Link to this sectionMedikal Hap Veri Kümesi#

medical-pills tespit veri kümesi, yapay zekanın farmasötik uygulamalardaki potansiyelini göstermek için özenle hazırlanmış bir kavram kanıtı (POC) veri kümesidir. Medikal hapların tanımlanması için bilgisayarlı görü modelleri eğitmeye yönelik özel olarak tasarlanmış etiketli görseller içerir.

This dataset serves as a foundational resource for automating essential tasks such as quality control, packaging automation, and efficient sorting in pharmaceutical workflows. By integrating this dataset into projects, researchers and developers can explore innovative solutions that enhance accuracy, streamline operations, and ultimately contribute to improved healthcare outcomes.

Link to this sectionVeri Kümesi Yapısı#

medical-pills veri kümesi iki alt kümeye ayrılmıştır:

• Eğitim kümesi: Her biri pill sınıfı ile etiketlenmiş 92 görselden oluşur.
• Doğrulama kümesi: İlgili etiketlere sahip 23 görselden oluşur.

Link to this sectionUygulamalar#

Medikal hap tespiti için bilgisayarlı görü kullanmak, farmasötik endüstrisinde otomasyonu mümkün kılar ve aşağıdaki gibi görevleri destekler:

• Farmasötik Ayrıştırma: Üretim verimliliğini artırmak için hapların boyut, şekil veya renge göre ayrıştırılmasını otomatikleştirme.
• Yapay Zeka Araştırma ve Geliştirme: Farmasötik kullanım örneklerinde bilgisayarlı görü algoritmalarının geliştirilmesi ve test edilmesi için bir kıyaslama (benchmark) görevi görme.
• Dijital Envanter Sistemleri: Gerçek zamanlı stok takibi ve yenileme planlaması için otomatik hap tanıma sistemini entegre ederek akıllı envanter çözümlerini destekleme.
• Kalite Kontrol: Kusurları, düzensizlikleri veya kontaminasyonu tanımlayarak hap üretiminde tutarlılığı sağlama.
• Sahtecilik Tespiti: Görsel özellikleri bilinen standartlarla karşılaştırarak potansiyel sahte ilaçların tanımlanmasına yardımcı olma.

Link to this sectionVeri Kümesi YAML Dosyası#

Veri kümesinin yapısını, yollarını ve sınıflarını tanımlamak için bir YAML yapılandırma dosyası sağlanmıştır. medical-pills veri kümesi için medical-pills.yaml dosyasına https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/medical-pills.yaml adresinden erişilebilir.

# 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

Link to this sectionKullanım#

Bir YOLO26n modelini medical-pills veri kümesi üzerinde 640 görüntü boyutuyla 100 epoch boyunca eğitmek için aşağıdaki örnekleri kullan. Ayrıntılı argümanlar için modelin Eğitim sayfasına başvur.

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)

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")

Link to this sectionÖrnek Görüntüler ve Ek Açıklamalar#

medical-pills veri kümesi, hap çeşitliliğini sergileyen etiketli görseller içerir. Aşağıda veri kümesinden etiketlenmiş bir görsel örneği bulunmaktadır:

• Mozaiklenmiş Görsel: Gösterilen, mozaiklenmiş veri kümesi görsellerinden oluşan bir eğitim partisidir. Mozaikleme, birden fazla görseli tek bir karede birleştirerek eğitim çeşitliliğini artırır ve model genellemesini iyileştirir.

Link to this sectionDiğer Veri Kümeleri ile Entegrasyon#

Daha kapsamlı farmasötik analizler için, ambalaj tanımlama için package-seg gibi diğer ilgili veri kümelerini veya uçtan uca sağlık yapay zeka çözümleri geliştirmek için brain-tumor gibi tıbbi görüntüleme veri kümelerini medical-pills veri kümesiyle birleştirmeyi düşün.

Link to this sectionAlıntılar ve Teşekkür#

Veri kümesi AGPL-3.0 Lisansı altında mevcuttur.

Medical-pills veri kümesini araştırma veya geliştirme çalışmalarında kullanırsan, lütfen belirtilen detayları kullanarak atıfta bulun:

@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}
}

Link to this sectionSSS#

Link to this sectionmedical-pills veri kümesinin yapısı nasıldır?#

Veri kümesi, eğitim için 92 ve doğrulama için 23 görsel içerir. Her görsel pill sınıfı ile etiketlenmiştir, bu da farmasötik uygulamalar için modellerin etkili bir şekilde eğitilmesini ve değerlendirilmesini sağlar.

Link to this sectionmedical-pills veri kümesi üzerinde YOLO26 modelini nasıl eğitebilirim?#

YOLO26 modelini, sağlanan Python veya CLI yöntemlerini kullanarak 100 epoch boyunca ve 640px görüntü boyutuyla eğitebilirsin. Ayrıntılı talimatlar için Eğitim Örneği bölümüne başvur ve model yetenekleri hakkında daha fazla bilgi için YOLO26 dokümantasyonuna göz at.

Link to this sectionYapay zeka projelerinde medical-pills veri kümesini kullanmanın faydaları nelerdir?#

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

Link to this sectionmedical-pills veri kümesi üzerinde nasıl çıkarım (inference) yaparım?#

Çıkarım, ince ayar yapılmış bir YOLO26 modeli ile Python veya CLI yöntemleri kullanılarak gerçekleştirilebilir. Kod parçacıkları için Çıkarım Örneği bölümüne ve ek seçenekler için Tahmin modu dokümantasyonuna bak.

Link to this sectionmedical-pills veri kümesi için YAML yapılandırma dosyasını nerede bulabilirim?#

YAML dosyası medical-pills.yaml adresinde mevcuttur ve bu veri kümesinde model eğitmek için gerekli veri kümesi yollarını, sınıfları ve ek yapılandırma detaylarını içerir.