Overview
Who this competition fits
适合已有目标检测/实例分割实战经验、能处理 COCO 标注与 RGB 果园图像的计算机视觉参赛者。你需要能从训练集自行划分验证集,并在不使用外部数据的限制下完成模型训练和本地推理。
Read the original official blurb
葡萄是全球重要的高经济价值作物,广泛用于鲜食、酿酒和葡萄干生产。在葡萄果实生长期,合理的枝叶管理对果实产量与品质至关重要:通过及时剪除结果枝(挂葡萄果实的枝条)前端的新生叶片、将每根结果枝的叶片数量控制在 8–12 片,可减少养分的无效消耗,使更多营养流向果实,从而提升果实质量。 Official track: 计算机视觉. Sponsor: 中国农业大学. Teams entered: 271.
Preparation
From registration to a first submission
- 01
实例分割模型训练
- 02
COCO 数据集格式
- 03
RLE 掩码编码
- 04
PyTorch 或同类深度学习框架
- 05
图像增强与验证集划分
- 06
pycocotools COCOeval
Before you commit: 难点在于把细长、交叉缠绕且常被叶片和果实遮挡的结果枝逐根区分,并按“被遮挡区域也补全”的标注口径输出完整掩码。最终还需生成严格符合 COCO RLE 格式的 predictions.json;B 榜提交还包含可复现的模型材料要求。
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 7, 2026