CN116883142A - 基于碳排放量的贷款请求处理方法、装置及电子设备 - Google Patents

Abstract

本申请公开了一种基于碳排放量的贷款请求处理方法、装置及电子设备，涉及金融科技领域。其中，该方法包括：获取目标企业对应的贷款请求；采集目标物料对应的第一图像和第二图像；将第一图像对应的图像特征和第二图像对应的图像特征分别输入至目标模型中，得到目标模型输出的第一结果和第二结果；根据第一结果、第二结果以及目标物料对应的单体积碳排放量确定目标企业在预设时间段内的目标碳排放量；检测目标碳排放量是否大于目标阈值，并在目标碳排放量大于目标阈值时，禁止通过贷款请求。本申请解决了现有技术中在处理基于碳排放量的贷款请求时存在的贷款资金安全性差的技术问题。

Description

基于碳排放量的贷款请求处理方法、装置及电子设备

技术领域

本申请涉及金融科技领域，具体而言，涉及一种基于碳排放量的贷款请求处理方法、装置及电子设备。

背景技术

目前，为了促进企业进行碳减排工作，银行会要求企业提供在预设时间段内的碳排放量，并依据这段时间内的碳排放量确定企业是否完成了预设的碳减排目标，如果没有完成，则不予批准企业所提交的贷款请求。

但是，在现有技术中，金融机构在核查企业的碳排放量时，通常需要采用工作人员实地考察或者是委托第三方机构进行核实的方式来核查得到企业的碳排放量，这种人为调查的方式不仅耗费时间较长，而且容易出现人为作弊的情况，从而导致提交给金融机构进行贷款请求审批的碳排放量与企业实际的碳排放量不一致的问题，进而影响了金融机构的贷款资金的安全性。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种基于碳排放量的贷款请求处理方法、装置及电子设备，以至少解决现有技术中在处理基于碳排放量的贷款请求时存在的贷款资金安全性差的技术问题。

根据本申请实施例的一个方面，提供了一种基于碳排放量的贷款请求处理方法，包括：获取目标企业对应的贷款请求，其中，贷款请求表征若目标企业在预设时间段的碳排放量小于目标阈值，金融机构向目标企业发放目标额度的贷款资金；采集目标物料对应的第一图像和第二图像，其中，目标物料为目标企业在生产过程中进行碳排放所需要的原料，第一图像的拍摄时刻为预设时间段的开始时刻，第二图像的拍摄时刻为预设时间段的结束时刻；将第一图像对应的图像特征和第二图像对应的图像特征分别输入至目标模型中，得到目标模型输出的第一结果和第二结果，其中，第一结果至少包括目标物料在预设时间段开始时的体积信息，第二结果至少包括目标物料在预设时间段结束时的体积信息；根据第一结果、第二结果以及目标物料对应的单体积碳排放量确定目标企业在预设时间段内的目标碳排放量，其中，单体积碳排放量表征目标企业在使用单位体积的目标物料进行生产后所产生的碳排放量；检测目标碳排放量是否大于目标阈值，并在目标碳排放量大于目标阈值时，禁止通过贷款请求。

进一步地，基于碳排放量的贷款请求处理方法还包括：在获取目标企业对应的贷款请求之前，获取目标历史时间段的碳排放量，其中，目标历史时间段在预设时间段之前，并且目标历史时间段的时长与预设时间段的时长相同；根据目标历史时间段的碳排放量确定目标阈值，其中，目标阈值小于目标历史时间段的碳排放量。

进一步地，基于碳排放量的贷款请求处理方法还包括：根据第一结果和第二结果确定目标物料在预设时间段内的体积差值，其中，体积差值用于表征目标物料在预设时间段内的体积变化；计算体积差值和单体积碳排放量之间的乘积，得到目标碳排放量。

进一步地，第一结果和第二结果中还至少包括目标物料的物料类型，物料类型用于表征目标物料为第一物料或第二物料，第一物料对应的单体积碳排放量与第二物料对应的单体积碳排放量不同。

进一步地，基于碳排放量的贷款请求处理方法还包括：对第一图像和第二图像分别进行预处理，得到第一图像对应的第三图像以及第二图像对应的第四图像，其中，预处理至少包括几何校正和辐射校正，几何校正用于校正图像的几何畸变，辐射校正用于消除图像中由于辐射误差导致的图像畸变，图像包括第一图像和第二图像；提取第三图像对应的第一图像特征以及第四图像对应的第二图像特征，其中，第一图像特征表征在第三图像中目标物料的形状特征，第二图像特征表征在第四图像中目标物料的形状特征；将第一图像特征输入至目标模型中，得到目标模型输出的第一结果；将第二图像特征输入至目标模型中，得到目标模型输出的第二结果。

进一步地，目标模型通过以下过程训练得到：获取N个历史图像以及每个历史图像对应的标签信息，其中，每个历史图像对应的标签信息用于表征该历史图像中的物料的物料类型以及该历史图像中的物料的实际体积，N为正整数；对每个历史图像进行预处理，得到N个目标历史图像；提取每个目标历史图像对应的目标图像特征，其中，目标图像特征表征该目标历史图像中的物料的形状特征；将每个目标历史图像对应的目标图像特征和每个历史图像对应的标签信息输入至深度学习神经网络中，并进行迭代训练，得到目标模型。

进一步地，基于碳排放量的贷款请求处理方法还包括：在禁止通过贷款请求之后，检测目标碳排放量是否小于目标历史时间段的碳排放量；在目标碳排放量小于目标历史时间段的碳排放量的情况下，计算目标碳排放量与目标阈值的差值，得到第一差值；计算目标历史时间段的碳排放量与目标阈值的差值，得到第二差值；计算第一差值与第二差值的比值，并计算比值与目标额度的乘积，得到第一额度；根据第一额度生成贷款营销策略，其中，贷款营销策略表征金融机构能够向目标企业发放第一额度的贷款资金。

进一步地，基于碳排放量的贷款请求处理方法还包括：在目标碳排放量小于或等于目标阈值时，通过贷款请求。

根据本申请实施例的另一方面，还提供了一种基于碳排放量的贷款请求处理装置，包括：获取模块，用于获取目标企业对应的贷款请求，其中，贷款请求表征若目标企业在预设时间段的碳排放量小于目标阈值，金融机构向目标企业发放目标额度的贷款资金；图像采集模块，用于采集目标物料对应的第一图像和第二图像，其中，目标物料为目标企业在生产过程中进行碳排放所需要的原料，第一图像的拍摄时刻为预设时间段的开始时刻，第二图像的拍摄时刻为预设时间段的结束时刻；输入模块，用于将第一图像对应的图像特征和第二图像对应的图像特征分别输入至目标模型中，得到目标模型输出的第一结果和第二结果，其中，第一结果至少包括目标物料在预设时间段开始时的体积信息，第二结果至少包括目标物料在预设时间段结束时的体积信息；确定模块，用于根据第一结果、第二结果以及目标物料对应的单体积碳排放量确定目标企业在预设时间段内的目标碳排放量，其中，单体积碳排放量表征目标企业在使用单位体积的目标物料进行生产后所产生的碳排放量；检测模块，用于检测目标碳排放量是否大于目标阈值，并在目标碳排放量大于目标阈值时，禁止通过贷款请求。

根据本申请实施例的另一方面，还提供了一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，其中，在计算机程序运行时控制计算机可读存储介质所在设备执行上述的基于碳排放量的贷款请求处理方法。

根据本申请实施例的另一方面，还提供了一种电子设备，电子设备包括一个或多个处理器和存储器，存储器用于存储一个或多个程序，其中，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现上述的基于碳排放量的贷款请求处理方法。

在本申请中，采用采集企业在生产过程中进行碳排放所需要的目标物料的第一图像和第二图像，并基于第一图像和第二图像自动计算目标企业在预设时间段内的碳排放量的方式，在获取目标企业对应的贷款请求，采集目标物料对应的第一图像和第二图像，其中，目标物料为目标企业在生产过程中进行碳排放所需要的原料，第一图像的拍摄时刻为预设时间段的开始时刻，第二图像的拍摄时刻为预设时间段的结束时刻，随后将第一图像对应的图像特征和第二图像对应的图像特征分别输入至目标模型中，得到目标模型输出的第一结果和第二结果，其中，第一结果至少包括目标物料在预设时间段开始时的体积信息，第二结果至少包括目标物料在预设时间段结束时的体积信息。最后根据第一结果、第二结果以及目标物料对应的单体积碳排放量确定目标企业在预设时间段内的目标碳排放量，以及检测目标碳排放量是否大于目标阈值，并在目标碳排放量大于目标阈值时，禁止通过贷款请求。其中，单体积碳排放量表征目标企业在使用单位体积的目标物料进行生产后所产生的碳排放量，贷款请求表征若目标企业在预设时间段的碳排放量小于目标阈值，金融机构向目标企业发放目标额度的贷款资金。

由上述内容可知，本申请通过采集企业在生产过程中进行碳排放所需要的目标物料的第一图像和第二图像，并基于第一图像和第二图像自动计算目标企业在预设时间段内的目标碳排放量，不仅避免了人工核实企业碳排放量时可能存在的人为作弊的情况，而且还能提高碳排放量的确定效率，缩短确定企业碳排放量的时长。由于基于本申请的方案，可为金融机构提供更加准确、更加可靠的碳排放量数据，因此本申请的技术方案可以实现提高金融机构在处理基于碳排放量的贷款请求时的贷款资金安全性的技术效果。

由此可见，本申请的技术方案达到了自动确定企业在预设时间段内的碳排放量的目的，从而避免了人工核实企业碳排放量时可能存在的人为作弊的情况，进而解决了现有技术中在处理基于碳排放量的贷款请求时存在的贷款资金安全性差的技术问题。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的一种可选的基于碳排放量的贷款请求处理方法的流程图；

图2是根据本申请实施例的一种可选的目标模型的训练过程的流程图；

图3是根据本申请实施例的一种可选的贷款营销策略的生成方法流程图；

图4是根据本申请实施例提供的一种可选的基于碳排放量的贷款请求处理装置的示意图；

图5是根据本申请实施例的一种电子设备的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

还需要说明的是，本申请所涉及的相关信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于展示的数据、分析的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。例如，本系统和相关用户或机构间设置有接口，在获取相关信息之前，需要通过接口向前述的用户或机构发送获取请求，并在接收到前述的用户或机构反馈的同意信息后，获取相关信息。

下面结合各实施例来进一步说明本申请。

实施例1

根据本申请实施例，提供了一种基于碳排放量的贷款请求处理方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本申请实施例的一种可选的基于碳排放量的贷款请求处理方法的流程图，如图1所示，该方法包括如下步骤：

步骤S101，获取目标企业对应的贷款请求。

在步骤S101中，贷款请求表征若目标企业在预设时间段的碳排放量小于目标阈值，金融机构向目标企业发放目标额度的贷款资金。

可选的，目标企业包括但不限于需要进行碳排放的各类企业，例如，煤电企业、水泥制造企业、化工企业等等。为了方便描述本申请实施例中具体方案，以下以目标企业为水泥制造企业一类的粉尘工厂为例对本申请实施例中的方案进行说明。

需要说明的是，为了促进目标企业的碳减排工作，金融机构通常会根据目标企业的历史碳排放量(例如目标企业在目标历史时间段的碳排放量)确定一个目标阈值，并将该目标阈值作为目标企业的碳减排工作所要大致的碳减排目标，如果目标企业能够在预设时间段内实现该碳减排目标(目标企业在预设时间段的碳排放量小于目标阈值)，则金融机构将会向目标企业发放目标额度的贷款资金，从而以此来激励目标企业的碳减排工作。

还需要说明的是，在一种可选的实施例中，一种贷款请求处理系统可作为本申请实施例中的基于碳排放量的贷款请求处理方法的执行主体。

步骤S102，采集目标物料对应的第一图像和第二图像。

在步骤S102中，目标物料为目标企业在生产过程中进行碳排放所需要的原料，第一图像的拍摄时刻为预设时间段的开始时刻，第二图像的拍摄时刻为预设时间段的结束时刻。

可选的，目标企业在提交贷款请求时，还需要提交目标物料的存储位置信息。贷款请求处理系统在获取得到目标企业的贷款请求之后，会在贷款请求中的预设时间段的开始时刻向卫星或无人机发射图像采集指令，其中，图像采集指令中至少包括目标物料的存储位置信息，从而在卫星或无人机接收到图像采集指令之后，卫星或无人机移动至目标物料的存储位置的上方，并通过遥感技术拍摄得到目标物料对应的第一图像。

同理，在预设时间段结束时，贷款请求处理系统会再次向卫星或无人机发射图像采集指令，从而控制卫星或无人机拍摄得到目标物料对应的第二图像。

需要说明的是，目标物料为目标企业在生产过程中进行碳排放所需要的一种原料，以目标企业为水泥制造企业为例，目标物料既可以是熟料，也可以是生料。其中，熟料为以硅酸钙为主要成分的水硬性胶凝物质，熟料可以直接加工得到水泥。生料则是石灰石、粘土、铁矿石等一类的物质，生料需要先转换为熟料，然后再进行加工才能生成水泥。水泥制造企业在利用生料制造水泥时所产生的碳排放量与利用熟料制造水泥时所产生的碳排放量是不同的。

步骤S103，将第一图像对应的图像特征和第二图像对应的图像特征分别输入至目标模型中，得到目标模型输出的第一结果和第二结果。

在步骤S103中，贷款请求处理系统会分别对第一图像和第二图像进行图像特征提取操作，从而得到第一图像对应的图像特征和第二图像对应的图像特征。具体的，图像特征用于表征目标物料在第一图像/第二图像中的形状特征，其中，目标物料在第一图像/第二图像中的展示形式为三维立体的形式。

进一步地，目标模型是一种基于带有真实标签的图像进行训练所得到的神经网络模型，目标模型可以识别第一图像/第二图像中的目标物料的物料类型(例如，识别目标物料是生料还是熟料)，目标模型还可以根据目标物料在图像中的形状特征预估目标物料的体积。

步骤S104，根据第一结果、第二结果以及目标物料对应的单体积碳排放量确定目标企业在预设时间段内的目标碳排放量。

在步骤S104中，单体积碳排放量表征目标企业在使用单位体积的目标物料进行生产后所产生的碳排放量。

可选的，由于第一结果至少包括目标物料在预设时间段开始时的体积信息，第二结果至少包括目标物料在预设时间段结束时的体积信息，因此，贷款请求处理系统通过目标物料在预设时间段开始时的体积以及目标物料在预设时间段结束时的体积，即可确定目标物料在预设时间段内的体积变化。进一步地，在得到该体积变化的基础上，结合目标物料对应的单体积碳排放量，贷款请求处理系统通过将目标物料的体积变化与目标物料对应的单体积碳排放量进行乘积，即可得到目标企业在预设时间段内的目标碳排放量。

步骤S105，检测目标碳排放量是否大于目标阈值，并在目标碳排放量大于目标阈值时，禁止通过贷款请求。

可选的，如果目标企业在预设时间段内的目标碳排放量大于目标阈值，则说明目标企业并没有完成既定的碳减排指标，因此，贷款请求处理系统将禁止通过贷款请求，换言之，金融机构将拒绝为目标企业提供目标额度的贷款资金。

相对应的，在目标碳排放量小于或等于目标阈值时，贷款请求处理系统将通过贷款请求。

基于上述步骤S101至步骤S105的内容可知，在本申请中，采用采集企业在生产过程中进行碳排放所需要的目标物料的第一图像和第二图像，并基于第一图像和第二图像自动计算目标企业在预设时间段内的碳排放量的方式，在获取目标企业对应的贷款请求，采集目标物料对应的第一图像和第二图像，其中，目标物料为目标企业在生产过程中进行碳排放所需要的原料，第一图像的拍摄时刻为预设时间段的开始时刻，第二图像的拍摄时刻为预设时间段的结束时刻，随后将第一图像对应的图像特征和第二图像对应的图像特征分别输入至目标模型中，得到目标模型输出的第一结果和第二结果，其中，第一结果至少包括目标物料在预设时间段开始时的体积信息，第二结果至少包括目标物料在预设时间段结束时的体积信息。最后根据第一结果、第二结果以及目标物料对应的单体积碳排放量确定目标企业在预设时间段内的目标碳排放量，以及检测目标碳排放量是否大于目标阈值，并在目标碳排放量大于目标阈值时，禁止通过贷款请求。其中，单体积碳排放量表征目标企业在使用单位体积的目标物料进行生产后所产生的碳排放量，贷款请求表征若目标企业在预设时间段的碳排放量小于目标阈值，金融机构向目标企业发放目标额度的贷款资金。

由上述内容可知，本申请通过采集企业在生产过程中进行碳排放所需要的目标物料的第一图像和第二图像，并基于第一图像和第二图像自动计算目标企业在预设时间段内的目标碳排放量，不仅避免了人工核实企业碳排放量时可能存在的人为作弊的情况，而且还能提高碳排放量的确定效率，缩短确定企业碳排放量的时长。由于基于本申请的方案，可为金融机构提供更加准确、更加可靠的碳排放量数据，因此本申请的技术方案可以实现提高金融机构在处理基于碳排放量的贷款请求时的贷款资金安全性的技术效果。

由此可见，本申请的技术方案达到了自动确定企业在预设时间段内的碳排放量的目的，从而避免了人工核实企业碳排放量时可能存在的人为作弊的情况，进而解决了现有技术中在处理基于碳排放量的贷款请求时存在的贷款资金安全性差的技术问题。

在一种可选的实施例中，在获取目标企业对应的贷款请求之前，贷款请求处理系统还会获取目标历史时间段的碳排放量，其中，目标历史时间段在预设时间段之前，并且目标历史时间段的时长与预设时间段的时长相同。随后，贷款请求处理系统根据目标历史时间段的碳排放量确定目标阈值，其中，目标阈值小于目标历史时间段的碳排放量。

可选的，假设预设时间段为今年的5月至7月，则目标历史时间段可以是去年的5月至7月，贷款请求处理系统可以根据目标企业在去年的5月至7月期间的碳排放量确定目标企业在今年的5月至7月的碳排放量对应的目标阈值，其中，由于需要目标企业进行碳减排，因此，目标阈值小于目标历史时间段的碳排放量。

举例而言，贷款请求处理系统可计算目标历史时间段的碳排放量与预设数值的差值，得到目标阈值，其中，预设数值为大于0的数值。在另外一种可选的实施例中，贷款请求处理系统还可以计算目标历史时间段的碳排放量与预设系数的乘积，得到目标阈值，其中，预设系数为大于0并且小于1的数值。

在一种可选的实施例中，为了确定目标企业在预设时间段内的目标碳排放量，贷款请求处理系统可以根据第一结果和第二结果确定目标物料在预设时间段内的体积差值，其中，体积差值用于表征目标物料在预设时间段内的体积变化。然后，贷款请求处理系统计算体积差值和单体积碳排放量之间的乘积，得到目标碳排放量。

可选的，假设第一结果表征目标物料在预设时间段开始时的体积为A，第二结果表征目标物料在预设时间段结束时的体积为B，则体积差值为A-B。在此基础上，如果目标物料的单体积碳排放量为C，则目标碳排放量为(A-B)*C。

在一种可选的实施例中，第一结果和第二结果中还至少包括目标物料的物料类型，物料类型用于表征目标物料为第一物料或第二物料，第一物料对应的单体积碳排放量与第二物料对应的单体积碳排放量不同。

可选的，由于目标物料对应的单体积碳排放量与目标物料的物料类型有关，因此第一结果和第二结果中还至少包括有关于描述目标物料是哪一种物料的描述信息。举例而言，如果目标物料为第一物料(例如熟料)，则目标物料对应的单体积碳排放量为D，如果目标物料为第二物料(例如生料)，则目标物料对应的单体积碳排放量为E。

在一种可选的实施例中，贷款请求处理系统还会对第一图像和第二图像分别进行预处理，得到第一图像对应的第三图像以及第二图像对应的第四图像，其中，预处理至少包括几何校正和辐射校正，几何校正用于校正图像的几何畸变，辐射校正用于消除图像中由于辐射误差导致的图像畸变，图像包括第一图像和第二图像。随后，贷款请求处理系统提取第三图像对应的第一图像特征以及第四图像对应的第二图像特征，并将第一图像特征输入至目标模型中，得到目标模型输出的第一结果，将第二图像特征输入至目标模型中，得到目标模型输出的第二结果。其中，第一图像特征表征在第三图像中目标物料的形状特征，第二图像特征表征在第四图像中目标物料的形状特征。

可选的，为了提高目标模型对图像的识别精准度，贷款请求处理系统会对第一图像和第二图像进行预处理，预处理至少包括几何校正和辐射校正。其中，几何校正为消除或改正图像中的几何误差的过程。遥感影像(即第一图像和第二图像)在成像过程中，由于受到成像投影方式的差异、传感器系统误差、相机的几何特性、地形起伏、地面曲率等因素的影响，造成遥感影像存在明显的几何畸变的现象。在此基础上，几何校正是指通过对待校正的遥感影像进行地理编码，使其具备与参考影像相同的坐标系统和投影参数的过程。几何校正一般包括两个环节：一是转换像素坐标，将遥感影像坐标转换成地图或者地面坐标；二是将经过坐标转换后的像素灰度值进行重采样。

辐射校正则是指对由于外界因素，数据获取和传输系统产生的系统的、随机的辐射失真或畸变进行的校正，消除或改正因辐射误差而引起遥感影像畸变的过程。

另外，为了提高图像的分辨率，贷款请求处理系统还可以在预处理的过程中加入重采样处理，重采样处理就是从高分辨率的遥感影像中提取出低分辨率的遥感影像，或者从低分辨率的遥感影像中提取高分辨率的遥感影像的过程，常用的方法有最邻近内插法、双线性内插法、三次卷积法等。

在本申请中，经过预处理之后的第一图像为第三图像，经过预处理之后的第二图像为第四图像。贷款请求处理系统可以提取第三图像对应的第一图像特征以及第四图像对应的第二图像特征，并将第一图像特征输入至目标模型中，得到目标模型输出的第一结果，以及将第二图像特征输入至目标模型中，得到目标模型输出的第二结果。

在一种可选的实施例中，图2示出了根据本申请实施例的一种可选的目标模型的训练过程，如图2所示，包括如下步骤：

步骤S201，获取N个历史图像以及每个历史图像对应的标签信息。

在步骤S201中，每个历史图像对应的标签信息用于表征该历史图像中的物料的物料类型以及该历史图像中的物料的实际体积，N为正整数。

可选的，假设N为100，其中，100个历史图像中有60个历史图像中的物料为第一物料，剩余40个历史图像中的物料为第二物料。进一步地，贷款请求处理系统可以为每个历史图像设置对应的标签信息，例如，对于图像中的物料为第一物料的历史图像，获取该历史图像中的物料的实际体积，然后为该历史图像设置一个标签信息，此标签信息记录了该历史图像中的物料为第一物料以及该历史图像中的物料的实际体积。

同理，对于图像中的物料为第二物料的一个历史图像，该历史图像对应的标签信息记录了该历史图像中的物料为第二物料以及该历史图像中的物料的实际体积。

步骤S202，对每个历史图像进行预处理，得到N个目标历史图像。

在步骤S202中，与第一图像、第二图像的处理过程一样，贷款请求处理系统也会对每个历史图像进行预处理，包括对历史图像进行几何校正、辐射校正等。

步骤S203，提取每个目标历史图像对应的目标图像特征。

在步骤S203中，目标图像特征表征该目标历史图像中的物料的形状特征。

步骤S204，将每个目标历史图像对应的目标图像特征和每个历史图像对应的标签信息输入至深度学习神经网络中，并进行迭代训练，得到目标模型。

可选的，将每个目标历史图像对应的目标图像特征与该目标历史图像对应的历史图像的标签信息建立对应关系，得到一个子训练集，由于有N个历史图像，因此可得到N个子训练集，最后，贷款请求处理系统将N个子训练集输入至深度学习神经网络中，并进行迭代训练，即可得到目标模型。

在一种可选的实施例中，图3示出了根据本申请实施例的一种可选的贷款营销策略的生成方法流程图，如图3所示，包括如下步骤：

步骤S301，在禁止通过贷款请求之后，检测目标碳排放量是否小于目标历史时间段的碳排放量。

可选的，在目标碳排放量大于目标阈值时，贷款请求处理系统会禁止通过贷款请求，在此基础上，贷款请求处理系统还会检测目标碳排放量是否小于目标历史时间段的碳排放量，换言之，贷款请求处理系统还会检测目标碳排放量是否处于目标阈值与目标历史时间段的碳排放量之间。

容易理解的是，由于目标阈值相当于是目标企业的碳减排目标，因此，如果目标碳排放量大于目标阈值并且小于目标历史时间段的碳排放量，则说明目标企业在预设时间段内虽然没有完成碳减排目标(即目标碳排放量小于或等于目标阈值)，但是相比于目标历史时间段的碳排放量，目标企业实际上已经进行了碳减排工作。在此基础上，贷款请求处理系统可以适当下调贷款请求中的目标额度，从而在保证银行的贷款资金安全的基础上促进目标企业进一步地进行碳减排工作。

步骤S302，在目标碳排放量小于目标历史时间段的碳排放量的情况下，计算目标碳排放量与目标阈值的差值，得到第一差值。

步骤S303，计算目标历史时间段的碳排放量与目标阈值的差值，得到第二差值。

可选的，可选的，在目标碳排放量大于目标阈值并且小于目标历史时间段的碳排放量的情况下，假设目标阈值为T，目标碳排放量为K，目标历史时间段的碳排放量为H，则T＜K＜H，在此基础上，第一差值为(K-T)，第二差值为(H-T)，第一差值小于第一差值。

需要注意到的是，如果目标碳排放量不仅大于目标阈值，还大于或等于目标历史时间段的碳排放量，说明目标企业在预设时间段内的碳排放量相比于目标历史时间段不仅没有减少，甚至还有增多，在此基础上，贷款请求处理系统不仅会禁止通过目标企业提交的贷款请求，还会禁止生成与目标企业相关的贷款营销策略。

步骤S304，计算第一差值与第二差值的比值，并计算比值与目标额度的乘积，得到第一额度。

可选的，假设目标额度为B，则第一额度为B*(K-T)/(H-T)。容易理解的是，第一额度小于目标额度，即实现了对目标额度的下调。

步骤S305，根据第一额度生成贷款营销策略。

在步骤S305中，贷款营销策略表征金融机构能够向目标企业发放第一额度的贷款资金。

由上述内容可知，当贷款请求处理系统检测到目标企业在预设时间段内的目标碳排放量大于目标阈值并且小于目标历史时间段的碳排放量时，贷款请求处理系统虽然会禁止通过目标企业提交的贷款请求，但是会向目标企业提供一个贷款额度更小的贷款营销方案，从而既保证了银行的资金安全，还能提高银行的贷款效率，进而协助目标企业进行进一步地碳减排工作。

实施例2

本实施例提供了一种可选的基于碳排放量的贷款请求处理装置，该基于碳排放量的贷款请求处理装置中的各个实施单元/模块对应于实施例1中各个实施步骤。

图4是根据本申请实施例提供的一种可选的基于碳排放量的贷款请求处理装置的示意图，如图4所示，包括：获取模块401、图像采集模块402、输入模块403、确定模块404以及检测模块405。

具体的，获取模块401，用于获取目标企业对应的贷款请求，其中，贷款请求表征若目标企业在预设时间段的碳排放量小于目标阈值，金融机构向目标企业发放目标额度的贷款资金；图像采集模块402，用于采集目标物料对应的第一图像和第二图像，其中，目标物料为目标企业在生产过程中进行碳排放所需要的原料，第一图像的拍摄时刻为预设时间段的开始时刻，第二图像的拍摄时刻为预设时间段的结束时刻；输入模块403，用于将第一图像对应的图像特征和第二图像对应的图像特征分别输入至目标模型中，得到目标模型输出的第一结果和第二结果，其中，第一结果至少包括目标物料在预设时间段开始时的体积信息，第二结果至少包括目标物料在预设时间段结束时的体积信息；确定模块404，用于根据第一结果、第二结果以及目标物料对应的单体积碳排放量确定目标企业在预设时间段内的目标碳排放量，其中，单体积碳排放量表征目标企业在使用单位体积的目标物料进行生产后所产生的碳排放量；检测模块405，用于检测目标碳排放量是否大于目标阈值，并在目标碳排放量大于目标阈值时，禁止通过贷款请求。

可选的，基于碳排放量的贷款请求处理装置还包括：第一获取模块和第一确定模块。其中，第一获取模块，用于获取目标历史时间段的碳排放量，其中，目标历史时间段在预设时间段之前，并且目标历史时间段的时长与预设时间段的时长相同；第一确定模块，用于根据目标历史时间段的碳排放量确定目标阈值，其中，目标阈值小于目标历史时间段的碳排放量。

可选的，确定模块还包括：第一确定单元和第一计算单元。其中，第一确定单元，用于根据第一结果和第二结果确定目标物料在预设时间段内的体积差值，其中，体积差值用于表征目标物料在预设时间段内的体积变化；第一计算单元，用于计算体积差值和单体积碳排放量之间的乘积，得到目标碳排放量。

可选的，第一结果和第二结果中还至少包括目标物料的物料类型，物料类型用于表征目标物料为第一物料或第二物料，第一物料对应的单体积碳排放量与第二物料对应的单体积碳排放量不同。

可选的，输入模块还包括：预处理单元、特征提取单元、第一输入单元以及第二输入单元。其中，预处理单元，用于对第一图像和第二图像分别进行预处理，得到第一图像对应的第三图像以及第二图像对应的第四图像，其中，预处理至少包括几何校正和辐射校正，几何校正用于校正图像的几何畸变，辐射校正用于消除图像中由于辐射误差导致的图像畸变，图像包括第一图像和第二图像；特征提取单元，用于提取第三图像对应的第一图像特征以及第四图像对应的第二图像特征，其中，第一图像特征表征在第三图像中目标物料的形状特征，第二图像特征表征在第四图像中目标物料的形状特征；第一输入单元，用于将第一图像特征输入至目标模型中，得到目标模型输出的第一结果；第二输入单元，用于将第二图像特征输入至目标模型中，得到目标模型输出的第二结果。

可选的，基于碳排放量的贷款请求处理装置还包括：第二获取模块、预处理模块、特征提取模块以及训练模块。其中，第二获取模块，用于获取N个历史图像以及每个历史图像对应的标签信息，其中，每个历史图像对应的标签信息用于表征该历史图像中的物料的物料类型以及该历史图像中的物料的实际体积；预处理模块，用于对每个历史图像进行预处理，得到N个目标历史图像；特征提取模块，用于提取每个目标历史图像对应的目标图像特征，其中，目标图像特征表征该目标历史图像中的物料的形状特征；训练模块，用于将每个目标历史图像对应的目标图像特征和每个历史图像对应的标签信息输入至深度学习神经网络中，并进行迭代训练，得到目标模型。

可选的，基于碳排放量的贷款请求处理装置还包括：第一检测模块、第一计算模块、第二计算模块、第三计算模块以及策略生成模块。其中，第一检测模块，用于检测目标碳排放量是否小于目标历史时间段的碳排放量；第一计算模块，用于在目标碳排放量小于目标历史时间段的碳排放量的情况下，计算目标碳排放量与目标阈值的差值，得到第一差值；第二计算模块，用于计算目标历史时间段的碳排放量与目标阈值的差值，得到第二差值；第三计算模块，用于计算第一差值与第二差值的比值，并计算比值与目标额度的乘积，得到第一额度；策略生成模块，用于根据第一额度生成贷款营销策略，其中，贷款营销策略表征金融机构能够向目标企业发放第一额度的贷款资金。

可选的，基于碳排放量的贷款请求处理装置还包括：贷款请求处理模块，用于在目标碳排放量小于或等于目标阈值时，通过贷款请求。

实施例3

根据本申请实施例的另一方面，还提供了一种计算机可读存储介质，计算机可读存储介质包括存储的计算机程序，其中，在计算机程序运行时控制计算机可读存储介质所在设备执行上述实施例1中的基于碳排放量的贷款请求处理方法。

实施例4

图5是根据本申请实施例的一种电子设备的示意图，如图5所示，本申请实施例提供了一种电子设备，电子设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现上述实施例1中的基于碳排放量的贷款请求处理方法。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的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，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，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，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，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，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (11)

1.一种基于碳排放量的贷款请求处理方法，其特征在于，包括：

获取目标企业对应的贷款请求，其中，所述贷款请求表征若所述目标企业在预设时间段的碳排放量小于目标阈值，金融机构向所述目标企业发放目标额度的贷款资金；

采集目标物料对应的第一图像和第二图像，其中，所述目标物料为所述目标企业在生产过程中进行碳排放所需要的原料，所述第一图像的拍摄时刻为所述预设时间段的开始时刻，所述第二图像的拍摄时刻为所述预设时间段的结束时刻；

将所述第一图像对应的图像特征和所述第二图像对应的图像特征分别输入至目标模型中，得到所述目标模型输出的第一结果和第二结果，其中，所述第一结果至少包括所述目标物料在所述预设时间段开始时的体积信息，所述第二结果至少包括所述目标物料在所述预设时间段结束时的体积信息；

根据所述第一结果、所述第二结果以及所述目标物料对应的单体积碳排放量确定所述目标企业在所述预设时间段内的目标碳排放量，其中，所述单体积碳排放量表征所述目标企业在使用单位体积的目标物料进行生产后所产生的碳排放量；

检测所述目标碳排放量是否大于所述目标阈值，并在所述目标碳排放量大于所述目标阈值时，禁止通过所述贷款请求。

2.根据权利要求1所述的方法，其特征在于，在获取目标企业对应的贷款请求之前，所述方法还包括：

获取目标历史时间段的碳排放量，其中，所述目标历史时间段在所述预设时间段之前，并且所述目标历史时间段的时长与所述预设时间段的时长相同；

根据所述目标历史时间段的碳排放量确定所述目标阈值，其中，所述目标阈值小于所述目标历史时间段的碳排放量。

3.根据权利要求1所述的方法，其特征在于，根据所述第一结果、所述第二结果以及所述目标物料对应的单体积碳排放量确定所述目标企业在所述预设时间段内的目标碳排放量，包括：

根据所述第一结果和所述第二结果确定所述目标物料在所述预设时间段内的体积差值，其中，所述体积差值用于表征所述目标物料在所述预设时间段内的体积变化；

计算所述体积差值和所述单体积碳排放量之间的乘积，得到所述目标碳排放量。

4.根据权利要求1所述的方法，其特征在于，所述第一结果和所述第二结果中还至少包括所述目标物料的物料类型，所述物料类型用于表征所述目标物料为第一物料或第二物料，所述第一物料对应的单体积碳排放量与所述第二物料对应的单体积碳排放量不同。

5.根据权利要求1所述的方法，其特征在于，将所述第一图像对应的图像特征和所述第二图像对应的图像特征分别输入至目标模型中，得到所述目标模型输出的第一结果和第二结果，包括：

对所述第一图像和所述第二图像分别进行预处理，得到所述第一图像对应的第三图像以及所述第二图像对应的第四图像，其中，所述预处理至少包括几何校正和辐射校正，所述几何校正用于校正图像的几何畸变，所述辐射校正用于消除所述图像中由于辐射误差导致的图像畸变，所述图像包括所述第一图像和所述第二图像；

提取所述第三图像对应的第一图像特征以及所述第四图像对应的第二图像特征，其中，所述第一图像特征表征在所述第三图像中所述目标物料的形状特征，所述第二图像特征表征在所述第四图像中所述目标物料的形状特征；

将所述第一图像特征输入至所述目标模型中，得到所述目标模型输出的第一结果；

将所述第二图像特征输入至所述目标模型中，得到所述目标模型输出的第二结果。

6.根据权利要求5所述的方法，其特征在于，所述目标模型通过以下过程训练得到：

获取N个历史图像以及每个所述历史图像对应的标签信息，其中，每个所述历史图像对应的标签信息用于表征该历史图像中的物料的物料类型以及该历史图像中的物料的实际体积，N为正整数；

对每个所述历史图像进行所述预处理，得到N个目标历史图像；

提取每个所述目标历史图像对应的目标图像特征，其中，所述目标图像特征表征该目标历史图像中的物料的形状特征；

将每个所述目标历史图像对应的目标图像特征和每个所述历史图像对应的标签信息输入至深度学习神经网络中，并进行迭代训练，得到所述目标模型。

7.根据权利要求2所述的方法，其特征在于，在禁止通过所述贷款请求之后，所述方法还包括：

检测所述目标碳排放量是否小于所述目标历史时间段的碳排放量；

在所述目标碳排放量小于所述目标历史时间段的碳排放量的情况下，计算所述目标碳排放量与所述目标阈值的差值，得到第一差值；

计算所述目标历史时间段的碳排放量与所述目标阈值的差值，得到第二差值；

计算所述第一差值与所述第二差值的比值，并计算所述比值与所述目标额度的乘积，得到第一额度；

根据所述第一额度生成贷款营销策略，其中，所述贷款营销策略表征所述金融机构能够向所述目标企业发放所述第一额度的贷款资金。

8.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在所述目标碳排放量小于或等于所述目标阈值时，通过所述贷款请求。

9.一种基于碳排放量的贷款请求处理装置，其特征在于，包括：

获取模块，用于获取目标企业对应的贷款请求，其中，所述贷款请求表征若所述目标企业在预设时间段的碳排放量小于目标阈值，金融机构向所述目标企业发放目标额度的贷款资金；

图像采集模块，用于采集目标物料对应的第一图像和第二图像，其中，所述目标物料为所述目标企业在生产过程中进行碳排放所需要的原料，所述第一图像的拍摄时刻为所述预设时间段的开始时刻，所述第二图像的拍摄时刻为所述预设时间段的结束时刻；

输入模块，用于将所述第一图像对应的图像特征和所述第二图像对应的图像特征分别输入至目标模型中，得到所述目标模型输出的第一结果和第二结果，其中，所述第一结果至少包括所述目标物料在所述预设时间段开始时的体积信息，所述第二结果至少包括所述目标物料在所述预设时间段结束时的体积信息；

确定模块，用于根据所述第一结果、所述第二结果以及所述目标物料对应的单体积碳排放量确定所述目标企业在所述预设时间段内的目标碳排放量，其中，所述单体积碳排放量表征所述目标企业在使用单位体积的目标物料进行生产后所产生的碳排放量；

检测模块，用于检测所述目标碳排放量是否大于所述目标阈值，并在所述目标碳排放量大于所述目标阈值时，禁止通过所述贷款请求。

10.一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存储有计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至8中任意一项所述的基于碳排放量的贷款请求处理方法。

11.一种电子设备，其特征在于，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1至8中任意一项所述的基于碳排放量的贷款请求处理方法。