Link to this sectionPackage Segmentation Dataset#

Das Ultralytics Package Segmentation Dataset ist eine kuratierte Sammlung von 2.197 annotierten Bildern von Paketen zum Trainieren von Instance Segmentation-Modellen für eine einzelne package-Klasse. Es wurde für Anwendungsfälle in der Logistik und Lagerautomatisierung wie Paketidentifizierung, Sortierung und Handhabung entwickelt und lässt sich direkt mit Ultralytics YOLO für die Echtzeit-Paketanalyse in Computer Vision-Pipelines kombinieren. Weitere Segmentierungs-Datensätze findest du auf unserer Übersichtsseite für Datensätze.

Link to this sectionDatensatzstruktur#

Das Package Segmentation Dataset unterteilt seine 2.197 Bilder wie folgt:

• Trainingsdatensatz: 1.920 Bilder, die zum Training des Deep Learning-Modells verwendet werden.
• Validierungsdatensatz: 188 Bilder, die während des Trainings verwendet werden, um Hyperparameter anzupassen und Overfitting zu verhindern.
• Testdatensatz: 89 Bilder, die zurückgehalten werden, um das Modell nach dem Training zu evaluieren.
• Klassen: eine einzelne package-Klasse, die jedes annotierte Paket abdeckt.
• Download-Größe: ~103 MB.

Link to this sectionAnwendungen#

Paketsegmentierung optimiert Logistik, Zustellung auf der letzten Meile, Qualitätskontrolle in der Fertigung und Smart-City-Systeme mit Anwendungen, die von der E-Commerce-Abwicklung bis zur Sicherheitsüberprüfung reichen. Präzise Paketmasken ermöglichen es automatisierten Systemen, Pakete in Echtzeit zu lokalisieren, zu zählen und zu inspizieren.

Link to this sectionSmart Warehouses und Logistik#

In modernen Lagern können Vision AI-Lösungen Abläufe optimieren, indem sie die Paketidentifizierung und -sortierung automatisieren. Computer-Vision-Modelle, die mit diesem Datensatz trainiert wurden, können Pakete schnell in Echtzeit erkennen und segmentieren, selbst in herausfordernden Umgebungen mit schlechter Beleuchtung oder überfüllten Räumen. Dies führt zu schnelleren Bearbeitungszeiten, weniger Fehlern und einer verbesserten Gesamteffizienz bei Logistikabläufen.

Link to this sectionQualitätskontrolle und Schadenerkennung#

Paketsegmentierungsmodelle können beschädigte Pakete identifizieren, indem sie deren Form und Aussehen analysieren. Durch das Erkennen von Unregelmäßigkeiten oder Verformungen in Paketkonturen helfen diese Modelle sicherzustellen, dass nur intakte Pakete die Lieferkette durchlaufen, was Kundenbeschwerden und Rücksendequoten reduziert. Dies ist ein wichtiger Aspekt der Qualitätskontrolle in der Fertigung und entscheidend für die Aufrechterhaltung der Produktintegrität.

Das vollständige Package Segmentation Dataset kann auch auf der Ultralytics Platform durchsucht und verwaltet werden.

Link to this sectionDatensatz-YAML#

Eine YAML-Datei definiert die Dataset-Konfiguration, einschließlich Pfaden, Klassen und weiteren wichtigen Details. Für das Package Segmentation-Dataset wird die package-seg.yaml-Datei unter https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/package-seg.yaml gepflegt.

# 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

Link to this sectionVerwendung#

Um ein Ultralytics YOLO26n-Modell mit dem Package Segmentation Dataset für 100 Epochen bei einer Bildgröße von 640 zu trainieren, verwende die folgenden Code-Snippets. Der Datensatz (~103 MB) wird bei der ersten Verwendung automatisch heruntergeladen. Eine vollständige Liste der verfügbaren Argumente findest du auf der Trainingsseite des Modells.

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")

Link to this sectionBeispieldaten und Annotationen#

Unten ist ein Beispiel aus dem Package Segmentation Dataset mit überlagerten Segmentierungsmasken zu sehen, die die erkannten Pakete umreißen:

Der Datensatz erstreckt sich über verschiedene Standorte, Umgebungen und Paketdichten, sodass darauf trainierte Modelle die Bandbreite an realen Logistik-Szenarien sehen, die sie für die Generalisierung benötigen. Siehe die Seite zur Segmentierungsaufgabe für verwandte Workflows.

Link to this sectionZitate und Danksagungen#

Wenn du das Package Segmentation Dataset in deine Forschungs- oder Entwicklungsinitiativen integrierst, zitiere die Quelle bitte angemessen:

@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 },
}

Wir bedanken uns bei den Erstellern des Package Segmentation Datasets für ihren Beitrag zur Computer-Vision-Community. Für weitere Datensätze besuche die Ultralytics Datasets-Sammlung und unseren Leitfaden zu Tipps für das Modelltraining.

Link to this sectionFAQ#

Link to this sectionWas ist das Package Segmentation Dataset und wie wird es in Ultralytics YOLO26 verwendet?#

Das Package Segmentation Dataset ist eine Sammlung von 2.197 annotierten Bildern von Paketen zum Trainieren und Evaluieren von Instance Segmentation-Modellen für eine einzelne package-Klasse. Es zielt auf Anwendungen in der Logistik und Lagerautomatisierung wie Paketidentifizierung, Sortierung und Qualitätskontrolle ab und wird direkt mit Ultralytics YOLO26 über die Konfigurationsdatei package-seg.yaml verwendet.

Link to this sectionWie viele Bilder und Klassen enthält das Package Segmentation Dataset?#

Der Datensatz umfasst insgesamt 2.197 Bilder – 1.920 zum Training, 188 zur Validierung und 89 zum Testen –, die alle für eine einzelne package-Klasse annotiert sind. Das vollständige Archiv wird bei der ersten Verwendung automatisch als ~103 MB .zip heruntergeladen.

Link to this sectionWie trainiere ich ein Ultralytics YOLO26-Modell mit dem Package Segmentation Dataset?#

Lade ein vortrainiertes Segmentierungsmodell (z. B. yolo26n-seg.pt) und trainiere es mit der package-seg.yaml-Konfiguration unter Verwendung der Python- oder CLI-Snippets im Abschnitt Nutzung oben. Siehe den Trainingsleitfaden für die vollständige Liste der verfügbaren Argumente.

Link to this sectionWarum sollte man Ultralytics YOLO26 für die Paketsegmentierung in der Logistik verwenden?#

YOLO26 bietet modernste Genauigkeit und Echtzeitgeschwindigkeit für Instance Segmentation, wodurch automatisierte Systeme Pakete zuverlässig erkennen und sortieren können, selbst in dunklen oder überfüllten Lagern – siehe den Abschnitt Anwendungen oben. Trainierte Modelle können in Formate wie ONNX und TensorRT exportiert werden, um sie auf Lager-Hardware bereitzustellen.

Link to this sectionWo finde ich die Datensatz-Konfigurationsdatei für Package Segmentation?#

Die package-seg.yaml-Datei, die die Datensatzpfade und die einzelne package-Klasse definiert, befindet sich im Ultralytics GitHub-Repository: package-seg.yaml.