本发明涉及人工智能领域,尤其涉及一种基于图像识别的农险出险预警方法、装置、电子设备及可读存储介质。
背景技术:
1、出险指的是保险公司客户发生保险合同约定的保险事故,保险公司对客户进行赔偿的过程,例如,农险客户的农田出险农作物大量死亡的保险事故,则该农险客户对应的保险公司需要出险。
2、随着农险客户的增多,农险出险的风险增大,现如今常见的农险出险预警方法多为保险公司派遣保险业务人员定时对农险客户的农田进行观察分析,并根据分析结果对农险客户进行预警,从而降低农险出险的风险,保障农险客户的农田安全,但是该种方法非常耗费人力资源,效率低下,且无法实现实时观测农田的农作物生长状态,从而导致农险出险风险增大。
技术实现思路
1、本发明提供一种基于图像识别的农险出险预警方法、装置、电子设备及可读存储介质,有效地提高了金融文本分类的便捷性及准确率,其目的在于提高农险出险预警的效率及准确率。
2、为实现上述目的,本发明提供的一种基于图像识别的农险出险预警方法,所述方法包括:
3、获取历史农作物影像数据、历史气象数据及历史农作物生长数据,对所述历史农作物影像数据进行视频帧提取,得到历史农作物图像数据;
4、根据所述历史农作物图像数据构建初始农作物状态识别模型;
5、利用所述历史农作物图像数据、所述历史气象数据及所述历史农作物生长数据训练所述初始农作物状态识别模型,得到训练完成的农作物状态识别模型;
6、获取当前农作物图像数据及当前气象数据,根据所述当前农作物图像数据及所述当前气象数据,利用训练完成的农作物状态识别模型预测农作物的生长趋势趋势;
7、根据所述农作物的生长趋势,计算所述农作物对应农田的农险出险风险,并根据所述农险出险风险对农户进行预警。
8、可选地,所述利用所述历史农作物图像数据、所述历史气象数据及所述历史农作物生长数据训练所述初始农作物状态识别模型,得到训练完成的农作物状态识别模型,包括:
9、对所述历史气象数据进行特征提取,得到气象特征矩阵,将所述气象特征矩阵与所述历史农作物图像数据进行结合,得到农作物训练图像数据;
10、对所述农作物训练图像数据进行预设次数的图像卷积操作及图像池化操作,得到一次降维特征图矩阵;
11、对所述一次降维特征图矩阵进行维度转化,得到一维训练图像矩阵;
12、利用预设的激活函数计算所述一维训练图像矩阵生长趋势的概率分布;
13、根据所述历史农作物生长数据训,利用预设的损失函数对所述概率分布进行计算,得到训练损失值;
14、根据所述训练损失值对所述初始农作物状态识别模型进行参数调整,并返回所述对所述农作物训练图像数据执行预设次数的图像卷积操作及图像池化操作,得到一次降维特征图矩阵的步骤,直至所述训练损失值小于预设损失阈值时,得到训练完成的农作物状态识别模型。
15、可选地,所述对所述农作物训练图像数据进行预设次数的图像卷积操作及图像池化操作,得到一次降维特征图矩阵,包括:
16、设置预设个数的卷积核矩阵;
17、解析所述农作物训练图像数据,得到所述农作物训练图像数据的像素矩阵;
18、利用每个所述卷积核矩阵与所述像素矩阵按照预设步长进行计算,得到特征图矩阵;
19、对所述特征图矩阵进行平均区域划分,得到多个大小相同的子区域;
20、查找每个所述子区域内的像素最大值,并利用所述像素最大值代替所对应的子区域的像素矩阵,得到一次降维特征图矩阵。
21、可选地,所述根据所述历史农作物图像数据构建初始农作物状态识别模型,包括:
22、提取所述历史农作物图像数据的分辨率,并计算所述分辨率的众数,得到众数分辨率;
23、根据所述历史农作物图像数据的众数分辨率及所述众数分辨率与卷积层和池化层的映射关系,构建对应层数的卷积层及池化层;
24、将所述卷积层及池化层与预设的降维层及全连接层进行层间组合,得到初始农作物状态识别模型。
25、可选地,所述对所述历史农作物影像数据进行视频帧提取,得到历史农作物图像数据,包括:
26、利用视频处理工具计算所述视频的总帧数;
27、根据预设视频帧需求量及所述总帧数,设置所述历史农作物影像数据的帧间隔;
28、遍历所述历史农作物影像数据的每一帧,并根据所述帧间隔进行帧读取,得到历史农作物图像数据。
29、可选地,所述对所述历史农作物影像数据进行视频帧提取,得到历史农作物图像数据之后,还包括:
30、对所述历史农作物图像进行去噪处理,得到历史农作物去噪图像;
31、对所述历史农作物去噪图像进行图像增强处理,得到历史农作物增强图像;
32、按照农作物种类,对所述历史农作物增强图像进行分割处理,得到不同种类的历史农作物图像数据。
33、可选地,所述对所述历史农作物影像数据进行视频帧提取,得到历史农作物图像数据之后,还包括:
34、当所述历史农作物图像数据存在多种农作物时,利用物体检测算法对所述历史农作物图像进行农作物检测,得到所述历史农作物图像中各个农作物的位置;
35、根据所述各个农作物的位置,对所述各个农作物进行特征提取,得到农作物特征向量;
36、将每个农作物特征向量分别与其余所有农作物特征向量进行相似度计算,得到农作物相似度;
37、将农作物之间相似度低于预设相似度阈值的农作物视作不同种类的农作物;
38、根据不同种类的农作物的数量排序,将数量最多的农作物种类作为所述历史农作物图像数据中的农作物,并根据其他农作物的位置,对所述历史农作物图像数据进行切割,得到历史目标农作物图像数据。
39、为了解决上述问题,本发明还提供一种基于图像识别的农险出险预警装置,所述装置包括:
40、模型构建模块,用于获取历史农作物影像数据、历史气象数据及历史农作物生长数据,对所述历史农作物影像数据进行视频帧提取,得到历史农作物图像数据,根据所述历史农作物图像数据构建初始农作物状态识别模型;
41、模型训练模块,用于利用所述历史农作物图像数据、所述历史气象数据及所述历史农作物生长数据训练所述初始农作物状态识别模型,得到训练完成的农作物状态识别模型;
42、农险出险预警模块,用于获取当前农作物图像数据及当前气象数据,根据所述当前农作物图像数据及所述当前气象数据,利用训练完成的农作物状态识别模型预测农作物的生长趋势趋势,根据所述农作物的生长趋势,计算所述农作物对应农田的农险出险风险,并根据所述农险出险风险对农户进行预警。
43、为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
44、存储器,存储至少一个计算机程序;及
45、处理器,执行所述存储器中存储的计算机程序以实现上述所述的基于图像识别的农险出险预警方法。
46、为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个计算机程序,所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于图像识别的农险出险预警方法。
47、本发明实施例利用历史农作物图像数据、历史气象数据及历史农作物生长数据训练预设的农作物状态识别模型,得到训练完成的农作物状态识别模型,并利用训练完成的农作物状态识别模型预测当前农作物的生长趋势,能够减少人工观察分析农作物生长状态的繁琐步骤,提高了农险出险预警的智能化程度,提高了农险出险预警的效率及准确率。因此,本发明提供的一种基于图像识别的农险出险预警方法、装置、设备及存储介质,能够提高农险出险预警的效率及准确率。