揭秘“移动云杯”行业赛道——工业行业应用子赛道

【赛道介绍】

借开发者之力，探究多样化场景需求，开拓算网新生态，面向全球开发者，探索多样化算力网络应用场景，鼓励参赛者基于移动云产品能力，开发形成丰富的算力网络创新应用。

【赛程安排】

说明：初赛为线上专家系统评审，复赛为线上路演，赛道决赛及全国总决赛视情况选择线下/线上路演方式开展。比赛赛程安排若调整，请关注大赛官网、交流群、邮件等通知。

【赛制安排】

大赛分为报名、初赛、复赛、赛道决赛、总决赛五个阶段，初赛晋级15支队伍，复赛晋级10支队伍，赛道决赛前3支队伍推荐入选全国总决赛，其他7支队伍获得赛道优秀奖。各评审环节获得晋级队应遵循大赛统一安排参加下一轮赛事评审，若因为团队个人原因不能参赛的视为放弃晋级下一轮名额，晋级名额（含奖金）将按照该环节排名顺延。

【赛题介绍】

一、初赛赛题名称

锂电池极耳焊接质量机器视觉检测

二、初赛赛题背景

锂离子电池具有高能量密度，循环寿命长，自放电率低等优点。极耳焊接是整个锂电池生产工艺中的重点及难点。目前常用的极耳焊接为超声波方式，通过焊头的高频振动，产生瞬间的高热量，使极耳与电芯箔材产生分子间的热熔合，使两者间存在焊接强度关系；若焊接强度不足，会导致锂电池内阻偏大，从而导致电芯报废；若处于完全虚焊状态，充放电时因过流面积小导致大量产热，导致锂电池着火等安全风险。机器视觉方式检测极片瑕疵具有不接触、无损伤、100%检出的优点，具体体现在：准确率高，可准确识别涂布刮痕、极片残损、极耳焊接不对称等现象，准确率远远高于人眼检测；并且排除了电池检测结果受检测人员主观意愿、情绪、视觉疲劳等人为因素的影响，可信度高、速度快、效率高、成本低。

三、初赛赛题任务

本赛题旨在借用人工智能技术开发出一套锂电池极耳焊接质量检测算法，利用计算机视觉代替人眼进行各种质量、安全、完整性的检测工作。

1、数据集介绍

数据集为分类标记的锂电池极耳焊接图片，分类包括“jssx金属碎屑(1)、OK合格(2)、lj边缘碎屑（3）、ong其他NG（4）、tfhd碳粉黑点(5)”5类，图片包含训练集、测试集，其中训练集和测试集均涵盖上述5种分类数据。训练集数据开放给参赛者，测试集作为保留数据，用于模型的测试评估。

注：合格样本图像示例及缺陷样本图像示例详见资料下载。

四、复赛、赛道决赛、全国总决赛赛题内容

不设具体命题，要求参赛团队从锂电池极耳焊接质量机器视觉检测赛题角度出发，考虑工业领域行业相关应用场景，结合OnePower工业互联网平台已有产品能力、移动云能力以及移动算力网络，打造云边架构融合的相关系统及应用方案。希望参赛团队可以关注工业企业痛点，并提出创意性方案。

【奖项设置】

1、赛道决赛奖项：

赛道决赛前3支队伍获得总决赛入围名额，赛道决赛后7支队伍获得赛道优秀奖。

赛道优秀奖：7支队伍

2、全国总决赛奖项：

行业赛道的行业应用创新子赛道（6支）、医疗行业应用子赛道（3支）、工业行业应用子赛道（3支）、云电脑应用子赛道（3支）等四个子赛道15支队伍进行全国总决赛，奖项设置如下：

一等奖：1支队伍

二等奖：4支队伍

三等奖：10支队伍

全国总决赛计划为线下开展，参赛队伍差旅、食宿费用，具体报销人数、报销标准详询大赛小助手。

【报名要求】

1、报名方式

使用移动云账号登录大赛官网，点击大赛页面“我要参赛”按钮进行报名，提交作品时需完成实名认证（点击”右上角-账号中心-实名认证）。（如有疑问请查看：资料下载 - 移动云杯大赛报名流程手册）

2、组建团队

每个赛道内每人仅能参加一支队伍，参赛作品以团队为单位提交，请选手自由组队，每队限定2~5人。选手报名成功之后在“我的团队”中创建团队或加入已有团队，创建团队的选手即为队长，队长不可跨赛道同时创建两支或以上的队伍。

3、资源获取方式

使用移动云互联网账户通过互联网免费试用政策获取资源。

【作品提交】

1、报名完成后，参赛选手需在8月15日前完成作品提交

2、具体提交作品材料要求

初赛-算法赛要求：

参赛选手需提供：

1）算法模型；

2）推理脚本。

A功能介绍。predictor模块为推理脚本，旨在通过此脚本对训练好的模型进行加载，并根据传入的测试集数据样本，得到测试集中待分析样本的分析结果。主办方将调用推理脚本程序，得到具体实验结果以及运行时间，并通过评测脚本对结果进行计算得到评价分数。

B输入与输出。predictor设置为类，初始化时需要参赛者在初始化时指定模型保存位置并加载模型。使用类中函数predict进行推理操作时，需要设置传入参数（单个图片数据路径）；函数返回值应为测试数据集该图片对应的类别序号（jssx金属碎屑(1)、OK合格(2)、lj边缘碎屑（3）、ong其他NG（4）、tfhd碳粉黑点(5)）。

Predictor的伪码说明如下：

import...
class Model(): # 主类def __init__(self,p_path):self.__model = None# 使用按照压缩包路径下的相对路径，# 如，解压后的文件夹名称为model,模型存放于model下的pysrc/model.pkl路径，则路径为'model/pysrc/model.pkl'try:# -------------------------如下位置可修改(加载模型)------------------------self.load_model(p_path+'/model/pysrc/model.pkl')# ------------------------- END ------------------------except Exception as e:...return None
def predict(self,path_to_img:str): # 入参：单个图片的路径，如’aaa.jpg’# Read in imagetry:# -------------------------如下位置可修改(读取图片)------------------------x = Image.open(path_to_img)# ------------------------- END ------------------------except Exception as e:...# predict & scoretry:# -------------------------如下位置可修改(推理过程)------------------------prediction = self.__model(x)# ------------------------- END ------------------------except Exception as e:...return prediction # 返回结果：整数，与label对应关系为：（jssx金属碎屑(1)、OK合格(2)、lj边缘碎屑（3）、ong其他NG（4）、tfhd碳粉黑点(5)）
def load_model(self,path_to_model:str):# Load model# -------------------------如下位置可修改（加载模型）------------------------with open(path_to_model,'rb') as fp:paras = pickle.load(fp)self.__model = lambda x : random.randint(paras[0],paras[1])# ------------------------- END ------------------------return 0
调用Predictor类的伪码如下：
if __name__ == '__main__':M = Model('./') # 初始化模型print(M.predict('2023_zyy_35.jpg')) # 调用推理过程
# 输出：1-5之间的整数

注：上传作品文件夹目录结构如下（样例代码供下载，见资料下载）：

├── model 用户上传目录

│ ├── __init__.py 包函数

│ ├── predictor.py 预测函数

│ └── pysrc 模型路径

│ ├── model.pkl 模型（格式可按照模型变更）

上传及相关路径以注释为准。

复赛、赛道决赛及全国总决赛-创意赛

1）所提交方如果使用云资源进行开发部署，必需是基于移动云构建并运行在移动云上，提交作品方案包括但不限于：录制讲解语音的作品介绍PPT（必选）、作品Demo/可运行代码（必选）、作品演示视频（可选）等内容，所有内容需整体打包成zip格式，文件大小不超过500MB。压缩包命名规则：复赛+团队名称+作品名称+队长联系电话.zip。

A解决了什么问题和痛点、场景和功能描述（必选）

B项目的技术架构和业务模型（可选）

C使用了移动云哪些产品或服务（必选）

D商业前景及应用价值（可选）

【评审维度】

初赛-算法赛：

1、赛题评判标准

在本赛题中，参赛者通过提前分类标记好的图片数据集设计、训练模型。要求训练后模型能够用于测试集完成模型推理。最终模型能实现合格图片和缺陷图片识别，并将缺陷图片按照“金属碎屑、碳粉黑点、边缘碎屑、其他NG”进行分类。

2、评分主要考虑两个维度：

1）图片分类的f1值（f1）；

A各个类别F1i 计算形式如下：

F1i = 2PR / (P+R)