Набор данных Medical Pills

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.

Этот набор данных служит фундаментальным ресурсом для автоматизации важных задач, таких как контроль качества, автоматизация упаковки и эффективная сортировка в фармацевтических процессах. Интегрируя этот набор данных в свои проекты, исследователи и разработчики могут изучать инновационные решения, которые повышают точность, оптимизируют рабочие процессы и в конечном итоге способствуют улучшению результатов в сфере здравоохранения.

Структура набора данных

Набор данных medical-pills разделен на две подвыборки:

• Обучающая выборка: состоит из 92 изображений, каждое из которых аннотировано классом pill.
• Валидационная выборка: состоит из 23 изображений с соответствующими аннотациями.

Приложения

Использование компьютерного зрения для обнаружения medical-pills позволяет автоматизировать фармацевтическую промышленность, поддерживая такие задачи, как:

• Фармацевтическая сортировка: автоматизация сортировки таблеток по размеру, форме или цвету для повышения эффективности производства.
• Исследования и разработки в области ИИ: использование в качестве эталона для разработки и тестирования алгоритмов компьютерного зрения в фармацевтических сценариях.
• Системы цифрового учета: поддержка интеллектуальных решений для инвентаризации путем внедрения автоматического распознавания таблеток для мониторинга запасов в реальном времени и планирования пополнения.
• Контроль качества: обеспечение единообразия производства таблеток путем выявления дефектов, отклонений или загрязнений.
• Обнаружение подделок: помощь в выявлении потенциально поддельных лекарств путем анализа визуальных характеристик в сравнении с известными стандартами.

YAML набора данных

Для определения структуры набора данных, включая пути и классы, предоставляется файл конфигурации YAML. Для набора данных medical-pills файл medical-pills.yaml доступен по адресу 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

Использование

Чтобы обучить модель YOLO26n на наборе данных medical-pills в течение 100 эпох с размером изображения 640, используй следующие примеры. Подробные аргументы см. на странице обучения модели.

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")

Примеры изображений и аннотаций

Набор данных medical-pills содержит размеченные изображения, демонстрирующие разнообразие таблеток. Ниже приведен пример размеченного изображения из набора данных:

• Мозаичное изображение: показан тренировочный пакет, состоящий из мозаичных изображений набора данных. Мозаика повышает разнообразие при обучении, объединяя несколько изображений в одно, что улучшает обобщающую способность модели.

Интеграция с другими наборами данных

Для более комплексного фармацевтического анализа рассмотри возможность объединения набора данных medical-pills с другими связанными наборами данных, такими как package-seg для идентификации упаковки или наборами данных медицинской визуализации, такими как brain-tumor, для разработки комплексных ИИ-решений в сфере здравоохранения.

Цитирование и благодарности

Набор данных доступен по лицензии AGPL-3.0.

Если ты используешь набор данных Medical-pills в своей исследовательской или проектной работе, пожалуйста, сошлися на него, используя указанные данные:

@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}
}

Часто задаваемые вопросы (FAQ)

Какова структура набора данных medical-pills?

Набор данных включает 92 изображения для обучения и 23 изображения для валидации. Каждое изображение аннотировано классом pill, что позволяет эффективно обучать и оценивать модели для фармацевтических приложений.

Как я могу обучить модель YOLO26 на наборе данных medical-pills?

Ты можешь обучить модель YOLO26 в течение 100 эпох с размером изображения 640 пикселей, используя предоставленные методы Python или CLI. Обратись к разделу Пример обучения за подробными инструкциями и ознакомься с документацией YOLO26 для получения дополнительной информации о возможностях модели.

Каковы преимущества использования набора данных medical-pills в проектах ИИ?

Набор данных обеспечивает автоматизацию обнаружения таблеток, способствуя предотвращению подделок, обеспечению качества и оптимизации фармацевтических процессов. Он также служит ценным ресурсом для разработки ИИ-решений, которые могут повысить безопасность лекарственных средств и эффективность цепочки поставок.

Как мне выполнить вывод на наборе данных medical-pills?

Вывод можно выполнить с помощью методов Python или CLI с использованием дообученной модели YOLO26. Обратись к разделу Пример вывода за фрагментами кода и к документации режима предсказания для получения дополнительных параметров.

Где я могу найти YAML-файл конфигурации для набора данных medical-pills?

YAML-файл доступен по ссылке medical-pills.yaml и содержит пути к набору данных, классы и дополнительные сведения о конфигурации, необходимые для обучения моделей на этом наборе данных.