コンテンツにスキップ

Construction-PPEデータセット

ColabのConstruction-PPEデータセット

Construction-PPEデータセットは、ヘルメット、ベスト、手袋、ブーツ、ゴーグルなどの不可欠な保護具の検出を可能にし、機器の欠落に関するアノテーションを提供することで、建設現場での安全コンプライアンスを向上させるように設計されています。実際の建設環境から収集されたもので、コンプライアンスに準拠したケースと準拠していないケースの両方が含まれており、職場の安全を監視するAIモデルをトレーニングするための貴重なリソースとなります。

データセットの構造

Construction-PPEデータセットは、主に3つのサブセットに編成されています。

  • トレーニングセット: 完全なPPEと部分的なPPEを使用している作業者をフィーチャーした、アノテーション付きの建設画像の大規模なコレクション。
  • 検証セット: PPEの検出とコンプライアンスの監視中に、モデルのパフォーマンスを微調整および評価するために使用される指定されたサブセット。
  • テストセット: PPEの検出とコンプライアンスの問題の特定における最終モデルの有効性を評価するために確保された独立したサブセット。

各画像はUltralytics YOLO形式でアノテーションが付けられており、最先端の物体検出およびトラッキングパイプラインとの互換性が確保されています。

このデータセットは、ポジティブ（PPE着用）およびネガティブ（PPE欠落）のカテゴリに分けられた11のクラスを提供します。この二重のポジティブ/ネガティブ構造により、モデルは適切に着用されたギアを検出し、かつ安全違反を特定できます。

ビジネス価値

  • 建設業は依然として世界で最も危険な産業の一つであり、英国では2023/2024年に発生した労働災害による死亡事故123件のうち51件以上が建設業で発生しています。しかし、問題はもはや規制の欠如ではなく、建設作業員の42%が常にプロセスを遵守しているとは限らないことを認めています。
  • 建設業はすでに、広範な労働安全衛生（HSE）基準の枠組みによって管理されていますが、HSEチームは一貫した執行に苦労しています。HSEチームは、事務処理や監査のバランスを取りながら、多忙で常に変化する環境の隅々までリアルタイムで監視する能力が不足しているため、人員が不足していることがよくあります。
  • そこで、コンピュータビジョンに基づく個人用保護具（PPE）の検出が非常に重要になります。作業員がヘルメット、ベスト、その他の個人用保護具を着用しているかどうかを自動的にチェックすることで、HSE規則が存在するだけでなく、すべての現場で一貫して効果的に実施されるようにすることができます。コンプライアンスを超えて、コンピュータビジョンは、作業員が安全慣行をどの程度遵守しているかを明らかにし、コンプライアンスの低下傾向を特定し、事故が発生する前に防止することで、リスクの先行指標を提供します。
  • さらに、個人用保護具の検出は、許可されていない現場侵入者を特定することでも知られています。適切な安全装備を身に着けていない人が最初に通知をトリガーするためです。最終的に、PPE検出は、完全な監視、実用的な洞察、標準化されたレポートを提供する、シンプルでありながら強力なコンピュータビジョンのユースケースであり、建設会社がリスクを軽減し、作業員を保護し、プロジェクトを保護できるようにします。

アプリケーション

Construction-PPEは、安全に焦点を当てたさまざまなコンピュータビジョンアプリケーションを強化します。

  • 自動コンプライアンス監視: AIモデルをトレーニングして、作業員がヘルメット、ベスト、手袋などの必要な安全装備を着用しているかどうかを即座に確認し、現場でのリスクを軽減します。
  • 職場の安全分析: PPEの使用状況を長期的に追跡し、頻繁な違反を特定し、安全文化を向上させるための洞察を生成します。
  • スマート監視システム: 検出モデルをカメラに接続して、PPEが欠落している場合にリアルタイムアラートを送信し、事故を未然に防ぎます。
  • ロボティクスおよび自律システム: ドローンまたはロボットが大規模な現場全体でPPEチェックを実行できるようにし、より迅速かつ安全な検査をサポートします。
  • 研究と教育: 職場の安全と人間と物体の相互作用を研究している学生や研究者向けに、実際のデータセットを提供します。

データセット YAML

Construction-PPEデータセットには、トレーニングおよび検証画像のパスと、オブジェクトクラスの完全なリストを定義するYAML構成ファイルが含まれています。アクセスするには、 construction-ppe.yaml Ultralyticsリポジトリのこちらのファイルを直接参照してください。 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

使用法

Construction-PPEデータセットでYOLO11nモデルを、画像サイズ640で100エポックトレーニングできます。次の例は、すばやく開始する方法を示しています。詳細なオプションと高度な構成については、トレーニングガイドを参照してください。

学習の例

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

サンプル画像とアノテーション

このデータセットは、さまざまな環境、照明条件、姿勢の建設作業員を捉えています。準拠ケースと非準拠ケースの両方が含まれています。

Construction-PPEデータセットのサンプル画像。準拠した安全装備と非準拠の安全装備の検出を示しています。

ライセンスと帰属

Construction-PPEはAGPL-3.0ライセンスの下で開発、リリースされており、適切な帰属表示を行うことで、オープンソースの研究および商用アプリケーションをサポートします。

このデータセットを研究で使用する場合は、以下のように引用してください。

@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}
}

よくある質問

Construction-PPEデータセットの独自性は何ですか？

一般的な建設データセットとは異なり、Construction-PPEには不足している装備クラスが明示的に含まれています。このデュアルラベリングアプローチにより、モデルはPPEを検出するだけでなく、リアルタイムで違反をフラグ付けできます。

どのオブジェクトカテゴリが含まれていますか？

このデータセットは、ヘルメット、ベスト、手袋、ブーツ、ゴーグル、作業員、およびそれらの「PPE不足」に対応しています。これにより、包括的なコンプライアンスが保証されます。

Construction-PPEデータセットを使用してYOLOモデルをトレーニングするにはどうすればよいですか？

Construction-PPEデータセットを使用してYOLO11モデルをトレーニングするには、次のコードスニペットを使用できます。

学習の例

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

このデータセットは、実際のアプリケーションに適していますか？

はい。画像は、多様な条件下で実際の建設現場から収集されています。これにより、展開可能な職場の安全監視システムを構築するのに非常に効果的です。

AIプロジェクトでConstruction-PPEデータセットを使用する利点は何ですか？

このデータセットを使用すると、個人用保護具をリアルタイムで検出し、建設現場での作業員の安全を監視できます。装着されているギアと不足しているギアの両方のクラスを使用することで、安全違反を自動的にフラグ付けし、コンプライアンスに関する洞察を生成し、リスクを軽減できるAIシステムをサポートします。また、職場の安全、ロボット工学、学術研究におけるコンピュータービジョンソリューションを開発するための実用的なリソースも提供します。



ᓅ作成 23日前 ✏️更新 0日前
RizwanMunawar UltralyticsAbi

コメント