participants / team
教育部資訊及科技教育司「結合資訊、科技與人文，引領學校邁向永續發展新世紀」之願景，規劃「前瞻人才培育」、「精緻數位學習」、「科研倫理素養」、「數位公義關懷」、「校園環境永續」五大目標，建構以「人」為中心的學習環境，培育具關懷社會與環境之現代公民，強化國家永續發展。
本計畫【人工智慧競賽與標註資料蒐集】為教育部所發起的人工智慧技術及應用人才培育計畫中的其中一項子計畫，透過訂定競賽議題，並每年舉辦AI競賽，藉由搭配學期時間與學校課程合作，老師可審核學生學習一學期後將理論運用在實際問題上的能力，且因競賽資料較貼近生活實際狀況，而非針對教學方便所製作出簡單的數據，學生需要更深入思考才可達到標準，AI競賽將會經過競賽審查委員嚴格審查後頒發獎金及獎狀，以資鼓勵學生們參與培育更多AI人才。
AI CUP 官網： https://www.aicup.tw/
AI CUP 粉專：https://www.facebook.com/AICUPrealtask
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。
國立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。
各位參賽者～～～ 大家引頸期盼的成績、競賽獎項已公告， 請至AI CUP 官網查看: https://www.aicup.tw/ai-cup-2021 為了製作後續獎狀，因此提早公告! 各位敘獎的參賽者請備齊身分資料！ 後續會跟各位聯絡繳交細節， 再麻煩多多留意唷 非常感謝各位的參與， 對於競賽未完善的部分 也謝謝各位的包容、建議與支持 也請各位密切注意 別忘了繼續支持我們的粉絲專頁， 開啟通知小鈴鐺 讓我們一起繼續在資訊開發的路上努力吧
Dear 各位參賽者： 提醒各位參賽者，請盡快上傳競賽報告及程式碼~~~ 繳交期限至110年12月23日23：59截止，上傳才可以完賽， 若完賽有在Baseline0.7以上都有計畫辦公室獎狀， 獲獎機率很高，對未來應徵有很大的幫助唷！ 上傳報告和程式碼，請依報告模板撰寫， 上傳檔名請以能識別您的名稱作為檔名。 ex,“隊名.zip”。 (報告內容：須含程式語言版本、執行的作業系統、使用的每個套件版本等說明) 若要敘獎金的學生組別，請出具所有隊伍成員之學生證明(學生證或是在學證明)，才具有領獎資格，社會人士組則不須檢附。 報告範本下載：https://reurl.cc/gzOdY4 大家記得上傳報告喔！ 謝謝各位的參與~
Dear 各位參賽者： 提醒各位參賽者，請盡快上傳競賽報告及程式碼~~~ 繳交期限至110年12月22日23：59截止， 若leaderboard 名次在前25%都有計畫辦公室獎狀，獲獎機率很高，對未來應徵有很大的幫助！ 上傳報告和程式碼，請依報告模板撰寫，上傳檔名請以能識別您的名稱作為檔名。 ex,“隊名.zip”。 (報告內容：須含程式語言版本、執行的作業系統、使用的每個套件版本等說明) 若要敘獎金的學生組別，請出具所有隊伍成員之學生證明(學生證或是在學證明)，才具有領獎資格，社會人士組則不須檢附。 報告範本下載：https://reurl.cc/gzOdY4 大家記得上傳報告喔！ 謝謝各位的參與~
各位參賽者好： 今天就是開放資料下載的日子 資料延後上傳因假日機台停電導致資料上傳時中斷 所以延後至14:00開放 於12/15號03:00關閉上傳 造成各位參賽者不便 敬請見諒
各位參賽團隊大家好: 這次在討論區出現了幾篇文章有相當爭議 小編也發現，因為編碼問題導致有些文章與原本的編號不符 先在這邊謝謝各位參賽員給予反饋 但也請各位參賽員放心 這一次的Data煩請大家先把887這篇文章作廢(;_;) 我們之後也會發布Private Data Set 最後成績也會只使用Private data set！！(⁎⁍̴̛ᴗ⁍̴̛⁎) 作為最後成績的依據 在這邊也先跟各位參賽員說聲謝謝!!!( ´▽｀) 接著要跟各位報告 近期的巡迴演講YouTube 版出爐了 競賽背景說明 (臺大農藝系劉力瑜) https://youtu.be/-831l_JYEec 文章相關性與關鍵詞抽取 (臺大工科海洋系黃乾綱) https://youtube.com/watch?v=IvAOX5xGrbM&feature=share 各位參賽員可以參考影片也可以對比賽的方向有更多的想法 希望在後續的比賽也能幫助參賽員有更好的參與體驗
各位參賽者好~距離資料集開放下載時間，剩下短短兩天了！ 以下且聽小編介紹這次的競賽內容吧！ 1.資料說明: 我們會開放從行政院農委會開放資料平台下載下來的「植物疫情」相關文字資料，以及『疫情通報』兩兩文章相似程度的標註結果，以人工智慧建立相似度的辨識分析模組。 判定的關鍵依據分別為：作物、病蟲害、防治藥劑 資料集總數： Training Data Set：560篇(共560 x 559種組合；Yes or No) Test Data Set (Public)：421篇(共421 x 420種組合；Yes or No) Test Data Set (Private)：420篇(共420 x 419種組合；Yes or No) 依據Yes/No的答案正確與否計算 F1-score 成績 2.競賽資料的檔案類型跟競賽的模式: https://reurl.cc/1ovYYD 最後，我們會提供一個辭典，其中包含農作物、蟲害、疫病，以及藥物的名稱，給予非農業相關背景者作為參考或辨識的依據。 藉由上述說明，讓大家不會變成無頭蒼蠅:> 小編預祝大家，比賽順利~~~!!!
各位參賽者好~距離資料集開放下載時間，剩下短短兩天了！ 以下且聽小編介紹這次的競賽內容吧！ 1.資料說明: 我們會開放從行政院農委會開放資料平台下載下來的「植物疫情」相關文字資料，以及『疫情通報』兩兩文章相似程度的標註結果，以人工智慧建立相似度的辨識分析模組。 判定的關鍵依據分別為：作物、病蟲害、防治藥劑 資料集總數： Training Data Set：560篇(共560 x 559種組合；Yes or No) Test Data Set (Public)：421篇(共421 x 419種組合；Yes or No) Test Data Set (Private)：420篇(共420 x 419種組合；Yes or No) 依據Yes/No的答案正確與否計算 F1-score 成績 2.競賽資料的檔案類型跟競賽的模式: https://reurl.cc/1ovYYD 最後，我們會提供一個辭典，其中包含農作物、蟲害、疫病，以及藥物的名稱，給予非農業相關背景者作為參考或辨識的依據。 藉由上述說明，讓大家不會變成無頭蒼蠅:> 小編預祝大家，比賽順利~~~!!!
隨著軟硬體的快速發展，近期人工智慧的應用成為顯學，成功並廣泛地運用在各領域上。
然而，人工智慧在農業上的應用卻相當受限，原因除了作物生長週期長、資料不易大量累積外，也因為農業方面的資料標註，高度仰賴具備專業知識的農業專家，使得可以作為機器學習的訓練資料集嚴重不足。
本競賽將從行政院農業委員會開放資料平臺下載「植物疫情」相關文字資料，期望以人工智慧標註結果，建立文字辨識分析模組，藉由訓練集的文字資料進行相關標註和資訊擷取，同時作為病蟲害防治技術的搜尋應用。
主辦單位 e-mail: aai.ntu.agri@outlook.com
敘獎對象須為報名時，具中華民國學籍之各校在學生（含研究生）身分，敘獎時須檢附相關證明。若隊伍內有一人非學生，則視為業界隊伍。
「水稻農業文章文字辨識及標註競賽」將依「探勘水稻植株文字辨識」評分，前15名的優勝隊伍將獲得獎金：
| 名次 | 獎金 |
|---|---|
| 第一名 | 8 萬元 + TWCC 3 萬點數 |
| 第二名 | 6 萬元 + TWCC 3 萬點數 |
| 第三名 | 4 萬元 + TWCC 2 萬點數 |
| 創意獎兩名 | 各 1 萬元 + TWCC 1 萬點數 |
| 優等十名 | 各 5000 元 + TWCC 1 萬點數 |
活動開始於台灣時間（UTC+8小時）2021/09/23，結束於 2021/12/14 午夜 11 時 59 分(延至 2021/12/15 午夜 03 時 59 分)，於 2022/01/24 公布結果。
| 時間 | 事件 |
|---|---|
| 2021/09/23 | 開放報名及組隊 |
| 2021/10/18 10:00:00 | 開放訓練集資料下載及訓練集結果上傳 (每日上傳上限為 5 次) |
| 2021/11/01 10:00:00 | 公布開放 public 測試集下載及上傳 (每日上傳上限為 5 次) |
| 2021/12/03 | 報名及組隊截止 |
| 2021/12/13 10:00:00 (延至 14:00:00) | 公布開放 private 測試集下載及上傳 (每日上傳上限為 10 次) |
| 2021/12/14 23:00:00 (延至 2021/12/15 03:00:00) | 比賽截止，關閉結果上傳功能 |
| 2021/12/15 14:00:00 | 公布 Private Leaderboard 成績，開始上傳報告 |
| 2021/12/23 23:59:59 | 上傳報告截止 |
| 2022/01/24 11:00:00 | 公布本次比賽的最終名次 |
| 暫定 2022 年 2 月 | 頒獎典禮 (細節將另行公布) |
訓練集文字資料進行相關標註之結果計算，以及標註辨識準確率。
評估方式採用 F1-measure（又稱 F1-score），其公式如下：
$$ Precision={TP \over {TP + FP}} $$ $$ Recall ={TP \over {TP + FN}} $$ $$ \text{F1-measure}= 2 \times {Precision \times Recall \over Precision + Recall } $$
TP: 程式計算判定有關係，且為正確相關
FP: 程式計算判定有關係，但不為正確相關
FN: 程式計算判定為沒關係，但實為正確相關
參考資料：https://reurl.cc/vqrOVj
