【Interface&navigation】创建一组通知(40)

从Android 7.0(API级别24)开始,您可以在组中显示相关通知(以前称为“捆绑”通知)。例如,如果您的应用显示收到的电子邮件的通知,则应将所有通知放入同一组,以便将它们折叠在一起。

要支持旧版本,您还可以添加单独显示的摘要通知,以汇总所有单独的通知 - 这通常最好使用收件箱样式通知。
【Interface&navigation】创建一组通知(40)
图1.折叠和展开的通知组

注意:通知组与通知通道组不同。

如果满足以下所有条件,则应使用通知组:

子通知是完整的通知,可以单独显示,而无需组摘要。
单独显示儿童通知有一个好处。例如:
它们是可操作的,具有针对每个通知的特定操作。
用户应该看到的每个通知中都有更多信息。
如果您的通知不符合上述条件,则应考虑 使用新信息更新现有通知,或者创建消息样式通知以在同一对话中显示多个更新。

注意:如果您的应用发送了四个或更多通知但未指定组,系统会自动将它们分组到Android 7.0及更高版本上。

创建一个组并向其添加通知


要创建通知组,请为该组定义唯一标识符字符串。然后,对于组中所需的每个通知,只需调用setGroup(),传递组名称即可。例如:

String GROUP_KEY_WORK_EMAIL = "com.android.example.WORK_EMAIL";

Notification newMessageNotification = new NotificationCompat.Builder(MainActivity.this, CHANNEL_ID)
        .setSmallIcon(R.drawable.new_mail)
        .setContentTitle(emailObject.getSenderName())
        .setContentText(emailObject.getSubject())
        .setLargeIcon(emailObject.getSenderAvatar())
        .setGroup(GROUP_KEY_WORK_EMAIL)
        .build();

默认情况下,通知会根据发布时间进行排序,但您可以通过调用来更改顺序 setSortKey()。

如果通知组的警报应由其他通知处理,请致电setGroupAlertBehavior()。例如,如果您只希望组的摘要发出噪音,则组中的所有子项都应具有组警报行为GROUP_ALERT_SUMMARY。其他选项是GROUP_ALERT_ALL和GROUP_ALERT_CHILDREN。

设置组摘要


在Android 7.0(API级别24)及更高版本上,系统会使用每个通知中的文本片段自动为您的组构建摘要。用户可以展开此通知以查看每个单独的通知,如图1所示。要支持不能显示嵌套通知组的旧版本,您必须创建一个充当摘要的额外通知。这似乎是唯一的通知,系统隐藏了所有其他通知。因此,此摘要应包含来自所有其他通知的摘要,用户可以点按该摘要以打开您的应用。

注意:组摘要的行为可能因某些设备类型(如可穿戴设备)而异。要确保在所有设备和版本上获得最佳体验,请在创建组时始终包含组摘要。

要添加组摘要,请执行以下操作:

创建一个包含该组描述的新通知 - 通常最好使用收件箱样式通知。
通过调用将摘要通知添加到组中setGroup()。
通过调用指定它应该用作组摘要 setGroupSummary(true)。

例如:

//use constant ID for notification used as group summary
int SUMMARY_ID = 0;
String GROUP_KEY_WORK_EMAIL = "com.android.example.WORK_EMAIL";

Notification newMessageNotification1 =
    new NotificationCompat.Builder(MainActivity.this, CHANNEL_ID)
        .setSmallIcon(R.drawable.ic_notify_email_status)
        .setContentTitle(emailObject1.getSummary())
        .setContentText("You will not believe...")
        .setGroup(GROUP_KEY_WORK_EMAIL)
        .build();

Notification newMessageNotification2 =
    new NotificationCompat.Builder(MainActivity.this, CHANNEL_ID)
        .setSmallIcon(R.drawable.ic_notify_email_status)
        .setContentTitle(emailObject2.getSummary())
        .setContentText("Please join us to celebrate the...")
        .setGroup(GROUP_KEY_WORK_EMAIL)
        .build();

Notification summaryNotification =
    new NotificationCompat.Builder(MainActivity.this, CHANNEL_ID)
        .setContentTitle(emailObject.getSummary())
        //set content text to support devices running API level < 24
        .setContentText("Two new messages")
        .setSmallIcon(R.drawable.ic_notify_summary_status)
        //build summary info into InboxStyle template
        .setStyle(new NotificationCompat.InboxStyle()
                .addLine("Alex Faarborg  Check this out")
                .addLine("Jeff Chang    Launch Party")
                .setBigContentTitle("2 new messages")
                .setSummaryText("janedoe@example.com"))
        //specify which group this notification belongs to
        .setGroup(GROUP_KEY_WORK_EMAIL)
        //set this notification as the summary for the group
        .setGroupSummary(true)
        .build();

NotificationManagerCompat notificationManager = NotificationManagerCompat.from(this);
notificationManager.notify(emailNotificationId1, newMessageNotification1);
notificationManager.notify(emailNotificationId2, newMessageNotification2);
notificationManager.notify(SUMMARY_ID, summaryNotification);

摘要通知ID应保持不变,以便仅发布一次,因此如果摘要信息发生更改,您可以稍后更新它(后续添加到组将导致更新现有摘要)。

联系我

QQ:94297366
微信打赏:https://pan.baidu.com/s/1dSBXk3eFZu3mAMkw3xu9KQ

公众号推荐:

【Interface&navigation】创建一组通知(40)

转载于:https://blog.51cto.com/4789781/2155583

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 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
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