全文获取类型
收费全文 | 5094篇 |
免费 | 247篇 |
国内免费 | 429篇 |
专业分类
林业 | 253篇 |
农学 | 409篇 |
基础科学 | 129篇 |
698篇 | |
综合类 | 1888篇 |
农作物 | 334篇 |
水产渔业 | 237篇 |
畜牧兽医 | 1090篇 |
园艺 | 416篇 |
植物保护 | 316篇 |
出版年
2024年 | 20篇 |
2023年 | 83篇 |
2022年 | 155篇 |
2021年 | 179篇 |
2020年 | 159篇 |
2019年 | 183篇 |
2018年 | 135篇 |
2017年 | 229篇 |
2016年 | 202篇 |
2015年 | 202篇 |
2014年 | 267篇 |
2013年 | 340篇 |
2012年 | 337篇 |
2011年 | 388篇 |
2010年 | 309篇 |
2009年 | 311篇 |
2008年 | 287篇 |
2007年 | 308篇 |
2006年 | 276篇 |
2005年 | 207篇 |
2004年 | 183篇 |
2003年 | 129篇 |
2002年 | 117篇 |
2001年 | 89篇 |
2000年 | 104篇 |
1999年 | 103篇 |
1998年 | 60篇 |
1997年 | 54篇 |
1996年 | 59篇 |
1995年 | 45篇 |
1994年 | 25篇 |
1993年 | 35篇 |
1992年 | 40篇 |
1991年 | 33篇 |
1990年 | 22篇 |
1989年 | 20篇 |
1988年 | 17篇 |
1987年 | 12篇 |
1986年 | 6篇 |
1985年 | 5篇 |
1984年 | 6篇 |
1983年 | 2篇 |
1982年 | 2篇 |
1981年 | 5篇 |
1980年 | 3篇 |
1979年 | 3篇 |
1977年 | 4篇 |
1974年 | 1篇 |
1956年 | 4篇 |
1955年 | 4篇 |
排序方式: 共有5770条查询结果,搜索用时 296 毫秒
71.
72.
果实表型数据高通量、自动获取是果树新品种育种研究的基础,实现幼果精准检测是获取生长数据的关键。幼果期果实微小且与叶片颜色相近,检测难度大。为了实现自然环境下苹果幼果的高效检测,采用融合挤压激发块(Squeeze-and-Excitation block, SE block)和非局部块(Non-Local block, NL block)两种视觉注意机制,提出了一种改进的YOLOv4网络模型(YOLOv4-SENL)。YOLOv4模型的骨干网络提取高级视觉特征后,利用SE block在通道维度整合高级特征,实现通道信息的加强。在模型改进路径聚合网络(Path Aggregation Network, PAN)的3个路径中加入NL block,结合非局部信息与局部信息增强特征。SE block和NL block两种视觉注意机制从通道和非局部两个方面重新整合高级特征,强调特征中的通道信息和长程依赖,提高网络对背景与果实的特征捕捉能力。最后由不同尺寸的特征图实现不同大小幼果的坐标和类别计算。经过1 920幅训练集图像训练,网络在600幅测试集上的平均精度为96.9%,分别比SSD、Faster R-CNN和YOLOv4模型的平均精度提高了6.9百分点、1.5百分点和0.2百分点,表明该算法可准确地实现幼果期苹果目标检测。模型在480幅验证集的消融试验结果表明,仅保留YOLOv4-SENL中的SE block比YOLOv4模型精度提高了3.8百分点;仅保留YOLOv4-SENL中3个NL block视觉注意模块比YOLOv4模型的精度提高了2.7百分点;将YOLOv4-SENL中SE block与NL blocks相换,比YOLOv4模型的精度提高了4.1百分点,表明两种视觉注意机制可在增加少量参数的基础上显著提升网络对苹果幼果的感知能力。该研究结果可为果树育种研究获取果实信息提供参考。 相似文献
73.
针对复杂环境下柑橘果实大量重叠、枝叶遮挡且现有模型参数量大、计算复杂度高等问题,提出了一种基于改进YOLOv8n的柑橘识别模型YOLOv8-MEIN。首先,该研究设计了ME卷积模块并使用它改进YOLOv8n的C2f模块。其次,为了弥补CIoU损失函数在检测任务中泛化性弱和收敛速度慢的问题,使用Inner-CIoU损失函数加速边界框回归,提高模型检测性能。最后,在自建数据集上进行模型试验对比,试验结果表明,YOLOv8-MEIN模型交并比阈值为0.5的平均精度均值mAP0.5值为96.9%,召回率为91.7%,交并比阈值为0.5~0.95的平均精度均值mAP0.5~0.95值为85.8%,模型大小为5.8MB,参数量为2.87M。与原模型YOLOv8n相比,mAP0.5值、召回率、mAP0.5~0.95值分别提高了0.4、1.0、0.6个百分点,模型大小和参数量相比于原模型分别降低了3.3%和4.3%,为柑橘的自动化采摘提供技术参考。 相似文献
74.
基于融合坐标信息的改进YOLO V4模型识别奶牛面部 总被引:1,自引:2,他引:1
为实现奶牛个体的准确识别,基于YOLO V4目标检测网络,提出了一种融合坐标信息的奶牛面部识别模型。首先,采集71头奶牛面部图像数据集,并通过数据增强扩充提高模型的泛化性能。其次,在YOLO V4网络的特征提取层和检测头部分分别引入坐标注意力机制和包含坐标通道的坐标卷积模块,以增强模型对目标位置的敏感性,提高识别精度。试验结果表明,改进的YOLO V4模型能够有效提取奶牛个体面部特征,平均精度均值(mAP)为93.68%,平均帧率为18帧/s,虽然检测速度低于无锚框的CenterNet,但mAP提高了10.92%;与Faster R-CNN和SSD模型相比,在检测速度提高的同时,精度分别提高了1.51%和16.32%;与原始YOLO V4相比,mAP提高0.89%,同时检测速度基本不变。该研究为奶牛精准养殖中的牛脸图像识别提供了一种有效的技术支持。 相似文献
75.
针对奶牛养殖场复杂环境下多目标奶牛嘴部自动跟踪及反刍监测的困难,该研究提出了一种基于嘴部区域跟踪的多目标奶牛反刍行为智能监测方法。在YOLOv4模型识别奶牛嘴部上下颚区域的基础上,以Kalman滤波和Hungarian算法跟踪上颚区域,并对同一奶牛目标的上颚和下颚区域进行关联匹配获取嘴部咀嚼曲线,以此获取反刍相关信息,从而实现多目标奶牛个体的嘴部跟踪和反刍行为监测;为解决奶牛快速摆头运动和棚舍栏杆遮挡引发奶牛标号变化的问题,提出未匹配跟踪框保持及扩大的方法。采集并选择实际养殖场环境下的反刍奶牛视频66段,对其中58段视频采取分帧操作得到图像,制作YOLOv4模型数据集,以其余8段视频验证跟踪方法和反刍行为判定方法的有效性。试验结果表明,YOLOv4模型对奶牛嘴部上颚、下颚区域的识别准确率分别为93.92%和92.46%;改进的跟踪算法可实现复杂环境下多目标奶牛嘴部区域的稳定跟踪,且有效解决了栏杆遮挡、快速摆头运动造成的奶牛标号变化现象,上下颚匹配率平均为99.89%,跟踪速度平均为31.85帧/s;由反刍行为判定方法获取的咀嚼次数正确率的平均值为96.93%,反刍时长误差的平均值为1.48 s。该研究可为实际养殖中多目标奶牛反刍行为的智能监测和分析提供参考,也可供其他群体动物运动部位的跟踪和行为监测借鉴。 相似文献
76.
采用改进YoloV4模型检测复杂环境下马铃薯 总被引:1,自引:6,他引:1
为解决马铃薯联合收获机在作业过程中分级清选的问题,并在收获作业过程中实时监测评估收获状态,该研究提出一种在光照亮度变化大、土壤与薯块遮挡、机器振动以及尘土干扰等情况下对马玲薯进行识别检测并快速准确获取马铃薯数量以及损伤情况的机器学习模型。在卷积神经残差网络中引入轻量级注意力机制,改进YoloV4检测网络,并将YoloV4结构中的CSP-Darknet53网络替换为MobilenetV3网络,完成特征提取。试验结果表明,基于卷积神经网络的深度学习方法相比于传统Open-CV识别提高了马铃薯识别精度,相比于其他传统机器学习模型,MobilenetV3-YoloV4识别速度更快,马铃薯识别的全类平均准确率达到91.4%,在嵌入式设备上的传输速度为23.01帧/s,模型鲁棒性强,能够在各种环境下完成对正常马铃薯和机械损伤马铃薯的目标检测,可为马铃薯联合收获机智能清选以及智能收获提供技术支撑。 相似文献
77.
为了探究牛肉及副产物中稳定碳、氮同位素在加工过程中的变化规律,确证稳定碳、氮同位素在牛肉加工制品产地溯源中的稳定性和有效性。本试验通过对牛肉进行不同时间的水煮、烤制和油炸3种处理,其中水煮和烤制加工时间分别为5、10、15、20、25和30 min,油炸加工时间分别为1、2、3、4和5 min;采用元素分析仪-稳定同位素比率质谱仪(EA-IRMS)测定脱脂牛肉、粗脂肪及副产物中δ13C和δ15N值。结果表明,脱脂牛肉中δ13C值在水煮、烤制和油炸3种加工方式不同加工时间之间均无显著差异,水煮和烤制后粗脂肪中δ13C值无显著变化,油炸后的牛肉粗脂肪δ13C值主要受植物油的影响,加工方式及加工时间对其无显著影响;水煮脱脂牛肉δ15N值在加工25、30 min时与对照组牛肉存在显著差异,但平均差值仅为0.3‰~0.9‰。牛肉稳定碳、氮同位素在不同加工过程中分馏效应较小,可有效用于牛肉加工半成品及成品的原产地溯源。 相似文献
78.
79.
80.
Timothy Beach Sheryl Luzzadder-Beach Richard Terry Nicholas Dunning Stephen Houston Thomas Garrison 《CATENA》2011
This article provides new data and synthesizes earlier findings on the carbon isotope ratios of the humin part of soil organic matter from a range of sites in the central Maya Lowlands. Changes down the soil profile in carbon isotope ratios can provide an important line of evidence for vegetation change and erosion over time, especially in well dated aggrading profiles. Research thus far has provided substantial evidence for significant inputs from C4 vegetation in buried layers from the Ancient Maya periods in depositional soils but equivocal evidence from sloping soils. We present new findings from soil profiles through ancient Maya wetland fields, upland karst wetlands, ancient Maya aguadas (reservoirs), and ancient Maya terraces. Most of the profiles exhibited δ13C enrichment greater than the 2.5–3‰ typical from bacterial fractionation. Seven of nine ancient Maya wetland profiles showed δ13C enrichment ranging from 4.25 to 8.56‰ in ancient Maya-dated sediments that also contained phytolith and pollen evidence of grass (C4 species) dominance. Upland karst sinks and ancient reservoirs produced more modest results for δ13C enrichment. These seasonal wetland profiles exhibited δ13C enrichment ranging from 1 to 7.3‰ from the surface to ancient Maya-period sediments. Agricultural terraces produced mixed results, with two terraces having substantial δ13C enrichment of 5.34 and 5.66‰ and two producing only equivocal results of 1.88 and 3.03‰ from modern topsoils to Maya Classic-period buried soils. Altogether, these findings indicate that C4 plants made up c. 25% of the vegetation at our sites in the Maya Classic period and only a few percent today. These findings advance the small corpus of studies from ancient terraces, karst sinks, and ancient wetland fields by demonstrating substantial δ13C and thus C4 plant enrichment in soil profile sections dated to ancient Maya times. These studies are also providing a new line of evidence about local and regional soil and ecological change in this region of widespread environmental change in the Late Holocene. 相似文献