全文获取类型
收费全文 | 1595篇 |
免费 | 72篇 |
国内免费 | 79篇 |
专业分类
林业 | 208篇 |
农学 | 64篇 |
基础科学 | 299篇 |
109篇 | |
综合类 | 742篇 |
农作物 | 75篇 |
水产渔业 | 31篇 |
畜牧兽医 | 121篇 |
园艺 | 55篇 |
植物保护 | 42篇 |
出版年
2024年 | 22篇 |
2023年 | 86篇 |
2022年 | 116篇 |
2021年 | 117篇 |
2020年 | 112篇 |
2019年 | 128篇 |
2018年 | 56篇 |
2017年 | 119篇 |
2016年 | 98篇 |
2015年 | 74篇 |
2014年 | 98篇 |
2013年 | 79篇 |
2012年 | 92篇 |
2011年 | 86篇 |
2010年 | 54篇 |
2009年 | 36篇 |
2008年 | 31篇 |
2007年 | 35篇 |
2006年 | 30篇 |
2005年 | 40篇 |
2004年 | 22篇 |
2003年 | 39篇 |
2002年 | 27篇 |
2001年 | 21篇 |
2000年 | 23篇 |
1999年 | 11篇 |
1998年 | 18篇 |
1997年 | 8篇 |
1996年 | 10篇 |
1995年 | 14篇 |
1994年 | 9篇 |
1993年 | 9篇 |
1992年 | 3篇 |
1991年 | 7篇 |
1990年 | 8篇 |
1989年 | 4篇 |
1986年 | 1篇 |
1982年 | 1篇 |
1981年 | 1篇 |
1957年 | 1篇 |
排序方式: 共有1746条查询结果,搜索用时 15 毫秒
71.
72.
基于车载三维激光雷达的玉米点云数据滤波算法 总被引:4,自引:0,他引:4
为支持表型参数测量和数字植物相关研究,对车载三维激光雷达获取的玉米点云数据进行分析处理,提出了一种基于统计分析的两次滤波算法。以大喇叭口期的京农科728和农大84玉米为研究对象,使用VLP-16型三维激光雷达采集田间玉米点云数据;对点云数据进行直通滤波预处理,去除无关点后,进行第1次点云数据滤波处理,设置精确率和召回率阈值,选取参数组合;再对点云进行第2次滤波处理,确定精确率和召回率最优组合(110,0. 9)、(6,1. 2),边际组合(100,1. 0)、(6,1. 2)和(110,0. 8)、(5,0. 9),共3组参数组合;以3组验证集数据进行测试,结果表明:最优组合性能最优,可在京农科728和农大84玉米点云数据滤波中通用。 相似文献
73.
基于结构光三维点云的棉花幼苗叶片性状解析方法 总被引:1,自引:0,他引:1
针对传统的棉花叶片表型测量方法主观、低效,对复杂性状如卷叶程度、黄叶占比等很难量化的问题,提出一种基于结构光三维成像的棉花幼苗叶片性状解析方法。首先,采用结构光扫描仪获取棉花幼苗的三维点云数据;然后,利用直通滤波、超体聚类、条件欧氏距离算法,实现叶片点云的识别与分割;最后,基于分割的叶片点云,采用三角面片化、随机采样一致性、Lab颜色分割等处理,实现叶片面积、周长、生长角度、卷曲度、黄叶占比等参数的快速、准确、无损提取。对40株棉花幼苗进行三维结构光成像试验,结果表明,3D叶片面积、周长测量的平均绝对误差分别为2. 59%、2. 85%,具有较高的测量精度,还证明叶片卷曲度和黄叶占比能显著区分病叶和正常叶。 相似文献
74.
基于无人机影像匹配点云的苗圃单木冠层三维分割 总被引:4,自引:0,他引:4
近年来较多的树冠提取算法以激光雷达数据为基础,然而激光点云数据量大、冗余多而且采集成本高。本文基于无人机影像匹配点云提取单木树冠轮廓,研究一种成本可控、能够补充甚至部分替代激光雷达的小范围森林制图方案。以福建省三明市某林场内苗圃地作为研究对象,在稠密的无人机影像匹配点云中截取2个25 m×25 m的样地作为测试样本。预处理后,首先构建植被冠层高度模型,以局部最大值法探测树冠位置并标记为种子点;从这些种子点形成的初始区域开始生长,迭代计算直到全部的影像匹配点云归并完毕;最后,将算法提取的树冠轮廓导入Arc GIS中获取树冠轮廓矢量边界,并与手绘参考树冠叠加,利用F测度实现精度的评定。依此方案,在2个林分范围内的树冠提取F测度均达到了89%以上,单木冠幅提取的误差在0.14 m以内。结果表明,该方案简单有效、精度可靠,适用于小范围、高精度的植被制图。 相似文献
75.
基于改进SIFT-ICP算法的Kinect植株点云配准方法 总被引:5,自引:0,他引:5
针对传统配准方法准确度低、速度慢的问题,提出了基于改进SIFT-ICP算法的彩色植株点云配准方法。首先采用Kinect获取不同视角下植株彩色图像和深度图像合成原始植株彩色点云,通过预处理提取原始点云植株信息,对植株点云进行尺度不变特征变换(SIFT)的特征点检测,得到点云配准关键点,再对关键点进行自适应法线估计,然后求取关键点的快速点特征直方图(FPFH),通过采样一致性(SAC-IA)初始配准方法改进点云间初始位置关系,最后利用Nanoflann加速最近点迭代(ICP)算法完成精确配准。试验结果表明,改进SIFT-ICP算法可以大幅度提高点云配准的准确性和快速性,其中对应点间平均欧氏距离小于7 mm,配准时间小于30 s。 相似文献
76.
基于三维重建的动物体尺获取原型系统 总被引:4,自引:0,他引:4
为提高现有动物体尺获取技术的效率和自动化程度,提出双深度摄像头动物实时三维重建系统,进而进行动物体尺获取。基于随机采样一致性算法的圆球标定方法对摄像头外参数进行自动标定,再利用外参数将同步获取的点云数据进行配准达到实时重建,最后采用优化拾取机制后的交互式测量方法得到体尺。选取Xtion PRO作为点云数据采集设备并以猪标本作为重建对象,利用高精度激光扫描仪的重建数据与该系统重建结果进行了对比试验,结果表明圆球标定算法能够全自动快速地获取摄像头外参数,用该参数配准后的数据平均误差在7.50 mm以内,该系统以15帧/s的速度重建猪体全身,获取误差在4%以内的体尺信息,达到农业上动物体尺测量的一般要求,该系统可用于动物体尺测量。 相似文献
77.
针对水资源承载力评价指标模糊性与随机性的问题,将正态云模型应用于其评价当中。基于正态云模型,以浙江省为例,对区域水资源承载力状况进行评价。结果表明:2006-2009年间,浙江省水资源承载力状态始终处于Ⅱ级(一般)状态,较为平稳,水资源承载力综合值从1.960 3上升为2.052 2,区域水资源承载力水平有增加趋势,但个别评价指标仍处于危险状态,其单因子指标值1.5,有待于进一步提高与改善;正态云模型使水资源承载力的定量评价兼顾随机性和模糊性,研究结果可为区域水资源可持续发展提供一定的参考借鉴。 相似文献
78.
离心压缩机受损叶轮再制造方法 总被引:1,自引:0,他引:1
叶轮是离心压缩机的核心功能部件,极易出现损坏。受损叶轮再制造技术国内面临的主要问题是缺少设计数据。为此,提出一种基于受损叶轮结构特征建立再制造目标模型的方法。设计了离心压缩机受损叶轮的再制造流程;对受损叶轮原始三维点云进行滤波和精简;针对叶轮叶片的损伤区域和未损伤区域,分别提取并拟合叶片截面的边界曲线;重建叶轮叶片的再制造目标模型,通过布尔运算得到叶片损伤部位的三维模型。以离心压缩机受损叶轮为例,进行了再制造实验,再制造后的叶轮误差精度在±0.5 mm范围内,满足工作要求并已投入使用,证明了本方法的可行性。 相似文献
79.
针对精准施肥机营养液的pH值调节过程控制本质非线性、时滞性、时变性、不确定性等特点,建立了描述该过程的数学模型。利用云模型能够处理定性概念和定量描述之间不确定转换的特点,提出了一种基于云模型推理的变论域模糊PI控制(CVFPI)算法。该算法采用正态云模型描述系统误差和误差变化率的语言值,通过X条件隶属云和Y条件隶属云分别实现规则前件和规则后件的推理,利用伸缩因子实时调整输入输出变量论域,由二维云推理机实现控制参数的在线修正。为验证该算法的有效性和优越性,分别对CVFPI、VFPI、PI等3种控制算法进行了仿真测试和田间试验。试验结果表明,提出的CVFPI控制算法能够适应精准施肥pH值调节过程的控制要求,相比于常规PI控制算法和VFPI控制算法,在不同工作点条件下超调量分别减小45.3%、21.2%,均方根误差分别减小54.9%、52.9%,在不同流量条件下超调量分别减小59.0%、48.4%,均方根误差分别减小54.1%、37.9%,具有较好的动态特性和稳态特性。 相似文献
80.
针对林区自动对靶施药过程中,当立木生长密集时,获取的点云数据聚类准确率低、效率低的问题,提出优化后的K-均值聚类算法,数据获取方式基于2D激光扫描。针对立木点云信息聚类前需对相关数据进行滤波,提出窗口滤波算法,选取产生混合像素点的树干边缘,提取3次连续扫描的混合像素及其近邻点组成滤波窗口,进行最大阈值滤波,结果显示50次试验中仅有2个混合像素点未被滤除,混合噪声的滤除率高。在K-均值算法优化方面,针对算法需预先确定聚类数和初始聚类中心的不足,提出利用斜率变化确定聚类数的方法,试验对5个不同距离下5组立木分别进行100次测量,结果显示错误测量次数仅为3次,并可在试验前期通过人工方式去除,算法合理有效;对哈夫曼树法确定立木扫描点聚类中心的性能进行了试验分析,3种不同树干分布类型下分别运用随机抽样法和哈夫曼树法进行K-均值聚类,前者平均正确率仅为76.4%,后者则为95.5%;同时分析了Ⅰ型分布下2种算法聚类的迭代次数和耗时,5个不同距离下,随机抽样法的平均迭代次数明显高于哈夫曼树法,平均运行耗时上,哈夫曼树法则高于随机抽样法,前者变化范围为120~220 ms,后者为50~85 ms,该范围为林区测绘的可接受范围。试验证明,基于斜率变化确定聚类数和基于哈夫曼树法确定聚类中心的K-均值算法是林区立木点云聚类的有效算法,可应用于林区的立木检测。 相似文献