1. 数据集背景与应用场景解析
这个VOC+YOLO格式的智慧医疗泡罩药板药片缺失检测数据集,是当前医药生产质量管控领域的重要资源。在现代化制药流水线上,泡罩包装(俗称"铝塑板")是最常见的固体药剂包装形式之一。每条生产线每分钟可产出数百板药品,传统人工抽检方式存在漏检率高(约15%-20%)、效率低下等问题。
该数据集针对三种典型缺陷类型构建:
- 药片完全缺失(空泡)
- 药片部分缺损(碎片残留)
- 药片位置偏移(超出密封区)
实际案例表明,某制药企业引入基于该数据集的检测系统后,不良品漏检率从18.7%降至0.3%,每年避免约230万元的质量索赔损失。特别适用于以下场景:
- 制药厂出厂前的终检环节
- 自动化分装线实时监控
- 药品包装工艺优化研究
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 数据集技术规格详解
2.1 数据采集与标注规范
原始图像通过工业线阵相机采集,分辨率统一为4096×3000像素,采用双侧LED条形光源消除反光干扰。每张图像包含4-6个完整泡罩单元,标注时遵循以下规则:
- 标注框必须紧贴药片边缘(允许±2像素误差)
- 部分缺损药片按实际可见区域标注
- 偏移药片需同时标注实际位置和理论位置
2.2 类别分布统计
| 类别 | 样本数量 | 占比 |
|---|---|---|
| 完整药片 | 8920 | 68.6% |
| 完全缺失 | 2178 | 16.8% |
| 部分缺损 | 1256 | 9.7% |
| 位置偏移 | 646 | 5.0% |
数据集经过严格的数据增强处理,包含:
- 随机旋转(±5°)
- 高斯噪声(σ=0.01)
- 亮度调整(±15%)
- 模拟传送带运动模糊
3. YOLO格式实现要点
3.1 标签文件转换
VOC转YOLO格式需特别注意:
python复制def voc_to_yolo(xmin, ymin, xmax, ymax, img_w, img_h):
x_center = ((xmin + xmax) / 2) / img_w
y_center = ((ymin + ymax) / 2) / img
