全文获取类型
收费全文 | 5563篇 |
免费 | 275篇 |
国内免费 | 921篇 |
专业分类
林业 | 247篇 |
农学 | 382篇 |
基础科学 | 784篇 |
732篇 | |
综合类 | 1966篇 |
农作物 | 213篇 |
水产渔业 | 239篇 |
畜牧兽医 | 1352篇 |
园艺 | 154篇 |
植物保护 | 690篇 |
出版年
2024年 | 74篇 |
2023年 | 253篇 |
2022年 | 329篇 |
2021年 | 376篇 |
2020年 | 255篇 |
2019年 | 317篇 |
2018年 | 157篇 |
2017年 | 267篇 |
2016年 | 390篇 |
2015年 | 293篇 |
2014年 | 351篇 |
2013年 | 307篇 |
2012年 | 484篇 |
2011年 | 477篇 |
2010年 | 377篇 |
2009年 | 339篇 |
2008年 | 267篇 |
2007年 | 316篇 |
2006年 | 257篇 |
2005年 | 205篇 |
2004年 | 137篇 |
2003年 | 116篇 |
2002年 | 87篇 |
2001年 | 50篇 |
2000年 | 48篇 |
1999年 | 37篇 |
1998年 | 28篇 |
1997年 | 32篇 |
1996年 | 22篇 |
1995年 | 17篇 |
1994年 | 13篇 |
1993年 | 13篇 |
1992年 | 9篇 |
1991年 | 14篇 |
1990年 | 7篇 |
1989年 | 9篇 |
1988年 | 7篇 |
1987年 | 8篇 |
1986年 | 3篇 |
1984年 | 1篇 |
1982年 | 1篇 |
1981年 | 3篇 |
1976年 | 1篇 |
1956年 | 4篇 |
1955年 | 1篇 |
排序方式: 共有6759条查询结果,搜索用时 31 毫秒
101.
针对复杂环境下柑橘果实大量重叠、枝叶遮挡且现有模型参数量大、计算复杂度高等问题,提出了一种基于改进YOLOv8n的柑橘识别模型YOLOv8-MEIN。首先,该研究设计了ME卷积模块并使用它改进YOLOv8n的C2f模块。其次,为了弥补CIoU损失函数在检测任务中泛化性弱和收敛速度慢的问题,使用Inner-CIoU损失函数加速边界框回归,提高模型检测性能。最后,在自建数据集上进行模型试验对比,试验结果表明,YOLOv8-MEIN模型交并比阈值为0.5的平均精度均值mAP0.5值为96.9%,召回率为91.7%,交并比阈值为0.5~0.95的平均精度均值mAP0.5~0.95值为85.8%,模型大小为5.8MB,参数量为2.87M。与原模型YOLOv8n相比,mAP0.5值、召回率、mAP0.5~0.95值分别提高了0.4、1.0、0.6个百分点,模型大小和参数量相比于原模型分别降低了3.3%和4.3%,为柑橘的自动化采摘提供技术参考。 相似文献
102.
中小粒径种子播种检测技术研究进展 总被引:1,自引:8,他引:1
播种检测技术是实现播种智能化的关键技术之一,可为变量播种提供基本的技术支撑。该研究分析了国内外中小粒径种子播种检测技术进展及相应检测装备,重点阐述了中小粒径种子感知方法,主要包括机械机电报警检测法、机器视觉检测法、光电传感检测法、电容传感检测法、压电传感检测法,并对不同检测方法优劣进行分析;同时围绕播种机故障监测、播量、播种频率、行距、株距、漏播、重播等评价指标,明确了播种检测的主要内容,结合精准农业要求为不同播种模式提出对应播种检测指标;进一步分析了为解决漏播问题的变量补种技术和播种检测信息传输技术的研究概况。在系统总结和分析播种检测相关技术的基础上,提出在精准农业背景下对中小粒径种子播种检测的发展要求,展望未来中小粒径种子播种检测技术发展趋势。 相似文献
103.
果园环境中,检测目标果实易受复杂背景、果实姿态和颜色等因素影响,为提高绿色目标果实检测的精度与效率,满足果园智能测产和自动化采摘要求,本研究针对不同光照环境和果实姿态,提出一种适于样本数量不足的绿色目标果实高效检测模型。该模型采用优化Transformer结构,首先借助卷积神经网络(Convolutional Neural Network,CNN)网络提取图像特征;然后输入编码-解码器生成一组目标果实预测框,最后通过前馈神经网络(Feed-forward Network,FFN)结构预测检测结果。在训练过程中,引入重采样法扩充样本数量,解决样本数量不足问题;引入迁移学习,加速网络收敛。分别制作苹果、柿子数据集用于模型训练。试验结果表明,经迁移学习后该模型训练效率大幅提高;与流行的目标检测模型相比,优化后的模型在检测绿色柿子与绿色苹果时,精度分别为93.27%和91.35%。该方法可为其他果蔬绿色目标检测提供理论借鉴。 相似文献
104.
采用改进YoloV4模型检测复杂环境下马铃薯 总被引:1,自引:6,他引:1
为解决马铃薯联合收获机在作业过程中分级清选的问题,并在收获作业过程中实时监测评估收获状态,该研究提出一种在光照亮度变化大、土壤与薯块遮挡、机器振动以及尘土干扰等情况下对马玲薯进行识别检测并快速准确获取马铃薯数量以及损伤情况的机器学习模型。在卷积神经残差网络中引入轻量级注意力机制,改进YoloV4检测网络,并将YoloV4结构中的CSP-Darknet53网络替换为MobilenetV3网络,完成特征提取。试验结果表明,基于卷积神经网络的深度学习方法相比于传统Open-CV识别提高了马铃薯识别精度,相比于其他传统机器学习模型,MobilenetV3-YoloV4识别速度更快,马铃薯识别的全类平均准确率达到91.4%,在嵌入式设备上的传输速度为23.01帧/s,模型鲁棒性强,能够在各种环境下完成对正常马铃薯和机械损伤马铃薯的目标检测,可为马铃薯联合收获机智能清选以及智能收获提供技术支撑。 相似文献
105.
为解决机器视觉对早期玉米苗带在多环境变量下导航线提取耗时长、准确率低的问题,该研究提出了一种基于中值点Hough变换作物行检测的导航线提取算法。首先,改进了传统的2G-R-B算法,再结合中值滤波、最大类间方差法和形态学操作实现土壤背景与玉米苗带的分割。其次,通过均值法提取玉米苗带特征点,然后采用中值点Hough变换拟合垄间两侧玉米苗列线,最后将检测出的双侧玉米苗列线为导航基准线,利用夹角正切公式提取导航线。试验结果表明:改进的灰度化算法能够正确分割玉米苗带与土壤,处理一幅640×480像素彩色图像平均耗时小于160 ms,基于中值点Hough变换检测玉米苗列再提取导航线的最大误差为0.53°,相比于传统Hough变换时间上平均快62.9 ms,比最小二乘法平均精确度提高了7.12°,在农田早期玉米苗带多环境变量影响因素下导航线提取准确率均达92%以上,具有较强的可靠性和准确性。 相似文献
106.
番茄花果的协同识别是温室生产管理调控的重要决策依据,针对温室番茄栽培密度大,植株遮挡、重叠等因素导致的现有识别算法精度不足问题,该研究提出一种基于级联深度学习的番茄花果协同识别方法,引入图像组合增强与前端ViT分类网络,以提高模型对于小目标与密集图像检测性能。同时,通过先分类识别、再进行目标检测的级联网络,解决了传统检测模型因为图像压缩而导致的小目标模糊、有效信息丢失问题。最后,引入了包括大果和串果在内的不同类型番茄品种数据集,验证了该方法的可行性与有效性。经测试,研究提出的目标检测模型的平均识别率均值(mean average precision,m AP)为92.30%,检测速度为28.46帧/s,其中对小花、成熟番茄和未成熟番茄识别平均准确率分别为87.92%、92.35%和96.62%。通过消融试验表明,与YOLOX、组合增强YOLOX相比,改进后的模型m AP提高了2.38~6.11个百分点,相比于现有YOLOV3、YOLOV4、YOLOV5主流检测模型,m AP提高了16.56~23.30个百分点。可视化结果表明,改进模型实现了对小目标的零漏检和对密集对象的无误检,从而达到... 相似文献
107.
无人机机载激光雷达提取果树单木树冠信息 总被引:2,自引:3,他引:2
定株管理是未来果园精准生产管理的趋势,果树单木树冠信息的提取是定株管理的关键。该研究利用无人机采集的苹果园激光探测与测量数据(Light Detection and Ranging,LiDAR)检测和测量每棵果树的树冠面积和树冠直径,并评价空间分辨率对于果树单木树冠检测与提取的影响。该方法主要包括使用反距离权重插值法间接生成冠层高度模型(Canopy Height Model,CHM);使用局部极大值滤波算法和标记控制分水岭分割算法(Marked-Controlled Watered Segmentation,MCWS)对果树进行单木树冠检测与提取,通过与参考数据的比较,评估了该方法的精度,并定量分析了空间分辨率对于单木树冠检测与信息提取结果的敏感性。结果表明,该方法有效地实现果树单木树冠检测与信息提取,代表果树检测精度的F1得分为94.86%,树冠轮廓提取准确率为86.39%,树冠面积的提取数据集和参考数据集的线性拟合结果决定系数和归一化均方根误差分别为0.81和20.56%,树冠直径的提取数据集和参考数据集的线性拟合结果决定系数和归一化均方根误差分别为0.85和14.79%,树冠面积和直径不同程度地被高估。此外,冠层高度模型的空间分辨率接近果树平均树冠直径的1/10时精度最高,可以有效检测果树单木树冠及提取树冠轮廓,从而准确提取果树单木树冠信息。 相似文献
108.
基于深度学习与图像处理的哈密瓜表面缺陷检测 总被引:1,自引:8,他引:1
针对传统人工检测哈密瓜表面缺陷效率低等问题,提出利用卷积神经网络(Convolutional Neural Networks, CNN)对哈密瓜表面缺陷进行快速检测。对原始图像进行主成分分析(Principal Components Analysis,PCA)、奇异值分解(Singular Value Decomposition, SVD)和二值化等预处理操作,通过数据扩充得到正常、霉菌、晒伤和裂纹的哈密瓜图像各2 500幅。构建一种改进的类似VGG卷积神经网络模型,将预处理后的图像输入模型,并使用随机梯度下降(StochasticGradient Descent,SGD)优化器进行算法优化,为探究CNN模型的特征提取原理,将改进的类似VGG模型每层卷积的特征进行可视化,最后利用开发的哈密瓜表面缺陷检测软件对模型进行试验验证。研究结果表明:图像预处理算法提高了模型的鲁棒性和泛化能力,改进的类似VGG模型优于Alex Net和VGG-16模型,其训练集和测试集准确率分别为100.00%和97.14%;对比预处理前后4类哈密瓜卷积特征可视化结果表明,随着卷积层层数的增加,哈密瓜表面缺陷特征越来越明显,图像预处理后卷积层特征提取效果优于原始图像提取效果。软件测试结果表明:静态下哈密瓜缺陷检测速率达到0.7 s/幅,识别准确率达到93.50%。研究结果可为哈密瓜表面缺陷在线检测技术提供理论依据和技术参考。 相似文献
109.
为了预测和监控冷鲜猪肉储存过程中腐败细菌大肠杆菌的变化规律,评估产品货架期,建立微生物生长预测模型。该研究将绿色荧光蛋白质粒pGFP转入大肠杆菌DH5α,构建GFP的标记大肠杆菌。基于绿色荧光蛋白报告基因和氨苄青霉素抗性,采用稀释平板法定量追踪检测0~24℃条件下冷鲜猪肉中DH5α生长变化。采用Gompertz模型、平方根模型和响应面方程进行数据拟合,构建数学预测模型。结果表明Gompertz模型拟合效果良好,0~20℃条件下决定系数R2为0.96~0.99。温度与最大比生长速率平方根、延迟期倒数平方根模型R2分别为0.862、0.948。响应面模型揭示时间、温度对大肠杆菌的生长影响显著(P0.05),二者交互作用明显,响应面模型R2为0.815。模型能够有效拟合冷鲜猪肉中与温度、时间相关的大肠杆菌的生长变化规律,研究结果为产品储存过程中细菌变化预测提供理论依据。 相似文献
110.
基于数据融合的玉米种子内部机械裂纹检测方法 总被引:2,自引:3,他引:2
为深入研究玉米种子脱粒和输送等环节中产生的内部裂纹机理和检测技术,该文在体视显微检测基础上提出了基于融合技术的边缘检测方法。该方法采用改进的数学形态学方法和传统Sobel边缘检测算子对损伤玉米种子图像进行边缘检测,建立相应的融合规则,将2种方法检测出来的图像边缘进行基于小波变换的融合处理,并从新图像中提取玉米种子内部机械损伤的特征信息。结果表明,该检测方法结合了2种边缘检测方法的优点,有效提高了边缘检测准确性,在准确提取玉米种子内部裂纹特征同时能有效降低噪声,较单一边缘检测算法有更好的效果。 相似文献