Dataset Construction-PPE#

1,416

Construction PPE

ultralytics

publicDetect

Construction-PPE is an Ultralytics safety-equipment detection benchmark. Its 11 classes localize people, helmets, gloves, vests, boots, and goggles while explicitly identifying missing protective equipment for worksite compliance monitoring.

211 classes145.3 MBSep 2, 2026

helmetglovesvestboots+7

object-detectionconstructionppe+2

Il dataset Construction-PPE di Ultralytics è un dataset di rilevamento degli oggetti composto da 1.416 immagini (1.132 per l'addestramento, 143 per la validazione e 141 per il test), etichettate in 11 classi per rilevare i dispositivi di protezione individuale (PPE) — caschi, guanti, gilet, stivali e occhiali protettivi — e segnalare l'assenza dell'equipaggiamento nei cantieri. Curato a partire da ambienti di costruzione reali, include casi conformi e non conformi, rendendolo una risorsa pratica per addestrare modelli di visione artificiale che monitorano la sicurezza sul lavoro.

Struttura del dataset#

Il dataset Construction-PPE contiene 1.416 immagini suddivise in tre sottoinsiemi predefiniti, definiti dalla configurazione construction-ppe.yaml:

Ogni immagine è annotata nel formato Ultralytics YOLO, garantendo la compatibilità con pipeline all'avanguardia di rilevamento degli oggetti e tracking.

Il dataset fornisce 11 classi che comprendono equipaggiamento indossato, equipaggiamento mancante e persone:

• PPE indossati (5): helmet, gloves, vest, boots, goggles
• PPE mancanti (4): no_helmet, no_gloves, no_boots, no_goggle
• Altro (2): Person, none

L'associazione tra le etichette dell'equipaggiamento indossato e di quello mancante consente a un modello sia di rilevare l'equipaggiamento indossato correttamente sia di segnalare le violazioni delle norme di sicurezza. Nota che vest non dispone di un'etichetta dedicata per il gilet mancante.

Valore aziendale#

L'edilizia è uno dei settori più pericolosi e la sfida solitamente consiste nell'applicazione delle norme, non nella loro assenza. I team responsabili di salute e sicurezza hanno risorse limitate e non possono sorvegliare ogni angolo di un cantiere affollato e in continua evoluzione in tempo reale.

Il rilevamento dei PPE basato sulla visione artificiale aiuta a colmare questa lacuna. Verificando automaticamente se i lavoratori indossano i caschi, i gilet e gli altri dispositivi richiesti, applica le norme di sicurezza in modo coerente in tutti i cantieri e mette in evidenza gli indicatori anticipatori del rischio, rivelando le tendenze di conformità prima che si verifichino incidenti. Il rilevamento dei PPE può anche segnalare gli intrusi non autorizzati nei cantieri, che in genere sono i primi a comparire senza l'equipaggiamento di sicurezza adeguato.

Applicazioni#

Construction-PPE supporta diverse applicazioni di visione artificiale incentrate sulla sicurezza:

• Monitoraggio automatizzato della conformità: addestra modelli di intelligenza artificiale per verificare istantaneamente se i lavoratori indossano i dispositivi di sicurezza richiesti, come caschi, gilet o guanti, riducendo i rischi sul cantiere.
• Analisi della sicurezza sul lavoro: monitora nel tempo l'utilizzo dei PPE, individua le violazioni frequenti e genera informazioni utili 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 PPE, prevenendo gli incidenti prima che si verifichino.
• Robotica e sistemi autonomi: consente a droni o robot di effettuare controlli dei PPE in ampi cantieri, favorendo ispezioni più rapide e sicure.
• Ricerca e formazione: fornisce un dataset del mondo reale per studenti e ricercatori che studiano la sicurezza sul lavoro e le interazioni tra persone e oggetti.

Per etichettare, addestrare e distribuire un modello di rilevamento dei PPE senza gestire un'infrastruttura locale, esegui l'intero flusso di lavoro nel browser con Ultralytics Platform.

YAML del dataset#

Il dataset Construction-PPE include un file di configurazione YAML che definisce i percorsi delle immagini di addestramento, validazione e test, insieme all'elenco completo delle classi di oggetti. Puoi accedere direttamente al file construction-ppe.yaml nel repository Ultralytics qui: 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

Utilizzo#

Puoi addestrare un modello YOLO26n sul dataset Construction-PPE per 100 epoche con una dimensione delle immagini di 640. Gli esempi seguenti mostrano come iniziare rapidamente. Per altre opzioni e configurazioni avanzate, consulta la guida all'addestramento.

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)

Immagini ed esempi di annotazioni#

Il dataset rappresenta lavoratori edili in ambienti, condizioni di illuminazione e posture diversi. Sono inclusi casi sia conformi sia non conformi.

Licenza e attribuzione#

Construction-PPE è sviluppato e distribuito secondo la Licenza AGPL-3.0, a supporto della ricerca open source e delle applicazioni commerciali con la corretta attribuzione.

Se utilizzi questo dataset nella tua ricerca, cita quanto segue:

@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#