碩士論文——移動近紅外珍稀木材鑒別云服務(wù)系統(tǒng)的設(shè)計與實現(xiàn)

1、<p>　　全日制碩士專業(yè)學位研究生學位論文</p><p>　　移動近紅外珍稀木材鑒別云服務(wù)系統(tǒng)的設(shè)計與實現(xiàn)</p><p>　　浙 江 農(nóng) 林 大 學</p><p>　　20XX年X 月 X 日</p><p>　作 者 姓 名：</p><p>　指 導 教 師：</p><p&g

2、t;<b>　　摘要</b></p><p><b>　　摘要</b></p><p>　　近紅外光譜技術(shù)在木材品種鑒別方面的應(yīng)用已經(jīng)有了大量的研究。在實驗室環(huán)境中，近紅外光譜技術(shù)結(jié)合化學計量學中一些常見的定性分析方法已經(jīng)能夠很好的將指定的某幾類范圍內(nèi)的木材進行區(qū)分和識別，并且具有較高的正確率。</p><p>　　傳統(tǒng)的

3、近紅外光譜設(shè)備體積龐大，只能固定架設(shè)在實驗室中，分析材料只能運送到實驗室進行采譜分析，這限制了近紅外光譜野外作業(yè)的應(yīng)用能力；一般要對某一領(lǐng)域和產(chǎn)品進行近紅外光譜分析要進行近紅外建模，此過程十分消耗人力物力，建模的周期又很長，建模成本很高，建模程序又受到編程語言的限制，不能夠很好的移植到不同的平臺，這些缺點嚴重制約了該技術(shù)的普及和應(yīng)用。</p><p>　　本文結(jié)合以上的背景，利用現(xiàn)階段近紅外在木材識別方面的研究成

4、果，提出并設(shè)計了一套移動近紅外珍稀木材鑒別云服務(wù)系統(tǒng)。該系統(tǒng)利用了前人對于近紅外光譜技術(shù)在木材鑒別領(lǐng)域的探索，結(jié)合了云端計算的概念和云服務(wù)器程序開發(fā)技術(shù)，提出了一種從近紅外設(shè)備到客戶端程序，客戶端程序再到服務(wù)端的三層體系計算架構(gòu)。把珍稀木材的鑒別計算模型部署到云端，封裝好接口以提供客戶端訪問；然后分別基于</p><p>　　Windows Forms 應(yīng)用程序和 Android 應(yīng)用程序，開發(fā)了相應(yīng)的近紅外珍稀

5、木材檢測客</p><p>　　戶端，客戶端應(yīng)用程序連接了近紅外設(shè)備能夠?qū)崿F(xiàn)操控設(shè)備以獲取光譜數(shù)據(jù)，客戶端</p><p>　　還負責和云端服務(wù)器溝通，把待計算的光譜數(shù)據(jù)通過網(wǎng)絡(luò)傳給服務(wù)端程序計算并接受</p><p>　　返回結(jié)果。設(shè)備的輕便性有利于實現(xiàn)近紅外光譜采集的移動野外作業(yè)，而云端的計算</p><p>　　則克服了移動設(shè)備如 An

6、droid 手機計算能力較弱，耗時較久的問題。</p><p>　　本文中研究和實現(xiàn)的內(nèi)容分為四大部分：1）珍稀木材近紅外光譜計算模型</p><p>　?。⊿IMCA 分類判別預測模型）的構(gòu)建；2）采用 ASP.NET API 的服務(wù)端編程技術(shù)構(gòu)建</p><p>　　云端服務(wù)程序；3）面向 Windows 系統(tǒng)并且適用于觸控平板操作設(shè)計體驗的 Windows&l

7、t;/p><p>　　Forms 客戶端程序開發(fā)實現(xiàn)；4）面向 Android 移動操作系統(tǒng)客戶端程序開發(fā)實現(xiàn)。該</p><p>　　系統(tǒng)的設(shè)計和實現(xiàn)針對解決傳統(tǒng)近紅外光譜分析技術(shù)在生產(chǎn)應(yīng)用中的缺陷提供了一</p><p><b>　　種有效的方案。</b></p><p>　　關(guān)鍵詞： 云服務(wù)，近紅外光譜，珍稀木材鑒別，

8、Windows Forms，Android</p><p><b>　　I</b></p><p><b>　　ABSTRACT</b></p><p><b>　　ABSTRACT</b></p><p>　　The application of near infrared

9、spectroscopy in the identification of wood varieties has been a lot of research. In a laboratory environment, some qualitative analysis method based on near infrared spectroscopy and chemometrics, has been able to well s

10、pecified separation and identification of some species within the wood, and has high accuracy.</p><p>　　The near infrared spectrum detection equipment of large volume, it can only be placed in the laboratory

11、, analysis of materials can only be transported to the laboratory for spectral analysis, which limits the application of near infrared spectroscopy and moving ability of working out. To establish an analytical model for

12、the near infrared spectrum analysis of a certain field or product, This process is consumption of manpower, the modeling cycle is very long, the modeling cost is very high, but </p><p>　　Combined with the ab

13、ove background, this paper proposed and designed a set of mobile near infrared rare wood identification cloud service system based on the research results of the present stage in the field of wood identification. The sys

14、tem uses the previous exploration of near infrared spectroscopy in wood identification field, combined with the concept of cloud computing and cloud server program development technology, put forward a kind of from near

15、infrared equipment to the client, the cl</p><p>　　The research and implementation of the content of this paper is divided into four parts: 1) SIMCA classification discriminant prediction calculation model of

16、 rare wood near infrared spectroscopy; 2) build the cloud server application based on ASP.NET API; 3) Windows Forms client program construction and suitable for touch panel operation design experience; 4) Android client

17、application construction. The design and implementation of this system provides an effective solution to solve the defect o</p><p>　　Key words: Cloud service, near infrared spectroscopy, rare wood identifica

18、tion , Windows Forms，Android</p><p><b>　　II</b></p><p><b>　　目錄</b></p><p><b>　　目錄</b></p><p><b>　　4</b></p><p

19、><b>　　緒論</b></p><p><b>　　緒論</b></p><p><b>　　1.1 研究背景</b></p><p>　　珍稀木材的種類很多，不同種類的木材價格各異且相差很大。中國 《紅木》 國家標準（GB/T 18107-2000），將 5 屬 8 類 33 種珍稀木材列

20、為紅木[1]，對品類的木材學名和商品名做了規(guī)范。近年來，由于珍貴木材原料的日益稀缺，其價格也逐年上漲，與其相對應(yīng)的家具制品價格更是昂貴，甚至個別精致紅木家具制品要以百萬人民幣來衡量。存在不少商家為了獲取高額利潤，用與紅木有相似外觀特征的低價木材冒充高檔紅木，或者在紅木家具制品中混雜劣質(zhì)紅木，嚴重破壞了紅木家具制品的市場秩序，損害了廣大消費者的利益。據(jù)中國消費者協(xié)會調(diào)查顯示，紅木家具市場的合格率僅為30%，紅木家具投訴的數(shù)量也是逐年增加[

21、2]。木材檢測技術(shù)的研究，木材檢測設(shè)備與</p><p>　　軟件的開發(fā)能準確有效的檢測仿冒，以假亂真的紅木制品，對矯正不良市場秩序，規(guī)范紅木家具市場具有重要的積極意義。</p><p>　　近些年來，近紅外光譜分析技術(shù)在木材無損檢測上面的應(yīng)用研究比較多，近紅外光譜分析所采用的算法和成型的軟件也都比較成熟，但是由于近紅外技術(shù)在任何領(lǐng)域上的應(yīng)用都需要一個專門的建模過程，不管是定性還是定量分析

22、，前期的建模都要耗費極大的人力和物力，這使得近紅外技術(shù)應(yīng)用的前期研究成本會非常的大，因而阻礙了該技術(shù)廣泛的應(yīng)用。此外，傳統(tǒng)的近紅外設(shè)備體積龐大，光譜的計算也對計算機的性能提出了較高的要求，通常只能架設(shè)在實驗室或者固定的地方，使得其應(yīng)用的靈活性和移動便攜性大大的降低了。對于一些需要野外作業(yè)的內(nèi)容則顯得不是很合適。目</p><p>　　前有杭州尼邇光電科技公司開發(fā)的輕型近紅外設(shè)備尺寸（直徑*高）為 45*42 毫米

23、，</p><p>　　重量小于 60 克，這為近紅外設(shè)備手持化的室外檢測提供了解決方案。由于近紅外設(shè)備必須搭配一臺計算機，傳統(tǒng)的筆記本電腦還是過于笨重，不方便外出攜帶，在進行大量的光譜采集時，重復的鼠標操作、頻繁的設(shè)備移動還是顯得笨拙，并且操作過程</p><p>　　很容易出錯。為此我們考慮采用更加輕便和更具移動性能的 Android 觸控智能手機和</p><p&

24、gt;　　Windows 平板電腦來取代傳統(tǒng)的筆記本和臺式計算機來進行光譜的獲取。但是，雖然</p><p>　　現(xiàn)在移動計算設(shè)備發(fā)展迅速，比如現(xiàn)在的基于 Android 操作系統(tǒng)的平板和手機，但其計算能力和性能較好的臺式計算機或筆記本電腦相比相差太大。經(jīng)筆者親自實驗，同</p><p>　　樣的計算程序部署在臺式計算機上運算只要 500-700 毫秒，而部署在測試手機上運算</p&

25、gt;<p>　　時間卻要 30-40 秒，耗時太久，無法滿足珍稀木材和紅木家具現(xiàn)場快速的檢測的需求。雖每年移動設(shè)備的計算性能都會提高一個臺階，但是還是無法滿足大量近紅外光譜數(shù)</p><p>　　據(jù)的快速計算要求。近年來，中國 4G 網(wǎng)絡(luò)覆蓋快速推進，4G 網(wǎng)絡(luò)的傳輸速率峰值能</p><p>　　達到 100Mbps，網(wǎng)絡(luò)傳輸中的耗時會變得很小。因此，通過移動設(shè)備獲取光譜

26、，把待計算的光譜文件上傳到云端高性能計算服務(wù)器中計算，然后接收返回計算結(jié)果的方式</p><p>　　成為了解決目前問題的一種思路，我們采用 Asp.Net Web Api 服務(wù)端程序開發(fā)技術(shù)，</p><p><b>　　5</b></p><p>　　移動近紅外珍稀木材鑒別云服務(wù)系統(tǒng)的設(shè)計與實現(xiàn)</p><p>　　

27、借助遠程服務(wù)計算機來解決手機等移動設(shè)備計算能力弱，計算耗時長的問題。</p><p>　　利用云端計算的思想和技術(shù)，不僅能解決移動設(shè)備計算性能的問題，還可以提高模型的重復利用率，實現(xiàn)一個云端模型部署，為各個不同平臺，多終端設(shè)備提供計算服務(wù)，為近紅外光譜技術(shù)在木材識別方面的應(yīng)用提供一種便捷可行的方案。</p><p>　　1.2 國內(nèi)外研究現(xiàn)狀</p><p>　　近

28、紅外光譜分析技術(shù)應(yīng)用在木材識別領(lǐng)域的研究探索很多，楊忠等[3]利用近紅外光譜技術(shù)對八類紅木光譜進行研究分析，結(jié)果表明近紅外光譜吸光度與紅木色度學參數(shù)之間存在非常高的線性相關(guān)性，可以較高精度得識別紅木類別，但其研究的范圍大，沒有具體到紅木中的 33 種。馬明宇等[4]利用人工神經(jīng)網(wǎng)絡(luò)結(jié)合近紅外光譜，分別采</p><p>　　用反向傳播人工神經(jīng)網(wǎng)絡(luò)（BPANN）與廣義回歸神經(jīng)網(wǎng)絡(luò)（GRNN）建立了一般樹種</

29、p><p>　　識別模型，結(jié)果表明 BPANN 模型和 GRNN 模型鑒別精確度分別在 97%和 99%以上。楊金勇等[5]以大葉桉和 3 類松樹樣品作為研究對象，利用主成分分析與 Fisher 判別模型結(jié)合近紅外光譜技術(shù)進行木材樹種的分類識別研究。劉亞娜[6]建立常見木材樹種的近紅外光譜識別模型，在此基礎(chǔ)上探討影響木材近紅外光譜識別技術(shù)的因素，并初步探討了木材近紅外光譜識別技術(shù)的機理。</p><

30、;p>　　2003 年，日本專家利用 NIR 分析技術(shù)結(jié)合馬氏距離對木材進行分類，成功識別出實驗中的每類木材[7]。Adedipe[8]等利用近紅外光譜和 SIMCA 實現(xiàn)了紅橡木和白橡木的在線快速分類和分離。Russ[9]等研究了一種利用近紅外漫反射光譜結(jié)合 PCA 以木材芯片的形式確定闊葉樹種的方法。2010 年，F(xiàn)ujimoto[10]等利用近紅外光譜技術(shù)識別出了同種木材的死節(jié)和活節(jié)。Pastore[11,12]等將 4 種

31、常用的珍貴木材：大葉桃花心木、圭亞那棟樹、西班牙柏木和南美桃花心木研磨成粉并采集其近紅外光譜進行分析，研</p><p>　　究表明利用近紅外光譜技術(shù)可以實現(xiàn)這 4 種木材的快速識別，但對樣本進行磨粉等加工處理，這顯然在實際應(yīng)用中并不適用。以上的研究都表明，近紅外光譜技術(shù)在木材識別領(lǐng)域的可行性。</p><p>　　目前針對于近紅外技術(shù)結(jié)合移動設(shè)備和云端計算思想方面的研究有：祁興普、陳通[

32、13]等基于 Android 操作系統(tǒng)，針對 MicroNIR1700 微型近紅外光譜儀開發(fā)微型近紅外實時監(jiān)測云系統(tǒng)，實現(xiàn)了 Android 應(yīng)用程序?qū)t外光譜儀的控制、光譜采集、樣品指標檢測、短信通知等功能，需要把相應(yīng)的模型導入到手機中，光譜分析計算在 Android 手機上完成，云端服務(wù)只負責數(shù)據(jù)信息的保存。翟建龍[14]基于 Andorid 平板，針對 MicroNIR1700 光譜儀，設(shè)計了一種穩(wěn)定的便攜式針對臍橙水果品質(zhì)檢測

33、裝置，對臍橙品質(zhì)建立了近紅外分析模型，對成熟期和不成熟期的同一品種的臍橙的 pH 值</p><p>　　和果皮厚度與近紅外光譜吸光度建立 PLS 模型。使用 Eclipse 和 Android SDK 開發(fā)了水果光譜采集和品質(zhì)檢測的軟件。其設(shè)計思想依然是單機版的分析設(shè)備，未能結(jié)合云端計算的概念。利用云計算結(jié)合近紅外光譜的研究有黃華、祝詩平[15]等提出了利用云</p><p><b

34、>　　6</b></p><p><b>　　緒論</b></p><p>　　計算中的高性能服務(wù)器代替單機版主機，在云服務(wù)器上開發(fā)近紅外光譜軟件分析系統(tǒng)，并詳細分析了近紅外光譜云計算分析系統(tǒng)的架構(gòu)與設(shè)計步驟。實驗結(jié)果與單機環(huán)境下一致。然而該論文主要是提出近紅外光譜技術(shù)和云計算的結(jié)合思想，在具體實現(xiàn)方面則不甚詳細。</p><p&

35、gt;　　相關(guān)研究都表明近紅外光譜技術(shù)在木材識別方面的可行性，而結(jié)合云端計算的思想近些年來也隨著云計算概念的流行開始越來越多的應(yīng)用。本文參考了以上論文的研究成果，構(gòu)建移動近紅外珍稀木材云服務(wù)系統(tǒng)。</p><p>　　1.3 課題的研究內(nèi)容</p><p>　?。?）整個系統(tǒng)的方案設(shè)計</p><p>　　在對近紅外光譜相關(guān)的定性分析算法、CShap 編程語言、As

36、p.Net Web Api 服務(wù)端</p><p>　　編程、Windows Forms 客戶端以及 Android 操作系統(tǒng)應(yīng)用程序開發(fā)進行了深入的學習和理解之后，設(shè)計了整個近紅外珍稀木材鑒別云服務(wù)系統(tǒng)的設(shè)備到客戶端，客戶端到服務(wù)端三層結(jié)構(gòu)。分別對建模系統(tǒng)，服務(wù)端，客戶端程序各個模塊功能進行了詳細的設(shè)計。</p><p>　　（2）研究近紅外光譜定性分析方法及其編程實現(xiàn)，及對六種木材光譜

37、樣本的收集并建立分類判別模型，測試模型的準確性。</p><p>　　建模方法的編寫是整個系統(tǒng)中最重要和關(guān)鍵的部分，直接關(guān)系到系統(tǒng)的有效性。建模系統(tǒng)的設(shè)計還要有擴展性，因為光譜數(shù)據(jù)處理包括一系列的預處理方法、波長段選擇、定性建模方法。</p><p>　?。?）研究服務(wù)端的編程實現(xiàn)</p><p>　　模型建立好以后，要把模型文件放到云端服務(wù)器，服務(wù)端程序?qū)崿F(xiàn)兩個功

38、能：1）</p><p>　　能夠接受并處理客戶端上傳來的光譜文件。2）能夠調(diào)用保存在云端的模型文件，使用模型文件里面保存的預處理，波長段選擇，建模算法等計算程序?qū)Υ郎y光譜進行預</p><p>　　測判別，得出評價結(jié)果返回給客戶端程序。本課題服務(wù)端程序開發(fā)使用 Asp.Net Web</p><p>　　Api 編程技術(shù)實現(xiàn)。</p><p&g

39、t;　?。?）Windows Forms 應(yīng)用程序的編程實現(xiàn)</p><p>　　針對 Windows 操作系統(tǒng)平臺的設(shè)備，對 Windows Forms 客戶端應(yīng)用程序進行編程實現(xiàn)，實現(xiàn)其中的三大功能模塊：近紅外光譜儀交互模塊，圖譜的列表和圖形化顯示模塊，服務(wù)器交互模塊。</p><p>　?。?）Android 應(yīng)用程序的編程實現(xiàn)</p><p>　　針對 An

40、dorid 操作系統(tǒng)開發(fā)相應(yīng)的客戶端應(yīng)用程序，實現(xiàn)其中的三大功能模塊：</p><p>　　近紅外光譜儀交互模塊，圖譜的列表和圖形化顯示模塊，服務(wù)器交互模塊。</p><p>　　1.4 課題的研究意義</p><p>　　本系統(tǒng)的設(shè)計是基于對上面研究背景中所提及到的問題的分析，建立起一個近紅</p><p><b>　　7<

41、/b></p><p>　　移動近紅外珍稀木材鑒別云服務(wù)系統(tǒng)的設(shè)計與實現(xiàn)</p><p>　　外云端計算的服務(wù)系統(tǒng)，分別開發(fā)相應(yīng)的 Android 應(yīng)用程序和 Windows Forms 應(yīng)用程序客戶端實現(xiàn)一個云多個端的系統(tǒng)結(jié)構(gòu)。本課題的研究意義如下：</p><p>　　（1）實現(xiàn)云端 Web Api 服務(wù)程序，能夠接受客戶端所采集上傳的光譜，并保存，實現(xiàn)木

42、材判別模型的存儲，程序調(diào)用模型和光譜進行預測判別，并且給客戶端返回響應(yīng)結(jié)果。實現(xiàn)近紅外檢測的聯(lián)網(wǎng)和云端計算功能，解決移動設(shè)備計算能力薄弱的缺點。</p><p>　?。?）實現(xiàn) Windows Forms 應(yīng)用程序和 Android 端應(yīng)用程序，并且部署到 Windows</p><p>　　10 平板和 Android 手機上，使手持的設(shè)備可以采集近紅外光譜，并對光譜數(shù)據(jù)進行顯示，管理，

43、上傳等功能，實現(xiàn)近紅外采集光譜譜軟件和設(shè)備的便攜化，手持化，移動化。</p><p>　?。?）利用互聯(lián)網(wǎng)思維提高近紅外光譜技術(shù)應(yīng)用水平的高度和廣度，以及在實際生產(chǎn)環(huán)境中節(jié)省成本，提高作業(yè)效率提供了一種解決手段。</p><p>　　綜上所述，本課題的開展對實際生產(chǎn)環(huán)境近紅外光譜珍稀木材檢測技術(shù)在移動化，便攜化，云端計算方面的實際開發(fā)操作部署方面具有比較現(xiàn)實的參考意義。</p>

44、<p><b>　　8</b></p><p><b>　　相關(guān)理論和技術(shù)基礎(chǔ)</b></p><p><b>　　相關(guān)理論和技術(shù)基礎(chǔ)</b></p><p>　　2.1 近紅外光譜技術(shù)的理論基礎(chǔ)</p><p>　　2.1.1 近紅外光譜技術(shù)原理</p&g

45、t;<p>　　近紅外（Near Infrared, NIR）區(qū)域按 ASTM 定義是指波長在 780～2526 nm 范圍</p><p>　　內(nèi)的電磁波。近紅外光譜（Near-Infrared Spectroscopy, NIRS）屬于分子振動光譜，產(chǎn)生于共價化學鍵非諧能級振動，是非諧振動的倍頻和組合頻，位于可見光和中紅外光</p><p>　　區(qū)之間，適用于測定含 C-

46、H、N-H、O-H 等基團的物質(zhì)，由于不同基團產(chǎn)生的光譜吸</p><p>　　收峰位置和強度都不同，根據(jù) Lambert-Beer 吸收定律，吸收光譜會隨著樣品成分組成或結(jié)果的變化而產(chǎn)生變化[16]。</p><p>　　2.1.2 近紅外光譜技術(shù)</p><p>　　近紅外光譜技術(shù)，是根據(jù)近紅外波段內(nèi)的透射和反射光譜，對研究對象進行定性和定量分析的現(xiàn)代分析技術(shù)，

47、因其具有高效、快速、成本低和綠色環(huán)保等特點，已被廣泛用于食品[17]、藥品[18]、林業(yè)[19]、農(nóng)業(yè)[20]等領(lǐng)域中，是近年來分析化學領(lǐng)域迅猛發(fā)展的高新分析技術(shù)。</p><p>　　2.1.2.1 近紅外光譜技術(shù)構(gòu)成</p><p>　　近紅外光譜技術(shù)主要包括近紅外光譜儀、化學計量學軟件和多元校正模型等。近紅外光譜儀是用于采集被測樣品近紅外光譜的設(shè)備，化學計量學軟件是用于關(guān)聯(lián)光譜和樣品

48、性質(zhì)的工具，而校正模型是用于反映樣品光譜與性質(zhì)之間對應(yīng)關(guān)系的定量或定性的工作曲線。</p><p><b>　?。?）近紅外光譜儀</b></p><p>　　近紅外光譜儀的基本構(gòu)造與普通光譜儀相同，都主要由光源系統(tǒng)、分光系統(tǒng)、測量器件、檢測器、控制和數(shù)據(jù)處理系統(tǒng)及記錄顯示系統(tǒng)這 6 大部分構(gòu)成[21]。</p><p>　　傳統(tǒng)分析儀因體積大

49、、制樣繁瑣、檢測速度慢、費用較高，隨著微機電系統(tǒng)（Micro-</p><p>　　Electro-Mechanical System, MEMS）技術(shù)的興起，近幾年國際上出現(xiàn)了一些基于 MEMS</p><p>　　技術(shù)的新型近紅外光譜儀，具有重量輕、體積小、速度快、壽命長、可集成化以及成本低等優(yōu)點，推動了光譜儀的小型化、便攜化[22]，本研究中采用的就是基于 MEMS 技術(shù)的微型近紅外

50、光譜儀。</p><p><b>　　（2）化學計量學</b></p><p>　　化學計量學（Chemometrics）是一門應(yīng)用數(shù)學統(tǒng)計學與計算機科學的工具，設(shè)計或選擇最優(yōu)量測程序和試驗方法，并通過解析化學量測數(shù)據(jù)最大限度地獲取信息的化學分支學科[23]。近紅外光譜吸收強度弱，光譜信噪比低，易有一些與待測樣本性質(zhì)無關(guān)的信息造成的干擾，因此，對例如木材這種樣本進行近

51、紅外光譜分析就需要從重疊、變動的光譜中提取微弱信息，化學計量學方法不可或缺，其主要作用是建立近紅外光譜和組分（性質(zhì)）之間的數(shù)學橋梁，建立校正模型對未知樣品實現(xiàn)預測[24]。因此，近</p><p><b>　　9</b></p><p>　　移動近紅外珍稀木材鑒別云服務(wù)系統(tǒng)的設(shè)計與實現(xiàn)</p><p>　　紅外光譜技術(shù)的化學計量學方法主要涉及三

52、方面內(nèi)容：一是光譜預處理方法研究，對樣本光譜進行預處理，減少以至于消除各種非目標因素對光譜造成的影響；二是光譜特征波長的選擇與提取，有選擇性地提取與分類目標有關(guān)的信息并抑制非相關(guān)特征和噪聲的影響；三是近紅外光譜校正方法研究，以期建立穩(wěn)健、可靠、靈敏度高的校正模型。</p><p>　　2.1.2.2 近紅外光譜技術(shù)的測量過程</p><p>　　本課題的研究對象為紅木，首先采集制備樣品并通

53、過實驗室方法測定木材樣品的性質(zhì)，對樣品進行分類，分為校正集和驗證集，對校正集樣本進行近紅外光譜掃描，對掃描的光譜進行預處理。然后將測得的樣品性質(zhì)添加到樣品集中，用化學計量學軟</p><p>　　件進行建模，對模型進行校正，最后用建立的模型對未知樣品進行預測，圖 2.1 展示了整個測量過程。</p><p>　　圖 2.1 木材近紅外光譜技術(shù)測量過程</p><p>

54、;　　Figure 2.1 Detection of wood by using near infrared spectroscopy</p><p>　　2.1.3 近紅外光譜技術(shù)特點</p><p>　　與傳統(tǒng)分析技術(shù)相比，近紅外光譜分析技術(shù)主要有以下幾個優(yōu)點:</p><p>　　（1）速度快。測量過程只需 1-2 分鐘，通過事先建立好的分析模型可以快速檢測出

55、樣本的組成成分或性質(zhì)。</p><p>　?。?）效率高。通過一次光譜的測量和所建定量或定性模型，可同時對樣本中的各組分或性質(zhì)進行檢測。</p><p>　?。?）不需化學試劑，不污染環(huán)境。近紅外光譜分析技術(shù)只需樣品的光譜，不需要添加任何化學劑，避免了有害物質(zhì)的產(chǎn)生，綠色環(huán)保。</p><p>　?。?）可在線分析。由于近紅外光在光纖中具有良好的傳輸特性，通過光纖可

56、以實現(xiàn)光譜儀遠距離和復雜惡劣環(huán)境在線測量。</p><p>　　雖然近紅外技術(shù)與化學法及其他儀器方法相比有許多優(yōu)勢，但也有它的局限性，主要表現(xiàn)在以下兩個方面：一是近紅外光譜分技術(shù)是一種間接分析技術(shù)。前期需要花費較多的時間和費用建立模型且模型需要維護和升級，模型建立的質(zhì)量和模型的合理</p><p><b>　　10</b></p><p>&l

57、t;b>　　相關(guān)理論和技術(shù)基礎(chǔ)</b></p><p>　　使用直接影響分析結(jié)果的準確性；二是測試靈敏度較低。這主要是由于近紅外光譜作為分子振動的非諧振吸收躍遷幾率較低。</p><p>　　2.2 材料和定性分析方法</p><p>　　2.2.1 實驗樣本</p><p>　　本系統(tǒng)對四種紅木進行定性判別建模，分別是：奧

58、氏黃檀，刺猬紫檀，大果紫檀，非洲紫檀。木材來源為本實驗室采集全國各地珍稀木材生產(chǎn)廠家的這四種木材邊角料，</p><p>　　經(jīng)由專業(yè)老師鑒定，確保木材樣本的準確性。在測試環(huán)境溫度 25℃下，每個木材樣品經(jīng)過近紅外光譜儀光纖探頭掃描，采集和整理的四類木材近紅外光譜樣本數(shù)據(jù)見表</p><p><b>　　2.1。</b></p><p>　　表

59、 2.1 四類珍稀木材近紅外光譜樣本集</p><p>　　Table 2.1 Near infrared spectra of four kinds of rare wood</p><p><b>　　樣本數(shù)</b></p><p><b>　　珍稀木材種類</b></p><p><b&

60、gt;　　校正集驗證集</b></p><p>　　奧氏黃檀9030</p><p>　　刺猬紫檀9030</p><p>　　大果紫檀9030</p><p>　　非洲紫檀9030</p><p>　　2.2.2 試驗方法</p><p>　　2.2.2.1 預處

61、理方法</p><p>　　近紅外光譜儀采集的原始數(shù)據(jù)中除包含與樣本化學結(jié)構(gòu)相關(guān)的信息外，同時也包含對光譜圖中信息產(chǎn)生干擾的噪音信號，從而影響模型的建立和對未知樣品的預測。因此，光譜數(shù)據(jù)預處理主要用于篩選數(shù)據(jù)、消除噪聲和其他因素對數(shù)據(jù)信息的影響，為校正模型的建立和未知樣品的準確預測打下數(shù)據(jù)基礎(chǔ)。常用的數(shù)據(jù)預處理方法有數(shù)據(jù)平滑、數(shù)據(jù)求導等[25-27]。</p><p><b>　

62、　（1）數(shù)據(jù)平滑處理</b></p><p>　　平滑處理是消除噪聲最常用的一種方法，其基本假設(shè)是光譜含有的噪聲為零均隨機白噪聲，若多次測量取平均值便可有效地平滑高頻噪聲，提高信噪比。常用的信號平滑方法有移動平均平滑法和 Savitzky-Golay 卷積平滑法[28]。本文采用 Savitzky-Golay 卷積平滑法，相比移動平均平滑法，Savitzky-Golay 卷積平滑法是通過多項式來對移動

63、窗口內(nèi)的數(shù)據(jù)進行多項式最小二乘擬合，本質(zhì)上是一種加權(quán)平均法，更強調(diào)中心點的中心作用。</p><p><b>　?。?）數(shù)據(jù)求導處理</b></p><p>　　由于儀器、樣品背景及其他因素影響，采集的近紅外光譜經(jīng)常出現(xiàn)譜圖偏移或漂</p><p><b>　　11</b></p><p>　　移動

64、近紅外珍稀木材鑒別云服務(wù)系統(tǒng)的設(shè)計與實現(xiàn)</p><p>　　移現(xiàn)象，且對于樣品不同組分之間的相互干擾導致光譜譜線重疊的現(xiàn)象，可采用求導</p><p>　　的方法進行基線校正處理。常用的光譜求導方法一般有兩種：直接差分法和 Savitzky-</p><p>　　Golay 卷積求導法。對于分辨率高、波長采樣點多的光譜，采用直接差分法求導后的</p>

65、<p>　　光譜與實際相差不大，但對于波長采樣點不多的光譜，該方法所求的導數(shù)誤差較大，</p><p>　　因此可采用 Savitzky-Golay 卷積求導法計算。</p><p><b>　?。?）正交信號校正</b></p><p>　　正交信號校正（Orthogonal Signal Correction, OSC）是 19

66、98 年 Wold 等[29]提出的一種光譜預處理方法，其基本思想是利用正交化方法，消除光譜中與預測值無關(guān)的部</p><p>　　分，從而得到“純凈”的光譜。OSC 主要用于光譜過濾，刪除數(shù)據(jù)中不理想的系統(tǒng)變化如基線漂移等，以提高模型的性能。</p><p>　　2.2.2.2 建模方法</p><p>　　簇類獨立軟模式法（Soft Independent Mo

67、delling of Class Analogy, SIMCA）</p><p>　　SIMCA 是一種以主成分分析為基礎(chǔ)的方法，其基本原理是對校正集中每一類樣</p><p>　　本的光譜數(shù)據(jù)矩陣分別進行主成分分析，建立每一類的主成分分析數(shù)學模型，然后對</p><p>　　未知樣本分類?；谥鞒煞址治龅?SIMCA 判別方法主要步驟為：</p>&

68、lt;p>　?、偈紫葘πＵ瘶颖镜墓庾V數(shù)據(jù)進行主成分分析，通過主成分分析為每一類樣本建立一個主成分分析模型；</p><p>　?、谟嬎阄粗獦颖九c各校正集主成分分析模型的距離，找出最小距離的類。</p><p>　　對于校正集中的各類，如類 k，可建立其各自的主成分分析模型：</p><p>　　式(2.1)中 為校正集第 k 類所有樣本的近紅外光譜矩陣（ n

69、 ? p ）；n 為第 k 類所有樣本數(shù)；p 為波長變量數(shù)； 為得分矩陣（ n ? f ）；?為最佳主成分數(shù)，其可通過交互驗</p><p><b>　　12</b></p><p><b>　　相關(guān)理論和技術(shù)基礎(chǔ)</b></p><p>　　s 2 ，則樣本不屬于 k 類。</p><p>　　有

70、類似的數(shù)量級，則此樣本可歸于 k 類。若</p><p><b>　　s2</b></p><p><b>　　new</b></p><p><b>　　></b></p><p>　　2.3 Asp.Net Web Api 服務(wù)端技術(shù)</p><p

71、>　　Asp.Net Web Api 是一種在.NET Framework 上建立 RESTful 風格應(yīng)用程序的框架，</p><p>　　用于輕松構(gòu)建可被多種客戶端（包括瀏覽器和移動設(shè)備）訪問的基于 HTTP 網(wǎng)絡(luò)協(xié)議的服務(wù)端程序[30]。</p><p>　　2.3.1 Asp.Net Web Api 背景</p><p>　　隨著 RESTful 服務(wù)

72、架構(gòu)的流行，微軟本身傳統(tǒng)的 Services 框架 WCF 臃腫和龐大的體型及繁瑣的各種配置開始逐漸不能滿足企業(yè)快速搭建輕量級、多樣化的服務(wù)框架</p><p>　　的需求，而微軟也意識到了這個嚴重性的問題。13 年初，伴隨著 VS2012 團隊及.NET4.5</p><p>　　框架的發(fā)布，微軟正式推出 Asp.Net Web Api。作為 Asp.Net MVC 4 的一部分，Asp

73、.Net</p><p>　　Web Api 的設(shè)計目的就是簡化 RESTful 服務(wù)的開發(fā)。</p><p>　　Asp.Net Web Api 不是架構(gòu)的一次升級，而是一個全新的框架。它取 WCF Web Api</p><p>　　ASP.NET MVC 優(yōu)點和精華于一身，去除 WCF 本身較繁瑣的配置問題，只因?qū)Ｗ⑻峁┗?HTTP 協(xié)議的 Service，

74、使得 Asp.Net Web Api 服務(wù)開發(fā)人員可快速開發(fā)出自身使用或?qū)ν夤_的 Web Api。極大地滿足了為多種客戶端同時提供服務(wù)的開發(fā)需求。</p><p>　　Asp.Net Web Api 可以在多種多樣的場景下使用。如圖 2.2 所示，通過使用純粹的 HTTP，它十分的輕量化，很適合被低功耗的設(shè)備使用，另外，他可以被基于瀏覽器的 web 應(yīng)</p><p>　　用提供服務(wù)，最

75、后由于他是建立在 HTTP 協(xié)議之上，它也可以為分布式的云計算和企業(yè)級應(yīng)用提供計算服務(wù)。</p><p><b>　　13</b></p><p>　　移動近紅外珍稀木材鑒別云服務(wù)系統(tǒng)的設(shè)計與實現(xiàn)</p><p>　　2.2 Asp.Net Web Api 可以用于廣泛多樣的場景</p><p>　　Figure 2.2

76、 Asp.Net Web Api can be used for a wide variety of scenarios</p><p>　　2.3.2 Asp.Net Web Api 的體系結(jié)構(gòu)</p><p>　　Asp.Net Web Api 具有非?，F(xiàn)代化的設(shè)計，利用了.NET Framework 框架最新版本的</p><p>　　強大的功能，但是它的核心

77、，是建立在一個簡單的管道和過濾器的設(shè)計模式，Asp.Net</p><p>　　Web Api 團隊做了一些關(guān)鍵的決定，這些決定是這個架構(gòu)具有很好的魯棒性，模塊化，</p><p>　　和可測試性，一些重要的決定包括：</p><p>　　異步的方式：Asp.Net Web Api 框架采用自頂向下的任務(wù)異步編程模型，這是框架具有很強的擴展性。</p>

78、<p>　　不在具有 HttpContext.Current ：雖然 Asp.Net MVC 把 HttpContext 包含進 HttpContextBase 中為了更好的可測試性，Asp.Net Web Api 在這方面做的更多，它把 request 的上下文屬性都存儲在 Request.Properties 字典里面。雖然 HttpContext.Current</p><p>　　仍能在 As

79、p.Net Web Api 中工作，但是強烈建議不使用它，因為很有可能在基于任務(wù)的異步進程轉(zhuǎn)化中丟失上下文。</p><p>　　客戶端庫復制相同的 HTTP 管道和服務(wù)器庫一致：這有助于統(tǒng)一的編程模型，以及易于集成測試，因為你可以很快的喚醒客戶端和服務(wù)器通信，并通過客戶端的管道直接連接到服務(wù)端管道。</p><p>　　能夠宿主在 IIS 服務(wù)器和任何的 self-hosted 服務(wù)器，

80、圖 2.3 展示了 Web Api 管在</p><p><b>　　14</b></p><p><b>　　相關(guān)理論和技術(shù)基礎(chǔ)</b></p><p>　　IIS 及自托管的框架：</p><p>　　HTTP RequestHTTP Response</p><p>

81、　　HTTPServer</p><p>　　HttpRequestMHttpRespon</p><p>　　essageseMessage</p><p>　　DlegatingHandler</p><p>　　HttpRoutingDispatcher</p><p><b>　　Filters&

82、lt;/b></p><p>　　Controller Action</p><p>　　2.3 Asp.Net Web Api 整體框架 Figure 2.3 Asp.Net Web Api whole frame</p><p>　　支持依賴注入：Asp.Net Web Api 支持任何自定義的依賴注入框架通過簡單的服務(wù)定位接口。</p>&

83、lt;p>　　可以對框架本身的組件服務(wù)定位：可以自定義很多 Asp.Net Web Api 元素來支持你自己定義的實現(xiàn)。</p><p>　　高可測試性：Asp.Net Web Api 框架所有的模塊幾乎都是可測試的。</p><p>　　HttpConfiguration：Asp.Net Web Api 運行時上下文在 HttpConfiguration 類中進行</p>

84、;<p>　　抽象和呈現(xiàn)，HttpConfiguration 是定義運行時每個方面的核心位置，它沒有靜態(tài)的屬</p><p>　　性讓它更易于測試，重要的上下文屬性包括：Routes（路由）、Message handlers（消息處理器）、Global filters（全局過濾器）、Formatters（格式器）、Dependency resolver（依賴解析器）、Parameter bindin

85、g providers（參數(shù)綁定提供者）。</p><p><b>　　15</b></p><p>　　移動近紅外珍稀木材鑒別云服務(wù)系統(tǒng)的設(shè)計與實現(xiàn)</p><p>　　2.4 Windows Forms 技術(shù)基礎(chǔ)</p><p>　　Windows Forms 是.NET Framework 下的一組托管庫，被設(shè)計用

86、來開發(fā)豐富的客戶</p><p>　　端應(yīng)用程序。它是一個圖形化的數(shù)據(jù)接口用來顯示數(shù)據(jù)和管理用戶交互，使客戶端應(yīng)</p><p>　　用程序更容易部署和具有更好的安全性。Windows Forms 提供了一個內(nèi)容豐富的客戶端程序庫接口從托管代碼訪問本地窗口圖形界面元素。它是建立在事件驅(qū)動的體系結(jié)構(gòu)，類似于窗口客戶端，因此，它等待用戶的輸入來執(zhí)行程序。</p><p>

87、;　　Windows Forms 中的每一個控件都是一個類的具體實例。在 GUI 及其行為控制布局的使用方法和訪問管理。窗口形式提供了各種控件，例如文本框、按鈕和網(wǎng)頁以及創(chuàng)建自定義控件的選項。它還包含用于創(chuàng)建畫筆、字體、圖標和其他圖形對象（如直線和圓）的類。</p><p>　　Windows Forms Designer 是 Visual Studio .NET 下的一個工具，用來在窗體上插入</p>

88、;<p>　　控件并且安排它們的布局，用于添加代碼來處理事件，實現(xiàn)用戶交互。表格數(shù)據(jù)綁定</p><p>　　到 XML，數(shù)據(jù)庫的數(shù)據(jù)可以使用 DataGrid 控件顯示。</p><p>　　應(yīng)用程序設(shè)置是 Windows Forms 的另一個功能，用于創(chuàng)建、存儲和維護運行時狀態(tài)信息，可用于檢索用戶首選的設(shè)置，如工具欄位置和最近使用的列表。這些設(shè)置可以在未來的應(yīng)用程序中重復

89、使用。</p><p>　　一些構(gòu)建 Windows Forms 應(yīng)用程序的最佳實踐包括：窗體類可以擴展，使用繼承，設(shè)計一個可以提供高層次的抽象和代碼重用的應(yīng)用程序框架。Forms 應(yīng)該是緊湊的，可以控制它的大小，提供最小化的功能。此外，控件的動態(tài)創(chuàng)建和刪除可以</p><p>　　減少靜態(tài)控件的數(shù)量。Forms 可以被分解成快打包在程序集中，可以自定的更新自己，被管理時對程序的影響減少到

90、最小。設(shè)計應(yīng)用程序是無狀態(tài)的，可擴展性和易于調(diào)試和維護的靈活性。窗體應(yīng)用程序應(yīng)根據(jù)所需的信任級別設(shè)計，需要對權(quán)限請</p><p>　　求，并在必要的情況下處理安全異常。Windows Forms 不能通過跨應(yīng)用程序域邊界，因為他們并不是被設(shè)計為使用跨應(yīng)用程序域[32]。</p><p><b>　　16</b></p><p><b&g

91、t;　　相關(guān)理論和技術(shù)基礎(chǔ)</b></p><p>　　Object Application</p><p><b>　　Component</b></p><p><b>　　Control</b></p><p>　　ScrollableControl</p>&l

92、t;p>　　ContainerControl</p><p><b>　　Form</b></p><p>　　UserControl</p><p>　　CommonDialog</p><p>　　System.Windows.Forms</p><p>　　2.4 Windows Fo

93、rms 程序中的主要類及其層次關(guān)系</p><p>　　Figure 2.5 Windows Forms main classes and their hierarchical relationships</p><p>　　圖 2.5 展示了 Windows Forms 程序中的主要類及其層次關(guān)系，下面對每個類進行簡單的介紹：</p><p>　　Control

94、類:Control 是其他控件的基類。它具備了控件的最基礎(chǔ)的功能,比如控件大小, 控件是否可視等。 Button 控件,TextBox 控件等都派生于 Control 類。</p><p>　　ScrollableControl 類: ScrollableControl 繼承于 Control 類并且給所有需要滾動條的控件實現(xiàn)了自動滾動的功能。</p><p>　　CommonDialog

95、 類: CommonDialog 是所有對話框的基類。比如 OpenFileDialog,PrintDialog 都繼承于 CommonDialog 類。</p><p>　　ContainerControl 類: ContainerControl 繼承于 ScrollableControl 添加了標志和焦點管理功能用于放置其他控件。</p><p>　　Form 類: Form 類繼承自

96、 ContainerControl 并且描述了所有顯示在應(yīng)用程序中的窗口。 Form 類提供的屬性和方法允許你顯示不同類型的 forms, 包含對話框和多文檔界面 (MDI) forms。所有 Windows Forms 都派生自這個類,因為它提供了 forms 所需要的基本功能。</p><p>　　UserControl 類: UserControl 繼承于 ContainerControl 類并且提供了空白

97、的控件讓你可以使用 Windows Forms Designer 工具來自定義自己的所需控件。</p><p>　　Application 類: 封裝了 Windows Forms 程序運行時的各種操作[33]。</p><p>　　2.5 Android 技術(shù)基礎(chǔ)</p><p>　　2.5.1 Android 操作系統(tǒng)架構(gòu)</p><p>

98、;　　如圖 2.6 所示，Android 系統(tǒng)是由五個不同層次構(gòu)成的軟件棧，每一層尤其獨立相應(yīng)的作用，并且從底層到最高層，分別依次向上層提供服務(wù)。位于最下面一層的是</p><p>　　Linux 內(nèi)核，它的上一層是 Android 運行時和本地標準庫，接著是應(yīng)用程序框架層，</p><p>　　該層負責實現(xiàn) Android 應(yīng)用程序與下層本地庫和 Linux 內(nèi)核的之間的交互，最高一層&

99、lt;/p><p><b>　　17</b></p><p>　　移動近紅外珍稀木材鑒別云服務(wù)系統(tǒng)的設(shè)計與實現(xiàn)</p><p>　　則是 Andorid 應(yīng)用程序[34]。</p><p>　　2.5 Android 系統(tǒng)架構(gòu) Figure 2.6 Android system architecture</p>

100、<p>　　Linux 內(nèi)核：Linux 內(nèi)核層處在 Android 軟件棧的最底層，它是傳統(tǒng)桌面 Linux 系</p><p>　　統(tǒng)經(jīng)過內(nèi)核提取，修改，優(yōu)化，使其運行在移動設(shè)備上更加優(yōu)良合適。</p><p>　　標準庫：Android 包含了一些 C 和 C++語言編寫的支持庫，Android 應(yīng)用程序可</p><p>　　以通過 JNI（Ja

101、va 本地接口）調(diào)用如下表格 2.2 中所示的這些支持庫提供功能。</p><p><b>　　18</b></p><p><b>　　相關(guān)理論和技術(shù)基礎(chǔ)</b></p><p>　　Android 運行時：主要是指 Android 虛擬機技術(shù)（Dalvik）。Dalvik 不是一種基于</p><p

102、>　　棧的虛擬機，而是基于寄存器的虛擬機，可以根據(jù)不同的硬件設(shè)備進行優(yōu)化，每次執(zhí)</p><p>　　Dalvik 中的可執(zhí)行文件。而 Java 虛擬機執(zhí)行的則是 Java 標準字節(jié)碼，這是兩者的不同之處。</p><p>　　應(yīng)用程序框架：應(yīng)用框架層直接支撐應(yīng)用層，該層為開發(fā)人員提供了一組豐富功能的 APIs。開發(fā)人員可以直接調(diào)用。主要包括：View 視圖系統(tǒng)、資源管理器、內(nèi)容管理

103、器、通知管理器、活動管理器、窗口管理器、包管理器等。</p><p>　　應(yīng)用程序：Andorid 系統(tǒng)附帶了一些基本的必需的應(yīng)用程序，包括電話、短信息、瀏覽器、日歷、地圖、聯(lián)系人等核心應(yīng)用，應(yīng)用程序構(gòu)成了整個框架的最高層。</p><p>　　2.5.2 應(yīng)用程序組成</p><p>　　Andorid 應(yīng)用程序主要包括四大組件：Activity、Broadcas

104、t Receiver、Content Provider</p><p>　　和 Service。這些組件組成 Android 應(yīng)用程序的核心內(nèi)容，它們之間通過 Intent 來彼此交互溝通，傳達信息和數(shù)據(jù)。</p><p>　　(1)Activity</p><p>　　Activity 是 Android 系統(tǒng)組件中最常用最基本的組件，Activity 是應(yīng)用程序

105、的入口，</p><p>　　負責和用戶交互交互，它占據(jù)一個單獨的屏幕，監(jiān)聽和處理用戶操作所產(chǎn)生的事件都</p><p>　　在 Activity 中完成，一個應(yīng)用程序可以包含多個 Activity，當一個活動被開啟時，此</p><p>　　Activity 會被推到棧頂位置，這時該 Activity 是顯示在屏幕中、具有焦點、可接受并響應(yīng)用戶操作。如果活動結(jié)束，

106、那么 Activity 就會被銷毀。圖 2.7 表示了 Activity 生命周期</p><p>　　2.6 Activity 生命周期 Figure 2.7 Activity life cycle</p><p>　　Activity 是由 Android 系統(tǒng)進行管理和維護的，它有一個產(chǎn)生、運行、銷毀的周</p><p>　　期，對于應(yīng)用程序開發(fā)者而言，關(guān)鍵的

107、是對其生命周期的理解和把握，對其狀態(tài)修改</p><p>　　或者 Activity 之間發(fā)生跳轉(zhuǎn)時其中所包含的數(shù)據(jù)的保存和傳輸。Activity 有三種基本</p><p><b>　　19</b></p><p>　　移動近紅外珍稀木材鑒別云服務(wù)系統(tǒng)的設(shè)計與實現(xiàn)</p><p>　　狀態(tài)：Resumed，在屏幕上被顯

108、示，該時刻 Activity 處在 task 的棧頂，同一時刻只能有一個 Activity 處于 Resumed 狀態(tài)。Paused 狀態(tài)，該狀態(tài)表示 Activity 處在暫停狀態(tài)，部分可以被看見，但是已經(jīng)失去了焦點。Stopped 狀態(tài)，此時 Activity 已經(jīng)不可被用戶看見，但是該 Activity 仍然駐留在內(nèi)存中，狀態(tài)和數(shù)據(jù)未被銷毀。</p><p>　　(2) Broadcast Receiver

109、</p><p>　　Broadcast Receiver 按照字面意思理解，為廣播消息接收器。在 Andorid 操作系統(tǒng)</p><p>　　內(nèi)部，會發(fā)出許多的廣播信息，比如電力不足，收到來電等。應(yīng)用程序可以通過</p><p>　　Broadcast Receiver 來接受系統(tǒng)發(fā)出的信息。其功能和事件監(jiān)聽類似，但是它是系統(tǒng)層</p><p

110、>　　面的監(jiān)聽，有自己獨立的生命周期。</p><p>　　(3)Content Provider</p><p>　　Content Provider 為內(nèi)容提供者，Android 系統(tǒng)支持多個應(yīng)用程序中存儲和讀取數(shù)</p><p>　　據(jù)，內(nèi)容提供者則實現(xiàn)了應(yīng)用程序之間共享持久數(shù)據(jù)，每一個 Content Provider 都可</p>&l

111、t;p>　　以看做一個數(shù)據(jù)倉庫，通過定義 Content Provider 來暴露應(yīng)用程序所包含的數(shù)據(jù)。它采用一種標準的接口實現(xiàn)數(shù)據(jù)共享的安全性和高效性，其他程序可以通過相對應(yīng)的</p><p>　　Content Resolver 訪問相關(guān)數(shù)據(jù)。</p><p>　　(4)Service</p><p>　　Service 是一種專門運行在后臺的組件常用于執(zhí)

112、行耗時的操作，在創(chuàng)建和配置上與</p><p>　　Activity 類似，如鬧鐘、音樂播放器等應(yīng)用。服務(wù)組件功能強大，其可以與前臺的</p><p>　　Activity 組件聯(lián)系，建立雙向連接予以功能和數(shù)據(jù)的支持，也可以與 Intent 對象交互，</p><p>　　建立單向連接對所要實現(xiàn)的功能和數(shù)據(jù)進行操作計算。</p><p>&l

113、t;b>　　(5)Intent</b></p><p>　　Intent 為意圖，Android 中的組件需要通過 Intent 來相互溝通或相互調(diào)用，他還能</p><p>　　對數(shù)據(jù)進行傳遞，其中組件之間彼此溝通的橋梁作用。專門為組件互相調(diào)用提供信息，實現(xiàn)調(diào)用者和被調(diào)用者之間的解耦[35]。</p><p><b>　　本章小結(jié)<