Construction-PPE-Datensatz
Der Construction-PPE-Datensatz wurde entwickelt, um die Einhaltung der Sicherheitsvorschriften auf Baustellen zu verbessern, indem er die Erkennung von wichtiger Schutzausrüstung wie Helmen, Westen, Handschuhen, Stiefeln und Schutzbrillen sowie Anmerkungen für fehlende Ausrüstung ermöglicht. Er wird aus realen Bauumgebungen kuratiert und umfasst sowohl konforme als auch nicht konforme Fälle, was ihn zu einer wertvollen Ressource für das Training von KI-Modellen macht, die die Arbeitssicherheit überwachen.
Dataset-Struktur
Der Construction-PPE-Datensatz ist in drei Hauptuntergruppen unterteilt:
- Trainingssatz: Die primäre Sammlung annotierter Konstruktionsbilder, die Arbeiter mit vollständiger und teilweiser PSA-Nutzung zeigen.
- Validierungssatz: Eine bestimmte Untergruppe, die zur Feinabstimmung und Bewertung der Modellleistung bei der PSA-Erkennung und der Überwachung der Compliance verwendet wird.
- Testdatensatz: Eine unabhängige Untergruppe, die für die Bewertung der Effektivität des endgültigen Modells bei der Erkennung von PSA und der Identifizierung von Compliance-Problemen reserviert ist.
Jedes Bild ist im Ultralytics YOLO-Format annotiert, wodurch die Kompatibilität mit modernsten Objekterkennungs- und Tracking-Pipelines gewährleistet wird.
Der Datensatz bietet 11 Klassen, die in positive (getragene PSA) und negative (fehlende PSA) Kategorien unterteilt sind. Diese duale positiv/negativ-Struktur ermöglicht es Modellen, korrekt getragene Ausrüstung zu erkennen und Sicherheitsverstöße zu identifizieren.
Geschäftswert
- Das Baugewerbe ist nach wie vor eine der gefährlichsten Branchen der Welt. Im Vereinigten Königreich ereigneten sich im Zeitraum 2023/2024 über 51 von 123 arbeitsbedingten tödlichen Verletzungen im Baugewerbe. Das Problem ist jedoch nicht länger ein Mangel an Vorschriften, da 42 % der Bauarbeiter zugeben, sich nicht immer an die Prozesse zu halten.
- Das Baugewerbe wird bereits durch einen umfassenden Rahmen von Gesundheits- und Sicherheitsstandards (HSE) geregelt, aber die HSE-Teams stehen vor der Herausforderung einer konsequenten Durchsetzung. HSE-Teams sind oft überlastet, da sie Papierkram und Audits unter einen Hut bringen müssen und nicht in der Lage sind, jede Ecke einer geschäftigen und sich ständig verändernden Umgebung in Echtzeit zu überwachen.
- Hier wird die computergestützte Erkennung von persönlicher Schutzausrüstung (PSA) von unschätzbarem Wert. Durch die automatische Überprüfung, ob Arbeiter Helme, Westen und andere persönliche Schutzausrüstung tragen, können Sie sicherstellen, dass die HSE-Vorschriften nicht nur vorhanden sind, sondern auch auf allen Standorten konsequent durchgesetzt werden. Über die Einhaltung der Vorschriften hinaus liefert Computer Vision Frühindikatoren für Risiken, indem es aufzeigt, wie gut die Teams die Sicherheitspraktiken befolgen. So können Unternehmen Abwärtstrends bei der Einhaltung erkennen und Vorfälle verhindern, bevor sie geschehen.
- Zusätzlich ist bekannt, dass die Erkennung von persönlicher Schutzausrüstung auch unbefugte Eindringlinge auf dem Gelände identifiziert, da Personen, die nicht mit der richtigen Sicherheitsausrüstung ausgestattet sind, als erste eine Benachrichtigung auslösen. Letztendlich ist die PSA-Erkennung ein einfacher, aber leistungsstarker Anwendungsfall für Computer Vision, der vollständige Übersicht, verwertbare Erkenntnisse und standardisierte Berichte liefert und es Bauunternehmen ermöglicht, Risiken zu reduzieren, Arbeiter zu schützen und ihre Projekte zu sichern.
Anwendungen
Construction-PPE unterstützt eine Vielzahl von sicherheitsorientierten Computer-Vision-Anwendungen:
- Automatisierte Compliance-Überwachung: Trainieren Sie KI-Modelle, um sofort zu überprüfen, ob Arbeiter die erforderliche Sicherheitsausrüstung wie Helme, Westen oder Handschuhe tragen, wodurch Risiken vor Ort reduziert werden.
- Workplace Safety Analytics: Verfolgen Sie die PSA-Nutzung im Zeitverlauf, erkennen Sie häufige Verstöße und generieren Sie Erkenntnisse zur Verbesserung der Sicherheitskultur.
- Intelligente Überwachungssysteme: Verbinden Sie Erkennungsmodelle mit Kameras, um Echtzeitwarnungen zu senden, wenn PSA fehlt, und verhindern Sie so Unfälle, bevor sie passieren.
- Robotik und autonome Systeme: Ermöglichen Sie Drohnen oder Robotern, PSA-Kontrollen auf großen Baustellen durchzuführen und so schnellere und sicherere Inspektionen zu unterstützen.
- Forschung und Ausbildung: Stellen Sie einen realen Datensatz für Studenten und Forscher bereit, die sich mit Arbeitssicherheit und Mensch-Objekt-Interaktionen beschäftigen.
Datensatz-YAML
Der Construction-PPE-Datensatz enthält eine YAML-Konfigurationsdatei, die die Pfade der Trainings- und Validierungsbilder zusammen mit der vollständigen Liste der Objektklassen definiert. Sie können auf die Datei zugreifen construction-ppe.yaml Datei direkt im Ultralytics Repository hier: https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/construction-ppe.yaml
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
Nutzung
Sie können ein YOLO11n-Modell auf dem Construction-PPE-Datensatz für 100 Epochen mit einer Bildgröße von 640 trainieren. Die folgenden Beispiele zeigen, wie Sie schnell loslegen können. Weitere Optionen und erweiterte Konfigurationen finden Sie im Trainingsleitfaden.
Trainingsbeispiel
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
sample_images und Anmerkungen
Der Datensatz erfasst Bauarbeiter in verschiedenen Umgebungen, Lichtverhältnissen und Körperhaltungen. Sowohl konforme als auch nicht konforme Fälle sind enthalten.
Lizenz und Namensnennung
Construction-PPE wird unter der AGPL-3.0-Lizenz entwickelt und veröffentlicht, um Open-Source-Forschung und kommerzielle Anwendungen mit angemessener Namensnennung zu unterstützen.
Wenn Sie diesen Datensatz in Ihrer Forschung verwenden, zitieren Sie ihn bitte wie folgt:
@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}
}
FAQ
Was macht den Construction-PPE-Datensatz so einzigartig?
Im Gegensatz zu generischen Konstruktionsdatensätzen enthält Construction-PPE explizit fehlende Ausrüstungsklassen. Dieser Dual-Labeling-Ansatz ermöglicht es Modellen, nicht nur PSA zu erkennen, sondern auch Verstöße in Echtzeit zu melden.
Welche Objektkategorien sind enthalten?
Der Datensatz umfasst Helme, Westen, Handschuhe, Stiefel, Schutzbrillen und Arbeiter sowie ihre jeweiligen Gegenstücke mit “fehlender PSA”. Dies gewährleistet eine umfassende Abdeckung der Compliance.
Wie kann ich ein YOLO-Modell mit dem Construction-PPE-Datensatz trainieren?
Um ein YOLO11-Modell mit dem Construction-PPE-Datensatz zu trainieren, können Sie die folgenden Code-Snippets verwenden:
Trainingsbeispiel
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
Ist dieser Datensatz für reale Anwendungen geeignet?
Ja. Die Bilder stammen von realen Baustellen unter verschiedenen Bedingungen. Dies macht ihn sehr effektiv für den Aufbau von einsetzbaren Systemen zur Überwachung der Arbeitssicherheit.
Welche Vorteile bietet die Verwendung des Construction-PPE-Datensatzes in KI-Projekten?
Der Datensatz ermöglicht die Echtzeit-Erkennung von persönlicher Schutzausrüstung und hilft so bei der Überwachung der Arbeitssicherheit auf Baustellen. Mit Klassen sowohl für getragene als auch für fehlende Ausrüstung unterstützt er KI-Systeme, die Sicherheitsverstöße automatisch erkennen, Compliance-Erkenntnisse generieren und Risiken reduzieren können. Er bietet auch eine praktische Ressource für die Entwicklung von Computer-Vision-Lösungen in den Bereichen Arbeitssicherheit, Robotik und akademische Forschung.
