開放報名中
00

day

00

hr

00

min

00

sec

距離組隊結束時間

2 / 2

參加人數 / 組

我要報名

議題提供單位

教育部資訊及科技教育司主要負責推動資訊教育、科技教育、數位學習、教育資訊系統、學術網路、資訊安全、環境與防災教育等相關政策與計畫。
該司致力於結合資訊科技與教育發展，推動數位學習、科技人才培育及教育數位轉型，並持續強化教育環境、資訊基礎建設與永續發展。

2026/10/06 複賽競賽結果公告

感謝所有參賽隊伍與選手的熱情投入與精彩表現！本屆「2026 海廢影像辨識國際 AI 競賽(複賽)」複賽評選工作已圓滿結束。評審團依據實行可行性、完整度及說明文件 README.md 包含環境建置步驟、執行模型訓練與推論之指令說明等表現指標，經過嚴謹客觀的綜合評審，最終選出晉級決賽隊伍與模型輕量化獎名單。

We would like to extend our sincere gratitude to all participating teams and contestants for their enthusiastic involvement and outstanding performance! The final round evaluation for the 「2026 Marine Debris Image Recognition International AI Competition (Final Round)」 has successfully concluded.

Based on performance metrics including implementation feasibility, overall completeness, and documentation (specifically the README.md covering environment setup steps, as well as instructions for model training and inference execution), the review panel conducted a rigorous and objective comprehensive assessment to determine the winning teams and the Lightweight Model Award recipients.

獲獎團隊(Winning teams)：

RankingTeam NameScore
1st Place金采源是我老婆0.8159878
2nd Place我這一生如履薄冰0.8080843
3rd Placechmod 777chmod 777

模型輕量化獎(Best Lightweight Optimization Award)：

NumberTeam NameScore
1金采源是我老婆-20.16
2我這一生如履薄冰-20.21

本屆參賽作品水準亮眼，多數隊伍展現出極高的專業度與問題解決能力。評審特別建議可加強以下兩點：

  • 落地可行性與海洋公益價值：期待團隊不僅停留在演算法指標，更能連結淨灘團體、環保組織或沿海監控等實務痛點，透過實際場域驗證數據或第一線使用者回饋，具體呈現 AI 技術對海洋生態保育與源頭減量的實質貢獻。
  • 模型泛化與環境適應性：針對海洋灘岸嚴苛且多變的真實環境（如強烈背光、潮汐波紋、泥沙覆蓋與微小海廢碎片），強化抗雜訊干擾與長尾類別（Long-tail）特徵擷取能力，提升模型在未知未知測試場域的泛化水準。

The entries in this year's competition demonstrated outstanding quality, with most teams exhibiting exceptional professionalism and problem-solving capabilities. The review panel offers the following two key recommendations for further enhancement:

  • Implementation Feasibility and Marine Public-Interest Value: Teams are encouraged to look beyond pure algorithmic metrics and connect their solutions with practical operational challenges faced by beach cleanup initiatives, environmental organizations, and coastal surveillance efforts. By leveraging real-world validation data or direct frontline user feedback, teams should clearly demonstrate how AI technology delivers tangible contributions to marine ecosystem conservation and waste reduction at the source.
  • Model Generalization and Environmental Adaptability: Given the harsh and dynamic conditions of marine and coastal environments—such as intense backlighting, tidal ripples, sediment occlusion, and tiny debris fragments—teams should strengthen noise robustness and feature extraction for long-tail categories to improve model generalization across unseen and challenging test scenarios.

再次感謝各位選手為海洋環境保護與 AI 應用創新所貢獻的能量與努力！頒獎典禮的時間會另做通知，敬請期待。

Once again, we extend our deepest gratitude to all contestants for their dedication and contributions to marine conservation and AI innovation. The schedule for the awards ceremony will be announced in due course. We look forward to celebrating your achievements.

簡介

因應全球氣候變遷與能源轉型，臺灣已將 2050 淨零排放列為國家目標，太陽光電亦是再生能源發展重點。隨著裝置容量擴大，太陽能板長期暴露於高溫、高濕、風沙與機械應力下，微裂、熱斑、PID 效應、封裝老化及玻璃破損等瑕疵，可能降低發電效率、縮短設備壽命，甚至造成安全風險。

本競賽以可見光（RGB）與熱紅外線（Thermal IR）影像為基礎，要求參賽者偵測瑕疵位置，並產生瑕疵根因的文字說明。參賽者可運用少樣本學習、合成資料生成、天候適應與多模態視覺語言模型，建構低資料需求、具泛化能力且可解釋的太陽能板智慧檢測系統。

  • 相關問題諮詢，請洽：aicup2026.solardefect@gmail.com
  • ※本議題預計透過 AI CUP 報名系統 報名；報名連結與平台操作說明依正式公告為準。

參賽對象

  • 報名時具中華民國學籍之在學學生（含高中職、大專校院及研究生）可組隊參加。
  • 社會人士亦可參加並列入綜合排名；社會人士組僅得獲主辦單位發給之獎狀，不具獎金及其他實質獎勵資格。
  • 全隊均為學生者列為學生組；隊伍中如有任一非學生身分成員，列為社會人士組。

競賽方式及評選辦法

本競賽以主辦單位提供之太陽能板可見光與紅外線影像資料集為基礎，要求參賽隊伍開發可同時執行瑕疵定位及根因文字分析之人工智慧系統。結果提交期間，系統僅呈現 Public 評測分數與 Public Leaderboard，供參賽隊伍進行模型開發與效能調整；最終排名則以結果提交截止前最後一次有效提交所計算之 Private Leaderboard 評測結果為主要依據，並配合程式碼及技術文件審查確認最終名次。

競賽方式

第一階段：競賽報名與資料集開放
競賽自 2026 年 9 月 16 日起開放報名，主辦單位同步於 2026 年 9 月 16 日開放 Training set，並於 2026 年 9 月 30 日開放 Testing set 供參賽隊伍下載。參賽隊伍可使用 Training set 進行資料前處理、資料增強、模型訓練及參數調整，並以完成之模型產生 Testing set 的預測結果。

第二階段：預測結果提交與 Public Leaderboard
參賽隊伍須依主辦單位指定之格式，將 Testing set 預測結果上傳至線上評分排名系統。結果提交期間，系統將評測每次有效提交的 Public 分數，並於 Public Leaderboard 顯示。Public Leaderboard 以各隊當下最後一次有效提交之 Public 評測分數進行排名，不採用歷史最高分，供參賽隊伍掌握模型效能及進行後續調整。結果提交期間，每支隊伍於每一日曆日最多可提交 3 次 Testing set 預測結果。Public 與 Private 評測共用相同的提交次數，不另提供額外的 Testing set 上傳次數。

第三階段：最終評測與 Private Leaderboard
結果提交截止後，各隊於截止前最後一次有效提交即作為最終提交，主辦單位將以該提交計算 Private 評測分數及 Private Leaderboard。參賽隊伍不需另行提交 Private 預測結果。Private Leaderboard 成績將依活動時間所列日期公布。

第四階段：系統效能評分
參賽系統須輸出瑕疵位置及瑕疵根因文字說明。評分項目包含以下兩部分：

  1. 瑕疵區域定位準確度：比較模型預測之多邊形區域與人工標註之 Ground Truth Polygon 的重疊程度，並依 Precision 與 Recall 計算定位分數。
  2. 根因分析之 BERTScore：比較系統產生之瑕疵文字說明與標準答案的語意相似程度，以評估根因分析與文字解釋品質。

最終成績將依主辦單位公告之計分公式，綜合上述兩項指標計算。

第五階段：成績公布與文件審查
主辦單位預計於 2026 年 12 月 9 日公布 Private Leaderboard 成績。指定隊伍須於 2026 年 12 月 9 日至 12 月 16 日期間，提交預測模型說明文件及完整程式碼；如有自行製作或額外使用之訓練資料與資源，亦須一併提交或完整說明。
程式內容應包含資料前處理、模型訓練及推論程式、模型權重、參數設定與執行環境，以供主辦單位確認作品之可執行性、可重現性及可驗證性。無法完成執行或驗證者，得影響最終名次及得獎資格。

第六階段：最終名次評定
主辦單位將依 Private Leaderboard 成績，以及程式、資料與技術文件之審查結果，確認參賽作品符合競賽規範，並預計於 2027 年 1 月 13 日公布最終名次。

獎項

本競賽僅限報名時全隊均具中華民國學籍之在學學生身分之隊伍獲得獎金及其他實質獎勵（含國網 GPU 運算資源）；社會人士組不具獎金及其他實質獎勵資格，僅得依競賽規定獲頒主辦單位發給之獎狀。符合獎金資格之隊伍於敘獎時須檢附學生身分證明。競賽總獎勵規模暫定為新臺幣300,000元（含國網 GPU 運算資源）；實際名額、形式及金額以正式公告與評審委員會決議為準。

名次名額獎項
第一名1名新臺幣100,000元
第二名1名新臺幣50,000元
第三名1名新臺幣30,000元
優等2名新臺幣15,000元
佳作5名新臺幣8,000元
評審特別獎1名提供價值新臺幣50,000元之國網 GPU 運算資源
  • 最終排名前15名且全隊均具學生身分之隊伍，經評審委員審定後，獲頒教育部獎狀。
  • 名次位於前 25% 且成績高於 Baseline 之隊伍（含社會人士組），得獲頒主辦單位發給之獎狀。
  • 各項獎勵名額得視參賽件數及成績酌予調整，參賽作品未達水準時，得由決選評審委員決定從缺，或不足額入選。
  • 本競賽獎金及其他實質獎勵（含國網 GPU 運算資源）之敘獎資格，以報名時全隊均具中華民國在學學生身分者為限，並須於領獎時檢附證明。
  • Baseline Score 為 0.6523，最終 Score 值域為 0 至 1。

活動時間

本競賽自臺灣時間（UTC+8）2026年9月16日起開放報名，並依各階段時程開放資料下載及預測結果上傳，於2027年1月13日公布最終名次；頒獎典禮暫定於2027年3月舉行。各階段時程如下：

時間事件
2026/09/16開放報名、組隊
2026/09/16Training set開放
2026/09/16–
2026/11/16 23:59:59		報名期間
2026/09/30Testing set開放
2026/09/30–
2026/12/04 23:59:59		結果提交
2026/12/09公布 Private Leaderboard
2026/12/09 00:00:00–
2026/12/16 23:59:59		報告與程式碼上傳期間
2027/01/13公布最終名次
2027年3月頒獎典禮(暫定)

以上日期與時間均以臺灣時間（UTC+8）為準；實際時程及活動安排以主辦單位正式公告為準。

評估標準說明

最終評分由兩項指標構成：

  • 瑕疵定位：以 $TIoU$ 為基礎計算 $F1_{TIoU}$，評估預測多邊形與 Ground Truth 多邊形的重疊程度，並同時考量漏檢、重複偵測及多餘偵測。定位評分涵蓋Normal及各異常類別，各類別之計分與整合方式以主辦單位公布之官方評測程式為準。
  • 根因文字：以 BERTScore 的 $F1$ 值計算 $F1_{TEXT}$，評估參賽系統產生之根因說明與標準答案的語意相似度。根因文字僅針對完成實例配對之異常區域進行評分。預測區域與Ground Truth之配對方式、多個參考根因描述之整合方式，以及漏檢、重複預測、未配對結果與空白文字之處理，均以主辦單位公布之官方evaluation kit為準。根因文字使用語言及BERTScore模型設定，將隨evaluation kit一併公告。

為統一計分尺度，$F1_{TIoU}$ 與 $F1_{TEXT}$ 均以 0 至 1 表示；其中 BERTScore-F1 之正規化方式以主辦單位公布之官方 evaluation kit 為準。瑕疵定位與根因文字品質分別以 70% 及 30% 的權重計算最終分數。Leaderboard 成績與最終名次均以主辦單位提供之官方評測程式計算結果為準。

評估標準

瑕疵定位與根因文字之綜合任務分數計算如下：

$$F1=0.7F1_{TIoU}+0.3F1_{TEXT}$$

其中， $F1_{TIoU}$為瑕疵定位分數， $F1_{TEXT}$為根因文字分數。

最終成績以此綜合任務分數計算。最終 Score 值域為 0 至 1，分數越高代表整體效能越佳。若計算過程發生無有效預測或其他邊界情況，均以主辦單位公告之官方評測程式實作為準。

規則

  1. 預測結果上傳與排名方式
    1. 結果提交期間，每支隊伍於每一日曆日最多可上傳 3 次 Testing set 預測結果。系統於提交期間僅呈現 Public 評測分數與 Public Leaderboard；Public Leaderboard 以各隊最後一次有效提交之 Public 評測分數進行排名，不保留或採用歷史最高分，供隊伍進行模型調整與效能比較。
    2. Public 與 Private 評測使用相同的 Testing set 提交紀錄與相同的提交次數，不另提供 Private 額外上傳機會。結果提交截止時，各隊截止前最後一次有效提交即作為最終提交，並以該提交計算 Private 評測分數與 Private Leaderboard，作為最終排名依據；Public Leaderboard 分數僅供競賽期間參考，不納入最終排名。
  2. 競賽帳號使用規範
    1. 參賽隊伍不得註冊或使用多個帳號參加同一競賽。隊伍成員如另以個人帳號上傳預測結果，亦視為使用多重帳號參賽。違反者，主辦單位得取消其參賽資格。
  3. 組隊競賽方式
    1. 本競賽採團隊報名，每隊 1 至 5 人。
    2. 每隊須指定 1 名隊長，作為競賽通知、資料繳交、獎項及獎金發放等事項之聯絡與受領代表。
    3. 每位參賽者僅能加入一支隊伍。
    4. 加入隊伍後，不得更換至其他隊伍。
    5. 報名截止後，不得新增、刪除或更換隊員。
    6. 競賽期間，隊伍不得合併或分割。
  4. 額外資料與資源之使用
    1. 參賽隊伍得使用額外影像、公開資料集、預訓練模型、軟體套件或自行製作之資料，進行資料增強及模型訓練。
    2. 如使用主辦單位提供資料集以外的資源，須於最終書面報告中完整說明其名稱、來源、授權方式及實際用途；如有使用爭議，由主辦單位保有最終決定權。
  5. 測試資料與預測結果之處理
    1. 參賽隊伍不得以人工方式標註、修改、補正或調整測試資料及其預測結果。所有提交至 Leaderboard 系統的結果，均須由參賽隊伍建立之機器學習或深度學習系統自動產生。
  6. 程式與技術資訊交流規範
    1. 競賽期間，各隊不得私下共享程式碼、模型權重、測試集衍生特徵，或其他可能直接影響競賽結果的資訊。一般性技術問題可於主辦單位指定的官方討論區公開交流。
  7. 最終成果及程式碼審查，為確保競賽公平性及評測結果可驗證，主辦單位將要求指定隊伍於規定期限內提交最終報告及完整實作成果，包括但不限於：
    1. 參賽隊伍成員資料。
    2. 模型架構與演算法說明。
    3. 資料前處理、模型訓練及推論之原始程式碼與操作說明。
    4. 模型權重、參數設定及執行環境。
    5. 額外使用之資料、模型、套件及其他資源說明。
    6. 參賽隊伍自行製作之訓練資料。
  8. 提交之程式碼須能於主辦單位指定環境或 Google Colaboratory 中成功執行，以重現並驗證競賽結果。程式無法執行、結果無法重現或文件不完整者，得影響最終名次及得獎資格。
  9. 原創性與學術倫理規範
    1. 本競賽鼓勵參賽隊伍提出具原創性的技術構想、模型設計及應用方法。若參賽成果使用他人提出之方法、演算法、模型、程式碼、資料集或其他資源，須於技術報告中清楚註明引用出處、來源及使用方式，並遵守其授權條款與相關法令。
    2. 參賽隊伍應尊重智慧財產權及學術倫理，不得有抄襲、冒用、偽造、變造或隱匿資料與技術來源等行為。經查證違反智慧財產權、學術倫理或相關法令者，主辦單位得取消其參賽或領獎資格；相關法律責任由參賽隊伍自行負擔。
  10. 獎金稅務規定
    1. 得獎隊伍之獎金，須依中華民國相關稅法辦理所得申報及稅款扣繳，相關稅負由得獎者依法負擔。
  11. 資料集調整
    1. 主辦單位得依競賽執行情形、資料品質、系統運作或評選需求，於競賽期間調整資料集。相關異動內容及實施時間，以主辦單位正式公告為準。
  12. 取消參賽或領獎資格之情形，如有下列情事之一，主辦單位得不經事前通知，直接取消其參賽或領獎資格：
    1. 有具體事證證明隊伍涉及抄襲、作弊、造假或詐欺等行為。
    2. 有具體事證證明隊伍侵害他人智慧財產權或違反學術倫理。
    3. 有具體事證證明隊伍攻擊、干擾或不當操作 Leaderboard 系統。
    4. 有具體事證證明隊伍影響其他參賽隊伍，造成不公平競爭。
    5. 隊伍使用多重帳號參賽或上傳預測結果。
    6. 隊伍違反本競賽辦法、主辦單位公告，或有其他影響競賽公平性之行為。
  13. 違規獲獎之處理
    1. 參賽隊伍如違反本競賽辦法，主辦單位得取消其參賽資格。若隊伍已獲獎，主辦單位得撤銷其得獎資格及獎項，並追回已發放之獎金、獎狀及其他相關獎勵。
  14. 獎金及獎狀資格
    1. 本競賽獎金及其他實質獎勵（含國網 GPU 運算資源）之敘獎對象，須為報名時全隊均具中華民國學籍之在學學生，並於敘獎時檢附相關身分證明。
    2. 社會人士隊伍得參與綜合排名，但不具獎金及其他實質獎勵資格；如符合相關敘獎條件，僅得獲主辦單位發給之獎狀。
  15. 指導教授或業師規範
    1. 指導教授或業師不得與學生共同以參賽者身分報名。隊伍如有指導教授或業師，須於報名系統相關欄位及最終報告中填寫其姓名、學校或公司名稱、科系或職稱及電子郵件。
    2. 主辦單位將依隊伍提供的電子郵件資訊，聯絡指導教授或業師填寫指導證明。指導教授或業師為選填項目，無指導者之隊伍可不填寫。
  16. 獎狀及獎項名額
    1. 最終排名前 15 名且全隊均具學生身分之隊伍，經評審委員審定後，得獲頒教育部獎狀。
    2. 排名位於前 25% 且成績高於 Baseline 的隊伍，包括社會人士隊伍，經評審委員審定後，得獲頒主辦單位發給之獎狀；社會人士隊伍不具獎金及其他實質獎勵資格。
    3. 各項獎勵名額得依參賽件數及成績調整；參賽作品未達評選水準時，評審委員得決定獎項從缺或不足額錄取。
  17. 未盡事宜
    1. 本競賽規則如有未盡事宜，主辦單位得依競賽實際情形研議處理方式，並以正式公告內容為準。
  18. 規則同意
    1. 參賽者完成報名，即視為已閱讀、瞭解並完全同意遵守本競賽辦法、相關規則及主辦單位後續公告。
  19. 爭議處理及最終解釋權
    1. 如發生競賽規則、參賽資格、評測結果、獎項發放或其他相關爭議，主辦單位保有本競賽活動、規則內容及評選結果之最終解釋與裁決權。

ITRI Logo
議題
產業議題
學校專題
中科智慧製造
亞洲．矽谷
企業專區
練習場
關於
關於平台
工研院團隊
隱私權聲明
FAQ
System Status
聯絡

任何意見或問題請聯絡
admin.AIdea@itri.org.tw

Facebook
繁體中文 English

版權所有 © 2017–2026 工業技術研究院（人工智慧共創平台 v1.7.20）