Package Segmentation Dataset#

2,197

Package-Seg

ultralytics

publicSegment

Package-Seg contains polygon masks for packages across indoor, warehouse, and logistics-style scenes, including empty background images. It supports package localization and shape segmentation; no named upstream dataset license is published, so redistribution terms should be reviewed.

1 class149.8 MBSep 2, 2026

package

packagesinstance-segmentationlogistics+1

Il dataset di segmentazione dei pacchi di Ultralytics è una raccolta curata di 2.197 immagini annotate di pacchi, destinata all'addestramento di modelli di segmentazione delle istanze su un'unica classe package. Progettato per casi d'uso logistici e di automazione dei magazzini, come l'identificazione, lo smistamento e la movimentazione dei pacchi, si integra direttamente con Ultralytics YOLO per l'analisi dei pacchi in tempo reale nelle pipeline di visione artificiale. Esplora altri dataset di segmentazione nella nostra pagina panoramica dei dataset.

Struttura del dataset#

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

• Set di addestramento: 1.920 immagini usate per addestrare il modello di deep learning.
• Set di convalida: 188 immagini usate durante l'addestramento per ottimizzare gli iperparametri e prevenire l'overfitting.
• Set di test: 89 immagini messe da parte per valutare il modello dopo l'addestramento.
• Classi: una singola classe package che comprende tutti i pacchi annotati.
• Dimensione del download: circa 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 dell'e-commerce ai controlli di sicurezza. Maschere precise dei pacchi consentono ai sistemi automatizzati di localizzare, contare e ispezionare i colli in tempo reale.

Magazzini intelligenti e logistica#

Nei magazzini moderni, le soluzioni di IA visiva 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 poca luce o spazi disordinati. Questo consente di ridurre i tempi di elaborazione e gli errori e di migliorare l'efficienza complessiva delle operazioni logistiche.

Controllo qualità e rilevamento dei danni#

I modelli di segmentazione dei pacchi possono identificare quelli danneggiati analizzandone la forma e l'aspetto. Rilevando irregolarità o deformazioni nei contorni dei pacchi, questi modelli contribuiscono a garantire che solo i pacchi integri proseguano lungo la catena di approvvigionamento, riducendo i reclami dei clienti e i resi. Questo è un aspetto fondamentale del controllo qualità nella produzione ed è essenziale per preservare l'integrità dei prodotti.

Puoi anche consultare e gestire il Package Segmentation Dataset completo su Ultralytics Platform.

YAML del dataset#

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 in 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-seg sul dataset Package Segmentation per 100 epoche con una dimensione dell'immagine di 640, usa i seguenti frammenti di codice. Al primo utilizzo, il dataset (circa 103 MB) viene scaricato automaticamente. Per un elenco completo degli argomenti disponibili, consulta la pagina sull'addestramento del modello.

from ultralytics import YOLO

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

# Addestra il modello sul dataset Package Segmentation
results = model.train(data="package-seg.yaml", epochs=100, imgsz=640)

# Convalida il modello
results = model.val()

# Esegui l'inferenza su un'immagine
results = model("path/to/image.jpg")

Dati di esempio e annotazioni#

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

Il dataset include località, ambienti e densità di pacchi diversi, così i modelli addestrati su di esso acquisiscono la varietà di scene logistiche reali necessaria per generalizzare. Consulta la pagina dell'attività di segmentazione per i flussi di lavoro correlati.

Citazioni e ringraziamenti#

Se integri il dataset Package Segmentation nelle tue attività di ricerca o sviluppo, cita correttamente la fonte:

@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 },
}

Ringraziamo i creatori del dataset Package Segmentation per il loro contributo alla comunità della computer vision. Per altri dataset, visita la raccolta di dataset Ultralytics e la nostra guida sui consigli per l'addestramento dei modelli.

Domande frequenti#