全文获取类型
收费全文 | 772篇 |
免费 | 34篇 |
国内免费 | 251篇 |
专业分类
林业 | 43篇 |
农学 | 123篇 |
基础科学 | 168篇 |
321篇 | |
综合类 | 322篇 |
农作物 | 8篇 |
水产渔业 | 23篇 |
畜牧兽医 | 20篇 |
园艺 | 12篇 |
植物保护 | 17篇 |
出版年
2024年 | 4篇 |
2023年 | 17篇 |
2022年 | 32篇 |
2021年 | 23篇 |
2020年 | 27篇 |
2019年 | 30篇 |
2018年 | 22篇 |
2017年 | 27篇 |
2016年 | 32篇 |
2015年 | 39篇 |
2014年 | 62篇 |
2013年 | 63篇 |
2012年 | 96篇 |
2011年 | 73篇 |
2010年 | 97篇 |
2009年 | 73篇 |
2008年 | 52篇 |
2007年 | 51篇 |
2006年 | 30篇 |
2005年 | 36篇 |
2004年 | 27篇 |
2003年 | 20篇 |
2002年 | 10篇 |
2001年 | 26篇 |
2000年 | 14篇 |
1999年 | 11篇 |
1998年 | 11篇 |
1997年 | 8篇 |
1996年 | 14篇 |
1995年 | 11篇 |
1994年 | 4篇 |
1993年 | 8篇 |
1992年 | 2篇 |
1990年 | 2篇 |
1989年 | 1篇 |
1987年 | 1篇 |
1955年 | 1篇 |
排序方式: 共有1057条查询结果,搜索用时 15 毫秒
11.
12.
自压式树状管网的两级优化设计模型与神经优化设计 总被引:4,自引:0,他引:4
建立了自压式树状管网两级优化设计模型,并用人工神经网络法实现树状管网非线性规划模型的快速求解。采用的人工神经网络技术的两级优化设计模型在适用范围、求解速度和获得最优解能力上,均优于单一的非线性规划模型和线性规划模型,是实现树状管网全局优化设计的一条新途径。 相似文献
13.
14.
15.
棉田土壤盐分的精准反演对于棉花的种植管理具有重要意义。水分和盐分作为主要环境因素,共同影响棉田土壤的波谱特征,两者之间的耦合关系直接影响土壤盐分的检测分析。为了提高基于光谱技术构建的模型对棉田土壤盐分信息解析的准确性与可靠性,该研究联用可见/短波近红外(400~1 000 nm)和长波近红外(960~1 693 nm)技术,采集不同含水率与含盐量的新疆地区土壤样本的光谱;结合外部参数正交法(external parameter orthogonalization,EPO),校正不同标样集与不同波段光谱中的土壤含水率干扰信息;引入基于不同卷积步幅的深度卷积对抗网络(deep convolutional generative adversarial networks,DCGAN),进行样本增广与质量评估;参考三层残差神经网络设计一维卷积神经网络RNet,最终构建基于EPO-DCGAN-RNet的优化模型,用于棉田土壤盐分的反演。结果表明,与传统机器学习方法和基于VGG或EfficientNet结构一维卷积神经网络相比,该研究提出的EPO-DCGAN-RNet方法能够有效地滤除水分对盐分反演的影响、提高模型对特征波段的挖掘能力、降低深度学习算法对样本量的依赖性,并能得到更优的模型预测性能。EPO-DCGAN-RNet的建模集R2和均方根误差分别为0.942、115.420 μS/cm,验证集R2和均方根误差分别为0.910和136.472 μS/cm。研究结果可为新疆棉田土壤盐分快速精准检测提供理论指导和技术支持,有助于促进盐碱地区棉花种植的水肥科学管理。 相似文献
16.
为了有效地弥补猪B超图像人工手绘背膘厚的不足,为生猪育种工作提供更精准和稳定的背膘厚测定新方法。该研究将全卷积神经网络(Fully Convolutional Networks,FCN)模型应用于猪B超图像的背膘分割和背膘厚测定上,开发出一套使用Python调用FCN模型对猪B超图像背膘厚进行自动测定的系统。通过开展验证集验证试验、屠宰比对试验和人员比对试验,发现模型测定结果和标注结果之间差异不显著(P>0.05),两者相关系数达0.92(P<0.01);B超标准测定背膘厚和FCN分割测定背膘厚的相关系数达到0.97(P<0.01);专家组组内标准差为0.17 mm(最小),行业外组组内标准差为1.67 mm(最大),而FCN分割结果稳定性强,不受人员因素的影响。因此,该方法可以实现对外种猪B超背膘厚的精准、快速、稳定测量,减少猪场对专业人员的依赖,降低测定人员培训成本,减少工作人员工作量。 相似文献
17.
Improving Drought Tolerance of Rice by Designed QTL Pyramiding 总被引:4,自引:0,他引:4
Drought is the most important factor limiting rice yields in the rainfed areas of Asia. To overcome the problem we developed a new strategy ''''designed QTL pyramiding'''' to more efficiently develop drought tolerant 《分子植物育种》2007,5(2):205-206
Drought is the most important factor limiting rice yields in the rainfed areas of Asia. To overcome the problem, we developed a new strategy 'designed QTL pyramiding' to more efficiently develop drought tolerant (DT) rice cultivars. In the first phase of this strategy, we developed large numbers of introgression lines (ILs) in elite backgrounds using backcross (BC) breeding, each of which carries multiple genomic segments for improved DT from a known donor. Then, we genotyped all ILs with SSR markers to track the genomewide pattern of introgression in the DT ILs of 16 BC populations derived from crosses between 2 recipients (IR64 and Teqing) and four different donors. X^2 tests and linkage disequilibrium analyses of introgression in the DT ILs revealed significant frequency shifts at many loci across the genome and non-random associations at the multilocus level as a result of selection for DT in the ILs, which led us to the discovery of putative genetic networks underlying DT in the ILs. The networks each containing all DT loci detected in ILs from a BC population showed some interesting features. 相似文献
18.
针对现有基于卷积神经网络的水果图像分类算法均使用池化层进行降维处理会丢失部分特征,导致分类精度有待提高的问题,提出FC-CNN(Fruit Classification Convolutional Neural Network)水果图像分类算法.该算法基于深度卷积神经网络思想,设计了一种由二维卷积层、批量规范化层和激活... 相似文献
19.
基于注意力机制及多尺度特征融合的番茄叶片缺素图像分类方法 总被引:4,自引:4,他引:0
针对番茄早期缺素性状不明显及各生长期特征差异较大所导致的特征区域尺寸不一致、难提取、难辩别等问题,提出了一种基于注意力机制及多尺度特征融合卷积神经网络的番茄叶片缺素图像分类方法(Multi-Scale Feature Fusion Convolutional Neural Networks Based On Atte ntion Mechanism,MSFF-AM-CNNs)。首先根据番茄叶片缺素特点提出了多尺度特征融合结构(Multi-Scale Feature Fusion Module,MSFF Module);其次在DenseNet基础上,结合浅层网络主要提取纹理、细节特征,深层网络主要提取轮廓、形状特征的特点分别提出具有针对性的特征提取方法,通过不同形式引入注意力机制及多尺度特征融合结构,使全局多尺度信息融合多个特征通道、选择性地强调信息特征并达到对特征精准定位的功能;同时引入Focal Loss函数以减少易分类样本的权重。试验结果表明,MSFF-AM-CNNs的平均召回率、平均F1得分、平均准确率较原模型DenseNet-121均大幅提升,其中缺氮和缺钾叶片的准确率分别提高了8.06和6.14个百分点,召回率分别提高了6.31和5.00个百分点,F1得分分别提高了7.25和5.55个百分点,平均识别准确率可达95.92%,具有较高的识别准确率及广泛的适用性,能够满足番茄叶片缺素图像的高精度分类需求,可为植物叶片缺素识别提供参考。 相似文献
20.
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