Link to this sectionDataset 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.

Link to this sectionStruttura 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.

Link to this sectionApplicazioni#

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.

Link to this sectionMagazzini 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.

Link to this sectionControllo 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.

Link to this sectionDataset 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

Link to this sectionUtilizzo#

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")

Link to this sectionDati 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.

Link to this sectionCitazioni 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.

Link to this sectionFAQ#

Link to this sectionCos'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.

Link to this sectionQuante 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.

Link to this sectionCome 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.

Link to this sectionPerché 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.

Link to this sectionDove 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.