Link to this sectionمجموعة بيانات Construction-PPE#

صُممت مجموعة بيانات Construction-PPE لتحسين الامتثال للسلامة في مواقع البناء من خلال تمكين الكشف عن معدات الحماية الأساسية مثل الخوذات، والسترات، والقفازات، والأحذية، والنظارات الواقية، إلى جانب تعليقات توضيحية للمعدات المفقودة. تم اختيار الصور من بيئات بناء حقيقية، وهي تتضمن حالات امتثال وعدم امتثال، مما يجعلها مورداً قيماً لتدريب نماذج الذكاء الاصطناعي التي تراقب السلامة في مكان العمل.

Link to this sectionهيكل مجموعة البيانات#

تم تنظيم مجموعة بيانات Construction-PPE في ثلاث مجموعات فرعية رئيسية:

• مجموعة التدريب (Training Set): المجموعة الأساسية من صور البناء المشروحة التي تضم عمالاً يرتدون معدات الحماية الشخصية بشكل كامل أو جزئي.
• مجموعة التحقق (Validation Set): مجموعة فرعية مخصصة تُستخدم لضبط وتقييم أداء النموذج أثناء الكشف عن معدات الحماية الشخصية ومراقبة الامتثال.
• مجموعة الاختبار (Test Set): مجموعة فرعية مستقلة محجوزة لتقييم فعالية النموذج النهائي في الكشف عن معدات الحماية الشخصية وتحديد قضايا الامتثال.

يتم شرح كل صورة بتنسيق Ultralytics YOLO لضمان التوافق مع خطوط أنابيب اكتشاف الكائنات والتتبع الحديثة.

توفر مجموعة البيانات 11 فئة مقسمة إلى فئات إيجابية (ارتداء معدات الحماية الشخصية) وسلبية (فقدان معدات الحماية الشخصية). يتيح هذا الهيكل المزدوج للنماذج اكتشاف المعدات المرتداة بشكل صحيح و تحديد انتهاكات السلامة.

Link to this sectionالقيمة التجارية#

• لا تزال صناعة البناء واحدة من أكثر الصناعات خطورة في العالم، حيث وقعت أكثر من 51 إصابة قاتلة من أصل 123 إصابة مرتبطة بالعمل في المملكة المتحدة في الفترة 2023/2024 في قطاع البناء. ومع ذلك، فإن المشكلة لم تعد تتعلق بنقص التنظيم، حيث اعترف 42% من عمال البناء بأنهم لا يلتزمون دائماً بالعمليات.
• يخضع قطاع البناء بالفعل لإطار عمل واسع من معايير الصحة والسلامة (HSE)، ولكن تواجه فرق HSE تحديات في فرض الامتثال باستمرار. غالباً ما تكون هذه الفرق مشتتة بين المهام الورقية والتدقيق، وتفتقر إلى القدرة على مراقبة كل ركن في بيئة العمل المزدحمة والمتغيرة باستمرار في الوقت الفعلي.
• هنا يأتي دور الكشف عن معدات الحماية الشخصية (PPE) القائم على الرؤية الحاسوبية ليصبح لا يقدر بثمن. من خلال التحقق التلقائي مما إذا كان العمال يرتدون الخوذات والسترات ومعدات الحماية الشخصية الأخرى، يمكنك ضمان عدم وجود قواعد HSE فحسب، بل تنفيذها بفعالية وثبات في جميع المواقع. وإلى جانب الامتثال، توفر الرؤية الحاسوبية مؤشرات استباقية للمخاطر من خلال كشف مدى التزام أطقم العمل بممارسات السلامة، مما يمكن المؤسسات من رصد اتجاهات الانخفاض في الامتثال ومنع الحوادث قبل وقوعها.
• كإضافة، عُرف عن الكشف عن معدات الحماية الشخصية قدرته على تحديد المتسللين غير المصرح لهم للموقع، حيث أن أولئك الذين لا يرتدون معدات السلامة المناسبة هم أول من يطلق تنبيهاً. في نهاية المطاف، يعد الكشف عن معدات الحماية الشخصية حالة استخدام بسيطة وقوية للرؤية الحاسوبية تقدم رقابة كاملة، ورؤى قابلة للتنفيذ، وتقارير موحدة، مما يمكن شركات البناء من تقليل المخاطر، وحماية العمال، وتأمين مشاريعهم.

Link to this sectionالتطبيقات#

تعمل مجموعة Construction-PPE على تعزيز مجموعة متنوعة من تطبيقات الرؤية الحاسوبية التي تركز على السلامة:

• مراقبة الامتثال الآلية: تدريب نماذج الذكاء الاصطناعي للتحقق فوراً مما إذا كان العمال يرتدون معدات السلامة المطلوبة مثل الخوذات أو السترات أو القفازات، مما يقلل المخاطر في الموقع.
• تحليلات سلامة مكان العمل: تتبع استخدام معدات الحماية الشخصية بمرور الوقت، ورصد الانتهاكات المتكررة، وتوليد رؤى لتحسين ثقافة السلامة.
• أنظمة المراقبة الذكية: ربط نماذج الكشف بالكاميرات لإرسال تنبيهات في الوقت الفعلي عند فقدان معدات الحماية الشخصية، مما يمنع الحوادث قبل وقوعها.
• الروبوتات والأنظمة المستقلة: تمكين الطائرات بدون طيار أو الروبوتات من إجراء فحوصات معدات الحماية الشخصية عبر المواقع الكبيرة، مما يدعم عمليات تفتيش أسرع وأكثر أماناً.
• البحث والتعليم: توفير مجموعة بيانات واقعية للطلاب والباحثين الذين يستكشفون سلامة مكان العمل والتفاعلات بين البشر والكائنات.

Link to this sectionYAML مجموعة البيانات#

تتضمن مجموعة بيانات Construction-PPE ملف إعدادات YAML يحدد مسارات صور التدريب والتحقق إلى جانب القائمة الكاملة لفئات الكائنات. يمكنك الوصول إلى ملف construction-ppe.yaml مباشرة في مستودع Ultralytics هنا: https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/construction-ppe.yaml

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# Construction-PPE dataset by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/detect/construction-ppe
# Example usage: yolo train data=construction-ppe.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── construction-ppe ← downloads here (178.4 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: construction-ppe # dataset root dir
train: images/train # train images (relative to 'path') 1132 images
val: images/val # val images (relative to 'path') 143 images
test: images/test # test images (relative to 'path') 141 images

# Classes
names:
  0: helmet
  1: gloves
  2: vest
  3: boots
  4: goggles
  5: none
  6: Person
  7: no_helmet
  8: no_goggle
  9: no_gloves
  10: no_boots

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

Link to this sectionالاستخدام#

يمكنك تدريب نموذج YOLO26n على مجموعة بيانات Construction-PPE لمدة 100 حقبة (epoch) بحجم صورة 640. توضح الأمثلة التالية كيفية البدء بسرعة. لمزيد من الخيارات والإعدادات المتقدمة، راجع دليل التدريب.

from ultralytics import YOLO

# Load pretrained model
model = YOLO("yolo26n.pt")

# Train the model on Construction-PPE dataset
model.train(data="construction-ppe.yaml", epochs=100, imgsz=640)

Link to this sectionصور وشروحات توضيحية عينة#

تلتقط مجموعة البيانات عمال البناء في بيئات متنوعة، وظروف إضاءة مختلفة، ووضعيات جسدية متنوعة. تم تضمين حالات الامتثال وعدم الامتثال.

Link to this sectionالترخيص والنسب#

تم تطوير وإصدار Construction-PPE بموجب رخصة AGPL-3.0، لدعم الأبحاث مفتوحة المصدر والتطبيقات التجارية مع ذكر المصدر بشكل مناسب.

إذا كنت تستخدم مجموعة البيانات هذه في بحثك، يرجى الاستشهاد بها:

@dataset{Dalvi_Construction_PPE_Dataset_2025,
    author = {Mrunmayee Dalvi and Niyati Singh and Sahil Bhingarde and Ketaki Chalke},
    title = {Construction-PPE: Personal Protective Equipment Detection Dataset},
    month = {January},
    year = {2025},
    version = {1.0.0},
    license = {AGPL-3.0},
    url = {https://docs.ultralytics.com/datasets/detect/construction-ppe/},
    publisher = {Ultralytics}
}

Link to this sectionالأسئلة الشائعة#

Link to this sectionما الذي يجعل مجموعة بيانات Construction-PPE فريدة من نوعها؟#

على عكس مجموعات بيانات البناء العامة، تتضمن Construction-PPE صراحةً فئات المعدات المفقودة. يسمح نهج التصنيف المزدوج هذا للنماذج ليس فقط باكتشاف معدات الحماية الشخصية ولكن أيضاً بالإبلاغ عن الانتهاكات في الوقت الفعلي.

Link to this sectionما هي فئات الكائنات المتضمنة؟#

تغطي مجموعة البيانات الخوذات، والسترات، والقفازات، والأحذية، والنظارات الواقية، والعمال، إلى جانب نظيراتها من "معدات الحماية الشخصية المفقودة". وهذا يضمن تغطية شاملة للامتثال.

Link to this sectionكيف يمكنني تدريب نموذج YOLO باستخدام مجموعة بيانات Construction-PPE؟#

لتدريب نموذج YOLO26 باستخدام مجموعة بيانات Construction-PPE، يمكنك استخدام مقتطفات التعليمات البرمجية التالية:

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="construction-ppe.yaml", epochs=100, imgsz=640)

Link to this sectionهل هذه المجموعة مناسبة للتطبيقات الواقعية؟#

نعم. تم اختيار الصور من مواقع بناء حقيقية في ظل ظروف متنوعة. وهذا يجعلها فعالة للغاية لبناء أنظمة مراقبة سلامة مكان العمل القابلة للنشر.

Link to this sectionما هي فوائد استخدام مجموعة بيانات Construction-PPE في مشاريع الذكاء الاصطناعي؟#

تتيح مجموعة البيانات الكشف في الوقت الفعلي عن معدات الحماية الشخصية، مما يساعد في مراقبة سلامة العمال في مواقع البناء. ومع وجود فئات للمعدات المرتداة والمفقودة، فهي تدعم أنظمة الذكاء الاصطناعي التي يمكنها تلقائياً الإبلاغ عن انتهاكات السلامة، وتوليد رؤى حول الامتثال، وتقليل المخاطر. كما توفر مورداً عملياً لتطوير حلول الرؤية الحاسوبية في سلامة مكان العمل، والروبوتات، والبحث الأكاديمي.