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   1894篇
  免费   352篇
  国内免费   310篇
林业   69篇
农学   240篇
基础科学   410篇
  459篇
综合类   895篇
农作物   35篇
水产渔业   26篇
畜牧兽医   96篇
园艺   178篇
植物保护   148篇
  2024年   9篇
  2023年   138篇
  2022年   194篇
  2021年   170篇
  2020年   109篇
  2019年   86篇
  2018年   74篇
  2017年   109篇
  2016年   147篇
  2015年   101篇
  2014年   85篇
  2013年   121篇
  2012年   169篇
  2011年   146篇
  2010年   124篇
  2009年   141篇
  2008年   104篇
  2007年   86篇
  2006年   86篇
  2005年   49篇
  2004年   57篇
  2003年   36篇
  2002年   37篇
  2001年   24篇
  2000年   35篇
  1999年   17篇
  1998年   21篇
  1997年   5篇
  1996年   11篇
  1995年   17篇
  1994年   10篇
  1993年   9篇
  1992年   5篇
  1991年   6篇
  1990年   3篇
  1989年   5篇
  1988年   1篇
  1987年   1篇
  1982年   1篇
  1981年   1篇
  1979年   1篇
  1978年   1篇
  1977年   2篇
  1976年   1篇
  1956年   1篇
排序方式: 共有2556条查询结果,搜索用时 15 毫秒
1.
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   
2.
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   
3.
基于改进YOLO v3的自然场景下冬枣果实识别方法   总被引:4,自引:0,他引:4  
为实现自然场景下冬枣果实的快速、精准识别,考虑到光线变化、枝叶遮挡、果实密集重叠等复杂因素,基于YOLO v3深度卷积神经网络提出了一种基于改进YOLO v3(YOLO v3-SE)的冬枣果实识别方法。YOLO v3-SE模型利用SE Net 的SE Block结构将特征层的特征权重校准为特征权值,强化了有效特征,弱化了低效或无效特征,提高了特征图的表现能力,从而提高了模型识别精度。YOLO v3-SE模型经过训练和比较,选取0.55作为置信度最优阈值用于冬枣果实检测,检测结果准确率P为88.71%、召回率R为83.80%、综合评价指标F为86.19%、平均检测精度为82.01%,与YOLO v3模型相比,F提升了2.38个百分点,mAP提升了4.78个百分点,检测速度无明显差异。为检验改进模型在冬枣园自然场景下的适应性,在光线不足、密集遮挡和冬枣不同成熟期的情况下对冬枣果实图像进行检测,并与YOLO v3模型的检测效果进行对比,结果表明,本文模型召回率提升了2.43~5.08个百分点,F提升了1.75~2.77个百分点,mAP提升了2.38~4.81个百分点,从而验证了本文模型的有效性。  相似文献   
4.
病毒侵染直接影响草莓的生长发育及果实品质,快速检测及鉴定病毒是病毒防治的前提。本研究以‘丰香’草莓和‘哈尼’草莓为试材,利用小RNA(sRNA)测序结合RT-PCR技术对2种栽培草莓品种中存在的病毒进行了研究。对sRNA测序结果进行组装和注释,结果表明:在混合样品中共有242个contigs比对到5种草莓病毒,分别为草莓白化病毒(strawberry pallidosis associated virus,SPaV)、草莓镶脉病毒(strawberry vein banding virus,SVBV)、草莓斑驳病毒(strawberry mottle virus,SMoV)、草莓毛形病毒3(strawberry crinivirus 3,SCrV 3)和草莓毛形病毒4(strawberry crinivirus 4,SCrV 4)。利用RT-PCR技术对sRNA测序结果进行验证,结果表明:SMoV、SVBV和SCrV 3在‘丰香’草莓和‘哈尼’草莓中均检测到,而SPaV和SCrV 4只在‘哈尼’草莓样品中检测到。本研究利用sRNA测序技术鉴定了2个草莓品种中存在的病毒,首次在我国生产的同一个草莓品种中检测到5种病毒,为草莓病毒的检测和防控提供了新的思路。  相似文献   
5.
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   
6.
姚州  谭焓  田芳  周勇  章程 《中国饲料》2021,1(7):7-12
智慧羊场具有科学化、标准化管理的优点,是羊场转型发展的趋势。计算机视觉技术是人工智能的核心,可以实现非接触性、自动化、实时监测羊的个体信息。本文总结并分析了计算机视觉在羊场的个体识别方法、行为识别方法、体尺与体重估测、疾病监测的研究现状,并指出计算机视觉在智慧羊场的进一步发展趋势。 [关键词] 计算机视觉|智慧羊场|个体识别|行为识别|体尺与体重估测|疾病监测  相似文献   
7.
强化犬只狂犬病免疫工作是从源头控制狂犬病的最有效措施。近年来,上海市按照《上海市养犬管理条例》的要求,通过严把免疫资质准入、规范内部管理、落实疫情报告责任、推进免疫质量考核等举措,使犬只狂犬病认定免疫点的布局日趋合理,文明服务更加规范,这已成为上海市民犬只狂犬病免疫的主渠道,免疫数量和质量逐年提升,构筑了良好的免疫屏障。今后在犬只狂犬病认定免疫点管理方面,上海市应强化疫苗源头管理,加大非法免疫惩处力度,合理认定免疫点整体布局,规范引导免疫行为和内部运行。  相似文献   
8.
基于RAdam卷积神经网络的水稻生育期图像识别   总被引:5,自引:5,他引:0  
为了解决现阶段水稻发育期信息的获取主要依靠人工观测的效率低、主观性强等问题,该研究提出一种基于Rectified Adam(RAdam)优化器的ResNet50卷积神经网络图像识别方法,开展水稻关键生育期的自动识别。连续2a对12块试验田的水稻物候特征进行持续自动拍摄,对采集的水稻图像进行预处理,得到水稻各发育期分类图像数据集;采用ExG因子和大津法(Otsu)算法相结合的方法对水稻图像分割,减小稻田背景干扰;对比分析了VGG16、VGG19、ResNet50和Inception v3四种模型下水稻生育期图像分级识别的性能,选取性能较优网络模型并进行了网络参数调优;对比试验了不同优化器下模型准确率和损失值的变化,选取了RAdam优化器。结果表明,采取基于RAdam优化器卷积神经网络构建的模型,在真实场景下分类识别准确率达到97.33%,网络稳定性高、收敛速度快,为水稻生育期自动化观测提供了有效方法。  相似文献   
9.
随着深度学习技术与农业的密切融合,越来越多的研究将深度学习技术用于农业病虫害检测,提高农产品产量和质量。本文提出一种新颖的基于Xception模型的植物病害识别方法。了解到植物病害图像会受到不确定环境因素的干扰而减小图像信息。在Xception的基础上,提出一种新的通道扩增模块,采用带有通道分配权重的多尺度深度卷积与组卷积结合,增强空间和通道的特征提取效率;在网络中采用通道扩张-保持-再扩张-压缩的新策略,进一步优化通道特征提取;引入密集连接方式,提高在同尺寸的特征图之间特征重用。试验数据集由10种不同植物的50类图像组成,分别包括10种健康植物和27种病害,其中对13种病害进行了两种程度的分类。本文的方法在这些类别上可以获得91.9%的准确率,88.7%的精确率,82.45%的召回率以及85.33%的F1值。本文的算法有更小的模型复杂度和参数量,计算量为29.33 M,为Xception的66.4%。参数量为14.05 M,为Xception的66.9%。因此,Xception-CEMs能够有效对病虫害进行识别,有利于农业智能化发展。  相似文献   
10.
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   
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