JavaScript

变量
Java基本数据类型 整型 浮点型 布尔型 字符型
JS有原始数据类型:Undefined 未定义、Null 空、Boolean 布尔、Number 数字 和 String。字符串
JS中定义变量 用关键字var
JS是一种弱类型的语言

var num=100;	
var flag=false;
var str='a';
var str2="abc";

数据类型自动转换
当运算符想要的值跟他期望的不一样,他会尝试着进行转换;
当数字类型和非数字类型运算,自动转换不了的时候,会转换成NaN型;
NaN 不是数字的数字 NaN的原始数据类型是Number;
任何类型跟NaN运算结果都是NaN;
布尔类型转数字:true转换成1 false转换成0;
NaN参与比较运算结果都是false;

逻辑运算符

字符串转布尔 空串转成fasle 非空串转成true;
数字转布尔 0 转成false 非0转成true;
对象转布尔 对象为null 转false 不为null转成true;
NaN转布尔 转成false;
var obj=new Object();
				obj=null;
			 	if(obj){
			  	alert(true);
			  }else{
			 	alert(false);
			  }

算术运算符,三元运算符,赋值运算符,位运算符基本都和Java中运算是一样的;
在JS中,打印是用document.write();弹窗口是用alert();

“==”和“===”的区别:
“==”是等于的意思,在JS中会对等号的两端字面值进行比较;
”===“也是等于的意思,但是会优先比较等号两端的类型,如果类型不符,直接就false;
var a="123";
var b=123;
document.write(a==b);   //true
document.write(a===b);  // false

String对象的属性和方法:

对象中方法:
			charAt()    返回在指定位置的字符。 1 3 
			charCodeAt()    返回在指定的位置的字符的 Unicode 编码。 
			concat()    连接字符串。 
			indexOf()    检索字符串。 
			lastIndexOf()    从后向前搜索字符串。 
			match()    找到一个或多个正则表达式的匹配。 
			replace()    替换与正则表达式匹配的子串。 
			slice()    提取字符串的片断,并在新的字符串中返回被提取的部分。 
			split()    把字符串分割为字符串数组。 
			substring()    提取字符串中两个指定的索引号之间的字符。 
			substr()    从起始索引号提取字符串中指定数目的字符。 
			toLowerCase()    把字符串转换为小写。 
			toUpperCase()   把字符串转换为大写。
			 trim()    去掉字符串两端空格
注意事项:与 slice() 和 substr() 方法不同的是,substring() 不接受负的参数。		
注:substr() 的参数指定的是子串的开始位置和长度,因此它可以替代 substring() 和 slice() 来使用	 
例:简单运用示例
var v=str.charCodeAt(0);
var str = "abcdefghjkl";
var v2 = str.slice(0, 2);
var v3 = str.substring(0, 2);
var v4 = str.substr(1, 3);  //从1索引处截取3个字符
var v5 = str.substring(1, 3);  //从1索引截取到3索引 含头不含尾

例:检测一个变量是否是一个string类型?
<!DOCTYPE html>
<html>
	<head>
		<meta charset="utf-8">
		<title></title>
		<script type="text/javascript">
			var str=new String("zxdftyjknb");
			alert(str instanceof String);//检测一个变量是否是一个string类型?
			// alert(typeof str);
		</script>
	</head>
	<body>
	</body>
</html>
  • 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