医疗药丸数据集#

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

Ultralytics 医疗药丸数据集是一个概念验证 (POC) 目标检测数据集，包含 115 张带标注的图像，只有一个类别 pill——其中 92 张用于训练，23 张用于验证。该数据集旨在演示适用于制药应用的计算机视觉模型，例如质量控制、包装自动化和分拣。

数据集结构#

医疗药丸数据集包含 115 张图像，这些图像均标注为单一类别 pill，并根据 medical-pills.yaml 配置划分为两个子集：

访问 Ultralytics Platform 上的医疗药丸数据集，浏览带有标注叠加层的图像，在 Charts 选项卡中查看类别分布和边界框热力图，并将其克隆到云端以训练你自己的模型。

应用#

使用计算机视觉进行医疗药丸检测，可以实现制药行业的自动化，支持以下任务：

• 制药分拣：根据药丸的大小、形状或颜色自动进行分拣，从而提高生产效率。
• AI 研究与开发：作为开发和测试制药应用场景中计算机视觉算法的基准。
• 数字化库存系统：集成自动药丸识别功能，为实时库存监控和补货规划提供智能库存解决方案。
• 质量控制：通过识别缺陷、异常或污染，确保药丸生产的一致性。
• 假药检测：通过将视觉特征与已知标准进行比对，帮助识别潜在的假药。

数据集 YAML#

medical-pills.yaml 文件定义了数据集配置，包括数据集路径、类别名称和其他元数据。该文件维护在 Ultralytics 仓库中，地址为 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

使用方法#

要在医疗药丸数据集上使用 YOLO26n 模型训练 100 个周期，并将图像大小设为 640，请使用以下示例。有关详细参数，请参阅模型的训练页面。

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")

示例图像和标注#

医疗药丸数据集包含展示药丸多样性的带标注图像。下面是该数据集中的一张带标注图像示例：

• 拼接图像：图中展示了一个由拼接数据集图像组成的训练批次。拼接可将多张图像合并为一张，从而增加训练多样性并提升模型的泛化能力。

与其他数据集集成#

如需进行更全面的制药分析，可以考虑将医疗药丸数据集与其他相关数据集结合使用，例如用于包装识别的 package-seg，或使用 brain-tumor 等医学成像数据集来开发端到端医疗 AI 解决方案。

引用和致谢#

该数据集根据 AGPL-3.0 许可证提供。

如果你在研究或开发工作中使用医疗药丸数据集，请使用以下所述详细信息引用该数据集：

@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}
}

常见问题#