webservice 项目中 挂载 .NET组件,要如何调用?

WMERP 2020-03-18 02:06:02
有一个 Newtonsoft.json.dll 组件,可以直接以.net组件的形式放入到WEBSERVICE项目中使用,但是不知道怎么用,组件能展开看到各种类和api,但是到处找不到调用教程,有哪位大侠赐教一下???
用OLEOBJECT试过好像不行
...全文
608 5 打赏 收藏 举报
写回复
用AI写文章
5 条回复
切换为时间正序
请发表友善的回复…
发表回复
WMERP 2020-03-25
  • 打赏
  • 举报
回复
引用 4 楼 longdrang 的回复:
dll 能共享下不,谢谢

longdrang@163.com


链接:https://pan.baidu.com/s/1ZzePV0u5Wd5E2qNKM9fvcQ
提取码:6l76
复制这段内容后打开百度网盘手机App,操作更方便哦
longdrang 2020-03-24
  • 打赏
  • 举报
回复
dll 能共享下不,谢谢 longdrang@163.com
EiCid2019 2020-03-24
  • 打赏
  • 举报
回复
来了
WMERP 2020-03-23
  • 打赏
  • 举报
回复
有人帮忙回复一下,我好结贴!
WMERP 2020-03-18
  • 打赏
  • 举报
回复
自己研究出来了,找了个很古老的资料介绍了.NET如何使用,然后找到了java中使用这个组件的代码,试出来了
参考:https://wenku.baidu.com/view/f0beae0316fc700abb68fc83.html
https://blog.csdn.net/qianellis/article/details/82940788

webservice测试源码(接口调用的函数,模糊物料编码关键字返回物料库存信息,返回 :json + json转化的XML+原始DW导出的XML):

global type f_get_part_info from function_object
end type

forward prototypes
global function string f_get_part_info (string as_part)
end prototypes

global function string f_get_part_info (string as_part);
if gf_connect()<1 then return 'ERROR-连接数据库错误'

datastore lds_tmp
integer li_ret
string ls_xml ,ls_xml2json,ls_tmp
lds_tmp=create datastore
lds_tmp.dataobject='d_part_find'
lds_tmp.settransobject(sqlca)
li_ret=lds_tmp.retrieve(as_part)
if li_ret>0 then

ls_xml=lds_tmp.Object.DataWindow.Data.XML
#IF Defined PBDOTNET Then
//XMl TO JSON
System.Xml.XmlDocument xmldoc
xmldoc=create System.Xml.XmlDocument
xmldoc.LoadXml(ls_xml)
ls_xml2json=Newtonsoft.Json.JsonConvert.SerializeObject(xmldoc)
//JSON TO XML
ls_tmp = Newtonsoft.Json.JsonConvert.DeserializeXNode(ls_xml2json).ToString();
#END IF

end if
gf_disconnect()

return ls_xml2json+"@@@@@@" +ls_tmp+"%%%%%%%"+ls_xml
end function

测试案例结果:



附训练好的 YOLO 权重与 PyQt 可视化检测界面,页面底部含可视化效果预览,毕设/课设开箱即用。 【数据集概况】 · 检测类别(中文):[领航车(leader)] · 训练集:414 张 · 验证集:39 张 · 测试集:20 张 · 总计:473 张 该数据集聚焦于室内走廊环境中对领航车的精准识别与定位,具备高度场景专一性与实际应用价值。图像采集于光线均匀、结构规整的建筑内部通道,背景干扰因素少,有利于模型在复杂环境下的目标提取能力训练。领航车作为核心检测对象,在不同距离和角度下均被清晰标注,为智能导航系统、自动化引导设备等提供可靠的数据支持。... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 77 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.9950** mAP50-95 | 0.9141 Precision | 0.9985 Recall | 1.0000 train/box_loss | 0.5224 train/cls_loss | 0.2526 val/box_loss | 0.4307 val/cls_loss | 0.1407 【训练过程分析】 77 轮训练后 mAP50 达到 0.9950,模型收敛良好。Loss 曲线前段快速下降,后段趋于平稳,val_loss 无反弹,没有明显过拟合。mAP50-95 为 0.9141,和 mAP50 差距仅 0.08,框的定位精度也很扎实。 【模型性能评估】 Precision 0.9985、Recall 1.000... 使用场景:毕业设计、课程设计、深度学习入门、工业场景落地验证。

663

社区成员

发帖
与我相关
我的任务
社区描述
PowerBuilder Web 应用
社区管理员
  • Web 应用社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧