Link to this section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.

Link to this section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：1,920 张图像，用于训练深度学习模型。
• 验证集：188 张图像，用于在训练期间调整超参数并防止过拟合。
• 测试集：89 张图像，在训练后保留用于评估模型。
• 类别：单个 package 类，涵盖所有已标注的包裹。
• 下载大小：约 103 MB。

Link to this section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。

Link to this section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可以实时快速检测和分割包裹，即使是在照明昏暗或空间杂乱的挑战性环境中也是如此。这不仅加快了处理速度，减少了错误，还提高了物流运营的整体效率。

Link to this section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损坏的包裹。通过检测包裹轮廓中的不规则或变形，这些模型有助于确保只有完好的包裹进入供应链，从而降低客户投诉和退货率。这是制造业质量控制的一个关键方面，对于保持产品完整性至关重要。

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

Link to this section数据集 YAML#

YAML 文件定义了数据集配置，包括路径、类和其他重要细节。对于 Package Segmentation 数据集，package-seg.yaml 文件托管在 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

Link to this section用法#

要使用 640 的图像大小在 Package Segmentation 数据集上训练 Ultralytics YOLO26n 模型 100 个 epoch，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。有关可用参数的详细列表，请参阅模型训练页面。

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")

Link to this section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：

该数据集涵盖了多种地点、环境和包裹密度，因此在其上训练的模型可以看到它们在现实世界物流场景中实现泛化所需的所有范围。请参阅分割任务页面以了解相关工作流程。

Link to this section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 },
}

我们向包裹分割数据集的创建者表示感谢，感谢他们为计算机视觉社区做出的贡献。如需更多数据集，请访问 Ultralytics 数据集集合以及我们关于模型训练技巧的指南。

Link to this section常见问题解答#

Link to this section什么是包裹分割数据集，它如何在 Ultralytics YOLO26 中使用？#

The Package Segmentation Dataset is a collection of 2,197 annotated images of packages for training and evaluating instance segmentation models on a single package class. It targets logistics and warehouse-automation applications like package identification, sorting, and quality control, and is used directly with Ultralytics YOLO26 via the package-seg.yaml configuration file.

Link to this section包裹分割数据集包含多少张图像和类别？#

该数据集总共包含 2,197 张图像——1,920 张用于训练，188 张用于验证，89 张用于测试——全部标注为单个 package 类。完整归档文件在首次使用时会自动下载为一个约 103 MB 的 .zip 文件。

Link to this section如何使用包裹分割数据集训练 Ultralytics YOLO26 模型？#

Load a pretrained segmentation model (e.g., yolo26n-seg.pt) and train it with the package-seg.yaml configuration using the Python or CLI snippets in the Usage section above. See the Training guide for the full list of available arguments.

Link to this section为什么要使用 Ultralytics YOLO26 进行包裹分割物流？#

YOLO26 provides state-of-the-art accuracy and real-time speed for instance segmentation, letting automated systems detect and sort packages reliably even in dim or cluttered warehouses — see the Applications section above. Trained models export to formats like ONNX and TensorRT for deployment across warehouse hardware.

Link to this section我在哪里可以找到包裹分割的数据集配置文件？#

package-seg.yaml 文件定义了数据集路径和单个 package 类，位于 Ultralytics GitHub 存储库中：package-seg.yaml。