农业贷款的贷后风险监测方法及装置、电子设备与流程

1.本发明涉及金融科技领域、卫星遥感领域及其他相关技术领域，具体而言，涉及一种农业贷款的贷后风险监测方法及装置、电子设备。


背景技术：

2.随着农业现代化的发展，农业贷款的需求越来越大，农业生产单位所需资金不断增加，发放农业贷款的机构、项目、数量也显著增加，农业贷款行业对于新兴的农业经济作物，农副产品的加工等需求资金量大，时间长，技术要求高的农业生产，应该提供金额大，期限长，利率较低并且稳定的贷款策略，但由于农业贷款周期长，范围广，需要持续性监测，从而使得农业贷款成为最难监测的贷款项目之一。
3.相关技术中，对农业贷款的贷后风险的监测和分析，主要依靠客户经理实地勘察，人工进行监测和分析，存在以下弊端:第一，地块距离与信贷客户经理距离较远则无法进行实时监测，尤其是边远地区监测难度极大，导致信贷贷后的风险较大；第二，单个客户经理需管理的客户较多，无法定期前往每一个客户处进行勘察；第三，办理助农贷款的客户，面积普遍在几百亩以上，地块面积过大，且地形条件不一，无法深入地块详细勘察；第四，信贷客户经理本身也缺乏各类农作物评估的专业知识，无法做出专业的评估。基于上述多个现有监测方法的弊端，农业贷款行业急需一种专业有效的贷后风险监测策略。
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.本发明实施例提供了一种农业贷款的贷后风险监测方法及装置、电子设备，以至少解决相关技术中农业贷款行业缺乏有效的贷后风险监测策略，导致贷后风险较大的技术问题。
6.根据本发明实施例的一个方面，提供了一种农业贷款的贷后风险监测方法，包括：获取目标客户的贷款申请信息，其中，所述贷款申请信息至少包括：关联所述目标客户的信贷项目的项目信息、所述信贷项目中被抵押的目标地块的地块信息，在所述目标地块上种植至少一种农作物；采集所述目标地块的至少一张遥感影像，并基于所述遥感影像分析所述农作物的多项要素数值，得到要素分析集合；将所述要素分析集合输入至风险监测模型，输出对所述信贷项目的风险监测报告。
7.可选地，在获取目标客户的贷款申请信息之前，还包括：接收客户端发起的贷款申请请求，其中，所述贷款申请请求至少包括：地块定位信息、所述目标地块的范围信息、客户信息；对所述贷款申请请求进行解析，确定关联所述目标客户的信贷项目；对所述信贷项目进行审核，得到审核结果；在所述审核结果指示所述信贷项目通过审核的情况下，发起对所述目标地块进行遥感监测的监测任务。
8.可选地，在接收客户端发起的贷款申请请求之前，还包括：向所述目标客户持有的客户端提供信贷服务页面，其中，所述信贷服务页面包含有关联各种农作物的信贷信息、地
块定位按钮、地块圈选按钮，所述地块定位按钮用于向对所述客户端当前所处的区域进行定位，所述地块圈选按钮用于在定位所述客户端的当前区域后向所述客户端提供在所述当前区域内地块边界进行地块圈选的按钮；响应所述客户端对所述地块圈选按钮的第一操作，确定所述地块定位信息和所述目标地块的范围信息；接收所述客户端在圈选所述目标地块后输入的所述客户信息；基于所述地块定位信息、所述目标地块的范围信息和所述客户信息，生成所述贷款申请请求。
9.可选地，在对所述信贷项目进行审核，得到审核结果之后，还包括：在所述审核结果指示所述信贷项目通过审核的情况下，为所述目标地块配置监测频率以及风险监测阈值，其中，所述监测频率用于控制遥感设备采集所述目标地块的遥感影像的频率，所述风险监测阈值用于评估所述信贷项目中关联所述目标地块上种植的农作物各监测要素的要素风险参数。
10.可选地，所述风险监测模型是提前构建的，在构建所述风险监测模型时，包括：获取n个地块关联各监测要素的历史要素数值，得到对应于每类所述监测要素的历史要素分析集合，其中，所述监测要素包括：作物识别要素、产量要素、生长要素、灾害要素，n为正整数；获取对应每个地块的历史风险监测值，并将同一地块的所述历史要素分析集合以及所述历史风险监测值进行整合，得到历史地块监测数据；将所有所述地块的历史地块监测数据划分为多份数据集合，并按照预设比例将所述多份数据集合划分为训练集和验证集；将所述训练集中的数据输入至初始网络模型，输出风险监测信息，对所述初始网络模型进行迭代训练；在所述初始网络模型输出的所述风险监测值与所述验证集中的历史风险监测值之间的相似度超出预设相似度阈值的情况下，确认训练完成，得到所述风险监测模型。
11.可选地，基于所述遥感影像分析所述农作物的多项要素数值，得到要素分析集合的步骤，包括：在确认所述目标地块上的农作物的种类后，将所述目标地块划分为m个地块栅格，m为大于2的正整数；基于每个所述地块栅格内的农作物的分布密度，查询第一映射表，得到关联产量要素的第一要素数值，其中，所述第一映射表中包括关联所述农作物的种类的多个分布密度以及密度数值的映射关系；基于每个所述地块栅格内的农作物的分布状态，查询第二映射表，得到关联生长要素的第二要素数值，其中，所述第二映射表中包括关联所述农作物的种类的多个分布状态以及分布数值的映射关系；基于所述目标地块的作物损坏信息，查询第三映射表，得到关联灾害要素的第三要素数值，其中，所述第三映射表中包括关联所述农作物的种类的多个作物损坏信息以及损坏数值的映射关系；综合所述第一要素数值、所述第二要素数值和所述第三要素数值，确定关联所述目标地块上种植的农作物的所述要素分析集合。
12.可选地，在输出对所述信贷项目的风险监测报告之后，还包括：将所述风险监测报告中的风险监测值与风险监测阈值进行比较；在所述风险监测值大于所述风险监测阈值的情况下，生成风险预警报告，并向金融机构的管理终端发送预警信息。
13.根据本发明实施例的另一方面，还提供了一种农业贷款的贷后风险监测装置，包括：获取单元，用于获取目标客户的贷款申请信息，其中，所述贷款申请信息至少包括：关联所述目标客户的信贷项目的项目信息、所述信贷项目中被抵押的目标地块的地块信息，在所述目标地块上种植至少一种农作物；分析单元，用于采集所述目标地块的至少一张遥感影像，并基于所述遥感影像分析所述农作物的多项要素数值，得到要素分析集合；输入单
元，用于将所述要素分析集合输入至风险监测模型，输出对所述信贷项目的风险监测报告。
14.可选地，所述农业贷款的贷后风险监测装置还包括：第一接收模块，用于接收客户端发起的贷款申请请求，其中，所述贷款申请请求至少包括：地块定位信息、所述目标地块的范围信息、客户信息；第一确定单元，用于对所述贷款申请请求进行解析，确定关联所述目标客户的信贷项目；第一审核模块，用于对所述信贷项目进行审核，得到审核结果；第一发起模块，用于在所述审核结果指示所述信贷项目通过审核的情况下，发起对所述目标地块进行遥感监测的监测任务。
15.可选地，所述农业贷款的贷后风险监测装置还包括：第一提供模块，用于向所述目标客户持有的客户端提供信贷服务页面，其中，所述信贷服务页面包含有关联各种农作物的信贷信息、地块定位按钮、地块圈选按钮，所述地块定位按钮用于向对所述客户端当前所处的区域进行定位，所述地块圈选按钮用于在定位所述客户端的当前区域后向所述客户端提供在所述当前区域内地块边界进行地块圈选的按钮；第一响应模块，用于响应所述客户端对所述地块圈选按钮的第一操作，确定所述地块定位信息和所述目标地块的范围信息；第二接收模块，用于接收所述客户端在圈选所述目标地块后输入的所述客户信息；第一生成模块，用于基于所述地块定位信息、所述目标地块的范围信息和所述客户信息，生成所述贷款申请请求。
16.可选地，所述农业贷款的贷后风险监测装置还包括：第一配置模块，用于在所述审核结果指示所述信贷项目通过审核的情况下，为所述目标地块配置监测频率以及风险监测阈值，其中，所述监测频率用于控制遥感设备采集所述目标地块的遥感影像的频率，所述风险监测阈值用于评估所述信贷项目中关联所述目标地块上种植的农作物各监测要素的要素风险参数。
17.可选地，所述农业贷款的贷后风险监测装置还包括：第一获取模块，用于获取n个地块关联各监测要素的历史要素数值，得到对应于每类所述监测要素的历史要素分析集合，其中，所述监测要素包括：作物识别要素、产量要素、生长要素、灾害要素，n为正整数；第二获取模块，用于获取对应每个地块的历史风险监测值，并将同一地块的所述历史要素分析集合以及所述历史风险监测值进行整合，得到历史地块监测数据；第一划分模块，用于将所有所述地块的历史地块监测数据划分为多份数据集合，并按照预设比例将所述多份数据集合划分为训练集和验证集；第一输出模块，用于将所述训练集中的数据输入至初始网络模型，输出风险监测信息，对所述初始网络模型进行迭代训练；第一确认模块，用于在所述初始网络模型输出的所述风险监测值与所述验证集中的历史风险监测值之间的相似度超出预设相似度阈值的情况下，确认训练完成，得到所述风险监测模型。
18.可选地，所述分析单元包括：第二划分模块，用于在确认所述目标地块上的农作物的种类后，将所述目标地块划分为m个地块栅格，m为大于2的正整数；第一查询模块，用于基于每个所述地块栅格内的农作物的分布密度，查询第一映射表，得到关联产量要素的第一要素数值，其中，所述第一映射表中包括关联所述农作物的种类的多个分布密度以及密度数值的映射关系；第二查询模块，用于基于每个所述地块栅格内的农作物的分布状态，查询第二映射表，得到关联生长要素的第二要素数值，其中，所述第二映射表中包括关联所述农作物的种类的多个分布状态以及分布数值的映射关系；第三查询模块，用于基于所述目标地块的作物损坏信息，查询第三映射表，得到关联灾害要素的第三要素数值，其中，所述第
三映射表中包括关联所述农作物的种类的多个作物损坏信息以及损坏数值的映射关系；第二确定模块，用于综合所述第一要素数值、所述第二要素数值和所述第三要素数值，确定关联所述目标地块上种植的农作物的所述要素分析集合。
19.可选地，所述农业贷款的贷后风险监测装置还包括：第一比较模块，用于将所述风险监测报告中的风险监测值与风险监测阈值进行比较；第二生成模块，用于在所述风险监测值大于所述风险监测阈值的情况下，生成风险预警报告，并向金融机构的管理终端发送预警信息。
20.根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述任意一项农业贷款的贷后风险监测方法。
21.根据本发明实施例的另一方面，还提供了一种电子设备，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，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上述任意一项农业贷款的贷后风险监测方法。
22.本公开中，采用以下步骤，先获取目标客户的贷款申请信息，其中，贷款申请信息至少包括：关联目标客户的信贷项目的项目信息、信贷项目中被抵押的目标地块的地块信息，在目标地块上种植至少一种农作物，然后采集目标地块的至少一张遥感影像，并基于遥感影像分析农作物的多项要素数值，得到要素分析集合，最后将要素分析集合输入至风险监测模型，输出对信贷项目的风险监测报告。
23.在本公开中，在通过遥感影像对农业贷款的贷后风险进行实时监测时，可以先通过获取到的遥感影像分析农作物的多项要素数值(该要素数值是基于地块中种植的农作物的实际情况得到的)，将要素数值输入到风险监测模型，可以自动生成信贷项目的风险监测报告，基于该方法可以实时获取农业贷款的贷后风险报告，能够对可能发生贷后风险的贷款进行及时处理，从而降低信贷的坏账率，进而解决了相关技术中农业贷款行业缺乏有效的贷后风险监测策略，导致贷后风险较大的技术问题。
附图说明
24.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：
25.图1是根据本发明实施例的一种可选的农业贷款的贷后风险监测方法的流程图；
26.图2是根据本发明实施例的一种可选的农业贷款的贷后风险监测流程的示意图；
27.图3是根据本发明实施例的一种可选的农业贷款的贷后风险监测装置的示意图；
28.图4是根据本发明实施例的一种农业贷款的贷后风险监测方法的电子设备(或移动设备)的硬件结构框图。
具体实施方式
29.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。
30.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。
31.需要说明的是，本公开中的农业贷款的贷后风险监测方法及装置可用于金融科技领域和卫星遥感领域在对农业贷款的贷后风险进行监测和分析的情况下，也可用于除金融科技领域和卫星遥感领域之外的任意领域在对信用贷款的贷后风险进行监测和分析的情况下，本公开中农业贷款的贷后风险监测方法及装置的应用领域不做限定。
32.需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据，信贷数据等)，均为经用户授权或者经过各方充分授权的信息和数据，并且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准，并提供有相应的操作入口，供用户选择授权或者拒绝。
33.本发明可以应用于各种信用贷款设备/装置/产品中(例如，各种移动终端、pc端、金融app中)，本发明实施例通过农作物的要素数值对农作物的各项情况进行分析，并基于风险监测模型自动对农作物风险进行预测，生成风险监测报告供业务人员查看，进而可以让信贷业务人员在足不出户的情况下，准确了解到各个地块的信息，提前知悉农业贷款的贷后风险，并作出相应的处理。
34.下面结合各个实施例对本发明进行详细说明。
35.实施例一
36.根据本发明实施例，提供了一种农业贷款的贷后风险监测方法实施例，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。
37.图1是根据本发明实施例的一种可选的农业贷款的贷后风险监测方法的流程图，如图1所示，该方法包括如下步骤：
38.步骤s101，获取目标客户的贷款申请信息，其中，贷款申请信息至少包括：关联目标客户的信贷项目的项目信息、信贷项目中被抵押的目标地块的地块信息，在目标地块上种植至少一种农作物；
39.步骤s102，采集目标地块的至少一张遥感影像，并基于遥感影像分析农作物的多项要素数值，得到要素分析集合；
40.步骤s103，将要素分析集合输入至风险监测模型，输出对信贷项目的风险监测报告。
41.通过上述步骤，先获取目标客户的贷款申请信息，其中，贷款申请信息至少包括：
关联目标客户的信贷项目的项目信息、信贷项目中被抵押的目标地块的地块信息，在目标地块上种植至少一种农作物，然后采集目标地块的至少一张遥感影像，并基于遥感影像分析农作物的多项要素数值，得到要素分析集合，最后将要素分析集合输入至风险监测模型，输出对信贷项目的风险监测报告。
42.本实施例中，在通过遥感影像对农业贷款的贷后风险进行实时监测时，可以先通过获取到的遥感影像分析农作物的多项要素数值(该要素数值是基于地块中种植的农作物的实际情况得到的)，将要素数值输入到风险监测模型，可以自动生成信贷项目的风险监测报告，基于该方法可以实时获取农业贷款的贷后风险报告，能够对可能发生贷后风险的贷款进行及时处理，从而降低信贷的坏账率，进而解决了相关技术中农业贷款行业缺乏有效的贷后风险监测策略，导致贷后风险较大的技术问题。
43.下面结合上述各实施步骤来详细说明。
44.需要说明的是，随着农业现代化的发展，农业贷款逐渐成为热门贷款项目，用户通过土地、房屋、农作物等进行抵押，向金融机构进行农业贷款，用户通过土地、农作物等进行贷款时，由于土地、农作物等抵押物品的特殊性，金融机构无法实时、精确地评估贷款项目的风险性，本发明实施例基于历史农作物贷款信息构建风险监测模型，通过农作物的多种要素值全面分析农业贷款的贷后风险，当存在贷款风险时及时通知业务人员采取相关措施，减小损失。
45.可选地，在接收客户端发起的贷款申请请求之前，还包括：向目标客户持有的客户端提供信贷服务页面，其中，信贷服务页面包含有关联各种农作物的信贷信息、地块定位按钮、地块圈选按钮，地块定位按钮用于向对客户端当前所处的区域进行定位，地块圈选按钮用于在定位客户端的当前区域后向客户端提供在当前区域内地块边界进行地块圈选的按钮；响应客户端对地块圈选按钮的第一操作，确定地块定位信息和目标地块的范围信息；接收客户端在圈选目标地块后输入的客户信息；基于地块定位信息、目标地块的范围信息和客户信息，生成贷款申请请求。
46.需要说明的是，客户可以基于用户端在线上办理农业贷款业务，也可以在金融机构窗口线下办理农业贷款业务，在办理贷款项目时，贷款页面有一个地块圈选虚拟按钮，用户单击/双击/长按之后，基于地图服务，用户可以选取自己所在地区的土地，然后通过触摸屏/点选工具等进行具体地块的选取并将用户选取的地块用颜色或者特殊标记进行标识，地块选取包括农作物种植区域选取和地块边界选取等，或者，提供一个地块序号，对地块序号进行选取，每个地块序号与实际的地块的地块信息预先建立有映射关系，地块信息中记录有地块的位置、面积、相邻地块信息、边界信息和图形信息，或者，基于预设地块虚拟线，对地块边界进行颜色标识，在圈选待抵押地块后，服务器响应用户端的相应操作，基于圈选的地块地图信息确定地块定位信息和地块范围信息、地块面积信息等，同时用户还需要提交身份信息和自身基本情况，基于上述多个信息提交贷款申请请求，交由金融机构进行信息核实和贷款评估。
47.可选地，在获取目标客户的贷款申请信息之前，还包括：接收客户端发起的贷款申请请求，其中，贷款申请请求至少包括：地块定位信息、目标地块的范围信息、客户信息；对贷款申请请求进行解析，确定关联目标客户的信贷项目；对信贷项目进行审核，得到审核结果；在审核结果指示信贷项目通过审核的情况下，发起对目标地块进行遥感监测的监测任
务。
48.需要说明的是，本发明实施例是针对用户农作物贷款之后，对农作物进行监测分析，在监测贷后风险之前，需要确定每位用户进行农业贷款抵押的地块，并对客户身份信息进行确认，用户端提交贷款申请后，将地块信息作为核实项之一进行核实，核实通过后生成贷款任务并提交卫星遥感监测请求，并将该任务放入任务列表，实时进行遥感影像的调用和分析，从而实现对农作物贷后风险的监测。
49.可选地，在对信贷项目进行审核，得到审核结果之后，还包括：在审核结果指示信贷项目通过审核的情况下，为目标地块配置监测频率以及风险监测阈值，其中，监测频率用于控制遥感设备采集目标地块的遥感影像的频率，风险监测阈值用于评估信贷项目中关联目标地块上种植的农作物各监测要素的要素风险参数。
50.需要说明的是，不同的农作物生长周期不同，且对恶劣环境以及病虫灾害的抵抗能力也不相同，因此，需要基于各用户的实际贷款情况，对目标地块监测频率进行设置，监测频率基于作物的生长周期和环境条件进行设置，例如一年生植物，则监测频率较大，可以设置为一个月或者一个季度等进行监测，对于较为珍贵，抵抗能力较差的植物，则监测频率较小。
51.需要说明的是，风险监测阈值是基于多种要素数据综合评估得到的，基于无人机影像、卫星遥感影像、航空设备影像可以获取到多项要素数据，该要素包括但不限于：作物种类、作物产量、作物长势情况、灾害情况，其中，作物种类包括但不限于：小麦、水稻、高粱、玉米等第一梯队粮食作物，马铃薯、红薯、豌豆、大豆等第二梯队粮食作物，辣椒、黄瓜、丝瓜等第一梯队经济作物，棉花、咖啡豆、松树等第二梯队经济作物；对于作物产量，不同的地区有很大的区别，在计算产量时，计算的是一亩地的粮食产出量，例如，水稻500-1000公斤/亩,玉米600-900公斤/亩,高粱500-600公斤/亩,小麦200-400公斤/亩,大麦250公斤/亩，作物长势情况是通过作物生长高度，作物生长密度综合评估的，灾害情况包括但不限于：洪涝、旱灾、风灾、低温灾害、农业病虫灾害，基于风险监测阈值对农业贷款项目进行监测评估，并基于不同程度的风险提供不同的预警策略。
52.可选地，风险监测模型是提前构建的，在构建风险监测模型时，包括：获取n个地块关联各监测要素的历史要素数值，得到对应于每类监测要素的历史要素分析集合，其中，监测要素包括：作物识别要素、产量要素、生长要素、灾害要素，n为正整数；获取对应每个地块的历史风险监测值，并将同一地块的历史要素分析集合以及历史风险监测值进行整合，得到历史地块监测数据；将所有地块的历史地块监测数据划分为多份数据集合，并按照预设比例将多份数据集合划分为训练集和验证集；将训练集中的数据输入至初始网络模型，输出风险监测信息，对初始网络模型进行迭代训练；在初始网络模型输出的风险监测值与验证集中的历史风险监测值之间的相似度超出预设相似度阈值的情况下，确认训练完成，得到风险监测模型。
53.需要说明的是，本发明实施例引入风险监测模型对贷后风险进行评估，该风险监测模型是提前构建好的具有计算功能的监测模型，模型的构建需要大量的历史数据作为原始数据，通过原始数据进行不断地学习和迭代训练，得到训练模型，本发明实施例中的监测要素和风险监测值存在预设映射关系，基于预设映射关系将各要素值数据化，通过具体的数据进行计算和评估。
54.可选地，在进行风险监测的计算时，通过风险监测模型的迭代训练确定每项要素对应的权重系数和修正值，对于不同种类的农作物，可以设置不同的权重系数和修正值，权重系数可以设定为0-1之间的任何数值，修正值可以设置为
±
0-10之间的任何数值，例如，对于小麦、水稻、高粱、玉米等第一梯队粮食作物可以设置较高的权重系数和修正值，例如小麦和水稻的权重系数设置为0.8，修正值设置为8,高粱和玉米的权重系数设置为0.7，修正值设置为7，而对于棉花、咖啡豆、松树等第二梯队经济作物可以设置较低的权重系数和修正值，例如，棉花、咖啡豆、松树的权重系数设置为0.4，修正值设置为-4。
55.步骤s101，获取目标客户的贷款申请信息，其中，贷款申请信息至少包括：关联目标客户的信贷项目的项目信息、信贷项目中被抵押的目标地块的地块信息，在目标地块上种植至少一种农作物。
56.需要说明的是，本发明实施例的实施主体为风险监测系统，目标客户在金融机构客户端进行贷款项目申请，完善贷款申请信息，由金融机构业务人员进行贷款信息审核和评估，贷款申请信息中携带了抵押的地块信息，客户的具体贷款项目信息，金融机构侧审核通过后构建监测任务，将贷款信息上送风险监测系统，并请求目标地块的遥感监测，定期对农作物情况和地块情况进行监测和信息更新。
57.步骤s102，采集目标地块的至少一张遥感影像，并基于遥感影像分析农作物的多项要素数值，得到要素分析集合。
58.需要说明的是，根据设置的监测频率，定期从指定的卫星监测数据源中，获取目标地块的卫星遥感图像，在后台数据分析系统中，计算所需关注的要素数值。
59.可选地，基于遥感影像分析农作物的多项要素数值，得到要素分析集合的步骤，包括：在确认目标地块上的农作物的种类后，将目标地块划分为m个地块栅格，m为大于2的正整数；基于每个地块栅格内的农作物的分布密度，查询第一映射表，得到关联产量要素的第一要素数值，其中，第一映射表中包括关联农作物的种类的多个分布密度以及密度数值的映射关系；基于每个地块栅格内的农作物的分布状态，查询第二映射表，得到关联生长要素的第二要素数值，其中，第二映射表中包括关联农作物的种类的多个分布状态以及分布数值的映射关系；基于目标地块的作物损坏信息，查询第三映射表，得到关联灾害要素的第三要素数值，其中，第三映射表中包括关联农作物的种类的多个作物损坏信息以及损坏数值的映射关系；综合第一要素数值、第二要素数值和第三要素数值，确定关联目标地块上种植的农作物的要素分析集合。
60.需要说明的是，基于遥感影像可以对作物进行识别，在获取作物的生长情况和产量情况时，可以将监测地块划分为多个栅格地块，分别对每个栅格进行统计分析，最后进行累加获取整个地块的农作物信息，其中，农作物要素和要素值之间存在预设映射关系，可以通过查询映射表，得到对应的要素值，产量要素基于农作物分布密度确定，生长要素基于农作物的分布状态确定，灾害要素基于农作物损坏情况确定。
61.步骤s103，将要素分析集合输入至风险监测模型，输出对信贷项目的风险监测报告。
62.本实施例，将第一要素数值记为e1、第二要素数值记为e2，第三要素数值记为e3，并将多个要素值输入到风险监测模型，基于多个要素值计算风险监测值,该风险监测值用于表征农业贷款的贷后风险。
63.可选地，在输出对信贷项目的风险监测报告之后，还包括：将风险监测报告中的风险监测值与风险监测阈值进行比较；在风险监测值大于风险监测阈值的情况下，生成风险预警报告，并向金融机构的管理终端发送预警信息。
64.需要说明的是，对于不同的贷款项目都有一套风险监测阈值，不同的风险监测阈值是基于地区以及农作物种类确定的，用户在进行贷款后，通过识别出的作物类别，调取相应的风险监测阈值，将计算得到的风险监测值与该阈值进行比较，当风险监测值大于风险监测阈值，触发预警机制，通知业务人员采取相应措施。
65.通过上述实施例，基于农作物的要素数值对农作物的各项情况进行分析，并基于风险监测模型自动对农作物风险进行预测，生成风险监测报告供业务人员查看，进而可以让信贷业务人员在足不出户的情况下，准确了解到各个地块的信息，提前知悉农业贷款的贷后风险，并作出相应的处理。
66.下面结合一种更具体的实施例来说明本发明。
67.图2是根据本发明实施例的一种可选的农业贷款的贷后风险监测流程的示意图，如图2所示，农业贷款的贷后风险检测包括：
68.步骤一：客户登录，访问农业贷款申请页面；
69.步骤二：填写贷款申请，其中地块信息作为贷款申请的一部分，在此时由客户圈选待抵押的地块，圈选的地块信息随贷款申请一并上送；
70.在农作物贷款申请过程中，可以通过输入终端，结合地图服务，对客户所属的地块进行圈选，并录入地块相关信息(作物类型、生长周期、监测频率等)。
71.步骤三：接收贷款申请后，对作物类型、地块面积、所属区域等信息做初步核实后，设置监测频率和风险阈值等信息，提交贷后地块监测请求。
72.步骤四：开启定期监测，定期获取相关区域卫星遥感影像并进行影像分析。
73.根据设置的监测频率、圈选的地块，定期从指定的卫星数据源中，获取地块的卫星遥感图像进行分析，获取风险监测关注的要素信息(作物识别、产量预估、长势情况、灾害监测)。客户经理也可以在系统中实时查看最新的卫星遥感影像分析图片。
74.步骤五：通过风险模型对该笔贷款的贷后风险进行评估；
75.在后台数据分析系统中，计算所需关注的要素数值ei，构建风险监测模型，对多项分析要素进行建模分析，获取当前项目的风险情况。
76.基于要素值计算风险监测值的公式为：c＝∑
ii＝＝1n
(wi·ei
+bi)，其中，c为风险监测值，ei为多项分析要素，wi为对应每项要素的权重系数，bi为对应每项要素的修正值，以上wi、bi是通过阈值监测模型迭代训练计算得到的，对于每个不同类型的产品、作物，设定为阈值c、wi、bi；对于每一笔贷款，可以设置单独的阈值、权重及要素。
77.步骤六：生成风险评估报告，并将计算得到的风险监测值与预设风险阈值进行比较，若超过阈值，则进行风险预警信息提醒；
78.对于不同的贷款项目可设定不同的风险监测阈值，不同的风险监测阈值是基于地区以及农作物种类确定的，用户在进行贷款后，通过识别出的作物类别，调取相应的风险监测阈值，将计算得到的风险监测值与该阈值进行比较，当风险监测值大于风险监测阈值，触发预警机制，通知业务人员采取相应措施。
79.步骤七：业务人员接收贷款风险预警并及时处理。
80.通过上述实施例，基于农作物的要素数值对农作物的各项情况进行分析，并基于风险监测模型自动对农作物风险进行预测，生成风险监测报告供业务人员查看，进而可以让信贷业务人员在足不出户的情况下，准确了解到各个地块的信息，提前知悉农业贷款的贷后风险，并作出相应的处理。
81.下面结合另一种可选的实施例来说明本发明。
82.实施例二
83.本实施例提供了一种农业贷款的贷后风险监测装置，该农业贷款的贷后风险监测装置中所包含的各个实施单元对应于上述实施例一中的各个实施步骤。
84.图3是根据本发明实施例的一种可选的农业贷款的贷后风险监测装置的示意图，如图3所示，该农业贷款的贷后风险监测装置包括：获取单元31、分析单元32、输入单元33，其中，
85.获取单元31，用于获取目标客户的贷款申请信息，其中，贷款申请信息至少包括：关联目标客户的信贷项目的项目信息、信贷项目中被抵押的目标地块的地块信息，在目标地块上种植至少一种农作物；
86.分析单元32，用于采集目标地块的至少一张遥感影像，并基于遥感影像分析农作物的多项要素数值，得到要素分析集合；
87.输入单元33，用于将要素分析集合输入至风险监测模型，输出对信贷项目的风险监测报告。
88.上述农业贷款的贷后风险监测装置，通过获取单元31获取目标客户的贷款申请信息，其中，贷款申请信息至少包括：关联目标客户的信贷项目的项目信息、信贷项目中被抵押的目标地块的地块信息，在目标地块上种植至少一种农作物；通过分析单元32采集目标地块的至少一张遥感影像，并基于遥感影像分析农作物的多项要素数值，得到要素分析集合；通常输入单元33将要素分析集合输入至风险监测模型，输出对信贷项目的风险监测报告。
89.本实施例中，在通过遥感影像对农业贷款的贷后风险进行实时监测时，可以先通过获取到的遥感影像分析农作物的多项要素数值(该要素数值是基于地块中种植的农作物的实际情况得到的)，将要素数值输入到风险监测模型，可以自动生成信贷项目的风险监测报告，基于该方法可以实时获取农业贷款的贷后风险报告，能够对可能发生贷后风险的贷款进行及时处理，从而降低信贷的坏账率，进而解决了相关技术中农业贷款行业缺乏有效的贷后风险监测策略，导致贷后风险较大的技术问题。
90.可选地，农业贷款的贷后风险监测装置还包括：第一接收模块，用于接收客户端发起的贷款申请请求，其中，贷款申请请求至少包括：地块定位信息、目标地块的范围信息、客户信息；第一确定单元，用于对贷款申请请求进行解析，确定关联目标客户的信贷项目；第一审核模块，用于对信贷项目进行审核，得到审核结果；第一发起模块，用于在审核结果指示信贷项目通过审核的情况下，发起对目标地块进行遥感监测的监测任务。
91.可选地，农业贷款的贷后风险监测装置还包括：第一提供模块，用于向目标客户持有的客户端提供信贷服务页面，其中，信贷服务页面包含有关联各种农作物的信贷信息、地块定位按钮、地块圈选按钮，地块定位按钮用于向对客户端当前所处的区域进行定位，地块圈选按钮用于在定位客户端的当前区域后向客户端提供在当前区域内地块边界进行地块
圈选的按钮；第一响应模块，用于响应客户端对地块圈选按钮的第一操作，确定地块定位信息和目标地块的范围信息；第二接收模块，用于接收客户端在圈选目标地块后输入的客户信息；第一生成模块，用于基于地块定位信息、目标地块的范围信息和客户信息，生成贷款申请请求。
92.可选地，农业贷款的贷后风险监测装置还包括：第一配置模块，用于在审核结果指示信贷项目通过审核的情况下，为目标地块配置监测频率以及风险监测阈值，其中，监测频率用于控制遥感设备采集目标地块的遥感影像的频率，风险监测阈值用于评估信贷项目中关联目标地块上种植的农作物各监测要素的要素风险参数。
93.可选地，农业贷款的贷后风险监测装置还包括：第一获取模块，用于获取n个地块关联各监测要素的历史要素数值，得到对应于每类监测要素的历史要素分析集合，其中，监测要素包括：作物识别要素、产量要素、生长要素、灾害要素，n为正整数；第二获取模块，用于获取对应每个地块的历史风险监测值，并将同一地块的历史要素分析集合以及历史风险监测值进行整合，得到历史地块监测数据；第一划分模块，用于将所有地块的历史地块监测数据划分为多份数据集合，并按照预设比例将多份数据集合划分为训练集和验证集；第一输出模块，用于将训练集中的数据输入至初始网络模型，输出风险监测信息，对初始网络模型进行迭代训练；第一确认模块，用于在初始网络模型输出的风险监测值与验证集中的历史风险监测值之间的相似度超出预设相似度阈值的情况下，确认训练完成，得到风险监测模型。
94.可选地，分析单元32包括：第二划分模块，用于在确认目标地块上的农作物的种类后，将目标地块划分为m个地块栅格，m为大于2的正整数；第一查询模块，用于基于每个地块栅格内的农作物的分布密度，查询第一映射表，得到关联产量要素的第一要素数值，其中，第一映射表中包括关联农作物的种类的多个分布密度以及密度数值的映射关系；第二查询模块，用于基于每个地块栅格内的农作物的分布状态，查询第二映射表，得到关联生长要素的第二要素数值，其中，第二映射表中包括关联农作物的种类的多个分布状态以及分布数值的映射关系；第三查询模块，用于基于目标地块的作物损坏信息，查询第三映射表，得到关联灾害要素的第三要素数值，其中，第三映射表中包括关联农作物的种类的多个作物损坏信息以及损坏数值的映射关系；第二确定模块，用于综合第一要素数值、第二要素数值和第三要素数值，确定关联目标地块上种植的农作物的要素分析集合。
95.可选地，农业贷款的贷后风险监测装置还包括：第一比较模块，用于将风险监测报告中的风险监测值与风险监测阈值进行比较；第二生成模块，用于在风险监测值大于风险监测阈值的情况下，生成风险预警报告，并向金融机构的管理终端发送预警信息。
96.农业贷款的贷后风险监测装置包括处理器和存储器，获取单元31、分析单元32、输入单元33等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
97.处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数对农业贷款的贷后风险进行监测。
98.存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)，存储器包括至少一个存储芯片。
99.根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，计算机可读存储介质包括存储的计算机程序，其中，在计算机程序运行时控制计算机可读存储介质所在设备执行上述任意一项农业贷款的贷后风险监测方法。
100.根据本发明实施例的另一方面，还提供了一种电子设备，包括一个或多个处理器和存储器，存储器用于存储一个或多个程序，其中，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上述任意一项农业贷款的贷后风险监测方法。
101.本技术还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：获取目标客户的贷款申请信息，其中，贷款申请信息至少包括：关联目标客户的信贷项目的项目信息、信贷项目中被抵押的目标地块的地块信息，在目标地块上种植至少一种农作物；采集目标地块的至少一张遥感影像，并基于遥感影像分析农作物的多项要素数值，得到要素分析集合；将要素分析集合输入至风险监测模型，输出对信贷项目的风险监测报告。
102.图4是根据本发明实施例的一种农业贷款的贷后风险监测方法的电子设备(或移动设备)的硬件结构框图。如图4所示，电子设备可以包括一个或多个(图中采用402a、402b，
……
，402n来示出)处理器402(处理器402可以包括但不限于微处理器mcu或可编程逻辑器件fpga等的处理装置)、用于存储数据的存储器404。除此以外，还可以包括：显示器、输入/输出接口(i/o接口)、通用串行总线(usb)端口(可以作为i/o接口的端口中的一个端口被包括)、网络接口、键盘、电源和/或相机。本领域普通技术人员可以理解，图4所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，电子设备还可包括比图4中所示更多或者更少的组件，或者具有与图4所示不同的配置。
103.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。
104.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。
105.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。
106.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。
107.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。
108.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。
109.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：
1.一种农业贷款的贷后风险监测方法，其特征在于，包括：获取目标客户的贷款申请信息，其中，所述贷款申请信息至少包括：关联所述目标客户的信贷项目的项目信息、所述信贷项目中被抵押的目标地块的地块信息，在所述目标地块上种植至少一种农作物；采集所述目标地块的至少一张遥感影像，并基于所述遥感影像分析所述农作物的多项要素数值，得到要素分析集合；将所述要素分析集合输入至风险监测模型，输出对所述信贷项目的风险监测报告。2.根据权利要求1所述的贷后风险监测方法，其特征在于，在获取目标客户的贷款申请信息之前，还包括：接收客户端发起的贷款申请请求，其中，所述贷款申请请求至少包括：地块定位信息、所述目标地块的范围信息、客户信息；对所述贷款申请请求进行解析，确定关联所述目标客户的信贷项目；对所述信贷项目进行审核，得到审核结果；在所述审核结果指示所述信贷项目通过审核的情况下，发起对所述目标地块进行遥感监测的监测任务。3.根据权利要求2所述的贷后风险监测方法，其特征在于，在接收客户端发起的贷款申请请求之前，还包括：向所述目标客户持有的客户端提供信贷服务页面，其中，所述信贷服务页面包含有关联各种农作物的信贷信息、地块定位按钮、地块圈选按钮，所述地块定位按钮用于向对所述客户端当前所处的区域进行定位，所述地块圈选按钮用于在定位所述客户端的当前区域后向所述客户端提供在所述当前区域内地块边界进行地块圈选的按钮；响应所述客户端对所述地块圈选按钮的第一操作，确定所述地块定位信息和所述目标地块的范围信息；接收所述客户端在圈选所述目标地块后输入的所述客户信息；基于所述地块定位信息、所述目标地块的范围信息和所述客户信息，生成所述贷款申请请求。4.根据权利要求2所述的贷后风险监测方法，其特征在于，在对所述信贷项目进行审核，得到审核结果之后，还包括：在所述审核结果指示所述信贷项目通过审核的情况下，为所述目标地块配置监测频率以及风险监测阈值，其中，所述监测频率用于控制遥感设备采集所述目标地块的遥感影像的频率，所述风险监测阈值用于评估所述信贷项目中关联所述目标地块上种植的农作物各监测要素的要素风险参数。5.根据权利要求1所述的方法，其特征在于，所述风险监测模型是提前构建的，在构建所述风险监测模型时，包括：获取n个地块关联各监测要素的历史要素数值，得到对应于每类所述监测要素的历史要素分析集合，其中，所述监测要素包括：作物识别要素、产量要素、生长要素、灾害要素，n为正整数；获取对应每个地块的历史风险监测值，并将同一地块的所述历史要素分析集合以及所述历史风险监测值进行整合，得到历史地块监测数据；
将所有所述地块的历史地块监测数据划分为多份数据集合，并按照预设比例将所述多份数据集合划分为训练集和验证集；将所述训练集中的数据输入至初始网络模型，输出风险监测信息，对所述初始网络模型进行迭代训练；在所述初始网络模型输出的所述风险监测值与所述验证集中的历史风险监测值之间的相似度超出预设相似度阈值的情况下，确认训练完成，得到所述风险监测模型。6.根据权利要求1所述的方法，其特征在于，基于所述遥感影像分析所述农作物的多项要素数值，得到要素分析集合的步骤，包括：在确认所述目标地块上的农作物的种类后，将所述目标地块划分为m个地块栅格，m为大于2的正整数；基于每个所述地块栅格内的农作物的分布密度，查询第一映射表，得到关联产量要素的第一要素数值，其中，所述第一映射表中包括关联所述农作物的种类的多个分布密度以及密度数值的映射关系；基于每个所述地块栅格内的农作物的分布状态，查询第二映射表，得到关联生长要素的第二要素数值，其中，所述第二映射表中包括关联所述农作物的种类的多个分布状态以及分布数值的映射关系；基于所述目标地块的作物损坏信息，查询第三映射表，得到关联灾害要素的第三要素数值，其中，所述第三映射表中包括关联所述农作物的种类的多个作物损坏信息以及损坏数值的映射关系；综合所述第一要素数值、所述第二要素数值和所述第三要素数值，确定关联所述目标地块上种植的农作物的所述要素分析集合。7.根据权利要求1所述的方法，其特征在于，在输出对所述信贷项目的风险监测报告之后，还包括：将所述风险监测报告中的风险监测值与风险监测阈值进行比较；在所述风险监测值大于所述风险监测阈值的情况下，生成风险预警报告，并向金融机构的管理终端发送预警信息。8.一种农业贷款的贷后风险监测装置，其特征在于，包括：获取单元，用于获取目标客户的贷款申请信息，其中，所述贷款申请信息至少包括：关联所述目标客户的信贷项目的项目信息、所述信贷项目中被抵押的目标地块的地块信息，在所述目标地块上种植至少一种农作物；分析单元，用于采集所述目标地块的至少一张遥感影像，并基于所述遥感影像分析所述农作物的多项要素数值，得到要素分析集合；输入单元，用于将所述要素分析集合输入至风险监测模型，输出对所述信贷项目的风险监测报告。9.一种计算机可读存储介质，其特征在于，计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至7中任意一项所述的农业贷款的贷后风险监测方法。10.一种电子设备，其特征在于，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，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权利要求1至7中任意一项所述的农业贷款的贷后风险监测方法。

技术总结
本发明公开了一种农业贷款的贷后风险监测方法及装置、电子设备，涉及金融科技领域和卫星遥感领域，其中，该方法包括：获取目标客户的贷款申请信息，其中，贷款申请信息至少包括：关联目标客户的信贷项目的项目信息、信贷项目中被抵押的目标地块的地块信息，在目标地块上种植至少一种农作物；采集目标地块的至少一张遥感影像，并基于遥感影像分析农作物的多项要素数值，得到要素分析集合；将要素分析集合输入至风险监测模型，输出对信贷项目的风险监测报告。本发明解决了相关技术中农业贷款行业缺乏有效的贷后风险监测策略，导致贷后风险较大的技术问题。的技术问题。的技术问题。


技术研发人员：陆新龙 刘姗姗 林慕云 马平莉
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：2023.02.28
技术公布日：2023/7/22