مجموعة بيانات معدات الوقاية الشخصية في مجال البناء

تم تصميم مجموعة بيانات Construction-PPE لتحسين الامتثال للسلامة في مواقع البناء من خلال تمكين اكتشاف معدات الحماية الأساسية مثل الخوذات والسترات والقفازات والأحذية والنظارات الواقية، جنبًا إلى جنب مع التعليقات التوضيحية للمعدات المفقودة. تم تنسيقه من بيئات بناء حقيقية، ويتضمن حالات متوافقة وغير متوافقة، مما يجعله موردًا قيمًا لتدريب نماذج الذكاء الاصطناعي التي تراقب سلامة مكان العمل.

شاهد: كيفية تدريب Ultralytics YOLO على مجموعة بيانات معدات الحماية الشخصية | VisionAI في مجال الإنشاءات 👷

هيكل مجموعة البيانات

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

• مجموعة التدريب: المجموعة الأساسية لصور البناء المشروحة التي تعرض العمال مع الاستخدام الكامل والجزئي لمعدات الوقاية الشخصية.
• Validation Set: مجموعة فرعية مخصصة تستخدم لضبط وتقييم أداء النموذج أثناء الكشف عن معدات الوقاية الشخصية ومراقبة الامتثال.
• مجموعة الاختبار: مجموعة فرعية مستقلة مخصصة لتقييم فعالية النموذج النهائي في اكتشاف معدات الوقاية الشخصية وتحديد مشكلات الامتثال.

يتم شرح كل صورة بتنسيق Ultralytics YOLO مما يضمن التوافق مع أحدث خطوط detect الكائنات و تتبع.

توفر مجموعة البيانات 11 فئة مقسمة إلى فئات إيجابية (معدات الوقاية الشخصية worn) وسلبية (معدات الوقاية الشخصية المفقودة). يتيح هذا الهيكل المزدوج الإيجابي/السلبي للنماذج detect المعدات التي يتم ارتداؤها بشكل صحيح وتحديد المخالفات المتعلقة بالسلامة.

القيمة التجارية

• لا يزال البناء يمثل أحد أكثر الصناعات خطورة في العالم، حيث وقع أكثر من 51 من أصل 123 إصابة مميتة مرتبطة بالعمل في المملكة المتحدة في 2023/2024 في مجال البناء. ومع ذلك، لم تعد المشكلة تتعلق بنقص التنظيم حيث أقر 42٪ من عمال البناء بعدم الالتزام دائمًا بالعمليات.
• تخضع أعمال البناء بالفعل لإطار عمل واسع من معايير الصحة والسلامة (HSE)، ولكن تواجه فرق الصحة والسلامة (HSE) تحديًا في التنفيذ المتسق. غالبًا ما تكون فرق الصحة والسلامة (HSE) مجهدة، حيث توازن بين الأعمال الورقية وعمليات التدقيق وتفتقر إلى القدرة على مراقبة كل زاوية من بيئة مزدحمة ومتغيرة باستمرار في الوقت الفعلي.
• هنا تكمن القيمة الكبيرة لاكتشاف معدات الوقاية الشخصية (PPE) القائم على رؤية الكمبيوتر. من خلال التحقق تلقائيًا مما إذا كان العمال يرتدون خوذات وسترات ومعدات وقاية شخصية أخرى، يمكنك التأكد من أن قواعد الصحة والسلامة والبيئة ليست مجرد موجودة ولكن يتم تطبيقها بشكل فعال وثابت في جميع المواقع. بالإضافة إلى الامتثال، توفر رؤية الكمبيوتر مؤشرات رائدة للمخاطر من خلال الكشف عن مدى التزام الأطقم بممارسات السلامة، مما يمكّن المؤسسات من اكتشاف الاتجاهات الهبوطية في الامتثال ومنع الحوادث قبل وقوعها.
• كمكافأة إضافية، من المعروف أيضًا أن الكشف عن معدات الحماية الشخصية يحدد المتسللين غير المصرح لهم إلى الموقع، حيث أن أولئك الذين ليسوا مجهزين بمعدات السلامة المناسبة هم أول من يقوم بتشغيل الإشعار. في النهاية، يعد الكشف عن معدات الوقاية الشخصية حالة استخدام بسيطة ولكنها قوية للرؤية الحاسوبية توفر إشرافًا كاملاً ورؤى قابلة للتنفيذ وتقارير موحدة، مما يمكّن شركات البناء من تقليل المخاطر وحماية العمال وحماية مشاريعهم.

التطبيقات

تعمل Construction-PPE على تشغيل مجموعة متنوعة من تطبيقات رؤية الكمبيوتر التي تركز على السلامة:

• المراقبة الآلية للامتثال: تدريب نماذج الذكاء الاصطناعي للتحقق فورًا 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 الوقاية الشخصية (PPE) بمرور الوقت، واكتشف الانتهاكات المتكررة، وأنشئ رؤى لتحسين ثقافة السلامة.
• أنظمة المراقبة الذكية: قم بتوصيل نماذج الكشف بالكاميرات لإرسال تنبيهات في الوقت الفعلي عند فقدان معدات الوقاية الشخصية، مما يمنع وقوع الحوادث قبل حدوثها.
• الروبوتات والأنظمة المستقلة: تمكين الطائرات بدون طيار أو الروبوتات من إجراء فحوصات معدات الوقاية الشخصية (PPE) عبر مواقع كبيرة، مما يدعم عمليات فحص أسرع وأكثر أمانًا.
• Research and education: توفير مجموعة بيانات واقعية للطلاب والباحثين الذين يستكشفون السلامة في مكان العمل والتفاعلات بين الإنسان والأشياء.

ملف YAML لمجموعة البيانات

تتضمن مجموعة بيانات Construction-PPE ملف تكوين YAML يحدد مسارات صور التدريب والتحقق جنبًا إلى جنب مع القائمة الكاملة لفئات الكائنات. يمكنك الوصول إلى construction-ppe.yaml الملف 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 YOLO11n على مجموعة بيانات Construction-PPE لـ 100 حقبة بحجم صورة 640. تعرض الأمثلة التالية كيفية البدء بسرعة. لمزيد من الخيارات والتكوينات المتقدمة، راجع دليل التدريب.

from ultralytics import YOLO

# Load pretrained model
model = YOLO("yolo11n.pt")

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

yolo detect train data=construction-ppe.yaml model=yolo11n.pt epochs=100 imgsz=640

عينات من الصور والشروحات التوضيحية

تلتقط مجموعة البيانات عمال البناء عبر بيئات وإضاءة وأوضاع مختلفة. يتم تضمين كل من الحالات المتوافقة و غير المتوافقة.

الترخيص والإسناد

تم تطوير Construction-PPE وإصداره بموجب ترخيص AGPL-3.0، لدعم البحث مفتوح المصدر والتطبيقات التجارية مع الإسناد المناسب.

إذا كنت تستخدم مجموعة البيانات هذه في بحثك، فيرجى 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

ما الذي يجعل مجموعة بيانات Construction-PPE فريدة من نوعها؟

على عكس مجموعات بيانات البناء العامة، تشتمل Construction-PPE صراحةً على فئات المعدات المفقودة. يسمح هذا النهج ذو التصنيف المزدوج للنماذج ليس فقط بـ detect معدات الوقاية الشخصية ولكن أيضًا الإبلاغ عن المخالفات في الوقت الفعلي.

ما هي فئات الكائنات المضمنة؟

تغطي مجموعة البيانات الخوذات والسترات والقفازات والأحذية والنظارات الواقية والعمال، جنبًا إلى جنب مع نظائرها “المفقودة من معدات الوقاية الشخصية”. وهذا يضمن تغطية شاملة للامتثال.

كيف يمكنني تدريب نموذج YOLO باستخدام مجموعة بيانات Construction-PPE؟

لتدريب نموذج YOLO11 باستخدام مجموعة بيانات Construction-PPE، يمكنك استخدام مقتطفات التعليمات البرمجية التالية:

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n.pt")  # load a pretrained model (recommended for training)

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

# Start training from a pretrained *.pt model
yolo detect train data=construction-ppe.yaml model=yolo11n.pt epochs=100 imgsz=640

هل هذه المجموعة من البيانات مناسبة للتطبيقات الواقعية؟

نعم. يتم تنسيق الصور من مواقع بناء حقيقية في ظل ظروف متنوعة. وهذا يجعله فعالاً للغاية في بناء أنظمة مراقبة سلامة مكان العمل القابلة للنشر.

ما هي فوائد استخدام مجموعة بيانات Construction-PPE في مشاريع الذكاء الاصطناعي؟

تتيح مجموعة البيانات detect معدات الحماية الشخصية في الوقت الفعلي، مما يساعد على مراقبة سلامة العمال في مواقع البناء. مع وجود فئات لكل من المعدات المرتداة والمفقودة، فإنه يدعم أنظمة الذكاء الاصطناعي التي يمكنها تلقائيًا الإبلاغ عن انتهاكات السلامة، وإنشاء رؤى حول الامتثال، وتقليل المخاطر. كما يوفر موردًا عمليًا لتطوير حلول رؤية الكمبيوتر في سلامة مكان العمل والروبوتات والبحث الأكاديمي.

📅 تم إنشاؤه منذ 3 أشهر ✏️ تم تحديثه منذ شهر واحد

تعليقات