1.命题方向
智能制造
2.题目类别
应用类
3.题目名称
基于FPGA的铝片表面工业缺陷检测系统
4.背景说明
【整体背景】
近几年,国家提出了“新基建”战略,5G、AIoT、工业4.0、智能制造成为了新基建战略的核心内容,如何响应国家战略发展和产业升级的要求,将人工智能技术应用于传统工业生产中,实现产线智能化升级改造,为工业数字化转型提供助力,培养出符合“新基建”战略落地的复合应用型人才已成为目前高校教育的重中之重。
【公司背景】
英特尔FPGA中国创新中心是英特尔全球产品事业部与英特尔中国共同规划的战略项目,以中国西部硅谷重庆作为建设中心,同时通过FPGA云接入平台及战略合作计划联结中国广大生态合作伙伴,共同打造围绕FPGA技术为核心的科技创新中心。该中心也是英特尔在亚太区域内最大的且唯一聚焦FPGA技术与生态的创新中心。
英特尔FPGA中国创新中心的运营方重庆海云捷迅科技有限公司为FPGA技术及泛人工智能企业技术企业,提供辐射全国的优质创新生态资源,并提供“高质量、全方位”的创新服务,以及提供技术支持、人才培养、市场增长、品牌推广、渠道与产业对接等全方面服务。
英特尔将以全球领先的英特尔FPGA中国创新中心为基地,深度聚集产业资源,加速以FPGA为核心的全球化科技创新,推进相关产业落地和培养创新人才,促进中国FPGA创新生态健康蓬勃发展。
【业务背景】
英特尔FPGA中国创新中心将依托英特尔在全球 FPGA 领域的技术和优势,为 FPGA 及泛人工智能人才培养、产业孵化、产业峰会及创新大赛、应用展示等方面提供助力,并加速 FPGA 生态圈建设。
5.项目说明
【问题说明】
对于铝合金、钢材等材料,板材与卷材的表面划痕直接影响到产品最终品质与定价,个别划痕甚至会影响下一个阶段产品的安全可靠性,所以对于工业检测中的划痕检测一直是非常关键的环节。在生产流水线中,无论板材、卷材的表面划痕检测目前依然依靠质检员目检完成,工作环境要么是在生产线上,要么以吊装抬升,工人站立于板材下方检测两种方式,目检不仅效率低下,还存在生产安全隐患,亟需利用人工智能技术手段将智能设备部署于生产线上,提高人工智能表面检测范围,将人工目检作为辅助性检测手段,提高检测效率与质量,保障生产安全。
【用户期望】
通过研究铝片表面缺陷检测算法,训练模型,努力提高模型推理准确率。进而可将模型应用于FPGA上,实现基于FPGA实现的铝片表面缺陷检测。
6.任务要求
【开发说明】
由于英特尔FPGA中国创新中心已完成和百度飞桨的对接,能够直接将PaddlePaddle训练的模型通过PaddleLite部署到创新中心研发的C5 FPGA开发板上,
要求选手利用PaddlePaddle框架进行模型训练,可以选择合适的算法,包括目标检测算法、图像分割算法等,训练模型,努力提高铝片表面缺陷检测准确率。
公司通过AILab实验管理平台给定数据集,选手可使用该数据集进行模型训练,也可以通过数据集里面的原始图片,自己制作训练所需格式的数据集。
鼓励选手采用创新技术手段、创新算法、创新思路解决铝片表面缺陷检测问题。
需要考虑无监督、小样本、弱监督相关算法设置。目前无监督和小样本是工业现场中常见的数据状态。无监督就是在分割之前,并没有任何有缺陷的标注样本进行训练,只有无缺陷的样本进行训练。小样本就是只有少量(5个)有缺陷的样本。
【技术要求与指标】
(1)利用提供的铝片缺陷数据集和环境资源进行模型训练和部署;
(2)也可以使用自己的环境进行模型训练;
(3)优化现有算法参数及代码,使模型精确度达到最优;
(4)按照《基于FPGA的铝片表面工业缺陷检测系统》中的接口规范,编写对应的推理接口;
(5)完成模型训练,输出相关代码及模型;
(6)训练出的模型,分类及边框准确度至少达到80%;
(7)如果使用分割算法训练模型,平均交并比至少达到80%;
(8)训练好的模型,需要成功在FPGA开发板上部署;
(9)实现一个可交互的前端页面,通过上传图片,可以直接显示推理结果。
【提交材料】
(1)项目概要介绍;
(2)项目详细方案;
(3)项目演示视频;
(4)项目简介 PPT ;
(5)企业要求提交材料:
1参赛团队选择的训练代码以及训练好的模型;
2详细阐述使用的机器学习/深度学习算法;
3前端交互页面实现界面;
4简述在FPGA上部署的实现方案,提供证明截图或视频。
(6)团队自愿提交的其他补充材料。
【任务清单】
(1)选择合适的缺陷检测算法,并能够训练出比较理想的模型;
(2)利用训练好的模型在FPGA上进行模型部署。
【开发工具与数据接口】
(1)开发语言及软件不限。
(2)推荐开发平台:AILab实验管理平台:
① 访问地址:https://183.230.19.170:8093;
② 团队账号:依据大赛报名结束后团队编号全称,如:2101234;
③ 密码:默认为账号后四位,登陆后请第一时间修改;
④ 所需开发指南、数据集均在平台提供;
⑤ 如有异常或疑问请发邮件至mouchao@awcloud.com或联系组委会。
(3)推荐FPGA开发工具:AWCloud C5 FPGA kit或 AWCloud人工智能边缘实验平台。
(4)评测工具:AILab实验管理平台提供自动评测服务按照开发指南操作可自行检测模型推理评测结果。
(5)数据接口设计规范:
⑥ 接口标识:
URL |
方法 |
http://127.0.0.1:8000/detect |
POST |
⑦ 请求参数:
名称 |
必填 |
备注 |
image |
是 |
上传图片路径 |
⑧ 输出参数:
名称 |
类型 |
备注 |
len |
int |
识别缺陷个数 |
result |
array |
缺陷信息,包括缺陷名、缺陷坐标以及准确率 |
⑨ 请求示例:
curl -X POST -F image=@test.jpg http://127.0.0.1:8000/detect |
⑩ 返回值示例:
{ "len":1, "result":[ { "class_name":"zang_wu", "score":0.9716758728027344, "xmin":180, "ymin":292, "xmax":271, "ymax":358 } ] } |
7.其他
无
8.参考信息
无
9. 评分要点
赛题评分要点见附件四:A类初决赛阶段评分表。
同时企业还重点关注AILab实验管理平台提供的开发指南《基于FPGA的铝片表面工业缺陷检测系统开发指南》中的要点。
另:(1)模型部署到FPGA上的识别速率越快越好,
(2)前端页面完成的越美观,功能越丰富越好。