全文获取类型
收费全文 | 544篇 |
免费 | 18篇 |
国内免费 | 53篇 |
专业分类
林业 | 19篇 |
农学 | 21篇 |
基础科学 | 70篇 |
45篇 | |
综合类 | 186篇 |
农作物 | 8篇 |
水产渔业 | 48篇 |
畜牧兽医 | 199篇 |
园艺 | 5篇 |
植物保护 | 14篇 |
出版年
2024年 | 10篇 |
2023年 | 35篇 |
2022年 | 25篇 |
2021年 | 23篇 |
2020年 | 25篇 |
2019年 | 27篇 |
2018年 | 6篇 |
2017年 | 13篇 |
2016年 | 15篇 |
2015年 | 17篇 |
2014年 | 28篇 |
2013年 | 26篇 |
2012年 | 31篇 |
2011年 | 40篇 |
2010年 | 29篇 |
2009年 | 28篇 |
2008年 | 34篇 |
2007年 | 30篇 |
2006年 | 23篇 |
2005年 | 21篇 |
2004年 | 12篇 |
2003年 | 12篇 |
2002年 | 9篇 |
2001年 | 8篇 |
2000年 | 12篇 |
1999年 | 8篇 |
1998年 | 8篇 |
1997年 | 3篇 |
1996年 | 10篇 |
1995年 | 10篇 |
1994年 | 7篇 |
1993年 | 2篇 |
1992年 | 2篇 |
1991年 | 5篇 |
1990年 | 3篇 |
1989年 | 6篇 |
1988年 | 3篇 |
1987年 | 2篇 |
1984年 | 1篇 |
1983年 | 1篇 |
1982年 | 1篇 |
1981年 | 2篇 |
1980年 | 2篇 |
排序方式: 共有615条查询结果,搜索用时 31 毫秒
11.
12.
中子仪测定砂性土壤水分的标定与测试参数的界定分析 总被引:1,自引:0,他引:1
以科尔沁沙地6个砂性土壤试验点为研究对象,实施中子水分仪测试土壤水分的标定试验,采用点聚图筛选和三点平滑处理土壤体积含水率数据,选用线性标定和非线性标定2种形式,系统分析中子仪计数时间、中子管安装稳定时间以及降雨、灌水等提高土壤含水率的方法对标定结果的影响,以界定中子仪的测试参数,经模拟与验证,确定砂性土壤的中子仪标定方程。结果表明:砂性土壤0-30cm表土采用二项式标定效果相对较好;砂土土质对中子仪读数影响较小,两种不同含水率的土壤可以统一标定;中子管安装稳定时间至少需7d,尤以经历一、两场较大降雨后进行标定其试验误差较小;标定和测量实施过程中,中子仪计数时间宜选用64s,再适当加大计数时间也能得到较好结果;在较大降雨和干旱两种状态下,选用64s中子仪计数时间进行测量,可得到砂性土壤测量水分范围为1.01%~29.92%且精度较高的标定方程。验证结果表明,中子仪测量结果能反映实际土壤含水量的分布状况,标定方程精度可满足实际测试要求。 相似文献
13.
14.
为提高梨叶片病害发生程度诊断的效率和准确性,本文提出基于全局上下文级联R-CNN网络(Global context Cascade R-CNN,GC-Cascade R-CNN)的梨叶病斑计数方法。模型的主干特征提取网络嵌入全局上下文模块(Global context feature model, GC-Model),建立有效的长距离和通道依赖,增强目标特征信息。引入特征金字塔网络(Feature pyramid network, FPN)融合浅层细节特征和深层丰富语义特征。使用ROI Align替换ROI Pooling进行区域特征聚集,增强目标特征表达。最后利用多层级联网络对目标区域进行边框回归和分类,完成病斑计数任务。在梨叶病斑图像测试中,模型的各类病斑平均精确率均值(Mean average precision, mAP)达89.4%,检测单幅图像平均耗时为0.347 s。结果表明,模型能够有效地从梨叶片病害图像中检测出多类病斑目标,尤其对叶片炭疽病斑检测效果提升显著;不同种类梨叶片病害病斑计数值与真实值回归实验决定系数R2均大于0.92,表明模型病斑计数... 相似文献
15.
针对猪只人工计数方法消耗时间和劳动力,育肥猪较为活跃且喜好聚集,图像中存在大量的高密度区域,导致猪只之间互相粘连、遮挡等问题,基于SOLO v2实例分割算法,提出了一种自然养殖场景下融合多尺度特征金字塔与二代可变形卷积的高密度群养猪计数模型。通过优化模型结构来减少计算资源的消耗与占用。将科大讯飞给出的猪只计数的公开数据集划分为猪只分割数据集和猪只盘点测试集,利用猪只分割数据集获得较好的分割模型,然后在猪只盘点测试集中测试盘点准确率,实现猪群分割和猪只计数。实验结果表明,本文提出的高密度猪只计数模型的分割准确率达到96.7%,且模型内存占用量为256 MB,为改进前的2/3,实现了遮挡、粘连和重叠情况下的猪只个体高准确率分割。在含有500幅猪只图像计数测试集中,模型计算猪只数量误差为0时的图像数量为207幅,较改进前提高26%。模型计算猪只数量误差小于2头猪的图像数量占测试图像总数量的97.2%。模型计算猪只数量误差大于3头猪的图像数量占总体图像数量比例仅为1%。最后,对比基于YOLO v5的群养猪计数方法,本文模型具有更优的分割效果和计数准确率,验证了本文方法对群养猪只计数的有效性。因... 相似文献
16.
猪只盘点是规模化养殖中的重要环节,为生猪精准饲喂和资产管理提供了依据。人工盘点不仅耗时低效,而且容易出错。当前已有基于深度学习的生猪智能盘点算法,但在遮挡重叠、光照等复杂场景下盘点精度较低。为提高复杂场景下生猪盘点的精度,提出了一种基于改进YOLO v5n的猪只盘点算法。该算法从提升猪只目标检测性能出发,构建了一个多场景的生猪数据集;其次,在主干网络中引入SE-Net通道注意力模块,引导模型更加关注遮挡条件下猪只目标信息的通道特征。同时,增加了检测层进行多尺度特征融合处理,使模型更容易学习收敛并预测不同尺度的猪只对象,提升模型遮挡场景的检测性能;最后,对边界框损失函数以及非极大值抑制处理进行了改进,使模型对遮挡的目标有更好的识别效果。实验结果表明,与原YOLO v5n算法相比,改进算法的平均绝对误差(MAE)、均方根误差(RMSE)以及漏检率分别降低0.509、0.708以及3.02个百分点,平均精度(AP)提高1.62个百分点,达到99.39%,在复杂遮挡重叠场景下具有较优的精确度和鲁棒性。算法的MAE为0.173,与猪只盘点算法CClusnet、CCNN和PCN相比,分别降低0.2... 相似文献
17.
基于改进Faster R-CNN的田间黄板害虫检测算法 总被引:2,自引:0,他引:2
针对黄板诱捕的害虫体积小、数量多和分布不均匀,难以进行害虫识别的问题,引入当前主流目标检测模型Faster R-CNN对黄板上的小菜蛾、黄曲条跳甲和烟粉虱等主要害虫进行识别与计数,提出一种基于改进Faster R-CNN的田间黄板害虫检测算法(Mobile terminal pest Faster R-CNN,MPF R-CNN)。该算法将ResNet101网络与FPN网络相结合作为特征提取网络,并在RPN网络设计多种不同尺寸锚点对特征图像进行前景和背景判断,使用ROIAlign替代ROIPooling进行特征映射,以及使用双损失函数进行算法参数控制。对2440幅样本图像的实验分析表明,在真实复杂的自然环境下,MPF R-CNN对烟粉虱、黄曲条跳甲、小菜蛾和其他大型害虫(体长大于5mm)检测的平均精度分别为87.84%、86.94%、87.42%和86.38%;在35cm×25cm黄板上不超过480只的低密度下平均精度均值为93.41%,在480~960只害虫的中等密度下平均精度均值为89.76%。同时实验显示,在中低等密度下晴天和雨天的检测精度无明显差异,本算法计数结果与害虫计数决定系数为0.9255。将该算法置入以“微信小程序+云存储服务器+算法服务器”为架构的小米7手机终端系统中进行应用测试,平均识别时间为1.7s。研究表明,该算法在精度和速度上均可支持当前便携式应用,为利用手机对蔬菜害虫进行快速监测与识别提供了技术支撑。 相似文献
18.
雾滴在靶标上常出现粘连的情况,为准确测量雾滴尺寸、掌握雾滴分布规律,需要判断雾滴是否粘连,并用图像处理技术将粘连雾滴分开。首先提出判断雾滴是否粘连的改进方法,该方法结合雾滴的形状因子和面积阈值对粘连雾滴进行判断和特征提取,并用极限腐蚀法和迭代开运算法对粘连雾滴进行计数处理,其次调用迭代开运算标记的分水岭算法分割,最后对分割后雾滴的连通域进行标记及形状圆整。试验结果表明:该方法可实现粘连雾滴的自动判断和特征提取,弱粘连准确率100%,强粘连可达97.2%以上。该算法获得的雾滴粒径参数与激光粒度仪试验测量结果接近,其尺寸测量准确度较Deposit Scan软件计算平均提高了7.67%。基于相同的样本,与人工计数标定结果对比表明,该方法获得的雾滴个数快速且精准度达97.06%以上。 相似文献
19.
田间麦穗计数因主要依靠人工而存在耗时长、成本高等问题,为提高麦穗计数的效率和准确性,提出基于人群计数卷积神经网络的麦穗计数方法,在图像基础上进行麦穗数量自动化计数.试验改进了现有人群计数模型中的多列卷积神经网络MCNN和空洞卷积神经网络CSRNet,并对MCNN和CSRNet进行融合,建立了多列卷积神经网络MCSRNe... 相似文献
20.
目的:分析肝炎肝硬化患者血小板参数测定的临床意义。方法:采用Sysm exKX-21型血细胞分析仪测定94例肝炎肝硬化患者的血小板4项参数,并将健康体检者血小板参数作为对照组。结果:与对照组比较,肝硬化患者的血小板计数(PLT)、平均血小板体积(M PV)、血小板体积分布宽度(PDW)均明显下降(P<0.05或<0.01),血小板压积(PCT)则明显升高(P<0.01),且随着Ch ild-Pugh积分的增加,血小板4项参数异常程度逐渐加重。结论:血小板参数测定值有助于肝硬化患者的诊断及预后观察。 相似文献