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 包裹分割数据集是一个经过整理的数据集，包含 2,197 张带标注的包裹图像，用于在单个 package 类别上训练实例分割模型。该数据集面向包裹识别、分拣和处理等物流与仓库自动化应用场景，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。你还可以在我们的数据集概览页面中探索更多分割数据集。

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：89 张留出图像，用于在训练后评估模型。
• 类别：单个 package 类别，涵盖所有带标注的包裹。
• 下载大小：~103 MB。

应用#

包裹分割可优化物流、最后一公里配送、制造业质量控制和智慧城市系统，应用范围涵盖电子商务履约和安全检查。精确的包裹掩码让自动化系统能够实时定位、计数和检查包裹。

智能仓库与物流#

在现代仓库中，视觉 AI 解决方案可以通过自动执行包裹识别和分拣来简化运营。使用此数据集训练的计算机视觉模型能够快速检测并实时分割包裹，即使面对光线昏暗或空间杂乱等具有挑战性的环境也是如此。这将缩短处理时间、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损坏的包裹。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无损的包裹才能继续通过供应链，从而减少客户投诉和退货率。这是制造业质量控制的一个关键方面，对于维护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。

数据集 YAML#

YAML 文件定义数据集配置，包括路径、类别和其他必要详细信息。对于包裹分割数据集，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

使用方法#

要在包裹分割数据集上训练 Ultralytics YOLO26n 模型，训练 100 个周期，并将图像大小设为 640，请使用以下代码片段。数据集（~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

# 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")

示例数据和标注#

下面是包裹分割数据集中的一个示例，其中叠加了分割掩码，用于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，因此使用它训练的模型能够接触到各种现实世界物流场景，从而实现跨场景泛化。有关相关工作流，请参阅分割任务页面。

引用和致谢#

如果你在研究或开发项目中集成包裹分割数据集，请适当引用来源：

@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创建者为计算机视觉社区作出的贡献。要获取更多数据集，请访问 Ultralytics 数据集集合以及我们的模型训练技巧指南。

常见问题#