Jeu de données Construction-PPE#

Le jeu de données Ultralytics Construction-PPE est un jeu de données d'object detection de 1 416 images (1 132 pour l'entraînement, 143 pour la validation et 141 pour le test) étiquetées sur 11 classes pour détecter l'équipement de protection individuelle (casques, gants, gilets, bottes et lunettes) et signaler l'équipement manquant sur les chantiers de construction. Rassemblé à partir de véritables environnements de construction, il comprend des cas conformes et non conformes, ce qui en fait une ressource pratique pour entraîner des modèles de computer vision qui surveillent la sécurité au travail.

Structure du jeu de données#

Le jeu de données Construction-PPE contient 1 416 images réparties en trois sous-ensembles prédéfinis, définis par la configuration construction-ppe.yaml :

Chaque image est annotée au format Ultralytics YOLO, ce qui garantit la compatibilité avec les pipelines de pointe d'object detection et de tracking.

Le jeu de données fournit 11 classes couvrant les équipements portés, les équipements manquants et les personnes :

• EPI portés (5) : helmet, gloves, vest, boots, goggles
• EPI manquants (4) : no_helmet, no_gloves, no_boots, no_goggle
• Autre (2) : Person, none

Associer des étiquettes d'équipements portés et manquants permet à un modèle à la fois de détecter les équipements correctement portés et de signaler les infractions aux consignes de sécurité. Note que vest n'a pas d'étiquette dédiée pour les gilets manquants.

Valeur commerciale#

La construction est l'une des industries les plus dangereuses, et le défi est généralement lié à l'application des règles plutôt qu'au manque de réglementation. Les équipes de santé et sécurité sont surchargées et ne peuvent pas surveiller chaque recoin d'un chantier actif en constante évolution en temps réel.

La détection des EPI basée sur la vision par ordinateur aide à combler cette lacune. En vérifiant automatiquement si les travailleurs portent les casques, gilets et autres équipements requis, elle applique les règles de sécurité de manière cohérente sur les sites et fait apparaître des indicateurs de risque précoces — révélant les tendances de conformité avant que les incidents ne surviennent. La détection des EPI peut également signaler les intrus non autorisés sur le site, qui sont généralement les premiers à apparaître sans équipement de sécurité adéquat.

Applications#

Construction-PPE alimente diverses applications de vision par ordinateur axées sur la sécurité :

• Surveillance automatisée de la conformité : Entraîne des modèles d'IA pour vérifier instantanément si les travailleurs portent les équipements de sécurité requis comme des casques, des gilets ou des gants, réduisant ainsi les risques sur le site.
• Analyses de sécurité au travail : Suis l'utilisation des EPI au fil du temps, repère les violations fréquentes et génère des informations pour améliorer la culture de sécurité.
• Systèmes de surveillance intelligents : Connecte des modèles de détection à des caméras pour envoyer des alertes en temps réel lorsque des EPI sont manquants, prévenant ainsi les accidents avant qu'ils ne se produisent.
• Robotique et systèmes autonomes : Permets à des drones ou des robots d'effectuer des vérifications d'EPI sur de grands sites, favorisant des inspections plus rapides et plus sûres.
• Recherche et éducation : Fournis un jeu de données réel aux étudiants et chercheurs étudiant la sécurité au travail et les interactions humain-objet.

Pour étiqueter, entraîner et déployer un modèle de détection d'EPI sans gérer d'infrastructure locale, exécute le flux de travail complet dans ton navigateur avec Ultralytics Platform.

YAML du jeu de données#

Le jeu de données Construction-PPE comprend un fichier de configuration YAML qui définit les chemins d'accès des images d'entraînement, de validation et de test ainsi que la liste complète des classes d'objets. Tu peux accéder directement au fichier construction-ppe.yaml dans le dépôt Ultralytics ici : 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

Utilisation#

Tu peux entraîner un modèle YOLO26n sur le jeu de données Construction-PPE pendant 100 époques avec une taille d'image de 640. Les exemples suivants montrent comment démarrer rapidement. Pour plus d'options et de configurations avancées, consulte le 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)

Exemples d'images et annotations#

Le jeu de données capture des travailleurs de la construction dans des environnements, des conditions d'éclairage et des postures variés. Des cas conformes et non conformes sont inclus.

Licence et attribution#

Construction-PPE est développé et publié sous la AGPL-3.0 License, prenant en charge la recherche open-source et les applications commerciales avec une attribution appropriée.

Si tu utilises ce jeu de données dans tes recherches, merci de le citer :

@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#