人工智能方向赛题

赛题背景

在工地现场，验收人员需要对进场钢筋车上的钢筋进行现场人工点根，确认数量后钢筋车才能完成进场卸货。

目前，在众多的工地现场仍在采用人工计数的方式，上述过程繁琐、消耗人力且速度很慢（一般一车钢筋需要半小时，一次进场盘点需数个小时）。针对上述问题，希望通过手机拍照、目标检测计数、人工修改少量误检的方式智能、高效地完成此任务。

任务描述

本赛题基于广联达公司提供的钢筋进场现场的图片和标注数据，希望参赛者综合运用计算机视觉、机器学习、深度学习等技术，实现拍照即可完成钢筋点根任务，大幅度提升建筑行业关键物料的进场效率和盘点准确性，将建筑工人从这项极其枯燥繁重的工作中解脱出来。比赛任务以算法在验证数据集上的精度为主要评估指标。

赛题内容和方向

在过去的20年中，广联达一直深耕建筑工程领域的数字化发展，在近些年的实践中，我们也很深切地感受到建筑业企业在数字化转型过程中，亟须拿到工地层面的数据作为科学决策的基础，而由于工地中的人为因素，导致这些基础数据普遍存在准确性和滞后性问题。

所以在本次大赛中，我们选择了用AI技术改变工地上的一个业务场景，并以产生实际价值为切入点，设定了《智能盘点—钢筋数量AI识别》作为题目。

赛题价值

数钢筋是人工智能、数字技术在工地现场的一个非常普遍却能大幅提高劳动效率的真实应用场景。试想一下，钢筋进场如果可以通过人工智能技术识别种类、数量、粗细等，得出钢筋的真实用量和用料，实现精细化管理，既快速高效，又能将建筑施工人员从这项枯燥繁重且无技术含量的工作中解脱出来，大幅提升建筑行业关键物料的进场效率和盘点准确性。

此外，相关算法还可以推广应用到建筑业的很多场景，如扣件、鋼板、钢管、料堆等各种材料的盘点，甚至可以广泛应用到其他行业。从数钢筋问题入手，虽然看上去是一件小事情，但从更深层次上，解决了工地现场粗放性验收和管理的问题，甚至可以和整个项目管理形成良性闭环，让工程质量更有保障。

《智能盘点—钢筋数量AI识别》是AI技术落地的一次探索，将AI技术从学术领域应用到工业界，挑战既来自寻找合适的业务场景，也来自于将成熟的算法应用于实际数据中会出现的种种意料之外的情形，这道赛题很好地展示了AI技术在复杂的实际业务场景中的巨大潜力。

赛题难点

这道题目的难点主要有三个方面：一是精度要求高，钢筋的价格非常贵，且在实际使用中数量很大，误检和漏检都需要人工在大量的标记点中找出，所以需要精度非常高才能保证验收人员的使用体验。二是钢筋尺寸不一，钢筋的直径范围比较广且截面形状不规则、颜色不统一，拍摄的角度、距离也不完全受控，这将导致传统算法在实际使用过程中很难达到稳定的效果。三是边界难以区分，一辆钢筋车一次会运输多捆钢筋，如果直接全部处理会存在边缘角度差、遮挡等问题，目前普遍使用先单捆处理，最后再进行合计的方式，这样的处理方式需要对每捆钢筋进行分割或者对最终结果进行去重。

这道题目的应用场景看似简单，但技术难度和对于参赛选手综合能力的要求很高，主要考察参赛人员为业务场景寻找合适的算法以及在必要的情况下改进算法的能力。对于参赛者而言，本题目的关键在于通过图像点验密集的小物体，需要参赛者在算法上接受三方面的能力考验。一是计算机视觉（CV）方面的能力，无论从各种角度、各种光照条件下，对不同直径的钢筋都需要点验正确。这就对图像本身的数据预处理、数据工程的能力带来非常大的挑战，如何将机器学习，包括深度学习等新技术应用到其中至关重要。二是核心算法方面的能力，算法能做到精准，需要综合运用机器学习和深度学习，并对计算机视觉模型进行持续调优，最终能够将精度提升至更高的要求。三是解决模型轻量化和小型化的能力，在产业落地的过程中，工地现场大多是信号弱，甚至是无网络的环境，这就考验参赛者在不能应用云端计算能力的前提下，如何用有限的计算资源实现精度的最大化。如果模型做得太复杂，精度确实可以提高，但现场实际场景是无法支撑应用的。

在成果应用及产业落地方面，建筑业正在经历着数字化的发展进程，需要从实际的业务场景出发，探寻数字化的方式，实现收益最大化。数字化是应用先进算法的必要条件，所以具备用算法解决实际业务问题的能力对推动行业的数字化有重要意义。题目本身就从建筑工地的应用场景出发，通过AI技术解决工地的最实际问题，提前考虑了成果应用的场景化。同时，该成果也可以与物资等业务系统结合，实现建筑材料在进出场和盘点过程的数字化管理，用数字提升工地整体的精细化管理水平。