مجموعة بيانات تجزئة الطرود#

2,197

Package-Seg

ultralytics

publicSegment

Package segmentation dataset with 2,197 unique images across 1,920 train, 188 validation, and 89 test images; 2,060 labeled images, 7,643 polygon instances, and one package class. Distributed by Ultralytics as the official Package-Seg training archive; no named upstream dataset license is published.

1 class149.8 MBAug 21, 2026

package

packagesinstance-segmentationlogistics+1

مجموعة بيانات تجزئة الطرود Ultralytics هي مجموعة منسقة تضم 2197 صورة معلنة للطرود لتدريب نماذج تجزئة الحالات على فئة واحدة من package. صُممت خصيصاً لحالات الاستخدام في الخدمات اللوجستية وأتمتة المستودعات مثل تحديد الطرود، وفرزها، ومعالجتها، وهي تتكامل مباشرة مع Ultralytics YOLO لتحليل الطرود في الوقت الفعلي ضمن خطوط أنابيب الرؤية الحاسوبية. استكشف المزيد من مجموعات بيانات التجزئة على صفحة نظرة عامة على مجموعات البيانات.

هيكل مجموعة البيانات#

تقسم مجموعة بيانات تجزئة الطرود صورها البالغ عددها 2,197 صورة كالتالي:

• مجموعة التدريب: 1920 صورة تُستخدم للتدريب نموذج التعلم العميق.
• مجموعة التحقق من الصحة: 188 صورة تُستخدم أثناء التدريب لضبط المعلمات الفائقة ومنع فرط التخصص.
• مجموعة الاختبار: 89 صورة تم الاحتفاظ بها لتقييم النموذج بعد التدريب.
• الفئات: فئة واحدة package تغطي كل طرد معلن.
• حجم التنزيل: ~103 ميجابايت.

التطبيقات#

تعمل تجزئة الطرود على تحسين الخدمات اللوجستية، والتسليم في الميل الأخير، ومراقبة جودة التصنيع، وأنظمة المدن الذكية، مع تطبيقات تمتد لتشمل تلبية طلبات التجارة الإلكترونية وفحص الأمان. تتيح أقنعة الطرود الدقيقة للأنظمة الآلية تحديد مواقع الطرود وعدها وفحصها في الوقت الفعلي.

المستودعات الذكية والخدمات اللوجستية#

في المستودعات الحديثة، يمكن لحلول الذكاء الاصطناعي للرؤية تبسيط العمليات من خلال أتمتة تحديد الطرود وفرزها. يمكن لننماذج الرؤية الحاسوبية المدربة على مجموعة البيانات هذه اكتشاف وتجزئة الطرود بسرعة في الوقت الفعلي، حتى في البيئات الصعبة ذات الإضاءة الخافتة أو المساحات المزدحمة. يؤدي هذا إلى أسرع أوقات المعالجة، وتقليل الأخطاء، وتحسين الكفاءة العامة في عمليات الخدمات اللوجستية.

مراقبة الجودة واكتشاف التلف#

يمكن لنماذج تجزئة الطرود تحديد الطرود التالفة من خلال تحليل شكلها ومظهرها. من خلال اكتشاف المخالفات أو التشوهات في خطوط الطرود، تساعد هذه النماذج على ضمان مرور الطرود السليمة وحدها عبر سلسلة التوريد، مما يقلل من شكاوى العملاء ومعدلات الإرجاع. هذا جانب رئيسي من مراقبة الجودة في التصنيع وحيوي للحفاظ على سلامة المنتجات.

يمكن أيضاً تصفح وإدارة مجموعة بيانات تجزئة الطرود الكاملة على منصة Ultralytics.

YAML مجموعة البيانات#

يُعرّف ملف YAML تكوين مجموعة البيانات، بما في ذلك المسارات والفئات والتفاصيل الأساسية الأخرى. بالنسبة لمجموعة بيانات تجزئة الطرود، يتم الاحتفاظ بالملف package-seg.yaml على 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') 188 images
test: images/test # test images (relative to 'path') 89 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 تجزئة الطرود لمدة 100 حقبة تدريب بحجم صورة يبلغ 640، استخدم مقاطع الكود التالية. يتم تنزيل مجموعة البيانات (~103 ميجابايت) تلقائياً عند الاستخدام الأول. للحصول على قائمة شاملة بالوسائط 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 من البيانات والتعليقات#

فيما يلي مثال من مجموعة بيانات تجزئة الطرود مع تراكب أقنعة التجزئة الخاصة بها، والتي تحدد الطرود المكتشفة:

تمتد مجموعة البيانات عبر مواقع وبيئات وكثافات طرود متنوعة، لذا فإن النماذج المدربة عليها ترى نطاق مشاهد الخدمات اللوجستية الواقعية التي تحتاج إلى التعميم عبرها. راجع صفحة مهمة التجزئة للتعرف على سير العمل ذات الصلة.

الاقتباسات والشكر#

إذا قمت بدمج مجموعة بيانات تجزئة 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 },
}

نُعرب عن امتناننا لمبتكري مجموعة بيانات تجزئة الطرود على مساهمتهم في مجتمع الرؤية الحاسوبية. لمزيد من مجموعات البيانات، تفضل بزيارة مجموعة بيانات Ultralytics ودليلنا حول نصائح تدريب النماذج.

الأسئلة الشائعة#