全文获取类型
收费全文 | 469篇 |
免费 | 30篇 |
国内免费 | 43篇 |
专业分类
林业 | 45篇 |
农学 | 44篇 |
基础科学 | 99篇 |
85篇 | |
综合类 | 218篇 |
农作物 | 5篇 |
水产渔业 | 8篇 |
畜牧兽医 | 25篇 |
园艺 | 2篇 |
植物保护 | 11篇 |
出版年
2024年 | 3篇 |
2023年 | 10篇 |
2022年 | 18篇 |
2021年 | 28篇 |
2020年 | 22篇 |
2019年 | 25篇 |
2018年 | 17篇 |
2017年 | 26篇 |
2016年 | 35篇 |
2015年 | 15篇 |
2014年 | 37篇 |
2013年 | 26篇 |
2012年 | 43篇 |
2011年 | 29篇 |
2010年 | 37篇 |
2009年 | 26篇 |
2008年 | 28篇 |
2007年 | 19篇 |
2006年 | 26篇 |
2005年 | 17篇 |
2004年 | 19篇 |
2003年 | 9篇 |
2002年 | 8篇 |
2001年 | 5篇 |
2000年 | 4篇 |
1999年 | 3篇 |
1998年 | 2篇 |
1997年 | 1篇 |
1993年 | 2篇 |
1987年 | 1篇 |
1984年 | 1篇 |
排序方式: 共有542条查询结果,搜索用时 187 毫秒
1.
为了提高移动式采摘机器人的控制效率和移动精度,将直流电机驱动电路引入到采摘机器人移动控制系统的设计中,并采用PID算法对移动速度进行调节,从而避免采摘机器人在移动过程中产生较大的速度波动,提高其作业时的平稳性。为了验证PID算法在采摘机器人移动控制系统上使用的可行性,模拟葡萄采摘机器人的作业环境,对采摘机器人移动过程的速度控制进行了仿真模拟,结果表明:达到速度预定目标时,PID算法比常规算法具有更快的响应速度,调节过程也更加平稳。 相似文献
2.
基于深度学习的牛肉大理石花纹等级手机评价系统 总被引:4,自引:4,他引:0
大理石花纹是影响牛肉品质等级的重要指标,目前中国牛肉加工企业对大理石花纹的评价是由专业分级人员参照标准图谱完成,具有主观性强、耗费人工的缺点。针对上述问题,该研究提出了基于深度学习的智能分级方法,设计一种具有4层卷积的神经网络结构,实现了大理石花纹特征的自动提取,并基于智能手机开发了牛肉大理石花纹检测软件。该研究共采集样本图像1 800张,按3:1:1分为校正集、验证集和测试集。为进一步验证模型,将该方法与传统机器视觉方法进行了比较,提取了牛肉大理石花纹的大、中、小脂肪颗粒个数,脂肪总面积和脂肪分布均匀度5个参数,并建立了多元线性回归模型。试验结果表明,该研究所用方法大理石花纹检测准确率更高,验证集检测正确率为97.67%。最后编写了手机软件,将模型移植入Android手机,在手机平台上调用模型进行大理石花纹检测。试验表明,该软件对测试集样本的检测准确率为95.56%,单张检测时间低于0.5 s。该研究结合卷积神经网络分类能力强和智能手机运行速度快等优点,开发了牛肉大理石花纹的手机评价系统,具有较好的实用性和便携性,可提高牛肉大理石花纹检测效率,有助于提高农畜产品检测的智能化水平。 相似文献
3.
4.
油茶是亚热带地区重要的木本油料作物,近年来随着种植面积的不断扩大和集约化经营,病虫害问题日益严重,对油茶的产量和品质造成不同程度的影响。本研究通过野外调查、文献查阅、种类鉴定等工作,整理了21种油茶主要害虫的形态特征、生物学习性、为害特点、防治措施等信息,并拍摄相应害虫及为害状的高清照片1 600张。采用Lucid智能诊断系统,构建Fact Sheet Fusion基础信息数据库,并针对多途径检索方式提取害虫"为害方式"、"为害部位"、"为害高峰期"、"形态特征"等4个1级特征组,以及10个2级特征和18个3级特征,共组成102个特征状态,构建了油茶害虫的快速诊断系统。在此基础上,转换得到基于Android系统的手机应用APP,为林农和森防一线工作者对油茶害虫快速识别和防治提供便捷服务,从而促进油茶产业持续健康发展。 相似文献
5.
移动通信基站基于卫星系统和通信系统的相关技术已相对成熟,在森林防火工作中已逐渐推广应用。本文根据工程实例,简要阐述了移动通信基站在森林防火工程项目中的应用。 相似文献
6.
7.
8.
本文以INTERNET网络传真机系统为对象,论述了系统的实现方法,并介绍了实现系统时所用到的一些关键技术。 相似文献
9.
10.
Previous studies showed that the yellow seed color gene of a yellow mustard was located on the A09 chromosome. In this study, the sequences of the molecular markers linked to the yellow seed color gene were analyzed, the gene was primarily mapped to an interval of 23.304 to 29.402M. Twenty genes and eight markers’ sequences in this region were selected to design the IP and SCAR primers. These primers were used to screen a BC8S1 population consisting of 1256 individuals. As a result, five IP and five SCAR markers were successfully developed. IP4 and Y1 were located on either side of the yellow seed color gene at a distance of 0.1 and 0.3 cM, respectively. IP1, IP2 and IP3 derived from Bra036827, Bra036828, Bra036829 separately, co-segregated with the target gene. BLAST analysis indicated that the sequences of newly developed markers showed good collinearity with those of the A09 chromosome, and that the target gene might exist between 27.079 and 27.616M. In light of annotations of the genes in this region, only Bra036828 is associated with flavonoid biosynthesis. This gene has high similarity with the TRANSPARENT TESTA6 gene, Bra036828 was hence identified as being the gene possibly responsible for yellow seed color, in our research. 相似文献