石油和天然气是重要的能源矿产和战略资源，与国民经济、社会发展和国家安全息息相关。在石油天然气的运输过程中，管道输送具有经济性、安全性和连续性等优点。管线钢主要用于加工制造油气管线，性能上要求高强度、高韧性、良好的焊接性能和良好的抗腐蚀性能。而非金属夹杂物是影响管线钢性能的主要因素之一，主要危害有：（1）会造成水口结瘤，影响生产顺行；（2）能够能够导致管线钢产生疲劳裂纹；（3）会影响管线钢的冲击韧性；（4）会降低管线钢的抗腐蚀性能，尤其是 A 类和 B 类夹杂物，会造成氢致裂纹的产生；（5）会恶化管线钢的焊接性能。因此，开发了管线钢中非金属夹杂物控制关键技术，为我国管线钢产品质量的提升做出了贡献。 （1）管线钢精准钙处理模型以及在线指导软件。钙处理是管线钢夹杂物的最主要方式，通过钙处理能够将 MnS 夹杂物改性为 CaS，将 Al 2 O 3 为主的夹杂物改性为钙铝酸盐，从而降低夹杂物对管线钢性能的危害。然而在大部分企业生产过程中，钙处理过程的钙线喂入量都缺乏一个标准，主要是依靠经验进行操作。由于各炉次的钢渣成分和温度等的差异，导致不同炉次间的钙处理效果波动很大，有些炉次钙处理后产品性能还发生恶化。本项目建立了管线钢精准钙处理模型，通过对管线钢不同钢液成分和温度条件下钙处理窗口进行的计算，确定了管线钢的不同成分条件下最优的喂钙线量。与国外同类型模型相比，考虑的工艺条件更完全，考虑的反应物和产物也更全面，因此也更接近生产实际，准确率更高。同时，以管线钢精准钙处理模型为基础开发出了钙处理在线指导软件，可实现管线钢生产过程中针对每一炉次的工况条件进行精准喂钙量的在线指导，并已实现了在管线钢生产中的在线应用，计算结果更直观。 （2）低钙含量处理控制管线钢 B 类夹杂物技术。传统的管线钢钙处理一般都是采用高钙处理路线来使夹杂物改性为高 CaO 含量的较高熔点钙铝酸盐，如图 2中窗口 B 所示。但是在高钙含量处理时容易在钙处理后生成大尺寸钙铝酸盐夹杂物，而且在钙处理后的过程中由于钢中 Ca 的挥发或者钢液二次氧化的消耗，钢中钙含量会有所降低，导致高熔点钙铝酸盐往液态钙铝酸盐转变，当尺寸较大时会在轧板中形成 B 类夹杂物，危害产品性能。因此，本项目从另一角度考虑，开发了低钙含量处理控制管线钢 B 类夹杂物技术，如图 2 中窗口 C 所示，即高 Al 2 O 3一侧的 50%液相点至 100%液相开始点所对应的 T.Ca 含量范围。在此情况下，夹杂物由部分液相和部分固相组成，这样既不会在浇铸过程发生水口结瘤，又不至于在轧制过程中形成 B 类夹杂，同时由于喂入的钙含量较低，整体上夹杂物尺寸要更小。此技术应用到企业的管线钢生产实践中，能够有效减小夹杂物尺寸和降低 B 类夹杂物评级。 （3）含 Ca 硅铁钙处理技术。在管线钢生产过程中会添加大量的合金，合金的纯净度会对钢液成分甚至钢中夹杂物产生重要影响，一般来说这种影响是有害的或者是无用的。本项目针对硅铁合金中含有一定量的 Ca，通过研究变废为宝，开发了含 Ca 硅铁钙处理技术，并应用于管线钢的生成，实现了用硅铁合金代替钙线来进行管线钢夹杂物的钙处理改性，降低生产成本。首先通过钙处理模型计算得到夹杂物改性所需的钙含量，然后在总的硅铁加入量不变的情况下根据硅铁合金中的 Ca 含量计算得到在出钢工序和钙处理工序的硅铁合金分配量，进而实现夹杂物的精准钙处理改性，如图 3 所示。此技术的优点包括：（1）总的硅铁合金加入量不变，不会增加额外成本；（2）减少甚至取消了钙线的喂入，降低了生产成本；（3）硅铁合金钙处理过程钙的收得率高，而且不会造成钢液的喷溅，因此不会恶化钢液的洁净度。

传统发酵食品加工过程中生成的胺(氨)类物质，如氨基甲酸乙酯（EC）、生物胺类等是影响发酵食品安全的重要因素。本成果在国内外率先进行了微生物干预减少发酵食品中 EC 及其前体的系统研发。主要技术内容包括： (1) 揭示了酱油发酵过程 EC 前体形成的微生物物质代谢机制； (2) 采用高通量筛选方法获得可在酱油发酵过程中显著减少 EC 前体积累的菌株； (3) 采用非基因工程手段在工业规模将酱油中 EC 含量降至低于 20 ppb，且对酱油主要理化指标和风味物质未产生影响。 本成果已获授权核心发明专利 11 项，形成了包括利用 EC 或其前体菌株的筛 选与选育、微生物干预控制酱油中氨(胺)类有害物的专利群，发表论文 29 篇。 本技术对于解决基于混菌发酵过程的传统发酵食品安全性的提升，具有普适性意 义和推广前景；对于引领生物技术在传统发酵食品中的应用、提升传统发酵食品生产企业的技术水平、实现传统发酵食品工业产业升级和可持续发展，具有重大 的科学意义和工业应用价值。 

1、项目简介： 本项目是江南大学孙秀兰教授主持的完成的，成功扭转了我国长期以来食品 企业规模化脱毒技术和设备不足的局面，获 2018 年度江苏省科技进步奖一等奖。 2、主要创新内容及技术突破： 构建了高效抑制产毒真菌生长并降解毒素的食品级发酵菌株：针对传统发酵 工艺，构建了基于自主知识产权的降解菌株稻壳固定化技术和生物酶定向脱毒技术，实现毒素形成的源头控制； 建立了毒素降解中间产物潜在毒性传感评价新体系：针对消减过程中毒素毒 性效应变化，构建基于毒性靶点基因、特异性生物蛋白、代谢标志物的细胞微流控和荧光传感技术，实现毒素降解过程中产物潜在毒性及联合毒性效应的高效评价；创制了毒素高效去除与降解一体化技术：针对单一化学降解对组分本身的破坏，构建高频超声、磁分离协同纳米催化降解一体化技术，实现降解过程中毒素产物有效控制。 系统集成工业化生产脱除设备及现场检测装置：集成产毒基因茎环探针、离 子液体介导及端面场效应增强材料，建成工业化“超声+臭氧”毒素稳定去除装置，形成主动干预调控技术策略，实现了产业化推广应用。 

本实用新型公开了一种溶解氧自动化控制的MBR全程硝化菌富集装置。它包括反应器、进水桶、水浴锅和控制柜，其中反应器主体为圆柱形罐体，罐体下方设有进水口，通过内置的膜组件排水，罐体内填充填料，罐体上方设有DO探头和采样口，罐体外侧设有控温夹套，罐体底部设有曝气盘，可以调控反应器中的溶解氧浓度，同时也能起搅拌的作用，并防止膜组件堵塞。本实用新型可以为全程硝化菌提供低溶解氧、低营养物质的环境，反应器内部填充的填料比表面积大，可供微生物附着生长，出水采用了膜组件，可以有效防止生物量的流失，通过溶解氧探头、空气泵和氮气钢瓶控制反应器内溶解氧在较低水平，从而实现全程硝化菌的有效富集，获得高纯的富集培养物。

主要功能和应用领域： 本技术可实现人粪便样本显微镜检有型成分图像的自动识别与分类，利用计算机图像处理、模式识别及人工智能的理论与技术，对显微镜下拍摄到的粪便样本图像进行研究，通过对各种有型成分形态和颜色信息等进行特征匹配与分类计数，分别标示出红细胞、白细胞、虫卵和真菌孢子等不同种类的有型成分，从而达到在线自动识别有型成分的目的，作为医院临床诊断的依据。该技术可扩展应用于医院尿液、白带、脑脊液、胸腹水、胃液、精液等常规检查，并可用于脱落细胞学的癌及癌前病变检测及分析。 特色及先进性： 1）复杂背景环境下的自动识别。采用自适应双闭值分割算法进行粗分割，提取出ROI区域中的单个细胞或细胞群作为分析目标，细胞图像的精细分割将在每个ROI区域里完成，极大地减少了数据运算量。 2）针对形态各异和边缘模糊图像的精准分割。针对有型成分的显微生物图像特点，去除边界拓扑结构复杂、细胞各组成区域内灰度不均匀以及成像易受噪声干扰等因素的影响，基于Chan一Vese模型，提出几何活动轮廓模型方法，使用几个独立的水平集进行有型成分图像的分割，与传统分割方法对比准确率提升30%。 3）针对种类繁多的神经网络集成识别。基于普通神经网络泛化能力不高的问题，提出利用有限个神经网络进行集成并将其结果进行合成，显著的提高整个分类学习器的泛化能力，提高了整个系统的识别能力。 4）采用重叠分离算法精准分类。有型成分分离、细胞个数的准确读取决定了整个系统的精准程度。通过寻找到合适的分离点并构建分离线，实现重叠区域的快速合理分离，从而将粘连、重叠的细胞分离开来，并进行准确计数。 技术指标： 有型成分 漏检率 误检率 白细胞 5% 15% 脓球 20% 30% 吞噬细胞 20% 30% 红细胞 5% 15% 孢子 15% 25% 夏科雷登结晶 10% 10% 寄生虫 5% 15% 脂肪球 10% 15% 单张图片检测时间：＜0.5 s 关键问题和实施效果 现今国内大多数医院和研究单位对生物细胞或微生物病菌等检测还是采用人工处理的方式，即将样品制成涂片，在显微镜下观察并根据大小、形状等特征进行分类计数以得到数据结果，医务人员再通过这些数据结果凭借自身的知识和经验诊断病症或得出研究数据。该技术能够实现样本显微镜检有型成分的自动识别，满足了临床开展常规及特殊检测需要，使得生物检测在自动化、无异味、无危险性的情况下进行，提高了检测效率，改善工作环境，保护工作人员，降低检测成本和检测时间，提高在国际市场的竞争力，有利于医疗检测行业的智能化发展。该技术可识别的部分生物细胞图像如下图所示。 红细胞 白细胞 霉菌 虫卵

本技术可实现人粪便样本显微镜检有型成分图像的自动识别与分类，利用计算机图像处理、模式识别及人工智能的理论与技术，对显微镜下拍摄到的粪便样本图像进行研究，通过对各种有型成分形态和颜色信息等进行特征匹配与分类计数，分别标示出红细胞、白细胞、虫卵和真菌孢子等不同种类的有型成分，从而达到在线自动识别有型成分的目的，作为医院临床诊断的依据。该技术可扩展应用于医院尿液、白带、脑脊液、胸腹水、胃液、精液等常规检查，并可用于脱落细胞学的癌及癌前病变检测及分析。

成果简介： 主要功能和应用领域： 本技术可实现人粪便样本显微镜检有型成分图像的自动识别与分类，利用计算机图像处理、模式识别及人工智能的理论与技术，对显微镜下拍摄到的粪便样本图像进行研究，通过对各种有型成分形态和颜色信息等进行特征匹配与分类计数，分别标示出红细胞、白细胞、虫卵和真菌孢子等不同种类的有型成分，从而达到在线自动识别有型成分的目的，作为医院临床诊断的依据。该技术可扩展应用于医院尿液、白带、脑脊液、胸腹水、胃液、精液等常规检查，并可用于脱落细胞学的癌及癌前病变检测及分析。 特色及先进性： 1）复杂背景环境下的自动识别。采用自适应双闭值分割算法进行粗分割，提取出ROI区域中的单个细胞或细胞群作为分析目标，细胞图像的精细分割将在每个ROI区域里完成，极大地减少了数据运算量。 2）针对形态各异和边缘模糊图像的精准分割。针对有型成分的显微生物图像特点，去除边界拓扑结构复杂、细胞各组成区域内灰度不均匀以及成像易受噪声干扰等因素的影响，基于Chan一Vese模型，提出几何活动轮廓模型方法，使用几个独立的水平集进行有型成分图像的分割，与传统分割方法对比准确率提升30%。 3）针对种类繁多的神经网络集成识别。基于普通神经网络泛化能力不高的问题，提出利用有限个神经网络进行集成并将其结果进行合成，显著的提高整个分类学习器的泛化能力，提高了整个系统的识别能力。 4）采用重叠分离算法精准分类。有型成分分离、细胞个数的准确读取决定了整个系统的精准程度。通过寻找到合适的分离点并构建分离线，实现重叠区域的快速合理分离，从而将粘连、重叠的细胞分离开来，并进行准确计数。 技术指标： 有型成分 漏检率 误检率 白细胞 5% 15% 脓球 20% 30% 吞噬细胞 20% 30% 红细胞 5% 15% 孢子 15% 25% 夏科雷登结晶 10% 10% 寄生虫 5% 15% 脂肪球 10% 15% 单张图片检测时间：＜0.5 s 关键问题和实施效果 现今国内大多数医院和研究单位对生物细胞或微生物病菌等检测还是采用人工处理的方式，即将样品制成涂片，在显微镜下观察并根据大小、形状等特征进行分类计数以得到数据结果，医务人员再通过这些数据结果凭借自身的知识和经验诊断病症或得出研究数据。该技术能够实现样本显微镜检有型成分的自动识别，满足了临床开展常规及特殊检测需要，使得生物检测在自动化、无异味、无危险性的情况下进行，提高了检测效率，改善工作环境，保护工作人员，降低检测成本和检测时间，提高在国际市场的竞争力，有利于医疗检测行业的智能化发展。该技术可识别的部分生物细胞图像如下图所示。

Ø  成果简介：机械式气动换向阀的过渡机能表征了在换向过程中各通口连通和切断的情况。是换向阀的一项重要指标。通过使用高性能的步进电机推动阀芯移动实现阀的换向，换向过程中利用两个高精度的压力传感器实时检测两个通孔的压力，同时，采用高分辨率的光栅尺记录下各个通口压力突变点时的阀芯位移， 将两个位移数值相减即得到机械式气动换向阀的过渡机能。Ø  项目来源：横向项目     技术领域

830mm×320mm×240mm，锥体能“爬”到轨道顶部。轨道夹角可调，配有圆柱，可测量锥体轴与底板的高度。