Link to this sectionDataset Medical Pills#

Il dataset Ultralytics Medical Pills è un dataset proof-of-concept (POC) di object detection composto da 115 immagini etichettate per un'unica classe, pill — 92 per l'addestramento e 23 per la validazione. È stato creato per dimostrare computer vision models per applicazioni farmaceutiche come controllo qualità, automazione del confezionamento e smistamento.

Link to this sectionStruttura del dataset#

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

Esplora Medical Pills on Ultralytics Platform per sfogliare le immagini con le relative sovrapposizioni di annotazione, visualizzare la distribuzione delle classi e le mappe di calore dei bounding-box nella scheda Charts e clonarlo per addestrare il tuo modello nel cloud.

Link to this sectionApplicazioni#

L'utilizzo della computer vision per il rilevamento di pillole mediche abilita 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#

Il file medical-pills.yaml definisce la configurazione del dataset — i percorsi del dataset, i nomi delle classi e altri metadati. È mantenuto nel repository Ultralytics 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 epochs con una dimensione dell'immagine di 640, usa gli esempi seguenti. Per argomenti dettagliati, fai riferimento alla pagina Training 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 del confezionamento o dataset di imaging medico come brain-tumor per sviluppare soluzioni AI 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, 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}
}

Link to this sectionFAQ#

Link to this sectionQuante immagini e classi sono presenti nel dataset Medical Pills?#

Il dataset Medical Pills contiene in totale 115 immagini — 92 per l'addestramento e 23 per la validazione — senza una suddivisione di test separata. Ogni immagine è annotata con un'unica classe, pill. Viene fornito come download automatico di 8,19 MB definito nella configurazione medical-pills.yaml.

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 AI?#

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.