Dataset di Pillole Mediche
Il dataset di rilevamento medical-pills è un dataset proof-of-concept (POC), accuratamente curato per dimostrare il potenziale dell'IA nelle applicazioni farmaceutiche. Contiene immagini etichettate specificamente progettate per addestrare modelli di computer vision per l'identificazione di pillole medicali.
Guarda: Come addestrare il modello Ultralytics YOLO11 sul dataset di rilevamento di pillole mediche in Google Colab
Questo dataset funge da risorsa fondamentale per automatizzare attività essenziali come il controllo qualità, l'automazione del confezionamento e lo smistamento efficiente nei flussi di lavoro farmaceutici. Integrando questo dataset nei progetti, ricercatori e sviluppatori possono esplorare soluzioni innovative che migliorano la precisione, ottimizzano le operazioni e, in definitiva, contribuiscono a migliorare i risultati sanitari.
Struttura del set di dati
Il dataset medical-pills è diviso in due sottoinsiemi:
- Set di addestramento: Composto da 92 immagini, ognuna annotata con la classe
pill
. - Set di convalida: Comprende 23 immagini con le annotazioni corrispondenti.
Applicazioni
L'utilizzo della computer vision per il rilevamento di pillole mediche consente l'automazione nell'industria farmaceutica, supportando attività come:
- Smistamento farmaceutico: Automatizzazione dello smistamento di pillole in base a dimensioni, forma o colore per migliorare l'efficienza della produzione.
- Ricerca e sviluppo sull'IA: Funge da benchmark per lo sviluppo e il test di algoritmi di visione artificiale in casi d'uso farmaceutici.
- Sistemi di inventario digitale: Potenziare le soluzioni di inventario intelligenti integrando il riconoscimento automatico delle pillole per il monitoraggio in tempo reale delle scorte e la pianificazione del rifornimento.
- Controllo qualità: Garantire la coerenza nella produzione di pillole identificando difetti, irregolarità o contaminazioni.
- Rilevamento di contraffazioni: Aiuta a identificare farmaci potenzialmente contraffatti analizzando le caratteristiche visive rispetto agli standard noti.
YAML del set di dati
Viene fornito un file di configurazione YAML per definire la struttura del dataset, inclusi percorsi e classi. Per il dataset medical-pills, il medical-pills.yaml
file è accessibile all'indirizzo https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/medical-pills.yaml.
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
Utilizzo
Per addestrare un modello YOLO11n sul dataset medical-pills per 100 epoche con una dimensione dell'immagine di 640, utilizza i seguenti esempi. Per argomenti dettagliati, consulta la pagina di addestramento del modello.
Esempio di addestramento
from ultralytics import YOLO
# Load a model
model = YOLO("yolo11n.pt") # load a pretrained model (recommended for training)
# Train the model
results = model.train(data="medical-pills.yaml", epochs=100, imgsz=640)
# Start training from a pretrained *.pt model
yolo detect train data=medical-pills.yaml model=yolo11n.pt epochs=100 imgsz=640
Esempio di inferenza
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")
# Start prediction with a fine-tuned *.pt model
yolo detect predict model='path/to/best.pt' imgsz=640 source="https://ultralytics.com/assets/medical-pills-sample.jpg"
Immagini di esempio e annotazioni
Il dataset medical-pills presenta immagini etichettate che mostrano la diversità delle pillole. Di seguito è riportato un esempio di un'immagine etichettata dal dataset:
- Immagine a Mosaico: Viene visualizzato un batch di addestramento comprendente immagini del set di dati a mosaico. Il mosaico migliora la diversità dell'addestramento consolidando più immagini in una, migliorando la generalizzazione del modello.
Integrazione con altri set di dati
Per un'analisi farmaceutica più completa, considera di combinare il set di dati medical-pills con altri set di dati correlati come package-seg per l'identificazione del packaging o set di dati di imaging medico come brain-tumor per sviluppare soluzioni AI sanitarie end-to-end.
Citazioni e ringraziamenti
Il dataset è disponibile con licenza AGPL-3.0 License.
Se utilizzi il dataset Medical-pills nel tuo lavoro di ricerca o sviluppo, citalo utilizzando i dettagli menzionati:
@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
Qual è la struttura del dataset medical-pills?
Il dataset include 92 immagini per l'addestramento e 23 immagini per la convalida. Ogni immagine è annotata con la classe pill
, consentendo un efficace training e valutazione di modelli per applicazioni farmaceutiche.
Come posso addestrare un modello YOLO11 sul set di dati medical-pills?
È possibile addestrare un modello YOLO11 per 100 epoche con una dimensione dell'immagine di 640px utilizzando i metodi Python o CLI forniti. Consultare la sezione Esempio di addestramento per istruzioni dettagliate e consultare la documentazione di YOLO11 per ulteriori informazioni sulle capacità del modello.
Quali sono i vantaggi dell'utilizzo del set di dati medical-pills nei progetti di IA?
Il dataset consente l'automazione nel rilevamento di pillole, contribuendo alla prevenzione della contraffazione, alla garanzia della qualità e all'ottimizzazione dei processi farmaceutici. Serve anche come risorsa preziosa per lo sviluppo di soluzioni di intelligenza artificiale in grado di migliorare la sicurezza dei farmaci e l'efficienza della catena di approvvigionamento.
Come posso eseguire l'inferenza sul dataset medical-pills?
L'inferenza può essere eseguita utilizzando metodi Python o CLI con un modello YOLO11 ottimizzato. Fare riferimento alla sezione Esempio di inferenza per frammenti di codice e alla documentazione della modalità Predict per ulteriori opzioni.
Dove posso trovare il file di configurazione YAML per il dataset medical-pills?
Il file YAML è disponibile all'indirizzo medical-pills.yaml e contiene i percorsi del dataset, le classi e ulteriori dettagli di configurazione essenziali per l'addestramento dei modelli su questo dataset.