本项目要求实现一个面向电商远程教育评估的智能教育平台。主要内容是针对学生线下考试数据，结合经典测试理论(CTT)给出试题参数分析，以帮助学生、 教师等理解试题;其次，结合认知诊断模型并得到学生在知识点上的掌握程度， 深入挖掘学生的认知属性(失误率、猜对率等)，帮助学生掌握自身能力情况， 提高学习效率;最后，结合试题和学生的分析，实现除去非教师因素的教师影响力分析方法，并结合数据挖掘技术帮助教师理解班级学生， 改善教学效果。需要达到的技术指标有：1、实现试题评估。试题评估是教育研究的重要问题，有效的试题评估方法可以帮助 教师和学生寻找合适的教育资源，节省教育教学时间，提高教师教学和学生学习的效率，要求平台结合经典测试理论(CTT)，从测试难度、区分度、信度等角度评估试题质量;2、实现学生诊断。（科技成果评价）学生诊断可以帮助学生发现自身的薄弱知识点，从而有针对地进行学习，提高效率。要求平台结合认知诊断模型，在知识点层面对学生进行建模，3、得到学生知识点掌握程度，然后进一步分析学生的认知属性( 失误率、 猜对率)。4、实现教师分析。首先给出教师在班级和知识点层面的影响力分析。同时，结合聚类和异常点检测等数据挖掘技术，帮助教师发现班内的异常学生，使得教师的评价更准确，以帮助教师改善教学。
实现产品全自动化生产，保证产品的连接强度、防针刺保护装置的安全性、破坏抵抗力、泄露、自密封性、正压接头的正压量、直通道接口、装配密合性、分离力、正向流动、流速、回血等性能指标都能满足要求。
目前，移动终端恶意软件从权限提升、远程控制、资源泄漏等三方面严重威胁工业控制系统和用户核心数据安全。为此，公司需要研发一套面向移动终端的恶意软件检测云计算平台原型系统，实现移动终端多源数据采集;结合大数据分析与建模技术、机器学习和人工智能等技术，采用多源数据采集及融合处理，研发恶意软件识别和发现系统，为企业核酸检测、检验、筛查仪器正确检测，（科技成果评价）以及配方等核心数据的安全防护提供安全保障。主要研究内容：(1)架构、设计并实现移动终端恶意软件检测云服务平台;(2)实现对移动智能终端数据采集及融合技术分析：多源数据采集、数据元、多维数据存储管理、数据融合分析;(3)开展基于机器学习的恶意软件检测技术研究;技术指标：(1)提出一种基于机器学习的体外诊断设备恶意软件检测方法;(2)研发一个移动终端恶意软件检测云服务平台;(3)恶意软件检测正确性达到80%以上，误报率低于10%;(4)云端检测时间低于15ms。
公司在工业磷酸一铵的生产过程中，利用湿法磷酸与氨气中和反应时会生成大量的含磷不溶物(工业磷酸一铵渣)，影响了产品纯度，同时产生的大量渣浆因无法消耗，易导致工铵停产，严重制约了公司的生产。公司需要一种工业磷酸一铵渣的综合利用技术。（科技成果评价）要求将工铵渣中的磷、氟、镁等提取出来，使之能转化成相应产品，循环利用，实现铵渣中磷的回收率大于90%，工铵渣渣量小于70%。
研究花生、大豆、芝麻、核桃等油料植物果实中植物油和植物蛋白质的超临界二氧化碳萃取分离关键技术，包括：(1)萃取分离工业化工艺条件;(2)农药和重金属脱除工艺条件;(3)“高压超高压连续固体物料萃取和灭菌装置”专利的工业化;(4)示范工程等。项目突破的关键技术为超临界流体萃取分离过程的连续化，该装置的研制成功将是全世界首台真正意义的超临界流体连续萃取工艺和装置，是对超临界流体萃取技术的巨大提升，将会广泛地用于各种超临界流体萃取的应用场合。超临界流体喷染工艺与装置，该工艺和装置提出在全世界将是首创的，能够彻底解决超临界二氧化碳染色不能连续化和需要大型高压容器的问题，从而将大大促进超临界二氧化碳染色技术的工业化，尽早解决水染色所带来大的重大污染问题。
公司在研发新型饲料添加剂时，公司现有实验、检测设备(原子吸收、原子荧光、液相色谱等)不能满足需要，如饲料用纳米氧化锌等、酶制剂、氨基酸、小肽等、微量元素作用机理及螯合效果、硒在动植物体内的具体形态等的分析检测上，需要专业人员及电子显微镜、极谱仪等专用仪器，公司检化人员及检测仪器不能满足需要，制约了公司发展。（科技成果评价）同时对于最前沿的新型合成制备方法等信息收集上有欠缺。因此公司希望就新型添加剂(有机微量元素、酶)的合成检测方法以及添加剂尤其是微量元素在动植物上的应用(如硒在动植物富硒等方面上的应用)进行合作。
