牛脸即使人也难以分辨，因此出现重报、多报、多重赔付等问题。

在动物面部识别技术出现之前，规模化的养殖场主要依靠物理侵入的方式管理不同的个体，比如剪耳标或植入电子耳标的方式。这种侵入式的打耳标不仅会对动物造成一定的伤害，成本也比较高，还必须配合人工查验，效率低。

因为猪的生长周期短，外貌变化快，识别难度高，猪舍中的猪处在一个运动的状态，很少面对镜头，因此目前猪脸识别技术的研发与应用存在很多困难。

在死猪测长估重方面，传统的上称测重方式不仅造假容易，出现了虚报体重、赔付增加等现象，还存在着操作难、人力成本高等问题，更别提难取证、难验证了。一直以来，虚报尸长尸重都是造成保险公司理赔款多支出的重要因素之一。

这种现象并不鲜见，甚至已经成为了业内的一种“常见”操作。每家保险公司虽然都知道此类现象的存在，却没有更好的办法能够减少问题的发生。

这种现象的泛滥并不只是造成运营成本增加，从长久来看，整个养殖险产品的发展都将受限，对于产品的创新、模式的探索甚至是三农经济的发展，都将带来影响。

采用AI解决猪脸识别、牛脸识别、死猪测长估重等问题，成为某人寿财产保险和星环科技选择的技术路线，解决虚报、错报、成本高等问题。

某人寿财产保险与星环科技合作，借助星环自研Sophon AutoCV平台，通过多人对小样本增强的数据标注，迁移人脸识别算法，进行猪牛脸识别。

同时通过实例分割关键点检测等进行死猪尸长测重模型开发，结合平台提供的标准化数据节点算子和自定义函数算子，可自定义后处理规则，结合可视化拖拽算子的能力，形成整体方案。

1)猪脸识别模型

与人脸识别技术一样，现有的动物面部识别技术，多是基于一张图像去进行身份对比。基于脸部原型的多尺度面部原型图结构，可以获取更丰富的脸部语义信息，从而提升识别准确率。

死猪理赔阶段，需要用户上传死猪照片，同该案发地点方圆20公里近10天内理赔死猪建立的图库对比，协助人工核验，避免重复理赔及快速出险。

星环科技的解决方案是：首先建立死猪脸底库，并对应赋予唯一ID；基于人脸识别模型迁移，对猪只面部及关键点检测对齐后，通过提取的猪只面部特征与底库比对，返回置信度最高结果；结合猪只ID确认是否理赔过，模型准确率可达95%。

2)牛脸识别模型

牛的承保与理赔是与农户身份绑定的，因此，投保阶段与该农户近100天投保牛只(活活比对)比对，避免重复承保；在理赔阶段，确认赔付牛只与该农户近100天内已投保(活死比对)、已赔付牛(死死)只对比，避免重复理赔。

星环科技的解决方案：建立活/死牛脸底库，并针对一只牛赋予唯一ID；基于人脸识别模型迁移，对牛只面部及关键点检测对齐后，辅以跨域残差、loss函数修整等优化手段，提取牛只面部特征与底库比对，返回置信度最高结果；结合牛只ID确认是否承保/理赔过。

该模型活活对比准确率达到95%；死死对比准确率90%；活死对比的准确率超过70%。

3)死猪估重模型

死猪估重模型的需求是理赔时死猪侧躺，将对比物(刻度尺)放置于指定位置，进行标准化拍照，自动估算死亡标的体重，保证误差在±2.5kg。

星环科技的解决方案：通过分割、关键点面向对齐等手法，去除背景镜头及姿态等干扰因素，将猪只进行标准化处理，通过深度学习模型提取猪只不同部位特征，根据测算大小，估算获得具体数值，模型准确率可达95%。

具体过程包括：

·实例分割，分割标尺及个体，由标尺确认目标;

·关键点检测对齐，关键点检测及对齐，降低角度，远近偏差影响;

·面向检测对齐，翻转使猪只转至不同方向，减少姿态影响;

·估重，将两步对齐个体输入模型得出数值。

4)死猪测长模型

保险公司的需求是在理赔时死猪侧躺，将对比物(刻度尺)放置于指定位置，进行标准化拍照，自动估算死亡标的体长。

星环科技提供的解决方案：通过检测标尺关键点与标准关键点位置计算得到图像转换矩阵，借助图像转换矩阵对猪只关键点标准化转换后，结合标尺长度与耳、尾关键点距离，估算猪只长度，模型准确率可达95%。

具体步骤包括：

·标尺关键点检测，标尺四顶点位置检测;

·标准化矩阵计算，检测标尺关键点计算转换矩阵;

·猪只关键点检测;

·猪只关键点标准化，应用转换矩阵对猪只关键点进行标准化转换;

·估长，依据耳、尾部距离估算长度。

在功能架构上，Sophon AutoCV功能可全方位覆盖模型落地过程中的数据管理、模型训练和管理的核心能力，支撑上层应用场景的高效落地和快速扩展。

在能力矩阵上，Sophon AutoCV围绕着模型生产应用的全流程，提供以低代码、工作流的形式实现包括数据接入、模型训练部署和数据安全在内的九大能力模块。

在设备管理上，平台支持超过20种标准的设备协议，支持设备模板，可快速将物联网设备或视频设备接入平台。

在样本管理上，平台用于管理用户原始非结构化图像等多模态数据。针对入库数据进行智能标签，支持标签高级检索和预处理生产数据切片。支持数据探索实现跨模态数据的分析。

在数据标注上，平台支持图片分类、目标检测、图像分割和OCR文字识别等常见图像任务的标注。同时提供智能预标注、多人协同标注以及标注质量审核功能。

在模型训练上，平台支持分类、目标检测及实例分割任务的训练，并预置常用的SOTA模型供用户选择。提供引导式参数配置界面，无需编程即可快速搭建模型。

在模型仓库上，平台支持训练平台和第三方模型的快速上架，通过模型组装能力构建面向不同应用场景的多模态模型服务。模型组装，支持多模态模型组合支持模型组合在线编辑，模型版本切换/代码更改/配置调整；模型评估，支持用户创建评估任务，对比选定模型的多个版本在基准数据集下的性能，从而筛选出最优的模型；模型上架，支持文件、镜像等格式模型一键加密上架，支持第三方模型快速上架。

在模型部署上，模型仓库模型支持在线部署和边缘端部署，支持手动和自动批量部署。边缘部署，支持边缘端设备的部署推理；中心集群部署;支持中心化的集中部署和集中推理;混合部署，云边协同 = 边缘部署 + 中心集群部署。

在应用构建上，平台提供拉拽的交互方式辅助用户快速搭建智能化场景方案，同时平台提供了面向如强监管、工地安防、电网运维和市政监管等不同行业领域的标准场景模板，可在相似场景下快速复制落地，能够有效降低用户开发成本，快速实现业务流程的对接。

1)极大降低了养殖险赔付率。由于识别技术会精准抓取畜脸等特征，养殖户如重复使用同一头猪/牛进行理赔，后台算法会及时发现并拦截，让这种非法骗取理赔款的行为不再得逞，极大降低了养殖险赔付率。

每一次重复理赔的拦截，都意味着成功帮助保险公司节省了一笔理赔款支付，少则数十元，多则上千元。

2)提升处理效率，减少人员及时间投入。在实实在在降低了赔付率、规避了理赔风险的同时，星环科技的技术和流程可以提升处理效率，减少人员及时间投入。在实际使用过程中，成功帮助保险公司大幅降低运营成本。

3)实现了精准理赔。畜脸识别技术是刚需，为了保障养殖户的利益，地方政府制定了一系列补贴政策，让猪牛活着能贷钱、死了能赔款。

有些养殖户就动起了小心思，“一猪/牛多赔”、“借猪/牛理赔”等手段层出不穷，为养殖险正常发展和地方政府精准补贴带来极大困难。

“猪脸识别”技术的运用，有效解决了人工鉴别难的问题，实现了有理有据的“一猪一赔”。传统查勘需数天处理的理赔案，现在几个小时就能处理完毕，既提高了服务效率，降低了运营成本，又实现了精准理赔。