全文获取类型
收费全文 | 300篇 |
免费 | 7篇 |
国内免费 | 24篇 |
专业分类
林业 | 21篇 |
农学 | 19篇 |
基础科学 | 13篇 |
35篇 | |
综合类 | 113篇 |
农作物 | 27篇 |
水产渔业 | 9篇 |
畜牧兽医 | 56篇 |
园艺 | 26篇 |
植物保护 | 12篇 |
出版年
2024年 | 2篇 |
2023年 | 8篇 |
2022年 | 8篇 |
2021年 | 3篇 |
2020年 | 6篇 |
2019年 | 6篇 |
2018年 | 8篇 |
2017年 | 9篇 |
2016年 | 12篇 |
2015年 | 12篇 |
2014年 | 13篇 |
2013年 | 7篇 |
2012年 | 17篇 |
2011年 | 15篇 |
2010年 | 23篇 |
2009年 | 13篇 |
2008年 | 20篇 |
2007年 | 9篇 |
2006年 | 16篇 |
2005年 | 18篇 |
2004年 | 11篇 |
2003年 | 6篇 |
2002年 | 10篇 |
2001年 | 17篇 |
2000年 | 14篇 |
1999年 | 6篇 |
1998年 | 3篇 |
1996年 | 1篇 |
1995年 | 1篇 |
1994年 | 3篇 |
1993年 | 4篇 |
1992年 | 2篇 |
1991年 | 8篇 |
1990年 | 3篇 |
1989年 | 7篇 |
1988年 | 6篇 |
1987年 | 1篇 |
1986年 | 2篇 |
1983年 | 1篇 |
排序方式: 共有331条查询结果,搜索用时 15 毫秒
331.
为提高设施生产中对各生长阶段生菜鲜重的无损估测精度进而更好地指导生产,提出一种利用生菜冠层图像为输入,基于迁移学习技术和卷积神经网络估测鲜重的方法,对比分析AlexNet、VGG-16、GoogLeNet和ResNet-18模型迁移学习后在生菜鲜重估测任务上的效果;同时,对比不同迁移学习方法对模型性能的影响,通过冻结卷积层和减少全连接层改善模型的参数量和训练速度。结果表明:1)AlexNet和VGG-16两种模型能较好的实现生菜鲜重的估测,AlexNet模型的决定系数R2为0.928 0,标准均方根误差NRMSE为19.08%,VGG-16模型的R2为0.938 0,NRMSE为17.71%,但VGG-16模型存在参数量大训练慢的问题,综合考虑选取AlexNet模型迁移学习后作为生菜鲜重估测模型;2)与全新学习方法相比,在预训练模型基础上对生菜鲜重数据集进行迁移学习,可以明显提升生菜鲜重估测模型的训练速度和准确度;3)冻结卷积层能显著加快模型的训练速度,训练时间可减少18%,减少全连接层在保持精度的前提下能大幅度减少模型的参数量。基于迁移学习的卷积神经网络模型可用于生菜鲜重的快速估测,该方法也可以拓展应用到其他叶类蔬菜的鲜重估测中。 相似文献