تخطي إلى المحتوى

مجموعة بيانات تجزئة الحزمة

مجموعة بيانات تجزئة الحزمة المفتوحة في كولاب

مجموعة بيانات تجزئة الحزم، المتوفرة على Roboflow Universe، هي مجموعة منسقة من الصور المصممة خصيصًا للمهام المتعلقة بتجزئة الحزم في مجال الرؤية الحاسوبية. صُممت مجموعة البيانات هذه لمساعدة الباحثين والمطورين والمتحمسين الذين يعملون على مشاريع تتضمن تحديد الحزمة وفرزها ومعالجتها، مع التركيز بشكل أساسي على مهام تجزئة الصور.



شاهد: تدريب نموذج تجزئة الحزمة باستخدام Ultralytics YOLO11 | الحزم الصناعية 🎉

تحتوي مجموعة البيانات على مجموعة متنوعة من الصور التي تعرض حزمًا متنوعة في سياقات وبيئات مختلفة، وهي بمثابة مورد قيّم لتدريب نماذج التجزئة وتقييمها. سواءً كنت تعمل في مجال الخدمات اللوجستية أو أتمتة المستودعات أو أي تطبيق يتطلب تحليلاً دقيقاً للحزم، توفر مجموعة بيانات تجزئة الحزم مجموعة مستهدفة وشاملة من الصور لتحسين أداء خوارزميات الرؤية الحاسوبية الخاصة بك. استكشف المزيد من مجموعات البيانات الخاصة بمهام التجزئة على صفحة نظرة عامة على مجموعات البيانات.

هيكلية مجموعة البيانات

توزيع البيانات في مجموعة بيانات تجزئة الحزمة منظم على النحو التالي:

  • مجموعة التدريب: تشمل 1920 صورة مصحوبة بشروحها التوضيحية المقابلة لها.
  • مجموعة الاختبار: تتكون من 89 صورة، كل منها مقترنة بالشروح الخاصة بها.
  • مجموعة التحقق: تتألف من 188 صورة، كل منها مع التعليقات التوضيحية المقابلة.

التطبيقات

يُعد تجزئة الطرود، التي تيسرها مجموعة بيانات تجزئة الطرود، أمرًا بالغ الأهمية لتحسين الخدمات اللوجستية، وتعزيز التسليم في الميل الأخير، وتحسين مراقبة جودة التصنيع، والمساهمة في حلول المدن الذكية. من التجارة الإلكترونية إلى التطبيقات الأمنية، تُعد مجموعة البيانات هذه مورداً رئيسياً يعزز الابتكار في مجال الرؤية الحاسوبية لتطبيقات تحليل الطرود المتنوعة والفعالة.

المستودعات الذكية والخدمات اللوجستية

في المستودعات الحديثة، يمكن لحلول الذكاء الاصطناعي للرؤية تبسيط العمليات من خلال أتمتة عملية تحديد الطرود وفرزها. يمكن لنماذج الرؤية الحاسوبية المدرّبة على مجموعة البيانات هذه اكتشاف الطرود وتقسيمها بسرعة في الوقت الفعلي، حتى في البيئات الصعبة ذات الإضاءة الخافتة أو المساحات المزدحمة. يؤدي ذلك إلى تسريع أوقات المعالجة، وتقليل الأخطاء، وتحسين الكفاءة الكلية في العمليات اللوجستية.

مراقبة الجودة والكشف عن الأضرار

يمكن استخدام نماذج تجزئة الطرود لتحديد الطرود التالفة من خلال تحليل شكلها ومظهرها. تساعد هذه النماذج، من خلال الكشف عن المخالفات أو التشوهات في الخطوط العريضة للحزم، على ضمان أن الطرود السليمة فقط هي التي تمر عبر سلسلة التوريد، مما يقلل من شكاوى العملاء ومعدلات الإرجاع. وهذا جانب رئيسي من جوانب مراقبة الجودة في التصنيع وهو أمر حيوي للحفاظ على سلامة المنتج.

مجموعة البيانات YAML

يحدد ملف YAML (لغة ترميز أخرى) تكوين مجموعة البيانات، بما في ذلك المسارات والفئات والتفاصيل الأساسية الأخرى. بالنسبة لمجموعة بيانات تقسيم الحزمة، فإن ملف package-seg.yaml يتم الاحتفاظ بالملف في https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/package-seg.yaml.

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 (102 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: ../datasets/package-seg # dataset root dir
train: train/images # train images (relative to 'path') 1920 images
val: valid/images # val images (relative to 'path') 89 images
test: test/images # 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 Ultralytics YOLO11n على مجموعة بيانات تجزئة الحزمة لـ 100 حقبة زمنية بحجم صورة 640، يمكنك استخدام مقتطفات التعليمات البرمجية التالية. للحصول على قائمة شاملة بالوسائط المتاحة، راجع صفحة تدريب النموذج.

مثال على القطار

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-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")

# Load a pretrained segmentation model and start training
yolo segment train data=package-seg.yaml model=yolo11n-seg.pt epochs=100 imgsz=640

# Resume training from the last checkpoint
yolo segment train data=package-seg.yaml model=path/to/last.pt resume=True

# Validate the trained model
yolo segment val data=package-seg.yaml model=path/to/best.pt

# Perform inference using the trained model
yolo segment predict model=path/to/best.pt source=path/to/image.jpg

عينة من البيانات والشروح

تتألف مجموعة بيانات تجزئة الحزمة من مجموعة متنوعة من الصور الملتقطة من وجهات نظر متعددة. فيما يلي أمثلة لبيانات من مجموعة البيانات، مصحوبة بأقنعة التجزئة الخاصة بكل منها:

صورة عينة مجموعة البيانات

  • تعرض هذه الصورة مثالاً على تجزئة الحزم، حيث تعرض أقنعة مشروحة تحدد كائنات الحزمة التي تم التعرف عليها. تتضمن مجموعة البيانات مجموعة متنوعة من الصور الملتقطة في مواقع وبيئات وكثافات مختلفة. وهي بمثابة مورد شامل لتطوير نماذج خاصة بمهمة التجزئة هذه.
  • يؤكد هذا المثال على التنوع والتعقيد الموجود في مجموعة البيانات، مما يؤكد أهمية البيانات عالية الجودة لمهام الرؤية الحاسوبية التي تتضمن تجزئة الحزمة.

مزايا استخدام YOLO11 لتجزئة الحزمة

Ultralytics YOLO11 العديد من المزايا لمهام تجزئة الحزم:

  1. توازن السرعة والدقة: تحقق YOLO11 دقة وكفاءة عاليتين، مما يجعلها مثالية للاستدلال في الوقت الحقيقي في البيئات اللوجستية سريعة الإيقاع. يوفر توازنًا قويًا مقارنةً بنماذج مثل YOLOv8.

  2. القدرة على التكيف: يمكن للنماذج التي تم تدريبها باستخدام YOLO11 أن تتكيف مع مختلف ظروف المستودعات، من الإضاءة الخافتة إلى المساحات المزدحمة، مما يضمن أداءً قويًا.

  3. قابلية التوسع: خلال فترات الذروة مثل مواسم العطلات، يمكن لنماذج YOLO11 أن تتوسع بكفاءة للتعامل مع أحجام الحزم المتزايدة دون المساس بالأداء أو الدقة.

  4. قدرات التكامل: يمكن دمج YOLO11 بسهولة مع أنظمة إدارة المستودعات الحالية ونشرها عبر منصات مختلفة باستخدام تنسيقات مثل ONNX أو TensorRTمما يسهل الحلول الآلية المتكاملة.

الاستشهادات والشكر والتقدير

إذا قمت بدمج مجموعة بيانات تقسيم الحزمة في مبادرات البحث أو التطوير الخاصة بك، يرجى ذكر المصدر بشكل مناسب:

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

نعرب عن امتناننا لمنشئي مجموعة بيانات تجزئة الحزمة لمساهمتهم في مجتمع الرؤية الحاسوبية. للمزيد من الاستكشاف لمجموعات البيانات وتدريب النماذج، يمكنك زيارة صفحة مجموعات بياناتUltralytics ودليلنا حول نصائح تدريب النماذج.

الأسئلة الشائعة

ما هي مجموعة بيانات تقسيم الحزمة وكيف يمكن أن تساعد في مشاريع الرؤية الحاسوبية؟

  • مجموعة بيانات تجزئة الحزم عبارة عن مجموعة منسقة من الصور المصممة خصيصًا للمهام التي تتضمن تجزئة صور الحزم. وهي تتضمن صورًا متنوعة لحزم في سياقات مختلفة، مما يجعلها لا تقدر بثمن لتدريب وتقييم نماذج التجزئة. تعتبر مجموعة البيانات هذه مفيدة بشكل خاص للتطبيقات في مجال الخدمات اللوجستية وأتمتة المستودعات وأي مشروع يتطلب تحليلاً دقيقاً للحزم.

كيف أقوم بتدريب نموذج Ultralytics YOLO11 على مجموعة بيانات تقسيم الحزمة؟

  • يمكنك تدريب Ultralytics YOLO11 باستخدام كل من طريقتَي Python و CLI . استخدم مقتطفات التعليمات البرمجية المتوفرة في قسم الاستخدام. راجع صفحة تدريب النموذج لمزيد من التفاصيل حول الوسيطات والتكوينات.

ما هي مكونات مجموعة بيانات تجزئة الحزم، وكيف يتم تنظيمها؟

  • تنقسم مجموعة البيانات إلى ثلاثة مكونات رئيسية:
    • مجموعة التدريب: تحتوي على 1920 صورة مع تعليقات توضيحية.
    • مجموعة الاختبار: تتكون من 89 صورة مع التعليقات التوضيحية المقابلة.
    • مجموعة التحقق من الصحة: تتضمن 188 صورة مع تعليقات توضيحية.
  • يضمن هذا الهيكل وجود مجموعة بيانات متوازنة لتدريب النموذج والتحقق من صحته واختباره بشكل شامل، باتباع أفضل الممارسات الموضحة في أدلة تقييم النماذج.

لماذا يجب استخدام Ultralytics YOLO11 مع مجموعة بيانات تجزئة الحزمة؟

  • يوفر Ultralytics YOLO11 دقة وسرعة فائقة لاكتشاف الأجسام وتجزئتها في الوقت الفعلي. يتيح لك استخدامه مع مجموعة بيانات تجزئة الحزمة الاستفادة من إمكانيات YOLO11 لتجزئة الحزمة بدقة، وهو أمر مفيد بشكل خاص لقطاعات مثل الخدمات اللوجستية وأتمتة المستودعات.

كيف يمكنني الوصول إلى ملف package-seg.yaml الخاص بمجموعة بيانات تجزئة الحزمة واستخدامه؟



📅 تم إنشاؤها منذ 1 سنة مضت ✏️ تم التحديث منذ 1 شهر
غلين-جوتشر رضوان منور ألترالتيكسيستانتست ماثيو نويس ج ك 4 هـ

التعليقات