台灣高經濟作物 - 愛文芒果影像辨識正式賽

簡介


近來隨著人工智慧的興起,智慧加值概念導入精準化的技術於農業中,不僅有助於提高產能,更能同時改善人口短缺以及農產所得收入,期望透過 AI 技術進行高自動化與標準化的輔助,提升產值並有效進行產業轉型。成功案例如導入區塊鏈技術為根本的外銷市場行銷策略,搭配完整溯源系統,將台灣香蕉外銷日本通路產量在短短五個月內銷出近 500 噸。同樣和香蕉並列台灣重要出口農產品之一的愛文芒果於近年銷量持續增長,不僅躍升為三大外銷高經濟生鮮果品之一,更將外銷國拓展至日本、中國、美國以及香港等地,統計至民國 108 年 4 月為止,出口至香港以及中國之生鮮芒果,約占生鮮出口總值之 52%以及 44%,而出口至美國、韓國以及日本之調製芒果,約占其出口總值之 15%、43%以及 21%。雖然在各國當地政府的政策配合下,台灣芒果相較以往提高了知名度並拓展市佔率,但遭遇其他同為芒果出口國(菲律賓、泰國)的削價競爭,因此諸多品種改良、採收後處理技術以及品牌行銷仍尚待科技輔助的推進。

本次目標希望基於自動化、精準化的 AI 影像辨識技術導入概念,在未來利用台灣本地資料庫建立一套自動芒果篩果系統,並在未來進一步希望能與政府單位如農委會合作完整芒果智能履歷的搭建,提供一般臺灣大眾簡單明確的芒果選購機制,同時拉抬台灣本地愛文芒果的品牌精緻化。透過競賽的舉辨,可以快速將此一相關技術成長,培養相關智慧農業人才。以掌握科技種植、科技溯源以及品牌價值的三大元素,藉以提升在地芒果品質並樹立台灣芒果品牌價值,不僅對台灣整體向外拓展的競爭力有所助益,也能有機會與他國建立連結打響台灣高經濟蔬果品牌知名度甚至種植指標國際化。同時間針對此一與生活息息相關的主題也培養台灣的 AI 人才,以其擴散至不同農業作物,為智慧農業奠基。

本正式賽會提供人工標註的芒果優劣等級(3 類)與病種(5 類)文件,並將資料分為訓練集,建構集(開發集)與測試集。競賽的主要目標為從大會提供之影像進行提取特徵並辨識所提供之標籤,並針對所擷取出來的特徵進行影像評估,確認等級、不良品之間關聯性。本競賽採用 WAR (Weighted Average Recall) 來評估參賽者在測試語料集上預測結果的正確率。主辦單位將在報名規章中公布競賽相關細則並明訂關聯性類型之規範。

參賽對象


具中華民國學籍學生(研究生亦可)。業界亦可參加,另列入綜合競賽敘獎排名。

競賽獎金


單項競賽獎金
三類等級分類辨識競賽
(Grade Competition)
第一名 第二名 第三名 優等 佳作(十名)
10 萬元 5 萬元 3.5 萬元 1 萬元 十名,各 7.5 仟元
五類不良品分類辨識競賽
(Defective Competition)
第一名 第二名 第三名 優等 佳作(十名)
10 萬元 5 萬元 3.5 萬元 1 萬元 十名,各 7.5 仟元
綜合競賽獎金
三類等級分類辨識競賽
(Grade Competition)
第一名
3 萬元 
五類不良品分類辨識競賽
(Defective Competition)
第一名
3 萬元 
雙項競賽綜合排名 (ORS)
Overall Rating Score
第一名 第二名 第三名
10 萬元 5 萬元 3.5 萬元

競賽方式及評選辦法


本競賽「愛文芒果之影像辨識正式賽」係依據主辦單位所提供之資料集,並經由主辦單位聘僱之領域專家標註結果,以 WAR 來評比各參賽隊伍的系統效能和名次。詳細辦法說明如下:

本競賽有三種資料集,分別為 A. 訓練集(Training Data)、B. 開發集 (Development Data)及 C. 測試集(Test Data)。訓練資料集包括 1. 影像名稱 (Image) 2. 影像對應之等級/不良品標籤(Grade/Disease)。其中分級辨識競賽分為初賽及決賽,訓練集及開發集分為兩個階段釋出,初賽僅釋出部分訓練集, 決賽釋出完整訓練集。另外,測試集也分為兩階段釋出。

  • 初賽—訓練及開發:主辦單位機提供 A. 部分訓練集、B. 部分開發集(共約 7000 張)、C. 線上評分排名系統(使用 WAR 指標評分)。參賽隊伍需從「部分訓練集」中訓練等級、不良品類別分類模型,並以該模型對「部分開發集」進行預測,並上傳「部分開發集」之預測結果至線上評分排名系統,來進一步調校系統效能。
  • 初賽—測試:主辦單位公布測試集(Test Data),標有影像名稱及編號,約 1000 張。參賽隊伍需在截止時間前,至平台上傳「完整測試集」預測結果。參賽者每天可上傳至多五次,並選取其中一至三筆分數作為評選對象。
  • 決賽—訓練及開發:主辦單位將提供 A. 部分訓練集、B. 部分開發集(共約 60,000 張)、C. 線上評分排名系統(使用 WAR 指標評分)。參賽隊伍需從「部分訓練集」中訓練等級、病種類別分類模型,並以該模型對「部分開發集」進行預測,並上傳「部分開發集」之預測結果至線上評分排名系統,來進一步調校系統效能。
  • 決賽—測試:主辦單位公布完整的測試集(Test Data),標有影像名稱及編號,約 5000 張。參賽隊伍需在截止時間前,至平台上傳「完整測試集」預測結果。參賽者每天可上傳至多五次,並選取其中一至三筆分數作為評選對象。
  • 參賽者必須在系統分數公布後兩周內上傳系統報告說明文件,以茲證明無任何作弊或抄襲之可能。委員們將在此階段一一進行嚴格的文件審查。
  • 評分:最後仍用 WAR 來評估參賽隊伍的系統效能,並公布於 Private Leader Board,委員將以此成績高低為依據評估最後獎金賽名次。

● 相關問題諮詢,請洽:biiclab@ee.nthu.edu.tw
● 競賽論壇: AI CUP 2020|愛文芒果影像辨識雙項競賽 討論區

活動時間


等級分類競賽事件 不良品分類競賽事件
開放報名(提供註冊及Sample data) 2020/02/03-05/15
公布初賽訓練集、建構集資料開放下載 2020/03/02
公布建構集Baseline與演算法等參數 2020/03/09
公布初賽測試集,開放下載及上傳答案算分 2020/06/12
初賽截止,關閉測試集的資料上傳答案功能 2020/06/16 23:59:59
公布初賽成績 2020/06/24
公布決賽訓練集、建構集資料開放下載 2020/07/10
2020/07/10-11/20 開放報名(提供註冊及 Sample data)
公布建構集Baseline與演算法等參數 2020/07/17
2020/8/24 初賽訓練集、建構集資料開放下載
2020/8/31 公布建構集Baseline與演算法等參數
併隊截止 2020/10/30
公布決賽測試集,開放下載及上傳答案算分 2020/11/10
決賽截止,關閉測試集的資料上傳答案功能 2020/11/15 23:59:59
公布決賽成績(系統分數),開始上傳報告 2020/12/02
上傳報告截止,開始評估(系統+報告) 2020/12/15 23:59:59
2020/12/18 併隊截止
公布最終成績(系統+報告) 2020/12/29
2020/12/31 公布測試集,開放下載及上傳答案算分
2021/01/08 23:59:59 競賽截止,關閉測試集的資料上傳答案功能
2021/01/15 公布系統分數,開始上傳報告
2021/01/22 23:59:59 上傳報告截止,開始評估(系統+報告)
2021/01/25 公布最終成績(系統+報告)
頒獎典禮(暫定) 2021/02/28

評估標準


請參照競賽議題頁面

議題提供單位


}