全文获取类型
收费全文 | 66篇 |
免费 | 0篇 |
国内免费 | 5篇 |
专业分类
林业 | 2篇 |
农学 | 7篇 |
基础科学 | 6篇 |
4篇 | |
综合类 | 29篇 |
农作物 | 3篇 |
畜牧兽医 | 7篇 |
园艺 | 10篇 |
植物保护 | 3篇 |
出版年
2023年 | 3篇 |
2022年 | 4篇 |
2019年 | 3篇 |
2018年 | 3篇 |
2015年 | 1篇 |
2014年 | 6篇 |
2013年 | 5篇 |
2012年 | 4篇 |
2010年 | 4篇 |
2009年 | 7篇 |
2008年 | 2篇 |
2007年 | 3篇 |
2006年 | 4篇 |
2005年 | 4篇 |
2004年 | 3篇 |
2003年 | 4篇 |
2002年 | 3篇 |
2001年 | 1篇 |
1999年 | 2篇 |
1993年 | 1篇 |
1992年 | 1篇 |
1991年 | 1篇 |
1988年 | 1篇 |
1987年 | 1篇 |
排序方式: 共有71条查询结果,搜索用时 46 毫秒
1.
2.
3.
丘陵地区能否实现农业机械化, 怎样实现农业机械化,一直是多年来困扰丘陵地区的一大难题。近年来, 笔者在总结各地经验的同时,结合广安地区地貌特征以及经济条件等实际情况,对丘陵地区如何实现农业机械化进行了大胆的摸索和尝试。 相似文献
4.
5.
6.
7.
基于改进DeepSORT的群养生猪行为识别与跟踪方法 总被引:1,自引:0,他引:1
为改善猪只重叠与遮挡造成的猪只身份编号(Identity,ID)频繁跳变,在YOLO v5s检测算法基础上,提出了改进DeepSORT行为跟踪算法。该算法改进包括两方面:一针对特定场景下猪只数量稳定的特点,改进跟踪算法的轨迹生成与匹配过程,降低ID切换次数,提升跟踪稳定性;二将YOLO v5s检测算法中的行为类别信息引入跟踪算法中,在跟踪中实现准确的猪只行为识别。实验结果表明,在目标检测方面,YOLO v5s的mAP为99.3%,F1值为98.7%。在重识别方面,实验的Top-1准确率达到99.88%。在跟踪方面,改进DeepSORT算法的MOTA为91.9%,IDF1为89.2%,IDS为33;与DeepSORT算法对比,MOTA和IDF1分别提升了1.0、16.9个百分点,IDS下降了83.8%。改进DeepSORT算法在群养环境下能够实现稳定ID的猪只行为跟踪,能够为无接触式的生猪自动监测提供技术支持。 相似文献
8.
9.
10.