Link to this sectionDataset de segmentación de paquetes#

El Ultralytics Package Segmentation Dataset es una colección seleccionada de 2.197 imágenes anotadas de paquetes para entrenar modelos de segmentación de instancias en una única clase package. Creado para casos de uso de logística y automatización de almacenes como la identificación, clasificación y manipulación de paquetes, se combina directamente con Ultralytics YOLO para el análisis de paquetes en tiempo real en canalizaciones de visión artificial. Explora más conjuntos de datos de segmentación en nuestra página de descripción general de conjuntos de datos.

Link to this sectionEstructura del dataset#

El Package Segmentation Dataset divide sus 2.197 imágenes de la siguiente manera:

• Conjunto de entrenamiento: 1.920 imágenes utilizadas para el entrenamiento del modelo de aprendizaje profundo.
• Conjunto de validación: 188 imágenes utilizadas durante el entrenamiento para ajustar los hiperparámetros y evitar el sobreajuste.
• Conjunto de pruebas: 89 imágenes reservadas para evaluar el modelo después del entrenamiento.
• Clases: una única clase package que cubre todos los paquetes anotados.
• Tamaño de descarga: ~103 MB.

Link to this sectionAplicaciones#

La segmentación de paquetes optimiza la logística, la entrega de última milla, el control de calidad en la fabricación y los sistemas de ciudades inteligentes, con aplicaciones que abarcan el cumplimiento del comercio electrónico y el control de seguridad. Las máscaras de paquete precisas permiten que los sistemas automatizados localicen, cuenten e inspeccionen paquetes en tiempo real.

Link to this sectionAlmacenes inteligentes y logística#

En los almacenes modernos, las soluciones de IA visual pueden agilizar las operaciones mediante la automatización de la identificación y clasificación de paquetes. Los modelos de visión artificial entrenados con este dataset pueden detectar y segmentar paquetes rápidamente en tiempo real, incluso en entornos difíciles con poca iluminación o espacios desordenados. Esto conduce a tiempos de procesamiento más rápidos, reducción de errores y una mejor eficiencia general en las operaciones logísticas.

Link to this sectionControl de calidad y detección de daños#

Los modelos de segmentación de paquetes pueden identificar paquetes dañados analizando su forma y apariencia. Al detectar irregularidades o deformaciones en los contornos de los paquetes, estos modelos ayudan a garantizar que solo los paquetes intactos avancen a través de la cadena de suministro, reduciendo las quejas de los clientes y las tasas de devolución. Este es un aspecto clave del control de calidad en la fabricación y es vital para mantener la integridad del producto.

El Package Segmentation Dataset completo también se puede explorar y gestionar en Ultralytics Platform.

Link to this sectionYAML del dataset#

Un archivo YAML define la configuración del conjunto de datos, incluyendo rutas, clases y otros detalles esenciales. Para el conjunto de datos de segmentación Package, el archivo package-seg.yaml se mantiene en https://github.com/ultralytics/ultralytics/blob/main/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 (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 sectionUso#

Para entrenar un modelo Ultralytics YOLO26n en el conjunto de datos Package Segmentation durante 100 épocas con un tamaño de imagen de 640, utiliza los siguientes fragmentos de código. El conjunto de datos (~103 MB) se descarga automáticamente en el primer uso. Para obtener una lista completa de argumentos disponibles, consulta la página de entrenamiento del modelo.

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 sectionEjemplos de datos y anotaciones#

A continuación, se muestra un ejemplo del Package Segmentation Dataset con sus máscaras de segmentación superpuestas, que delinean los paquetes detectados:

El conjunto de datos abarca diversas ubicaciones, entornos y densidades de paquetes, por lo que los modelos entrenados con él ven la gama de escenas logísticas del mundo real que necesitan para generalizar. Consulta la página de la tarea de segmentación para ver flujos de trabajo relacionados.

Link to this sectionCitas y agradecimientos#

Si integras el Dataset de segmentación de paquetes en tus iniciativas de investigación o desarrollo, por favor cita la fuente adecuadamente:

@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 },
}

Expresamos nuestra gratitud a los creadores del conjunto de datos Package Segmentation por su contribución a la comunidad de visión artificial. Para más conjuntos de datos, visita la colección de Ultralytics Datasets y nuestra guía sobre consejos para el entrenamiento de modelos.

Link to this sectionFAQ#

Link to this section¿Qué es el Package Segmentation Dataset y cómo se utiliza en Ultralytics YOLO26?#

El Package Segmentation Dataset es una colección de 2.197 imágenes anotadas de paquetes para entrenar y evaluar modelos de segmentación de instancias en una única clase package. Se dirige a aplicaciones de logística y automatización de almacenes como la identificación, clasificación y control de calidad de paquetes, y se utiliza directamente con Ultralytics YOLO26 a través del archivo de configuración package-seg.yaml.

Link to this section¿Cuántas imágenes y clases contiene el Package Segmentation Dataset?#

El conjunto de datos suma un total de 2.197 imágenes (1.920 para entrenamiento, 188 para validación y 89 para pruebas), todas ellas anotadas para una única clase package. El archivo completo se descarga automáticamente como un .zip de ~103 MB al usarlo por primera vez.

Link to this section¿Cómo entreno un modelo Ultralytics YOLO26 en el Dataset de segmentación de paquetes?#

Carga un modelo de segmentación preentrenado (por ejemplo, yolo26n-seg.pt) y entrénalo con la configuración package-seg.yaml utilizando los fragmentos de Python o CLI en la sección Uso anterior. Consulta la guía de entrenamiento para obtener la lista completa de argumentos disponibles.

Link to this section¿Por qué utilizar Ultralytics YOLO26 para la segmentación de paquetes en logística?#

YOLO26 proporciona una precisión de vanguardia y una velocidad en tiempo real para la segmentación de instancias, lo que permite a los sistemas automatizados detectar y clasificar paquetes de forma fiable incluso en almacenes con poca luz o desordenados; consulta la sección Aplicaciones anterior. Los modelos entrenados se exportan a formatos como ONNX y TensorRT para su despliegue en hardware de almacén.

Link to this section¿Dónde puedo encontrar el archivo de configuración del conjunto de datos para Package Segmentation?#

El archivo package-seg.yaml, que define las rutas del conjunto de datos y la única clase package, se encuentra en el repositorio de GitHub de Ultralytics: package-seg.yaml.