Link to this sectionDataset de Pílulas Medicinais#

The medical-pills detection dataset is a proof-of-concept (POC) dataset, carefully curated to demonstrate the potential of AI in pharmaceutical applications. It contains labeled images specifically designed to train computer vision models for identifying medical-pills.

Este conjunto de dados serve como um recurso fundamental para automatizar tarefas essenciais, como controle de qualidade, automação de embalagem e triagem eficiente em fluxos de trabalho farmacêuticos. Ao integrar este conjunto de dados em projetos, pesquisadores e desenvolvedores podem explorar soluções inovadoras que aumentam a precisão, otimizam operações e, em última análise, contribuem para melhores resultados na área da saúde.

Link to this sectionEstrutura do Dataset#

O dataset medical-pills é dividido em dois subconjuntos:

• Conjunto de treinamento: Consiste em 92 imagens, cada uma anotada com a classe pill.
• Conjunto de validação: Composto por 23 imagens com as devidas anotações.

Link to this sectionAplicações#

Usar visão computacional para detecção de medical-pills permite a automação na indústria farmacêutica, suportando tarefas como:

• Triagem Farmacêutica: Automatizar a separação de pílulas com base em tamanho, forma ou cor para aumentar a eficiência da produção.
• Pesquisa e Desenvolvimento em IA: Servir como referência para desenvolver e testar algoritmos de visão computacional em casos de uso farmacêuticos.
• Sistemas de Inventário Digital: Potencializar soluções inteligentes de estoque integrando o reconhecimento automático de pílulas para monitoramento em tempo real e planejamento de reposição.
• Controle de Qualidade: Garantir a consistência na produção de pílulas identificando defeitos, irregularidades ou contaminação.
• Detecção de Falsificação: Ajudar a identificar medicamentos potencialmente falsificados analisando características visuais em relação a padrões conhecidos.

Link to this sectionYAML do Dataset#

Um arquivo de configuração YAML é fornecido para definir a estrutura do dataset, incluindo caminhos e classes. Para o dataset medical-pills, o arquivo medical-pills.yaml pode ser acessado em 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: 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 sectionUso#

Para treinar um modelo YOLO26n no dataset medical-pills por 100 épocas com um tamanho de imagem de 640, use os exemplos a seguir. Para argumentos detalhados, consulte a página de Treinamento do modelo.

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 sectionExemplos de Imagens e Anotações#

O dataset medical-pills apresenta imagens rotuladas que mostram a diversidade de pílulas. Abaixo está um exemplo de uma imagem rotulada do dataset:

• Imagem em Mosaico: Exibido está um lote de treinamento composto por imagens do dataset em mosaico. A técnica de mosaico aumenta a diversidade do treinamento ao consolidar múltiplas imagens em uma só, melhorando a generalização do modelo.

Link to this sectionIntegração com Outros Datasets#

Para uma análise farmacêutica mais abrangente, considere combinar o dataset medical-pills com outros datasets relacionados, como package-seg para identificação de embalagens ou datasets de imagens médicas como brain-tumor para desenvolver soluções de IA de saúde de ponta a ponta.

Link to this sectionCitações e Agradecimentos#

O dataset está disponível sob a Licença AGPL-3.0.

Se você usar o dataset Medical-pills em seu trabalho de pesquisa ou desenvolvimento, por favor, cite-o usando os detalhes mencionados:

@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 sectionFAQ#

Link to this sectionQual é a estrutura do dataset medical-pills?#

O dataset inclui 92 imagens para treinamento e 23 imagens para validação. Cada imagem é anotada com a classe pill, permitindo o treinamento e avaliação eficazes de modelos para aplicações farmacêuticas.

Link to this sectionComo posso treinar um modelo YOLO26 no dataset medical-pills?#

Você pode treinar um modelo YOLO26 por 100 épocas com um tamanho de imagem de 640px usando os métodos Python ou CLI fornecidos. Consulte a seção Exemplo de Treinamento para instruções detalhadas e verifique a documentação do YOLO26 para mais informações sobre as capacidades do modelo.

Link to this sectionQuais são os benefícios de usar o dataset medical-pills em projetos de IA?#

O dataset permite a automação na detecção de pílulas, contribuindo para a prevenção de falsificações, garantia de qualidade e otimização de processos farmacêuticos. Ele também serve como um recurso valioso para desenvolver soluções de IA que podem melhorar a segurança dos medicamentos e a eficiência da cadeia de suprimentos.

Link to this sectionComo realizo a inferência no dataset medical-pills?#

A inferência pode ser feita usando métodos Python ou CLI com um modelo YOLO26 ajustado. Consulte a seção Exemplo de Inferência para trechos de código e a documentação do modo Predict para opções adicionais.

Link to this sectionOnde posso encontrar o arquivo de configuração YAML para o dataset medical-pills?#

O arquivo YAML está disponível em medical-pills.yaml, contendo caminhos de dataset, classes e detalhes adicionais de configuração essenciais para treinar modelos neste dataset.