Conjunto de dados Construction-PPE#

O conjunto de dados Ultralytics Construction-PPE é um conjunto de dados de object detection com 1.416 imagens (1.132 para treino, 143 para validação e 141 para teste) rotuladas em 11 classes para detetar equipamento de proteção individual — capacetes, luvas, coletes, botas e óculos de proteção — e sinalizar a falta de equipamento em estaleiros de construção. Curado a partir de ambientes de construção reais, inclui casos de conformidade e não conformidade, tornando-o um recurso prático para treinar modelos de computer vision que monitorizam a segurança no trabalho.

Estrutura do Dataset#

O conjunto de dados Construction-PPE contém 1.416 imagens divididas em três subconjuntos predefinidos, definidos pela configuração construction-ppe.yaml:

Cada imagem está anotada no formato Ultralytics YOLO, garantindo compatibilidade com pipelines de object detection e tracking de última geração.

O conjunto de dados fornece 11 classes que abrangem equipamento usado, equipamento em falta e pessoas:

• EPI usado (5): helmet, gloves, vest, boots, goggles
• EPI em falta (4): no_helmet, no_gloves, no_boots, no_goggle
• Outros (2): Person, none

Combinar etiquetas de equipamento usado e em falta permite que um modelo detete equipamento usado corretamente e sinalize violações de segurança. Nota que vest não tem uma etiqueta dedicada para colete em falta.

Valor Comercial#

A construção é uma das indústrias mais perigosas e o desafio é habitualmente a aplicação das regras em vez da falta de regulamentação. As equipas de saúde e segurança estão sobrecarregadas e não conseguem vigiar cada canto de um estaleiro movimentado e em constante mudança em tempo real.

A deteção de EPI baseada em computer vision ajuda a colmatar essa lacuna. Ao verificar automaticamente se os trabalhadores usam os capacetes, coletes e outro equipamento necessários, a segurança é reforçada de forma consistente em todos os estaleiros e são apresentados indicadores de risco — revelando tendências de conformidade antes que ocorram incidentes. A deteção de EPI também pode sinalizar intrusos não autorizados no estaleiro, que são tipicamente os primeiros a aparecer sem o equipamento de segurança adequado.

Aplicações#

O Construction-PPE impulsiona uma variedade de aplicações de visão computacional focadas em segurança:

• Monitoramento de conformidade automatizado: Treine modelos de IA para verificar instantaneamente se os trabalhadores estão usando equipamentos de segurança obrigatórios, como capacetes, coletes ou luvas, reduzindo riscos no local.
• Análise de segurança no local de trabalho: Acompanhe o uso de EPI ao longo do tempo, detecte violações frequentes e gere insights para melhorar a cultura de segurança.
• Sistemas de vigilância inteligentes: Conecte modelos de detecção com câmeras para enviar alertas em tempo real quando o EPI estiver faltando, prevenindo acidentes antes que aconteçam.
• Robótica e sistemas autônomos: Permita que drones ou robôs realizem verificações de EPI em grandes locais, apoiando inspeções mais rápidas e seguras.
• Pesquisa e educação: Forneça um conjunto de dados do mundo real para estudantes e pesquisadores que exploram a segurança no local de trabalho e as interações humano-objeto.

Para rotular, treinar e implementar um modelo de deteção de EPI sem gerir infraestrutura local, executa o fluxo de trabalho completo no teu navegador com a Ultralytics Platform.

YAML do Dataset#

O conjunto de dados Construction-PPE inclui um ficheiro de configuração YAML que define os caminhos das imagens de treino, validação e teste, juntamente com a lista completa de classes de objetos. Podes aceder ao ficheiro construction-ppe.yaml diretamente no repositório da Ultralytics aqui: 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

Uso#

Você pode treinar um modelo YOLO26n no conjunto de dados Construction-PPE por 100 épocas com um tamanho de imagem de 640. Os exemplos a seguir mostram como começar rapidamente. Para mais opções e configurações avançadas, consulte o guia de Treinamento.

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)

Exemplos de Imagens e Anotações#

O conjunto de dados captura trabalhadores da construção civil em diversos ambientes, condições de iluminação e posturas. Casos em conformidade e não conformidade estão incluídos.

Licença e Atribuição#

O Construction-PPE é desenvolvido e lançado sob a Licença AGPL-3.0, apoiando a pesquisa de código aberto e aplicações comerciais com a devida atribuição.

Se você usar este conjunto de dados em sua pesquisa, por favor, cite-o:

@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#

O que torna o conjunto de dados Construction-PPE único?#

Ao contrário de conjuntos de dados de construção genéricos, o Construction-PPE inclui explicitamente classes de equipamento em falta (no_helmet, no_gloves, no_boots, no_goggle). Esta abordagem de dupla rotulagem permite que um modelo não só detete EPI usado, mas também sinalize violações em tempo real.

Quais categorias de objetos estão incluídas?#

O conjunto de dados Construction-PPE tem 11 classes: cinco itens de EPI usado (helmet, gloves, vest, boots, goggles), quatro etiquetas de EPI em falta (no_helmet, no_gloves, no_boots, no_goggle), além de Person e uma classe genérica none. Nota que vest não tem uma etiqueta dedicada para colete em falta.

Quantas imagens e classes existem no conjunto de dados Construction-PPE?#

O conjunto de dados Construction-PPE contém 1.416 imagens em 11 classes — 1.132 para treino, 143 para validação e 141 para teste. Consulta a secção Dataset Structure para a divisão completa e a repartição das classes.

Como descarrego o conjunto de dados Construction-PPE?#

O conjunto de dados (178,4 MB) é descarregado automaticamente na primeira vez que treinas com data="construction-ppe.yaml" — não é necessário nenhum passo manual. A Ultralytics recolhe-o e descompacta-o no teu diretório de conjuntos de dados local. Podes explorar conjuntos de dados relacionados na visão geral dos conjuntos de dados de deteção.

Como posso treinar um modelo YOLO usando o conjunto de dados Construction-PPE?#

Para treinar um modelo YOLO26 usando o conjunto de dados Construction-PPE, você pode usar os seguintes trechos de código:

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)

Este conjunto de dados é adequado para aplicações do mundo real?#

Sim. As imagens são curadas a partir de estaleiros de construção reais sob condições diversas, o que torna o conjunto de dados altamente eficaz para criar sistemas de monitorização de segurança no trabalho implementáveis.

Quais são os benefícios de usar o conjunto de dados Construction-PPE em projetos de IA?#

O conjunto de dados permite a detecção em tempo real de equipamento de proteção individual, ajudando a monitorar a segurança dos trabalhadores em canteiros de obras. Com classes para equipamentos usados e ausentes, ele suporta sistemas de IA que podem sinalizar automaticamente violações de segurança, gerar insights de conformidade e reduzir riscos. Também fornece um recurso prático para o desenvolvimento de soluções de visão computacional em segurança no local de trabalho, robótica e pesquisa acadêmica.