EasyJWeb1.2版本发布

 

  我们非常高兴的宣布,在经过近6个月的努力后,EasyJWeb推出一个新版本,这一版本将是08年发布的重要版本,版本号升级为1.2。该版本主要对以下方面进行了改进:
  1、 对富客户端组件Rich Component进行了完善。
  2、 提供了pageForExtForm(WebForm)类似的与Ext接口的快捷方法。
  3、 提供对ext表示层技术的快速开发支持,可以使用easyjweb project xx –ejs –extjs类似的命令来生成使用ext视图的项目。
  4、 对基于EJS构架的整个快速体验进行了改进,为了方便体验,在生成项目的时候会自动带一个myapp.domain.Cat的实体模型,可以直接通过该模型来体验快速开发。
  5、 其它一些改进。
  EasyJWeb-1.2是在经过了广泛的应用及反馈后,所完善的一个版本,对以前的版本完全兼容。希望所有新老用户都升级到这个版本,以后不会再对EasyJWeb的核心功能作调整,只会增加一些周边的开发工具,比如插件等。

 

附:EasyJWeb快速体验
  1、从EasyJWeb官网下载EasyJWeb-1.2的完整项目,ftp://ftp1.easyjf.com/easyjweb/easyjweb-1.2/easyjweb-1.2.zip,并解压。
  2、解压在命令行中切换到easyjweb/bin目录。
  3、输入easyjweb project d:/test/ejs -ejs -extjs 会在d盘的test目录建立一个名为ejs的web项目。
4、切换到d:/test/ejs/bin目录
5、输入easyjweb crud myapp.domain.Cat可以生成一个针对猫咪管理程序。
6、检查src/main/resources/db.properties中的数据库配置属性是否与你的实际相符,特别是密码,如果不符则修改。
7、在命令行执行easyjweb war可以把应用发布成war包。把ejs.war文件拷到tomcat等服务器的webapp目录下也可运行。
8、如果没有装Web服务器,如果装了maven,则可以在命令行执行easyjweb run可以自动启动内嵌的web服务器。在地址栏输入http://localhost:82/cat.ejf可以得到结果。


EasyJWeb开源项目官方网站:http://www.easyjf.com/easyjweb/
EasyJWeb开源项目示例:http://easyjweb.demo.easyjf.com/

EasyJWeb-1.2快速体验视频演示:http://easyjweb.demo.easyjf.com/easyjweb/easyjweb-1.2/quickstart/index.html

附:快速体验运行效果

 

(图1:基于普通Velocity视图的快速体验界面)

(图2:基于ext视图快速体验界面)

本课题设计了一种利用Matlab平台开发的植物叶片健康状态识别方案,重点融合了色彩与纹理双重特征以实现对叶片病害的自动化判别。该系统构建了直观的图形操作界面,便于用户提交叶片影像并快速获得分析结论。Matlab作为具备高效数值计算与数据处理能力的工具,在图像分析与模式分类领域应用广泛,本项目正是借助其功能解决农业病害监测的实际问题。 在色彩特征分析方面,叶片影像的颜色分布常与其生理状态密切相关。通常,健康的叶片呈现绿色,而出现黄化、褐变等异常色彩往往指示病害或虫害的发生。Matlab提供了一系列图像处理函数,例如可通过色彩空间转换与直方图统计来量化颜色属性。通过计算各颜色通道的统计参数(如均值、标准差及主成分等),能够提取具有判别力的色彩特征,从而为不同病害类别的区分提供依据。 纹理特征则用于描述叶片表面的微观结构与形态变化,如病斑、皱缩或裂纹等。Matlab中的灰度共生矩阵计算函数可用于提取对比度、均匀性、相关性等纹理指标。此外,局部二值模式与Gabor滤波等方法也能从多尺度刻画纹理细节,进一步增强病害识别的鲁棒性。 系统的人机交互界面基于Matlab的图形用户界面开发环境实现。用户可通过该界面上传待检图像,系统将自动执行图像预处理、特征抽取与分类判断。采用的分类模型包括支持向量机、决策树等机器学习方法,通过对已标注样本的训练,模型能够依据新图像的特征向量预测其所属的病害类别。 此类课题设计有助于深化对Matlab编程、图像处理技术与模式识别原理的理解。通过完整实现从特征提取到分类决策的流程,学生能够将理论知识与实际应用相结合,提升解决复杂工程问题的能力。总体而言,该叶片病害检测系统涵盖了图像分析、特征融合、分类算法及界面开发等多个技术环节,为学习与掌握基于Matlab的智能检测技术提供了综合性实践案例。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值