全文获取类型
收费全文 | 51335篇 |
免费 | 1895篇 |
国内免费 | 1365篇 |
专业分类
林业 | 2808篇 |
农学 | 2497篇 |
基础科学 | 1213篇 |
1854篇 | |
综合类 | 23943篇 |
农作物 | 2013篇 |
水产渔业 | 1789篇 |
畜牧兽医 | 9928篇 |
园艺 | 4581篇 |
植物保护 | 3969篇 |
出版年
2024年 | 388篇 |
2023年 | 1243篇 |
2022年 | 1594篇 |
2021年 | 1459篇 |
2020年 | 1569篇 |
2019年 | 1569篇 |
2018年 | 959篇 |
2017年 | 1265篇 |
2016年 | 1674篇 |
2015年 | 1936篇 |
2014年 | 2953篇 |
2013年 | 2877篇 |
2012年 | 3533篇 |
2011年 | 3521篇 |
2010年 | 3126篇 |
2009年 | 3331篇 |
2008年 | 3260篇 |
2007年 | 2633篇 |
2006年 | 2212篇 |
2005年 | 2069篇 |
2004年 | 1576篇 |
2003年 | 1239篇 |
2002年 | 1005篇 |
2001年 | 1118篇 |
2000年 | 797篇 |
1999年 | 783篇 |
1998年 | 648篇 |
1997年 | 509篇 |
1996年 | 513篇 |
1995年 | 450篇 |
1994年 | 495篇 |
1993年 | 423篇 |
1992年 | 395篇 |
1991年 | 397篇 |
1990年 | 335篇 |
1989年 | 321篇 |
1988年 | 92篇 |
1987年 | 84篇 |
1986年 | 54篇 |
1985年 | 21篇 |
1984年 | 10篇 |
1983年 | 15篇 |
1982年 | 17篇 |
1981年 | 12篇 |
1979年 | 9篇 |
1966年 | 20篇 |
1965年 | 6篇 |
1957年 | 14篇 |
1955年 | 11篇 |
1953年 | 21篇 |
排序方式: 共有10000条查询结果,搜索用时 127 毫秒
11.
12.
13.
14.
本文主要对辣椒组织培养过程中外植体的选取与消毒、培养基理化性质、各类植物激素和防褐化添加剂的影响效果进行了综述,同时,也对愈伤组织褐化机理、再生苗移栽的方法等进行了讨论,以期为辣椒的快繁育苗技术发展提供参考。 相似文献
15.
16.
为发掘对林木生长发育有利的优良微生物资源,并筛选适合叶表微生物的收集方法,以马尾松针叶为试验材料,分别用悬摇法和超声波法收集马尾松叶表微生物,用扩增子高通量测序技术、MUSCLE和Qiime软件研究马尾松叶表微生物的多样性。结果表明:扫描电镜观测结果显示,马尾松针叶表面定殖有大量微生物,包括真菌(菌丝及孢子)和细菌。扩增子高通量测序结果表明,马尾松叶表微生物物种丰富,包含细菌运算分类单位(OTUs)490个,真菌OTUs 1273个。马尾松叶表细菌以未分类的蓝细菌属(unidentified_Cyanobacteria)(36.53%)、未分类的拜叶林克氏菌属(unidentified_Beijerinckia)(28.60%)、鞘氨醇单胞菌属(Sphingomonas)(2.35%)为优势属;叶表真菌以枝孢属(Cladosporium)(2.45%)、拟盘多毛孢属(Pestalotiopsis)(0.92%)、无头孢菌属(Capnobotryella)(0.91%)为优势属。针对叶表细菌多样性的研究表明,悬摇法和超声波法均有较高的物种检出度;在叶表真菌多样性的研究中超声波法优于悬摇法,但超声波法样品间数据变异性较大,测定结果不稳定。 相似文献
17.
近年来象耳豆根结线虫的危害日益严重.为筛选抗象耳豆根结线虫的辣椒种质,本试验利用种属特异性引物对根结线虫病原物开展分子鉴定,确定为象耳豆根结线虫.接着采用室内人工接种法,对10份一年生辣椒种质和10份中国辣椒种质进行象耳豆根结线虫抗性鉴定,计算根结指数和卵粒指数,并通过比较隶属函数,发现其中3份辣椒种质对象耳豆根结线虫表现为高抗,抗病性最强的是L518M和L525-1M,L42M次之;10份表现为中抗;7份表现为感病,抗病能力最弱的是L69-1M;未发现免疫品种.本研究发现中国辣椒种质的抗病性整体高于一年生辣椒,是重要的抗病种质来源,可用于象耳豆根结线虫抗病育种和后续抗病机理的研究. 相似文献
18.
近年来,基于数字图像处理和机器学习算法的果实自动识别检测研究已经越来越成熟。针对传统检测方法检测过程中难以满足实时性要求的缺点,采用了基于Faster-RCNN的果实快速检测模型。模型由卷积神经网络(CNN)和区域提议网络(RPN)组成,首先由CNN进行卷积和池化操作提取特征,然后由RPN选取候选区域,通过网络全连接层参数共享,由目标识别分类器和边界框预测回归器得到多个可能包含目标的预测框,最后通过非极大值抑制挑选出精度最高的预测框完成目标检测。分别对桃子、苹果和橙子的三种果实进行检测,采用迁移学习方法,使用已经预训练好的两种深度神经网络模型ZFnet和VGG16,通过数据集的训练对Dropout及候选区域数量进行参数调整完成网络调优。检测并分析果实不同布局形态下模型的检测效果。试验结果表明,当Dropout取值为0.5或0.6,候选区域数量为300时网络模型最佳,ZFnet网络中,苹果平均精确度为92.70%,桃子为90.00%,而橙子为89.72%。VGG16网络中,苹果平均精度为94.17%,桃子为91.46%,橙子为90.22%。且ZFnet和VGG16的图像处理速度分别达到17 fps和7 fps,能够达到果实实时检测的目的。 相似文献
19.
20.