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。