全文获取类型
收费全文 | 2876篇 |
免费 | 94篇 |
国内免费 | 453篇 |
专业分类
林业 | 194篇 |
农学 | 64篇 |
基础科学 | 1081篇 |
472篇 | |
综合类 | 1144篇 |
农作物 | 106篇 |
水产渔业 | 44篇 |
畜牧兽医 | 179篇 |
园艺 | 116篇 |
植物保护 | 23篇 |
出版年
2024年 | 72篇 |
2023年 | 159篇 |
2022年 | 205篇 |
2021年 | 195篇 |
2020年 | 188篇 |
2019年 | 189篇 |
2018年 | 88篇 |
2017年 | 227篇 |
2016年 | 196篇 |
2015年 | 155篇 |
2014年 | 184篇 |
2013年 | 159篇 |
2012年 | 194篇 |
2011年 | 146篇 |
2010年 | 177篇 |
2009年 | 178篇 |
2008年 | 128篇 |
2007年 | 107篇 |
2006年 | 86篇 |
2005年 | 104篇 |
2004年 | 66篇 |
2003年 | 49篇 |
2002年 | 35篇 |
2001年 | 37篇 |
2000年 | 27篇 |
1999年 | 16篇 |
1998年 | 14篇 |
1997年 | 11篇 |
1996年 | 7篇 |
1995年 | 11篇 |
1994年 | 4篇 |
1993年 | 2篇 |
1992年 | 1篇 |
1991年 | 1篇 |
1990年 | 1篇 |
1986年 | 1篇 |
1984年 | 1篇 |
1980年 | 1篇 |
1979年 | 1篇 |
排序方式: 共有3423条查询结果,搜索用时 31 毫秒
131.
132.
133.
134.
基于分区域特征点聚类的秧苗行中心线提取 总被引:4,自引:0,他引:4
为了准确检测水稻秧苗行中心线,提出了基于分区域特征点聚类的秧苗行中心线提取方法。采用2G-R-B特征因子和Otsu法分割秧苗和背景;通过分区域统计秧苗像素点分布提取秧苗行的候选特征点,利用特征点间近邻关系对特征点进行聚类,确定秧苗行数和各秧苗行的起始点;基于秧苗成行栽植特点引入“趋势线”,利用点到该直线的距离与距离阈值作比较,筛选出远离各行趋势线的点,并将其去除;对筛选后的每一行特征点用最小二乘法进行直线拟合,获取秧苗行中心线。实验结果表明,该算法具有较强的抗噪性能,提取秧苗行中心线的准确率达95.6%,与标准Hough变换和随机Hough变换算法相比,处理一幅分辨率为320像素×237像素的彩色图像平均耗时短,能够实现水田秧苗行中心线的准确提取,可为插秧机自主行走提供可靠的导航信息。 相似文献
135.
针对智能农用机器人对机器视觉工作范围的需求,提出了一种用于农业机器人的并联视觉云台设计方案。基于双摇杆的输入输出特性,提出了一种运动支链设计方法,用于构建二自由度全球面工作空间解耦并联机构。在此基础上,衍生出两种可行的运动支链P5R和PRR,基于这两种运动支链,设计了2种二自由度全球面工作空间并联视觉云台RRP5R和RRPRR。通过运动学分析,分别建立了2种机构的位置关系表达式;通过尺寸优化,得到了2种机构的最优杆长比;通过对比得出,RRP5R型并联视觉云台具有更好的输入输出性能;通过有限元分析,研究了载荷对RRP5R型并联视觉云台运动精度的影响。结果表明,RRP5R机构强度满足要求,但杆件的累积弹性变形导致运动副的位移偏差较大。 相似文献
136.
基于边缘检测和区域定位的玉米根茎导航线提取方法 总被引:4,自引:0,他引:4
基于玉米根茎图像信息,提出一种基于边缘检测和区域定位的玉米根茎导航线提取方法。首先,利用最大类间方差法自动分割2G-R-B灰度图像,得到二值化图像,结合形态学处理、位置/面积去噪方法提高二值化图像质量,对去噪图像按列累加得到列像素累加曲线;针对传统方法得到的特征点中伪特征点较多的问题,引入高斯滤波器平滑累加曲线,并运用极值法减少玉米根茎伪特征点的干扰,在提取玉米茎秆边缘直线时,提出基于最远茎秆成像宽度的双侧边缘判别思路,通过扫描每条边缘直线的四边形封闭邻域有效剔除伪边缘直线;最后,根据边缘直线二次定位玉米的根茎区域范围,并剔除伪特征点,采用最小二乘线性拟合方法准确提取导航线。试验表明,本文算法处理一幅1280像素×720像素图像耗时约236ms,特征点拟合准确率为92%。与传统方法相比,本文算法精度高、实时性好,在缺苗、杂草较多和株距不标准的情况下仍具有较强的鲁棒性。 相似文献
137.
基于机器视觉的水下河蟹识别方法 总被引:7,自引:0,他引:7
为了探测河蟹在池塘中的数量及分布情况,为自动投饵船提供可靠的数据反馈,提出了基于机器视觉的水下河蟹识别方法。该方法通过在投饵船下方安装摄像头进行河蟹图像实时采集,针对水下光线衰减大、视野模糊等特点,采用优化的Retinex算法提高图像对比度,增强图像细节,修改基于深度卷积神经网络YOLO V3的输入输出,并采用自建的数据集对其进行训练,实现了对水下河蟹的高精度识别。实验所训练的YOLO V3模型在测试集上的平均精度均值达86. 42%,对水下河蟹识别的准确率为96. 65%,召回率为91. 30%。实验对比了多种目标检测算法,仅有YOLO V3在识别准确率和识别速率上均达到较高水平。在同一硬件平台上YOLO V3的识别速率为10. 67 f/s,优于其他算法,具有较高的实时性和应用价值。 相似文献
138.
基于视觉里程计的森林样地调查系统研究 总被引:1,自引:0,他引:1
以视觉里程计技术恢复连续摄影序列图像位姿,并以恢复位姿的图像为基础构建样地调查系统。该系统通过对图像位姿尺度恢复、定义样地坐标系、标记立木等过程估计样地中立木位置及胸径。用相机对12块半径为7. 5 m的圆形样地进行连续摄影,获取有序图像序列,并使用构建的样地调查系统对图像序列进行处理,以获取样地中立木位置及胸径。实验结果表明,所有样地立木位置估计值x轴与y轴方向的偏差(BIAS)分别为0. 04、-0. 03 m,均方根误差(RMSE)分别为0. 21、0. 17 m;样地中立木胸径估计值的BIAS及RMSE分别为0. 09 cm(0. 51%)和0. 88 cm(5. 03%)。 相似文献
139.
发动机是收获机械的动力源,其安装位置精度将直接影响整机装配质量,进而关系机器的作业效率和可靠性。由于收获机械底盘机架结构复杂、表面粗糙度大,现有测量方法及设备难以满足大跨距孔组位置度误差测量需求,针对收获机械发动机安装孔位置度的自动化测量需求,提出了基于机器视觉的大跨距孔组位置度误差在线检测方法,通过建立孔组位置度误差模型,使用多部工业相机获取安装孔二维图像,通过相机在线标定、图像增强处理、特征提取、坐标变换等手段,实时测取并计算安装孔组之间的位置度误差。在此基础上,基于LabWindows/CVI平台,开发了自动检测软件,实现了发动机安装孔位置度的快速检测。以某型玉米收获机底盘机架发动机安装孔组为对象开展了试验研究,结果表明,利用该方法能够有效获取安装孔组的位置度关系,建立的孔组位置度误差模型能够进行误差分析与评定,在分辨率和测量精度上均优于传统测量方式,检测效率较高,能够满足生产线自动化检测需求。 相似文献
140.
目前市场上存在的猕猴桃分级机械主要是针对质量特征进行分级的大型机械,而消费者在购买猕猴桃时往往更注重它的外观品质,且大型设备难以在以农户小规模营销为主的市场环境下得到普及。为了实现猕猴桃外观品质的自动分选,适应广大猕猴桃种植农户的需求,设计了一种基于机器视觉的小型移动式猕猴桃外观尺寸在线检测与分级系统。该系统主要由输送机构、检测机构、分级执行机构和控制系统组成。输送机构采用倾斜式输送带方案,结构简单,便于实现猕猴桃的输送和分级;检测机构采用图像处理的方法得出猕猴桃的大小等级信息;分级执行机构借助猕猴桃的重力与旋转磁铁的开合实现猕猴桃的分离。对样机进行了试制和验证试验,结果表明:该系统的平均分级成功率为96.3%,单个猕猴桃分级时间约为2.5s。该猕猴桃检测分级系统的设计为今后完成多特征指标的融合分级提供了基础和依据。 相似文献