全文获取类型
收费全文 | 8264篇 |
免费 | 1016篇 |
国内免费 | 1479篇 |
专业分类
林业 | 848篇 |
农学 | 1061篇 |
基础科学 | 1890篇 |
2052篇 | |
综合类 | 3525篇 |
农作物 | 353篇 |
水产渔业 | 261篇 |
畜牧兽医 | 443篇 |
园艺 | 144篇 |
植物保护 | 182篇 |
出版年
2024年 | 19篇 |
2023年 | 235篇 |
2022年 | 367篇 |
2021年 | 407篇 |
2020年 | 363篇 |
2019年 | 263篇 |
2018年 | 254篇 |
2017年 | 405篇 |
2016年 | 459篇 |
2015年 | 384篇 |
2014年 | 486篇 |
2013年 | 536篇 |
2012年 | 709篇 |
2011年 | 667篇 |
2010年 | 566篇 |
2009年 | 534篇 |
2008年 | 482篇 |
2007年 | 571篇 |
2006年 | 486篇 |
2005年 | 515篇 |
2004年 | 378篇 |
2003年 | 287篇 |
2002年 | 204篇 |
2001年 | 155篇 |
2000年 | 143篇 |
1999年 | 133篇 |
1998年 | 121篇 |
1997年 | 94篇 |
1996年 | 103篇 |
1995年 | 72篇 |
1994年 | 68篇 |
1993年 | 64篇 |
1992年 | 50篇 |
1991年 | 46篇 |
1990年 | 45篇 |
1989年 | 28篇 |
1988年 | 27篇 |
1987年 | 13篇 |
1986年 | 7篇 |
1985年 | 2篇 |
1984年 | 3篇 |
1983年 | 1篇 |
1982年 | 1篇 |
1981年 | 1篇 |
1980年 | 1篇 |
1979年 | 1篇 |
1978年 | 2篇 |
1977年 | 1篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
1.
光照条件变化会对花椒目标识别率产生影响,关系到机器视觉技术能否有效应用于生产现场的花椒采摘。通过对HSV特性图像识别技术的分析,提出HSV和形状特征融合的花椒识别算法。该算法采用同态滤波方法对光照进行补偿,解决因为光照不均匀而导致的花椒识别率低的问题,最后利用花椒圆度特征,排除树枝及树叶等的干扰,实现花椒的准确识别。利用同态滤波方法对光照进行补偿,对于光照不强或者发生遮挡的花椒图像有较大改善,通过试验得出其平均识别率达到94.0%,比单独采用HSV特性识别时,在顺光,背光和遮阴条件下,识别率分别提高4%,13%和21%,此外在遮阴条件下运行时间缩短14.6%。为遮阴条件下提高花椒识别率提供一种方法。 相似文献
2.
针对传统计算机视觉技术在苹果外部品质分级中准确率较低、鲁棒性较差等问题,提出了基于深度学习的苹果外观分级方法(多卷积神经网络融合DXNet模型)。首先,在延安市超市、果园等场所实地拍摄不同外观等级的苹果图像15000幅,并进行人工标记,建立了外部品质信息覆盖度广、样本量大的苹果图像数据库;然后,在对比分析经典卷积网络模型的基础上,采用模型融合的方式对经典模型进行优化改进,抽取经典模型卷积部分进行融合,作为特征提取器,共享全连接层用作分类器,并采用批归一化和正则化技术防止模型过拟合。试验评估采用15000幅图像进行训练、4500幅图像进行测试,结果表明,DXNet模型的分级准确率高于经典模型,分级准确率达到97.84%,验证了本文方法用于苹果外部品质分级的有效性。 相似文献
3.
基于GF-1和Sentinel-2时序数据的茶园识别 总被引:1,自引:1,他引:0
由于茶园大多分布在地形复杂的山区,地块破碎,分布零散,形状差异大、植被混杂且茶园所处环境长期受到云雨的影响,增加了茶园遥感识别的难度与不确定性,针对这一问题,该研究提出了利用高分1号(GF-1)和哨兵2号(Sentinel-2)时序数据提取茶园的方法,以浙江省武义县王宅镇为研究区,采用GF-1号为主要数据源,并利用MODIS地表反射率产品和Sentinel-2反射率数据,基于时空融合算法得到时间分辨率5 d的10 m Sentinel-2完整的时序数据。综合利用GF-1在空间细节方面的优势和重建的Sentinel-2高观测频率时序数据在反映茶树生长过程方面的优势,分别基于GF-1的光谱和纹理特征及GF-1的光谱、纹理特征和Sentinel-2时序特征两种特征组合方式,采用随机森林算法提取茶园。结果表明,GF-1光谱、纹理信息结合Sentinel-2时序信息分类结果的准确率、错误率、精确率、召回率和F1分数分别为96.91%、3.09%、89.00%、83.09%和0.86,仅基于GF-1光谱和纹理信息的分类准确率、错误率、精确率、召回率和F1分数分别为94.72%、5.28%、73.09%、84.61%和0.78,添加时序信息分类结果总体优于未添加时序信息的分类结果。表明高空间分辨率结合高频率时序遥感数据是提高茶园分类精度的有效手段。 相似文献
4.
5.
本文通过调研水产品在流通、加工、贮藏和零售四个产业链环节的损耗情况,对不同类型水产品损耗原因和差异进行分析,提出降低我国水产品产业链损耗的建议措施。单一水产品品种的损耗率数据通过调研直接获得,水产品(整体)及各品类产业链损耗率基于2008-2019年水产品品类及品种产量结构加权计算所得。结果显示:2008-2019年,我国水产品年均损耗量426.55万吨,年均损耗率8.09%。其中海水养殖、淡水养殖、海洋捕捞水产品的损耗率分别为12.37%、6.59%、5.82%。从产业环节看,水产品流通环节损耗量117.73万吨,损耗率2.23%;加工环节损耗量169.67万吨,损耗率3.22%;贮藏环节损耗量40.83万吨,损耗率0.77%;零售环节损耗量98.32万吨,损耗率1.86%。以鲜活方式流通与消费容易导致更高的损耗率,海水养殖产品损耗率较大、接近淡水养殖和海洋捕捞的总和,加工和流通是产业链的薄弱环节。为进一步降低损耗,应扩大加工产品消费,鼓励加工技术创新;升级冷链物流体系,降低产品物理损耗;促进组织化发展,提高标准化作业水平。 相似文献
6.
从危机沟通的渠道、危机沟通的具体策略、危机沟通的后续行动三个方面,为中国农机企业的危机沟通提供可行建议。以形象修护理论为基础,结合移动互联网环境传播特点以及中国农业机械化发展的实际情况,分析新浪新闻手机客户端、今日头条手机客户端上的两条农机质量纠纷视频。推荐农机企业使用的8条具体策略包括:否认事件不实部分;表明事件的意外属性;阐明自身出发点;阐明自己的贡献及所做出的努力;提出物质补偿;提出改进措施;承担有错部分;主动向用户征询意见。提出危机沟通应在线上、线下两种渠道进行,危机沟通应与具体行动相结合。 相似文献
7.
食品加工技术专业是典型的应用型专业,人才培养目标是应用型高技能人才,其培养目标的关键是强化实践教学,搭建好校企合作平台,从而达到实践育人、协同育人的目的。内蒙古商贸职业学院食品加工技术专业以选择具有管理水平一流、生产工艺先进、研发能力领先的食品制造类高端企业,通过引企入校、工学交替、理实一体教学提高了学生的培养质量,同时创新形成了“四念四化”的教育教学模式。 相似文献
8.
采用改进CenterNet模型检测群养生猪目标 总被引:5,自引:4,他引:1
为实现对群养环境下生猪个体目标快速精准的检测,该研究提出了一种针对群养生猪的改进型目标检测网络MF-CenterNet(MobileNet-FPN-CenterNet)模型,为确保目标检测的精确度,该模型首先以无锚式的CenterNet为基础结构,通过引入轻量级的MobileNet网络作为模型特征提取网络,以降低模型大小和提高检测速度,同时加入特征金字塔结构FPN(Feature Pyramid Networks)以提高模型特征提取能力,在保证模型轻量化、实时性的同时,提高遮挡目标和小目标的检测精度。该研究以某商业猪场群养生猪录制视频作为数据源,采集视频帧1 683张,经图像增强后共得到6 732张图像。试验结果表明,MF-CenterNet模型大小仅为21 MB,满足边缘计算端的部署,同时对生猪目标检测平均精确度达到94.30%,检测速度达到69 帧/s,相较于Faster-RCNN、SSD、YOLOv3、YOLOv4目标检测网络模型,检测精度分别提高了6.39%、4.46%、6.01%、2.74%,检测速度分别提高了54、47、45、43 帧/s,相关结果表明了该研究所提出的改进型的轻量级MF-CenterNet模型,能够在满足目标检测实时性的同时提高了对群养生猪的检测精度,为生产现场端的群养生猪行为实时检测与分析提供了有效方法。 相似文献
9.
我国稻米加工起步于大规模采集野生稻的时期,最初是采用稻谷直接制成米的“稻出白”工艺,后来采用稻谷先制成糙米、糙米再制成米的“糙出白”工艺,两者构成了沿用几千年的古代稻米加工工艺;19世纪60年代开始,增加稻谷清理、白米整理等工段,构成了近代稻米加工工艺;到20世纪末,增加稻谷分级、下脚整理、稻壳整理、副产品整理、糙米精选、白米精选、白米色选、白米抛光等工序,构成现代稻米加工工艺;进入21世纪以来,新增了回砻谷净化、糙米净化、刷米与抛光组合、多道色选、留胚粒分选等工序,构成了当代稻米加工工艺;今后通过增加多等级大米联产、多等级大米与留胚米联产等专利加工工艺,将构成加工过程更加精准且智能化、低破碎、低能耗和环境友好的未来稻米加工工艺。 相似文献
10.
为实现加工车间刺梨果实的快速识别,提出一种基于改进的RetinaNet刺梨果实图像的识别方法。基于RetinaNet的模型,对RetinaNet框架中Focal loss的bias进行改进,使其能根据不同的情况控制bias的取值,再运用维度聚类算法找出Anchor的较好尺寸并匹配到相对应的特征层,对卷积神经网络结构进行优化。通过改进RetinaNet目标检测算法对7426幅刺梨果实图像进行检测识别,并与原始RetinaNet目标检测算法对比。试验结果表明:改进的RetinaNet网络模型识别方法对6类刺梨果实的识别率分别为99.47%、91.42%、96.92%、90.92%、96.89%和93.53%,平均识别率为94.86%;相对于原始RetinaNet目标检测算法,改进算法的识别准确率提高4.21%,单个刺梨果实检测时间由60.99 ms缩减到57.91 ms,检测时间缩短5.05%。本文改进算法对加工车间刺梨果实的识别具有较高的正确率和实用性。 相似文献