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.

311 classes145.3 MBSep 2, 2026

helmetglovesvestboots+7

object-detectionconstructionppe+2

Der Ultralytics Construction-PPE-Datensatz ist ein Datensatz zur Objekterkennung 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, Westen, Stiefel und Schutzbrillen – sowie zum Erkennen fehlender Ausrüstung auf Baustellen annotiert sind. Der aus realen Baustellenumgebungen zusammengestellte Datensatz umfasst sowohl regelkonforme als auch nicht regelkonforme Fälle und ist damit eine praxisnahe Ressource zum Trainieren von Computer-Vision-Modellen zur Überwachung der Arbeitssicherheit.

Datensatzstruktur#

Der Construction-PPE-Datensatz enthält 1.416 Bilder, die in drei vordefinierte Teilmengen aufgeteilt sind, die durch die Konfiguration construction-ppe.yaml festgelegt werden:

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

Der Datensatz stellt 11 Klassen bereit, die getragene und fehlende Ausrüstung sowie Personen abdecken:

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

Durch die Kombination getragener und fehlender Ausrüstung kann ein Modell sowohl ordnungsgemäß getragene Ausrüstung erkennen als auch Sicherheitsverstöße melden. Beachte, dass vest keine eigene Klasse für fehlende Westen besitzt.

Geschäftlicher Nutzen#

Das Baugewerbe gehört zu den gefährlichsten Branchen, wobei die Herausforderung meist in der Durchsetzung und nicht in einem Mangel an Vorschriften liegt. Die für Gesundheit und Sicherheit zuständigen Teams sind stark ausgelastet und können nicht jeden Winkel einer geschäftigen, sich ständig verändernden Baustelle in Echtzeit überwachen.

Die auf Computer Vision basierende PPE-Erkennung hilft, diese Lücke zu schließen. Durch die automatische Prüfung, ob Beschäftigte die erforderlichen Helme, Westen und andere Ausrüstung tragen, setzt sie Sicherheitsregeln standortübergreifend konsequent durch und macht Frühindikatoren für Risiken sichtbar – so werden Trends bei der Einhaltung erkannt, bevor es zu Unfällen kommt. Die PPE-Erkennung kann außerdem unbefugte Personen auf dem Gelände melden, die typischerweise als Erste ohne geeignete Schutzausrüstung erscheinen.

Anwendungen#

Construction-PPE unterstützt eine Vielzahl sicherheitsorientierter Computer-Vision-Anwendungen:

• Automatisierte Überwachung der Einhaltung: Trainiere KI-Modelle, um sofort zu prüfen, ob Beschäftigte die erforderliche Schutzausrüstung wie Helme, Westen oder Handschuhe tragen, und so Risiken auf der Baustelle zu reduzieren.
• Analysen zur Arbeitssicherheit: Verfolge die Nutzung von PPE über einen längeren Zeitraum, erkenne häufige Verstöße und gewinne Erkenntnisse zur Verbesserung der Sicherheitskultur.
• Intelligente Überwachungssysteme: Verbinde Erkennungsmodelle mit Kameras, um Echtzeitwarnungen zu senden, wenn PPE fehlt, und Unfälle zu verhindern, bevor sie passieren.
• Robotik und autonome Systeme: Ermögliche Drohnen oder Robotern, PPE-Prüfungen auf großen Baustellen durchzuführen und dadurch schnellere und sicherere Inspektionen zu unterstützen.
• Forschung und Bildung: Stelle Studierenden und Forschenden einen praxisnahen Datensatz zur Untersuchung von Arbeitssicherheit und Mensch-Objekt-Interaktionen bereit.

Um ein PPE-Erkennungsmodell zu annotieren, zu trainieren und bereitzustellen, ohne lokale Infrastruktur verwalten zu müssen, führe den gesamten Workflow mit der Ultralytics Platform in deinem Browser aus.

Dataset-YAML#

Der Construction-PPE-Datensatz enthält eine YAML-Konfigurationsdatei, die die Pfade zu den Trainings-, Validierungs- und Testbildern sowie die vollständige Liste der Objektklassen definiert. Du kannst die Datei construction-ppe.yaml direkt im Ultralytics-Repository aufrufen: 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 dir, wie du schnell loslegst. Weitere Optionen und erweiterte Konfigurationen findest du im Trainingsleitfaden.

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)

Beispielbilder und Annotationen#

Der Datensatz erfasst Bauarbeiter in unterschiedlichen Umgebungen, bei verschiedenen Lichtverhältnissen und in unterschiedlichen Körperhaltungen. Sowohl regelkonforme als auch nicht regelkonforme Fälle sind enthalten.

Lizenz und Namensnennung#

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

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}
}

FAQ#