全文获取类型
收费全文 | 2112篇 |
免费 | 60篇 |
国内免费 | 318篇 |
专业分类
林业 | 83篇 |
农学 | 46篇 |
基础科学 | 1079篇 |
347篇 | |
综合类 | 640篇 |
农作物 | 24篇 |
水产渔业 | 41篇 |
畜牧兽医 | 188篇 |
园艺 | 31篇 |
植物保护 | 11篇 |
出版年
2024年 | 58篇 |
2023年 | 138篇 |
2022年 | 169篇 |
2021年 | 204篇 |
2020年 | 169篇 |
2019年 | 192篇 |
2018年 | 38篇 |
2017年 | 84篇 |
2016年 | 83篇 |
2015年 | 70篇 |
2014年 | 104篇 |
2013年 | 86篇 |
2012年 | 117篇 |
2011年 | 106篇 |
2010年 | 97篇 |
2009年 | 115篇 |
2008年 | 112篇 |
2007年 | 105篇 |
2006年 | 71篇 |
2005年 | 88篇 |
2004年 | 65篇 |
2003年 | 50篇 |
2002年 | 16篇 |
2001年 | 35篇 |
2000年 | 18篇 |
1999年 | 11篇 |
1998年 | 7篇 |
1997年 | 14篇 |
1996年 | 4篇 |
1995年 | 9篇 |
1994年 | 6篇 |
1993年 | 4篇 |
1992年 | 9篇 |
1991年 | 4篇 |
1990年 | 6篇 |
1989年 | 7篇 |
1988年 | 1篇 |
1986年 | 2篇 |
1985年 | 2篇 |
1982年 | 3篇 |
1981年 | 2篇 |
1980年 | 1篇 |
1979年 | 1篇 |
1978年 | 1篇 |
1975年 | 1篇 |
1974年 | 1篇 |
1957年 | 4篇 |
排序方式: 共有2490条查询结果,搜索用时 46 毫秒
81.
为了对优质蛋、次品蛋和劣质蛋这3种皮蛋进行检测及分级,该文应用机器视觉结合近红外光谱技术,研究利用皮蛋凝胶品质无损检测的分级方法。首先采集皮蛋透射光图像,提取18个图像颜色特征值,然后将所提取的18维特征利用主成分分析(principal component analysis,PCA)进行降维,对PCA降维后的3个主成分建立遗传算法优化支持向量机(genetic algorithm-support vector machine,GA-SVM)分级模型,把皮蛋样本分为两大类:可食用蛋(优质蛋与次品蛋)与不可食用蛋(劣质蛋),劣质蛋测试集识别率为100%。然后在机器视觉分类结果的基础上,利用近红外光谱技术获取可食用蛋(优质蛋与次品蛋)的原始光谱,并进行多元散射矫正(multiplicative scatter correction,MSC),利用竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)降维提取特征波长,基于支持向量机(support vector machine,SVM)对特征波长变量建立分级模型,区分出优质蛋与次品蛋,优质蛋测试集识别率为96.49%,次品蛋识别率为94.12%。研究结果表明:基于机器视觉和近红外光谱进行皮蛋凝胶品质无损检测分级是可行的。 相似文献
82.
基于机器视觉的无损检测是植物生长建模的关键技术之一,对图像采集系统进行标定是实现无损检测的基本步骤.目前,摄像机标定的方法有传统标定方法、主动视觉标定法、自标定方法等.为此,对现有标定方法分别进行了讨论与比较,结果表明,传统线性标定法可以满足农作物无损检测的要求. 相似文献
83.
84.
85.
农林环境机器视觉导航路径生成算法及应 总被引:2,自引:4,他引:2
提出两种自然环境中的路径导航线生成算法:对于矮小作物规则分布的农田场景,在标准Hough变换的基础上,预先检测共线点峰值的限定偏角阈值,以迅速检测关键信息;对于林地环境及类林地环境的高大作物农田场景,寻找树干与地面的交点,形成机器人行走的左右边界,再求两边交点的中值产生一列点簇.对该列点簇进行Hough变换检测直线作为导航线,或应用最小二乘法拟合左右边界,求其中线作为路径导航线.Matlab对比仿真表明,几种算法对各自适用的场景具有可靠稳定的路径辨识能力,可对图像进行有效的批量处理. 相似文献
86.
董玉 《农业机械化与电气化》2009,(1):39-40
介绍并对比了基于神经网络和模糊控制的瞬态空燃比控制方法,二者均不要求控制对象为非常精确的模型。特别在应用的非线性理论建模还不十分完善的情况下。神经网络控制器和模糊控制器的这个优点更为突出。 相似文献
87.
88.
基于机器视觉的棉种破损检测技术 总被引:1,自引:0,他引:1
研究了破损棉种的机器视觉识别方法,采用均值、方差、均方比等统计特性参数,计算棉种边界破损参数.通过实验确定均方比分类阈值为0.58,将棉种分为破损棉种和正常棉种.选取正常棉种330粒、破损棉种110粒,利用该检测系统进行检测,其识别精度达93%. 相似文献
89.
90.
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