全文获取类型
收费全文 | 1128篇 |
免费 | 65篇 |
国内免费 | 440篇 |
专业分类
林业 | 90篇 |
农学 | 30篇 |
基础科学 | 457篇 |
466篇 | |
综合类 | 472篇 |
农作物 | 42篇 |
水产渔业 | 12篇 |
畜牧兽医 | 47篇 |
园艺 | 11篇 |
植物保护 | 6篇 |
出版年
2024年 | 20篇 |
2023年 | 60篇 |
2022年 | 75篇 |
2021年 | 81篇 |
2020年 | 78篇 |
2019年 | 76篇 |
2018年 | 57篇 |
2017年 | 90篇 |
2016年 | 82篇 |
2015年 | 84篇 |
2014年 | 104篇 |
2013年 | 93篇 |
2012年 | 74篇 |
2011年 | 77篇 |
2010年 | 83篇 |
2009年 | 87篇 |
2008年 | 58篇 |
2007年 | 77篇 |
2006年 | 50篇 |
2005年 | 66篇 |
2004年 | 36篇 |
2003年 | 22篇 |
2002年 | 19篇 |
2001年 | 26篇 |
2000年 | 12篇 |
1999年 | 13篇 |
1998年 | 8篇 |
1997年 | 9篇 |
1996年 | 5篇 |
1995年 | 3篇 |
1994年 | 2篇 |
1993年 | 1篇 |
1992年 | 1篇 |
1991年 | 2篇 |
1990年 | 1篇 |
1981年 | 1篇 |
排序方式: 共有1633条查询结果,搜索用时 93 毫秒
91.
马铃薯薄片干燥过程形态变化三维成像 总被引:2,自引:2,他引:0
为研究马铃薯薄片在干燥过程中形态变化规律,该文利用Kinect传感器搭建了图像采集平台,研究其在不同干燥温度下(50、60、70、80℃)的形态变化规律。通过图像采集平台获取马铃薯薄片深度图像和彩色图像,利用彩色图像确定感兴趣区域,对对应区域的深度图像进行灰度值拉伸、阈值分割、边缘去噪处理,进而提取特征,计算出正投影面积的收缩率、深度均值及标准差,以表征马铃薯干燥过程中表面卷曲及平整度等形态指标的变化规律。对不同干燥时间点马铃薯片进行三维图形显示可观察其变化规律明显。统计结果表明:低温(50、60℃)与高温(70、80℃)对马铃薯薄片干燥时的收缩率、卷曲程度具有显著影响(P0.05)。50℃时收缩率为54.97%,80℃时收缩率升高为64.55%;干燥温度与马铃薯片卷曲程度呈先升后降的关系,60℃时卷曲度最大,其深度均值为27.81 mm,80℃时降低到18.86 mm。而四组温度下,马铃薯薄片的平整度具有显著性差异(P0.05),50℃时马铃薯片深度值的标准差为7.99 mm,80℃时降低至5.71mm,说明平整度随着干燥温度升高而增加。该研究可为马铃薯薄片干燥过程中形态变化的检测提供参考,同时为干燥工艺的智能化控制提供技术依据。 相似文献
92.
基于BP神经网络和概率神经网络的水稻图像氮素营养诊断 总被引:3,自引:1,他引:2
【目的】实现图像氮素营养诊断需要关键指标的确定和建立快速处理海量图像数据的模型。本研究筛选了水稻氮素营养诊断的敏感时期和部位,优化了图像处理技术参数,并比较了BP神经网络和概率神经网络两种建模方法对养分诊断的可靠性,为利用计算机视觉虚拟技术快速精准判断作物生长营养状况、反演生长过程提供思路和方法。【方法】本研究以超级杂交稻‘两优培九’为试验对象进行了田间试验。设置4个施氮(N)水平:0、210、300、390 kg/hm^2。在水稻幼穗分化期及齐穗期,扫描获取水稻顶一叶、顶二叶、顶三叶叶片、叶鞘图像数据,共1920组。通过图像处理技术,获取19项水稻特征指标。分别应用BP神经网络和概率神经网络对19项水稻特征指标进行水稻氮素营养诊断识别,并对诊断指标进行了优化和标准化。比较了两个建模方法的灵敏性。【结果】1)幼穗分化期水稻的整体识别准确率均高于齐穗期水稻的整体识别准确率;三个部位叶片的图像数据,以顶三叶最为可靠;2) BP神经网络对幼穗分化期及齐穗期水稻19项特征指标进行氮素营养诊断的整体识别准确率均高于概率神经网络。其中BP神经网络对幼穗分化期顶三叶特征指标进行水稻氮素营养诊断识别的准确率最高达90%。概率神经网络对幼穗分化期顶二叶、顶三叶特征指标进行水稻氮素营养诊断识别的准确率最高达82%。【结论】幼穗分化期水稻顶3叶叶片特征最具区分度,易于进行氮素营养诊断识别,可作为氮素营养诊断的有效时期和部位。叶片的6项RGB、HSI颜色空间分量组合最能体现其氮素营养状况。识别效果以BP神经网络好于概率神经网络方法,其整体识别准确率达90%。 相似文献
93.
为了实现叶片水分含量的快速、精准检测,提出一种基于太赫兹成像技术的大豆叶片水分含量测定方法。利用太赫兹光谱成像系统获取96份大豆叶片太赫兹图像,采用干燥法测量叶片含水率,通过主成分分析(PCA)提取出水分敏感特征波段0.557、1.098、1.163 THz,对这3个特征波段下的叶片图像采用自适应阈值分割法,将其分为叶脉图像与叶肉图像,分别求取各自的图像灰度特征,并分为叶片特征组(G1)、叶脉特征组(G2)和叶肉特征组(G3)。分别采用多元线性回归(MLR)、反向传播神经网络(BP-ANN)和最小二乘支持向量机(LS-SVM)算法,以上述3个特征组作为输入,构建出9种大豆叶片水分预测模型。对比分析各模型性能,发现基于G3的LS-SVM模型预测结果最好,校正集和预测集的决定系数和均方根误差分别为0.967 8、0.963 2,0.057 8、0.046 5。试验结果表明,利用太赫兹成像技术来检测叶片中的水分含量具有非常高的预测精度,为作物叶片水分含量测定提供了一种行之有效的检测手段。 相似文献
94.
设计搭建了基于机器视觉的小粒咖啡豆检测分级系统,系统由进料部、匀料筛分部、色选部、气动部、收料部以及电控箱组成。开发了基于OpenCV和visual studio的系统分析与控制软件,实现咖啡豆果径宽度和烘焙程度的检测分级。基于Blob分析方法对小粒咖啡生豆进行图像分割,利用最小外接矩形方法对果径宽度进行特征提取,采用HSV颜色空间模型提取小粒咖啡豆的颜色特征值,最终将小粒咖啡生豆分为5个等级,将烘焙程度分为浅度、中度、深度3个程度。系统运行验证试验结果表明,对小粒咖啡生豆的果径宽度检测的平均误差为1.275%,烘焙程度检测的准确率为88.9%。 相似文献
95.
选取天水市7个气象站1965-2011年日照时数资料,采用累积距平、Mann-Kendall突变检验法和Morlet小波等方法,分析天水市日照时数的气候变化规律。结果表明, 天水市年平均日照时数总体呈减少趋势。1965-1980年,日照时数呈增加趋势;1981-1992年呈减少趋势;1993-2008年呈增加趋势;2009年以后又趋于减少。日照时数的变幅最大的季节为夏季,春季的日照时数变化呈上升趋势,其余各季都呈下降趋势。小波分析得出天水市的全年和各季的日照时数大部都存在小尺度的准周期变化,冬季存在中尺度的周期变化,夏季在年代际的变化上存在准27年的周期变化。对日照时数气候变化的空间分析表明, 天水市整体平均日照时数呈下降趋势,有局部地方和整体趋于的气候变化趋势不完全相同,天水北部的变化趋势更加显著。 相似文献
96.
颗粒饲料休止角对饲料储料箱设计、自动化饲喂站、投料装置设计等工程实践有重要指导意义。为实现休止角的快速准确测量,探究颗粒饲料休止角与粒径、表面能之间的关系,利用物理试验与离散元仿真相结合的方法对颗粒饲料堆进行基于MatLab图像处理的休止角测定。由于传统休止角的测量存在系统误差和测量精度低的问题,本文提出一种基于MatLab图像处理方法的休止角测定,利用傅里叶级数对堆积图像进行轮廓拟合,利用拟合曲线的单边斜率求出休止角大小,操作便捷,可提高测量精度。基于这种方法,对颗粒饲料堆进行分析,探究了颗粒粒径对休止角的影响并进行仿真试验,利用EDEM以物理试验得到的休止角为目标值进行仿真试验,以休止角作为参照,标定接触模型JKR表面能。试验结果表明:6.5mm颗粒饲料实际休止角为34.992°,仿真休止角为34.9535°;5mm颗粒饲料实际休止角为36.9797°,仿真休止角为35.2603°;3.2mm颗粒饲料实际休止角为37.9186°,仿真休止角为36.092°。休止角仿真结果与实际试验结果较为接近,两者的绝对误差分别为:6.5mm对应0.11%,5mm对应4.65%,3.2mm对应4.... 相似文献
97.
98.
99.
100.