海关总署发布2022年缉私十大典型案例******

　　2022年，全国海关开展“国门利剑”“风雷”联合行动，深化全员打私，严厉打击重点涉税商品和洋垃圾、象牙等走私，综合整治“水客”、离岛免税“套代购”、粤港澳海上跨境等走私，全年立案侦办走私犯罪案件4509起，案值1210亿元，分别增长5.8%、25.6%。

　　2023年，全国海关将继续保持打击走私高压态势，开展“国门利剑”“蓝天”“护卫”等专项行动，严厉打击重点地区、重点领域、重点商品走私，深化反走私综合治理，加强国际执法合作。

　　2022年缉私十大典型案例

　　2022年，全国海关缉私部门坚持以习近平新时代中国特色社会主义思想为指引，坚决贯彻落实习近平总书记关于打击走私工作重要指示批示精神，紧盯“中央关注、社会关切、群众关心”的突出走私问题，切实发挥缉私专业打击职能作用，深入开展“国门利剑2022”联合行动。全年共立案侦办走私犯罪案件4509起，案值1210亿元。现发布2022年缉私十大典型案例如下：

　　1.海关总署缉私局开展“330”专项打击行动

　　海关总署缉私局在深圳、上海、南京、抚州、台州等地组织开展打击走私贵重金属、走私普通货物、洗钱等专项行动，打掉走私团伙9个，案值474.53亿元，涉案黄金57.57吨，钯金47.95吨，其他贵重金属53.63吨。

　　2.拱北海关缉私局侦办“310”走私液晶显示屏案

　　拱北海关缉私局立案侦办一起以低报价格方式走私液晶显示屏案，在广州、深圳、东莞等地抓获犯罪嫌疑52人，打掉走私团伙7个，案值40亿元。经查，涉案团伙利用货运渠道通过低报价格方式从香港走私液晶显示屏等进境，还利用“大飞”通过海上偷运的方式走私，数额巨大。

　　3.上海海关缉私局侦办走私进口弹药案

　　上海海关缉私局侦办一起走私进口弹药案，查获境外弹药公司生产的各类火药动力制式手枪弹22000发。

　　4.广州海关缉私局侦办“奋发12”“水客”走私手表案

　　广州海关缉私局在广州、珠海、常州等地开展“奋发12”打击“水客”走私高档手表行动，打掉走私团伙4个，案值2.9亿元。经查，涉案团伙将在境外钟表商行订购的手表运往澳门，交给专业“水客”通关团伙以夹带等方式走私入境。

　　5.昆明海关缉私局开展打击走私毒品入境专项行动

　　昆明海关缉私局通过科技赋能、关警协作、跨警种合成作战等手段，破获货运渠道走私毒品案件33起，在中缅打洛、孟连、沧源、清水河、畹町等口岸缴获毒品冰毒、海洛因、恰特草等共318公斤。

　　6.南宁海关缉私局侦办“5·17”走私水果案

　　南宁海关缉私局联合海关风控、关税等部门，在广西、广东、山东、河南等地开展打击走私水果专项行动，打掉走私团伙3个和非法售卖海关专用缴款发票团伙1个，案值47.3亿元。经查，涉案团伙以低报价格和少报数量的方式将境外订购的水果走私入境，另查实该走私团伙涉嫌洗钱、骗取留抵退税犯罪，查证洗钱金额1.3亿元人民币。

　　7.宁波海关缉私局侦办走私文物案

　　宁波海关缉私局立案侦办走私文物系列案12起，查证涉案走私银元2711枚，查扣银元1609枚，其中二级文物1件、三级文物97件、一般文物1428件。经查，涉案团伙通过虚构发货单位、发货人，采取伪报品名的方式，将涉案文物通过商业快递渠道走私出境。在香港回归祖国25周年前夕从香港带回8枚涉案文物。

　　8.黄埔海关缉私局侦办“HP2022-05”走私木薯淀粉案

　　黄埔海关缉私局在南宁、东兴、凭祥、广州等地开展“HP2022-05”专项行动，打掉走私团伙3个，案值15亿元。经查，涉案团伙将境外购买木薯淀粉通过边民互市贸易渠道伪报贸易性质走私入境。

　　9.福州海关缉私局侦办走私旧医疗设备案

　　福州海关缉私局在福建福州、广东佛山等地开展打击旧医疗设备走私专项行动。经查，涉案团伙从境外购买内窥镜等二手旧医疗设备，通过快件渠道伪瞒报、“水客”携带等方式走私入境。

　　10.汕头海关缉私局侦办“4·22”涉嫌逃避商检出口冻海产品、骗取出口退税案

　　汕头海关缉私局联合有关部门，在广东、福建等地开展“4·22”专项打击行动，查证逃避商检出口冻海产品案值9亿元，骗取国家出口退税额1.1亿元，虚开用于骗取出口退税、抵扣税款发票金额16.5亿元。经查，涉案团伙采用虚构原料来源、伪报货物品名方式逃避商检，同时采用虚开农产品收购发票和高报出口价格等手段骗取出口退税。（“海关发布”微信公众号）

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟