2025年轻工业数智应用职业技能竞赛-人工智能训练师考试题(附答案).docxVIP

2025年轻工业数智应用职业技能竞赛-人工智能训练师考试题(附答案)

一、理论考核（共60分）

（一）单项选择题（每题2分，共20分）

1.在轻工业产品外观质检场景中，若需标注塑料玩具表面划痕的具体位置及类型（如线性划痕、点状划痕），应采用以下哪种数据标注方式？

A.分类标注

B.边界框标注

C.语义分割标注

D.关键点标注

2.某团队在训练服装面料瑕疵检测模型时，发现验证集准确率远低于训练集，最可能的原因是？

A.学习率过低

B.模型欠拟合

C.数据泄露

D.模型过拟合

3.针对轻工业客户评价文本的情感分析任务（积极/中性/消极三分类），以下哪种损失函数最适用？

A.均方误差（MSE）

B.交叉熵损失（Cross-Entropy）

C.铰链损失（HingeLoss）

D.Dice损失

4.在优化智能包装机故障预测模型时，若需重点减少漏报（将故障误判为正常），应优先调整以下哪个指标？

A.准确率（Accuracy）

B.精确率（Precision）

C.召回率（Recall）

D.F1分数

5.以下哪种数据增强方法不适用于轻工业产品图像（如陶瓷餐具）的预处理？

A.随机旋转（±15°）

B.随机添加高斯噪声（σ=0.01）

C.随机水平翻转

D.随机色调调整（±50%饱和度）

6.在训练轻工设备传感器时间序列异常检测模型时，若数据存在周期性波动（如每8小时一个周期），最合理的特征工程方法是？

A.直接使用原始时序数据

B.提取时间窗口内的均值、方差、最大值

C.对数据进行傅里叶变换提取频域特征

D.对数据进行标准化后截断前10%异常值

7.某团队使用ResNet-50训练鞋类外观检测模型，初始学习率设为0.1，训练10轮后验证损失不再下降，可能的解决措施是？

A.增加batch_size至128

B.降低学习率至0.01

C.减少模型层数

D.移除数据增强

8.以下哪项不属于人工智能训练师在数据标注阶段的核心职责？

A.制定标注规范（如瑕疵等级定义）

B.开发标注工具（如基于Web的标注平台）

C.抽检标注数据质量（如标注一致性校验）

D.处理标注歧义（如模糊图像的分类判定）

9.在评估食品包装日期识别模型（OCR任务）时，若测试集中“2025-03-15”被识别为“2025-03-51”，应采用以下哪个指标计算误差？

A.字符错误率（CER）

B.单词错误率（WER）

C.交并比（IoU）

D.均方根误差（RMSE）

10.针对轻工业小样本场景（如新型玻璃制品瑕疵检测，仅50张标注图像），最有效的模型训练策略是？

A.直接使用随机初始化的CNN模型训练

B.基于ImageNet预训练模型进行迁移学习

C.增加数据增强强度（如随机裁剪至原图1/4尺寸）

D.使用k近邻（KNN）算法作为基础模型

（二）多项选择题（每题3分，共15分，少选得1分，错选不得分）

1.轻工业智能质检场景中，数据标注需重点关注的质量指标包括：

A.标注一致性（不同标注员对同一图像的标注结果一致）

B.标注完整性（所有需检测目标均被标注）

C.标注精度（如边界框与实际瑕疵的交并比≥0.8）

D.标注效率（单张图像标注时间≤30秒）

2.以下哪些方法可用于缓解模型训练中的类别不平衡问题（如合格产品占95%，不合格占5%）？

A.对少数类数据进行过采样（Oversampling）

B.对多数类数据进行欠采样（Undersampling）

C.调整损失函数权重（如少数类样本损失权重×5）

D.增加数据增强仅应用于多数类

3.在轻工业设备预测性维护中，时间序列数据预处理的关键步骤包括：

A.缺失值填充（如用前向填充法填补传感器中断数据）

B.数据标准化（如Z-score标准化消除量纲影响）

C.异常值检测（如基于3σ原则剔除极端值）

D.时间窗口划分（如将1小时数据划分为60个1分钟窗口）

4.以下关于模型评估的说法正确的是：

A.准确率高的模型一定适用于实际场景（如瑕疵检测）

B.混淆矩阵可直观展示模型在各类别上的表现

C.ROC曲线下面积（AUC）适用于二分类任务的整体性能评估

D.对于多分类任务，宏平均F1分数更关注少数类的表现

5.人工智能训练师在模型部署前需完成的验证工作包括：

A.鲁棒性测试（如输入模糊图像、添加噪声