基于深度学习的视觉检测小项目(六) 项目的信号和变量的规划

• 关于前后端分离 

        当前流行的一种常见的前后端分离模式是vue+flask,vue+flask模式的前端和后端之间进行数据的传递通常是借助 API(应用程序编程接口)来完成的。vue通过调用后端提供的 API 来获取或提交数据。例如,前端可能通过发送 HTTP 请求到后端的 API 来获取数据,后端则通过 API 响应这些请求并返回数据给前端。     

        而本项目的主体框架是基于pyside的,所有的数据交互都是在pyside主程序内部流动。pyside的数据交互的载体主要就是信号与槽,前后端通过发射信号到槽函数来实现数据交互和显示刷新。这一点与vue+flask模式区别很大,vue+flask模式是天生自带前后端分离,pyside如果不用心去做,不太容易做到前后端分离。看过很多的博主提供的demo都是课后作业水平的,只能说实现了基本功能,前后端分离不彻底,移植困难,修改困难,信号、变量、槽函数分布层级不清,引用和定义盘根错节(好吧我承认,其实我开始做的项目也是这样的),当需要修改或者增减画面时牵一发而动全身。所以本项目尽力探索,怎样实现前后端的彻底分离。原则上所有显示特征的描述都在前端的designer中实现,而后端的功能和计算脚本只提供触发的信号和更新的逻辑,无须关心任何显示特征,这样就实现了前后端分离,分工种协作。

 • 关于信号和槽 

        特别强调的一点:必须要坚持一个原则,除非是画面的初始化,所有的前端部件的所有刷新都必须通过槽函数来实现,信号的发射触发槽函数的执行。因为pyside的线程管理和刷新机制会根据信号和槽的连接定义以及信号触发自动安排部件的显示刷新,如果出现了计划外的部件刷新,就会破坏程序的刷新节奏和引发读写竞争,程序就有跑死的风险。在我初学的阶段就犯过这个错误,前端画面有一个显示系统时间的text_label,没有使用信号与槽,而是用python自带的定时器定时重写text_label的显示内容,结果程序每过几个小时就死机,需要重启程序才能恢复。花费了很大力气来排除这个BUG,最后做成了秒周期的信号,发射信号到槽函数来重写显示内容,解决了这个问题。

• 关于项目的层级

        有一些变量和信号、槽需要做成全局层级的,比如系统时间、用户名、系统参数等等,这些变量和信号、槽的定义和操作不依赖前端界面,就是说无论怎样切换前端界面,它们都是单独存在的。为达到这个目的,一个方法是在前端界面的代码中将它们声明为global(全局级),但是如果将本项目移植到更高一级的项目时,就有可能会遇到global级别上的混淆。所以一些python的使用教程中建议谨慎使用global声明是有道理的。为了实现全局信号,在项目中设一个全局的信号对象(QObject),在分画面中导入全局信号并为之编写和连接槽函数。(在更大型和更复杂的应用程序中,会使用事件总线,事件总线作为中央枢纽的类,负责管理和分发事件。这样,发送者和接收者之间不需要直接引用彼此,从而降低了耦合度。在后面的范例中会有用到事件总线)

        而另一些变量和信号、槽是局部的,比如某个画面的某个部件的显示刷新函数,这些就要做在画面的代码中,这样做的好处是可以简化程序和实现模块化结构,当删除画面的同时,变量和信号、槽随之删除;增加画面的同时,增加新的变量和信号、槽。

        层级一个典型的应用就是系统时间的显示,在所有的窗口的时间显示部件上的显示内容,都是由同一个全局的变量提供,把这个变量用一个全局的信号每秒发射一次,在需要使用这个信号的窗口编写接收信号的槽函数,对窗口内的时间显示部件进行刷新。

        至此,项目的整体规划基本完成,下面进入实际的编程阶段。

        在pycharm中新建项目,并构建如下的文件目录:     

├── AI/    # AI相关的内容
│   ├── media/    #  图像文件和其他媒体文件
│   │   ├── mark/   #  标注得到的图像,用来训练
│   │   ├── predict/   #  预测后的图像
│   │   └── source/   #  原始图像
│   └── models/       #  模型
├── database/     # 数据库相关
├── gui/          # 界面文件
│   ├── ui_src/   #  界面需要的源文件,比如图标、背景资源、颜色定义等
│   └── uis/   # 界面文件
│       └── __init__.py   #  有了这个文件就可以把文件夹变为包,在这个文件中还可以定义import *的范围
├── main.py     # 主脚本
└── settings/     # 设置项
    └── __init__.py

        

        

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/950771.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

文件传输速查表:Windows 和 Linux

文件传输速查表:Windows 和 Linux 免责申明 本文章仅供网络安全相关学习与研究使用,旨在促进技术交流与安全知识普及,严禁将本文内容及相关工具用于未授权的渗透测试或任何违法活动。 重要声明: 由于传播、使用本文章所提供的信…

基于SpringBoot+Vue的“有光”摄影分享网站系统

基于SpringBootVue的“有光”摄影分享网站系统 前言 ✌全网粉丝20W,csdn特邀作者、博客专家、CSDN[新星计划]导师、java领域优质创作者,博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java技术领域和毕业项目实战✌ 🍅文末附源码下载链接&#x1f345…

课题推荐——基于GPS的无人机自主着陆系统设计

关于“基于GPS的无人机自主着陆系统设计”的详细展开,包括项目背景、具体内容、实施步骤和创新点。如需帮助,或有导航、定位滤波相关的代码定制需求,请点击文末卡片联系作者 文章目录 项目背景具体内容实施步骤相关例程MATLAB例程python例程 …

腾讯云AI代码助手编程挑战赛-凯撒密码解码编码器

作品简介 在CTFer选手比赛做crypto的题目时,一些题目需要自己去解密,但是解密的工具大部分在线上,而在比赛过程中大部分又是无网环境,所以根据要求做了这个工具 技术架构 python语言的tk库来完成的GUI页面设计,通过…

《机器学习》集成学习之随机森林

目录 一、集成学习 1、简介 2、集成学习的代表 3、XGBoost和随机森林的对比 相同点: 不同点: 二、Bagging之随机森林 1、简介 2、随机森林的核心思想 3、随机森林生成步骤 4、随机森林的优点 5、随机森林的缺点 三、随机森林的代码实现 1、…

四、VSCODE 使用GIT插件

VSCODE 使用GIT插件 一下载git插件与git Graph插件二、git插件使用三、文件提交到远程仓库四、git Graph插件 一下载git插件与git Graph插件 二、git插件使用 git插件一般VSCode自带了git,就是左边栏目的图标 在下载git软件后vscode的git插件会自动识别当前项目 …

JS进阶--JS听到了不灭的回响

作用域 作用域(scope)规定了变量能够被访问的“范围”,离开了这个“范围”变量便不能被访问 作用域分为局部和全局 局部作用域 局部作用域分为函数和块 那 什么是块作用域呢? 在 JavaScript 中使用 { } 包裹的代码称为代码块…

《自动驾驶与机器人中的SLAM技术》ch1:自动驾驶

目录 1.1 自动驾驶技术 1.2 自动驾驶中的定位与地图 1.1 自动驾驶技术 1.2 自动驾驶中的定位与地图 L2 在技术实现上会更倾向于实时感知,乃至可以使用感知结果直接构建鸟瞰图(bird eye view, BEV),而 L4 则依赖离线地图。 高精地…

【合作原创】使用Termux搭建可以使用的生产力环境(九)

前言 在上一篇【合作原创】使用Termux搭建可以使用的生产力环境(八)-CSDN博客中我们讲到了如何安装IDEA社区版,并在Termux中安装VNC服务器,在proot-distro的Debian中启动xfce桌面,并通过这个方式解决了IDEA社区版中无…

生成模型:变分自编码器-VAE

1.基本概念 1.1 概率 这里有: x为真实图像,开源为数据集, 编码器将其编码为分布参数 x ^ \hat{x} x^为生成图像, 通过解码器获得 p ( x ) ^ \hat{p(x)} p(x)^​: 观测数据的分布, 即数据集所构成的经验分布 p r e a l ( x ) p_{real}(x) preal​(x): …

中国省级产业结构高级化及合理化数据测算(2000-2023年)

一、数据介绍 数据名称:中国省级产业结构高级化、泰尔指数 数据年份:2000-2023年 数据范围:31个省份 数据来源:中国统计年鉴、国家统计局 数据整理:内含原始版本、线性插值版本、ARIMA填补版本 数据说明&#xf…

高级数据库系统 复习提纲

第一章 数据库技术的回顾与发展 简述三代数据库的发展历史及其对应特点: 新型数据库在“数据模型”上的创新: 简述数据库和什么相关技术结合,产生了什么新型数据库? 1. 数据库和并行处理技术结合,产生“并行数据库”…

C++实现图书管理系统(Qt C++ GUI界面版)

前瞻 本项目基于【C】图书管理系统(完整版) 图书管理系统功能概览: 登录,注册学生,老师借书,查看自己当前借书情况,还书。管理员增加书,查看当前借阅情况,查看当前所有借阅人,图书信息。 效果…

【LeetCode: 560. 和为 K 的子数组 + 前缀和 + 哈希表】

🚀 算法题 🚀 🌲 算法刷题专栏 | 面试必备算法 | 面试高频算法 🍀 🌲 越难的东西,越要努力坚持,因为它具有很高的价值,算法就是这样✨ 🌲 作者简介:硕风和炜,…

微信小程序实现登录注册

文章目录 1. 官方文档教程2. 注册实现3. 登录实现4. 关于作者其它项目视频教程介绍 1. 官方文档教程 https://developers.weixin.qq.com/miniprogram/dev/framework/路由跳转的几种方式: https://developers.weixin.qq.com/miniprogram/dev/api/route/wx.switchTab…

嵌入式系统 (2.嵌入式硬件系统基础)

2.嵌入式硬件系统基础 2.1嵌入式硬件系统的组成 嵌入式硬件系统以嵌入式微处理器为核心,主要由嵌入式微处理器、总线、存储器、输入/输出接口和设备组成。 嵌入式微处理器 嵌入式微处理器采用冯诺依曼结构或哈佛结构:前者指令和数据共享同一存储空间…

多模态大模型初探索:通过ollama部署多模态大模型

文章目录 前言模型下载 前言 今天和同事聊天,聊到多模态大模型,感觉可以作为2025年的一个新的探索方向。希望和大家一起学习,一起进步。 今天也是尝试了我能想到的最基本最快速地本地部署多模态大模型的方式,那便是使用ollama。…

【超详细】React SSR 服务端渲染实战

前言 这篇文章和大家一起来聊一聊 React SSR,本文更偏向于实战。你可以从中学到: 从 0 到 1 搭建 React SSR 服务端渲染需要注意什么 react 18 的流式渲染如何使用 文章如有误,欢迎指出,大家一起学习交流~。 &…

js策略模式

定义一组算法,将每个算法封装成一个独立的类,并使它们可以互相替换。策略模式使得算法的变化不会影响到使用算法的客户。 const priceProcessor {pre(originPrice) {if (originPrice > 100) {return originPrice - 20;}return originPrice * 0.9;}…

Python中的可变对象与不可变对象;Python中的六大标准数据类型哪些属于可变对象,哪些属于不可变对象

Python中的可变对象与不可变对象;Python中的六大标准数据类型哪些属于可变对象,哪些属于不可变对象 Python中的可变对象与不可变对象一、Python的六大标准数据类型1. 数字类型 (Number)2. 字符串 (String)3. 列表 (List)4. 元组 (Tuple)5. 集合 (Set)6. …