全文获取类型
收费全文 | 6505篇 |
免费 | 378篇 |
国内免费 | 759篇 |
专业分类
林业 | 467篇 |
农学 | 501篇 |
基础科学 | 1781篇 |
1177篇 | |
综合类 | 3160篇 |
农作物 | 111篇 |
水产渔业 | 121篇 |
畜牧兽医 | 183篇 |
园艺 | 37篇 |
植物保护 | 104篇 |
出版年
2024年 | 39篇 |
2023年 | 192篇 |
2022年 | 295篇 |
2021年 | 313篇 |
2020年 | 261篇 |
2019年 | 283篇 |
2018年 | 147篇 |
2017年 | 230篇 |
2016年 | 276篇 |
2015年 | 267篇 |
2014年 | 359篇 |
2013年 | 291篇 |
2012年 | 528篇 |
2011年 | 567篇 |
2010年 | 482篇 |
2009年 | 432篇 |
2008年 | 398篇 |
2007年 | 397篇 |
2006年 | 378篇 |
2005年 | 346篇 |
2004年 | 293篇 |
2003年 | 172篇 |
2002年 | 152篇 |
2001年 | 108篇 |
2000年 | 83篇 |
1999年 | 60篇 |
1998年 | 56篇 |
1997年 | 51篇 |
1996年 | 36篇 |
1995年 | 32篇 |
1994年 | 17篇 |
1993年 | 18篇 |
1992年 | 22篇 |
1991年 | 17篇 |
1990年 | 14篇 |
1989年 | 13篇 |
1988年 | 12篇 |
1987年 | 2篇 |
1986年 | 1篇 |
1956年 | 2篇 |
排序方式: 共有7642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.
3.
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
4.
基于声振信号对称极坐标图像的苹果霉心病早期检测 总被引:1,自引:1,他引:0
为实现苹果早期霉心病较高精度的检测,该研究采用对称极坐标法(Symmetrized Dot Pattern,SDP)将苹果声振信号变换为雪花图,然后采用AlexNet、VGG16和ResNet50卷积神经网络以迁移学习方式深度挖掘SDP雪花图像的特征信息,将其输入到支持向量机(Support Vector Machine,SVM)分类器,对霉心程度≤7%的苹果进行检测。研究结果表明,当时间间隔系数为25和角度放大因子为50°时,健康果与早期霉心果声振信号的SDP图形状特征差异最大,在此条件下获取的SDP图经卷积神经网络AlexNet、VGG16和ResNet50提取特征并构建了不同核函数的SVM霉心果检测模型,在各类SVM模型中,ResNet50-SVM-gaus(高斯基)模型用相对较少的训练时间和参数量可取得训练集霉心果较高分类准确率,经超参数优化训练该模型对健康果和早期霉心果测试集不平衡样本(10∶1)的总体分类准确率达到96.97%,平均查准率、平均查全率、平均加权调和均值、Kappa系数和马修斯相关系数值分别为80.19%、90.36%、86.21%,82.54%和82.68%,该模型不仅对多数类的健康果保持较高分类准确率,而且对少数类的早期霉心果也具有较高判别能力。这些研究结果为声振法应用于果蔬内部病害的早期在线检测系统研发提供了技术支撑。 相似文献
5.
机器视觉因具有检测速度快、稳定性高及成本低等优点,已发展成为禽蛋无损检测领域主流检测手段。使用该技术对禽蛋进行无损检测时,需要依赖大量禽蛋图像作为数据支撑才能取得较好的检测效果。由于养殖安全等限制,禽蛋图像数据的采集成本较高,针对该问题,提出了一种适应于小样本禽蛋图像检测的原型网络(Prototypical network)。该网络利用引入注意力机制的逆残差结构搭建的卷积神经网络将不同类别的禽蛋图像映射至嵌入空间,并利用欧氏距离度量测试禽蛋图像在嵌入空间的类别,从而完成禽蛋图像的分类。本文利用该网络分别验证了小样本条件下受精蛋与无精蛋、双黄蛋与单黄蛋及裂纹蛋与正常蛋的分类检测效果,其检测精度分别为95%、98%、88%。试验结果表明本文方法能够有效地解决禽蛋图像检测中样本不足的问题,为禽蛋图像无损检测研究提供了新的思路。 相似文献
6.
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
7.
为了观测降水数据的准确性,选取了南通市4个台站2018年4月—10月份的DCS1型称重式降水传感器和SL3-1型翻斗雨量传感器观测的降水数据,分析两者观测的日降水量和降水总量等方面的差异。结果显示:在选取的观测样本中,以人工观测的降雨日数为参考,称重传感器的平均一致率为91.2%;以翻斗传感器观测的降雨日为参考,称重传感器的一致率为94.5%。称重传感器观测的累积降水量与翻斗传感器观测的累积降水量相对平均误差为-1.55%,符合中国气象局规定的相对误差不超过±4%的规范要求。在分析日降水量方面,发现称重传感器比翻斗传感器观测量平均偏小0.29 mm;有明显性降水时,两者在日降水量等级判别上基本一致。称重传感器观测的数据小于翻斗传感器观测的数据概率要高,两种传感器观测的差值分布较为一致。称重传感器在捕捉微量降水的能力不比翻斗传感器差,甚至更好。称重传感器观测的日降水量与翻斗传感器观测的日降水量相关系数为0.99826,达到0.01显著相关的水平。 相似文献
8.
甘蔗横向种植机补种系统设计与试验 总被引:1,自引:0,他引:1
针对甘蔗横向种植机在种植过程中出现的漏播问题,设计了一套基于51单片机的甘蔗实时补种系统。通过对充种、储种、供种、护种及投种过程进行运动学和动力学的仿真分析,确定了影响补种效果的主要因素,设计了补种系统的关键部件。该系统采用AT89C52单片机、3套对射型激光传感器分别对漏种、补种箱和储蔗槽中蔗种余量不足的情况进行信号采集,进行漏种计数显示和实现蔗种余量不足时的报警,步进电机作为动力源,驱动辊耙转动完成补种过程。选取行进速度和补种辊槽数为试验因素,以补种成功率和重置率为补种性能指标,进行了二因素五水平的正交旋转组合试验。结果表明,行进速度对补种成功率的影响极显著,补种辊槽数对补种成功率的影响极显著;利用Excel软件进行了二次回归方程分析,得出当行进速度为3 km/h、补种辊槽数为10个时,补种成功率达到93.97%,重置率为1.69%。设计的实时补种系统性能稳定可靠,解决了播种器工作过程中的漏种问题。 相似文献
9.
基于级联卷积神经网络的番茄花期识别检测方法 总被引:9,自引:8,他引:1
对作物花期状态的准确识别是温室作物执行授粉的前提。为提高花期状态识别的准确度,该研究以温室番茄为例提出了一种基于级联卷积神经网络的番茄花朵花期识别方法。首先采用改进的端到端的特征金字塔网络FS-FPN实现番茄花束的分割,然后采用Prim最小生成树对分割后的花束图片进行花期识别优先级排序,最后将已排序的分割花束图片输入改进的Yolov3网络,实现番茄花朵花期状态的精准识别。在由1600幅包含花蕾期、全开期、谢花期、初果期4类花期状态的番茄花束图像构成的数据集上,所提方法对番茄花朵花期平均检测时间为12.54 ms,平均检测精度分别比Mask R-CNN和SPP-Net提高了3.67%和2.39%,识别错误率比改进前的Yolov3网络降低了1.25%。最终将该方法部署到番茄授粉机器人上,并在大型玻璃温室内进行验证,结果表明,所提方法对番茄花朵各花期的检测精度分别为花蕾期85.71%、全开期95.46%、谢花期62.66%、初果期88.34%,该研究结果可为智能授粉机器人的精准作业提供重要依据。 相似文献
10.
花龄期棉花虫害的电子鼻检测 总被引:1,自引:1,他引:0
棉花害虫具有隐蔽性、迁飞性和突发性特点,并且影响因素众多,棉花虫害准确地诊断是农业领域的难点问题。该研究以受到棉铃虫侵害的花铃期棉花为研究对象,采用电子鼻对不同处理的棉花挥发物进行检测。研究表明,主成分分析(Principal Component Analysis, PCA)和聚类分析结果显示健康棉花释放的挥发物具有明显的昼夜节律性,健康棉花与虫害棉花差异性显著。径向基函数神经网络(Radial Basis Function Neural Network, RBFNN)对8个不同时间的4组虫害棉花处理进行分析,测试集判别总的正确率为73.4%,健康棉花对照组测试集判别正确率100%,误判样本出现在3个虫害处理之间。当不考虑时间因素建立虫害棉花统一的预测模型,RBFNN模型对健康棉花对照组的预测正确率均达到了100%,分析结果可以作为花铃期棉花是否遭受棉铃虫侵害的依据,说明电子鼻可以作为棉花虫害发生的有效监测手段,在农作物虫害监测领域具有潜在的应用价值。 相似文献