开发出了FCST(负离子超疏水防护涂层)、SGNF(SiO2高耐沾污耐腐蚀涂层)、FFT(防辐射涂层)等材料的应用技术。进一步优化了UHPDC材料体系和工艺技术路线，同步提升材料强度和韧性。开发出了建筑信息模型(BIM)信息系统，实现装配式建筑设计、生产、施工等全过程信息的融合，打造UHPDC产品先进设计及柔性化、智能化制造生产线。抗压强度120-150 MPa；抗折强度10-20 MPa；抗弯极限强度≥30 MPa；50次冻融表面无破坏；热阻≥0.9(m2 K)/W(厚度30-50mm)；燃烧等级A级；水接触角<15°，表面亚甲基蓝降解率≥90%。本研究开发成果集科技、绿色、艺术于一身，融结构与功能于一体，通过项目实施，能够推动建筑材料、建筑、环保、文化等产业的融合升级和产业链的延伸。 项目已完成中试，产品进入小批量生产及销售阶段，填补国内空白。经国家化学建筑材料测试中心、江苏省建材建工检测中心和中国科学院理化技术研究所测试，各项性能指标均达到设计要求；产品在南京青奥中心、上海迪斯尼、武汉辛亥革命纪念馆、上海钱学森图书馆、唐山第三空间工程、卡塔尔图书馆、阿尔及利亚嘉玛大清真寺等中应用，获得好评。

 本项目通过显微扫描技术、多光谱技术、智能分析技术将生物组织的高分辨率显微图像、荧光光谱信息采集创新性地在同一系统中进行一体化集成，不仅是使国产病理扫描仪器达到国外先进水平，同时将攻克目前国内外同类型产品的技术瓶颈，实现生物组织的多维显微信息融合，实现更加高效率、高可靠性的诊断分析。  通过项目实施，已取得如下显著性研究成果：1）20×/0.65大视场大数值孔径物镜（平场复消色差物镜）已经顺利产业化，并大量应用于Motic系列显微镜和细胞DNA定量分析系统上，有效提高扫描成像的速度和质量；2）开发了采用无刀口后焦偏置的偏心光束法主动离焦量探测装置，通过探测光斑的半径和离焦量的线性关系，实现微米量级的离焦量探测； 3）开发了基于相面倾斜对焦方法的病理切片实时扫描自动对焦方法及装置，该成果已成功进入工程化应用阶段； 4）开发了基于线性磁轴电机的直线驱动显微扫描台，并通过严格实施加工工艺保障措施，各项性能指标达到国际先进水平，为快速、稳定线扫显微成像奠定基础。5）完成了基于切片托盘的转塔仓库设计和装载机构设计，并采用自主控制和机器视觉技术解决了切片仓库设计精度和机械手控制精度之间的矛盾，实现了全自动无人值守连续扫描的多规格切片装载设计。 目前，本项目已顺利通过科技部组织的中期评估实地检查工作，各项检测指标达到或超过中期预期指标。

益生芽孢杆菌因其独特的优势可用来制成新型、高效、低残留的微生态制剂，广泛应用于工业、农业、医学等科学研究领域。目前，国内外益生芽孢杆菌产业化关键技术存在诸多问题。如：活菌数低、出芽率低、货架期短、生产工艺研究不够深入、产品稳定性差等。 项目组在完成系列国家及省部级项目基础上，经过十几年的研究，攻克了芽孢杆菌发酵集成技术，主要包括：N+诱变结合荧光探针追踪，筛选出性状优良的菌种；多阶段发酵与高密度培养结合，大幅提高菌体密度、芽孢出芽率及菌体适应环境能力；构建图像采集，发明新型反应器，进一步优化菌体生长条件；将反应分离耦合技术应用于发酵，解除发酵过程中产物对菌体生长及体内酶活力的抑制作用，实现高浓度的发酵、提高芽孢出芽率、降低产物分离能耗、简化产物分离过程。 创新优势： 项目组采用专利技术生产研发系列益生芽孢杆菌：蜡样芽孢杆菌活菌数由2亿cfu/g提高到8亿cfu/g，符合市售要求并高于农用微生物菌剂国家标准(GB20287-2006)3倍以上；芽孢形成率达到了89.02%，比国内最高提高33.6%，发酵周期21天，比国内最短时间缩短38.2%；凝结芽孢杆菌活菌数由0.5亿cfu/g提高到12亿cfu/g；地衣芽孢杆菌活菌数由10亿cfu/g提高到13亿cfu/g。筛选出海藻糖、聚乙二醇400、吐温80、谷氨酸钠及甘油5种芽孢保护剂，延长芽孢半衰期45%以上，对菌体活性起到良好的保护效果。在示范区内应用，病害抑制率达89%。项目生产的蜡样芽孢杆菌粉参照标准WS-10001-(HD-0902)-2002，检验为类白色粉末，干燥失重为3.3%，小于7.0%，异常毒性符合规定，霉菌小于10个/克，低于标准规定100个/克，未检出控制菌，活菌数为731亿/克，达到国家规定的质量检测标准。 申请国家发明专利17项，授权14项；发表论文59篇，SCI收录43篇；出版专著5部。

精酿啤酒涉及特色啤酒原料的选择、创新工艺的开发、人员培训、啤酒文化及酿造设备选型、制造和经营管理等诸多领域。项目团队从事啤酒酿造科学与工程领域 20 多年，至今已培养各类博士、硕士研究生 100 多人，其中啤酒集团的工厂总工及以上 20 多人。项目团队运用江南大学的资源和基础，依托国家工程实验室中试平台的 1000 升和 200 升啤酒发酵设备，对精酿啤酒拟从业人员进行酿造技术和工艺的理论指导和车间实战、专业品评、鉴赏的训练，以及全产业链及经营管理等诸方面的系统培训，拟为中国精酿啤酒行业打造一批具有文化底蕴的酿酒师。已开发精酿啤酒 10 多款，申请国家发明专利 6 项，已授权 3 项，可以满足消费者对啤酒品种、品质求新求异的心理需求，并已经孵化精酿啤酒生产企业。

随着宠物饲养的不断流行，宠物相关及周边产业近年来规模迅速扩大。此款 专利定位于宠物零食，为宠物食品相关行业。此款专利通过添加茶叶有效抑制犬 只口腔的致臭菌群及口腔异味，营养丰富兼具良好的适口性。 产品工艺：粉碎，滚轧，烘烤 创新方法：添加红茶及绿茶茶叶以改善犬只口腔健康 添加塔拉胶提升产品适口性 主要指标：茶叶添加量为 2%左右 产品粗蛋白含量为 22%左右，高筋面粉与分离蛋白比为 3：1 麦芽糖浆添加量 45% 相比无添加及市场同类产品，该专利产品显著改善犬类的口腔卫生状况 效益分析 随着近年来中国家庭宠物饲养规模不断扩大，宠物及周边行业具有高速增长7 高附加值的特点。宠物零食作为宠物食品相关行业具有很高市场潜能。家庭饲养 犬只对于口腔异味以及牙齿健康的改善有极高需求。此款专利产品不仅营养丰富 均衡，适口性极高，而且通过动物实验验证对于犬只口腔致臭气体抑制具有显著 效果。

项目成果/简介: i4Ocean 的命名分为两个部分，其中Ocean代表本平台主要应用于海洋信息可视化领域，而i4寓意为四个英文单词即：Interactivity（交互性），Imagination（构想性），Immersion （浸没感），Intelligence（智慧性）。这四个单词概括了i4Ocean 的主要特点，也是本平台致力于实现的终极目标。 i4Ocean可视化原型系统主要实现以下功能： 1、数据处理：将常见的海洋数据转换为geotif、json、geojson。 2、可视化功能：标量数据可视化、剖面动画、体绘制、二、三维流线可视化。 3、可视化分析：中尺度涡识别、追踪。 4、舰船远洋航行系统：港口信息查询、全球港口显示、航线添加、海图导航、水文信息可视化。 5、视频录制：保存加载相机路径、高清截图、高清录像。 在系统中，我们提出了两种算法用于海洋环境数据可视化和分析。一种是基于gpu的光线投射算法绘制海洋温盐数据，一种是基于传输函数的海洋中尺度涡流交互式流场可视化算法，实现了时空相干和视口相干。引入交互式传输函数，从背景洋流中提取基于多种涡旋参数（如Okubo-Weiss参数）的二维和三维涡旋特征。 相关成果评选为2012年山东高等学校优秀科研成果奖、2013年青岛市科学技术奖、青岛市2017-2018年度优秀大数据解决方案。项目阶段:系统原型阶段效益分析: 该系统可用于船舶远洋航行、海洋数据分析、海洋数据处理。将常见的海洋数据转换为tiff，json。利用系统标量场、矢量场可视化功能，对海洋数据进行分析，为船舶航行提供指导。 该技术和装备可用于海洋深部结构研究，为发展我国海洋经济提供技术支撑，这将具有重要的社会经济效益。发展海洋数据分析及可视化功能，更可以拓展蓝色经济空间，推进军民深度融合。 该成果已与青岛海洋科学与技术试点国家实验室等单位开展深度合作，现阶段处在项目支持的前期研究中。同时与外地的合作单位有：中船工业集团，自然资源部直属单位国家海洋信息中心、国家海洋环境预报中心、国家海洋卫星应用中心。知识产权类型:发明专利 、 软件著作权知识产权编号:201510066037.9 201510070177.3 201510212425.3 201510212424.9 201710827686.5 201710828365.7 2013SR004155 2013SR010109 2014SR062104 2015SR014980 2015SR038759 2015SR085063 2015SR246570 2016SR010562 2016SR326470 2016SR325154 2017SR732244 2017SR737071技术成熟度:通过中试技术先进程度:达到国内领先水平成果获得方式:独立研究获得政府支持情况:无

项目成果/简介:本作业平台可以实现掘进头支护作业的完全机械化，改善掘进头工作面的支护状况，大大减轻工人劳动强度，能满足一定的超前支护要求，能有效提高掘进面作业速度，充分保证工作人员的作业安全性，是改进目前掘进头支护作业工作方式的综合机械化成套作业设备。

系统面向大型项目管理与科研管理，以先进的项目管理原理与技术为核心，并充分考虑我国项目与科研管理的实际需求。系统以项目管理流程为主线，整合管理项目实施所需要的时间、费用、质量、资源、信息与知识。通过流程、角色、权限、资源的动态绑定，实现系统的可视化设计与系统功能配置。系统不仅是一个过程管理系统，同时也是一个质量检查与管理系统，不仅是一个专家管理系统，也是一个知识管理系统。系统汇聚了数据分析、文本挖掘、决策支持、自然语言处理等众多先进技术，并支持SOA软件体系结构。 在项目管理方面，系统基于项目流程，通过对信息进行不断地收集、加工，共同完成整个项目管理的过程。 项目信息管理：每个项目记录以下信息：项目编号、项目名称、承担单位、单位地点、计划开始时间、计划结束时间、优先等级、项目预算。 项目计划制定：可定义项目里程碑（包括交付成果）和计划时间，以明确科研项目所处的阶段，控制项目从某个状态提升到下一状态，并且能够直观地显示项目所处的阶段，实现了项目的流程化管理。 项目流程管理：对项目的各种技术文档的审批流程、变更进行管理，项目的进度管理，建设管理数据库、存储有关管理数据，保存项目相关材料。 在科研管理方面，系统支持完整的科研管理生命周期，包括科研项目征集阶段、评议阶段、立项审批阶段、立项阶段、实施阶段、验收阶段、跟踪阶段，整个项目管理生命周期。系统支持科研项目过程管理，支持科研绩效评估也支持科研决策。与此同时，系统提供了丰富的相关管理功能： 工作任务分解：整个项目活动分级分解至可管理工作单元的层次结构，每一个工作单元具体描述在一个规定单位或个人的具体责任和计划时间。 计划进度跟踪：项目各阶段或交付成果文档的负责人将必须定期地对所负责的工作进行进度维护。系统能够自动地综合相关的信息进行项目完成百分比的维护。 成果状态的管理：任务交付成果的管理将根据具体任务中规定的不同交付成果形式进行，例如交付形式可以为文件、设计模型、产品或部件等。 内容发布：面向各项目课题组、科研单位等用户，进行公共的信息发布以及公告。起到宣传、通报、展示等作用，即时地通过因特网向用户发布通知。 资料文档下载：各个项目中存在着大量地公共文档以及各种模板，为了方便所有用户，将此类文档和模板进行合理组织，用户可以轻松实现公共文档和模板的下载和上传功能。 辅助决策功能：提供相关的分析工具，综合应用现代管理技术，对各种关联管理信息进行对角度剖析，提供多维图表，实现对知识分析和知识挖掘，为决策提供了可靠的支持。 绩效评价：建立了多种大型项目与科研项目评估指标体系，利用关键绩效指标对工作完成效果进行测度，可以有效的对工作绩效作出评估。 本系统面向大型项目管理与科研管理，可用于通信、能源、交通、政府、国家中医药管理局、医疗机构、冶金行业、石油石化等行业。

本作业平台可以实现掘进头支护作业的完全机械化，改善掘进头 工作面的支护状况，大大减轻工人劳动强度，能满足一定的超前支护 要求，能有效提高掘进面作业速度，充分保证工作人员的作业安全性， 是改进目前掘进头支护作业工作方式的综合机械化成套作业设备。

大数据应用的多样化 需要的计算模型、数据模型多样化； 目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。 多系统导致大数据分析平台非常复杂、效率低下。研究目标：研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个 方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键 值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计 算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这 套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们 对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于 大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计 算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三 个方面，分别详细介绍FAST系统的三个主要亮点。融合架构FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包 括多数据模型融合和多计算模型融合两方面。多数据模型融合：设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、 文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据 分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。多计算模型融合：在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集 的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和 流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。高时效FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗， 提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。对于多模态存储，面向应用负载和异构硬件特征进行自适应优化；对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等；在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效；而且我们也考虑到大数据分析过程中用户人工操作的时效性问题， 通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的 时间。可扩展FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、 存储层和计算层进行了全面的扩展性优化。在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块， 能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持 到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提 升。亮点成果：融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。 从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。同时在双十一期间，基于智能交互向导技术，也面向电子商务应用 的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品 销量变化的原因，以及促销的有效手段等。