CN115328463A - 一种基于可视化业务编排设计系统 - Google Patents
一种基于可视化业务编排设计系统 Download PDFInfo
- Publication number
- CN115328463A CN115328463A CN202210914882.7A CN202210914882A CN115328463A CN 115328463 A CN115328463 A CN 115328463A CN 202210914882 A CN202210914882 A CN 202210914882A CN 115328463 A CN115328463 A CN 115328463A
- Authority
- CN
- China
- Prior art keywords
- image
- component
- module
- jar
- formula
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000000007 visual effect Effects 0.000 title claims abstract description 22
- 238000013461 design Methods 0.000 title claims abstract description 19
- 238000011068 loading method Methods 0.000 claims abstract description 14
- 238000011161 development Methods 0.000 claims abstract description 12
- 238000012800 visualization Methods 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims description 15
- 239000013598 vector Substances 0.000 claims description 12
- 238000012360 testing method Methods 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 9
- 238000012550 audit Methods 0.000 claims description 8
- 238000003708 edge detection Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 4
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 238000004806 packaging method and process Methods 0.000 claims 1
- 238000000034 method Methods 0.000 abstract description 10
- 238000010276 construction Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 230000008878 coupling Effects 0.000 description 6
- 238000010168 coupling process Methods 0.000 description 6
- 238000005859 coupling reaction Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000000889 atomisation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/34—Graphical or visual programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Probability & Statistics with Applications (AREA)
- Character Input (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于可视化业务编排设计系统,该系统包括前端画布、前后端解析器、应用启动模块、组件编写模块、组件使用模块及自定义组件加载模块。本发明通过可视化方式表达业务系统的编排逻辑,使得业务系统后台关键逻辑表达不再是黑盒;基于原子组件可以开发出很多工业新组件,包括实现和工业其他应用系统的业务协同以及数据联动;通过这种可视化方式建议,可以让更多人员参与业务系统后台逻辑建设,是对传统开发模式一种补充增强。
Description
技术领域
本发明涉及可视化编排技术领域,具体来说,涉及一种基于可视化业务编排设计系统。
背景技术
可视化编辑技术是一种比较通用编排技术,目前在数据处理层面应用最多,基于数据流的可视化编排技术应用的非常成熟,主要实现技术路径主要包括两种一种以node-red和n8n为代表的轻量型应用型可视化数据编排工具,还有以阿里的PAI以及微软云计算厂商商业大数据产品的整合数据以及人工智能组件的编排工具,借助于容器化以及云计算分布式调度数据编排工具。
原子化组件是技术和业务分离,通过可视化编排来表达业务,实现业务和技术的解耦,并且基于云原生技术,一次配置多处运行,而且整体运行机制非常轻量化,对内采用高内聚,对外采用低耦合。目前市面上的业务编排大部分基于微服务的业务整合模式,相对来说业务耦合性比较重,然后有些编排工具主要围绕数据处理层面的,针对业务系统这种高度原子化组件的可视化编排系统非常少。
针对相关技术中的问题,目前尚未提出有效的解决方案。
发明内容
针对相关技术中的问题,本发明提出一种基于可视化业务编排设计系统,以克服现有相关技术所存在的上述技术问题。
为此,本发明采用的具体技术方案如下:
一种基于可视化业务编排设计系统,该系统包括前端画布、前后端解析器、应用启动模块、组件编写模块、组件使用模块及自定义组件加载模块;其中,所述前端画布,用于在系统前端提供画布;所述前后端解析器,用于在系统前后端对数据进行解析;所述应用启动模块,用于完成应用模块的启动;所述组件编写模块,用于自定义组件后端及前端模板的编写;所述组件使用模块,用于用户新建一条微流并进行测试,并在测试正确后,用户发布该微流;所述自定义组件加载模块,用于微流模块启动及运行,完成jar包中的组件类的注册。
进一步的,所述组件编写模块中自定义组件后端及前端模板的编写时,若为自定义组件后端模板的编写,则下载自定义组件后端模板,使用IDE并自动编写Java代码,把Java代码打包成jar包并上传,且jar包进行后台审核,审核通过后,用户发布该组件,微流模块动态地拉取jar包,同时注册指定了类名的组件类。
进一步的,所述组件编写模块中自定义组件后端及前端模板的编写时,若为自定义组件前端模板的编写,则下载自定义组件前端模板,并编写前端组件代码,将代码上架、后台审核,发布该组件的前端部分,前端在打开微流画布时,自动加载已发布的自定义组件。
进一步的,所述自定义组件加载模块中微流模块启动及运行,完成jar包中的组件类的注册时,若微流模块启动,则从数据库拉取已发布组件的jar包信息,并从minio中拉取jar包,完成jar包中的组件类的注册。
进一步的,所述自定义组件加载模块中,若微流模块运行,且用户点击了组件发布,则广播各微流实例,并从minio中拉取jar包,完成jar包中的组件类的注册;
若微流模块运行,且为定时任务,周期拉取已发布jar包信息,并从minio中拉取jar包,完成jar包中的组件类的注册。
进一步的,所述后台审核时,对jar包中的文字及图片进行审核,且对图片进行审核包括图像预处理、图像特征提取及图像敏感信息检索。
进一步的,所述图像预处理时,对图像进行去噪,设待处理的图像为r(x,y),经均值滤波处理的图像为q(x,y),则表示为:
式中,Ω为均值滤波器计算得到的窗口邻域内所有像素点的坐标集合,K为窗口邻域内所有像素点的总数,x、y分别为图片中的横坐标及纵坐标;
设置图像的中心点为(x0,y0),基于像素的灰度值降序排列,且以该心点为中心邻域内的所有像素点排序后,取中间值作为当前像素点;
使用3×3模板将中心像素的原始灰度值替换为中值,并对中值进行滤波,得到经过两次滤波后的图像f(x,y),同时对图像进行去噪处理;
对于去噪图像f(x,y),将图像中某一像素(x,y)处的梯度表示为向量G:
利用查分处理方法计算f(x,y)的梯度,并利用以下公式进行梯度修正:
式中,T为非负值梯度阈值,G[f(x,y)]为去噪图像f(x,y)的梯度向量。
进一步的,所述图像特征提取时,通过颜色直方图表示图像的颜色亮度,颜色直方图的计算公式为:
式中,L为灰度值,nl为第l级灰度像素个数,N为图像像素的和;
利用Sobel算子进行图像边缘检测,边缘检测矩阵各灰度值的计算公式如下:
式中,Gx及Gy分别为水平和垂直两个方向进行卷积的计算式;
计算图像纹理能量:
式中,p(i,j)为图像在单位距离内从水平坐标i到水平坐标j出现的灰度级概率,n为非零自然数;
通过转动惯量表示纹理的厚度,转动惯量表示如下:
式中,F2越小,则图像纹理越浅,n为非零自然数,通过熵值表示图像纹理的复杂度,计算公式为:
式中,F3越大,图像越复杂,n为非零自然数,根据计算公式得到图像中纹理的行方向和列方向的相似度:
式中,μx、μy为行方向、列方向均值,σx、σy为行方向、列方向方差,n为非零自然数;
通过计算F1、F2、F3及F4的均值和方差,获得图像的纹理特征,并提取图像中的敏感信息。
进一步的,所述图像敏感信息检索时,将图像分为3×3块,并将图像从RGB空间转换为HSV空间,同时对卷积神经网络的特征进行提取和归一化;
对图像特征加权和特征向量融合,且输入图像特征,完成敏感信息的检索。
进一步的,所述图像中包含文本信息,则根据提取的图像特征进行筛选,并对文本字符进行检测。
本发明的有益效果为:
(1)本发明采用了轻应用调度模式,引入fass的思想,让整个系统对内高内聚,对外低耦合,然后采用云原生技术,基于fass模式进行能力开发,让第三方可以非常轻量级的基于目前的组件能力进行新工业业务、数据组件的开发以及沉淀。整体运行机制非常轻量化,对内采用高内聚,对外采用低耦合,产品提供了20多种原子组件,并且基于原子组件,以及开放能力可以开发更多数据处理组件,以及实现基于该模式的业务系统同外部服务以及数据的集成和联通,进而支持业务系统实现业务与数据的协同,通过大量可视化编排服务沉淀,提升开发核心业务系统的效率。且系统能够对jar包进行文字及图片的自动审核,进一步的提升开发核心业务系统的效率。
(2)本发明通过可视化方式表达业务系统的编排逻辑,使得业务系统后台关键逻辑表达不再是黑盒;基于原子组件可以开发出很多工业新组件,包括实现和工业其他应用系统的业务协同以及数据联动;通过这种可视化方式建议,可以更多的人员参与业务系统后台逻辑建设,是对传统开发模式一种补充增强。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的一种基于可视化业务编排设计系统中应用启动及请求处理逻辑图;
图2是根据本发明实施例的一种基于可视化业务编排设计系统中用户编写自定义组件的流程图;
图3是根据本发明实施例的一种基于可视化业务编排设计系统中用户使用自定义组件的流程图;
图4是根据本发明实施例的一种基于可视化业务编排设计系统中微流模块加载自定义组件流程图。
图中:
1、前端画布;2、前后端解析器;3、应用启动模块;4、组件编写模块;5、组件使用模块;6、自定义组件加载模块;7、云平台。
具体实施方式
为进一步说明各实施例,本发明提供有附图,这些附图为本发明揭露内容的一部分,其主要用以说明实施例,并可配合说明书的相关描述来解释实施例的运作原理,配合参考这些内容,本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点,图中的组件并未按比例绘制,而类似的组件符号通常用来表示类似的组件。
根据本发明的实施例,提供了一种基于可视化业务编排设计系统,包括前端画布以及组件,组件主要包括前后端解析器,组件里面又包括9个通用组件,6个对象组件、8个其他组件,以及配套支持的运行时解析器,应用启动主要包括以下环节,应用模块启动、加载对象资源、加载微流资源、遍历微流以及初始化微流,微流应用场景主要用在页面编辑、领域模型、流程引擎等地方;以一个http请求为例主要包括如下流程与环节:http请求、请求入参转封装、系统入参、业务入参、微流handler处理,某一微流、入参封装、通用调用逻辑、实现各种业务组件编排以及联动等。
站在可视化支撑工业应用APP开发系统的建设理念上,鉴数据编排思想,实现业务系统开发微服务服务组件,借助高度抽象以及原子服务化来构建一种可视化业务编排设计系统,该方案主要是讲对数据处理抽象为查询、聚合、提交、以及循环、决策各种单元组件,借助编辑器实现各个组件的编排设计工作,然后发布到运行环境,通过配置的组件结果,借助调度器执行相关配置逻辑,目前市面上比较相近的是mendix微流组件,但是我们与之不一样的是对方采用模型驱动代码生成,我们采用配置,然后执行器调度执行,并且我们采用了轻应用调度模式,引入fass(Functions as a Service的简称)的思想,让整个系统对内高内聚,对外低耦合,然后采用云原生技术,基于fass模式进行能力开发,让第三方可以非常轻量级的基于目前的组件能力进行新工业业务、数据组件的开发以及沉淀。
现结合附图和具体实施方式对本发明进一步说明,如图1-4所示,根据本发明实施例的基于可视化业务编排设计系统,该系统包括前端画布1、前后端解析器2、应用启动模块3、组件编写模块4、组件使用模块5、自定义组件加载模块6及云平台7;
其中,所述前端画布1,用于在系统前端提供画布;
所述前后端解析器2,用于在系统前后端对数据进行解析;
所述应用启动模块3,用于完成应用模块的启动;
其中,如图1所示,所述应用启动模块3中完成应用模块的启动时,首先启动应用模块,并加载对象资源及加载微流资源,同时遍历微流,完成初始化。
整个可视化业务编排系统支持用户自定义组件,定义组件主要借助一个通用组件java action组件(java是一种计算机编程语言),在这个组件完成相关开发sdk(软件开发工具包)的下载,实现相关组件逻辑编排,以及组件的输入与输出定义。
所述组件编写模块4,用于自定义组件后端及前端模板的编写;
其中,如图2所示,所述组件编写模块4中自定义组件后端及前端模板的编写时,若为自定义组件后端模板的编写,则下载自定义组件后端模板,使用IDE(集成开发环境)并自动编写Java代码,把Java代码打包成jar包并上传,且jar包进行后台审核,审核通过后,用户发布该组件,微流模块动态地拉取jar包,同时注册指定了类名的组件类;
若为自定义组件前端模板的编写,则下载自定义组件前端模板,并编写前端组件代码,将代码上架、后台审核,发布该组件的前端部分,前端在打开微流画布时,自动加载已发布的自定义组件。
所述组件使用模块5,用于用户新建一条微流并进行测试,并在测试正确后,用户发布该微流;
其中,如图3所示,所述组件使用模块5中用户新建一条微流并进行测试,并在测试正确后,用户发布该微流还包括以下步骤:
新建或者编辑一条微流,且拖入一个自定义组件,并配置;
点击微流测试按钮,观察测试结果,并查看执行日志;
测试结果正确后,用户发布该微流。
所述自定义组件加载模块6,用于微流模块启动及运行,完成jar包中的组件类的注册;
其中,如图4所示,所述自定义组件加载模块6中微流模块启动及运行,完成jar包中的组件类的注册时,若微流模块启动,则从数据库拉取已发布组件的jar包信息,并从minio(开源的高可用分部署对象存储服务组件)中拉取jar包,完成jar包中的组件类的注册;
若微流模块运行,且用户点击了组件发布,则广播各微流实例,并从minio中拉取jar包,完成jar包中的组件类的注册;
若微流模块运行,且为定时任务,周期拉取已发布jar包信息,并从minio中拉取jar包,完成jar包中的组件类的注册。
所述云平台7,用于完成业务编排的一次配置多处运行。
所述后台审核时,对jar包中的文字及图片进行审核,且对图片进行审核包括图像预处理、图像特征提取及图像敏感信息检索。
所述图像预处理时,对图像进行去噪,设待处理的图像为r(x,y),经均值滤波处理的图像为q(x,y),则表示为:
式中,Ω为均值滤波器计算得到的窗口邻域内所有像素点的坐标集合,K为窗口邻域内所有像素点的总数,x、y分别为图片中的横坐标及纵坐标;
设置图像的中心点为(x0,y0),基于像素的灰度值降序排列,且以该心点为中心邻域内的所有像素点排序后,取中间值作为当前像素点;
使用3×3模板将中心像素的原始灰度值替换为中值,并对中值进行滤波,得到经过两次滤波后的图像f(x,y),同时对图像进行去噪处理;
对于去噪图像f(x,y),将图像中某一像素(x,y)处的梯度表示为向量G:
利用查分处理方法计算f(x,y)的梯度,并利用以下公式进行梯度修正:
式中,T为非负值梯度阈值,G[f(x,y)]为去噪图像f(x,y)的梯度向量。
所述图像特征提取时,通过颜色直方图表示图像的颜色亮度,颜色直方图的计算公式为:
式中,L为灰度值,nl为第l级灰度像素个数,N为图像像素的和;
利用Sobel算子进行图像边缘检测,边缘检测矩阵各灰度值的计算公式如下:
式中,Gx及Gy分别为水平和垂直两个方向进行卷积的计算式;
检测到图像的边缘后,根据边缘特征图提取图像的形状特征,且以图像中心为原点,从0°旋转到360°,计算每个角度上灰度值不为0的图像像素点个数,绘制以角度为横坐标,以数字为纵坐标的直方图,对直方图进行归一化处理,从中获取图像灰度分布的特性,并提取图像的纹理特征;
计算图像纹理能量:
式中,p(i,j)为图像在单位距离内从水平坐标i到水平坐标j出现的灰度级概率,n为非零自然数;
通过转动惯量表示纹理的厚度,转动惯量表示如下:
式中,F2越小,则图像纹理越浅,n为非零自然数,通过熵值表示图像纹理的复杂度,计算公式为:
式中,F3越大,图像越复杂,n为非零自然数,根据计算公式得到图像中纹理的行方向和列方向的相似度:
式中,μx、μy为行方向、列方向均值,σx、σy为行方向、列方向方差,n为非零自然数;
通过计算F1、F2、F3及F4的均值和方差,获得图像的纹理特征,并提取图像中的敏感信息。
所述图像敏感信息检索时,将图像分为3×3块,并将图像从RGB空间转换为HSV空间,同时对卷积神经网络的特征进行提取和归一化;
对图像特征加权和特征向量融合,且输入图像特征,完成敏感信息的检索。
所述图像中包含文本信息,则根据提取的图像特征进行筛选,并对文本字符进行检测。
综上所述,本发明采用了轻应用调度模式,引入fass的思想,让整个系统对内高内聚,对外低耦合,然后采用云原生技术,基于fass模式进行能力开发,让第三方可以非常轻量级的基于目前的组件能力进行新工业业务、数据组件的开发以及沉淀。整体运行机制非常轻量化,对内采用高内聚,对外采用低耦合,产品提供了20多种原子组件,并且基于原子组件,以及开放能力可以开发更多数据处理组件,以及实现基于该模式的业务系统同外部服务以及数据的集成和联通,进而支持业务系统实现业务与数据的协同,通过大量可视化编排服务沉淀,提升开发核心业务系统的效率。且系统能够对jar包进行文字及图片的自动审核,进一步的提升开发核心业务系统的效率。本发明通过可视化方式表达业务系统的编排逻辑,使得业务系统后台关键逻辑表达不再是黑盒;基于原子组件可以开发出很多工业新组件,包括实现和工业其他应用系统的业务协同以及数据联动;通过这种可视化方式建议,可以让更多的人员参与业务系统后台逻辑建设,是对传统开发模式一种补充增强。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于可视化业务编排设计系统,其特征在于,该系统包括前端画布(1)、前后端解析器(2)、应用启动模块(3)、组件编写模块(4)、组件使用模块(5)及自定义组件加载模块(6);
其中,所述前端画布(1),用于在系统前端提供画布;
所述前后端解析器(2),用于在系统前后端对数据进行解析;
所述应用启动模块(3),用于完成应用模块的启动;
所述组件编写模块(4),用于自定义组件后端及前端模板的编写;所述组件编写模块(4)用于自定义组件后端及前端模板的编写时,若为自定义组件后端模板的编写,则下载自定义组件后端模板,使用IDE并自动编写Java代码,把Java代码打包成jar包并上传,且jar包进行后台审核,审核通过后,用户发布该组件,微流模块动态地拉取jar包,同时注册指定了类名的组件类;其中,所述后台审核时,对jar包中的文字及图片进行审核,且对图片进行审核包括图像预处理、图像特征提取及图像敏感信息检索;所述图像预处理时,对图像进行去噪,设待处理的图像为r(x,y),经均值滤波处理的图像为q(x,y),则表示为:
式中,Ω为均值滤波器计算得到的窗口邻域内所有像素点的坐标集合,K为窗口邻域内所有像素点的总数,x、y分别为图片中的横坐标及纵坐标;
设置图像的中心点为(x0,y0),基于像素的灰度值降序排列,且以该中心点为中心邻域内的所有像素点排序后,取中间值作为当前像素点;
使用3×3模板将中心像素的原始灰度值替换为中值,并对中值进行滤波,得到经过两次滤波后的图像f(x,y),同时对图像进行去噪处理;
对于去噪图像f(x,y),将图像中某一像素(x,y)处的梯度表示为向量G:
利用查分处理方法计算f(x,y)的梯度,并利用以下公式进行梯度修正:
式中,T为非负值梯度阈值,G[f(x,y)]为去噪图像f(x,y)的梯度向量;
所述组件使用模块(5),用于用户新建一条微流并进行测试,并在测试正确后,用户发布该微流;
所述自定义组件加载模块(6),用于微流模块启动及运行,完成jar包中的组件类的注册。
2.根据权利要求1所述的一种基于可视化业务编排设计系统,其特征在于,所述组件编写模块(4)中自定义组件后端及前端模板的编写时,若为自定义组件前端模板的编写,则下载自定义组件前端模板,并编写前端组件代码,将代码上架、后台审核,发布该组件的前端部分,前端在打开微流画布时,自动加载已发布的自定义组件。
3.根据权利要求1所述的一种基于可视化业务编排设计系统,其特征在于,所述自定义组件加载模块(6)中微流模块启动及运行,完成jar包中的组件类的注册时,若微流模块启动,则从数据库拉取已发布组件的jar包信息,并从minio中拉取jar包,完成jar包中的组件类的注册。
4.根据权利要求3所述的一种基于可视化业务编排设计系统,其特征在于,所述自定义组件加载模块(6)中,若微流模块运行,且用户点击了组件发布,则广播各微流实例,并从minio中拉取jar包,完成jar包中的组件类的注册;
若微流模块运行,且为定时任务,周期拉取已发布jar包信息,并从minio中拉取jar包,完成jar包中的组件类的注册。
5.根据权利要求1所述的一种基于可视化业务编排设计系统,其特征在于,所述图像特征提取时,通过颜色直方图表示图像的颜色亮度,颜色直方图的计算公式为:
式中,L为灰度值,nl为第l级灰度像素个数,N为图像像素的和;
利用Sobel算子进行图像边缘检测,边缘检测矩阵各灰度值的计算公式如下:
式中,Gx及Gy分别为水平和垂直两个方向进行卷积的计算式;
计算图像纹理能量:
式中,p(i,j)为图像在单位距离内从水平坐标i到水平坐标j出现的灰度级概率,n为非零自然数;
通过转动惯量表示纹理的厚度,转动惯量表示如下:
式中,F2越小,则图像纹理越浅,n为非零自然数,通过熵值表示图像纹理的复杂度,计算公式为:
式中,F3越大,图像越复杂,n为非零自然数,根据计算公式得到图像中纹理的行方向和列方向的相似度:
式中,μx、μy为行方向、列方向均值,σx、σy为行方向、列方向方差,n为非零自然数;
通过计算F1、F2、F3及F4的均值和方差,获得图像的纹理特征,并提取图像中的敏感信息。
6.根据权利要求1所述的一种基于可视化业务编排设计系统,其特征在于,所述图像敏感信息检索时,将图像分为3×3块,并将图像从RGB空间转换为HSV空间,同时对卷积神经网络的特征进行提取和归一化;
对图像特征加权和特征向量融合,且输入图像特征,完成敏感信息的检索。
7.根据权利要求6所述的一种基于可视化业务编排设计系统,其特征在于,所述图像中包含文本信息,则根据提取的图像特征进行筛选,并对文本字符进行检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210914882.7A CN115328463B (zh) | 2022-08-01 | 2022-08-01 | 一种基于可视化业务编排设计系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210914882.7A CN115328463B (zh) | 2022-08-01 | 2022-08-01 | 一种基于可视化业务编排设计系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115328463A true CN115328463A (zh) | 2022-11-11 |
CN115328463B CN115328463B (zh) | 2023-07-21 |
Family
ID=83919791
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210914882.7A Active CN115328463B (zh) | 2022-08-01 | 2022-08-01 | 一种基于可视化业务编排设计系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115328463B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117194588A (zh) * | 2023-11-07 | 2023-12-08 | 江苏龙虎网信息科技股份有限公司 | 一种基于大数据的业务数据一体化监管系统及方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130152041A1 (en) * | 2011-12-09 | 2013-06-13 | Microsoft Corporation | Integrated workflow visualization and editing |
CN109284756A (zh) * | 2018-08-01 | 2019-01-29 | 河海大学 | 一种基于ocr技术的计算机终端保密检查方法 |
CN110059468A (zh) * | 2019-04-02 | 2019-07-26 | 阿里巴巴集团控股有限公司 | 一种小程序风险识别方法和装置 |
US20190250896A1 (en) * | 2018-02-09 | 2019-08-15 | Cognizant Technology Solutions India Pvt. Ltd. | System and method for developing software applications of wearable devices |
CN111258567A (zh) * | 2018-12-01 | 2020-06-09 | 阿里巴巴集团控股有限公司 | 服务代码开发处理方法及装置 |
CN112287270A (zh) * | 2020-09-28 | 2021-01-29 | 珠海大横琴科技发展有限公司 | 一种内容审核方法和装置 |
CN112691380A (zh) * | 2020-12-31 | 2021-04-23 | 完美世界(北京)软件科技发展有限公司 | 游戏资源素材审核方法及装置、存储介质、计算机设备 |
CN113849156A (zh) * | 2021-09-17 | 2021-12-28 | 中国科学院软件研究所 | OpenHarmony操作系统应用的无代码智能开发系统及其使用方法 |
WO2022037690A1 (zh) * | 2020-08-20 | 2022-02-24 | 第四范式(北京)技术有限公司 | 应用构建系统、方法和平台及应用发布系统、方法和平台 |
CN114546670A (zh) * | 2020-11-25 | 2022-05-27 | 浙江大学 | 一种基于协程的函数式异步数据分发系统及方法 |
-
2022
- 2022-08-01 CN CN202210914882.7A patent/CN115328463B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130152041A1 (en) * | 2011-12-09 | 2013-06-13 | Microsoft Corporation | Integrated workflow visualization and editing |
US20190250896A1 (en) * | 2018-02-09 | 2019-08-15 | Cognizant Technology Solutions India Pvt. Ltd. | System and method for developing software applications of wearable devices |
CN109284756A (zh) * | 2018-08-01 | 2019-01-29 | 河海大学 | 一种基于ocr技术的计算机终端保密检查方法 |
CN111258567A (zh) * | 2018-12-01 | 2020-06-09 | 阿里巴巴集团控股有限公司 | 服务代码开发处理方法及装置 |
CN110059468A (zh) * | 2019-04-02 | 2019-07-26 | 阿里巴巴集团控股有限公司 | 一种小程序风险识别方法和装置 |
WO2022037690A1 (zh) * | 2020-08-20 | 2022-02-24 | 第四范式(北京)技术有限公司 | 应用构建系统、方法和平台及应用发布系统、方法和平台 |
CN112287270A (zh) * | 2020-09-28 | 2021-01-29 | 珠海大横琴科技发展有限公司 | 一种内容审核方法和装置 |
CN114546670A (zh) * | 2020-11-25 | 2022-05-27 | 浙江大学 | 一种基于协程的函数式异步数据分发系统及方法 |
CN112691380A (zh) * | 2020-12-31 | 2021-04-23 | 完美世界(北京)软件科技发展有限公司 | 游戏资源素材审核方法及装置、存储介质、计算机设备 |
CN113849156A (zh) * | 2021-09-17 | 2021-12-28 | 中国科学院软件研究所 | OpenHarmony操作系统应用的无代码智能开发系统及其使用方法 |
Non-Patent Citations (3)
Title |
---|
华为云: "没有服务器也行?", pages 1 - 6 * |
华为云开发者联盟: "CNCF Serverless 工作流社区携手华为云 FunctionGraph,开拓Serverless 编排新时代" * |
工匠小能手: "【serverless与微服务】初次体验华为云函数工作流FunctionGraph" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117194588A (zh) * | 2023-11-07 | 2023-12-08 | 江苏龙虎网信息科技股份有限公司 | 一种基于大数据的业务数据一体化监管系统及方法 |
CN117194588B (zh) * | 2023-11-07 | 2024-01-19 | 江苏龙虎网信息科技股份有限公司 | 一种基于大数据的业务数据一体化监管系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115328463B (zh) | 2023-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3692438A1 (en) | Automated code generation | |
Ott et al. | GinJinn: An object‐detection pipeline for automated feature extraction from herbarium specimens | |
GB2587432A (en) | System and method for software architecture redesign | |
CN115328463A (zh) | 一种基于可视化业务编排设计系统 | |
Mohapatra | HCR using neural network | |
Choe et al. | The Real‐Time Mobile Application for Classifying of Endangered Parrot Species Using the CNN Models Based on Transfer Learning | |
CN112949455A (zh) | 一种增值税发票识别系统及方法 | |
CN111160638B (zh) | 一种转化预估方法及装置 | |
CN110688998A (zh) | 票据识别方法及装置 | |
CN107633058A (zh) | 一种基于深度学习的数据动态过滤系统及其方法 | |
CN110675121A (zh) | 图片类案卷材料的采集方法 | |
CN111414889B (zh) | 基于文字识别的财务报表识别方法及装置 | |
CN115098677A (zh) | 一种用户界面组件分类方法及装置 | |
Ma et al. | Learning multi-scale retinex with residual network for low-light image enhancement | |
Albaráñez Martínez et al. | A case of study on traffic cone detection for autonomous racing on a jetson platform | |
Tsur et al. | Code generation of graph-based vision processing for multiple CUDA Cores SoC Jetson TX | |
Fowler et al. | Formal methods in the IS domain: Introducing a notation for presenting Object-Z specifications | |
US11507728B2 (en) | Click to document | |
Minouei et al. | Efficient table border segmentation with asymmetric convolutions | |
Ködding et al. | A Data Map for Product Creation: Tasks, Data Flows, and IT-Systems from the Initial Idea to the Start of Production | |
CN117218515B (zh) | 一种目标检测方法、装置、计算设备和存储介质 | |
Sharma | Traffic Sign Recognition & Detection using Transfer learning | |
Cudalbu et al. | AnAlysis of the most populAr librAries And plAtforms thAt cAn be used to creAte A model for the intelligent recognition of microfossils | |
CN117634574A (zh) | 模型训练和部署系统及方法 | |
CN117437652A (zh) | 测试脚本生成方法、装置和设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |