全文获取类型
收费全文 | 2730篇 |
免费 | 214篇 |
国内免费 | 184篇 |
专业分类
林业 | 231篇 |
农学 | 133篇 |
基础科学 | 96篇 |
171篇 | |
综合类 | 1181篇 |
农作物 | 154篇 |
水产渔业 | 99篇 |
畜牧兽医 | 608篇 |
园艺 | 181篇 |
植物保护 | 274篇 |
出版年
2024年 | 30篇 |
2023年 | 58篇 |
2022年 | 72篇 |
2021年 | 127篇 |
2020年 | 114篇 |
2019年 | 145篇 |
2018年 | 72篇 |
2017年 | 85篇 |
2016年 | 148篇 |
2015年 | 88篇 |
2014年 | 174篇 |
2013年 | 168篇 |
2012年 | 214篇 |
2011年 | 204篇 |
2010年 | 131篇 |
2009年 | 156篇 |
2008年 | 114篇 |
2007年 | 121篇 |
2006年 | 106篇 |
2005年 | 102篇 |
2004年 | 78篇 |
2003年 | 66篇 |
2002年 | 49篇 |
2001年 | 57篇 |
2000年 | 49篇 |
1999年 | 65篇 |
1998年 | 56篇 |
1997年 | 35篇 |
1996年 | 27篇 |
1995年 | 34篇 |
1994年 | 28篇 |
1993年 | 21篇 |
1992年 | 20篇 |
1991年 | 18篇 |
1990年 | 19篇 |
1989年 | 20篇 |
1988年 | 13篇 |
1987年 | 16篇 |
1986年 | 2篇 |
1985年 | 3篇 |
1983年 | 1篇 |
1982年 | 6篇 |
1981年 | 4篇 |
1980年 | 3篇 |
1979年 | 2篇 |
1978年 | 3篇 |
1977年 | 2篇 |
1955年 | 2篇 |
排序方式: 共有3128条查询结果,搜索用时 0 毫秒
21.
22.
稻田轮作对水稻病、虫、草害的影响 总被引:2,自引:0,他引:2
目前南方大部分稻田采用连作耕作制度,并且滥用农药现象严重,这对农田生态环境造成极其不利的影响。为探讨稻田轮作对减轻稻田病、虫、草害的生态作用,本试验以长期水稻连作为对照,根据14年田间定位试验,详细研究了稻田轮作对水稻病、虫、草害的影响。结果表明,稻田轮作在一定程度上能减轻稻田水稻的病虫草害。稻田轮作处理的早稻纹枯病发病率平均比连作处理低10%,病情指数低0.4%;晚稻纹枯病的病株率平均比连作处理低17.7%,病情指数低13.3%。轮作处理的早晚稻稻曲病的病株率和病情指数也都低于连作处理。轮作处理所受虫害比连作处理要轻,轮作稻纵卷叶螟造成的白叶率和二化螟造成的白叶率明显低于连作。轮作处理的杂草生长情况比连作处理弱。 相似文献
23.
文冠果是我国北方地区种植面积较广的一类树种,经济价值较高。该文结合实际,对影响文冠果树丰产的主要病虫害类型进行简单的总结,提出相应的防治技术要点,为降低文冠果种植中病虫危害提供参考。 相似文献
24.
25.
26.
犬皮肤病是犬临床诊治中常见病之一。犬因品种、年龄、个体、营养、生活环境等不同而引起的皮肤病有很大的差异。本文就几种常见的犬皮肤病的不同的临床症状进行了简要综述,旨在给饲养者提供一些早期的、简单的鉴别及诊断,能尽快做出相应的预防和护理措施,并及时就诊。 相似文献
27.
28.
29.
基于迁移学习的葡萄叶片病害识别及移动端应用 总被引:7,自引:6,他引:1
为解决已有的卷积神经网络在小样本葡萄病害叶片识别的问题中出现的收敛速度慢,易产生过拟合现象等问题,提出了一种葡萄叶片病害识别模型(Grape-VGG-16,GV),并针对该模型提出基于迁移学习的模型训练方式。将VGG-16网络在ImageNet图像数据集上学习的知识迁移到本模型中,并设计全新的全连接层。对收集到的葡萄叶片图像使用数据增强技术扩充数据集。基于扩充前后的数据集,对全新学习、训练全连接层的迁移学习、训练最后一个卷积层和全连接层的迁移学习3种学习方式进行了试验。试验结果表明,1)迁移学习的2种训练方式相比于全新学习准确率增加了10~13个百分点,并在仅训练25轮达到收敛,该方法有效提升了模型分类性能,缩短模型的收敛时间;2)数据扩充有助于增加数据的多样性,并随着训练次数的增加,训练与测试准确率同步上升,有效缓解了过拟合现象。在迁移学习结合数据扩充的方式下,所构建的葡萄叶片病害识别模型(GV)对葡萄叶片病害的识别准确率能达到96.48%,对健康叶、褐斑病、轮斑病和黑腐病的识别准确率分别达到98.04%、98.04%、95.83%和94.00%。最后,将最终的研究模型部署到移动端,实现了田间葡萄叶片病害的智能检测,为葡萄病害的智能诊断提供参考。 相似文献
30.
采用双模态联合表征学习方法识别作物病害 总被引:1,自引:1,他引:0
基于深度卷积神经网络的视觉识别方法在病害诊断中表现出色,逐渐成为了研究热点。但是,基于深度卷积神经网络建立的视觉识别模型通常只利用了图像模态的数据,导致模型的识别准确率和鲁棒性,都依赖训练数据集的规模和标注的质量。构建开放环境下大规模的病害数据集并完成高质量的标注,通常需要付出巨大的经济和技术代价,限制了基于深度卷积神经网络的视觉识别方法在实际应用中的推广。该研究提出了一种基于图像与文本双模态联合表征学习的开放环境下作物病害识别模型(bimodalNet)。该模型在病害图像模态的基础上,进行了病害文本模态信息的嵌入,利用两种模态病害信息间的相关性和互补性,实现了病害特征的联合表征学习。最终bimodalNet在较小的数据集上取得了优于单纯的图像模态模型和文本模态模型的效果,最优模型组合在测试集的准确率、精确率、灵敏度、特异性和F1值分别为99.47%、98.51%、98.61%、99.68%和98.51%。该研究证明了利用病害图像和病害文本的双模态表征学习是解决开放环境下作物病害识别的有效方法。 相似文献