Medical Pills Datensatz#

115

medical pills

ultralytics

publicDetect

Pharmaceutical dataset for pill detection and identification. Useful for training medication verification and pharmacy automation models.

21 class16.1 MBApr 28, 2026

pill

Das Ultralytics Medical Pills Dataset ist ein Proof-of-Concept (POC)-Objekterkennungs-Dataset mit 115 beschrifteten Bildern in einer einzelnen Klasse, pill — 92 für das Training und 23 für die Validierung. Es wurde entwickelt, um Computer-Vision-Modelle für pharmazeutische Anwendungen wie Qualitätskontrolle, Verpackungsautomatisierung und Sortierung zu demonstrieren.

Datensatzstruktur#

Das Medical Pills Dataset enthält 115 Bilder, die mit einer einzigen Klasse, pill, annotiert sind, aufgeteilt in zwei Untermengen, die durch die Konfiguration medical-pills.yaml definiert sind:

Entdecke Medical Pills auf der Ultralytics Platform, um die Bilder mit ihren Annotations-Overlays zu durchstöbern, die Klassenverteilung und Bounding-Box-Heatmaps im Charts-Tab anzusehen und das Dataset zu klonen, um dein eigenes Modell in der Cloud zu trainieren.

Anwendungen#

Der Einsatz von Computer Vision zur Erkennung von medizinischen Pillen ermöglicht eine Automatisierung in der pharmazeutischen Industrie und unterstützt Aufgaben wie:

• Pharmazeutische Sortierung: Automatisierung der Sortierung von Pillen nach Größe, Form oder Farbe, um die Produktionseffizienz zu steigern.
• KI-Forschung und Entwicklung: Dient als Benchmark für die Entwicklung und das Testen von Computer Vision Algorithmen in pharmazeutischen Anwendungsfällen.
• Digitale Inventarsysteme: Unterstützung intelligenter Inventarlösungen durch Integration automatisierter Pillenerkennung für Echtzeit-Bestandsüberwachung und Nachschubplanung.
• Qualitätskontrolle: Sicherstellung der Konsistenz bei der Pillenproduktion durch Identifizierung von Defekten, Unregelmäßigkeiten oder Verunreinigungen.
• Fälschungserkennung: Unterstützung bei der Identifizierung potenziell gefälschter Medikamente durch den Abgleich visueller Merkmale mit bekannten Standards.

Datensatz-YAML#

Die Datei medical-pills.yaml definiert die Dataset-Konfiguration — die Dataset-Pfade, Klassennamen und andere Metadaten. Sie wird im Ultralytics-Repository unter https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/medical-pills.yaml gepflegt.

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

# Medical-pills dataset by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/detect/medical-pills
# Example usage: yolo train data=medical-pills.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── medical-pills ← downloads here (8.19 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: medical-pills # dataset root dir
train: images/train # train images (relative to 'path') 92 images
val: images/val # val images (relative to 'path') 23 images

# Classes
names:
  0: pill

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

Verwendung#

Um ein YOLO26n-Modell für 100 Epochen mit einer Bildgröße von 640 auf dem Medical Pills Dataset zu trainieren, verwende die folgenden Beispiele. Detaillierte Argumente findest du auf der Training-Seite des Modells.

from ultralytics import YOLO

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

# Train the model
results = model.train(data="medical-pills.yaml", epochs=100, imgsz=640)

from ultralytics import YOLO

# Load a model
model = YOLO("path/to/best.pt")  # load a fine-tuned model

# Inference using the model
results = model.predict("https://ultralytics.com/assets/medical-pills-sample.jpg")

Beispielbilder und Annotationen#

Das Medical Pills Dataset enthält annotierte Bilder, die die Vielfalt von Pillen zeigen. Unten findest du ein Beispiel für ein annotiertes Bild aus dem Datensatz:

• Mosaik-Bild: Dargestellt ist eine Trainings-Batch bestehend aus Mosaik-Datensatzbildern. Mosaicing verbessert die Trainingsvielfalt, indem mehrere Bilder zu einem zusammengefügt werden, was die Generalisierung des Modells verbessert.

Integration mit anderen Datensätzen#

Für eine umfassendere pharmazeutische Analyse ziehe in Betracht, das Medical Pills Dataset mit anderen verwandten Datasets wie package-seg zur Verpackungsidentifikation oder medizinischen Bildgebungs-Datasets wie brain-tumor zu kombinieren, um End-to-End-KI-Lösungen im Gesundheitswesen zu entwickeln.

Zitate und Danksagungen#

Das Dataset ist unter der AGPL-3.0 License verfügbar.

Wenn du das Medical Pills Dataset in deiner Forschungs- oder Entwicklungsarbeit verwendest, zitiere es bitte unter Verwendung der genannten Details:

@dataset{Jocher_Ultralytics_Datasets_2024,
    author = {Jocher, Glenn and Rizwan, Muhammad},
    license = {AGPL-3.0},
    month = {Dec},
    title = {Ultralytics Datasets: Medical-pills Detection Dataset},
    url = {https://docs.ultralytics.com/datasets/detect/medical-pills},
    version = {1.0.0},
    year = {2024}
}

FAQ#