حزمة بيانات تجزئة

تعد مجموعة بيانات تجزئة الحزم، المتوفرة على Roboflow Universe، عبارة عن مجموعة مُنسقة من الصور مصممة خصيصًا للمهام المتعلقة بتجزئة الحزم في مجال رؤية الحاسوب. تم تصميم هذه المجموعة لمساعدة الباحثين والمطورين والمتحمسين العاملين في المشاريع التي تتضمن تحديد الحزم وفرزها ومعالجتها، مع التركيز بشكل أساسي على مهام تجزئة الصور.

شاهد: تدريب نموذج تجزئة الحزم باستخدام Ultralytics YOLO11 | الحزم الصناعية 🎉

تحتوي مجموعة البيانات على مجموعة متنوعة من الصور التي تعرض حزمًا مختلفة في سياقات وبيئات مختلفة، وتعد مصدرًا قيمًا لتدريب وتقييم نماذج التجزئة. سواء كنت تعمل في مجال الخدمات اللوجستية أو أتمتة المستودعات أو أي تطبيق يتطلب تحليلًا دقيقًا للحزم، فإن مجموعة بيانات تجزئة الحزم توفر مجموعة مستهدفة وشاملة من الصور لتحسين أداء خوارزميات رؤية الكمبيوتر الخاصة بك. استكشف المزيد من مجموعات البيانات لمهام التجزئة على صفحة نظرة عامة على مجموعات البيانات الخاصة بنا.

هيكل مجموعة البيانات

يتم تنظيم توزيع البيانات في مجموعة بيانات تجزئة الحزم على النحو التالي:

• مجموعة التدريب: تشمل 1920 صورة مصحوبة بالشروح المقابلة لها.
• مجموعة الاختبار: تتكون من 89 صورة، كل واحدة مقترنة بتعليقاتها التوضيحية الخاصة.
• مجموعة التحقق: تتكون من 188 صورة، لكل منها شروح توضيحية مقابلة.

التطبيقات

تعد تجزئة الحزم، التي تسهلها مجموعة بيانات تجزئة الحزم، أمرًا بالغ الأهمية لتحسين الخدمات اللوجستية، وتعزيز التسليم في الميل الأخير، وتحسين مراقبة جودة التصنيع، والمساهمة في حلول المدن الذكية. من التجارة الإلكترونية إلى التطبيقات الأمنية، تعد مجموعة البيانات هذه موردًا رئيسيًا، يعزز الابتكار في رؤية الكمبيوتر لتطبيقات تحليل الحزم المتنوعة والفعالة.

المستودعات الذكية والخدمات اللوجستية

في المستودعات الحديثة، يمكن لـ حلول الرؤية المدعومة بالذكاء الاصطناعي تبسيط العمليات عن طريق أتمتة تحديد الحزم وفرزها. يمكن لنماذج رؤية الكمبيوتر المدربة على مجموعة البيانات هذه اكتشاف الحزم وتقسيمها بسرعة في الوقت الفعلي، حتى في البيئات الصعبة ذات الإضاءة الخافتة أو المساحات المزدحمة. يؤدي هذا إلى أوقات معالجة أسرع وتقليل الأخطاء وتحسين الكفاءة الكلية في العمليات اللوجستية.

مراقبة الجودة والكشف عن الأضرار

يمكن استخدام نماذج تجزئة الحزم لتحديد الحزم التالفة عن طريق تحليل شكلها ومظهرها. من خلال الكشف عن المخالفات أو التشوهات في الخطوط العريضة للحزمة، تساعد هذه النماذج في ضمان مرور الحزم السليمة فقط عبر سلسلة التوريد، مما يقلل من شكاوى العملاء ومعدلات الإرجاع. هذا جانب رئيسي من مراقبة الجودة في التصنيع وهو حيوي للحفاظ على سلامة المنتج.

ملف YAML لمجموعة البيانات

يحدد ملف YAML (لغة ترميز أخرى) تكوين مجموعة البيانات، بما في ذلك المسارات والفئات والتفاصيل الأساسية الأخرى. بالنسبة لمجموعة بيانات تجزئة الحزم، package-seg.yaml يتم الاحتفاظ بالملف في 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') 89 images
test: images/test # test images (relative to 'path') 188 images

# Classes
names:
  0: package

# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/package-seg.zip

الاستخدام

لتدريب نموذج Ultralytics YOLO11n على مجموعة بيانات تجزئة الحزم لعدد 100 حقبة (epoch) بحجم صورة 640، يمكنك استخدام مقتطفات التعليمات البرمجية التالية. للحصول على قائمة شاملة بالوسائط المتاحة، راجع صفحة التدريب الخاصة بالنموذج.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-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")

# Load a pretrained segmentation model and start training
yolo segment train data=package-seg.yaml model=yolo11n-seg.pt epochs=100 imgsz=640

# Resume training from the last checkpoint
yolo segment train data=package-seg.yaml model=path/to/last.pt resume=True

# Validate the trained model
yolo segment val data=package-seg.yaml model=path/to/best.pt

# Perform inference using the trained model
yolo segment predict model=path/to/best.pt source=path/to/image.jpg

نماذج من البيانات والتعليقات التوضيحية

تتضمن مجموعة بيانات Package Segmentation مجموعة متنوعة من الصور الملتقطة من وجهات نظر متعددة. فيما يلي أمثلة لبيانات من مجموعة البيانات، مصحوبة بأقنعة التقسيم الخاصة بها:

• تعرض هذه الصورة مثالاً لتجزئة الحزمة، وتتميز بأقنعة مشروحة تحدد كائنات الحزمة المعترف بها. تتضمن مجموعة البيانات مجموعة متنوعة من الصور الملتقطة في مواقع وبيئات وكثافات مختلفة. وهي بمثابة مورد شامل لتطوير نماذج خاصة بـ مهمة التجزئة هذه.
• يؤكد المثال على التنوع والتعقيد الموجود في مجموعة البيانات، مما يؤكد أهمية البيانات عالية الجودة لمهام رؤية الكمبيوتر التي تتضمن تقسيم الحزم.

فوائد استخدام YOLO11 لتقسيم الحزم

يوفر Ultralytics YOLO11 العديد من المزايا لمهام تقسيم الحزم:

1. موازنة السرعة والدقة: يحقق YOLO11 دقة وكفاءة عاليتين، مما يجعله مثاليًا للاستدلال في الوقت الفعلي في البيئات اللوجستية السريعة. إنه يوفر توازنًا قويًا مقارنة بنماذج مثل YOLOv8.

2. القدرة على التكيف: يمكن للنماذج المدربة باستخدام YOLO11 أن تتكيف مع ظروف المستودعات المختلفة، من الإضاءة الخافتة إلى المساحات المزدحمة، مما يضمن أداءً قويًا.

3. قابلية التوسع: خلال فترات الذروة مثل مواسم الأعياد، يمكن لنماذج YOLO11 أن تتوسع بكفاءة للتعامل مع أحجام الطرود المتزايدة دون المساس بالأداء أو الدقة.

4. إمكانيات التكامل: يمكن دمج YOLO11 بسهولة مع أنظمة إدارة المستودعات الحالية ونشرها عبر منصات مختلفة باستخدام تنسيقات مثل ONNX أو TensorRT، مما يسهل الحلول الآلية الشاملة.

الاقتباسات والإقرارات

إذا قمت بدمج مجموعة بيانات تجزئة الحزم في مبادرات البحث أو التطوير الخاصة بك، فيرجى الاستشهاد بالمصدر بشكل مناسب:

@misc{ factory_package_dataset,
    title = { factory_package Dataset },
    type = { Open Source Dataset },
    author = { factorypackage },
    url = { https://universe.roboflow.com/factorypackage/factory_package },
    journal = { Roboflow Universe },
    publisher = { Roboflow },
    year = { 2024 },
    month = { jan },
    note = { visited on 2024-01-24 },
}

نعرب عن امتناننا لمنشئي مجموعة بيانات تجزئة الحزم لمساهمتهم في مجتمع رؤية الحاسوب. لمزيد من الاستكشاف لمجموعات البيانات وتدريب النماذج، ضع في اعتبارك زيارة صفحة مجموعات بيانات Ultralytics الخاصة بنا ودليلنا حول نصائح تدريب النموذج.

الأسئلة الشائعة

ما هي مجموعة بيانات تجزئة الحزم (Package Segmentation Dataset) وكيف يمكن أن تساعد في مشاريع رؤية الكمبيوتر؟

• مجموعة بيانات Package Segmentation عبارة عن مجموعة منسقة من الصور مصممة خصيصًا للمهام التي تتضمن تقسيم صور الحزم. وهي تتضمن صورًا متنوعة للحزم في سياقات مختلفة، مما يجعلها لا تقدر بثمن لتدريب وتقييم نماذج التقسيم. تُعد مجموعة البيانات هذه مفيدة بشكل خاص للتطبيقات في مجال الخدمات اللوجستية وأتمتة المستودعات وأي مشروع يتطلب تحليلًا دقيقًا للحزم.

كيف يمكنني تدريب نموذج Ultralytics YOLO11 على مجموعة بيانات تجزئة الحزم؟

• يمكنك تدريب نموذج Ultralytics YOLO11 باستخدام طريقتي Python و CLI. استخدم مقتطفات التعليمات البرمجية المتوفرة في قسم الاستخدام. راجع صفحة تدريب النموذج لمزيد من التفاصيل حول الوسائط والتكوينات.

ما هي مكونات مجموعة بيانات تجزئة الحزم، وكيف يتم تنظيمها؟

• تم تنظيم مجموعة البيانات في ثلاثة مكونات رئيسية:
  • مجموعة التدريب: تحتوي على 1920 صورة مع الشروح.
  • مجموعة الاختبار: تشتمل على 89 صورة مع التعليقات التوضيحية المقابلة.
  • مجموعة التحقق: تتضمن 188 صورة مع شروح توضيحية.
• يضمن هذا الهيكل مجموعة بيانات متوازنة لتدريب النموذج الشامل والتحقق من صحته واختباره، باتباع أفضل الممارسات الموضحة في أدلة تقييم النموذج.

لماذا يجب علي استخدام Ultralytics YOLO11 مع مجموعة بيانات تجزئة الحزم؟

• يوفر Ultralytics YOLO11 دقة وسرعة فائقة للكشف عن الأجسام وتجزئة المهام في الوقت الفعلي. يتيح لك استخدامه مع مجموعة بيانات تجزئة الحزم الاستفادة من قدرات YOLO11 لتجزئة الحزم بدقة، وهو أمر مفيد بشكل خاص للصناعات مثل الخدمات اللوجستية وأتمتة المستودعات.

كيف يمكنني الوصول إلى ملف package-seg.yaml واستخدامه لمجموعة بيانات تجزئة الحزم؟

• في package-seg.yaml يتم استضافة الملف على مستودع GitHub الخاص بـ Ultralytics ويحتوي على معلومات أساسية حول مسارات مجموعة البيانات وفئاتها وتكوينها. يمكنك عرضه أو تنزيله على https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/package-seg.yaml. هذا الملف ضروري لتكوين النماذج الخاصة بك لاستخدام مجموعة البيانات بكفاءة. لمزيد من الأفكار والأمثلة العملية، استكشف استخدام Python القسم.

📅 أُنشئ منذ سنة واحدة ✏️ تم التحديث منذ 3 أشهر

تعليقات