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 protettivi, insieme ad 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 addestrare modelli di IA che monitorano la sicurezza sul luogo di lavoro.
Watch: How to train Ultralytics YOLO on Personal Protective Equipment Dataset | VisionAI in Construction 👷
Struttura del dataset
Il dataset Construction-PPE è organizzato in tre sottoinsiemi principali:
- Training Set: La raccolta principale di immagini di costruzione annotate che ritraggono lavoratori con uso di DPI completo e parziale.
- Validation Set: Un sottoinsieme designato utilizzato per ottimizzare e valutare le prestazioni del modello durante il rilevamento dei DPI e il monitoraggio della conformità.
- Test Set: Un sottoinsieme indipendente riservato per valutare l'efficacia del modello finale nel rilevare i DPI e nell'identificare problemi di conformità.
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 suddivise in categorie positive (DPI indossati) e negative (DPI mancanti). Questa struttura a doppio valore positivo/negativo consente ai modelli di rilevare attrezzature indossate correttamente e identificare violazioni della sicurezza.
Valore commerciale
- L'edilizia rimane una delle industrie più pericolose al mondo, con oltre 51 su 123 infortuni mortali sul lavoro nel Regno Unito nel 2023/2024 avvenuti in cantiere. Tuttavia, il problema non riguarda più la mancanza di regolamentazione, con il 42% dei lavoratori edili che ammette di non seguire sempre le procedure.
- L'edilizia è già governata da un ampio quadro di standard di salute e sicurezza (HSE), ma i team HSE sono messi alla prova da un'applicazione coerente. I team HSE sono spesso sotto organico, costretti a bilanciare pratiche burocratiche e audit, senza la capacità di monitorare ogni angolo di un ambiente frenetico e in costante evoluzione in tempo reale.
- È qui che il rilevamento dei dispositivi di protezione individuale (DPI) basato sulla computer vision diventa inestimabile. 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 effettivamente applicate in modo coerente in tutti i cantieri. Oltre alla conformità, la computer vision fornisce indicatori di rischio anticipatori rivelando quanto bene le squadre seguono le pratiche di sicurezza, consentendo alle organizzazioni di individuare tendenze negative nella conformità e prevenire incidenti prima che accadano.
- Come bonus, il rilevamento dei dispositivi di protezione individuale è anche noto per identificare intrusi non autorizzati nel cantiere, poiché coloro che non sono dotati di adeguate attrezzature di sicurezza sono i primi a far scattare una notifica. In definitiva, il rilevamento dei DPI è un caso d'uso di computer vision semplice ma potente che offre una supervisione completa, approfondimenti azionabili e report standardizzati, consentendo alle aziende edili di ridurre il rischio, proteggere i lavoratori e salvaguardare i propri progetti.
Applicazioni
Construction-PPE alimenta una varietà di applicazioni di computer vision incentrate sulla sicurezza:
- Monitoraggio automatizzato della conformità: Addestra modelli di IA per verificare istantaneamente se i lavoratori indossano l'attrezzatura di sicurezza richiesta come caschi, giubbotti o guanti, riducendo i rischi in cantiere.
- 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 modelli di rilevamento alle telecamere per inviare avvisi in tempo reale quando mancano i DPI, prevenendo incidenti prima che accadano.
- Robotica e sistemi autonomi: Consenti a droni o robot di eseguire controlli dei DPI su grandi cantieri, supportando ispezioni più rapide e sicure.
- Ricerca e istruzione: Fornisci un dataset reale per studenti e ricercatori che esplorano la sicurezza sul luogo di lavoro e le interazioni uomo-oggetto.
YAML del dataset
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 file construction-ppe.yaml direttamente 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.zipUtilizzo
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.
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 campione e annotazioni
Il dataset cattura lavoratori edili in ambienti, condizioni di luce e posture vari. Sono inclusi sia casi conformi che non conformi.
Licenza e attribuzione
Construction-PPE è sviluppato e rilasciato sotto 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, 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
Cosa rende unico il dataset Construction-PPE?
A differenza dei dataset di costruzione generici, Construction-PPE include esplicitamente classi per 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 "DPI mancanti". Ciò garantisce una copertura completa della conformità.
Come posso addestrare un modello YOLO utilizzando il dataset Construction-PPE?
Per addestrare un modello YOLO26 utilizzando il dataset Construction-PPE, puoi utilizzare i seguenti snippet di codice:
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)Questo dataset è adatto per applicazioni nel mondo reale?
Sì. Le immagini sono curate da cantieri reali in condizioni diverse. Ciò lo rende altamente efficace per costruire sistemi di monitoraggio della sicurezza sul lavoro distribuibili.
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, aiutando a monitorare la sicurezza dei lavoratori nei cantieri. Con classi sia per l'attrezzatura indossata che per quella mancante, supporta sistemi di IA 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 lavoro, nella robotica e nella ricerca accademica.