全文获取类型
收费全文 | 3309篇 |
免费 | 135篇 |
国内免费 | 484篇 |
专业分类
林业 | 194篇 |
农学 | 61篇 |
基础科学 | 1261篇 |
593篇 | |
综合类 | 1558篇 |
农作物 | 53篇 |
水产渔业 | 42篇 |
畜牧兽医 | 89篇 |
园艺 | 15篇 |
植物保护 | 62篇 |
出版年
2024年 | 90篇 |
2023年 | 200篇 |
2022年 | 262篇 |
2021年 | 267篇 |
2020年 | 247篇 |
2019年 | 191篇 |
2018年 | 95篇 |
2017年 | 138篇 |
2016年 | 148篇 |
2015年 | 156篇 |
2014年 | 154篇 |
2013年 | 187篇 |
2012年 | 176篇 |
2011年 | 182篇 |
2010年 | 201篇 |
2009年 | 236篇 |
2008年 | 191篇 |
2007年 | 184篇 |
2006年 | 161篇 |
2005年 | 102篇 |
2004年 | 90篇 |
2003年 | 45篇 |
2002年 | 51篇 |
2001年 | 43篇 |
2000年 | 22篇 |
1999年 | 26篇 |
1998年 | 28篇 |
1997年 | 14篇 |
1996年 | 16篇 |
1995年 | 11篇 |
1994年 | 9篇 |
1993年 | 5篇 |
排序方式: 共有3928条查询结果,搜索用时 15 毫秒
991.
针对番茄叶片型病害在早晚期具有类内差异大、类间差异小的特点,常规神经网络对此类病害的分类效果不佳的问题,提出了基于Res2Net和双线性注意力的番茄病害时期识别方法,通过多尺度特征和注意力机制,提高网络的细粒度表征能力。首先,提出EFCA通道注意力模块,在不降维的基础上,使用二维离散余弦变换代替全局平均池化,以减少常规通道注意力获取时的信息丢失。其次,在外积之后加入最大池化和concat操作,避免双线性融合后因维度过高导致的特征冗余。在7种不同种类和14种不同程度病害番茄叶面型病害数据集实验中,本文方法分类准确度分别为98.66%和86.89%。 相似文献
992.
针对现有遥感估产方法未对通道间依赖关系建模和无法整合影像外其他特征的问题,以宁夏枸杞估产为例,提出了一种基于CNN-S-GPR的高光谱影像年际作物估产模型。首先,运用直方图降维、归一化、时间序列融合和维度转换4种特征工程方法构建枸杞估产数据集,实现多波段、多时相影像融合;然后,采用卷积神经网络自动提取数据集特征,简化特征提取操作;接着,融合通道注意力机制,以表征不同通道间的重要程度;最后,引入高斯过程回归,整合影像特征及空间位置特征,进一步提高估产准确性。实验结果表明,与其他估产模型相比,该模型平均相对误差和均方根误差下降了0.44~0.95个百分点和52.48~82.65t,且决定系数达到0.91。结合宁夏16个县的枸杞年际产量实现了复杂拟合,对全区农业规划布局及可持续发展具有参考价值。 相似文献
993.
高效精准地提取遥感影像中的耕地对农业资源监测以及可持续发展具有重要意义,针对目前多数传统全卷积神经网络(FCN)模型在提取耕地时存在重精度而轻效率的缺陷,本文建立基于FCN的轻量级耕地图斑提取模型(LWIBNet模型),并结合数学形态学算法进行后处理,开展耕地图斑信息的自动化提取研究。该LWIBNet模型汲取了轻量级卷积神经网络和U-Net模型的优点,以Inv-Bottleneck模块(由深度可分离卷积、压缩-激励块和反残差块组成)为核心,采用高效的编码-解码结构为骨架,将LWIBNet模型分别与传统模型的耕地提取效果、经典FCN模型的轻量性和精确度进行对比,结果表明,LWIBNet模型比表现最优的传统模型Kappa系数提高12.0%,比U-Net模型的参数量、计算量、训练耗时、分割耗时分别降低96.5%、87.1%、78.2%和75%,且LWIBNet的分割精度与经典FCN模型相似。 相似文献
994.
针对稻田自然环境下害虫移动,难以近距离拍摄高质量图像,导致在现有识别模型检测时无法达到满意识别精度的问题,提出了一种基于SCResNeSt的低分辨率水稻害虫图像识别方法。首先,使用增强型超分辨率生成对抗网络(ESRGAN)对低分辨率图像进行数据增强,解决低分辨率水稻害虫有效信息少的问题;其次构建了SCResNeSt网络,使用3个连续的3×3卷积层替换ResNet50中第1个7×7卷积,以减少计算量;使用自校准卷积替代第2层卷积层中的3×3卷积,通过内部通信显式地扩展每个卷积层的视场,获取害虫图像的部分背景信息,从而丰富输出特征;在主干网络中使用ResNeSt block(Split-attention network block)进一步提升图像中害虫信息获取的准确性。最终,将优选模型移植到手机端,开发了轻量化的移动端水稻害虫识别系统。实验结果表明,与现有方法对比,ESRGAN数据增强方法可以恢复真实的作物害虫信息,SCResNeSt模型有效提高了水稻害虫的识别性能,识别精度达到91.20%,比原始ResNet50网络提高3.2个百分点,满足野外实际场景下的应用需求。本研究为水稻害虫智能化识别和防治提供了技术基础。 相似文献
995.
为实现基于拖拉机多传感器实测载荷数据的旋耕作业质量准确识别,提出一种基于GAF-DenseNet的拖拉机旋耕作业质量等级识别模型,设计旋耕作业质量等级分级标准,开展旋耕作业田间试验,并进行模型准确性验证和性能分析。该模型通过格拉姆角场(Gramian angular field, GAF)算法,在保留原始载荷序列的时间依赖性的前提下,对时间序列数据进行唯一编码。DenseNet网络对图像阵列中内含的载荷信息进行深层挖掘,通过特征重用、模型压缩等技术环节,在保证特征提取深度的同时,显著提升该网络的运算效率。分析结果表明:过大或过小的重采样滑动窗口大小均会降低模型性能,且格拉姆角差场(Gramian angular difference field, GADF)实验效果强于格拉姆角和场(Gramian angular summation field, GASF),实验数据显示在重采样滑动窗口大小为250且选用格拉姆角差场的条件下,模型性能达到最优。增长率k与模型整体性能呈正相关的趋势,但过大的k值会降低模型的实时性能且对于准确性提升有限,实验场景下将增长率k设为24更能符合实际需求。GAF-DenseNet模型准确率和F1值分别达到96.816%和96.136%,并且在实时性能上具有良好表现,推理时长可低至16s。在与其他智能算法对比分析中,该模型整体性能均优于对照组实验结果。 相似文献
996.
农作物病害的精准检测与识别是推动农业生产智能化与现代化发展的重要举措。随着计算机视觉技术的发展,深度学习方法已得到快速应用,利用卷积神经网络进行农作物病害检测与识别成为近年来研究的热点。基于传统农作物病害识别方法,分析传统方法的弊端所在;立足于农作物病害检测与识别的卷积神经网络模型结构,结合卷积神经网络模型发展和优化历程,针对卷积神经网络在农作物病害检测与识别的具体应用进行分类,从基于公开数据集和自建数据集的农作物病害分类识别、基于双阶段目标检测和单阶段目标检测的农作物病害目标检测以及国外和国内的农作物病害严重程度评估3个方面,对各类卷积神经网络模型研究进展进行综述,对其性能做了对比分析,指出了基于农作物病害检测与识别的卷积神经网络模型当前存在的问题有:公开数据集上识别效果良好的网络模型在自建复杂背景下的数据集上识别效果不理想;基于双阶段目标检测的农作物病害检测算法实时性差,不适于小目标的检测;基于单阶段目标检测的农作物病害检测算法在复杂背景下检测精度较低;复杂大田环境中农作物病害程度评估模型的精度较低。最后对未来研究方向进行了展望:如何获取高质量的农作物病害数据集;如何提升网络的泛化性能;如何提升大田环境中农作物监测性能;如何进行大面积植株受病的范围定位、病害严重程度的评估以及单枝植株的病害预警。 相似文献
997.
为从分子生物学角度进一步研究H5N1型禽流感主要抗原HA基因,探究H5N1 HA基因的遗传变异情况及其蛋白结构,根据GenBank中登录的H5N1型禽流感HA基因的序列利用Primer 5.0设计引物扩增HA基因,将其克隆到pMD18-T载体后进行鉴定,对鉴定正确的重组质粒pMD-H5N1-HA进行测序分析。应用生物信息学软件对禽流感病毒HA基因进行系统进化树分析、氨基酸序列同源性分析、保守区分析,磷酸化位点和序列重复区分析及HA蛋白二级、三级结构的预测。核苷酸序列测定结果表明:HA基因长1661 bp,共编码326个氨基酸;生物信息学分析结果表明:HA基因在种间具有较高保守性,HA基因的氨基酸序列与其他地方性禽流感H5N1病毒株HA基因的序列同源性最高可达99.7%,且为高致病性毒株;HA蛋白的二级、三级结构预测结果显示:HA蛋白多为α螺旋和β转角结构,无规则卷曲,是亲水性蛋白。该结果为禽流感病毒的分子病毒学研究奠定了基础。 相似文献
998.
针对多光谱图像中由于多镜头多光谱相机各通道之间存在的偏差以及传统分割方法的不适用,图像分析处理过程往往会出现无法自动化分割或分割精度较低的问题,提出采用基于相位相关算法和基于UNet的语义分割模型对田间生菜多光谱图像进行各个通道的精确配准并实现前景分割。使用Canny算法对多光谱各通道图像进行边缘提取,进而使用相位相关算法对多光谱各通道图像进行配准,单幅图像平均处理时间0.92s,配准精度达到99%,满足后续图像分割所需精度;以VGG16作为主干特征提取网络,直接采用两倍上采样,使最终输出图像和输入图像高宽相等,构建优化的UNet模型。实验结果表明:本文所提出的图像配准和图像分割网络,分割像素准确率达到99.19%,平均IoU可以达到94.98%,能够很好地对生菜多光谱图像进行前景分割,可以为后续研究作物精准表型的光谱分析提供参考。 相似文献
999.
内蒙古自治区草地资源丰富,养羊业为自治区的主要畜牧业,通过对放牧羊只牧食行为的识别并结合GPS监测其牧食路径,可为估测放牧区域采食量分布、放牧规划和草畜平衡的研究提供理论依据。本文采用三轴加速度传感器,设计了放牧羊只牧食行为数据无线采集系统,自动采集羊只牧食的三轴加速度数据,并建立羊只牧食行为识别的BP神经网络模型、全连接深度神经网络模型和卷积神经网络模型,实现对羊只采食、咀嚼、反刍3种牧食行为的分类识别。在内蒙古自治区四子王旗白音朝克图镇半荒漠化草场的试验结果表明,BP神经网络模型、全连接深度神经网络模型和卷积神经网络模型对羊只牧食行为的平均识别率分别为83.1%、89.4%和93.8%,其中卷积神经网络模型的识别精度最高,能够满足羊只牧食行为分类识别的要求。 相似文献
1000.