Conjunto de dados de segmentação de embalagens#
O conjunto de dados de segmentação de embalagens da Ultralytics é uma coleção selecionada de 2.197 imagens anotadas de embalagens, destinada ao treino de modelos de segmentação de instâncias numa única classe package. Criado para casos de uso de logística e automatização de armazéns, como a identificação, a triagem e o manuseamento de embalagens, funciona diretamente com o Ultralytics YOLO para analisar embalagens em tempo real em pipelines de visão computacional. Explora mais conjuntos de dados de segmentação na nossa página de visão geral dos conjuntos de dados.
Assista: Treine um modelo de segmentação de embalagens usando Ultralytics YOLO | Embalagens industriais 🎉
Estrutura do conjunto de dados#
O conjunto de dados de segmentação de embalagens divide as suas 2.197 imagens da seguinte forma:
- Conjunto de treino: 1.920 imagens usadas para treinar o modelo de aprendizagem profunda.
- Conjunto de validação: 188 imagens usadas durante o treino para ajustar os hiperparâmetros e evitar o sobreajuste.
- Conjunto de teste: 89 imagens reservadas para avaliar o modelo após o treino.
- Classes: uma única classe
packageque abrange todas as embalagens anotadas. - Tamanho da transferência: cerca de 103 MB.
Aplicações#
A segmentação de embalagens otimiza a logística, a entrega de última milha, o controlo de qualidade na indústria transformadora e os sistemas de cidades inteligentes, abrangendo aplicações desde o processamento de encomendas de comércio eletrónico até ao rastreio de segurança. Máscaras precisas das embalagens permitem que sistemas automatizados localizem, contem e inspecionem encomendas em tempo real.
Armazéns inteligentes e logística#
Nos armazéns modernos, as soluções de IA visual podem otimizar as operações, automatizando a identificação e a triagem de embalagens. Os modelos de visão computacional treinados com este conjunto de dados podem detetar e segmentar embalagens rapidamente e em tempo real, mesmo em ambientes difíceis, com pouca iluminação ou espaços desorganizados. Isto permite processar encomendas mais rapidamente, reduzir erros e melhorar a eficiência geral das operações logísticas.
Controlo de qualidade e deteção de danos#
Os modelos de segmentação de embalagens podem identificar embalagens danificadas através da análise da forma e do aspeto. Ao detetar irregularidades ou deformações nos contornos das embalagens, estes modelos ajudam a garantir que apenas embalagens intactas avancem pela cadeia de abastecimento, reduzindo as reclamações dos clientes e as taxas de devolução. Este é um aspeto fundamental do controlo de qualidade na indústria transformadora e é essencial para manter a integridade dos produtos.
Também podes consultar e gerir o conjunto de dados completo de segmentação de embalagens na Ultralytics Platform.
YAML do conjunto de dados#
Um ficheiro YAML define a configuração do conjunto de dados, incluindo caminhos, classes e outros detalhes essenciais. Para o conjunto de dados de segmentação de embalagens, o ficheiro package-seg.yaml é mantido em 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.zipUso#
Para treinar um modelo Ultralytics YOLO26n-seg com o conjunto de dados de segmentação de embalagens durante 100 épocas, com um tamanho de imagem de 640, usa os seguintes trechos de código. O conjunto de dados (cerca de 103 MB) é descarregado automaticamente na primeira utilização. Para veres uma lista completa dos argumentos disponíveis, consulta a página de treino do modelo.
from ultralytics import YOLO
# Carregar um modelo
model = YOLO("yolo26n-seg.pt") # carrega um modelo de segmentação pré-treinado (recomendado para o treino)
# Treina o modelo com o conjunto de dados de segmentação de embalagens
results = model.train(data="package-seg.yaml", epochs=100, imgsz=640)
# Valida o modelo
results = model.val()
# Faz inferência numa imagem
results = model("path/to/image.jpg")Dados de exemplo e anotações#
Abaixo está um exemplo do conjunto de dados de segmentação de embalagens, com as máscaras de segmentação sobrepostas e a delinear as embalagens detetadas:
O conjunto de dados abrange diferentes localizações, ambientes e densidades de embalagens, para que os modelos treinados com ele vejam a variedade de cenários logísticos do mundo real necessária para generalizar. Consulta a página da tarefa de segmentação para conhecer fluxos de trabalho relacionados.
Citações e agradecimentos#
Se integrares o conjunto de dados de segmentação de embalagens nos teus projetos de investigação ou desenvolvimento, cita a fonte adequadamente:
@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 },
}Agradecemos aos criadores do conjunto de dados de segmentação de embalagens pela sua contribuição para a comunidade de visão computacional. Para veres mais conjuntos de dados, visita a coleção de conjuntos de dados da Ultralytics e o nosso guia de dicas para treinar modelos.
Perguntas frequentes#
O conjunto de dados de segmentação de embalagens é uma coleção de 2.197 imagens anotadas de embalagens, destinada ao treino e à avaliação de modelos de segmentação de instâncias numa única classe
package. Destina-se a aplicações de logística e automatização de armazéns, como a identificação e a triagem de embalagens e o controlo de qualidade, e é utilizado diretamente com o YOLO26 da Ultralytics através do ficheiro de configuraçãopackage-seg.yaml.O conjunto de dados contém 2.197 imagens — 1.920 para treino, 188 para validação e 89 para teste — todas anotadas para uma única classe
package. O arquivo completo é descarregado automaticamente, com cerca de 103 MB, como.zipna primeira utilização.Carrega um modelo de segmentação pré-treinado (por exemplo,
yolo26n-seg.pt) e treina-o usando a configuraçãopackage-seg.yamlcom os trechos de Python ou CLI na seção Uso acima. Consulta o guia de treino para ver a lista completa de argumentos disponíveis.O YOLO26 oferece precisão de última geração e velocidade em tempo real para a segmentação de instâncias, permitindo que sistemas automatizados detetem e triem embalagens de forma fiável, mesmo em armazéns com pouca iluminação ou desorganizados — consulta a secção Aplicações acima. Os modelos treinados podem ser exportados para formatos como ONNX e TensorRT para implementação em diferentes equipamentos de armazém.
O ficheiro
package-seg.yaml, que define os caminhos do conjunto de dados e a única classepackage, encontra-se no repositório GitHub da Ultralytics: package-seg.yaml.