Construction-PPE-Datensatz
Der Construction-PPE-Datensatz wurde entwickelt, um die Einhaltung von Sicherheitsvorschriften auf Baustellen zu verbessern, indem er die Erkennung wichtiger Schutzausrüstung wie Helme, Westen, Handschuhe, Stiefel und Schutzbrillen sowie Anmerkungen für fehlende Ausrüstung ermöglicht. Er wurde aus realen Bauumgebungen zusammengestellt und enthält sowohl regelkonforme als auch nicht regelkonforme Fälle, was ihn zu einer wertvollen Ressource für das Training von KI-Modellen zur Überwachung der Arbeitssicherheit macht.
Watch: How to train Ultralytics YOLO on Personal Protective Equipment Dataset | VisionAI in Construction 👷
Datensatzstruktur
Der Construction-PPE-Datensatz ist in drei Hauptteilmengen gegliedert:
- Trainingsdatensatz: Die primäre Sammlung annotierter Baustellenbilder, die Arbeiter mit vollständiger und teilweiser PSA-Nutzung zeigen.
- Validierungsdatensatz: Eine dedizierte Teilmenge, die zur Feinabstimmung und Bewertung der Modellleistung bei der PSA-Erkennung und der Überwachung der Einhaltung von Vorschriften verwendet wird.
- Testdatensatz: Eine unabhängige Teilmenge, die zur Bewertung der Effektivität des endgültigen Modells bei der Erkennung von PSA und der Identifizierung von Compliance-Verstößen reserviert ist.
Jedes Bild ist im Ultralytics YOLO-Format annotiert, was die Kompatibilität mit modernsten Objekterkennungs- und Tracking-Pipelines sicherstellt.
Der Datensatz bietet 11 Klassen, unterteilt in positive (getragene PSA) und negative (fehlende PSA) Kategorien. Diese duale Positiv/Negativ-Struktur ermöglicht es Modellen, korrekt getragene Ausrüstung zu erkennen und Sicherheitsverstöße zu identifizieren.
Geschäftlicher Mehrwert
- Das Baugewerbe gehört weltweit nach wie vor zu den gefährlichsten Branchen: Im Jahr 2023/2024 ereigneten sich im Vereinigten Königreich über 51 von 123 arbeitsbedingten tödlichen Unfällen auf Baustellen. Das Problem liegt jedoch nicht mehr an einem Mangel an Vorschriften, da 42 % der Bauarbeiter zugeben, sich nicht immer an die Prozesse zu halten.
- Die Baubranche unterliegt bereits einem umfassenden Rahmen an Gesundheits- und Sicherheitsstandards (HSE), doch HSE-Teams stehen vor der Herausforderung einer konsequenten Durchsetzung. HSE-Teams sind oft überlastet, müssen Papierkram und Audits bewältigen und sind nicht in der Lage, jede Ecke einer geschäftigen und sich ständig verändernden Umgebung in Echtzeit zu überwachen.
- Hier ist die auf Computer Vision basierende Erkennung von persönlicher Schutzausrüstung (PSA) von unschätzbarem Wert. Indem du automatisch überprüfst, ob Arbeiter Helme, Westen und andere persönliche Schutzausrüstung tragen, kannst du sicherstellen, dass HSE-Regeln nicht nur vorhanden, sondern auf allen Baustellen konsistent und effektiv durchgesetzt werden. Über die Einhaltung hinaus liefert Computer Vision Frühindikatoren für Risiken, indem es aufzeigt, wie gut die Teams die Sicherheitspraktiken befolgen, was es Unternehmen ermöglicht, Abwärtstrends bei der Compliance zu erkennen und Vorfälle zu verhindern, bevor sie geschehen.
- Als Bonus ist bekannt, dass die Erkennung von persönlicher Schutzausrüstung auch unbefugte Eindringlinge auf dem Gelände identifiziert, da diejenigen, 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, umsetzbare Erkenntnisse und standardisierte Berichterstattung liefert und Bauunternehmen in die Lage versetzt, Risiken zu reduzieren, Arbeiter zu schützen und ihre Projekte abzusichern.
Anwendungen
Construction-PPE unterstützt eine Vielzahl von sicherheitsorientierten 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 im Zeitverlauf, erkenne häufige Verstöße und generiere Erkenntnisse zur Verbesserung der Sicherheitskultur.
- Intelligente Überwachungssysteme: Verbinde Erkennungsmodelle mit Kameras, um Echtzeitwarnungen zu senden, wenn PSA fehlt, und verhindere so Unfälle, bevor sie passieren.
- Robotik und autonome Systeme: Ermögliche es Drohnen oder Robotern, PSA-Kontrollen auf großen Baustellen durchzuführen, was schnellere und sicherere Inspektionen unterstützt.
- Forschung und Bildung: Stelle einen realen Datensatz für Studenten und Forscher bereit, die Arbeitssicherheit und Mensch-Objekt-Interaktionen erforschen.
Datensatz-YAML
Der Construction-PPE-Datensatz enthält eine YAML-Konfigurationsdatei, die die Pfade zu den Trainings- und Validierungsbildern sowie die vollständige Liste der Objektklassen definiert. Du kannst die Datei construction-ppe.yaml direkt im Ultralytics-Repository hier 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.zipVerwendung
Du kannst ein YOLO26n-Modell auf dem Construction-PPE-Datensatz für 100 Epochen mit einer Bildgröße von 640 trainieren. Die folgenden Beispiele zeigen, wie du schnell startest. 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 verschiedenen Umgebungen, Lichtverhältnissen und Haltungen. Sowohl regelkonforme als auch nicht regelkonforme Fälle sind enthalten.
Lizenz und Quellenangabe
Construction-PPE wurde unter der AGPL-3.0 License entwickelt und veröffentlicht, was Open-Source-Forschung und kommerzielle Anwendungen bei ordnungsgemäßer Quellenangabe 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}
}FAQ
Was macht den Construction-PPE-Datensatz einzigartig?
Im Gegensatz zu allgemeinen Bau-Datensätzen enthält Construction-PPE explizit Klassen für fehlende Ausrüstung. Dieser duale Labeling-Ansatz ermöglicht es Modellen, nicht nur PSA zu erkennen, sondern auch Verstöße in Echtzeit zu melden.
Welche Objektkategorien sind enthalten?
Der Datensatz deckt Helme, Westen, Handschuhe, Stiefel, Schutzbrillen und Arbeiter ab, zusammen mit ihren Gegenstücken „fehlende PSA“. Dies gewährleistet eine umfassende Abdeckung der Compliance.
Wie kann ich ein YOLO-Modell mit dem Construction-PPE-Datensatz trainieren?
Um ein YOLO26-Modell mit dem Construction-PPE-Datensatz zu trainieren, kannst du die folgenden Code-Snippets verwenden:
from ultralytics import YOLO
# Load a model
model = YOLO("yolo26n.pt") # load a pretrained model (recommended for training)
# Train the model
results = model.train(data="construction-ppe.yaml", epochs=100, imgsz=640)Ist dieser Datensatz für reale Anwendungen geeignet?
Ja. Die Bilder stammen von realen Baustellen unter unterschiedlichen Bedingungen. Dies macht ihn äußerst 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 Echtzeiterkennung von persönlicher Schutzausrüstung und hilft bei der Überwachung der Sicherheit der Arbeiter auf Baustellen. Mit Klassen für getragene und fehlende Ausrüstung unterstützt er KI-Systeme, die automatisch Sicherheitsverstöße melden, Compliance-Erkenntnisse generieren und Risiken reduzieren können. Er bietet zudem eine praktische Ressource für die Entwicklung von Computer-Vision-Lösungen in der Arbeitssicherheit, Robotik und akademischen Forschung.