全球校园人工智能算法精英大赛

赛道通知：www.aicomp.cn/notice/notice-3/4275.html

赛题一、板材表面缺陷检测

赛题概述：

本赛钢铁板材作为国家重大工程的基础骨干材料，其表面质量直接关系到最终产品的安全服役性能 。在真实的工业产线中，水渍、油污等强伪影噪声以及缺陷本身存在的“类间相似、类内差异大”、尺度跨度极高和样本长尾分布等特点，给智能质检带来了严苛的技术挑战 。本赛题依托南京钢铁核心产线的真实表面质量在线检测系统 ，要求参赛团队利用高分辨率工业相机抓拍的真实缺陷图像 ，掌握并优化目标检测算法 。参赛选手需设计高效、鲁棒的视觉感知模型 ，在强背景干扰下精准识别并定位纵裂、夹杂、结疤等9类板材表面缺陷 。赛题重点考察复杂特征提取、小目标感知、长尾分布优化及跨产线泛化能力 ，在保证基础精确率的前提下，全力追求高召回率以防漏检 。

      •  赛题交流QQ群：333650987

      •  邮    箱：wujialin@njsteel.com.cn

排行榜：板材表面缺陷监测

赛题页：www.aicomp.cn/tracks/tracks-1/4174.html

 

赛题二、高炉铁次预测

赛题概述：

本赛题聚焦钢铁企业高炉生产中的核心预测问题，基于某钢铁企业真实脱敏生产数据，涵盖出铁实绩、小时级炉况、变料质量、历史铁次节奏等多源信息。参赛者需在目标铁次开始前，仅利用预测参考时刻及之前可获得的数据，构建人工智能算法模型，预测单铁次出铁量与出铁时长。赛题兼具工业时序建模、多表关联、多目标回归和工程落地挑战，重点考察参赛者的数据理解、特征工程、异常处理、模型鲁棒性与结果可解释能力。优秀方案将助力高炉操作辅助、铁水配罐调度、运输节拍优化、炼钢接收协同和铁钢界面智能决策，为钢铁流程智能制造提供可复用、可推广的算法能力。

      •  赛题交流QQ群：1092645019

      •  邮    箱：liupeng.nanjing@gmail.com

排行榜：高炉铁次预测

赛题页：www.aicomp.cn/tracks/tracks-1/4177.html

 

赛题三、煤气发电量预测与发电优化

赛题概述：

煤气发电量预测与发电赛题聚焦钢铁企业能源降本增效的核心痛点，旨在挖掘面向煤气自发电领域的智能算法方案。煤气作为冶炼副产能源，波动大且难存储，导致自发电量预测极具挑战。在电力现货市场机制下，预测精度直接决定购电策略的经济性——偏差不仅引发高价补电或低价浪费，更会导致最大需量飙升，造成月度电费剧增。
然而，精准预测仅是基础，科学调度才是关键。实际运营中，机组调度必须在多重严苛约束下寻求全局最优：既要保障气柜安全以防放散浪费或断供，又要兼顾机组爬坡速率与最小稳定负荷限制，还需契合江苏省峰谷电价时段以实现收益最大化。当前行业普遍依赖人工经验，存在预测误差大、计划保守等瓶颈。 为此，参赛者需利用多源时序数据完成两大核心任务：首先，构建高精度模型长/短周期的自发电量预测；其次，基于预测边界设计发电机组启停与负荷分配策略。通过实现“预测-优化”一体化，打破传统经验壁垒，以数据驱动显著提升钢铁企业能源运营的智能化水平与经济效益。

      •  赛题交流QQ群：1093810052

      •  邮    箱：huanglinya@njsteel.com.cn

排行榜：煤气发电量预测与发电优化

赛题页：www.aicomp.cn/tracks/tracks-1/4179.html

 

赛题四、棒材组合订单高效锯切优化

在钢铁长材生产中，棒材线承担将连铸坯加工成定尺棒材的关键工序。车间常同时面对多钢种、多规格、多定尺订单，大宗合同与零散急单并存，铸坯长度、断面与材质各异。锯切辊道是产线上的关键枢纽，一根长料须在有限长度的辊道上完成下料、锯切与分流，并兼顾冷床头尾切损、并列锯切支数、辊道宽度与承重等条件。计划员与调度人员需持续处理订单拼锯、坯料选配与排批衔接等决策，在保障按期交付的同时控制换刀次数与余料，工作强度与复杂度随订单规模显著上升。
传统排产高度依赖经验与人工试排，订单增多、约束交织后，方案空间迅速膨胀，难以在较短时间内形成兼顾成材率与执行效率的较优组合。数字化与智能制造的推进，推动“组单—选坯—定长—分批锯切”等环节逐步转化为可计算、可比较、可迭代的优化问题，成为棒材产线提质增效的重要方向。本赛项立足上述真实业务场景，围绕订单与铸坯数据下的高效锯切组合策略展开，呈现钢铁产线中兼具工程价值与算法深度的工业智能课题。

      •  赛题交流QQ群：1092742972

      •  邮    箱：aicomp2026_cut@163.com

排行榜：棒材组合订单高效锯切优化

赛题页：www.aicomp.cn/tracks/tracks-1/4183.html

 

赛题五、

赛题概述：低碳钢金相图像无监督相区分割

本次赛事聚焦低碳钢金相图像无监督实例分割赛道，围绕铁素体 – 珠光体钢智能晶粒度检测开展算法比拼。铁素体 – 珠光体低碳钢凭借优良综合性能，占据工业用钢四成以上，广泛应用于汽车、工程机械、基建等行业，晶粒形貌、晶粒度直接决定钢材服役安全与产品性能。传统金相晶粒度检测依靠人工参照国标、美标人工评级，受珠光体片层交错、晶粒粘连干扰，人工评级误差大、检测效率偏低，加之金相试样制作与精细化标注成本高昂，海量工业检测需求难以落地。
依托机器视觉与深度学习落地痛点，赛事面向计算机、材料交叉领域参赛选手，依托 500 张原厂无标注工业金相数据集，开展无监督 / 受限半监督实例分割算法研发。参赛队伍仅可自主标注不超过 250 张图像，需完成铁素体单晶粒、珠光体团簇两类目标像素级实例分割，精准划分独立晶粒与团簇边界，按规范输出实例掩码与分类文件，依托 mIoU 指标评测分割精度。
赛事以小样本、无监督技术破解钢材金相标注稀缺难题，打通智能金相检测落地壁垒，助力钢铁行业质检自动化革新，推动 AI 微观表征技术落地钢材质控、生产工艺优化全流程。

      •  赛题交流QQ群：1092664543

      •  邮    箱：caitao@njsteel.com.cn

排行榜：低碳钢金相图像无监督相区分割

赛题页：www.aicomp.cn/tracks/tracks-1/4185.html