Dataset Medical Pills#

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

Il dataset Medical Pills di Ultralytics è un proof of concept (POC) per il rilevamento di oggetti, composto da 115 immagini etichettate appartenenti a una sola classe, pill — 92 per l'addestramento e 23 per la validazione. È stato creato per dimostrare l'uso di modelli di computer vision in applicazioni farmaceutiche come il controllo qualità, l'automazione del confezionamento e la selezione.

Struttura del dataset#

Il dataset Medical Pills contiene 115 immagini annotate con una sola classe, pill, suddivise in due sottoinsiemi definiti dalla configurazione medical-pills.yaml:

Esplora Medical Pills su Ultralytics Platform per sfogliare le immagini con le relative annotazioni sovrapposte, visualizzare la distribuzione delle classi e le mappe di calore dei riquadri di delimitazione nella scheda Grafici e clonare il dataset per addestrare il tuo modello nel cloud.

Applicazioni#

L'uso della computer vision per rilevare pillole permette di automatizzare processi nell'industria farmaceutica e supporta attività come:

• Selezione farmaceutica: automatizza la selezione delle pillole in base a dimensioni, forma o colore per aumentare l'efficienza produttiva.
• Ricerca e sviluppo nell'IA: offre un benchmark per sviluppare e testare algoritmi di computer vision in applicazioni farmaceutiche.
• Sistemi digitali di inventario: alimenta soluzioni intelligenti per l'inventario integrando il riconoscimento automatico delle pillole, così da monitorare le scorte in tempo reale e pianificare i rifornimenti.
• Controllo qualità: garantisce la coerenza della produzione delle pillole identificando difetti, irregolarità o contaminazioni.
• Rilevamento dei farmaci contraffatti: aiuta a identificare farmaci potenzialmente contraffatti analizzandone le caratteristiche visive e confrontandole con standard noti.

YAML del dataset#

Il file medical-pills.yaml definisce la configurazione del dataset: i percorsi del dataset, i nomi delle classi e altri metadati. È gestito nel repository Ultralytics in 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

Utilizzo#

Per addestrare un modello YOLO26n sul dataset Medical Pills per 100 epoche con una dimensione delle immagini di 640, usa gli esempi seguenti. Per gli argomenti dettagliati, consulta la pagina di addestramento del modello.

from ultralytics import YOLO

# Carica un modello
model = YOLO("yolo26n.pt")  # carica un modello preaddestrato (consigliato per l'addestramento)

# Addestra il modello
results = model.train(data="medical-pills.yaml", epochs=100, imgsz=640)

from ultralytics import YOLO

# Carica un modello
model = YOLO("path/to/best.pt")  # carica un modello ottimizzato

# Inferenza con il modello
results = model.predict("https://ultralytics.com/assets/medical-pills-sample.jpg")

Immagini di esempio e annotazioni#

Il dataset Medical Pills contiene immagini etichettate che mostrano la varietà delle pillole. Di seguito trovi un esempio di batch di addestramento del dataset composto con il mosaico:

• Immagine mosaificata: viene mostrato un batch di addestramento composto da immagini del dataset mosaificate. La mosaificazione aumenta la diversità dei dati di addestramento combinando più immagini in una sola e migliorando la capacità di generalizzazione del modello.

Integrazione con altri dataset#

Per un'analisi farmaceutica più completa, valuta la possibilità di combinare il dataset Medical Pills con altri dataset correlati, come package-seg per identificare le confezioni o dataset di imaging medico come brain-tumor, per sviluppare soluzioni di IA sanitarie end-to-end.

Citazioni e ringraziamenti#

Il dataset è disponibile con la licenza AGPL-3.0.

Se usi il dataset Medical Pills nelle tue attività di ricerca o sviluppo, cita il lavoro usando i dettagli indicati:

@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}
}

Domande frequenti#