Overview
Who this competition fits
适合已有深度学习目标检测经验、能处理航拍农田图像与边界框标注的计算机视觉参赛者。若目标是冲击获奖，还应能准备可在规定无网络环境运行、可复现的模型包与技术材料。
Read the original official blurb
随着智慧农业与精准农业的快速发展，农业生产正逐步向智能化、自动化方向转型。在农作物生长过程中，杂草会与作物争夺养分、水分与光照资源，严重影响作物产量和品质，同时还会增加人工除草与农药施用成本。传统人工巡检与经验式除草方式存在效率低、劳动强度大等问题，已难以满足现代农业对高效、精准管理的需求。 Official track: 计算机视觉. Sponsor: 中国农业大学. Teams entered: 349.
Preparation
From registration to a first submission
- 01
深度学习目标检测
- 02
航拍图像处理
- 03
边界框标注解析
- 04
mAP 与 IoU 评估
- 05
JSON 与 TXT 结果文件生成
- 06
SHA-256 与模型复现打包
Before you commit: 难点不仅是从复杂田间背景中检出小尺度、易与玉米幼苗混淆且可能被遮挡的杂草，还在于获奖队伍必须用与最终提交声明完全一致的原始 solution.zip 通过哈希核验和离线复现；提交包结构、文件名和预测格式出错会导致不计分。
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
- Sep 4, 2026