小程序开发1

小程序框架 :MINA.html

原生框架
在这里插入图片描述
小程序开发框架的目标是通过尽可能简单、高效的方式让开发者可以在微信中开发具有原生 APP 体验的服务。

整个小程序框架系统分为两部分:逻辑层(App Service)和 视图层(View)。小程序提供了自己的视图层描述语言 WXML 和 WXSS,以及基于 JavaScript 的逻辑层框架,并在视图层与逻辑层间提供了数据传输和事件系统,让开发者能够专注于数据与逻辑。在这里插入图片描述
app.is小程序入口文件全局文件
可在project_config中修改APPid此文件不能删除
在这里插入图片描述
app.json

pages字段
在这里插入图片描述
表示有几个页面,不加后缀名

若要新建页面,只需在该处后面继续添加即可,此时目录会自动补全相关文件
若使该页面最先显示,只需要 将其放在代码最前面即可

windows字段
在这里插入图片描述
app.json窗口
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
navigation导航栏在这里插入图片描述 “navigationBarTextStyle”: “white”
只有白色和黑色两种选项
在这里插入图片描述
下拉刷新小圆点的字体颜色
在官方文档中找到这个应用
在这里插入图片描述
复制到该字段
在这里插入图片描述
即可实现下拉刷新

字段3、tabbar
在这里插入图片描述
1:页面路径,点击要调转到的路径
2:未被选中的图标
3:被选中的图标
4:名称在这里插入图片描述
若要更改图标位置,字体,颜色

在这里插入图片描述
tabbar
按照tabbar介绍添加

每个页面的windows都可通过该文件下的json进行配置

二\sitemap.json配置

微信现已开放小程序内搜索,开发者可以通过 sitemap.json 配置,或者管理后台页面收录开关来配置其小程序页面是否允许微信索引。当开发者允许微信索引时,微信会通过爬虫的形式,为小程序的页面内容建立索引。当用户的搜索词条触发该索引时,小程序的页面将可能展示在搜索结果中。 爬虫访问小程序内页面时,会携带特定的 user-agent:mpcrawler 及场景值:1129。需要注意的是,若小程序爬虫发现的页面数据和真实用户的呈现不一致,那么该页面将不会进入索引中。

sitemap 配置
小程序根目录下的 sitemap.json 文件用于配置小程序及其页面是否允许被微信索引,文件内容为一个 JSON 对象,如果没有 sitemap.json ,则默认为所有页面都允许被索引;sitemap.json 有以下属性:属性

模板语法:
在这里插入图片描述

在APP.json中将demo01放置在最前面,然后可进行标签修改

在这里插入图片描述
数据绑定
demo01.js文件中添加要显示的数据
在这里插入图片描述
如添加变良msg字符串
然后demo01.wxml文件中注释掉标签
在这里插入图片描述
按照下列格式添加显示字符串
在这里插入图片描述
同理可添加数字类型、布尔类型,结构类型,
在这里插入图片描述
以及在属性标签中使用,自定义属性

在这里插入图片描述

在这里插入图片描述
运算
在这里插入图片描述
天气获取网址
https://www.tianqiapi.com/user/index
在这里插入图片描述

在这里插入图片描述
https://v0.yiketianqi.com/api?version=v61&appid=59121637&appsecret=YKqBgn8p

在这里插入图片描述
列表,属性索引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
条件渲染
在这里插入图片描述
在这里插入图片描述

事件绑定
console.log输出笑脸
在这里插入图片描述
在这里插入图片描述
e.detail.value取得值
读取输入框的值
在这里插入图片描述

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
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

打赏作者

位沁

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