Link to this sectionНабор данных Medical Pills#

Набор данных Ultralytics Medical Pills — это концептуальный (POC) набор данных для обнаружения объектов, состоящий из 115 размеченных изображений одного класса pill — 92 для обучения и 23 для валидации. Он создан для демонстрации компьютерного зрения моделей для фармацевтических задач, таких как контроль качества, автоматизация упаковки и сортировка.

Link to this sectionСтруктура набора данных#

Набор данных Medical Pills содержит 115 изображений, аннотированных одним классом pill, разделенных на две подвыборки, определенные конфигурацией medical-pills.yaml:

Изучи Medical Pills на платформе Ultralytics, чтобы просматривать изображения с наложенными аннотациями, изучать распределение классов и тепловые карты ограничивающих рамок на вкладке Charts, а также клонировать набор данных для обучения собственной модели в облаке.

Link to this sectionПрименение#

Использование компьютерного зрения для обнаружения медицинских таблеток обеспечивает автоматизацию в фармацевтической отрасли, 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.
• Цифровые системы инвентаризации: создание интеллектуальных решений для управления запасами путем интеграции автоматизированного распознавания таблеток для мониторинга остатков в реальном времени и планирования пополнения.
• Контроль качества: обеспечение стабильности при производстве таблеток путем выявления дефектов, отклонений или загрязнений.
• Обнаружение контрафакта: помощь в идентификации потенциально поддельных лекарств путем сравнения визуальных характеристик с известными стандартами.

Link to this sectionYAML набора данных#

Файл medical-pills.yaml определяет конфигурацию набора данных — пути к данным, названия классов и другие метаданные. Он поддерживается в репозитории Ultralytics 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

Link to this sectionИспользование#

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 Обучение 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")

Link to this sectionПримеры изображений и аннотации#

Набор данных Medical Pills содержит размеченные изображения, демонстрирующие разнообразие таблеток. Ниже приведен пример размеченного изображения из набора данных:

• Мозаичное изображение: показан обучающий батч, состоящий из мозаичных изображений набора данных. Мозаика улучшает разнообразие при обучении за счет объединения нескольких изображений в одно, что способствует лучшей генерализации модели.

Link to this sectionИнтеграция 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, чтобы разработать комплексные ИИ-решения для здравоохранения.

Link to this sectionЦитирование и благодарности#

Набор данных доступен на условиях лицензии AGPL-3.0.

Если ты используешь набор данных Medical Pills в своих исследованиях или разработках, пожалуйста, укажи его, используя упомянутые детали:

@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}
}

Link to this sectionFAQ#

Link to this sectionСколько изображений и классов в наборе данных Medical Pills?#

Набор данных Medical Pills содержит всего 115 изображений — 92 для обучения и 23 для валидации — без отдельной тестовой выборки. Каждое изображение аннотировано одним классом pill. Он поставляется как автоматическая загрузка объемом 8,19 МБ, определенная в конфигурации medical-pills.yaml.

Link to this sectionКак 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 методы Python или CLI. Обратись к разделу Пример обучения за подробными инструкциями и ознакомься с документацией YOLO26 для получения дополнительной информации о возможностях модели.

Link to this sectionКаковы преимущества использования набора данных Medical Pills в ИИ-проектах?#

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

Link to this sectionКак выполнить инференс на наборе данных Medical Pills?#

Инференс можно выполнить с помощью методов Python или CLI с использованием дообученной модели YOLO26. Обратись к разделу Пример инференса для получения примеров кода и к документации режима Predict для ознакомления с дополнительными опциями.

Link to this sectionГде я могу найти YAML-файл конфигурации для набора данных Medical Pills?#

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