ابدأ

مجموعة بيانات الحبوب الطبية

Open Medical Pills Dataset In Colab

مجموعة بيانات الحبوب الطبية من Ultralytics هي مجموعة بيانات لإثبات المفهوم (POC) في اكتشاف الكائنات، تضم 115 صورة موسومة ضمن فئة واحدة، pill — 92 للتدريب و23 للتحقق. وهي مصممة لعرض نماذج الرؤية الحاسوبية في التطبيقات الصيدلانية، مثل مراقبة الجودة وأتمتة التغليف والفرز.



شاهد: كيفية تدريب نموذج Ultralytics YOLO على مجموعة بيانات اكتشاف الحبوب الطبية في Google Colab

بنية مجموعة البيانات#

تحتوي مجموعة بيانات Medical Pills على 115 صورة موسومة ضمن فئة واحدة، هي pill، ومقسمة إلى مجموعتين فرعيتين يحددهما إعداد medical-pills.yaml:

المجموعة الفرعيةالصورالوصف
التدريب92صور ذات تسميات لتدريب النموذج
التحقق23صور محجوبة للتقييم والمقارنة المعيارية

استكشف Medical Pills على منصة Ultralytics لتصفح الصور مع طبقات التعليقات التوضيحية، وعرض توزيع الفئات والخرائط الحرارية لمربعات الإحاطة في علامة التبويب Charts، واستنساخ المجموعة لتدريب نموذجك الخاص على السحابة.

التطبيقات#

يتيح استخدام الرؤية الحاسوبية في اكتشاف الحبوب الطبية أتمتة العمليات في قطاع الصناعات الدوائية، ويدعم مهامًا مثل:

  • فرز المستحضرات الصيدلانية: أتمتة فرز الحبوب حسب الحجم أو الشكل أو اللون لتعزيز كفاءة الإنتاج.
  • أبحاث الذكاء الاصطناعي وتطويره: توفير معيار مرجعي لتطوير خوارزميات الرؤية الحاسوبية واختبارها في حالات الاستخدام الصيدلانية.
  • أنظمة المخزون الرقمية: تشغيل حلول ذكية لإدارة المخزون من خلال دمج التعرّف الآلي على الحبوب لمراقبة المخزون في الوقت الفعلي والتخطيط لإعادة التزويد.
  • مراقبة الجودة: ضمان اتساق إنتاج الحبوب من خلال اكتشاف العيوب أو المخالفات أو التلوث.
  • اكتشاف الأدوية المقلدة: المساعدة على تحديد الأدوية التي يُحتمل أن تكون مقلدة، عبر تحليل خصائصها المرئية ومقارنتها بالمعايير المعروفة.

ملف YAML لمجموعة البيانات#

يحدد الملف medical-pills.yaml إعداد مجموعة البيانات — أي مساراتها وأسماء الفئات والبيانات الوصفية الأخرى. ويُصان الملف في مستودع Ultralytics على https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/medical-pills.yaml.

ultralytics/cfg/datasets/medical-pills.yaml
# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# Medical-pills dataset by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/detect/medical-pills
# Example usage: yolo train data=medical-pills.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── medical-pills ← downloads here (8.19 MB)

# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: medical-pills # dataset root dir
train: images/train # train images (relative to 'path') 92 images
val: images/val # val images (relative to 'path') 23 images

# Classes
names:
  0: pill

# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/medical-pills.zip

الاستخدام#

لتدريب نموذج YOLO26n على مجموعة بيانات الحبوب الطبية لمدة 100 حقبة وبحجم صورة 640، استخدم الأمثلة التالية. للاطلاع على الوسائط التفصيلية، راجع صفحة التدريب الخاصة بالنموذج.

مثال على التدريب
from ultralytics import YOLO

# ⁨تحميل نموذج⁩
model = YOLO("yolo26n.pt")  # ⁨تحميل نموذج مدرّب مسبقًا (موصى به للتدريب)⁩

# ⁨تدريب النموذج⁩
results = model.train(data="medical-pills.yaml", epochs=100, imgsz=640)
مثال على الاستدلال
from ultralytics import YOLO

# ⁨تحميل نموذج⁩
model = YOLO("path/to/best.pt")  # ⁨حمّل نموذجًا مضبوطًا بدقة⁩

# ⁨الاستدلال باستخدام النموذج⁩
results = model.predict("https://ultralytics.com/assets/medical-pills-sample.jpg")

صور وتعليقات توضيحية نموذجية#

تضم مجموعة بيانات Medical Pills صورًا موسومة تعرض تنوع الحبوب. فيما يلي مثال على دفعة تدريب مركّبة بالفسيفساء من مجموعة البيانات:

دفعة تدريب مركبة بالفسيفساء من مجموعة بيانات الحبوب الطبية، مع حبوب موسومة

  • صورة مُركّبة: المعروض هو دفعة تدريب تتكوّن من صور مُركّبة من مجموعة البيانات. يعزّز التركيب تنوّع التدريب من خلال دمج عدة صور في صورة واحدة، ما يحسّن قدرة النموذج على التعميم.

التكامل مع مجموعات البيانات الأخرى#

لإجراء تحليل صيدلاني أشمل، فكّر في دمج مجموعة بيانات الحبوب الطبية مع مجموعات بيانات أخرى ذات صلة، مثل تجزئة العبوات للتعرّف على العبوات، أو مجموعات بيانات التصوير الطبي مثل أورام الدماغ لتطوير حلول ذكاء اصطناعي للرعاية الصحية من البداية إلى النهاية.

الاستشهادات والشكر والتقدير#

مجموعة البيانات متاحة بموجب ترخيص AGPL-3.0.

إذا استخدمت مجموعة بيانات Medical Pills في أبحاثك أو أعمال التطوير، فيُرجى الاستشهاد بها باستخدام التفاصيل المذكورة:

الاستشهاد
@dataset{Jocher_Ultralytics_Datasets_2024,
    author = {Jocher, Glenn and Rizwan, Muhammad},
    license = {AGPL-3.0},
    month = {Dec},
    title = {Ultralytics Datasets: Medical-pills Detection Dataset},
    url = {https://docs.ultralytics.com/datasets/detect/medical-pills},
    version = {1.0.0},
    year = {2024}
}

الأسئلة الشائعة#

  • تضم مجموعة بيانات Medical Pills ما مجموعه 115 صورة — 92 صورة للتدريب و23 صورة للتحقق — دون مجموعة اختبار منفصلة. وقد وُسِمت كل صورة بفئة واحدة، هي pill. وتأتي بحجم 8.19 MB، ويمكن تنزيلها تلقائيًا وفق الإعدادات المحددة في medical-pills.yaml.

  • يمكنك تدريب نموذج YOLO26 لمدة 100 حقبة بحجم صورة 640px باستخدام الطريقتين المتاحتين عبر Python أو CLI. راجع قسم مثال التدريب للحصول على إرشادات مفصلة، واطّلع على توثيق YOLO26 لمزيد من المعلومات حول إمكانات النموذج.

  • تعرض مجموعة البيانات اكتشاف الحبوب آليًا لمنع التزييف وضمان الجودة وتحسين العمليات الصيدلانية. ويجعل حجمها الصغير منها نقطة انطلاق سريعة لإنشاء نماذج أولية لتطبيقات تعزز سلامة الأدوية وكفاءة سلسلة التوريد.

  • يمكن إجراء الاستدلال باستخدام Python أو CLI مع نموذج YOLO26 مضبوط بدقة. راجع قسم مثال الاستدلال للاطّلاع على مقتطفات التعليمات البرمجية، ووثائق وضع التنبؤ لمعرفة الخيارات الإضافية.

  • يتوفر ملف YAML في medical-pills.yaml، ويحتوي على مسارات مجموعة البيانات والفئات وتفاصيل الإعداد الإضافية اللازمة لتدريب النماذج على مجموعة البيانات هذه.

التعليقات1

اطرح سؤالًا، وشارك نتائجك، أو ساعد شخصًا آخر.