1.一种条码识别方法，其特征在于，所述方法包括：

获取待识别的目标条码；

将所述目标条码输入至预设的识别模型中，获取所述识别模型所输出的所述目标条码的目标条空宽度比序列；其中，所述识别模型是基于多个样本条码和每个样本条码的标签训练得到的，每个样本条码的标签包括：该样本条码的样本条空宽度比序列，所述目标条空宽度比序列包括多个连续的数值，所述目标条空宽度比序列中从起始数值开始至终止数值结束的各个数值，依次分别对应所述目标条码中从起始端开始至终止端结束的各个黑条或者空白；

根据所述目标条空宽度比序列中的起始数值和终止数值，确定所述目标条码的目标码制类别；

利用所述目标条空宽度比序列、所述目标码制类别和预设码表，对所述目标条码进行译码，得到所述目标条码的识别结果；其中，所述预设码表包括关于码制类别、条空组合和字符的对应关系；

所述识别模型的训练方式，包括：

根据预设的条空宽度比范围、码制类别和条码类型，随机生成多个样本条码，并确定每个样本条码的标签；所述条空宽度比范围的最小值为1，最大值为：条码中所能够出现的最宽的黑条或空白，与所能够出现的最窄的黑条或空白之间的宽度比，所述条码类型包括正常码、褶皱码和截断码；

利用所述多个样本条码以及每个样本条码的标签对预设的初始模型进行训练；

当满足预设的停止条件时，停止训练，得到训练完成的识别模型。

2.根据权利要求1所述的方法，其特征在于，所述利用所述目标条空宽度比序列、所述目标码制类别和预设码表，对所述目标条码进行译码，得到所述目标条码的识别结果的步骤，包括：根据所述目标码制类别对应的条空组合的划分规则，从所述目标条空宽度比序列中，确定所述目标条码中的各个目标条空组合的待识别条空宽度比序列；

从预设码表中，所述目标码制类别下的条空组合的条空宽度比序列与字符的对应关系中，确定各个待识别条空宽度比序列对应的目标字符；

将各个目标字符，按照所对应的待识别条空宽度比序列在所述目标条空宽度比序列中的排列顺序进行排列，得到所述目标条码的识别结果。

3.根据权利要求1所述的方法，其特征在于，每个样本条码的标签还包括：该样本条码的样本码字个数；其中，每个样本码字个数为：该样本条码包括的条空数量；

所述将所述目标条码输入至预设的识别模型中，获取所述识别模型所输出的所述目标条码的目标条空宽度比序列的步骤，包括：将所述目标条码输入至预设的识别模型中，获取所述识别模型所输出的所述目标条码的目标条空宽度比序列和目标码字个数；

在所述根据所述目标条空宽度比序列中的起始数值和终止数值，确定所述目标条码的目标码制类别的步骤之前，所述方法还包括：判断所述目标条空宽度比序列所包括的数值的数量与所述目标码字个数是否相同；

若相同，则执行所述根据所述目标条空宽度比序列中的起始数值和终止数值，确定所述目标条码的目标码制类别的步骤；

否则，则确定所述识别模型对所述目标条码的识别结果为错误结果。

4.根据权利要求1‑3任一项所述的方法，其特征在于，每个样本条码的标签还包括：该样本条码的样本条码类型；其中，每个样本条码的样本条码类型为预设的多个条码类型中的任一类型，所述多个条码类型至少包括：正常码、褶皱码和截断码；

所述将所述目标条码输入至预设的识别模型中，获取所述识别模型所输出的所述目标条码的目标条空宽度比序列的步骤，包括：将所述目标条码输入至预设的识别模型中，获取所述识别模型所输出的所述目标条码的目标条空宽度比序列和目标条码类型；

所述根据所述目标条空宽度比序列中的起始数值和终止数值，确定所述目标条码的目标码制类别的步骤，包括：若所述目标条码的目标条码类型为正常码或褶皱码，则根据所述目标条空宽度比序列中的起始数值和终止数值，确定所述目标条码的目标码制类别；

所述方法还包括：

若所述目标条码的目标条码类型为截断码，则确定无法得到所述目标条码的识别结果。

5.根据权利要求1所述的方法，其特征在于，所述利用所述多个样本条码以及每个样本条码的标签对预设的初始模型进行训练，包括：对各个样本条码进行归一化处理，得到归一化后的各个样本条码；其中，所述归一化后的各个样本条码的尺寸为预设尺寸；

对归一化后的各个样本条码进行图像增强处理，得到增强处理后的各个样本条码；其中，所述图像增强处理包括：亮度调整、对比度调整、旋转和位移中的至少一种处理；

利用图像增强处理后的各个样本条码，以及每个样本条码的标签对预设的初始模型进行训练；

所述获取待识别的目标条码的步骤，包括：

获取待识别的初始条码，并对所述初始条码进行归一化处理，得到目标条码；其中，所述目标条码的尺寸为所述预设尺寸。

6.一种条码识别装置，其特征在于，所述装置包括：

目标条码获取模块，用于获取待识别的目标条码；

输出结果获取模块，用于将所述目标条码输入至预设的识别模型中，获取所述识别模型所输出的所述目标条码的目标条空宽度比序列；其中，所述识别模型是基于多个样本条码和每个样本条码的标签训练得到的，每个样本条码的标签包括：该样本条码的样本条空宽度比序列，所述目标条空宽度比序列包括多个连续的数值，所述目标条空宽度比序列中从起始数值开始至终止数值结束的各个数值，依次分别对应所述目标条码中从起始端开始至终止端结束的各个黑条或者空白；

码制类别确定模块，用于根据所述目标条空宽度比序列中的起始数值和终止数值，确定所述目标条码的目标码制类别；

译码模块，用于利用所述目标条空宽度比序列、所述目标码制类别和预设码表，对所述目标条码进行译码，得到所述目标条码的识别结果；其中，所述预设码表包括关于码制类别、条空组合和字符的对应关系；

所述装置还包括：模型训练模块，用于：

根据预设的条空宽度比范围、码制类别和条码类型，随机生成多个样本条码，并确定每个样本条码的标签；所述条空宽度比范围的最小值为1，最大值为：条码中所能够出现的最宽的黑条或空白，与所能够出现的最窄的黑条或空白之间的宽度比，所述条码类型包括正常码、褶皱码和截断码；

利用所述多个样本条码以及每个样本条码的标签对预设的初始模型进行训练；

当满足预设的停止条件时，停止训练，得到训练完成的识别模型。

7.根据权利要求6所述的装置，其特征在于，所述译码模块具体用于：根据所述目标码制类别对应的条空组合的划分规则，从所述目标条空宽度比序列中，确定所述目标条码中的各个目标条空组合的待识别条空宽度比序列；

从预设码表中，所述目标码制类别下的条空组合的条空宽度比序列与字符的对应关系中，确定各个待识别条空宽度比序列对应的目标字符；

将各个目标字符，按照所对应的待识别条空宽度比序列在所述目标条空宽度比序列中的排列顺序进行排列，得到所述目标条码的识别结果。

8.根据权利要求6所述的装置，其特征在于，每个样本条码的标签还包括：该样本条码的样本码字个数；其中，每个样本码字个数为：该样本条码包括的条空数量；

所述输出结果获取模块具体用于：将所述目标条码输入至预设的识别模型中，获取所述识别模型所输出的所述目标条码的目标条空宽度比序列和目标码字个数；

所述装置还包括：

数值判断模块，用于在所述根据所述目标条空宽度比序列中的起始数值和终止数值，确定所述目标条码的目标码制类别之前，判断所述目标条空宽度比序列所包括的数值的数量与所述目标码字个数是否相同；若相同，触发所述码制类别确定模块；否则，则确定所述识别模型对所述目标条码的识别结果为错误结果。

9.根据权利要求6‑8任一项所述的装置，其特征在于，每个样本条码的标签还包括：该样本条码的样本条码类型；其中，每个样本条码的样本条码类型为预设的多个条码类型中的任一类型，所述多个条码类型：正常码、褶皱码和截断码；

所述输出结果获取模块具体用于：将所述目标条码输入至预设的识别模型中，获取所述识别模型所输出的所述目标条码的目标条空宽度比序列和目标条码类型；

所述码制类别确定模块具体用于：若所述目标条码的目标条码类型为正常码或褶皱码，则根据所述目标条空宽度比序列中的起始数值和终止数值，确定所述目标条码的目标码制类别；

所述装置还包括：

结果确定模块，用于若所述目标条码的目标条码类型为截断码，则确定无法得到所述目标条码的识别结果。

10.根据权利要求6所述的装置，其特征在于，所述模型训练模块包括：归一化处理子模块，用于对各个样本条码进行归一化处理，得到归一化后的各个样本条码；其中，所述归一化后的各个样本条码的尺寸为预设尺寸；

图像增强子模块，用于对归一化后的各个样本条码进行图像增强处理，得到增强处理后的各个样本条码；其中，所述图像增强处理包括：亮度调整、对比度调整、旋转和位移中的至少一种处理；

模型训练子模块，用于利用图像增强处理后的各个样本条码，以及每个样本条码的标签对预设的初始模型进行训练；

所述目标条码获取模块具体用于：获取待识别的初始条码，并对所述初始条码进行归一化处理，得到目标条码；其中，所述目标条码的尺寸为所述预设尺寸。

11.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现权利要求1‑5任一所述的方法步骤。

12.一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内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1‑5任一所述的方法步骤。