全文获取类型
收费全文 | 418篇 |
免费 | 2篇 |
国内免费 | 9篇 |
专业分类
林业 | 19篇 |
农学 | 13篇 |
基础科学 | 2篇 |
7篇 | |
综合类 | 167篇 |
农作物 | 41篇 |
水产渔业 | 4篇 |
畜牧兽医 | 169篇 |
园艺 | 6篇 |
植物保护 | 1篇 |
出版年
2024年 | 6篇 |
2023年 | 11篇 |
2022年 | 7篇 |
2021年 | 15篇 |
2020年 | 13篇 |
2019年 | 11篇 |
2018年 | 6篇 |
2017年 | 10篇 |
2016年 | 12篇 |
2015年 | 9篇 |
2014年 | 17篇 |
2013年 | 31篇 |
2012年 | 23篇 |
2011年 | 23篇 |
2010年 | 13篇 |
2009年 | 25篇 |
2008年 | 30篇 |
2007年 | 34篇 |
2006年 | 20篇 |
2005年 | 22篇 |
2004年 | 19篇 |
2003年 | 11篇 |
2002年 | 6篇 |
2001年 | 6篇 |
2000年 | 7篇 |
1999年 | 4篇 |
1998年 | 4篇 |
1997年 | 2篇 |
1996年 | 15篇 |
1995年 | 7篇 |
1994年 | 2篇 |
1993年 | 2篇 |
1992年 | 2篇 |
1991年 | 1篇 |
1990年 | 1篇 |
1989年 | 1篇 |
1988年 | 1篇 |
排序方式: 共有429条查询结果,搜索用时 15 毫秒
11.
12.
13.
程豪 《安徽农业大学学报》2017,26(6):46-51
旅游客源市场细分和目标市场定位是当今旅游研究的热点问题和重要内容.以皖西大别山为例,寻找高重游意愿群体,选择最合适的群体作为目标市场并通过交叉分类研究分析其基本特征,结果显示:国内旅游客源市场以年轻型为主,成年型次之,国内旅游发展空间巨大;关注特定人口特征下的目标游客群体可以将重游率提高200.9%;目标游客群体的态度、行为特征与整体市场基本保持一致,但在人口学特征上有较大差别;目标市场中硕士及以上学历游客和具有本科学历且已婚有成年子女的游客均是被忽略的重要细分群体. 相似文献
14.
【目的】对青春期和休产期皖西白鹅下丘脑和垂体中血管活性肠肽的分布与表达进行研究。【方法】采集青春期和休产期皖西白鹅的下丘脑和垂体,应用免疫组织化学PV-9000二步法并结合DAB显色技术,对血管活性肠肽的免疫反应阳性分布进行定位,并用Image-Pro Plus 6.0软件分析阳性区域的累积光密度值。【结果】血管活性肠肽免疫反应阳性细胞主要分布于青春期和休产期皖西白鹅下丘脑的弓状核、室旁核、内侧核、视上核、乳头体内侧核等处及腺垂体中;休产期皖西白鹅下丘脑和垂体中的血管活性肠肽的累积光密度值显著高于青春期。【结论】血管活性肠肽可能对皖西白鹅的休产状态有一定的调控作用。 相似文献
15.
16.
17.
本试验旨在研究苏氨酸和异亮氨酸对皖西白鹅生长性能、盲肠组织形态、细胞因子和微生物区系的影响。选取30日龄皖西白鹅180只,随机分为3组,每组3个重复,每个重复20只。对照组饲喂基础饲粮,苏氨酸组在基础饲粮中添加2.0 g/kg的苏氨酸,异亮氨酸组在基础饲粮中添加2.5 g/kg的异亮氨酸。试验期60 d。结果表明:1)苏氨酸组和异亮氨酸组61~90日龄料重比(F/G)极显著低于对照组(P<0.01)。2)60日龄时,异亮氨酸组盲肠绒毛高度和隐窝深度显著或极显著高于对照组(P<0.05或P<0.01)。90日龄时,苏氨酸组盲肠隐窝深度显著高于对照组(P>0.05),苏氨酸组和异亮氨酸组盲肠绒毛高度/隐窝深度显著低于对照组(P<0.05)。3)90日龄时,苏氨酸组和异亮氨酸组盲肠肿瘤坏死因子-α(TNF-α)含量显著低于对照组(P<0.05),苏氨酸组盲肠干扰素-γ(IFN-γ)和白细胞介素-4(IL-4)含量显著高于对照组(P<0.05)。4)90日龄时,异亮氨酸组盲肠软壁菌门(Tenericutes)相对丰度极显著高于对照组(P<0.01... 相似文献
18.
以碧香早品种为材料,通过相机采集不同闷黄时长下的闷黄叶图像共675张,建立了3种闷黄程度的黄茶样本数据集,采用位置变换、随机亮度、增加对比度、添加噪声、随机缩放操作对闷黄叶图像集进行数据增强,运用迁移学习方法,在ImageNet数据集取得MobileNetV3–Large的预训练模型,对迁移网络的所有权重信息进行训练,最终建立了针对黄茶闷黄程度的轻量级卷积神经网络MobileNetV3–Large识别模型,并利用Grad–CAM热力图可视化和置信分数监控黄茶品质的变化。结果表明:经训练后的MobileNetV3–Large模型测试的识别准确率达到98.51%,精确率为99.10%,召回率为98.93%,加权分数为98.20%;MobileNetV3–Large模型的识别准确率高于传统机器学习模型SVM、XGBoost和KNN;通过Grad–CAM热力图可视化显示,MobileNetV3–Large模型在不同的识别场景下能够准确定位并提取闷黄叶特征,准确地识别闷黄程度。可见,MobileNetV3–Large模型有较好的泛化性,可以快速、无损地识别黄茶的闷黄程度。 相似文献
19.
20.