技术特征：
1.一种物联网电池电量测量方法，其特征在于，包括：获取待测量的物联网电池的电量参数信息，所述电量参数信息包括电压信息、电流信息、温度信息以及持续工作时间信息；根据所述电量参数信息以及预设的电池电量测量模型，确定所述物联网电池的剩余电量；所述预设的电池电量测量模型是通过预先采集的携带有电量参数信息的若干电池放电样本经深度学习神经网络训练生成。2.根据权利要求1所述的物联网电池电量测量方法，其特征在于，所述生成预设的电池电量测量模型的步骤，具体包括：获取若干电池放电样本；获取所述若干电池放电样本的电量参数信息以及所述电量参数信息对应的目标剩余电量；根据所述第一电池放电样本的第一电量参数信息以及含有可变参数的深度学习神经网络模型确定所述第一电量参数信息对应的第一响应剩余电量；计算所述第一响应剩余电量以及与所述第一电量参数信息对应的第一目标剩余电量之间的第一损失差异；判断若干电池放电样本的损失差异是否满足预设的条件；当判断所述若干电池放电样本的损失差异不满足预设的条件时，调整所述深度学习神经网络模型中的可变参数，并返回至根据所述第一电池放电样本的第一电量参数信息以及含有可变参数的深度学习神经网络模型确定所述第一电量参数信息对应的第一响应剩余电量的步骤；当判断所述若干电池放电样本的损失差异满足预设的条件时，将当前所述含有可变参数的深度学习神经网络模型确定为预设的电池电量测量模型。3.根据权利要求1所述的物联网电池电量测量方法，其特征在于，还包括：当所述物联网电池的剩余电量低于预设阈值时，向用户发送电量警示。4.一种物联网电池电量测量装置，其特征在于，包括：电量参数信息获取单元，用于获取待测量的物联网电池的电量参数信息，所述电量参数信息包括电压信息、电流信息、温度信息以及持续工作时间信息；以及电量确定单元，用于根据所述电量参数信息以及预设的电池电量测量模型，确定所述物联网电池的剩余电量；所述预设的电池电量测量模型是通过预先采集的携带有电量参数信息的若干电池放电样本经深度学习神经网络训练生成。5.根据权利要求4所述的物联网电池电量测量装置，其特征在于，还包括：模型训练单元，用于通过预先采集的携带有电量参数信息的若干电池放电样本经深度学习神经网络训练生成预设的电池电量测量模型。6.根据权利要求4所述的物联网电池电量测量装置，其特征在于，还包括：电量警示单元，用于当所述物联网电池的剩余电量低于预设阈值时，向用户发送电量警示。7.一种物联网电池电量测量系统，其特征在于，包括如权利要求4所述的物联网电池电量测量装置以及与所述物联网电池电量测量装置相互连接的物联网电池、电路切换模块；所述电路切换模块，用于当响应于用户对物联网电池电量测量请求操作，根据物联网
终端的工作情况对电路进行切换处理；所述物联网电池电量测量装置，用于获取物联网终端工作情况下的物联网电池的电量参数信息；根据所述电量参数信息以及预设的电池电量测量模型，确定所述物联网终端工作情况下的物联网电池的剩余电量。8.根据权利要求7所述的物联网电池电量测量系统，其特征在于，所述电路切换模块，包括ldo供电电路以及dcdc供电电路，用于响应于用户对物联网终端工作情况下物联网电池电量测量请求操作，将ldo供电电路切换为dcdc供电电路；响应于用户对物联网电池电量结束测量操作，将dcdc供电电路切换为ldo供电电路。9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1至3中任一项权利要求所述物联网电池电量测量方法的步骤。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上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行权利要求1至3中任一项权利要求所述物联网电池电量测量方法的步骤。