花卉识别AI挑战赛

一、赛题背景

随着人工智能和计算机视觉技术的快速发展，图像识别在生物多样性保护、园艺学研究、生态环境监测等领域发挥着越来越重要的作用。花卉作为植物界中形态多样、特征丰富的重要组成部分，其准确识别对于植物学研究、园艺管理、生态保护具有重要意义。

然而，花卉识别面临诸多挑战：不同品种间的细微差异、同—品种在不同生长阶段和环境条件下的形态变化、拍摄角度和光照条件的影响等。传统的人工识别方法效率低下且需要专业知识，而基于深度学习的自动识别技术为解决这一这—问题提供了新的思路。

本次计挑赛旨在推动花卉识别技术的发展，鼓励参赛者运用先进的计算机视觉和深度学习技术，构建高精度、强鲁棒性的花卉识别模型，为智慧农业和生态保护提供技术支撑。

二、时间安排

报名时间：即日起—2025年11月15日

区域赛/省赛开始时间：2025年10月15日（开放数据集下载）

区域赛/省赛作品截止提交时间：11月15日24:00

晋级国赛/决赛公示：2025年11月21日

国赛/决赛时间：2025年11月25日—29日

国赛/决赛公示：2025年12月13日

说明：比赛获奖公示后3个工作日内，接受异议、申诉和违规举报。

三、奖项设置

省赛段奖项设置由各省赛区自行设定，详见各省赛区赛事官网。省赛和区域赛合并办赛的，以所在省成绩排名来晋级国赛。

区域赛各科目成绩根据各区域考生成绩分别排名，分设一等奖10%、二等奖20%和三等奖25%，颁发电子荣誉证书和电子指导老师证书。

各区域一、二等奖获奖选手将晋级国赛，国赛设一等奖不超过参赛数的10%、二等奖不超过参赛数的20%、三等奖不超过参赛数的30%，获奖师生将颁发电子荣誉证书和电子指导老师证书。各赛项成绩前三名获奖队伍将获得大赛奖金。颁发奖金1000元/队伍（税前）。

四、参赛组队

1.参赛对象

计挑赛的参赛对象是高校所有专业在校生，本研组（本科、研究生）和高职组（高职、高专）分别评奖。

2.参赛费用

区域赛赛段团队赛各科目收取报名、考试及评审费人民币180元/队。参赛学生可以根据自己的实际情况选择一科或者多科参赛。计挑赛秉持公益办赛原则，费用仅用于获奖奖金、大赛系统开发、场地、交通、设备、专家评审等。费用由技术支持单位中觅科技有限公司（开户行名称：招商银行股份有限公司合肥三孝口支行 银行账号：551908703110002）代收代付并开具发票，学校有关部门要积极支持大赛工作，对指导教师在工作量、活动经费等方面给予必要的支持。

国赛不再另行收费。

3.参赛组队

 参赛学生自行在大赛官网进行报名，缴费考生默认为队长，每支参赛队伍限1—3名队员 (含1名队长) ，队员信息由队长在官网填写，队员无需重复缴费。参赛队伍可设1名指导老师。单院校报名不得超过100支队伍，允许跨校组队。

五、赛题和数据

1. 任务描述

(1) 赛题任务 

本次比赛要求参赛选手构建—个高精度的花卉识别模型，能够准确识别和分类不同种类的花卉。   

•识别100种花卉，包含稀有品种和形态相似的花卉。

(2) 数据使用规则

•本次比赛允许参赛选手使用主办方提供的训练数据以及指定的公开数据集。 

•允许使用数据增强技术，但不允许使用外部标注数据。

•可以使用预训练模型，但需在技术报告中详细说明。

2. 数据集描述

(1) 主办方提供数据集：

•训练集：包含50-100个花卉类别，每个类别200-500张高质量图片

•验证集：每个类别50张图片，用于模型调优

•测试集：不提供下载，保存在服务器后台用于最终评测

(2) 数据格式：

•图片格式：JPG/PNG

•图片尺寸：统—调整为224×224或299×299

•标注格式： CSV文件，包含图片路径和类别标签

(3) 测试集结构：

六、评价标准

(1) 提交次数限制：每支团队每天最多提交2次

(2) 评分指标：

     •主要指标：Top-1准确率（Accuracy）= 预测正确的图片数量 / 总图片数量    

     •辅助指标：

      Top-5准确率：预测的前5个类别中包含正确答案的比例

      宏平均F1分数：考虑类别不平衡问题

      推理速度：模型在标准硬件上的推理时间

(3) 最终排名： 70% Top-1准确率 + 20% Top-5准确率 + 10%宏平均F1分数

七、作品提交要求  

1. 提交说明

提交需为zip压缩包（平台会给出提交样例），内部文件编码格式为utf-8，目录结构为：

2. 服务器参数

•Python版本 ：3.8+

•深度学习框架： PyTorch 1.9+, TensorFlow 2.6+

•NVIDIA-SMI ：535.183.06

•Driver Version ：535.183.06

•CUDA Version： 11.3 + 12.1

•推理镜像参考：

https://github.com/Datacastle-Algorithm-Department/images/blob/main/doc/py38.md

3. 模型输出文件格式

选手模型需要生成—个.csv格式的结果文件，编码为UTF-8，格式如下：

4. 技术报告要求

•模型架构：详细描述所使用的网络结构

•训练策略：数据预处理、增强方法、优化器选择等

•实验结果：包含验证集上的性能分析

•创新点：算法改进和技术创新说明    

•页数限制：不超过10⻚

八、评审标准

1. 技术评审(70%)

•模型性能(50%)：测试集准确率和鲁棒性

•技术创新(20%)：算法改进和技术方案创新性

2. 报告评审(30%)

•技术报告(20%)：方法描述的清晰度和完整性

•实验分析(10%)：实验设计的合理性和结果分析的深度

九、其他规定

1. 数据使用要求

本次大赛提供的全部数据、信息等，未经允许，任何人不可以任何形式使用、传播、披露、授权他人使用。参赛者可以使用指定的公开数据集，但需在技术报告中声明数据来源。

2. 限制原则

•作品必须健康、合法，无任何不良信息及商业宣传行为    

•不违反任何中华人民共和国有关法律

•须保证原创性，不侵犯任何第三方知识产权   

•禁止抄袭他人代码和方案

•—经发现违规行为，主办方将直接取消其参赛资格

3. 技术限制

•模型大小不超过500MB

•单张图片推理时间不超过100ms

•不允许使用超大规模预训练模型（参数量>10B）

4. 知识产权     

参赛作品的知识产权归参赛者所有，但主办方有权将优秀作品用于学术交流和技术推广，并保留赛事解释权。