本技術涉及人工智能開發(fā)與金融科技領域，尤其涉及基于人工智能的風險評估方法、裝置、計算機設備及存儲介質(zhì)。

背景技術：

1、在農(nóng)業(yè)生產(chǎn)中，農(nóng)作物受天氣因素的影響較大，惡劣的氣象條件可能導致?lián)p失和減產(chǎn)。因此，對于農(nóng)戶和農(nóng)業(yè)專業(yè)人員而言，需要提前預警農(nóng)作物的潛在風險，以便采取相應的措施來降低損失。然而，現(xiàn)有的評估農(nóng)作物的潛在風險的方式，主要是依靠人工勘察農(nóng)作物并進行人工評估風險的處理方式，這樣的處理方式需要花費較長時間進行數(shù)據(jù)采集與分析，導致處理效率低下，且無法保證生成的風險評估結(jié)果的準確性。

技術實現(xiàn)思路

1、本技術實施例的目的在于提出一種基于人工智能的風險評估方法、裝置、計算機設備及存儲介質(zhì)，以解決現(xiàn)有的評估農(nóng)作物的潛在風險的方式，主要是依靠人工勘察農(nóng)作物并進行人工評估風險的處理方式，這樣的處理方式需要花費較長時間進行數(shù)據(jù)采集與分析，導致處理效率低下，且無法保證生成的風險評估結(jié)果的準確性的技術問題。

2、為了解決上述技術問題，本技術實施例提供一種基于人工智能的風險評估方法，采用了如下所述的技術方案：

3、獲取預設的種植區(qū)域內(nèi)的目標氣象數(shù)據(jù)；

4、獲取所述種植區(qū)域內(nèi)的農(nóng)作物的圖像數(shù)據(jù)；

5、基于預設的農(nóng)作物生長模型對所述目標氣象數(shù)據(jù)與所述圖像數(shù)據(jù)進行分析處理，生成與所述農(nóng)作物對應的生長狀態(tài)數(shù)據(jù)；

6、基于預設的風險評估算法對所述生長狀態(tài)數(shù)據(jù)進行評估處理，生成與所述農(nóng)作物對應的風險評估結(jié)果；

7、生成與所述風險評估結(jié)果對應的預警信息；

8、將所述預警信息推送給相應的目標人員。

9、進一步的，所述獲取預設的種植區(qū)域內(nèi)的目標氣象數(shù)據(jù)的步驟，具體包括：

10、從預設的多種數(shù)據(jù)源中獲取與所述種植區(qū)域?qū)臍庀髷?shù)據(jù)；

11、獲取預設的指定數(shù)據(jù)類型；

12、從所述氣象數(shù)據(jù)中篩選出與所述指定數(shù)據(jù)類型對應的指定數(shù)據(jù)；

13、將所述指定數(shù)據(jù)作為所述目標氣象數(shù)據(jù)。

14、進一步的，在所述基于預設的農(nóng)作物生長模型對所述目標氣象數(shù)據(jù)與所述圖像數(shù)據(jù)進行分析處理，生成與所述農(nóng)作物對應的生長狀態(tài)數(shù)據(jù)的步驟之前，還包括：

15、獲取預先采集的氣象數(shù)據(jù)集與農(nóng)作物圖像數(shù)據(jù)集；

16、基于所述氣象數(shù)據(jù)集與所述農(nóng)作物圖像數(shù)據(jù)集構建樣本數(shù)據(jù)集；

17、調(diào)用預設的機器學習模型；

18、基于所述樣本數(shù)據(jù)集對所述機器學習模型進行訓練與測試處理，得到符合預設的模型構建條件的指定模型；

19、將所述指定模型作為所述農(nóng)作物生長模型。

20、進一步的，所述機器學習模型的數(shù)量包括多個；所述基于所述樣本數(shù)據(jù)集對所述機器學習模型進行訓練與測試處理，得到符合預設的模型構建條件的指定模型的步驟，具體包括：

21、將所述樣本數(shù)據(jù)集劃分為訓練集與測試集；

22、使用所述訓練集分別對各所述機器學習模型進行訓練處理，得到訓練后的多個初始模型；

23、通過所述測試集分別對各所述初始模型進行測試處理，得到與各所述初始模型分別對應的測試數(shù)據(jù)；

24、基于所述測試數(shù)據(jù)，從所有所述初始模型中篩選出目標模型；

25、將所述目標模型作為所述指定模型。

26、進一步的，所述基于所述測試數(shù)據(jù)，從所有所述初始模型中篩選出目標模型的步驟，具體包括：

27、基于所述測試數(shù)據(jù)，通過預設的處理策略對各所述初始模型進行優(yōu)化處理，得到優(yōu)化后的第一模型；

28、獲取各所述第一模型的模型效果；

29、從所有所述第一模型中篩選出模型效果最高的第二模型；

30、將所述第二模型作為所述目標模型。

31、進一步的，所述基于預設的風險評估算法對所述生長狀態(tài)數(shù)據(jù)進行評估處理，生成與所述農(nóng)作物對應的風險評估結(jié)果的步驟，具體包括：

32、獲取與所述農(nóng)作物對應的歷史生長數(shù)據(jù)；

33、基于所述風險評估算法對所述生長狀態(tài)數(shù)據(jù)與所述歷史生長數(shù)據(jù)進行數(shù)據(jù)分析，生成與所述農(nóng)作物對應的風險等級；

34、將所述風險等級作為所述風險評估結(jié)果。

35、進一步的，所述將所述預警信息推送給相應的目標人員的步驟，具體包括：

36、獲取與所述目標人員對應的指定人員類型；

37、確定與所述指定人員類型對應的指定通訊方式；

38、基于所述指定通訊方式，將所述預警信息推送給所述目標人員。

39、為了解決上述技術問題，本技術實施例還提供一種基于人工智能的風險評估裝置，采用了如下所述的技術方案：

40、第一獲取模塊，用于獲取預設的種植區(qū)域內(nèi)的目標氣象數(shù)據(jù)；

41、第二獲取模塊，用于獲取所述種植區(qū)域內(nèi)的農(nóng)作物的圖像數(shù)據(jù)；

42、第一處理模塊，用于基于預設的農(nóng)作物生長模型對所述目標氣象數(shù)據(jù)與所述圖像數(shù)據(jù)進行分析處理，生成與所述農(nóng)作物對應的生長狀態(tài)數(shù)據(jù)；

43、第二處理模塊，用于基于預設的風險評估算法對所述生長狀態(tài)數(shù)據(jù)進行評估處理，生成與所述農(nóng)作物對應的風險評估結(jié)果；

44、生成模塊，用于生成與所述風險評估結(jié)果對應的預警信息；

45、推送模塊，用于將所述預警信息推送給相應的目標人員。

46、為了解決上述技術問題，本技術實施例還提供一種計算機設備，采用了如下所述的技術方案：

47、獲取預設的種植區(qū)域內(nèi)的目標氣象數(shù)據(jù)；

48、獲取所述種植區(qū)域內(nèi)的農(nóng)作物的圖像數(shù)據(jù)；

49、基于預設的農(nóng)作物生長模型對所述目標氣象數(shù)據(jù)與所述圖像數(shù)據(jù)進行分析處理，生成與所述農(nóng)作物對應的生長狀態(tài)數(shù)據(jù)；

50、基于預設的風險評估算法對所述生長狀態(tài)數(shù)據(jù)進行評估處理，生成與所述農(nóng)作物對應的風險評估結(jié)果；

51、生成與所述風險評估結(jié)果對應的預警信息；

52、將所述預警信息推送給相應的目標人員。

53、為了解決上述技術問題，本技術實施例還提供一種計算機可讀存儲介質(zhì)，采用了如下所述的技術方案：

54、獲取預設的種植區(qū)域內(nèi)的目標氣象數(shù)據(jù)；

55、獲取所述種植區(qū)域內(nèi)的農(nóng)作物的圖像數(shù)據(jù)；

56、基于預設的農(nóng)作物生長模型對所述目標氣象數(shù)據(jù)與所述圖像數(shù)據(jù)進行分析處理，生成與所述農(nóng)作物對應的生長狀態(tài)數(shù)據(jù)；

57、基于預設的風險評估算法對所述生長狀態(tài)數(shù)據(jù)進行評估處理，生成與所述農(nóng)作物對應的風險評估結(jié)果；

58、生成與所述風險評估結(jié)果對應的預警信息；

59、將所述預警信息推送給相應的目標人員。

60、與現(xiàn)有技術相比，本技術實施例主要有以下有益效果：

61、本技術實施例首先獲取預設的種植區(qū)域內(nèi)的目標氣象數(shù)據(jù)；然后獲取所述種植區(qū)域內(nèi)的農(nóng)作物的圖像數(shù)據(jù)；之后基于預設的農(nóng)作物生長模型對所述目標氣象數(shù)據(jù)與所述圖像數(shù)據(jù)進行分析處理，生成與所述農(nóng)作物對應的生長狀態(tài)數(shù)據(jù)；后續(xù)基于預設的風險評估算法對所述生長狀態(tài)數(shù)據(jù)進行評估處理，生成與所述農(nóng)作物對應的風險評估結(jié)果；最后生成與所述風險評估結(jié)果對應的預警信息，并將所述預警信息推送給相應的目標人員。本技術實施例通過種植區(qū)域內(nèi)的目標氣象數(shù)據(jù)以及獲取種植區(qū)域內(nèi)的農(nóng)作物的圖像數(shù)據(jù)，進而基于預設的農(nóng)作物生長模型對所述目標氣象數(shù)據(jù)與所述圖像數(shù)據(jù)進行分析處理，生成與所述農(nóng)作物對應的生長狀態(tài)數(shù)據(jù)，并基于風險評估算法對所述生長狀態(tài)數(shù)據(jù)進行評估處理，生成與所述農(nóng)作物對應的風險評估結(jié)果，后續(xù)再生成與所述風險評估結(jié)果對應的預警信息并推送給相應的目標人員。本技術基于農(nóng)作物生長模型與風險評估算法的使用來對獲取的目標氣象數(shù)據(jù)與所述圖像數(shù)據(jù)進行處理，自動實現(xiàn)了對于種植區(qū)域內(nèi)的農(nóng)作物的風險評估處理，大大降低了風險評估的處理工作量，有效地提高了對于農(nóng)作物的風險評估的處理效率與處理精度，保證了生成的農(nóng)作物的風險評估結(jié)果的準確性。