全文获取类型
收费全文 | 8146篇 |
免费 | 104篇 |
国内免费 | 287篇 |
学科分类
农业科学 | 8537篇 |
出版年
2024年 | 77篇 |
2023年 | 170篇 |
2022年 | 212篇 |
2021年 | 239篇 |
2020年 | 168篇 |
2019年 | 298篇 |
2018年 | 331篇 |
2017年 | 187篇 |
2016年 | 220篇 |
2015年 | 209篇 |
2014年 | 445篇 |
2013年 | 398篇 |
2012年 | 473篇 |
2011年 | 439篇 |
2010年 | 504篇 |
2009年 | 513篇 |
2008年 | 393篇 |
2007年 | 408篇 |
2006年 | 409篇 |
2005年 | 284篇 |
2004年 | 237篇 |
2003年 | 249篇 |
2002年 | 215篇 |
2001年 | 184篇 |
2000年 | 170篇 |
1999年 | 143篇 |
1998年 | 98篇 |
1997年 | 116篇 |
1996年 | 133篇 |
1995年 | 63篇 |
1994年 | 69篇 |
1993年 | 56篇 |
1992年 | 44篇 |
1991年 | 55篇 |
1990年 | 46篇 |
1989年 | 54篇 |
1988年 | 44篇 |
1987年 | 35篇 |
1986年 | 34篇 |
1985年 | 34篇 |
1984年 | 19篇 |
1983年 | 15篇 |
1982年 | 18篇 |
1981年 | 10篇 |
1980年 | 4篇 |
1979年 | 3篇 |
1964年 | 2篇 |
1962年 | 2篇 |
1960年 | 3篇 |
1959年 | 2篇 |
排序方式: 共有8537条查询结果,搜索用时 15 毫秒
71.
鹅源坦布苏病毒的分离及初步鉴定 总被引:2,自引:0,他引:2
从表现神经症状、软脚的雏鹅中分离到1株病毒,暂命名为GD06株,经RT-PCR检测初步认定所分离到的病毒为坦布苏病毒.序列分析表明,GD06株与鹅源坦布苏病毒JS804株的核苷酸同源性高达99.8%,与鸭源坦布苏病毒(WR株、BYD-1株和SD株)核苷酸同源性分别为99.1%、99.8%和99.8%;与鸡源坦布苏病毒FQ-C1株的同源率高达98.5%;与坦布苏病毒和以色列火鸡脑膜炎病毒的同源性分别为88.3%和76.1%,系统进化分析表明,GD06株病毒与坦布苏病毒共处同一分支. 相似文献
72.
一做好转群前鸡舍的消毒工作首先将鸡舍自上而下、由内而外彻底清洗干净,并使地面无积水,然后用2%~3%火碱水消毒,1小时后再用清水冲洗,隔2天用酸类消毒液再消毒1次,待所有设备、器具安装调试正常后,再封闭鸡舍用高锰酸钾和甲醛进行熏蒸消毒,封闭36小时后进行通风,最后在转群前一天用百毒杀喷雾消毒。 相似文献
73.
74.
75.
为分析山西地区猪流行性腹泻病毒(PEDV)的遗传变异情况,试验利用RT-PCR方法对2014-2015年山西省疑似猪流行性腹泻的阳性病料进行克隆和测序,获得4个S基因片段,并对其基因序列和推导的氨基酸序列与国内外毒株进行比对分析。序列分析结果显示,4株PEDV山西分离株的S基因与CV777 vaccine相比,在170~171 bp之间插入12个核苷酸,在401~402、454~455 bp之间均插入3个核苷酸,在461~468 bp之间缺失6个核苷酸。4株PEDV山西分离株S基因之间核苷酸和氨基酸同源性分别为99.2%~99.8%和98.6%~99.7%,与2011-2015年中国流行毒株、CV777 vaccine、attenuated DR13、CV777的核苷酸同源性分别95.0%~98.5%、93.2%~93.6%、93.2%~93.7%、93.7%~94.4%,氨基酸同源性分别为96.2%~98.9%、91.9%~92.6%、92.1%~92.9%、92.9%~94.0%。遗传进化树分析结果表明,PEDV S基因分为3个群,4株PEDV山西分离株属于第一群,与2010年以后国内流行毒株(除AH-M、SQ2014)的亲缘关系较近,与2010年以前中国流行毒株、2个日本株、7个韩国株、2个疫苗株的亲缘关系较远。研究结果提示山西省流行的PEDV发生较明显的变异,需研发新的疫苗来控制PEDV的暴发。 相似文献
76.
77.
基于融合坐标信息的改进YOLO V4模型识别奶牛面部 总被引:3,自引:2,他引:1
为实现奶牛个体的准确识别,基于YOLO V4目标检测网络,提出了一种融合坐标信息的奶牛面部识别模型。首先,采集71头奶牛面部图像数据集,并通过数据增强扩充提高模型的泛化性能。其次,在YOLO V4网络的特征提取层和检测头部分分别引入坐标注意力机制和包含坐标通道的坐标卷积模块,以增强模型对目标位置的敏感性,提高识别精度。试验结果表明,改进的YOLO V4模型能够有效提取奶牛个体面部特征,平均精度均值为93.68%,平均帧率为18帧/s,虽然检测速度低于无锚框的CenterNet,但平均精度均值提高了10.92%;与Faster R-CNN和SSD模型相比,在检测速度提高的同时,精度分别提高了1.51和16.32个百分点;与原始YOLO V4相比,mAP提高0.89%,同时检测速度基本不变。该研究为奶牛精准养殖中的牛脸图像识别提供了一种有效的技术支持。 相似文献
78.
80.