全文获取类型
收费全文 | 88篇 |
免费 | 2篇 |
国内免费 | 30篇 |
专业分类
林业 | 1篇 |
农学 | 1篇 |
基础科学 | 61篇 |
31篇 | |
综合类 | 14篇 |
水产渔业 | 2篇 |
畜牧兽医 | 7篇 |
园艺 | 3篇 |
出版年
2024年 | 1篇 |
2023年 | 3篇 |
2022年 | 2篇 |
2020年 | 2篇 |
2019年 | 6篇 |
2017年 | 5篇 |
2016年 | 8篇 |
2015年 | 11篇 |
2014年 | 10篇 |
2013年 | 8篇 |
2012年 | 4篇 |
2011年 | 8篇 |
2010年 | 8篇 |
2009年 | 10篇 |
2008年 | 7篇 |
2007年 | 4篇 |
2006年 | 3篇 |
2005年 | 3篇 |
2004年 | 2篇 |
2003年 | 6篇 |
2001年 | 4篇 |
2000年 | 1篇 |
1999年 | 3篇 |
1991年 | 1篇 |
排序方式: 共有120条查询结果,搜索用时 312 毫秒
71.
针对解决苹果采摘机器人众多传感器数据采用有线传输,数据线纷繁杂乱、检修不便等问题,以及其直动关节在伸缩过程中对末端执行器传感器数据线容易扯断纠结等具体情况,设计了传感器无线数据传输系统。首先对苹果采摘机器人无线数据传输进行了整体设计,对无线通信模块电路、USB通信电路进行了选型设计,同时设计了部分传感器的信号调理电路;其次为了无线数据实时、可靠的传输,在方法上采取了质效控制措施,并制定了数据传输协议,然后进行了无线数据传输的程序设计,最后通过测试结果验证了传输协议的健壮性,数据传输的高效性,并根据测试结果与系统开销之间进行协调,选取了最优设置参数。该研究为采摘机器人及其他农产品生产机器人数据传输提供了一种无线实现方式和新的实现方案。 相似文献
72.
提出了一种基于气电混合驱动且能够全天候工作的高效率苹果收获机器人。该机器人机械臂包含5个自由度,混合使用电动和气动两种驱动方式,同时保证机械臂的准确定位和末端执行器对果实的快速柔性抓取。机器人视觉识别系统结合了机器视觉和深度神经网络方法,在提高系统鲁棒性的同时优化了系统的整体检测速度。此外,机器人配备的夜间照明系统使其能够实现全天候工作。在实验室环境下进行了机器人视觉检测试验和苹果采摘试验,结果表明,视觉系统定位苹果的平均时间为44 ms,机器人的采摘率为81. 25%,平均每个苹果的采摘时间为7. 81 s。 相似文献
73.
苹果采摘机器人对振荡果实的快速定位采摘方法 总被引:9,自引:9,他引:0
为解决由于果实振荡影响采摘机器人采摘效率的问题,该文研究了苹果采摘机器人在果实振荡状况下的快速采摘方法。首先对振荡果实进行动态连续采集,其次对所采集的图像进行振荡果实识别并提取其二维质心坐标,然后由FFT建模,求取果实的振荡周期,在测得振荡果实的深度距离后,计算出采摘机器人直动关节的行程速度,随即开始采摘,抓取时果实正处于平衡位置。最后通过试验可知,采摘成功率达到84%,对于果实静态状况下采摘速度较快的采摘机器人来说,采摘振荡果实,该研究方法明显优于以往采摘方法,能够显著提高采摘机器人果实采摘的整体速度。此外,该采摘方法简单、通用性好,可满足苹果等类球状果实采摘机器人的需要,对实现其实用化和商品化提供参考。 相似文献
74.
以双蒸水为溶剂,用反相高效液相色谱-紫外检测法测定蚕蛹虫草样品中虫草素和腺苷含量,并用该方法测定了19-3、17-3、MS、1-1以及1-Y等12种不同虫草菌株栽培的蚕蛹虫草、不同品质的蚕蛹虫草以及蚕蛹虫草不同组织中的虫草素和腺苷的含量。结果表明:1-Y菌株的虫草素和腺苷含量均最高,质量分数达15.45 mg/g和4.40 mg/g;不同品质的蚕蛹虫草中虫草素则以感染而未出草的僵蚕最高;蚕蛹虫草的僵蚕体对虫草素的富集能力高于子座,蚕蛹虫草的子座对腺苷的富集能力高于僵蚕体。该结果可对探求高虫草素含量和高腺苷含量的虫草材料提供理论依据。 相似文献
75.
76.
联合收割机负荷模型存在严重的非线性和参数不确定性,在负荷控制器及其控制算法的研究中需要进行大量的试验,而负荷控制器的田间实车试验存在很多制约因素,难以实现全面试验。针对上述问题,建立了由负荷反馈控制器和虚拟联合收割机对象组成的半实物仿真试验平台。基于4LZ-2.0型全喂入收割机,设计了虚拟收割机模型和相应的各种工况,为研究开发联合收割机负荷反馈控制器及其控制算法提供有效的验证环境。最后,利用此平台模拟联合收割机实际作业过程,对负荷反馈控制器进行各种工况条件下的测试,试验结果表明了仿真平台的有效性。 相似文献
77.
水产养殖中溶解氧的检测与控制技术的研究 总被引:5,自引:0,他引:5
针对工厂化水产养殖的现状,系统地研究了溶解氧的检测与控制以及水体温度、溶解氧的相互耦合与补偿关系;并设计出相应的检测与控制技术,建立了智能化水产养殖监控体系,使水产品生产在最适宜的环境下,达到增产、节能、减轻工人劳动强度,减少污染的效果. 相似文献
78.
机器人采摘苹果果实的K-means和GA-RBF-LMS神经网络识别 总被引:2,自引:7,他引:2
为进一步提升苹果果实的识别精度和速度,从而提高苹果采摘机器人的采摘效率。提出一种基于K-means聚类分割和基于遗传算法(genetic algorithm,GA)、最小均方差算法(least mean square,LMS)优化的径向基(radial basis function,RBF)神经网络相结合的苹果识别方法。首先将采集到的苹果图像在Lab颜色空间下利用K-means聚类算法对其进行分割,分别提取分割图像的RGB、HSI颜色特征分量和圆方差、致密度、周长平方面积比、Hu不变矩形状特征分量。将提取的16个特征作为神经网络的输入,对RBF神经网络进行训练,以得到苹果果实的识别模型。针对RBF神经网络学习率低、过拟合等不足,引入遗传算法对RBF隐层神经元个数和连接权值进行优化,采取二者混合编码同时进化的优化方式,最后再利用LMS对连接权值进一步学习,建立新的神经网络优化模型(GA-RBF-LMS),以提高神经网络的运行效率和识别精度。为了获得更精确的网络模型,在训练过程中,苹果果实连同树枝、树叶一块训练;得到的模型在识别过程中,可一定程度上避免枝叶遮挡对果实识别的影响。为了更好地验证新方法,分别与传统的BP(back propagation)和RBF神经网络、GA-RBF优化模型比较,结果表明,该文算法对于遮挡、重叠果实的识别率达95.38%、96.17%,总体识别率达96.95%;从训练时间看,该文算法虽耗时较长,用150个样本进行训练平均耗时4.412 s,但训练成功率可达100%,且节省了人工尝试构造网络结构造成的时间浪费;从识别时间看,该文算法识别179个苹果的时间为1.75 s。可见GA-RBF-LMS网络模型在运行效率和识别精度较优。研究结果为苹果采摘机器人快速、精准识别果实提供参考。 相似文献
79.
80.