Link to this sectionConstruction-PPE 데이터셋#

Ultralytics Construction-PPE 데이터셋은 개인 보호 장구(헬멧, 장갑, 조끼, 부츠, 고글)를 감지하고 건설 현장에서 누락된 장비를 표시하기 위해 11개의 클래스로 라벨링된 1,416개의 이미지(학습용 1,132개, 검증용 143개, 테스트용 141개)로 구성된 객체 감지 데이터셋입니다. 실제 건설 현장에서 수집되었으며, 준수 사례와 미준수 사례가 모두 포함되어 있어 작업장 안전을 모니터링하는 컴퓨터 비전 모델을 학습시키는 데 실용적인 자원입니다.

Link to this section데이터셋 구조#

Construction-PPE 데이터셋은 construction-ppe.yaml 설정 파일에 정의된 세 가지 사전 정의된 하위 집합으로 나뉜 1,416개의 이미지를 포함합니다:

모든 이미지는 Ultralytics YOLO 형식으로 주석이 달려 있으며, 최첨단 객체 감지 및 추적 파이프라인과의 호환성을 보장합니다.

이 데이터셋은 착용 장비, 누락 장비 및 사람을 포함하는 11개 클래스를 제공합니다:

• 착용 장비 (5): helmet, gloves, vest, boots, goggles
• 누락 장비 (4): no_helmet, no_gloves, no_boots, no_goggle
• 기타 (2): Person, none

착용 및 누락 라벨을 조합하면 모델이 올바르게 착용된 장비를 감지함과 동시에 안전 위반 사항을 표시할 수 있습니다. vest에는 누락된 조끼를 위한 별도의 라벨이 없음에 유의하십시오.

Link to this section비즈니스 가치#

건설업은 가장 위험한 산업 중 하나이며, 일반적으로 규제 부족보다는 시행의 문제가 과제입니다. 보건 및 안전팀은 인력이 부족하여 바쁘게 변하는 현장의 모든 구석을 실시간으로 감시할 수 없습니다.

컴퓨터 비전 기반의 PPE 감지는 이러한 격차를 줄이는 데 도움을 줍니다. 작업자가 필수 헬멧, 조끼 및 기타 장비를 착용했는지 자동으로 확인함으로써 현장 전체에서 일관되게 안전 수칙을 강제하며, 위험 선행 지표를 드러내어 사고가 발생하기 전에 준수 트렌드를 파악할 수 있게 합니다. PPE 감지는 또한 일반적으로 적절한 안전 장비 없이 나타나는 외부 침입자를 식별할 수도 있습니다.

Link to this section응용 분야#

Construction-PPE는 다양한 안전 중심 컴퓨터 비전 애플리케이션을 강화합니다:

• 자동화된 규정 준수 모니터링: AI 모델을 학습시켜 작업자가 헬멧, 조끼, 장갑과 같은 필수 안전 장비를 착용하고 있는지 즉시 확인하여 현장 위험을 줄입니다.
• 작업장 안전 분석: 시간 경과에 따른 PPE 사용량을 추적하고 빈번한 위반 사항을 파악하며 안전 문화를 개선하기 위한 통찰력을 생성합니다.
• 스마트 감시 시스템: 감지 모델을 카메라와 연결하여 PPE가 없을 때 실시간 경고를 보내 사고가 발생하기 전에 예방합니다.
• 로봇 공학 및 자율 시스템: 드론이나 로봇이 대규모 현장에서 PPE 검사를 수행할 수 있도록 하여 더 빠르고 안전한 점검을 지원합니다.
• 연구 및 교육: 작업장 안전과 인간-객체 상호작용을 연구하는 학생과 연구원에게 실제 데이터셋을 제공합니다.

로컬 인프라를 관리하지 않고 PPE 감지 모델을 라벨링, 학습 및 배포하려면 Ultralytics Platform을 통해 브라우저에서 전체 워크플로우를 실행하십시오.

Link to this section데이터셋 YAML#

Construction-PPE 데이터셋에는 학습, 검증 및 테스트 이미지 경로와 전체 객체 클래스 목록을 정의하는 YAML 설정 파일이 포함되어 있습니다. Ultralytics 리포지토리에서 construction-ppe.yaml 파일에 직접 액세스할 수 있습니다: 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 section사용법#

Construction-PPE 데이터셋에서 이미지 크기 640으로 100 에포크 동안 YOLO26n 모델을 학습시킬 수 있습니다. 다음 예제는 빠르게 시작하는 방법을 보여줍니다. 더 많은 옵션과 고급 구성은 학습 가이드를 참조하십시오.

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 section샘플 이미지 및 주석#

이 데이터셋은 다양한 환경, 조명 조건 및 자세의 건설 노동자를 포착합니다. 규정 준수(compliant) 사례와 규정 미준수(non-compliant) 사례가 모두 포함되어 있습니다.

Link to this section라이선스 및 귀속#

Construction-PPE는 AGPL-3.0 라이선스에 따라 개발 및 배포되며, 적절한 귀속과 함께 오픈 소스 연구 및 상업적 애플리케이션을 지원합니다.

본 연구에서 이 데이터셋을 사용하는 경우 인용해 주십시오:

@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 sectionFAQ#

Link to this sectionConstruction-PPE 데이터셋의 고유한 점은 무엇인가요?#

일반적인 건설 데이터셋과 달리, Construction-PPE는 누락 장비 클래스(no_helmet, no_gloves, no_boots, no_goggle)를 명시적으로 포함합니다. 이러한 이중 라벨링 방식을 통해 모델은 착용된 PPE를 감지할 뿐만 아니라 실시간으로 위반 사항을 표시할 수 있습니다.

Link to this section어떤 객체 범주가 포함되어 있나요?#

Construction-PPE 데이터셋에는 11개의 클래스가 있습니다: 5개의 착용 PPE 항목(helmet, gloves, vest, boots, goggles), 4개의 누락 PPE 라벨(no_helmet, no_gloves, no_boots, no_goggle), 그리고 Person과 일반 none 클래스입니다. vest에는 누락된 조끼를 위한 별도의 라벨이 없음에 유의하십시오.

Link to this sectionConstruction-PPE 데이터셋에는 몇 개의 이미지와 클래스가 포함되어 있습니까?#

Construction-PPE 데이터셋은 11개 클래스에 걸쳐 1,416개의 이미지를 포함하며, 학습용 1,132개, 검증용 143개, 테스트용 141개로 구성됩니다. 전체 분할 및 클래스 분석은 데이터셋 구조 섹션을 참조하십시오.

Link to this sectionConstruction-PPE 데이터셋은 어떻게 다운로드합니까?#

데이터셋(178.4 MB)은 data="construction-ppe.yaml"과 함께 처음 학습을 실행할 때 자동으로 다운로드되며, 수동 단계는 필요하지 않습니다. Ultralytics는 이를 가져와 로컬 데이터셋 디렉토리로 압축을 해제합니다. 감지 데이터셋 개요에서 관련 데이터셋을 둘러볼 수 있습니다.

Link to this sectionConstruction-PPE 데이터셋을 사용하여 YOLO 모델을 어떻게 학습시킬 수 있나요?#

Construction-PPE 데이터셋을 사용하여 YOLO26 모델을 학습하려면 다음 코드 스니펫을 사용할 수 있습니다:

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 section이 데이터셋은 실제 애플리케이션에 적합한가요?#

네. 이미지는 다양한 조건의 실제 건설 현장에서 수집되었으므로, 이 데이터셋은 배포 가능한 작업장 안전 모니터링 시스템을 구축하는 데 매우 효과적입니다.

Link to this sectionAI 프로젝트에서 Construction-PPE 데이터셋을 사용하면 어떤 이점이 있나요?#

이 데이터셋은 개인 보호 장비의 실시간 감지를 가능하게 하여 건설 현장에서 작업자 안전을 모니터링하는 데 도움을 줍니다. 착용 및 미착용 장비 모두에 대한 클래스를 통해 안전 위반 사항을 자동으로 표시하고, 준수 통찰력을 생성하며, 위험을 줄이는 AI 시스템을 지원합니다. 또한 작업장 안전, 로봇 공학 및 학술 연구 분야에서 컴퓨터 비전 솔루션을 개발하기 위한 실용적인 자원을 제공합니다.