技术特征：
1.一种基于物流集装箱供应链的金融风险控制方法，其特征在于，包括以下步骤：s1. 从区块链网络中获取物流集装箱供应链的金融风险数据，构建货物价值预算神经网络模型预测货物价值，获取客户实时的受控箱量，基于货物价值预算模型预算出客户的受控金额以预防风险；s2. 获取货物装箱照片，构建货物图像识别统计神经网络模型识别图像中货物的数量，建立风险控制模型，根据差值等级、受控箱量等级和历史交易风险数据综合评估客户风险，确定物流集装箱供应链的风险控制指标。2.如权利要求1所述的一种基于物流集装箱供应链的金融风险控制方法，其特征在于，所述步骤s1具体包括：根据订单数据和货物价值表，通过深度学习算法生成货物价值预算模型。3.如权利要求1所述的一种基于物流集装箱供应链的金融风险控制方法，其特征在于，所述步骤s1具体包括：构建货物价值预算神经网络模型，将订单数据输入到货物价值预算神经网络中，经过深度学习和训练，最终输出对应的货物价值；货物价值预算神经网络包括输入层、转换层、预测层和输出层。4.如权利要求1所述的一种基于物流集装箱供应链的金融风险控制方法，其特征在于，所述步骤s1具体包括：通过与船公司接口对接，获取客户实时的受控箱量，将客户受控箱量的货物信息输入到货物价值预算模型中，预算出客户的受控金额以预防风险。5.如权利要求1所述的一种基于物流集装箱供应链的金融风险控制方法，其特征在于，所述步骤s2具体包括：通过识别货物装箱照片，提取货物的装运方式来识别货物是否瞒报、虚报的情况。6.如权利要求1所述的一种基于物流集装箱供应链的金融风险控制方法，其特征在于，所述步骤s2具体包括：构建货物图像识别统计神经网络模型，将经过预处理的货物装箱图像输入货物图像识别统计神经网络模型中，经过神经网络的深度学习，最终输出对应输入的图像中货物的数量。7.如权利要求1所述的一种基于物流集装箱供应链的金融风险控制方法，其特征在于，货物图像识别统计神经网络包括输入层、卷积层、判断层、填充层、池化层、全连接层和输出层。8.如权利要求1所述的一种基于物流集装箱供应链的金融风险控制方法，其特征在于，所述步骤s2具体包括：根据货物装箱照片识别统计出的货物数量与货物订单数据中填写的货物数量进行对比，若差值处于预设的阈值范围内，则货物不存在瞒报、虚报的情况，否则结合客户的实时受控箱量对客户进行风险评估，若评估得到客户信用风险较高，则在客户申请信贷借款时，判定为申请欺诈，从而拒绝发放贷款。9.如权利要求1所述的一种基于物流集装箱供应链的金融风险控制方法，其特征在于，所述步骤s2具体包括：建立风险控制模型，根据差值等级、受控箱量等级和历史交易风险数据综合评估客户
风险，标定风险场景下的预警范围，从而确定物流集装箱供应链的风险指标集合。
技术总结
本发明涉及集装箱物流风控领域，具体公开了一种基于物流集装箱供应链的金融风险控制方法，从区块链网络中获取物流集装箱供应链的金融风险数据，构建货物价值预算神经网络模型预测货物价值，获取客户实时的受控箱量，基于货物价值预算模型预算出客户的受控金额以预防风险；获取货物装箱照片，构建货物图像识别统计神经网络模型识别图像中货物的数量，建立风险控制模型，根据差值等级、受控箱量等级和历史交易风险数据综合评估客户风险，确定物流集装箱供应链的风险控制指标。解决了现有技术供应链金融信用风险评价的效果不佳，缺乏足够的信息技术使得数据难以收集和监控的问题。的信息技术使得数据难以收集和监控的问题。的信息技术使得数据难以收集和监控的问题。
技术研发人员：郑子彬 陈鑫睿 陈章杰 陈伟俊 刘意峰
受保护的技术使用者：广州一链通互联网科技有限公司
技术研发日：2023.02.20
技术公布日：2023/3/24