该成果突破了作物生长监测、诊断、调控一体化精确化技术，实现了传统农业向现代农业的技术升级；并且促进了农学与遥感、信息、工程、物联网等多学科的交叉融合，开创了作物精确栽培与智慧农业的新领域；形成了一系列农业信息化自主知识产权成果，提升了农业产业化水平和核心竞争力。同时，培养了一批高素质人才，带动了现代农业相关领域的创新研究与开发应用。 一、项目分类 关键核心技术突破 二、成果简介 高产、优质、高效、生态、安全作物生产是我国农业产业发展的主要目标，快速无损地监测作物生长状况，并根据实时监测结果对肥水管理方案进行定量调控，是实现这一目标的关键技术环节。南京农业大学曹卫星教授团队将定量光谱分析方法与作物生理生态原理相结合，通过实施不同生态点、不同品种、不同管理措施下多年的田间试验，构建了作物冠层和叶片水平的反射光谱库，着重解析了不同条件下的作物高光谱响应模式和时空变化规律，提取了作物主要生长指标的特征光谱波段和敏感光谱参数，构建了叶片、冠层、区域等多尺度的作物生长指标光谱监测模型；同时，定量研究了不同产量水平下作物生长指标的动态变化模式，构建了基于产量目标的生长指标适宜时序动态模型，进一步耦合实时苗情信息，综合利用养分平衡原理、氮营养指数法、指标差异度法等，集成建立了多路径的作物生长实时诊断与定量调控技术；将上述监测诊断技术与软硬件工程相结合，研制开发了面向多平台的作物生长监测诊断装置和基于遥感的作物生长监测诊断系统等简便适用的软硬件产品，进而形成了基于反射光谱的作物生长指标快速监测与定量诊断技术体系，实现了作物生长的实时监测、精确诊断和智慧管理。 该成果突破了作物生长监测、诊断、调控一体化精确化技术，实现了传统农业向现代农业的技术升级；并且促进了农学与遥感、信息、工程、物联网等多学科的交叉融合，开创了作物精确栽培与智慧农业的新领域；形成了一系列农业信息化自主知识产权成果，提升了农业产业化水平和核心竞争力。同时，培养了一批高素质人才，带动了现代农业相关领域的创新研究与开发应用。 已授权国家发明专利25项、实用新型专利5项，登记国家计算机软件著作权20多项；发表学术论文160多篇，其中SCI/EI论文60多篇；出版专著1部。成果先后得到国内外专家同行的充分肯定，2011年的成果鉴定认为（罗锡文院士主鉴），该研究整体居国际先进水平。同时作为稻麦精确管理关键技术，入选江苏省主要农作物2014~2015年“四主推”推介名录，团队起草的《稻麦生长指标无损监测诊断技术规程》入选2014年江苏省地方标准项目。技术成果已在江苏、河南、江西、安徽、河北、浙江等水稻和小麦主产区进行了大面积示范应用，表现为明显的节氮和增产作用，取得了显著的社会经济效益，对于推进精确农业和智慧农业的发展具有重大意义和良好的应用前景。

本发明公开了一种工业过程故障诊断方法，包括如下步骤：采集工业过程的历史正常数据；利用工业过程的历史正常数据计算检测统计量；采集待检测的工业过程数据；当检测到工业过程故障时，利用相对重构贡献方法提取特征量；根据特征量计算故障模式下的条件概率密度函数和正常模式下的条件概率密度函数；根据先验概率和条件概率密度函数计算后验概率；采用最小风险贝叶斯决策理论对当前时刻样本进行故障变量识别；根据诊断后的结果更新下一时刻样本的

失眠障碍是一种普遍存在的睡眠障碍疾病，我国成年人中的患病比例高达30%，其主要表现为难以入睡、难以维持睡眠或睡眠质量不佳，导致出现疲倦、注意力不集中、记忆力减退、情绪波动等负面影响，并且与多种疾病（如心血管疾病、糖尿病等）的发生和发展密切相关。我国庞大的患者群体增加了对医疗资源的需求和社会负担，对个人和社会经济造成重大影响。失眠障碍需要引起足够的重视和关注，早期诊断是减少其对个人和社会危害性的有效方法。 目前临床睡眠诊断主要依靠睡眠专家人工判读多导睡眠图（polysomnography，PSG），PSG技术同时记录多个生理参数，如心电图、脑电图、肌电图、眼电图等，从而准确评估睡眠的各个阶段和睡眠中的生理变化。然而，现代临床睡眠诊断方法存在一些弊端。首先，依靠睡眠专家人工进行诊断成本很高。例如，临床诊断中标记一位患者的PSG数据并完成诊断，往往需要一位训练有素的睡眠专家数个小时的集中工作才能完成，无法应对大规模睡眠障碍群体需求。此外，睡眠诊断存在个体差异，同一种睡眠障碍在不同人群中的表现可能不同，诊断结果需要根据患者的具体情况进行综合评估和判断。这些方法需要专业人员进行操作和解读，费用昂贵，操作复杂，很难普及应用。 人工智能技术可以帮助解决以上问题。人工智能技术可以在不需要专业人员干预的情况下，对失眠障碍进行自动化分析和诊断，具有高效性、低成本和易普及的优点。此外，还可以在大数据层面上进行分析，深入探究失眠障碍的病理生理机制，从而更好地指导治疗和预防措施的制定。 睡眠诊断是最为适合采用云平台技术进行自动化诊断的领域，患者潜在群体数量庞大。本项目涉及基于人工智能睡眠医学诊断技术的全系统的各个环节，系统的诊断准确率目前为世界范围内第一。前期已经服务于制药企业睡眠类药物评价、可穿戴消费级电子设备睡眠监测等领域。目前市场上的类似产品均不具备临床医疗级的诊断能力，本技术填补了市场空白。 图1.本项目研发的原理样机部件

按照《新型冠状病毒肺炎诊疗方案（试行第五版修正版）》，湖北省增加了“临床诊断病例”分类，对疑似病例具有肺炎影像学特征者，确定为临床诊断病例，以便患者能及早按照确诊病例相关要求接受规范治疗，进一步提高救治成功率。因此，对患者的影像学分析在确定“临床诊断病例”上就具有极为重要的意义。 根据国家指南这一重要变化，西安交通大学第一附属医院影像学郭佑民团队，在前期承担国家卫健委重大行业专项《基于“数字肺”的呼吸系统疾病评价体系与诊断标准研究》基础上，针对新冠肺炎肺部影像学特点与医学成像技术公司合作，第一时间研发了新冠肺炎肺部感染辅助诊断系统，实现了对新冠肺炎感染者肺内病变部位快速检出、定量评价病变范围和病变演变过程评估 CT扫描是新冠肺炎诊断的重要环节，已成为确定“临床诊断病例”的重要标准。但是在影像诊断过程中，每位患者的CT检查多达几百幅甚至上千幅图像，单靠影像诊断医师从庞杂的图像特征中筛选出新冠肺炎所具有的特征，不仅要求医师具备肺炎诊断与鉴别诊断的经验，还需要相当的观察时间，严重影响病例筛查的效率。   同一患者3次检查结果对比，红色区域为病变，相比较病变体积逐渐缩小，提示病情好转。   同一患者3次检查结果对比，红色区域范围增大，数目增多，提示病变进展，同时还能观测到病变密度的变化。   图为同一患者4次检查结果对比，图中红色区域体积逐渐增大，提示病情进展。 郭佑民教授团队利用AI技术为新冠肺炎的影像诊断“赋能”。依托专家训练，人工智能结合传统的计算机视觉技术，对新冠肺炎患者肺部病变区域进行分割、计算，可以同时获取病变区域的体积、密度、磨玻璃成分等定量参数，尤其是对于患者随访的数据，可以实时进行图相配准，精准定位病灶位置、大小，方便比较病变的消长。   通过临床试验发现，该系统能够辅助临床医生对新冠肺炎进行快速诊断，并能提供智能诊断报告，适应阻断疫情扩散蔓延的公共卫生紧急应对要求，具有很好的临床应用效果。该系统已在包括华中科技大学协和医院等多家医院部署，为了鼎力支持抗“疫”一线，新冠肺炎辅助诊断系统将开放全国同行免费使用。

针对充填采矿灾变预测与防治的关键问题开展研发，本成果主要技术内容如下：（1）系统研究了充填体破坏失稳声发射预测技术，开辟了用声发射预测充填破坏失稳的新途径；（2）开发了胶结充填过程控制成套技术，提出并成功实施不良地质体超前护帮充填技术等。本技术成熟可靠，适用于充填法开采的金属矿山，已经在江西等省的 9 家矿山推广应用，累计取得产生超过 3 亿元的经济效益和显著的社会效益，并荣获 2011 年江西省科技进步二等奖。 

在2020年抗击COVID-19疫情斗争中，北京航空航天大学经济管理学院王惠文教授及团队结合2003年所做非典疫情的状态评估和预测建模研究基础，密切关注在疫情防控中存在的问题。自1月23日起，通过各种渠道相继提交了20多个信息和提案，例如：加强对密切接触者实行隔离筛查、避免新冠肺炎疫情在医院内扩散、关注医务人员的轮岗休整、加强对全国各地区疫情监控与预警工作，等等。团队收集和分析了COVID-19的公报数据，采用统计分析方法对新冠肺炎疫情的传播规律进行了预测与分析，对全国（除湖北）各地区的抗疫阶段做出判断和预测，提出了疫情防控全过程的阶段划分方法，并提交了7篇研究报告。王惠文教授接受《中国经济时报》专访，发表文章《各地应分期分批有序恢复社会经济活动》，并被《今日头条》等网络媒体转载；民建市委网站头版刊登了她的文章《COVID-19疫情发展的状态评估与预测分析》，并报道了《数据会说话：王惠文：疫情发展的状态评估与预测研究》；民建中央网站也专题报道了《北京会员王惠文：用数据打赢疫情防控战》。

本发明公开了一种基于深度回声状态网络的目的地预测方法，属于轨迹目的地预测技术领域。

本技术提出了基于多尺度理论模拟结合深度机器学习的一整套解决方案，即利用先进多尺度模拟方法精准解析SEI原子结构，建立新一代SEI模型，阐明SEI结构和形成机制，完整构建SEI与电池性能之间的内在联系，定向设计符合不同商用条件的新型电解液配方，为开发新一代高能量密度电池提供可能。 一、项目分类 显著效益成果转化 二、技术分析 随着智能手机、笔记本电脑等消费电子产品的快速发展，锂离子电池（Lithium Ion Battery, 简写为LIB）已经成为最成功的电化学储能设备之一，并从根本上影响并改变了人们的日常生活方式。随着制造工艺的逐步成熟，LIB的能量密度已经接近其理论极限。另一方面，可移动电子设备的快速普及和汽车电动化的蓬勃发展也不断要求开发具有更高能量密度的充电电池以满足实际使用的需求，而最先进的LIB依然无法完全满足上述需求。因此，寻找更高能量比的锂电池电极材料，加快下一代新型锂电池关键技术的相关研究，已成为制约锂电池技术产业发展进步的关键问题。锂金属电池的能量密度虽足以达到下一代电动车的要求，但其自身的稳定性仍令人担忧，这主要是因为Li金属的反应活性过高，其几乎可与所有的电解液均能自发地发生化学反应。在电池的运行过程中，Li电极和电解液之间通过自发化学反应和电化学反应导致了固体电解质界面（solid electrolyte interphase，SEI）的形成。当所形成的SEI结构不均匀时会诱发电池体积膨胀，此外，充放电过程中锂的不均匀沉积会导致锂枝晶的形成，锂枝晶的不规则生长会刺穿SEI，导致SEI膜发生破裂，并产生死锂，降低锂金属电池库伦效率；更严重的是，锂枝晶的不断生长会刺穿隔膜，造成电池内部的短路，导致火灾和爆炸等安全事故，大大缩短了电池的使用寿命，严重阻碍了其大规模商业化发展。因此，SEI对LMB的性能具有至关重要的影响。良好且稳定的SEI可以阻止（或者大幅度减缓）负极界面上反应的持续发生，起到保护Li电极的作用。针对下一代高稳定性锂金属电池设计中存在的关键问题，结合国际研究进展与本团队前期研究基础，我们提出了基于多尺度理论模拟结合深度机器学习的一整套解决方案，即利用先进多尺度模拟方法精准解析SEI原子结构，建立新一代SEI模型，阐明SEI结构和形成机制，完整构建SEI与电池性能之间的内在联系，定向设计符合不同商用条件的新型电解液配方，为开发新一代高能量密度电池提供可能。本方案已形成完整的工作流，相关自动化软件已开发完成并交付使用，且具有完全的自主知识产权，可用于国内外上游电池生产研发企业积累原始电池性能数据，大范围筛选有效电解液组分，指导下一代高能量密度锂电池研制。 我们的技术优势与创新主要表现在： 1）首次在电池体系中实现了QM与MM的混合模拟与混合加速； 2）在电池体系模拟中实现了开放电子体系对电化学反应的热力学和动力学预测； 3）在保证精度的前提下，实现了在纳米尺度上对真实的实验SEI结构直接模拟； 4）通过耦合深度机器学习，实现了电解液组分大范围筛选与性能优化。

南方科技大学科研部、工学院、计算机科学与工程系（下简称“计算机系”）和南方科技大学-东京大学超智慧城市联合研究中心紧急组织科研力量，成立“新型冠状病毒传播建模预测项目组”，由计算机系副教授宋轩担任负责人，迅速启动针对新型冠状病毒传播感染的“大数据分析和AI建模推演平台”研发工作。该平台是一个针对新型冠状病毒传播的大数据分析和AI建模平台（如图1），

以肉类食品为主要基质，构建了单增李斯特菌、肠炎沙门氏菌、副溶血性弧菌、金黄色葡萄球菌、气单胞菌、生孢梭菌等主要致病菌或条件致病菌或研究替代菌的生长、残存、失活、损伤、修复等状态以及低温、酸化、渗透压、气调包装等环境条件下的动力学和概率模型，特别是通过生长模型探讨了在货架期预测方面的应用可能性，设计了电子 TTI 结构模式，并对冷冻损伤型的气单胞菌建立了适用的失活模型，初步探讨其冷冻损伤和修复机制，另外完善了两菌竞争拮抗建模理论（单增李斯特菌与植物乳杆菌、肠炎沙门氏菌与铜绿假单胞菌），构建了新型防腐剂