全文获取类型
收费全文 | 1177篇 |
免费 | 43篇 |
国内免费 | 459篇 |
专业分类
林业 | 93篇 |
农学 | 31篇 |
基础科学 | 474篇 |
476篇 | |
综合类 | 479篇 |
农作物 | 42篇 |
水产渔业 | 14篇 |
畜牧兽医 | 51篇 |
园艺 | 12篇 |
植物保护 | 7篇 |
出版年
2024年 | 34篇 |
2023年 | 72篇 |
2022年 | 83篇 |
2021年 | 95篇 |
2020年 | 78篇 |
2019年 | 78篇 |
2018年 | 57篇 |
2017年 | 90篇 |
2016年 | 82篇 |
2015年 | 84篇 |
2014年 | 104篇 |
2013年 | 93篇 |
2012年 | 74篇 |
2011年 | 77篇 |
2010年 | 83篇 |
2009年 | 87篇 |
2008年 | 58篇 |
2007年 | 73篇 |
2006年 | 51篇 |
2005年 | 65篇 |
2004年 | 36篇 |
2003年 | 22篇 |
2002年 | 19篇 |
2001年 | 26篇 |
2000年 | 12篇 |
1999年 | 13篇 |
1998年 | 8篇 |
1997年 | 9篇 |
1996年 | 5篇 |
1995年 | 3篇 |
1994年 | 2篇 |
1993年 | 1篇 |
1992年 | 1篇 |
1991年 | 2篇 |
1990年 | 1篇 |
1981年 | 1篇 |
排序方式: 共有1679条查询结果,搜索用时 13 毫秒
91.
92.
93.
储粮害虫图像识别的研究进展及展望 总被引:14,自引:0,他引:14
图像处理技术检测储粮害虫,具有快速、准确、可视化等优点.为了充分利用国内外的研究成果.促进我国在该领域的研究与应用,从内部害虫和外部害虫两个方面,综述了基于可见光、近红外和软x射线3种方法的计算机图像处理技术在储粮害虫自动识别中的研究进展,分析了各种方法的优缺点.提出今后应从新的特征提取、活虫与死虫的识别、早期害虫侵害的检测、动态图像的研究、自动传输机构的研制等方面开展深入研究.以实现粮虫的自动检测. 相似文献
94.
95.
96.
97.
提出一种动态标定火焰区的方法,以彩色图像中的红色绿色成份的线性加权组合图像作为研究对象,利用其垂直灰度投影曲线和水平灰度投影曲线确定火焰区的重心,采用由内到外扩散的办法确定火焰区的左右边界和上下边界,标定火焰区。实验表明,该方法能正确地动态标定出火焰区,并能满足实时处理的需要。 相似文献
98.
99.
蓄积量是评价森林资源质量或状况的重要指标,为了解决实测郁闭度和蓄积量费时费力以及无法充分利用航测原始数据生成各项数据的问题,以无人机航测数据的点云数据和正射影像为研究数据,利用冠层高度模型提取高程,通过一元线性回归分析估测平均树高和平均胸径模型;使用改进形态学分水岭方法提取树冠个数;通过主成分回归建立郁闭度模型;结合提取与估测的GIS因子,用偏最小二乘法建立蓄积量模型。结果表明:平均树高模型精度为97.34%、平均胸径模型精度为91.27%,改进分水岭提取树冠精度为80.03%,郁闭度模型精度为83.18%,蓄积量模型精度可达88.43%。蓄积量模型的所有特征因子均是通过遥感方法从无人机原始航测数据中提取而来,充分利用了无人机航测数据。实验建立的树高、胸径和郁闭度模型可以有效地估测森林平均树高、胸径及郁闭度,改进后的分水岭算法减少了过分割,蓄积量模型能够有效估测蓄积量,提高了蓄积量提取效率,节省了大量的人力物力。 相似文献
100.
基于机器视觉的马铃薯晚疫病快速识别 总被引:7,自引:6,他引:1
晚疫病是马铃薯的一种严重病害,可造成减产甚至绝收。因此马铃薯晚疫病的识别与控制对提高其产量有非常重要的意义。该文基于机器视觉技术对马铃薯叶部晚疫病进行检测,根据马铃薯叶片上晚疫病斑的颜色、纹理和形状特征参数的不同,提取叶片表面的特征参数,并建立数学模型对病害程度做出评价。在RGB、HSV颜色空间中,根据马铃薯叶片在患病早期叶片颜色发生变化且与健康叶片不同,利用颜色特征,建立马铃薯晚疫病的无病和患病模型,该模型对马铃薯患病早期的识别率为67.5%。利用灰度共生矩阵,采用纹理统计参数进行病害等级评价,用熵值和能量值描述晚疫病的严重程度,纹理特征对患病程度的识别率比较稳定,对患病中期与后期的识别率分别为72.5%与80%。利用形状特征的相对特征,根据病斑面积比进行晚疫病诊断,该方法对马铃薯叶片晚疫病患病后期的诊断取得较好效果,识别率为90%,但由于叶片患病早期的病斑面积小且分散,识别难度大,识别率仅为50%。针对颜色、纹理及形状特征在识别马铃薯叶片晚疫病时的优势与局限性,提出颜色纹理形状特征结合的识别方法,对患病中期与后期的识别率分别为90%和92.5%。通常马铃薯晚疫病的理化值检测法耗时数天,但利用机器视觉识别马铃薯晚疫病患病情况非常快速,根据颜色特征进行病害识别的时间约为4 s,纹理特征识别的时间为7 s,形状特征特征识别的时间为3 s,综合颜色纹理形状特征的识别由于计算量较大,识别时间为9 s。该研究可为基于机器视觉的马铃薯晚疫病的快速检测提供理论依据。 相似文献