全文获取类型
收费全文 | 343篇 |
免费 | 19篇 |
国内免费 | 193篇 |
专业分类
林业 | 17篇 |
农学 | 9篇 |
基础科学 | 150篇 |
202篇 | |
综合类 | 150篇 |
农作物 | 5篇 |
水产渔业 | 3篇 |
畜牧兽医 | 9篇 |
园艺 | 5篇 |
植物保护 | 5篇 |
出版年
2024年 | 27篇 |
2023年 | 59篇 |
2022年 | 71篇 |
2021年 | 72篇 |
2020年 | 45篇 |
2019年 | 37篇 |
2018年 | 21篇 |
2017年 | 21篇 |
2016年 | 24篇 |
2015年 | 13篇 |
2014年 | 18篇 |
2013年 | 19篇 |
2012年 | 30篇 |
2011年 | 8篇 |
2010年 | 20篇 |
2009年 | 19篇 |
2008年 | 12篇 |
2007年 | 10篇 |
2006年 | 3篇 |
2005年 | 4篇 |
2004年 | 5篇 |
2003年 | 6篇 |
2002年 | 6篇 |
2001年 | 3篇 |
2000年 | 1篇 |
1996年 | 1篇 |
排序方式: 共有555条查询结果,搜索用时 31 毫秒
531.
改进ResNet18网络模型的羊肉部位分类与移动端应用 总被引:1,自引:1,他引:0
针对传统图像分类模型泛化性不强、准确率不高以及耗时等问题,该研究构建了一种用于识别不同部位羊肉的改进ResNet18网络模型,并基于智能手机开发了一款可快速识别不同部位羊肉的应用软件。首先,使用数据增强方式对采集到的羊背脊、羊前腿和羊后腿肉的原始手机图像进行数据扩充;其次,在ResNet18网络结构中引入附加角裕度损失函数(ArcFace)作为特征优化层参与训练,通过优化类别的特征以增强不同部位羊肉之间的类内紧度和类间差异,同时将ResNet18网络残差结构中的传统卷积用深度可分离卷积替换以减少网络参数量,提高网络运行速度;再次,探究了不同优化器、学习率和权重衰减系数对网络收敛速度和准确率的影响并确定模型参数;最后,将该网络模型移植到安卓(Android)手机以实现不同部位羊肉的移动端检测。研究结果表明,改进ResNet18网络模型测试集的准确率高达97.92%,相比ResNet18网络模型提高了5.92%;把改进ResNet18网络模型部署到移动端后,每张图片的检测时间约为0.3 s。该研究利用改进ResNet18网络模型结合智能手机图像实现了不同部位羊肉的移动端快速准确分类,为促进羊肉的智能化检测及羊肉市场按质论价提供了技术支持。 相似文献
532.
为精准掌握北京市设施蔬菜种植情况和产能情况,项目深入挖掘“数字菜田项目”采集的5000个设施温室数据价值,开展基于物联网技术和图像识别技术的设施生产状态和作物品种识别研究,构建设施大棚生产状态识别模型和作物品种识别模型,并集成到北京市种植业综合管理平台,构建监管设施农业应用场景,从而为政府提供精准、高效的集中监管、远程指挥和决策支持,以北京市设施蔬菜发展带动农业产业振兴、乡村振兴。 相似文献
533.
为高效获取克氏原螯虾的精准分割图像,提出了一种基于语义分割网络的克氏原螯虾图像识别与分割的方法。首先,在克氏原螯虾上市季节(4—8月)拍摄其图像,建立数据集;然后使用Labelme对所采集的数据集制作标签,进行数据增强,并将数据集按8∶2的比例随机划分为训练集和验证集;最后基于U-Net语义分割网络基础来对数据集进行预处理操作,其中网络的编码器部分捕捉克氏原螯虾图片的上下文信息,解码器部分对克氏原螯虾图片进行精准定位,完成分割任务。结果表明,训练后网络模型的validation Dice(验证集相似度)达到0.944 5,validation loss为0.055 5。这表明该研究所提出的语义分割网络可以较好地解决克氏原螯虾识别与分割问题,能够实现准确、高效的克氏原螯虾图像分割,为实现克氏原螯虾机器化优质选种打下了的基础,也为水产养殖智能化提供了视觉支持。 相似文献
534.
植物病害是造成农作物减产的主要原因之一。针对传统的人工诊断方法存在成本高、效率低等问题,构建了一个自然复杂环境下的葡萄病害数据集,该数据集中的图像由农民在实际农业生产中拍摄,同时提出了一个新的网络模型MANet,该模型可以准确地识别复杂环境下的葡萄病害。在MANet中嵌入倒残差模块来构建网络,这极大降低了模型参数量和计算成本。同时,将注意力机制SENet模块添加到MANet中,提高了模型对病害特征的表示能力,使模型更加注意关键特征,抑制不必要的特征,从而减少图像中复杂背景的影响。此外,设计了一个多尺度特征融合模块(Multi-scale convolution)用来提取和融合病害图像的多尺度特征,这进一步提高了模型对不同病害的识别精度。实验结果表明,与其他先进模型相比,本文模型表现出了优越的性能,该模型在自建复杂背景病害数据集上的平均识别准确率为87.93%,优于其他模型,模型参数量为2.20×106。同时,为了进一步验证该模型的鲁棒性,还在公开农作物病害数据集上进行了测试,该模型依然表现出较好的识别效果,平均识别准确率为99.65%,高于其他模型。因此,本文模型... 相似文献
535.
生猪行为监测是生猪养殖管理过程中的一个重要环节。该研究提出了基于姿态与时序特征的猪只行为识别方法。首先采集和标注猪栏内猪只图像,分别构建了猪只目标检测数据集、猪只关键点数据集和猪只行为识别数据集;利用构建的数据集,分别训练了基于YOLOv5s的猪只检测模型、基于轻量化OpenPose算法的猪只姿态估计模型和基于ST-GCN算法的猪只行为识别模型,并搭建了猪只行为识别系统。经测试,文中训练的YOLOv5s猪只检测模型mAP(mean Average Precision)最高达到0.995,姿态估计模型平均精度和平均召回率达到93%以上,基于ST-GCN的猪只行为识别模型的平均准确率为86.67%。文中构建的猪只行为识别系统中基于LibTorch推理猪只检测模型和猪只姿态估计模型的单帧推理耗时分别约为14和65 ms,单只猪行为识别推理耗时约为8 ms,每提取200帧连续姿态进行一次行为识别推理,平均17 s更新一次行为识别结果。证明提出的基于姿态与时序特征的猪只行为识别方法具有一定可行性,为群养猪场景下的猪只行为识别提供了思路。 相似文献
536.
537.
【目的】针对林业有害生物种类多,不少物种之间相似度高,视觉差异小,不易区分,导致林业防控人员无法快速准确识别有害生物种类的问题,本文提出基于深度双线性转换注意力机制网络(DBTANet)的林业有害生物细粒度图像识别方法。【方法】以自然状态下拍摄的60种林业害虫和14种林业有害植物图像作为研究对象,利用水平镜像、亮度调节、高斯模糊和高斯噪声等方法对图像数据集进行增强,按6∶2∶2比例划分为训练集、验证集和测试集;采用双线性插值法将每幅图像缩放至统一尺寸;改进ResNet网络中残差模块,加入深度双线性转换模块和注意力机制模块,建立DBTANet-101网络进行特征提取与分类;利用平均准确率、平均召回率和平均F1值3个指标评价不同模型对林业有害生物的识别结果。【结果】VGGNet-19、ResNet-50、ResNet-101、改进残差模块的ResNet-50和ResNet-101共5个模型对74种林业有害生物平均准确率分别为78.6%、74.9%、76.3%、79.7%和81.1%;在改进残差模块的ResNet-101基础上,增加深度双线性转换模块和注意力机制模块后,74种林业有害生物的平... 相似文献
538.
信息技术已成为生物多样性保护和管理的重要工具。通过电子设备及内置软件(特别是智能终端应用程序APP)记录、传输生物多样性信息已经是生物多样性调查实践的主要方式。本文通过对比生物记、花伴侣、形色、北极花生物调查、绿途、生命观察(Biotracks)、iNaturalist、Leafsnap、Flora Incognita共9种生物多样性调查软件在开发者、软件费用、安装环境、运行内存、图像拍照和识别、显示经纬度和地图定位等方面的差异,分析了各应用程序的功能特点。生物记、生命观察和北极花生物调查应用程序可详细记录生物数据,形色、花伴侣缺乏详细的生物记录功能,绿途则更加注重植被分布数据的采集,Leafsnap、Flora Incognita具有识别功能,但其他的衍生功能较少。iNaturalist除具有识别能力外,还具有强大的社区交流功能。这些应用程序通过数据采集、记录和共享,让公众更好地了解生物多样性,同时为生物多样性保护和管理提供了数据支持。本文为用户选择适合其需求的生物多样性调查软件提供了依据,对软件的深入分析为未来软件的优化与完善提供了启示和建议。 相似文献
539.
以自然环境下的红提葡萄果穗为研究对象,利用图像识别技术对其果穗成熟度进行研究分析。首先,采用Faster R-CNN卷积神经网络模型识别红提葡萄图像中的果穗,再利用KNN算法分割红提葡萄图像中的果穗和背景,并借助圆形Hough变换法检测出果穗图像中的红提葡萄果粒;最后,结合HSV空间中的H值将果粒成熟度划分为4个等级,并计算各个等级的果粒数量占果穗总果粒数量的比重,以此判断该果穗整体的成熟度,从而确定其是否能够满足采摘的要求。实验结果表明:该方法判断果穗成熟度的准确率能达到90%,满足红提葡萄果穗成熟度判断的需求,可辅助精准采摘作业。 相似文献
540.
生态环境损害鉴定评估工作是环境行政处罚的重要依据,随着近年来生态环境损害案件的不断发生,损害鉴定工作流程复杂、案件资料分析工作量大、数据缺失严重等问题不断显现,如现场勘察耗时耗力、污染物溯源困难、基线不清、损害赔偿金额难以确定等。为解决这些问题,本文探讨了机器学习在生态环境损害鉴定评估中的应用前景。近几年,机器学习凭借其强大的计算能力,已在数据挖掘、图像识别和自然语言处理等领域发挥了重要作用,通过综述机器学习在上述领域的已有进展,结合生态环境损害鉴定评估总体工作流程,本文深入探究了机器学习在损害鉴定评估中的应用前景,分析了机器学习在鉴定评估工作中的挑战和局限性,指明机器学习的应用可以提高损害鉴定评估的工作效率,促进损害鉴定评估有序化、系统化发展。 相似文献