全文获取类型
收费全文 | 551篇 |
免费 | 12篇 |
国内免费 | 22篇 |
专业分类
林业 | 61篇 |
农学 | 16篇 |
基础科学 | 44篇 |
31篇 | |
综合类 | 218篇 |
农作物 | 14篇 |
水产渔业 | 19篇 |
畜牧兽医 | 161篇 |
园艺 | 8篇 |
植物保护 | 13篇 |
出版年
2024年 | 10篇 |
2023年 | 8篇 |
2022年 | 15篇 |
2021年 | 19篇 |
2020年 | 13篇 |
2019年 | 18篇 |
2018年 | 7篇 |
2017年 | 11篇 |
2016年 | 18篇 |
2015年 | 11篇 |
2014年 | 41篇 |
2013年 | 31篇 |
2012年 | 31篇 |
2011年 | 50篇 |
2010年 | 31篇 |
2009年 | 45篇 |
2008年 | 47篇 |
2007年 | 25篇 |
2006年 | 17篇 |
2005年 | 29篇 |
2004年 | 24篇 |
2003年 | 8篇 |
2002年 | 11篇 |
2001年 | 9篇 |
2000年 | 11篇 |
1999年 | 7篇 |
1998年 | 6篇 |
1996年 | 4篇 |
1995年 | 2篇 |
1994年 | 5篇 |
1993年 | 4篇 |
1992年 | 3篇 |
1991年 | 4篇 |
1990年 | 1篇 |
1989年 | 5篇 |
1988年 | 1篇 |
1985年 | 1篇 |
1983年 | 1篇 |
1965年 | 1篇 |
排序方式: 共有585条查询结果,搜索用时 15 毫秒
31.
本文以立地亚区划分为突破口,探索福建省高层次立地分类的方法。确定分区样本为该省67个县(市)(金门县因缺资料未列),选择气候、地貌、森林生产力、地理位置等11项因子,应用模糊聚类分析法,初拟福建省森林立地亚区的合理分类结果。 相似文献
32.
实验室检验结果是准确诊断禽病的重要依据,家禽血液样本的采集技术、制备方法、保存条件及准确应用是禽病实验室诊断和禽病监测的核心技术,正确的选择和应用血液样本为实验室检验作出准确诊断结论、正确评估禽群免疫抗体水平提供了有力的的科学依据。 相似文献
33.
34.
在研究CMF设计理论的基础上,将CMF科学合理地运用于学龄前儿童益智桌设计,对现有学龄前儿童益智桌进行创新性设计,探索儿童益智桌设计方法。通过对儿童益智桌市场的差评分析,总结儿童益智桌市场的不足,分析学龄前儿童生理、心理、行为特征,并在此基础上结合具体案例阐述学龄前儿童益智桌的CMF设计方法及其具体运用。将CMF设计应用于学龄前儿童益智桌,可以提升产品附加值,也为学龄前儿童益智桌设计提出新的设计思路与策略。 相似文献
35.
36.
针对传统卷积神经网络在马铃薯叶部病害识别中结构复杂、参数庞大,难以实现在移动设备上的良好应用的问题,提出一种基于轻量级卷积神经网络和迁移学习的马铃薯叶部病害识别方法。首先,采集马铃薯叶部病害图像样本,再运用GrabCut算法进行图像分割;再基于MobileNetV3构建病害识别基础模型,并通过调整模型结构及宽度系数α等方式对模型进行优化,最后运用迁移学习的方式将预训练参数迁移至优化模型进行训练。结果表明,该方法对马铃薯健康、晚疫病、早疫病、炭疽病及其他病害叶部图像识别准确率为98.00%,模型权重仅为0.68 MB,识别速率为0.014 s/幅。本研究结果可为马铃薯叶部病害识别在移动设备上应用的实现提供理论支持。 相似文献
37.
为提高啤酒花产业的品质和产量,针对于传统人工识别鉴定难度大,效率低和客观性不够,以及啤酒花病虫害识别无大型公开数据集等问题。本文提出一种基于软注意力机制的小样本啤酒花病虫害识别方法,对传统深度残差网络ResNet模型进行改进,并使用图像增强技术-直方图均衡化处理图片得到新的数据集。实验结果表明,在小样本情况下,相比于传统的模型,改进过后的模型A-ResNet50和A-ResNet101都能准确识别不同类型的病虫害图像,在测试集上的准确率为93.27%和93.11%,Kappa指数达到了0.9027和0.8996,证实了A-ResNet50和A-ResNet101模型在啤酒花病虫害识别上的可行性以及可靠性。本文提出的方法识别精度高,实现了啤酒花病虫害的智能识别,同时也对小样本数据集的高精度识别提供了一种途径。 相似文献
38.
为在仅有少量训练样本条件下获得较高的植物病害分类精度,采用小样本学习模型作为病害分类器,在匹配网络、原型网络和关系网络3种典型小样本学习算法框架下分别采用Conv4、Conv6、ResNet10、ResNet18和ResNet34 5种浅层网络作为特征提取网络,在PlantVillage植物病害数据集上对病害识别性能进行对比试验。在1shot条件下,匹配网络、原型网络和关系网络对植物叶片病害识别的平均准确率分别为72.29%、72.43%和69.45%;其中原型网络+ResNet34为表现最好的组合,病害识别准确率达到了77.60%。在5shot条件下,匹配网络、原型网络和关系网络平均准确率分别为87.11%、87.50%和82.92%,各种网络病害识别准确率比1shot条件均有明显提升;原型网络+ResNet34依旧是表现最佳的组合方式,识别准确率达到89.66%。上述试验结果表明,通过优选小样本学习框架和特征提取网络的组合方式,对于少量样本的病害也能取得较好的识别效果。 相似文献
39.
从事茶叶生产贸易标准指导样宣传、贯彻、推广历时近六年的不懈努力,我们欣喜地看到了茶叶已经理性地打破了有价无质的概念格局,市场的规范有序推进。在努力使茶叶成为"中华国饮"的同时,也让茶叶理性的回归自然。唯有如此,才能传承历史,书写茶业新华章,为民族经济建设作出更大贡献。 相似文献