Задача №6 - ИПУ РАН

Задача №6

Нейросеть для обнаружения заболеваний листьев яблони по фотографии

Все мы на даче видели яблони со скрюченными листочками, пробовали червивые яблоки или удивлялись: почему облетел весь цвет и яблоки не завязались? Чтобы вся семья всегда наслаждалась хорошими яблоками, за яблонями надо ухаживать правильно. Первый шаг  определить, есть ли болезнь или нет. Непрофессионалу это сделать очень сложно. Поможем людям искусственным интеллектом!

Командам предлагается создать прототип web-сервиса (MVP), определяющего по фотографии листа яблони наличие или отсутствие заболевания за счет разработки и обучения глубокой нейросети на размеченном датасете.

 

Приз:

150 000 рублей

Партнер задания: Нейросеть для обнаружения заболеваний листьев яблони по фотографии

Ожидаемый результат

  1. Работающий прототип web-сервиса (MVP);
  2. Разработанная и обученная глубокая нейросеть для обнаружения заболевания листа яблони по фотографии.

 

Критерии оценки итогового продукта

Итоговый балл на 80% состоит из оценки качества нейросети по максимуму F1-метрики на валидационном наборе и на 20% — из оценки жюри простоты и удобства пользования сервисом.

Ресурсы, которые дает заказчик, чтобы решить задачу

Командам будет предоставлен размеченный датасет из нескольких сотен фотографий листьев яблони. Командам не запрещается расширять выборку самостоятельно при необходимости.

 

Дополнительная информация

Экспертиза, которая должна быть у команды

 

  • Машинное обучение;
  • Глубокое обучение;
  • Обработка изображений;
  • Математическая статистика;
  • Умение писать на Python;
  • Знание соответствующих фреймворков и библиотек.

 

Механика взаимодействия с менторами

  1. Менторы рассказывают командам суть задачи. Этап консультации.
  2. В определенный момент командам открывается доступ к датасету. Участники могут делить его на “train” и “test”-части произвольно.
  3. Этап решения задачи.
  4. По мере окончательной готовности нейросети, команда передает менторам код на Python, реализующий pipeline (код должен быть полный, отчуждаемый, способный отрабатывать на локальном сервере организаторов):
  • Подгрузка предобученной модели (Pytorch, Keras (TF)).
  • Считывание фото из директории.
  • Предобработка данных.
  • Обработка моделью данных.
  • Формирование решений.
  • Запись результатов в csv-файл.

5. Фиксируется момент передачи файлов, они подписываются хешем SHA1.

6. После получения файлов решения модераторы (в присутствии представителя команды) на локальном сервере запускают представленное участником решение на закрытой выборке данных, формируют файл «Team_Name_out.csv», его содержимое и его хеш SHA1 передаются участнику.

7. После генерации всех файлов «Team_Name_out.csv» просчитываются метрики для команд.

8. Параллельно команды пишут прототип web-сервиса, который оценивается с точки зрения простоты и удобства пользования.

9. Определяется победитель по совокупному итоговому баллу оценки.

 

Менторы

Андрей Макаренко

Директор Центра технологий искусственного интеллекта ИПУ РАН

Олег Милосердов

Научный сотрудник ИПУ РАН

Руслан Порцев

Научный сотрудник ИПУ РАН

Дарья Тихонова

Эксперт ИПУ РАН

Центр интеллектуального цифрового сельского хозяйства — подразделение ФГБУН Институт проблем управления им. В.А. Трапезникова Российской академии наук (ИПУ РАН).

Миссия Центра — интеллектуализация сельского хозяйства. Это разработка и внедрение технологий и систем поддержки принятия решений для растениеводческих и животноводческих предприятий на основе междисциплинарных научных знаний, баз знаний и искусственного интеллекта.

 

Участвовать

Шаг 1 из 2