全文获取类型
收费全文 | 1043篇 |
免费 | 136篇 |
国内免费 | 327篇 |
专业分类
林业 | 58篇 |
农学 | 112篇 |
基础科学 | 384篇 |
364篇 | |
综合类 | 430篇 |
农作物 | 24篇 |
水产渔业 | 22篇 |
畜牧兽医 | 72篇 |
园艺 | 8篇 |
植物保护 | 32篇 |
出版年
2024年 | 20篇 |
2023年 | 104篇 |
2022年 | 145篇 |
2021年 | 130篇 |
2020年 | 78篇 |
2019年 | 64篇 |
2018年 | 45篇 |
2017年 | 56篇 |
2016年 | 79篇 |
2015年 | 49篇 |
2014年 | 55篇 |
2013年 | 64篇 |
2012年 | 89篇 |
2011年 | 60篇 |
2010年 | 69篇 |
2009年 | 75篇 |
2008年 | 54篇 |
2007年 | 48篇 |
2006年 | 43篇 |
2005年 | 26篇 |
2004年 | 32篇 |
2003年 | 17篇 |
2002年 | 20篇 |
2001年 | 13篇 |
2000年 | 21篇 |
1999年 | 7篇 |
1998年 | 10篇 |
1997年 | 2篇 |
1996年 | 5篇 |
1995年 | 8篇 |
1994年 | 3篇 |
1993年 | 4篇 |
1992年 | 3篇 |
1991年 | 5篇 |
1990年 | 1篇 |
1989年 | 1篇 |
1956年 | 1篇 |
排序方式: 共有1506条查询结果,搜索用时 31 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.
针对不同分类器对不同水果种类识别准确率的不均衡问题,提出一种基于多分类器DS证据理论融合的水果识别方法。该研究选择kaggle上fruits360数据集中的5种水果作为研究对象,首先对预处理后的5种水果图像的颜色、纹理、形状特征进行提取,分别选用BP神经网络、K均值、SVM三种分类器,结合被测图像在每种分类器上的识别结果和各个分类器对不同水果的分类准确率,构建基本概率函数(BPA函数),通过DS证据融合规则对分类器融合后对被测图像进行识别。试验结果表明:该方法对5种水果的识别平均准确率为95.2%,总体标准偏差为0.02993,在提高单分类器识别准确率的同时,解决了分类器对各种水果识别的不均衡问题。对10组测试集识别的平均准确率为93.5%,总体标准偏差为0.055,该方法对水果种类的识别更准确和稳定。 相似文献
3.
采用双模态联合表征学习方法识别作物病害 总被引:1,自引:1,他引:0
基于深度卷积神经网络的视觉识别方法在病害诊断中表现出色,逐渐成为了研究热点。但是,基于深度卷积神经网络建立的视觉识别模型通常只利用了图像模态的数据,导致模型的识别准确率和鲁棒性,都依赖训练数据集的规模和标注的质量。构建开放环境下大规模的病害数据集并完成高质量的标注,通常需要付出巨大的经济和技术代价,限制了基于深度卷积神经网络的视觉识别方法在实际应用中的推广。该研究提出了一种基于图像与文本双模态联合表征学习的开放环境下作物病害识别模型(bimodalNet)。该模型在病害图像模态的基础上,进行了病害文本模态信息的嵌入,利用两种模态病害信息间的相关性和互补性,实现了病害特征的联合表征学习。最终bimodalNet在较小的数据集上取得了优于单纯的图像模态模型和文本模态模型的效果,最优模型组合在测试集的准确率、精确率、灵敏度、特异性和F1值分别为99.47%、98.51%、98.61%、99.68%和98.51%。该研究证明了利用病害图像和病害文本的双模态表征学习是解决开放环境下作物病害识别的有效方法。 相似文献
4.
电子鼻因具备操作简单、能够快速、无损检测的特点,满足人们对肉与肉制品安全指标高效和高精确度检测提出了更高的要求。本文阐述了电子鼻技术的检测原理和其在硬件和软件系统方面的发展;从肉与肉制品的新鲜度检测、掺假检测、风味评价、病原微生物污染检测四个方向,对近年来电子鼻技术在肉与肉制品检测的应用研究进展进行了分析,突出了电子鼻技术应用的可行性和先进性;指出电子鼻技术在肉与肉制品检测中面临的检测效果参差不齐,电子鼻仪器体积大、价格高昂,模型通用性和普及性不够等不足。最后,本文从硬件系统和软件系统两方面,对未来电子鼻技术的发展及其应用前景进行了展望,包括硬件系统方面提高电子鼻传感器阵列电极膜材料的性能,增强电子鼻耐用性和识别气味的灵敏度;软件系统方面不断探索引入新的模式识别算法,使电子鼻技术实现对气味更快、更准确的识别分析。 相似文献
5.
为提高果树病虫害危害程度分级精度进而更好地指导果园病虫害防治,采用迁移学习技术与GoogLeNet模型相结合的方法,对6种果园作物的25类病虫害样本进行识别与危害程度分级研究;同时,探究不同数据集大小以及不同优化算法对模型性能的影响;基于MATLAB平台设计了一款可视化的病虫害识别与分级系统。结果表明:1)基于迁移学习的GoogLeNet模型,对病虫害识别精度可达99.35%,危害程度分级精度可达92.78%;2)在相同训练参数下,本研究模型比AlexNet、VGG-16、ResNet-18、SqueezeNet、原GoogLeNet及MobileNet-v2模型验证精度提高了2.38%~11.44%,并且收敛速度最快;3)本研究模型识别精度随着数据集的增大而提高;在3种优化算法中SGDM算法耗时最短且精度最高,更适合本研究模型。通过拍摄果树叶片病害区域图像,本研究设计的系统能够在0.43 s左右准确识别出果树种类、病害类型以及危害等级等信息。 相似文献
6.
针对自然环境下马铃薯叶片病害识别率低和晚疫病斑定位难的问题,基于大田环境中采集的马铃薯叶片图像,首先对马铃薯叶片病害进行识别,对比AlexNet、VGG16、InceptionV3、ResNet50、MobileNet五种神经网络模型,结果表明InceptionV3模型的识别效果准确率最高,可达98.00%。其次对马铃薯叶片的晚疫病斑进行检测,提出一种改进型的CenterNet-SPP模型,该模型通过特征提取网络获取对象的中心点,再通过中心点回归获得中心点偏移量、目标大小等图像信息,训练后的模型在验证集下的mAP可达90.03%,以F1为评价值分析对比其它目标检测模型,CenterNet-SPP模型的效果最好,准确率为94.93%,召回率为90.34%,F1值为92.58%,平均检测一张图像耗时0.10 s。为自然环境下马铃薯叶片病害识别和检测提供较为全面的深度学习算法和模型研究基础。 相似文献
7.
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
8.
基于机器视觉的温室番茄裂果检测 总被引:1,自引:0,他引:1
该文通过对温室番茄果实进行定位及裂果检测,可为番茄裂果率预估及后续裂果自动筛选提供参考。针对自然光照下采集的各类番茄图像,在相关颜色空间中进行阈值预分割,利用前期支持向量机训练得到的纹理特征分类器对预分割区域进行二次判别;之后在前景区域利用显著性角点分割构造边缘轮廓集,利用基于最小二乘法修正的改进霍夫变换拟合单个番茄目标;最后利用二维Gabor小波算子对拟合的单个番茄区域进行纹理特征提取及裂果判别。文中共采集82幅番茄图像,其中50幅图像作为训练集图像,32幅图像作为验证集,所提算法对测试集中总共128个番茄的果实正确检出率为91.41%,对其中35裂果的正确判别率为97.14%,裂果判别部分平均耗时21 ms。试验结果表明,该方法具有较好的鲁棒性与可靠性,对成熟期番茄裂果率的估计研究及采摘过程中裂果的自动分级筛选具有较好的指导意义,为未来实现温室番茄果实生长状态在线监测提供参考。 相似文献
9.
基于GF-1影像NDVI年度间相关分析的冬小麦面积变化监测 总被引:1,自引:0,他引:1
为实现区域冬小麦种植面积变化的快速监测,减少监测难度,提高监测效率和精度,该文提出一种基于年际NDVI相关关系的监测方法(relationship analysis of normal difference vegetation index,rNDVI)。选择河北省黄骅市、孟村县、海兴县3个县市为研究区,基于2014年4月14日、2017年4月26日两个时期的GF-1/WFV数据,基于rNDVI方法,通过将样本点两年度的NDVI值构建二维空间,采用最小二乘法拟合的方法获得不变地物点的上下包络线方程,进而得到冬小麦变化区域的监测阈值,提取冬小麦种植增加和减少区域,实现对研究区域的变化监测。结果表明,采用rNDVI算法总体精度分别为90.60%,Kappa系数为0.84,相比传统的先最大似然分类后再提取冬小麦种植变化区域的方法,总体精度与Kappa系数分别提高了6.6个百分点和16.7%。对冬小麦增加区域、冬小麦减少区域的变化监测结果进行分析,发现基于rNDVI的变化监测方法可以有效提高裸地、线状道路、破碎的冬小麦地块等区域的变化识别能力,提高监测精度。同时分别利用2014年3月1日和2017年3月12日、2014年5月17日与2017年5月20日两对GF-1/WFV数据进行基于rNDVI的冬小麦变化区域监测,结果表明3月份的监测精度较低,主要是由于3月份冬小麦长势尚不明显,5月份与4月份的总体精度相近,主要是由于5月份冬小麦NDVI已较高,易于识别。上述研究结果表明,基于rNDVI的冬小麦变化快速监测方法可以有效监测区域冬小麦种植面积的变化情况,算法简单高效,且能够在种植结构相对单一的冬小麦分布区域保持较高精度,能够满足农情遥感监测信息快速获取的需要。 相似文献
10.
马齿形玉米种子尖端激光定向与胚面识别装置研制 总被引:1,自引:1,他引:0
为了实现玉米种子的尖端定向与胚面识别,该文以现有尖端定向装置输出的马齿型玉米种子为对象,基于激光开关和测距原理,提出了一种尖端定向与胚面识别方法:依据马齿形玉米种子尖端窄大头宽的轮廓特征,利用激光开关传感器等部件对玉米种子的尖端朝向进行识别,并将大头朝前的玉米种子进行剔除;依据马齿形玉米种子胚面上有胚沟而反面较为平整的表面特征,利用激光测距传感器等部件对尖端朝前的玉米种子进行胚面识别。设计并搭建了玉米种子尖端定向与胚面识别装置,配合现有的尖端定向装置进行试验,结果表明:尖端定向与胚面识别装置的尖端定向成功率达到99.1%,相比现有的尖端定向装置提升了9.5个百分点,胚面识别准确率为96.4%。该方法基本可以实现玉米种子的尖端定向,同时保证胚面识别准确率达到较高水准。该文提出的玉米种子尖端定向与胚面识别方法可为后续玉米种子的自动化定向包装提供参考。 相似文献