Conjunto de Dados de Pílulas Médicas#

115

medical pills

ultralytics

publicDetect

Medical Pills contains close-range photographs of pharmaceutical tablets and capsules in varied arrangements. Single-class bounding boxes and clean background images support medication localization, counting, dispensing verification, and visual inventory.

21 class16.1 MBSep 2, 2026

pill

O conjunto de dados Medical Pills da Ultralytics é um conjunto de dados de prova de conceito (POC) de deteção de objetos com 115 imagens anotadas distribuídas por uma única classe, pill — 92 para treino e 23 para validação. Foi criado para demonstrar modelos de visão computacional para aplicações farmacêuticas, como controlo de qualidade, automatização de embalagens e triagem.

Estrutura do Conjunto de Dados#

O conjunto de dados Medical Pills contém 115 imagens anotadas com uma única classe, pill, divididas em dois subconjuntos definidos pela configuração medical-pills.yaml:

Explora o Medical Pills na Ultralytics Platform para navegar pelas imagens com as respetivas sobreposições de anotações, ver a distribuição das classes e os mapas de calor das caixas delimitadoras no separador Charts e cloná-lo para treinares o teu próprio modelo na cloud.

Aplicações#

A utilização de visão computacional para a deteção de pílulas médicas permite automatizar processos na indústria farmacêutica, apoiando tarefas como:

• Triagem Farmacêutica: Automatizar a triagem de pílulas com base no tamanho, forma ou cor para aumentar a eficiência da produção.
• Investigação e Desenvolvimento em IA: Servir como referência para desenvolver e testar algoritmos de visão computacional em casos de utilização farmacêutica.
• Sistemas Digitais de Inventário: Alimentar soluções inteligentes de inventário através da integração do reconhecimento automatizado de pílulas para monitorização do stock em tempo real e planeamento do reabastecimento.
• Controlo de Qualidade: Garantir a consistência na produção de pílulas através da identificação de defeitos, irregularidades ou contaminação.
• Deteção de Contrafações: Ajudar a identificar medicamentos potencialmente contrafeitos através da análise das características visuais em comparação com padrões conhecidos.

YAML do Conjunto de Dados#

O ficheiro medical-pills.yaml define a configuração do conjunto de dados — os caminhos do conjunto de dados, os nomes das classes e outros metadados. É mantido no repositório da Ultralytics 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

Utilização#

Para treinares um modelo YOLO26n no conjunto de dados Medical Pills durante 100 épocas, com um tamanho de imagem de 640, utiliza os exemplos seguintes. Para obteres informações detalhadas sobre os argumentos, consulta a página de Treino 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")

Imagens de exemplo e anotações#

O conjunto de dados Medical Pills apresenta imagens anotadas que ilustram a diversidade das pílulas. Abaixo encontra-se um exemplo de uma imagem anotada do conjunto de dados:

• Imagem em Mosaico: É apresentado um lote de treino composto por imagens do conjunto de dados dispostas em mosaico. A criação de mosaicos aumenta a diversidade do treino ao consolidar várias imagens numa só, melhorando a generalização do modelo.

Integração com Outros Conjuntos de Dados#

Para uma análise farmacêutica mais abrangente, considera combinar o conjunto de dados Medical Pills com outros conjuntos de dados relacionados, como package-seg para identificação de embalagens ou conjuntos de dados de imagiologia médica, como brain-tumor, para desenvolver soluções de IA para a área da saúde de ponta a ponta.

Citações e agradecimentos#

O conjunto de dados está disponível ao abrigo da Licença AGPL-3.0.

Se utilizares o conjunto de dados Medical Pills no teu trabalho de investigação ou desenvolvimento, cita-o utilizando os detalhes indicados:

@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}
}

Perguntas frequentes#