Conjunto de datos de píldoras médicas#

El conjunto de datos de Ultralytics Medical Pills es un conjunto de datos de prueba de concepto (POC) de object detection con 115 imágenes etiquetadas de una sola clase, pill: 92 para entrenamiento y 23 para validación. Está diseñado para demostrar computer vision models para aplicaciones farmacéuticas como control de calidad, automatización de envasado y 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 de medical-pills.yaml:

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

Aplicaciones#

El uso de la visión artificial para la detección de pastillas médicas permite la automatización en la industria farmacéutica, dando soporte a tareas como:

• Clasificación farmacéutica: Automatizar la clasificación de píldoras 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 de inventario digital: Potenciar soluciones de inventario inteligentes mediante la integración del reconocimiento automatizado de píldoras para el control de stock en tiempo real y la planificación de reposición.
• Control de calidad: Garantizar la consistencia en la producción de píldoras identificando defectos, irregularidades o contaminación.
• Detección de falsificaciones: Ayudar a identificar medicamentos potencialmente falsificados analizando las características visuales frente a estándares conocidos.

YAML del dataset#

El archivo medical-pills.yaml define la configuración del conjunto de datos: las rutas de los conjuntos 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 en el conjunto de datos Medical Pills durante 100 epochs con un tamaño de imagen de 640, utiliza los siguientes ejemplos. Para ver los argumentos detallados, consulta la página de Training 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")

Muestras de imágenes y anotaciones#

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

• Imagen con mosaico: Se muestra un lote de entrenamiento que comprende imágenes del conjunto de datos en mosaico. El mosaico mejora la diversidad del entrenamiento al consolidar varias imágenes en una sola, mejorando la generalización del modelo.

Integración con otros conjuntos de datos#

Para un análisis farmacéutico más exhaustivo, considera combinar el conjunto de datos Medical Pills con otros conjuntos de datos relacionados como package-seg para la identificación de envases o conjuntos de datos de imágenes médicas como brain-tumor para desarrollar soluciones de IA sanitaria de extremo a extremo.

Citas y agradecimientos#

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

Si utilizas el conjunto de datos Medical Pills en tu trabajo de investigación o desarrollo, por favor cítalo utilizando los detalles mencionados:

@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#

¿Cuántas imágenes y clases hay en el conjunto de datos Medical Pills?#

El conjunto de datos Medical Pills contiene un total de 115 imágenes (92 para entrenamiento y 23 para validación), sin un conjunto de pruebas separado. Cada imagen está anotada con una sola clase, pill. Se distribuye como una descarga automática de 8,19 MB definida en la configuración de medical-pills.yaml.

¿Cómo puedo entrenar un modelo YOLO26 en el conjunto de datos Medical Pills?#

Puedes entrenar un modelo YOLO26 durante 100 épocas con un tamaño de imagen de 640 px utilizando los métodos de Python o CLI proporcionados. Consulta la sección Training Example para obtener instrucciones detalladas y revisa la YOLO26 documentation para obtener más información sobre las capacidades del modelo.

¿Cuáles son los beneficios de utilizar el conjunto de datos Medical Pills en proyectos de IA?#

El conjunto de datos permite la automatización en la detección de píldoras, contribuyendo a la prevención de falsificaciones, la garantía de calidad y la optimización de los procesos farmacéuticos. También sirve como un recurso valioso para desarrollar soluciones de IA que pueden mejorar la seguridad de los medicamentos y la eficiencia de la cadena de suministro.

¿Cómo realizo una inferencia en el conjunto de datos Medical Pills?#

La inferencia se puede realizar utilizando métodos de Python o CLI con un modelo YOLO26 ajustado. Consulta la sección Inference Example para ver fragmentos de código y la documentación de Predict mode documentation para opciones adicionales.

¿Dónde puedo encontrar el archivo de configuración YAML para el conjunto de datos Medical Pills?#

El archivo YAML está disponible en medical-pills.yaml y contiene las rutas del conjunto de datos, las clases y los detalles de configuración adicionales esenciales para entrenar modelos en este conjunto de datos.