贷款风险等级的确定方法、装置及电子设备与流程

1.本发明涉及金融科技领域或其他领域，具体而言，涉及一种贷款风险等级的确定方法、装置及电子设备。


背景技术：

2.近年来，国家对农业经济发展的扶持力度逐渐加大，各大银行积极响应国家政策，推出相关惠农助农的贷款产品，为农户提供金融支持。
3.目前，现有技术中，在为农户发放贷款时，往往通过人工的方式去种植农作物的现场进行信息采集，并通过人工的方式对采集到的信息进行分析，评估农作物的生长长势情况，然后根据评估结果来确定该农户的贷款风险等级，来确定是否为该农户发放贷款以及贷款发放策略。但是，通过人工的方式采集农作物信息并评估农作物的生长长势情况，来判断农户的还款能力以及农户的贷款风险等级，由于耗费的时间较长，存在对农作物的生长长势评估效率低导致确定贷款风险等级的效率低的问题。
4.针对上述的问题，目前尚未提出有效的解决方案。


技术实现要素：

5.本发明提供了一种贷款风险等级的确定方法、装置及电子设备，以至少解决现有技术对农作物的生长长势评估效率低导致确定贷款风险等级的效率低的技术问题。
6.根据本发明的一个方面，提供了一种贷款风险等级的确定方法，包括：获取农作物对应的历史遥感图像，其中，历史遥感图像至少包括第一遥感图像和第二遥感图像，第一遥感图像的拍摄时间为第一时间，第二遥感图像的拍摄时间为第二时间，第一时间为农作物在第一生长阶段结束时的时间，第二时间为农作物在第二生长阶段结束时的时间，农作物的生长周期包括第一生长阶段和第二生长阶段；对第一遥感图像进行分析，得到第一植被指数值，其中，第一植被指数值用于表征农作物在第一生长阶段结束时的生长长势状况；对第二遥感图像进行分析，得到第二植被指数值，其中，第二植被指数值用于表征农作物在第二生长阶段结束时的生长长势状况；基于第一植被指数值和第二植被指数值确定农作物对应的目标评分，其中，目标评分用于表征农作物在整个生长周期内的生长长势状况；基于目标评分确定农作物对应的贷款风险等级，其中，贷款风险等级用于表征以农作物为抵押物的贷款请求的风险程度。
7.进一步地，对第一遥感图像进行分析，得到第一植被指数值，包括：提取第一遥感图像中的第一目标特征信息，其中，第一目标特征信息用于表征第一遥感图像中的每个像素对应的波段信息；对第一目标特征信息进行波段运算，得到第一植被指数值。
8.进一步地，对第二遥感图像进行分析，得到第二植被指数值，包括：提取第二遥感图像中的第二目标特征信息，其中，第二目标特征信息用于表征第二遥感图像中的每个像素对应的波段信息；对第二目标特征信息进行波段运算，得到第二植被指数值。
9.进一步地，基于第一植被指数值和第二植被指数值确定农作物对应的目标评分，
包括：从多个数值区间中确定第一植被指数值对应的第一数值区间，和第二植被指数值对应的第二数值区间，其中，第一植被指数值位于第一数值区间内，第二植被指数值位于第二数值区间内，一个数值区间对应一个预设评分，第一植被指数值与预设评分之间为正相关的关系，第二植被指数值与预设评分之间为正相关的关系；确定第一数值区间所对应的预设评分为第一评分；确定第二数值区间所对应的预设评分为第二评分；计算第一评分与第二评分的平均值，得到目标评分。
10.进一步地，基于目标评分确定农作物对应的贷款风险等级，包括：在目标评分大于或等于预设阈值时，确定贷款风险等级为第一风险等级；在目标评分小于预设阈值时，确定贷款风险等级为第二风险等级，其中，第一风险等级低于第二风险等级。
11.进一步地，在得到目标评分之后，贷款风险等级的确定方法还包括：获取农作物所在区域在未来时间段内的目标降水量；从多个预设降水量区间中确定目标降水量所对应的目标降水量区间，其中，目标降水量位于目标降水量区间内，一个预设降水量区间对应一个参数值，参数值依据农作物的种类确定；确定目标降水量区间对应的参数值为目标参数值；计算目标参数值与目标评分之间的乘积，得到第一目标评分；基于第一目标评分确定贷款风险等级。
12.进一步地，基于第一目标评分确定贷款风险等级，包括：在第一目标评分大于或等于预设阈值时，确定贷款风险等级为第一风险等级；在第一目标评分小于预设阈值时，确定贷款风险等级为第二风险等级，其中，第一风险等级低于第二风险等级。
13.进一步地，在贷款风险等级为第一风险等级时，生成第一贷款发放策略，其中，第一贷款发放策略用于一次性向目标账户发放目标额度的贷款资金，目标账户的持有对象为贷款请求的申请对象，目标额度的贷款资金为依据贷款请求贷款得到的资金；在贷款风险等级为第二风险等级时，生成第二贷款发放策略，其中，第二贷款发放策略用于分多次向目标账户发放目标额度的贷款资金。
14.根据本发明的另一方面，还提供了一种贷款风险等级的确定装置，包括：获取模块，用于获取农作物对应的历史遥感图像，其中，历史遥感图像至少包括第一遥感图像和第二遥感图像，第一遥感图像的拍摄时间为第一时间，第二遥感图像的拍摄时间为第二时间，第一时间为农作物在第一生长阶段结束时的时间，第二时间为农作物在第二生长阶段结束时的时间，农作物的生长周期包括第一生长阶段和第二生长阶段；第一分析模块，用于对第一遥感图像进行分析，得到第一植被指数值，其中，第一植被指数值用于表征农作物在第一生长阶段结束时的生长长势状况；第二分析模块，用于对第二遥感图像进行分析，得到第二植被指数值，其中，第二植被指数值用于表征农作物在第二生长阶段结束时的生长长势状况；第一确定模块，用于基于第一植被指数值和第二植被指数值确定农作物对应的目标评分，其中，目标评分用于表征农作物在整个生长周期内的生长长势状况；第二确定模块，用于基于目标评分确定农作物对应的贷款风险等级，其中，贷款风险等级用于表征以农作物为抵押物的贷款请求的风险程度。
15.根据本发明的另一方面，还提供了一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，其中，计算机程序被设置为运行时执行上述的贷款风险等级的确定方法。
16.根据本发明的另一方面，还提供了一种电子设备，电子设备包括一个或多个处理
器；存储器，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现用于运行程序，其中，程序被设置为运行时执行上述的贷款风险等级的确定方法。
17.在本发明中，采用基于农作物对应的历史遥感图像确定农作物在整个生长周期内的生长长势状况，基于农作物的生长长势状况确定贷款风险等级的方式，首先通过获取农作物对应的历史遥感图像，其中，历史遥感图像至少包括第一遥感图像和第二遥感图像，第一遥感图像的拍摄时间为第一时间，第二遥感图像的拍摄时间为第二时间，第一时间为农作物在第一生长阶段结束时的时间，第二时间为农作物在第二生长阶段结束时的时间，农作物的生长周期包括第一生长阶段和第二生长阶段；对第一遥感图像进行分析，得到第一植被指数值，其中，第一植被指数值用于表征农作物在第一生长阶段结束时的生长长势状况；对第二遥感图像进行分析，得到第二植被指数值，其中，第二植被指数值用于表征农作物在第二生长阶段结束时的生长长势状况；基于第一植被指数值和第二植被指数值确定农作物对应的目标评分，其中，目标评分用于表征农作物在整个生长周期内的生长长势状况；基于目标评分确定农作物对应的贷款风险等级，其中，贷款风险等级用于表征以农作物为抵押物的贷款请求的风险程度。
18.在上述过程中，通过对农作物对应的历史遥感图像进行分析得到农作物的第一植被指数值和第二植被指数值，来确定农作物在整个生长周期内的生长长势状况，无需通过人工的方式采集农作物信息以及分析采样数据评估农作物的生长长势状况，提高了对农作物的生成长势评估的效率；然后通过农作物在整个生长周期内的生长长势状况确定贷款风险等级，提高了贷款风险等级的确定效率，进而解决了现有技术对农作物的生长长势评估效率低导致确定贷款风险等级的效率低的问题。
19.由此可见，本技术所提供的方案达到了基于农作物对应的历史遥感图像确定农作物在整个生长周期内的生长长势状况，基于农作物的生长长势状况确定贷款风险等级的目的，从而实现了提高贷款风险等级的确定效率的技术效果，进而解决了现有技术对农作物的生长长势评估效率低导致确定贷款风险等级的效率低技术问题。
附图说明
20.此处所说明的附图用来提供对本发明的进一步理解，构成本技术的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
21.图1是根据本发明实施例的一种可选的贷款风险等级的确定方法的流程图；
22.图2是根据本发明实施例的一种可选的贷款风险等级的确定装置的示意图；
23.图3是根据本发明实施例的一种可选的电子设备的示意图。
具体实施方式
24.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
25.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
26.需要说明的是，本技术的贷款风险等级的确定方法、装置及电子设备可用于金融科技领域，也可用于除金融科技领域之外的其他领域，本技术的贷款风险等级的确定方法、装置及电子设备的应用领域不做限定。
27.需要说明的是，本发明所涉及的相关信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于展示的数据、分析的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。例如，本系统和相关用户或机构间设置有接口，在获取相关信息之前，需要通过接口向前述的用户或机构发送获取请求，并在接收到前述的用户或机构反馈的同意信息后，获取相关信息。
28.实施例1
29.根据本发明实施例，提供了一种贷款风险等级的确定方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
30.图1是根据本发明实施例的一种可选的贷款风险等级的确定方法的流程图，如图1所示，该方法包括如下步骤：
31.步骤s101，获取农作物对应的历史遥感图像，历史遥感图像至少包括第一遥感图像和第二遥感图像。
32.在步骤s101中，可以基于系统、服务器、电子设备等装置获取农作物对应的历史遥感图像，在本实施中，可以通过系统获取农作物对应的历史遥感图像。
33.可选的，在本实施例中，第一遥感图像的拍摄时间为第一时间，其中，第一时间为农作物在第一生长阶段结束时的时间；第二遥感图像的拍摄时间为第二时间，其中，第二时间为农作物在第二生长阶段结束时的时间。可选的，农作物的生长周期包括但不限于第一生长阶段和第二生长阶段。
34.步骤s102，对所述第一遥感图像进行分析，得到第一植被指数值。
35.步骤s103，对所述第二遥感图像进行分析，得到第二植被指数值。
36.在步骤s102-s103中，第一植被指数值用于表征所述农作物在所述第一生长阶段结束时的生长长势状况，第二植被指数值用于表征所述农作物在所述第二生长阶段结束时的生长长势状况，系统通过分别对第一遥感图像和第二遥感图像进行图像分析，分别对第一遥感图像和第二遥感图像中包含的像素的波段信息进行波段运算得到第一植被指数值和第二植被指数值。
37.需要说明的是，通过分别对农作物对应的历史遥感图像进行分析得到农作物的第一植被指数值和第二植被指数值，来确定农作物在整个生长周期内的生长长势状况，无需
通过人工的方式采集农作物信息以及分析采样数据评估农作物的生长长势状况，提高了对农作物的生成长势评估的效率。
38.步骤s104，基于第一植被指数值和第二植被指数值确定农作物对应的目标评分。
39.步骤s105，基于目标评分确定农作物对应的贷款风险等级。
40.在步骤s104-s105中，目标评分用于表征农作物在整个生长周期内的生长长势状况。系统通过预先设定的多个数值区间以及每个数值区间对应的预设评分，确定第一植被指数值和第二植被指数值所在的数值区间所对应的预设评分，来确定目标评分。贷款风险等级用于表征以农作物为抵押物的贷款请求的风险程度。系统基于目标评分确定贷款风险等级，在目标评分大于或等于预设阈值时，确定客户的贷款风险等级为低风险等级，在目标评分小于预设阈值时，确定客户的贷款风险等级为高风险等级。
41.基于上述步骤s101至步骤s105所限定的方案，可以获知，在本发明实施例中，采用基于农作物对应的历史遥感图像确定农作物在整个生长周期内的生长长势状况，基于农作物的生长长势状况确定贷款风险等级的方式，首先通过获取农作物对应的历史遥感图像，其中，历史遥感图像至少包括第一遥感图像和第二遥感图像，第一遥感图像的拍摄时间为第一时间，第二遥感图像的拍摄时间为第二时间，第一时间为农作物在第一生长阶段结束时的时间，第二时间为农作物在第二生长阶段结束时的时间，农作物的生长周期包括第一生长阶段和第二生长阶段；对第一遥感图像进行分析，得到第一植被指数值，其中，第一植被指数值用于表征农作物在第一生长阶段结束时的生长长势状况；对第二遥感图像进行分析，得到第二植被指数值，其中，第二植被指数值用于表征农作物在第二生长阶段结束时的生长长势状况；基于第一植被指数值和第二植被指数值确定农作物对应的目标评分，其中，目标评分用于表征农作物在整个生长周期内的生长长势状况；基于目标评分确定农作物对应的贷款风险等级，其中，贷款风险等级用于表征以农作物为抵押物的贷款请求的风险程度。
42.容易注意到的是，在上述过程中，通过对农作物对应的历史遥感图像进行分析得到农作物的第一植被指数值和第二植被指数值，来确定农作物在整个生长周期内的生长长势状况，无需通过人工的方式采集农作物信息以及分析采样数据评估农作物的生长长势状况，提高了对农作物的生成长势评估的效率；然后通过农作物在整个生长周期内的生长长势状况确定贷款风险等级，提高了贷款风险等级的确定效率，进而解决了现有技术对农作物的生长长势评估效率低导致确定贷款风险等级的效率低的问题。
43.由此可见，本技术所提供的方案达到了基于农作物对应的历史遥感图像确定农作物在整个生长周期内的生长长势状况，基于农作物的生长长势状况确定贷款风险等级的目的，从而实现了提高贷款风险等级的确定效率的技术效果，进而解决了现有技术对农作物的生长长势评估效率低导致确定贷款风险等级的效率低技术问题。
44.进一步地，系统对第一遥感图像进行分析，得到第一植被指数值，包括：提取第一遥感图像中的第一目标特征信息，其中，第一目标特征信息用于表征第一遥感图像中的每个像素对应的波段信息；对第一目标特征信息进行波段运算，得到第一植被指数值。
45.进一步地，系统对第二遥感图像进行分析，得到第二植被指数值，包括：提取第二遥感图像中的第二目标特征信息，其中，第二目标特征信息用于表征第二遥感图像中的每个像素对应的波段信息；对第二目标特征信息进行波段运算，得到第二植被指数值。
46.可选的，第一遥感图像和第二遥感图像中包括多个像素，每个像素中包含波段信息，系统通过分别对第一遥感图像和第二遥感图像进行图像分析，提取第一遥感图像对应的第一目标特征信息和第二遥感图像对应的第二目标特征信息，然后对第一目标特征信息进行波段运算，得到第一植被指数值；对第二目标特征信息进行波段运算，得到第二植被指数值。
47.可选的，系统可通过对第一遥感图像和第二遥感图像进行几何校正和辐射校正，并对第一遥感图像和第二遥感图像做重采样，来提高遥感图像的分辨率。
48.需要说明的是，通过对农作物对应的第一遥感图像和第二遥感图像进行分析得到农作物的第一植被指数值和第二植被指数值，来确定农作物在整个生长周期内的生长长势状况，无需通过人工的方式采集农作物信息以及分析采样数据评估农作物的生长长势状况，提高了对农作物的生成长势评估的效率以及准确性。
49.进一步的，基于第一植被指数值和第二植被指数值确定农作物对应的目标评分，包括：系统通过从多个数值区间中确定第一植被指数值对应的第一数值区间，和第二植被指数值对应的第二数值区间，其中，第一植被指数值位于第一数值区间内，第二植被指数值位于第二数值区间内，一个数值区间对应一个预设评分，第一植被指数值与预设评分之间为正相关的关系，第二植被指数值与预设评分之间为正相关的关系；确定第一数值区间所对应的预设评分为第一评分；确定第二数值区间所对应的预设评分为第二评分；计算第一评分与第二评分的平均值，得到目标评分。
50.可选的，系统通过预先设置多个数值区间以及每个数值区间对应的预设评分，然后确定第一植被指数值所在的第一数值区间对应的预设评分为第一评分，确定第二植被指数值所在的第二数值区间对应的预设评分为第一评分，计算第一评分和第二评分的平均值，得到目标评分。例如，在第一植被指数值为4，第二植被指数为8时，如表1所示，第一植被指数值处于[4，6]区间内，因此第一评分为60，第二植被指数处于[7，10]区间内，因此第二评分为100，最终得到目标评分为80。
[0051]
可选的，第一植被指数值与预设评分之间为正相关的关系，第二植被指数值与预设评分之间为正相关的关系，即第一植被指数值和第二植被指数值越大，评分越高，农作物生长长势越好。
[0052]
表1
[0053]
数值区间预设评分[1，3]30[4，6]60[7，10]100
[0054]
进一步的，基于目标评分确定农作物对应的贷款风险等级，包括：系统通过在目标评分大于或等于预设阈值时，确定贷款风险等级为第一风险等级；在目标评分小于预设阈值时，确定贷款风险等级为第二风险等级，其中，第一风险等级低于第二风险等级。
[0055]
可选的，系统通过判定目标评分与预设阈值之间的大小来确定贷款风险等级，在目标评分大于或等于预设阈值时，确定贷款风险等级为第一风险等级，即在农作物的生长涨势较好时，确定客户的贷款风险等级为低风险等级，在目标评分小于预设阈值时，确定贷款风险等级为第二风险等级，即在农作物的生长涨势较差时，确定客户的贷款风险等级为
高风险等级。
[0056]
一种可选的实施例，在得到目标评分之后，系统通过获取农作物所在区域在未来时间段内的目标降水量；从多个预设降水量区间中确定目标降水量所对应的目标降水量区间，其中，目标降水量位于目标降水量区间内，一个预设降水量区间对应一个参数值，参数值依据农作物的种类确定；确定目标降水量区间对应的参数值为目标参数值；计算目标参数值与目标评分之间的乘积，得到第一目标评分；基于第一目标评分确定贷款风险等级。
[0057]
进一步的，基于第一目标评分确定贷款风险等级，包括：在第一目标评分大于或等于预设阈值时，确定贷款风险等级为第一风险等级；在第一目标评分小于预设阈值时，确定贷款风险等级为第二风险等级，其中，第一风险等级低于第二风险等级。
[0058]
在本实施例中，农作物的种类为不耐干旱的农作物，系统通过获取农作物所在区域的历史降水量信息，对历史降水量信息进行分析，得到不同降水量区间对农作物的生成长势的影响参数值，然后预先设置如表2所示的多个预设降水量区间以及每个预设降水量区间所对应的参数值。系统可通过确定农作物所在区域在未来时间段内的目标降水量所处的预设降水量区间对应的参数值为目标参数值，然后计算目标参数值与目标评分之间的乘积，得到第一目标评分。例如，目标评分为80，目标降水量为40时，确定目标参数值为0.6，得到第一目标评分为80*0.6＝48。
[0059]
可选的，系统通过比较第一目标评分与预设阈值的大小来确定贷款风险等级，在第一目标评分大于或等于预设阈值时，确定客户的贷款风险等级为低风险等级，在第一目标评分小于预设阈值时，确定客户的贷款风险等级为高风险等级。
[0060]
表2
[0061]
预设降水量区间/单位mm参数值[0，50]0.6[50，100]0.1[100，200]0.3
[0062]
需要说明的是，通过农作物所在区域在未来时间段内的目标降水量，对农作物的生长长势评分进行调整，来预测农作物在未来时间段内生长长势，能够根据预测结果来评估客户的还款能力，确定贷款风险等级，提高了贷款风险等级确定的准确性。
[0063]
另一种可选的实施例，在贷款风险等级为第一风险等级时，生成第一贷款发放策略，其中，第一贷款发放策略用于一次性向目标账户发放目标额度的贷款资金，目标账户的持有对象为贷款请求的申请对象，目标额度的贷款资金为依据贷款请求贷款得到的资金；在贷款风险等级为第二风险等级时，生成第二贷款发放策略，其中，第二贷款发放策略用于分多次向目标账户发放目标额度的贷款资金。
[0064]
在本实施例中，系统可根据客户的贷款风险等级生成贷款发放策略。在客户贷款风险等级为低风险时，生成第一贷款发放策略，一次性向目标账户发放目标额度的贷款资金。在客户贷款风险等级为高风险时，生成第二贷款发放策略，分多次向目标账户发放目标额度的贷款资金。例如，在客户贷款风险等级为高风险时，可设置为间隔一个月发放贷款资金，能够避免一次性将贷款资金发放到农户手中，一旦出现问题，可以及时采取相应的措施来避免农户无法偿还贷款，使银行的坏账率升高。
[0065]
可选的，在贷款发放后，贷款发放机构可每隔预设时长(例如，两个月或三个月)通
过遥感图像检测一次农作物的生长长势。在检测到农作物的生长长势慢于预估的目标生长长势时，贷款发放机构向客户发出预警提醒短信。
[0066]
可选的，对于分次发放的贷款方式，在当前阶段发放贷款后，贷款发放机构可通过遥感图像来检测农作物的生长长势。如果当前阶段所对应的农作物的生长长势达到了目标生长长势，则贷款发放机构继续发放下一阶段的贷款。如果当前阶段所对应的生长长势未达到目标生长长势，则贷款发放机构向客户发出预警提醒短信；客户在接收到预警提醒短信之后，可进行申诉。贷款发放机构可对申诉申请进行评估，确定是否接受该申诉。如果贷款发放机构接受该申诉，则贷款发放机构要求客户重新提供农作物的生长长势计划，贷款发放机构根据新的生长长势计划来对农作物进行检测，以确定是否发放下一阶段的贷款以及贷款额度。
[0067]
其中，贷款额度可以根据申诉原因(可以包括但不限于农作物生成长势不合格的原因)进行调整。贷款发放机构根据不同的原因来确定是否接受该申诉以及是否对贷款额度进行调整。例如，如果是由于未及时施肥或者浇水或者除虫等因素导致农作物生成长势不合格，但在上述因素消除后，农作物可正常生长，则贷款发放机构继续正常发放贷款；如果是由于严重的虫害或干旱导致农作物生病或者死亡，则贷款发放机构降低下一阶段的贷款额度；如果是由于客户不专业或者违规操作导致农作物生病或者死亡(例如，客户违反合同种植其他农作物)，则贷款发放机构停止发放下一阶段的贷款或降低贷款额度。
[0068]
可选的，系统可根据客户的贷款风险等级生成贷款营销策略，例如，在客户贷款风险等级为高风险时，确定客户的农作物容易受到干旱等受灾影响，系统生成贷款营销策略，为客户推荐利率低的优惠贷款产品，帮助客户解决资金问题，客户可以通过贷款资金购买灌溉设备，缓解干旱情况，减小干旱对农作物生成长势的影响，从而能够保证稳定的收入，按时偿还贷款。
[0069]
由此可见，通过本发明的技术方案，能够实现对农作物的生长长势、干旱情况、气象情况的准确判断，从而能够实现对农户的还款能力的准确判断，能够实现对农户的贷款额度的准确判断，以及对农户进行精准贷款产品营销，相比于人为评估的方式，耗时更少，显著提高了评估效率，提高了推广效率。另外，结合农作物的生成长势、干旱情况、气象情况，能够确定客户在种植农作物时存在的问题，依据存在的问题，能够向客户推荐匹配的产品，为农户量身定制相匹配的贷款产品，使推荐的贷款产品是真正适合客户需求的产品，提升了客户的好感度，增强了客户的认同感。解决了相关技术中人工方式采集种植农作物的现场信息存在信息采集效率低导致农作物的生成长势评估的效率低的问题，以及根据人为的评估结果推荐产品的准确率较低的问题，进而解决了现有技术对农作物的生长长势评估效率低导致确定贷款风险等级的效率低的问题。
[0070]
实施例2
[0071]
根据本发明实施例，提供了一种贷款风险等级的确定装置的实施例，其中，图2根据本发明实施例的一种可选的贷款风险等级的确定装置的示意图，如图2所示，该装置包括：
[0072]
获取模块201，用于获取农作物对应的历史遥感图像，其中，历史遥感图像至少包括第一遥感图像和第二遥感图像，第一遥感图像的拍摄时间为第一时间，第二遥感图像的拍摄时间为第二时间，第一时间为农作物在第一生长阶段结束时的时间，第二时间为农作
物在第二生长阶段结束时的时间，农作物的生长周期包括第一生长阶段和第二生长阶段；
[0073]
第一分析模块202，用于对第一遥感图像进行分析，得到第一植被指数值，其中，第一植被指数值用于表征农作物在第一生长阶段结束时的生长长势状况；
[0074]
第二分析模块203，用于对第二遥感图像进行分析，得到第二植被指数值，其中，第二植被指数值用于表征农作物在第二生长阶段结束时的生长长势状况；
[0075]
第一确定模块204，用于基于第一植被指数值和第二植被指数值确定农作物对应的目标评分，其中，目标评分用于表征农作物在整个生长周期内的生长长势状况；
[0076]
第二确定模块205，用于基于目标评分确定农作物对应的贷款风险等级，其中，贷款风险等级用于表征以农作物为抵押物的贷款请求的风险程度。
[0077]
需要说明的是，上述获取模块201、第一分析模块202、第一分析模块203、第一确定模块204以及第二确定模块205对应于上述实施例中的步骤s101至步骤s105，五个模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。
[0078]
可选的，第一分析模块包括：第一提取模块以及第一运算模块。第一提取模块用于提取第一遥感图像中的第一目标特征信息，其中，第一目标特征信息用于表征第一遥感图像中的每个像素对应的波段信息；第一运算模块用于对第一目标特征信息进行波段运算，得到第一植被指数值。
[0079]
可选的，第二分析模块包括：第二提取模块以及第二运算模块。第二提取模块用于提取第二遥感图像中的第二目标特征信息，其中，第二目标特征信息用于表征第二遥感图像中的每个像素对应的波段信息；第二运算模块用于对第二目标特征信息进行波段运算，得到第二植被指数值。
[0080]
可选的，第一确定模块包括：第一确定子模块、第二确定子模块、第三确定子模块以及第一计算模块。第一确定子模块用于从多个数值区间中确定第一植被指数值对应的第一数值区间，和第二植被指数值对应的第二数值区间，其中，第一植被指数值位于第一数值区间内，第二植被指数值位于第二数值区间内，一个数值区间对应一个预设评分，第一植被指数值与预设评分之间为正相关的关系，第二植被指数值与预设评分之间为正相关的关系；第二确定子模块用于确定第一数值区间所对应的预设评分为第一评分；第三确定子模块用于确定第二数值区间所对应的预设评分为第二评分；第一计算模块用于计算第一评分与第二评分的平均值，得到目标评分。
[0081]
可选的，第二确定模块包括：第四确定子模块以及第五确定子模块。第四确定子模块用于在目标评分大于或等于预设阈值时，确定贷款风险等级为第一风险等级；第五确定子模块用于在目标评分小于预设阈值时，确定贷款风险等级为第二风险等级，其中，第一风险等级低于第二风险等级。
[0082]
可选的，贷款风险等级的确定装置还包括：第一获取模块、第三确定模块、第四确定模块、第二计算模块以及第五确定模块。第一获取模块用于在得到目标评分之后，获取农作物所在区域在未来时间段内的目标降水量；第三确定模块用于从多个预设降水量区间中确定目标降水量所对应的目标降水量区间，其中，目标降水量位于目标降水量区间内，一个预设降水量区间对应一个参数值，参数值依据农作物的种类确定；第四确定模块用于确定目标降水量区间对应的参数值为目标参数值；第二计算模块用于计算目标参数值与目标评分之间的乘积，得到第一目标评分；第五确定模块用于基于第一目标评分确定贷款风险等
级。
[0083]
可选的，第五确定模块包括：第六确定子模块以及第七确定子模块。第六确定子模块用于在第一目标评分大于或等于预设阈值时，确定贷款风险等级为第一风险等级；第七确定子模块用于在第一目标评分小于预设阈值时，确定贷款风险等级为第二风险等级，其中，第一风险等级低于第二风险等级。
[0084]
可选的，贷款风险等级的确定装置还包括：第一生成模块以及第二生成模块。第一生成模块用于在贷款风险等级为第一风险等级时，生成第一贷款发放策略，其中，第一贷款发放策略用于一次性向目标账户发放目标额度的贷款资金，目标账户的持有对象为贷款请求的申请对象，目标额度的贷款资金为依据贷款请求贷款得到的资金；第二生成模块用于在贷款风险等级为第二风险等级时，生成第二贷款发放策略，其中，第二贷款发放策略用于分多次向目标账户发放目标额度的贷款资金。
[0085]
实施例3
[0086]
根据本发明实施例的另一方面，还提供了计算机可读存储介质，计算机可读存储介质中存储有计算机程序，其中，计算机程序被设置为运行时执行上述的贷款风险等级的确定方法。
[0087]
实施例4
[0088]
根据本发明实施例的另一方面，还提供了一种电子设备，其中，图3是根据本发明实施例的一种可选的电子设备的示意图，如图3所示，电子设备包括一个或多个处理器；存储器，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现用于运行程序，其中，程序被设置为运行时执行上述的贷款风险等级的确定方法。
[0089]
如图3所示，本技术实施例提供了一种电子设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：
[0090]
获取农作物对应的历史遥感图像，其中，历史遥感图像至少包括第一遥感图像和第二遥感图像，第一遥感图像的拍摄时间为第一时间，第二遥感图像的拍摄时间为第二时间，第一时间为农作物在第一生长阶段结束时的时间，第二时间为农作物在第二生长阶段结束时的时间，农作物的生长周期包括第一生长阶段和第二生长阶段；对第一遥感图像进行分析，得到第一植被指数值，其中，第一植被指数值用于表征农作物在第一生长阶段结束时的生长长势状况；对第二遥感图像进行分析，得到第二植被指数值，其中，第二植被指数值用于表征农作物在第二生长阶段结束时的生长长势状况；基于第一植被指数值和第二植被指数值确定农作物对应的目标评分，其中，目标评分用于表征农作物在整个生长周期内的生长长势状况；基于目标评分确定农作物对应的贷款风险等级，其中，贷款风险等级用于表征以农作物为抵押物的贷款请求的风险程度。
[0091]
可选的，处理器执行程序时还实现以下步骤：提取第一遥感图像中的第一目标特征信息，其中，第一目标特征信息用于表征第一遥感图像中的每个像素对应的波段信息；对第一目标特征信息进行波段运算，得到第一植被指数值。
[0092]
可选的，处理器执行程序时还实现以下步骤：提取第二遥感图像中的第二目标特征信息，其中，第二目标特征信息用于表征第二遥感图像中的每个像素对应的波段信息；对第二目标特征信息进行波段运算，得到第二植被指数值。
[0093]
可选的，处理器执行程序时还实现以下步骤：从多个数值区间中确定第一植被指数值对应的第一数值区间，和第二植被指数值对应的第二数值区间，其中，第一植被指数值位于第一数值区间内，第二植被指数值位于第二数值区间内，一个数值区间对应一个预设评分，第一植被指数值与预设评分之间为正相关的关系，第二植被指数值与预设评分之间为正相关的关系；确定第一数值区间所对应的预设评分为第一评分；确定第二数值区间所对应的预设评分为第二评分；计算第一评分与第二评分的平均值，得到目标评分。
[0094]
可选的，处理器执行程序时还实现以下步骤：在目标评分大于或等于预设阈值时，确定贷款风险等级为第一风险等级；在目标评分小于预设阈值时，确定贷款风险等级为第二风险等级，其中，第一风险等级低于第二风险等级。
[0095]
可选的，处理器执行程序时还实现以下步骤：在得到目标评分之后，获取农作物所在区域在未来时间段内的目标降水量；从多个预设降水量区间中确定目标降水量所对应的目标降水量区间，其中，目标降水量位于目标降水量区间内，一个预设降水量区间对应一个参数值，参数值依据农作物的种类确定；确定目标降水量区间对应的参数值为目标参数值；计算目标参数值与目标评分之间的乘积，得到第一目标评分；基于第一目标评分确定贷款风险等级。
[0096]
可选的，处理器执行程序时还实现以下步骤：在第一目标评分大于或等于预设阈值时，确定贷款风险等级为第一风险等级；在第一目标评分小于预设阈值时，确定贷款风险等级为第二风险等级，其中，第一风险等级低于第二风险等级。
[0097]
可选的，处理器执行程序时还实现以下步骤：在贷款风险等级为第一风险等级时，生成第一贷款发放策略，其中，第一贷款发放策略用于一次性向目标账户发放目标额度的贷款资金，目标账户的持有对象为贷款请求的申请对象，目标额度的贷款资金为依据贷款请求贷款得到的资金；在贷款风险等级为第二风险等级时，生成第二贷款发放策略，其中，第二贷款发放策略用于分多次向目标账户发放目标额度的贷款资金。
[0098]
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0099]
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
[0100]
在本技术所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
[0101]
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0102]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0103]
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可
以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
[0104]
以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

技术特征：
1.一种贷款风险等级的确定方法，其特征在于，包括：获取农作物对应的历史遥感图像，其中，所述历史遥感图像至少包括第一遥感图像和第二遥感图像，所述第一遥感图像的拍摄时间为第一时间，所述第二遥感图像的拍摄时间为第二时间，所述第一时间为所述农作物在第一生长阶段结束时的时间，所述第二时间为所述农作物在第二生长阶段结束时的时间，所述农作物的生长周期包括所述第一生长阶段和所述第二生长阶段；对所述第一遥感图像进行分析，得到第一植被指数值，其中，所述第一植被指数值用于表征所述农作物在所述第一生长阶段结束时的生长长势状况；对所述第二遥感图像进行分析，得到第二植被指数值，其中，所述第二植被指数值用于表征所述农作物在所述第二生长阶段结束时的生长长势状况；基于所述第一植被指数值和所述第二植被指数值确定所述农作物对应的目标评分，其中，所述目标评分用于表征所述农作物在整个所述生长周期内的生长长势状况；基于所述目标评分确定所述农作物对应的贷款风险等级，其中，所述贷款风险等级用于表征以所述农作物为抵押物的贷款请求的风险程度。2.根据权利要求1所述的方法，其特征在于，对所述第一遥感图像进行分析，得到第一植被指数值，包括：提取所述第一遥感图像中的第一目标特征信息，其中，所述第一目标特征信息用于表征所述第一遥感图像中的每个像素对应的波段信息；对所述第一目标特征信息进行波段运算，得到所述第一植被指数值。3.根据权利要求2所述的方法，其特征在于，对所述第二遥感图像进行分析，得到第二植被指数值，包括：提取所述第二遥感图像中的第二目标特征信息，其中，所述第二目标特征信息用于表征所述第二遥感图像中的每个像素对应的波段信息；对所述第二目标特征信息进行波段运算，得到所述第二植被指数值。4.根据权利要求1所述的方法，其特征在于，基于所述第一植被指数值和所述第二植被指数值确定所述农作物对应的目标评分，包括：从多个数值区间中确定所述第一植被指数值对应的第一数值区间，和所述第二植被指数值对应的第二数值区间，其中，所述第一植被指数值位于所述第一数值区间内，所述第二植被指数值位于所述第二数值区间内，一个所述数值区间对应一个预设评分，所述第一植被指数值与所述预设评分之间为正相关的关系，所述第二植被指数值与所述预设评分之间为正相关的关系；确定所述第一数值区间所对应的预设评分为第一评分；确定所述第二数值区间所对应的预设评分为第二评分；计算所述第一评分与所述第二评分的平均值，得到所述目标评分。5.根据权利要求4所述的方法，其特征在于，基于所述目标评分确定所述农作物对应的贷款风险等级，包括：在所述目标评分大于或等于预设阈值时，确定所述贷款风险等级为第一风险等级；在所述目标评分小于所述预设阈值时，确定所述贷款风险等级为第二风险等级，其中，所述第一风险等级低于所述第二风险等级。
6.根据权利要求5所述的方法，其特征在于，在得到所述目标评分之后，所述方法还包括：获取所述农作物所在区域在未来时间段内的目标降水量；从多个预设降水量区间中确定所述目标降水量所对应的目标降水量区间，其中，所述目标降水量位于所述目标降水量区间内，一个所述预设降水量区间对应一个参数值，所述参数值依据所述农作物的种类确定；确定所述目标降水量区间对应的参数值为目标参数值；计算所述目标参数值与所述目标评分之间的乘积，得到第一目标评分；基于所述第一目标评分确定所述贷款风险等级。7.根据权利要求6所述的方法，其特征在于，基于所述第一目标评分确定所述贷款风险等级，包括：在所述第一目标评分大于或等于所述预设阈值时，确定所述贷款风险等级为所述第一风险等级；在所述第一目标评分小于所述预设阈值时，确定所述贷款风险等级为所述第二风险等级，其中，所述第一风险等级低于所述第二风险等级。8.根据权利要求7所述的方法，其特征在于，所述方法还包括：在所述贷款风险等级为所述第一风险等级时，生成第一贷款发放策略，其中，所述第一贷款发放策略用于一次性向目标账户发放目标额度的贷款资金，所述目标账户的持有对象为所述贷款请求的申请对象，所述目标额度的贷款资金为依据所述贷款请求贷款得到的资金；在所述贷款风险等级为所述第二风险等级时，生成第二贷款发放策略，其中，所述第二贷款发放策略用于分多次向所述目标账户发放所述目标额度的贷款资金。9.一种贷款风险等级的确定装置，其特征在于，包括：获取模块，用于获取农作物对应的历史遥感图像，其中，所述历史遥感图像至少包括第一遥感图像和第二遥感图像，所述第一遥感图像的拍摄时间为第一时间，所述第二遥感图像的拍摄时间为第二时间，所述第一时间为所述农作物在第一生长阶段结束时的时间，所述第二时间为所述农作物在第二生长阶段结束时的时间，所述农作物的生长周期包括所述第一生长阶段和所述第二生长阶段；第一分析模块，用于对所述第一遥感图像进行分析，得到第一植被指数值，其中，所述第一植被指数值用于表征所述农作物在所述第一生长阶段结束时的生长长势状况；第二分析模块，用于对所述第二遥感图像进行分析，得到第二植被指数值，其中，所述第二植被指数值用于表征所述农作物在所述第二生长阶段结束时的生长长势状况；第一确定模块，用于基于所述第一植被指数值和所述第二植被指数值确定所述农作物对应的目标评分，其中，所述目标评分用于表征所述农作物在整个所述生长周期内的生长长势状况；第二确定模块，用于基于所述目标评分确定所述农作物对应的贷款风险等级，其中，所述贷款风险等级用于表征以所述农作物为抵押物的贷款请求的风险程度。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行权利要求1至8任一项中所述的贷款风险
等级的确定方法。11.一种电子设备，其特征在于，所述电子设备包括一个或多个处理器；存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现用于运行程序，其中，所述程序被设置为运行时执行权利要求1至8任一项中所述的贷款风险等级的确定方法。

技术总结
本发明公开了一种贷款风险等级的确定方法、装置及电子设备。涉及金融科技领域或其他领域，该方法包括：获取农作物对应的历史遥感图像，历史遥感图像至少包括第一遥感图像和第二遥感图像；对第一遥感图像进行分析，得到第一植被指数值；对第二遥感图像进行分析，得到第二植被指数值；基于第一植被指数值和第二植被指数值确定农作物对应的目标评分；基于目标评分确定农作物对应的贷款风险等级。本发明解决了现有技术对农作物的生长长势评估效率低导致确定贷款风险等级的效率低的技术问题。导致确定贷款风险等级的效率低的技术问题。导致确定贷款风险等级的效率低的技术问题。


技术研发人员：刘乙赛 施佳子 刘宏文 肖扬
受保护的技术使用者：中国工商银行股份有限公司
技术研发日：2023.04.07
技术公布日：2023/7/22