首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   3186篇
  免费   286篇
  国内免费   327篇
林业   373篇
农学   58篇
基础科学   724篇
  483篇
综合类   1691篇
农作物   63篇
水产渔业   62篇
畜牧兽医   203篇
园艺   31篇
植物保护   111篇
  2024年   6篇
  2023年   77篇
  2022年   111篇
  2021年   111篇
  2020年   154篇
  2019年   109篇
  2018年   89篇
  2017年   133篇
  2016年   169篇
  2015年   187篇
  2014年   218篇
  2013年   197篇
  2012年   230篇
  2011年   192篇
  2010年   196篇
  2009年   208篇
  2008年   211篇
  2007年   218篇
  2006年   146篇
  2005年   149篇
  2004年   134篇
  2003年   84篇
  2002年   71篇
  2001年   64篇
  2000年   56篇
  1999年   41篇
  1998年   38篇
  1997年   23篇
  1996年   26篇
  1995年   28篇
  1994年   33篇
  1993年   14篇
  1992年   13篇
  1991年   21篇
  1990年   13篇
  1989年   17篇
  1988年   6篇
  1987年   3篇
  1986年   2篇
  1982年   1篇
排序方式: 共有3799条查询结果,搜索用时 15 毫秒
1.
冬枣皮薄肉脆,富含维生素C和矿物质,深受消费者喜爱.但冬枣病害种类繁多,采用传统人工检查的方式成本高、效率低,严重制约了冬枣的产业化发展.使用传统计算机视觉的冬枣病害识别方法其准确度在很大程度上取决于人为选择的特征是否合理,具有较大的不稳定性.为了解决该问题提出一种基于分层卷积神经网络(HCNN)的冬枣果实病害识别方法.HCNN包括三个结构相同的CNN(卷积神经网络)和一个支持向量机(SVM)分类器.在进行识别的过程中,首先将原始冬枣果实病害图像的RGB、HIS和Lab三种图像分别输入HCNN的三个CNN;然后在分类层将三个CNN得到的特征图整合为一个特征向量;最后通过SVM分类器对病害图像进行分类.该方法能够自动地从冬枣果实病害图像中提取到有效的特征,不需要人工设定特征提取方法.在果实病害图像数据集上进行一系列实验,平均识别准确率达90%以上.实验结果表明,该方法充分利用图像不同颜色的特征,能够实现精确、稳定和高效的冬枣果实病害类型识别,为冬枣果实病害防治系统的发展提供参考.  相似文献   
2.
基于RGB图像连通性,提出一种图像快速切割多重去噪法(fast cutting and multiplede-noise,简称FCMD),并与现有的4种算法进行对比.结果表明,该方法处理时长适中,对单色叶和杂色叶的识别像素、色阶均值、色阶中位数的准确率均达到98.78%及以上,综合表现最优.FCMD能够在不同的边缘算子下完成对各种类型叶片准确、快速的切割消噪,其中以sobel算子的处理效果最优,其处理效果与手动切割(CK)无明显差异.同时,FCMD法在中高分辨率(3750×2500)的切割效果与手动切割无明显差异,而所用时长仅为CK的23.21%,效率提升近5倍.因此,FCMD是一种高效、准确、适用范围广的RGB图像自动化叶片切割去噪方法.  相似文献   
3.
基于热红外成像与骨架树模型的奶牛眼温自动检测   总被引:1,自引:0,他引:1  
针对现有方法无法实现奶牛热红外图像中眼温信息自动获取的问题,为实现奶牛眼温无接触、自动、高精确检测,提出了一种基于热红外成像技术与骨架树模型的奶牛眼温自动检测方法。首先,在获得奶牛侧面热红外图像的基础上,利用基于差距度量的阈值分割方法提取奶牛目标,对奶牛骨架进行精确提取,并构建了奶牛骨架树模型,在该模型上对奶牛头部区域进行准确定位;然后,根据头部轮廓的形状特征与眼睛几何位置特征,对奶牛眼睛区域中心点进行准确定位;最后,以眼睛中心点为圆心,以半径为20像素区域内的最高温度作为眼睛温度,对奶牛热红外图像中眼温进行自动检测。为验证本文方法的有效性,随机选取来自50头奶牛的100幅侧视热红外图像进行了试验,结果表明,采用本文方法检测结果的平均绝对误差为0.35℃、平均相对误差为0.38%,具有较高的精度。本研究可为奶牛体温非接触、自动化、高精度检测提供技术支撑。  相似文献   
4.
为解决传统的玉米病害识别方法中特征提取主观性强及误识率高的问题,提出利用卷积神经网络对玉米病害进行识别。以玉米病害图像和健康图像共5种类别的玉米图像为研究对象,并采用LeNet模型进行试验。首先,按照8∶2的比例为每种玉米病害图像选择训练集和测试集。然后,通过试验组合和对比分析的方法比较不同卷积神经网络结构设置对准确率的影响,选出最佳参数。另外,选用Adam算法代替SGD算法来优化模型,通过指数衰减法调整学习率,将L2正则项添加到交叉熵函数中,并选择Dropout策略和ReLU激励函数。最后,确定了一个10层CNN网络结构。试验结果显示,玉米花叶病、灰斑病、锈病、叶斑病和玉米健康识别率分别为95.83%、90.57%、100%、93.75%、100%,平均识别率达96%,平均计算时间为0.15 s。经试验结果比较,该模型识别效果明显高于传统方法,为玉米病害的防治提供技术支持。  相似文献   
5.
针对Otsu算法对直方图呈现多峰多谷的复杂马铃薯病害图像分割效果不佳的问题,结合混合蛙跳算法(shuffled frog leaping algorithm,SFLA)提出了一种Otsu-SFLA分割优化模型,将Otsu病害图像的分割结果作为SFLA算法的优化起点,进行复杂背景的马铃薯病害图像的分割优化,将马铃薯叶枯病、马铃薯晚疫病、马铃薯菌核病、马铃薯根腐线虫病、马铃薯灰霉病的病害图像作为分割对象进行分割,分割匹配率分别为97.0%、96.2%、96.9%、95.7%、94.8%,平均分割匹配率为96.1%,错误率分别为1.6%、1.1%、1.2%、1.1%、1.4%、平均错误率为1.3%,正确率分别为95.4%、95.1%、95.7%、94.6%、93.4%,平均正确率为94.8%,表明Otsu-SFLA模型可有效从复杂马铃薯病害图像中获取病斑区域。  相似文献   
6.
为了实现无损检测生菜叶片中重金属镉的含量,以高光谱技术为研究手段,研究一种基于高光谱技术的精确、快速和有效检测生菜中重金属镉含量的方法。首先,使用高光谱图像采集系统获取生菜高光谱图像,并提取光谱数据,对提取出的光谱数据采用连续投影算法(SPA)和基于权重回归系数的特征选择算法进行特征提取,建立预测生菜叶片中镉含量的最小二乘支持向量回归(LSSVR)模型。结果表明:SPA-LSSVR模型性能最佳,其中预测集决定系数为0.927 3,均方根误差为0.093 mg/kg。因此,利用高光谱技术结合SPA-LSSVR模型对生菜叶片中重金属镉含量进行预测是可行的,可为实际应用提供技术支持和参考。   相似文献   
7.
由于相机自身视野的原因,在岩心图像扫描过程中,一幅岩心图像往往无法被完整扫描,使得对岩心图像分析增加了难度。为了解决这个问题,每行选择距离边界30个像素点来对左右2张图像进行局部特征点提取,提高了匹配速度。基于加速稳健特征(Speeded Up Robust Features,SURF)算法对岩心图像进行特征提取,利用随机抽样一致(Random Sample Consensus,RANSAC)算法对岩心图像特征点去噪。结合欧氏距离与特征向量筛选最优特征点,从而实现岩心图像高精度拼接,得到完整的岩心图像。该拼接方法减少了人为因素导致的错误,确保了地质资料的客观性和准确性,便于对岩心图像的专业分析与应用,具有良好的拼接效果和应用前景。  相似文献   
8.
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   
9.
为了实现果蔬采摘的无损采摘和果蔬的准确识别,本文基于PLC技术设计了果蔬采摘装置的自适应调控系统。系统主要由信息采集模块、图像处理模块、运动控制模块、运动执行模块和PLC控制器组成。通过机械手进行设计,使其在抓取果蔬时的抓取位置、位移和作用力具有自适应能力;对图像进行自适应均衡化处理,提高图像识别。试验数据表明:采摘装置可以对果蔬精准定位,保证果蔬的无损采摘。  相似文献   
10.
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号