近年来，随着我国工农业生产的迅速发展，我国土壤环境中的重金属（尤其镉和铅）污染日益严重。传统的重金属污染土壤治理存在着以下缺点:(1)成本高;(2)破坏土壤生态环境;(3)可能造成二次污染。因此，一般很难在面积大、程度轻的污染土壤修复治理中实际推广应用。 本成果筛选和培育排异和低积累土壤镉等有害元素的农作物品种，提供了一种在重金属中、轻程度土壤进行农业安全生产的技术方法，是一种成本低、操作简单、对土壤干扰小，原位绿色和安全高效的技术途径，利用本方法可以达到边安全生产边修复土壤污染之目

发明耦合精馏的重排反应工艺，打通两大香料产业链。通过耦合反应精馏技术，即时转移易聚合反应产物，提高反应收率。 一、项目分类 关键核心技术突破 二、成果简介 芳樟醇与柠檬醛是典型的大宗香料，在日化和食品领域应用广泛。这两类大宗香料基本上由化学合成得到，由于合成路线长，产品质量容易波动；重要中间体合成难度大，生产成本不易控制；关键反应选择性差，香气品质难以调控。因此，质量稳定、成本低廉和香气品质好是这两类香料的核心要求。针对以上现状，近20年来我国先后有许多企业前仆后继、不断努力参与竞争。 浙江大学和新和成历经10余年的研发，实现核心技术的突破，创立高效生产芳樟醇和柠檬醛系列香料的技术路线。（1）首创自活化超临界反应技术，大规模稳定生产柠檬醛。基于超临界反应热力学和动力学理论研究，首次利用超临界条件实现底物的自活化，由异丁烯和甲醛衍生物稳定生产重要中间体异戊烯醇，反应时间由传统工艺的16小时缩短至3分钟，进而通过高压管道反应技术实现连续生产，保证产品质量稳定。（2）发明耦合精馏的重排反应工艺，打通两大香料产业链。通过耦合反应精馏技术，即时转移易聚合反应产物，提高反应收率。共用炔醇中间体，以全新路线打通芳樟醇与柠檬醛的产业链，与国际同类技术相比，芳樟醇与柠檬醛的生产成本分别下降16.8%和13.4%。（3）突破选择性氢化的调控技术，实现香气品质的稳定可控。基于香料结构与香气属性关系的认识，开发针对性的氢化催化剂，精准调控反应选择性，抑制敏感杂质的形成，使得项目生产的芳樟醇纯度高于国际同类产品0.5%，杂质数量减少50%，香气品质显著提升。 基于上述技术的集成创新，新和成公司实现了芳樟醇与柠檬醛系列16种香料的工业生产，其中芳樟醇系列香料销量约占全球1/3，位居世界第一位，柠檬醛系列销量位居世界第二位，实现了我国芳樟醇与柠檬醛系列香料从依赖进口到主导国际市场的根本转变。

一、成果简介 本项目针对当前我国城乡大量存在的市镇污泥，采用环境生物技术，开展好氧堆肥发酵快速处理，实现废物的循环利用，对于保障生态环境，推动有机固体污泥的资源化利用以及生物有机肥企业的发展，有着重要的意义。项目解决了传统污泥堆肥中堆肥时间长、养分损失大、臭味控制难以及规模化工业化生产水平落后等问题，堆肥周期从已往的35-45天缩短到10-15天，堆肥养分损失减少了30%以上，堆肥臭味得到明显控制，有关成果已授权专利4项，达到国际先进水平。

6月17日，由中软国际教育科技集团与兰州信息科技学院联合共建的中软国际人工智能产业学院和校外实训基地成立暨揭牌仪式在学院顺利举行

为促进“芜马合机器人产业集聚试点区”建设，充分发挥安徽工程大学多学科综合优势和属地高校便利条件，本着“优势互补、互利互惠、资源共享、共同发展”的原则，芜湖市人民政府与安徽工程大学联合组建安徽工程大学机器人产业技术研究院，并共同出资注册了芜湖安普机器人产业技术研究院有限公司作为运行实体。 公司成立于2014年8月，位于国家芜湖机器人产业集聚区，是专门从事机器人及智能装备研发与集成应用为一体的产学研相结合的高科技公司。现有员工44人，其中安徽省“115”产业创新团队带头人1人、安徽省技术领军人才2人、芜湖市战略性新兴产业优秀人才2人，教授1人，副教授3人，工程师3人。公司主营业务包括四个方面：一是机器人关键和共性技术研究及机器人集成应用；二是新产品开发和成果转化；三是教育装备产品研发及销售；四是利用安徽工程大学资源，开展硕士人才、本科人才培养，以及机器人技能培训。 公司以“踏实做事，勇于创新”为核心价值，致力于科研平台和团队建设，努力提升科技研发水平，以及服务于产业的能力。公司现承接了2项安徽省科技攻关计划项目，4项芜湖市科技计划项目，1项安徽省重点研究与开发计划项目,1项安徽工程大学专项基金项目；建立了省级院士工作站、省新型研发机构、省“115”产业创新团队、芜湖市工程技术研究中心、市重点研发创新平台；获批了高新技术企业、安徽省第一批建设培育产教融合型企业、中国产学研合作创新示范企业；建成了包括机床上下料生产线、筒子纱包装生产线在内的10余条自动化生产线；完成了包括芜湖职业技术学院、安徽机电职业技术学院等40余所高校和培训机构的机器人实验实训室的建设项目。

5G+AI 云边一体化智慧出行解决方案，针对道路事故率高、交通拥堵困局、道路交通监管难、公共交通信息阻塞等问题，汇集了5G 通信、AT 算力资源平台、AI 算法、边缘计算网关、车路协同、智慧灯杆、大数据管理平台等诸多软硬件技术成果，具有充分的综合性、创新性、协同性、大集成等特征，同时将 5G、AI、物联网、大数据、云边一体化等技术交互融合，实现交通流感知、交通事件感知、配时方案优化、智慧灯杆、边缘计算网关等功能。 建设进展 研发方向一：网络建设规划南京移动在新港地区优先投入5G建设资源，目前新港开发区范围内，共 规划5G站点114个，其中宏站82个，杆站32个；已开通宏站27个。本项 目规划恒竞路需求站点11个，宏站9个，杆站2个，厂区内部宏站2个，兴 智路需求站点6个，其中宏站2个，杆站4个。 研发方向二：AI云平台研发 南邮信产院投入建设AI云平台，为人工智能提供算力支撑，为算法模型训练提供海量数据和开发环境，为区内 人工智能企业及高校科研人员提供一站式人工智能产业服务，带动人工智能技术的提升。目前已建成。 研发方向三：智慧灯杆+边缘网关 智慧灯杆：场景载体，环境感知等多功能实现。 边缘网关：各个功能互通互联的媒介 目前智慧灯杆进入融合各家设计阶段。 研发方向四:车路协同/无人驾驶交通流感知-实时感知城市交叉口内车流量、速度、排队长度、占有率等数据。交通事件感知-提供停车，逆行，超速，拥堵，变道等事件信息，并提供照片和视频。车路协同-将感知数据下发至无人驾驶车辆，车辆根据获得的信息自动优化行驶路线。配时方案优化-将感知数据直接下发到交通信号机，实时生成交通信号配时方案，下发至交通信号机，实现路口单点自适应控制。 研发方向四：车路协同/无人驾驶建设面向L4级无人驾驶的车路协同系统。主要是车路协同系统车端建设。通信网络建设方面：参与对5G网络的验证，协助验证5G网络与无人驾驶的互联互通。 大数据平台建设方面：其无人驾驶车可以在多场景应用，充当城市各种数据收集的载体。 车路协同云控平台建设方面：承担车路协同云控平台建设。 关注重点 开放性场景定义：一般是指城市基础设施建设运营管理、产业发展、民生服务等领域，对新技术新产品有应用需求的各类工程、项目。通过应用场景开发建设，可以推进新技术新产品的示范应用和迭代升级，助力新技术新产品推广应用。《南京市关于加快应用场景开发建设2021年行动方案》围绕5G+AI云边一体化创新应用示范道路，向全产业链（企业、科研机构等）开放能力。一是路侧基础设施开放，在南京南邮信息产业技术研究院有限公司统筹管理下，开放路侧龙门架、杆位等资源，以及相应的供电 、联网能力，为路侧生态参与者提供宝贵的示范场地；二是数据开放，在保障信息安全和公共隐私的前提下，开放路侧时空全覆盖的结构化与非结构化数据，形成"兴智路数据集"，为产业发展注入珍贵的稀缺数据资源；三是应用开放，建立其他生态参与者加入的申请入口，规范开放"数据集"，通过互联网、展厅等线上线下渠道向全社会展示 5G+AI云边一体化创新应用示范道路的成效。 示范性在中国（南京）智谷的指导下，本项目参与四方集聚各自技术及资源优势，群策群力，协同创新，紧密且高效地推进建设计划；将5G、AI、物联网、大数据、云边一体化等技术交互融合，期望建成经开区人工智能产业方向上的标志性应用场景，树立良好的示范典型。 先进性5G+AI云边一体化创新应用示范道路"项目，针对道路事故率高、交通拥堵困局、道路交通监管难、公共交通信息阻塞等问题；汇集了5G通信、AI算力资源平台、边缘计算网关、车路协同、智慧灯杆、大数据管理平台等诸多软硬件技术成果；与其他单纯的车路协同场景、智慧灯杆场景相比，具有充分的综合性、创新性、协同性、大集成等独特特征和 充分的先进性。

“全面感知、深度融合、多维服务”的淮阴工学院智慧校园建设与应用实践近十年来累计投入 1.98 亿元，围绕新型基础设施、数据中台、智慧教学、智慧科研、智慧管理、智慧服务等方面建成了高水平智慧化数字校园，在学科与信息化融合、网络安全等方面形成鲜明特色。

（一）项目背景 当前，智慧教育具有智能导学、精准推荐、定制辅导、精细评价等特点，已成为国际国内教育信息化发展的趋势。智慧教育的研究主要聚焦于智慧学习环境建设的研究、智能技术支持下的智慧教学研究和机器学习技术支持下的个性化学习研究。智慧教育的出现极大地促进了当前教育中学习空间的重构。在“学习空间”之前，人们通常使用“教学空间”来指代这种场所，将有教学活动的场所均称作教学空间。随着人们对学习过程的理解变化、智慧教育的快速发展以及人们对非正式学习的重视，学习空间逐渐由单一的物理教学空间向包含物理空间、网络空间、移动空间的多元学习空间转变。多元学习空间的提出虽然更多地体现出了“以学生为中心”的倾向，但如何具体衡量多元学习空间对学生学习效果的影响是评价多元学习空间的重要步骤。同时，在多元学习空间具体构建时，面对空间中来源不同、结构多样、数量庞大的多模数据如何进行处理存储、并在保证数据有效性的前提下对教育数据进行隐私保护是多元学习空间需要解决的另一个难点。 （二）项目简介 本项目主要目标是针对信息技术支撑下学习空间多元化、场景复杂、需求多样化，学习者及学习行为呈现出新的特点和规律，研究多元学习空间中学习行为数据化关键技术，构建“云-边缘-物联网”架构的多模态数据存储与处理平台，实现混合式学习环境下学习行为智能感知和数据化，优化学习行为模型，基于实际应用与不同学习目标函数及内容，建立可重复、可预测、可验证的对比数据集，为数据驱动的智慧教育生态构建和教育应用提供核心技术与数据支撑。 （三）关键技术 我们面向智慧教育中准确认知学生的学习状态和行为的大数据需求提出研究方案。本项目实施方案涉及教育学、物联网、云计算、人工智能、隐私保护等多个领域，主要技术路线如图所示： 图 1 技术路线图 其中，项目包括的关键技术主要有以下三点： 1.基于物联网的多模态数据实时智能感知和多时间域数据采集技术 该技术针对学习状态的数据化、特征参数量化问题，设计能够采集多 重学习空间下的智能数据感知物联网系统。主要技术难点在于抽样频率与 识别准确度的平衡、人机交互的变化规律等全新科学问题。 2.学习状态多模态数据解析和智能处理技术 利用智能感知物联网采集实时性的原始学习状态数据，包括面部表情、 脑电信号、头部姿态、交互行为等原始数据，这些数据具有数据量大、模 态多、冗余度高等特点，需要通过智能化的预处理方法转换成可以量化的 状态数据。 3.多层次数据差分隐私保护技术 学习行为数据是学习者被动采集的多方面行为数据，受到日益增长的 具有争议性的数据伦理的制约。该项技术通过数据隐私保护机制实现数据 多层次化的差分隐私安全算法；在保证学习者最大数据隐私性的前提下， 研究满足学习行为分析所需要的数据颗粒度。