(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210651308.7 (22)申请日 2022.06.10 (71)申请人 中国银行股份有限公司 地址 100818 北京市西城区复兴门内大街1 号 (72)发明人 钱丽雯　刘交　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 秦晓君 (51)Int.Cl. G06Q 40/02(2012.01) G06Q 50/26(2012.01) G06V 20/10(2022.01) G06V 20/17(2022.01) G06N 3/08(2006.01)G06N 3/02(2006.01) (54)发明名称 受灾放贷评估方法、 系统、 电子设备及存储 介质 (57)摘要 本申请提供一种受灾放贷评估方法、 系统、 电子设备及存储介质， 可应用于云计算领域或者 金融领域； 接收目标用户的受灾现场的受灾图片 信息， 其中， 受灾图片信息 是基于无人机采集的； 将受灾图片信息输入受灾评估模 型， 通过受灾评 估模型从受灾图片信息中识别出每个目标受灾 物的受灾信息和目标原始模样， 根据每个目标受 灾物的受灾信息和目标原始模样， 确定每个目标 受灾物的受灾程度； 确定每个目标受灾物的市场 价格， 根据每个目标受灾物的市场价格和受灾程 度， 估算每个目标受灾物的赔付金额； 根据每个 目标受灾物的赔付金额， 估算目标用户的受灾损 失金额和剩余资产； 根据目标用户的受灾损失金 额和剩余资产， 确定是否为目标用户发放贷款。 权利要求书3页 说明书10页 附图3页 CN 114971872 A 2022.08.30 CN 114971872 A 1.一种受灾 放贷评估方法， 其特 征在于， 所述方法包括： 接收目标用户的受灾现场的受灾图片信息， 其中， 所述受灾图片信息是基于无人机采 集的； 将所述受灾图片信 息输入受灾评估模型， 通过所述受灾评估模型从所述受灾图片信 息 中识别出每个目标受灾物的受灾信息和目标原始模样， 并根据每个所述目标 受灾物的受灾 信息和目标原始模样， 确定每个所述目标 受灾物的受灾程度； 其中， 所述受灾评估模型是利 用历史受灾现场的历史受灾图片信息对待训练的神经网络进 行训练得到； 所述目标 受灾物 的原始模样为所述目标受灾物未受损时的样子； 确定每个所述目标受灾物的市场 价格， 根据每个所述目标受灾物的市场 价格和受灾程 度， 估算每 个所述目标受灾物的赔付金额； 根据每个所述目标受灾物的赔付金额， 估算所述目标用户的受灾损失金额和剩余资 产； 根据所述目标用户的受灾损失金额和剩余资产， 确定是否为所述目标用户发放贷款。 2.根据权利要求1所述的方法， 其特征在于， 所述根据所述目标用户的受灾损失金额和 剩余资产， 确定是否为所述目标用户发放贷款， 包括： 输出所述目标用户的受灾损失金额和剩余资产， 以供业务相关人员根据 所述目标用户 的受灾损失金额和剩余资产判断为所述目标用户发放贷款后所述目标用户是否存在逾期 风险； 当检测所述业务相关人员反馈所述目标用户存在逾期风险时， 禁止向所述目标用户发 放相应的贷款； 当检测所述业务相关人员反馈所述目标用户不存在逾期风险时， 向所述目标用户发放 相应的贷款。 3.根据权利要求2所述的方法， 其特征在于， 所述输出所述目标用户的受灾资产和剩余 资产价值之后， 所述方法还 包括： 实时检测是否接收到所述业务相关人员根据所述目标用户的受灾损失金额和剩余资 产， 结合所述目标用户所在的地区的扶贫政策， 反馈的救灾专项 贷款发放信息； 当检测到所述业务相关人员反馈的救灾专项贷款发放信 息时， 向所述目标用户发放相 应的救灾专项 贷款。 4.根据权利要求1所述的方法， 其特征在于， 所述利用历史受灾现场的历史受灾图片信 息对待训练的神经网络进行训练， 得到所述受灾评估 模型， 包括： 获取历史受灾现场的历史受灾图片信息， 其中， 所述历史受灾图片信息至少包括至少 一个受灾物以及每 个所述受灾物的受灾 程度评估信息； 将历史受灾图片信 息输入待训练的神经网络， 以使所述待训练 的神经网络从所述历史 受灾图片信息中识别每个受灾物的受灾信息和还原出每个所述受灾物的原始模样， 并根据 每个所述受灾物的受灾信息、 原始模样和受灾程度评估信息， 确定每个所述受灾物的受灾 程度， 根据每个所述受灾物的受灾程度和目标受灾程度构建相应的损失函数， 并根据所述 损失函数调整所述待训练的神经网络的参数， 直至所述待训练的神经网络达到 收敛， 得到 受灾评估 模型。 5.根据权利要求4所述的方法， 其特征在于， 所述将所述受灾图片信 息输入受灾评估模权　利　要　求　书 1/3 页 2 CN 114971872 A 2型， 通过所述受灾评估模型从所述受灾图片信息中识别出每个目标 受灾物的受灾信息和目 标原始模样， 并根据每个所述 目标受灾物的受灾信息和目标原始模样， 确定每个所述 目标 受灾物的受灾 程度， 包括： 将所述图片视频信息 输入受灾评估 模型； 通过所述受灾评估模型从所述受灾图片信 息中识别出每个目标受灾物的受灾信 息， 并 根据每个所述 目标受灾物的受灾程度评估信息、 受灾信息和目标原始模样， 确定每个所述 目标受灾物的受灾 程度。 6.一受灾 放贷评估系统， 其特 征在于， 所述系统包括： 图片信息接收单元， 用于接收目标用户的受灾现场的受灾图片信 息， 其中， 所述受灾图 片信息是基于无 人机采集的； 受灾程度确定单元， 用于将所述受灾图片信息输入受灾评估模型， 通过所述受灾评估 模型从所述受灾图片信息中识别出每个目标 受灾物的受灾信息和目标原始模样， 并根据每 个所述目标受灾物的受灾信息和目标原始模样， 确定每个所述 目标受灾物的受灾程度； 其 中， 所述受灾评估模型是利用历史受灾现场的历史受灾图片信息对待训练的神经网络进 行 训练得到； 所述目标受灾物的原 始模样为所述目标受灾物未受损时的样子； 第一估算单元， 用于确定每个所述目标受灾物的市场价格， 根据每个所述目标受灾物 的市场价格和受灾 程度， 估算每 个所述目标受灾物的赔付金额； 第二估算单元， 用于根据每个所述目标受灾物的赔付金额， 估算所述目标用户的受灾 损失金额和剩余资产； 贷款发放单元， 用于根据所述目标用户的受灾损 失金额和剩余资产， 确定是否为所述 目标用户发放贷款。 7.根据权利要求6所述的系统， 其特 征在于， 所述贷款发放单 元， 包括： 输出单元， 用于输出所述目标用户的受灾损 失金额和剩余资产， 以供业务相关人员根 据所述目标用户的受灾损失金额和剩余资产判断为所述目标用户发放贷款后所述目标用 户是否存在逾期风险； 禁止单元， 用于当检测所述业务相关人员反馈所述目标用户存在逾期风险时， 禁止向 所述目标用户发放相应的贷款； 第一贷款发放子单元， 用于当检测所述业务相关人员反馈所述目标用户不存在逾期风 险时， 向所述目标用户发放相应的贷款。 8.根据权利要求6所述的系统， 其特 征在于， 所述系统还 包括： 实时检测单元， 用于实时检测是否接收到所述业务相关人员根据 所述目标用户的受灾 损失金额和剩余资产， 结合所述 目标用户所在的地区的扶贫政策， 反馈的救灾专项贷款发 放信息； 第二贷款方法子单元， 用于当检测到所述业务相关人员反馈的救灾专项贷款发放信 息 时， 向所述目标用户发放相应的救灾专项 贷款。 9.一种电子设备， 其特征在于， 所述电子设备包括处理器和存储器， 所述存储器用于存 储受灾放贷评估的程序代码和数据， 所述处理器用于调用所述存储器中的程序指 令执行如 权利要求1 ‑5中任一项所述的一种受灾 放贷评估方法。 10.一种存储介质， 其特征在于， 所述存储介质包括存储程序， 其中， 在所述程序运行时权　利　要　求　书 2/3 页 3 CN 114971872 A 3