第三届中国人工智能创新大赛（大学组）—“人工智能应用创意赛”竞赛规则
第三届中国人工智能创新大赛（大学组）—“人工智能应用创意赛”竞赛规则2022-03-1811:11:33来源：中国网 | 作者：佚名|字号：A+｜A-一、赛题背景
人工智能应用创意赛是提升学生利用人工智能技术创新实践能力，提高“AI+X”在各个行业领域的应用和推广能力。
二、参赛队伍要求
参赛队伍成员为高校在校学生（包括专科生、本科生和研究生），2-3名队员组成一支参赛队伍且队员来自同一高校，参加过往届本类别比赛并获奖的作品不能再次申报。参赛队伍通过所在高校统一报名。
参赛队员应以积极的心态面对和自主、妥善地处理在比赛中遇到的各种问题；自尊、自重、自律、自强；友善地对待队友与对手；尊重志愿者、裁判员和所有为比赛付出辛劳的人，努力把自己培养成为有健全人格和健康心理的人。
三、赛事任务及评分细则
1参赛作品要求
1.1作品主题
参赛作品须利用人工智能核心技术，自由探索具有落地潜力的应用场景，包括但不限于人工智能技术在农业、工业、交通、物流、医疗、教育、文化、旅游、金融、社会服务等领域和行业。
竞赛采用开放命题，参赛者可自行选择技术创意应用场景，参赛作品须以人工智能为核心技术，生成的模型需要解决该场景下的具象应用或通用问题。项目主题健康、不违反社会道德和工程伦理。
备注：由于大赛单独设置智慧健康和医疗赛道，本赛道不接收此领域的项目和作品。
1.2参赛组别划分
根据队员所在学校层次不同，比赛分为本科及以上组、高职组两个组别，每个队伍根据队员情况进行报名。
1.3作品要求
参赛作品可以使用无代码人工智能开发平台（包括但不限于百度EasyDL、华为ModelArts等人工智能开放平台）实现，也可以基于TensorFlow、Pytorch、飞桨等主流人工智能和深度学习框架进行开发，鼓励使用深度学习框架进行开发、鼓励具有模型部署、界面交互以及软硬结合的作品。2.作品提交要求
本赛题分为初赛和决赛两个阶段，初赛需要提交作品说明书，决赛需要提交作品说明书、答辩PPT、作品展示视频（选填，也可嵌入PPT中）、海报等内容，各项材料具体要求如下：
2.1初赛作品说明书（点击链接查看）
（1）选题说明：描述要解决的核心问题是什么（用户痛点）；
（2）作品简介：阐述作品有哪些主要功能、核心创意、产品优势等；
（3）技术方案：数据来源及处理方式、核心技术等；
（4）应用前景：简要介绍产品的应用场景；
（5）团队介绍及成员分工：项目成员的履历介绍、成员详细分工等；
（6）初赛作品说明书提交时间：在2023年4月26日22：00前发送至邮箱：lubibo@hpu.edu.cn；
（7）邮件主题以“组别+学校名+队伍名+作品名+联系方式”命名；
（8）提交材料以压缩文件格式提交，以“组别+学校名+队伍名+作品名”命名，文件解压后包括按照如下命名格式的文件：01-作品说明书，02-答辩PPT，03-项目视频（选填）；
（9）如文件过大（超过50M），可在邮件中注明网盘链接。
2.2决赛答辩PPT（决赛前发送到邮箱：lubibo@hpu.edu.cn）
（1）选题说明；
（2）作品简介；
（3）技术方案；
（4）应用前景；
（5）团队介绍及成员分工。
2.3作品展示视频（决赛前发送到指定邮箱：lubibo@hpu.edu.cn）
用视频演示产品功能，可以嵌入PPT中，视频长度建议不超过3分钟。
2.4作品海报（作品海报决赛前发送到邮箱：lubibo@hpu.edu.cn）
用于展示作品的内容，参加决赛的队伍需要根据大赛组委会提供的模板（模板在大赛公众号下载）制作并打印海报，参赛队伍自备易拉宝并放置在组委会指定地点进行展示。3评审流程与评分标准
3.1评审流程：
（1）竞赛专家委员会对收到的作品进行初赛网络评审，通过初评的队伍会被通知并推荐参加现场决赛；
（2）参赛团队结合答辩PPT对作品进行功能介绍和现场演示，视频可以单独播放，也可嵌入到答辩PPT中（5-10分钟）；
（3）参赛团队对评委提出的问题进行答辩（5分钟）。
3.2评审标准：
评审专家以竞赛专家委员会专家为主，秉持公平、公正原则进行评审，竞赛组织委员会负责相关流程的组织和监督。
（1）本科及以上组、高职组分开评审；
（2）评委专家提前对作品说明书进行审阅；
（3）评审专家按照评分细则对参赛作品的现场路演及答辩情况进行现场打分，去掉一个最高分去掉一个最低分后的平均成绩作为参赛作品的最终成绩；
（4）根据最终成绩评选出获奖名单，并按照奖项设置颁发相应证书。
评分细则适用于两个组别，具体细则如下：
4奖项设置
本次竞赛的评审结果由竞赛专家委员会审定,并在竞赛官方网站公布。获奖证书由竞赛组织委员会统一印制、颁发，颁奖典礼在决赛评审结束后进行。决赛根据最终成绩排名设置一等奖、二等奖、三等奖及优秀指导教师奖，颁发证书。
四、违规处理
以下情况将视为违规，竞赛组织委员会有权取消参赛队伍的参赛资格：
（1）参赛报名信息作假；
（2）在参赛过程中出现违反相关法律、法规的行为；
（3）作品涉嫌抄袭，侵犯他人知识产权等；
（4）作品涉及不健康、淫秽、色情或毁谤第三方等内容；
（5）参赛期间发现或被举报认定存在的其他违法、违规行为。
责任编辑：赵立国
第33届浙江省青少年科技创新大赛获奖作品赏析
由此可见，这个比赛项目很注重：①所研究问题的真实性，项目必须来源于生活而研究结果又可以应用于社会生活；②学生的自主性，项目的所有过程，都要学生自主完成，而不是由家长或老师完全代劳；③科学性和创新性，这个不用多说。
下面就根据笔者实际看到的作品，做一些总结分析。
获奖作品特点分析
根据前两天公布的浙江省赛结果，通过比对获得一、二等奖的项目，发现获奖作品的一些特点或者共性，他们往往具备以下一个或几个特征：
·结合生活中真实场景，作品或结论有一定的普适推广意义；
·针对社会热点问题，提出思考或解决方案，如安全、消防、环保等角度；
·基于真实校园生活或学习场景，反应学生认知，结合学科知识；
·研究过程详细，思路清晰，实验或调研方法有一定的科学性，结论有一定的社会价值；
·有专利或者其他相关的专业认证材料或评价；
·结合地方特色的研究或解决方案，如风俗文化、饮食习惯、地方特产等；
·体现对特殊人群或动植物的关怀关爱。
先用下面一张思维导图来抛出结论与例子，图中的例子都是获得一等奖的作品，二等奖作品数量比较多，在此就不单列了。
下面分别根据每个特点进行举例分析。
结合生活中真实场景，作品或结论有一定的普适推广意义
从上图中可以看出，这一类作品是最多的，围绕生活中遇到的问题提出解决方案，这也是青创赛关注的重点。从几个获奖作品可以看出，大部分问题都是生活中的一些比较小的现象，但是大多数人都遇到过类似问题，可以说是以小见大。从技术层面来说，大部分作品所运用到的技术其实都不难，都是科创类课程里面会常教的一些知识点，但是在选题时，选择的应用场景都比较好。
比如“基于速度检测的智能门扇防夹手装置”这个作品，这是推荐进入国赛的13个作品之一，它的应用场景非常具体，也是非常小的一个角度，但是大部分人都遇到过这个问题。而它所用到的技术，却只是一个气筒装置，更不用说一些高大上的编程或者智能硬件传感器了。
基于速度检测的智能门扇防夹手装置
再比如“手持便携式身高测量仪”这个作品，在技术上完全不难，大部分学过Arduino编程的孩子，应该都能做出来。但是他的应用场景选的很好：旅游买票时用来测量身高。这样就不需要像医院一样用一些比较大型的设备了，同时又能避免人眼目测的一些不精准。提到精准性问题，这个作品还特意加了角度传感器，以控制测量装置保持水平位置，从而解决准确性问题，这是很多学生做类似作品没有考虑到的问题。另外这个作品还增加了手机记录数据并进行分析的功能，这也是作品的加分项。
手持便携式身高测量仪
再比如“基于绿色保鲜理念的水果鲜切技术创新研究（以鲜切苹果为例）”这个作品。每个人都吃过苹果吧，但是有没有人考虑过水果店的鲜切水果的保鲜性呢？又有多少人基于这个问题进行了细致的研究分析呢？
基于绿色保鲜理念的水果鲜切技术创新研究（以鲜切苹果为例）
还有另外几个作品，如“导游助手”、“基于红外线温度监测的旋钮式燃气灶智能监护装置的设计与研究”、“路锥自动捡放装置”、“新型多功能学生旅行箱”等，都是跟生活实际结合的比较好的。
针对社会热点问题，提出思考或解决方案，如安全、消防、环保等角度
再来，是针对社会热点问题或者话题的，这是历年青创赛关注的重点，今年也是有非常多的作品围绕这个角度去展开。
比如前段时间比较受关注的30多个消防员牺牲事件，大家在惋惜英雄牺牲的同时，有没有为他们想过一些增加他们安全的措施呢？今年有一个作品就关注了这个问题，而且得了一等奖。这个作品就是“防止破门“轰燃”的猫眼孔消防水枪”，也是被推荐去参加国赛的作品。它的角度或者说应用场景也是非常小的，聚焦在消防员进门灭火的那个“进门”过程，但是它的解决方法却有一定的创新性、科学性和可实施性，也经过了消防员的验证并得到了好评。所以说，一个好的作品，往往能经受实际使用的考验，而不是纸上谈兵。
防止破门“轰燃”的猫眼孔消防水枪
再比如“智能水上垃圾清理收集机器人”这个项目，它关注的就是“五水共治”这个社会热点，也经历了下水实际测试和应用的考验，所用到的知识也都是课堂上能学到的。
智能水上垃圾清理收集机器人
其余几个作品，如“溺水自救报警器”、“机动车防闷死防高温防酒驾防烟雾实用智能报警控制系统研究”、“能快速逃生的“警”-“车”联动的客车”、“智能感应式检测行人安全装置”，基本跟安全有关，所以说安全问题，也是作品创意取材时可以关注的角度。
基于真实校园生活或学习场景，反应学生认知，结合学科知识
这个角度也是非常讨评委喜欢的。学生是校园生活的主人翁，平常待在校园里的时间也是最长的，应该说大部分碰到的问题都会跟校园生活、或者学习有关，反应出来的场景也比较真实，很多作品都是跟学科知识结合，把学校里学到的知识真正应用到解决学习问题，值得鼓励和推广！
比如“巧用杠杆原理的电梯节能装置”这个作品，这也是推荐参加国赛的作品。电梯在现代城市生活中几乎是每个人都会用到的设备，但是有多少人考虑过节能问题呢？他所运用到的原理就是简单的杠杆原理，这在高中的学科知识范围之内。同时这个作品跟“节能减排”这个社会热点也有关系。真正将学科知识应用到生活实际。
巧用杠杆原理的电梯节能装置
再看看“多功能导轨式直尺的研究与设计”这个作品，这个作品解决的问题就更小了，简单来说，就是解决小学生在数学课堂上方便画平行线、直角、延长线的问题。每个人在学习时都画过这些图纸，但是有没有人考虑过如何更加简便呢？作者就提出了一种很简单的创意，一举三得，解决了这3个问题。同时用到的技术也不能更简单了，只用了3D打印！而且造型设计上也完全不难！
多功能导轨式直尺的研究与设计
还有比如“家庭“鱼菜共生”装置的实验研究”，用到了科学课学过的知识；“微型智能校园气象站”也是为了解决科学实验中遇到的问题的。还有“杭州市中小学生校园欺凌角色行为发展特点及影响因素调查研究”，这个研究报告也很有趣，而且值得深思，作为一个学生，能关注到身边受欺负的同学，表现出了很强的同理心！
研究过程详细，思路清晰，调研方法有一定的科学性，结论有一定的社会价值
这类作品往往属于探究型，针对某一现象、某一物品进行研究分型，进行一定数量的科学实验，最终得出一个结论。这类作品的选材往往也是来自家庭生活、校园生活或者社会生活，从获奖作品数量和推荐参加国赛的数量上来说，这类作品是很受青睐的，被推荐去参加国赛的作品数量也较多，所以有兴趣的孩子和家长，不妨从这个角度也可以去研究研究。
比如“小学生提升欣赏性昆虫价值的实践研究”、“圆叶小石积的遗传多样性研究和保护对策建议”这两个作品，都是被推荐去参加国赛的，从他们的作品海报也可以看出，作者们都进行非常详细的研究，整个过程和思路也都很合理，对大部分同学的科学研究工作法，都有很好的借鉴价值。另外包括“芒萁抑制杂草的探究”、“去农残清洗方法的研究”、“去除蒜味方法大PK”等几个作品，都将一些科学实验方法发挥的淋漓尽致，对比法、控制变量法等。
有专利或者其他相关的专业认证材料或评价
每年都会看到很多作品，都申请了相关专利获得得到过一些权威机构的认证，这些材料都能从某些角度来佐证作品的创新性和科学性，还能一定层度上反应作品研究经历的时间长。现在也是很鼓励学生在一件事情上进行持续深入的投入和研究。而且，今年这类作品被推荐参加国赛的数量最多，所以如果有好的作品，能申请专利，就尽可能申请一下专利吧，反正百利而无一害。
我们来看看“数控气压式骨科牵引器的研发”这个作品，他申请了发明专利！一般来说，学生作品申请发明专利是比较少的，发明专利也比较难申请，大部分都是实用新型专利为主，所以足见这个作品的创新性。
数控气压式骨科牵引器的研发
而“基于速度检测的智能门扇防夹手装置”这个作品，则申请了实用新型专利；“巧用杠杆原理的电梯节能装置”这个作品则得到了国家电梯之间部分的充分肯定，以及菲尼克斯、荣创等电梯企业的认可，当然也配备了一些认证报告。所以这两个能被推荐去参加国赛，应该也是众望所归了。
基于速度检测的智能门扇防夹手装置
结合地方特色的研究或解决方案，如风俗文化、饮食习惯、地方特产等
这类作品往往有地域特色，而且有一定的地域优势。中国是一个文化大国、饮食大国，民俗文化的多样性也一直是我们的特色！很多作品都会从当地的一些特色出发，来吸引评委的眼球，尤其在区、市县级会受到比较大的关注，因而也更容易被推荐进入省一级甚至国一级的比赛。在制作作品、参加比赛的同时，还能推广家乡特色！
这类作品往往是针对当地文化的某一现象进行研究，或者针对当地特产，从生产、加工等方面给出一定的改良措施。比如“全自动鲜莲子穿芯机”和“黄桃果酒和果醋制作工艺的优化性探究”这两个作品，都属于后者。
全自动鲜莲子穿芯机
黄桃果酒和果醋制作工艺的优化性探究
体现对特殊人群或动植物的关怀关爱
这个就不用多说，也是体现孩子爱心和同理心的角度。给社会上的特殊人群、弱势群体一些帮助，方便他们的生活，也体现了我们大国素质。但是这类作品往往角度比较难选，因为关注的人比较多，很容易在方向上跟人撞车，所以如何一下子吸引评委的眼球，角度一定要新鲜。
比如“携式环境监测仪”这个作品，被推荐进入了国赛。乍一看，这个作品名称，好像也没有什么特别，好像很多学生也做过类似的，在技术难度来说也就是一些传感器的组合。但是这个作品的角度选的非常好，也非常细，它的适用对象是孕妇类的特殊人群，这一类人群的确是会对局部环境条件比较敏感的人，如果家里生过小孩的评委，一定会对这个作品的使用场景感同身受。所以说，设计作品的时候，不仅要对作品的使用对象还有同理心，而且也可以对评委使用同理心的角度去思考，往往也是一个比较讨巧的做法。
携式环境监测仪
声明：部分资料来源于网络，由浩天教育整理编辑，侵权删除。返回搜狐，查看更多
第三届中国人工智能创新大赛（大学组）——“大数据应用赛”
第三届中国人工智能创新大赛（大学组）——“大数据应用赛”2022-03-2115:11:27来源：中国网 | 作者：佚名|字号：A+｜A-一、赛题背景
大数据应用赛是利用大数据思维发现社会生活和学科领域的应用需求，针对某一领域的特定问题，利用大数据和相关新技术设计解决方案，实现数据分析、业务智能、辅助决策、数据可视化等应用型比赛。
二、参赛队伍要求
报名应来自单位、机构、学校统一报名，只能以团队形式报名，团队人数不超过3人，要求来自同一单位，每个团队最多2名指导教师。各参赛团队限申报一件作品，且不得兼项。参加过往届本类别比赛的作品不能再次申报。
三、赛事任务
参赛作品谢绝已商业化（完成产品规划设计包括预备针对市场进入精细开发的项目）或已经获得投资的项目参赛。参赛作品涉及的领域包括但不限于：
1、农业大数据（种植、养殖、粮油、食品、蔬菜等）。
2、工业大数据（生产、管理、工艺、诊断、控制等）。
3、环境大数据（气象、资源、人口、灾害等）。
4、交通大数据（城市、道路交通、物流等）。
5、社交大数据（舆情、推荐、自然语言处理等）。
6、商业大数据（金融、经济、电商等）。
7、法律大数据（审判、普法、犯罪等）。
8、人文大数据（教育、艺术、文化、体育等）。
备注：由于大赛单独设置智慧健康和医疗赛道，本赛道不接收此领域的项目和作品。
四、作品提交要求
本赛题最终需提交的作品材料包括作品说明书、作品源代码、展示视频、答辩PPT、海报等5项内容，各项材料内容的具体要求如下：
1、作品说明书（包括但不限于以下内容）
（1）作品背景：描述要解决的核心问题是什么（用户痛点）；
（2）功能概述：阐述作品包括的功能、特色、核心优势等；
（3）系统设计与开发：包括数据来源、数据处理方式、核心技术、数据分析与实验、工具软件、主要结论、创意创新性等；
（4）应用前景：简要介绍产品的应用场景；
（5）团队介绍及成员分工：项目成员的履历介绍、成员详细分工等；
（6）项目原创性声明：承诺提交方案及成果的原创性和真实性，若由此产生的知识产权纠纷由参赛者自行承担。
2、展示视频（包括但不限于以下内容）
（1）设备展示：拍摄展示所有测试所需物理设备（如有）；
（2）功能演示：用视频演示实物产品、Demo等所有规划功能，从视频中可以看出实现效果，可以搭配人工解说介绍；
（3）视频长度建议不超过5分钟。
3、答辩PPT（包括但不限于以下内容）
（1）作品背景；
（2）功能概述；
（3）系统设计与开发；
（4）应用前景；
（5）团队介绍及成员分工；
（6）其他（产品亮点等）。
4、作品源代码
包括系统运行的所有源代码。
5、作品海报
用于展示作品的内容，参加决赛的队伍需要根据大赛组委会提供的模板（模板在大赛公众号下载）制作并打印海报，参赛队伍自备易拉宝并放置在组委会指定地点进行展示。
6、提交时间
本赛题分为初赛和决赛两个阶段，初赛需要提交作品说明书和作品源代码，决赛需要提交答辩PPT、作品展示视频（选填，也可嵌入PPT中）、海报等内容。
（1）作品说明书和作品源代码
①请在2023年4月26日22:00前发送至邮箱：caiicdata2023@163.com
②邮件主题以“学校名+队伍名+作品名+联系方式”命名。注意：学校请写全名；
③如有多个文件，请压缩为一个zip文件提交，文件解压后包括按照如下命名格式的文件：01-作品说明书，02-作品源代码；
④如文件过大，可在邮件中注明网盘链接。
（2）答辩PPT、展示视频和作品海报
①请在决赛前发送前至邮箱：caiicdata2023@163.com
②邮件主题以“学校名+队伍名+作品名+联系方式”命名。注意：学校请写全名；
③如有多个文件，请压缩为一个zip文件提交，文件解压后包括按照如下命名格式的文件：03-答辩PPT，04-项目视频（选填），05-作品海报。
（3）答辩时请自备电脑用于展示作品。
五、评审流程与评分标准
1、评审流程
（1）竞赛专家委员会对收到的作品进行初赛网络评审，通过初评的队伍会被通知并推荐参加现场决赛；
（2）参赛团队结合答辩PPT对作品进行功能讲解，视频不用单独播放，可嵌入到答辩PPT中；（5-10分钟）
（3）参赛团队对评委提出的问题进行答辩。（5分钟）
2、评审标准
（1）评委专家提前一周对作品进行审阅。
（2）评委专家依据评分标准对参赛作品进行现场打分，去掉一个最高分去掉一个最低分后的平均成绩作为参赛作品的最终成绩。
本次参赛作品的详细评分标准如下：
3、奖项设置
本次竞赛的评审结果由竞赛专家委员会审定，并在竞赛官方网站公布。获奖证书由竞赛组织委员会统一印制、颁发，颁奖典礼在决赛评审结束后进行。决赛根据最终成绩排名设置一等奖、二等奖、三等奖及优秀指导教师奖，颁发证书。
责任编辑：赵立国
山东省教育厅 大学生科技创新大赛 第三届山东省大学生科技创新大赛二等奖获奖作品展示
1.山东大学：实用新型会计用多功能验钞机.pdf
2.山东大学：基于蓝牙的物联网智能ic卡手环.pdf
3.山东大学：多适应足式管道机器人.pdf
4.山东大学：适用于多种土质可现场快速循环利用的环保型粘土3D打印机.pdf
5.山东大学：批量硬币高效分拣整理一体机.pdf
6.山东大学：助力爬楼小能手.pdf
7.山东大学：空中指环鼠标.pdf
8.中国石油大学（华东）：智能语音识别机器人.pdf
9.山东大学（威海）：基于STC的餐馆炉灶节能装置.pdf
10.山东大学（威海）：海岛式低温太阳能海水淡化装置.pdf
11.山东科技大学：太阳光全波段光催化AgAg2O异质结构.pdf
12.山东科技大学：等高线断面法自动算量.pdf
13.山东科技大学：钢管混凝土拱架套管节点大偏心实验装置.pdf
14.山东科技大学：创新型潜艇.pdf
15.青岛科技大学：基于双传感器智能冲厕的生活废水资源化系统.pdf
16.青岛科技大学：水下磁耦合谐振式无线电能传输装置.pdf
17.青岛科技大学：组合式分拣机.pdf
18.青岛科技大学：智能追踪全向搬运机器人.pdf
19.济南大学：用于农药残留检测双模式纸芯片的研发.pdf
20.济南大学：铅碘杂化材料晶体结构和水稳定性影响因素研究.pdf
21.济南大学：双轴视角平衡履带侦查车.pdf
22.济南大学：基于高效染料废水处理的新型环境材料制备及性能研究.pdf
23.青岛理工大学：电磁策动振动共振演示仪.pdf
24.青岛理工大学：基于柔性碰撞螺旋管扶正系统的大蒜种植机.pdf
25.青岛理工大学：自定位冲击式高露仁核桃破壳取仁装备.pdf
26.青岛理工大学：中国大学生方程式赛车.pdf
27.山东理工大学：全自动硬币分拣机.pdf
28.山东农业大学：爬树修枝机器人.pdf
29.山东农业大学：智能畜牧养殖系统.pdf
30.青岛农业大学：基于微信与云平台的互联网健康饮水系统.pdf
31.济宁医学院：吲哚-2-羧酸双核铜配合物的生物活性研究.pdf
32.山东师范大学：小球藻对生活污水的处理及生物能源物质的获取.pdf
33.山东师范大学：基于超快激光微加工技术的微型激光分束器.pdf
34.山东师范大学：新型石墨烯二氧化钛复合材料纱窗的研制.pdf
35.山东师范大学：基于Raspberry-Pi的警用远程WiFi网络侦查取证系统.pdf
36.曲阜师范大学：可见光催化高效合成β-羰基砜类化合物.pdf
37.曲阜师范大学：α-葡萄糖苷酶为靶点的高灵敏、可视化糖尿病药物筛选方法研究.pdf
38.曲阜师范大学：Easylife智控家居.pdf
39.曲阜师范大学：基于机器视觉的大输液瓶灯检机.pdf
40.曲阜师范大学：基于物联网监控智能保鲜系统.pdf
41.曲阜师范大学：智能温湿度控制仪.pdf
42.聊城大学：一种高电致应变钛酸铋钠基无铅压电陶瓷材料.pdf
43.鲁东大学：一种提高普通光学显微镜成像效果的装置.pdf
44.鲁东大学：山东省栽培蓝莓根内深色有隔内生真菌DSE的分离鉴定及其在蓝莓育苗及栽培中的应用.pdf
45.临沂大学：全脚控防侧翻新型代步车.pdf
46.泰山学院：宿舍双风机多风向蓝牙智能电风扇.pdf
47.青岛滨海学院：“离、合”硬币分离器.pdf
48.青岛大学：全自动硬币清分包装机.pdf
49.烟台大学：“糖葫芦”型狗粮机.pdf
50.烟台大学：多功用型车位锁.pdf
51.潍坊学院：智能通风散热装置.pdf
52.潍坊学院：水陆两栖救灾机器人.pdf
53.山东交通学院：基于NJD-1能见度仪的团雾预警系统.pdf
54.山东工商学院：医疗行业密闭针组护套组装一体化生产线.pdf
55.山东英才学院：管道机器人.pdf
56.青岛黄海学院：水上垃圾清理船.pdf
57.青岛工学院：基于单片机的钱币辨伪分拣仪.pdf
58.山东医学高等专科学校：基于中国数字人的血管系统实验过程创新.pdf
59.滨州学院：新型树木采伐锯段机.pdf
60.山东职业学院：全自动纸币清分机.pdf
61.潍坊职业学院：机体与曲轴箱把合前自动喷油装置.pdf
62.潍坊职业学院：硬币快速分拣筛.pdf
63.潍坊职业学院：L-乙酯液相检测方法及手性色谱柱再生方法建立.pdf
64.潍坊职业学院：高压釜支撑总成维修专用工具.pdf
65.山东交通职业学院：蹦星人”—萌宠宠物店.pdf
66.淄博职业学院：3D打印机.pdf
67.淄博职业学院：菌种自动注水机.pdf
68.青岛港湾职业技术学院：猎空无人机捕捉系统.pdf
69.山东凯文科技职业学院：kj-1型数控防汛钢丝网编织机.pdf
70.山东海事职业学院：高仿真自动操舵仪.pdf
“华为杯”第四届中国研究生人工智能创新大赛赛题
一、报名及提交作品要求
参赛队伍在以下赛题中任选其一进行作品创作参赛。6月20日前，在大赛官网报名，通过培养单位资格审查后，6月27日前，在官网提交参赛作品。（作品提交规范及模板见附件）
大赛官网https://cpipc.acge.org.cn/
二、大赛赛题
（一）技术创新：开放题
（二）应用创意：开放题
（三）企业赛题：华为赛题共4个，均为华为技术有限公司从实际需求出发拟定的与智能技术密切相关的题目。属于此种选题方式的作品还可以参与华为专项奖的评奖。
1.华为赛题一
1.1题目名称
微服务架构应用的故障演练数字化
1.2题目描述
随着数字化程度越来越高，分布式系统、云计算等新技术的不断发展，运维在企业中的重要性越来越高，用户和企业从质量、效率、性能、安全、成本等多维度出发关注运维。且随着企业IT系统的规模扩大、复杂度不断提高、监控数据日益增长，各类故障层出不穷，保证系统高效可靠运转的难度激增，运维需要与人工智能的能力结合，基于企业IT运维过程中产生的告警事件、黄金指标、日志、调用链等数据，利用机器学习/深度学习/数据挖掘相关技术支撑异常检测、根因定位和容量规划等场景，助力企业应用稳定、高效地运行，解决传统运维难以解决的问题，提升运维效率，为企业减少因业务不可用所带来的直接损失。
现代IT系统是一个复杂系统，随着应用现代化的推进，越来越多传统单体应用转为微服务架构，微服务数量巨大，关系复杂，迭代变化快，传统运维越来越困难。该方向旨在通过各类异构多源数据的采集、感知与处理，使用多维时序分析、神经网络、机器学习、复杂系统控制论、关系图谱等技术，完成对微服务系统的异常检测、日志分析、调用链分析，和故障定位来帮助IT系统提前发现和预知风险，维持系统稳定与安全运行，在系统发生故障时，帮助运维人员快速定位及解决故障，从而保障系统的高可靠、高可用性。
主要挑战:
1.真实场景里的故障样本与正常样本相比数据量较少，有数据不平衡的问题，很多数据没有标签,也有数据噪声大，信噪比低的问题，对AI模型的开发不友好
2.IT系统的数据形态非常多样,有结构化的监控指标数据，有半结构化的调用链数据，及非结构化的告警和日志类数据，鲁邦的AIOps模型需融合多源异构数据，从不同数据源提取特征构建。
IT应用在上线前需要经过测试环节，上线后也有例行的故障演练。在测试和故障演练的过程中，通过有效的挖掘导致应用故障的失效模式，记录应用的各类数据，可以形成AI友好的完整数据集支撑后续的异常检测与根因定位模型开发，参赛者需要设计失效模式挖掘方案让故障演练更好地数字化。
1.3具体要求
1.参赛者需要部署微服务Microservices-demo[1]及配套监控系统(包括但不限于[2]、[3])采集指标数据；
2.参赛者需要考虑用户访问模型，模拟不同的用户访问模式，利用故障注入工具(包括但不限于[4])使微服务应用出现故障，挖掘微服务应用的失效模式，常见的失效模式包括：前端负荷激增(业务量异常)、用户打开页面卡顿，用户打不开页面等失效模式，它们可能是由数据库服务不可用(连接数达到上限,数据库表被删除,数据库表过大)、底层资源容量不足等（CPU、内存利用率…）、网络阻塞等引起的；
3.参赛者生成故障数据集，并通过案例展示该生成数据集可支撑异常检测与根因定位算法[5]-[9]的开发与验证。
4.参赛队伍最终提交故障数据集，模型代码，方案文档与演示视频(可选),方案文档需完整描述故障演练数字化方案与AI模型训练与验证过程。
a.生成的故障数据需要有多样性，至少覆盖3种组件与3类典型故障；
b.异常检测与根因定位算法的评测指标可采用业界常见的评估方法，异常检测算法可采用F1-Score作为评价指标（参赛者需根据应用的访问延时与错误率等黄金指标定义异常,为数据打上标签后再验证算法准确率），根因定位算法可采用PR@k（Precisionattopk,topk个结果中包含真实根因的概率）与MAP（MeanAveragePrecision）作为评价指标,同等准确率的情况下,算法的推理时间与模型大小将作为参考评价指标。
c.人工评委审核成绩从4个方面考核：结果复现评估，方案可行性分析，方案创新性评估，方案通用性评估；评委人员：潘乐萌，张晓，白志刚，郭毅成。
1.4华为赛题一咨询专家及联系邮箱：
微服务架构应用的故障演练数字化–潘乐萌-panlemeng@huawei.com
1.5参考数据集
AIOps-Challenge-2020-Data:https://github.com/NetManAIOps/AIOps-Challenge-2020-Data
MicroRCASampleData:https://github.com/elastisys/MicroRCA/tree/master/data
1.6参考文献
MMicroservices-demo
[1]https://github.com/microservices-demo/microservices-demo
Prometheus-Monitoringsystem×eriesdatabase
[2]https://prometheus.io
Grafana:Theopenobservabilityplatform
[3]https://grafana.com/
Locust-Amodernloadtestingframework
[4]https://locust.io
AnomalyDetection
[5]ChandolaV,BanerjeeA,KumarV.Anomalydetection:Asurvey[J].ACMcomputingsurveys(CSUR),2009,41(3):1-58.
[6]ChalapathyR,ChawlaS.Deeplearningforanomalydetection:Asurvey[J].arXivpreprintarXiv:1901.03407,2019.
RootCauseAnalysis
[7]WuL,TordssonJ,ElmrothE,etal.Microrca:Rootcauselocalizationofperformanceissuesinmicroservices[C]//NOMS2020-2020IEEE/IFIPNetworkOperationsandManagementSymposium.IEEE,2020:1-9.
[8]LinJJ,ChenP,ZhengZ.Microscope:Pinpointperformanceissueswithcausalgraphsinmicro-serviceenvironments[C]//InternationalConferenceonService-OrientedComputing.Springer,Cham,2018:3-20.
[9]ChenMY,KicimanE,FratkinE,etal.Pinpoint:Problemdeterminationinlarge,dynamicinternetservices[C]//ProceedingsInternationalConferenceonDependableSystemsandNetworks.IEEE,2002:595-604.
2.华为赛题二
2.1题目名称
面向口语的NL2SQL语义解析算法
2.2题目描述
语义解析技术是自然语言与企业数据之间的桥梁，为企业级数据查询的易用性、快捷性发挥着重要作用，为提高企业的数字化转型有着重大意义。当前的技术方案并非直接将自然语言转为SQL形式，而是识别出Query中的各个SQL条件成分、条件值等要素，以生成伪SQL形式。然而，自然语言的多样性限制了NL2SQL场景的能力，在实际应用过程中会存在如下问题：
1.Query口语化（重点）。用户日常查表过程中，口语化成分较多，指代复杂，歧义性较高，如：90后员工有多少人、去年部门走了多少员工等，难以用程序规则覆盖完整，存在“长尾”问题。
2.小样本训练能力。企业级的表格都是大宽表形式，按照主流NL2SQL或语义解析做法，需要进行标注的数据量必须涵盖所有字段，标注任务繁重，且算法能力后期难以迁移至其他企业业务场景；目前暂不涉及多表查询的需求，但单表字段较复杂，有近义词的字段，有字符不统一，有长文本字段等。
2.3具体要求
1.所提方法，必须具有“可迁移性”，不可只能解决某一个业务领域问题。
2.可利用外部知识（如：公开数据集、自有数据知识、适当程序正则等）增强模型算法，并最终在业务测试集上进行测试，证明方法的有效性。
3.在保证模型“可迁移性”条件下，尽量保证模型精度不下降，最终以验证集评测结果为首要标准，以方案可行性为辅助评测标准。
4.由于此课题主要是针对SQL表字段及字段值，进行Query的语义成分解析，可能涉及实体识别、句子成分解析等技术，同时也鼓励新技术新idea创新。以SQL单表为例，单表字段“时间；产品类别；销售状态”，示例Query“2020年有多少C类产品售出？”，需要解析成以下条件（单条query所有要素识别正确加1分）：
a.先识别此query的操作为SQL的COUNT操作，以“有多少”为依据，总共有六种操作“MAXMINCOUNTAVGSUMNULL”，其中“NULL”为无关语料不需要做解析（other类问题）；
b.条件值“2020年”对应时间字段的条件值，“C类产品”对应产品类别的条件值，“售出”对应销售状态的条件值；
5.最终打榜成绩（计60%分数）。通过线下脚本计算判分取Top10进行人工评委审核，若存在并列成绩情况，可多取候选者；赛委会提供1张宽表（约20-30个字段），以及1份已标注的Query数据集，赛委会保留1份待预测数据集作为评测，结果按照约定JSON格式提交，以正确率为评判标准（单条所有要素全部正确匹配才算得分，参见2.3部分解析），最终评委组通过线下自动化脚本判分，以邮件或官网形式公布最后的打榜成绩；
6.人工评委审核成绩（计40%分数）。评审从4个方面考核：打榜结果复现评估，方案可行性分析，方案创新性评估，方案可迁移性评估；初审评委人员：夏海荣、周宇翔、孙非凡、蒋圭峰。
2.4华为赛题—咨询专家及联系邮箱
面向口语的NL2SQL语义解析算法–周宇翔–zhouyuxiang4@huawei.com
2.5参考数据集
待发布
3.华为赛题三
3.1题目名称
智能问答中的澄清问的识别与生成
3.2题目描述
由于自然语言的复杂性和现实世界里知识的多样性，智能问答系统在部分对话场景下需要向用户发起追问，以更加准确地理解用户的真实意图。这类问题通常称为“澄清问”，旨在引导用户对其意图进行明确和细化，从而消除对话中的语义歧义和知识歧义，提高智能问答系统的效果。因此，澄清问的检测、生成和答案理解，对于智能问答系统的构建具有重要意义。
具体地，该任务通常涉及澄清检测、澄清问生成以及实体预测三个子任务：
1.澄清检测
澄清检测任务需要考虑对话上下文，并结合问题的具体领域和所提供的知识库信息，对“当前语境下系统是否需要进行澄清问”进行判别。该任务通常可以视为二分类任务。
通常而言，该任务的输入是从0到t时刻的用户及系统历史对话，其中Uk为第k轮用户会话，Mk为第k轮系统会话；输出为系统对“当前是否需要进行澄清问”的预测结果，若需要进行澄清问则输出标签“1”，否则输出为“0”。
例如，假设知识库中包含歌手“孙悦”和篮球运动员“孙悦”的相关知识。当用户询问“孙悦是哪一年出生的”时，由于无法直接判断用户询问的是哪一位孙悦的信息，因此需要进行澄清问；当用户询问“孙悦效力于哪个篮球队”时，结合知识信息的简单推理可以判断用户询问的是篮球运动员的信息，此时不需要进行澄清问。
2.澄清问生成
若澄清检测结果为真，则智能问答系统需要生成相应的澄清提问。该任务可以视为文本生成任务，其输入同样是是从0到t时刻的用户及系统历史对话，其中Uk为第k轮用户会话，Mk为第k轮系统会话；输出为系统的澄清提问Q。
3.实体预测
在进行澄清提问后，系统需要进一步对用户的回答进行理解。该任务的输入表示为，其中Uk为第k轮用户会话，Mk为第k轮系统会话，Q为系统的澄清提问，A为用户的回答。模型需要提取出A中指向的是哪个实体。
3.3具体要求
1.根据所公布的数据集，参赛者可自由设计算法方案来比赛，但不可调用第三方外部接口。
2.参赛选手需完成全部三个子任务。其中，每个子任务均包含single-turn和multi-turn两种类型的数据，选手应采用统一的模型处理这两类数据（即，单轮与多轮不分开评估）。
3.赛题总分由竞赛得分（60%）和专家评分（40%）两部分组成。其中，竞赛得分部分根据选手提交的方案在测试集（包括公开测试集和非公开测试集）上的运行结果给出；专家评分由评委组对选手所提交的方案的新颖性、合理性等进行打分。因此，除结果文件外，参赛选手还需要提交模型代码（用于非公开测试集评估）和模型说明文件（用于报告模型方案以及模型在公开测试集上的结果）。
3.4华为赛题—咨询专家及联系邮箱
智能问答中的澄清问的识别与生成–张睿、王喆锋–zhangrui311@huawei.com、wangzhefeng@huawei.com
3.5参考数据集
CLAQUA数据集https://github.com/msra-nlc/MSParS_V2.0
3.6参考文献
1.XuJ,WangY,TangD,etal.Askingclarificationquestionsinknowledge-basedquestionanswering[C]//Proceedingsofthe2019ConferenceonEmpiricalMethodsinNaturalLanguageProcessingandthe9thInternationalJointConferenceonNaturalLanguageProcessing(EMNLP-IJCNLP).2019:1618-1629.
2.ShaoT,CaiF,ChenW,etal.Self-supervisedclarificationquestiongenerationforambiguousmulti-turnconversation[J].InformationSciences,2022,587:626-641.
4.华为赛题四
4.1题目名称
预训练中的数据选取
4.2题目描述
预训练大模型需要从海量数据中进行学习。对于NLP预训练来说，训练语料通常需要几十GB到几百GB，如此大规模的数据，每一个训练轮次都要消耗大量算力和时间，带来了极高的训练成本。一个已有的观察是，在海量的训练数据中往往包含一些重复或相似的数据，如果对这些数据进行精简，可以在不影响模型性能的前提下，有效地压缩数据体积。此外，由于数据来源多样，训练数据中通常也会包含一些噪声数据，这些数据对模型的训练增益不大，甚至可能带来负面影响。
本赛题考虑对海量文本数据进行选取，从中剔除重复、相似以及有害的数据，从而压缩数据体积，并且尽可能不影响NLP预训练模型的性能。
4.3具体要求
给定10GB英文互联网数据。要求参赛者设计数据选取算法，将该数据压缩至70%，基于压缩后数据训练英文bert-base模型，训练轮次限定为3轮。训练完成后，在公开数据集SST-2、MNLI、SQuAD1.1上进行测试，根据测试集上的性能进行初筛，选出前五名进入第二阶段测试。要求参赛者提交选取算法代码、数据压缩记录、训练过程记录、测试结果截图等相关证明材料，供主办方审核。
第二阶段要求前五名参赛队伍提交完整的数据选取代码，主办方使用另外的20GB英文互联网数据，基于参赛队伍的算法进行数据压缩，得到70%的压缩数据，训练英文bert-large模型，并在GLUE和SuperGLUE两个公开榜单上进行测试。根据测试性能得到最终排名。
赛题输入
10GB英文数据。
赛题输出
压缩至70%，尽可能保证预训练模型在下游任务的性能。
4.4华为赛题—咨询专家及联系邮箱
预训练中的数据选取–史佳欣—shijiaxin3@huawei.com
4.5参考数据集
预训练数据：预训练数据网址：https://huggingface.co/datasets/c4/tree/main
使用gitclonehttps://huggingface.co/datasets/c4/tree/main进行下载，需要安装gitlfs。
下载完成后，选取其中的c4/en/c4-train.00000-of-01024.json.gz、c4/en/c4-train.00001-of-01024.json.gz、c4/en/c4-train.00002-of-01024.json.gz、……、c4/en/c4-train.00013-of-01024.json.gz，共计14个文件，作为训练集。每个文件是一个压缩文件，解压后提取文本字段，大约735M。
下游任务数据：SST-2：https://huggingface.co/datasets/SetFit/sst2/tree/main
MNLI：https://huggingface.co/datasets/SetFit/mnli/tree/main
SQuADv1.1：https://rajpurkar.github.io/SQuAD-explorer/dataset/train-v1.1.json
全球人工智能技术创新大赛 热身赛
全球人工智能技术创新大赛【热身赛一】布匹疵点智能识别小白入门记录首先，这次的笔记是我参加全球人工智能技术创新大赛【热身赛一】布匹疵点智能识别的犯的错误以及遇到的问题的记录,之前没怎么使用过docker，费了九牛二虎终于把结果提交上去了。docker的使用、提交方法和dockerfile的配置请参考：
https://tianchi.aliyun.com/competition/entrance/231759/tab/174?spm=5176.12586973.0.0.6f7a5bc8TLRPZn
以及
https://github.com/datawhalechina/team-learning-cv/blob/master/DefectDetection/docker%E6%8F%90%E4%BA%A4%E6%95%99%E7%A8%8B.pdf
，刚开始手有点不知所措，多参考多练习就好。
下面请看我第一次提交的结果（用的yolov5l，bs=2，img=1024，结果着实有点惨）：
遇到的问题关于图片、标注的格式转换问题请参考大佬写的文章，里面很详细:
https://blog.csdn.net/qq_26751117/article/details/113853150
我和他不同之处，他改的是datawhale给出的baseline，我对照baseline改的yolov5。（主要是我刚开始没有看到，哭唧唧）
1、Baseline最开始我也使用的是：
https://github.com/datawhalechina/team-learning-cv/tree/master/DefectDetection
这里给出的baseline，但是跑的时候遇到一个问题了，提示缺少best.pt,想到这个baseline是yolov5改来的，我就去yolov5官网下载了yolov5l的权重文件，下好后又遇到一个问题，提示说：看了一下，脑壳发痛，又想了一下，懒癌却发作了，最后干脆那官方最新的yolov5版本跑，对照之前的DefectDetection，随便改了一下（主要是ctrl+c,ctrl+v)，把data/coco128.yaml，convertTrainLabel.py，process_data_yolo.py粘贴到yolov5里面，对比train.py改了一下。之后就开始缓慢训练啦，1070（穷逼）跑了一晚上多一点，在60e左右不变化。
2、detect生成好权重文件，检测的时候又遇到问题，因为这里测试的文件结构是这样的：
|--tcdata|--guangdong1_round2_testB_20191024.zip|--guangdong1_round2_testB_20191024|--201908262_de5bf60c1d3b79ad0201908262154188OK|--201908262_de5bf60c1d3b79ad0201908262154188OK.jpg|--template_201908262.jpgyolov5进不去，懒癌发作，ctrl+c,ctrl+v，把DefectDetection里的detect.py复制过来，pycharm提示报错，根据错误提示，把utils/utils.py复制到对应文件夹里，这时候还发现还是缺少LoadImagesTest这个类，对照一下，把DefectDetection里的utils/datasets.py里LoadImagesTest类复制到yolov5里面去。
3、docker具体也没什么，就是一个熟练过程，下面是一些常用命令总结。
1）构建镜像dockerbuild-tregistry.cn-shenzhen.aliyuncs.com/test_for_tianchi/test_for_tianchi_submit:1.0.2）进入容器配置环境1、查看镜像IDdockerimages2、进入容器dockerrun-it600b(imageid自己替换)/bin/bash3、配置环境，和正常ubuntu里配置环境一样，注意的是：这次比赛给的是CUDA10.1，所以安装pytorch的时候记得选择10.1的版本，例如我这里是pytorch=1.7.1:pipinstalltorch==1.7.1+cu101torchvision==0.8.2+cu101torchaudio==0.7.2-fhttps://download.pytorch.org/whl/torch_stable.html3）保存容器为镜像1退出但不关闭容器:ctrl+P+Q2保存容器为镜像使用dockerps查看容器的iddockercommitffab(容器id自己替换)registry.cn..........(自己的仓库地址)..........:1.04）拷贝本地文件到容器dockercp你的文件路径容器长ID:docker容器路径例如：dockercptcdata8d70c4f51727:/tcdata5）测试镜像1先用dockerimages查看镜像的ID2dockerrunyour_image(自己替换)shrun.sh查看是否允许正常或者进入容器里，进行测试，当运行正常后，使用利用3）保存镜像6）推送镜像(1)查看镜像iddockerimages(2)推送镜像dockerpushregistry.cn-shenzhen.aliyuncs.com/test_for_tianchi/test_for_tianchi_submit:1.0(自己替换仓库地址以及指定版本号)4、提交在左侧【提交结果】中填写推送的镜像路径、用户名和密码，即可提交。根据【我的成绩】中的分数和日志可以查看运行情况。
参考[1]:https://github.com/ultralytics/yolov5[2]:https://github.com/datawhalechina/team-learning-cv/tree/master/DefectDetection[3]:https://blog.csdn.net/qq_26751117/article/details/113853150