全文获取类型
收费全文 | 337篇 |
免费 | 6篇 |
国内免费 | 8篇 |
专业分类
林业 | 12篇 |
农学 | 8篇 |
基础科学 | 92篇 |
26篇 | |
综合类 | 193篇 |
农作物 | 4篇 |
水产渔业 | 4篇 |
畜牧兽医 | 10篇 |
园艺 | 2篇 |
出版年
2024年 | 2篇 |
2023年 | 1篇 |
2022年 | 3篇 |
2021年 | 7篇 |
2020年 | 4篇 |
2018年 | 3篇 |
2017年 | 7篇 |
2016年 | 15篇 |
2015年 | 25篇 |
2014年 | 27篇 |
2013年 | 14篇 |
2012年 | 36篇 |
2011年 | 48篇 |
2010年 | 30篇 |
2009年 | 27篇 |
2008年 | 28篇 |
2007年 | 19篇 |
2006年 | 12篇 |
2005年 | 13篇 |
2004年 | 1篇 |
2003年 | 5篇 |
2002年 | 6篇 |
2001年 | 3篇 |
2000年 | 3篇 |
1999年 | 2篇 |
1998年 | 1篇 |
1997年 | 2篇 |
1996年 | 1篇 |
1995年 | 3篇 |
1993年 | 2篇 |
1987年 | 1篇 |
排序方式: 共有351条查询结果,搜索用时 31 毫秒
1.
2.
3.
针对自然环境下马铃薯叶片病害识别率低和晚疫病斑定位难的问题,基于大田环境中采集的马铃薯叶片图像,首先对马铃薯叶片病害进行识别,对比AlexNet、VGG16、InceptionV3、ResNet50、MobileNet五种神经网络模型,结果表明InceptionV3模型的识别效果准确率最高,可达98.00%。其次对马铃薯叶片的晚疫病斑进行检测,提出一种改进型的CenterNet-SPP模型,该模型通过特征提取网络获取对象的中心点,再通过中心点回归获得中心点偏移量、目标大小等图像信息,训练后的模型在验证集下的mAP可达90.03%,以F1为评价值分析对比其它目标检测模型,CenterNet-SPP模型的效果最好,准确率为94.93%,召回率为90.34%,F1值为92.58%,平均检测一张图像耗时0.10 s。为自然环境下马铃薯叶片病害识别和检测提供较为全面的深度学习算法和模型研究基础。 相似文献
4.
基于腕力传感器的机器人操作臂末端位置误差补偿 总被引:2,自引:0,他引:2
针对机器人操作臂夹持工具与环境作用时基于传感器坐标系内的微分运动分析 ,推导出基于工具坐标系的定位误差及基于基坐标系的定位误差补偿 ,并以 PU MA5 60型机器人为例计算了定位误差及其误差补偿 相似文献
5.
介绍了在不解体车用发动机的情况下,通过测试曲轴箱窜气量的大小,即可检测活塞环与气缸壁的磨损程度的一种专用检测仪器,并以EQ6100发动机的结构特点为例,设计了专用测试用传感器,测出了其特性曲线,用低功耗单片机MSP430作为微控制器核心,构造了该测量仪器。测试结果表明:该仪器抗扰能力强,测试精度高,测试简单、方便,为发动机故障诊断提供了依据,用户可把仪器的结构、参数稍加改动即可应用于其它类型发动机的不解体故障诊断,具有一定的通用性。 相似文献
6.
为了实现不同土壤水分管理下的CO 2气肥精细控制,建立了番茄作物不同生长阶段的光合速率预测模型。实验设置了4个CO 2浓度与3个土壤水分条件的交互处理,利用无线传感器网络长期实时监测温室内环境信息,采用LI-6400XT型光合速率仪定时采集作物净光合速率信息;并用BP神经网络分别建立了番茄苗期、花期和果期的光合速率预测模型。预测模型的验证结果表明,对于苗期预测模型,预测值与实测值之间的决定系数 R 2为0.925;花期预测模型的决定系数 R 2为0.920,果期预测模型的决定系数 R 2为0.958;番茄各生长期的光合速率预测模型均具有较高的预测精度。在不同土壤水分条件下改变CO 2浓度,得到的CO 2浓度与光合速率预测曲线与实测值相近,可反映实际土壤水分管理下的CO 2浓度最优值,对指导不同土壤水分条件下CO 2气肥的精细调控具有重要意义。 相似文献
7.
8.
针对水稻栽培和遗传育种研究中单分蘖性状高通量无损提取的实际需求,该研究提出了一种基于沙漏网络模型的单分蘖水稻关键点预测和骨架提取方法。首先,对原始图像进行批量裁剪、gamma校正和锐化卷积等预处理,获取单色背景下的水稻单分蘖图像数据集;设计水稻单分蘖各器官关键点数据标注策略,构建监督数据集。然后,构建堆叠沙漏网络架构实现叶片数固定和不固定的水稻关键点检测,引入沙漏结构整合图像的多尺度特征,结合中间监督机制整合不同沙漏模块信息。叶片数一致的情况,模型预测准确率最高可达96.48%;叶片数不一致的情况,预测准确率达到82.09%。最后,根据预测关键点及其对应的语义信息连接形成植株骨架,选取茎秆长、叶片长、穗长、叶片-茎秆夹角和茎节点位置5个表型参数对生成骨架模型的实际意义进行评估,其均方根误差依次为5.82 cm、3.09 cm、1.71 cm、3.22°和2.04 cm,证明了该方法能较好地识别水稻单分蘖关键点,为水稻骨架提取提供了一种新思路,有助于加快水稻育种速度。 相似文献
9.
10.