全文获取类型
收费全文 | 2197篇 |
免费 | 141篇 |
国内免费 | 298篇 |
专业分类
林业 | 86篇 |
农学 | 75篇 |
基础科学 | 445篇 |
386篇 | |
综合类 | 1359篇 |
农作物 | 24篇 |
水产渔业 | 44篇 |
畜牧兽医 | 153篇 |
园艺 | 20篇 |
植物保护 | 44篇 |
出版年
2024年 | 71篇 |
2023年 | 207篇 |
2022年 | 232篇 |
2021年 | 178篇 |
2020年 | 147篇 |
2019年 | 141篇 |
2018年 | 59篇 |
2017年 | 42篇 |
2016年 | 61篇 |
2015年 | 53篇 |
2014年 | 114篇 |
2013年 | 108篇 |
2012年 | 123篇 |
2011年 | 141篇 |
2010年 | 124篇 |
2009年 | 117篇 |
2008年 | 145篇 |
2007年 | 114篇 |
2006年 | 82篇 |
2005年 | 70篇 |
2004年 | 58篇 |
2003年 | 51篇 |
2002年 | 48篇 |
2001年 | 38篇 |
2000年 | 28篇 |
1999年 | 15篇 |
1998年 | 11篇 |
1997年 | 10篇 |
1996年 | 5篇 |
1995年 | 6篇 |
1994年 | 5篇 |
1993年 | 6篇 |
1992年 | 3篇 |
1991年 | 5篇 |
1990年 | 6篇 |
1989年 | 6篇 |
1988年 | 2篇 |
1987年 | 1篇 |
1986年 | 2篇 |
1962年 | 1篇 |
排序方式: 共有2636条查询结果,搜索用时 15 毫秒
31.
随着“一带一路”倡议的不断推进,农学人才在逐渐加深的中国与沿线国家农业合作中的重要性日渐凸显。在此背景下,国家对农业类人才的要求也越来越高,仅掌握农业类专业技术的人才已不能很好地适应新时代的农业发展要求,英语素养成为农学人才的必备的语言能力。本文从提升农学本科生英语素养的重要性出发,分析目前农学本科生外语教学现状,并结合项目式学习理论探索提升农学本科生外语素养的途径,旨在为培养具有较高外语素养的应用型农学人才提供可行建议。 相似文献
32.
基于非接触式的牛只身份识别研究进展与展望 总被引:1,自引:0,他引:1
快速精准确定牛个体身份对疾病防控、品种遗传改良、奶制品和肉制品质量溯源以及改善农业假保险索赔等方面具有重要意义。传统的牛个体识别使用诸如烙印、耳纹、耳标和无线射频识别等方法,易遭受设备损失/工作重复、标记欺诈、动物福利安全以及监测成本和距离等方面的挑战;而基于生物特征的非接触识别由于其独特性、不变性、低成本易操作以及动物福利高,成为牛身份识别的新趋势。主要介绍了几种基于非接触式的牛身份识别的研究进展,重点关注牛脸识别的最新成果,讨论当前牛脸识别在实际应用中面临的挑战,在此基础上对深度学习在牛脸身份识别研究中的应用进行了设计构思与展望。 相似文献
33.
王光 《北京农业职业学院学报》2020,(4):91-96
长期以来,我国的英语教育一直偏重西方文化信息和知识的输入,而中国文化较少涉及或缺失,导致学生用英语表达中国文化的意识不强,能力不足。在中国文化“走出去”的战略背景下,将中国文化融入到英语教学中,不仅有利于提升学生的跨文化交际能力,使他们在中外文化交流中更好地弘扬中国文化,讲好中国故事,而且能够拓展和加深学生对中国文化的认知和理解,坚定文化自信,增强民族文化认同感,培育中国精神,增强爱国情怀。 相似文献
34.
针对从海量食品安全事件新闻报道中很难抽取出所需答案的问题,以食品安全事件语料库为研究对象,提出了一种基于信息抽取技术的自动问答系统。首先,利用深度学习模型TextCNN对用户输入的问题进行分类,得到其所属类型。其次,对于输入问题,借助Lucene搜索引擎找到其最佳匹配文档。再次,根据输入问题的类型,从食品安全事件数据库(采用信息抽取技术自动提取的一个结构化数据库)中筛选出该文档所包含的答案候选句集合。最后,利用深度学习模型Bi LSTM及基于答案候选句上下文的特征提取方法构建一个答案抽取模型,该模型能从给定的答案候选句集合中提取出最终答案。为检查基于食品安全事件数据库的答案候选句筛选方式及基于答案候选句上下文的特征提取方式对整个自动问答系统性能的影响,进行了多种比较实验,结果表明含有基于食品安全事件数据库的答案候选句筛选方式和基于答案候选句上下文的特征提取方式的问答系统表现最佳,其回答准确率达到44%。这相比于传统的问答系统,具有明显的优势。 相似文献
35.
约翰.S.布鲁贝克的《高等教育哲学》是西方研究高等教育哲学的一部经典著作。作者从高等教育的合法存在的逻辑基点———高深学问出发,分析了在“认识论”教育哲学和“政治论”教育哲学两种主要的哲学观下对高等教育的学术自治、学术自由、高等教育为谁服务、普通教育和专业教育、高等教育学、治学的道德和作为教会的大学等实际问题,提出了一个相当完整的高等教育哲学体系。其中关于大学的功能、学术自由和教育公平等方面给我们很多的启示和思索。 相似文献
36.
基于轻量级神经网络MobileNetV3-Small的鲈鱼摄食状态分类 总被引:1,自引:1,他引:0
在集约化水产养殖过程中,饲料投喂是控制养殖成本,提高养殖效率的关键。室外环境复杂多变且难以控制,适用于此环境的移动设备计算能力较弱,通过识别鱼类摄食状态实现智能投喂仍存在困难。针对此种现象,该研究选取了轻量级神经网络MobileNetV3-Small对鲈鱼摄食状态进行分类。通过水上摄像机采集水面鲈鱼进食图像,根据鲈鱼进食规律选取每轮投喂后第80~110秒的图片建立数据集,经训练后的MobileNetV3-Small网络模型在测试集的准确率达到99.60%,召回率为99.40%,精准率为99.80%,F1分数为99.60%。通过与ResNet-18, ShuffleNetV2和MobileNetV3-Large深度学习模型相比,MobileNetV3-Small模型的计算量最小为582 M,平均分类速率最大为39.21帧/s。与传统机器学习模型KNN(K-Nearest Neighbors)、SVM(Support Vector Machine)、GBDT(Gradient Boosting Decision Tree)和Stacking相比,MobileNetV3-Small模型的综合准确率高出12.74、23.85、3.60和2.78个百分点。为进一步验证该模型有效性,在室外真实养殖环境进行投喂试验。结果显示,与人工投喂相比,基于该分类模型决策的鲈鱼投喂方式的饵料系数为1.42,质量增加率为5.56%。在室外真实养殖环境下,MobileNetV3-Small模型对鲈鱼摄食状态有较好的分类效果,基于该分类模型决策的鲈鱼投喂方式在一定程度上能够代替养殖人员进行决策,为室外集约化养殖环境下的高效智能投喂提供了参考。 相似文献
37.
为提高诱虫板图像蔬菜害虫检测精度,针对背景区域容易导致误检的问题基于显著图分析技术构建了一种注意力深度网络害虫智能视觉检测方法。首先通过显著图筛选出粗候选区域;然后在粗候选区域内用全卷积神经网络精选出细候选区域;接着用神经网络分类器识别细候选区域害虫种类,得到含有冗余的若干检测框;最后用改进的非极大值抑制消除冗余检测框,实现诱虫板图像中目标害虫的检测。针对小菜蛾和瓜实蝇展开试验,获得86.4%的平均精度均值和0.111只的平均绝对计数误差均值,所提方法平均精度均值比Faster R-CNN和YOLOv4分别高2.74和1.56个百分点,平均绝对计数误差均值比Faster R-CNN和YOLOv4分别低0.006和0.003只;同时,消融试验中移除显著图注意力模块后平均精度均值下降了4个百分点、平均绝对计数误差均值增加了0.207只。试验结果表明,所提方法有效提高了诱虫板图像蔬菜害虫检测精度,其中,引入显著图注意力模块对提升检测精度有重要作用。 相似文献
38.
基于深度学习的玉米拔节期冠层识别 总被引:2,自引:2,他引:0
为了满足田间玉米植株快速识别与检测的需求,针对玉米拔节期提出了基于深度学习的冠层识别方法,比较并选取了适于玉米植株精准识别和定位的网络模型,并研制了玉米植株快速识别和定位检测装置。首先拍摄玉米苗期和拔节期图像共计3 000张用于训练深度学习模型,针对拔节期玉米叶片交叉严重的问题,提出了以玉米株心取代玉米整株对象的标记策略。其次在Google Colab云平台训练SSDLite-MobileDet网络模型。为了实现田间快速检测,开发了基于树莓派4B+Coral USB的玉米冠层快速检测装置。结果表明,田间玉米冠层识别模型精度达到91%,检测视频的帧率达到89帧/s以上。研究成果可为田间玉米高精度诊断和精细化作业管理奠定基础。 相似文献
39.
为提高温室环境最优控制中生菜信息在线反馈精度,通过群体图像识别研究生菜鲜重估算方法;通过生菜群体图像和单株图像,研究群体估算时误差正负相消对整体误差的改善作用,评估生菜遮挡问题对估算精度的影响,并研究能否通过改进深度学习的损失函数以实现对估算精度的进一步提高。结果表明:1)与不存在遮挡问题的单株图像生菜鲜重估算结果相比,基于群体图像裁剪的生菜鲜重估算决定系数(R2)低0.010 8,归一化均方根误差(NRMSE)高2.69%,平均绝对百分误差(MAPE)低2.36%,虽然估算精度略低,但是生菜群体的遮挡问题更能反映生产实际。2)群体估算虽然存在遮挡问题导致裁剪不完整,但根据误差正负相消原理,相比没有遮挡的单株估算结果MAPE仍然低3.49%,因此更适用于生菜产量信息反馈。3)基于更优化MAPE的损失函数平均平方百分误差(MSPE),可以进一步降低群体估算的MAPE至8.46%,满足“软测量”对估算精度的需求。考虑到温室生菜的实际生产情况,群体估算更适合用于温室环境最优控制中生菜产量信息的在线反馈,通过深度学习等方法的优化,可以将生菜产量的估算误差降低至10%以内。 相似文献
40.
针对目前苹果在复杂环境下难以进行生长状态分类识别、姿态信息同步获取等问题,该研究提出了一种基于改进YOLOv7的苹果生长状态分类和果实姿态融合识别方法。首先改进多尺度特征融合网络,在骨干网络中增加160×160的特征尺度层,用于增强模型对微小局部特征的识别敏感度;其次引入注意力机制CBAM(convolutional block attention module),改善网络对输入图片的感兴趣目标区域的关注度;最后采用Soft-NMS算法,能够有效避免高密度重叠目标被一次抑制从而发生漏检现象。此外,结合UNet分割网络和最小外接圆及矩形特征获取未遮挡苹果姿态。试验结果表明,改进YOLOv7的识别精确率、召回率和平均识别精度分别为86.9%、80.5%和87.1%,相比原始YOLOv7模型分别提高了4.2、2.2和3.7个百分点,另外苹果姿态检测方法的准确率为94%。该文模型能够实现苹果生长状态分类及果实姿态识别,可为末端执行器提供了抓取方向,以期为苹果无损高效的采摘奠定基础。 相似文献