全文获取类型
收费全文 | 111篇 |
免费 | 5篇 |
国内免费 | 9篇 |
专业分类
林业 | 8篇 |
农学 | 18篇 |
基础科学 | 5篇 |
9篇 | |
综合类 | 50篇 |
农作物 | 8篇 |
水产渔业 | 3篇 |
畜牧兽医 | 20篇 |
园艺 | 1篇 |
植物保护 | 3篇 |
出版年
2024年 | 1篇 |
2023年 | 3篇 |
2022年 | 7篇 |
2021年 | 4篇 |
2020年 | 1篇 |
2018年 | 4篇 |
2017年 | 1篇 |
2016年 | 3篇 |
2015年 | 3篇 |
2014年 | 7篇 |
2013年 | 7篇 |
2012年 | 7篇 |
2011年 | 9篇 |
2010年 | 10篇 |
2009年 | 4篇 |
2008年 | 7篇 |
2007年 | 7篇 |
2006年 | 8篇 |
2005年 | 8篇 |
2004年 | 8篇 |
2003年 | 4篇 |
2002年 | 1篇 |
2001年 | 5篇 |
1999年 | 1篇 |
1998年 | 1篇 |
1997年 | 3篇 |
1995年 | 1篇 |
排序方式: 共有125条查询结果,搜索用时 15 毫秒
121.
122.
123.
为了解决葡萄在生长过程中因病害侵袭导致品质和产量下降的问题,提出了基于三维重建的多角度图像识别模型。该模型通过三维建模技术对数据进行增强,并扩充数据集用于特征辅助训练,最后与卷积神经网络相结合实现对葡萄叶片病害的识别。在测试集上,训练的3D-MobileNet、3D-Darknet53、3D-resnet34和3D-Resnet101模型相比原模型对葡萄叶片病害识别的准确率分别提高了7.2%、9.6%、10.2%、19.1%。结果表明,提出的基于三维的多角度葡萄叶片病害识别方法能够有效识别葡萄叶病害,为实现葡萄病害的自动识别提供参考。 相似文献
124.
识别小麦收获机运行轨迹是分析农业机械活动、提高作业效率的重要手段。本文针对小麦收获机田内作业场景,提出一种基于机器学习的收获机掉头轨迹识别算法。首先通过两步K-means聚类与三步修正识别出X形掉头轨迹点、作业异常轨迹点与作业轨迹点;为进一步从作业轨迹中分类出U形掉头轨迹点,构建了基于支持向量机模型(Support vector machine, SVM)的U形掉头轨迹识别算法,并对初步识别结果进行三步修正;最终识别出小麦收获机的田内X形掉头、作业异常、U形掉头与作业轨迹点,识别结果的F1值为94%,时间间隔为1~5 s的数据的F1值在90%以上,实现田内轨迹的细致划分。基于去除掉头轨迹与异常轨迹后获得的有效作业轨迹,可通过距离算法计算获得农田面积,结果相比使用原始轨迹的计算误差可降低12.76%。该研究可为基于海量农机轨迹的作业精细化管理提供参考。 相似文献
125.
选取国内外油莎豆(Cyperus esculeutus L.)种质资源39份作为试验材料,采用水培法,在1.2%NaCl胁迫条件下对其进行盐胁迫处理,测定17个幼苗生长相关指标,并利用主成分分析(PCA)、聚类分析、隶属函数等方法综合评价油莎豆种质资源耐盐性并筛选耐盐种质。结果表明:不同油莎豆种质资源各项指标的变异系数范围是0.128~0.455,其中,叶宽、枯黄率、根长、地上部鲜质量、地下部鲜质量等存在极显著差异(P<0.01);叶绿素和分蘖数存在显著差异(P<0.05)。通过主成分分析将17个指标转变成5个相互独立的综合指标,综合贡献率达到80.11%。干质量、叶绿素、茎粗、根冠比、分蘖数和组织含水量可作为主要耐盐评价指标。聚类分析将39份油莎豆种质划分为3个等级,依据CDC值及D值的分析结果,最终筛选出耐盐性强的油莎豆种质资源3份:JYD-35、JYD-40和JYD-3。 相似文献