一种水产养殖风险的监管方法及装置与流程

1.本技术涉及计算机技术领域，尤其涉及一种银行卡功能限制的实现方法及装置。


背景技术：

2.水产养殖是人类利用可供养殖的水域，按照养殖对象的生态习性和对水域环境条件的要求不同，运用水产养殖技术和设施，从事水生经济动、植物养殖。随着水产养殖业的不断发展以及贷款行业的出现，现在水产养殖业也可以进行贷款。但水产养殖业由于容易受自然环境、人工经营状况的影响，经营普遍不够稳定，容易造成资金风险，因此银行需要对水产养殖环境进行监控，及时获取风险提示。
3.目前，对于水产养殖业的监管主要采取银行系统获取不直观的第三方数据对水产养殖企业的营业情况进行监控，如水电使用情况等。这种方法无法直观得监控到水产养殖企业的实际生产情况以及养殖过程中存在的问题，这样的监控过程实时性差、准确率低。


技术实现要素：

4.有鉴于此，本技术实施例提供了一种水产养殖风险的监管及装置，旨在实现对养殖水域的实时监控。
5.第一方面，本技术实施例提供了一种水产养殖风险的监管及装置，所述方法包括：
6.通过第一设备获取环境指标，所述第一设备为接入养殖水域的用于监控环境指标的设备；
7.通过第一算法识别目标对象行为，所述第一算法为基于视觉的行为捕捉算法，所述目标对象为所述养殖水域所养殖的水产；
8.根据所述目标对象行为和所述环境指标确定第一信息，所述第一信息用于指示所述养殖水域所养殖的水产价值降低的可能性。
9.可选的，所述根据所述目标对象行为和所述环境指标确定第一信息包括：
10.获取预警阈值，所述预警阈值用于指示水产价值降低的限度数值；
11.根据所述预警阈值过滤所述目标对象行为和所述环境指标，确定第一信息，所述第一信息为大于或等于所述预警阈值的所述目标对象行为和所述环境指标。
12.可选的，所述确定第一信息之后，还包括：
13.结合所述第一信息与管理系统数据确定所述养殖水域的异常类型，所述管理系统数据用于指示所述养殖水域的异常类型与所述第一信息的对应关系。
14.可选的，所述第一信息包括第一水域数据，所述第一水域数据用于指示所述养殖水域的情况，所述管理系统数据包括第一水域数据阈值，所述结合所述第一信息与管理系统数据确定所述养殖水域的异常类型，包括：
15.判断所述第一水域数据与所述第一水域数据阈值是否匹配；
16.响应于判断第一水域数据与所述第一水域数据阈值不匹配，根据所述第一水域数据的数据类型确定所述养殖水域的异常类型。
17.可选的，所述根据所述目标对象行为和所述环境指标确定第一信息之后，还包括：根据所述异常类型生成预警信息，所述预警信息用于提示所述养殖水域出现异常。
18.第二方面，本技术实施例提供了一种水产养殖风险的监管装置，所述装置包括：
19.环境指标获取模块，用于通过第一设备获取环境指标，所述第一设备为接入养殖水域的用于监控环境指标的设备；
20.行为识别模块，用于通过第一算法识别目标对象行为，所述第一算法为基于视觉的行为捕捉算法，所述目标对象为所述养殖水域所养殖的水产；
21.第一信息确定模块，用于根据所述目标对象行为和所述环境指标确定第一信息，所述第一信息用于指示所述养殖水域所养殖的水产价值降低的可能性。
22.可选的，所述第一信息确定模块包括：
23.预警阈值获取模块，用于获取预警阈值，所述预警阈值用于指示水产价值降低的限度数值；
24.第一信息确定模块，用于根据所述预警阈值过滤所述目标对象行为和所述环境指标，确定第一信息，所述第一信息为大于或等于所述预警阈值的所述目标对象行为和所述环境指标。
25.可选的，所述装置还包括：
26.异常类型确定模块，用于结合所述第一信息与管理系统数据确定所述养殖水域的异常类型，所述管理系统数据用于指示所述养殖水域的异常类型与所述第一信息的对应关系。
27.可选的，所述第一信息包括第一水域数据，所述第一水域数据用于指示所述养殖水域的情况，所述管理系统数据包括第一水域数据阈值，所述结合所述第一信息与管理系统数据确定所述养殖水域的异常类型，包括：
28.判断模块，用于判断所述第一水域数据与所述第一水域数据阈值是否匹配；
29.响应于判断第一水域数据与所述第一水域数据阈值不匹配，根据所述第一水域数据的数据类型确定所述养殖水域的异常类型。
30.可选的，预警模块，用于根据所述异常类型生成预警信息，所述预警信息用于提示所述养殖水域出现异常。
31.本技术实施例提供了一种水产养殖风险的监管方法及装置。在执行所述方法时，通过第一设备获取环境指标，在通过第一算法识别目标对象行为，根据所述目标对象行为和所述环境指标确定第一信息，可以根据第一设备和第一算法获取养殖水域的实时性数据，并对获取到的实时性数据进行筛选，确定其中可能造成养殖水域中水产价值降低的参数。由此，可以对养殖水域的环境指标和水产行为进行实时获取，对数据进行筛选，确定其中可能造成养殖水域中水产价值降低的参数。这样，达到了准确获取养殖水域的实时数据的效果。如此，可以提高水产养殖风险监控的准确性和实时性。
附图说明
32.为更清楚地说明本实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这
些附图获得其他的附图。
33.图1为本技术实施例提供的水产养殖风险的监管的一种方法流程图；
34.图2为本技术实施例提供的水产养殖风险的监管的一种方法流程图；
35.图3为本技术实施例提供的水产养殖风险的监管的一种方法流程图；
36.图4为本技术实施例提供的水产养殖风险的监管的一种结构示意图。
具体实施方式
37.为了使本技术领域的人员更好地理解本技术方案，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。
38.正如前文所述，当前对于水产养殖业的监管一般采用获取第三方数据进行监控，比如水电使用情况等来监控正常营业情况或者由水产养殖户定期将生产数据导出，定期发送给业务人员，但是，发明人经过研究发现，采用该方式对水产状况进行监控不能直观地监控养殖企业的实际生产情况，导致其有生产监控情况不准确、可信度低的缺点。
39.为了解决这一问题，在本技术实施例提供了一种水产养殖风险的监管方法及装置，通过第一设备获取环境指标，在通过第一算法识别目标对象行为，根据所述目标对象行为和所述环境指标确定第一信息，可以根据第一设备和第一算法获取养殖水域的实时性数据，并对获取到的实时性数据进行筛选，确定其中可能造成养殖水域中水产价值降低的参数。如此，达到了准确获取养殖水域的实时数据的效果。由此可见，根据本技术提供的水产养殖风险的监管方法，无需如现有技术中水产养殖户定期将第三方数据发送给银行管理系统，，从而提高水产养殖风险监控的准确性和实时性。
40.本技术实施例提供的方法由物联网设备和银行后台系统执行，例如可以由安装了算法功能的物联网设备获取养殖水域中的目标对象行为和环境指标。运用算法进行端点识别，确定水产所在位置以及水产大小。在养殖水域中接入水质传感器、水下摄影机等监控设备，获取养殖水域的环境参数。识别已获取的水产行为参数和环境参数，筛选其中可能引起水产价值降低的数据，将其加工整合传输至银行后台管理系统。银行管理系统将该数据与系统中的阈值数据比对，将比对结果对应的监控结果反馈至银行后台管理系统对应的终端，展示给贷后管理人员。所述银行后台服务器可以是一台服务器设备，也可以是由多台服务器组成的服务器集群。
41.以下通过一个实施例，对本技术提供的水产养殖风险的监管进行说明。请参考图1，图1为本技术实施例所提供的水产养殖风险的监管方法的一种方法流程图，包括：
42.s101：通过第一设备获取环境指标。
43.第一设备为接入养殖水域的用于监控环境指标的设备。
44.环境指标为养殖水域的各项指标，可以是水质溶解氧、水温、水质浊度、氨氮、ph和水位等主要环境指标。第一设备为对这些环境指标进行监控设备，可以是水下摄像机、水质传感器等设备。
45.s102：通过第一算法识别目标对象行为。
46.第一算法为基于视觉的行为捕捉算法，目标对象为养殖水域中养殖的水产。
47.在具体应用场景中，在物联网设备中安装针对水类基于视觉的摄食行为等算法，识别鱼群行为、鱼群生长情况等。可以通过识别鱼群的行为，对当前养殖水域的养殖情况进行监控，例如当鱼群出现大量上浮时，可以通过该行为得知养殖水域含氧量过低或水质降低情况。算法和设备相互配合可以在识别出水产的行为动作的基础上，计算出现该行为动作的水产占比，例如水产上浮数量占水产总数的a％，后续可以利用水产的占比数据进一步确定第一信息。
48.其中，可以根据养殖水域中的水产类型对不同类型的水产进行分开计算识别，例如对同一个区域内的a类鱼和b类鱼分别进行识别计算。
49.s103：根据目标对象行为和环境指标确定第一信息。
50.第一信息用于指示所述养殖水域所养殖的水产价值降低的可能性。根据s102中获取的目标对象行为和环境指标，识别可能会引起养殖水域中的养殖水产价值降低的可能数据。
51.第一信息包括第一水域数据，所述第一水域数据用于指示所述养殖水域的情况，在具体应用场景中第一信息可以是养殖水域中多种水域数据指标的集合，例如第一信息可以包括质浊度、氨含量、氮含量、氧含量、ph值和水产上浮百分比等做种数据指标中的一种或多种。
52.在实际应用场景中，确定第一信息后，可以将第一信息对应的异常类型以及相关信息整合，生成报表，向养殖水域户对应的终端发送消息通知。
53.下面结合具体的应用场景，对本技术实施例提供的水产养殖风险的监管方法进行详细介绍。参见图2，该图为本技术实施例提供的水产养殖风险的监管方法的一种流程示意图，包括：
54.s201：通过第一设备获取环境指标。
55.系统可以根据养殖水域实况和所需监控内容开启相应的设备，根据第一设备获取环境指标。
56.s202：通过第一算法识别目标对象行为。
57.系统可以运用第一算法识别获取水产的生长情况、行为动作。
58.s203：获取预警阈值。
59.预警阈值用于指示水产价值降低的限度数值。预警阈值用于指示出可能会引起养殖水域所养殖的水产价值降低的限度数值。当养殖水域的目标对象行为和环境指标超过预警阈值时，表明该目标对象行为或环境指标可能会硬气水产价值的降低。
60.在具体应用场景中，预警阈值可以为银行管理系统设置，也可以是由水域养殖户设置，还可以是银行管理系统与养殖户设置相结合对预警阈值进行调节。并且根据天气变化、水产数量的增加等影响因素，可以对预警阈值进行适应性调节。
61.s204：根据预警阈值过滤目标对象行为和环境指标，确定第一信息。
62.第一信息为大于或等于预警阈值的目标对象行为和环境指标。
63.根据s203中获取到的预警阈值，对目标对象行为和环境指标进行过滤，过滤出大于或等于预警阈值的相关数据，识别出可能会引起水产价值降低的数据。
64.下面结合具体的应用场景，对本技术实施例提供的水产养殖风险的监管方法进行详细介绍。参见图3，该图为本技术实施例提供的水产养殖风险的监管方法的又一种流程示
意图，包括：
65.s301：通过第一设备获取环境指标。
66.系统可以根据养殖水域实况和所需监控内容开启相应的设备，根据第一设备获取环境指标。
67.s302：通过第一算法识别目标对象行为。
68.系统运用第一算法识别获取水产的生长情况、行为动作。
69.s303：获取预警阈值。
70.根据前述步骤中已经获取的环境指标和目标对象行为，系统获取这些参数相应类型的预警阈值。
71.预警阈值用于指示水产价值降低的限度数值。预警阈值用于指示出可能会引起养殖水域所养殖的水产价值降低的限度数值。
72.s304：根据预警阈值过滤目标对象行为和环境指标，确定第一信息。
73.对目标对象行为和环境指标进行过滤，过滤出大于或等于预警阈值的相关数据，识别出可能会引起水产价值降低的数据。
74.s305：结合第一信息与管理系统数据确定养殖水域的异常类型。
75.判断第一水域数据与第一水域数据阈值是否匹配，响应于判断第一环境数据与所述第一环境数据阈值不匹配，根据所述第一环境数据的数据类型确定所述养殖水域的异常类型。
76.其中，管理系统数据用于指示养殖水域的异常类型和第一信息之间的对应关系。管理系统参数包括第一水域数据阈值。
77.其中，第一水域数据阈值用于指示出引起养殖水域出现异常的限度数值。当第一水域数据超过第一水域数据阈值时，表明第一水域数据会造成养殖水域出现异常现象。
78.在具体应用场景中，管理系统参数可以是养殖水域中多种水域数据指标的集合，例如管理系统参数可以包括质浊度、氨含量、氮含量、氧含量、ph值和水产上浮百分比等多种数据指标阈值的一种或多种。
79.其中，当第一环境数据大于或等于第一环境数据阈值时，说明当前第一环境数据已经达到引起养殖水域异常的条件。当第一环境数据小于第一环境数据阈值时，说明当前第一环境数据未达到引起养殖水域异常的条件。
80.当第一环境数据大于或等于第一环境数据阈值时，则判定当前第一环境数据已超标，根据当前第一环境数据的数据类型，系统可以确定养殖水域的异常类型。例如，当前养殖水域含氮量(第一环境数据)为a，水域水质正常的含氮最大量(第一环境数据阈值)为b，当a》b时，根据当前第一环境数据类型为含氮量，可以确定当前养殖水域的异常类型为含氮量超标。
81.在具体应用场景中，可以在第一环境阈值的基础上，增加不同值对应的异常区间，例如，高于第一环境数据阈值5％内设定为轻度，高于第一环境问题数据阈值6％-10％设定为中度等。
82.s306：根据异常类型生成预警信息。
83.判断出养殖水域的异常类型，可以将异常类型以及对应的异常程度等相关信息整合，生成报表，同时在终端向系统管理人员发送消息提醒。
84.在实际应用场景中，可以设定环境指标对应的常规区间，比如，因为水中泥土含量的问题，在正常情况下养殖水域的水质浑浊度不可能低于c％，在本方法流程中如通过第一设备获取到水质浑浊度低于a％，则可以有系统自动识别判断出该数据具有加工的可能性，真实性存疑。对于这种存疑数据，系统也对存疑类型和相关信息整合，向系统管理人员发送消息提醒。
85.其中，常规区间可以由银行系统根据养殖水域对应的所处温度、湿度、地理位置、水产类型进行相应设置。
86.在实际应用场景中，系统可以根据第一算法识别的水产行为获取到当前养殖水域中的水产的生长情况，结合两个时间点的生长情况比对，可以获取到养殖水域对应的生产数据区间，例如获取到该养殖水域本月的鱼生产量大概在a值到b值之间。若水产养殖户将生产数据导入至银行系统中，导入数据不在该区间内，则可能存在对经营生产量进行加工的可能性。对于这种存疑数据，系统也对存疑类型和相关信息整合，向系统管理人员发送消息提醒。
87.以上为本技术实施例提供一种水产养殖风险的监管方法的一些具体实现方式，基于此，本技术还提供了对应的装置。下面将从功能模块化的角度对本技术实施例提供的装置进行介绍。
88.请参考图4，图4为本技术实施例所提供的一种水产养殖风险的监管装置的结构示意图。
89.本实施例中，该装置可以包括：
90.环境指标获取模块400，用于通过第一设备获取环境指标，所述第一设备为接入养殖水域的用于监控环境指标的设备；
91.行为识别模块410，用于通过第一算法识别目标对象行为，所述第一算法为基于视觉的行为捕捉算法，所述目标对象为所述养殖水域所养殖的水产；
92.第一信息确定模块420，用于根据所述目标对象行为和所述环境指标确定第一信息，所述第一信息用于指示所述养殖水域所养殖的水产价值降低的可能性。所述第一限额大于所述产品层默认限额，且小于所述产品层最大限额；
93.可选的，所述第一信息确定模块包括：
94.预警阈值获取模块430，用于获取预警阈值，所述预警阈值用于指示水产价值降低的限度数值；
95.第一信息确定模块440，用于根据所述预警阈值过滤所述目标对象行为和所述环境指标，确定第一信息，所述第一信息为大于或等于所述预警阈值的所述目标对象行为和所述环境指标。
96.可选的，所述装置还包括：
97.所述第一信息包括第一水域数据，所述第一水域数据用于指示所述养殖水域的情况，所述管理系统数据包括第一水域数据阈值，所述结合所述第一信息与管理系统数据确定所述养殖水域的异常类型，包括：
98.判断模块450，用于判断所述第一水域数据与所述第一水域数据阈值是否匹配；
99.响应于判断第一水域数据与所述第一水域数据阈值不匹配，根据所述第一水域数据的数据类型确定所述养殖水域的异常类型。
100.可选的，所述装置还包括：
101.预警模块460，用于根据所述异常类型生成预警信息，所述预警信息用于提示所述养殖水域出现异常。
102.需要说明的是，本发明提供的一种水产养殖风险的监管方法及装置可用于人工智能领域以及金融领域。上述仅为示例，并不对本发明提供的一种水产养殖风险的监管方法及装置的应用领域进行限定。
103.以上对本技术所提供的一种水产养殖风险的监管方法及装置进行了详细介绍。说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。应当指出，对于本技术领域的普通技术人员来说，在不脱离本技术原理的前提下，还可以对本技术进行若干改进和修饰，这些改进和修饰也落入本技术权利要求的保护范围内。
104.还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
105.以上所述仅为本技术的较佳实施例，并不用以限制本技术，凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。