全文获取类型
收费全文 | 1442篇 |
免费 | 48篇 |
国内免费 | 56篇 |
专业分类
林业 | 119篇 |
农学 | 26篇 |
基础科学 | 112篇 |
76篇 | |
综合类 | 922篇 |
农作物 | 31篇 |
水产渔业 | 25篇 |
畜牧兽医 | 133篇 |
园艺 | 18篇 |
植物保护 | 84篇 |
出版年
2024年 | 13篇 |
2023年 | 41篇 |
2022年 | 37篇 |
2021年 | 35篇 |
2020年 | 36篇 |
2019年 | 32篇 |
2018年 | 14篇 |
2017年 | 33篇 |
2016年 | 40篇 |
2015年 | 44篇 |
2014年 | 67篇 |
2013年 | 60篇 |
2012年 | 98篇 |
2011年 | 77篇 |
2010年 | 95篇 |
2009年 | 74篇 |
2008年 | 70篇 |
2007年 | 80篇 |
2006年 | 62篇 |
2005年 | 71篇 |
2004年 | 65篇 |
2003年 | 55篇 |
2002年 | 42篇 |
2001年 | 37篇 |
2000年 | 40篇 |
1999年 | 34篇 |
1998年 | 26篇 |
1997年 | 21篇 |
1996年 | 22篇 |
1995年 | 21篇 |
1994年 | 28篇 |
1993年 | 8篇 |
1992年 | 12篇 |
1991年 | 19篇 |
1990年 | 11篇 |
1989年 | 15篇 |
1988年 | 6篇 |
1987年 | 3篇 |
1986年 | 2篇 |
排序方式: 共有1546条查询结果,搜索用时 31 毫秒
1.
针对前处理工序造成的羊肉智能精细分割目标肌肉区图像识别准确度低的问题,以羊后腿自动去骨分割工序为研究对象,提出一种基于R2U-Net和紧凑空洞卷积的羊后腿分割目标肌肉区识别方法。对传统的U-Net语义分割网络进行改进,以U-Net为骨架网络,采用残差循环卷积块替换原始U-Net的特征编码模块和解码模块中的卷积块以避免U-Net的梯度消失,在特征编码模块和特征解码模块之间增加一个紧凑的四分支空洞卷积模块对语义特征进行多尺度编码,实现缝匠肌图像分割模型的构建。一方面,针对缝匠肌这一核心目标肌肉区,采集羊后腿图像构建数据集训练与测试本文模型,以验证该方法的准确性与实时性;另一方面,通过旋量法标定夹爪坐标系、相机点云坐标系、机器人坐标系的齐次变换矩阵以计算分割路径,并采用主动柔顺的力/位混合控制方法操纵分割机器人进行目标切削运动,验证基于本文方法得到的目标图像开展目标肌肉分割的可行性。相关试验结果表明:当交并比为0.8588时,本文方法平均精确度为0.9820,优于R2U-Net的(0.8324,0.9775);单样本检测时间平均为82ms,说明本文方法可快速、准确分割出缝匠肌图像,满足机器人自主分割系统的实时性要求,优于U-Net、R2U-Net、AttU-Net算法。最后,在本文方法得到的缝匠肌图像基础上开展机器人实机分割试验,机器人对5条羊后腿的平均切削时间为7.9s,平均偏移距离为4.36mm,最大偏移距离不大于5.9mm,满足羊后腿去骨分割的精度要求。 相似文献
2.
3.
基于FCN的无人机玉米遥感图像垄中心线提取 总被引:1,自引:1,他引:0
为解决农业机器人在玉米田行间行走的全局路径规划问题,该研究提出一种基于全卷积神经网络(Fully ConvolutionalNetworks,FCN)的无人机玉米遥感图像垄中心线提取方法。基于无人机获取的高精度可见光遥感图像,设计了针对农田垄中心线提取的数据集标注方法,采用滑动窗口法进行图像分块,利用深度学习语义分割网络FCN对垄中心线附近7~17像素宽度范围的垄线区域进行提取,模型在测试田块上精确率达66.1%~83.4%,召回率达51.1%~73.9%,调和平均值为57.6%~78.4%;对拼接后的图像使用影像分割投影法提取中心线,探究了垄线区域宽度对垄中心线提取精度的影响,训练采用9像素的垄区域宽度,可得到垄中心线在77 mm左右偏差范围准确率为91.2%,在31.5 mm左右偏差范围内为61.5%。结果表明,基于FCN对无人机玉米遥感图像进行处理,可得到整片田地的垄中心线栅格地图,方便农业机器人进行全局路径规划。 相似文献
4.
《农业环境科学学报》2020,(2):F0002-F0002,F0003
《农业环境科学学报》是由农业农村部主管,农业农村部环境保护科研监测所、中国农业生态环境保护协会联合主办的国家级学术期刊,是中文核心期刊、中国科学引文数据库核心期刊,被国内外多家著名检索机构收录,如Scopus、美国《化学文摘》(CA)和俄罗斯《文摘杂志》(AJ)等。 相似文献
5.
2018年生效的《OIE疫病感染及侵染名录》中包括11种马传染病。根据世界动物卫生组织(OIE)官方发布的疫情通报,主要参考疫病信息周报(Week ly disease information)、及时通报和跟踪报道(Imme diate notifications and follow-ups)检索项中的信息[1],并参考2018年及以前国际马传染病疫情动态,对收录于OIE疫病目录中的马传染性疾病在2018年的疫情动态进行了全面回顾[2],并按病毒、细菌和寄生虫性传染病分类总结如下. 相似文献
6.
针对高原鼠兔图像目标尺寸小、背景复杂、特征不显著、基于活动轮廓的图像分割模型无法有效分割的问题,采用基于卷积神经网络的SegNet语义模型对高原鼠兔图像进行分割:首先将采集的高原鼠兔图像进行预处理,尺度归一化后制作成与Pascal VOC数据集格式一致的数据集;然后将数据集分为训练集与测试集,采用训练集对SegNet模型训练,测试集对模型进行分割测试。对高原鼠兔图像分割的试验结果表明:与基于活动轮廓的Chan_Vese模型相比,基于卷积神经网络的SegNet模型对高原鼠兔图像分割时的交并比、平均像素精度、Dice相似性指数和Jaccard指数分别提高了68.33%、9.35%、30.61%和47.98%,过分割率和欠分割率分别降低了87.20%、16.52%。 相似文献
7.
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
8.
9.
<正>我们借着上期那则瑞士某银行的故事,说说品牌故事的重要特点——它是活的,会四下传播,并在传播中加工、变形。过去时态——故事必须是已经发生的所有的品牌故事首先必须是故事,这是它存在并能进行传播、营销的基础。汉语"故事"的词义就是"过去的事",英语中story的古义是"历史"或"史话",都是指已经发生的过去的事情。故事的过去时态意味着记忆,通过记忆我们向过去延伸自己的生存活动。没有历史的民 相似文献
10.
巴蜀地区的杨柳科植物(二) 总被引:1,自引:0,他引:1
巴蜀地区(原四川省地区),杨柳科植物包含3个属、93个种(以及大量的天然杂种和栽培品种),即杨属(16种),原柳属(6种),柳属(71种),同时广泛分布于海拔约5000米以下的各个地区。本文包括分属检索表和各属的分种检索表,及所有种和种下分类单位的正名、异名、地理分布。 相似文献