Dataset Construction-PPE#

1,416

Construction PPE

ultralytics

publicDetect

Official Ultralytics Construction-PPE object detection dataset with 1,416 images across 11 classes for helmets, gloves, safety vests, boots, goggles, people, and missing protective equipment. Includes 1,132 train, 143 validation, and 141 test images with 11,521 reviewed bounding boxes.

111 classes145.3 MBAug 21, 2026

helmetglovesvestboots+7

object-detectionconstructionppe+2

Il dataset Construction-PPE di Ultralytics è un dataset di object detection di 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 — elmetti, guanti, giubbotti, stivali e occhiali protettivi — e segnalare l'assenza di attrezzatura nei cantieri edili. Selezionato da reali ambienti di costruzione, include sia casi conformi che non conformi, rendendolo una risorsa pratica per addestrare modelli di computer vision 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 object detection e tracking.

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

• Worn PPE (5): helmet, gloves, vest, boots, goggles
• Missing PPE (4): no_helmet, no_gloves, no_boots, no_goggle
• Other (2): Person, none

L'abbinamento di etichette per DPI indossati e mancanti consente a un modello sia di rilevare attrezzature indossate correttamente che di segnalare violazioni della sicurezza. Nota che vest non ha un'etichetta dedicata per i giubbotti mancanti.

Valore 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.

Applicazioni#

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 dei DPI senza gestire un'infrastruttura locale, esegui l'intero flusso di lavoro nel tuo browser con Ultralytics Platform.

Dataset YAML#

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 al file construction-ppe.yaml direttamente nel repository di 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 dell'immagine pari a 640. I seguenti esempi mostrano come iniziare rapidamente. Per ulteriori opzioni e configurazioni avanzate, consulta la 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)

Esempi 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.

Licenza e attribuzione#

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

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

@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#