基于人工智能的发票处理方法、装置、计算机设备和介质与流程

1.本技术涉及人工智能技术领域，特别是涉及一种基于人工智能的发票处理方法、装置、计算机设备和介质。


背景技术：

2.ocr(optical character recognition，光学字符识别)是针对印刷体字符，采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件，并通过识别软件将图像中的文字转换成文本格式，供文字处理软件进一步编辑加工的技术。
3.其中，传统地对发票进行识别的过程是需要识别发票信息，并录入至系统中，这样直接录入系统中，系统中的发票信息杂乱存储，后续对发票处理以及应用时，需要额外的工序。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种能够节省时间的基于人工智能的发票处理方法、装置、计算机设备和介质。
5.一种基于人工智能的发票处理方法，所述方法包括：
6.接收上传的发票图片，并对所述发票图片进行发票基础信息提取；
7.根据所提取的发票基础信息调用发票验证接口对所述发票图片进行真伪验证；
8.当所述发票图片的验证结果为真时，对所述发票图片进行解析得到发票信息；
9.获取业务终端输入的预设规则，并根据所述预设规则对所述发票信息进行分组；
10.将同一分组的发票信息进行处理得到对象清单。
11.在其中一个实施例中，所述接收上传的发票图片，并对所述发票图片进行发票基础信息提取，包括：
12.接收发票选择指令，并根据所述发票选择指令获取批量发票图片；
13.统计所选择的批量发票图片的发票数量；
14.根据所述发票数量生成对应线程数量的识别线程；
15.在所述识别线程中调用对应的发票识别接口对所述发票图片进行识别得到发票信息。
16.在其中一个实施例中，所述根据所述发票选择指令获取批量发票图片之前，还包括：
17.判断所选择的发票图片是否为已选择发票图片，若是，则输出提示。
18.在其中一个实施例中，所述根据所提取的发票基础信息调用发票验证接口对所述发票图片进行真伪验证，包括：
19.根据所述发票数量开启对应真伪数量的真伪线程，并将所提取的发票信息分配至所述真伪线程中；
20.在所述真伪线程中调用发票验证接口对所述发票图片进行真伪验证。
21.在其中一个实施例中，所述将所提取的发票信息分配至所述真伪线程中，包括：
22.根据所述发票数量获取对应的随机数生成范围；
23.根据所述随机数生成范围生成与所述发票基础信息对应的随机数；
24.根据所述随机数确定对应的真伪线程，并将所述发票基础信息分配至所确定的真伪线程中。
25.在其中一个实施例中，所述将同一分组的发票信息进行处理得到对象清单之后，包括：
26.输出所述对象清单，并获取对象清单中未录入的信息；
27.接收与所述未录入的信息对应的标准信息；
28.将所述标准信息输入至对象清单。
29.一种基于人工智能的发票处理装置，所述装置包括：
30.第一接收模块，用于接收上传的发票图片，并对所述发票图片进行发票基础信息提取；
31.验证模块，用于根据所提取的发票基础信息调用发票验证接口对所述发票图片进行真伪验证；
32.解析模块，用于当所述发票图片的验证结果为真时，对所述发票图片进行解析得到发票信息；
33.分组模块，用于获取业务终端输入的预设规则，并根据所述预设规则对所述发票信息进行分组；
34.对象清单获取模块，用于将同一分组的发票信息进行处理得到对象清单。
35.在其中一个实施例中，所述第一接收模块包括：
36.接收单元，用于接收发票选择指令，并根据所述发票选择指令获取批量发票图片；
37.统计单元，用于统计所选择的批量发票图片的发票数量；
38.线程生成单元，用于根据所述发票数量生成对应线程数量的识别线程；
39.识别单元，用于在所述识别线程中调用对应的发票识别接口对所述发票图片进行识别得到发票信息。
40.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法的步骤。
41.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。
42.上述基于人工智能的发票处理方法、装置、计算机设备和介质，先仅提取发票基础信息，这样根据发票基础信息进行真伪验证，提高效率，且在验证结果为真时，才进行完全解析得到发票信息，最后根据发票信息按照预设规则对发票进行预处理以得到对象清单，避免后续额外工序处理，节省时间。
附图说明
43.图1为一个实施例中对象清单获取模块方法的流程示意图；
44.图2为一个实施例中真伪线程分配步骤的流程示意图；
45.图3为一个实施例中对象清单获取模块装置的结构框图；
46.图4为一个实施例中计算机设备的内部结构图。
具体实施方式
47.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
48.在一个实施例中，如图1所示，提供了一种基于人工智能的发票处理方法，本实施例以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本实施例中，该方法包括以下步骤：
49.s102：接收上传的发票图片，并对发票图片进行发票基础信息提取。
50.具体地，发票图片是终端或服务器所选取的，本实施例中以终端为例进行说明，其可以是一张或者是批量发票图片。发票基础信息是指用于发票验伪的信息，其可以包括发票四要素，例如发票代码、发票号码、金额、发票日期。
51.具体地，终端在提取发票基础信息的时候，首先获取发票图片中发票的类型，优选地，可以通发票图片的名称来进行获取，然后根据该发票的类型确定发票基础信息的粗略位置，再根据粗略位置从发票图片中提取出对应的待识别区域，进而终端对该待识别区域进行识别以得到发票基础信息。
52.s104：根据所提取的发票基础信息调用发票验证接口对发票图片进行真伪验证。
53.具体地，发票验证接口是用于对发票图片进行真伪验证的接口，通过该接口可以对发票真伪进行验证，具体地，终端将发票基础信息发送至发票验证接口，从而发票验证接口根据发票基础信息进行发票真伪验证。
54.在实际应用中终端将发票基础信息作为接口入参，调用发票验证接口，调用成功后，发票验证接口返回全票面信息以及发票真伪结果。
55.s106：当发票图片的验证结果为真时，对发票图片进行解析得到发票信息。
56.具体地，当发票图片的验证结果为真时，则终端对发票图片进行解析，例如终端将发票基础信息的粗略位置以外的区域作为待解析区域，对该待解析区域进行解析，可选地，终端可以调用发票识别接口对待解析区域进行解析得到发票其他信息，这样发票其他信息和发票基础信息一同构成发票信息。具体地，发票其他信息包括但不限于货物或应税劳务名称、规格型号、单价以及唯一标识等，具体地可以理解为设备名称、设备型号、票面单价、数量、发票号码等。
57.s108：获取业务终端输入的预设规则，并根据预设规则对发票信息进行分组。
58.具体地，预设规则可以是业务终端预先输入的，其中业务规则可以根据发票的类型以及业务的不同而人不同，这样终端根据发票的类型以及业务类型获取到对应的预设规则，然后通过预设规则根据发票信息对对应的发票图片进行分组，也即对发票信息进行分组。
59.可选地，终端可以根据发票信息中的设备信息，将相同设备所对应的发票信息划分为一组，然后进行计算。
60.s110：将同一分组的发票信息进行处理得到对象清单。
61.具体地，终端可以根据相同设备为一组进行汇总计算，计算成功后，根据租赁物录入要素自动生成一份租赁物清单，其中系统已自动提取了发票上的设备名称、设备型号、票面单价、数量、发票号码。
62.这样在该笔业务的后续操作时，针对验真成功的发票，商务人员用户无需再登录增值税查验平台进行一一验真。针对验真失败的发票，系统会提示失败原因，供用户审核确认，无误后可人工判断通过。
63.上述实施例中，先仅提取发票基础信息，这样根据发票基础信息进行真伪验证，提高效率，且在验证结果为真时，才进行完全解析得到发票信息，最后根据发票信息按照预设规则对发票进行预处理以得到对象清单，避免后续额外工序处理，节省时间。
64.在其中一个实施例中，接收上传的发票图片，并对发票图片进行发票基础信息提取，包括：接收发票选择指令，并根据发票选择指令获取批量发票图片；统计所选择的批量发票图片的发票数量；根据发票数量生成对应线程数量的识别线程；在识别线程中调用对应的发票识别接口对发票图片进行识别得到发票信息。
65.具体地，发票选择指令是终端所接收的，其根据发票选择指令对待处理的发票图片进行选择，其可以是批量选择，即一次性选择多张发票图片，从而在选择的时候，终端可以统计所选择的发票图片的发票数量，根据该发票数量生成对应线程数量的识别线程，这样将发票图片均分给所生成的识别线程中，以使得通过识别线程调用对应的发票接口对发票图片进行并行处理以得到对应的发票信息，从而提高发票基础信息识别的效率。且各个识别线程互不影响，避免长时间对发票基础信息提取。
66.上述实施例中根据发票数量来生成对应的线程数量，从而节省线程资源，且保证了发票信息的处理效率。
67.在其中一个实施例中，根据发票选择指令获取批量发票图片之前，还包括：判断所选择的发票图片是否为已选择发票图片，若是，则输出提示。
68.具体地，为了避免重复处理，终端在选择发票图片的时候，终端可以通过发票图片的名称进行判断该发票图片是否已经被选择且处理过，若是，输出提示，避免再次进行处理。
69.例如终端根据发票名称判断发票是否已经被选择处理过，若是，则输出该发票被处理过的信息，且若是用户仍选择该发票图片，则选中该发票图片，且在进行发票识别以及发票验证的时候则无需进行，而是从数据库中直接调取该发票识别以及发票验证的信息，避免重复处理。因此在每次发票图片处理时，均存储处理结果至数据库中，这样当发票被再次选择时，终端可以进行标识，然后再对新的所选中的发票图片进行处理时，先根据标识将发票图片分为已处理图片和未处理图片，未处理图片仍按照上述方法进行处理，而针对已处理发票图片，则从数据库中获取已处理信息即可，避免发票的重复识别和验证。
70.在其中一个实施例中，根据所提取的发票基础信息调用发票验证接口对发票图片进行真伪验证，包括：根据发票数量开启对应真伪数量的真伪线程，并将所提取的发票信息分配至真伪线程中；在真伪线程中调用发票验证接口对发票图片进行真伪验证。
71.具体地，真伪线程的数量可以根据发票数量来生成，优选地真伪线程的数量为发票数量的一半儿，且由于识别线程中对发票基础信息的提取的速度有所不同，因此发票基础信息的输出的时间有所不同，终端在发票基础信息输出后，则直接获取到对应的发票基
础信息，并分配至对应的真伪线程中，通过真伪线程调用发票验证接口对发票图片进行真伪验证。
72.上述实施例中，根据发票数量生成真伪线程的数量，从而节省线程资源，且保证了发票信息的处理效率。
73.在其中一个实施例中，参见图2所示，将所提取的发票信息分配至真伪线程中的步骤包括：
74.s202：根据发票数量获取对应的随机数生成范围。
75.具体地，随机数生成范围，即根据预先设置的不同数量的真伪线程的权重值生成的随机数的生成范围的生成方式可以包括：获取预先设置的不同数量的真伪线程的权重配置值；根据权重配置值生成预设长度的列表，列表中存储了每个真伪线程与对应的随机数的对应关系；根据列表的长度得到随机数生成范围。
76.s204：根据随机数生成范围生成与发票基础信息对应的随机数。
77.其中终端针对发票验证接口对应的不同数量的真伪线程设置权重配置值，其可以是按照百分制或其他的形式进行设置，然后生成预设长度的列表，例如根据权重配置值生成最短长度的列表，且列表中存储的可以是按照权重配置值的比例生成的不同数量的真伪线程的标识，这样再根据列表的长度，构建随机数生成器，其中随机数生成器生成随机数的随机数生成范围与列表长度相等，且随机数生成器生成随机数的概率与权重配置值对应，也就是说发票基础信息根据权重配置值所对应的概率被分配到对应的真伪线程中。
78.例如，假设生成了xyz三个真伪线程，三个真伪线程时，所配置的权重配置值为x：y：z＝30％：50％：20％，则终端生成一个长度为100的列表，列表中有100*30％个a、100*50％个b、100*20％个c且排成一列，securerandom随机数的最大数字与这个列表的长度是一样的，也就是100，最小数字为1，因此随机数生成范围为1～100。在其他实施例中，权重配置值可以为x：y：z＝30％：20％：20％，则终端生成一个长度为70的列表，列表中有70*30％个a、70*20％个b、70*20％个c且排成一列，securerandom随机数的最大数字与这个列表的长度是一样的，也就是70，最小数字为1，因此随机数生成范围为1～70。
79.s206：根据随机数确定对应的真伪线程，并将发票基础信息分配至所确定的真伪线程中。
80.终端在获取到随机数生成范围后，则获取预先构建的securerandom随机数生成器，并通过随机数生成器在随机数生成范围内生成随机数，如上述例子中，通过随机数生成器随机生成一个100以内的数字。
81.由于列表中存储了随机数与对应的真伪线程的对应关系，因此终端可以读取列表中随机数对应的真伪线程，例如通过java中list的get(int index)方法获取这个对应随机数位置上的真伪线程标识，从而可以选取到对应的真伪线程来处理发票基础信息。
82.上述实施例中，充分考虑到了各个发票基础信息的识别的速度，为发票基础信息后续的真伪验证的效率奠定基础。
83.在其中一个实施例中，将同一分组的发票信息进行处理得到对象清单之后，包括：输出对象清单，并获取对象清单中未录入的信息；接收与未录入的信息对应的标准信息；将标准信息输入至对象清单。
84.其中，在发票信息输入至对象清单后，客户经理再核对并补全其他待录入信息(设
备的其他信息，非发票上的信息)即可完成租赁物清单的录入，这样可线上批量自动化提取发票信息、查验发票真伪，降低人工出错的概率，大幅提高人员的工作效率。
85.上述实施例中，提出的发票识别及验真功能，通过用户批量导入发票照片压缩包，系统可快速、批量查验发票的真伪并返回全票面信息。协助用户生成租赁物清单，降低人工录入出错的概率，减少流程变更的频次，大幅提高人员的工作效率。
86.应该理解的是，虽然图1和图2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1和图2中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
87.在一个实施例中，如图3所示，提供了一种基于人工智能的发票处理装置，包括：第一接收模块301、验证模块302、解析模块303、分组模块304和对象清单获取模块305，其中：
88.第一接收模块301，用于接收上传的发票图片，并对发票图片进行发票基础信息提取；
89.验证模块302，用于根据所提取的发票基础信息调用发票验证接口对发票图片进行真伪验证；
90.解析模块303，用于当发票图片的验证结果为真时，对发票图片进行解析得到发票信息；
91.分组模块304，用于获取业务终端输入的预设规则，并根据预设规则对发票信息进行分组；
92.对象清单获取模块305，用于将同一分组的发票信息进行处理得到对象清单。
93.在其中一个实施例中，第一接收模块301包括：
94.接收单元，用于接收发票选择指令，并根据发票选择指令获取批量发票图片；
95.统计单元，用于统计所选择的批量发票图片的发票数量；
96.线程生成单元，用于根据发票数量生成对应线程数量的识别线程；
97.识别单元，用于在识别线程中调用对应的发票识别接口对发票图片进行识别得到发票信息。
98.在其中一个实施例中，上述基于人工智能的发票处理装置还包括：
99.判断模块，用于判断所选择的发票图片是否为已选择发票图片，若是，则输出提示。
100.在其中一个实施例中，上述验证模块302包括：
101.分配单元，用于根据发票数量开启对应真伪数量的真伪线程，并将所提取的发票信息分配至真伪线程中；
102.验证单元，用于在真伪线程中调用发票验证接口对发票图片进行真伪验证。
103.在其中一个实施例中，上述验证单元包括：
104.范围获取子单元，用于根据发票数量获取对应的随机数生成范围；
105.随机数生成子单元，用于根据随机数生成范围生成与发票基础信息对应的随机
数；
106.分配至单元，用于根据随机数确定对应的真伪线程，并将发票基础信息分配至所确定的真伪线程中。
107.在其中一个实施例中，上述基于人工智能的发票处理装置还包括：
108.输出模块，用于输出对象清单，并获取对象清单中未录入的信息；
109.第二接收模块，用于接收与未录入的信息对应的标准信息；
110.输入模块，用于将标准信息输入至对象清单。
111.关于基于人工智能的发票处理装置的具体限定可以参见上文中对于基于人工智能的发票处理方法的限定，在此不再赘述。上述基于人工智能的发票处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
112.在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、运营商网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种基于人工智能的发票处理方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
113.本领域技术人员可以理解，图4中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
114.在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：接收上传的发票图片，并对发票图片进行发票基础信息提取；根据所提取的发票基础信息调用发票验证接口对发票图片进行真伪验证；当发票图片的验证结果为真时，对发票图片进行解析得到发票信息；获取业务终端输入的预设规则，并根据预设规则对发票信息进行分组；将同一分组的发票信息进行处理得到对象清单。
115.在一个实施例中，处理器执行计算机程序时所实现的接收上传的发票图片，并对发票图片进行发票基础信息提取，包括：接收发票选择指令，并根据发票选择指令获取批量发票图片；统计所选择的批量发票图片的发票数量；根据发票数量生成对应线程数量的识别线程；在识别线程中调用对应的发票识别接口对发票图片进行识别得到发票信息。
116.在一个实施例中，处理器执行计算机程序时所实现的根据发票选择指令获取批量发票图片之前，还包括：判断所选择的发票图片是否为已选择发票图片，若是，则输出提示。
117.在一个实施例中，处理器执行计算机程序时所实现的根据所提取的发票基础信息调用发票验证接口对发票图片进行真伪验证，包括：根据发票数量开启对应真伪数量的真
伪线程，并将所提取的发票信息分配至真伪线程中；在真伪线程中调用发票验证接口对发票图片进行真伪验证。
118.在一个实施例中，处理器执行计算机程序时所实现的将所提取的发票信息分配至真伪线程中，包括：根据发票数量获取对应的随机数生成范围；根据随机数生成范围生成与发票基础信息对应的随机数；根据随机数确定对应的真伪线程，并将发票基础信息分配至所确定的真伪线程中。
119.在一个实施例中，处理器执行计算机程序时所实现的将同一分组的发票信息进行处理得到对象清单之后，包括：输出对象清单，并获取对象清单中未录入的信息；接收与未录入的信息对应的标准信息；将标准信息输入至对象清单。
120.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：接收上传的发票图片，并对发票图片进行发票基础信息提取；根据所提取的发票基础信息调用发票验证接口对发票图片进行真伪验证；当发票图片的验证结果为真时，对发票图片进行解析得到发票信息；获取业务终端输入的预设规则，并根据预设规则对发票信息进行分组；将同一分组的发票信息进行处理得到对象清单。
121.在一个实施例中，计算机程序被处理器执行时所实现的接收上传的发票图片，并对发票图片进行发票基础信息提取，包括：接收发票选择指令，并根据发票选择指令获取批量发票图片；统计所选择的批量发票图片的发票数量；根据发票数量生成对应线程数量的识别线程；在识别线程中调用对应的发票识别接口对发票图片进行识别得到发票信息。
122.在一个实施例中，计算机程序被处理器执行时所实现的根据发票选择指令获取批量发票图片之前，还包括：判断所选择的发票图片是否为已选择发票图片，若是，则输出提示。
123.在一个实施例中，计算机程序被处理器执行时所实现的根据所提取的发票基础信息调用发票验证接口对发票图片进行真伪验证，包括：根据发票数量开启对应真伪数量的真伪线程，并将所提取的发票信息分配至真伪线程中；在真伪线程中调用发票验证接口对发票图片进行真伪验证。
124.在一个实施例中，计算机程序被处理器执行时所实现的将所提取的发票信息分配至真伪线程中，包括：根据发票数量获取对应的随机数生成范围；根据随机数生成范围生成与发票基础信息对应的随机数；根据随机数确定对应的真伪线程，并将发票基础信息分配至所确定的真伪线程中。
125.在一个实施例中，计算机程序被处理器执行时所实现的将同一分组的发票信息进行处理得到对象清单之后，包括：输出对象清单，并获取对象清单中未录入的信息；接收与未录入的信息对应的标准信息；将标准信息输入至对象清单。
126.本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
127.人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机
视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
128.本技术可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络pc、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本技术可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本技术，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
129.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read
‑
only memory，rom)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。
130.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
131.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。