Link to this sectionMedical Pills Veri Seti#
The Ultralytics Medical Pills dataset is a proof-of-concept (POC) object detection dataset of 115 labeled images across a single class, pill — 92 for training and 23 for validation. It is built to demonstrate computer vision models for pharmaceutical applications such as quality control, packaging automation, and sorting.
Watch: How to train an Ultralytics YOLO Model on the Medical Pills Detection Dataset in Google Colab
Link to this sectionVeri Kümesi Yapısı#
The Medical Pills dataset contains 115 images annotated with a single class, pill, split into two subsets defined by the medical-pills.yaml configuration:
| Bölüm | Görüntüler | Açıklama |
|---|---|---|
| Eğit (Train) | 92 | Model eğitimi için etiketli görüntüler |
| Doğrulama | 23 | Değerlendirme ve kıyaslama için ayrılmış görüntüler |
Ultralytics Platform üzerinde Medical Pills kısmını keşfederek görüntüleri ek açıklamalarıyla birlikte inceleyebilir, Charts sekmesinden sınıf dağılımını ve sınırlayıcı kutu (bounding-box) ısı haritalarını görüntüleyebilir ve kendi modelini bulutta eğitmek için klonlayabilirsin.
Link to this sectionUygulamalar#
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.
Link to this sectionVeri Kümesi YAML#
medical-pills.yaml dosyası veri seti yapılandırmasını tanımlar; veri seti yollarını, sınıf isimlerini ve diğer üst verileri içerir. Ultralytics deposunda https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/medical-pills.yaml adresinde tutulmaktadır.
# 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.zipLink to this sectionKullanım#
Medical Pills veri setinde 640 görüntü boyutu ile 100 dönem (epoch) boyunca bir YOLO26n modeli eğitmek için aşağıdaki örnekleri kullan. Ayrıntılı argümanlar için modelin Eğitim sayfasına bakabilirsin.
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 seti, hap çeşitliliğini sergileyen etiketli görüntüler içerir. Aşağıda, veri setinden etiketli bir görüntü örneği yer almaktadır:

- Mozaik Görüntü: Görüntülenen, mozaiklenmiş veri seti görüntülerinden oluşan bir eğitim partisidir. Mozaikleme, birden fazla görüntüyü birleştirerek eğitim çeşitliliğini artırır ve modelin genelleme yeteneğini iyileştirir.
Link to this sectionDiğer Veri Setleri ile Entegrasyon#
Daha kapsamlı ilaç analizi için, Medical Pills veri setini paket tanımlama için package-seg veya uçtan uca sağlık yapay zeka çözümleri geliştirmek için brain-tumor gibi diğer ilgili veri setleriyle birleştirmeyi düşün.
Link to this sectionAlıntılar ve Teşekkür#
Veri seti AGPL-3.0 Lisansı altında mevcuttur.
Medical Pills veri setini araştırma veya geliştirme çalışmalarında kullanıyorsan, lütfen belirtilen ayrıntıları 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}
}Link to this sectionSSS#
Link to this sectionMedical Pills veri setinde kaç görüntü ve sınıf var?#
Medical Pills veri seti, 92'si eğitim ve 23'ü doğrulama için olmak üzere toplam 115 görüntü içerir; ayrı bir test kümesi yoktur. Her görüntü tek bir pill sınıfı ile etiketlenmiştir. medical-pills.yaml yapılandırmasında tanımlanan 8,19 MB'lık otomatik bir indirme olarak sunulur.
Link to this sectionMedical Pills veri setinde bir YOLO26 modelini nasıl eğitebilirim?#
Sağlanan Python veya CLI yöntemlerini kullanarak 640px görüntü boyutu ile 100 epoch boyunca bir YOLO26 modeli eğitebilirsin. Ayrıntılı talimatlar için Eğitim Örneği bölümüne bakabilir ve model yetenekleri hakkında daha fazla bilgi için YOLO26 belgelerini inceleyebilirsin.
Link to this sectionMedical 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.
Link to this sectionMedical Pills veri setinde çıkarım (inference) işlemini nasıl yaparım?#
Çıkarım, ince ayar yapılmış bir YOLO26 modeli ile Python veya CLI yöntemleri kullanılarak yapılabilir. Kod parçacıkları için Çıkarım Örneği bölümüne ve ek seçenekler için Tahmin modu belgelerine bakabilirsin.
Link to this sectionMedical Pills veri seti için YAML yapılandırma dosyasını nerede bulabilirim?#
YAML dosyası medical-pills.yaml adresinde mevcuttur ve bu veri setinde modelleri eğitmek için gerekli veri seti yollarını, sınıfları ve ek yapılandırma ayrıntılarını içerir.