CN113112183B - 一种出入境危险货物风险评估的方法、系统和可读存储介质 - Google Patents
一种出入境危险货物风险评估的方法、系统和可读存储介质 Download PDFInfo
- Publication number
- CN113112183B CN113112183B CN202110490964.9A CN202110490964A CN113112183B CN 113112183 B CN113112183 B CN 113112183B CN 202110490964 A CN202110490964 A CN 202110490964A CN 113112183 B CN113112183 B CN 113112183B
- Authority
- CN
- China
- Prior art keywords
- information
- risk assessment
- goods
- target
- cargo
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012502 risk assessment Methods 0.000 title claims abstract description 140
- 238000000034 method Methods 0.000 title claims abstract description 34
- 239000000126 substance Substances 0.000 claims description 31
- 238000003062 neural network model Methods 0.000 claims description 24
- 238000004519 manufacturing process Methods 0.000 claims description 16
- 238000012797 qualification Methods 0.000 claims description 14
- 239000005022 packaging material Substances 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 8
- 229940079593 drug Drugs 0.000 claims description 2
- 239000003814 drug Substances 0.000 claims description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009545 invasion Effects 0.000 description 2
- 230000013011 mating Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0832—Special goods or special handling procedures, e.g. handling of hazardous or fragile goods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请提供了一种出入境危险货物风险评估方法、系统和可读存储介质,该出入境危险货物风险评估方法包括以下步骤:获取待评估的目标货物的标识信息;根据所述标识信息在数据库查询所述目标货物的类型信息;根据所述类型信息获取所述目标货物的对应类型的特征信息;根据所述特征信息对所述目标货物进行风险评估,得到对应的评估分数。从而实现对不同类型的危险货物的风险评估,对于不同类型的危险货物进行不同类型的特征信息的提取,从而实现对危险货物的风险评估的准确性。
Description
技术领域
本发明实施例涉及风险评估领域,尤其涉及一种出入境危险货物风险评估的方法及系统。
背景技术
目前海关在对进口入关的危险获取进行风险性评估是仅仅集合该货物本身进行风险评估,忽略了其他环境因素以及人为因素等,导致其计算出风险评估分数的可靠性较低,具有较低的参考价值,无法正在预防风险。并且,对于不同类型的货物的风险评估方法类似,或者仅仅能对单一种类的货物进行自动风险评估。
因此,现有技术存在缺陷,急需改进。
发明内容
为了解决上述至少一个技术问题,本发明提出了一种出入境危险货物风险评估的方法及系统,可以提高风险评估的准确性以及全面性。
第一方面,本申请实施例提供了一种出入境危险货物风险评估方法,包括以下步骤:
获取待评估的目标货物的标识信息;
根据所述标识信息在数据库查询所述目标货物的类型信息;
根据所述类型信息获取所述目标货物的对应类型的特征信息;
根据所述特征信息对所述目标货物进行风险评估,得到对应的评估分数。
本申请实施例提供的出入境危险货物风险评估的方法通过获取待评估的目标货物的标识信息;根据所述标识信息在数据库查询所述目标货物的类型信息;根据所述类型信息获取所述目标货物的对应类型的特征信息;根据所述特征信息对所述目标货物进行风险评估,得到对应的评估分数;从而实现对不同类型的危险货物的风险评估,对于不同类型的危险货物进行不同类型的特征信息的提取,从而实现对危险货物的风险评估的准确性。
可选地,在本申请实施例所述的出入境危险货物风险评估方法中,所述目标货物的类型信息包括:动物类货物、化学品类货物、植物类货物。
可选地,在本申请实施例所述的出入境危险货物风险评估方法中,若所述目标货物为化学品类货物;
所述根据所述类型信息获取所述目标货物的对应类型的特征信息,包括:
根据所述类型信息获取所述目标货物的化学成分信息、产品生产厂家信息、收货厂家信息、包装材料信息、运输条件信息以及运输路线信息。
可选地,在本申请实施例所述的出入境危险货物风险评估方法中,所述根据所述特征信息对所述目标货物进行风险评估,得到对应的评估分数,包括:
获取与所述化学品类货物对应的第一神经网络模型;
将所述包装材料信息、运输条件信息以及运输路线信息输入所述第一神经网络模型计算得到所述化学品类货物的第一初始风险评估分数;
根据所述产品生产厂家信息以及所述收货厂家信息对所述第一初始风险评估分数进行校准得到风险评估分数。
可选地,在本申请实施例所述的出入境危险货物风险评估方法中,若所述目标货物为动物类货物;
所述根据所述类型信息获取所述目标货物的对应类型的特征信息,包括:
根据所述类型信息获取所述目标货物的使用类型信息、产地、产地疫情信息、历史抽检合格率信息。
可选地,在本申请实施例所述的出入境危险货物风险评估方法中,所述根据所述特征信息对所述目标货物进行风险评估,得到对应的评估分数,包括:
获取与所述动物类货物对应的第二神经网络模型;
将所述使用类型信息、产地、产地疫情信息、历史抽检合格率信息输入所述第二神经网络模型计算得到所述动物类货物的风险评估分数。
可选地,在本申请实施例所述的出入境危险货物风险评估方法中,若所述目标货物为动物类货物;
所述根据所述类型信息获取所述目标货物的对应类型的特征信息,包括:
根据所述类型信息获取所述目标货物的使用类型信息、产地、货物目的地信息以及所述目标货物的引入历史记录信息。
可选地,在本申请实施例所述的出入境危险货物风险评估方法中,所述根据所述特征信息对所述目标货物进行风险评估,得到对应的评估分数,包括:
根据所述类型信息查询数据以判断所述目标货物是否为禁止引入的生物污染类植物;
若是,则将其评估分数设置为满分;
若不是,则将所述使用类型信息、产地、货物目的地信息以及所述目标货物的引入历史记录输入预设神经网络模型,得到对应的评估分数。
在一些实施例中,在得到风险评估分数后,针对风险评估分数对该风险评估分数位于第一区间的目标货物进行详细检查。对风险评估分数高于第一预设阈值的进行直接禁止入关。对于风险评估分数为地第二区间的目标货物进行抽检,对于风险评估分数小于第二预设阈值的进行直接免检。其中,风险评估分数越高,危险性越大。其中,该第一预设阈值、该第一区间、第二区间、第二阈值依次减小。
第二方面,本申请实施例还提供了一种出入境危险货物风险评估的系统,该系统包括:存储器以及处理器,所述存储器中包括出入境危险货物风险评估的方法程序,所述出入境危险货物风险评估的方法程序被所述处理器执行时实现如下步骤:
获取待评估的目标货物的标识信息;
根据所述标识信息在数据库查询所述目标货物的类型信息;
根据所述类型信息获取所述目标货物的对应类型的特征信息;
根据所述特征信息对所述目标货物进行风险评估,得到对应的评估分数。
本申请实施例提供的出入境危险货物风险评估的系统通过获取待评估的目标货物的标识信息;根据所述标识信息在数据库查询所述目标货物的类型信息;根据所述类型信息获取所述目标货物的对应类型的特征信息;根据所述特征信息对所述目标货物进行风险评估,得到对应的评估分数;从而实现对不同类型的危险货物的风险评估,对于不同类型的危险货物进行不同类型的特征信息的提取,从而实现对危险货物的风险评估的准确性。
第三方面,本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质中包括出入境危险货物风险评估的方法程序,所述出入境危险货物风险评估的方法程序被处理器执行时,实现如上述任一项所述的一种出入境危险货物风险评估的方法的步骤。
由上可知,本申请实施例提供的出入境危险货物风险评估的方法及系统通过获取待评估的目标货物的标识信息;根据所述标识信息在数据库查询所述目标货物的类型信息;根据所述类型信息获取所述目标货物的对应类型的特征信息;根据所述特征信息对所述目标货物进行风险评估,得到对应的评估分数;从而实现对不同类型的危险货物的风险评估,对于不同类型的危险货物进行不同类型的特征信息的提取,从而实现对危险货物的风险评估的准确性。
本发明的附加方面和优点将在下面的描述部分中给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
图1示出了本发明一种出入境危险货物风险评估的方法的流程图;
图2示出了本发明一种出入境危险货物风险评估的方法的另一种流程图;
图3示出了本发明一种出入境危险货物风险评估的系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
请参照图1所示,图1是本申请一些实施例中的一种出入境危险货物风险评估方法的流程图,该出入境危险货物风险评估方法包括以下步骤:
S101、获取待评估的目标货物的标识信息;
S102、根据所述标识信息在数据库查询所述目标货物的类型信息;
S103、根据所述类型信息获取所述目标货物的对应类型的特征信息;
S104、根据所述特征信息对所述目标货物进行风险评估,得到对应的评估分数。
其中,在该步骤S101中,该标识信息可以为该目标货物的货单号,或者报关号等,当然,其并不限于此,只要其能指向唯一的目标货物即可。
其中,在该步骤S102中,该数据库海关系统的数据存储资料库。该类型信息用于标识该目标货的类型,例如为动物类货物、植物类货物或者化学药品类货物。
其中,在该步骤S103中,不同类型的货物评价其风险的维度是不相同的,因此,对于不同的类型的货物需要获取与其类型对应的特征信息。对于化学类货物而言,其特征信息为:化学成分信息、产品生产厂家信息、收货厂家信息、包装材料信息、运输条件信息以及运输路线信息。对于动物类货物而言,其特征信息包括:使用类型信息、产地、产地疫情信息、历史抽检合格率信息。其中,对于植物类货物而言,其特征信息包括:使用类型信息、产地、货物目的地信息以及所述目标货物的引入历史记录信息。
其中,在该步骤S104中,对于不同类型的货物需要采用不同的算法来计算其风险信息,例如采用不同类型的神经网络来计算。
其中在得到风险评估分数后,针对风险评估分数对该风险评估分数位于第一区间的目标货物进行详细检查。对风险评估分数高于第一预设阈值的进行直接禁止入关。对于风险评估分数为地第二区间的目标货物进行抽检,对于风险评估分数小于第二预设阈值的进行直接免检。其中,风险评估分数越高,危险性越大。其中,该第一预设阈值、该第一区间、第二区间、第二阈值依次减小。
如图2所示在一些实施例中,若所述目标货物为化学品类货物;该步骤S103可以包括以下子步骤:根据所述类型信息获取所述目标货物的化学成分信息、产品生产厂家信息、收货厂家信息、包装材料信息、运输条件信息以及运输路线信息。对应地,该步骤S104可以包括以下子步骤:S1041、获取与所述化学品类货物对应的第一神经网络模型;S1042、将所述包装材料信息、运输条件信息以及运输路线信息输入所述第一神经网络模型计算得到所述化学品类货物的第一初始风险评估分数;S1043、根据所述产品生产厂家信息以及所述收货厂家信息对所述第一初始风险评估分数进行校准得到风险评估分数。
其中,该第一神经网络模型为预先采用多种化学类货物样本的化学成分信息、包装材料信息、运输条件信息以及运输路线信息训练得到的模型。其中,在该步骤S1043中,生成厂家信息和对应的收货厂家信息均有对应的化学类药品的处理能力评级信息,在校准时,基于的处理能力评级信息对该第一初始风险评估分数进行校准,该处理能力评级信息越高,对应地,校准系数越小,也即是对应得到风险评估分数越小,越安全。
在一些实施例中,若所述目标货物为动物类货物;该步骤S103可以包括:根据所述类型信息获取所述目标货物的使用类型信息、产地、产地疫情信息、历史抽检合格率信息。对应地,该步骤S104可以包括:获取与所述动物类货物对应的第二神经网络模型;将所述使用类型信息、产地、产地疫情信息、历史抽检合格率信息输入所述第二神经网络模型计算得到所述动物类货物的风险评估分数。其中,产地疫情信息是指该目标货物的产地是否有疫情以及对应的疫情情况,该产地疫情信息可以通过互联网查询得到。使用类型信息可以包括食用、观赏或者配种等。历史抽检合格率信息是指历史上抽检该类货物的疫情监测合格率。第二神经网络模型为预先训练得到的。
在一些实施例中,所述目标货物为植物类货物;该步骤S103可以包括:根据所述类型信息获取所述目标货物的使用类型信息、产地、货物目的地信息以及所述目标货物的引入历史记录信息。对应地,该步骤S104可以包括以下子步骤所述特征信息对所述目标货物进行风险评估,得到对应的评估分数,包括:根据所述类型信息查询数据以判断所述目标货物是否为禁止引入的生物污染类植物;若是,则将其评估分数设置为满分;若不是,则将所述使用类型信息、产地、货物目的地信息以及所述目标货物的引入历史记录输入预设神经网络模型,得到对应的评估分数。其中,该使用类型信息为观赏、或者种植或者实验室研究等。由于有些植物在某些地区没有天敌,一旦引入会引起生物入侵,因此,对于这种情况要严格禁止。
由上可知,本申请实施例提供的出入境危险货物风险评估的方法通过获取待评估的目标货物的标识信息;根据所述标识信息在数据库查询所述目标货物的类型信息;根据所述类型信息获取所述目标货物的对应类型的特征信息;根据所述特征信息对所述目标货物进行风险评估,得到对应的评估分数;从而实现对不同类型的危险货物的风险评估,对于不同类型的危险货物进行不同类型的特征信息的提取,从而实现对危险货物的风险评估的准确性。
如图3所示,图3是本申请实施例提供的一种出入境危险货物风险评估的系统的结构图,该系统包括:存储器201以及处理器202,所述存储器201中包括出入境危险货物风险评估的方法程序,所述出入境危险货物风险评估的方法程序被所述处理器202执行时实现如下步骤:获取待评估的目标货物的标识信息;根据所述标识信息在数据库查询所述目标货物的类型信息;根据所述类型信息获取所述目标货物的对应类型的特征信息;根据所述特征信息对所述目标货物进行风险评估,得到对应的评估分数。
其中,该标识信息可以为该目标货物的货单号,或者报关号等,当然,其并不限于此,只要其能指向唯一的目标货物即可。
其中,该数据库海关系统的数据存储资料库。该类型信息用于标识该目标货的类型,例如为动物类货物、植物类货物或者化学药品类货物。
其中,不同类型的货物评价其风险的维度是不相同的,因此,对于不同的类型的货物需要获取与其类型对应的特征信息。对于化学类货物而言,其特征信息为:化学成分信息、产品生产厂家信息、收货厂家信息、包装材料信息、运输条件信息以及运输路线信息。对于动物类货物而言,其特征信息包括:使用类型信息、产地、产地疫情信息、历史抽检合格率信息。其中,对于植物类货物而言,其特征信息包括:使用类型信息、产地、货物目的地信息以及所述目标货物的引入历史记录信息。
其中,对于不同类型的货物需要采用不同的算法来计算其风险信息,例如采用不同类型的神经网络来计算。
所示在一些实施例中,若所述目标货物为化学品类货物;所述出入境危险货物风险评估的方法程序被所述处理器202执行时实现如下步骤:根据所述类型信息获取所述目标货物的化学成分信息、产品生产厂家信息、收货厂家信息、包装材料信息、运输条件信息以及运输路线信息。对应地,所述出入境危险货物风险评估的方法程序被所述处理器202执行时实现如下步骤:获取与所述化学品类货物对应的第一神经网络模型;将所述包装材料信息、运输条件信息以及运输路线信息输入所述第一神经网络模型计算得到所述化学品类货物的第一初始风险评估分数;根据所述产品生产厂家信息以及所述收货厂家信息对所述第一初始风险评估分数进行校准得到风险评估分数。
其中,该第一神经网络模型为预先采用多种化学类货物样本的化学成分信息、包装材料信息、运输条件信息以及运输路线信息训练得到的模型。其中,生成厂家信息和对应的收货厂家信息均有对应的化学类药品的处理能力评级信息,在校准时,基于的处理能力评级信息对该第一初始风险评估分数进行校准,该处理能力评级信息越高,对应地,校准系数越小,也即是对应得到风险评估分数越小,越安全。
在一些实施例中,若所述目标货物为动物类货物;所述出入境危险货物风险评估的方法程序被所述处理器202执行时实现如下步骤:根据所述类型信息获取所述目标货物的使用类型信息、产地、产地疫情信息、历史抽检合格率信息。对应地,所述出入境危险货物风险评估的方法程序被所述处理器202执行时实现如下步骤:获取与所述动物类货物对应的第二神经网络模型;将所述使用类型信息、产地、产地疫情信息、历史抽检合格率信息输入所述第二神经网络模型计算得到所述动物类货物的风险评估分数。其中,产地疫情信息是指该目标货物的产地是否有疫情以及对应的疫情情况,该产地疫情信息可以通过互联网查询得到。使用类型信息可以包括食用、观赏或者配种等。历史抽检合格率信息是指历史上抽检该类货物的疫情监测合格率。第二神经网络模型为预先训练得到的。
在一些实施例中,所述目标货物为植物类货物;所述出入境危险货物风险评估的方法程序被所述处理器202执行时实现如下步骤:根据所述类型信息获取所述目标货物的使用类型信息、产地、货物目的地信息以及所述目标货物的引入历史记录信息。对应地,所述出入境危险货物风险评估的方法程序被所述处理器202执行时实现如下步骤:根据所述类型信息查询数据以判断所述目标货物是否为禁止引入的生物污染类植物;若是,则将其评估分数设置为满分;若不是,则将所述使用类型信息、产地、货物目的地信息以及所述目标货物的引入历史记录输入预设神经网络模型,得到对应的评估分数。其中,该使用类型信息为观赏、或者种植或者实验室研究等。由于有些植物在某些地区没有天敌,一旦引入会引起生物入侵,因此,对于这种情况要严格禁止。其中在得到风险评估分数后,针对风险评估分数对该风险评估分数位于第一预设区间的目标货物进行详细检查。对风险评估分数高于第一预设阈值的进行直接禁止入关。对于风险评估分数为地第二区间的目标货物进行抽检,对于风险评估分数小于第二预设阈值的进行直接免检。其中,风险评估分数越高,危险性越大。
由上可知,本申请实施例提供的出入境危险货物风险评估的系统通过获取待评估的目标货物的标识信息;根据所述标识信息在数据库查询所述目标货物的类型信息;根据所述类型信息获取所述目标货物的对应类型的特征信息;根据所述特征信息对所述目标货物进行风险评估,得到对应的评估分数;从而实现对不同类型的危险货物的风险评估,对于不同类型的危险货物进行不同类型的特征信息的提取,从而实现对危险货物的风险评估的准确性。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质中包括出入境危险货物风险评估的方法程序,所述出入境危险货物风险评估的方法程序被处理器执行时,实现如上述任一项实施例所述的一种出入境危险货物风险评估的方法的步骤。具体实现:获取待评估的目标货物的标识信息;根据所述标识信息在数据库查询所述目标货物的类型信息;根据所述类型信息获取所述目标货物的对应类型的特征信息;根据所述特征信息对所述目标货物进行风险评估,得到对应的评估分数。其中在得到风险评估分数后,针对风险评估分数对该风险评估分数位于第一预设区间的目标货物进行详细检查。对风险评估分数高于第一预设阈值的进行直接禁止入关。对于风险评估分数为地第二区间的目标货物进行抽检,对于风险评估分数小于第二预设阈值的进行直接免检。其中,风险评估分数越高,危险性越大。
由上可知,本申请实施例提供的存储介质通过获取待评估的目标货物的标识信息;根据所述标识信息在数据库查询所述目标货物的类型信息;根据所述类型信息获取所述目标货物的对应类型的特征信息;根据所述特征信息对所述目标货物进行风险评估,得到对应的评估分数;从而实现对不同类型的危险货物的风险评估,对于不同类型的危险货物进行不同类型的特征信息的提取,从而实现对危险货物的风险评估的准确性。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (5)
1.一种出入境危险货物风险评估方法,其特征在于,包括以下步骤:
获取待评估的目标货物的标识信息;
根据所述标识信息在数据库查询所述目标货物的类型信息;
根据所述类型信息获取所述目标货物的对应类型的特征信息;
根据所述特征信息对所述目标货物进行风险评估,得到对应的评估分数;
所述目标货物的类型信息包括:动物类货物、化学品类货物、植物类货物;
若所述目标货物为化学品类货物;
所述根据所述类型信息获取所述目标货物的对应类型的特征信息,包括:
根据所述类型信息获取所述目标货物的化学成分信息、产品生产厂家信息、收货厂家信息、包装材料信息、运输条件信息以及运输路线信息;
所述根据所述特征信息对所述目标货物进行风险评估,得到对应的评估分数,包括:
获取与所述化学品类货物对应的第一神经网络模型;
将所述包装材料信息、运输条件信息以及运输路线信息输入所述第一神经网络模型计算得到所述化学品类货物的第一初始风险评估分数;
根据所述产品生产厂家信息以及所述收货厂家信息对所述第一初始风险评估分数进行校准得到风险评估分数;
生产厂家信息和对应的收货厂家信息均有对应的化学类药品的处理能力评级信息,在校准时,基于处理能力评级信息对该第一初始风险评估分数进行校准,该处理能力评级信息越高,对应地,校准系数越小,也即是对应得到风险评估分数越小,越安全;
若所述目标货物为植物类货物;
所述根据所述类型信息获取所述目标货物的对应类型的特征信息,包括:
根据所述类型信息获取所述目标货物的使用类型信息、产地、货物目的地信息以及所述目标货物的引入历史记录信息;
所述根据所述特征信息对所述目标货物进行风险评估,得到对应的评估分数,包括:
根据所述类型信息查询数据以判断所述目标货物是否为禁止引入的生物污染类植物;
若是,则将其评估分数设置为满分;
若不是,则将所述使用类型信息、产地、货物目的地信息以及所述目标货物的引入历史记录输入预设神经网络模型,得到对应的评估分数。
2.根据权利要求1所述的出入境危险货物风险评估方法,其特征在于,若所述目标货物为动物类货物;
所述根据所述类型信息获取所述目标货物的对应类型的特征信息,包括:
根据所述类型信息获取所述目标货物的使用类型信息、产地、产地疫情信息、历史抽检合格率信息。
3.根据权利要求1所述的出入境危险货物风险评估方法,其特征在于,所述根据所述特征信息对所述目标货物进行风险评估,得到对应的评估分数,包括:
获取与所述动物类货物对应的第二神经网络模型;
将所述使用类型信息、产地、产地疫情信息、历史抽检合格率信息输入所述第二神经网络模型计算得到所述动物类货物的风险评估分数。
4.一种出入境危险货物风险评估的系统,其特征在于,该系统包括:存储器以及处理器,所述存储器中包括出入境危险货物风险评估的方法程序,所述出入境危险货物风险评估的方法程序被所述处理器执行时实现如权利要求1至3中任一项所述的一种出入境危险货物风险评估方法的步骤。
5.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包括出入境危险货物风险评估的方法程序,所述出入境危险货物风险评估的方法程序被处理器执行时,实现如权利要求1至3中任一项所述的一种出入境危险货物风险评估方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110490964.9A CN113112183B (zh) | 2021-05-06 | 2021-05-06 | 一种出入境危险货物风险评估的方法、系统和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110490964.9A CN113112183B (zh) | 2021-05-06 | 2021-05-06 | 一种出入境危险货物风险评估的方法、系统和可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113112183A CN113112183A (zh) | 2021-07-13 |
CN113112183B true CN113112183B (zh) | 2024-03-19 |
Family
ID=76721278
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110490964.9A Active CN113112183B (zh) | 2021-05-06 | 2021-05-06 | 一种出入境危险货物风险评估的方法、系统和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113112183B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114548839B (zh) * | 2022-04-26 | 2022-07-12 | 交通运输部水运科学研究所 | 基于风险分级和定位的危险货物集装箱落水分类救援方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002334180A (ja) * | 2001-05-08 | 2002-11-22 | Kintetsu World Express Inc | 通関申告システム |
CN102681509A (zh) * | 2012-05-15 | 2012-09-19 | 上海思佗科自动化科技有限公司 | 一种进行远程动物管理控制的通信系统 |
WO2013049248A2 (en) * | 2011-09-26 | 2013-04-04 | Osterhout Group, Inc. | Video display modification based on sensor input for a see-through near-to-eye display |
KR101341986B1 (ko) * | 2013-06-14 | 2013-12-16 | 대한민국 | 관세행정 통합위험관리 시스템 및 그 방법 |
CN103886473A (zh) * | 2013-09-29 | 2014-06-25 | 上海本家空调系统有限公司 | 一种确定网络交易物品提供方的方法及系统 |
CN108899037A (zh) * | 2018-07-05 | 2018-11-27 | 平安科技(深圳)有限公司 | 动物声纹特征提取方法、装置及电子设备 |
CN109685433A (zh) * | 2018-07-12 | 2019-04-26 | 北京图森未来科技有限公司 | 一种自动驾驶车辆跨境运输系统及相关设备 |
CN110232519A (zh) * | 2019-06-11 | 2019-09-13 | 大连海事大学 | 一种内河危险化学品运输风险评估系统 |
CN110555416A (zh) * | 2019-09-06 | 2019-12-10 | 杭州睿琪软件有限公司 | 一种植物识别方法及装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002279048A (ja) * | 2001-03-15 | 2002-09-27 | Hitachi Ltd | 環境パフォーマンス向上支援システムおよび環境パフォーマンス向上支援方法 |
US20090114713A1 (en) * | 2007-02-08 | 2009-05-07 | Quixcode Llc | Systems and Methods for Tracking Chemicals, Dispensing Chemicals, and Preparing Chemical Compositions |
US20140163895A1 (en) * | 2012-12-12 | 2014-06-12 | Noam Pik | System and method for assessing health risk for mixed breed animals |
CN108348963A (zh) * | 2015-05-06 | 2018-07-31 | 康派克技术有限公司 | 用于分拣物品的装置和方法 |
KR20170049204A (ko) * | 2015-10-28 | 2017-05-10 | 삼성에스디에스 주식회사 | 물류 시스템에서의 위험도 산출 방법 |
-
2021
- 2021-05-06 CN CN202110490964.9A patent/CN113112183B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002334180A (ja) * | 2001-05-08 | 2002-11-22 | Kintetsu World Express Inc | 通関申告システム |
WO2013049248A2 (en) * | 2011-09-26 | 2013-04-04 | Osterhout Group, Inc. | Video display modification based on sensor input for a see-through near-to-eye display |
CN102681509A (zh) * | 2012-05-15 | 2012-09-19 | 上海思佗科自动化科技有限公司 | 一种进行远程动物管理控制的通信系统 |
KR101341986B1 (ko) * | 2013-06-14 | 2013-12-16 | 대한민국 | 관세행정 통합위험관리 시스템 및 그 방법 |
CN103886473A (zh) * | 2013-09-29 | 2014-06-25 | 上海本家空调系统有限公司 | 一种确定网络交易物品提供方的方法及系统 |
CN108899037A (zh) * | 2018-07-05 | 2018-11-27 | 平安科技(深圳)有限公司 | 动物声纹特征提取方法、装置及电子设备 |
CN109685433A (zh) * | 2018-07-12 | 2019-04-26 | 北京图森未来科技有限公司 | 一种自动驾驶车辆跨境运输系统及相关设备 |
CN110232519A (zh) * | 2019-06-11 | 2019-09-13 | 大连海事大学 | 一种内河危险化学品运输风险评估系统 |
CN110555416A (zh) * | 2019-09-06 | 2019-12-10 | 杭州睿琪软件有限公司 | 一种植物识别方法及装置 |
Non-Patent Citations (8)
Title |
---|
出入境特殊物品风险管理现状;黄坚辉;尹军;刘洋;;中国国境卫生检疫杂志(第01期);全文 * |
出入境特殊物品风险评估体系建立和评估软件研究;尹军;黄坚辉;丁永健;陈亨赐;陆永昌;;中国国境卫生检疫杂志(第06期);第398页第1节,第1.1节,第401页2.3节 * |
卢伟等.《公共健康风险评价》.上海科学技术出版社,2013,第49页. * |
危化品物流运输的事故救护与管理探讨;肖艳;;安全、健康和环境;20090315(第03期);全文 * |
危险化学品重大危险源安全评估模式探讨;卢卫;;安全、健康和环境;20130515(第05期);全文 * |
尹军 ; 黄坚辉 ; 丁永健 ; 陈亨赐 ; 陆永昌 ; .出入境特殊物品风险评估体系建立和评估软件研究.中国国境卫生检疫杂志.2012,(第06期),第398页第1节,第1.1节,第401页2.3节. * |
张启敏 ; .危险化学品生产企业危险源辨识方法研究.中国安全生产科学技术.2012,全文. * |
计算机辅助化学品风险评估;黄迎等;中国化学会学术年会;20121231;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113112183A (zh) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Davies et al. | Effects of vegetation structure on the location of lion kill sites in African thicket | |
Mancino et al. | Landsat TM imagery and NDVI differencing to detect vegetation change: assessing natural forest expansion in Basilicata, southern Italy | |
CN114170513B (zh) | 一种草地贪夜蛾的虫情监测方法、系统及存储介质 | |
Lambert et al. | Evaluating the potential of Unmanned Aerial Systems for mapping weeds at field scales: a case study with Alopecurus myosuroides | |
CN106656996B (zh) | 一种信息安全风险评估方法 | |
Féret et al. | biodivMapR: An r package for α‐and β‐diversity mapping using remotely sensed images | |
CN113112183B (zh) | 一种出入境危险货物风险评估的方法、系统和可读存储介质 | |
CN111325466A (zh) | 智能预警方法与系统 | |
CN113435252B (zh) | 一种基于遥感的烟草病虫害监测预警方法和系统 | |
EP3527513B1 (en) | Method and system to release a confined stowage unit for unloading or inspection | |
Czyż et al. | Intraspecific genetic variation of a Fagus sylvatica population in a temperate forest derived from airborne imaging spectroscopy time series | |
Edwards et al. | Introduced mammals in Australian rangelands: future threats and the role of monitoring programmes in management strategies | |
CN103685312A (zh) | 一种检测钓鱼页面的方法及系统、客户端、服务器 | |
Lorenc et al. | An Intelligent System to Predict Risk and Costs of Cargo Thefts in Road Transport. | |
CN115983533B (zh) | 一种荔枝蒂蛀虫潜在危害识别与评估方法及系统 | |
CN116720881B (zh) | 基于定位信息的农产品销售监管预警方法、系统及介质 | |
CN110992135A (zh) | 一种风险识别方法、装置、电子设备及存储介质 | |
CN108574839A (zh) | 一种卡口设备异常检测方法及装置 | |
Bautista et al. | Spatial ecology of conflicts: Unravelling patterns of wildlife damage at multiple scales | |
Budei et al. | Variability of multispectral lidar 3D and intensity features with individual tree height and its influence on needleleaf tree species identification | |
CN116469016A (zh) | 基于丰度值的植被状态监控方法、装置和存储介质 | |
Arakawa et al. | Detection of on‐tree chestnut fruits using deep learning and RGB unmanned aerial vehicle imagery for estimation of yield and fruit load | |
CN117408522A (zh) | 一种尾款支付风险预警方法、系统及介质 | |
Schabacker et al. | Residue levels of pesticides on fruits for use in wildlife risk assessments | |
CN111611335A (zh) | 一种国土空间适用性评价方法、系统及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |