全文获取类型
收费全文 | 108篇 |
免费 | 0篇 |
国内免费 | 6篇 |
专业分类
林业 | 1篇 |
农学 | 12篇 |
基础科学 | 6篇 |
6篇 | |
综合类 | 69篇 |
农作物 | 5篇 |
畜牧兽医 | 12篇 |
园艺 | 1篇 |
植物保护 | 2篇 |
出版年
2023年 | 1篇 |
2022年 | 1篇 |
2021年 | 1篇 |
2020年 | 1篇 |
2019年 | 1篇 |
2018年 | 1篇 |
2016年 | 2篇 |
2014年 | 1篇 |
2013年 | 7篇 |
2012年 | 12篇 |
2011年 | 12篇 |
2010年 | 15篇 |
2009年 | 6篇 |
2008年 | 16篇 |
2007年 | 2篇 |
2006年 | 5篇 |
2005年 | 8篇 |
2004年 | 6篇 |
2003年 | 2篇 |
2002年 | 1篇 |
2001年 | 3篇 |
1997年 | 1篇 |
1996年 | 4篇 |
1995年 | 2篇 |
1992年 | 3篇 |
排序方式: 共有114条查询结果,搜索用时 406 毫秒
1.
2.
3.
岑溪市糯垌镇由于坡地多,农民习惯在坡地上种花生,解放前农民养鸡由母鸡孵小鸡,小鸡出壳星期后由母鸡带小鸡整日到花生地寻找食饵,鸡吃上花生叶、花生仁及各种昆虫、微量元素等,加上晒太阳、泥沙浴,逐步形成黄毛、黄喙、黄脚而得名——糯垌三黄鸡。这种鸡体型小巧(顶鸡每只1.1~1.3千克、阄鸡每只2.0~2.4千克),外貌华丽、肉厚皮薄、骨细肉嫩、 相似文献
4.
5.
6.
基于神经网络与图像处理的花生仁霉变识别方法 总被引:8,自引:1,他引:8
为了采用机器视觉对霉变花生仁的自动识别与分选,研究了一种基于花生仁图像特征和人工神经网络的霉变识别方法。首先,利用Sobel算子直接对噪声含量少、边缘保存较完整的B分量灰度图进行边缘检测,经过形态学滤波、填充、合成等处理去除背景,得到分割后的彩色花生仁图像。然后提取颜色特征H、I、S及纹理特征RW、GW、BW,将其作为MATLAB所创建的神经网络的输入,并分别定义正常、轻度霉变、严重霉变3组代码为100、010、001的类型作为网络的输出,建立特征参数与霉变等级之间的神经网络识别模式。试验结果表明,该方法对正常花生仁、轻度霉变花生仁、严重霉变花生仁的检测准确率分别为95%、90%、100%,得到了较好的识别效果。 相似文献
7.
目前花生仁中甲咪唑烟酸残留量的检测是参考国标中茶叶农残的方法,花生仁基质含有大量的油脂和蛋白质,这与茶叶基质有显著区别,且该方法只能定性。本文建立了一种高效液相色谱法定量检测花生仁中甲咪唑烟酸残留量的方法。花生仁样品采用乙腈溶液提取后再经过除脂净化处理,以乙腈:0.02mol/L磷酸二氢钾缓冲液(加入0.1%的三乙胺,磷酸调pH3.0)体积比1:3作为流动相进行高效液相色谱紫外检测器分析。结果表明:甲咪唑烟酸标准在0~1.2mg/L范围内线性关系良好(R2=0.9999),检出限为7μg/kg;加标回收率为91.1%~98.9%;精密度、重复性、稳定性都较好。该方法操作简便、分离度好、结果准确,能很好地满足花生仁中甲咪唑烟酸残留量检测的要求。 相似文献
8.
基于计算机视觉的花生品质分级检测研究 总被引:9,自引:0,他引:9
【目的】建立能够对花生进行品质分级的计算机视觉无损检测方法。【方法】同步拍摄和扫描11类品质,每类品质100颗和100宗,每宗100颗不同等级的花生籽粒的正反面图像;参照国家标准量化花生品质籽粒的11个限制性检测项目,设计花生规格和品质等级的判别方法;测量每个籽粒的形态、纹理、颜色共3大类54个外观特征,采用主分量分析(PCA)进行特征优化,构建并比较BP神经网络(ANN)和支持向量机(SVM)品质检测模型;分别应用Matlab和Spss工具软件实现检测过程和对结果进行统计分析。【结果】前16个主分量的SVM模型,能够鉴别95%以上的不完善粒、霉变、杂质、异品种等不同品质的籽粒,与人工检测结果吻合度达到了93%,对100宗待检样品进行检测,规格和等级检测完全正确率达到了92%。【结论】研究结果为花生的品质分级检测提供了比较系统全面的量化标准和检测方法,该方法可推广应用于花生品质鉴别、分级筛选加工和商品分级定价等领域。 相似文献
9.
10.