包裹分割数据集#

2,197

Package-Seg

ultralytics

publicSegment

Package-Seg contains polygon masks for packages across indoor, warehouse, and logistics-style scenes, including empty background images. It supports package localization and shape segmentation; no named upstream dataset license is published, so redistribution terms should be reviewed.

1 class149.8 MBSep 2, 2026

package

packagesinstance-segmentationlogistics+1

Ultralytics 包裹分割数据集精选了 2,197 张已标注的包裹图像，可用于训练单个 package 类别的实例分割模型。该数据集面向物流和仓库自动化场景，例如包裹识别、分拣和搬运；它可直接与 Ultralytics YOLO 配合，用于计算机视觉流水线中的实时包裹分析。你可以在我们的数据集概览页面浏览更多分割数据集。

数据集结构#

包裹分割数据集的 2,197 张图像划分如下：

• 训练集：1,920 张图像，用于训练深度学习模型。
• 验证集：188 张图像，在训练期间用于调整超参数并防止过拟合。
• 测试集：保留 89 张图像，用于在训练完成后评估模型。
• 类别：单个 package 类别，涵盖所有已标注的包裹。
• 下载大小：约 ~103 MB。

应用场景#

包裹分割可优化物流、末端配送、制造业质量控制和智慧城市系统，应用范围涵盖电商订单履约和安检。精准的包裹掩码可让自动化系统实时定位、计数和检查包裹。

智慧仓储与物流#

在现代仓库中，视觉 AI 解决方案可以通过自动完成包裹识别和分拣来简化运营。使用该数据集训练的计算机视觉模型能够快速检测和分割包裹，即使在光线昏暗或空间杂乱等复杂环境中也能发挥作用。这有助于缩短处理时间、减少错误，并全面提升物流运营效率。

质量控制与损坏检测#

包裹分割模型可以通过分析包裹的形状和外观来识别受损包裹。通过检测包裹轮廓中的异常或变形，这些模型有助于确保只有完好的包裹进入供应链，从而减少客户投诉和退货率。这是制造业质量控制的重要环节，也是维护产品完整性的关键。

你也可以在 Ultralytics Platform 上浏览和管理完整的包裹分割数据集。

数据集 YAML#

YAML 文件用于定义数据集配置，包括路径、类别及其他重要信息。包裹分割数据集的 package-seg.yaml 文件维护在 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

用法#

若要在包裹分割数据集上训练 Ultralytics YOLO26n-seg 模型 100 个轮次，图像尺寸为 640，请使用以下代码片段。数据集（约 ~103 MB）会在首次使用时自动下载。有关可用参数的完整列表，请参阅模型训练页面。

from ultralytics import YOLO

# 加载模型
model = YOLO("yolo26n-seg.pt")  # 加载预训练分割模型（建议用于训练）

# 在包裹分割数据集上训练模型
results = model.train(data="package-seg.yaml", epochs=100, imgsz=640)

# 验证模型
results = model.val()

# 对图像执行推理
results = model("path/to/image.jpg")

示例数据和标注#

下面是包裹分割数据集的一个示例，其中叠加了分割掩码，标出了检测到的包裹：

该数据集涵盖各种地点、环境和包裹密度，因此使用它训练的模型能够接触到各种真实物流场景，进而提升泛化能力。相关工作流程请参阅分割任务页面。

引用与致谢#

如果你在研究或开发项目中集成包裹分割数据集，请按要求引用来源：

@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 },
}

我们感谢包裹分割数据集的创建者为计算机视觉社区作出的贡献。更多数据集请访问 Ultralytics 数据集合集，并参阅我们的模型训练技巧指南。

常见问题#