壬基酚（壬基苯酚）是烷基酚中最重要的一个品种，常温下为无色（或淡黄色）粘稠透明液体，广泛用于表面活性剂NP系列、酚醛树脂、油墨树脂、塑料助剂、固化剂、矿物萃取剂等产品的制造。国内目前已知用量为6万吨/年，还有部分未知用户。 壬基酚主要生产原料：壬烯（三聚丙烯）、苯酚。 目前壬基酚主要生产工艺技术是：酸催化烷基化技术。分为：酸性白土法、离子交换树脂催化法。 酸性白土法：具有明显缺点、催化剂对设备的腐蚀性较大、设备维修更换成本高、原材料消耗高、污染物排放多，产

项目主要是针对现有的二级三级城市地级市等城市的城市交通管廊检测，目前我们已经在谈的是整个东莞市区的城市污水管廊和电力管廊，和东莞市水务集团下属的管廊管理公司签订了战略合作，帮助他们对整个东莞市的污水管道进行基础检测，信息编码登记，污水处理，污泥和固废烧制成石膏或者水泥。整体来说每年的营业收入在1.5亿人民币到2亿人民币。盈利模式包括：检测，疏通，维护，修复，等。目前预计2020年11月份完成一公里左右的检测和修复，同时完成10个智能井盖的更换和检测。针对此项目的发展规划是依托同济大学电子信息与工程学院的技术支持，社会上寻求施工团队和资质拥有方合作，每年持续的接东莞的项目和整个东莞市智慧管廊的信息化建设。    

1. 痛点问题 无人驾驶是未来全球汽车产业发展趋势，近年来，国内外主要车企均投入大量资源进行无人驾驶汽车研发当中。目前，无人驾驶汽车产业正处于行业发展早期，主要集中于研发和初期测试阶段。我们通过行业调查和研究发现，当前制约无人驾驶发展的痛点是传统车企和研发机构针对无人驾驶汽车的技术研发路线存在如下痛点需求： a) 基于IT的网联车研发路线： i. 全联网的要求 ii. 网联车的系统安全性要求 b) 基于传统汽车厂的成长型单车智能研发路线： i. “一百万”场景 ii. 一百万英里 2. 解决方案 a) 目标：让L5级无人驾驶汽车比预期提前3-5年进入市场，让中国的无人驾驶技术和产业领先世界。 b) 解决方案： i. 创新的研发技术路线 ii. 拥有自主知识产权、全球领先的无人驾驶仿真研发与测试系统 c) 产品与服务： i. 智能汽车智能座舱 ii. 无人驾驶汽车研发与测试服务 iii. 无人驾驶智慧路端建设技术服务

项目背景：现在是一个不缺面粉的市场，消费者“从吃 得饱到吃得好”的需求转变，迫使我们要不断地在面粉的细 分领域做实做强，产品不仅要质量好，而且适应性要强。面 对不同的客户需求，如何搭配好原粮小麦，做好工艺调整及 生产的各道工序的管控，成为目前的难题和需要解决的首要 问题。生产设备、工艺的新旧动能转化，向自动化、清洁型、 自能化转化。本项目计划对生产工艺进行技术性改造，提高 面粉精度，使面粉精细度提高，增加面粉的出粉率，提高加 工产能。同时通过对小麦清理的细节处理，做到面粉细菌低， 对食品安全做好的保障。 所需技术需求简要描述：1.工艺：让面粉灰粉降低，降 低面粉的菌落群数。麸皮灰粉的降低，做到全麦粉更营养、 更安全。通过工艺的改进做到降低能耗，降低吨粉的电耗。 提高面粉的出粉率，做到好面粉不浪费。2.检验：通过增加 精准的研发设备，为生产研发提供各项数据的技术支持。  对技术提供方的要求:在相关领域研究水平国内领先的 院校或科研单位 

本项目采用具有自主知识产权的专利技术，制备具有微滤和超滤特性的陶瓷中空纤维膜。本项目采用特殊工艺先通过挤出制备中空纤维原生膜，然后将涂膜液浸涂在中空纤维原生膜表面，经过特殊烧结工艺，得到陶瓷中空纤维超滤膜，本方法也可应用于蜂窝状陶瓷超滤膜。本项目的特点是：工艺简单，所用原料价格低廉，没有昂贵的设备；中空纤维或管式原生膜外表面浸涂勃母石溶胶一步烧结制备出不对称结构的陶瓷中空纤维和管式超滤膜，大大降低了烧结成本，进而降低陶瓷膜制备成本。

消失模铸造是近20年来兴起的一种新型精密铸造工艺，具有操作简单、成本低廉、可铸造复杂精密铸件等特点，已经成为铸造工业发展最快的铸造方式之一。消失模涂料是其关键技术之一。 本项目在兼顾常压和真空消失模铸造特点的同时，在不添加其他配料的情况下加水后可以直接涂膜使用，具有涂膜均匀、挂壁性好、强度高、透气性好、干燥迅速、脱模容易等特点，可提高铸造的精密性、成品率，降低铸造成本。

以项目应用实践为核心，结合行业真实业务场景，以解决问题为目标进行项目实训，为高校师生应用实训提供环境与资源的双重保障，真正实现学生“应用能力”培养。基于Jupyter Notebook的交互式编程与拖拽式可视化分析引擎和机器学习开发引擎，可满足大数据、人工智能专业以及交叉学科的多种实训需求。平台提供完整的在线指导手册、实训环境，同时支持自定义实训项目，教师可将科研课题成果转化为实训项目案例，让科研反哺教学，不断优化教学成果。 1、实训环境1.1    交互式笔记平台通过接入Jupyter Notebook，为学生提供了基于网页的交互编程的实验环境。通过在线编码与在线运行，让课程可以更加多样化，让学生的学习可以更加直观有效。1.2    可视化分析引擎平台内嵌可视化分析引擎，拖拽式可视化操作，为新商科、新文科及相关交叉学科数据可视化分析提供工具支撑，50余种图形组件，包含上百种图形配置参数与多种主题风格，满足各种自定义效果展现，学生可结合实际行业业务快速开展数据分析工作。1.3    机器学习开发引擎拖拽式低代码的机器学习开发引擎，拖拽连线式模型构建及详细的洞察帮教功能，让学生可以快速开展数据探索与深度数据分析。内置150多个分析算子，从数据处理、特征工程、机器学习、集成学习、深度学习、模型管理等数据挖掘全流程方法支撑，满足应用型教学需求。2、实训手册平台中内置的每个实训项目都包含一个详细描述实训任务的实训手册，从项目背景、任务要求、使用方法等多方面对实训任务进行全面描述，复现出实际操作场景，使学生明确实训目标，在循序渐进的引导中完成实训项目。3、在线实训平台内嵌入成熟商业大数据分析工具，提供了拖拽式低代码的在线实训环境，为实训项目打造出可视化分析和机器学习两种实训模式，让学生在学习过程中就接触到实际项目工具，真正做到学以致用，增强学生在大数据领域求职就业的硬实力，为以后进入大数据相关岗位奠定基础。同时平台还提供采用编码式的实训项目，可以满足学生在代码层面的学习需求，通过在线实训练习提高学生的综合编码能力。4、实训作业学生可在平台中使用可视化分析引擎、机器学习开发引擎、Jupyter Notebook等在线实训工具产出多种类型的实训作业，教师可以对课堂中学生作业进行统一审阅、评分，在线完成了从作业产出到作业评审的闭环，降低了复杂实训项目的练习门槛，学生也能第一时间了解到作业评审的反馈信息，提高了学习效率。5、自定义实训平台中内置了编码式和拖拽式的实训环境，可以支持教师将手中科研项目及过往项目经验总结积累下来，集成并转化为不同业务场景的实训项目。教师通过自定义实训手册，可以从自身项目经验角度出发，切实描述实训项目任务，创建更加贴合实际的实训项目任务，增加学生代入感，提高学生积极性。除了满足自身的教学需求之外，教师还可以将自己创建的实训项目共享至实训项目库，方便其他教师复用。

1.应用化学，化学分析等专业专科以上学历2.有实验室相关工作经验；3.参与中试生产线工艺优化实验；4.执行实验工艺方案，及时反馈状况及结果；5.跟踪产品工艺在生产线的执行状况，及时反馈并纠正；6、跟进样品的制作和工艺参数调整和修改。

光学领域顶尖期刊《自然·光子学》报道了浙江大学信息与电子工程学院陈红胜教授课题组的一项最新研究：在国际上率先实现基于深度学习的新一代智能隐身器件。在不依赖任何人为操控的情况下，快速地动态适应变化的背景环境，从而与背景电磁环境特征融为一体，实现自适应隐身。论文审稿专家认为：“这是一项激动人心的、及时而杰出的工作，它连接了变换光学、电磁超材料和人工智能等领域，为智能光子材料和器件这个新兴领域树立了很好的标杆，也将大大促进其他智能电磁器件的发展。”自然界存在两种“隐身”策略。一种是在变色龙和章鱼生物中常见的拟态隐身，使自己融于周边环境；另一种是透明隐身，即光透过物体时不产生任何散射，例如海樽和水母。科学家近年来提出的变换光学隐身方法则区别于上述两种策略，它利用坐标变换的方法来控制电磁波，使其绕过被隐身的区域，按照原来的方向传播，从而使物体完全隐形。与自然界的“隐身衣”相比，人类的“隐身衣”多数只能工作在单一的环境背景和既定的入射波条件。如果稍加改变外界环境或者入射波，隐身效果便会大幅度降低。“理想的隐身衣应该和章鱼和变色龙一样，能够快速自动地适应于变化的外界刺激和背景环境。”陈红胜说。如何才能实现这一点？“章鱼有色素细胞，我们有可重构的新型人工电磁材料单元；章鱼有中枢神经，我们有深度学习方法；章鱼有光敏细胞，我们可以搭建电磁波和环境探测器。”论文第一作者、课题组成员钱超说。当前，深度学习已经开始渗入电磁材料领域，但是主要偏重于理论上设计优化人工电磁材料。如何在实验上实现新型的智能电磁材料、构建新一代智能隐身系统并实现快速有效的自适应隐身，是一个极具挑战的课题，在此之前还未见成功实验的报道。经过三年多的不懈努力，陈红胜研究团队组在充分研究隐身领域关键技术瓶颈的基础上，在微波段成功实现了智能自适应隐身器件。研究团队设计了一项小车智能隐身实验——小车身披一层超薄的可重构的超表面隐身材料，这件“隐身衣”由智能芯片控制，集成了训练好的深度学习模型，能够根据输入的电磁信息快速做出决策，改变“隐身衣”的电磁响应。探测雷达随机改变着入射波的频率、极化和入射角，而小车的任务就是动态适应变化的探测信号，对雷达“隐身”。当环境发生变化，变色龙大约需要6秒时间过度到环境色；而当电磁环境发生变化时，披着智能隐身衣的小车只需要15毫秒就能自动地实时“换装”。陈红胜教授表示，智能隐身成功地融合了新型电磁材料和人工智能等领域，其采用硬件手段实现用于隐身调控的深度学习模型，在应用中只需单次前向计算即可做出合理的决策，大大地缩短了响应时间，这一方法对于实时性要求很高的其他应用也有很好的借鉴意义

本发明公开了一种基于表示学习的星图识别方法，该方法利用端对端的、基于表述学习的神经网络模型RPNet，用于快速高效且鲁棒性强的全天星图识别任务