全文获取类型
收费全文 | 204377篇 |
免费 | 1926篇 |
国内免费 | 1304篇 |
专业分类
林业 | 14214篇 |
农学 | 7168篇 |
基础科学 | 3389篇 |
2850篇 | |
综合类 | 83047篇 |
农作物 | 4428篇 |
水产渔业 | 8718篇 |
畜牧兽医 | 50803篇 |
园艺 | 22510篇 |
植物保护 | 10480篇 |
出版年
2024年 | 301篇 |
2023年 | 1643篇 |
2022年 | 2003篇 |
2021年 | 2180篇 |
2020年 | 2900篇 |
2019年 | 3428篇 |
2018年 | 1253篇 |
2017年 | 3232篇 |
2016年 | 4117篇 |
2015年 | 4013篇 |
2014年 | 9909篇 |
2013年 | 9747篇 |
2012年 | 11667篇 |
2011年 | 12401篇 |
2010年 | 11755篇 |
2009年 | 12536篇 |
2008年 | 13159篇 |
2007年 | 11226篇 |
2006年 | 9819篇 |
2005年 | 10221篇 |
2004年 | 10638篇 |
2003年 | 10665篇 |
2002年 | 7758篇 |
2001年 | 6970篇 |
2000年 | 4759篇 |
1999年 | 3287篇 |
1998年 | 3319篇 |
1997年 | 3785篇 |
1996年 | 3069篇 |
1995年 | 2648篇 |
1994年 | 2540篇 |
1993年 | 2443篇 |
1992年 | 2127篇 |
1991年 | 2011篇 |
1990年 | 1520篇 |
1989年 | 1462篇 |
1988年 | 214篇 |
1987年 | 152篇 |
1986年 | 122篇 |
1985年 | 73篇 |
1984年 | 50篇 |
1983年 | 47篇 |
1982年 | 36篇 |
1981年 | 34篇 |
1980年 | 24篇 |
1974年 | 18篇 |
1966年 | 20篇 |
1965年 | 53篇 |
1957年 | 84篇 |
1953年 | 70篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
51.
52.
本文通过对犊牛腹泻样品的检测,分别分析了规模养殖场和散养殖户疾病发生的原因,并提出了树立正确的预防疾病观念、选用敏感抗生素、实施犊牛隔栏补饲、合理配制母牛日粮和改善卫生条件等防治措施,以期降低肉牛养殖场(户)的经济损失。 相似文献
53.
54.
55.
作为茶叶智能化生产的关键难题之一,基于图像处理的茶叶智能识别与检测技术受到广泛关注。通过综述图像处理技术在茶叶嫩芽识别定位、茶叶病虫害检测、茶叶品种识别与品质检测等方面的研究应用,分析比较各方法的优缺点,总结现有研究存在的主要问题有嫩芽分割受光照影响较大、难以分割含与嫩芽颜色相近背景的图像、枝叶遮挡情况识别效果不理想、缺乏真实背景下茶叶病斑识别算法等。指出基于图像处理的茶叶智能识别与检测技术未来的研究重点:增加不同地域茶叶及品种的样本数据以提高算法普适性;采取多信息融合的方法以求获得更全面的茶叶嫩芽信息;枝叶遮挡严重情况下的识别策略可考虑借助机械装置或风机拨开枝叶,从而避免因枝叶遮挡而导致识别率低的现象发生。 相似文献
56.
58.
沃柑主要是种植在南方的一种水果,其果肉饱满,果粒紧实,多汁味甜的特点,深受人们以及果农业公司的喜爱,进而进行广泛的栽植。为了能更好的栽植沃柑,获得丰富的产量,需要以优质的栽培技术以及强化病虫害的防治,从而达到高产量高质量的沃柑。 相似文献
59.
60.
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