《三易通进销存系统——》项目研发阶段性总结

完成模块功能:登录和主页面、经营利润分析、进销存统计分析、钱箱出入箱、用户及权限设定。
一、功能实现
1、登录和主页面如下图:
在这里插入图片描述
在这里插入图片描述
输入用户名、密码和验证码可进入主页面。
2、经营利润分析:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
可根据品牌、年份、供应商等条件来统查询数据.

在这里插入图片描述
把查出的数据打印出来.
在这里插入图片描述
在这里插入图片描述
根据今年和去年统计.

3、进销存统计分析:
在这里插入图片描述
可统计各个时间段,统计商品各种类别的进货、销售、库存数
在这里插入图片描述
各种商品类别集合查询.
4、钱箱出入箱:
在这里插入图片描述
在这里插入图片描述

查出你所出款入款的具体信息.
5、用户及权限设定:

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
可以更改、添加用户,给用户类型设权限等.
三、经典代码
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

四、开发总结
当然对数据库表与表之间的关系掌握程度也会得到一个提升,而且这一次用英文来做数据库无形当中也增强了我的英语学习能力和增加了我的英语库存量,这又是一个财富。虽说用英语来做导致自己在做存储过程中花了很多时间去翻文档,但就是在翻来翻去当中把这些英语单词给记住了。

  • 6
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论 3
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