Link to this sectionMedical Pills 数据集#

Ultralytics Medical Pills 数据集是一个概念验证 (POC) 目标检测 数据集，包含 115 张标注图像，仅有一个 pill（药丸）类别——其中 92 张用于训练，23 张用于验证。它旨在演示用于制药应用（如质量控制、包装自动化和分拣）的 计算机视觉 模型。

Link to this section数据集结构#

Medical Pills 数据集包含 115 张标注了单个 pill 类别的图像，并根据 medical-pills.yaml 配置文件划分为两个子集：

探索 Ultralytics 平台上的 Medical Pills，你可以浏览带有标注叠加层的图像，在 图表 (Charts) 选项卡中查看类别分布和边界框热图，并克隆该数据集以在云端训练你自己的模型。

Link to this section应用#

将计算机视觉用于药丸检测能够实现制药行业的自动化，从而支持以下任务：

• 药品分拣：根据尺寸、形状或颜色自动分拣药丸，以提高生产效率。
• AI 研发：作为在制药用例中开发和测试计算机视觉算法的基准。
• 数字库存系统：通过集成自动药丸识别功能，实现实时库存监控和补货计划，从而赋能智能库存解决方案。
• 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：通过对照已知标准分析视觉特征，帮助识别潜在的假药。

Link to this section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。它维护在 Ultralytics 代码仓库中：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

Link to this section用法#

要在 Medical Pills 数据集上训练 YOLO26n 模型，设置 100 个 epoch 且图像尺寸为 640，请参考以下示例。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")

Link to this section样本图像和标注#

Medical Pills 数据集包含展示药丸多样性的标注图像。以下是来自该数据集的标注图像示例：

• 马赛克图像：显示的是包含马赛克处理后的数据集图像的训练批次。马赛克增强通过将多张图像合并为一张来提高训练多样性，从而改善模型的泛化能力。

Link to this section与其他数据集的集成#

如需更全面的制药分析，可以考虑将 Medical Pills 数据集与其它相关数据集相结合，例如用于包装识别的 package-seg，或如 brain-tumor 等医学影像数据集，以开发端到端的医疗 AI 解决方案。

Link to this section引用与致谢#

该数据集采用 AGPL-3.0 License 开源协议。

如果你在研究或开发工作中使用了 Medical Pills 数据集，请使用以下详细信息进行引用：

@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 section常见问题解答#

Link to this sectionMedical Pills 数据集中有多少图像和类别？#

Medical Pills 数据集总共包含 115 张图像——92 张用于训练，23 张用于验证——没有单独的测试集。每张图像都标注了一个 pill 类别。它以 8.19 MB 的自动下载形式提供，具体定义在 medical-pills.yaml 配置文件中。

Link to this section我如何能在 Medical Pills 数据集上训练 YOLO26 模型？#

你可以使用提供的 Python 或 CLI 方法，在 640px 图像大小下训练 YOLO26 模型 100 个 epoch。请参阅 训练示例 部分获取详细说明，并查看 YOLO26 文档 了解更多有关模型功能的信息。

Link to this section在 AI 项目中使用 Medical Pills 数据集有什么好处？#

该数据集实现了药丸检测的自动化，有助于防伪、质量保证和制药流程优化。它也是开发能够提高用药安全和供应链效率的 AI 解决方案的宝贵资源。

Link to this section我该如何对 Medical Pills 数据集执行推理？#

可以使用 Python 或 CLI 方法，配合微调后的 YOLO26 模型进行推理。请参阅 推理示例 部分获取代码片段，并查阅 预测模式文档 获取更多选项。

Link to this section我在哪里可以找到 Medical Pills 数据集的 YAML 配置文件？#

YAML 文件位于 medical-pills.yaml，其中包含在该数据集上训练模型所需的数据集路径、类别和其他配置详细信息。