Construction-PPE-Datensatz#

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

Das Ultralytics Construction-PPE-Dataset ist ein object detection-Dataset mit 1.416 Bildern (1.132 für das Training, 143 für die Validierung und 141 für das Testen), die in 11 Klassen unterteilt sind, um persönliche Schutzausrüstung — Helme, Handschuhe, Westen, Stiefel und Schutzbrillen — zu erkennen und fehlende Ausrüstung auf Baustellen zu markieren. Es wurde aus realen Baustellenumgebungen zusammengestellt, enthält sowohl konforme als auch nicht konforme Fälle und ist damit eine praktische Ressource für das Training von computer vision-Modellen zur Überwachung der Arbeitssicherheit.

Datensatzstruktur#

Das Construction-PPE-Dataset enthält 1.416 Bilder, die in drei vordefinierte Teilmengen unterteilt sind, welche durch die Konfiguration construction-ppe.yaml festgelegt werden:

Jedes Bild ist im Format Ultralytics YOLO annotiert, was die Kompatibilität mit modernen object detection- und tracking-Pipelines gewährleistet.

Das Datenset bietet 11 Klassen, die getragene Ausrüstung, fehlende Ausrüstung und Personen abdecken:

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

Durch die Verknüpfung von Labels für getragene und fehlende Ausrüstung kann ein Modell sowohl ordnungsgemäß getragene Ausrüstung erkennen als auch Sicherheitsverstöße melden. Beachte, dass vest kein dediziertes Label für eine fehlende Weste hat.

Geschäftlicher Nutzen#

Das Baugewerbe ist eine der gefährlichsten Branchen, und die Herausforderung liegt meist in der Durchsetzung der Regeln, nicht in einem Mangel an Vorschriften. Arbeitsschutzteams sind oft überlastet 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 Überprüfung, ob Arbeiter die erforderlichen Helme, Westen und andere Ausrüstungsgegenstände tragen, werden Sicherheitsregeln konsistent auf Baustellen durchgesetzt. Zudem werden Frühindikatoren für Risiken sichtbar gemacht, wodurch Trends bei der Einhaltung von Vorschriften aufgezeigt werden, bevor Zwischenfälle auftreten. Die PPE-Erkennung kann auch unbefugte Personen auf der Baustelle identifizieren, die normalerweise als Erste ohne die entsprechende Sicherheitsausrüstung in Erscheinung treten.

Anwendungen#

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

• Automatisierte Compliance-Überwachung: Trainiere KI-Modelle, um sofort zu prüfen, ob Arbeiter die erforderliche Sicherheitsausrüstung wie Helme, Westen oder Handschuhe tragen, wodurch Risiken vor Ort reduziert werden.
• Analytik zur Arbeitssicherheit: Verfolge die PSA-Nutzung über die Zeit, erkenne häufige Verstöße und generiere Erkenntnisse zur Verbesserung der Sicherheitskultur.
• Intelligente Überwachungssysteme: Verbinde Erkennungsmodelle mit Kameras, um bei fehlender PSA Echtzeit-Warnungen zu senden und Unfälle zu verhindern, bevor sie passieren.
• Robotik und autonome Systeme: Ermögliche es Drohnen oder Robotern, PSA-Prüfungen auf großen Baustellen durchzuführen und so schnellere und sicherere Inspektionen zu unterstützen.
• Forschung und Bildung: Stelle einen Datensatz aus der realen Welt für Studenten und Forscher bereit, die Arbeitssicherheit und die Interaktion zwischen Mensch und Objekt untersuchen.

Um ein PSA-Erkennungsmodell zu labeln, zu trainieren und bereitzustellen, ohne lokale Infrastruktur verwalten zu müssen, kannst du den vollständigen Workflow mit der Ultralytics Platform in deinem Browser ausführen.

Datensatz-YAML#

Das Construction-PPE-Dataset enthält eine YAML-Konfigurationsdatei, die die Pfade für Trainings-, Validierungs- und Testbilder sowie die vollständige Liste der Objektklassen definiert. 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 mit dem Construction-PPE-Dataset für 100 Epochen bei einer Bildgröße von 640 trainieren. Die folgenden Beispiele zeigen, wie du schnell startest. Weitere Optionen und erweiterte Konfigurationen findest du im 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)

Beispielbilder und Annotationen#

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

Lizenz und Attribution#

Construction-PPE wurde entwickelt und wird unter der AGPL-3.0 License veröffentlicht, wodurch Open-Source-Forschung und kommerzielle Anwendungen bei entsprechender Namensnennung unterstützt werden.

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#