全文获取类型
收费全文 | 48篇 |
免费 | 0篇 |
国内免费 | 1篇 |
专业分类
林业 | 9篇 |
农学 | 5篇 |
基础科学 | 4篇 |
3篇 | |
综合类 | 16篇 |
农作物 | 2篇 |
水产渔业 | 1篇 |
畜牧兽医 | 3篇 |
园艺 | 4篇 |
植物保护 | 2篇 |
出版年
2024年 | 1篇 |
2023年 | 2篇 |
2022年 | 1篇 |
2021年 | 2篇 |
2020年 | 1篇 |
2019年 | 1篇 |
2018年 | 2篇 |
2017年 | 1篇 |
2016年 | 2篇 |
2015年 | 1篇 |
2014年 | 9篇 |
2013年 | 2篇 |
2012年 | 1篇 |
2011年 | 3篇 |
2010年 | 3篇 |
2008年 | 3篇 |
2007年 | 1篇 |
2006年 | 1篇 |
2005年 | 1篇 |
2004年 | 3篇 |
2001年 | 1篇 |
1999年 | 1篇 |
1997年 | 2篇 |
1996年 | 2篇 |
1990年 | 1篇 |
1988年 | 1篇 |
排序方式: 共有49条查询结果,搜索用时 111 毫秒
41.
42.
43.
44.
45.
MADS-box基因家族是一类转录调控因子,影响植物各个生长发育的环节,尤其是花器官的发育。随着模式植物MADS-box基因研究的深入,一些该类基因的作用方式已经被阐明。黄瓜的性型直接关系到其产量,黄瓜中MADS-box基因对其性型的影响尚未清楚。本研究对6组不同黄瓜性型的近等基因系材料的花芽以及顶芽进行转录组分析,利用生物信息学方法,获得9个不同性型花芽和顶芽差异表达的MADS-box基因:Cucsa.018420、Cucsa.113420、Cucsa.251170和Cucsa.327970在雄花中特异表达,Cucsa.139620、Cucsa.160640、Cucsa.241990在雌花和两性花中的表达差异显著,Cucsa.212720和Cucsa.392160在雌花中特异表达。通过荧光定量RT-PCR验证了其中两个差异表达基因Cucsa.018420和Cucsa.392160的表达,发现两者在整个花发育过程中的表达规律与转录组结果一致。本研究初步探讨了MADS-box基因对黄瓜花性型的影响,为黄瓜MADS-box基因的深入研究提供参考。 相似文献
46.
浅议茶叶企业制定产品质量标准问题 总被引:1,自引:0,他引:1
在当今商品市场激烈竞争的新形势下,茶叶的生产企业强化其产品标准化的工作,保证产品质量的有效提高,是全面增强茶叶企业素质的发展和促进企业经济效益提高的有效途径。1 关于制订茶叶企业标准茶叶是一种特殊的商品,其品种复杂、类型繁多,目前除了有国家强制性的茶叶卫生标准外,还有一部分绿茶、紧压茶、红碎茶的国家标准和行业标准,对茶叶和茶饮料很难制定统一的国家标准;然而,许多茶叶生产企业在茶叶原有的单一品种的基础上,开发出多样化的花色品种,打破了茶叶饮用的长期的单一局面,但是不少茶叶生产企业却忽视了产品质量标… 相似文献
47.
氮素是果树生长发育不可或缺的成分,氮素含量超出正常范围会影响树体生长发育,会直接或间接降低果实产量及品质。快速准确掌握果树氮素含量,可为精准施肥提供技术支撑,从而达到果树的优质丰产。随着无人机产业的快速发展,无人机遥感监测以其无损、快速、实时、高效等优点在氮素含量监测中发挥着重要作用。在介绍目前主流无人机的基础上,梳理数据获取及后续处理方式,阐述多光谱、高光谱、可见光以及其他类型传感器实现果树氮素含量监测研究现状。可以发现,多光谱和高光谱传感器对果树氮素监测效果更佳,且使用机器学习方法构建模型相较于传统方法具有更高精度。提出无人机遥感监测果树氮素含量在无人机飞行平台与传感器性能、数据获取与处理、推广与应用及政策4个方面现阶段存在的不足之处和未来精准化、高效化和智能化的发展方向。 相似文献
48.
疏花是梨生产中的重要农艺措施,机械化智能疏花是当今高速发展的疏花方式,花朵与花苞的分类与检测是保证疏花机器正常工作的基本要求。本研究针对目前梨园智能化生产中出现的梨树花序检测与分类问题,提出了一种基于改进YOLOv5s的水平棚架梨园花序识别算法Ghost-YOLOv5s-BiFPN。通过对田间采集的梨树花苞与花朵图像进行标注与数据扩充后送入算法进行训练得到检测模型。Ghost-YOLOv5s-BiFPN运用加权双向特征金字塔网络(Bi-directional Feature Pyramid Network,BiFPN)替换原始的路径聚合网络(Path Aggregation Network,PAN)结构,对网络提取的不同尺寸目标特征进行有效的融合。同时运用Ghost模块替换传统卷积,在不降低准确度的同时减少模型参数量和提升设备运行效率。田间试验结果表明,改进的Ghost-YOLOv5s-BiFPN算法对梨树花序中花苞与花朵的检测精度分别为93.2%和89.4%,两种目标平均精度为91.3%,检测单张图像时间为29 ms,模型大小为7.62 M。相比于原始YOLOv5s算法,检测精度与召回度分别提升了4.2%和2.7%,检测时间和模型参数量分别降低了9 ms和46.6%。本研究提出的算法可对梨树花苞与花朵进行精确的识别和分类,为后续梨园智能化疏花的实现提供技术支持。 相似文献
49.