工厂模式

工厂模式

工厂模式包括:
1.简单工厂模式
2.工厂方法模式
3.抽象工厂模式
简单工厂模式
一个抽象产品类,派生出多个具体产品类
一个工厂类,通过逻辑判断,实例化所需的产品类
具体的描述
(1) 抽象产品类:为各种具体产品声明抽象类或者接口
(2) 具体产品类:抽象产品的具体实现,对应具体的产品
(3) 工厂类:用户只关注产品,无需关注具体实现,生产出具体的产品

代码实现:
抽象产品类:

public abstract class Fruits {
	
	public abstract void print();
}

具体产品类:

// 苹果
public class Apple extends Fruits {

	@Override
	public void print() {
		System.out.println("This is a Apple");
		
	}
}
//橙子
public class Orange extends Fruits {

	@Override
	public void print() {
		// TODO Auto-generated method stub
		System.out.println("This is a Orange");
	}
}

工厂类

public class FruitsFactory {
	
	public Fruits getFruit(String name) {
		Fruits fruit = null;
		if(""==name||name == null) {
			return fruit;
		}
		switch (name) {
		case "Apple":
			fruit = new Apple();
			break;

		case "Orange":
			fruit = new Orange();
			break;
		}
		return fruit;
	}
}

工厂方法模式
一个抽象产品类,派生出多个具体产品类
一个抽象工厂类,派生出多个具体工厂类
每个具体工厂类只能生产出一个具体的产品类
具体的描述
(1) 抽象产品类:为各种具体产品声明抽象类或者接口
(2) 具体产品类:抽象产品的具体实现
(3) 抽象工厂类:声明了一个方法,只对应一种产品
(4) 具体工厂类:抽象工厂的实现,生成一个具体产品 (一组产品)

代码实现:

抽象产品类

public abstract class Operation {
	
	public int A;
	public int B;
	
	public int getA() {
		return A;
	}

	public void setA(int a) {
		A = a;
	}

	public int getB() {
		return B;
	}

	public void setB(int b) {
		B = b;
	}
	
	public abstract void getResult() ;
	
}

具体产品类

//加法
public class OperationAdd extends Operation{
	
	public int a;
	public int b;
	
	public OperationAdd() {
	
	}
	
	@Override
	public void getResult() {
		
		System.out.println("a+b="+(super.A+super.B));
	}
}
// 减法
public class OperationSub extends Operation{
	
	public int a;
	public int b;
	
	@Override
	public void getResult() {
		// TODO Auto-generated method stub
		System.out.println("a-b="+(super.A - super.B));
	}
}

抽象工厂类和具体工厂
public interface IFactory {

Operation createOperation();

}

class AddFactory implements IFactory{

@Override
public Operation createOperation() {
	// TODO Auto-generated method stub
	return new OperationAdd();
}

}

class SubFactory implements IFactory{

@Override
public Operation createOperation() {
	// TODO Auto-generated method stub
	return new OperationSub();
}

}
抽象工厂模式
多个抽象产品类,每个抽象产品类都可以派生出多个具体产品类
一个抽象工厂类,可以派生出多个具体工厂类
每个具体工厂类都能生成出多个具体产品类 (后续都有相应代码,看了就会懂)
具体的描述
(1) 抽象产品类:为各种具体产品声明抽象类或者接口
(2) 具体产品类:抽象产品的具体实现
(3) 抽象工厂类:声明了一组方法,每个方法对应一种类型产品
(4) 具体工厂类:抽象工厂的实现,生成一组具体产品 (一组产品)
代码实现
抽象产品类
//座椅
public interface Chair {

public void getChair();

}

//发动机
public interface Engine {

public void getEngine ();

}
具体产品类
/座椅/

//京东买的
public class JD_Chair implements Chair{

@Override
public void getChair() {
	// TODO Auto-generated method stub
	System.out.println("从京东购买的座椅....");
}

}
//淘宝买的
public class TB_Chair implements Chair {

@Override
public void getChair() {
	// TODO Auto-generated method stub
	System.out.println("从淘宝买的座椅.....");
}

}
/发动机/

//进口的
public class Import_Engine implements Engine{

@Override
public void getEngine() {
	// TODO Auto-generated method stub
	System.out.println("使用进口发动机....");
}

}

//本地的
public class Local_Engine implements Engine{

@Override
public void getEngine() {
	// TODO Auto-generated method stub
	System.out.println("使用本地发动机....");
}

}
抽象工厂
public interface CarFactory {

//一组方法 对应 一组产品 上面有讲过
public Chair getChair();
public Engine getEngine();

}
具体工厂
//生产A型号的汽车
public class AcarFactory implements CarFactory{

@Override
public Chair getChair() {
	// TODO Auto-generated method stub
	return new JD_Chair();
}

@Override
public Engine getEngine() {
	// TODO Auto-generated method stub
	return new Local_Engine();
}

}
//生产B型号的汽车
public class BcarFactory implements CarFactory{

@Override
public Chair getChair() {
	// TODO Auto-generated method stub
	return new TB_Chair();
}

@Override
public Engine getEngine() {
	// TODO Auto-generated method stub
	return new Import_Engine();
}

}

  • 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