مجموعة بيانات تقسيم الطرود#

2,197

Package-Seg

ultralytics

publicSegment

Package-Seg contains polygon masks for packages across indoor, warehouse, and logistics-style scenes, including empty background images. It supports package localization and shape segmentation; no named upstream dataset license is published, so redistribution terms should be reviewed.

1 class149.8 MBSep 2, 2026

package

packagesinstance-segmentationlogistics+1

مجموعة بيانات تقسيم الطرود من Ultralytics هي مجموعة منتقاة تضم 2,197 صورة مشروحة للطرود، لتدريب نماذج تقسيم الكائنات الفردية على فئة واحدة package. وقد أُعدّت لحالات استخدام الخدمات اللوجستية وأتمتة المستودعات، مثل تحديد الطرود وفرزها ومناولتها، وتتكامل مباشرةً مع Ultralytics YOLO لتحليل الطرود آنيًا ضمن مسارات عمل الرؤية الحاسوبية. استكشف مزيدًا من مجموعات بيانات التقسيم في صفحة استعراض مجموعات البيانات.

بنية مجموعة البيانات#

تُقسّم الصور البالغ عددها 2,197 في مجموعة بيانات تقسيم الطرود كما يلي:

• مجموعة التدريب: 1,920 صورة تُستخدم في تدريب نموذج التعلم العميق.
• مجموعة التحقق: 188 صورة تُستخدم أثناء التدريب لضبط المعلمات الفائقة ومنع فرط التكيّف.
• مجموعة الاختبار: 89 صورة تُحجز لتقييم النموذج بعد التدريب.
• الفئات: فئة واحدة package تشمل كل الطرود المشروحة.
• حجم التنزيل: ~103 MB.

التطبيقات#

يسهم تقسيم الطرود في تحسين الخدمات اللوجستية والتوصيل للميل الأخير ومراقبة جودة التصنيع وأنظمة المدن الذكية، مع تطبيقات تمتد من تنفيذ طلبات التجارة الإلكترونية إلى الفحص الأمني. وتتيح أقنعة الطرود الدقيقة للأنظمة الآلية تحديد الطرود وعدّها وفحصها آنيًا.

المستودعات الذكية والخدمات اللوجستية#

في المستودعات الحديثة، يمكن أن تسهم حلول الذكاء الاصطناعي البصري في تبسيط العمليات من خلال أتمتة تحديد الطرود وفرزها. ويمكن لنماذج الرؤية الحاسوبية المدرّبة على مجموعة البيانات هذه اكتشاف الطرود وتقسيمها بسرعة وفي الوقت الفعلي، حتى في البيئات الصعبة ذات الإضاءة الخافتة أو المساحات المزدحمة. ويؤدي ذلك إلى تسريع المعالجة وتقليل الأخطاء وتحسين الكفاءة العامة في العمليات اللوجستية.

مراقبة الجودة واكتشاف التلف#

يمكن لنماذج تقسيم الطرود تحديد الطرود التالفة من خلال تحليل شكلها ومظهرها. ويساعد اكتشاف المخالفات أو التشوهات في حدود الطرود هذه النماذج على ضمان انتقال الطرود السليمة فقط عبر سلسلة الإمداد، ما يقلل شكاوى العملاء ومعدلات الإرجاع. ويُعد ذلك جانبًا أساسيًا من مراقبة الجودة في التصنيع، كما أنه ضروري للحفاظ على سلامة المنتجات.

يمكن أيضًا استعراض مجموعة بيانات تقسيم الطرود الكاملة وإدارتها على منصة Ultralytics.

ملف YAML لمجموعة البيانات#

يحدد ملف YAML إعداد مجموعة البيانات، بما في ذلك المسارات والفئات والتفاصيل الأساسية الأخرى. بالنسبة إلى مجموعة بيانات تقسيم الطرود، يُصان الملف package-seg.yaml في 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-seg على مجموعة بيانات تقسيم الطرود لمدة 100 حقبة وبحجم صورة 640، استخدم مقتطفات التعليمات البرمجية التالية. تُنزّل مجموعة البيانات (~103 MB) تلقائيًا عند الاستخدام لأول مرة. للاطلاع على قائمة شاملة بالوسائط المتاحة، راجع صفحة تدريب النموذج.

from ultralytics import YOLO

# ⁨تحميل نموذج⁩
model = YOLO("yolo26n-seg.pt")  # ⁨حمّل نموذج تقسيم مدرّبًا مسبقًا (موصى به للتدريب)⁩

# ⁨درّب النموذج على مجموعة بيانات تقسيم الطرود⁩
results = model.train(data="package-seg.yaml", epochs=100, imgsz=640)

# ⁨تحقّق من النموذج⁩
results = model.val()

# ⁨أجرِ الاستدلال على صورة⁩
results = model("path/to/image.jpg")

البيانات النموذجية والتعليقات التوضيحية#

فيما يلي مثال من مجموعة بيانات تقسيم الطرود مع تراكب أقنعة التقسيم، التي تحدد الطرود المكتشفة:

تغطي مجموعة البيانات مواقع وبيئات وكثافات متنوعة للطرود، لذا ترى النماذج المدرّبة عليها نطاق مشاهد الخدمات اللوجستية الواقعية التي تحتاج إليها لتعميم أدائها عليها. راجع صفحة مهمة التقسيم للاطلاع على مسارات العمل ذات الصلة.

الاستشهادات والشكر والتقدير#

إذا أدمجت مجموعة بيانات تقسيم الطرود في أبحاثك أو مبادرات التطوير، فيُرجى توثيق المصدر على النحو المناسب:

@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 لمنشئي مجموعة بيانات تقسيم الطرود على مساهمتهم في مجتمع الرؤية الحاسوبية. للاطلاع على مزيد من مجموعات البيانات، تفضل بزيارة مجموعة بيانات Ultralytics وراجع دليلنا حول نصائح تدريب النماذج.

الأسئلة الشائعة#