基于深度学习的yolo26算法的自动化流水线识别 药片缺陷识别数据集 药品缺失数据集 药片破损数据集第10620期
药片质量检测数据集 README
项目概述
本数据集聚焦于药片外观质量检测场景，为制药行业的自动化质检、次品分拣及合规管控提供高精度标注数据，助力药品生产流程的智能化升级与质量保障。
核心数据信息
| 维度 | 内容 |
|---|---|
| 数据类别 | 共3类：药片、破损药片、空药粒 |
| 数据数量 | 4500 |
| 数据集格式 | YOLO格式（适配目标检测模型训练，图像与标注文件一一对应） |
| 应用价值 | 支撑制药产线自动化质检、次品自动分拣、药品质量追溯及合规生产监控等工业场景 |
详细说明
数据类别与分布
- 覆盖药片核心质量状态，包含完整药片、破损药片、空药粒三类，精准区分合格与不合格样本，满足制药行业质量检测需求。
- 数据总量为4500，样本覆盖不同光照、角度与药片形态，保障模型在高速生产流水线下的识别精度与鲁棒性。
数据集格式
- 采用标准YOLO格式，每张图像对应同名
.txt标注文件，标注内容包含类别ID与目标框坐标信息，可直接用于YOLO系列模型训练。 - 无需额外格式转换，降低模型训练前期数据预处理成本，便于快速部署到制药产线的视觉质检系统。
应用价值
- 自动化质检：替代人工目视巡检，实现药片外观缺陷的实时识别与分类，大幅提升质检效率与准确率，减少人工差错。
- 次品分拣：精准定位破损药片与空药粒，实现不合格品的自动剔除，保障出厂药品质量，降低市场召回风险。
- 质量追溯：生成缺陷统计报告，为生产工艺优化、设备维护提供数据支撑，实现药品全生命周期质量管控。
使用建议
- 推荐用于目标检测模型（如YOLOv8、YOLOv11）的药片质量检测与分类任务训练。
- 可结合高速视觉采集系统，拓展为产线实时质检方案，满足制药工业高吞吐量生产需求。