包裹分割数据集#

The Ultralytics Package Segmentation Dataset is a curated collection of 2,197 annotated images of packages for training instance segmentation models on a single package class. Built for logistics and warehouse-automation use cases like package identification, sorting, and handling, it pairs directly with Ultralytics YOLO for real-time package analysis in computer vision pipelines. Explore more segmentation datasets on our datasets overview page.

数据集结构#

包裹分割数据集将其 2,197 张图像划分如下：

• 训练集：用于训练深度学习模型的 1,920 张图像。
• 验证集：在训练期间用于调整超参数并防止过拟合的 188 张图像。
• 测试集：89 张图像，在训练后保留用于评估模型。
• 类别：覆盖所有标注包裹的单一 package 类别。
• 下载大小：约 103 MB。

应用#

包裹分割优化了物流、最后一公里配送、制造质量控制和智慧城市系统，应用范围涵盖电子商务订单履行和安全检查。精确的包裹掩码使自动化系统能够实时定位、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化包裹识别和分拣来简化运营。在此数据集上训练的计算机视觉模型能够快速检测并实时分割包裹，即使在光线昏暗或空间杂乱等严苛环境中也是如此。这有助于缩短处理时间、减少错误并提高物流运营的整体效率。

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不规则性或变形，这些模型有助于确保只有完好的包裹才能通过供应链，从而减少客户投诉和退货率。这是制造业质量控制的关键环节，对于维护产品完整性至关重要。

你还可以在 Ultralytics Platform 上浏览和管理完整的 Package Segmentation Dataset。

数据集 YAML#

YAML 文件定义了数据集配置，包括路径、类别和其他基本详情。对于 Package Segmentation 数据集，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 Package Segmentation 数据集上使用 640 的图像尺寸训练 Ultralytics YOLO26n 模型 100 个轮次，请使用以下代码片段。该数据集（约 103 MB）在首次使用时会自动下载。有关可用参数的完整列表，请参考模型训练页面。

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")

示例数据与标注#

以下是包裹分割数据集的一个示例，其中叠加了分割掩码，勾勒出检测到的包裹：

该数据集涵盖不同的地点、环境和包裹密度，因此在其上训练的模型能够涵盖泛化所需的各种真实世界物流场景。有关相关工作流程，请参阅分割任务页面。

引用与致谢#

如果你将包裹分割数据集整合到你的研究或开发计划中，请适当地引用来源：

@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 },
}

我们对 Package Segmentation 数据集的创建者为计算机视觉社区做出的贡献表示感谢。如需获取更多数据集，请访问 Ultralytics Datasets 集合以及我们的模型训练技巧指南。

常见问题解答#