也谈Google春运交通图的开发

春运图与软件开发
文章通过谷歌工程师快速开发春运交通图的事例,反思了当前软件开发过程中过于繁琐的规范流程,探讨了如何在保证质量的同时提高开发效率。

      前日,李开复同志在南京接受采访时说,谷歌的春运交通图是工程师用一天一夜的时间开发出来的,并且此举来自于软件工程师的想法。程序员的创意,用一天一夜实现, 充分彰显了Google程序员强大的技术实力和强烈的社会责任感。在此,向这位程序员表示我崇高的敬意!

        行此文,不是想对春运交通图的细节进行评说,只想说一点。这一点就是我莆一听说此事的第一反应,就是我们现在到底应该怎样来开发软件。

        我国的软件产业越来越规范,越来越International,多数公司将CMM、ISO奉若神明,竞相追逐。但凡一个项目,无不要经过详细的可行性分析,立项、需求调研,概要/详细设计、编码、功能/集成测试,然后才能上线。整个过程还必须要严格的配置管理、计划管理、风险管理并辅以大量的文档,缺一不可。各个环节人员各司其职,各就其位,相互咬合,协同工作。似乎唯此,才能交付理想的系统,才能获得客户的满意度,更重要的是,好像这样才能符合公司所谓的规范。

         我无意对这样的做法做出反驳,有所偏见,相反,我所负责的工作也是这样来做的,公司也引以为傲。我们的CMM马上要奔5了。只是,这样的做法真是一副万能药吗?能适合所有的软件项目吗?长此以来我是一直打着问号的。有句话说得好:细节决定成败。我赞成。但上述这一套的软件工程规范却不见得完全适用。过分繁琐的细节和要求,有时反而会成为项目进展的绊脚石,运用不当,事倍功半。

         回到开头的例子,如果Google的那位程序员严格按照规范来做:先去进行些可行性研究,然后打个报告给Leader,leader来个批示,呈给Manager,Manager再交给Advance Manager,最后辗转到Boss李开复老师那儿,都Ok了,再制定个计划,联络设计部、编码部、测试部、设备部相关同事,组建团队,再评审,再设计,评审,再编码,审核,再测试,改Bug,再测,最后再上线,得!想必到那时广铁路段早就畅通无阻了。当然,你可以说春运交通图的功能少,而且是在原来的地图上加的功能,不用经过那么多的过程,Google的工程师都是高手,质量也能保证。对!不过咱只是借此举个例子说明问题,细节不必太过计较。

         过程规范了,最理想的情况是项目可控,人员分工明确,职责明确,质量能保证。可这确实需要付出相当的代价!时间、人力,成本,这些都是pm们要考虑的。早就听说过有句话,在中国,不缺少软件开发基础人才,缺少的是软件开发的管理人员,为什么缺?就是因为这本来就是一个很有难度的领域,在国外尚不能很好的把控,何况乎国内?

          我做程序员,最烦的就是写文档,虽然我也承认有些文档确实不写不行写了很有意义,可就是不想写。另外一个烦的就是别人叫我coder,每每我都较真的跟别人解释我是programmer,不是coder。我脑子里coder跟programmer差别是很大的:前者就是编码的,印象中很机械的那种,比如时下诸多软件外包公司的同行们(我可没有贬低兄弟们的意思);后者呢,是软件工程师,编码只是其一部分工作,还能进行程序设计,级别高一些(不知我这样理解对不对)。不过在规范里,programmer的空间似乎被挤压了。

           最后说一点,很欣赏开复老师对Google程序员的态度。这说明Google是一家开明、包容的公司,在其中的每一个人,只要你有好的创意,你就有发挥的空间,不必限于规定,束住手脚。这是我等程序员们多么梦想的事情啊!

        

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
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
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