买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国平安人寿保险股份有限公司

摘要：本发明涉及业务过程优化领域，本发明公开了一种智能推动工作流方法、设备及计算机存储介质，该方法包括以下步骤：当上传的图像分类满足相应业务所需图像的预设分类之一，则将所述上传的图像对应的图像数据插入第一操作表中；当所述第一操作表中所述业务所需图像的预设分类对应的所述图像数据全部上传，则由所述第一操作表生成推动工作流指令；对所述推动工作流指令进行幂等处理，并将所述推动工作流指令写入消息队列中；当业务系统监听到所述消息队列中的所述推动工作流指令时，执行业务系统的下一步操作。本发明解决人工推动工作流出现的漏触发或多次触发等人工操作失误的问题，实现了无需人工触发，智能推动工作流方法，从而提高工作效率。

主权项：1.一种智能推动工作流方法，其特征在于，所述方法包括：当上传的图像分类满足相应业务所需图像的预设分类之一，则使用FIFO方式依次将所述上传的图像对应的图像数据插入第一操作表中，其中，所述图像数据的类型包括图像、业务所属部门、上传者、上传时间以及上传机型，所述第一操作表的属性与图像数据的类型对应；当所述第一操作表中所述业务所需图像的预设分类对应的所述图像数据全部上传，则由所述第一操作表生成推动工作流指令；对所述推动工作流指令进行幂等处理，并将所述推动工作流指令写入消息队列中；当业务系统监听到所述消息队列中的所述推动工作流指令时，执行业务系统的下一步操作；其中，所述当上传的图像分类满足相应业务所需图像的预设分类之一，则使用FIFO方式依次将所述上传的图像对应的图像数据插入第一操作表中的步骤之前，包括：对预训练模型的部分预设网络使用自定义标注的影像数据进行训练，生成相应的影像分类模型；将影像扫描上传的图像输入所述影像分类模型进行识别并分类；其中所述影像扫描上传的机制采用多渠道的数据采集机制；其中，所述对预训练模型的部分预设网络使用自定义标注的影像数据进行训练，包括：固定冻结网络的参数；利用自定义标注的影像数据对非冻结网络进行训练；其中，所述对预训练模型的部分预设网络使用自定义标注的影像数据进行训练的步骤中利用反向传播对所述影像分类模型进行参数更新，包括：将训练生成的识别结果与所述自定义标注的影像数据进行比对，获得误差；将所述误差从所述预训练模型的输出层向隐藏层进行反向传播，直至传播至输入层，并迁移更新所述影像分类模型内部的参数；其中，所述将影像扫描上传的图像输入所述影像分类模型进行识别并分类的步骤，包括：将影像扫描上传的图像输入所述影像分类模型中，将图像的特征与所述影像分类模型学习到的图像分类的特征进行匹配；当匹配结果大于预设阈值时，则确定上传的图像对应的图像分类；其中，所述自定义标注的影像数据的构建过程，包括：对数据库中的影像数据执行去噪声预处理；根据业务预设标签进行标注；所述业务预设标签包括身份证、驾驶证、行车证、住院证明、诊疗单、医疗清单以及出生证对应的单据；其中，所述幂等处理包括全局唯一标识、令牌机制、悲观锁以及乐观锁中的至少一种，所述全局唯一标识用于避免消息的重复发送或接收；其中，所述预训练模型采用VGG-19网络，第一层至第八层卷积层为冻结网络，第九层至第十六层卷积层为非冻结网络，卷积层中包括卷积核，所述卷积核的大小为3×3；所述卷积核包括Conv3-64卷积核、Conv3-128卷积核、Conv3-256卷积核以及Conv-518卷积核，卷积核的个数为64，卷积核的个数为128，卷积核的个数为256，卷积核的个数为518；其中，卷积层和全连接层的激活函数为relu函数；MaxPool层为最大池化，池化的小矩阵为2×2；所述全连接层的个数为3，第1层和第2层全连接层的神经元个数为4096，第三层全连接层的神经元个数为100。

全文数据：

权利要求：

百度查询： 中国平安人寿保险股份有限公司 智能推动工作流方法、设备及计算机存储介质