Jeu de données de comprimés médicaux#

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

Le jeu de données Medical Pills d’Ultralytics est un jeu de données de validation de principe (POC) pour la détection d’objets, composé de 115 images annotées réparties sur une seule classe, pill — 92 pour l’entraînement et 23 pour la validation. Il est conçu pour démontrer l’utilisation de modèles de vision par ordinateur dans des applications pharmaceutiques telles que le contrôle qualité, l’automatisation du conditionnement et le tri.

Structure du jeu de données#

Le jeu de données Medical Pills contient 115 images annotées avec une seule classe, pill, réparties en deux sous-ensembles définis par la configuration medical-pills.yaml :

Explore Medical Pills sur la plateforme Ultralytics pour parcourir les images avec leurs superpositions d’annotations, consulter la répartition des classes et les cartes thermiques des boîtes englobantes dans l’onglet Charts, puis le cloner afin d’entraîner ton propre modèle dans le cloud.

Applications#

L’utilisation de la vision par ordinateur pour la détection de comprimés médicaux permet d’automatiser des processus dans l’industrie pharmaceutique, notamment :

• Tri pharmaceutique : automatiser le tri des comprimés selon leur taille, leur forme ou leur couleur afin d’améliorer l’efficacité de la production.
• Recherche et développement en IA : servir de référence pour développer et tester des algorithmes de vision par ordinateur dans des cas d’utilisation pharmaceutiques.
• Systèmes d’inventaire numériques : alimenter des solutions d’inventaire intelligentes en intégrant la reconnaissance automatisée des comprimés pour surveiller les stocks en temps réel et planifier leur réapprovisionnement.
• Contrôle qualité : garantir la constance de la production des comprimés en identifiant les défauts, les irrégularités ou les contaminations.
• Détection des contrefaçons : contribuer à identifier les médicaments potentiellement contrefaits en analysant leurs caractéristiques visuelles par rapport à des normes connues.

YAML du jeu de données#

Le fichier medical-pills.yaml définit la configuration du jeu de données — les chemins d’accès aux données, les noms de classes et d’autres métadonnées. Il est maintenu dans le dépôt Ultralytics à l’adresse 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

Utilisation#

Pour entraîner un modèle YOLO26n sur le jeu de données Medical Pills pendant 100 époques avec une taille d’image de 640, utilise les exemples suivants. Pour connaître les arguments détaillés, consulte la page Entraînement du modèle.

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")

Exemples d’images et d’annotations#

Le jeu de données Medical Pills contient des images annotées qui illustrent la diversité des comprimés. Voici un exemple d’image annotée du jeu de données :

• Image en mosaïque : un lot d’entraînement composé d’images du jeu de données assemblées en mosaïque est affiché. La mise en mosaïque augmente la diversité des données d’entraînement en regroupant plusieurs images en une seule, ce qui améliore la généralisation du modèle.

Intégration avec d’autres jeux de données#

Pour une analyse pharmaceutique plus complète, envisage d’associer le jeu de données Medical Pills à d’autres jeux de données connexes, comme package-seg pour l’identification des emballages, ou à des jeux de données d’imagerie médicale comme brain-tumor, afin de développer des solutions d’IA de santé de bout en bout.

Citations et remerciements#

Le jeu de données est disponible sous licence AGPL-3.0.

Si tu utilises le jeu de données Medical Pills dans tes travaux de recherche ou de développement, cite-le en utilisant les informations indiquées :

@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#