摘要： 為了滿足海洋生物檢測(cè)對(duì)精度和實(shí)時(shí)性的要求,提出了一種基于改進(jìn)SSD算法(single shot multibox detector)的海洋生物檢測(cè)算法。針對(duì)SSD算法淺層特征層語(yǔ)義信息不足、小目標(biāo)檢測(cè)效果差等問(wèn)題,設(shè)計(jì)了特征融合模塊和特征增強(qiáng)模塊。特征融合模塊通過(guò)融合不同特征層,豐富了淺層特征層的語(yǔ)義信息以及深層特征層的細(xì)節(jié)信息,綜合上下文信息提高檢測(cè)效果。為了進(jìn)一步提高淺層特征層的語(yǔ)義信息,提出了特征增強(qiáng)模塊,通過(guò)引入空洞卷積以及多尺度的卷積核,綜合不同感受野信息以提高改進(jìn)算法對(duì)小目標(biāo)的檢測(cè)效果。改進(jìn)算法在僅增加少量計(jì)算量和參數(shù)量的情況下,全面提高了算法對(duì)海洋生物目標(biāo)的檢測(cè)準(zhǔn)確率。結(jié)果表明,改進(jìn)算法在海洋生物數(shù)據(jù)集中的平均精度(mAP)達(dá)80.8%,比原始網(wǎng)絡(luò)提高了5%,檢測(cè)速度(FPS)為74,略低于SSD算法,但遠(yuǎn)高于其他改進(jìn)算法。改進(jìn)算法能在保持實(shí)時(shí)性的同時(shí)取得較高的檢測(cè)精度,能夠滿足海洋生物檢測(cè)要求。

摘要： 本文針對(duì)駕駛?cè)似隈{駛檢測(cè)模型實(shí)時(shí)性不足、以及在復(fù)雜光照?qǐng)鼍跋聶z測(cè)效果較差的問(wèn)題,提出了一種改進(jìn)的輕量級(jí)SSD雙模態(tài)疲勞駕駛檢測(cè)算法。該算法用MobileNet替換SSD的主干特征提取網(wǎng)絡(luò)VGG16以使得模型輕量化。在模型的淺層特征上加入輕量級(jí)注意力機(jī)制網(wǎng)絡(luò)SENet提升模型對(duì)小目標(biāo)的檢測(cè)精度。利用軟注意力機(jī)制融合可見(jiàn)光圖像和紅外圖像兩種模態(tài)的特征提升模型在復(fù)雜光照環(huán)境下的表現(xiàn)。使用空洞-深度可分離卷積替換淺層的標(biāo)準(zhǔn)卷積,以彌補(bǔ)下采樣導(dǎo)致的精度的損失。最后在檢測(cè)出的人臉上根據(jù)PERCLOS準(zhǔn)則進(jìn)行疲勞駕駛判定。實(shí)驗(yàn)結(jié)果表明,該算法在復(fù)雜光照環(huán)境下具有良好的魯棒性,同時(shí)能夠在保證疲勞駕駛檢測(cè)精度不下降的前提下大量減少模型參數(shù)量,進(jìn)一步滿足疲勞檢測(cè)實(shí)時(shí)性的要求。

摘要： 農(nóng)業(yè)生產(chǎn)環(huán)境中的目標(biāo)識(shí)別對(duì)象常具有分布密集、體積小、密度大的特點(diǎn),加之農(nóng)田環(huán)境光照多變、背景復(fù)雜,導(dǎo)致已有目標(biāo)檢測(cè)模型無(wú)法取得令人滿意的效果。本研究以提高小目標(biāo)的識(shí)別性能為目標(biāo),以蜜蜂識(shí)別為例,提出了一種農(nóng)業(yè)復(fù)雜環(huán)境下尺度自適應(yīng)小目標(biāo)識(shí)別算法。算法克服了復(fù)雜多變的背景環(huán)境的影響及目標(biāo)體積較小導(dǎo)致的特征提取困難,實(shí)現(xiàn)目標(biāo)尺度無(wú)關(guān)的小目標(biāo)識(shí)別。首先將原圖拆分為一些較小尺寸的子圖以提高目標(biāo)尺度,將已標(biāo)注的目標(biāo)分配到拆分后的子圖中,形成新的數(shù)據(jù)集,然后采用遷移學(xué)習(xí)的方法重新訓(xùn)練并生成新的目標(biāo)識(shí)別模型。在模型的使用中,為使子圖識(shí)別結(jié)果能正常還原,拆分的子圖之間需具有一定的重疊率。收集所有子圖的目標(biāo)識(shí)別結(jié)果,采用非極大抑制(Non-Maximum Suppression,NMS)去除由于模型本身產(chǎn)生的冗余框,提出一種交小比非極大抑制(Intersection over Small NMS,IOS-NMS)進(jìn)一步去除子圖重疊區(qū)域中的冗余框。在子圖像素尺寸分別為300×300、500×500和700×700,子圖重疊率分別為0.2和0.05的情況下進(jìn)行驗(yàn)證試驗(yàn),結(jié)果表明:采用SSD(Single Shot MultiBox Detector)作為框架中的目標(biāo)檢測(cè)模型,新提出的尺度自適應(yīng)算法的召回率和精度普遍高于SSD模型,最高分別提高了3.8%和2.6%,較原尺度的YOLOv3模型也有一定的提升。為進(jìn)一步驗(yàn)證算法在復(fù)雜背景中小目標(biāo)識(shí)別的優(yōu)越性,從網(wǎng)上爬取了不同尺度、不同場(chǎng)景的農(nóng)田復(fù)雜環(huán)境下的蜜蜂圖像,并采用本算法和SSD模型進(jìn)行了對(duì)比測(cè)試,結(jié)果表明:本算法能提高目標(biāo)識(shí)別性能,具有較強(qiáng)的尺度適應(yīng)性和泛化性。由于本算法對(duì)于單張圖像需要多次向前推理,時(shí)效性不高,不適用于邊緣計(jì)算。

摘要： 視頻動(dòng)作檢測(cè)研究是在動(dòng)作識(shí)別的基礎(chǔ)上進(jìn)一步獲取動(dòng)作發(fā)生的位置和時(shí)間信息。結(jié)合RGB空間流和光流時(shí)間流,提出了一種基于SSD的區(qū)域時(shí)空二合一動(dòng)作檢測(cè)網(wǎng)絡(luò)。改進(jìn)了非局部時(shí)空模塊,在光流中設(shè)計(jì)了像素點(diǎn)篩選器來(lái)提取運(yùn)動(dòng)關(guān)鍵區(qū)域信息,只對(duì)空間流中篩選出的動(dòng)作關(guān)鍵區(qū)域進(jìn)行相關(guān)性計(jì)算,有效獲得動(dòng)作長(zhǎng)距離依賴(lài)并改善非局部模塊計(jì)算成本較大的缺陷,同時(shí)降低了視頻背景噪聲的干擾。在基準(zhǔn)數(shù)據(jù)集UCF101-24上進(jìn)行了實(shí)驗(yàn),結(jié)果表明所提出的區(qū)域時(shí)空二合一網(wǎng)絡(luò)具有更好的檢測(cè)性能,視頻級(jí)別的平均精度(video_AP)達(dá)到了43.17%@0.5。

摘要： 自動(dòng)泊車(chē)系統(tǒng)已經(jīng)成為高級(jí)輔助駕駛系統(tǒng)(ADAS)中的一項(xiàng)重要功能,車(chē)輛在泊車(chē)過(guò)程中時(shí)常會(huì)出現(xiàn)泊車(chē)不到位、與相鄰車(chē)位中的車(chē)輛發(fā)生剮蹭等事故。為提升自動(dòng)泊車(chē)的精準(zhǔn)性,文章提出了一種實(shí)時(shí)檢測(cè)限位器的改進(jìn)算法SSD-L,通過(guò)定位限位器的位置,對(duì)車(chē)輛的泊車(chē)位置進(jìn)行修正。該方法對(duì)原先的SSD網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行精簡(jiǎn)和改進(jìn),并使用卡爾曼濾波增加識(shí)別的穩(wěn)定性。在實(shí)際泊車(chē)場(chǎng)景中的測(cè)試結(jié)果表明,SSD-L算法檢測(cè)限位器的平均精度(mAP)較高,為95%。

摘要： 對(duì)于很多PC用戶來(lái)說(shuō)固態(tài)硬盤(pán)已經(jīng)成了主流的選擇,近年來(lái)NVMe SSD更成為首選。近日我們就收到來(lái)自西部數(shù)據(jù)的WD.BLACK SN850 NVMe SSD移動(dòng)硬盤(pán),它是西部數(shù)據(jù)旗下第一代PCIe 4.0 SSD產(chǎn)品,宣稱(chēng)讀取速度達(dá)到了5GB/S,寫(xiě)入速度也達(dá)到了4GB/S,屬于目前SSD產(chǎn)品中的性能王者。今天我們先睹為快。外觀方面,WD_BLACK SN850 NVMe SSD采用了全黑的外觀PCB設(shè)計(jì)。

摘要： 針對(duì)SSD算法在目標(biāo)檢測(cè)過(guò)程中對(duì)小目標(biāo)檢測(cè)的不足,提出了一種基于SSD算法的一階段目標(biāo)檢測(cè)器--FIENet(feature integration and feature enhancement network)。在FIENet中設(shè)計(jì)了兩個(gè)模塊,一是特征融合模塊,該模塊對(duì)SSD淺層的特征映射信息進(jìn)行融合以提高小目標(biāo)檢測(cè)能力;二是特征增強(qiáng)模塊,該模塊采用了殘差網(wǎng)絡(luò)(Res2Net)以及注意力機(jī)制(attention),對(duì)特征融合后的模塊以及SSD中的深層特征映射進(jìn)行增強(qiáng)。為了更好地檢測(cè)小目標(biāo),還調(diào)整了淺層特征映射先驗(yàn)框的數(shù)量。為了評(píng)價(jià)FIENet的有效性,在PASCAL VOC2007以及MSCOCO數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明,在PASCAL VOC2007數(shù)據(jù)集上檢測(cè)精度(mAP)較SSD提高3.1個(gè)百分點(diǎn),對(duì)小目標(biāo)bird、bottle、chair、plant檢測(cè)精度分別提升了3.6、9.5、5.4、5.5個(gè)百分點(diǎn)。在COCO數(shù)據(jù)集上達(dá)到29.4%的檢測(cè)精度(mAP)。實(shí)驗(yàn)結(jié)果證明FIENet網(wǎng)絡(luò)在保持實(shí)時(shí)性的同時(shí)可以達(dá)到較高的檢測(cè)精度。

摘要： 針對(duì)裝飾裝修工程中由人工驗(yàn)收帶來(lái)的諸多問(wèn)題,文中提出了一種改進(jìn)的SSD算法并將其應(yīng)用于監(jiān)理工作來(lái)代替人工驗(yàn)收,推動(dòng)智能監(jiān)理的實(shí)現(xiàn)。由于SSD算法存在對(duì)同一目標(biāo)復(fù)檢以及小目標(biāo)檢測(cè)效果欠佳等問(wèn)題,故文中利用DPN網(wǎng)絡(luò)替換基礎(chǔ)特征提取網(wǎng)絡(luò)VGG16。DPN結(jié)合了Resnet和Densenet的優(yōu)點(diǎn),具有更好的特征提取能力。通過(guò)加權(quán)FPN融合特征圖,突出不同層特征圖的貢獻(xiàn),豐富用于預(yù)測(cè)的特征圖語(yǔ)義。利用深度可分離卷積降低模型的參數(shù)量,提高算法的推理速度。實(shí)驗(yàn)對(duì)比發(fā)現(xiàn),改進(jìn)后模型的平均精度提升了3.47%,對(duì)小數(shù)目檢測(cè)平均精度的提升可達(dá)15%,證明新模型在監(jiān)理目標(biāo)檢測(cè)任務(wù)中效果良好。

摘要： 目前工業(yè)生產(chǎn)手機(jī)主板過(guò)程中,對(duì)于貼片區(qū)域以及元器件的外觀檢測(cè)主要還是由人工目檢來(lái)完成,但人工目檢漏檢率高,疏漏大,人力成本高,耗時(shí)大,耽誤生產(chǎn)。針對(duì)這些難點(diǎn),本文提出將深度學(xué)習(xí)模型應(yīng)用在工業(yè)生產(chǎn)中,代替人工目檢,提高檢測(cè)率和生產(chǎn)效率。采用SSD模型,減少和優(yōu)化了網(wǎng)絡(luò)參數(shù),減少了網(wǎng)絡(luò)層數(shù),加快了網(wǎng)絡(luò)推理時(shí)間。根據(jù)現(xiàn)場(chǎng)生產(chǎn)自做數(shù)據(jù)集,對(duì)缺陷進(jìn)行實(shí)時(shí)標(biāo)注,用Halcon對(duì)輸入網(wǎng)絡(luò)的圖片進(jìn)行統(tǒng)一處理。使得整體對(duì)缺陷的檢測(cè)滿足客戶對(duì)CT和直通率的需求。

摘要： 論文總結(jié)了近年來(lái)利用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行目標(biāo)檢測(cè)的研究進(jìn)展。這些研究涵蓋了各類(lèi)卷積神經(jīng)網(wǎng)絡(luò)目標(biāo)檢測(cè)算法的設(shè)計(jì),并使得計(jì)算機(jī)視覺(jué)的發(fā)展上了一個(gè)新的臺(tái)階。在查閱資料基礎(chǔ)上,重點(diǎn)介紹了比較有代表性的Faster RCNN、YOLO V3以及SSD算法,通過(guò)回顧其前身算法,涵蓋目前主流的目標(biāo)檢測(cè)算法,并對(duì)他們所用到的技術(shù)進(jìn)行剖析,歸納總結(jié)分析其優(yōu)缺點(diǎn)。并在最后一部分指出在目標(biāo)檢測(cè)方面仍然存在的問(wèn)題以及未來(lái)的發(fā)展方向。

摘要： 本發(fā)明公開(kāi)了一種SSD主控Buffer、SSD主控及SSD非對(duì)齊寫(xiě)數(shù)據(jù)傳輸控制方法，整個(gè)讀填充過(guò)程中，CPU只參與了一個(gè)步驟，其他過(guò)程都由邏輯根據(jù)數(shù)據(jù)傳輸控制規(guī)則自動(dòng)完成buffer的申請(qǐng)、數(shù)據(jù)同步、buffer的釋放，極大節(jié)省了CPU時(shí)間資源的消耗，提高CPU處理其他事務(wù)的能力；另外，在本發(fā)明方法中，Read DMA一旦完成寫(xiě)part2、part3數(shù)據(jù)，此時(shí)part2、part3所在的RD flag已置位，即使part1數(shù)據(jù)并沒(méi)有準(zhǔn)備好，但Read DMA依然立即執(zhí)行讀取part1+part2+part3操作，如此極大減小Read DMA等待時(shí)間，有效提升DMA間傳輸效率。

摘要： 本發(fā)明公開(kāi)了一種SSD主控Buffer、SSD主控及SSD非對(duì)齊寫(xiě)數(shù)據(jù)傳輸控制方法，整個(gè)讀填充過(guò)程中，CPU只參與了一個(gè)步驟，其他過(guò)程都由邏輯根據(jù)數(shù)據(jù)傳輸控制規(guī)則自動(dòng)完成buffer的申請(qǐng)、數(shù)據(jù)同步、buffer的釋放，極大節(jié)省了CPU時(shí)間資源的消耗，提高CPU處理其他事務(wù)的能力；另外，在本發(fā)明方法中，Read DMA一旦完成寫(xiě)part2、part3數(shù)據(jù)，此時(shí)part2、part3所在的RD flag已置位，即使part1數(shù)據(jù)并沒(méi)有準(zhǔn)備好，但Read DMA依然立即執(zhí)行讀取part1+part2+part3操作，如此極大減小Read DMA等待時(shí)間，有效提升DMA間傳輸效率。

摘要： 本發(fā)明實(shí)施例涉及數(shù)據(jù)存儲(chǔ)技術(shù)領(lǐng)域，公開(kāi)了一種SSD單元、SSD設(shè)備以及基于SSD設(shè)備的數(shù)據(jù)處理方法，所述SSD單元，包括主控芯片和由所述主控芯片所控制的存儲(chǔ)介質(zhì)，所述主控芯片設(shè)置有兩個(gè)PCI?E接口，分別為主從芯片傳輸接口PCIe root和從主芯片傳輸接口PCIe endpoint，所述PCIe root為將所述主控芯片與下級(jí)SSD單元的主控芯片連接的接口，所述PCIe endpoint為將所述主控芯片與上級(jí)SSD單元的主控芯片或主機(jī)連接的接口，使得SSD單元能夠通過(guò)主、從串接的方式實(shí)現(xiàn)SSD設(shè)備的容量擴(kuò)展，而且能夠減少Host管理復(fù)雜程度與CPU開(kāi)銷(xiāo)，同時(shí)也能省下了PCIe Switch芯片的成本。

摘要： 本申請(qǐng)實(shí)施例提供一種數(shù)據(jù)存儲(chǔ)方法、SSD控制器、SSD及電子設(shè)備，其中方法包括：將所述數(shù)據(jù)流緩存到SSD的非易失性緩存；其中，所述非易失性緩存為SSD的閃存顆粒的前置緩存，并且所述非易失性緩存的數(shù)據(jù)讀寫(xiě)延時(shí)介于SSD中的易失性緩存和閃存顆粒之間；若所述非易失性緩存中緩存的數(shù)據(jù)流達(dá)到預(yù)設(shè)的寫(xiě)入條件，將達(dá)到所述寫(xiě)入條件的數(shù)據(jù)流，寫(xiě)入到所述閃存顆粒。本申請(qǐng)實(shí)施例可以降低多流技術(shù)下數(shù)據(jù)流傳輸數(shù)量的限制，提升SSD支持的多流數(shù)量，從而提升SSD的數(shù)據(jù)存儲(chǔ)性能。

摘要： 本發(fā)明涉及數(shù)據(jù)存儲(chǔ)技術(shù)領(lǐng)域，提供一種SSD內(nèi)部數(shù)據(jù)的存儲(chǔ)管理方法、裝置、存儲(chǔ)介質(zhì)及SSD設(shè)備，該方法包括：在接收到SSD內(nèi)部數(shù)據(jù)的寫(xiě)入請(qǐng)求時(shí)，將SSD內(nèi)部數(shù)據(jù)寫(xiě)入磁盤(pán)內(nèi)部的物理地址擴(kuò)展區(qū)域；物理地址擴(kuò)展區(qū)域位于NAND閃存中除用戶可訪問(wèn)的物理地址空間以外的冗余地址空間，目標(biāo)邏輯地址位于邏輯地址擴(kuò)展區(qū)域，邏輯地址擴(kuò)展區(qū)域?yàn)榕c物理地址擴(kuò)展區(qū)域具有映射關(guān)系的邏輯地址區(qū)域；在閃存轉(zhuǎn)換層中配置內(nèi)部映射表，保存寫(xiě)入SSD內(nèi)部數(shù)據(jù)的目標(biāo)邏輯地址與物理地址之間的映射關(guān)系。本發(fā)明通過(guò)NAND閃存同時(shí)存儲(chǔ)用戶數(shù)據(jù)和SSD內(nèi)部數(shù)據(jù)來(lái)降低硬件成本，提升SSD固件在處理SSD內(nèi)部數(shù)據(jù)時(shí)用戶數(shù)據(jù)訪問(wèn)性能。

摘要： 本發(fā)明涉及數(shù)據(jù)存儲(chǔ)技術(shù)領(lǐng)域，提供了一種SSD的數(shù)據(jù)處理方法、裝置、存儲(chǔ)介質(zhì)及SSD設(shè)備，該方法包括：當(dāng)進(jìn)行用戶數(shù)據(jù)寫(xiě)入時(shí)，根據(jù)預(yù)設(shè)的地址映射關(guān)系計(jì)算與目標(biāo)邏輯地址對(duì)應(yīng)的目標(biāo)物理地址，與連續(xù)分布的邏輯地址具有映射關(guān)系的物理地址分布在不同ONFI通道內(nèi)的晶圓塊上；將寫(xiě)入數(shù)據(jù)放到寫(xiě)緩存中與目標(biāo)物理地址對(duì)應(yīng)的緩存位置，按照目標(biāo)物理地址將待寫(xiě)入數(shù)據(jù)分別寫(xiě)入SSD中不同ONFI通道內(nèi)的晶圓塊上。本發(fā)明通過(guò)FTL管理改變了寫(xiě)數(shù)據(jù)的算法邏輯，能夠在不對(duì)寫(xiě)性能造成影響的前提下通過(guò)提升nand閃存介質(zhì)上的并發(fā)性的方式來(lái)提高SSD設(shè)備的IO性能，降低總的讀延遲，提高大塊數(shù)據(jù)隨機(jī)讀性能。

摘要： 本發(fā)明涉及數(shù)據(jù)存儲(chǔ)技術(shù)領(lǐng)域，提供了一種SSD操作邏輯空間的方法、裝置、存儲(chǔ)介質(zhì)及SSD設(shè)備，該方法包括：接收主機(jī)發(fā)送的用于操作邏輯空間NS的Vendor命令，Vendor命令中的主機(jī)數(shù)據(jù)緩存地址設(shè)置為待操作的NS的配置信息的緩存地址，Vendor命令中的功能自定義字段設(shè)置為待操作的NS的操作類(lèi)型和個(gè)數(shù)；根據(jù)待操作的NS的個(gè)數(shù)確定需要從主機(jī)讀取的配置信息的數(shù)據(jù)長(zhǎng)度；按照數(shù)據(jù)長(zhǎng)度從待操作的NS的配置信息的緩存地址進(jìn)行配置信息讀??；根據(jù)待操作的NS的操作類(lèi)型和讀取到的配置信息進(jìn)行NS的創(chuàng)建或刪除。本發(fā)明可以大幅削減創(chuàng)建和刪除NS過(guò)程中主機(jī)和設(shè)備的交互過(guò)程，節(jié)省配置NS的時(shí)間。

摘要： 本發(fā)明涉及一種SSD硬盤(pán)的塊信息存儲(chǔ)方法和系統(tǒng)、SSD硬盤(pán)。方法包括：將每一個(gè)邏輯頁(yè)對(duì)應(yīng)的元數(shù)據(jù)區(qū)域進(jìn)行分區(qū)管理，包括第一區(qū)域、第二區(qū)域、第三區(qū)域；在每一個(gè)塊的物理page0上的每一個(gè)邏輯頁(yè)對(duì)應(yīng)的元數(shù)據(jù)第一區(qū)域中存儲(chǔ)該邏輯頁(yè)對(duì)應(yīng)的邏輯地址和時(shí)間戳；在每一個(gè)塊的物理page0上的每一個(gè)邏輯頁(yè)對(duì)應(yīng)的元數(shù)據(jù)第二區(qū)域中存儲(chǔ)該塊的多個(gè)管理信息，該塊的多個(gè)邏輯頁(yè)和該塊的多個(gè)管理信息一一對(duì)應(yīng)，且此管理信息有備份存儲(chǔ)；在每一個(gè)塊的物理page0上的每一個(gè)邏輯頁(yè)對(duì)應(yīng)的元數(shù)據(jù)第三區(qū)域中存儲(chǔ)該塊所在RAID組中多個(gè)相鄰DIE上的塊管理信息，該塊的多個(gè)邏輯頁(yè)與其它各個(gè)相鄰DIE中對(duì)應(yīng)塊的多個(gè)管理信息一一對(duì)應(yīng)。

摘要： 本發(fā)明提供了一種SSD異常掉電測(cè)試方法、裝置、存儲(chǔ)介質(zhì)及SSD設(shè)備，該方法包括：建立與測(cè)試機(jī)的連接關(guān)系；當(dāng)接收到所述測(cè)試機(jī)發(fā)送的掉電功能測(cè)試指令時(shí)，關(guān)閉內(nèi)部?jī)?chǔ)能電容的放電電路，所述掉電功能測(cè)試指令中包括有預(yù)設(shè)的掉電測(cè)試參數(shù)；根據(jù)所述掉電測(cè)試參數(shù)控制供電電源的通斷，以控制當(dāng)前設(shè)備的上下電，實(shí)現(xiàn)異常掉電測(cè)試。本發(fā)明將SSD設(shè)備直連測(cè)試機(jī)器配合專(zhuān)用指令，即可通過(guò)SSD控制器實(shí)現(xiàn)自掉電控制，進(jìn)而無(wú)需依賴(lài)外部電源控制裝置實(shí)現(xiàn)高精細(xì)度掉電，以實(shí)現(xiàn)更高時(shí)間精度的掉電測(cè)試，更好地滿足測(cè)試需求。

摘要： 本發(fā)明公開(kāi)了一種SSD的數(shù)據(jù)存儲(chǔ)方法、SSD、終端設(shè)備以及計(jì)算機(jī)存儲(chǔ)介質(zhì)，該SSD的數(shù)據(jù)存儲(chǔ)方法應(yīng)用于使用QLC為存儲(chǔ)顆粒的SSD，該SSD的數(shù)據(jù)存儲(chǔ)方法包括：獲取待存儲(chǔ)數(shù)據(jù)，并將所述待存儲(chǔ)數(shù)據(jù)寫(xiě)入所述SSD中的SCM緩存；從所述SCM緩存中將所述待存儲(chǔ)數(shù)據(jù)按順序搬移至所述QLC進(jìn)行存儲(chǔ)。本發(fā)明能夠在極大程度上減少底層QLC的擦除次數(shù)而延長(zhǎng)SSD壽命，還能夠有效地降低QLC的寫(xiě)放大，從而增大SSD整體的吞吐效率，滿足了SSD的高性能要求。