本发明涉及智能渲染反馈，具体是基于云储存的智能渲染反馈系统。
背景技术：
1、渲染是计算机图形学中的一个专业名词render翻译而来，渲染的分类方式有多种，根据实现技术可分为光栅化、光线投射、光线跟踪三类；根据渲染的时机可分为实时渲染和离线渲染两类；目前渲染比较广泛的应用领域有计算机与视频游戏、模拟、电影或者电视特效以及可视化设计，每一种应用都是特性与技术的综合考虑，作为产品来看，现在已经有各种不同的渲染工具产品，有些集成到更大的建模或者动画包中，有些是独立产品，有些是开放源代码的产品。从内部来看，渲染工具都是根据各种学科理论，经过仔细设计的程序，其中有：光学、视觉感知、数学以及软件开发；
2、云存储，是在云计算概念上延伸和发展出来的一个新的概念，是指通过集群应用、网格技术或分布式文件系统等功能，将网络中大量各种不同类型的存储设备通过应用软件集合起来协同工作，共同对外提供数据存储和业务访问功能的一个系统。简单来说，就是一个以数据存储和管理为核心的云计算系统；
3、现有技术中常通过将渲染传输到云储存服务器中进行渲染并被成为云渲染，云渲染属于基于云储存的智能渲染方式的一种，云渲染也可依托于云计算的云端服务，用户将本地文件提交到云端服务器，远程计算机集群完成渲染，再将渲染完成的任务返回用户本地的过程。
4、但现有技术在利用云储存服务器进行渲染的云端计算时，由于渲染的线下计算和线上计算分配方式不合理且限制于云端设备计算能力，使得现有技术在进行基于云储存的智能渲染工作时渲染时间长、渲染质量差，存在改善的余地。
技术实现思路
1、本发明的目的在于提供基于云储存的智能渲染反馈系统，以解决上述背景技术中提出的问题。
2、为实现上述目的，本发明提供如下技术方案：基于云储存的智能渲染反馈系统，包括
3、云储存架构，所述云储存架构包括作为操控设备的控制终端、作为网络交互设备的物联网以及进行逻辑计算的算法模型，
4、交互反馈渲染架构，所述交互反馈渲染架构包括作为图像渲染载体的着色器、具备并行处理能力的顶点缓存操作机制以及具备查询能力的索引缓存机制，
5、所述控制终端内设有计算机和交换器，所述计算机内设有渲染反馈处理芯片，所述计算机通过交换器与物联网桥接，所述渲染反馈处理芯片内设有计算模块、存储模块和传输模块，所述算法模型和着色器均与渲染反馈处理芯片内的计算模块桥接，所述算法模型和着色器均与渲染反馈处理芯片内的存储模块桥接，所述物联网与渲染反馈处理芯片内的传输模块桥接。
6、作为本发明再进一步的方案：所述着色器设置有三组，一组所述着色器赋值交换反馈功能、一组所述着色器赋值正常渲染功能、另一组所述着色器赋值智能渲染功能，具备交换反馈功能和正常渲染功能的所述交换器均通过计算模块进行图像的顶点缓存机制计算并获取顶点缓存粒子，具备智能渲染功能的所述交换器通过传输模块将顶点缓存粒子上传至物联网中，所述物联网基于算法模型进行顶点缓存粒子的重解构计算并生成终端渲染效果，所述终端渲染效果转化为顶点缓存数据点并通过计算模块赋值于图像中。
7、作为本发明再进一步的方案：所述物联网基于aiot架构进行渲染服务，所述aiot架构包括人工智能和物联网，所述人工智能内设有逻辑编程语言和机器学习算法，所述逻辑编程语言进行顶点缓存粒子的解构并转化为所述顶点缓存数据点，所述机器学习算法进行顶点缓存数据点的学习并模拟出终端渲染效果。
8、作为本发明再进一步的方案：三组所述着色器均通过存储模块进行图像的索引缓存机制计算并获取索引缓存粒子，所述交换器通过传输模块将索引缓存粒子传输至云端的sql数据库中，所述sql数据库进行索引缓存粒子的计算并获取云端渲染效果，所述云端渲染效果存储于aiot架构的云服务器中。
9、作为本发明再进一步的方案：所述aiot架构与sql数据库桥接，所述aiot读取云端渲染效果并通过逻辑编程语言进行云端渲染效果的计算、解构并生成索引缓存数据点，所述机器学习算法进行索引缓存数据点的学习并模拟出云端渲染效果。
10、作为本发明再进一步的方案：所述控制终端下载云端渲染效果至渲染反馈处理芯片内，所述计算模块进行云端渲染效果和终端渲染效果的重计算并生成图像终渲染效果。
11、作为本发明再进一步的方案：所述算法模型存储于渲染反馈处理芯片中，所述算法模型通过计算机编辑并覆写于渲染反馈芯片中。
12、作为本发明再进一步的方案：所述aiot架构基于mqtt、coap、lwm2m、http、lorawan和nb-iot协议进行服务。
13、作为本发明再进一步的方案：所述控制终端还包括边缘计算设备，所述边缘计算设备内设有若干组边缘计算机，所述边缘计算机与计算机mesh组网并服从aiot架构协议运行。
14、作为本发明再进一步的方案：所述sql数据库基于ddl语言、dml语言、dql语言和dcl语言进行索引缓存粒子的计算。
15、与现有技术相比，本发明的有益效果是：
16、1、一方面通过aiot架构中的机器学习算法进行顶点缓存数据点的学习并模拟出线下的终端渲染效果，另一方面通过机器学习算法进行索引缓存数据点的学习并模拟出线上的云端渲染效果，再通过计算模块进行线下终端渲染效果和线上云端渲染效果的重计算并生成图像终渲染效果，在图像基于终端的渲染反馈处理芯片处理的基础上另外进行图像的物联网云端计算，并通过将二者有机结合的方式优化图像渲染效果，提升图像质量；
17、2、在渲染反馈处理芯片通过将一部分的图像渲染计算工作由物联网传输至云端进行计算，并由云端的sql数据库进行比对和计算，可分担渲染反馈处理芯片一部分的计算压力，使得渲染反馈处理芯片原本所需的计算时间被数据传输优化，节省了渲染反馈处理芯片渲染图像的时间，提升了图像渲染生成的时间；
18、3、由于sql数据库和aiot架构进行云端渲染效果的计算、解构并生成索引缓存数据点，通过aiot架构中的人工智能学习并优化索引缓存数据点，使得sql数据库中的云储存可收集更多的索引缓存数据点数据，在后续利用sql数据库解析云端渲染效果时、可减少人工智能的学习时间，从而可间接减少云端渲染效果的生成时间，进一步的提升了图像渲染生成的时间；
19、4、通过定义三组着色器、并在三组着色器中生成顶点缓存粒子，可以确定并更新顶点缓存粒子的位置，且在顶点缓存粒子生成后可在云端的物联网算法模型进行终端渲染效果的直接处理工作，无需传回计算机并使用计算机内部渲染反馈芯片进行计算，可更高效率的进行图像的渲染处理；
20、5、通过定义三组着色器、并在三组着色器中生成索引缓存粒子，可以确定并更新索引缓存粒子的位置，且在索引缓存粒子生成后可在云端的sql数据库中进行云端渲染效果的直接处理工作，并通过aiot架构解析和学习图像，可使aiot架构更快的适应云端图像处理工作，并扩大sql数据库中图像的处理数据，可在后续云端对图像的解析中加快生成云端渲染效果，可更高效的进行图像的云端处理，从而更快的实现图像的渲染生成；
21、6、在终端渲染效果生成的过程中，机器学习算法会通过多次学习优化终端渲染效果生成的速度、并完善逻辑编程语言，可降低终端渲染效果中的不良出现，提升终端渲染效果的品质；
22、7、云端渲染效果生成的过程中，由于aiot架构与sql数据库桥接，且aiot架构本身包含了人工智能和互联网，因此aiot架构中的人工智能会在通过多次学习优化云端渲染效果生成的速度、并完善逻辑编程语言的基础上，完善sql数据库的架构，使sql数据库对图像的储存和分析能力加强，降低云端渲染效果中的不良出现，提升云端渲染效果的渲染速度和渲染品质；
23、8、通过将云端渲染效果和终端渲染效果进行重计算并生成图像终渲染效果，使得最终体现在图像上的渲染效果明显提高，渲染速度有效提升；
24、9、通过在控制终端内部加入边缘计算设备，当多个计算机将图像合并上传到云端计算时，可以利用mesh组网加快云端渲染效果的下载速度，节省云端渲染效果的下载时间，从而提升图像终渲染效果的生成速率。