研发阶段/n青砖茶清洁化快速渥堆发酵技术。　　成果简介：传统青砖茶发酵生产周期特别长。原料渥堆时间在夏季要20-30天，在冬季一般为2个月以上；渥堆发酵好的原料进行大堆陈化时，至少需3个月以上的时间。前后算起来，传统青砖茶从原料到可以压制前，至少需耗时4-5个月以上。传统青砖茶整个发酵生产过程，清洁化程度低，占用生产空间严重，人工成本高，且发酵品质难以控制。通过应用本成果技术，青砖茶可以实现从原料到压制成砖，前后仅需20-30天。而且生产的青砖茶香气甜陈，汤色橙红明亮，滋味醇厚，品质优异。全程可以实

项目主要是针对汽车制造企业和模具制造企业而开发的一种新技术，可以显著缩短新车型试制和模具开发周期，同时降低成本、减少新产品开发风险，该成果的研制成功为轿车新车型开发和模具试制提供了一种重要的支撑手段，既可以满足中小批量冲压件生产要求，支持200辆样车试制，同时又可以通过实际试冲压和快速反求技术为钢模具加工提供可靠的设计数据和工艺参数。该成果创新性的开发了运

1 成果简介屈曲失稳破坏是钢结构破坏的主要形式之一，通常出现的比较突然，会造成较严重的损失。 在各国的工程史上因压杆失稳破坏而造成的事故屡见不鲜，例如， 1907 年加拿大魁北克大桥的倒塌和 1978 年美国哈特福特城体育馆网架结构的倒塌等。 近年来，钢结构因其设计简单，施工方便，建设周期短等优点，已经成为国内一种重要的结构形式，但结构失稳事故也时有发生， 如 2008 年初的我国南方冰雪灾害和汶川地震中输电钢塔和发射塔的大量倒塌， 主要是由于经验不足和发展速度过快，出现了许多稳定承载力安全储备不足的现象，甚至有一些发生了失稳破坏，还有一些因使用荷载过高、腐蚀、施工失误等因素而造成了结构破坏。 FRP 抗屈曲加固与其他加固方法相比，具有以下优势： （ 1） 施工方便快捷，无明火，可不用起重设备，无需支模，对生产使用影响小； （ 2） 附加质量轻，对原结构影响小； （ 3） 加固后构件的抗腐蚀性能大大提高； （ 4） 加固方式灵活，可套管也可外包，适用于各种截面形式； （ 5） 承载力提高显著，破坏过程趋于延性； （ 6） 可与其他的 FRP 加固钢结构，如抗疲劳加固、抗弯加固、抗剪加固以及节点加固等结合进行； （ 7） 可利用我国丰富的竹材资源，有利于可持续发展。2 应用说明FRP 抗屈曲加固钢构件是采用 FRP 管拉挤型材或纵向纤维布组成套管，再局部外缠环向纤维布增强， FRP 套管与钢构件间填入砂浆或竹篾等填充材料，从而提高构件的承载力，实现对塔架杆、柱、桁架杆、网架杆、支撑等稳定承载力控制的钢杆件的加固。 FRP 抗屈曲加固钢构件的构造如图 2 所示。图 1 各种截面形式的 FRP 抗屈曲加固钢构件1 为被加固钢构件，适合于各种不同截面类型的构件； 2 为填充物； 3 为 FRP 型材或 FRP 布外缠增强层； 4 为 FRP 布局部增强。 图 2 FRP 抗屈曲加固钢构件示意图3 应用说明该技术可广泛应用于钢结构输电塔、发射塔、桥梁以及建筑加固工程中，特别是在道路压力大的城市路段，交通不便的偏远地区，有高耐腐蚀需求的海岸工程和有特殊施工要求（如不能明火等）的地区等有着极好的投资回报。4 效益分析在同体积情况下， FRP 纤维增强复合材料的造价比钢材约贵 10~20%。但由于 FRP 这种复合材料的比重只有钢材的四分之一，便于运输，因此既可以缩短工期，又可节约大量施工成本，从而都达到节能减排的效果。特别适用于交通不便的偏远地区。5 合作方式技术服务和技术转让。

一、成果简介 近十几年来，随着物质生活水平的提高，过敏性疾病发病率越来越高。据统计，过敏患者已占世界人口的40%，在我国，过敏反应发病率约为10%，且呈逐年上升的趋势。其中食物过敏严重威胁着人类健康，90％的食物过敏是由牛奶、鸡蛋、大豆、花生、鱼、甲壳类、坚果、小麦等8大类 物质引起的。过敏症状主要表现为腹痛、腹泻、呕吐、皮疹、鼻炎、哮喘、过敏性休克等，严重可 致死亡。食物加工方式多

目 前已有的研究， 尚无直接针对猪肉冻藏期的检测方法，虽 然冷冻猪肉的品质指标与冷冻储藏期有密切的联系，但是其检测方法大都存在检测时间长、操作步骤繁琐、需对样品进行解冻的缺点。极大的限制了对冷冻猪肉状态监督检测的开展，造成了对冷冻肉品监管

中试阶段/n该项目是利用近红外来检测稻米，其光谱区为780-2526nm，主要是由低能电子跃迁、含氢原子团伸缩振动的组合频和倍频吸收产生。稻米中含有较多的含氢基团，所产生近红外光谱可用于稻米成分、理化特性等的定量分析。确定了稻米主要营养成分（蛋白质、脂肪含量）和加工指标（出米率等）、稻米品质的特征波长、建立了稻米品质的预测模型和开发了稻米品质近红外检测软件，由于近红外光谱分析技术具有快速无损、测试简单、检测成本低和重现性好等优点，可广泛应用于农业领域（稻谷、小麦等粮食加工企业），实现稻米全产业链生产

成果简介：本项目是在长期的学术研究和工程实践基础上，结合计算机技术、 模式识别技术和 DSP 技术研发的综合性智能视频监控技术。它以高速计算和 控制模块为核心，实现视频图像的自动分析，发现并跟踪重要目标，抽取图 像中蕴含的有价值信息，实现视频监控环境下对视频信息的自动处理。本项 目中技术成果包括：基于 DSP 系统的复杂背景下运动目标自动检测和自动跟 踪技术；实时图像和录像中的特定目标自动搜索技术；多摄像机自

李梢教授团队针对我国胃癌早诊率低于10%，胃癌前病变患者的癌变率仅有0.6%/年，胃炎癌转化中西医特征不清、防治措施不明的重大难题，创建以“智能早筛-极早诊断-精准早治”为特色的胃癌极早期中西医智能防治体系，显著提升我国胃炎癌转化中医药防治水平。

成果简介： 平时严重交通伤，战时火器伤，恐怖袭击，抢险救灾以及塌方、台风、地震、海啸、泥石流等自然灾害可能造成短时间内同时出现大批伤员。对这些伤员伤口的急救历来是创伤急救医学甚为关注的问题。由于不及时的止血，可能会导致伤 员昏迷、休克甚至死亡的严重后果。 目前临床常用的止血材料主要适合于日常手术中的止血，但对大动脉剧烈喷 射状出血止血效果欠佳。对这种类型出血的止血一直是医学研究中的难题。美国 军方早在2003 年伊拉克战争中就已将所研制的动脉出血用快速止血材料装备部 队，并在 200

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性预测服务器首页致癌性预测结果页相关综述对本服务器的介绍RF-hERG-Score预测药物引起的hERG相关心脏毒性2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。特异性重打分函数显著虚拟筛选性能显著较高筛选出两个候选抑制剂3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。lncRNA-蛋白质相互作用预测模型的性能比较lncRNA-蛋白质相互作用预测服务器相关软件著作权：