Set di dati Construction-PPE
Il set di dati Construction-PPE è stato progettato per migliorare la conformità alla sicurezza nei cantieri edili, consentendo il rilevamento di dispositivi di protezione essenziali come elmetti, giubbotti, guanti, stivali e occhiali, insieme alle annotazioni per le attrezzature mancanti. Ricavato da ambienti reali di costruzione, comprende casi conformi e non conformi, il che lo rende una risorsa preziosa per l'addestramento di modelli di intelligenza artificiale che monitorano la sicurezza sul posto di lavoro.
Struttura del set di dati
Il set di dati Construction-PPE è organizzato in tre sottoinsiemi principali:
- Set di formazione: La principale raccolta di immagini di costruzioni annotate con lavoratori che utilizzano DPI sia completi che parziali.
- Set di convalida: Un sottoinsieme designato utilizzato per mettere a punto e valutare le prestazioni del modello durante il rilevamento dei DPI e il monitoraggio della conformità.
- Set di prova: Un sottoinsieme indipendente riservato alla valutazione dell'efficacia del modello finale nel rilevare i DPI e nell'identificare i problemi di conformità.
Ogni immagine è annotata nel file Ultralytics YOLO per garantire la compatibilità con le più moderne pipeline di rilevamento e tracciamento degli oggetti.
Il set di dati fornisce 11 classi suddivise in categorie positive (DPI indossati) e negative (DPI mancanti). Questa struttura duale positiva/negativa consente ai modelli di rilevare i dispositivi indossati correttamente e di identificare le violazioni della sicurezza.
Applicazioni
Construction-PPE alimenta una serie di applicazioni di visione computerizzata incentrate sulla sicurezza:
- Monitoraggio automatico della conformità: Addestrate modelli di intelligenza artificiale per verificare istantaneamente se i lavoratori indossano i dispositivi di sicurezza richiesti, come elmetti, giubbotti o guanti, riducendo i rischi in loco.
- Analisi della sicurezza sul lavoro: Traccia l'utilizzo dei DPI nel tempo, individua le violazioni più frequenti e genera informazioni per migliorare la cultura della sicurezza.
- Sistemi di sorveglianza intelligenti: Collegare i modelli di rilevamento con le telecamere per inviare avvisi in tempo reale quando mancano i DPI, prevenendo gli incidenti prima che accadano.
- Robotica e sistemi autonomi: Consentono a droni o robot di eseguire controlli dei DPI in grandi siti, favorendo ispezioni più rapide e sicure.
- Ricerca e istruzione: Fornire un set di dati reali a studenti e ricercatori che studiano la sicurezza sul posto di lavoro e le interazioni uomo-oggetto.
YAML del set di dati
Il set di dati Construction-PPE include un file di configurazione YAML che definisce i percorsi delle immagini di addestramento e di validazione e l'elenco completo delle classi di oggetti. È possibile accedere al file construction-ppe.yaml direttamente nel repository di Ultralytics : https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/construction-ppe.yaml
ultralytics.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
È possibile addestrare un modello YOLO11n sul dataset Construction-PPE per 100 epoch con una dimensione dell'immagine di 640. Gli esempi seguenti mostrano come iniziare rapidamente. Per ulteriori opzioni e configurazioni avanzate, consultare 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 set di dati 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 la licenzaAGPL-3.0 , che supporta la ricerca open-source e le applicazioni commerciali con la dovuta attribuzione.
Se utilizzate questo set di dati nella vostra ricerca, siete pregati 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 set di dati Construction-PPE?
A differenza dei set di dati generici sulle costruzioni, 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 set di dati comprende elmetti, giubbotti, guanti, stivali, occhiali 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 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 set di dati è adatto alle applicazioni reali?
Sì. Le immagini provengono da cantieri reali in condizioni diverse. Questo lo rende molto efficace per la creazione di sistemi di monitoraggio della sicurezza sul lavoro.
Quali sono i vantaggi dell'utilizzo del dataset Construction-PPE nei progetti di IA?
Il set di dati consente di rilevare in tempo reale i dispositivi di protezione individuale, aiutando a monitorare la sicurezza dei lavoratori nei cantieri. Con classi di dispositivi indossati e mancanti, supporta i sistemi di intelligenza artificiale che possono segnalare automaticamente le violazioni della sicurezza, generare informazioni sulla conformità e ridurre i rischi. Inoltre, rappresenta una risorsa pratica per lo sviluppo di soluzioni di computer vision nei settori della sicurezza sul lavoro, della robotica e della ricerca accademica.
