第二届“启智杯”机器视觉设计大赛报名启动!

芋泥牛乳脆脆啵 芋泥牛乳脆脆啵 墨衍会员 · AI 创作全网分发 墨衍智能分发 通过墨衍一键同步至各平台 可同步平台 CSDN微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年,写一次发全网 我也要 + 加入社区

     大赛目的

    第二届“启智杯”机器视觉设计大赛以培养人才、开放生态,实现共生共赢为宗旨。海康机器人通过赛事为高校学生提供了解机器视觉行业前沿技术和信息的平台,增强学生创新意识,提升实践能力;并借助赛事进一步深化产教融合,为机器视觉领域培养专业人才,助力产业“智造”升级。

  • 赛程安排

  • 参赛对象

本次大赛面向全国高等院校在籍学生

  • 参赛四大权益,多重奖励层层加码

✅ 奖金激励:

 

🎟️ 初赛评审通过线上进行;决赛评审线下进行,入围决赛团队需进行现场成果物展示和线下答辩。

✅ 专家支持:

    🟠 业内大咖,高校教授,专业技术工程师提供点对点支持

    🟠 线下高校专场赋能开启,面对面解答你的所有疑惑

✅ 人才双选开放:

    🟠 斩获令人心动的offer:海康机器人及生态合作伙伴实习/校招岗位等你来选择

✅ 行业认证证书:

    🟠 获得机器视觉工程师证书,开启入行第一步

✅ V社区积分权益:

    🟠 获取领域专业知识,了解一线行业案例

  • 报名方式

🔶 采用线上报名方式:点击该链接即可报名 http://10.19.222.84/cupCompetition

🔶 报名要求:

        ① 大赛以个人或团队形式参赛,选手根据高校所在地进行赛区选择,每支参赛队伍人数不超过3人;

        ② 每名参赛选手只能参加1支参赛队;

        ③ 每支参赛队只可选择1种参赛类型及命题进行参赛;

        ④ 参赛团队队长进行报名申请即可,其他成员无需重复报名;

        ⑤ 报名截止(2024年3月15日 23:59)后将停止组队变更,不允许重新组队及成员增减;

        ⑥ 浙江赛区选手可选择所有参赛类型。其他赛区选手仅可选择算法类、开发类、应用类命题;

        ⑦ 报名时请下载《参赛声明》文件,根据文件要求填写对应内容后进行上传(支持PNG\JPG\PDF),务必确保申请人和核心成员信息与报名表保证一致;

  • 命题揭晓

赛题设置“应用”、“开发”、“算法、创意”四大类赛道,考核应用能力、创新能力和解决复杂问题的能力。

🔎 算法类赛道:

    命题1:小样本计数算法

    命题描述:给定一张或几张示例图,描述物体类别,并给定一张待计数的图像,要求计算出该类别的物体在图像中的个数和位置信息。除了在训练集中出现的类别,在测试阶段,小样本计数算法还需要处理完全没有见过的类别。

    命题2:无监督异常检测算法

    命题描述:让学习到的模型能够区分开正常样本和异常样本,在训练时只能获取正常样本,测试时能分辨出缺陷样本,并提供缺陷的区域信息,输出缺陷分割图(一张二值图)。

    成果物形式:

       (1)算法设计报告;

       (2)测试报告(包括性能、推理和训练耗时、推理和训练内存等);

       (3)相关训练和推理代码;

🔎 开发类赛道:

    命题3:一个可视化流程编辑器

    命题描述:开发一个图形化的可交互的视觉流程编辑器,实现通过鼠标拖拽,连线完成一个视觉流程的搭建,使用户可以不用编写代码就能完成一个视觉流程的开发。

    命题4:一种多流程图像处理软件

    命题描述:开发一个多流程图像处理软件,在高节拍触发频率下不丢失处理结果,且资源占用和耗时波动稳定。

    成果物要求:

    (1)软件代码(提交后可以正常运行);

    (2)研究报告(包含设计思路,测试方法,测试对比结果);

    (3)测试相关代码;

🔎 应用类赛道:

    命题5:光伏电池片质检视觉方案设计

    命题描述:光伏电池片生产过程中,要用到大量的视觉检测。涉及上料缺陷检测以及下料测量检测。上料时需要对电池片隐裂、破片、脏污等缺陷进行检测。下料时通过四个相机对光伏片进行拍摄后进行不同位置刻线的宽度、间距等尺寸测量。

    命题6:锂电外壳外观检测3D视觉方案设计

    命题描述:锂电池生产过程中,在电芯入壳后、包蓝膜前需要进行外观检测,包含焊缝的炸点、爆点、凹坑、漏焊等焊缝检测和划痕、凹坑等六面缺陷检测。

    成果物要求:

    (1)VM方案文件;

    (2)赛题报告(包括设计思路及测试报告);

    (3)方案运行录屏文件;

🔎 创意类赛道【仅面向浙江省高校】

    命题7:能实现标准件检测的双目视觉系统设计

    命题描述:采用两个2D图像采集设备制作双目系统,该系统需要完成双目图像的拼接与标准件的检测。

    成果物要求:

    (1)赛题报告(包括设计思路及测试报告);

    (2)提交软件代码(提交后可正常运行);

    (3)现场实际测试效果视频;

 

  • 大赛组委会

主办方:

浙江省仪器仪表学会

浙江省自动化学会

承办方:

杭州海康机器人股份有限公司

中国计量大学

  • 答疑通道:

通道一:V社区

进入V社区点击“我要提问”!你的疑问,我来解答。

通道二:QQ群

扫描二维码加入大赛咨询交流QQ群,了解大赛更多信息。

通道三:官方邮箱

v-club@hikrobotics.com

本次大赛成果物需保证原创性,不得违反任何中华人民共和国有关法律,不得侵犯任何第三方知识产权或者其他权利。大赛最终成果物知识产权归海康机器人所有。

 

 想要掌握比赛一手信息,可移步V社区了解详情!

V社区-机器智能技术交流-第二届“启智杯”机器视觉设计大赛报名启动! (v-club.com)

...全文

相关推荐

MATLABSimulink模拟及会议论文,关于具备自动温度控制和能耗分析的智能太阳能热水系统。.zip

1.版本:matlab2014a/2019b/2024b 2.附赠案例数据可直接运行。 3.代码特点:参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象:计算机,电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。

海神之光

完美复现基于自适应虚拟谐波阬的光储VSG并网电流谐波抑制模型(Simulink仿真实现)

内容概要:本文围绕基于自适应虚拟谐波阬的光储VSG并网电流谐波抑制模型展开研究,提出了一种结合虚拟同步发电机(VSG)控制与自适应虚拟谐波阬技术的谐波治理方案,旨在有效应对光伏发电与储能系统并网过程中产生的特定次谐波问题。通过在Simulink中构建完整的系统仿真模型,详细实现了VSG的惯量阻尼控制、功率环调控以及自适应谐波阬的频率识别与阻抗重塑机制,能够动态跟踪并抑制并网电流中的谐波成分,从而提升电能质量和系统并网稳定性。文章深入剖析了控制器结构设计、关键参数整定方法及谐波抑制效果的仿真验证过程,充分验证了该方法在复杂工况下的有效性、鲁棒性与工程应用潜力。; 适合人群:具备电力电子、新能源并网、电力系统分析等相关专业知识背景的科研人员与工程技术人员,尤其适用于熟悉Simulink仿真环境、掌握基本控制理论与信号处理技术的研究生、高校教师及企业研发人员。; 使用场景及目标:①应用于光伏-储能联合系统的并网逆变器控制设计;②用于提升VSG并网系统的电能质量与抗扰动能力;③为高比例新能源接入场景下的谐波分析与主动抑制策略提供仿真验证平台与技术支撑;④辅助开展新型电力系统中电能质量治理相关的教学与科研工作。; 阅读建议:建议读者结合提供的Simulink模型文件进行同步仿真操作,重点理解VSG控制架构与自适应虚拟谐波阬模块的耦合关系,关注谐波检测、频率自适应调整与复矢量控制的实现细节,并可通过改变负载条件或电网阻抗参数进行多工况测试,以深入掌握系统的动态响应特性与控制性能边界。

@橘柑橙柠桔柚

机械三维3D设计图-食品皮带机输送除尘消毒设备.zip

机械三维3D设计图-食品皮带机输送除尘消毒设备.zip

ZL4120505

机械三维3D设计图-膜厚测定自动搬送设备.zip

机械三维3D设计图-膜厚测定自动搬送设备.zip

ZL4120505

负荷预测基于LSTM-Attention、蜣螂优化DBO-LSTM-Attention的负荷预测研究(Python代码实现)

内容概要:本文围绕基于LSTM-Attention与蜣螂优化算法(DBO)改进的LSTM-Attention模型在电力负荷预测中的应用展开研究,采用Python代码实现。研究结合长短期记忆网络(LSTM)对时间序列长期依赖关系的建模能力与注意力机制(Attention)对关键时间步特征的加权聚焦能力,构建基础预测模型,并引入新型群智能优化算法——蜣螂优化算法(DBO),用于自动寻优模型超参数,有效提升模型收敛速度与预测精度。文中详述了模型架构设计、优化流程集成及实验验证过程,通过对比实验证明该混合模型在负荷预测任务中相较传统方法具有更强的非线性拟合能力和更高的预测准确性。; 适合人群:具备一定Python编程基础和机器学习背景,从事电力系统分析、能源管理或相关领域研究的科研人员及工程技术人员。; 使用场景及目标:①应用于短期或中期电力负荷预测任务,提高电网调度的科学性与经济性;②为深度学习与智能优化算法在能源领域的融合应用提供实践案例,促进模型性能优化与实际部署。; 阅读建议:建议读者结合提供的Python代码,深入理解LSTM-Attention模型的构建细节与DBO优化流程,建议在实际数据集上复现实验,进一步掌握参数调优技巧与模型评估方法。

欢多天天写代码
评论
收藏 已收藏
分享
返回顶部