Набор данных для сегментации упаковок#

2,197

Package-Seg

ultralytics

publicSegment

Package segmentation dataset with 2,197 unique images across 1,920 train, 188 validation, and 89 test images; 2,060 labeled images, 7,643 polygon instances, and one package class. Distributed by Ultralytics as the official Package-Seg training archive; no named upstream dataset license is published.

1 class149.8 MBAug 21, 2026

package

packagesinstance-segmentationlogistics+1

Датасет сегментации упаковок Ultralytics представляет собой тщательно подобранную коллекцию из 2197 размеченных изображений упаковок для обучения моделей сегментации экземпляров на одном классе package. Созданный для логистики и автоматизации складов, таких как идентификация, сортировка и обработка упаковок, он напрямую сочетается с Ultralytics YOLO для анализа упаковок в реальном времени в конвейерах компьютерного зрения. Ознакомься с другими датасетами сегментации на нашей странице обзора датасетов.

Структура набора данных#

Набор данных Package Segmentation распределяет свои 2197 изображений следующим образом:

• Обучающий набор: 1920 изображений, используемых для обучения модели глубокого обучения.
• Набор валидации: 188 изображений, используемых во время обучения для настройки гиперпараметров и предотвращения переобучения.
• Testing set: 89 изображений, отложенных для оценки модели после обучения.
• Классы: один класс package, охватывающий каждую размеченную упаковку.
• Download size: ~103 МБ.

Применение#

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.

Умные склады и логистика#

На современных склах решения на базе визуального ИИ могут оптимизировать операции за счет автоматизации идентификации и сортировки упаковок. Модели компьютерного зрения, обученные на этом датасете, могут быстро обнаруживать и сегментировать упаковки в реальном времени даже в сложных условиях при слабом освещении или в загроможденных пространствах. Это приводит к сокращению времени обработки, уменьшению количества ошибок и повышению общей эффективности логистических операций.

Контроль качества и обнаружение повреждений#

Модели сегментации упаковок могут определять поврежденные упаковки, анализируя их форму и внешний вид. Обнаруживая неровности или деформации в контурах упаковок, эти модели помогают гарантировать, что через цепочку поставок проходят только целые упаковки, уменьшая количество жалоб клиентов и уровень возвратов. Это ключевой аспект контроля качества в производстве и жизненно важен для поддержания целостности продукта.

Полный датасет сегментации упаковок также можно просматривать и управлять им на платформе Ultralytics.

YAML набора данных#

Файл YAML определяет конфигурацию датасета, включая пути, классы и другие важные детали. Для датасета сегментации упаковок файл package-seg.yaml поддерживается 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

Использование#

Чтобы обучить модель Ultralytics YOLO26n на датасете сегментации упаковок в течение 100 эпох с размером изображения 640, используй следующие фрагменты кода. Датасет (~103 МБ) загружается автоматически при первом использовании. Полный список доступных аргументов см. на странице модели Обучение.

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")

Примеры данных и разметки#

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

Датасет охватывает самые разные локации, среды и плотности упаковок, поэтому обученные на нем модели видят все необходимые реальные логистические сцены для генерализации. См. страницу задачи сегментации для ознакомления со связанными рабочими процессами.

Цитирование 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 датасета сегментации упаковок за их вклад в сообщество компьютерного зрения. Чтобы найти больше датасетов, посети коллекцию датасетов Ultralytics и наше руководство по советам по обучению моделей.

FAQ#