مجموعة بيانات الحبوب الطبية

The medical-pills detection dataset is a proof-of-concept (POC) dataset, carefully curated to demonstrate the potential of AI in pharmaceutical applications. It contains labeled images specifically designed to train computer vision models for identifying medical-pills.

تعمل مجموعة البيانات هذه كمورد أساسي لأتمتة المهام الضرورية مثل مراقبة الجودة، وأتمتة التغليف، والفرز الفعال في سير العمل الصيدلاني. ومن خلال دمج مجموعة البيانات هذه في المشاريع، يمكن للباحثين والمطورين استكشاف حلول مبتكرة تعزز الدقة، وتبسط العمليات، وتساهم في النهاية في تحسين نتائج الرعاية الصحية.

هيكل مجموعة البيانات

تنقسم مجموعة بيانات medical-pills إلى مجموعتين فرعيتين:

• مجموعة التدريب: تتكون من 92 صورة، كل منها مصنفة بالفئة pill.
• مجموعة التحقق: تتكون من 23 صورة مع التعليقات التوضيحية المقابلة لها.

التطبيقات

يُمكن استخدام الرؤية الحاسوبية لاكتشاف 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 الرقمي: دعم حلول الجرد الذكية من خلال دمج التعرف الآلي على الحبوب لمراقبة المخزون في الوقت الفعلي وتخطيط إعادة التوريد.
• مراقبة الجودة: ضمان الاتساق في إنتاج الحبوب من خلال تحديد العيوب أو المخالفات أو التلوث.
• اكتشاف الأدوية المزيفة: المساعدة في تحديد الأدوية التي قد تكون مزيفة من خلال تحليل الخصائص البصرية مقابل المعايير المعروفة.

ملف YAML الخاص بمجموعة البيانات

يتم توفير ملف تكوين YAML لتحديد هيكل مجموعة البيانات، بما في ذلك المسارات والفئات. بالنسبة لمجموعة بيانات medical-pills، يمكن الوصول إلى ملف medical-pills.yaml على الرابط 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 مع حجم صورة 640، استخدم الأمثلة التالية. للحصول على وسيطات مفصلة، راجع صفحة التدريب الخاصة 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 وعينات تعليقات توضيحية

تتميز مجموعة بيانات medical-pills بصور مصنفة تعرض تنوع الحبوب. فيما يلي مثال لصورة مصنفة من مجموعة البيانات:

• صورة مفسفسة (Mosaiced Image): معروض دفعة تدريب تتكون من صور مجموعة بيانات مفسفسة. يعزز التفسيف تنوع التدريب من خلال دمج صور متعددة في صورة واحدة، مما يحسن تعميم النموذج.

التكامل مع مجموعات البيانات الأخرى

للحصول على تحليل صيدلاني أكثر شمولاً، فكر في دمج مجموعة بيانات medical-pills مع مجموعات بيانات أخرى ذات صلة مثل package-seg للتعرف على التغليف، أو مجموعات بيانات التصوير الطبي مثل brain-tumor لتطوير حلول ذكاء اصطناعي شاملة للرعاية الصحية.

الاقتباسات والشكر

مجموعة البيانات متاحة بموجب ترخيص AGPL-3.0.

إذا كنت تستخدم مجموعة بيانات Medical-pills في عملك البحثي أو 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

ما هو هيكل مجموعة بيانات medical-pills؟

تتضمن مجموعة البيانات 92 صورة للتدريب و23 صورة للتحقق. كل صورة مصنفة بالفئة pill، مما يتيح التدريب الفعال وتقييم النماذج للتطبيقات الصيدلانية.

كيف يمكنني تدريب نموذج YOLO26 على مجموعة بيانات medical-pills؟

يمكنك تدريب نموذج YOLO26 لمدة 100 حقبة بحجم صورة 640 بكسل باستخدام طرق Python أو CLI المقدمة. راجع قسم مثال التدريب للحصول على تعليمات مفصلة وتحقق من وثائق YOLO26 لمزيد من المعلومات حول قدرات النموذج.

ما هي فوائد استخدام مجموعة بيانات medical-pills في مشاريع الذكاء الاصطناعي؟

تتيح مجموعة البيانات الأتمتة في اكتشاف الحبوب، مما يساهم في منع التزييف، وضمان الجودة، وتحسين العمليات الصيدلانية. كما أنها تعمل كمورد قيم لتطوير حلول الذكاء الاصطناعي التي يمكنها تحسين سلامة الأدوية وكفاءة سلسلة التوريد.

كيف أقوم بإجراء الاستدلال (Inference) على مجموعة بيانات medical-pills؟

يمكن إجراء الاستدلال باستخدام طرق Python أو CLI مع نموذج YOLO26 مضبوط بدقة. راجع قسم مثال الاستدلال للحصول على مقتطفات التعليمات البرمجية، ووثائق وضع التنبؤ للحصول على خيارات إضافية.

أين يمكنني العثور على ملف تكوين YAML لمجموعة بيانات medical-pills؟

ملف YAML متاح على medical-pills.yaml، ويحتوي على مسارات مجموعة البيانات، والفئات، وتفاصيل التكوين الإضافية الأساسية لتدريب النماذج على مجموعة البيانات هذه.