Bộ dữ liệu Medical Pills#

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

Tập dữ liệu Medical Pills của Ultralytics là một tập dữ liệu phát hiện đối tượng thử nghiệm khái niệm (POC) gồm 115 hình ảnh được gắn nhãn thuộc một lớp duy nhất, pill — 92 hình ảnh dùng cho huấn luyện và 23 hình ảnh dùng cho xác thực. Tập dữ liệu này được xây dựng để minh họa các model thị giác máy tính cho các ứng dụng dược phẩm như kiểm soát chất lượng, tự động hóa đóng gói và phân loại.

Cấu trúc bộ dữ liệu#

Bộ dữ liệu Medical Pills chứa 115 ảnh được gán nhãn với một lớp duy nhất, pill, được chia thành hai tập con theo cấu hình medical-pills.yaml:

Khám phá Medical Pills trên Ultralytics Platform để duyệt các ảnh cùng lớp phủ annotation, xem phân phối lớp và heatmap bounding box trong tab Charts, đồng thời clone bộ dữ liệu để huấn luyện model của riêng bạn trên cloud.

Ứng dụng#

Việc sử dụng thị giác máy tính để phát hiện viên thuốc y tế cho phép tự động hóa trong ngành dược phẩm, hỗ trợ các tác vụ như:

• Phân loại dược phẩm: Tự động hóa việc phân loại viên thuốc dựa trên kích thước, hình dạng hoặc màu sắc để nâng cao hiệu suất sản xuất.
• Nghiên cứu và phát triển AI: Đóng vai trò là benchmark để phát triển và kiểm thử các thuật toán thị giác máy tính trong những use case dược phẩm.
• Hệ thống quản lý tồn kho số: Cung cấp nền tảng cho các giải pháp quản lý tồn kho thông minh bằng cách tích hợp khả năng nhận dạng viên thuốc tự động để theo dõi tồn kho theo thời gian thực và lập kế hoạch bổ sung.
• Kiểm soát chất lượng: Đảm bảo tính nhất quán trong sản xuất viên thuốc bằng cách xác định lỗi, điểm bất thường hoặc tình trạng nhiễm bẩn.
• Phát hiện hàng giả: Hỗ trợ xác định các loại thuốc có khả năng là hàng giả bằng cách phân tích các đặc điểm hình ảnh và đối chiếu với các tiêu chuẩn đã biết.

YAML của bộ dữ liệu#

File medical-pills.yaml định nghĩa cấu hình bộ dữ liệu — các đường dẫn bộ dữ liệu, tên lớp và metadata khác. File này được duy trì trong repository Ultralytics tại https://github.com/ultralytics/ultralytics/blob/main/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

Cách sử dụng#

Để huấn luyện model YOLO26n trên bộ dữ liệu Medical Pills trong 100 epoch với kích thước ảnh 640, hãy sử dụng các ví dụ sau. Để xem các tham số chi tiết, tham khảo trang Training của model.

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")

Hình ảnh mẫu và annotation#

Bộ dữ liệu Medical Pills có các ảnh được gán nhãn, thể hiện sự đa dạng của các viên thuốc. Dưới đây là một ví dụ về ảnh được gán nhãn từ bộ dữ liệu:

• Ảnh mosaic: Hình ảnh hiển thị một batch huấn luyện gồm các ảnh mosaic từ bộ dữ liệu. Việc tạo mosaic làm tăng tính đa dạng của dữ liệu huấn luyện bằng cách gộp nhiều ảnh thành một, qua đó cải thiện khả năng tổng quát hóa của model.

Tích hợp với các bộ dữ liệu khác#

Để phân tích dược phẩm toàn diện hơn, hãy cân nhắc kết hợp bộ dữ liệu Medical Pills với các bộ dữ liệu liên quan khác như package-seg để nhận dạng bao bì hoặc các bộ dữ liệu hình ảnh y tế như brain-tumor nhằm phát triển các giải pháp AI y tế end-to-end.

Trích dẫn và ghi nhận đóng góp#

Bộ dữ liệu được cung cấp theo Giấy phép AGPL-3.0.

Nếu sử dụng bộ dữ liệu Medical Pills trong công việc nghiên cứu hoặc phát triển, vui lòng trích dẫn bộ dữ liệu bằng các thông tin đã nêu:

@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}
}

FAQ#