一种农业信贷的贷后风险监测方法及系统与流程

本申请涉及智能化风险监测，并且更具体地，涉及一种农业信贷的贷后风险监测方法及系统。

背景技术：

1、随着农业现代化的发展，农业贷款的需求越来越大。农业生产单位需要不断增加资金支持，因此农业贷款的发放机构、项目和数量也显著增加。农业贷款行业面临着对新兴农业经济作物、农副产品加工等需要大量资金、时间长、技术要求高的农业生产的需求。为满足这些需求，农业贷款应提供金额大、期限长、利率较低且稳定的贷款策略。然而，农业信贷存在一定的贷后风险，包括农作物生长不良、自然灾害、市场波动等因素可能导致贷款无法按时还款或无法实现预期收益。

2、目前，对农业贷款的贷后风险监测和分析主要依靠客户经理进行实地勘察和人工分析。然而，这种方法存在一些弊端。首先，如果地块距离信贷客户经理较远，就无法进行实时监测，尤其是在边远地区，监测难度更大，导致贷款风险增加。其次，单个客户经理需要管理的客户较多，无法定期前往每个客户处进行勘察。第三，办理农业贷款的客户通常拥有较大的地块面积，地形条件各异，无法深入详细勘察每个地块。最后，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。

3、因此，期望一种优化的农业信贷的贷后风险监测系统。

技术实现思路

1、为了解决上述技术问题，提出了本申请。

2、第一方面，提供了一种农业信贷的贷后风险监测系统，其包括：

3、贷款申请信息采集模块，用于获取目标客户的贷款申请信息，所述贷款申请信息包括项目信息和地块信息；

4、遥感图像采集模块，用于获取目标地块的遥感图像；

5、贷款申请语义编码模块，用于对所述贷款申请信息中的项目信息和地块信息进行语义编码以得到项目信息语义编码特征向量和地块信息语义编码特征向量；

6、贷款申请语义信息融合模块，用于将所述项目信息语义编码特征向量和所述地块信息语义编码特征向量进行拼接以得到贷款申请信息语义编码特征向量；

7、遥感图像特征提取模块，用于通过基于深度神经网络模型的农作物生长状态特征提取器对所述遥感图像进行特征提取以得到农作物生长状态多尺度特征图；

8、贷款语义引导农作物生长状态特征刻画模块，用于对所述农作物生长状态多尺度特征图和所述贷款申请信息语义编码特征向量进行跨模态信息融合以得到贷款语义引导农作物生长状态特征；

9、贷款项目风险检测模块，用于基于所述贷款语义引导农作物生长状态特征，生成信贷项目的风险监测报告。

10、第二方面，提供了一种农业信贷的贷后风险监测方法，其包括：

11、获取目标客户的贷款申请信息，所述贷款申请信息包括项目信息和地块信息；

12、获取目标地块的遥感图像；

13、对所述贷款申请信息中的项目信息和地块信息进行语义编码以得到项目信息语义编码特征向量和地块信息语义编码特征向量；

14、将所述项目信息语义编码特征向量和所述地块信息语义编码特征向量进行拼接以得到贷款申请信息语义编码特征向量；

15、通过基于深度神经网络模型的农作物生长状态特征提取器对所述遥感图像进行特征提取以得到农作物生长状态多尺度特征图；

16、对所述农作物生长状态多尺度特征图和所述贷款申请信息语义编码特征向量进行跨模态信息融合以得到贷款语义引导农作物生长状态特征；

17、基于所述贷款语义引导农作物生长状态特征，生成信贷项目的风险监测报告。

18、本申请的有益效果为：本申请的实施例提供了一种农业信贷的贷后风险监测方法及系统，其通过获取目标客户的贷款申请信息和目标地块的遥感图像，并在后端引入语义编码模型和图像处理算法来进行所述贷款申请信息和所述遥感图像的分析，以此基于农作物生长状态和贷款信息来生成信贷项目的风险监测报告，通过这样的方式，能够提高监测效率和准确性，为金融机构提供更全面的决策支持，降低贷款风险，促进农业可持续发展。

技术特征：

1.一种农业信贷的贷后风险监测系统，其特征在于，包括：

2.根据权利要求1所述的农业信贷的贷后风险监测系统，其特征在于，所述贷款申请语义编码模块，包括：

3.根据权利要求2所述的农业信贷的贷后风险监测系统，其特征在于，所述深度神经网络模型为金字塔网络。

4.根据权利要求3所述的农业信贷的贷后风险监测系统，其特征在于，所述贷款语义引导农作物生长状态特征刻画模块，用于：将所述农作物生长状态多尺度特征图和所述贷款申请信息语义编码特征向量通过基于metanet的跨模态信息元融合模块以得到贷款语义引导农作物生长状态特征图。

5.根据权利要求4所述的农业信贷的贷后风险监测系统，其特征在于，所述贷款项目风险检测模块，用于：基于所述贷款语义引导农作物生长状态特征图，生成信贷项目的风险监测报告。

6.根据权利要求5所述的农业信贷的贷后风险监测系统，其特征在于，所述贷款项目风险检测模块，用于：将所述贷款语义引导农作物生长状态特征图通过分类器以得到分类结果，所述分类结果用于表示信贷项目的风险等级。

7.根据权利要求6所述的农业信贷的贷后风险监测系统，其特征在于，还包括用于对所述包含词嵌入层的语义编码器、基于金字塔网络的农作物生长状态特征提取器、所述基于metanet的跨模态信息元融合模块和所述分类器进行训练的训练模块。

8.根据权利要求7所述的农业信贷的贷后风险监测系统，其特征在于，所述训练模块，包括：

9.一种农业信贷的贷后风险监测方法，其特征在于，包括：

10.根据权利要求9所述的农业信贷的贷后风险监测方法，其特征在于，对所述贷款申请信息中的项目信息和地块信息进行语义编码以得到项目信息语义编码特征向量和地块信息语义编码特征向量，包括：

技术总结一种农业信贷的贷后风险监测方法及系统，涉及智能化风险监测技术领域，其通过获取目标客户的贷款申请信息和目标地块的遥感图像，并在后端引入语义编码模型和图像处理算法来进行所述贷款申请信息和所述遥感图像的分析，以此基于农作物生长状态和贷款信息来生成信贷项目的风险监测报告，通过这样的方式，能够提高监测效率和准确性，为金融机构提供更全面的决策支持，降低贷款风险，促进农业可持续发展。技术研发人员：耿琳,胡畔,何萌萌,郑彦佳,张弓,顾竹,张文鹏,张艳忠,吴众望,李冰受保护的技术使用者：北京佳格天地科技有限公司技术研发日：技术公布日：2024/7/29