Link to this sectionMedical Pills Dataset#

medical-pills検出データセットは、製薬アプリケーションにおけるAIの可能性を実証するために慎重にキュレーションされた概念実証（POC）データセットです。このデータセットには、medical-pills（医療用錠剤）を識別するためのコンピュータビジョンモデルをトレーニングするために特別に設計されたラベル付き画像が含まれています。

This dataset serves as a foundational resource for automating essential tasks such as quality control, packaging automation, and efficient sorting in pharmaceutical workflows. By integrating this dataset into projects, researchers and developers can explore innovative solutions that enhance accuracy, streamline operations, and ultimately contribute to improved healthcare outcomes.

Link to this sectionデータセットの構造#

medical-pillsデータセットは、以下の2つのサブセットに分かれています。

• トレーニングセット: 92枚の画像で構成されており、それぞれが pill クラスとしてアノテーションされています。
• 検証セット: 23枚の画像とそれに対応するアノテーションで構成されています。

Link to this sectionアプリケーション#

medical-pills検出にコンピュータビジョンを使用することで、製薬業界における自動化が可能になり、以下のようなタスクをサポートします。

• 製薬仕分け: 錠剤のサイズ、形状、または色に基づいて自動的に仕分けを行い、生産効率を向上させます。
• AIの研究開発: 製薬ユースケースにおけるコンピュータビジョンアルゴリズムの開発およびテストのためのベンチマークとして機能します。
• デジタル在庫システム: 自動錠剤認識を統合し、リアルタイムの在庫監視や補充計画を実現するスマートな在庫ソリューションを構築します。
• 品質管理: 欠陥、不規則性、または汚染を特定することで、錠剤生産の一貫性を確保します。
• 偽造品検出: 視覚的特性を既知の基準と比較・分析することで、潜在的な偽造医薬品の特定を支援します。

Link to this sectionデータセット YAML#

データセットの構造、パス、およびクラスを定義するためにYAML設定ファイルが提供されています。medical-pillsデータセットについては、medical-pills.yaml ファイルが https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/medical-pills.yaml からアクセス可能です。

# 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 section使用方法#

medical-pillsデータセットでYOLO26nモデルを画像サイズ640で100エポックトレーニングするには、以下の例を使用してください。詳細な引数については、モデルのトレーニングページを参照してください。

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 sectionサンプル画像とアノテーション#

medical-pillsデータセットは、錠剤の多様性を示すラベル付き画像を特徴としています。以下は、データセットからのラベル付き画像の例です。

• モザイク画像: 表示されているのは、モザイク化されたデータセット画像で構成されるトレーニングバッチです。モザイク化は、複数の画像を1つに統合することでトレーニングの多様性を高め、モデルの汎化性能を向上させます。

Link to this section他のデータセットとの統合#

より包括的な製薬分析を行うには、medical-pillsデータセットを、パッケージ識別のためのpackage-segや、エンドツーエンドのヘルスケアAIソリューションを開発するためのbrain-tumorのような医療画像データセットと組み合わせることを検討してください。

Link to this section引用と謝辞#

このデータセットはAGPL-3.0ライセンスの下で利用可能です。

研究や開発作業でMedical-pillsデータセットを使用する場合は、記載されている詳細を使用して引用してください。

@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 sectionよくある質問 (FAQ)#

Link to this sectionmedical-pillsデータセットの構造はどのようなものですか？#

このデータセットには、トレーニング用に92枚、検証用に23枚の画像が含まれています。各画像には pill クラスがアノテーションされており、製薬アプリケーション向けのモデルの効率的なトレーニングと評価が可能です。

Link to this sectionmedical-pillsデータセットでYOLO26モデルをトレーニングするにはどうすればよいですか？#

提供されているPythonまたはCLIメソッドを使用して、画像サイズ640pxでYOLO26モデルを100エポックトレーニングできます。詳細な手順についてはトレーニング例セクションを参照し、モデルの機能に関する詳細はYOLO26ドキュメントを確認してください。

Link to this sectionAIプロジェクトでmedical-pillsデータセットを使用する利点は何ですか？#

このデータセットは錠剤検出の自動化を可能にし、偽造防止、品質保証、および製薬プロセスの最適化に貢献します。また、投薬の安全性とサプライチェーンの効率を向上させることができるAIソリューションを開発するための貴重なリソースとしても役立ちます。

Link to this sectionmedical-pillsデータセットで推論を実行するにはどうすればよいですか？#

推論は、微調整されたYOLO26モデルを使用してPythonまたはCLIメソッドで実行できます。コードスニペットについては推論例セクションを参照し、追加のオプションについては予測モードのドキュメントを参照してください。

Link to this sectionmedical-pillsデータセットのYAML設定ファイルはどこで見つけられますか？#

YAMLファイルは medical-pills.yaml で入手でき、このデータセットでモデルをトレーニングするために必要なデータセットパス、クラス、および追加の設定詳細が含まれています。