Bau-PPE-Datensatz
Der Datensatz Construction-PPE wurde entwickelt, um die Einhaltung von Sicherheitsvorschriften auf Baustellen zu verbessern, indem er die Erkennung von wichtiger Schutzausrüstung wie Helmen, Westen, Handschuhen, Stiefeln und Schutzbrillen zusammen mit Anmerkungen zu fehlender Ausrüstung ermöglicht. Der Datensatz wurde aus realen Baustellenumgebungen zusammengestellt und enthält sowohl konforme als auch nicht konforme Fälle, was ihn zu einer wertvollen Ressource für das Training von KI-Modellen zur Überwachung der Sicherheit am Arbeitsplatz macht.
Dataset-Struktur
Der Construction-PPE-Datensatz ist in drei Hauptgruppen unterteilt:
- Übungssatz: Die primäre Sammlung von kommentierten Bildern aus dem Baugewerbe, die Arbeiter mit vollständiger oder teilweiser Verwendung von PSA zeigen.
- Validierungssatz: Eine bestimmte Teilmenge, die zur Feinabstimmung und Bewertung der Modellleistung bei der Erkennung von PSA und der Überwachung der Einhaltung der Vorschriften verwendet wird.
- Testsatz: Ein unabhängiger Teilsatz, der für die Bewertung der Wirksamkeit des endgültigen Modells bei der Erkennung von PSA und der Identifizierung von Konformitätsproblemen reserviert ist.
Jedes Bild wird in der Datei Ultralytics YOLO Format beschriftet, um die Kompatibilität mit modernen Objekterkennungs- und -verfolgungspipelines zu gewährleisten.
Der Datensatz enthält 11 Klassen, die in positive (getragene PSA) und negative (fehlende PSA) Kategorien unterteilt sind. Diese duale Positiv-/Negativ-Struktur ermöglicht es den Modellen, ordnungsgemäß getragene Ausrüstung zu erkennen und Sicherheitsverstöße zu identifizieren.
Anwendungen
Construction-PPE unterstützt eine Vielzahl von sicherheitsrelevanten Computer-Vision-Anwendungen:
- Automatisierte Überwachung der Einhaltung von Vorschriften: Trainieren Sie KI-Modelle, um sofort zu überprüfen, ob die Arbeiter die vorgeschriebene Schutzausrüstung wie Helme, Westen oder Handschuhe tragen, und reduzieren Sie so die Risiken auf der Baustelle.
- Analyse der Sicherheit am Arbeitsplatz: Verfolgen Sie die Nutzung von PSA im Zeitverlauf, erkennen Sie häufige Verstöße und gewinnen Sie Erkenntnisse zur Verbesserung der Sicherheitskultur.
- Intelligente Überwachungssysteme: Verbinden Sie Detektionsmodelle mit Kameras, um Echtzeitwarnungen zu senden, wenn PSA fehlt, und so Unfälle zu verhindern, bevor sie passieren.
- Robotik und autonome Systeme: Ermöglichen Sie es Drohnen oder Robotern, PSA-Kontrollen an großen Standorten durchzuführen, um schnellere und sicherere Inspektionen zu ermöglichen.
- Forschung und Lehre: Bereitstellung eines realen Datensatzes für Studenten und Forscher, die die Sicherheit am Arbeitsplatz und die Interaktion zwischen Mensch und Objekt erforschen.
Datensatz-YAML
Der Construction-PPE-Datensatz enthält eine YAML-Konfigurationsdatei, in der die Pfade der Trainings- und Validierungsbilder sowie die vollständige Liste der Objektklassen definiert sind. Sie können auf die construction-ppe.yaml Datei direkt im Ultralytics hier: https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/construction-ppe.yaml
ultralytics.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 Handbuch Training.
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 unterschiedlichen Umgebungen, Lichtverhältnissen und Körperhaltungen. Es sind sowohl konforme als auch nicht konforme Fälle enthalten.
Lizenz und Namensnennung
Construction-PPE wird unter der AGPL-3.0 entwickelt und veröffentlicht und unterstützt Open-Source-Forschung und kommerzielle Anwendungen mit entsprechender Namensnennung.
Wenn Sie diesen Datensatz in Ihrer Forschung verwenden, geben Sie ihn bitte an:
@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 einzigartig?
Im Gegensatz zu allgemeinen Baudatensätzen enthält Construction-PPE ausdrücklich fehlende Ausrüstungsklassen. Durch diesen Ansatz der doppelten Kennzeichnung können die Modelle nicht nur PSA erkennen, sondern auch Verstöße in Echtzeit melden.
Welche Objektkategorien sind enthalten?
Der Datensatz umfasst Helme, Schutzwesten, Handschuhe, Stiefel, Schutzbrillen und Arbeitskräfte sowie deren "fehlende PSA"-Pendants. Dadurch wird die Einhaltung der Vorschriften umfassend abgedeckt.
Wie kann ich ein YOLO mit dem Construction-PPE-Datensatz trainieren?
Um ein YOLO11 mit dem Construction-PPE-Datensatz zu trainieren, können Sie die folgenden Codeschnipsel 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. Es werden Bilder von echten Baustellen unter verschiedenen Bedingungen zusammengestellt. Das macht es sehr effektiv für den Aufbau von einsatzfähigen Systemen zur Überwachung der Sicherheit am Arbeitsplatz.
Welche Vorteile bietet die Verwendung des Construction-PPE-Datensatzes in KI-Projekten?
Der Datensatz ermöglicht die Erkennung von persönlicher Schutzausrüstung in Echtzeit und hilft bei der Überwachung der Arbeitssicherheit auf Baustellen. Mit Klassen für getragene und fehlende Ausrüstung unterstützt er KI-Systeme, die automatisch Sicherheitsverstöße erkennen, Erkenntnisse über die Einhaltung von Vorschriften gewinnen und Risiken reduzieren können. Der Datensatz ist auch eine praktische Ressource für die Entwicklung von Bildverarbeitungslösungen für die Sicherheit am Arbeitsplatz, die Robotik und die akademische Forschung.
