Başla

Tıbbi Haplar Veri Kümesi

Open Medical Pills Dataset In Colab

Ultralytics Medical Pills veri kümesi, pill adlı tek bir sınıfta 115 etiketli görüntüden (92 eğitim, 23 doğrulama) oluşan bir kavram kanıtı (POC) nesne algılama veri kümesidir. Kalite kontrolü, ambalaj otomasyonu ve ayıklama gibi ilaç sektöründeki uygulamalar için bilgisayarlı görü modellerini göstermeyi amaçlar.



İzle: Tıbbi Hap Algılama Veri Kümesinde Ultralytics YOLO Modeli Google Colab Üzerinde Nasıl Eğitilir

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:

BölümGörüntülerAçıklama
Eğit92Model eğitimi için etiketlenmiş görüntüler
Doğrulama23Değerlendirme ve karşılaştırmalı analiz için ayrılmış görüntüler

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#

İlaçların bilgisayarlı görüyle algılanması, ilaç sektöründe otomasyonu mümkün kılar ve şu görevleri destekler:

  • 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/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 kümesinde 640 görüntü boyutuyla 100 epoch eğitim yapmak için YOLO26n modelinde aşağıdaki örnekleri kullan. Ayrıntılı bağımsız değişkenler için modelin Eğitim sayfasına bak.

Eğitim Örneği
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)
Çıkarım Örneği
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:

Etiketli haplarla mozaiklenmiş Medical Pills veri kümesi eğitim batch'i

  • 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 bir ilaç analizi için Medical Pills veri kümesini, ambalaj tanımlama amacıyla Package Segmentation gibi diğer ilgili veri kümeleriyle veya uçtan uca sağlık hizmetleri yapay zekâ çözümleri geliştirmek için Brain Tumor gibi tıbbi görüntüleme veri kümeleriyle birleştirmeyi değerlendirebilirsin.

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:

Atıf
@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#

  • Medical Pills veri kümesinde toplam 115 görüntü bulunur: 92 eğitim ve 23 doğrulama görüntüsü; ayrı bir test bölümü yoktur. Her görüntü tek bir sınıfla, pill ile etiketlenmiştir. Veri kümesi, medical-pills.yaml yapılandırmasında tanımlanan 8.19 MB boyutunda otomatik indirme olarak sunulur.

  • Sağlanan Python veya CLI yöntemlerini kullanarak YOLO26 modelini 640px görüntü boyutuyla 100 epoch boyunca eğitebilirsin. Ayrıntılı yönergeler için Eğitim Örneği bölümüne, model yetenekleri hakkında daha fazla bilgi için YOLO26 belgelerine bak.

  • Veri kümesi; sahteciliği önleme, kalite güvencesi ve ilaç süreçlerini optimize etme amacıyla otomatik hap algılamayı gösterir. Küçük boyutu, ilaç güvenliğini ve tedarik zinciri verimliliğini artıran uygulamaların prototipini oluşturmak için hızlı bir başlangıç noktası sunar.

  • Çıkarım, ince ayar yapılmış bir YOLO26 modeliyle Python veya CLI yöntemleri kullanılarak gerçekleştirilebilir. Kod örnekleri için Çıkarım Örneği bölümüne, ek seçenekler için Predict modu belgelerine bak.

  • Bu veri kümesinde model eğitimi için gerekli veri kümesi yollarını, sınıfları ve diğer yapılandırma ayrıntılarını içeren YAML dosyasına medical-pills.yaml adresinden ulaşabilirsin.

Yorumlar1

Bir soru sor, sonuçlarını paylaş veya başka birine yardım et.