YOLO Vision 2026:

Medical Pills Veri Seti#

Open Medical Pills Dataset In Colab

Ultralytics Medical Pills veri seti, kalite kontrol, paketleme otomasyonu ve sınıflandırma gibi farmasötik uygulamalar için computer vision models modellerini göstermek amacıyla oluşturulmuş, tek bir sınıf olan pill altında etiketlenmiş 92'si eğitim ve 23'ü doğrulama için olmak üzere toplam 115 etiketli görüntü içeren bir konsept kanıtı (POC) object detection veri setidir.



Watch: How to train an Ultralytics YOLO Model on the Medical Pills Detection Dataset in Google Colab

Veri Kümesi Yapısı#

Medical Pills veri seti, medical-pills.yaml yapılandırmasıyla tanımlanan iki alt sete bölünmüş, tek bir sınıf olan pill ile etiketlenmiş 115 görüntü içermektedir:

BölümGörüntülerAçıklama
Eğit (Train)92Model eğitimi için etiketli görüntüler
Doğrulama23Değerlendirme ve kıyaslama için ayrılmış görüntüler

Görselleri açıklama katmanlarıyla incelemek, Charts sekmesinde sınıf dağılımını ve sınırlayıcı kutu ısı haritalarını görmek ve bulutta kendi modelini eğitmek için kopyalamak üzere Medical Pills on Ultralytics Platform adresini keşfet.

Uygulamalar#

İlaç hapları algılama için bilgisayarlı görü kullanmak, ilaç endüstrisinde otomasyonu mümkün kılarak şu gibi görevleri destekler:

  • İlaç Sınıflandırma: Üretim verimliliğini artırmak için hapların boyut, şekil veya renge göre sınıflandırılmasını otomatikleştirmek.
  • Yapay Zeka Araştırma ve Geliştirme: İlaç kullanım durumlarında computer vision algoritmalarının geliştirilmesi ve test edilmesi için bir kıyaslama görevi görmek.
  • Dijital Envanter Sistemleri: Gerçek zamanlı stok takibi ve ikmal planlaması için otomatik hap tanımayı entegre ederek akıllı envanter çözümlerine güç sağlamak.
  • Kalite Kontrol: Kusurları, düzensizlikleri veya kontaminasyonu tanımlayarak hap üretiminde tutarlılığı sağlamak.
  • Sahtecilik Tespiti: Bilinen standartlara karşı görsel özellikleri analiz ederek potansiyel olarak sahte ilaçların tanımlanmasına yardımcı olmak.

Veri Kümesi YAML#

medical-pills.yaml dosyası veri seti yapılandırmasını — veri seti yollarını, sınıf adlarını ve diğer üst verileri tanımlar. Ultralytics deposunda https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/medical-pills.yaml adresinde barındırılır.

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

Kullanım#

Medical Pills veri setinde 640 görsel boyutuyla 100 epochs boyunca bir YOLO26n modelini eğitmek için aşağıdaki örnekleri kullan. Ayrıntılı argümanlar için modelin Training sayfasına bak.

Eğitim Örneği
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)
Çıkarım Örneği
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")

Örnek Görüntüler ve Ek Açıklamalar#

Medical Pills veri seti, hap çeşitliliğini sergileyen etiketli görüntüler içerir. Aşağıda, veri setinden etiketli bir görüntü örneği yer almaktadır:

Medical Pills dataset sample image

  • Mozaik Görüntü: Görüntülenen, mozaiklenmiş veri seti görüntülerinden oluşan bir eğitim partisidir. Mozaikleme, birden fazla görüntüyü birleştirerek eğitim çeşitliliğini artırır ve modelin genelleme yeteneğini iyileştirir.

Diğer Veri Setleri ile Entegrasyon#

Daha kapsamlı eczacılık analizi için uçtan uca sağlık AI çözümleri geliştirmek amacıyla Medical Pills veri setini, paket tanımlama için package-seg veya brain-tumor gibi tıbbi görüntüleme veri setleri gibi diğer ilgili veri setleriyle birleştirmeyi değerlendir.

Alıntılar ve Teşekkür#

Veri seti AGPL-3.0 License altında kullanılabilir.

Medical Pills veri setini araştırma veya geliştirme çalışmalarında kullanıyorsan, lütfen belirtilen ayrıntıları kullanarak kaynak göster:

Alıntı
@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}
}

SSS#

Medical Pills veri setinde kaç görüntü ve sınıf var?#

Medical Pills veri seti, ayrı bir test bölünmesi olmaksızın, 92'si eğitim ve 23'ü doğrulama için olmak üzere toplam 115 görsel içerir. Her görsel tek bir pill sınıfıyla etiketlenmiştir. medical-pills.yaml yapılandırmasında tanımlanan 8,19 MB boyutunda otomatik bir indirme olarak gelir.

Medical Pills veri setinde bir YOLO26 modelini nasıl eğitebilirim?#

Sağlanan Python veya CLI yöntemlerini kullanarak 640px görsel boyutuyla 100 epoch boyunca bir YOLO26 modelini eğitebilirsin. Ayrıntılı talimatlar için Training Example bölümüne göz at ve model yetenekleri hakkında daha fazla bilgi için YOLO26 documentation sayfasına bak.

Medical Pills veri setini yapay zeka projelerinde kullanmanın faydaları nelerdir?#

Veri seti, hap algılamada otomasyonu mümkün kılarak sahteciliği önlemeye, kalite güvencesine ve ilaç süreci optimizasyonuna katkıda bulunur. Ayrıca ilaç güvenliğini ve tedarik zinciri verimliliğini artırabilecek yapay zeka çözümleri geliştirmek için değerli bir kaynak görevi görür.

Medical Pills veri setinde çıkarım (inference) işlemini nasıl yaparım?#

Inference, ince ayar yapılmış bir YOLO26 modeli ile Python veya CLI yöntemleri kullanılarak yapılabilir. Kod parçacıkları için Inference Example bölümüne ve ek seçenekler için Predict mode documentation sayfasına bak.

Medical Pills veri seti için YAML yapılandırma dosyasını nerede bulabilirim?#

YAML dosyası, veri seti yollarını, sınıfları ve bu veri setinde modelleri eğitmek için gerekli olan ek yapılandırma ayrıntılarını içeren medical-pills.yaml adresinde mevcuttur.

Yorumlar