Conjunto de dados de comprimidos médicos#

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 uma prova de conceito (POC) de detecção de objetos, com 115 imagens rotuladas em uma única classe, pill — 92 para treinamento e 23 para validação. Ele foi criado para demonstrar modelos de visão computacional para aplicações farmacêuticas, como controle de qualidade, automação de embalagens e classificação.

Estrutura do conjunto de dados#

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

Explore Medical Pills na Ultralytics Platform para navegar pelas imagens com sobreposições das anotações, visualizar a distribuição das classes e os mapas de calor das caixas delimitadoras na aba Gráficos e clonar o conjunto para treinar seu próprio modelo na nuvem.

Aplicações#

O uso da visão computacional para detectar comprimidos médicos permite automatizar processos na indústria farmacêutica e dá suporte a tarefas como:

• Classificação farmacêutica: automatize a classificação de comprimidos com base no tamanho, formato ou cor para aumentar a eficiência da produção.
• Pesquisa e desenvolvimento de IA: sirva como benchmark para desenvolver e testar algoritmos de visão computacional em aplicações farmacêuticas.
• Sistemas de inventário digital: viabilize soluções inteligentes de inventário integrando o reconhecimento automatizado de comprimidos para monitorar os níveis de estoque em tempo real e planejar o reabastecimento.
• Controle de qualidade: garanta a consistência na produção de comprimidos identificando defeitos, irregularidades ou contaminação.
• Detecção de falsificações: ajude a identificar medicamentos potencialmente falsificados analisando características visuais em comparação com padrões conhecidos.

YAML do conjunto de dados#

O arquivo medical-pills.yaml define a configuração do conjunto de dados — os caminhos do conjunto de dados, os nomes das classes e outros metadados. Ele 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

Uso#

Para treinar um modelo YOLO26n no conjunto de dados Medical Pills por 100 épocas com tamanho de imagem de 640, use os exemplos a seguir. Para consultar os argumentos detalhados, acesse a página de Treinamento do modelo.

from ultralytics import YOLO

# Carregar um modelo
model = YOLO("yolo26n.pt")  # carregue um modelo pré-treinado (recomendado para treinamento)

# Treinar o modelo
results = model.train(data="medical-pills.yaml", epochs=100, imgsz=640)

from ultralytics import YOLO

# Carregar um modelo
model = YOLO("path/to/best.pt")  # carregue um modelo ajustado

# Inferência usando o modelo
results = model.predict("https://ultralytics.com/assets/medical-pills-sample.jpg")

Imagens de exemplo e anotações#

O conjunto de dados Medical Pills apresenta imagens rotuladas que mostram a diversidade dos comprimidos. Abaixo está um exemplo de lote de treinamento em mosaico do conjunto de dados:

• Imagem mosaificada: É apresentado um lote de treino composto por imagens mosaificadas do conjunto de dados. A mosaificação aumenta a diversidade do treino ao combinar 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 saúde de ponta a ponta.

Citações e agradecimentos#

O conjunto de dados está disponível sob a Licença AGPL-3.0.

Se utilizares o conjunto de dados Medical Pills no teu trabalho de investigação ou desenvolvimento, cita-o usando 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#