全文获取类型
收费全文 | 343篇 |
免费 | 19篇 |
国内免费 | 195篇 |
专业分类
林业 | 17篇 |
农学 | 9篇 |
基础科学 | 150篇 |
204篇 | |
综合类 | 150篇 |
农作物 | 5篇 |
水产渔业 | 3篇 |
畜牧兽医 | 9篇 |
园艺 | 5篇 |
植物保护 | 5篇 |
出版年
2024年 | 29篇 |
2023年 | 59篇 |
2022年 | 72篇 |
2021年 | 73篇 |
2020年 | 45篇 |
2019年 | 37篇 |
2018年 | 21篇 |
2017年 | 21篇 |
2016年 | 24篇 |
2015年 | 13篇 |
2014年 | 18篇 |
2013年 | 19篇 |
2012年 | 30篇 |
2011年 | 8篇 |
2010年 | 20篇 |
2009年 | 19篇 |
2008年 | 12篇 |
2007年 | 8篇 |
2006年 | 3篇 |
2005年 | 4篇 |
2004年 | 5篇 |
2003年 | 6篇 |
2002年 | 6篇 |
2001年 | 3篇 |
2000年 | 1篇 |
1996年 | 1篇 |
排序方式: 共有557条查询结果,搜索用时 31 毫秒
1.
2.
远程视频监控系统被利用到动物疫情监测的领域来,能够对所有的疫情监控点进行监测预警。但是长时间的人工监控也会使工作人员产生疲劳感,降低工作效率。针对这样的情况,本文从图像的预处理、病变区域的提取和病变区域的识别三个方面阐述了如何利用计算机图像学理论来提升动物疫情监测预警的能力。 相似文献
3.
4.
远程视频监控系统被利用到动物疫情监测的领域来,能够对所有的疫情监控点进行监测预警。但是,长时间的人工监控也会使工作人员产生疲劳感,降低工作效率。针对这样的情况,文章将从图像的预处理、病变区域的提取和病变区域的识别3 个方面阐述如何利用计算机图像学理论来提升动物疫情监测预警的能力。 相似文献
5.
依据家蚕限性卵色差异的遗传特征,结合基于线阵型电荷耦合元件(CCD)的色选技术,研制了彩色CCD雌雄蚕卵卵色分选机。该机利用平移式电磁振动器,使蚕卵在双层供卵装置中有序排列成64路直线移行,沿V形槽向下高速滑至分选室,经彩色CCD图像传感和计算机图像识别处理,指令64路高速电磁气阀将各靶卵吹入收集箱,同时使非靶卵自落至振动装置输出,由此完成对卵色不同的雌雄蚕卵分选。该机在生产应用中表现出性能可靠的靶卵颜色选择功能,在雌雄蚕卵分离过程中不损伤蚕卵,分选效率(超过1×10~6粒/h)是人工分选的230倍,单选准确率超过96%,复选准确率超过99.5%,且操作简便,故障率低。该机作为雄蚕品种的杂交种生产自动化技术设备,有效解决了人工分选雌雄蚕卵效率低的难题。 相似文献
6.
针对自然环境下马铃薯叶片病害识别率低和晚疫病斑定位难的问题,基于大田环境中采集的马铃薯叶片图像,首先对马铃薯叶片病害进行识别,对比AlexNet、VGG16、InceptionV3、ResNet50、MobileNet五种神经网络模型,结果表明InceptionV3模型的识别效果准确率最高,可达98.00%。其次对马铃薯叶片的晚疫病斑进行检测,提出一种改进型的CenterNet-SPP模型,该模型通过特征提取网络获取对象的中心点,再通过中心点回归获得中心点偏移量、目标大小等图像信息,训练后的模型在验证集下的mAP可达90.03%,以F1为评价值分析对比其它目标检测模型,CenterNet-SPP模型的效果最好,准确率为94.93%,召回率为90.34%,F1值为92.58%,平均检测一张图像耗时0.10 s。为自然环境下马铃薯叶片病害识别和检测提供较为全面的深度学习算法和模型研究基础。 相似文献
7.
田间麦穗计数因主要依靠人工而存在耗时长、成本高等问题,为提高麦穗计数的效率和准确性,提出基于人群计数卷积神经网络的麦穗计数方法,在图像基础上进行麦穗数量自动化计数.试验改进了现有人群计数模型中的多列卷积神经网络MCNN和空洞卷积神经网络CSRNet,并对MCNN和CSRNet进行融合,建立了多列卷积神经网络MCSRNe... 相似文献
8.
针对在黄瓜叶部病害识别过程中使用传统卷积神经网络存在模型训练时间长、识别准确率低等问题,提出一种迁移学习和改进残差神经网络相结合的方法对黄瓜叶部病害进行识别。首先对数据集图像进行预处理,将数据集划分为训练集和测试集;然后对传统残差神经网络进行改进;最后使用迁移学习的方式对网络模型进行训练。利用该研究方法对不同的黄瓜叶部病害进行识别试验,结果表明该方法具有较高的识别准确率,可为其他作物的识别方法研究提供参考。 相似文献
9.
荔枝是广东岭南特色水果产业之一,又是广东十大特色作物之一。尽管近年来荔枝现代生产技术有了较大的提高,但广东气候条件容易引起病虫害发生,对露天生长的广东荔枝的产量和品质造成严重的不利影响,阻碍荔枝产业发展和种植户增收。做好荔枝病虫害防治工作,对推进荔枝品牌产业发展、荔枝种植户增收具有重要现实意义。该文采用卷积神经网络算法开展荔枝病虫害图像识别技术的研究与应用,主要包括两个方面内容。一是探讨荔枝病虫害图像识别技术。二是以广州智慧农业气象服务平台为载体,探索构建新型的病虫害气象防御体系,也就是给荔枝种植户既提供荔枝病虫害图像智能识别服务,又提供病虫害小百科知识、防治建议,更为种植户构建“个人空间”,实现靶向预警,并逐步构建个性化荔枝基地病虫害预测预警模型,探索荔枝病虫害预测诊断相结合的服务模式。因此,既探讨图像识别技术如何实现又研究立体式防御措施是该文的创新点。 相似文献
10.
基于CNN的小麦籽粒完整性图像检测系统 总被引:3,自引:0,他引:3
为了快速、准确识别小麦籽粒的完整粒和破损粒,设计了基于卷积神经网络(CNN)的小麦籽粒完整性图像检测系统,并成功应用于实际检测中。采集完整粒和破损粒两类小麦籽粒图像,对图像进行分割、滤波等处理后,建立单粒小麦的图像数据库和形态特征数据库。采用LeNet-5、AlexNet、VGG-16和ResNet-34等4种典型卷积神经网络建立小麦籽粒完整性识别模型,并与SVM和BP神经网络所建模型进行对比。结果表明,SVM和BP神经网络所建模型的验证集识别准确率最高为92. 25%; 4种卷积神经网络模型明显优于两种传统模型,其中,识别性能最佳的AlexNet的测试集识别准确率为98. 02%,识别速率为0. 827 ms/粒。基于AlexNet模型设计了小麦籽粒完整性图像检测系统,检测结果显示,100粒小麦的检测时间为26. 3 s,其中,图像采集过程平均用时21. 2 s,图像处理与识别过程平均用时为5. 1 s,平均识别准确率为96. 67%。 相似文献