Paket Segmentasyon Veri Seti#

Ultralytics Paket Segmentasyon Veri Kümesi, tek bir package sınıfı üzerinde instance segmentation modellerini eğitmek için paketlerin özenle seçilmiş 2.197 etiketli görüntüsünden oluşan bir koleksiyondur. Paket tanımlama, sıralama ve elleçleme gibi lojistik ve depo otomasyonu kullanım durumları için oluşturulmuş olup, computer vision boru hatlarında gerçek zamanlı paket analizi için doğrudan Ultralytics YOLO ile eşleşir. Daha fazla segmentasyon veri kümesini datasets overview page sayfamızda keşfet.

Veri Kümesi Yapısı#

Paket Segmentasyon Veri Seti, 2.197 görüntüsünü aşağıdaki şekilde bölümlere ayırır:

• Eğitim seti: deep learning modelini training yapmak için kullanılan 1.920 görüntü.
• Doğrulama kümesi: Hiperparametreleri ince ayar yapmak ve aşırı öğrenmeyi önlemek için eğitim sırasında kullanılan 188 görüntü.
• Test seti: Eğitimden sonra modeli değerlendirmek için kenara ayrılan 89 görüntü.
• Sınıflar: Etiketlenmiş her paketi kapsayan tek bir package sınıfı.
• İndirme boyutu: ~103 MB.

Uygulamalar#

Paket segmentasyonu; e-ticaret sipariş karşılama ve güvenlik taraması gibi uygulamaları kapsayarak lojistik, son aşama teslimat, üretim kalite kontrol ve akıllı şehir sistemlerini optimize eder. Hassas paket maskeleri, otomatik sistemlerin paketleri gerçek zamanlı olarak bulmasını, saymasını ve incelemesini sağlar.

Akıllı Depolar ve Lojistik#

Modern depolarda, görüntü tabanlı yapay zeka çözümleri, paket tanımlama ve sıralamayı otomatize ederek operasyonları kolaylaştırabilir. Bu veri kümesi üzerinde eğitilen bilgisayarlı görü modelleri, loş aydınlatmalı veya kalabalık alanlar gibi zorlu ortamlarda bile paketleri gerçek zamanlı olarak hızla tespit edebilir ve segmentlere ayırabilir. Bu, lojistik operasyonlarında daha hızlı işlem sürelerine, daha az hataya ve iyileştirilmiş genel verimliliğe yol açar.

Kalite Kontrol ve Hasar Tespiti#

Paket segmentasyon modelleri, şekil ve görünümlerini analiz ederek hasarlı paketleri tanımlayabilir. Paket hatlarındaki düzensizlikleri veya deformasyonları tespit ederek, bu modeller yalnızca sağlam paketlerin tedarik zincirinden geçmesini sağlamaya yardımcı olur, müşteri şikayetlerini ve iade oranlarını azaltır. Bu, üretimde kalite kontrolün kilit bir yönüdür ve ürün bütünlüğünü korumak için hayati önem taşır.

Eksiksiz Paket Segmentasyon Veri Kümesi ayrıca Ultralytics Platform üzerinde incelenebilir ve yönetilebilir.

Veri Kümesi YAML#

Bir YAML dosyası, yollar, sınıflar ve diğer temel ayrıntılar dahil olmak üzere veri kümesi yapılandırmasını tanımlar. Paket Segmentasyon veri kümesi için package-seg.yaml dosyası https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/package-seg.yaml adresinde barındırılmaktadır.

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# Package-seg dataset by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/segment/package-seg
# Example usage: yolo train data=package-seg.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── package-seg ← downloads here (103 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: package-seg # dataset root dir
train: images/train # train images (relative to 'path') 1920 images
val: images/val # val images (relative to 'path') 188 images
test: images/test # test images (relative to 'path') 89 images

# Classes
names:
  0: package

# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/package-seg.zip

Kullanım#

Paket Segmentasyon veri kümesi üzerinde 640 görüntü boyutuyla 100 epochs boyunca bir Ultralytics YOLO26n modeli eğitmek için aşağıdaki kod parçacıklarını kullan. Veri kümesi (~103 MB) ilk kullanımda otomatik olarak indirilir. Mevcut argümanların kapsamlı bir listesi için modelin Training page sayfasına göz at.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-seg.pt")  # load a pretrained segmentation model (recommended for training)

# Train the model on the Package Segmentation dataset
results = model.train(data="package-seg.yaml", epochs=100, imgsz=640)

# Validate the model
results = model.val()

# Perform inference on an image
results = model("path/to/image.jpg")

Örnek Veriler ve Etiketler#

Aşağıda, tespit edilen paketlerin ana hatlarını gösteren ve segmentasyon maskeleri bindirilmiş bir Paket Segmentasyon Veri Seti örneği bulunmaktadır:

Veri kümesi çeşitli konumları, ortamları ve paket yoğunluklarını kapsar, bu nedenle üzerinde eğitilen modeller genelleme yapmaları gereken gerçek dünyadaki lojistik sahnelerinin aralığını görür. İlgili iş akışları için segmentasyon görevi sayfasına bak.

Alıntılar ve Teşekkür#

Paket Segmentasyon veri setini araştırma veya geliştirme girişimlerine entegre edersen, lütfen kaynağı uygun şekilde belirt:

@misc{ factory_package_dataset,
    title = { factory_package Dataset },
    type = { Open Source Dataset },
    author = { factorypackage },
    url = { https://universe.roboflow.com/factorypackage/factory_package },
    year = { 2024 },
    month = { jan },
    note = { visited on 2024-01-24 },
}

Bilgisayarlı görü topluluğuna katkılarından dolayı Paket Segmentasyon veri kümesinin oluşturucularına teşekkür ederiz. Daha fazla veri kümesi için Ultralytics Veri Kümeleri koleksiyonunu ve model eğitimi ipuçları hakkındaki kılavuzumuzu ziyaret et.

SSS#

Paket Segmentasyon Veri Seti nedir ve Ultralytics YOLO26 içerisinde nasıl kullanılır?#

Paket Segmentasyon Veri Kümesi, tek bir package sınıfı üzerinde instance segmentation modellerini eğitmek ve değerlendirmek için paketlerin 2.197 etiketli görüntüsünden oluşan bir koleksiyondur. Paket tanımlama, sıralama ve kalite kontrol gibi lojistik ve depo otomasyonu uygulamalarını hedefler ve package-seg.yaml yapılandırma dosyası aracılığıyla doğrudan Ultralytics YOLO26 ile kullanılır.

Paket Segmentasyon Veri Seti kaç görüntü ve sınıf içerir?#

Veri kümesi toplam 2.197 görüntü içerir; eğitim için 1.920, doğrulama için 188 ve test için 89 görüntü olup tümü tek bir package sınıfı için etiketlenmiştir. Tam arşiv, ilk kullanımda ~103 MB'lık bir .zip olarak otomatik olarak indirilir.

Paket Segmentasyon Veri Seti üzerinde Ultralytics YOLO26 modelini nasıl eğitirim?#

Önceden eğitilmiş bir segmentasyon modeli yükle (örn. yolo26n-seg.pt) ve yukarıdaki Usage bölümünde yer alan Python veya CLI kod parçacıklarını kullanarak bunu package-seg.yaml yapılandırmasıyla eğit. Mevcut argümanların tam listesi için Training guide sayfasına bak.

Lojistikte paket segmentasyonu için neden Ultralytics YOLO26 kullanılmalı?#

YOLO26, instance segmentation için son teknoloji accuracy ve gerçek zamanlı hız sağlayarak otomasyon sistemlerinin loş veya kalabalık depolarda bile paketleri güvenilir bir şekilde tespit edip sıralamasını sağlar — yukarıdaki Applications bölümüne bakın. Eğitilmiş modeller, depo donanımında dağıtım için ONNX ve TensorRT gibi formatlara aktarılır.

Paket Segmentasyonu için veri seti yapılandırma dosyasını nerede bulabilirim?#

Veri kümesi yollarını ve tek package sınıfını tanımlayan package-seg.yaml dosyası, Ultralytics GitHub deposunda yer almaktadır: package-seg.yaml.