مجموعة بيانات الحبوب الطبية#

115

medical pills

ultralytics

publicDetect

Pharmaceutical dataset for pill detection and identification. Useful for training medication verification and pharmacy automation models.

21 class16.1 MBApr 28, 2026

pill

مجموعة بيانات Medical Pills من Ultralytics هي مجموعة بيانات إثبات مفهوم (POC) لاكتشاف الكائنات تضم 115 صورة مصنفة عبر فئة واحدة، وهي pill — 92 صورة للتدريب و23 للتحقق من الصحة. وقد بُنيت لتوضيح نماذج رؤية الكمبيوتر لت التطبيقات الصيدلانية مثل مراقبة الجودة، وأتمتة التعبئة والتغليف، والفرز.

هيكل مجموعة البيانات#

تحتوي مجموعة بيانات Medical Pills على 115 صورة مصنفة بفئة واحدة، وهي pill، ومقسمة إلى مجموعتين فرعيتين محددتين بواسطة تكوين medical-pills.yaml:

استكشف Medical Pills على منصة Ultralytics لتصفح الصور مع طبقات التعليقات التوضيحية الخاصة بها، وعرض توزيع الفئات الخرائط الحرارية لمربعات التحديد في علامة التبويب Charts، واستنساخها لتدريب نموذجك الخاص في السحابة.

التطبيقات#

يُمكّن استخدام الرؤية الحاسوبية للكشف عن الحبوب الطبية من الأتمتة في الصناعة الصيدلانية، مما يدعم مهام مثل:

• الفرز الصيدلاني: أتمتة فرز الحبوب بناءً على الحجم أو الشكل أو اللون لتعزيز كفاءة الإنتاج.
• البحث والتطوير في مجال الذكاء الاصطناعي: العمل كمعيار لتطوير واختبار خوارزميات الرؤية الحاسوبية في حالات الاستخدام الصيدلاني.
• أنظمة الجرد الرقمية: تشغيل حلول ذكية للجرد من خلال دمج التعرف الآلي على الحبوب لمراقبة المخزون في الوقت الفعلي وتخطيط إعادة التعبئة.
• مراقبة الجودة: ضمان الاتساق في إنتاج الحبوب من خلال تحديد العيوب أو المخالفات أو التلوث.
• كشف التزييف: المساعدة في تحديد الأدوية المزيفة المحتملة من خلال تحليل الخصائص البصرية مقابل المعايير المعروفة.

YAML مجموعة البيانات#

يحدد ملف medical-pills.yaml تكوين مجموعة البيانات — مسارات مجموعة البيانات، وأسماء الفئات، والبيانات الوصفية الأخرى. ويتم الاحتفاظ به في مستودع Ultralytics على https://github.com/ultralytics/ultralytics/blob/main/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 Medical Pills لمدة 100 حقبة تدريبية بحجم صورة يبلغ 640، استخدم الأمثلة التالية. للحصول على الوسيطات التفصيلية، راجع صفحة Training الخاص بالنموذج.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="medical-pills.yaml", epochs=100, imgsz=640)

from ultralytics import YOLO

# Load a model
model = YOLO("path/to/best.pt")  # load a fine-tuned model

# Inference using the model
results = model.predict("https://ultralytics.com/assets/medical-pills-sample.jpg")

صور وشروحات توضيحية عينة#

تتميز مجموعة بيانات Medical Pills بوجود صور مصنفة تعرض تنوع الحبوب. فيما يلي مثال لصورة مصنفة من مجموعة البيانات:

• صورة مفسفسة (Mosaiced Image): معروضة دفعة تدريب تتكون من صور مجموعة بيانات مفسفسة. يعمل التفسيف (Mosaicing) على تعزيز تنوع التدريب من خلال دمج صور متعددة في صورة واحدة، مما يحسن من قدرة النموذج على التعميم.

التكامل مع مجموعات البيانات الأخرى#

لتحليل صيدلاني أكثر شمولاً، فكر في دمج مجموعة بيانات Medical Pills مع مجموعات بيانات أخرى ذات صلة مثل package-seg لتحديد التغليف أو مجموعات بيانات التصوير الطبي مثل brain-tumor لتطوير حلول ذكاء اصطناعي للرعاية الصحية متكاملة.

الاقتباسات والشكر#

مجموعة البيانات متاح بموجب ترخيص AGPL-3.0.

إذا كنت تستخدم مجموعة بيانات Medical Pills في أبحاثك أو عملك التطويري، يرجى الاستشهاد بها باستخدام التفاصيل المذكورة:

@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#