全文获取类型
收费全文 | 94篇 |
免费 | 3篇 |
国内免费 | 12篇 |
专业分类
农学 | 13篇 |
基础科学 | 10篇 |
6篇 | |
综合类 | 34篇 |
农作物 | 28篇 |
水产渔业 | 1篇 |
畜牧兽医 | 17篇 |
出版年
2023年 | 3篇 |
2022年 | 3篇 |
2021年 | 4篇 |
2020年 | 1篇 |
2019年 | 1篇 |
2018年 | 8篇 |
2017年 | 4篇 |
2016年 | 5篇 |
2015年 | 8篇 |
2014年 | 6篇 |
2013年 | 3篇 |
2012年 | 3篇 |
2011年 | 10篇 |
2010年 | 3篇 |
2009年 | 4篇 |
2008年 | 5篇 |
2007年 | 7篇 |
2006年 | 6篇 |
2005年 | 7篇 |
2004年 | 7篇 |
2003年 | 4篇 |
2002年 | 1篇 |
2001年 | 2篇 |
1999年 | 1篇 |
1996年 | 2篇 |
1984年 | 1篇 |
排序方式: 共有109条查询结果,搜索用时 15 毫秒
81.
82.
为了对规模化和集约化型猪场猪舍环境进行监测与控制,以无线通信模块JN5148为核心,进行了基于无线传感器网络(WSN)技术的开发,设计了环境监测仪。在此基础上组成现场监控网络,对猪舍温度、湿度、氨气(NH3)浓度和硫化氢浓度(H2S)进行动态监测,并设计了对不同猪生长阶段的监控指标,通过手机电脑等智能终端进行预警提示。采用B/S(浏览器/服务器)模式,实现通过浏览器远程实时监控猪舍。经过半年时间在实际生产过程中的应用表明,该系统运行性能稳定可靠,在数据采集、传输及远程监控中均达到实际需求,适合应用于猪舍环境精准的监测。 相似文献
83.
面向食品安全事件新闻文本的实体关系抽取研究 总被引:1,自引:0,他引:1
为解决从大规模网络文本中快速、准确识别食品安全事件并进行实体关系抽取受中文复杂语法特性限制的问题,提出一种基于依存分析的面向食品安全事件新闻文本的实体关系抽取方法 FSE_ERE (Entity relation extraction of food safety events,FSE_ERE)。该方法结合句子的依存分析结果和实体关系抽取模型,对非结构化中文文本进行无监督的实体关系抽取,并引入一种将文本相似度结合到PU学习(Positive and unlabeled learning)的半监督分类方法,利用改进的特征加权处理方法提高分类精度,使得FSE_ERE方法能够在高质量的食品安全事件新闻文本中完成实体关系抽取工作。实验结果表明,FSE_ERE方法在食品安全事件新闻文本数据集和多类型混合新闻文本数据集上的实体关系抽取均达到了先进的性能,F值分别达到了71.21%和67.42%,证明了FSE_ERE方法的有效性和可移植性。 相似文献
84.
采用融合规则与BERT-FLAT模型对营养健康领域命名实体识别 总被引:2,自引:2,他引:0
人类营养健康命名实体识别旨在检测营养健康文本中的营养实体,是进一步挖掘营养健康信息的关键步骤。虽然深度学习模型广泛应用在人类营养健康命名实体识别中,但没有充分考虑到营养健康文本中含有大量的复杂实体而出现长距离依赖的特点,且未能充分考虑词汇信息和位置信息。针对人类营养健康文本的特点,该研究提出了融合规则与BERT-FLAT(Bidirectional Encoder Representations from Transfromers-Flat Lattice Transformer,转换器的双向编码器表征量-平格变压器)模型的营养健康文本命名实体识别方法,识别了营养健康领域中食物、营养物质、人群、部位、病症和功效作用6类实体。首先通BERT模型将字符信息和词汇信息进行嵌入以提高模型对实体类别的识别能力,再通过位置编码与词汇边界信息结合的Transformer模型进行编码以提高模型对实体边界的识别效果,利用CRF(Coditional Random Field,条件随机场)获取字符预测序列,最后通过规则对预测序列进行修正。试验结果表明,融合规则与BERT-FLAT模型的人类营养健康领域识别的准确率为95%,召回率为88.88%,F1分数为91.81%。研究表明,该方法是一种有效的人类营养健康领域实体识别方法,可以为农业、医疗、食品安全等其他领域复杂命名实体识别提供新思路。 相似文献
85.
86.
87.
该文利用计算机图像处理技术,通过提取小麦冠层图像颜色特征,进行了小麦氮营养水平评价的研究。通过对RGB和HIS两种颜色系统表示的R、G、B、H、S、I和L参量进行了直方图统计量的计算,提取出一些简单有效的特征用于表达小麦自返青后的7个主要生育时期冠层的颜色。结果表明:1)这些特征可以有效表达小麦在不同氮营养水平下的冠层颜色,尤其在表达低氮水平和中高氮水平上效果更好。2)对总施氮量一致,施氮方式和施氮时期不同的小麦,这些特征也表现出显著的差异,而且可靠性高,简单易行。利用小麦冠层图像为评价小麦氮营养状况提供 相似文献
88.
89.
基于颜色特征进行农作物图像分类识别的应用研究综述 总被引:4,自引:1,他引:4
利用农作物自身的特征对农作物图像进行分类识别是计算机视觉技术在农业自动化应用中的重要前提条件。本文首先探讨了基于颜色特征的两种图像分类识别方法:统计直方图法和颜色参量的统计特征法,并分析比较了两类方法的特点,试图为以农作物颜色为特征的图像分类识别应用提供思路。最后综述了从分析农作物外在的颜色特征进行农作物图像分类识别的国内外最新研究方法和成果,以促进计算机视觉技术在我国农业领域的应用和发展。 相似文献
90.
计算机辅助小麦图像识别应用中颜色特征基本参量的表达 总被引:7,自引:0,他引:7
在计算机辅助图像处理中,运用颜色特征进行图像的分类和识别是简便而有效的一种方法。然而,颜色特征的表达和提取是否准确、合理直接决定着分类和识别的可靠性。本文在重点分析RGB、HIS和L*a*b*三种常用颜色模式基本参量含义及相互间关系的基础上,结合小麦图像自身的特点,通过对30幅小麦图像在三种颜色模式下的9个基本参量进行主成分分析,建立了应用于小麦图像识别的颜色特征基本参量表达式,并对这三种颜色模式的9个基本参量进行了分类,提出了确定而有意义的表征小麦颜色特征的主成分指标。结果如下:基于第一主成分的分类指标综合表达出小麦冠层的亮绿色特点,分类结果具有较高的准确性和可靠性;第二主成分指标主要表达小麦冠层黄绿颜色变化的特点,能够形成连续的量化指标空间。第三主成分指标主要表达小麦正常绿色的情况,在图像获取亮度差异较小时可以进行小麦正常绿色值的评价。 相似文献