“中信银行杯”第三届中国研究生人工 智能创新大赛圆满收官
日前,由深圳大学承办,中信银行全程冠名的“中信银行杯”第三届中国研究生人工智能创新大赛全国总决赛在深圳圆满落幕。本赛事自5月份启动至今,全国228所高校共1505支队伍参赛,86支队伍成功晋级总决赛。经过激烈角逐,最终来自郑州大学、武汉大学、华中科技大学的参赛团队分别获得冠、亚、季军。
中国研究生人工智能创新大赛是“中国研究生创新实践系列大赛”主题赛事之一,由教育部学位与研究生教育发展中心指导,中国科协青少年科技中心主办,旨在培养创新型、复合型、应用型高端人才,在新时代国家创新型城市深圳育人才之需,蓄科技之力,创繁荣之势。
大赛汇全国优秀人才,促政产学研合作融通
本届赛事设置了技术创新、应用创意及企业赛题三支赛道,共吸引4500名研究生报名参赛,参赛规模创历史新高。经评审,最终由郑州大学研究生团队的“融合多元感知数据的公路病害全空间智能诊断系统”揭榜夺得本届赛事冠军,武汉大学、华中科技大学等高校获得亚军、季军,大赛共评出一等奖10项、二等奖20项、三等奖55项。
中国研究生创新实践系列大赛主动服务于国家战略,构建政产学研融通合作平台,为人工智能领域健康发展提供支持,激发研究生创新和实践能力的热情,鼓励学子敢于创新、勇于探索、塑造攻克前沿科学难题的决心。大赛自2013年创立以来,得到了近600家高校与科研院所的积极响应,目前已被各级政府认可支持,成为在研究生群体中、业界、社会上发挥着强大吸引力和重要影响力的品牌赛事。
AI赋能,引领未来。国家发改委、教育部、财政部联合发布《关于加强经济社会发展重点领域继续学科专业建设和人才培养的指导意见》中将人工智能列入经济社会发展十大急需领域之一。作为具有全国影响力的研究生人工智能赛事,中国研究生人工智能创新大赛正逐步实现与同类型高水平国际赛事的接轨。
中信银行全力支持赛事,助力人工智能技术落地发展
中国学位与研究生教育学会副会长金保昇线上参加了大赛闭幕式并致辞祝贺,深圳大学副校长张学记、中信银行深圳分行副行长张薇、兰州大学副校长曹红、中国学位与研究生教育学会副秘书长赵瑜等嘉宾受邀出席大赛颁奖典礼。中信银行作为本次中国研究生人工智能创新大赛赞助商之一,大力支持科技创新与中国人工智能领域的发展,主办方深圳大学对中信银行为此所付出的努力和卓越贡献表示了感谢。
中信银行深圳分行副行长张薇在颁奖典礼致辞中表示,中信银行通过冠名赞助第三届中国研究生人工智能创新大赛,彰显了中信银行落实国家“人才强国战略”“创新驱动发展战略”的国企担当。中信银行将持续支持中国人工智能事业,帮助全国各地优秀的研究生们提高创新和实践的能力,成为祖国未来之栋梁,为企业输送人才,为中国科技发展持续贡献力量。
赛事新一代人工智能创新主题,正与中信银行推进科技创新的新发展理念相匹配。中信银行坚持改革创新,近年来加大对科技的投入,积极打造一流科技型银行。通过此次大赛,中信银行筑牢深化与高等院校合作关系,持续推动科技教育领域发展。中信银行紧跟人才强国、创新驱动发展的国家战略,全力支持国家着力培养高质量人才,为人工智能的科技创新提供广阔平台,为人工智能健康发展注入动力。
展望科技创新未来,中信银行深圳分行保驾护航
中信银行深圳分行成立于1988年,沐浴改革开放的春风发展成长。作为最早一批服务于深圳经济特区的商业银行,中信银行深圳分行见证并参与了深圳发展的奇迹。
当前,我国进入新发展阶段,人工智能、生物识别、大数据、区块链技术、云平台等科技加速创新。作为国有控股商业银行,中信银行深圳分行全面推进金融产品和服务创新,加快金融数字化转型。
今年下半年,中信银行深圳分行推出了专门针对科技型企业的专属产品“科创易贷”业务,今年累计授信金额1.16亿元。目前,深圳有1.87万家国家级高新技术企业、6万余家拥有专利企业、7万余家初创型科技企业。中信银行深圳分行已与1071家国家级高新技术企业建立合作关系,批复授信额度159家,为深圳高新技术产业提供了全方位的金融服务。
中信银行深圳分行坚定落实党和国家金融工作方针政策,切实扛起国有企业的责任与担当,始终坚持稳健的经营理念,积极参与社会经济建设,致力成为“有担当、有温度、有特色、有价值”的最佳综合金融服务提供者。未来中信银行深圳分行将持续以金融力量推动科技创新,为深圳高质量新发展做贡献。(张梦影吴梦涵)
(颁奖典礼)
(冠军团队)
(答辩现场)
免责声明：该文章系我网转载，旨在为读者提供更多新闻资讯。所涉内容不构成投资、消费建议，仅供读者参考。【责任编辑：钟经文】“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
关于2023年“华为杯”第四届中国研究生人工智能创新大赛报名的通知
“中国研究生人工智能创新大赛”（以下简称“大赛”，英文名称：ChinaGraduateAIInnovationCompetition）是“中国研究生创新实践系列大赛”主题赛事之一，由教育部学位管理与研究生教育司指导，中国学位与研究生教育学会、中国科协青少年科技中心主办，华为技术有限公司赞助，甘肃省教育信息化学会支持。主办单位、相关产业联盟和部分研究生培养单位共同组成组织委员会。本届中国研究生人工智能创新大赛秘书处设于浙江大学，由兰州大学承办。 大赛以“AI赋能、创新引领”为理念，围绕新一代人工智能创新主题，引领未来的战略性技术，激发研究生创新意识，提高研究生创新和实践能力，着力培养创新型、复合型、应用型高端人才，为人工智能领域健康发展提供人才支撑。现将本届大赛有关情况通知如下：一、大赛主题及参赛作品 本届大赛主题为：AI赋能、融合创新。 本届大赛将秉承“创新”原则，将大赛的特色定位在“前沿领域”和“深入探索”两个方面。参赛作品须围绕新一代人工智能相关技术探索和设计有明确场景驱动的应用创新方案，如人工智能技术在教育、医疗、金融、环保、法律和设计等行业领域的深度应用。 大赛采用开放赛题和企业赛题相结合方式。开放赛题分为技术创新与应用创意两个类别，技术创新类强调软硬件结合，以可展示原型系统作为核心评审考察点；应用创意类强调重大领域场景，以技术可行性和应用落地价值作为重要评审考察点。企业赛题由华为技术有限公司命题，将于近期发布。 每支参赛队伍可根据兴趣及技术能力任选一个类别参赛，同一参赛队员只允许报名参加一个类别。参赛作品应当遵循相关设计、开发指南与规范。参赛者应充分发挥创新能力，自由探索应用场景并自行获取相关数据，最终提交具有原创性并能展示其应用潜力的参赛作品。二、参赛对象及方式 1.参赛对象： 凡具有正式学籍的研究生、已获得读研资格的本科生及本研贯通培养的学生有资格参赛。参赛选手所在研究生培养单位负责审核报名参赛资格。大赛组委会秘书处单位具有对参赛人员资格进行抽查的权利。 2.参赛方式： 参赛形式可以是个人或团队形式，且每人只能参加一支队伍。以团队形式参赛的队伍，每队最多不超过4人，其中在读研究生比例不低于50%，队长必须为在读研究生，且队员分工明确。允许跨校、跨年级、跨专业组队，以作品第一作者所在单位为参赛单位。参赛团队和选手可申报指导教师，每个团队最多可申报2名指导教师，以申报顺序排序。三、作品提交要求 大赛分为初赛和决赛二个阶段，在各阶段，参赛队伍须按照要求按时、合规地提交参赛作品。团队名称、提交的作品材料中不得体现学校、学院或导师等影响比赛公平的信息。团队信息以初赛报名信息为准，一旦通过资格审查整个大赛期间不得更改团队成员、指导老师信息。初赛： 1）参赛者须根据模板提交参赛作品简介（无模板，300字以内）、项目文档（基于模板完成项目内容的详细阐述）、项目视频（团队和项目的充分展现）、其他可选辅佐材料（技术可行性、产品尽调等项目相关内容）。 2）此外，本次大赛鼓励原创性工作，希望作品的核心创意和主要开发过程是在大赛期间独立完成。决赛： 参赛者须通过汇报和展示的形式，全方位呈现作品开发流程、技术概要和潜在应用，具体安排以正式通知为准。四、赛程安排1.大赛通知发布 时间：2022年4月22日 内容：大赛官网公布本届大赛参赛方式、报名须知、作品要求、奖项设置等详细信息。企业命题具体要求另行通知。2.大赛报名时间 时间：2022年4月22日—6月20日 内容：参赛团队在该日期前在大赛官网进行注册报名并接受参赛资格审核。3.作品提交时间 时间：4月22日—6月27日 各参赛队在截止日期前按照参赛要求网上提交参赛作品，承办单位负责参赛作品收集统计和联系工作等。4.初赛评审与晋级结果发布 时间：6月28日—7月15日 内容：参赛项目团队须在截止日期前提交初赛作品，进行大赛初赛评审。2022年7月中下旬大赛公布进入决赛团队名单。5.决赛评审 时间：2022年8月25日—28日 内容：进入决赛团队将接受大赛组委会聘请的国内外知名专家评审。五、奖项设置 本届大赛将设一等奖（前3名设冠军、亚军、季军奖)、二等奖、三等奖和华为专项奖，此外设有优秀组织奖以及优秀指导教师奖等奖项。由大赛组委会向获奖团队或个人颁发证书和奖金。(特设立华为专项奖，授奖对象为选择华为赛题，在初赛评审中成绩排名前15的赛队，此奖可重复获奖。)一等奖10名，合计26万，其中: 冠军队1名，奖金5万； 亚军队1名，奖金4万； 季军队1名，奖金3万； 其它队7名，奖金2万。 二等奖20名，每队奖金1万，合计20万。 三等奖55名，获奖证书。 华为专项奖15名，一等奖赛队5名，每队奖金1万元；二等奖赛队10名，每队奖金0.5万元（为重复奖），合计10万元。 优秀组织奖（若干）。 优秀指导教师奖（若干）。六、其他事宜 1.大赛官网：https://cpipc.acge.org.cn/ 2.“华为杯”第四届中国研究生人工智能创新大赛参赛选手QQ交流群（校内），群聊号码：330535797，群聊二维码：
3.参赛选手QQ群聊（组委会）号码：337189915，群聊二维码：
4.请登录官网进行报名，同时提交附件1：校内报名登记表至HIT_CPIPC2022@163.com。
2023研电赛获奖作品合集
2021“兆易创新杯”第十六届研究生电子设计竞赛（以下简称“研电赛”）已经结束，在比赛中出现了很多优秀作品，特作为整理
1.Arm命题：基于EAIDK-310的行人识别和红绿灯识别小车获奖情况：全国二等奖本项目基于硬件平台EAIDK-310，设计了一套智能行车辅助系统，该系统能完成行人识别与红绿灯识别功能，并被应用于小车。
2.Arm命题：基于EAIDK-310的云端互联无人驾驶系统获奖情况：全国三等奖该系统基于EAIDK-310作为上位机，通过摄像头对图像的实时获取和处理进行行人识别，路标识别，红绿灯识别等，通过串口通信对stm32下位机进行控制，完成车辆的动作反应。基于LD3320语音模块实现用户感知的语音交互。
【2021研电赛国赛三等奖】上海理工-基于EAIDK-310的云端互联无人驾驶系统
3.Arm命题：基于EAIDK-310的智能物料运输车获奖情况：全国三等奖该系统基于EAIDK-310作为上位机，通过摄像头对图像的实时获取和处理进行行人识别，路标识别，红绿灯识别等，通过串口通信对stm32下位机进行控制，完成车辆的动作反应。基于LD3320语音模块实现用户感知的语音交互。
【2021研电赛Arm杯三等奖】长安大学-基于EAIDK310的智能物料运输车by长安大排档
4.其他命题：模拟自动驾驶的智能小车获奖情况：全国一等奖本作品搭建了一套打破TI公司垄断的、低延时的4k超高清双激光投影光机电系统，并且本作品兼容性强，通过子板的更换可以兼容各种不同分辨率的数字微镜芯片、为各大投影厂商选择国产方案提供了可定制化的驱动平台，应用前景良好。
【2021研电赛Arm命题三等奖】西交大-模拟自动驾驶的智能小车
5.其他命题：基于DMD的超高清激光显示系统获奖情况：全国一等奖本作品搭建了一套打破TI公司垄断的、低延时的4k超高清双激光投影光机电系统，并且本作品兼容性强，通过子板的更换可以兼容各种不同分辨率的数字微镜芯片、为各大投影厂商选择国产方案提供了可定制化的驱动平台，应用前景良好。
6.其他命题：多路超高清摄像头控制器设计获奖情况：全国一等奖本团队针对现有摄像头控制器存在的镜头数量少、视频有压缩损耗、本地处理能力弱、传输带宽小、接口灵活性差等不足，提出了一种集采集、处理、显示和传输于一体的硬件解决方案和软件验证平台，该系统采用SOC加大规模FPGA架构，实时采集、处理六路4K/30fps高分辨率视频流，利用HDMI2.0接口和40G万兆以太网实现本地显示和数据传输。
7.其他命题：400GPAM4高速误码测试仪的设计与实现获奖情况：全国一等奖本作品是一款高性能、低成本、宽量程、兼容性好、交互性强、易于扩展的PAM4高速误码测试仪。
8.其他命题：基于ZYNQUltraScale+的高速数据采集系统获奖情况：全国二等奖本团队针对现有的数据采集系统的不足，设计了一套基于ZYNQUltraScale+的高速数据采集系统，为数字信号源提供了100路LVDS信号线，数据采集速率可达160Gbps;通过更换系统子板为模拟信号源提供了采集前的预处理（包括模拟域的放大、滤波及模拟信号-数字信号转换），系统还能以5Gsps的采样率采集模拟信号，采样精度为10bit。
9.其他命题：智能胸外按压电除颤一体仪获奖情况：全国二等奖本装置是一个无需专业人士介入的一体化急救设备。其集成了心脏骤停急救所需的全部功能。风险低、功能全、成本低、高智能、使用方便、存储维护方便。能有效解决现有设备风险大、使用繁琐、成本高、低智能、维护难的问题。
【2021研电赛全国二等奖】上海理工大学-智能胸外复苏及电除颤一体仪
10.其他命题：基于Tengine-Lite的交通标志物识别自动驾驶方案获奖情况：全国二等奖本项目基于EAIDK-310嵌入式开发板，提出了一种自动驾驶方案，设计了一款智能小车。智能小车由软件搭载和硬件组装构成：其中软件部分包括搭载在EAIDK-310上的目标检测模块和语音识别模块；硬件组装包括搭载在STM32上的舵机驱动模块、电机驱动模块以及CCD寻线模块。
11.其他命题：基于机器视觉的智能水果质量监测系统获奖情况：全国二等奖系统主要由视觉采集模块，温湿度传感模块，酒精传感器模块、控制器模块，通讯模块和PC终端上位机、Androidapp软件组成。在考虑实际应用环境，目标群体后完成了系统的硬件选型，主要包括摄像头系统，控制处理模块。同时设计并搭建了水果监测储藏一体化装置，并针对水果质量监测系统提出了可行的系统软件设计方案。
【2021研电赛全国二等奖】华东理工大学队伍-基于机器视觉的智能水果质量监测系统
12.其他命题：智能农业机器人平台获奖情况：全国二等奖本作品现已研究制作了喷药执行机构和机械除草作业机构。喷药作业相较于常规的无人机喷药，续航能力强，受风的干扰小，作业效率高，且该平台可在温室大棚内进行作业，而无人机在大棚内喷药作业困难
13.其他命题：模拟自动驾驶的智能小车获奖情况：全国三等奖本作品搭建了一套打破TI公司垄断的、低延时的4k超高清双激光投影光机电系统，并且本作品兼容性强，通过子板的更换可以兼容各种不同分辨率的数字微镜芯片、为各大投影厂商选择国产方案提供了可定制化的驱动平台，应用前景良好。
14.其他命题：基于图像处理的物体识别与分类系统获奖情况：全国二等奖本作品基于TI-RSLK专家版小车，将目标探测、路径规划、图像分类识别、机械臂抓取、循迹回起点、实时监测等功能模块功能整合为一个主控程序，实现对小车的闭环控制，使小车能够自主完成完整的目标抓取并分类过程。运动过程中，通过激光雷达和九轴传感器数据进行位姿解算，实时监测异常状态，并能够根据障碍物的运动情况选择不同的避障方式，可应用于蔬果运输、垃圾分类、AGV导航等无人驾驶领域。
15.其他命题：自动越障巡检机器人获奖情况：全国一等奖设计并制作了自动越障巡检机器人，该机器人具有较强的越障能力和爬坡能力，采用深度学习算法进行检测，分析故障点信息并后台记录，存储至数据库。设计记忆巡检策略，使机器人可全自动的实现对线路的巡检。并针对于电力巡检这一特定行业场景，提供了一套完整的解决方案。
16.其他命题：装载机物料智能识别系统获奖情况：华南赛区一等奖该产品将机器视觉人工智能与大型装载机结合，实现无人自动作业或者远程控制作业，能够自行装载物料运输，极大的节省了劳动力，能够真正做到无人操作，机器根据摄像头采集数据以及毫米波雷达定位，自行运载货物。并且可以将装载机用在平时作业中也可以应用于危险场地以及抢险救灾过程中，智能装载机的出现解放了生产力，提高了工作效率，可以大幅避免由于人为操作出现的问题，保护人员生命安全提高劳动生产力。
17.其他命题：基于深度学习的蛋白质与化合物结合性质预测获奖情况：华南赛区三等奖本设计基于深度学习提出新的神经网络结构和数据处理方式用于预测蛋白质与化合物之间的结合性质。
18.其他命题：集装箱编码识别器获奖情况：广西省二等奖本作品基于卷积神经网络设计出一款集装箱编码识别器，该识别器可以实现高精度毫秒级运算，并具有人机交互功能。
19.其他命题：管道巡检机器人获奖情况：广西省二等奖本团队设计提出一种新型管道探伤机器人，能够对管道内的裂痕塌陷等管道破损进行识别并记录当前位置，同时向上位机发出警报，工作人员只需打开LED大灯驱动云台对管内部进行查看，检测是否存在管道破损。此外，本设计采用外部传感器实时检测当前机器人运动状态，并能够自动调节自身的行驶状态，保证机器人在圆形管道运行时，能够保持直线行驶状态，无需工作人员手动调节。通过机器人携带的高清摄像头实时获取管道内部图像信息，PC端调用轮廓检测算法模型对图像进行特征提取与表征，并与原图像一同显示在上位机界面。
20.其他命题：基于动态无线充电技术的自动驾驶小车获奖情况：华北赛区一等奖本项目实现了动态无线充电技术与智能驾驶相融合极术。实现了恒功率管理输出设计，通过浅冲浅放来有效提升车体电池的续航能力。通过搭载激光雷达、摄像头、里程计等传感器实现小车的自主导航与规划避障等功能，采用Gmapping算法实现自主建图功能；在路径规划上采用改进评价函数法来改善局部路径规划效果，并结合全局路径规划来提升小车对路段环境的适应力。在未来自动驾驶电动汽车逐步盛行的时代，动态无线充电技术将在电动汽车远途出行电能补给中扮演着重要角色。
21.其他命题：基于ADRC的双轴反作用轮自平衡杆本研究设计、制造并控制了基于双轴自平衡反应轮的倒立摆系统，实现倒立摆的大角度回正平衡控制，即当摆杆的初始姿态偏离竖直状态的角度较大时，摆杆通过两个反作用轮的调节最终能够回到竖直状态并稳定平衡，完成了对机器人实物的设计和实现。