本项目创造性提出符合中药特点的制药工业大脑模型，将中药传统工艺与最新智能技术相融合，改革中药粗放型生产制造方式，建成符合高效能生产优质中成药要求的中药智能制造平台，成为信息化、网络化、智能化制造中成药的开拓者，为中药制药企业高效营运、提质降本、高质量发展提供了关键核心技术体系，实现了科学、严谨、智能、精准管控中药制药过程的技术跨越。   关键技术1：中药制药关键物料属性智能辨识技术 本项目在中医药理论指导下，将现代医学分子实验方法与知识网络分析等智能技术相融合，科学认知中成药临床优势特色和中药产品质量属性。 研发了3种辨识方剂化学物质的新方法，整合方剂药材组成、化学成分、中医证候和临床疗效等知识单元，从方-药-病-证入手，提出三个层次的知识关联网络构建方法。根据“病证结合、方证对应、理法方药一致”研究理念，构建了涵盖药材-证候、药材-疾病、成分-疾病三个层次的方剂关联知识网络。在此基础上，整合中医遣方用药规律、现代分离分析与高通量筛选技术，发展了基于知识发现的方剂活性物质智能认知新策略，研究发现小青龙汤类方宣肺平喘、助阳解表功效物质组以及一系列具有潜在抗病毒活性的方剂活性物质，不仅为诠释方剂组方的科学内涵提供了技术工具，也为智能认知中成药质量属性探索了新路。 以中医气血理论认识心脑血管疾病及2型糖尿病的共同特征，针对疾病发生发展的关键病理环节，以糖脂代谢、血管功能、血液流变等为重点，构建心脑血管疾病共有生物分子网络模型；创新设计靶向PTP1B等关键靶点的荧光探针，用于辨识具有抗脂质累积、改善胰岛素抵抗等生物效应的中药活性物质，在此基础上建立了“成分-靶点-通路-疾病”多层次网络整体分析方法。 以芪参益气滴丸、冠心宁片、丹红注射液等品种为研究载体，通过系统总结中成药化学、生物及临床应用信息，梳理中药生产制造中所涉及的知识实体类、实体类属性及属性数据来源，并详细描述各类实体间的关系，从而构建中药制药知识图谱，科学认知中成药临床特色和中成药质量属性。   关键技术2：中药产品质量多属性同时检测技术 本项目发明了可同时检测中药质量及其生物活性成分的方法以及中药产品化学属性与生物属性同时检测法，并建立了基于深度学习与计算视觉的中药理化属性与生物属性高光谱同时检测法，实现了中药化学-生物属性融合检测、化学-生物-物理属性融合检测以及生物活性多重检测，为多方位快速检测中药产品质量开辟了技术新路。 创新设计中药化学-生物融合检测原理，通过在能够特异性识别生物靶标的肽段上修饰易离子化的标签分子，合成制备靶向质谱响应探针，用于多靶标高灵敏同步检测，再使用DART-MS对中药质谱指纹图谱与多靶酶活性进行融合检测，从而建立了基于质谱响应探针的中药质量多属性同时检测法，可快速、灵敏、准确地同时检测中药产品化学成分一致性与生物活性，相关研究成果发表在国际分析技术领域顶级期刊《Analytical Chemistry》（IF=6.7）。 首次将微流控芯片应用于中成药质量评价，针对心脑血管疾病相关的两个关键靶酶（凝血酶与血管紧张素转化酶），发明并研制出多功能的微流控芯片，将其用于评价芪参益气滴丸等中成药的生物活性，实现了对正常与异常批次产品的准确识别，且效果优于色谱指纹图谱方法。这种微流控芯片不仅可用于评价中药产品生物活性，而且能够同时筛选出中药产品内具有酶抑制活性的化合物。 将新一代人工智能技术与高光谱分析技术相融合，用于智能处理高光谱（可见光和短波近红外）数据，研制出一种可同时检测中药注射剂化学、生物及物理质量属性的在线分析方法。该方法包括一个端到端的多输出深度学习模型和一种新的双尺度异常检测算法，前者以光谱数据为输入，可同时测定多个化学成分含量和生物活性指标；后者通过对图像数据进行边缘检测、角点检测以及曲率计算，能检测出最小直径为60 μm的可见异物，实现了总黄酮、总内酯、抗氧化活性、抗凝血活性、色度及可见异物的同时检测。   关键技术3：中药制药过程多维度智能感知技术 本项目建立了中药制药过程多维度智能感知技术，从不同方位表征制药过程物料信息与时变特性，为智能认知制药过程规律提供关键信息。 采用高光谱和高速摄像等技术获取不均匀药材表面上光学数据，优选数据融合及分类方法，依靠计算机视觉准确感知药材真伪、产地、质量等级；进一步与常规液相色谱检测等技术相结合，从物理性状、指标成分和大类成分等多个维度综合精准感知药材品质。针对致病微生物快速检测，研制了基于SERS的生物传感器，利用拉曼光谱仪快速检测中药产品中微生物，攻克微生物检测时间长、灵敏度低的现场感知难题。 针对提取过程等中药制药关键工序中有效成分时变信息检测，采集并比对正常及异常工况时的提取动态光谱数据，采用机器学习算法建立监测模型，在线实时获取过程中有效成分提出情况，通过提取数据积累，不断提升模型精度，准确感知提取过程工艺品质。 为有效降低异常工况发生率，提出中药制药过程轨迹监测方法，采用Hotelling T2、DModX和主成分得分等多维统计量综合表征过程状态，快速灵敏感知制药过程状态异常；根据状态特征控制后续工况操作参数，提前排除潜在扰动因素，保持过程轨迹始终处于控制限内，攻克了中药生产制造状态无法测控的难题，并成功应用于丹红注射液生产现场。 运用所建立的适用于中药复杂体系并体现整体观的中药制药过程多维度智能感知技术，将制药分析技术从以往的“检测指标成分”创新发展为“监控制药过程状态”，科学测判中药制药过程状态一致性，开创了中药制药过程一致性管控的技术先河。   关键技术4：中药制药过程智能认知与优化技术 本项目在中医药理论指导下，聚焦中药先进制药与信息化融合中的重大技术挑战，创造性提出符合中药特点的制药工业大脑模型以及中成药生产制造知识图谱构建方法，建立了制药过程智能认知与优化技术，打通“信息孤岛”，从而能利用中药工业大数据来发现中药制药知识，提升中药制造智能化程度。 建立药材关键性质和关键过程参数范围与过程产物品质之间的定量关系，明确制药过程对药材质量波动的承受能力大小，建立与之相匹配的投料药材质控标准；进而采用不同批号药材按比例混匀投料等均一化质控手段严控药材关键指标成分含量波动在预设质控标准范围内，显著减少原料批次间差异，从制药过程源头保障了中药质量。   创建了风险分析和统计分析相结合的中药制药关键工艺单元辨析及工艺关键参数辨识技术，提出加权决定系数法综合制药工艺对有效成分含量、风险物质限量和生产效率等的多目标需求，自主开发计算机软件并获软件著作权，为精准设定制药过程控制目标参数提供了有效认知工具。

通过选种选配、合理搭配饲料营养、光控技术提高繁殖率和疫病控制等综 合配套技术建立水貂育种核心群，育种核心群水貂断奶时平均成活率达 5 只以 上，毛绒品质提高 20%以上。 

研发阶段/n中国工程院院士熊远著教授及其团队长期致力于动物遗传育种特别是猪遗传育种的科研教学工作，主持培育的瘦肉型母本新品种湖北白猪及其品系，1988年获湖北省科技进步特等奖；引进名优瘦肉型猪种资源，建立核心育种群和供港活猪基地，创建我国第一个种猪测定中心并组织开展种猪集中测定。80年代初主持优选的杜湖猪畅销港澳，1985年获香港猪栏栅协会金杯奖；提出了瘦肉猪专门化品系选育技术路线与方法，主持培育出多个专门化父母本品系并配套利用。研究成果先后获得获国家科技进步奖6项、省部级科技进步奖10余项、国家科

Na+是荒漠植物适应干旱环境时最主要的渗透调节剂，适量的Na+既可增加荒漠植物梭梭、白刺、霸王和红砂的生物量又能提高其抗旱性。目前白刺种子的催芽方法费时费力，我们经实验获得了一种能促进白刺种子快速萌发的新方法，获国家发明专利——《促进白刺种子快速萌发的方法》。其创新点在于首次在10 天内使白刺种子的发芽率由不发芽提高到69%；转化途径为用该技术缩短白刺育苗时种子的催芽时间并显著提高发芽率。 技术特点： 该成果的应用不仅可减

氮和磷是植物生长所必需的两种最为重要的养分元素，在气候变化和CO2浓度上升的背景下，氮、磷养分的供给不足限制了陆地植物的生长及其对大气CO2的吸收能力，成为制约未来陆地碳汇的重要因素。然而，全球陆地生态系统氮、磷限制的空间格局仍是一个尚未解决的重要科学问题。地理科学学部杜恩在副教授与斯坦福大学Rob Jackson教授团队合作，提出了氮、磷限制评估的理论框架并量化分析了全球陆地生态系统氮、磷限制的空间格局及其关键影响因素，相关结果近日发表在Nature Geoscience。 该研究根据化学计量内稳态假说和最小限制因子定律，推导提出基于叶片氮、磷重吸收效率比值指示氮、磷限制的理论框架，进一步建立全球陆地植物叶片氮、磷重吸收效率数据库和全球养分添加实验数据库，并在上述框架基础上量化评估了全球陆地生态系统氮、磷限制的空间特征，完成了全球陆地生态系统氮、磷限制的高分辨率空间制图。 该研究发现，全球自然陆地生态系统（农田、城市和冰川除外）有18%的区域受到较强的氮限制，而43%的区域受到较强的磷限制，其他39%的区域则受氮、磷共同限制或氮、磷任一元素的微弱限制。总体而言，氮限制在在苔原、北方针叶林、温带针叶林、山地草原及灌丛较为普遍，磷限制在热带及亚热带森林、温带阔叶林、沙漠、地中海植被、以及热带、亚热带和温带草原、稀树草原和灌丛较为常见。相关结果增进了对全球陆地生态系统氮、磷限制格局的量化认识，为地球系统模式氮、磷限制的模拟提供了基准数据，有望更好地预测气候变暖和CO2浓度上升情景下陆地碳汇的变化。该论文自2月10日在线发表后，已多次被科学媒体网站报道，包括SciGlow、myScience、Science Edition、Phys.org、Technology.org、News Wise、Mirage News、CO2 Coalition等。 杜恩在副教授为论文第一作者和第一通讯作者，斯坦福大学Rob Jackson教授为论文共同通讯作者，其他合作者来自美国劳伦斯利弗莫尔国家实验室、瑞典隆德大学、荷兰乌特勒支大学、中科院植物所等研究机构。该研究受到国家自然科学基金（41877328, 41630750 & 31400381）、霍英东青年教师基金（161015）、地表过程与资源生态国家重点实验室项目（2017-ZY-07）资助。

系统的主要功能包括（参见图1）： （1） 数据、视频实时数据采集和无线传输； （2） 基于上位机的远程控制和数据显示、追溯及分析等； （3） 基于手机客户端的移动APP线上线下销售； （4） 基于WiFi的手持终端定位、导航和跟踪； （5） 信息融合和专家决策支持系统； 应用领域包括：温室环境智能控制、智能家居、农田生产（四情）监测、旅游景区的人流量统计及大数据分析、大型商场智能监控、地下停车场定位等。 项目特色：和有机农业的行业领导者紧密结合，解决现有农业物联网系统中有线系统中的布线复杂、成本高且功能单一的难题；在TCP和UDP协议下都可实现毫秒级延时的实时控制；集数据采集、传输、远程控制及终端定位、导航和监控于一体；系统可完成基于手机APP和上位机软件的多种控制方式；只要满足有WiFi，Internet，移动网络其中的任意一个即可进行远程控制。 先进性：国内首个集数据采集传输、视频监控、终端导航、定位与跟踪与一体的农业信息化平台，利用手机APP实现对农作物的线下生产、线上销售、长势跟踪等一体的多功能农业信息化智能平台； 技术指标：电源输入（DC 2.0～3.6V）；控制延时<30ms；误码率< ;无线节点续传距离>=150m；无线AP覆盖范围>30X30 ;定位精度<1.5m；可用信道数15个；支持点对点、点对多点、对等和Mesh网络 能为产业解决的关键问题： 可解决传统农业中的粗放式种植、经验型种植及人工参与度高等问题，在降低农业生产成本的同时，提高农业生产、销售、追溯等环节的智能化水平。基于WiFi获取的现场后台大数据挖掘将解决现代农业的专家知识匮乏问题，形成可信度高的知识库指导农业生产。 实施后取得的效果： 推动当地农业智能化水平进步，提高农业生产效率、减少农业生产成本，促进规模化种植、最终形成行业标准。