建筑物墙体的渗水是很多家庭或公共场所遇到的烦恼问题，有些经多次修缮处理依然不能很好的解决渗水问题。本技术利用界面化学原理开发制备了一种高效防水剂，对墙面渗水有独特的阻止效果。产品以水作溶剂，生产和使用过程不产生任何三废，环保绿色，对环境无害。墙面经本材料防水施工后，对外观颜色不产生影响，效果持久，目前已试验持续五年效果没有衰减。本品还可用于建筑气孔砖、发泡珍珠岩、纸箱等防水处理。

香精广泛应用于洗化用品、食品领域。留香时间一直是产品的重要指标。由于香精的易挥发性，加入产品中的香精组分会逐渐挥 发而失去香气。如香皂，在打开包装时感觉明显的香气，但随着使用时间的延长，香气逐渐减弱而最终几乎消失。本技术针对这一问题开发了香精胶囊产品，使香精包裹在无毒无害的水性胶囊中。在使用过程中，经擦洗、搓揉，胶囊破裂，怡人的香气释放，给人愉悦的感受。在产品保存过程中，香精被牢牢锁定在胶囊内部，不会随时间而缓慢释放，大大提高了产品的留香时间。

炭黑是无毒无害的黑色颜料，由于其在一般固体表面的染色牢度差往往很大程度影响了其应用效果。本技术将炭黑表面进行改性，使其表面形成化学接枝的阳离子结构，大大增强了其在固体表面的附着力，增强了染色牢度，也使炭黑在水性环境分散性提高。本技术对炭黑的阳离子改性工艺便于产业化，过程易于控制。

成果与项目的背景及主要用途： 作为光导体的核心部件-电荷产生层材料，已由最早的无机材料逐步被有机光导材料取，有机材料加工成型性能优良；品种多；透光性好；无公害污染；开发周期短等。目前常用的电荷产生材料主要有酞菁化合物、花类化合物、方酸类化合物、偶氮类化合物等其中应用最多的是酞菁类化合物。 技术原理与工艺流程简介： 将酞菁氧钦粗品溶于-5℃~5℃的浓硫酸中,然后将其以一定速度滴加到不断搅拌的转型溶剂中，温度为加料温度；滴加完毕后，调节保温温度，继续搅拌1-72h，得蓝色乳浊液，静置，向其中加入低碳醇，待分层后分液，用去离子水反复萃取直至水相呈中性，分出有机相；再向其中加入沉淀剂，静置，使 TIOPC纳米粒子沉降；将上层清液倾去，抽滤，用甲醇洗涤滤饼，然后用去离子水打浆、冷冻干燥得加料温度对应的晶型的酞菁氧钦纳米粒子。 技术水平及专利与获奖情况： 发明专利两项，技术水平国内领先 应用前景分析及效益预测： 多晶型光敏性 TIOPC 纳米粒子的优点是粒径小，很大程度上简化多种晶型TIOPC 制备工艺，采用分液，萃取等技术使离子杂质更易被除去，简化现存工艺技术中繁琐的洗涤过程，与 PVB 树脂具有良好的相容性,适合作为制备有机光导体的电荷产生材料，并且使用该材料制得的光导体灵敏度高，暗衰低，残余电位低，具有良好的光导性能。 应用领域： 光电转换材料 合作方式及条件： 合作开发与技术转让

一、 简要综述 　　 广东省产学研项目资助，获广东省科技进步三等奖。 　　 二、 具体介绍 　　 1、项目简介 　　 采用现代科技手段对纤维质大豆副产物进行深入的研究与加工，使得营养成分得以全面开发，解决废弃大豆副产物所造成的环境污染。通过本项目的实施，解决纤维质大豆副产品的加工技术难题，并形成以生物技术为核心的深加工和综合利用技术，研究应用酶法水解技术、膜法分离技术、生物技术、干燥技术及保藏技术等，采用综合加工利用新工艺及设备，将低值大豆副产物开发为高附加值产品，提高企业的技术水平，为保健食品、大宗食品和化学工业提供优质的功能新基料。 　　 2、创新要点 　　 可溶性大豆膳食纤维产品色泽浅、蛋白含量低、风味稳定、得率高，具有较好的溶解性、较低的粘度、较高的吸油能力等。 3、推广情况 　　 已经推广山东谷神生物科技有限公司。

一、 简要综述 　　 国家"十五"科技攻关、广东省工业攻关项目资助，获广东省科技进步三等奖。 　　 二、 具体介绍 　　 1、项目简介 　　 项目以大豆加工副产物-豆粕为原料，通过酶工程、膜分离、低温萃取、活性碳脱色、真空浓缩、闪蒸干燥等现代生物和食品技术的集成运用，开发得到功能性大豆肽。功能性大豆肽产品具有优良的色泽、风味，蛋白质含量≥85％，总肽含量≥80%，溶解度≥90％，正电荷肽含量≥40％，平均相对分子质量≤2000 道尔顿。大豆肽经精制处理，其氮回收率不低于80％，活性回收率不低于85％。 　　 2、创新要点 　　 对蛋白质可控酶解得到富含正电荷的功能性大豆肽、一种适合制备功能性大豆肽的酶膜耦合技术。 　　 3、推广情况 　　 已推广黑牛食品股份有限公司。

基于身份证开锁的物联网电子锁系统，主要由物联网电子锁、云服务器、后台管理软件、客户端软件组成。整个系统是基于无线以太网通信技术，可实现远程无线对电子锁的监控管理，通过RFID射频识别技术识别身份证信息。该系统解决了可用二代身份证刷卡开锁的问题，实现开锁过程实名制，以及利用无线以太网络传输开锁密码、开锁身份证号、门锁状态等信息的问题。

电镀作为金属材料的表面改性技术已经取得了很广泛的应用，近年来电镀也开始在非金属导电材料的表面改性领域取得相当规模的工业应用。但高电阻率氧化物材料表面金属镀覆一直以来不能采用电镀工艺，这是因为这类材料的电子电导小，电镀液中被镀金属离子不能从材料表面得到电子，所以不能沉积下来。传统的绝缘氧化物材料表面镀覆金属的方法有化学镀、真空蒸镀、溅射镀、涂覆金属浆料后再烧结等方法，各方法都有各自的优缺点。如含有氨水的化学镀银溶液不稳定，甚至有可能生成有爆炸危险的叠氮化合物。真空蒸镀和溅射镀有设备投资大、维护费用较高等缺点，涂覆金属浆料后再烧结的方法有金属层厚度不均匀等缺点。 我们发明了一种高电阻率金属氧化物材料表面电镀的技术，解决了多种高电阻率金属氧化物材料表面不能电镀的问题。高电阻率金属氧化物材料电镀的基本过程是首先对氧化物材料表面进行原子氢致电导改性处理，提高其表面电子电导，使材料表面出现半导化甚至金属化，然后在氧化物材料表面直接电镀金属层。我们在这个方向上已经进行了近十年的研究，发表了十几篇学术论文，申请了两项发明专利。      本技术适用于由氧化物功能材料制造的电子元器件表面电镀，也适用于氧化物材料颗粒或块体的电镀等，所得金属镀层厚度均匀，与氧化物材料表面具有良好的结合力。

本成果涉及一种可用于电子封装领域的高导热低介电复合材料。通过采用不同的技术在常见聚合物基材中添加氮化硼，来制备复合材料，复合材料热导率高于 2 W/(m·K)，其介电常数小于 4。该复合材料可作为热界面材料，应用于电子封装领域。

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。