SystemResolver

本文介绍了一个Android应用中如何从本地文件加载JSON格式的天气数据,并通过解析这些数据来展示错误状态、日期及不同城市的天气详情,包括气温、风向等。

import java.io.ByteArrayOutputStream;
import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStream;
import org.json.JSONArray;
import org.json.JSONObject;
import android.app.Activity;
import android.os.Bundle;
import android.view.View;
import android.view.View.OnClickListener;
import android.widget.Button;
import android.widget.Toast;

public class MainActivity extends Activity {

    @Override
    protected void onCreate(Bundle savedInstanceState) {
        super.onCreate(savedInstanceState);
        setContentView(R.layout.activity_main);
        Button btnSystemResolverJson = (Button) findViewById(R.id.btnSystemResolverJson);
        btnSystemResolverJson.setOnClickListener(new OnClickListener() {
            @Override
            public void onClick(View v) {
                try {
                    StringBuffer sb = new StringBuffer();
                    String json = readText("weatherjson.txt");
                    JSONObject jo = new JSONObject(json);
                    int error = jo.getInt("error");
                    String status = jo.getString("status");
                    String date = jo.getString("date");
                    sb.append("error:"+error+"  status:"+status+"  date:"+date);
                    JSONArray array = jo.getJSONArray("results");
                    for (int i = 0; i < array.length(); i++) {
                        JSONObject jo2 = array.getJSONObject(i);
                        String currentCity = jo2.getString("currentCity");
                        sb.append("currentCity:"+currentCity);
                        JSONArray array2 = jo2.getJSONArray("weather_data");
                        for (int j = 0; j < array2.length(); j++) {
                            JSONObject jo3 = array2.getJSONObject(j);
                            String date2 = jo3.getString("date");
                            String dayPictureUrl = jo3.getString("dayPictureUrl");
                            String nightPictureUrl = jo3.getString("nightPictureUrl");
                            String weather = jo3.getString("weather");
                            String wind = jo3.getString("wind");
                            String temperature = jo3.getString("temperature");
                            sb.append("date2:"+date2+"  dayPictureUrl:"+dayPictureUrl+"  nightPictureUrl:"+nightPictureUrl+"  weather"+weather+"  wind"+wind+"  temperature"+temperature);
                        }
                    }
                    System.out.println("查询结果:"+sb.toString());
                    Toast.makeText(MainActivity.this, sb.toString(), 0).show();
                } catch (Exception e) {
                    e.printStackTrace();
                }
            }
        });
    }

    //读取方法

    /**
     * 读取文件里面json串数据
     */
    private String readText(String fileName) {
        try {
            //字节数组输出流
            ByteArrayOutputStream baos = new ByteArrayOutputStream();
            InputStream is = getAssets().open(fileName);
            byte[] buffer = new byte[1024];
            int length = 0;
            while ((length = is.read(buffer)) != -1) {
                baos.write(buffer, 0, length);
            }
            baos.close();
            return baos.toString();
        } catch (IOException e) {
            e.printStackTrace();
        }
        return null;
    }
}

农业作物成熟度实例分割数据集 一、基础信息 • 数据集名称:农业作物成熟度实例分割数据集 • 图片数量: 训练集:563张图片 验证集:161张图片 测试集:80张图片 总计:804张图片 • 训练集:563张图片 • 验证集:161张图片 • 测试集:80张图片 • 总计:804张图片 • 分类类别: bfullyripened: b类作物完全成熟状态 bgreen: b类作物绿色未成熟状态 bhalfripened: b类作物半成熟状态 lfullyripened: l类作物完全成熟状态 lgreen: l类作物绿色未成熟状态 lhalfripened: l类作物半成熟状态 • bfullyripened: b类作物完全成熟状态 • bgreen: b类作物绿色未成熟状态 • bhalfripened: b类作物半成熟状态 • lfullyripened: l类作物完全成熟状态 • lgreen: l类作物绿色未成熟状态 • lhalfripened: l类作物半成熟状态 • 标注格式:YOLO格式,包含实例分割多边形点标注,适用于实例分割任务。 • 数据格式:图片来源于农业图像数据库,细节清晰,适用于模型训练。 二、适用场景 • 农业AI监测系统开发:数据集支持实例分割任务,帮助构建能够自动识别作物部分并分类成熟度的AI模型,辅助农民进行精准农业管理。 • 精准农业应用研发:集成至农业智能平台,提供实时作物状态识别功能,优化灌溉、施肥和收获时间。 • 学术研究与创新:支持农业科学与人工智能交叉领域的研究,助力发表高水平农业AI论文。 • 农业教育与培训:数据集可用于农业院校或培训机构,作为学生学习作物识别和成熟度评估的重要资源。 三、数据集优势 • 精准标注与多样性:每张图片均经过精确标注,确保实例分割边界准确,类别分类正确。涵盖两种作物类型(b和l)和三种成熟度状态(完全成熟、绿色未成熟、半成熟),具有高度多样性,提升模型泛化能力。 • 任务适配性强:标注兼容主流深度学习框架(如YOLO等),可直接加载使用,支持实例分割任务,并可扩展到其他计算机视觉任务。 • 农业价值突出:专注于作物成熟度检测,为智能农业、自动化收获和作物健康监测提供关键数据支持,具有重要的实际应用价值。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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

打赏作者

SuperMonsterH

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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