一种基于AR场景的人工智能金融平台制造技术

本发明专利技术涉及一种基于AR场景的人工智能金融平台，属于电数字数据处理技术领域。包括存储器和处理器，处理器执行存储器存储的计算机程序，以实现如下步骤：根据当前时刻目标地区目标产品的质量评价序列和当前时刻目标地区目标产品的历史期货成交价格，得到当前时刻目标地区目标产品对应的特征风险系数；根据当前时刻其它地区目标产品的期货成交价格，得到当前时刻目标地区目标产品对应的市场风险系数；根据市场风险系数和特征风险系数，得到当前时刻目标地区目标产品对应的期货成交风险系数。本发明专利技术能对农产品批发商与农产品生产者交易时的期货成交风险进行评估。时的期货成交风险进行评估。时的期货成交风险进行评估。

【技术实现步骤摘要】
一种基于AR场景的人工智能金融平台


[0001]本专利技术涉及电数字数据处理
，具体涉及一种基于AR场景的人工智能金融平台。

技术介绍

[0002]农产品是自然再生产与社会再生产相结合的产业形式，农产品的发展是国家经济和社会稳定的一个关键因素；由于期货成交价格是影响农产品批发商与农产品生产者之间期货成交风险的一个重要因素，而农产品批发商与农产品生产者之间的期货成交风险关乎着农产品批发商和农产品生产者的利益，因此对农产品批发商与农产品生产者交易时的期货成交风险进行评估至关重要。

技术实现思路

[0003]本专利技术提供基于AR场景的人工智能金融平台，用于解决现有方法对农产品批发商与农产品生产者交易时的期货成交风险进行评估的问题，所采用的技术方案具体如下：
[0004]本专利技术一个实施例提供了一种基于AR场景的人工智能金融平台，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现如下步骤：
[0005]获取当前时刻目标地区目标产品的质量评价序列；获取目标地区目标产品的历史期货成交价格；获取当前时刻其它地区目标产品的期货成交价格；
[0006]根据所述质量评价序列和所述历史期货成交价格，得到当前时刻目标地区目标产品对应的特征风险系数；根据所述当前时刻其它地区目标产品的期货成交价格，得到当前时刻目标地区目标产品对应的市场风险系数；
[0007]根据所述市场风险系数和所述特征风险系数，得到当前时刻目标地区目标产品对应的期货成交风险系数。
[0008]有益效果：本专利技术根据当前时刻目标地区目标产品的质量评价序列和目标地区目标产品的历史期货成交价格，得到当前时刻目标地区目标产品对应的特征风险系数；然后根据当前时刻其它地区目标产品的期货成交价格，得到当前时刻目标地区目标产品对应的市场风险系数；之后根据市场风险系数和特征风险系数，得到当前时刻目标地区目标产品对应的期货成交风险系数。本专利技术能对农产品批发商与农产品生产者交易时的期货成交风险进行评估。
[0009]优选的，获取当前时刻目标地区目标产品的质量评价序列的方法，包括：
[0010]获得各采集角度下目标地区对应的各个果园在各个采集时刻对应的异常区域数量；
[0011]对于任一采集角度：
[0012]选取该采集角度下目标地区对应的各个果园在当前采集时刻对应的异常区域数量，并构建得到该采集角度下目标地区在当前采集时刻对应的异常区域数量序列；
[0013]选取该采集角度下目标地区对应的各个果园在预设历史时间段中各个历史采集
时刻对应的异常区域数量，并构建得到该采集角度下目标地区对应的各个果园在预设历史时间段对应的异常区域数量序列；
[0014]利用DBSCAN聚类算法对该采集角度下目标地区在当前采集时刻对应的异常区域数量序列进行聚类，得到各类别对应的参数的数量，将最少参数对应的类别剔除，得到剔除之后的该采集角度下目标地区在当前采集时刻对应的异常区域数量序列，并记为目标异常区域数量序列；
[0015]根据所述目标异常区域数量序列以及所述各个果园在预设历史时间段对应的异常区域数量序列，得到该采集角度下当前时刻目标地区目标产品的质量评价；
[0016]根据所述该采集角度下当前时刻目标地区目标产品的质量评价，构建得到当前时刻目标地区目标产品的质量评价序列。
[0017]优选的，获得异常区域的方法，包括：
[0018]获取目标地区对应的各个果园在各个采集时刻的AR图像；
[0019]利用分类网络获取所述AR图像上的各目标区域图像，所述目标区域图像为目标产品所在区域；
[0020]判断所述目标区域图像与标准目标产品图像之间的相似度是否小于预设阈值，若是，则认为该目标区域为异常区域。
[0021]优选的，根据如下公式计算该采集角度下当前时刻目标地区目标产品的质量评价：
[0022][0023]其中，Q为该采集角度下当前时刻目标地区目标产品的质量评价，F为该采集角度下目标地区在当前采集时刻对应的目标异常区域数量序列，STD(F)为该采集角度下目标地区在当前采集时刻对应的目标异常区域数量序列的标准差，mean(F)为该采集角度下目标地区在当前采集时刻对应的目标异常区域数量序列的均值，max(F)为该采集角度下目标地区在当前采集时刻对应的目标异常区域数量序列中的最大值，min(F)为该采集角度下目标地区在当前采集时刻对应的目标异常区域数量序列中的最小值，N为目标地区中种植目标产品的果园数量，f
i
为目标地区中第i个果园在预设历史时间段对应的异常区域数量序列，f
j
为目标地区中第j个果园在预设历史时间段对应的异常区域数量序列，DTW(f
i
,f
j
)为f
i
与f
j
之间的差异程度。
[0024]优选的，根据所述质量评价序列和所述历史期货成交价格，得到当前时刻目标地区目标产品对应的特征风险系数的方法，包括：
[0025]利用动态二叉树的SVM多分类方法对所述质量评价序列进行分类，得到目标类别以及目标类别对应的各质量评价；
[0026]根据目标地区目标产品在历年同时期的历史期货成交价格，构建正态分布模型；判断所述正态分布模型是否为单峰模型，若是，则计算得到目标地区目标产品在历年同时期的历史期货成交价格的标准差；
[0027]根据目标地区目标产品在历年同时期的历史期货成交价格的标准差和目标类别对应的各质量评价，得到当前时刻目标地区目标产品的特征风险系数。
[0028]优选的，根据如下公式计算当前时刻目标地区目标产品的特征风险系数：
[0029]k＝C*e
‑
Q1
[0030]其中，k为当前时刻目标地区目标产品的特征风险系数，C为目标地区目标产品在历年同时期的历史期货成交价格的标准差，Q1为目标类别对应的各质量评价的平均值。
[0031]优选的，根据所述当前时刻其它地区目标产品的期货成交价格，得到当前时刻目标地区目标产品对应的市场风险系数的方法，包括：
[0032]对当前时刻其它地区目标产品的期货成交价格进行分类，选取期货成交价格较低的类别，记为特征类别；
[0033]计算特征类别中各期货成交价格的均值，得到特征类别对应的期货成交价格均值；将1与特征类别对应的期货成交价格均值加上1的比值记为得到当前时刻目标地区目标产品对应的市场风险系数。
[0034]优选的，根据所述市场风险系数和所述特征风险系数，得到当前时刻目标地区目标产品对应的期货成交风险系数的方法，包括：
[0035]获得各个历史时刻目标地区目标产品对应的特征风险系数和各个历史时刻目标地区目标产品对应的市场风险系数；
[0036]根据各个历史时刻目标地区目标产品对应的特征风险系数、各个历史时刻目标地区目标产品对应的市场风险系数、当前时刻目标地区目标产品对应的特征风险系数、当前时刻目标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于AR场景的人工智能金融平台，包括存储器和处理器，其特征在于，所述处理器执行所述存储器存储的计算机程序，以实现如下步骤：获取当前时刻目标地区目标产品的质量评价序列；获取目标地区目标产品的历史期货成交价格；获取当前时刻其它地区目标产品的期货成交价格；根据所述质量评价序列和所述历史期货成交价格，得到当前时刻目标地区目标产品对应的特征风险系数；根据所述当前时刻其它地区目标产品的期货成交价格，得到当前时刻目标地区目标产品对应的市场风险系数；根据所述市场风险系数和所述特征风险系数，得到当前时刻目标地区目标产品对应的期货成交风险系数。2.如权利要求1所述的一种基于AR场景的人工智能金融平台，其特征在于，所述获取当前时刻目标地区目标产品的质量评价序列的方法，包括：获得各采集角度下目标地区对应的各个果园在各个采集时刻对应的异常区域数量；对于任一采集角度：选取该采集角度下目标地区对应的各个果园在当前采集时刻对应的异常区域数量，并构建得到该采集角度下目标地区在当前采集时刻对应的异常区域数量序列；选取该采集角度下目标地区对应的各个果园在预设历史时间段中各个历史采集时刻对应的异常区域数量，并构建得到该采集角度下目标地区对应的各个果园在预设历史时间段对应的异常区域数量序列；利用DBSCAN聚类算法对该采集角度下目标地区在当前采集时刻对应的异常区域数量序列进行聚类，得到各类别对应的参数的数量，将最少参数对应的类别剔除，得到剔除之后的该采集角度下目标地区在当前采集时刻对应的异常区域数量序列，并记为目标异常区域数量序列；根据所述目标异常区域数量序列以及所述各个果园在预设历史时间段对应的异常区域数量序列，得到该采集角度下当前时刻目标地区目标产品的质量评价；根据所述该采集角度下当前时刻目标地区目标产品的质量评价，构建得到当前时刻目标地区目标产品的质量评价序列。3.如权利要求2所述的一种基于AR场景的人工智能金融平台，其特征在于，获得异常区域的方法，包括：获取目标地区对应的各个果园在各个采集时刻的AR图像；利用分类网络获取所述AR图像上的各目标区域图像，所述目标区域图像为目标产品所在区域；判断所述目标区域图像与标准目标产品图像之间的相似度是否小于预设阈值，若是，则认为该目标区域为异常区域。4.如权利要求2所述的一种基于AR场景的人工智能金融平台，其特征在于，根据如下公式计算该采集角度下当前时刻目标地区目标产品的质量评价：其中，Q为该采集角度下当前时刻目标地区目标产品的质量评价，F为该采集角度下目
标地区在当前采集时刻对应的目标异常区域数量序列，STD(F)为该采集角度下目标地区在当前采集时刻对应的目标异常区域数量序列的标准差，mean(F)为该采集角度下目标地区在当前采集时刻对应的目标异常区域数量序列的均值，max(F)为该采集角度下目标地区在当前采集时刻对应的目标异常区域数量序列中的最大值，min(F)为该采集角度下目...

【专利技术属性】
技术研发人员：陈晓亚，蒋明松，吴珊，
申请(专利权)人：蒋明松吴珊，
类型：发明
国别省市：