Set di dati sulle pillole mediche

Il dataset per il rilevamento di pillole mediche 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 visione artificiale per l'identificazione di pillole mediche.

Guarda: Come addestrare il modello Ultralytics YOLO11 sul dataset di rilevamento delle pillole mediche in Google Colab

Questo set di dati è una 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 set di dati nei progetti, ricercatori e sviluppatori possono esplorare soluzioni innovative che migliorano l'accuratezza, snelliscono le operazioni e, in ultima analisi, contribuiscono a migliorare i risultati sanitari.

Struttura del set di dati

Il set di dati sulle pillole mediche è suddiviso in due sottoinsiemi:

• Set di formazione: Composto da 92 immagini, ciascuna annotata con la classe pill.
• Set di convalida: Comprende 23 immagini con le relative annotazioni.

Applicazioni

L'utilizzo della computer vision per il rilevamento delle pillole mediche consente l'automazione nell'industria farmaceutica, supportando attività quali:

• Smistamento farmaceutico: Automatizzazione dello smistamento delle pillole in base a dimensioni, forma o colore per migliorare l'efficienza della produzione.
• Ricerca e sviluppo sull'intelligenza artificiale: Servire come punto di riferimento per lo sviluppo e la sperimentazione di algoritmi di visione artificiale in casi d'uso farmaceutici.
• Sistemi di inventario digitale: Soluzioni di inventario intelligenti che integrano il riconoscimento automatico delle pillole per il monitoraggio delle scorte in tempo reale e la pianificazione dei rifornimenti.
• Controllo qualità: Garantire la coerenza della produzione di pillole identificando difetti, irregolarità o contaminazioni.
• Rilevamento delle contraffazioni: Aiuta a identificare i farmaci potenzialmente contraffatti analizzando le caratteristiche visive rispetto a standard noti.

Set di dati YAML

Viene fornito un file di configurazione YAML per definire la struttura del dataset, compresi i percorsi e le classi. Per il set di dati Pillole mediche, il file medical-pills.yaml Il file può essere consultato 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: ../datasets/medical-pills # dataset root dir
train: train/images # train images (relative to 'path') 92 images
val: valid/images # val images (relative to 'path') 23 images
test: # test images (relative to 'path')

# 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 di pillole mediche per 100 epoche con una dimensione dell'immagine di 640, utilizzare i seguenti esempi. Per gli argomenti dettagliati, consultare la pagina di addestramento del modello.

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

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 di pillole mediche presenta immagini etichettate che mostrano la diversità delle pillole. Di seguito è riportato un esempio di immagine etichettata dal dataset:

• Immagine mosaicata: Viene visualizzato un lotto di formazione comprendente immagini del set di dati mosaicate. La mosaicatura aumenta la diversità dell'addestramento consolidando più immagini in una sola, migliorando la generalizzazione del modello.

Integrazione con altri set di dati

Per un'analisi farmaceutica più completa, si può prendere in considerazione la possibilità di combinare il dataset delle pillole mediche con altri dataset correlati, come package-seg per l'identificazione del packaging o dataset di imaging medico come brain-tumor, per sviluppare soluzioni di intelligenza artificiale per la sanità end-to-end.

Citazioni e ringraziamenti

Il set di dati è disponibile sotto la licenzaAGPL-3.0 .

Se utilizzate il set di dati Medical-pills nel vostro lavoro di ricerca o sviluppo, siete pregati di citarlo utilizzando i dati 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}
}

FAQ

Qual è la struttura del dataset delle pillole mediche?

Il dataset comprende 92 immagini per l'addestramento e 23 immagini per la validazione. Ogni immagine è annotata con la classe pillconsentendo una formazione e una valutazione efficace dei modelli per le applicazioni farmaceutiche.

Come posso addestrare un modello YOLO11 sul dataset delle pillole mediche?

È possibile addestrare un modello YOLO11 per 100 epoche con un'immagine di 640px utilizzando i metodi Python o CLI forniti. Fare riferimento alla 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 dataset di pillole mediche nei progetti di IA?

Il set di dati consente di automatizzare il rilevamento delle pillole, contribuendo alla prevenzione delle contraffazioni, all'assicurazione della qualità e all'ottimizzazione dei processi farmaceutici. È inoltre una 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 si esegue l'inferenza sul set di dati delle pillole mediche?

L'inferenza può essere eseguita con metodi Python o CLI con un modello YOLO11 ottimizzato. Fare riferimento alla sezione Esempi di inferenza per gli snippet 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.

📅C reato 3 mesi fa ✏️ Aggiornato 11 giorni fa

Commenti