Набор данных Package Segmentation Dataset
Набор данных Package Segmentation Dataset от Ultralytics — это тщательно отобранная коллекция из 2 197 размеченных изображений посылок для обучения моделей сегментации экземпляров с одним классом package. Набор предназначен для логистики и автоматизации складов, например для распознавания, сортировки и обработки посылок, и напрямую работает с Ultralytics YOLO, обеспечивая анализ посылок в реальном времени в конвейерах компьютерного зрения. Другие наборы данных для сегментации смотри на нашей странице с обзором наборов данных.
Смотри: Обучи модель сегментации упаковок с помощью Ultralytics YOLO | Промышленные упаковки 🎉
Структура набора данных#
В наборе данных Package Segmentation Dataset 2 197 изображений распределены следующим образом:
- Обучающая выборка: 1 920 изображений для обучения модели глубокого обучения.
- Валидационная выборка: 188 изображений, используемых во время обучения для настройки гиперпараметров и предотвращения переобучения.
- Тестовая выборка: 89 изображений, отложенных для оценки модели после обучения.
- Классы: один класс
package, охватывающий все размеченные посылки. - Размер загрузки: около 103 МБ.
Применение#
Сегментация посылок помогает решать задачи логистики, доставки на последнем километре, контроля качества производства и систем умного города; среди ее применений — обработка заказов электронной коммерции и досмотр безопасности. Точные маски посылок позволяют автоматизированным системам находить, подсчитывать и проверять отправления в реальном времени.
Умные склады и логистика#
На современных складах решения на основе ИИ для компьютерного зрения помогают оптимизировать работу, автоматизируя идентификацию и сортировку посылок. Модели компьютерного зрения, обученные на этом наборе данных, могут быстро обнаруживать и сегментировать посылки в реальном времени даже в сложных условиях: при тусклом освещении или в загроможденных помещениях. Это ускоряет обработку, сокращает число ошибок и повышает общую эффективность логистических операций.
Контроль качества и обнаружение повреждений#
Модели сегментации посылок могут выявлять повреждённые отправления, анализируя их форму и внешний вид. Обнаруживая неровности или деформации контуров посылок, такие модели помогают обеспечить прохождение по цепочке поставок только целых отправлений, сокращая количество жалоб клиентов и возвратов. Это важная часть контроля качества на производстве, необходимая для сохранения целостности продукции.
Полный набор данных Package Segmentation Dataset также можно просматривать и обрабатывать на Ultralytics Platform.
Файл YAML набора данных#
Файл YAML задаёт конфигурацию набора данных, включая пути, классы и другие важные сведения. Для набора данных 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.zipИспользование#
Чтобы обучить модель Ultralytics YOLO26n-seg на датасете Package Segmentation в течение 100 эпох с размером изображения 640, используй следующие фрагменты кода. Датасет (~103 МБ) автоматически загружается при первом использовании.
from ultralytics import YOLO
# Загрузить модель
model = YOLO("yolo26n-seg.pt") # загрузи предварительно обученную модель сегментации (рекомендуется для обучения)
# Обучение модели на наборе данных Package Segmentation
results = model.train(data="package-seg.yaml", epochs=100, imgsz=640)
# Валидировать модель
results = model.val()
# Выполни инференс на изображении
results = model("path/to/image.jpg")Примеры данных и аннотаций#
Ниже приведён пример из набора данных Package Segmentation Dataset с наложенными масками сегментации, которые очерчивают обнаруженные посылки:

Набор данных охватывает различные места, условия среды и плотность расположения посылок, поэтому обученные на нём модели видят широкий спектр реальных логистических сцен, на которые им нужно обобщать. О связанных рабочих процессах смотри страницу задачи сегментации.
Цитирование и благодарности#
Если ты используешь набор данных Package Segmentation в исследованиях или разработке, укажи источник в соответствии с правилами цитирования:
@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 благодарим создателей набора данных Package Segmentation за вклад в сообщество компьютерного зрения. Больше наборов данных смотри в коллекции наборов данных Ultralytics и в нашем руководстве с советами по обучению моделей.
Часто задаваемые вопросы#
Набор данных Package Segmentation Dataset — это коллекция из 2 197 размеченных изображений посылок для обучения и оценки моделей сегментации экземпляров с одним классом
package. Набор предназначен для логистики и автоматизации складов, например для распознавания и сортировки посылок, а также контроля качества; он напрямую используется с Ultralytics YOLO26 через файл конфигурацииpackage-seg.yaml.Всего в наборе данных 2 197 изображений: 1 920 для обучения, 188 для валидации и 89 для тестирования. Все изображения размечены одним классом
package. При первом использовании весь архив автоматически загружается в виде файла.zipразмером около 103 МБ.Загрузи предварительно обученную модель сегментации (например,
yolo26n-seg.pt) и обучи ее с конфигурациейpackage-seg.yaml, используя примеры для Python или CLI из раздела Использование выше. Полный список доступных аргументов см. в руководстве по обучению.YOLO26 обеспечивает передовую точность и скорость обработки в реальном времени для сегментации экземпляров, позволяя автоматизированным системам надёжно обнаруживать и сортировать посылки даже в тёмных или загромождённых складских помещениях — смотри раздел Применение выше. Обученные модели можно экспортировать в форматы, такие как ONNX и TensorRT, для развёртывания на различном складском оборудовании.
Файл
package-seg.yaml, в котором заданы пути к данным и единственный классpackage, находится в репозитории Ultralytics на GitHub: package-seg.yaml.
Комментарии
Задай вопрос, поделись результатами или помоги кому-нибудь.



