مجموعة بيانات تقسيم الطرود

تعد مجموعة بيانات تقسيم الطرود مجموعة مختارة من الصور المصممة خصيصًا للمهام المتعلقة بتقسيم الطرود في مجال رؤية الكمبيوتر. صُممت هذه المجموعة لمساعدة الباحثين والمطورين والمتحمسين الذين يعملون على مشاريع تتضمن تحديد الطرود وتصنيفها ومعالجتها، مع التركيز بشكل أساسي على مهام تقسيم الصور.

تحتوي مجموعة البيانات على مجموعة متنوعة من الصور التي تعرض طروداً مختلفة في سياقات وبيئات متنوعة، وتُعد مورداً قيماً لتدريب وتقييم نماذج التقسيم. سواء كنت تعمل في مجال الخدمات اللوجستية، أو أتمتة المستودعات، أو أي تطبيق يتطلب تحليلاً دقيقاً للطرود، توفر مجموعة بيانات تقسيم الطرود مجموعة مستهدفة وشاملة من الصور لتعزيز أداء خوارزميات رؤية الكمبيوتر لديك. استكشف المزيد من مجموعات البيانات لمهام التقسيم على صفحة نظرة عامة على مجموعات البيانات.

هيكل مجموعة البيانات

تم هيكلة توزيع البيانات في مجموعة بيانات تقسيم الطرود على النحو التالي:

• مجموعة التدريب: تضم 1920 صورة مصحوبة بالتعليقات التوضيحية المقابلة لها.
• مجموعة الاختبار: تتكون من 89 صورة، كل منها مقترنة بالتعليقات التوضيحية الخاصة بها.
• مجموعة التحقق: تشتمل على 188 صورة، كل منها مع التعليقات التوضيحية المقابلة لها.

التطبيقات

يعد تقسيم الطرود، الذي تسهله مجموعة بيانات تقسيم الطرود، أمراً بالغ الأهمية لتحسين الخدمات اللوجستية، وتعزيز عمليات التوصيل في الميل الأخير، وتحسين مراقبة جودة التصنيع، والمساهمة في حلول المدن الذكية. من التجارة الإلكترونية إلى التطبيقات الأمنية، تُعد هذه المجموعة مورداً رئيسياً يعزز الابتكار في مجال رؤية الكمبيوتر لتطبيقات تحليل الطرود المتنوعة والفعالة.

المستودعات الذكية والخدمات اللوجستية

في المستودعات الحديثة، يمكن لـ حلول رؤية الذكاء الاصطناعي تبسيط العمليات من خلال أتمتة تحديد الطرود وتصنيفها. يمكن لنماذج رؤية الكمبيوتر المدربة على هذه المجموعة اكتشاف الطرود وتقسيمها بسرعة في الوقت الفعلي، حتى في البيئات الصعبة ذات الإضاءة الخافتة أو المساحات المزدحمة. يؤدي هذا إلى أوقات معالجة أسرع، وتقليل الأخطاء، وتحسين الكفاءة العامة في العمليات اللوجستية.

مراقبة الجودة واكتشاف التلف

يمكن استخدام نماذج تقسيم الطرود لتحديد الطرود التالفة من خلال تحليل شكلها ومظهرها. من خلال اكتشاف المخالفات أو التشوهات في الخطوط العريضة للطرود، تساعد هذه النماذج في ضمان مرور الطرود السليمة فقط عبر سلسلة التوريد، مما يقلل من شكاوى العملاء ومعدلات الإرجاع. هذا جانب رئيسي من مراقبة الجودة في التصنيع وهو أمر حيوي للحفاظ على سلامة المنتج.

ملف YAML الخاص بمجموعة البيانات

يحدد ملف YAML (لغة توصيف أخرى) تهيئة مجموعة البيانات، بما في ذلك المسارات، والفئات، وتفاصيل أساسية أخرى. بالنسبة لمجموعة بيانات تقسيم الطرود، يتم الاحتفاظ بملف package-seg.yaml على الرابط https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/package-seg.yaml.

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# Package-seg dataset by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/segment/package-seg/
# Example usage: yolo train data=package-seg.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── package-seg ← downloads here (103 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: package-seg # dataset root dir
train: images/train # train images (relative to 'path') 1920 images
val: images/val # val images (relative to 'path') 89 images
test: images/test # test images (relative to 'path') 188 images

# Classes
names:
  0: package

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

الاستخدام

لتدريب نموذج Ultralytics YOLO26n على مجموعة بيانات تقسيم الطرود لمدة 100 حقبة تدريب بحجم صورة 640، يمكنك استخدام مقتطفات التعليمات البرمجية التالية. للحصول على قائمة شاملة بالوسيطات المتاحة، راجع صفحة التدريب الخاصة بالنموذج.

from ultralytics import YOLO

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

# Train the model on the Package Segmentation dataset
results = model.train(data="package-seg.yaml", epochs=100, imgsz=640)

# Validate the model
results = model.val()

# Perform inference on an image
results = model("path/to/image.jpg")

عينة البيانات والشروحات

تتكون مجموعة بيانات تقسيم الطرود من مجموعة متنوعة من الصور الملتقطة من وجهات نظر متعددة. فيما يلي أمثلة للبيانات من مجموعة البيانات، مصحوبة بأقنعة التقسيم الخاصة بها:

• تعرض هذه الصورة مثالاً لتقسيم الطرود، وتظهر أقنعة معلقة تحدد كائنات الطرود المعترف بها. تتضمن مجموعة البيانات مجموعة متنوعة من الصور الملتقطة في مواقع وبيئات وكثافات مختلفة. وهي بمثابة مورد شامل لتطوير نماذج خاصة بـ مهمة التقسيم هذه.
• يؤكد المثال على التنوع والتعقيد الموجود في مجموعة البيانات، مما يبرز أهمية البيانات عالية الجودة لمهام رؤية الكمبيوتر التي تتضمن تقسيم الطرود.

فوائد استخدام YOLO26 لتقسيم الطرود

يوفر Ultralytics YOLO26 العديد من المزايا لمهام تقسيم الطرود:

1. التوازن بين السرعة والدقة: يحقق YOLO26 دقة وكفاءة عاليتين، مما يجعله مثالياً لـ الاستدلال في الوقت الفعلي في بيئات الخدمات اللوجستية سريعة الوتيرة. ويوفر توازناً قوياً مقارنة بنماذج مثل YOLOv8.

2. القدرة على التكيف: يمكن للنماذج المدربة باستخدام YOLO26 التكيف مع ظروف المستودعات المختلفة، بدءاً من الإضاءة الخافتة وحتى المساحات المزدحمة، مما يضمن أداءً قوياً.

3. قابلية التوسع: خلال فترات الذروة مثل مواسم العطلات، يمكن لنماذج YOLO26 التوسع بكفاءة للتعامل مع أحجام الطرود المتزايدة دون المساس بالأداء أو الدقة.

4. قدرات التكامل: يمكن دمج YOLO26 بسهولة مع أنظمة إدارة المستودعات الحالية ونشره عبر منصات مختلفة باستخدام تنسيقات مثل ONNX أو TensorRT، مما يسهل تقديم حلول آلية متكاملة.

الاقتباسات والشكر

إذا قمت بدمج مجموعة بيانات تقسيم الطرود في مبادرات البحث أو التطوير الخاصة بك، يرجى الاستشهاد بالمصدر بشكل مناسب:

@misc{ factory_package_dataset,
    title = { factory_package Dataset },
    type = { Open Source Dataset },
    author = { factorypackage },
    url = { https://universe.roboflow.com/factorypackage/factory_package },
    year = { 2024 },
    month = { jan },
    note = { visited on 2024-01-24 },
}

نعرب عن امتناننا لمبدعي مجموعة بيانات تقسيم الطرود لمساهمتهم في مجتمع رؤية الكمبيوتر. لمزيد من الاستكشاف لمجموعات البيانات وتدريب النماذج، فكر في زيارة صفحة Ultralytics Datasets ودليلنا حول نصائح تدريب النموذج.

الأسئلة الشائعة

ما هي مجموعة بيانات تقسيم الطرود وكيف يمكن أن تساعد في مشاريع رؤية الكمبيوتر؟

• تعد مجموعة بيانات تقسيم الطرود مجموعة مختارة من الصور المصممة للمهام التي تتضمن تقسيم الصور للطرود. وهي تتضمن صوراً متنوعة للطرود في سياقات مختلفة، مما يجعلها لا تقدر بثمن لتدريب وتقييم نماذج التقسيم. هذه المجموعة مفيدة بشكل خاص للتطبيقات في الخدمات اللوجستية، وأتمتة المستودعات، وأي مشروع يتطلب تحليلاً دقيقاً للطرود.

كيف يمكنني تدريب نموذج Ultralytics YOLO26 على مجموعة بيانات تقسيم الطرود؟

• يمكنك تدريب نموذج Ultralytics YOLO26 باستخدام كل من Python وCLI. استخدم مقتطفات التعليمات البرمجية المتوفرة في قسم الاستخدام. راجع صفحة التدريب الخاصة بالنموذج لمزيد من التفاصيل حول الوسيطات والتهيئة.

ما هي مكونات مجموعة بيانات تقسيم الطرود، وكيف يتم تنظيمها؟

• يتم تنظيم مجموعة البيانات في ثلاثة مكونات رئيسية:
  • مجموعة التدريب: تحتوي على 1920 صورة مع تعليقات توضيحية.
  • مجموعة الاختبار: تتكون من 89 صورة مع التعليقات التوضيحية المقابلة لها.
  • مجموعة التحقق: تشمل 188 صورة مع تعليقات توضيحية.
• يضمن هذا الهيكل مجموعة بيانات متوازنة لتدريب النموذج والتحقق منه واختباره بشكل كامل، باتباع أفضل الممارسات الموضحة في أدلة تقييم النموذج.

لماذا يجب أن أستخدم Ultralytics YOLO26 مع مجموعة بيانات تقسيم الطرود؟

• Ultralytics YOLO26 provides state-of-the-art accuracy and speed for real-time object detection and segmentation tasks. Using it with the Package Segmentation Dataset allows you to leverage YOLO26's capabilities for precise package segmentation, which is especially beneficial for industries like logistics and warehouse automation.

كيف يمكنني الوصول إلى ملف package-seg.yaml الخاص بمجموعة بيانات تقسيم الطرود واستخدامه؟

• يتم استضافة ملف package-seg.yaml على مستودع GitHub الخاص بـ Ultralytics ويحتوي على معلومات أساسية حول مسارات مجموعة البيانات، والفئات، والتهيئة. يمكنك عرضه أو تنزيله على https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/package-seg.yaml. يعد هذا الملف ضرورياً لتهيئة نماذجك لاستخدام مجموعة البيانات بكفاءة. لمزيد من الرؤى والأمثلة العملية، استكشف قسم استخدام Python الخاص بنا.