人工智能方向賽題

賽題背景

在工地現場，驗收人員需要對進場鋼筋車上的鋼筋進行現場人工點根，確認數量后鋼筋車才能完成進場卸貨。

目前，在眾多的工地現場仍在采用人工計數的方式，上述過程繁瑣、消耗人力且速度很慢（一般一車鋼筋需要半小時，一次進場盤點需數個小時）。針對上述問題，希望通過手機拍照、目標檢測計數、人工修改少量誤檢的方式智能、高效地完成此任務。

任務描述

本賽題基于廣聯達公司提供的鋼筋進場現場的圖片和標注數據，希望參賽者綜合運用計算機視覺、機器學習、深度學習等技術，實現拍照即可完成鋼筋點根任務，大幅度提升建筑行業關鍵物料的進場效率和盤點準確性，將建筑工人從這項極其枯燥繁重的工作中解脫出來。比賽任務以算法在驗證數據集上的精度為主要評估指標。

賽題內容和方向

在過去的20年中，廣聯達一直深耕建筑工程領域的數字化發展，在近些年的實踐中，我們也很深切地感受到建筑業企業在數字化轉型過程中，亟須拿到工地層面的數據作為科學決策的基礎，而由于工地中的人為因素，導致這些基礎數據普遍存在準確性和滯后性問題。

所以在本次大賽中，我們選擇了用AI技術改變工地上的一個業務場景，并以產生實際價值為切入點，設定了《智能盤點—鋼筋數量AI識別》作為題目。

賽題價值

數鋼筋是人工智能、數字技術在工地現場的一個非常普遍卻能大幅提高勞動效率的真實應用場景。試想一下，鋼筋進場如果可以通過人工智能技術識別種類、數量、粗細等，得出鋼筋的真實用量和用料，實現精細化管理，既快速高效，又能將建筑施工人員從這項枯燥繁重且無技術含量的工作中解脫出來，大幅提升建筑行業關鍵物料的進場效率和盤點準確性。

此外，相關算法還可以推廣應用到建筑業的很多場景，如扣件、鋼板、鋼管、料堆等各種材料的盤點，甚至可以廣泛應用到其他行業。從數鋼筋問題入手，雖然看上去是一件小事情，但從更深層次上，解決了工地現場粗放性驗收和管理的問題，甚至可以和整個項目管理形成良性閉環，讓工程質量更有保障。

《智能盤點—鋼筋數量AI識別》是AI技術落地的一次探索，將AI技術從學術領域應用到工業界，挑戰既來自尋找合適的業務場景，也來自于將成熟的算法應用于實際數據中會出現的種種意料之外的情形，這道賽題很好地展示了AI技術在復雜的實際業務場景中的巨大潛力。

賽題難點

這道題目的難點主要有三個方面：一是精度要求高，鋼筋的價格非常貴，且在實際使用中數量很大，誤檢和漏檢都需要人工在大量的標記點中找出，所以需要精度非常高才能保證驗收人員的使用體驗。二是鋼筋尺寸不一，鋼筋的直徑范圍比較廣且截面形狀不規則、顏色不統一，拍攝的角度、距離也不完全受控，這將導致傳統算法在實際使用過程中很難達到穩定的效果。三是邊界難以區分，一輛鋼筋車一次會運輸多捆鋼筋，如果直接全部處理會存在邊緣角度差、遮擋等問題，目前普遍使用先單捆處理，最后再進行合計的方式，這樣的處理方式需要對每捆鋼筋進行分割或者對最終結果進行去重。

這道題目的應用場景看似簡單，但技術難度和對于參賽選手綜合能力的要求很高，主要考察參賽人員為業務場景尋找合適的算法以及在必要的情況下改進算法的能力。對于參賽者而言，本題目的關鍵在于通過圖像點驗密集的小物體，需要參賽者在算法上接受三方面的能力考驗。一是計算機視覺（CV）方面的能力，無論從各種角度、各種光照條件下，對不同直徑的鋼筋都需要點驗正確。這就對圖像本身的數據預處理、數據工程的能力帶來非常大的挑戰，如何將機器學習，包括深度學習等新技術應用到其中至關重要。二是核心算法方面的能力，算法能做到精準，需要綜合運用機器學習和深度學習，并對計算機視覺模型進行持續調優，最終能夠將精度提升至更高的要求。三是解決模型輕量化和小型化的能力，在產業落地的過程中，工地現場大多是信號弱，甚至是無網絡的環境，這就考驗參賽者在不能應用云端計算能力的前提下，如何用有限的計算資源實現精度的最大化。如果模型做得太復雜，精度確實可以提高，但現場實際場景是無法支撐應用的。

在成果應用及產業落地方面，建筑業正在經歷著數字化的發展進程，需要從實際的業務場景出發，探尋數字化的方式，實現收益最大化。數字化是應用先進算法的必要條件，所以具備用算法解決實際業務問題的能力對推動行業的數字化有重要意義。題目本身就從建筑工地的應用場景出發，通過AI技術解決工地的最實際問題，提前考慮了成果應用的場景化。同時，該成果也可以與物資等業務系統結合，實現建筑材料在進出場和盤點過程的數字化管理，用數字提升工地整體的精細化管理水平。