传统的植物组织培养的方法是以琼脂为支持物的半固体或固体培养。固体、半固体培养是一个劳动密集型技术，需要大量的手工劳动，导致生产成本居高不下。液体培养易于操控，适合大规模的组培生产，但是由于组培苗长期的浸泡在液体中，无法进行有效的气体交换，组培苗玻璃化情况严重、抗逆性较差，栽培死亡率高，也增加了生产成本。随着植物组织培养产业日益兴盛，传统的固体、半固体培养及液体培养模式已经满足不了产业的需求。 新型生物反应器采用间歇浸没培养模式和自动化控制技术，并以半夏等药用植物为材料进行试验，优化该装置的浸没频率等参数，实现了高通量植物种苗的工厂化扩繁。与传统的培养模式作比较，无论在培养周期、种苗质量上均较优。由于通量大，在育种上的应用节省了时间和人力、物力，效率大大提高，达到产业化应用水平。 项目技术优势 间歇浸没培养系统结合了固体培养（最大化气体交换）和液体培养（营养充分的吸收）的优点，在很多种植物幼苗和体细胞胚体的培养中占有一定的优势，植物的长势情况和增殖率比传统的固体培养、半固体培养和液体培养都要好，所获得的幼苗和体细胞胚体质量高，更能很好的适应环境，移栽成活率较高。间歇浸没培养模式采用程序控制，自动化程度高，大大的减少了劳动力的消耗，生产成本和传统的模式相比大幅度的降低，在商业化生产上占有很大的优势。 ①.减少甚至避免玻璃化实验证明，增加通风和植物材料间歇的接触液体培养基是降低玻璃化的有效方法，而间歇浸没培养系统正好具备这两个特征。 ②.组培苗环境适应性强利用传统的培养方式获得的组培苗，对环境适应能力较弱，在炼苗阶段由于环境变化较大，一般成活率较低。但间歇浸没系统获得的植物由于在培养时就进行了外界空气的锻炼，因此，绝大多数能够成功的适应环境，炼苗成活率较高。 技术成果 本项目已利用新型生物反应器进行了半夏、铁皮石斛、大蒜、百合等经济植物的扩繁。 目前本项目已申请发明专利1项，实用新型专利2项：

一种基于纵向堆叠的重参数化结构模型的图像分割方法，步骤包括：1)采集处处理图像；2)把待处理图像作为图像分割模型的输入，图像分割模型的输出即为分割后的图像。图像分割模型是基于纵向叠加结构重参数化的图像分割模型，即在图像分割模型的训练阶段，多3×3卷积纵向叠加结构替换图像分割模型中3×3卷积，有利于模型更好地学习特征；在推理阶段，多3×3卷积纵向叠加结构改为单个3×3卷积后对输入数据进行推理，以加快推理速度，减少资源占用。

深入解析黄酒酿造机理并且创新生产技术与装备，是黄酒产业可持续发展 的必由之路。项目围绕如何科学评价黄酒麦曲质量及产品感官体验、如何高效生产优质麦曲、如何提高产品感官体验等关键技术难题等，本项目完成了基于 组学技术的黄酒酿造关键技术与装备的创新及应用。 创新要点 建立了黄酒麦曲及酒醪发酵机理解析方法，阐明酿造过程的微生物驱动力。解析了液化力、酸性蛋白酶活力、酒化力等活力形成的关键微生物，高级醇及生物胺形成代谢途径及关键微生物；通过风味组学技术解析黄酒风味物质形成及变化过程；通过培养组学技术证明微生物是麦曲活力、黄酒风味的主要来源；发现氧气浓度、温度、湿度是麦曲微生物群落结构形成的核心驱动力。全面系统地解析麦曲的各项指标，针对传统麦曲制作中环境依赖、生产效率低、品质不稳定等问题，在已有机械化制曲（国家技术发明奖成果）的基础上首次开发了智能化精准制曲技术与装备。构建了黄酒产品风味轮，阐明了关键风味物质的最适浓度范围。证明β-苯乙醇、异戊醇、异丁醇、组胺、苯乙胺以及酪胺等高级醇和生物胺是影响黄酒醉酒和醒酒的关键化合物，建立了适用于不同黄酒酵母亚株及酿造工艺的高级醇调控方法。

壳聚糖作为一种带有正电荷的，可生物降解的天然高分子材料，在食品及医 药领域都得到了广泛的应用。壳聚糖与聚阴离子之间可通过分子间及分子内相互 交联自发形成纳米粒，这种温和纳米粒的形成特性也促进了其在包埋活性物质领 域的应用。 制备了壳聚糖空白纳米粒及包封有活性物质的纳米粒，并将制备的纳米粒添 加到天然高分子材料中制备得到活性纳米复合膜。一方面，纳米粒小尺寸的特殊 性不会对膜的外观（如透明度、色泽等）产生较大的影响，纳米粒的加入能够增 强膜的机械性能，改善膜的透湿、透氧性。另一方面，可以将一些活性物质（如 维生素，多酚类，黄铜类及精油类等）包埋入纳米粒中，制备具有抗菌、抗氧化 等特性的活性膜。 创新要点 （1）加入壳聚糖纳米粒的可食用膜，其抗拉强度等机械性能得到显著提高； 同时，基于壳聚糖本身的抗菌能力，含有空白壳聚糖纳米粒的膜本身具有一定的 抗菌能力； （2）与壳聚糖能够形成纳米粒的聚阴离子可选范围广泛，制备的纳米粒之 间存在的差异性也带来了最终形成膜的性质的可调性； （3）在膜中添加活性物质，可以避免了活性物质与食品体系自身物质之间的不良反应。

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。

钨酸锆薄膜的制备方法,它属于薄膜制备领域.本发明解决了现有钨酸锆薄膜制备方法存在的操作复杂,成本高的问题.本发明的方法如下:一,硝酸氧锆和溶剂混合得到A溶液;二,络合剂,溶剂和偏钨酸铵混合得到B溶液;三,将A和B混合,配制溶胶;四,通过旋涂制备湿膜,再将湿膜预烧;五,制备钨酸锆非晶薄膜;六,钨酸锆非晶薄膜晶化后即得钨酸锆薄膜.本发明的制备工艺简单,成本低,制备得到的薄膜表面平整致密,厚度均匀,晶粒大小均匀.

本发明涉及的是即食调味木耳的制作方法,这种即食调味木耳的制作方法是挑选标准的黑木耳,白木耳进行除杂,按5:1的比例进行混合,加入水,对干木耳进行湿法软化,泡发,其中干木耳添加量为水体积的4%～10%w/v;然后用组织捣碎机进行粉碎,在粉碎后的木耳浆液中加入壳聚糖和海藻酸钠,其中壳聚糖的加入量为干木耳质量的0.1%～0.5%w/w,海藻酸钠的加入量为干木耳质量的3%～7%w/w,待混合均匀后加入调味料在80℃水浴加热20～30min;接着将木耳混合液经过胶体磨湿法粉碎3～5min改善口感,真空干燥机中脱气2-10min;最后将木耳混合液按流延法涂布,干燥,即成即食调味木耳.通过本发明制得的即食调味木耳营养价值高,口味丰富,老少皆宜,营养又方便,填补了市场上没有黑木耳和白木耳即食产品的空白.