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 الكيانات على فئة واحدة هي package. صُممت لحالات الاستخدام في مجالَي الخدمات اللوجستية وأتمتة المستودعات، مثل تحديد الطرود وفرزها ومناولتها، وتتكامل مباشرةً مع Ultralytics YOLO لتحليل الطرود في الوقت الفعلي ضمن مسارات الرؤية الحاسوبية. استكشف مزيدًا من مجموعات بيانات التقسيم في صفحة نظرة عامة على مجموعات البيانات.

بنية مجموعة البيانات#

تقسم مجموعة بيانات تقسيم الطرود صورها البالغ عددها 2,197 صورة على النحو التالي:

• مجموعة التدريب: 1,920 صورة مستخدمة في تدريب نموذج التعلم العميق.
• مجموعة التحقق: 188 صورة مستخدمة أثناء التدريب لضبط المعلمات الفائقة ومنع فرط التكيّف.
• مجموعة الاختبار: 89 صورة محجوزة لتقييم النموذج بعد التدريب.
• الفئات: فئة واحدة هي package تغطي كل طرد مشروح.
• حجم التنزيل: ~103 ميغابايت.

التطبيقات#

يُحسّن تقسيم الطرود الخدمات اللوجستية، والتوصيل في الميل الأخير، ومراقبة جودة التصنيع، وأنظمة المدن الذكية، مع تطبيقات تمتد من تنفيذ طلبات التجارة الإلكترونية إلى الفحص الأمني. وتتيح أقنعة الطرود الدقيقة للأنظمة المؤتمتة تحديد الطرود وعدّها وفحصها في الوقت الفعلي.

المستودعات الذكية والخدمات اللوجستية#

في المستودعات الحديثة، يمكن لـحلول الذكاء الاصطناعي القائم على الرؤية تبسيط العمليات من خلال أتمتة تحديد الطرود وفرزها. وتستطيع نماذج الرؤية الحاسوبية المدربة 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 أوقات المعالجة، وتقليل الأخطاء، وتحسين الكفاءة الإجمالية في العمليات اللوجستية.

مراقبة الجودة واكتشاف الأضرار#

يمكن لنماذج تقسيم الطرود تحديد الطرود التالفة من خلال تحليل شكلها ومظهرها. وباكتشاف حالات عدم الانتظام أو التشوهات في حدود الطرود، تساعد هذه النماذج على ضمان مرور الطرود السليمة فقط عبر سلسلة الإمداد، مما يقلل شكاوى العملاء ومعدلات الإرجاع. ويُعد ذلك جانبًا أساسيًا من مراقبة الجودة في التصنيع، وهو أمر بالغ الأهمية للحفاظ على سلامة المنتجات.

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

YAML مجموعة البيانات#

يحدد ملف YAML إعدادات مجموعة البيانات، بما في ذلك المسارات والفئات والتفاصيل الأساسية الأخرى. وبالنسبة إلى مجموعة بيانات تقسيم الطرود، يُدار 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 على مجموعة بيانات تقسيم الطرود لمدة 100 حقبة وبحجم صورة قدره 640، استخدم مقتطفات التعليمات البرمجية التالية. تُنزَّل مجموعة البيانات (~103 ميغابايت) تلقائيًا عند الاستخدام الأول. للحصول على قائمة شاملة بالوسائط المتاحة، راجع صفحة تدريب النموذج.

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")

بيانات العينة والتعليقات التوضيحية#

فيما يلي مثال من مجموعة بيانات تقسيم الطرود مع تراكب أقنعة التقسيم عليها، موضحًا الطرود المكتشفة:

تمتد مجموعة البيانات عبر مواقع وبيئات وكثافات متنوعة للطرود، ولذلك ترى النماذج المدربة عليها نطاق مشاهد الخدمات اللوجستية الواقعية التي تحتاج إليها للتعميم عبرها. راجع صفحة مهمة التقسيم للاطلاع على مسارات العمل ذات الصلة.

الاقتباسات والشكر والتقدير#

إذا أدمجت مجموعة بيانات تقسيم الطرود في مبادراتك البحثية أو التطويرية، فيُرجى الاستشهاد بالمصدر 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 لمساهمتهم في مجتمع الرؤية الحاسوبية. ولمزيد من مجموعات البيانات، تفضل بزيارة مجموعة بيانات Ultralytics ودليلنا حول نصائح تدريب النماذج.

الأسئلة الشائعة#