30 / 30

participants / team

Topic provider


工業技術研究院電子與光電系統研究所由電子工業研究所、光電工業研究所與影像顯示科技中心改組合併而成,透過技術的研發、服務、移轉與成立衍生公司,協助台灣的半導體、封測、LED/OLED、資訊與通訊、軟性顯示器、軟性電子、3D立體影像、透明互動系統…等電子與光電產業提升技術能力。電子與光電系統研究所積極建構優質的環境,開發系統整合及應用導向的前瞻技術,深耕產業自主能力,帶動產業創新,推動新創育成,強化國際及學術合作,推升整體產業價值,創造我國產業的全球競爭力。

Introduction


自動光學檢查(Automated Optical Inspection,簡稱 AOI)[1],為高速高精度光學影像檢測系統,運用機器視覺做為檢測標準技術,可改良傳統上以人力使用光學儀器進行檢測的缺點,應用層面包括從高科技產業之研發、製造品管,以至國防、民生、醫療、環保、電力…等領域。工研院電光所投入軟性電子顯示器之研發多年,在試量產過程中,希望藉由 AOI 技術提升生產品質。本次邀請各界資料科學家共襄盛舉,針對所提供的 AOI 影像資料,來判讀瑕疵的分類,藉以提升透過數據科學來加強 AOI 判讀之效能。

本議題僅開放台北大學林道通教授「Artificial Neural Network and Deep Learning」課程專題使用。

Activity time


活動結束於 2021/07/02 午夜 11 時 59 分。

Evaluation Criteria


參與本議題研究者在提供瑕疵預測類別後,系統後台將定期批次處理以計算分數,評估方式採用計算與實際值的相符正確率(Accuracy)。公式如下: $$Accuracy = {\text{Number of correct predictions} \over \text{Number of total predictions}}$$

Rules

  • 活動評估結果以最後上傳的結果為基準,若評估分數一致時,以上傳時間優先為主。 
  • 上傳次數限制為 3 次/天。 
  • 本議題不允許組隊,同一人只能有一組帳號,人員不得重複參加,違者經確認後會取消參賽資格。 
  • 參賽作品所使用之資料、技術與程式碼,均屬參賽者之原創或已取得合法授權,若有任何第三者主張侵害智慧財產權或其他違法情事,均由參賽者自行出面處理;若有侵害他人智慧財產權之情事者,主辦單位將取消競賽及得獎資格,參賽者應自行負擔相關法律責任。 
  • 參賽成果之智慧財產權歸屬參賽者擁有,其著作授權、專利申請、技術移轉及權益分配等相關事宜,應依相關法令辦理。 
  • 主辦單位有權對參賽者進行成績查驗相關措施。 
  • 不同帳號禁止交流答案,違者視同舞弊。  
  • 禁止使用任何人工標記。 
  • 未來如有任何爭議,主辦單位將保留最終決定權。 
  • 主辦單位有權因需要調整賽程及相關規定。