葡京娱乐场-富盈娱乐场开户_百家乐试玩_sz全讯网网址xb112 (中国)·官方网站

羥基嘧啶是生產(chǎn)大噸位殺蟲劑地亞農的關鍵中間體。地亞農是由瑞士汽巴一嘉基公司于1956年合成，是一種廣譜、高效、中低毒有機磷殺蟲殺螨劑。廣泛用于水稻、棉花、果樹、蔬菜、甘蔗、玉米、煙草、馬鈴薯等作物，防治刺吸式口器害蟲和食葉害蟲，如磷翅目、雙翅目幼蟲、蚜蟲、葉蟬、飛虱、薊馬、介殼蟲、十二八星瓢蟲等，對螨卵也有一定殺傷效果。小麥、玉米、高梁、花生等作拌種，可防治螻蛄、蠐螬等土壤害蟲。顆粒劑灌心葉，可防治玉米螟。地亞農還廣泛應用于獸藥領域和用于衛(wèi)生用殺蟲噴霧劑，應用前景十分廣闊，具有顯著的社會效益、經(jīng)濟效益。目前地亞農的總產(chǎn)量為2-3萬噸/年（不包含中國市場），需要羥基嘧啶的總量為1.5-2萬噸/年。國內地亞農的生產(chǎn)才剛剛起步，隨著國內高毒農藥的淘汰，地亞農的產(chǎn)量可能達到1-2萬噸/年，則需要羥基嘧啶的總量為1萬噸/年。/line南開大學元素所研制的羥基嘧啶小試工藝是以異丁腈為起始原料，經(jīng)醚化、脒化、環(huán)化連續(xù)化制備中間體羥基嘧啶，三步總收率達到92%（以異丁腈計）以上，羥基嘧啶的含量達到98％。

項目簡介： 羥基嘧啶是生產(chǎn)大噸位殺蟲劑地亞農的關鍵中間體。地亞農是由 瑞士汽巴一嘉基公司于 1956 年合成，是一種廣譜、高效、中低毒有 機磷殺蟲殺螨劑。廣泛用于水稻、棉花、果樹、蔬菜、甘蔗、玉米、 煙草、馬鈴薯等作物，防治刺吸式口器害蟲和食葉害蟲，如磷翅目、 雙翅目幼蟲、蚜蟲、葉蟬、飛虱、薊馬、介殼蟲、十二八星瓢蟲等， 對螨卵也有一定殺傷效果。小麥、玉米、高梁、花生等作拌種，可防 治螻蛄、蠐螬等土壤害蟲。顆粒劑灌心葉，可防治玉米螟。地亞農還 廣泛應用于獸藥領域和用于衛(wèi)生用殺蟲噴霧劑，應用前景十分廣闊， 具有顯著的社會效益、經(jīng)濟效益。目前地亞農的總產(chǎn)量為 2-3 萬噸/年 （不包含中國市場），需要羥基嘧啶的總量為 1.5-2 萬噸/年。國內地 亞農的生產(chǎn)才剛剛起步，隨著國內高毒農藥的淘汰，地亞農的產(chǎn)量可 能達到 1-2 萬噸/年，則需要羥基嘧啶的總量為 1 萬噸/年。 南開大學元素所研制的羥基嘧啶小試工藝是以異丁腈為起始原 料，經(jīng)醚化、脒化、環(huán)化連續(xù)化制備中間體羥基嘧啶，三步總收率達 到 92%（以異丁腈計）以上，羥基嘧啶的含量達到 98％。這一技術達 到國際先進水平，該工藝的創(chuàng)新點在于：發(fā)現(xiàn)了高效催化劑（用量： 1/1500-1/3000），找到了一條高收率、高質量、低成本、連續(xù)化生產(chǎn)地亞農的主要中間體羥基嘧啶的生產(chǎn)方法；采用了先進的自動化控制設 備；基本實現(xiàn)了羥基嘧啶生產(chǎn)過程中的原子經(jīng)濟性及過程清潔化，即 投料比基本接近理論投料量，生產(chǎn)過程基本無廢氣排放，廢水大部分 可循環(huán)使用。 

羥基嘧啶是生產(chǎn)大噸位殺蟲劑地亞農的關鍵中間體。地亞農是由瑞士汽巴一嘉基公司于1956年合成，是一種廣譜、高效、中低毒有機磷殺蟲殺螨劑。廣泛用于水稻、棉花、果樹、蔬菜、甘蔗、玉米、煙草、馬鈴薯等作物，防治刺吸式口器害蟲和食葉害蟲，如磷翅目、雙翅目幼蟲、蚜蟲、葉蟬、飛虱、薊馬、介殼蟲、十二八星瓢蟲等，對螨卵也有一定殺傷效果。小麥、玉米、高梁、花生等作拌種，可防治螻蛄、蠐螬等土壤害蟲。顆粒劑灌心葉，可防治玉米螟。地亞農還廣泛應用于獸藥領域和用于衛(wèi)生用殺蟲噴霧劑，應用前景十分廣闊，具有顯著的社會效益、經(jīng)濟

5-單硝酸異山梨醇酯是最新一代抗心絞痛用原料藥，為硝酸甘油類藥物的替代品，成藥市場不斷擴大，推動了改產(chǎn)品的生產(chǎn)。其合成工藝以山梨醇為主要原料，經(jīng)脫水、硝化、中和、冷卻、抽濾、結晶合成。我們在產(chǎn)品的分離方面有所創(chuàng)新，使生產(chǎn)效率和產(chǎn)品收率有了較大的提高。本產(chǎn)品原料成本約350元/kg，售價2000元/kg。設備投入約80萬元。

本發(fā)明公開了一類新的2，5，6位取代嘧啶酮衍生物，其具有良好的抗乙肝病毒（HBV）活性。目前臨床用于治療乙肝病毒的藥物皆為核苷類化合物。而抗HBV非核苷類化合物還處于研發(fā)階段。探究其作用機制，對于發(fā)展新型非核苷類抗HBV藥物，特別是對抗臨床常用藥物耐藥的問題，具有特別重要的意義。

        5T管理”理念，即基于農作物及果實生長的自然通道特性，按時間敏感性將收儲過程界定為熟收 (T1)、田場 (T2)、干燥 (T3)、收倉 (T4)以及倉儲 (T5)等5個事件，進一步圍繞5個事件優(yōu)選管理目標因子和控制因子、制定管理指標體系和配套先進適用技術裝備。在吉林省糧食和物資儲備局的支持下，依據(jù)“5T管理”原理，制定了《吉林優(yōu)質稻谷收儲作業(yè)5T管理技術規(guī)程》。依托吉林省糧食和物資儲備局、吉林大米聯(lián)盟、九臺貢米聯(lián)盟、益海嘉里金龍魚等大米相關產(chǎn)業(yè)組織在省內外進行推廣，減損效果顯著，可以顯著延長大米的保鮮期，特別是探明了不當管理導致的7.16%“隱性”損失，同時也減少了糧食微生物毒素危害，為稻谷的持久鮮活保駕護航。

數(shù)據(jù)采集技術 可穿戴傳感器是接觸式傳感器。加速度傳感器測量運動加速度，心率、血壓和血氧傳感器檢測心率、血壓等生理數(shù)據(jù)?？蓪⒉煌膫鞲衅骷稍谥悄苁汁h(huán)、腳環(huán)、腰帶等可穿戴設備中，以實現(xiàn)加速度、角速度和生理等數(shù)據(jù)的采集；物體和環(huán)境傳感器是非接觸式傳感器，常見的物體傳感器基于RFID技術，通常用于身份、物流等信息的識別。常見的環(huán)境傳感器有聲音傳感器、磁力計、氣壓傳感器、溫濕度傳感器和PM 2.5傳感器等，實現(xiàn)各種環(huán)境信息的采集。 多模態(tài)傳輸技術 LPWAN (Low-Power Wide-Area Network，低功率廣域網(wǎng)絡) 在LPWAN技術出現(xiàn)以前，通信技術已經(jīng)有多種類別，短距離的有wifi、藍牙、zigbee等，長距離的則有2G、3G、4G、5G等，但是如果把這些無線通信技術按照功耗與傳輸距離這兩個維度劃分的話可以發(fā)現(xiàn)在功耗低、距離遠這個范圍的技術還欠缺，而LPWAN技術的出現(xiàn)正好彌補了這個短板。         LPWAN可分為兩類：一類是工作于未授權頻譜的LoRa、SigFox等技術；另一類是工作于授權頻譜的基于蜂窩組網(wǎng)的通信技術，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 專為低帶寬、低功耗、遠距離、大量連接的物聯(lián)網(wǎng)應用而設計。 最具前景的LPWAN技術——NB-IoT和LoRa： 物聯(lián)網(wǎng)（IoT）應用需要考慮諸多因素，例如節(jié)點成本、網(wǎng)絡成本、電池壽命、數(shù)據(jù)傳輸速率(吞吐率)、延遲、移動性、網(wǎng)絡覆蓋范圍以及部署類型等，可以說沒有一種技術可以滿足IoT所有的需求。NB-IoT和LoRa兩種技術具有不同的技術和商業(yè)特性，也是最有發(fā)展前景的兩個低功耗廣域網(wǎng)通信技術。這兩種LPWAN技術都有覆蓋廣、連接多、速率低、成本低、功耗小等特點，都適合低功耗物聯(lián)網(wǎng)應用。 LoRa （Long  Range）:     一個LoRaWAN網(wǎng)絡架構中包含了終端、基站、NS(網(wǎng)絡服務器)、應用服務器這四個部分?；竞徒K端之間采用星型網(wǎng)絡拓撲，由于LoRa的長距離特性，它們之間得以使用單跳傳輸，終端節(jié)點可以同時發(fā)送信息給多個基站?；緞t對NS和終端之間的LoRaWAN協(xié)議數(shù)據(jù)做轉發(fā)處理，將LoRaWAN數(shù)據(jù)分別承載在了LoRa射頻傳輸和TCP/IP上。 NB-IoT（Narrow Band Internet of Things） NB-IoT構建基于蜂窩網(wǎng)絡，只消耗大約180KHz的帶寬，可直接部署于GSM網(wǎng)絡、UMTS網(wǎng)絡或LTE網(wǎng)絡。NB-IoT是IoT領域一個新興的技術，支持低功耗設備在廣域網(wǎng)的蜂窩數(shù)據(jù)連接。NB-IoT支持待機時間長、對網(wǎng)絡連接要求較高設備的高效連接。 NB-IoT具備四大特點：一是廣覆蓋，將提供改進的室內覆蓋，在同樣的頻段下，NB-IoT比現(xiàn)有的LTE網(wǎng)絡增益提升20dB，覆蓋面積擴大100倍；二是具備支撐海量連接的能力，NB-IoT一個扇區(qū)能夠支持10萬個連接，支持低延時敏感度、超低的設備成本、低設備功耗和優(yōu)化的網(wǎng)絡架構；三是更低功耗，NB-IoT終端模塊的待機時間可長達10年；四是更低的模塊成本，企業(yè)預期的單個接連模塊不超過5美元。 數(shù)據(jù)分析技術 人工智能研究的各個分支，包括專家系統(tǒng)、機器學習、進化計算、模糊邏輯、計算機視覺、自然語言處理、推薦系統(tǒng)等。2012年以后，得益于數(shù)據(jù)量的上漲、運算力的提升和機器學習新算法（深度學習）的出現(xiàn)，人工智能開始大爆發(fā)。機器學習是一種實現(xiàn)人工智能的方法，深度學習是一種實現(xiàn)機器學習的技術。機器學習是用大量的數(shù)據(jù)來“訓練”，通過各種算法從數(shù)據(jù)中學習如何完成任務。深度學習本來并不是一種獨立的學習方法，但由于近幾年該領域發(fā)展迅猛，一些其特有的學習手段相繼被提出（如殘差網(wǎng)絡），因此越來越多的人將其單獨看作一種學習的方法。深度學習的各種算法已成為行為識別主要應用的技術，傳感器采集的各類信號，通過卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡等分類，識別出坐、走、跑、跳、上下樓等日常行為，也可以實現(xiàn)對被監(jiān)護者摔倒等異常行為的檢測。

項目成果/簡介:數(shù)據(jù)采集技術可穿戴傳感器是接觸式傳感器。加速度傳感器測量運動加速度，心率、血壓和血氧傳感器檢測心率、血壓等生理數(shù)據(jù)。可將不同的傳感器集成在智能手環(huán)、腳環(huán)、腰帶等可穿戴設備中，以實現(xiàn)加速度、角速度和生理等數(shù)據(jù)的采集；物體和環(huán)境傳感器是非接觸式傳感器，常見的物體傳感器基于RFID技術，通常用于身份、物流等信息的識別。常見的環(huán)境傳感器有聲音傳感器、磁力計、氣壓傳感器、溫濕度傳感器和PM 2.5傳感器等，實現(xiàn)各種環(huán)境信息的采集。多模態(tài)傳輸技術LPWAN (Low-Power Wide-Area Network，低功率廣域網(wǎng)絡)在LPWAN技術出現(xiàn)以前，通信技術已經(jīng)有多種類別，短距離的有wifi、藍牙、zigbee等，長距離的則有2G、3G、4G、5G等，但是如果把這些無線通信技術按照功耗與傳輸距離這兩個維度劃分的話可以發(fā)現(xiàn)在功耗低、距離遠這個范圍的技術還欠缺，而LPWAN技術的出現(xiàn)正好彌補了這個短板。       LPWAN可分為兩類：一類是工作于未授權頻譜的LoRa、SigFox等技術；另一類是工作于授權頻譜的基于蜂窩組網(wǎng)的通信技術，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 專為低帶寬、低功耗、遠距離、大量連接的物聯(lián)網(wǎng)應用而設計。最具前景的LPWAN技術——NB-IoT和LoRa：物聯(lián)網(wǎng)（IoT）應用需要考慮諸多因素，例如節(jié)點成本、網(wǎng)絡成本、電池壽命、數(shù)據(jù)傳輸速率(吞吐率)、延遲、移動性、網(wǎng)絡覆蓋范圍以及部署類型等，可以說沒有一種技術可以滿足IoT所有的需求。NB-IoT和LoRa兩種技術具有不同的技術和商業(yè)特性，也是最有發(fā)展前景的兩個低功耗廣域網(wǎng)通信技術。這兩種LPWAN技術都有覆蓋廣、連接多、速率低、成本低、功耗小等特點，都適合低功耗物聯(lián)網(wǎng)應用。LoRa （Long Range）:   一個LoRaWAN網(wǎng)絡架構中包含了終端、基站、NS(網(wǎng)絡服務器)、應用服務器這四個部分?；竞徒K端之間采用星型網(wǎng)絡拓撲，由于LoRa的長距離特性，它們之間得以使用單跳傳輸，終端節(jié)點可以同時發(fā)送信息給多個基站?；緞t對NS和終端之間的LoRaWAN協(xié)議數(shù)據(jù)做轉發(fā)處理，將LoRaWAN數(shù)據(jù)分別承載在了LoRa射頻傳輸和TCP/IP上。NB-IoT（Narrow Band Internet of Things）NB-IoT構建基于蜂窩網(wǎng)絡，只消耗大約180KHz的帶寬，可直接部署于GSM網(wǎng)絡、UMTS網(wǎng)絡或LTE網(wǎng)絡。NB-IoT是IoT領域一個新興的技術，支持低功耗設備在廣域網(wǎng)的蜂窩數(shù)據(jù)連接。NB-IoT支持待機時間長、對網(wǎng)絡連接要求較高設備的高效連接。NB-IoT具備四大特點：一是廣覆蓋，將提供改進的室內覆蓋，在同樣的頻段下，NB-IoT比現(xiàn)有的LTE網(wǎng)絡增益提升20dB，覆蓋面積擴大100倍；二是具備支撐海量連接的能力，NB-IoT一個扇區(qū)能夠支持10萬個連接，支持低延時敏感度、超低的設備成本、低設備功耗和優(yōu)化的網(wǎng)絡架構；三是更低功耗，NB-IoT終端模塊的待機時間可長達10年；四是更低的模塊成本，企業(yè)預期的單個接連模塊不超過5美元。數(shù)據(jù)分析技術人工智能研究的各個分支，包括專家系統(tǒng)、機器學習、進化計算、模糊邏輯、計算機視覺、自然語言處理、推薦系統(tǒng)等。2012年以后，得益于數(shù)據(jù)量的上漲、運算力的提升和機器學習新算法（深度學習）的出現(xiàn)，人工智能開始大爆發(fā)。機器學習是一種實現(xiàn)人工智能的方法，深度學習是一種實現(xiàn)機器學習的技術。機器學習是用大量的數(shù)據(jù)來“訓練”，通過各種算法從數(shù)據(jù)中學習如何完成任務。深度學習本來并不是一種獨立的學習方法，但由于近幾年該領域發(fā)展迅猛，一些其特有的學習手段相繼被提出（如殘差網(wǎng)絡），因此越來越多的人將其單獨看作一種學習的方法。深度學習的各種算法已成為行為識別主要應用的技術，傳感器采集的各類信號，通過卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡等分類，識別出坐、走、跑、跳、上下樓等日常行為，也可以實現(xiàn)對被監(jiān)護者摔倒等異常行為的檢測。應用范圍:家居智慧控制，提高舒適度：家庭生活狀態(tài)統(tǒng)計和日常需求預測與推薦；多模態(tài)行為分析和數(shù)據(jù)采集和傳輸系統(tǒng)；多模態(tài)行為數(shù)據(jù)采集和分析平臺；基于LoRaWAN/5G的工廠環(huán)境、農業(yè)大棚等環(huán)境監(jiān)測系統(tǒng)。技術成熟度:通過中試