Conjunto de datos de pastillas médicas#

115

medical pills

ultralytics

publicDetect

Medical Pills contains close-range photographs of pharmaceutical tablets and capsules in varied arrangements. Single-class bounding boxes and clean background images support medication localization, counting, dispensing verification, and visual inventory.

21 class16.1 MBSep 2, 2026

pill

El conjunto de datos Medical Pills de Ultralytics es un conjunto de datos de prueba de concepto (POC) de detección de objetos con 115 imágenes etiquetadas de una sola clase, pill: 92 para entrenamiento y 23 para validación. Está diseñado para demostrar modelos de visión artificial para aplicaciones farmacéuticas, como el control de calidad, la automatización del envasado y la clasificación.

Estructura del dataset#

El conjunto de datos Medical Pills contiene 115 imágenes anotadas con una sola clase, pill, divididas en dos subconjuntos definidos por la configuración medical-pills.yaml:

Explora Medical Pills en Ultralytics Platform para examinar las imágenes con sus superposiciones de anotaciones, consultar la distribución de clases y los mapas de calor de las cajas delimitadoras en la pestaña Charts, y clonarlo para entrenar tu propio modelo en la nube.

Aplicaciones#

El uso de la visión artificial para detectar pastillas médicas permite automatizar procesos en la industria farmacéutica y facilita tareas como:

• Clasificación farmacéutica: automatizar la clasificación de pastillas según su tamaño, forma o color para mejorar la eficiencia de la producción.
• Investigación y desarrollo de IA: servir como referencia para desarrollar y probar algoritmos de visión artificial en casos de uso farmacéuticos.
• Sistemas digitales de inventario: impulsar soluciones inteligentes de inventario mediante la integración del reconocimiento automatizado de pastillas para supervisar las existencias en tiempo real y planificar la reposición.
• Control de calidad: garantizar la uniformidad en la producción de pastillas mediante la identificación de defectos, irregularidades o contaminación.
• Detección de falsificaciones: ayudar a identificar medicamentos potencialmente falsificados mediante el análisis de sus características visuales y su comparación con estándares conocidos.

YAML del dataset#

El archivo medical-pills.yaml define la configuración del conjunto de datos: las rutas del conjunto de datos, los nombres de las clases y otros metadatos. Se mantiene en el repositorio de Ultralytics, en https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/medical-pills.yaml.

# 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

Uso#

Para entrenar un modelo YOLO26n con el conjunto de datos Medical Pills durante 100 épocas y con un tamaño de imagen de 640, utiliza los siguientes ejemplos. Para consultar los argumentos detallados, visita la página de entrenamiento del modelo.

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")

Imágenes de ejemplo y anotaciones#

El conjunto de datos Medical Pills contiene imágenes etiquetadas que muestran la diversidad de las pastillas. A continuación se muestra un ejemplo de una imagen etiquetada del conjunto de datos:

• Imagen en mosaico: se muestra un lote de entrenamiento compuesto por imágenes del conjunto de datos dispuestas en mosaico. La creación de mosaicos aumenta la diversidad del entrenamiento al consolidar varias imágenes en una sola, lo que mejora la generalización del modelo.

Integración con otros conjuntos de datos#

Para realizar un análisis farmacéutico más completo, considera combinar el conjunto de datos Medical Pills con otros conjuntos de datos relacionados, como package-seg para identificar envases, o con conjuntos de datos de imágenes médicas, como brain-tumor, para desarrollar soluciones de IA sanitaria integrales.

Citas y agradecimientos#

El conjunto de datos está disponible bajo la licencia AGPL-3.0.

Si utilizas el conjunto de datos Medical Pills en tu trabajo de investigación o desarrollo, cítalo utilizando los datos indicados:

@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}
}

Preguntas frecuentes#