全文获取类型
收费全文 | 192篇 |
免费 | 6篇 |
国内免费 | 21篇 |
专业分类
林业 | 4篇 |
农学 | 24篇 |
基础科学 | 13篇 |
17篇 | |
综合类 | 78篇 |
农作物 | 6篇 |
水产渔业 | 2篇 |
畜牧兽医 | 1篇 |
园艺 | 67篇 |
植物保护 | 7篇 |
出版年
2024年 | 4篇 |
2023年 | 7篇 |
2022年 | 7篇 |
2021年 | 11篇 |
2020年 | 15篇 |
2019年 | 6篇 |
2018年 | 10篇 |
2017年 | 8篇 |
2016年 | 7篇 |
2015年 | 8篇 |
2014年 | 8篇 |
2013年 | 17篇 |
2012年 | 16篇 |
2011年 | 15篇 |
2010年 | 12篇 |
2009年 | 7篇 |
2008年 | 13篇 |
2007年 | 7篇 |
2006年 | 5篇 |
2005年 | 6篇 |
2004年 | 1篇 |
2003年 | 4篇 |
2002年 | 5篇 |
2001年 | 7篇 |
2000年 | 1篇 |
1999年 | 1篇 |
1998年 | 1篇 |
1997年 | 3篇 |
1992年 | 1篇 |
1991年 | 3篇 |
1988年 | 1篇 |
1986年 | 1篇 |
1984年 | 1篇 |
排序方式: 共有219条查询结果,搜索用时 15 毫秒
1.
‘金美’是从云南野外美味猕猴桃资源中选育出的绿肉高糖新品种。果实为卵形,果面黄褐色硬毛,果形整齐;平均单果质量60 ~ 80 g。果肉绿色或黄绿色,质嫩多汁,风味浓甜。软熟果实含可溶性固形物24.1%,可溶性总糖16.2%,总酸1.25%,维生素C 1 180 mg • kg-1,钾 342 mg • kg-1,钙84.2 mg • kg-1。在武汉地区8月果实成熟,此时果实采后7 d开始软熟,1 ~ 2 ℃低温和95%相对湿度下可存放100 ~ 120 d。盛果期产量22 t • hm-2。 相似文献
2.
3.
4.
白水县是陕西苹果的最佳优生区,套袋苹果已占苹果生产总量的65.54%,是无公害苹果生产的关键技术之一,研究套袋技术对苹果生产具有重要的指导意义。项目对白水县苹果套袋情况进行了系统的调查,并就生产中三种果袋对苹果外观质量、内在质量、果实黑点病发生情况、效益等进行了研究。研究结果表明:目前生产中应用较多的仍然是双层双色纸袋和单层双色劣质纸袋,果实套袋能显著提高果实光洁度、着色度、果实外观鲜艳,降低VC含量,增加黑点病发病率,其中套双层三色优质纸袋苹果黑点病发病率轻,为5.2%,而套单层双色劣质纸袋重,高达47.7%,套袋能显著提高苹果生产的经济效益 相似文献
5.
以低密度聚乙烯、高密度聚乙烯、聚丙烯膜为包装材料,研究其对鲜切苹果的保鲜效果。结果表明:3种保鲜膜包装均能不同程度地抑制鲜切苹果呼吸强度,推迟呼吸高峰期到来,减少营养物质消耗,0.04mmLDPE保鲜膜较适合于鲜切苹果的自发气调包装。 相似文献
6.
苹果霉心病可见/近红外透射能量光谱识别方法 总被引:1,自引:0,他引:1
针对苹果霉心病从外表无法识别的难题,提出基于可见/近红外透射能量光谱进行快速无损识别的模型和方法。在200~1 100 nm波段内采集了200个苹果的透射能量光谱数据,随机选取140个样品作为训练集,剩余60个样品作为测试集。用平滑法和多元散射校正对光谱数据进行预处理。基于全光谱、连续投影算法(SPA)提取的12个特征波长、主成分分析(PCA)提取的9个主成分,分别建立了偏最小二乘判别法、误差反向传播人工神经网络和支持向量机(SVM)识别模型。实验结果说明,应用PCA-SVM建立的模型识别性能最优,该模型对测试集和训练集中霉心病果和健康果的识别正确率分别为99.3%和96.7%。基于SPA和PCA所建模型的输入变量数仅相当于基于全光谱所建模型输入变量数的0.99%和0.74%,极大降低了模型的复杂度。研究结果表明,该方法是可行的且具有较高识别准确度,为苹果在线内部品质分级和便携式苹果霉心病检测仪的研究提供了技术依据。 相似文献
7.
8.
‘串枣’是从山东省济南市南部山区枣树实生群体中选出的早熟鲜食新品种。果实椭圆形,平均单果质量14.47 g,最大23.16 g;成熟果实红色,果面光滑,果肉浅绿色,肉质细腻,风味甜,品质佳。果核0.4 g,含仁率40%。鲜果可溶性固形物31.5%,可滴定酸4.11 g · kg-1,可食率96.7%,维生素C 3.039 mg · g-1。在济南市南部山区8月下旬果实成熟,果实发育期80 ~ 85 d。早熟,丰产,稳产,耐瘠薄,耐干旱,适应性强,适合在枣产区栽植。 相似文献
9.
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
10.