Tıbbi Haplar Veri Kümesi#

115

medical pills

ultralytics

publicDetect

Medical Pills contains close-range photographs of pharmaceutical tablets and capsules in varied arrangements. Single-class bounding boxes and clean background images support medication localization, counting, dispensing verification, and visual inventory.

21 class16.1 MBSep 2, 2026

pill

Ultralytics Tıbbi Haplar veri kümesi, tek bir pill sınıfında etiketlenmiş 115 görüntüden (92 eğitim, 23 doğrulama) oluşan bir kavram kanıtlama (POC) nesne tespiti veri kümesidir. Kalite kontrolü, ambalaj otomasyonu ve sınıflandırma gibi ilaç endüstrisi uygulamalarına yönelik bilgisayarlı görü modellerini sergilemek için oluşturulmuştur.

Veri Kümesi Yapısı#

Tıbbi Haplar veri kümesi, pill adlı tek bir sınıfta anotasyonlanmış 115 görüntü içerir ve medical-pills.yaml yapılandırmasıyla tanımlanan iki alt kümeye ayrılır:

Anotasyon katmanlarıyla birlikte görüntülere göz atmak, Grafikler sekmesinde sınıf dağılımını ve sınırlayıcı kutu ısı haritalarını görüntülemek ve kendi modelini bulutta eğitmek üzere veri kümesini klonlamak için Ultralytics Platform'da Tıbbi Hapları incele.

Uygulamalar#

Tıbbi hapları tespit etmek için bilgisayarlı görü kullanmak, ilaç endüstrisinde aşağıdaki gibi görevleri destekleyerek otomasyonu mümkün kılar:

• İlaç Sınıflandırma: Üretim verimliliğini artırmak için hapları boyutlarına, şekillerine veya renklerine göre otomatik olarak sınıflandırma.
• Yapay Zeka Araştırma ve Geliştirme: İlaç kullanımı senaryolarına yönelik bilgisayarlı görü algoritmalarının geliştirilmesi ve test edilmesi için kıyaslama aracı olarak kullanma.
• Dijital Envanter Sistemleri: Gerçek zamanlı stok takibi ve ikmal planlaması için otomatik hap tanımayı entegre ederek akıllı envanter çözümlerini destekleme.
• Kalite Kontrolü: Kusurları, düzensizlikleri veya kontaminasyonu belirleyerek hap üretiminde tutarlılığı sağlama.
• Sahte Ürün Tespiti: Görsel özellikleri bilinen standartlarla karşılaştırarak sahte olma ihtimali bulunan ilaçların belirlenmesine yardımcı olma.

Veri Kümesi YAML Dosyası#

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

# 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#

640 görüntü boyutuyla Tıbbi Haplar veri kümesinde bir YOLO26n modelini 100 epoch boyunca eğitmek için aşağıdaki örnekleri kullan. Ayrıntılı bağımsız değişkenler için modelin Eğitim sayfasına bak.

from ultralytics import YOLO

# Bir model yükle
model = YOLO("yolo26n.pt")  # Önceden eğitilmiş bir model yükle (eğitim için önerilir)

# Modeli eğit
results = model.train(data="medical-pills.yaml", epochs=100, imgsz=640)

from ultralytics import YOLO

# Bir model yükle
model = YOLO("path/to/best.pt")  # ince ayar yapılmış bir modeli yükle

# Modeli kullanarak çıkarım yap
results = model.predict("https://ultralytics.com/assets/medical-pills-sample.jpg")

Örnek Görüntüler ve Ek Açıklamalar#

Tıbbi Haplar veri kümesinde, hap çeşitliliğini gösteren etiketli görüntüler bulunur. Aşağıda veri kümesinden alınmış mozaiklenmiş bir eğitim grubu örneği verilmiştir:

• Mozaiklenmiş Görüntü: Görüntülenen, mozaiklenmiş veri kümesi görüntülerinden oluşan bir eğitim grubudur. Mozaikleme, birden fazla görüntüyü tek bir görüntüde birleştirerek eğitim çeşitliliğini artırır ve modelin genelleme yeteneğini geliştirir.

Diğer Veri Kümeleriyle Entegrasyon#

Daha kapsamlı farmasötik analizler için, ambalaj tanımlama amacıyla package-seg gibi ilgili diğer veri kümelerini veya uçtan uca sağlık hizmetleri yapay zekâ çözümleri geliştirmek için brain-tumor gibi tıbbi görüntüleme veri kümelerini Medical Pills veri kümesiyle birleştirmeyi düşünebilirsin.

Atıflar ve Teşekkürler#

Veri kümesi AGPL-3.0 Lisansı kapsamında sunulur.

Medical Pills veri kümesini araştırma veya geliştirme çalışmalarında kullanırsan, lütfen belirtilen bilgileri kullanarak kaynak göster:

@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}
}

Sık Sorulan Sorular#