全文获取类型
收费全文 | 589篇 |
免费 | 24篇 |
国内免费 | 54篇 |
专业分类
林业 | 17篇 |
农学 | 22篇 |
基础科学 | 69篇 |
48篇 | |
综合类 | 206篇 |
农作物 | 7篇 |
水产渔业 | 49篇 |
畜牧兽医 | 228篇 |
园艺 | 7篇 |
植物保护 | 14篇 |
出版年
2024年 | 10篇 |
2023年 | 34篇 |
2022年 | 21篇 |
2021年 | 24篇 |
2020年 | 28篇 |
2019年 | 29篇 |
2018年 | 6篇 |
2017年 | 16篇 |
2016年 | 17篇 |
2015年 | 18篇 |
2014年 | 31篇 |
2013年 | 28篇 |
2012年 | 33篇 |
2011年 | 44篇 |
2010年 | 30篇 |
2009年 | 35篇 |
2008年 | 37篇 |
2007年 | 37篇 |
2006年 | 24篇 |
2005年 | 23篇 |
2004年 | 17篇 |
2003年 | 15篇 |
2002年 | 9篇 |
2001年 | 8篇 |
2000年 | 12篇 |
1999年 | 8篇 |
1998年 | 8篇 |
1997年 | 3篇 |
1996年 | 10篇 |
1995年 | 10篇 |
1994年 | 7篇 |
1993年 | 4篇 |
1992年 | 4篇 |
1991年 | 5篇 |
1990年 | 4篇 |
1989年 | 6篇 |
1988年 | 3篇 |
1987年 | 2篇 |
1984年 | 1篇 |
1983年 | 1篇 |
1982年 | 1篇 |
1981年 | 2篇 |
1980年 | 2篇 |
排序方式: 共有667条查询结果,搜索用时 125 毫秒
81.
群猪检测是现代化猪场智慧管理的关键环节。针对群猪计数过程中,小目标或被遮挡的猪只个体易漏检的问题,该研究提出了基于多尺度融合注意力机制的群猪检测方法。首先基于YOLOv7模型构建了群猪目标检测网络YOLOpig,该网络设计了融合注意力机制的小目标尺度检测网络结构,并基于残差思想优化了最大池化卷积模块,实现了对被遮挡与小目标猪只个体的准确检测;其次结合GradCAM算法进行猪只检测信息的特征可视化,验证群猪检测试验特征提取的有效性。最后使用目标跟踪算法StrongSORT实现猪只个体的准确跟踪,为猪只的检测任务提供身份信息。研究以育肥阶段的长白猪为测试对象,基于不同视角采集的视频数据集进行测试,验证了YOLOpig网络结合StongSORT算法的准确性和实时性。试验结果表明,该研究提出的YOLOpig模型精确率、召回率及平均精度分别为90.4%、85.5%和92.4%,相较于基础YOLOv7模型平均精度提高了5.1个百分点,检测速度提升7.14%,比YOLOv5、YOLOv7tiny和YOLOv8n 3种模型的平均精度分别提高了12.1、16.8和5.7个百分点,该文模型可以实现群猪的有... 相似文献
82.
83.
在相同的厂方风险和使用方风险下,以旋转式喷头流量一致性指标的抽样检验为例,开展了喷微灌产品计量与计数抽样检验方案的可比较分析.结果表明,在一般检验水平Ⅱ下,与利用计数抽样标准获得的样本数量相比,当样本批量大于等于91时,基于计量抽样方案得到的样本数量降低率E在s和σ方法下分别为25.0%~43.4%和56.0%~67.6%,较大样本批量下采用计量抽样检验获得的样本数量减少效果更趋明显.对同时满足计数和计量抽样检验条件的喷微灌产品指标而言,应尽量采用计量抽样检验方案,达到减少样本抽样数量、降低检验成本的目的. 相似文献
84.
为提高梨叶片病害发生程度诊断的效率和准确性,本文提出基于全局上下文级联R-CNN网络(Global context Cascade R-CNN,GC-Cascade R-CNN)的梨叶病斑计数方法。模型的主干特征提取网络嵌入全局上下文模块(Global context feature model, GC-Model),建立有效的长距离和通道依赖,增强目标特征信息。引入特征金字塔网络(Feature pyramid network, FPN)融合浅层细节特征和深层丰富语义特征。使用ROI Align替换ROI Pooling进行区域特征聚集,增强目标特征表达。最后利用多层级联网络对目标区域进行边框回归和分类,完成病斑计数任务。在梨叶病斑图像测试中,模型的各类病斑平均精确率均值(Mean average precision, mAP)达89.4%,检测单幅图像平均耗时为0.347 s。结果表明,模型能够有效地从梨叶片病害图像中检测出多类病斑目标,尤其对叶片炭疽病斑检测效果提升显著;不同种类梨叶片病害病斑计数值与真实值回归实验决定系数R2均大于0.92,表明模型病斑计数... 相似文献
85.
针对猪只人工计数方法消耗时间和劳动力,育肥猪较为活跃且喜好聚集,图像中存在大量的高密度区域,导致猪只之间互相粘连、遮挡等问题,基于SOLO v2实例分割算法,提出了一种自然养殖场景下融合多尺度特征金字塔与二代可变形卷积的高密度群养猪计数模型。通过优化模型结构来减少计算资源的消耗与占用。将科大讯飞给出的猪只计数的公开数据集划分为猪只分割数据集和猪只盘点测试集,利用猪只分割数据集获得较好的分割模型,然后在猪只盘点测试集中测试盘点准确率,实现猪群分割和猪只计数。实验结果表明,本文提出的高密度猪只计数模型的分割准确率达到96.7%,且模型内存占用量为256MB,为改进前的2/3,实现了遮挡、粘连和重叠情况下的猪只个体高准确率分割。在含有500幅猪只图像计数测试集中,模型计算猪只数量误差为0时的图像数量为207幅,较改进前提高26%。模型计算猪只数量误差小于2头猪的图像数量占测试图像总数量的97.2%。模型计算猪只数量误差大于3头猪的图像数量占总体图像数量比例仅为1%。最后,对比基于YOLO v5的群养猪计数方法,本文模型具有更优的分割效果和计数准确率,验证了本文方法对群养猪只计数的有效性。因此,本文模型既实现了高密度猪群的精准计数,还通过优化模型结构大大降低了模型对计算设备的依赖,使其适用于养殖场内猪群在线计数。 相似文献
86.
针对油菜生长早期传统人工苗情调查方法效率低、主观意识强,不能满足大面积或经常性高精度苗期调查作业需求的问题,该研究基于无人机影像及机器学习技术,提出一种油菜苗视频流检测模型及计数方法。通过对YOLO系列基础模型添加多头自注意力,用BasicRFB(basic receptive field block)模块替换原有的空间池化结构(spatial pyramid pooling-fast,SPPF)模块,并对Neck部分添加一维卷积及更换下采样方式等,进一步结合DeepSORT(deep simple online and real-time tracking)算法和越线计数技术实现对油菜苗的数量统计。算例测试结果表明,改进后YOLOv5s的交并比阈值0.50的平均精度均值达到93.1%,交并比阈值0.50~0.95的平均精度均值达到了67.5%,明显优于Faster R-CNN、SSD和YOLOX等其他经典目标检测算法,交并比阈值0.50的平均精度均值分别高出14.82、26.37和3.3个百分点,交并比阈值为0.50~0.95范围下的平均精度均值分别高出25.7、33.9和6.7个百分点。油菜苗计数试验结果表明,离线视频计数时,在合理的种植密度区间内,所提算法的油菜苗计数精度平均达到93.75%,计数效率为人工计数的9.54倍;在线实时计数时,在不同天气情况下,计数平台的油菜苗计数精度最大相差1.87个百分点,具有良好的泛化性,满足油菜苗计数实时性要求。 相似文献
87.
以一株副溶血弧菌(Vibrio parahaemolyticus)作为研究对象,比较了MTT [3-(4,5-二甲基噻唑-2)-2,5-二苯基四氮唑溴盐]比色法、ATP生物发光法和高通量生长曲线法在活细菌高通量计数上的应用效果。用96孔培养板进行不同浓度细菌活菌计数,确定了上述3种方法在副溶血弧菌活菌计数的标准曲线和线性范围。结果显示,副溶血弧菌的MTT比色法以DMSO溶解的MTT产物甲瓒在555 nm的吸光度(OD555 nm)为计数依据,活菌数的对数(LgC)与LgOD555 nm线性关系的标准曲线为LgC=(1.0439±0.0200)LgOD555 nm+(8.0565±0.0125),相关系数R²=0.9965,线性检测范围为7.8×106~2.5×108 CFU/ml;ATP生物发光法以ATP产生的相对发光度值(RLU)为计数依据,LgC与LgRUL线性关系的标准曲线为LgC=(0.9590±0.0065)LgRLU+(0.9949±0.0366),相关系数R²=0.9994,线性检测范围为1.0×104~3.0×108 CFU/ml;高通量生长曲线法以生长曲线达到拐点的时间(Ts)为计数依据,LgC与Ts线性关系的标准曲线为LgC=?(0.8727±0.0230)Ts+(9.0128±0.1572),相关系数R²=0.9924,线性检测范围为1.0×100~1.0×107 CFU/ml。用3种方法对实际菌液测量并与平板计数法比较表明,ATP生物发光法与高通量生长曲线法有很好的准确性,MTT比色法准确度稍差,而高通量生长曲线法有最宽的线性范围,也最适合高通量测定。 相似文献
88.
建立Soleris微生物实时光电检测法检测生乳中菌落总数的快速测定方法,并将该方法与国标的平板计数法进行比较。结果表明:Soleris法检测生乳中菌落总数的标准曲线为y=-0.651 5x+8.263 9(y为菌落总数(lg(CFU/mL)),x为胶体栓变色时间(h)),相关系数R2=-0.939 6,表明标准曲线相关性良好;重复性实验结果的相对标准偏差均小于5%;Soleris法与平板计数法测定结果的比较表明,2 种方法之间没有显著性差异(P>0.05)。在本研究的实验条件下,Soleris法检测生乳中 相似文献
89.
《河北北方学院学报(自然科学版)》2021,37(4)
目的建立实验室血小板相关参数的参考值,探讨血小板参数的影响因素。方法通过多阶段分层抽样的方法抽取298例样本,其中男142例,女156例;年龄10~90岁。Sysmex-XS 800i全自动血液分析仪测定血常规,并应用严格的质控措施保障数据准确。结果血小板相关参数间具有较强的相关性,其中血小板计数(platelet count, PLT)和血小板压积(plateletcrit, PCT)高度相关(r=0.901,P0.001),血小板分布宽度(platelet distribution width, PDW)、平均血小板体积(mean platelet volume, MPV)和大血小板比例(large cell ratio, LCR)间存在强相关性(r0.95,P0.001)。血小板参数与性别无关(P0.05),但PLT及PCT与年龄呈线性负相关(PLT年龄,r=-0.195,P=0.001;PCT年龄,r=-0.174,P=0.003),随着年龄增长,PLT和PCT逐渐降低。PDW、MPV及LCR与年龄呈非线性关系,呈单峰分布,随年龄增长逐渐增加,在50~60岁达到峰值,随后下降。结论血小板及其相关参数随增龄有不同的变化模式,有必要建立不同年龄段的血小板相关参数的参考范围。 相似文献
90.
乳酶LDH作为奶牛隐性乳房炎早期诊断指标的研究 总被引:2,自引:0,他引:2
为了筛选敏感的奶牛隐性乳房炎早期诊断指标,选择220头荷斯坦泌乳奶牛,分别采集乳汁进行体细胞计数和乳酸脱氢酶(LDH)活性测定.结果显示,隐性乳房炎奶牛乳汁中LDH活性显著高于健康奶牛(P<0.05),乳汁体细胞数(SCC)与LDH活性呈正相关(r2=0.93).选择LDH活性>100 IU/L作为隐性乳房炎的判定阈值,诊断的敏感性为70%,特异性为82.3%,Jouden指数为0.52.结果提示,LDH可作为奶牛隐性乳房炎早期诊断指标. 相似文献