全文获取类型
收费全文 | 18511篇 |
免费 | 2261篇 |
国内免费 | 959篇 |
专业分类
化学 | 6267篇 |
晶体学 | 31篇 |
力学 | 233篇 |
综合类 | 103篇 |
数学 | 335篇 |
物理学 | 3550篇 |
无线电 | 11212篇 |
出版年
2024年 | 108篇 |
2023年 | 365篇 |
2022年 | 631篇 |
2021年 | 747篇 |
2020年 | 746篇 |
2019年 | 584篇 |
2018年 | 493篇 |
2017年 | 754篇 |
2016年 | 869篇 |
2015年 | 1018篇 |
2014年 | 1441篇 |
2013年 | 1231篇 |
2012年 | 1509篇 |
2011年 | 1321篇 |
2010年 | 983篇 |
2009年 | 1063篇 |
2008年 | 1091篇 |
2007年 | 1152篇 |
2006年 | 928篇 |
2005年 | 874篇 |
2004年 | 749篇 |
2003年 | 560篇 |
2002年 | 392篇 |
2001年 | 301篇 |
2000年 | 276篇 |
1999年 | 224篇 |
1998年 | 200篇 |
1997年 | 166篇 |
1996年 | 156篇 |
1995年 | 139篇 |
1994年 | 75篇 |
1993年 | 82篇 |
1992年 | 73篇 |
1991年 | 49篇 |
1990年 | 57篇 |
1989年 | 48篇 |
1988年 | 57篇 |
1987年 | 40篇 |
1986年 | 29篇 |
1985年 | 33篇 |
1984年 | 22篇 |
1983年 | 17篇 |
1982年 | 32篇 |
1981年 | 16篇 |
1980年 | 7篇 |
1979年 | 13篇 |
1978年 | 4篇 |
1971年 | 2篇 |
1969年 | 1篇 |
1959年 | 1篇 |
排序方式: 共有10000条查询结果,搜索用时 0 毫秒
71.
针对清梳棉流程中产出棉含杂高、质量差的问题,结合改进高斯混合模型(Gaussian mixed model,GMM)与帧差法,提出一种局部运动棉杂率控制优化方法。首先针对清棉机除杂原理及棉杂特性进行分析;其次通过提取视频关键帧并改进GMM与帧差法对图像序列“与”运算实现目标的精确提取,进而通过设计GMM分类器获得棉杂率并进行分析;最后与传统的检测算法作对比验证。实验表明,改进后的算法在有效性以及实用性方面优于传统算法。同时,通过引入闭环控制能满足工业高精度、实时性的需求。 相似文献
72.
印刷电路板 (printed circuit board,PCB)在实际生产过程中存在缺陷样式多种多样、缺陷小、缺陷位置难以定位的问题,而一个巨大的模型难以实现实时检测的要求,且大量的深度可分离卷积层建立的轻量级模型也不能达到足够的精度,为此提出一种基于YOLOv5s的PCB缺陷检测算法。 将原始Backbone的Conv模块跟C3模块用GhostConv替换,在Neck部分则引入了一种新的轻量级卷积技术GSConv,减轻模型大小的同时保持精度,GSConv在模型的准确性和速度之间完成了一个极好的权衡,针对许多注意力模块无法关注全局信息同时模型大的问题,提出了多尺度的轻量化双通道注意力模块(double channel depthwise attention module,DWAM),进一步提高模型精度。通过多组实验, 结果表明,改进算法所有类别的平均mAP为99.14%,且模型的GFLOPs为7.194 G,Params为7.175,原始的YOLOv5s平均mAP为96.86%,GFLOPs为6.89 G,Params为6.596,虽然Params以及GFLOPs有所增大,但是还是满足轻量网络的要求,并且精度相对于YOLOv5s提高了2.25%,且对于每个类别的缺陷识别准确率都有改善,大幅减少计算量和模型参数的同时保证了准确率,满足工业检测生产需求的同时便于移动端部署。 相似文献
73.
摔倒检测大都依靠传感器设备,此类方法受设备自身和环境因素影响较大,常常无法发挥该有的作用,同时,基于视觉的方法往往实时性较差,鲁棒性不强。针对上述问题,本文提出了一种鲁棒性强、能有效部署在嵌入式设备上的轻量化摔倒检测算法。以YOLOv5为基准模型,首先,融合轻量级注意力机制模块,使网络更关注要识别的目标区域,增强网络的识别精度。其次,使用模型压缩方法对模型进行剪枝,减小模型体积和计算量,使模型轻量化,以提高推理速度和便于部署在嵌入式设备中。最后,对剪枝后的模型进行知识蒸馏,在不提升模型复杂度的前提下提升模型的检测精度。实验结果表明:本文模型相较于基准模型,mAP增加了1.7%,召回率提高了1.2%,模型体积减小了79.1%,浮点运算量降低了70.9%。将本文模型部署在嵌入式设备Jetson Nano上,检测速率达到13.2 frame/s,基本满足实时性摔倒检测的要求。 相似文献
74.
红外光学终点检测的研究 总被引:1,自引:0,他引:1
终点检测是化学机械平坦化的关键技术,它决定着理想的平坦运行的停止点,在以纳米级别的控制上,终点检测尤为重要。目前主要的两种终点检测方法:电机电流存在着误判断,而可见光干涉存在着光蚀效应等。低能量的红外检测根据不同介质及同种介质不同厚度的红外吸收和反射系数不同的原理精确地选择平坦化终点完全克服以上检测手段的不足。阐述了其原理,设计了其硬件原理图,定性分析了红外测量曲线,并指出今后终点检测的方向。 相似文献
75.
76.
77.
78.
79.
A turnout switch machine is key equipment in a railway, and its fault condition has an enormous impact on the safety of train operation. Electrohydraulic switch machines are increasingly used in high-speed railways, and how to extract effective fault features from their working condition monitoring signal is a difficult problem. This paper focuses on the sectionalized feature extraction method of the oil pressure signal of the electrohydraulic switch machine and realizes the fault detection of the switch machine based on this method. First, the oil pressure signal is divided into three stages according to the working principle and action process of the switch machine, and multiple features of each stage are extracted. Then the max-relevance and min-redundancy (mRMR) algorithm is applied to select the effective features. Finally, the mini batch k-means method is used to achieve unsupervised fault diagnosis. Through experimental verification, this method can not only derive the best sectionalization mode and feature types of the oil pressure signal, but also achieve the fault diagnosis and the prediction of the status of the electrohydraulic switch machine. 相似文献
80.
Research on the traffic sign detection is significant for driverless technology,which provides useful navigation information.Existing object detection methods are only applicable to large-size objects or small-scale specific types of traffic signs,and the performance of detecting traffic signs in street views is not adequate.In this regard,we propose a method to detect and classify small traffic signs by constructing a cascaded network.Specifically,the RetinaNet network is adopted firstly to integrate multi-layer information to identify small traffic signs in traffic scene images.The focal loss function is used to balance the biased distribution of traffic sign categories.Then,a two-class network is cascaded after the RetinaNet,which helps identify valid traffic signs from the first-stage prediction results.Experiments show that our cascaded network structure could achieve the balance of different categories of predictions and an improvement in precision and recall. 相似文献