2022数字中国创新大赛·大数据赛道设置的智慧农业赛题，以牛只图像分割竞赛为途径，以人工智能为畜牧养殖赋能，用机器代替饲养员进行牛只的盘点，同时能快速得到牛只的体格信息，为后续的牛只体型评价、健康评价等提供数据参考，助力我国智慧农业建设。

　　赛题链接：https://www.dcic-china.com/competitions/10021

　　一、问题价值 

　　本赛题出题单位深圳喜为智慧科技有限公司深耕于人工智能养殖业，一直致力于推动人工智能与传统畜牧业的创新融合。其中，牛作为畜牧业生产中一种重要的家畜，结合人工智能的检测手段能有效提高养殖过程中的检测和管理效率。图像的实例分割是AI检测中的关键手段之一，能同时实现目标检测和图像分割的算法。目前国际上常用的算法有MaskRCNN、DetectoRS和Swin Tranformer等，其中MaskRCNN的使用率较高也较为成熟和经典，在网络中通过将目标检测和分割分为两个步骤来进行识别，而Swin Tranformer通过分层结构和Attention机制有效提升算法的性能，同时数据集也是在算法训练中重要的一环，针对有限的数据集，如何优化数据和丰富数据集也是提升算法效果的关键。

　　二、解决意义 

　　图像的实例分割不仅能对牛只做数量统计，同时对牛只的体态、健康状况和生长状况等具有同样重要的评估意义。可用于监控牛只的日增重，形成报表，有利于指导喂食的频次和喂食量，所以要求算法能准确识别牛只目标并精确对目标做图像分割。同时在实际生活中动物会存在多异的姿势和体态，并且场景也存在不固定的情况，算法如何在实际场景中对牛只保持稳定和准确的识别也是出题的意义之一。

　　三、赛题重点难点 

　　1.数据量少，场景相对单一。

　　2.数据标注难度大，分割数据集需标注囊括目标在内的多边形点位数据。

　　3.实际场景复杂，牛只体态与动作多异，以及包括牛只粘连等情况的区分问题。

　　本赛题旨在以人工智能为畜牧养殖赋能，通过智慧养殖升级解决畜牧养殖业的实际问题，为养殖企业节约人力成本。期待通过赛事吸引更多算法爱好者共同参与智慧农业建设，加快乡村数字化转型，助力乡村振兴。