議題已結束

議題提供單位


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。

簡介


自動光學檢查(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。

Reference
[1] https://zh.wikipedia.org/wiki/自動光學檢查

活動時間


活動開始於台灣時間(UTC+8小時)2018/05/24 凌晨零時,結束於 2018/09/27 午夜 11 時 59 分,並於 2018/10/04 公佈結果。

評估標準


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: $$Accuracy = {\text{Number of correct predictions} \over \text{Number of total predictions}}$$

資料說明


本議題所提供之影像資料,包含 6 個類別(正常類別 + 5 種瑕疵類別)。
下載資料 aoi_data.zip 檔案包含:

  • train_images.zip:訓練所需的影像資料(PNG格式),共計 2,528 張。
  • train.csv:包含 2 個欄位,ID 和 Label。
    • ID:影像的檔名。
    • Label:瑕疵分類類別(0 表示 normal,1 表示 void,2 表示 horizontal defect,3 表示 vertical defect,4 表示 edge defect,5 表示 particle)。
  • test_images.zip:測試所需的影像資料(PNG格式),共計 10,142 張。
  • test.csv:包含 2 個欄位,ID 和 Label。
    • ID:影像的檔名。
    • Label:瑕疵分類類別(其值只能是下列其中之一:0、1、2、3、4、5)。

上傳格式說明


上傳檔案的格式請以 CSV 格式(逗號分隔)儲存於單一檔案,內容須對應 test.csv 的 ID 欄位值序號順序,並提供包含以下欄位資料:

  • ID:影像的檔名。
  • Label:瑕疵分類類別(其值只能是下列其中之一:0、1、2、3、4、5)。
  • 將於 12/26 ~ 01/13 開放上傳
    將於 12/26 ~ 12/29 開放挑選

    規則

    • 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。
    • 若活動發生舞弊行為,則舞弊之隊伍將被取消參加資格,並由他隊依排名遞補。
    • 測試資料的答案上傳後,將分為兩部份計算:
      • 活動時間截止前,系統僅參照部份測試資料的真實數值(Ground Truth)來驗證與計算分數,並公佈於 Public Leaderboard;此資料佔全部測試資料的 40%。
      • 活動時間截止後,系統將會參照剩餘測試資料(60%)的真實數值(Ground Truth)來驗證與計算分數,並公佈於 Private Leaderboard,以作為最終成績和最後的排名依據。
      tcglarry2018/08/22 11:43
      0

      1樓

      不好意思, 確定一下, 8/23 晚上之前要上傳完畢? 是嗎?
      (活動到9月底為止?)

      stephanie_huang2018/08/22 11:51
      0

      3樓

      貴單位您好, 我們是自強基金會資料科學與大數據分析師養成班的學員, 對於AOI瑕疵分類的題目感到興趣, 想要更進一步讓功能性更高, 不知道可否能提供相關細節的資料? (1.為了想要更真實的test,可否透露是那種產品&產業來源? 2.含時間序列資料AOI照片) 謝謝

      eric2018/08/24 16:11
      0

      4樓

      @tcglarry 您好,我是這個議題的負責人 Eric。目前議題的活動時間已延長至 9/27,歡迎您繼續參與本議題並上傳結果!

      sikadeer2018/08/29 14:49
      0

      5樓

      既然議題的時間延長, 請問現在還可以報名參加競賽嗎?

      eric2018/08/31 08:37
      0

      6樓

      @stephanie_huang 您好,謝謝您對於「AOI瑕疵分類」議題的關注與參與。
       
      對於您所提的相關細節資訊,本平台從議題提供者所取得的資料中並沒有包括這部份的資訊,所以很抱歉無法協助。
      再則平台所使用的資料皆與廠商簽定保密合約,解題以外的資訊即使有恐怕也無法提供,這部份是受法律約束的,希望您能諒解。
       
      平台陸續會推出一些影像相關的議題,希望您繼續給於支持並擁躍參與,感謝!

      eric2018/08/31 08:39
      0

      7樓

      @sikadeer 您好,目前活動仍在進行中,歡迎您報名參加!

      sikadeer2018/08/31 10:55
      0

      8樓

      您好, 我想報名, 可是這個議題的網頁上找不到 "我要報名" 的按鍵, 請問還有其他的方式報名嗎?

      eric2018/09/03 08:26
      0

      9樓

      @sikadeer,您好,請直接點選資料頁面中的檔案下載,簽署 NDA 後即可參加,謝謝您的參與!

      tcglarry2018/09/03 22:29
      0

      10樓

      請問
      a.只分類瑕疵類別, 對實際生產有幫助嗎 ?
      b. 正確率多少以上, 模型會有佈建的效益 ? 

      sikadeer2018/09/14 14:05
      0

      11樓

      已經把結果上傳了,可是Leader Board 是空空的, 我怎麼知道上傳的資料對不對? 還有沒有改善的空間? 如果過幾天又做了新的版本再上傳, 怎麼知道有沒有進步?

      eric2018/09/21 13:04
      0

      12樓

      @sikadeer 您好,在您上傳檔案之後,系統會在 Public Leaderboard 中呈現您的分數,Private Leaderboard 則會在議題活動結束之後才公佈。

      eric2018/09/21 13:16
      0

      13樓

      @tcglarry 您好,分類瑕疵類別,有助於判斷所生產的產品是否有問題,並針對不同類別做進一步的分析;至於正確率,廠商在實際評估效益時,會依照不同的產品及應用有不同的要求,謝謝!

      franky2018/09/28 12:29
      0

      14樓

      先謝謝工研院提供 AOI 資料集! 請問 10/04 會用什麼方式公佈結果? 上傳資料的人員會有機會彼此溝通交流嗎?

      eric2018/10/09 13:57
      0

      15樓

      @franky 您好,AOI 瑕疵分類議題活動已圓滿結束,結果在 10/04 已透過快訊公佈。我們目前也在籌畫社群相關功能,以供大家交流,敬請期待,謝謝!

      taurus12079@gmail.com2018/10/16 12:56
      0

      16樓

      請問能提供test_images 的正確label嗎

      eric2018/10/31 11:29
      0

      17樓

      taurus12079@gmail.com 您好,AOI議題將規劃以不同的形式持續解題,所以暫時不會將test的 label公開,敬請見諒,謝謝!

      JC2018/11/08 17:30
      0

      18樓

      @eric 這個dataset還有可能供練習使用嗎? 

      eric2018/11/27 11:13
      0

      19樓

      @JC,您好,未來會推出不同形式的解題方式,敬請期待!