Construction-PPE-Datensatz#

1,416

Construction PPE

ultralytics

publicDetect

Construction-PPE is an Ultralytics safety-equipment detection benchmark. Its 11 classes localize people, helmets, gloves, vests, boots, and goggles while explicitly identifying missing protective equipment for worksite compliance monitoring.

611 classes145.3 MBSep 2, 2026

helmetglovesvestboots+7

object-detectionconstructionppe+2

Der Ultralytics-Construction-PPE-Datensatz ist ein Objekterkennungs-Datensatz mit 1.416 Bildern (1.132 für das Training, 143 für die Validierung und 141 für das Testen), die in 11 Klassen für die Erkennung persönlicher Schutzausrüstung – Helme, Handschuhe, Warnwesten, Stiefel und Schutzbrillen – und das Erkennen fehlender Ausrüstung auf Baustellen annotiert sind. Der aus realen Bauumgebungen zusammengestellte Datensatz umfasst sowohl regelkonforme als auch regelwidrige Fälle und ist damit eine praktische Ressource für das Training von Computer-Vision-Modellen zur Überwachung der Arbeitssicherheit.

Datensatzstruktur#

Der Construction-PPE-Datensatz umfasst 1.416 Bilder, die in drei vordefinierte Teilmengen aufgeteilt und in der Konfiguration construction-ppe.yaml festgelegt sind:

Jedes Bild ist im Ultralytics-YOLO-Format annotiert. Dadurch ist die Kompatibilität mit modernen Abläufen zur Objekterkennung und zum Tracking gewährleistet.

Der Datensatz umfasst 11 Klassen für getragene und fehlende Ausrüstung sowie Personen:

• Getragene Schutzausrüstung (5): helmet, gloves, vest, boots, goggles
• Fehlende Schutzausrüstung (4): no_helmet, no_gloves, no_boots, no_goggle
• Sonstige (2): Person, none

Durch die Kombination der Kennzeichnungen für getragene und fehlende Ausrüstung kann ein Modell korrekt getragene Ausrüstung erkennen und Sicherheitsverstöße markieren. Beachte, dass es für vest keine eigene Kennzeichnung für eine fehlende Warnweste gibt.

Geschäftlicher Nutzen#

Das Baugewerbe zählt zu den gefährlichsten Branchen. Die Herausforderung liegt meist in der Durchsetzung und nicht im Mangel an Vorschriften. Arbeitsschutzteams sind stark ausgelastet und können nicht jeden Winkel einer geschäftigen, sich ständig verändernden Baustelle in Echtzeit überwachen.

Die PPE-Erkennung mit Computer Vision hilft, diese Lücke zu schließen. Durch die automatische Prüfung, ob Beschäftigte die vorgeschriebenen Helme, Warnwesten und sonstige Ausrüstung tragen, setzt sie Sicherheitsregeln auf allen Baustellen konsequent durch und macht Frühindikatoren für Risiken sichtbar – so lassen sich Trends bei der Einhaltung von Vorschriften erkennen, bevor es zu Unfällen kommt. Die PPE-Erkennung kann außerdem unbefugte Personen auf der Baustelle markieren, die meist als Erste ohne geeignete Schutzausrüstung auftauchen.

Anwendungsfälle#

Construction-PPE unterstützt eine Vielzahl von Computer-Vision-Anwendungen mit Schwerpunkt auf Sicherheit:

• Automatisierte Überwachung der Vorschrifteneinhaltung: Trainiere KI-Modelle, die sofort prüfen, ob Beschäftigte die vorgeschriebene Schutzausrüstung wie Helme, Warnwesten oder Handschuhe tragen, und so Risiken auf der Baustelle verringern.
• Analysen zur Arbeitssicherheit: Verfolge die Nutzung von Schutzausrüstung über einen längeren Zeitraum, erkenne häufige Verstöße und gewinne Erkenntnisse zur Verbesserung der Sicherheitskultur.
• Intelligente Überwachungssysteme: Verbinde Erkennungsmodelle mit Kameras, um bei fehlender Schutzausrüstung Echtzeitwarnungen zu senden und Unfälle zu verhindern, bevor sie passieren.
• Robotik und autonome Systeme: Ermögliche Drohnen oder Robotern, große Baustellen auf Schutzausrüstung zu überprüfen, und unterstütze so schnellere und sicherere Inspektionen.
• Forschung und Bildung: Stelle Studierenden und Forschenden einen praxisnahen Datensatz zur Verfügung, um Arbeitssicherheit und Mensch-Objekt-Interaktionen zu untersuchen.

Um ein Modell zur PPE-Erkennung zu annotieren, zu trainieren und bereitzustellen, ohne eine lokale Infrastruktur verwalten zu müssen, kannst du den gesamten Ablauf direkt in deinem Browser mit der Ultralytics Platform ausführen.

YAML-Datei des Datensatzes#

Der Construction-PPE-Datensatz enthält eine YAML-Konfigurationsdatei, in der die Bildpfade für Training, Validierung und Testen sowie die vollständige Liste der Objektklassen festgelegt sind. Du kannst direkt hier im Ultralytics-Repository auf die Datei construction-ppe.yaml zugreifen: 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

Verwendung#

Du kannst ein YOLO26n-Modell 100 Epochen lang mit einer Bildgröße von 640 auf dem Construction-PPE-Datensatz trainieren. Die folgenden Beispiele zeigen, wie du schnell loslegst. Weitere Optionen und erweiterte Konfigurationen findest du in der Trainingsanleitung.

from ultralytics import YOLO

# Vortrainiertes Modell laden
model = YOLO("yolo26n.pt")

# Modell mit dem Construction-PPE-Datensatz trainieren
model.train(data="construction-ppe.yaml", epochs=100, imgsz=640)

Beispielbilder und Annotationen#

Der Datensatz zeigt Bauarbeiter in unterschiedlichen Umgebungen, Lichtverhältnissen und Körperhaltungen. Er umfasst sowohl regelkonforme als auch regelwidrige Fälle.

Lizenz und Namensnennung#

Construction-PPE wird unter der AGPL-3.0-Lizenz entwickelt und veröffentlicht. Damit werden Open-Source-Forschung und kommerzielle Anwendungen bei ordnungsgemäßer Namensnennung unterstützt.

Wenn du diesen Datensatz in deiner Forschung verwendest, zitiere ihn bitte:

@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}
}

Häufig gestellte Fragen#