مجموعة بيانات Construction-PPE#

1,416

Construction PPE

ultralytics

publicDetect

Official Ultralytics Construction-PPE object detection dataset with 1,416 images across 11 classes for helmets, gloves, safety vests, boots, goggles, people, and missing protective equipment. Includes 1,132 train, 143 validation, and 141 test images with 11,521 reviewed bounding boxes.

111 classes145.3 MBAug 21, 2026

helmetglovesvestboots+7

object-detectionconstructionppe+2

مجموعة بيانات Construction-PPE من Ultralytics هي مجموعة بيانات لـ object detection تضم 1,416 صورة (1,132 للتدريب، و143 للتحقق، و141 للاختبار) مصنفة عبر 11 فئة لاكتشاف معدات الحماية الشخصية — الخوذات، والقفازات، والسترات، والأحذية، والنظارات الواقية — والإبلاغ عن المعدات المفقودة في مواقع البناء. تم إعدادها من بيئات بناء حقيقية، وتحتوي على حالات مطابقة وغير مطابقة، مما يجعلها مورداً عملياً لتدريب نماذج computer vision التي تراقب سلامة مكان العمل.

هيكل مجموعة البيانات#

تحتوي مجموعة بيانات Construction-PPE على 1,416 صورة مقسمة إلى ثلاث مجموعات فرعية محددة مسبقاً، والمعرفة بواسطة تكوين construction-ppe.yaml:

يتم تعليق كل صورة بتنسيق Ultralytics YOLO، مما يضمن التوافق مع أحدث مسارات object detection وtracking.

توفر مجموعة البيانات 11 فئة تغطي المعدات المرتداة، والمعدات المفقودة، والأشخاص:

• معدات الحماية الشخصية المرتداة (5): helmet، gloves، vest، boots، goggles
• معدات الحماية الشخصية المفقودة (4): no_helmet، no_gloves، no_boots، no_goggle
• أخرى (2): Person، none

يتيح ربط التصنيفات المرتداة والمفقودة للنموذج اكتشاف المعدات المرتداة بشكل صحيح وكذلك الإبلاغ عن انتهاكات السلامة. لاحظ أن vest ليس لديه تصنيف سترة مفقودة مخصص.

القيمة التجارية#

تعد صناعة البناء واحدة من أخطر الصناعات، وعادة ما يكون التحدي في التنفيذ بدلاً من نقص اللوائح. تعمل فرق الصحة والسلامة تحت ضغط كبير ولا يمكنها مراقبة كل زاوية في موقع عمل مزدحم ومتغير باستمرار في الوقت الفعلي.

يساعد اكتشاف معدات الوقاية الشخصية القائم على الرؤية الحاسوبية في سد هذه الفجوة. فمن خلال التحقق تلقائياً مما إذا كان العمال يرتدون الخوذات والسترات والمعدات الأخرى المطلوبة، فإنه يفرض قواعد السلامة باستمرار عبر المواقع ويحدد مؤشرات المخاطر الرائدة — مما يكشف عن اتجاهات الامتثال قبل وقوع الحوادث. يمكن أن يكتشف اكتشاف معدات الوقاية الشخصية أيضاً المتسللين غير المصرح لهم إلى الموقع، والذين عادة ما يكونون أول من يظهر دون معدات السلامة المناسبة.

التطبيقات#

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.

لتسمية وتدريب ونشر نموذج اكتشاف معدات الحماية الشخصية دون إدارة البنية التحتية المحلية، قم بتشغيل سير العمل الكامل في متصفحك باستخدام Ultralytics Platform.

YAML مجموعة البيانات#

تتضمن مجموعة بيانات Construction-PSPE ملف تكوين YAML يحدد مسارات صور التدريب والتحقق والاختبار بالإضافة إلى 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

الاستخدام#

يمكنك تدريب نموذج YOLO26n على مجموعة بيانات Construction-PPE لمدة 100 حقبة بحجم صورة 640. توضح الأمثلة التالية كيفية البدء بسرعة. لمزيد من الخيارات والتكوينات المتقدمة، راجع Training guide.

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)

صور وشروحات توضيحية عينة#

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

الترخيص والنسب#

تم تطوير ونشر Construction-PPE بموجب AGPL-3.0 License، مما يدعم البحث مفتوح المصدر والتطبيقات التجارية مع الإسناد المناسب.

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}
}

الأسئلة الشائعة#