查询过滤参数构件



定义查询的过滤参数,在查询参数定义中,如果取值方式是“用户选择过滤得到”,该参数还要在这里进行过滤参数定义,系统根据查询过滤参数生成过滤界面并完成相应过滤。其界面如下:(请进入西安企云基创软件)



数据项有:


  • 过滤参数编号:过滤参数唯一标识号。

  • 参数标签名:生成过滤框时的参数汉字名。

  • 参数物理名:参数的物理名称,要和界面元查询参数定义中的名一致,只是不带@,它将生成参数输入框的ID名称。SQL里的参数通过它取值。在过滤参数定义中的过滤参数当其输入方式为0(输入)和1(日历下拉框)时,过滤参数定义中的参数物理名要与界面元查询参数维护中的取值字段名相同,否则用户过滤后将不起作用。

  • 输入方式:下拉选择框。0:输入;1:日历下拉框;2:数据单列下拉框选择;3:数据表格下拉框选择;4:数据树下拉框选择;5:数据下拉树表格选择。参数顺序号:在过滤框中的显示顺序。

  • 对应键字段:如果是下拉选择得到值,则必须有一个键字段值,该键字段名也要和SQL里的参数名一致(不带@),它将生成参数输入框的ID名称。SQL里的参数通过它取值。在过滤参数定义中的过滤参数当其输入方式除了为0(输入)和1(日历下拉框)的其他情况时,过滤参数定义中的对应键字段要与界面元查询参数维护中的取值字段名相同。否则用户过滤后将不起作用。

  • 下拉数据集:如果输入方式为下拉选择方式,请选择一个下拉数据集。

  • 下拉数据集参数取值方式:指定一个下拉数据集SQL参数的取值方式。

输入验证规则:如果输入方式为输入,则需要指定一种验证规则,以保证输入的正确性。有两种规则:0任意值;1数字,默认为任意值。



近年来,随着机器视觉技术在工业检测、智能安防等领域的广泛应用,软件开发面临着技术迭代加速与业务场景复杂化的双重挑战。在通用机器视觉算法平台项目中,针对传统开发模式存在的技术栈碎片化、模块复用率低等突出问题,团队系统性地应用基于构件的软件开发方法,通过分层解耦与组合复用的架构设计,实现了开发效率与系统质量的显著提升。本文将以该实践为案例,深入剖析构件化开发方法在工业级软件系统中的实施路径与关键技术。 构件化开发方法的理论基础,其核心在于将软件系统视为可独立开发、测试和维护的功能构件集合,构件具有可复用性,减少重复工作,并且提炼团队之前的工作成果,搭建成可复用的构件。在机器视觉领域,这种开发模式具有特殊价:首先,视觉算法具有明确的功能边界,如图像预处理、特征提取、模式识别等模块天然适合构件化封装;其次,工业场景对算法组合的灵活性要求极高,需要支持不同构件的动态组合。本项目的关键在于构建了分层复用的构件体系——横向划分功能类、参数类、结果类基础构件,纵向贯通算法构件、模块构件、软件用户界面。 在系统架构设计阶段,采用分层解耦策略构建三层架构体系。算法抽象层通过实现设备驱动标准化,模块接口层采用通用自定义数据结构,确保了模块之间数据传输的效率,用户界面层基于Plugin架构实现构件动态加载方式和有向无环图数据结构遍历模块ID的方式确保了构件的自定义运行流程。这种架构设计使得系统耦合度从传统项目的0.68降低至0.29,用户开发部署时间缩短60%,达到工业软件系统的优秀水平。 构件标准化是项目实施的关键环节。针对公司既有算法库存在多种编程风格、不同接口规范的历史问题,团队制定了严格的构件开发规范:算法功能类构件必须满足高内聚,低耦合特性,统一接口规范与数据定义;参数类接口采用基于xml文件读写的方式记录保存参数;结果类构件采用回调的通信方式与上位机或用户端实现结果获取,避免出现架构不同层级之间的高度耦合。通过逆向工程与重构技术,将原有46个算法模块拆解为33个标准化构件,形成覆盖图像采集、噪声过滤、边缘检测等4大功能域的构件库。 在运行时管理方面,团队采用混合架构模式。基于有向无环图实现基础服务调度,通过用户层面自定义运行数据结构和构件的id号制作成演算模型,通过分层遍历算法,最短路径等算法实现实现任务编排。插件系统支持OpenCV、Halcon、VisionPro等多框架混合调用,采用基于dll文件的动态加载机制,制定通用的函数指针接口,可以实现对不同构件的即插即用,实测构件加载时间稳定在2ms。这种设计使得平台可同时支持基于opencv,PCL等不同技术栈的构件集成,解决了长期困扰企业的技术碎片化问题。 质量控制贯穿构件开发全过程。每个构件必须通过形式化验证与场景化测试的双重检验:在概要设计阶段,确定开发视图与接口规范,形成概要设计文档,算法构件定义时采用专家指导与用户反馈相结合的方式,提前规避相关设计风险;在详细设计阶段,形成算法开发详细说明书,对算法内的参数制定严格范围与效果说明,辅助整体开发人员熟悉算法结构与后期的维护,并在算法构建内部建立异常捕获机制,捕获相关异常同时调整异常参数至合格范围;在测试阶段之初,使用UML用例图对构件接口进行形式化描述,确保满足测试人员黑盒测试与全参数测试的契约要求;构建包含不同场景需求下的测试数据集,验证构件在不同场景下的鲁棒性。这种严格的质量保障使得构件复用率达到85%,较传统开发模式提升2.3倍。 项目实施取得显著成效。在面向电子缺陷检测行业的实际应用中,视觉缺陷检测系统开发周期从98人日缩短至39人日,误检率降低至0.12% 。经济效益分析表明,单个构件的平均复用次数达到17次,验证了构件化开发的经济价。 本实践也揭示了若干待优化方向。首先,构件粒度的把控需要平衡复用性与灵活性,过细的拆分会导致算法参数获取与运行变慢的性能瓶颈,团队开发人员对较深层次的架构设计理解不够清晰,后期维护变得困难;其次,团队协作需要更完善的版本控制机制,防止出现的兼容性问题。未来计划引入区块链技术实现构件溯源,并探索基于强化学习的构件自动组合优化。 该项目的成功实施证明,在机器视觉领域实施构件化开发需要把握三个关键点:一是建立领域驱动的构件分类体系,二是设计弹性可扩展的运行时架构,三是构建全生命周期的质量管理闭环。这些经验为传统制造业的智能化转型提供了可复用的方法论,也为软件架构师应对复杂系统开发提供了新的实践范式。帮我润色下这个正文,并扩充;
最新发布
03-25
评论
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