该成果突破了作物生长监测、诊断、调控一体化精确化技术，实现了传统农业向现代农业的技术升级；并且促进了农学与遥感、信息、工程、物联网等多学科的交叉融合，开创了作物精确栽培与智慧农业的新领域；形成了一系列农业信息化自主知识产权成果，提升了农业产业化水平和核心竞争力。同时，培养了一批高素质人才，带动了现代农业相关领域的创新研究与开发应用。 一、项目分类 关键核心技术突破 二、成果简介 高产、优质、高效、生态、安全作物生产是我国农业产业发展的主要目标，快速无损地监测作物生长状况，并根据实时监测结果对肥水管理方案进行定量调控，是实现这一目标的关键技术环节。南京农业大学曹卫星教授团队将定量光谱分析方法与作物生理生态原理相结合，通过实施不同生态点、不同品种、不同管理措施下多年的田间试验，构建了作物冠层和叶片水平的反射光谱库，着重解析了不同条件下的作物高光谱响应模式和时空变化规律，提取了作物主要生长指标的特征光谱波段和敏感光谱参数，构建了叶片、冠层、区域等多尺度的作物生长指标光谱监测模型；同时，定量研究了不同产量水平下作物生长指标的动态变化模式，构建了基于产量目标的生长指标适宜时序动态模型，进一步耦合实时苗情信息，综合利用养分平衡原理、氮营养指数法、指标差异度法等，集成建立了多路径的作物生长实时诊断与定量调控技术；将上述监测诊断技术与软硬件工程相结合，研制开发了面向多平台的作物生长监测诊断装置和基于遥感的作物生长监测诊断系统等简便适用的软硬件产品，进而形成了基于反射光谱的作物生长指标快速监测与定量诊断技术体系，实现了作物生长的实时监测、精确诊断和智慧管理。 该成果突破了作物生长监测、诊断、调控一体化精确化技术，实现了传统农业向现代农业的技术升级；并且促进了农学与遥感、信息、工程、物联网等多学科的交叉融合，开创了作物精确栽培与智慧农业的新领域；形成了一系列农业信息化自主知识产权成果，提升了农业产业化水平和核心竞争力。同时，培养了一批高素质人才，带动了现代农业相关领域的创新研究与开发应用。 已授权国家发明专利25项、实用新型专利5项，登记国家计算机软件著作权20多项；发表学术论文160多篇，其中SCI/EI论文60多篇；出版专著1部。成果先后得到国内外专家同行的充分肯定，2011年的成果鉴定认为（罗锡文院士主鉴），该研究整体居国际先进水平。同时作为稻麦精确管理关键技术，入选江苏省主要农作物2014~2015年“四主推”推介名录，团队起草的《稻麦生长指标无损监测诊断技术规程》入选2014年江苏省地方标准项目。技术成果已在江苏、河南、江西、安徽、河北、浙江等水稻和小麦主产区进行了大面积示范应用，表现为明显的节氮和增产作用，取得了显著的社会经济效益，对于推进精确农业和智慧农业的发展具有重大意义和良好的应用前景。

本发明公开了一种工业过程故障诊断方法，包括如下步骤：采集工业过程的历史正常数据；利用工业过程的历史正常数据计算检测统计量；采集待检测的工业过程数据；当检测到工业过程故障时，利用相对重构贡献方法提取特征量；根据特征量计算故障模式下的条件概率密度函数和正常模式下的条件概率密度函数；根据先验概率和条件概率密度函数计算后验概率；采用最小风险贝叶斯决策理论对当前时刻样本进行故障变量识别；根据诊断后的结果更新下一时刻样本的

失眠障碍是一种普遍存在的睡眠障碍疾病，我国成年人中的患病比例高达30%，其主要表现为难以入睡、难以维持睡眠或睡眠质量不佳，导致出现疲倦、注意力不集中、记忆力减退、情绪波动等负面影响，并且与多种疾病（如心血管疾病、糖尿病等）的发生和发展密切相关。我国庞大的患者群体增加了对医疗资源的需求和社会负担，对个人和社会经济造成重大影响。失眠障碍需要引起足够的重视和关注，早期诊断是减少其对个人和社会危害性的有效方法。 目前临床睡眠诊断主要依靠睡眠专家人工判读多导睡眠图（polysomnography，PSG），PSG技术同时记录多个生理参数，如心电图、脑电图、肌电图、眼电图等，从而准确评估睡眠的各个阶段和睡眠中的生理变化。然而，现代临床睡眠诊断方法存在一些弊端。首先，依靠睡眠专家人工进行诊断成本很高。例如，临床诊断中标记一位患者的PSG数据并完成诊断，往往需要一位训练有素的睡眠专家数个小时的集中工作才能完成，无法应对大规模睡眠障碍群体需求。此外，睡眠诊断存在个体差异，同一种睡眠障碍在不同人群中的表现可能不同，诊断结果需要根据患者的具体情况进行综合评估和判断。这些方法需要专业人员进行操作和解读，费用昂贵，操作复杂，很难普及应用。 人工智能技术可以帮助解决以上问题。人工智能技术可以在不需要专业人员干预的情况下，对失眠障碍进行自动化分析和诊断，具有高效性、低成本和易普及的优点。此外，还可以在大数据层面上进行分析，深入探究失眠障碍的病理生理机制，从而更好地指导治疗和预防措施的制定。 睡眠诊断是最为适合采用云平台技术进行自动化诊断的领域，患者潜在群体数量庞大。本项目涉及基于人工智能睡眠医学诊断技术的全系统的各个环节，系统的诊断准确率目前为世界范围内第一。前期已经服务于制药企业睡眠类药物评价、可穿戴消费级电子设备睡眠监测等领域。目前市场上的类似产品均不具备临床医疗级的诊断能力，本技术填补了市场空白。 图1.本项目研发的原理样机部件

按照《新型冠状病毒肺炎诊疗方案（试行第五版修正版）》，湖北省增加了“临床诊断病例”分类，对疑似病例具有肺炎影像学特征者，确定为临床诊断病例，以便患者能及早按照确诊病例相关要求接受规范治疗，进一步提高救治成功率。因此，对患者的影像学分析在确定“临床诊断病例”上就具有极为重要的意义。 根据国家指南这一重要变化，西安交通大学第一附属医院影像学郭佑民团队，在前期承担国家卫健委重大行业专项《基于“数字肺”的呼吸系统疾病评价体系与诊断标准研究》基础上，针对新冠肺炎肺部影像学特点与医学成像技术公司合作，第一时间研发了新冠肺炎肺部感染辅助诊断系统，实现了对新冠肺炎感染者肺内病变部位快速检出、定量评价病变范围和病变演变过程评估 CT扫描是新冠肺炎诊断的重要环节，已成为确定“临床诊断病例”的重要标准。但是在影像诊断过程中，每位患者的CT检查多达几百幅甚至上千幅图像，单靠影像诊断医师从庞杂的图像特征中筛选出新冠肺炎所具有的特征，不仅要求医师具备肺炎诊断与鉴别诊断的经验，还需要相当的观察时间，严重影响病例筛查的效率。   同一患者3次检查结果对比，红色区域为病变，相比较病变体积逐渐缩小，提示病情好转。   同一患者3次检查结果对比，红色区域范围增大，数目增多，提示病变进展，同时还能观测到病变密度的变化。   图为同一患者4次检查结果对比，图中红色区域体积逐渐增大，提示病情进展。 郭佑民教授团队利用AI技术为新冠肺炎的影像诊断“赋能”。依托专家训练，人工智能结合传统的计算机视觉技术，对新冠肺炎患者肺部病变区域进行分割、计算，可以同时获取病变区域的体积、密度、磨玻璃成分等定量参数，尤其是对于患者随访的数据，可以实时进行图相配准，精准定位病灶位置、大小，方便比较病变的消长。   通过临床试验发现，该系统能够辅助临床医生对新冠肺炎进行快速诊断，并能提供智能诊断报告，适应阻断疫情扩散蔓延的公共卫生紧急应对要求，具有很好的临床应用效果。该系统已在包括华中科技大学协和医院等多家医院部署，为了鼎力支持抗“疫”一线，新冠肺炎辅助诊断系统将开放全国同行免费使用。

本发明公开了一种基于注入种子光的光学微腔光频梳产生装置 及产生方法，包括泵浦激光、第一光放大器、第一分束器、光纤环、 光滤波器、合束器和光学微腔；第一放大器的输入端连接泵浦激光， 分束器的输入端连接至第一放大器的输出端；光纤环的一端连接至分 束器的第二输出端，光滤波器的输入端连接至光纤环的另一端，合束 器的第一输入端连接至分束器的第一输出端，合束器的第二输入端连 接至光滤波器的输出端，光学微腔的输入端连接至所述合束器

全球近视病发病率逐年增加,到2050年全球人口近一半的人口将患近视病。角膜塑形镜是-种非创伤性的近视治疗技术，在全世界得到广泛应用。仅在中国每年就有超过100万病人接受角膜塑形镜治疗。在角膜望形镜配镜过程中,由于参数组合众多,传统办法依赖于医生经验,因此配镜质量难以控制、效率不高、费时耗力。本成果是全球首个基于人工智能算法的角膜塑形配镜解决方案,实现了拥有完整自主知识产权的算法和芯片,比传统方法提高效率10倍以上，同时极大保证了配镜提高质量。本成果与“爱尔眼科集团”联合开发,临床测试的配镜准确率达90%以上。

荧光显微成像是分子生物学研究的主要手段，然而由于激发光的高光子通量和光毒性，成像总次数受限，因而目前还未能全面揭露细胞内部细胞器的相互作用及动态过程。活细胞的高分辨长时程成像目前仍然是生物学研究中的巨大挑战，由于轴向扫描速度的限制，三维荧光成像需要更大的激发光子通量，而光漂白效应则极大限制了三维成像的总时长。同时，由于荧光光谱较宽，成像过程中通道数目受限，荧光成像一般仅能同时标记有限种类的分子。而电镜等辅助成像手段虽可观察多种细胞器，但仅能提供静态快照作为辅助。光学衍射层析显微成像具有光通量低，光毒性小的特点，可有效解决荧光成像遇到的问题。光学衍射层析成像系统中，先前的工作缺少荧光成像作为辅助，衍射层析图像中的多数结构缺乏标定，仅能进行形态学分析。传统光学衍射层析成像中，也仅对脂滴、染色体和线粒体进行了结合宽场荧光成像的鉴别标定。 北大研究团队提出一种结合光学衍射层析显微成像和结构光照明超分辨荧光成像的双模态显微成像方法，用超分辨荧光成像辅助光学衍射层析进行共定位成像。在双模态成像系统中，光学衍射层析成像具有优异的分辨能力，且无光毒性的限制，因而可以长时间、全面地记录细胞内各种细胞器间的三维相互作用动态；荧光成像模态可提供分子层面的化学特异性分辨能力，因此成为鉴别无标记成像模态成像结果的重要依据。利用光学衍射层析-结构光照明荧光双模态成像系统，可开展一系列的活细胞成像研究，并应用于病理诊断、药理分析、耐药性研究等。

传统的光学显微系统受到阿贝衍射极限原理的限制，无法分辨尺度小于~200nm的事物，为了突破衍射极限，超分辨荧光显微技术应运而生，在生物成像等领域得到广泛应用。根据成像采集过程，超分辨方法主要可分为两类。一种是单分子定位显微方法（SMLM），通过荧光分子的光开关特性，孤立每个发光分子进行单独定位。此类方法具有不受衍射极限限制的特点，可以得到10-40nm的超高分辨率，但由于分子激活漂白的循环步骤使得采集速度和成像时间较慢。另一种是如结构光照明等宽场成像的超分辨显微技术，可以通过获得相邻区域/荧光分子间一定程度的响应差异来实现分辨率的提升。宽场成像的方法具有较高的时间采集效率，但由于同时激发视野内的全部分子，使得其分辨能力往往在100nm以上。目前还缺乏一种方法在理论上可以有效的兼顾宽场成像的时间采集效率和单分子定位方法的空间分辨率，因此亟需提出一种基于宽场成像对荧光分子高效调制的技术方案。 超分辨方法其本质都是通过识别单个荧光分子的独立的发射特性获得该分子的空间定位。如果可以对宽场成像中衍射极限以内各个发光分子荧光发射差异实现主动控制，则有可能获得更好的超分辨显微结果。近期，物理学院介观物理国家重点实验室极端光学研究团队提出了基于量子相干控制原理主动调制分子荧光发射而获得超分辨荧光显微的方法（SNAC），在宽场成像下实现了分辨率的提升。课题组在ZnCdS量子点体系下获得衍射极限范围内各个量子点的差异化激发。通过设计多个整形脉冲，单个ZnCdS量子点的荧光差异性会得到增强。课题组通过周期性改变整形脉冲和傅立叶增强提取荧光响应的差异。同时，主动控制的图像采集方案可以有效的抑制系统中不随调制周期变化的泊松随机噪声和CMOS工艺导致的固定噪声，极大的提升了信噪比。接着，利用独立开发的混合周期（Combination-FFT）和多高斯拟合定位算法获得最终的超分辨重建结果。研究模拟了邻近双点荧光发射的超分辨定位，其结果可以很好的分辨出低至50nm的相邻荧光分子。对于密集标记的线性结构，SNAC的分辨能力同样有显著性的提高，获得了30nm左右的径向定位精度。在量子点标记的COS7细胞样品的维管结构区域清晰的观测到了维管的平行取向和姿态排布以及纤维交叉区域的95.3nm的邻近双峰，显示出了比已有多种宽场超分辨方法更好的重建结果。这个研究将脉冲整形作为新的控制维度引入荧光超分辨，并将宽场超分辨成像技术的分辨率提升到了与单分子定位方法接近的50nm的水平。