Saltar para o conteúdo

Conjunto de dados de segmentação de pacotes

Conjunto de dados de segmentação de pacotes abertos no Colab

O Conjunto de Dados de Segmentação de Embalagens, disponível no Universo Roboflow , é uma coleção de imagens especificamente concebida para tarefas relacionadas com a segmentação de embalagens no domínio da visão por computador. Este conjunto de dados foi concebido para ajudar investigadores, programadores e entusiastas a trabalhar em projectos que envolvam a identificação, classificação e manuseamento de embalagens, concentrando-se principalmente em tarefas de segmentação de imagens.



Ver: Modelo de Segmentação de Pacotes de Treino usando Ultralytics YOLO11 | Pacotes Industriais 🎉

Contendo um conjunto diversificado de imagens que mostram várias embalagens em diferentes contextos e ambientes, o conjunto de dados serve como um recurso valioso para treinar e avaliar modelos de segmentação. Quer esteja envolvido em logística, automatização de armazéns ou em qualquer aplicação que exija uma análise precisa de embalagens, o conjunto de dados de segmentação de embalagens fornece um conjunto de imagens direcionado e abrangente para melhorar o desempenho dos seus algoritmos de visão computacional. Explore mais conjuntos de dados para tarefas de segmentação em nossa página de visão geral de conjuntos de dados.

Estrutura do conjunto de dados

A distribuição dos dados no conjunto de dados de segmentação de embalagens está estruturada da seguinte forma:

  • Conjunto de treino: Inclui 1920 imagens acompanhadas das anotações correspondentes.
  • Conjunto de teste: Consiste em 89 imagens, cada uma delas emparelhada com as respectivas anotações.
  • Conjunto de validação: Inclui 188 imagens, cada uma com as anotações correspondentes.

Aplicações

A segmentação de embalagens, facilitada pelo Conjunto de Dados de Segmentação de Embalagens, é crucial para otimizar a logística, melhorar a entrega na última milha, melhorar o controlo de qualidade do fabrico e contribuir para soluções de cidades inteligentes. Do comércio eletrónico às aplicações de segurança, este conjunto de dados é um recurso fundamental, promovendo a inovação na visão computacional para aplicações de análise de embalagens diversas e eficientes.

Armazéns inteligentes e logística

Nos armazéns modernos, as soluções de IA de visão podem simplificar as operações automatizando a identificação e a classificação de embalagens. Os modelos de visão por computador treinados neste conjunto de dados podem rapidamente detetar e segmentar pacotes em tempo real, mesmo em ambientes desafiadores com pouca iluminação ou espaços desordenados. Isso leva a tempos de processamento mais rápidos, erros reduzidos e maior eficiência geral nas operações de logística.

Controlo de qualidade e deteção de danos

Os modelos de segmentação de embalagens podem ser utilizados para identificar embalagens danificadas através da análise da sua forma e aparência. Ao detectarem irregularidades ou deformações nos contornos das embalagens, estes modelos ajudam a garantir que apenas as embalagens intactas passam pela cadeia de fornecimento, reduzindo as queixas dos clientes e as taxas de devolução. Este é um aspeto fundamental do controlo de qualidade no fabrico e é vital para manter a integridade do produto.

Conjunto de dados YAML

Um arquivo YAML (Yet Another Markup Language) define a configuração do conjunto de dados, incluindo caminhos, classes e outros detalhes essenciais. Para o conjunto de dados Segmentação de pacotes, o arquivo package-seg.yaml é mantido em https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/package-seg.yaml.

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 (102 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: ../datasets/package-seg # dataset root dir
train: train/images # train images (relative to 'path') 1920 images
val: valid/images # val images (relative to 'path') 89 images
test: test/images # test images (relative to 'path') 188 images

# Classes
names:
  0: package

# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/package-seg.zip

Utilização

Para formar um Ultralytics YOLO11n no conjunto de dados Package Segmentation para 100 épocas com um tamanho de imagem de 640, pode utilizar os seguintes fragmentos de código. Para obter uma lista abrangente dos argumentos disponíveis, consulte a página Treinamento do modelo.

Exemplo de comboio

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-seg.pt")  # load a pretrained segmentation model (recommended for training)

# Train the model on the Package Segmentation dataset
results = model.train(data="package-seg.yaml", epochs=100, imgsz=640)

# Validate the model
results = model.val()

# Perform inference on an image
results = model("path/to/image.jpg")

# Load a pretrained segmentation model and start training
yolo segment train data=package-seg.yaml model=yolo11n-seg.pt epochs=100 imgsz=640

# Resume training from the last checkpoint
yolo segment train data=package-seg.yaml model=path/to/last.pt resume=True

# Validate the trained model
yolo segment val data=package-seg.yaml model=path/to/best.pt

# Perform inference using the trained model
yolo segment predict model=path/to/best.pt source=path/to/image.jpg

Dados de amostra e anotações

O conjunto de dados de segmentação de pacotes inclui uma coleção variada de imagens capturadas de várias perspectivas. Abaixo estão exemplos de dados do conjunto de dados, acompanhados das respectivas máscaras de segmentação:

Imagem de amostra do conjunto de dados

  • Esta imagem apresenta uma instância de segmentação de embalagens, com máscaras anotadas a delinear objectos de embalagens reconhecidos. O conjunto de dados incorpora uma coleção diversificada de imagens obtidas em diferentes locais, ambientes e densidades. Serve como um recurso abrangente para o desenvolvimento de modelos específicos para esta tarefa de segmentação.
  • O exemplo realça a diversidade e complexidade presentes no conjunto de dados, sublinhando a importância de dados de elevada qualidade para tarefas de visão por computador que envolvam a segmentação de embalagens.

Benefícios da utilização do YOLO11 para a segmentação de embalagens

Ultralytics YOLO11 oferece várias vantagens para tarefas de segmentação de embalagens:

  1. Equilíbrio entre velocidade e exatidão: YOLO11 atinge uma elevada precisão e eficiência, tornando-o ideal para inferência em tempo real em ambientes logísticos de ritmo acelerado. Proporciona um forte equilíbrio em comparação com modelos como YOLOv8.

  2. Adaptabilidade: Os modelos treinados com o YOLO11 podem adaptar-se a várias condições de armazém, desde iluminação fraca a espaços desorganizados, garantindo um desempenho robusto.

  3. Escalabilidade: Durante períodos de pico, como épocas festivas, os modelos YOLO11 podem ser escalados de forma eficiente para lidar com volumes de pacotes maiores sem comprometer o desempenho ou a precisão.

  4. Capacidades de integração: YOLO11 pode ser facilmente integrado com os sistemas de gestão de armazéns existentes e implementado em várias plataformas utilizando formatos como ONNX ou TensorRTfacilitando soluções automatizadas de ponta a ponta.

Citações e agradecimentos

Se integrar o conjunto de dados da Segmentação de Pacotes nas suas iniciativas de investigação ou desenvolvimento, cite a fonte de forma adequada:

@misc{ factory_package_dataset,
    title = { factory_package Dataset },
    type = { Open Source Dataset },
    author = { factorypackage },
    url = { https://universe.roboflow.com/factorypackage/factory_package },
    journal = { Roboflow Universe },
    publisher = { Roboflow },
    year = { 2024 },
    month = { jan },
    note = { visited on 2024-01-24 },
}

Expressamos a nossa gratidão aos criadores do conjunto de dados Package Segmentation pela sua contribuição para a comunidade da visão computacional. Para explorar mais os conjuntos de dados e o treinamento de modelos, considere visitar nossa página Ultralytics Datasets e nosso guia sobre dicas de treinamento de modelos.

FAQ

O que é o conjunto de dados de segmentação de pacotes e como pode ajudar em projectos de visão computacional?

  • O Conjunto de Dados de Segmentação de Embalagens é uma coleção de imagens selecionadas para tarefas que envolvem a segmentação de imagens de embalagens. Inclui diversas imagens de embalagens em vários contextos, o que o torna inestimável para a formação e avaliação de modelos de segmentação. Este conjunto de dados é particularmente útil para aplicações em logística, automação de armazéns e qualquer projeto que exija uma análise precisa de embalagens.

Como posso treinar um modelo Ultralytics YOLO11 no conjunto de dados de segmentação de pacotes?

Quais são os componentes do Conjunto de Dados de Segmentação de Pacotes e como está estruturado?

  • O conjunto de dados está estruturado em três componentes principais:
    • Conjunto de treino: Contém 1920 imagens com anotações.
    • Conjunto de teste: Inclui 89 imagens com anotações correspondentes.
    • Conjunto de validação: Inclui 188 imagens com anotações.
  • Esta estrutura assegura um conjunto de dados equilibrado para a formação, validação e teste exaustivos do modelo, seguindo as melhores práticas descritas nos guias de avaliação de modelos.

Por que razão devo utilizar Ultralytics YOLO11 com o conjunto de dados de segmentação de pacotes?

  • Ultralytics YOLO11 fornece precisão e velocidade de ponta para tarefas de deteção e segmentação de objectos em tempo real. A sua utilização com o conjunto de dados de segmentação de embalagens permite-lhe tirar partido das capacidades do YOLO11 para uma segmentação precisa de embalagens, o que é especialmente vantajoso para sectores como a logística e a automatização de armazéns.

Como posso acessar e usar o arquivo package-seg.yaml para o conjunto de dados de segmentação de pacotes?

📅C riado há 1 ano ✏️ Atualizado há 10 dias
glenn-jocher RizwanMunawar UltralyticsAssistant MatthewNoyce jk4e

Comentários