Sicurezza a livello enterprise: Conforme a ISO 27001 + SOC 2 Type I.
AGPL 3.0

Link to this sectionDataset Construction-PPE#

Dataset Construction-PPE in Colab

Il dataset Construction-PPE di Ultralytics è un dataset di object detection composto da 1.416 immagini (1.132 per l'addestramento, 143 per la validazione e 141 per il test) etichettate su 11 classi per rilevare i dispositivi di protezione individuale — caschi, guanti, giubbotti, stivali e occhiali protettivi — e segnalare la mancanza di attrezzatura nei cantieri edili. Selezionato da ambienti di costruzione reali, include sia casi conformi che non conformi, rendendolo una risorsa pratica per addestrare modelli di computer vision che monitorano la sicurezza sul lavoro.



Watch: How to train Ultralytics YOLO on Personal Protective Equipment Dataset | VisionAI in Construction 👷

Link to this sectionStruttura del dataset#

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

SplitImmaginiAnnotazioni
Addestramento1.132Sì
Validazione143Sì
Test141Sì

Ogni immagine è annotata nel formato Ultralytics YOLO, garantendo la compatibilità con i moderni workflow di object detection e tracking.

Il dataset fornisce 11 classi che coprono l'attrezzatura indossata, l'attrezzatura mancante e le persone:

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

Abbinare le etichette di attrezzatura indossata e mancante permette a un modello sia di rilevare i dispositivi indossati correttamente che di segnalare le violazioni della sicurezza. Nota che vest non ha un'etichetta dedicata per l'assenza.

Link to this sectionValore commerciale#

L'edilizia è uno dei settori più pericolosi e la sfida solitamente risiede nell'applicazione delle norme piuttosto che nella mancanza di regolamentazioni. I team di salute e sicurezza sono spesso sotto organico e non possono controllare ogni angolo di un cantiere frenetico e in costante evoluzione in tempo reale.

Il rilevamento dei PPE basato sulla computer vision aiuta a colmare questa lacuna. Controllando automaticamente se i lavoratori indossano i caschi, i giubbotti e gli altri dispositivi richiesti, applica le regole di sicurezza in modo coerente in tutti i cantieri e mostra indicatori di rischio precoci, rivelando tendenze di conformità prima che si verifichino incidenti. Il rilevamento dei PPE può anche segnalare intrusi non autorizzati nel cantiere, che solitamente sono i primi a presentarsi senza l'attrezzatura di sicurezza adeguata.

Link to this sectionApplicazioni#

Construction-PPE alimenta una varietà di applicazioni di computer vision focalizzate sulla sicurezza:

  • Monitoraggio automatico della conformità: Addestra modelli AI per controllare istantaneamente se i lavoratori indossano i dispositivi di sicurezza richiesti come caschi, giubbotti o guanti, riducendo i rischi in loco.
  • Analisi della sicurezza sul posto di lavoro: Traccia l'uso dei DPI nel tempo, individua violazioni frequenti e genera approfondimenti per migliorare la cultura della sicurezza.
  • Sistemi di sorveglianza intelligenti: Collega i modelli di rilevamento con le telecamere per inviare avvisi in tempo reale quando mancano i DPI, prevenendo incidenti prima che accadano.
  • Robotica e sistemi autonomi: Abilita droni o robot a eseguire controlli DPI in siti di grandi dimensioni, supportando ispezioni più rapide e sicure.
  • Ricerca e istruzione: Fornisci un dataset del mondo reale per studenti e ricercatori che esplorano la sicurezza sul posto di lavoro e le interazioni uomo-oggetto.

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

Link to this sectionDataset YAML#

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

Link to this sectionUtilizzo#

Puoi addestrare un modello YOLO26n 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("yolo26n.pt")

# Train the model on Construction-PPE dataset
model.train(data="construction-ppe.yaml", epochs=100, imgsz=640)

Link to this sectionEsempi di immagini e annotazioni#

Il dataset cattura lavoratori edili in ambienti, condizioni di illuminazione e posture variate. Sono inclusi casi sia conformi che non conformi.

Esempio di dataset Construction-PPE con rilevamento di dispositivi di sicurezza

Link to this sectionLicenza e attribuzione#

Construction-PPE è sviluppato e rilasciato sotto la Licenza AGPL-3.0, supportando la ricerca open-source e le applicazioni commerciali con la corretta attribuzione.

Se utilizzi questo dataset nella tua ricerca, ti preghiamo di citarlo:

Citazione
@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}
}

Link to this sectionFAQ#

Link to this sectionCosa rende unico il dataset Construction-PPE?#

A differenza dei dataset di costruzione generici, Construction-PPE include esplicitamente classi per l'attrezzatura mancante (no_helmet, no_gloves, no_boots, no_goggle). Questo approccio a doppia etichettatura consente a un modello non solo di rilevare i PPE indossati, ma anche di segnalare le violazioni in tempo reale.

Link to this sectionQuali categorie di oggetti sono incluse?#

Il dataset Construction-PPE ha 11 classi: cinque articoli PPE indossati (helmet, gloves, vest, boots, goggles), quattro etichette per PPE mancanti (no_helmet, no_gloves, no_boots, no_goggle), più Person e una classe generica none. Nota che vest non ha un'etichetta dedicata per l'assenza.

Link to this sectionQuante immagini e classi ci sono nel dataset Construction-PPE?#

Il dataset Construction-PPE contiene 1.416 immagini su 11 classi: 1.132 per l'addestramento, 143 per la validazione e 141 per il test. Vedi la sezione Dataset Structure per la suddivisione completa e il dettaglio delle classi.

Link to this sectionCome posso scaricare il dataset Construction-PPE?#

Il dataset (178,4 MB) viene scaricato automaticamente la prima volta che effettui un addestramento con data="construction-ppe.yaml": non è richiesto alcun passaggio manuale. Ultralytics lo recupera e lo decomprime nella tua directory dei dataset locale. Puoi esplorare altri dataset correlati nella panoramica sui dataset di rilevamento.

Link to this sectionCome posso addestrare un modello YOLO utilizzando il dataset Construction-PPE?#

Per addestrare un modello YOLO26 utilizzando il dataset Construction-PPE, puoi utilizzare i seguenti frammenti di codice:

Esempio di Addestramento
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)

Link to this sectionQuesto dataset è adatto per applicazioni nel mondo reale?#

Sì. Le immagini sono selezionate da cantieri reali in condizioni diverse, il che rende il dataset altamente efficace per costruire sistemi di monitoraggio della sicurezza sul lavoro pronti all'uso.

Link to this sectionQuali sono i vantaggi dell'utilizzo del dataset Construction-PPE nei progetti AI?#

Il dataset consente il rilevamento in tempo reale dei dispositivi di protezione individuale, aiutando a monitorare la sicurezza dei lavoratori nei cantieri edili. Con classi sia per le attrezzature indossate che per quelle mancanti, supporta sistemi AI in grado di segnalare automaticamente le violazioni della sicurezza, generare approfondimenti sulla conformità e ridurre i rischi. Fornisce inoltre una risorsa pratica per lo sviluppo di soluzioni di computer vision nella sicurezza sul posto di lavoro, robotica e ricerca accademica.

Collaboratori
GLglenn-jocher5RIRizwanMunawar3RAraimbekovm2ULUltralyticsAbi1

Commenti