目前已实现功能 通讯录-聊天 获取通过该系统进行授权得到的用户列表，可进行发起通话。 1. 消息内容支持：文字、表情、图片、视频 2. 下拉加载历史消息（仿微信） 3. 点击图片可进行图片预览（仿微信） 4. 消息发送时，消息气泡旁边有菊花转动，发送成功后菊花消失（仿微信） 5. 消息发送后，消息自动往上滚动，保持滚动条一直在最下方（仿微信） 个人中心 授权得到用户OPENID，可进行补全头像及昵称（因新版本小程序，无法在通过授权得到用户头像与昵称，故而需要手动补全） 在当前的数字化时代，即时通讯应用已经成为了人们日常生活和工作中不可或缺的一部分。本项目源码基于流行的SpringBoot框架和微信小程序平台，实现了一个仿微信聊天的小程序。它不仅支持基本的文本通讯功能，还包括了表情、图片和视频等多种消息类型，使得用户的沟通更加丰富和便捷。 在功能实现方面，本项目包含了以下几个核心特点： 1. 通讯录功能：允许用户查看通过系统授权得到的用户列表，并能够发起通话。这为用户之间的沟通提供了基础的联系人管理工具。 2. 多媒体消息支持：用户可以发送文字、表情、图片以及视频消息。多媒体消息的加入，使得聊天体验更接近真实的微信聊天感受。 3. 历史消息加载：通过下拉界面的方式加载历史消息，用户可以方便地回顾之前的交流内容，这一点的设计完全模仿了微信的用户体验。 4. 图片预览功能：点击消息中的图片，用户可以预览大图，而无需离开聊天界面，大大提升了用户体验。 5. 发送状态反馈：在消息发送的过程中，聊天界面会有明显的菊花转动标志，表示消息正在发送中。一旦消息发送成功，这个标志即会消失，告知用户发送状态。发送成功后，聊天界面的消息气泡会自动向上滚动，保持用户始终能看到最新的消息，这样的设计使得用户体验非常流畅。 6. 个人中心：在个人中心，用户可以授权得到用户的OPENID，并补全头像及昵称。虽然由于微信小程序的政策变动，无法通过授权直接获取用户头像和昵称，但手动补全功能保证了用户能够个性化自己的聊天形象。 从技术层面来看，本项目采用的SpringBoot是一个轻量级的、可独立运行的Java应用框架，它简化了基于Spring的应用开发过程。而微信小程序作为微信平台提供的应用程序，无需下载安装即可使用，用户扫一扫或搜一下即可打开应用。这一组合使得开发者能够快速搭建出性能良好的移动应用，同时充分利用微信生态系统的用户基础和社交网络优势。 此外，本项目的标签为“微信小程序 springboot”，这表明开发者在进行项目设计时，不仅考虑了微信小程序的平台特性，还充分利用了SpringBoot框架在后端服务端的强大功能，如快速开发、简化配置等。 本项目源码是一个典型的前后端分离的应用，它提供了强大的即时通讯功能，并且具有良好的用户体验设计。开发者通过合理的技术选型和功能实现，成功打造了一个具备高度仿微信特性的聊天小程序，为用户提供了一个高效、便捷的沟通平台。

文中总结了导线计算的传统教学方式,分析采用计算器、EXCEL VBA、MATLAB和专用测量计算软件的优缺点。为了克服传统方式的缺点,基于EXCEL VSTO设计了导线计算API,能处理多种格式的角度,支持复制粘贴,突出了导线计算原理和流程。

内容概要：本文主要介绍了利用Google Earth Engine（GEE）平台对2000年与2022年的土地利用/覆盖数据（LULC）进行城市化变化分析的技术流程。通过构建城市区域掩膜，计算城市扩张的净增长与总增长面积，并结合随机像素筛选方法逼近预期的净增城市面积目标。同时，区分了“无变化”、“净城市增长”和“其他变化”三类区域，并实现了可视化制图与区域统计。代码还包含用于调试的像素计数函数和面积计算函数，最终将结果导出至Google Drive。; 适合人群：具备遥感与地理信息系统（GIS）基础知识，熟悉GEE平台操作及相关JavaScript语法的科研人员或高年级本科生、研究生；有一定编程经验的环境科学、城市规划等领域从业者； 使用场景及目标：①开展长时间序列城市扩展监测与空间分析；②实现土地利用变化分类与面积统计；③支持城市可持续发展与生态环境影响评估研究； 阅读建议：此资源以实际代码为基础，建议读者结合GEE平台动手实践，理解每一步逻辑，尤其是掩膜操作、面积计算与图像合成技巧，注意参数如分辨率、区域范围的适配性调整。

基于QT实现支持MODBUS-RTU协议的上位机

本文详细介绍了如何使用 C# 和 SQLite 实现一个基于 WinForms 的学生管理系统，包括创建数据库、表结构设计、插入数据和查询数据的功能。通过这种方式，读者可以深入理解数据库设计和实现的基本流程，并能够运用这些知识设计和实现自己的数据库项目。适C编程初学者学习参考。 一、准备工作 首先，确保你已经安装以下工具： Visual Studio（推荐使用Visual Studio 2022） SQLite 数据库库（可以通过 NuGet 包管理器安装） 二、. 数据库模式设计 我们将创建三个表：Student、Course 和 Grade。具体创建数据库的操作在项目源代码中实现。 三、运行 1、如果安装了Visual Studio 2022，可打开项目工程StudentManagementSystem.sln，编译生成、Debug运行； 2、直接运行StudentManagementSystem\bin\Debug\目录下StudentManagementSystem.exe可执行文件，确保安装了.NETFramework,Version=v4.7.2及以上版本

在当今自动化控制领域，液位PID控制系统的应用极为广泛，而利用PLC（可编程逻辑控制器）和组态王软件相结合，可以设计出性能稳定、操作简便的液位控制系统。PLC作为控制核心，能够实现对各种液体介质的精确控制，其稳定性和可靠性被广泛认可。组态王作为一种组态软件，它提供了丰富的人机界面设计工具，使操作者可以通过图形化界面直观地监控和管理生产过程。 液位PID控制系统通常由多个部分组成，包括控制对象（例如水箱）、传感器、执行机构以及控制单元。在设计一个水箱液位控制系统时，首先要对系统构成有清晰的认识。系统构成部分详细阐述了整个控制系统的组成元素和它们之间的关系，包括电源控制屏、传感器、变频调速器和PLC可编程控制器等。 水箱液位控制系统的工作原理主要依赖于传感器对液位的实时检测，并将检测结果送至PLC。PLC接收到数据后，会根据预设的PID控制算法来调节执行机构（如电动阀门）的开度，以达到控制水位的目的。整个过程需要有高精确度的仪表设备来确保数据的准确性和控制的实时性。 仪表选型对于整个系统的性能至关重要，包括电源控制屏、传感器、单片机控制和变频调速器等。例如，GK-01电源控制屏需要能为整个系统提供稳定的电源，并保证在发生紧急情况时能及时切断电源。GK-02传感器用于检测水位，并将信号转换为可由PLC处理的形式。GK-03单片机控制部分负责对传感器信号进行初步处理，而GK-07交流变频调速则用于调节泵或阀门的转速，实现对流量的精确控制。GK-08 PLC可编程控制器则是整个系统的核心，负责接收处理各种信号，并执行控制策略。 在液位PID控制系统中，PLC设计流程图是十分重要的，它能够清晰地展示整个系统的控制流程。外部接线图则能够详细地说明各个元件之间的电气连接关系。I/O分派是将PLC的输入输出端口与各个传感器和执行器进行配对，这是系统能否正常工作的关键步骤。而梯形图则是PLC编程时使用的重要工具，它以图形化的方式展现了控制逻辑。 组态王界面在系统设计中起到的是用户交互界面的作用，它不仅能够实时显示水位信息，还可以提供操作员对系统进行控制的界面。通过组态王界面，操作员可以监控系统的运行状态，设定控制参数，查看报警信息等，从而使得整个液位控制系统的运行更加直观和简便。 综合以上内容，本文件详细介绍了基于PLC和组态王的液位PID控制系统的设计和实现。包括系统总体设计方案、水箱液位控制系统构成、工作原理以及仪表选型等多个方面，强调了各组件之间的协调与配合，并对PLC设计流程图、外部接线图、I/O分派、梯形图以及组态王界面进行了详尽的阐述，为实现液位精确控制提供了理论和技术支持。这对于自动化控制领域，特别是液体介质控制领域具有重要的参考价值。

随着智能交通系统的发展，自动驾驶技术成为研究热点，而3D多目标追踪是其中的关键技术之一。研究者们致力于开发高效准确的追踪算法，以实现在复杂交通场景下对多个动态目标的实时定位与追踪。时序预测和多模态融合技术为解决自动驾驶中的3D多目标追踪问题提供了新思路。 时序预测技术主要利用时间维度上的信息，通过算法预测目标在未来某时刻的状态，这在动态变化的交通环境中尤为重要。例如，通过对车辆运动轨迹的预测，追踪算法可以提前预知车辆可能的运动趋势，从而做出更准确的追踪判断。时序预测通常依赖于历史数据，结合数学模型，如隐马尔可夫模型、卡尔曼滤波器等，以进行状态估计和预测。 多模态融合则是指结合不同传感器的数据进行信息融合处理。在自动驾驶领域，常见的传感器有摄像头、激光雷达（LiDAR）、毫米波雷达等。每种传感器都有其独特的优点和局限性，例如，摄像头在色彩信息丰富度上有优势，而激光雷达在距离测量和三维空间定位上更为准确。多模态融合技术的目的是利用各传感器的优势，通过算法整合不同源的数据，以提高系统的整体性能和鲁棒性。 本研究聚焦于如何将时序预测与多模态融合相结合，应用于自动驾驶场景中的3D多目标追踪。具体来说，研究可能涉及以下几个方面： 1. 传感器数据融合：收集来自不同传感器的数据，如摄像头图像、激光雷达点云数据和毫米波雷达测量值，并将它们融合成统一的多维数据表示。 2. 特征提取与融合：从融合后的多维数据中提取关键特征，如目标的位置、速度、加速度等，并研究如何有效融合这些特征以提高追踪准确性。 3. 目标检测与识别：开发能够准确检测和识别多目标的算法，解决遮挡、光照变化等问题，并提升在复杂交通场景下的适应能力。 4. 时序预测模型：建立适用于自动驾驶3D多目标追踪的时序预测模型，例如循环神经网络（RNN）和长短期记忆网络（LSTM），用于预测目标的运动轨迹和状态。 5. 追踪算法：设计和实现针对3D多目标追踪的算法，该算法能够利用时序预测和多模态融合的结果进行实时追踪，并在必要时进行交互式校正。 6. 系统实现与评估：将研究的追踪算法实现在自动驾驶系统中，并通过大量的真实场景数据进行测试，以评估算法的性能和实用性。 该研究不仅为自动驾驶技术的发展提供了理论支持和技术保障，而且对于提高交通安全、缓解交通拥堵、促进智能交通系统的实现具有重要的实际意义。未来，随着传感器技术的进步和算法的优化，3D多目标追踪算法在自动驾驶领域将发挥更加关键的作用。

内容概要：本文详细介绍了一个基于嵌入式物联网技术的安全监控系统实战项目，涵盖从需求分析、硬件选型、软件设计到系统实现与测试的完整开发流程。系统以ESP32为核心控制器，结合PIR传感器、温湿度传感器、MQ-2烟雾传感器和ESP32-CAM摄像头模块，实现实时视频监控、运动检测报警、环境参数监测及数据上传与存储等功能。项目采用C/C++语言和Arduino开发框架，通过Wi-Fi将数据传输至云端，支持远程监控与报警通知。文章还提供了硬件连接图、代码实现、常见问题排查及性能优化策略，并对未来扩展方向提出展望，如引入AI算法、丰富传感器类型和优化用户界面等。; 适合人群：具备一定嵌入式开发基础的初学者和工程技术人员，尤其是对物联网、智能安防系统感兴趣的研发人员； 使用场景及目标：①用于智能家居、工业监控、商业场所和公共场所的安全防护；②帮助开发者掌握嵌入式物联网系统的软硬件集成方法，理解传感器数据采集、无线通信、报警机制和系统优化等关键技术的实现原理； 阅读建议：建议读者结合文中提供的硬件连接图与代码实例，动手搭建原型系统，边实践边调试，深入理解各模块协同工作机制，并参考优化建议持续改进系统稳定性与功能性。

此demo是基于jquery而开发的流程图插件，可用于系统定制化审批等功能的开发应用。 FlowdesignV3_0的功能非常多，可扩展性很强，为了方便理解，我分别做了两demo一个一个是简的，一个是相对比较复杂的应用。建议学者先看简单的再看复杂的，最后看一下里面的原码，这样要好理解的多。 应用起来也很方便。 更多知识，可以登录：http://www.ej28.com/faq/

内容概要：本文档展示了如何利用Google Earth Engine平台收集、处理和分析Sentinel 1 GRD SAR影像，以研究巴基斯坦洪水情况。首先筛选出特定区域（巴基斯坦）、极化方式（VV）和成像模式（IW）的影像集合，并选取了2021年7月18日至8月20日作为洪水前的图像，2022年同期作为洪水后的图像。接着对选定的两期影像进行裁剪和平滑处理，计算两者之间的差异，确定洪水淹没范围为差异值小于-3的区域，并将结果可视化展示。最后，将分析得到的洪水淹没图导出到Google Drive中。; 适合人群：遥感数据处理与分析人员，尤其是关注灾害监测的研究者或从业人员。; 使用场景及目标：①通过SAR影像分析洪水前后地表变化；②掌握Google Earth Engine平台的基本操作，包括影像筛选、裁剪、平滑处理及差异分析；③学习如何将处理结果导出以便进一步研究或报告。; 阅读建议：由于涉及到具体的代码实现，建议读者熟悉JavaScript语言以及Google Earth Engine API的使用方法，在阅读时可同步运行代码，以便更好地理解每个步骤的作用。