Bộ dữ liệu Phân đoạn Gói hàng#

Bộ dữ liệu phân đoạn gói hàng Ultralytics là một bộ sưu tập gồm 2.197 hình ảnh được gán nhãn về các gói hàng dùng để huấn luyện các mô hình instance segmentation trên một lớp package duy nhất. Được xây dựng cho các trường hợp sử dụng trong hậu cần và tự động hóa kho hàng như nhận dạng, phân loại và xử lý gói hàng, nó kết hợp trực tiếp với Ultralytics YOLO để phân tích gói hàng theo thời gian thực trong các đường ống computer vision. Khám phá thêm các bộ dữ liệu phân đoạn trên trang tổng quan về bộ dữ liệu của chúng tôi.

Cấu trúc tập dữ liệu#

Tập dữ liệu Package Segmentation chia 2.197 hình ảnh của nó như sau:

• Tập huấn luyện: 1.920 hình ảnh được sử dụng để huấn luyện mô hình deep learning.
• Tập kiểm định: 188 hình ảnh được sử dụng trong quá trình huấn luyện để tinh chỉnh hyperparameters và ngăn ngừa overfitting.
• Tập thử nghiệm (Testing set): 89 hình ảnh được giữ lại để đánh giá mô hình sau khi huấn luyện.
• Các lớp: một lớp package duy nhất bao gồm mọi gói hàng được gán nhãn.
• Dung lượng tải xuống: ~103 MB.

Ứng dụng#

Package segmentation tối ưu hóa quy trình logistics, giao hàng chặng cuối, kiểm soát chất lượng sản xuất và các hệ thống đô thị thông minh, với các ứng dụng trải rộng từ hoàn tất đơn hàng thương mại điện tử đến sàng lọc an ninh. Các mặt nạ phân đoạn kiện hàng chính xác cho phép các hệ thống tự động định vị, đếm và kiểm tra bưu kiện theo thời gian thực.

Kho hàng Thông minh và Logistics#

Trong các nhà kho hiện đại, các vision AI solutions có thể hợp lý hóa các hoạt động bằng cách tự động hóa việc nhận dạng và phân loại gói hàng. Các mô hình computer vision được huấn luyện trên bộ dữ liệu này có thể nhanh chóng phát hiện và phân đoạn các gói hàng theo thời gian thực, ngay cả trong các môi trường thách thức với ánh sáng mờ hoặc không gian bừa bộn. Điều này dẫn đến thời gian xử lý nhanh hơn, giảm thiểu lỗi và nâng cao hiệu quả tổng thể trong logistics operations.

Kiểm soát Chất lượng và Phát hiện Hư hỏng#

Các mô hình phân đoạn gói hàng có thể xác định các gói hàng bị hư hỏng bằng cách phân tích hình dạng và diện mạo của chúng. Bằng cách phát hiện các điểm bất thường hoặc biến dạng ở viền gói hàng, các mô hình này giúp đảm bảo rằng chỉ những gói hàng nguyên vẹn mới đi qua chuỗi cung ứng, từ đó giảm thiểu khiếu nại của khách hàng và tỷ lệ trả hàng. Đây là một khía cạnh quan trọng của quality control in manufacturing và rất cần thiết để duy trì tính toàn vẹn của sản phẩm.

Bộ dữ liệu Phân đoạn Gói hàng hoàn chỉnh cũng có thể được duyệt và quản lý trên Ultralytics Platform.

YAML tập dữ liệu#

Một tệp YAML xác định cấu hình bộ dữ liệu, bao gồm các đường dẫn, các lớp và các chi tiết thiết yếu khác. Đối với bộ dữ liệu Phân đoạn Gói hàng, tệp package-seg.yaml được duy trì tại https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/package-seg.yaml.

# 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

Cách sử dụng#

Để huấn luyện mô hình Ultralytics YOLO26n trên bộ dữ liệu Phân đoạn Gói hàng trong 100 epochs với kích thước ảnh là 640, hãy sử dụng các đoạn mã sau. Bộ dữ liệu (~103 MB) sẽ tự động tải xuống khi sử dụng lần đầu. Để có danh sách toàn diện các đối số có sẵn, hãy tham khảo trang Training của mô hình.

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")

Dữ liệu mẫu và Chú thích#

Dưới đây là một ví dụ từ tập dữ liệu Package Segmentation với các mặt nạ phân đoạn được phủ lên, phác thảo các kiện hàng đã được phát hiện:

Bộ dữ liệu bao gồm nhiều địa điểm, môi trường và mật độ gói hàng khác nhau, vì vậy các mô hình được huấn luyện trên đó sẽ thấy được phạm vi các cảnh logistics thực tế mà chúng cần để khái quát hóa. Xem trang tác vụ phân đoạn để biết các quy trình công việc liên quan.

Trích dẫn và Ghi nhận#

Nếu bạn tích hợp bộ dữ liệu Phân đoạn Gói hàng vào các sáng kiến nghiên cứu hoặc phát triển của mình, vui lòng trích dẫn nguồn một cách phù hợp:

@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 },
}

Chúng tôi gửi lời cảm ơn chân thành đến những người tạo ra bộ dữ liệu Phân đoạn Gói hàng vì đóng góp của họ cho cộng đồng computer vision. Để tìm thêm các bộ dữ liệu, hãy truy cập Bộ sưu tập dữ liệu Ultralytics và hướng dẫn của chúng tôi về mẹo huấn luyện mô hình.

Câu hỏi thường gặp#