全文获取类型
收费全文 | 7965篇 |
免费 | 298篇 |
国内免费 | 986篇 |
专业分类
林业 | 988篇 |
农学 | 904篇 |
基础科学 | 787篇 |
1069篇 | |
综合类 | 3533篇 |
农作物 | 830篇 |
水产渔业 | 257篇 |
畜牧兽医 | 454篇 |
园艺 | 299篇 |
植物保护 | 128篇 |
出版年
2024年 | 70篇 |
2023年 | 122篇 |
2022年 | 216篇 |
2021年 | 277篇 |
2020年 | 252篇 |
2019年 | 307篇 |
2018年 | 173篇 |
2017年 | 279篇 |
2016年 | 450篇 |
2015年 | 332篇 |
2014年 | 713篇 |
2013年 | 498篇 |
2012年 | 768篇 |
2011年 | 651篇 |
2010年 | 533篇 |
2009年 | 497篇 |
2008年 | 388篇 |
2007年 | 429篇 |
2006年 | 381篇 |
2005年 | 345篇 |
2004年 | 228篇 |
2003年 | 231篇 |
2002年 | 145篇 |
2001年 | 131篇 |
2000年 | 115篇 |
1999年 | 124篇 |
1998年 | 92篇 |
1997年 | 73篇 |
1996年 | 79篇 |
1995年 | 54篇 |
1994年 | 71篇 |
1993年 | 53篇 |
1992年 | 40篇 |
1991年 | 33篇 |
1990年 | 27篇 |
1989年 | 23篇 |
1988年 | 19篇 |
1987年 | 9篇 |
1986年 | 4篇 |
1985年 | 4篇 |
1984年 | 3篇 |
1983年 | 1篇 |
1980年 | 2篇 |
1979年 | 1篇 |
1978年 | 2篇 |
1977年 | 1篇 |
1976年 | 1篇 |
1974年 | 1篇 |
1955年 | 1篇 |
排序方式: 共有9249条查询结果,搜索用时 15 毫秒
101.
102.
旅游解说牌示规划设计方法与技术探讨 总被引:7,自引:0,他引:7
针对目前我国旅游景区管理人员对旅游解说牌示的价值、规划方法与技术认识不深的现实,在旅游解说规划中充分体现人本主义的思想下,结合景区旅游解说资源的特性与游客特征,分析出旅游解说牌示规划与设计应包括规划阶段、设计阶段、建造阶段、评估与保持等4个阶段和组建解说队伍、清查解说资源、决定解说目标、选择牌示类型、选择牌示材料、连接对象与文本、确定牌示文本、确定牌示尺度、选择印刷方式、评估解说牌示与保持解说牌示等11个具体步骤. 相似文献
103.
104.
105.
许杰 《黑龙江八一农垦大学学报》2012,24(5):73-75,79
将分形参数理论和现代图像处理技术结合起来,对动物CT影像进行分析和处理,根据在动物骨骼的成像交界处,分形的规律性将会被破坏的基本特征,获取边界处的分形参数值H,从而判断出该处为CT图像的边界。从实验结果看,结合分形理论的分形参数算法对CT图像的处理效果优异,对家庭宠物犬和其它动物疾病的正确诊断和有效治疗提供必要的技术支撑。 相似文献
106.
107.
基于机器视觉的马铃薯晚疫病快速识别 总被引:1,自引:6,他引:1
晚疫病是马铃薯的一种严重病害,可造成减产甚至绝收。因此马铃薯晚疫病的识别与控制对提高其产量有非常重要的意义。该文基于机器视觉技术对马铃薯叶部晚疫病进行检测,根据马铃薯叶片上晚疫病斑的颜色、纹理和形状特征参数的不同,提取叶片表面的特征参数,并建立数学模型对病害程度做出评价。在RGB、HSV颜色空间中,根据马铃薯叶片在患病早期叶片颜色发生变化且与健康叶片不同,利用颜色特征,建立马铃薯晚疫病的无病和患病模型,该模型对马铃薯患病早期的识别率为67.5%。利用灰度共生矩阵,采用纹理统计参数进行病害等级评价,用熵值和能量值描述晚疫病的严重程度,纹理特征对患病程度的识别率比较稳定,对患病中期与后期的识别率分别为72.5%与80%。利用形状特征的相对特征,根据病斑面积比进行晚疫病诊断,该方法对马铃薯叶片晚疫病患病后期的诊断取得较好效果,识别率为90%,但由于叶片患病早期的病斑面积小且分散,识别难度大,识别率仅为50%。针对颜色、纹理及形状特征在识别马铃薯叶片晚疫病时的优势与局限性,提出颜色纹理形状特征结合的识别方法,对患病中期与后期的识别率分别为90%和92.5%。通常马铃薯晚疫病的理化值检测法耗时数天,但利用机器视觉识别马铃薯晚疫病患病情况非常快速,根据颜色特征进行病害识别的时间约为4 s,纹理特征识别的时间为7 s,形状特征特征识别的时间为3 s,综合颜色纹理形状特征的识别由于计算量较大,识别时间为9 s。该研究可为基于机器视觉的马铃薯晚疫病的快速检测提供理论依据。 相似文献
108.
109.
110.