day
hr
min
sec
participants / team
AAI Lab (Apex Agri-Intelligence Lab)先端智慧實驗室創立於 2018 年,台大生農學院農藝系劉力瑜系主任將智慧農業的產業應用落實在教學與研究之上,除支援台大生農院的教學研究外,無人機飛手訓練、遙感探測技術與應用、影像拼接與分析、作物模式等相關課程,開設智慧農業系列課程,培育未來農產業人才的搖籃,並結合專家系統,將科技帶入農業,為農業帶來嶄新的契機。
臺灣大學農藝系創系於 1946 年,迄今已 70 多年。我們一直以 Feeding the World (餵養全世界)為職志,培育農業與農學具領導力的專家。除了傳承這古老重要的行業與天職,亦開時代風氣之先,積極求新應變。近年來,分子育種、生物技術、生物資訊、生物統計、作物模式 (大數據之探勘)等也開始和傳統農藝結合,產生了相輔相成的新時代農業科技。農藝系的教育方針就在這種時代的變遷裡與時俱進,秉承著專家養成教育之循序步驟,立基傳統,求新求變,用最嚴謹的科學訓練態度,研究及教導最宏觀視野的作物相關科學及科技。
經緯航太科技於 2004 年由羅正方博士在原成功大學衛星資訊中心的基礎上創辦,以衛星定位技術,遙測技術,地理空間資訊技術的 3S 科技為核心,從事衛星資訊分析與相關的圖資處理服務。 2008 年進行企業改造,向上游發展自主載具平台,進入無人飛機研發與製造領域,成為具備垂直整合能力的無人機整體解決方案服務商, 2015 年獲得經濟部「國家產業創新獎」的肯定。
經緯航太科技擅長系統整合、航拍取像操作及遙測影像資料處理,有豐富技術經驗及全方位實戰能力。近年積極南向,開拓東南亞市場,將台灣的無人機產品與應用服務國際化,行銷全球。
隨著軟硬體的快速發展,近期人工智慧的應用成為顯學,並成功應用在廣泛領域上。然而,人工智慧在農業上的應用卻相當受限,除了作物生長周期長、資料不易大量累積外,也因為資料標註高度仰賴具有專業知識的農業專家,使得能作為機器學習的訓練資料集嚴重不足。空拍遙測影像,是在農業現場中相對容易取得的大量資料,透過衛星、飛機或熱氣球空拍等技術取得影像,得以推估耕地面積、作物種類,甚至研究氣候變遷下全球植被更迭等,但上述設備拍攝時間相當受限,也僅能獲取低解析度影像。近來無人機載重、飛行穩定性等技術逐漸成熟,主辦單位得以花費較短時間、以更高頻率拍攝高解析度的影像。
呼應政府推動的五加二產業中「新農業」的發展,本競賽與經緯航太科技股份有限公司 (以下簡稱經緯航太公司) 共同合作,於臺灣北部水稻兩期作種植期間,以無人機拍攝水稻田數個時期高解析度影像,用以進行水稻植株位置辨識,未來期望能以人工智慧建立水稻田植株辨識模組,以提升臺灣未來農業發展軟實力。水稻植株辨識的實際應用,除了計算植株密度以進行水稻產量評估外,植株密度亦可搭配植生指標 (vegetative indices) 推估作物生育期或產期,或未來可應用在無人機定點少量噴灑植物保護劑的施作,達到節省成本及維持環境永續的雙重目的。
此外也將從行政院農業委員會資料開放平台下載植物疫情發布等網路文字資料,期望能根據標註結果以人工智慧建立文字辨識分析模組。
競賽將分三階段進行:第一階段依據訓練集影像資料進行不同階段水稻植株辨識,依測試集影像資料辨識準確度評分;第二階段依座談會(發想討論);第三階段依據訓練集文字資料進行相關標註或資訊擷取技術的應用方向。
注意:本競賽頁面為第一階段水稻植株辨識。
相關問題諮詢,請洽:aai.ntu.agri@outlook.com
競賽論壇:水稻無人機全彩影像植株位置自動標註與應用競賽
本競賽「水稻無人機全彩影像與農業訊息文字探勘辨識及應用」係依據主辦單位所提供之訓練集與測試集影像資料,並經由主辦單位聘僱之領域專家所標註的結果,以評比各參賽隊伍的準確度和名次,詳細辦法說明如下:
本競賽包含影像和文字等不同類型之分項競賽。每項競賽都提供兩份資料集,分別為訓練集(Training Data)及測試集(Test Data)。以影像為例:訓練集包括 1. 水稻田區全彩 (RGB) 影像、2. 影像取得日期、3. 影像中所有植株中心位置;而測試集只有提供全彩 (RGB) 影像及影像取得日期。
競賽將分三階段進行:
第一階段依據訓練集影像進行辨識標註及資訊擷取比賽,依測試集資料辨識準確度評分。
第二階段依座談會(發想討論),無提供獎金。
第三階段依據訓練集文字資料進行相關標註、關聯植病分類等資訊擷取技術的應用方向。
注意,三項比賽皆為獨立比賽。
敘獎對象須為報名時具中華民國各高中職校院、大專校院之在學生,敘獎時需檢附相關證明。
比賽第一階段依標註準確度評分,前 14 名的優勝隊伍將獲得競賽獎金及獲頒教育部獎狀。
名次 | 獎金 |
---|---|
第一名 | 10 萬元 |
第二名 | 6 萬元 |
第三名 | 3 萬元 |
最佳潛力獎 | 1 萬元 |
佳作十名 | 各 5 千元 |
各項獎勵名額得視參賽件數及成績酌予調整,參賽作品未達水準時,得由決選評審委員決定從缺,或不足額入選。
活動開始於台灣時間(UTC+8小時)2021/01/04,結束於 2021/06/11 ,頒獎時間待公布。
時間 | 事件 |
---|---|
2021/01/01-04/15 | 第一階段競賽宣傳 |
2021/01/04 | 開放報名及組隊(提供 Sample data) |
2021/02/22-06/15 | 辦理巡迴課程 |
2021/02/18 | 開放訓練集資料下載及訓練集結果上傳 |
2021/03/18 10:00:00 | 第一階段比賽開始 (公布開放測試集下載) |
2021/03/23 | 第一階段比賽報名及組隊截止 |
2021/06/01 23:00:00 | 第一階段比賽截止,關閉測試集結果上傳功能 |
2021/06/11 | 第一階段公布成績(頒獎時間待公布) |
第一階段準確度評估方式:將各組辨識之測試集影像資料中心位置與植株正確中心位置計算歐氏距離,以距離最小者最佳。
評估方式採用 F1-measure(又稱 F1-score),其公式如下:
$$ Precision={程式計算判斷實際為秧苗點的總點數 \over {程式計算判斷為秧苗點的總點數}} $$ $$ Recall ={程式計算判斷實際為秧苗點的總點數 \over {資料內確實為秧苗點的總點數}} $$ $$ \text{F1-measure}= 2 \times {Precision \times Recall \over Precision + Recall } $$
參考資料:https://en.wikipedia.org/wiki/Precision_and_recall