全文获取类型
收费全文 | 334篇 |
免费 | 21篇 |
国内免费 | 189篇 |
专业分类
林业 | 17篇 |
农学 | 9篇 |
基础科学 | 148篇 |
200篇 | |
综合类 | 145篇 |
农作物 | 5篇 |
水产渔业 | 3篇 |
畜牧兽医 | 7篇 |
园艺 | 5篇 |
植物保护 | 5篇 |
出版年
2024年 | 26篇 |
2023年 | 58篇 |
2022年 | 65篇 |
2021年 | 69篇 |
2020年 | 45篇 |
2019年 | 37篇 |
2018年 | 21篇 |
2017年 | 21篇 |
2016年 | 24篇 |
2015年 | 13篇 |
2014年 | 18篇 |
2013年 | 19篇 |
2012年 | 30篇 |
2011年 | 8篇 |
2010年 | 20篇 |
2009年 | 19篇 |
2008年 | 12篇 |
2007年 | 10篇 |
2006年 | 3篇 |
2005年 | 4篇 |
2004年 | 5篇 |
2003年 | 6篇 |
2002年 | 6篇 |
2001年 | 3篇 |
2000年 | 1篇 |
1996年 | 1篇 |
排序方式: 共有544条查询结果,搜索用时 15 毫秒
81.
自动检测粮粒外部害虫是粮虫领域的研究热点。由于储粮害虫图像的一些无量纲的特征丧失了旋转不变性,为了利用这些无量纲的特征形成适于分类的最优知识库,必须计算储粮害虫图像的倾斜角度。分析了利用Zernike矩计算图像倾斜角度的原理,借助Zernike矩旋转不变性,提出了利用Zernike矩计算无明显直线的储粮害虫图像的倾斜角度的方法。试验证明,对于无明显直线的储粮害虫图像,利用Zernike矩能够很好地进行倾斜检测,倾斜角度计算准确度高,且该方法还具有对噪声不敏感的特性,对于其他无明显直线的图像也同样适用。 相似文献
82.
基于多层感知神经网络的水稻叶瘟病识别方法 总被引:3,自引:2,他引:1
为实现水稻叶瘟病的快速诊断,综合利用图像处理技术和神经网络来进行叶瘟病斑的识别研究。该文设计了3个多层感知分类器来进行病斑识别准确率的对比验证,分别采用叶片正常区域和病斑区域的纹理特征、颜色特征以及纹理和颜色的组合特征作为不同分类器的输入单元;输出层采用1个单元用于输出病斑区域和正常区域的识别结果。首先,该文将采集到的RGB图像转换成灰度图像,利用灰度共生矩阵分别提取叶片正常区域与病斑区域的能量、对比度、熵、逆差距作为纹理特征;紧接着,将RGB彩色空间转换至HIS和Lab空间,分别提取病斑区域和正常区域的L、a、b值作为颜色特征。最后,采用不同的BP神经网络分类器进行病斑区域识别。该文共采用120副图像作为待测对象,试验结果表明,采用颜色和纹理的组合特征进行识别,准确率要比单独使用纹理特征和颜色特征高10%~15%。本文的研究结果为进一步实现水稻病害自动诊断打下了基础。 相似文献
83.
基于自适应域值分割与力矩的棉花异性纤维分类方法 总被引:1,自引:1,他引:0
为能够准确统计出棉花中所含异性纤维的重量和数目,提出一种机器视觉与图像处理技术,对棉花异性纤维进行检测分类。在提取棉花异性纤维原始图像的基础上,采用灰度处理和滤波技术完成图像的预处理,采用自适应域值技术来完成棉花异性纤维图像分割,在分割出的二值化图像基础上,采用挖空内点法和邻域搜索法进行轮廓提取,提出以异性纤维轮廓的面积与周长平方之比作为力矩,对棉花异性纤维进行分类。通过对300个棉花异性纤维样本图像进行了试验,分类准确率可以达到96%。结果表明该技术和分类力矩可以准确的对棉花异性纤维进行初分类。 相似文献
84.
基于图像识别技术的海参分级与计数设备的设计 总被引:1,自引:0,他引:1
针对海参不同规格分级和计数的需求,以图像识别技术为基础,设计了一套机电一体化高精度自动分级与计数系统。该设备通过图像识别、采集、计算和处理海参在传送带上的投影面积大小来确定海参的规格,进而对海参进行相应等级的分选和计数。结果表明:该设备具有对单体海参分辨误差率低、分选精度高、分选速度快、计数准确等特点,达到了预期效果。 相似文献
85.
86.
随着模式识别领域不断的发展,图像识别作为该领域中的典型应用,受到了众多学者的关注,尤其是在图像快速识别方面。对此,该文将从深度学习的概述入手,选择卷积神经网络算法应用于水果图像识别中。通过对卷积神经网络算法的网络结构以及卷积神经网络训练过程的详细分析,采用卷积神经网络架构设计、分类器设计建构了基于卷积神经网络的水果图像识别系统。并将识别结果与传统水果图像识别结果进行对比验证,为水果图像识别领域提供参考。 相似文献
87.
基于无人机和卫星遥感影像的制种玉米田识别纹理特征尺度优选 总被引:2,自引:0,他引:2
制种玉米田在高空间分辨率遥感影像上呈现的明显条带状纹理,是有效区分光谱值相近的大田玉米和制种玉米的重要信息.该文在新疆维吾尔自治区奇台县玉米种植区以高空间分辨率的无人机遥感影像为数据源,针对制种玉米识别的纹理特征计算尺度问题,首先采用最近邻内插法对制种玉米和大田玉米样本田块的无人机影像进行重采样,得到不同分辨率的样本;然后用融合Uniform-LBP(local binary pattern)和GLCM(gray level co-occurrence matrix)方法得到提取玉米田块纹理特征合理GLCM参数,其中方向参数为0°、45°、90°和135°这4个方向上的纹理特征值的平均值、距离为5~7像元、灰度级为8;通过多尺度对比分析,得到最适宜区分制种玉米与大田玉米的纹理辨率为0.6~0.9m.最后采用奇台县的0.7m分辨率的Kompsat-3遥感影像进行验证,在多时相EVI(enhanced vegetation index)光谱信息识别玉米的基础上,利用本文确定的纹理分析方法,通过决策树建立规则识别制种玉米,识别精度达90.9%.通过该文的研究,可为高空间分辨率遥感制种玉米田监管提供支撑. 相似文献
88.
基于改进主成分分析和AdaBoost算法的运动虾苗识别方法 总被引:2,自引:2,他引:0
针对虾行为量化过程中运动虾苗较难检测与识别的问题,该文以南美白对虾虾苗为例,提出了一种基于改进主成分分析(principal component analysis,PCA)+AdaBoost算法的运动虾苗自动识别方法。在室内自然光条件下,利用工业相机采集承装容器中虾苗的灰度图像。提取图像中大小为100×100像素的不同运动状态的虾苗图像,首先使用改进PCA算法进行主成分分析,并进行特征提取。根据特征参数的分布情况,对其进行归一化处理,利用归一化的特征构建多个弱分类器,利用Adaboost方法将弱分类器构建成强分类器。最后,利用强分类器对运动虾苗进行识别。试验结果表明,在150幅不同运动状态虾苗测试样本中,基于改进PCA+Adaboost方法的识别正确率98%,平均每个样本识别时间为0.027 898 s,满足行为量化中的自动识别要求。 相似文献
89.
90.
大型卷积神经网络因模型复杂难以部署于实际应用,而轻量级网络因优化模型结构而导致精度往往不如前者理想。针对上述问题,对ShuffleNet V2进行改进,提出一种轻量化MAM-ShuffleNet柑橘病害识别模型。首先,在ShuffleNet V2中引入混合注意力模块(Mixed attention module,MAM),提升模型对病害特征提取能力。其次,利用Ghost模块优化网络中卷积层,有效降低网络模型参数量和计算成本。最后,调整网络结构中ShuffleNet V2单元堆叠次数,进一步简化网络参数。结果表明,在自建柑橘叶片数据集中,MAM-ShuffleNet模型平均识别准确率达到97.7%;与原始ShuffleNet V2相比,其参数量降低了45.7%,识别准确率提升了1.2百分点;综合性能明显优于ResNet50、DenseNet121等模型。 相似文献