【发 明 人】张丽;陈佩东;丁安伟;曹雨诞;单鸣秋;姚卫峰【技术领域】本发明涉及一种荆芥内酯对溴苯甲酸酯及其制备工艺和用途，属于药物制剂技术领域。【摘要】本发明公开了一种荆芥内酯对溴苯甲酸酯及其制备工艺和用途，分子式为C17H17BrO4，熔点为179-181℃，其比旋度为本发明还公开了它的提取方法，以及在制备抗流感病毒药物中的应用。

设计废水处理方案时，采用了“生产工艺废水套用-蒸发回用-结晶”这样的一个内循环过程，不仅大大降低了生产工艺废水的处理成本，而且回收绝大部分的水以及无机盐。可以实现水回用，基本达到废液“零排放”，满足了节能环保的要求。 一、项目分类 显著效益成果转化 二、成果简介 单嘧磺隆和单嘧磺酯是超高效、广谱、安全的绿色化农药品种，分别于2007、2013年通过农业部审核，获得农业部正式登记证。其中单嘧磺隆适用于小麦、谷子、玉米等主要作物，尤其是作为谷子除草剂，它的作用无可替代，我国玉米种植面积为5.1亿亩，小麦4.5亿亩，谷子3000万亩，市场相当广阔。目前单嘧磺隆、单嘧磺酯原药生产废水量较大，亟需对它们的合成工艺进行更深入的研究，以实现合成工艺绿色化，使整个工艺废水达到“零排放”。 项目特色和创新之处：设计单嘧磺隆生产工艺路线时，对氨解工段反应进行改进，用水代替有机溶剂作为反应溶剂，使生产工艺更为绿色化；对氨基酯工段后处理进行了改进，通过蒸馏回收了丙酮；对关环工段后处理进行了改进，在近回流情况下通过水萃取除掉无机盐，水可以通过蒸发回用，既保证了中间体的纯度，又减少了废水排放。设计废水处理方案时，采用了“生产工艺废水套用-蒸发回用-结晶”这样的一个内循环过程，不仅大大降低了生产工艺废水的处理成本，而且回收绝大部分的水以及无机盐。可以实现水回用，基本达到废液“零排放”，满足了节能环保的要求。该方法操作简便，且不需要增加额外的设备，运行成本低。 社会贡献和经济效益：可降低单嘧磺隆生产工艺废水的处理成本，而且回收绝大部分的水、无机盐以及部分原料，能基本达到废液“零排放”。同时，可能将该方法应用于同类产品单嘧磺酯等的生产工艺废水处理中。该项目不仅节约成本，更重要的是它基本实现生产工艺“绿色化”，这对单嘧磺隆、单嘧磺酯的推广具有非常重要的意义。

发榜企业：广州嘉德乐生化科技有限公司 悬赏金额：15万元 需求领域：精细化工 技术关键词：包埋微胶囊技术 产业集群：现代农业与食品产业集群

丙烯酸丁酯是重要的基本有机化工原料之一，其衍生产品成千上万，在精细化工的应用中占有相当重要的地位，几乎涉及到工业领域各部门，在涂料、粘合剂、医学、皮革加工、造纸、油漆、化纤等行业得到日益广泛的应用。目前国内外都是石油路线合成，由于原料供应紧张，生产成本高。 课题组开发了非石油路线绿色清洁生产新技术，过程安全、环保，成本降低40％以上，产品质量优异，优级品含量大于99.5％，具有很强的国际市场竞争力。同时，利用了CO2废气为原料，对节能、减排，实现绿色化、生态化具有重要意义。 年产2万吨丙烯酸丁酯，总投资8448 万元。

丙烯酸及酯是重要的基本有机化工原料之一，其衍生产品成千上万，在精细化工的应用中占有相当重要的地位，几乎涉及到工业领域各部门，在涂料、粘合剂、医学、皮革加工、造纸、油漆、化纤等行业得到日益广泛的应用。目前国内外都是石油路线合成，由于原料供应紧张，生产成本高。 课题组开发了非石油路线绿色清洁生产新技术，过程安全、环保，成本降低40％以上，产品质量优异，优级品含量大于99.5％，具有很强的国际市场竞争力。同时，利用了CO2废气为原料，对节能、减排，实现绿色化、生态化具有重要意义。 年产10万吨非石油路线合成丙烯酸及酯，总投资41495万元。

本发明公开了一种微通道在线制备过氧特戊酸叔丁酯的方法，属于精细化工合成技术领域，所述方法为：以特戊酸酐和叔丁基过氧化氢为原料，在硫酸催化下在微通道反应器中连续制备，淬灭反应后通过在线分离得到所述过氧特戊酸叔丁酯。本发明采用微通道合成及在线分离技术，简化操作流程，强化反应过程传热传质，提升反应效率并拓宽安全操作条件边界；最小化不稳定的有机过氧化物存量，缩短反应停留时间，相比于传统间歇式合成工艺过程安全性得到显著提升。

新冠肺炎常规通过病史、CT等进行病情评估，但重症病房应用超声不便，还需要评估重症患者的心脏等多器官，然而操作者绝大多数不是专业超声医生，这为如何在治疗重症患者的过程中更好地发挥超声的作用提出了难题。深圳国际研究生院袁克虹团队与深圳华声医疗技术股份有限公司合作，用人工智能技术赋能5G超声设备，增添采集心肺关键标准切面的导航以及关键参数的自动测量等功能，辅助医生对重症病人进行动态评估和治疗。 袁克虹团队与深圳华声医疗技术股份有限公司1月中旬组成研发团队，在已有合作工作的基础上，针对新冠肺炎重症患者临床超声的迫切需求开展联合攻关，半个月就获得了较好的成果。该技术从2月初开始在武汉协和西院等多家医院使用，在一定程度上辅助了医生对重症患者进行疾病的动态评估和治疗指导。 目前该技术正由国家感染性疾病临床研究中心（深圳市第三人民医院）牵头开展进一步研究，将完善和改进现有功能，优化远程诊断流程，实现超声为医生治疗重症患者提供更智能、更可靠、更专业的帮助。

目前我国生物质热化学转化技术应用较多的是固定床气化，但生产规模普遍较小且高效连续运行性能差，尚无法适应以发电为代表的规模化利用方式。因此，在生物质转化利用领域，开发规模化高效可靠的气化技术是迫切需要攻克的关键技术。2007年华东理工大学主持实施世界银行的全球环境基金项目（CRESP）“规模化生物质固定床气化炉的研制”，之后又负责完成了多项相关重点科研，核心装备技术于2009年7月通过专家验收。本项目的技术原理是将生物质燃料通过固定床自热气化生产可燃气体，其关键技术包括气化炉控温防止结渣、降低飞灰夹带及燃气深度净化等。本项目核心装备—固定床气化炉的单炉产气量大于5000m3 /h，采用典型农作物秸秆为原料的燃气热值大于1500kcal/m 3 ，同时还可获得焦油和草木灰等副产品，气化系统运行高效、可靠而洁净，已完全达到规模化工业生产的要求。本项目成果可广泛应用于供气、发电和供热等场合。

数据采集技术 可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。 多模态传输技术 LPWAN (Low-Power Wide-Area Network，低功率广域网络) 在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。         LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。 最具前景的LPWAN技术——NB-IoT和LoRa： 物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。 LoRa （Long  Range）:     一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。 NB-IoT（Narrow Band Internet of Things） NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。 NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。 数据分析技术 人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。