Link to this sectionConstruction-PPE データセット#

Ultralytics Construction-PPEデータセットは、建設現場における個人用保護具（ヘルメット、手袋、ベスト、ブーツ、ゴーグル）の検知と未着用状態のフラグ立てを行うための、11クラスにラベル付けされた1,416枚の画像（トレーニング用1,132枚、検証用143枚、テスト用141枚）からなる物体検知データセットです。実際の建設現場から収集されており、規定遵守ケースと非遵守ケースの両方を含むため、職場環境の安全を監視するコンピュータビジョンモデルをトレーニングするための実用的なリソースとなります。

Link to this sectionデータセットの構造#

Construction-PPEデータセットには、construction-ppe.yaml設定で定義された3つの定義済みサブセットに分割された1,416枚の画像が含まれています。

すべての画像はUltralytics YOLO形式でアノテーションされており、最先端の物体検知およびトラッキングパイプラインとの互換性が保証されています。

このデータセットは、着用具、未着用具、および人をカバーする11のクラスを提供します：

• 着用PPE (5): helmet, gloves, vest, boots, goggles
• 未着用PPE (4): no_helmet, no_gloves, no_boots, no_goggle
• その他 (2): Person, none

着用ラベルと未着用ラベルを組み合わせることで、モデルは適切に着用された装備の検知と、安全違反の指摘の両方を行うことができます。なお、vestには専用の未着用ラベルはありません。

Link to this sectionビジネス価値#

建設業は最も危険な業界の1つであり、その課題は規制の欠如よりもむしろ運用の徹底にあります。保健安全チームは多忙を極めており、常に変化し続ける忙しい現場のあらゆる場所をリアルタイムで監視することはできません。

コンピュータビジョンベースのPPE検知は、そのギャップを埋めるのに役立ちます。作業者が必須のヘルメットやベストなどの装備を着用しているかを自動的にチェックすることで、現場全体で安全規則を一貫して適用し、リスクの先行指標を提示します。これにより、事故が発生する前にコンプライアンスの傾向を明らかにします。PPE検知は、通常、適切な安全装備なしで現れる許可されていない現場への侵入者を特定することも可能です。

Link to this sectionアプリケーション#

Construction-PPE は、さまざまな安全重視の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: 作業者がヘルメット、ベスト、手袋などの必要な安全装備を着用しているかを瞬時にチェックするAIモデルをトレーニングし、現場でのリスクを軽減します。
• 職場安全分析: 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と接続し、PPEの欠落時にリアルタイムで警告を送信することで、事故が発生する前に防止します。
• ロボティクスおよび自律システム: ドローンや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、より迅速で安全な検査をサポートします。
• 研究および教育: 職場安全や人間と物体の相互作用を研究する学生や研究者に、実世界のデータセットを提供します。

ローカルインフラを管理することなくPPE検知モデルのラベル付け、トレーニング、デプロイを行うには、ブラウザ上でUltralytics Platformを使用してワークフロー全体を実行してください。

Link to this sectionデータセット YAML#

Construction-PPEデータセットには、トレーニング、検証、テスト用の画像パスと、全オブジェクトクラスのリストを定義したYAML設定ファイルが含まれています。construction-ppe.yamlファイルには、こちらのUltralyticsリポジトリから直接アクセスできます: 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

Link to this section使用方法#

Construction-PPE データセットで YOLO26n 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。以下の例では、すぐに開始する方法を示しています。その他のオプションや詳細な設定については、トレーニングガイド を参照してください。

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 section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、姿勢における建設作業員を捉えています。コンプライアンス順守 および 非順守 の両方のケースが含まれています。

Link to this sectionライセンスおよび帰属#

Construction-PPE は、AGPL-3.0 License の下で開発および公開されており、適切な帰属表示を行うことでオープンソース研究および商用アプリケーションをサポートしています。

このデータセットを研究で使用する場合は、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}
}

Link to this sectionよくある質問 (FAQ)#

Link to this sectionConstruction-PPE データセットのユニークな点は何ですか？#

一般的な建設データセットとは異なり、Construction-PPEには未着用装備クラス（no_helmet, no_gloves, no_boots, no_goggle）が明示的に含まれています。この二重ラベル付けアプローチにより、モデルはPPEの着用を検知するだけでなく、リアルタイムで違反を指摘することが可能になります。

Link to this sectionどのオブジェクトカテゴリーが含まれていますか？#

Construction-PPEデータセットには11のクラスがあります。5つの着用PPEアイテム（helmet, gloves, vest, boots, goggles）、4つの未着用PPEラベル（no_helmet, no_gloves, no_boots, no_goggle）、さらにPersonと汎用的なnoneクラスです。なお、vestには専用の未着用ラベルはありません。

Link to this sectionConstruction-PPEデータセットには何枚の画像といくつのクラスが含まれていますか？#

Construction-PPEデータセットには、11のクラスにわたる1,416枚の画像が含まれており、トレーニング用に1,132枚、検証用に143枚、テスト用に141枚が割り当てられています。完全な分割とクラスの内訳については、Dataset Structureセクションを参照してください。

Link to this sectionConstruction-PPEデータセットをダウンロードするにはどうすればよいですか？#

データセット（178.4 MB）は、data="construction-ppe.yaml"を使用して初めてトレーニングを実行する際に自動的にダウンロードされるため、手動のステップは不要です。Ultralyticsは自動的に取得し、ローカルのデータセットディレクトリに展開します。関連するデータセットは物体検知データセットの概要から参照できます。

Link to this sectionConstruction-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 YOLO26 モデルをトレーニングするには、以下のコードスニペットを使用できます。

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 sectionこのデータセットは実世界のアプリケーションに適していますか？#

はい。画像はさまざまな条件下にある実際の建設現場から収集されており、展開可能な職場安全監視システムを構築するために非常に効果的なデータセットとなっています。

Link to this sectionAI 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？#

このデータセットは、個人用保護具のリアルタイム検出を可能にし、建設現場での作業員の安全監視を支援します。着用済みおよび欠落した装備の両方のクラスを備えているため、安全違反を自動的にフラグ立てし、コンプライアンスに関する洞察を生成し、リスクを軽減するAIシステムをサポートします。また、職場安全、ロボティクス、学術研究におけるコンピュータ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を提供します。