全文获取类型
收费全文 | 204535篇 |
免费 | 3680篇 |
国内免费 | 4593篇 |
专业分类
林业 | 6512篇 |
农学 | 9217篇 |
基础科学 | 29502篇 |
14418篇 | |
综合类 | 114670篇 |
农作物 | 3986篇 |
水产渔业 | 2752篇 |
畜牧兽医 | 20015篇 |
园艺 | 8539篇 |
植物保护 | 3197篇 |
出版年
2024年 | 902篇 |
2023年 | 3112篇 |
2022年 | 3246篇 |
2021年 | 3878篇 |
2020年 | 4034篇 |
2019年 | 5084篇 |
2018年 | 1992篇 |
2017年 | 4011篇 |
2016年 | 4705篇 |
2015年 | 6275篇 |
2014年 | 13039篇 |
2013年 | 12096篇 |
2012年 | 15985篇 |
2011年 | 16179篇 |
2010年 | 14593篇 |
2009年 | 14516篇 |
2008年 | 14311篇 |
2007年 | 12217篇 |
2006年 | 11901篇 |
2005年 | 10144篇 |
2004年 | 7100篇 |
2003年 | 6013篇 |
2002年 | 4826篇 |
2001年 | 4866篇 |
2000年 | 3957篇 |
1999年 | 2547篇 |
1998年 | 2024篇 |
1997年 | 1433篇 |
1996年 | 1221篇 |
1995年 | 1208篇 |
1994年 | 1177篇 |
1993年 | 1038篇 |
1992年 | 707篇 |
1991年 | 619篇 |
1990年 | 482篇 |
1989年 | 626篇 |
1988年 | 124篇 |
1987年 | 71篇 |
1986年 | 72篇 |
1985年 | 37篇 |
1984年 | 33篇 |
1983年 | 40篇 |
1982年 | 28篇 |
1981年 | 20篇 |
1980年 | 22篇 |
1977年 | 24篇 |
1975年 | 18篇 |
1965年 | 82篇 |
1957年 | 56篇 |
1953年 | 24篇 |
排序方式: 共有10000条查询结果,搜索用时 109 毫秒
51.
52.
53.
以菠萝蜜种子淀粉为壁材,采用饱和水溶液法制备香草兰精油微胶囊,以包埋产率为指标,采用响应面分析法对微胶囊的包埋条件进行优化探讨。结果表明:5个单因素中,影响最显著的因素为壁芯材比例、包埋温度和包埋时间。响应面优化得到香草兰精油微胶囊的最佳工艺条件为壁芯材比例为7.5∶1;包埋时间72 min;包埋温度54℃,此条件下的包埋产率为(95.46±0.2)%,包埋率为(76.35±0.6)%,载油量为(27.73±0.3)%。试验证明,此条件结果与模型预测值相吻合,此工艺条件可为菠萝蜜种子淀粉包埋香草兰精油微胶囊工艺提供理论依据。 相似文献
54.
55.
58.
采用响应面法优化超声波辅助提取薏苡仁低聚糖的工艺条件。在单因素试验基础上,选取液料比、超声波时间以及超声波功率3个因素结合Box-Behnken试验建立数学模型,分析考察3个因素对薏苡仁低聚糖响应值的影响程度,优化工艺参数。各因素对薏苡仁低聚糖提取率影响程度从大到小顺序依次为:超声波功率超声波时间液料比。响应面设计法优化出其最佳超声波提取条件为:超声波温度70℃,液料比33∶1(m L/g),超声波时间27 min,超声波功率450 W。在该条件下,薏苡仁低聚糖提取率为0.94%,与模型预测值0.98%接近。说明使用响应面法优化超声波辅助提取薏苡仁低聚糖的工艺条件是可行的。 相似文献
59.
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
60.