2018 广东工业智造大数据创新大赛 - 智能算法赛 - 铝型材表面瑕疵识别
数据引领 飞粤云端
介绍
铝型材是佛山南海的支柱性产业。在铝型材的实际生产过程中，由于各方面因素的影响，铝型材表面会产生裂纹、起皮、划伤等瑕疵，这些瑕疵会严重影响铝型材的质量。为保证产品质量，需要人工进行肉眼目测。然而，铝型材的表面自身会含有纹路，与瑕疵的区分度不高。传统人工肉眼检查十分费力，不能及时准确的判断出表面瑕疵，质检的效率难以把控。
近年来，深度学习在图像识别等领域取得了突飞猛进的成果。铝型材制造商迫切希望采用最新的 AI 技术来革新现有质检流程，自动完成质检任务，减少漏检发生率，提高产品的质量，使铝型材产品的生产管理者彻底摆脱了无法全面掌握产品表面质量的状态。
本次大赛选择南海铝型材标杆企业的真实痛点作为赛题场景，寻求解决方案，助力企业实现转型升级，提升行业竞争力。
数据源
大赛数据集里有 1 万份来自实际生产中有瑕疵的铝型材监测影像数据，每个影像包含一个或多种瑕疵。供机器学习的样图会明确标识影像中所包含的瑕疵类型。
竞赛规则
使用某企业某一产线某一时间段获取的铝型材图片，训练算法来定位瑕疵所在位置以及判断瑕疵的类型。
瑕疵的衡量标准如下：
1. 型材表面应整洁，不允许有裂纹、起皮、腐蚀和气泡等缺陷存在。
2. 型材表面上允许有轻微的压坑、碰伤、擦伤存在，其允许深度装饰面 ≯ 0.03 mm，非装饰面 ＞ 0.07 mm，模具挤压痕深度 ≯ 0.03 mm。
3. 型材端头允许有因锯切产生的局部变形，其纵向长度不应超过 10 mm。
比赛规程
参赛者自行下载初赛数据，具体如下：
1. 参考学习数据量
9 月 1 日提供下载，300 张图片，包含所有瑕疵的类型。用于参赛者设计图像识别算法和机器学习。
2. 初赛数据量
3000 张图片，包含所有瑕疵的类型。参赛者可以将自己算法识别的结果上传系统，识别率高的前 100 支团队晋级。
3. 复赛数据量
5000 张图片，包含所有瑕疵的类型。晋级复赛的参赛队伍在规定的时间内，通过算法自动识别照片中的瑕疵类型。综合计算识别张数、识别准确率、时长等因素计算出效率最高的 6 支队伍晋级决赛，参加在佛山南海举行的决赛答辩路演，产出最终获胜团队举行决赛颁奖。
提交说明
参赛者需要预测测试集里面的图像的瑕疵类别，提交一份 csv 压缩的 zip 文件，且字段与训练文件一致，需要包含 2个字段。
例如对于以下测试文件： image_id, image_category, 0000001.jpg, scratch, 0000002.jpg, scratch。
评估指标
预测平均每类准确率。
注意事项
- 此次挑战赛禁止以下行为
a) 比赛不倡导使用外部数据 / 模型进行竞赛，但如果需要使用外部数据 / 模型，外部数据必须是开源的，且有相关发表论文介绍和引用；而外部模型也必须开源，且由开源数据训练获得，并有相关发表论文介绍和引用。外部数据 / 模型都必须提供相应的下载链接，并附加文档说明，列出该外部数据/模型的相关引用论文 (最少列出 1 篇)。
b) 人工标注 / 修改评测结果数据
c) 多账号刷分等 - 如果抽查发现参赛队伍有造假、作弊、雷同等行为，将取消该队伍的参赛资格及奖励。