Dataset Construction-PPE
Il dataset Construction-PPE è progettato per migliorare la conformità alla sicurezza nei cantieri edili, consentendo il rilevamento di dispositivi di protezione essenziali come caschi, giubbotti, guanti, stivali e occhiali, insieme alle annotazioni per le attrezzature mancanti. Curato a partire da ambienti di costruzione reali, include sia casi conformi che non conformi, rendendolo una risorsa preziosa per l'addestramento di modelli di IA che monitorano la sicurezza sul lavoro.
Struttura del set di dati
Il dataset Construction-PPE è organizzato in tre sottoinsiemi principali:
- Set di addestramento: La raccolta principale di immagini di costruzioni annotate con lavoratori che utilizzano DPI completi e parziali.
- Set di convalida: Un sottoinsieme designato utilizzato per ottimizzare e valutare le prestazioni del modello durante il rilevamento dei DPI e il monitoraggio della conformità.
- Set di test: Un sottoinsieme indipendente riservato alla valutazione dell'efficacia del modello finale nel rilevare i DPI e identificare i problemi di conformità.
Ogni immagine è annotata nel formato Ultralytics YOLO, garantendo la compatibilità con le pipeline di object detection e tracking all'avanguardia.
Il dataset fornisce 11 classi suddivise in categorie positive (DPI indossati) e negative (DPI mancanti). Questa struttura duale positiva/negativa consente ai modelli di rilevare l'attrezzatura indossata correttamente e di identificare le violazioni della sicurezza.
Valore aziendale
- L'edilizia rimane uno dei settori più pericolosi al mondo, con oltre 51 infortuni mortali su 123 correlati al lavoro nel Regno Unito nel 2023/2024 avvenuti nel settore edile. Tuttavia, il problema non è più la mancanza di regolamentazione, con il 42% dei lavoratori edili che ammette di non rispettare sempre le procedure.
- L'edilizia è già disciplinata da un ampio quadro di standard di salute e sicurezza (HSE), ma i team HSE sono alle prese con un'applicazione coerente. I team HSE sono spesso sovraccarichi, bilanciando scartoffie e audit e non avendo la capacità di monitorare ogni angolo di un ambiente affollato e in continua evoluzione in tempo reale.
- È qui che il rilevamento dei dispositivi di protezione individuale (DPI) basato sulla computer vision diventa prezioso. Controllando automaticamente se i lavoratori indossano caschi, giubbotti e altri dispositivi di protezione individuale, puoi assicurarti che le regole HSE non siano solo presenti ma applicate efficacemente e in modo coerente in tutti i siti. Oltre alla conformità, la computer vision fornisce indicatori principali di rischio rivelando quanto bene le squadre seguono le pratiche di sicurezza, consentendo alle organizzazioni di individuare le tendenze al ribasso nella conformità e prevenire incidenti prima che accadano.
- Inoltre, è noto che il rilevamento dei dispositivi di protezione individuale identifica anche gli intrusi non autorizzati nel sito, poiché coloro che non sono dotati di dispositivi di sicurezza adeguati sono i primi a attivare una notifica. In definitiva, il rilevamento dei DPI è un caso d'uso di computer vision semplice ma potente che offre supervisione completa, informazioni fruibili e report standardizzati, consentendo alle imprese di costruzione di ridurre i rischi, proteggere i lavoratori e salvaguardare i propri progetti.
Applicazioni
Construction-PPE alimenta una varietà di applicazioni di visione artificiale incentrate sulla sicurezza:
- Monitoraggio automatizzato della conformità: Addestra modelli di IA per verificare istantaneamente se i lavoratori indossano i dispositivi di sicurezza richiesti come caschi, giubbotti o guanti, riducendo i rischi in cantiere.
- Analisi della sicurezza sul lavoro: Tieni traccia dell'utilizzo dei DPI nel tempo, individua le violazioni frequenti e genera informazioni per migliorare la cultura della sicurezza.
- Sistemi di sorveglianza intelligenti: Collega i modelli di rilevamento alle telecamere per inviare avvisi in tempo reale quando mancano i DPI, prevenendo gli incidenti prima che accadano.
- Robotica e sistemi autonomi: Consenti a droni o robot di eseguire controlli dei DPI su ampi siti, supportando ispezioni più rapide e sicure.
- Ricerca e istruzione: Fornisci un dataset del mondo reale per studenti e ricercatori che esplorano la sicurezza sul lavoro e le interazioni uomo-oggetto.
YAML del set di dati
Il dataset Construction-PPE include un file di configurazione YAML che definisce i percorsi delle immagini di addestramento e convalida insieme all'elenco completo delle classi di oggetti. Puoi accedere al construction-ppe.yaml
file direttamente nel repository Ultralytics qui: https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/construction-ppe.yaml
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
Utilizzo
Puoi addestrare un modello YOLO11n sul dataset Construction-PPE per 100 epoche con una dimensione dell'immagine di 640. Gli esempi seguenti mostrano come iniziare rapidamente. Per ulteriori opzioni e configurazioni avanzate, consulta la guida all'addestramento.
Esempio di addestramento
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
Immagini di esempio e annotazioni
Il dataset cattura i lavoratori edili in diversi ambienti, condizioni di illuminazione e posture. Sono inclusi sia casi conformi che non conformi.
Licenza e attribuzione
Construction-PPE è sviluppato e rilasciato sotto licenza AGPL-3.0, supportando la ricerca open-source e le applicazioni commerciali con la dovuta attribuzione.
Se utilizzi questo dataset nella tua ricerca, cita il seguente riferimento:
@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
Cosa rende unico il dataset Construction-PPE?
A differenza dei dataset di costruzione generici, Construction-PPE include esplicitamente le classi di attrezzature mancanti. Questo approccio a doppia etichettatura consente ai modelli non solo di rilevare i DPI, ma anche di segnalare le violazioni in tempo reale.
Quali categorie di oggetti sono incluse?
Il dataset copre caschi, giubbotti, guanti, stivali, occhiali protettivi e lavoratori, insieme alle loro controparti di “DPI mancanti”. Ciò garantisce una copertura completa della conformità.
Come posso addestrare un modello YOLO utilizzando il dataset Construction-PPE?
Per addestrare un modello YOLO11 utilizzando il dataset Construction-PPE, è possibile utilizzare i seguenti frammenti di codice:
Esempio di addestramento
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
Questo dataset è adatto per applicazioni nel mondo reale?
Sì. Le immagini sono curate da cantieri edili reali in diverse condizioni. Questo lo rende altamente efficace per la costruzione di sistemi di monitoraggio della sicurezza sul lavoro implementabili.
Quali sono i vantaggi dell'utilizzo del dataset Construction-PPE nei progetti di IA?
Il dataset consente il rilevamento in tempo reale dei dispositivi di protezione individuale, contribuendo a monitorare la sicurezza dei lavoratori nei cantieri edili. Grazie alle classi per l'attrezzatura indossata e mancante, supporta i sistemi di intelligenza artificiale in grado di segnalare automaticamente le violazioni della sicurezza, generare informazioni sulla conformità e ridurre i rischi. Fornisce inoltre una risorsa pratica per lo sviluppo di soluzioni di visione artificiale nell'ambito della sicurezza sul lavoro, della robotica e della ricerca accademica.