spring注解驱动开发----组件注册

容器 扩展原理 web

1. @configuration@Bean给容器中注册组件

  • 没用注解前是通过以下方式获取bean
    首先>需要编写beans.xml文件
    然后>通过类路径去获取IOC容器,通过IOC容器取获取bean 代码如下:
    ApplicationContext ac = ClassPathXmlApplicationContext(“beans.xml”);
    Person bean = (person)ac.getBean(”person");
    ( 这里的Person是实体类,getBean中的是配置文件中的bean标签中的 id 名称,映射到实体类中)
  • 现在使用注解的方式,注册组件
    @configuration >告诉spring这是一个配置类
    @Bean >给容器中注册一个Bean,类型是返回值类型,id默认是方 法名作为id
    获取方法AnnotationConfig
    ApplicationContext ac = AnnotationConfigApplicationContext(配置类名称.class);
    这里通过person类型获取,方法名作为id
    Person bean = ac.getBean(person.class);
    修改方法名可以修改id,也可以通过注解修改id名称
    在该方法的注解上添加 value 如:@Bean(“person1”)

2. @ComponentScan自动扫描组件指定扫描规则 包扫描

【包扫描:只要标注的@Controller @Service @Repository @Component 的注解,就会被自动扫描加进容器中】
  • .xml配置如下:<context:component-scan base-package=“com.msyang” use-default-filters=“false”></context:component-scan>
    默认规则是扫描所有是true,改成false禁用默认规则,只包含才生效
  • 注解配置如下:在配置类上添加注解
    @ComponentScan(value=“com.msyang”,excludeFilters={
    @Filter(type=filterType.ANNOTATION,classes={Controller.class,Service.class},
    @Filter(type=filterType.ASSIGNABLE_TYPE,classes={BookService(类名).class},
    useDefaultFilters = false)
    })
    • value:指定要扫描的包
    • excludeFilters:指定扫描的时候按照什么规则,排除哪些组件
    • includeFilters:指定包含哪些组件
    • useDefaultFilters :禁用默认规则扫描所有
    • JDK8以后@ComponentScan可以重复多写几次,指定不同的扫描策略
    • 如果不是JDK8也可以使用以下注解,多次指定
      @ComponentScans(
      value={
      @ComponentScan(…这里同上省略)
      }
    • filterType.ANNOTATION:按照注解
    • filterType.ASSIGNABLE_TYPE:按照指定的类型
    • filterType.REGEX:使用正则表达式
    • filterType.CUSTOM:使用自定义规则,需要自己编写规则类实现TypeFilter类

3. @Scope设置组件作用域

  • 1
    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