Dataset di segmentazione dei pacchi#

Il Package Segmentation Dataset di Ultralytics è una raccolta curata di 2.197 immagini annotate di pacchi per l'addestramento di modelli di instance segmentation su un'unica classe package. Progettato per casi d'uso di logistica e automazione di magazzino come l'identificazione, lo smistamento e la movimentazione dei pacchi, si abbina direttamente a Ultralytics YOLO per l'analisi in tempo reale dei pacchi in pipeline di computer vision. Esplora altri dataset di segmentazione sulla nostra pagina di panoramica dei dataset.

Struttura del dataset#

Il Package Segmentation Dataset suddivide le sue 2.197 immagini come segue:

• Training set: 1.920 immagini utilizzate per l'addestramento del modello di deep learning.
• Validation set: 188 immagini utilizzate durante l'addestramento per ottimizzare gli hyperparameters e prevenire l'overfitting.
• Testing set: 89 immagini tenute da parte per valutare il modello dopo l'addestramento.
• Classes: un'unica classe package che copre ogni pacco annotato.
• Dimensione download: ~103 MB.

Applicazioni#

La segmentazione dei pacchi ottimizza la logistica, le consegne dell'ultimo miglio, il controllo qualità nella produzione e i sistemi per le smart city, con applicazioni che spaziano dall'evasione degli ordini e-commerce allo screening di sicurezza. Le maschere precise dei pacchi consentono ai sistemi automatizzati di individuare, contare e ispezionare i colli in tempo reale.

Magazzini intelligenti e logistica#

Nei magazzini moderni, le vision AI solutions possono semplificare le operazioni automatizzando l'identificazione e lo smistamento dei pacchi. I modelli di computer vision addestrati su questo dataset possono rilevare e segmentare rapidamente i pacchi in tempo reale, anche in ambienti difficili con scarsa illuminazione o spazi ingombri. Ciò porta a tempi di elaborazione più rapidi, riduzione degli errori e una migliore efficienza complessiva nelle logistics operations.

Controllo qualità e rilevamento danni#

I modelli di segmentazione dei pacchi possono identificare i pacchi danneggiati analizzandone la forma e l'aspetto. Rilevando irregolarità o deformazioni nei contorni dei pacchi, questi modelli aiutano a garantire che solo i pacchi integri procedano lungo la catena di fornitura, riducendo i reclami dei clienti e i tassi di reso. Questo è un aspetto chiave del controllo qualità nella produzione ed è vitale per mantenere l'integrità del prodotto.

Il Package Segmentation Dataset completo può essere anche consultato e gestito su Ultralytics Platform.

Dataset YAML#

Un file YAML definisce la configurazione del dataset, inclusi percorsi, classi e altri dettagli essenziali. Per il dataset Package Segmentation, il file package-seg.yaml è mantenuto su https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/package-seg.yaml.

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# Package-seg dataset by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/segment/package-seg
# Example usage: yolo train data=package-seg.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── package-seg ← downloads here (103 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: package-seg # dataset root dir
train: images/train # train images (relative to 'path') 1920 images
val: images/val # val images (relative to 'path') 188 images
test: images/test # test images (relative to 'path') 89 images

# Classes
names:
  0: package

# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/package-seg.zip

Utilizzo#

Per addestrare un modello Ultralytics YOLO26n sul dataset Package Segmentation per 100 epochs con una dimensione immagine di 640, usa i seguenti snippet di codice. Il dataset (~103 MB) viene scaricato automaticamente al primo utilizzo. Per un elenco completo degli argomenti disponibili, fai riferimento alla pagina di Training del modello.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-seg.pt")  # load a pretrained segmentation model (recommended for training)

# Train the model on the Package Segmentation dataset
results = model.train(data="package-seg.yaml", epochs=100, imgsz=640)

# Validate the model
results = model.val()

# Perform inference on an image
results = model("path/to/image.jpg")

Dati di esempio e annotazioni#

Di seguito un esempio tratto dal Package Segmentation Dataset con le relative maschere di segmentazione sovrapposte, che delineano i pacchi rilevati:

Il dataset copre posizioni, ambienti e densità di pacchi variegati, così i modelli addestrati su di esso vedono la gamma di scene logistiche reali necessarie per generalizzare. Consulta la pagina del task di segmentazione per i relativi flussi di lavoro.

Citazioni e riconoscimenti#

Se integri il dataset di segmentazione dei pacchi nelle tue iniziative di ricerca o sviluppo, ti preghiamo di citare la fonte in modo appropriato:

@misc{ factory_package_dataset,
    title = { factory_package Dataset },
    type = { Open Source Dataset },
    author = { factorypackage },
    url = { https://universe.roboflow.com/factorypackage/factory_package },
    year = { 2024 },
    month = { jan },
    note = { visited on 2024-01-24 },
}

Esprimiamo la nostra gratitudine ai creatori del dataset Package Segmentation per il loro contributo alla comunità di computer vision. Per ulteriori dataset, visita la collezione di Dataset Ultralytics e la nostra guida sui suggerimenti per l'addestramento dei modelli.

FAQ#

Cos'è il Package Segmentation Dataset e come viene utilizzato in Ultralytics YOLO26?#

Il Package Segmentation Dataset è una raccolta di 2.197 immagini annotate di pacchi per l'addestramento e la valutazione di modelli di instance segmentation su un'unica classe package. È rivolto ad applicazioni di logistica e automazione di magazzino come l'identificazione, lo smistamento e il controllo qualità dei pacchi, e viene utilizzato direttamente con Ultralytics YOLO26 tramite il file di configurazione package-seg.yaml.

Quante immagini e classi contiene il Package Segmentation Dataset?#

Il dataset conta un totale di 2.197 immagini — 1.920 per l'addestramento, 188 per la validazione e 89 per il test — tutte annotate per un'unica classe package. L'intero archivio viene scaricato automaticamente come un .zip da ~103 MB al primo utilizzo.

Come posso addestrare un modello Ultralytics YOLO26 sul dataset di segmentazione dei pacchi?#

Carica un modello di segmentazione pre-addestrato (es. yolo26n-seg.pt) e addestralo con la configurazione package-seg.yaml usando gli snippet Python o CLI nella sezione Usage qui sopra. Consulta la guida al Training per l'elenco completo degli argomenti disponibili.

Perché usare Ultralytics YOLO26 per la segmentazione dei pacchi nella logistica?#

YOLO26 offre accuracy all'avanguardia e velocità in tempo reale per l'instance segmentation, consentendo ai sistemi automatizzati di rilevare e smistare i pacchi in modo affidabile anche in magazzini scarsamente illuminati o ingombri — vedi la sezione Applications qui sopra. I modelli addestrati si esportano in formati come ONNX e TensorRT per il deploy su hardware di magazzino.

Dove posso trovare il file di configurazione del dataset per Package Segmentation?#

Il file package-seg.yaml, che definisce i percorsi del dataset e l'unica classe package, si trova nel repository GitHub di Ultralytics: package-seg.yaml.