全文获取类型
收费全文 | 4495篇 |
免费 | 727篇 |
国内免费 | 582篇 |
专业分类
林业 | 352篇 |
农学 | 430篇 |
基础科学 | 669篇 |
931篇 | |
综合类 | 1961篇 |
农作物 | 244篇 |
水产渔业 | 201篇 |
畜牧兽医 | 609篇 |
园艺 | 94篇 |
植物保护 | 313篇 |
出版年
2024年 | 10篇 |
2023年 | 154篇 |
2022年 | 264篇 |
2021年 | 362篇 |
2020年 | 303篇 |
2019年 | 234篇 |
2018年 | 177篇 |
2017年 | 235篇 |
2016年 | 228篇 |
2015年 | 219篇 |
2014年 | 256篇 |
2013年 | 279篇 |
2012年 | 332篇 |
2011年 | 340篇 |
2010年 | 294篇 |
2009年 | 273篇 |
2008年 | 249篇 |
2007年 | 282篇 |
2006年 | 226篇 |
2005年 | 168篇 |
2004年 | 151篇 |
2003年 | 101篇 |
2002年 | 103篇 |
2001年 | 76篇 |
2000年 | 69篇 |
1999年 | 63篇 |
1998年 | 58篇 |
1997年 | 44篇 |
1996年 | 39篇 |
1995年 | 44篇 |
1994年 | 28篇 |
1993年 | 30篇 |
1992年 | 19篇 |
1991年 | 10篇 |
1990年 | 26篇 |
1989年 | 21篇 |
1988年 | 9篇 |
1987年 | 3篇 |
1986年 | 9篇 |
1985年 | 2篇 |
1984年 | 3篇 |
1983年 | 1篇 |
1982年 | 1篇 |
1981年 | 2篇 |
1980年 | 2篇 |
1979年 | 3篇 |
1975年 | 1篇 |
1955年 | 1篇 |
排序方式: 共有5804条查询结果,搜索用时 15 毫秒
1.
农机工况识别在细化农机作业状态和帮助掌握区域污染物排放趋势方面有着重要的研究价值。基于拖拉机不同运行状态下的行驶速度、发动机转速以及实时油耗等时间序列,首次提出将图像识别方法引入到拖拉机工况识别中的思路,并分别应用参数优化的支持向量机与卷积神经网络对实际作业拖拉机工况进行研究。结果表明:(1)基于参数优化的支持向量机可以较好地实现样本点的工况识别且识别准确度达到99.851 9%,但无法实现农机工况的连续性识别,同时无法对农机工况转换阶段进行有效识别。(2)以拖拉机运行速度与发动机转速等信息构建样本图像来描述农机工况变化的数据表达,并在此基础上应用卷积神经网络可以有效实现农机工况的连续性识别,且识别准确率可以达到93.3%。本研究在农机工况识别方面具有一定参考价值,并为后续农机不同工况下区域污染物排放研究提供技术支持。 相似文献
2.
油菜多室角果是一种高产相关性状,本研究对桑日白油菜(srb)多室性状的遗传调控机制进行研究。性状分析表明,该突变体具有稳定的多室角果表型,单株多室角果比例为94.7%~100.0%,每角果平均3.5个心皮。遗传上srb突变体中的多室性状受1对隐性核基因控制。比较测序分析发现,srb中BrCLV3基因的CLE motif中存在一种新的单核苷酸突变(C/G),可导致其保守结构域的第12位组氨酸突变为天冬氨酸,将该位点命名为Brclv3Asp12。利用SNP标记进行分离群体的鉴定,证实Brclv3Asp12中的C/G单核苷酸变异与多室表型共分离。转基因互补测验和体外多肽的处理试验进一步证实,该材料中控制多室性状位点Brclv3Asp12突变导致了CLV3多肽活性的减弱,是形成多室角果性状的原因。本研究初步阐明了白菜型油菜srb多室性状形成的机制。 相似文献
3.
基于特征选择和GA-BP神经网络的多源遥感农田土壤水分反演 总被引:6,自引:5,他引:1
土壤水分是影响水文、生态和气候等环境过程的重要参数,而微波遥感是农田地表土壤水分测量的重要手段之一。针对微波遥感反演农田地表土壤水分受植被覆盖影响较大的问题,该研究提出了一种基于特征选择和GA-BP神经网络(Genetic Algorithm-Back Propagation neural network)的多源遥感农田地表土壤水分反演方法。首先对Sentinel-1微波遥感数据和Sentinel-2光学遥感数据进行预处理并提取21个特征参数;然后采用差分进化特征选择(Differential Evolution Feature Selection,DEFS)算法从21个特征中选出包含10个参数的最优特征子集,并利用主成分分析(Principal Component Analysis,PCA)法将特征子集进行降维;之后建立BP神经网络,采用遗传算法(GeneticAlgorithm,GA)对BP网络的节点权值进行优化,使用降维后的特征矩阵和部分实测土壤含水量数据对BP网络进行训练;最后利用训练好的GA-BP网络对研究区土壤水分进行反演,并利用实测数据对反演结果精度进行对比验证。试验结果表明,该研究反演结果的决定系数为0.789 3,均方根误差为0.028 7 cm~3/cm~3,相比单纯使用GA-BP神经网络,加入DEFS和PCA之后决定系数提高了0.215 7,同时均方根误差降低了0.029 5 cm~3/cm~3。该结果展示了DEFS和PCA算法在土壤水分反演最优特征集选择的有效性,为多源遥感农田地表土壤水分反演提供了新思路。 相似文献
5.
6.
基于自监督学习的温室移动机器人位姿跟踪 总被引:1,自引:1,他引:0
为实现温室环境下机器人行进过程中的位置及姿态跟踪,该研究提出一种基于时序一致性约束的自监督位姿变换估计模型。模型用软遮罩,处理视频帧间静止造成的位姿预测值收缩现象,进一步用归一化遮罩,解决非刚体场景和目标遮挡问题。设计了一种星型扩张卷积,并基于该卷积,为模型构建自编码器。在采集自种植作物为番茄的日光温室视频数据上开展训练和测试试验。结果表明,与不采用遮罩处理的模型相比,采用软遮罩的模型,位置和姿态估计相对误差分别减少5.06个百分点和11.05个百分点,采用归一化遮罩的模型,这2项误差则分别减少4.15个百分点和3.86个百分点,2种遮罩均可显著提高模型精度;星型扩张卷积对降低模型误差是有效的,在网络参数不变的前提下,该卷积使姿态估计相对误差减少7.54个百分点;时序一致性约束使姿态估计均方根误差下降36.48%,每百帧累积姿态角误差降低54.75%,该约束可用于提高模型精度及稳定性;该研究的位置及姿态估计相对误差分别为8.29%和5.71%,与Monodepth2相比,减少了8.61%和6.83%。该研究可为温室移动机器人导航系统设计提供参考。 相似文献
7.
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
8.
建立连续的发动机燃油特性和调速特性数学模型作为液压机械无级变速器虚拟试验平台的动力源。根据虚拟平台对不同特性区域的精度需求对柴油发动机不同特性区域的试验数据进行不同的密度选取、乱序和归一化处理,采用单隐层BP神经网络对试验数据进行训练,对比不同隐层节点数网络的训练误差和测试误差,选取误差最小的网络,求解出网络的数学表达式。通过该方法以ISLe310柴油发动机为例建立燃油特性和调速特性的连续数学模型,这两个简单的数学表达式准确反映了发动机万有特性和外特性,连续模型避免了虚拟试验中出现信号的突变和奇异点。通过和经典的最小二乘法拟合得到的最优特性模型进行对比,其具有更小的误差、更强的泛化能力,能够更好地反映柴油发动机的相关特性。 相似文献
9.
为寻求准确的鸡舍氨气浓度预测方法,构建基于双阶段注意力机制和长短时记忆神经网络(Long shortterm memory,LSTM)的鸡舍氨气浓度预测模型,将该模型应用于山东省商河县某蛋鸡养殖场,采集二氧化碳(CO_2)、氧气(O_2)和氨气(NH_3)的体积分数,细颗粒物(PM_(2.5))质量浓度,温度,相对湿度时间序列数据对模型进行验证,并与支持向量回归(Support vector regression,SVR)、人工神经网络(Artificial neural network,ANN)模型和无注意力机制的LSTM模型对比研究。结果表明:1)不同时间窗口T下NH_3体积分数预测精度不同。T∈{2,3,4,8}时,均方根误差(Root mean square error,RMSE)分别为0.433 4,0.394 8,0.379 9和0.405 1μL/L,平均绝对误差(Mean absolute error,MAE)分别为0.267 4,0.262 9,0.228 9和0.272 4μL/L;2)基于双阶段注意力机制和LSTM的鸡舍NH_3浓度预测模型在RMSE和MAE评价指标框架下优于SVR、ANN和无注意力机制的LSTM模型。基于双阶段注意机制和LSTM的模型能较好地对鸡舍氨气浓度进行预测,可为鸡舍氨气浓度预测及调控提供技术支持。 相似文献
10.
为有效促进豆渣中不溶性膳食纤维的可溶化、提高其功能特性,利用空化微射流技术处理生物酶法制油豆渣膳食纤维,采用X-射线衍射、扫描电子显微镜方法分析不同空化微射流处理时间(0、6、12、18 min)下豆渣膳食纤维的晶体结构及表观形态变化,并通过粒度、持水性、膨胀性、表观粘度、葡萄糖和胆固醇吸附能力对其理化、功能性质进行表征,明确空化射流对其结构、功能及吸附特性的影响。结果显示:经空化射流处理18 min后,样品结构产生粒径减小、结晶度下降、粘度降低等变化;处理12 min时膨胀力、持水力分别达到最大值(13.92±0.78) m L/g、(2.83±0.13) g/g,此时对葡萄糖和胆固醇的吸附能力最佳。研究表明,空化射流可有效促进生物酶法制油豆渣不溶性膳食纤维的可溶化,并显著改善其结构及理化性质。 相似文献