全文获取类型
收费全文 | 124篇 |
免费 | 2篇 |
国内免费 | 57篇 |
专业分类
农学 | 1篇 |
基础科学 | 94篇 |
43篇 | |
综合类 | 40篇 |
农作物 | 1篇 |
畜牧兽医 | 3篇 |
植物保护 | 1篇 |
出版年
2024年 | 1篇 |
2023年 | 1篇 |
2022年 | 5篇 |
2021年 | 6篇 |
2020年 | 4篇 |
2019年 | 10篇 |
2018年 | 15篇 |
2017年 | 4篇 |
2016年 | 8篇 |
2015年 | 8篇 |
2014年 | 9篇 |
2013年 | 8篇 |
2012年 | 10篇 |
2011年 | 10篇 |
2010年 | 7篇 |
2009年 | 8篇 |
2008年 | 5篇 |
2007年 | 9篇 |
2006年 | 16篇 |
2005年 | 6篇 |
2004年 | 4篇 |
2003年 | 1篇 |
2002年 | 2篇 |
2001年 | 8篇 |
1998年 | 3篇 |
1997年 | 1篇 |
1996年 | 1篇 |
1995年 | 4篇 |
1994年 | 2篇 |
1993年 | 2篇 |
1992年 | 4篇 |
1986年 | 1篇 |
排序方式: 共有183条查询结果,搜索用时 31 毫秒
71.
基于多光谱图像和 SVM 的玉米田间杂草识别 总被引:1,自引:0,他引:1
为解决变量喷洒对杂草识别速度与正确率的要求,提出了一种基于多光谱图像和SVM 的杂草识别新方法。通过多光谱成像仪获得玉米与杂草图像,采用 IR-R 的多光谱融合并结合 Otsu 分割法完成背景分割;随后对植被图像进行目标分割与形态学处理,提取出所有植被叶片图像,在此基础上提取了叶片11个形状特征参数和纹理特征参数。为提高算法的实时性,对叶片的特征参数进行主成分分析,将前3个主成分作为支持向量机的输入建立模式识别模型。结果表明,降维后对于未知预测样本的识别正确率达到85%,用时0.001415 s。与直接利用支持向量机的90%的识别率和0.105165 s的用时相比,该算法在满足识别率的同时,用时更少,为田间杂草的快速识别提供了一种新方法。 相似文献
72.
一种基于主动轮廓模型的连接米粒图像分割算法 总被引:7,自引:5,他引:2
针对图像中连接米粒分割困难的问题,提出了一种基于主动轮廓模型的分割算法。首先,对籽粒二值图像的欧氏距离变换进行局部极小值检测,并通过形态学膨胀算子合并局部极小值点,在每个籽粒内部只产生一个区域。其次,以这些区域的边界作为初始曲线,在主动轮廓模型的指导下,曲线向籽粒的边界演化,最终将图像中各个米粒分割。试验结果表明,对圆江米、粳米、长江米和黑米4个品种的米粒,基于主动轮廓模型的连接米粒图像分割算法的分割正确率分别达到93.4%、92.4%、88.0%和90.4%,综合准确率为91.05%,比基于分水岭的方法提高了26.7%。因此,基于主动轮廓模型的算法为分割连接米粒图像提供了一种有效途径。 相似文献
73.
74.
融合K-means与Ncut算法的无遮挡双重叠苹果目标分割与重建 总被引:2,自引:7,他引:2
重叠苹果目标的准确分割是采摘机器人必须解决的关键问题之一。针对现有重叠苹果目标分割方法不能保留重叠部分轮廓信息的问题,提出了一种无枝叶遮挡的双果重叠苹果目标分割方法。该方法首先利用K-means聚类算法进行图像分割以提取苹果目标区域,然后利用Normalized Cut(Ncut)算法提取苹果目标轮廓,以实现未被遮挡苹果目标完整轮廓的准确提取,最后利用Spline插值算法对遮挡的苹果目标进行轮廓重建。为了验证算法的有效性,对20幅无枝叶遮挡双果重叠的苹果图像进行试验,并将该算法与寻找2个有效凹点用其连线分割重叠苹果目标,把分离的2个轮廓分别用Hough变换重建轮廓的方法进行对比。试验结果表明,对于图像中未被遮挡的苹果目标,利用该研究算法的平均分割误差为3.15%,提取的苹果目标与原始图像中苹果目标的平均重合度为96.08%,平均误差比Hough变换重建算法低7.73%,平均重合度高9.71%,并且该研究算法能够很好地保留未被遮挡苹果目标的完整轮廓信息,提高了分割精度。对于重叠被遮挡的苹果目标,平均分割误差和平均重合度分别为5.24%和93.81%,比Hough变换重建算法的平均分割误差低11.35%,平均重合度高12.74%,表明该算法可以较好地实现重叠被遮挡苹果目标的轮廓重建,研究结果可为实现枝叶遮挡影响下的多果重叠目标分割与重建提供参考。 相似文献
75.
76.
组合吸孔气吸式排种器研究 总被引:4,自引:3,他引:4
简述了组合吸孔气吸式排种器的构造及工作原理;通过回归分析,建立了种子在排种器内的运动方程式,在此基础上,对种子在排种器内的运动及受力进行了分析,同时探讨了影响排种性能的几个主要因素。 相似文献
77.
78.
79.
利用可见-近红外光谱(VNIR)检测土壤磷(P)和钾(K)含量存在精度不高的问题。为消除土壤质地、类型、颜色、颗粒大小、形状、密度等对光谱精度的影响,利用VNIR检测土壤P和K,采用直接正交信号校正(DOSC)光谱预处理降低干扰的方法,对美国密苏里州8种类型土壤共1 582个土壤样品、在350~2 500 nm波段内进行VNIR光谱扫描,对光谱进行吸光度、均值归一化、5点均值滤波平滑处理后,分别用DOSC处理和未处理数据建立偏最小二乘回归(PLSR)分析模型对P和K进行预测。实验结果表明,DOSC处理后得到的模型预测精度显著提高,其预测均方根误差(RMSEP)降低21.50%(P)、26.93%(P(0,27))、24.64%(K)和27.67%(K(0,192)),预测决定系数(R2)提高85.76%(P)、108.31%(P(0,27))、59.38%(K)和87.01%(K(0,192)),相对分析误差(RPD)提高27.37%(P)、36.90%(P(0,27))、32.75%(K)和38.29%(K(0,192))。用DOSC算法在多类型土壤的P和K的VNIR测定中,能消除由于土壤质地、类型等引起的噪声信息,提高模型预测精度,为多类型土壤P和K的VNIR测定提供了一种光谱预处理方法。 相似文献
80.