Overview
Who this competition fits
适合已有计算机视觉实例分割经验、能处理农业近景 RGB 图像的个人或团队。参赛者需要能用 COCO 标注训练模型,并在本地推理后生成规范的预测结果文件;页面未说明学历、职业或机构 affiliation 限制。
Read the original official blurb
妮娜皇后葡萄是我国近年引进推广的高端红色鲜食葡萄品种,单串市场售价高,商品性对果穗外观与果粒品质要求极高。在葡萄的全生命周期管理中,果粒级的精准识别是产量估计、精细化疏果决策与采收辅助的数据基础。为辅助穿戴式视觉设备、农业机器人或果园管理系统开展果穗质量评估与精细化管理,首先需要实现对密集果粒的像素级实例分割。 真实田间环境下妮娜皇后果穗果粒高度密集、… Official track: 计算机视觉. Sponsor: 中国农业大学. Teams entered: 336.
Preparation
From registration to a first submission
- 01
实例分割模型训练
- 02
COCO Instance Segmentation 标注
- 03
Python 深度学习框架
- 04
像素级掩膜处理
- 05
pycocotools
- 06
COCO predictions.json 生成
Before you commit: 最大挑战是把高度密集、互相粘连和遮挡的单颗葡萄真正分开:不仅要找出果粒,还要为每颗果粒画出独立的像素级掩膜,在逆光、阴影、枝叶及复杂背景下保持边界准确。提交还必须覆盖全部测试图像并符合 COCO 实例分割预测格式,结果文件字段或图像 ID 出错会直接影响评测。
Source
How this page was assembled
Competition information is structured from the official page. Scores are platform estimates for decision support; official rules take precedence.
- Official competition page
- iFlytek Challenge
- Last checked
- Aug 20, 2026