Link to this sectionНабор данных для сегментации упаковок#

Набор данных Package Segmentation от Ultralytics представляет собой тщательно отобранную коллекцию из 2197 аннотированных изображений упаковок для обучения моделей instance segmentation по одному классу package. Созданный для задач логистики и автоматизации складов, таких как идентификация, сортировка и обработка посылок, он напрямую сочетается с Ultralytics YOLO для анализа посылок в реальном времени в конвейерах computer vision. Ознакомься с другими наборами данных для сегментации на нашей странице обзора наборов данных.

Link to this sectionСтруктура набора данных#

Набор данных Package Segmentation распределяет свои 2197 изображений следующим образом:

• Training set: 1920 изображений, используемых для training модели deep learning.
• Validation set: 188 изображений, используемых во время обучения для настройки hyperparameters и предотвращения overfitting.
• Testing set: 89 изображений, отложенных для оценки модели после обучения.
• Classes: один класс package, охватывающий каждую аннотированную упаковку.
• Download size: ~103 МБ.

Link to this sectionПрименение#

Сегментация упаковок оптимизирует логистику, доставку «последней мили», контроль качества на производстве и системы «умного города», с применением в электронной коммерции и проверках безопасности. Точные маски упаковок позволяют автоматизированным системам находить, считать и осматривать посылки в режиме реального времени.

Link to this sectionУмные склады и логистика#

На современных складах решения Vision AI могут оптимизировать процессы за счет автоматизации идентификации и сортировки упаковок. Модели компьютерного зрения, обученные на этом датасете, способны быстро обнаруживать и сегментировать упаковки в режиме реального времени даже в сложных условиях, например при плохом освещении или в загроможденных пространствах. Это ведет к ускорению обработки, сокращению ошибок и повышению общей эффективности логистических операций.

Link to this sectionКонтроль качества и обнаружение повреждений#

Модели сегментации упаковок могут идентифицировать поврежденные посылки, анализируя их форму и внешний вид. Обнаруживая неровности или деформации в контурах упаковки, эти модели помогают гарантировать, что через цепочку поставок проходят только неповрежденные посылки, что снижает количество жалоб клиентов и уровень возвратов. Это ключевой аспект quality control in manufacturing и жизненно важен для обеспечения целостности продукта.

Полный набор данных Package Segmentation также можно просматривать и управлять им на Ultralytics Platform.

Link to this sectionYAML набора данных#

Файл YAML определяет конфигурацию датасета, включая пути, классы и другие важные детали. Для датасета Package Segmentation файл package-seg.yaml находится по адресу 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.zip

Link to this sectionИспользование#

Чтобы обучить модель Ultralytics YOLO26n на наборе данных Package Segmentation в течение 100 epochs с размером изображения 640, используй следующие фрагменты кода. Набор данных (~103 МБ) загружается автоматически при первом использовании. Полный список доступных аргументов см. на странице Training page модели.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-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")

Link to this sectionПримеры данных и разметки#

Ниже приведен пример из набора данных Package Segmentation с наложенными масками сегментации, очерчивающими обнаруженные упаковки:

Набор данных охватывает различные локации, среды и плотности размещения упаковок, поэтому модели, обученные на нем, видят спектр реальных логистических сцен, необходимых для обобщения. См. страницу segmentation task для ознакомления с соответствующими рабочими процессами.

Link to this sectionЦитирование и благодарности#

Если ты используешь набор данных Package Segmentation в своих исследовательских или девелоперских инициативах, пожалуйста, правильно укажи источник:

@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 },
}

Мы выражаем благодарность создателям набора данных Package Segmentation за их вклад в сообщество computer vision. Чтобы найти больше наборов данных, посети Ultralytics Datasets collection и наше руководство по model training tips.

Link to this sectionFAQ#

Link to this sectionЧто такое набор данных Package Segmentation и как он используется в Ultralytics YOLO26?#

Набор данных Package Segmentation — это коллекция из 2197 аннотированных изображений упаковок для обучения и оценки моделей instance segmentation по одному классу package. Он нацелен на логистические и складские автоматизированные приложения, такие как идентификация, сортировка и контроль качества упаковок, и используется напрямую с Ultralytics YOLO26 через файл конфигурации package-seg.yaml.

Link to this sectionСколько изображений и классов содержит набор данных Package Segmentation?#

Всего в наборе данных 2197 изображений — 1920 для обучения, 188 для валидации и 89 для тестирования — все они аннотированы для одного класса package. Полный архив автоматически загружается как .zip размером ~103 МБ при первом использовании.

Link to this sectionКак обучить модель Ultralytics YOLO26 на наборе данных Package Segmentation?#

Загрузи предобученную модель сегментации (например, yolo26n-seg.pt) и обучи ее с конфигурацией package-seg.yaml, используя фрагменты Python или CLI в разделе Usage выше. См. Training guide для получения полного списка доступных аргументов.

Link to this sectionПочему стоит использовать Ultralytics YOLO26 для сегментации упаковок в логистике?#

YOLO26 обеспечивает передовую accuracy и скорость реального времени для instance segmentation, позволяя автоматизированным системам надежно обнаруживать и сортировать посылки даже на слабоосвещенных или загроможденных складах — см. раздел Applications выше. Обученные модели экспортируются в такие форматы, как ONNX и TensorRT, для развертывания на складском оборудовании.

Link to this sectionГде я могу найти файл конфигурации набора данных для Package Segmentation?#

Файл package-seg.yaml, который определяет пути к набору данных и единственный класс package, находится в репозитории Ultralytics на GitHub: package-seg.yaml.