如何用猪脸识别降低死猪理赔成本？这支学生团队靠「进击的巨猪」打败了商业老兵

撰文 | 王艺

编辑 | 藤子

12 月 17 日，历时 40 天的 2017 京东金融全球数据探索者大赛落下帷幕。

本次大赛分为商业组和算法组两个组别，分别从商业及算法两个层面围绕「登录行为识别」、「店铺销量预测」、「信贷需求预测」以及「猪脸识别」四个赛题展开角逐。

大赛于 11 月 6 日启动，共有 4624 支团队报名，经过选拔赛，最终有 36 支团队步入决赛阶段。决赛于 12 月 15 日开始，跨越 48 小时，商业组选手需要在三天两夜的时间内提交商业计划和 Demo，算法组选手需要在规定时间内提交结果及代码。

48 小时决赛期间内，主办方京东金融为四个赛题请来了四位导师对选手贴身指导——国际人工智能联合会理事会主席、香港科技大学计算机科学及工程学系主任杨强、红杉资本中国基金专家合伙人车品觉、TalkingData 首席执行官崔晓波、微软亚洲研究院城市计算领域负责人、美国计算机学会杰出科学家郑宇。

京东金融 CEO 陈生强表示：「一年前我们就有一个想法，搭建一个平台来发现更好的团队、创业公司以及人才。我们希望把一些数据和场景连接起来提供给大家，让大家能够实现自己的技术理想，这就是我们举办这个大赛的初衷」

12 月 17 日决赛当天，算法组经过算法跑分，商业组经过路演，大赛最终决出 7 支获奖团队，分别是：

商业组- 冠军：进击的巨猪- 亚军：翔创科技- 季军：熵商科技

算法组- 信贷需求预测赛题冠军：小虎队- 登录行为识别赛题冠军：啦啦队- 猪脸识别赛题冠军：百变猪猪侠- 店铺销量预测赛题冠军：小麻猫

更多关于本次比赛的信息，请点击参见机器之心之前的报道。

学生组成的团队打败了行业老兵

获奖选手中，商业组冠军选手团队「进击的巨猪」是清一色的学生党，他们凭借「基于猪脸识别的保险行业的解决方案」打败了包括多支从业多年的领域老兵在内的其他团队，一举夺得冠军。

2017 JDD 商业组冠军「进击的巨猪」

队长麻昊博对机器之心表示，团队夺冠离不开好运气，「合作和融洽，时间安排刚刚好，各方面得到很多人的帮助，杨强老师给我们很正确的指引，没有走弯路，我们三个人也是非常的努力。」

机器之心从冠军团队选手的背景资料发现，三位队员履历很不简单。队长麻昊博目前就读于香港大学，是一名商学院研究生。在此之前，曾任格兰莫尔寝具有限公司 COO，还创办了自己的咨询工作室。

技术担当杨剑飞目前是新加坡南洋理工大学博士二年级学生。早在 2013 年，杨就创办了微软俱乐部珠海分会；2014 年，杨供职于 DJI，担任视觉工程师；并于 2017 年 8 月于新加坡创办室内智能感知企业 SensinTech，目前主要合作客户包括西门子、新加坡航空公司、世邦魏理仕、思科等大型公司。此外，他还获得了包含美国数学建模竞赛一等奖、微软 Image Cup 亚军在内的十余个奖项，并发表 EI 国际会议论文 10 篇，SCI 国际期刊论文 2 篇。

被团队称作「妹妹」的梁馨予目前是南京大学大四在校学生，曾在德勤、麦肯锡等咨询公司实习，目前正在申请出国继续深造。

用猪脸识别技术降低死猪理赔成本

由于团队的题目是猪脸识别，最开始他们的商业构想也和大多数人一样，看到猪脸识别技术联想到通过监测猪的行为模式跟踪猪的健康状况。

为了进行客观的市场调研，团队成员梁馨予给养猪农场打电话，假借应聘赔保员的名义询问猪场的具体需求。在电话调查后发现，猪的活动空间很小，这一想法很难落地。而在与养猪老板的电话交流中，团队发现当前死猪理赔流程繁琐，出险成本高，且存在骗保情况。

根据国务院要求，作为我国农业布局的重点项目，2020 年前要完成对死猪无害化处理的整体体系建设。保险是推进无害化处理的唯一有效抓手，因为农户只有对死猪进行无害化处理，才能拿到保险理赔。

当前保险业的理赔流程是，养殖户发现死猪后向保险公司发送理赔需求，保险公司将需求同步给无害化处理厂，并派勘察员到现场核查情况。勘察员认定情况无误后，无害化处理厂回收员到达现场回收死猪。

由于我国农户非常分散，且中小养殖户居多。因而在保险理赔的成本结构中，除理赔成本之外，出险成本占比很高，达到 30%-40%。以国家第一批重点无害化处理试点基地高州市为例，当地平均每头猪的出险成本高达 6 元，占保费收益的 30%。

尽管近几年在生猪养殖保险行业，整体保单额度在不断提高，整个行业却在亏损。2016 年，在国家补贴 80% 的基础上，中国农业保险依然累计亏损 16 亿。

过高的出险成本，不利于保险的推动，更不利于国家无害化处理目标的达成。

因此，团队锁定保险行业，希望利用机器学习和深度学习，通过猪脸识别技术简化出险流程、降低理赔成本。具体说来，团队利用猪脸识别技术，把传统的需要人力线下走访识别死猪的出险理赔方式转移到线上，取代保险勘察员上门核查的操作步骤。养殖户将死猪照片上传给保险公司和无害化处理中心，保险公司的勘察员只需坐在办公室就能进行核查。不仅节约成本，还能够缩短理赔时间。

商业模式层面，团队计划分为三个阶段。第一阶段，以技术服务商的身份打入生猪养殖系统，以低于出险成本的价格向保险公司推荐猪脸识别技术。当拿到养殖户的数据，数据量有一定积累的时候，进入第二阶段——联合保险公司和无害化处理中心搭建猪联网系统，成为卖猪肉的垂直电商。第三阶段，在积累足够多的征信数据之后，可以选择做农村消费金融。

「以非常保守的数据估计，第一阶段鉴定费可以每年拿到 2000 多万的收入；第二阶段做垂直电商，平台收入可以达到 5.6 亿；第三阶段做消费金融，单考虑放贷可以到 10 亿的规模。」队长评估这三个阶段的市场规模时说。

队长：杨强最爱问「有数据吗？」

对于该团队的商业计划，导师杨强表示，猪脸识别赋能于农家金融保险是人工智能赋能金融保险的一个具体体现。

「我跟他们交流的过程中，发现他们一开始就把目标聚焦在死猪的无害化处理。我给他们提的问题是你们知道无害处理到底市场有多大吗？在里面有多大的空间可以施展？他们做了深入的调查，发现果然有很大的空间。」杨强说。

队长透露，决赛刚开始的时候，团队对于比赛所要演示的商业模式还没有很成熟的想法，初次与杨强导师沟通时只说了一些观点。

杨强提出了一些质疑，例如「这个想法到底能不能赚钱。」当时团队没有直接的数据，经过一夜的数据验证，第二天团队与杨强沟通时，导师依旧没有被说服：「你首先要自己说服自己。」

杨强认为，商业思考不能局限在短期内的经济效益，而是要考虑长远的发展模式。团队按照导师的建议对路演商业计划进行了修改，最终拿出了获得导师及评委认可的商业方案。

「杨强老师是很直接的人，他问得最多的就是『有数据吗？』比如市场空间有多大，他都要求我们拿出数据来。」获奖后，团队向机器之心谈到，导师杨强在决赛过程中给了团队很大的帮助。

实际上，杨强除了在商业模式给予很多帮助之外，作为迁移学习的学术带头人，对团队的技术细节也十分看好。

出于诸多方面的考虑，例如生猪平时是睁着眼睛，死猪是闭着眼睛，团队使用了迁移学习技术。技术担当杨剑飞介绍道，团队的模型只需一张训练照片就能对猪脸进行对比，且不需要重复建模，具有耗时短、资源需求小的特点，且精度可达 99.8%。

这不仅得到了杨强的认可，评委创世伙伴资本创始主管合伙人周炜也对团队的技术赞赏有加。周炜表示，「有一个斯坦福出来的公司，应该马上可以用到你们的技术。」但对于具体公司信息，他并未过多透露。

最后，在总结本次大赛时，陈生强表示，比赛还会持续。「我们希望这个活动能够持续地办下去，今年是第一届，明年是第二届。我们会总结今年的不足，在明年提供更好的场景、题目、数据去满足整个比赛的需要。」陈生强说。