Link to this sectionDataset Medical Pills#

The medical-pills detection dataset is a proof-of-concept (POC) dataset, carefully curated to demonstrate the potential of AI in pharmaceutical applications. It contains labeled images specifically designed to train computer vision models for identifying medical-pills.

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 tuoi progetti, puoi esplorare soluzioni innovative che migliorano l'accuratezza, ottimizzano le operazioni e contribuiscono in ultima analisi a migliori risultati sanitari.

Link to this sectionStruttura del dataset#

Il dataset medical-pills è suddiviso in due subset:

• Set di addestramento: composto da 92 immagini, ognuna annotata con la classe pill.
• Set di convalida: composto da 23 immagini con le relative annotazioni.

Link to this sectionApplicazioni#

L'utilizzo della computer vision per il rilevamento di medical-pills consente l'automazione nell'industria farmaceutica, supportando attività come:

• Smistamento farmaceutico: automatizzare lo smistamento delle pillole in base a dimensioni, forma o colore per migliorare l'efficienza produttiva.
• Ricerca e sviluppo IA: fungere da benchmark per sviluppare e testare algoritmi di computer vision in casi d'uso farmaceutici.
• Sistemi di inventario digitale: alimentare soluzioni di inventario intelligenti integrando il riconoscimento automatizzato delle pillole per il monitoraggio delle scorte in tempo reale e la pianificazione del riassortimento.
• Controllo qualità: garantire la coerenza nella produzione di pillole identificando difetti, irregolarità o contaminazioni.
• Rilevamento contraffazioni: aiutare a identificare farmaci potenzialmente contraffatti analizzando le caratteristiche visive rispetto a standard noti.

Link to this sectionDataset YAML#

Viene fornito un file di configurazione YAML per definire la struttura del dataset, inclusi percorsi e classi. Per il dataset medical-pills, il file medical-pills.yaml è accessibile all'indirizzo 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

Link to this sectionUtilizzo#

Per addestrare un modello YOLO26n sul dataset medical-pills per 100 epoch con una dimensione dell'immagine di 640, usa gli esempi seguenti. Per argomenti dettagliati, fai riferimento alla pagina di Addestramento del modello.

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")

Link to this sectionEsempi di immagini 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: è visualizzato un batch di addestramento comprendente immagini del dataset a mosaico. Il mosaico migliora la diversità dell'addestramento consolidando più immagini in una sola, migliorando la generalizzazione del modello.

Link to this sectionIntegrazione con altri dataset#

Per un'analisi farmaceutica più completa, prendi in considerazione la combinazione del dataset medical-pills con altri dataset correlati come package-seg per l'identificazione degli imballaggi o dataset di imaging medico come brain-tumor per sviluppare soluzioni IA sanitarie end-to-end.

Link to this sectionCitazioni e riconoscimenti#

Il dataset è disponibile sotto la Licenza AGPL-3.0.

Se utilizzi il dataset Medical-pills nel tuo lavoro di ricerca o sviluppo, ti preghiamo di citarlo 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}
}

Link to this sectionFAQ#

Link to this sectionQual 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 addestramento e una valutazione efficaci dei modelli per applicazioni farmaceutiche.

Link to this sectionCome posso addestrare un modello YOLO26 sul dataset medical-pills?#

Puoi addestrare un modello YOLO26 per 100 epoch con una dimensione dell'immagine di 640px utilizzando i metodi Python o CLI forniti. Fai riferimento alla sezione Esempio di addestramento per istruzioni dettagliate e consulta la documentazione YOLO26 per maggiori informazioni sulle capacità del modello.

Link to this sectionQuali sono i vantaggi dell'utilizzo del dataset medical-pills nei progetti di IA?#

Il dataset consente l'automazione nel rilevamento delle pillole, contribuendo alla prevenzione delle contraffazioni, all'assicurazione della qualità e all'ottimizzazione dei processi farmaceutici. Funge anche da risorsa preziosa per lo sviluppo di soluzioni IA in grado di migliorare la sicurezza dei farmaci e l'efficienza della catena di approvvigionamento.

Link to this sectionCome eseguo l'inferenza sul dataset medical-pills?#

L'inferenza può essere eseguita utilizzando i metodi Python o CLI con un modello YOLO26 ottimizzato. Fai riferimento alla sezione Esempio di inferenza per snippet di codice e alla documentazione della modalità Predict per ulteriori opzioni.

Link to this sectionDove posso trovare il file di configurazione YAML per il dataset medical-pills?#

Il file YAML è disponibile su medical-pills.yaml, contenente percorsi del dataset, classi e dettagli di configurazione aggiuntivi essenziali per l'addestramento di modelli su questo dataset.