全文获取类型
收费全文 | 5798篇 |
免费 | 274篇 |
国内免费 | 754篇 |
专业分类
林业 | 417篇 |
农学 | 468篇 |
基础科学 | 1372篇 |
1103篇 | |
综合类 | 2918篇 |
农作物 | 103篇 |
水产渔业 | 124篇 |
畜牧兽医 | 177篇 |
园艺 | 39篇 |
植物保护 | 105篇 |
出版年
2024年 | 57篇 |
2023年 | 183篇 |
2022年 | 272篇 |
2021年 | 286篇 |
2020年 | 231篇 |
2019年 | 246篇 |
2018年 | 127篇 |
2017年 | 185篇 |
2016年 | 219篇 |
2015年 | 215篇 |
2014年 | 312篇 |
2013年 | 248篇 |
2012年 | 438篇 |
2011年 | 476篇 |
2010年 | 445篇 |
2009年 | 385篇 |
2008年 | 346篇 |
2007年 | 376篇 |
2006年 | 338篇 |
2005年 | 328篇 |
2004年 | 281篇 |
2003年 | 160篇 |
2002年 | 137篇 |
2001年 | 109篇 |
2000年 | 82篇 |
1999年 | 62篇 |
1998年 | 58篇 |
1997年 | 47篇 |
1996年 | 42篇 |
1995年 | 33篇 |
1994年 | 14篇 |
1993年 | 21篇 |
1992年 | 16篇 |
1991年 | 15篇 |
1990年 | 10篇 |
1989年 | 9篇 |
1988年 | 11篇 |
1987年 | 2篇 |
1986年 | 2篇 |
1956年 | 2篇 |
排序方式: 共有6826条查询结果,搜索用时 31 毫秒
101.
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
102.
融合2D-3D卷积特征识别哺乳母猪姿态转换 总被引:2,自引:2,他引:0
母猪姿态转换影响仔猪存活率,且动作幅度与持续时间存在差异,准确识别难度大。该研究提出一种融合2D-3D卷积特征的卷积网络(2D+3D-CNet,2D+3D Convolutional Network)识别深度图像母猪姿态转换。以视频段为输入,引入注意力机制SE模块和3D空洞卷积,以提升3D卷积网络姿态转换的时空特征提取能力,用2D卷积提取母猪的空间特征;经特征融合后,动作识别分支输出母猪转换概率,姿态分类分支输出4类姿态概率,结合这两个输出结果识别8类姿态转换,减少了人工标注数据集的工作量;最后设计动作分数,优化母猪姿态转换的时间定位。在测试集上,2D+3D-CNet姿态转换识别精度为97.95%、召回率为91.67%、测试速度为14.39帧/s,精度、召回率和时间定位精度均高于YOWO、FRCNN-HMM和MOC-D方法。该研究结果实现了母猪姿态转换高精度识别。 相似文献
103.
基于特征选择和GA-BP神经网络的多源遥感农田土壤水分反演 总被引:6,自引:5,他引:1
土壤水分是影响水文、生态和气候等环境过程的重要参数,而微波遥感是农田地表土壤水分测量的重要手段之一。针对微波遥感反演农田地表土壤水分受植被覆盖影响较大的问题,该研究提出了一种基于特征选择和GA-BP神经网络(Genetic Algorithm-Back Propagation neural network)的多源遥感农田地表土壤水分反演方法。首先对Sentinel-1微波遥感数据和Sentinel-2光学遥感数据进行预处理并提取21个特征参数;然后采用差分进化特征选择(Differential Evolution Feature Selection,DEFS)算法从21个特征中选出包含10个参数的最优特征子集,并利用主成分分析(Principal Component Analysis,PCA)法将特征子集进行降维;之后建立BP神经网络,采用遗传算法(GeneticAlgorithm,GA)对BP网络的节点权值进行优化,使用降维后的特征矩阵和部分实测土壤含水量数据对BP网络进行训练;最后利用训练好的GA-BP网络对研究区土壤水分进行反演,并利用实测数据对反演结果精度进行对比验证。试验结果表明,该研究反演结果的决定系数为0.789 3,均方根误差为0.028 7 cm~3/cm~3,相比单纯使用GA-BP神经网络,加入DEFS和PCA之后决定系数提高了0.215 7,同时均方根误差降低了0.029 5 cm~3/cm~3。该结果展示了DEFS和PCA算法在土壤水分反演最优特征集选择的有效性,为多源遥感农田地表土壤水分反演提供了新思路。 相似文献
104.
针对水稻栽培和遗传育种研究中单分蘖性状高通量无损提取的实际需求,该研究提出了一种基于沙漏网络模型的单分蘖水稻关键点预测和骨架提取方法。首先,对原始图像进行批量裁剪、gamma校正和锐化卷积等预处理,获取单色背景下的水稻单分蘖图像数据集;设计水稻单分蘖各器官关键点数据标注策略,构建监督数据集。然后,构建堆叠沙漏网络架构实现叶片数固定和不固定的水稻关键点检测,引入沙漏结构整合图像的多尺度特征,结合中间监督机制整合不同沙漏模块信息。叶片数一致的情况,模型预测准确率最高可达96.48%;叶片数不一致的情况,预测准确率达到82.09%。最后,根据预测关键点及其对应的语义信息连接形成植株骨架,选取茎秆长、叶片长、穗长、叶片-茎秆夹角和茎节点位置5个表型参数对生成骨架模型的实际意义进行评估,其均方根误差依次为5.82 cm、3.09 cm、1.71 cm、3.22°和2.04 cm,证明了该方法能较好地识别水稻单分蘖关键点,为水稻骨架提取提供了一种新思路,有助于加快水稻育种速度。 相似文献
105.
根据高校信息化教育的要求和目标,结合应用实例,介绍WEB环境下的网络辅助教学平台的分析、设计与实现的一般要求和方法。 相似文献
106.
为实现温室环境下机器人行进过程中的位置及姿态跟踪,该研究提出一种基于时序一致性约束的自监督位姿变换估计模型。模型用软遮罩,处理视频帧间静止造成的位姿预测值收缩现象,进一步用归一化遮罩,解决非刚体场景和目标遮挡问题。设计了一种星型扩张卷积,并基于该卷积,为模型构建自编码器。在采集自种植作物为番茄的日光温室视频数据上开展训练和测试试验。结果表明,与不采用遮罩处理的模型相比,采用软遮罩的模型,位置和姿态估计相对误差分别减少5.06个百分点和11.05个百分点,采用归一化遮罩的模型,这2项误差则分别减少4.15个百分点和3.86个百分点,2种遮罩均可显著提高模型精度;星型扩张卷积对降低模型误差是有效的,在网络参数不变的前提下,该卷积使姿态估计相对误差减少7.54个百分点;时序一致性约束使姿态估计均方根误差下降36.48%,每百帧累积姿态角误差降低54.75%,该约束可用于提高模型精度及稳定性;该研究的位置及姿态估计相对误差分别为8.29%和5.71%,与Monodepth2相比,减少了8.61%和6.83%。该研究可为温室移动机器人导航系统设计提供参考。 相似文献
107.
猪只声音能够体现出其生长状态,该研究针对人工监测猪只声音造成的猪只疾病误判以及耗时耗力等问题,研究基于卷积神经网络(Convolutional Neural Network,CNN)的生猪异常状态声音识别方法。该研究首先设计猪只声音实时采集系统,并利用4G通讯技术将声音信息上传至云服务器,基于专业人员指导制作猪只异常声音(生病、打架、饥饿等)数据集,提取猪只异常声音的梅尔谱图特征信息;其次引入多种注意力机制对CNN进行改进,并对CBAM(Convolutional Block Attention Module)注意力机制进行优化,提出_CBAM-CNN网络模型;最后将_CBAM-CNN网络模型分别与引入SE_NET(Squeeze and Excitation Network)、ECA_NET(Efficient Channel Attention Networks)和CBAM注意力机制的CNN神经网络进行对比,试验结果表明该文提出的_CBAM-CNN网络模型在最优参数为128维梅尔频率、2 048点FFT(Fast Fourier Transform)点数、512点窗移下的梅尔谱图特征下相较于其他模型对猪只异常声音识别效果最佳,识别率达到94.46%,验证了算法的有效性。该研究有助于生猪养殖过程中对猪只异常行为的监测,并对智能化、现代化猪场的建设具有重要意义。 相似文献
108.
水土流失防治措施对马尾松林土壤微生物群落分子生态网络的影响 总被引:2,自引:0,他引:2
水土流失防治措施可以提高侵蚀退化林地的土壤质量。为了探究典型水土流失防治措施对土壤微生物分子生态网络的影响,在南方红壤区马尾松林下建立了水土流失防治措施小区,设置3种不同处理,分别为挖设鱼鳞坑加种植草本,挖设鱼鳞坑加种植草本与灌木,以及对坡面土壤不设置任何措施的对照。利用16S rRNA和18S rRNA基因 Illumina MiSeq 高通量测序技术,测定3种处理下的土壤微生物群落组成,基于随机矩阵的方法构建微生物网络。结果表明,措施实施后,绿弯菌门相对丰度显著降低,变形菌门与酸杆菌门的相对丰度显著升高(P < 0.05)。2种措施处理下微生物网络总节点数、总连接数、平均连通度以及模块性均较高,微生物网络的规模增大,微生物间互相作用更复杂。3个微生物网络均以负互相作用(60.59%~67.49%)为主,措施实施后物种间竞争作用进一步加强。绿弯菌门、放线菌门和变形菌门中的部分菌群在本研究区的微生物网络中起着重要的连接作用,此外,3个微生物网络的部分关键节点所属的菌群相对丰度较低(< 1%),对于构建微生物网络也具有关键作用。2种措施处理下微生物网络平均路径距离较长,微生物作用的响应速度慢,群落结构稳定性提高,其中挖设鱼鳞坑并种植草本与灌木的措施较挖设鱼鳞坑并只种植草本的措施效果更优。冗余分析表明,土壤容重(R2 = 0.465,P < 0.05)、pH(R2 = 0.377,P < 0.05)、有机质(R2 = 0.383,P < 0.05)、全氮(R2 = 0.545,P < 0.01)、对细菌群落结构有显著影响,土壤含水量(R2 = 0.485,P < 0.05)对真菌群落结构有显著影响。上述研究结果表明,水土流失防治措施实施后土壤微生物群落结构发生明显变化,网络规模增大、物种间互作强度以及微生物群落结构的稳定性提高。 相似文献
109.
110.
在大力推进分布式光伏发电的形势下,利用负荷侧灵活性资源提升光伏消纳水平并改善电网运行经济性已成为促进新能源发展的重要措施,如何高效进行需求侧响应控制是目前该领域研究的关键问题之一。传统的峰谷分时电价仅根据区域电网内的负荷变化的总体情况确定分时段电价实现削峰填谷,该方法未考虑区域内新增电源的发电特性,从而导致负荷调整的灵活性较差,无法有效解决区域内光伏消纳的问题。该研究针对光伏装机比例较高的区域配电网尤其是乡村配电网,提出一种基于优化调整分时电价时段的激励型需求侧响应和区域集中优化调控相结合的配电网复合型需求响应控制策略。该策略首先结合负荷需求和光伏出力曲线对分时电价峰谷时段进行因地制宜的自适应调整;其次,基于新的电价时段进行用户侧分布式最优出力计划建模,并给出用户侧可削减、可时移负荷的响应调整范围的计算方法;最后由区域调度中心实现负荷集中控制。通过算例对比验证该文方法在计及用户舒适度的基础上,弃光率和系统综合运行成本较优化前均有明显降低,解决了含高比例光伏配电网的光伏消纳及经济运行问题,为配电网精细化管理水平的提升提供了理论依据。 相似文献