Conjunto de dados de EPP para construção
O conjunto de dados Construction-PPE foi concebido para melhorar a conformidade com a segurança em estaleiros de construção, permitindo a deteção de equipamento de proteção essencial, como capacetes, coletes, luvas, botas e óculos de proteção, juntamente com anotações de equipamento em falta. Selecionado a partir de ambientes de construção reais, inclui casos conformes e não conformes, o que o torna um recurso valioso para a formação de modelos de IA que monitorizam a segurança no local de trabalho.
Estrutura do Conjunto de Dados
O conjunto de dados Construction-PPE está organizado em três subconjuntos principais:
- Conjunto de treino: A principal coleção de imagens de construção anotadas que apresentam trabalhadores com utilização completa e parcial de EPI.
- Conjunto de validação: Um subconjunto designado utilizado para afinar e avaliar o desempenho do modelo durante a deteção de EPI e a monitorização da conformidade.
- Conjunto de teste: Um subconjunto independente reservado para avaliar a eficácia do modelo final na deteção de EPI e na identificação de problemas de conformidade.
Cada imagem é anotada no Ultralytics YOLO da Ultralytics, garantindo a compatibilidade com os pipelines de deteção e seguimento de objectos mais avançados.
O conjunto de dados fornece 11 classes divididas em categorias positivas (EPI usado) e negativas (EPI em falta). Esta estrutura dupla positiva/negativa permite que os modelos detectem equipamento corretamente usado e identifiquem violações de segurança.
Aplicações
O Construction-PPE alimenta uma variedade de aplicações de visão computacional voltadas para a segurança:
- Monitorização automatizada da conformidade: Treine modelos de IA para verificar instantaneamente se os trabalhadores estão a usar o equipamento de segurança necessário, como capacetes, coletes ou luvas, reduzindo os riscos no local.
- Análise da segurança no local de trabalho: Acompanhe a utilização de EPI ao longo do tempo, detecte violações frequentes e gere informações para melhorar a cultura de segurança.
- Sistemas de vigilância inteligentes: Ligue modelos de deteção a câmaras para enviar alertas em tempo real quando faltarem EPI, prevenindo acidentes antes de estes acontecerem.
- Robótica e sistemas autónomos: Permitir que drones ou robôs realizem verificações de EPI em grandes instalações, apoiando inspecções mais rápidas e seguras.
- Investigação e educação: Fornecer um conjunto de dados do mundo real para estudantes e investigadores que exploram a segurança no local de trabalho e as interações homem-objeto.
YAML do Conjunto de Dados
O conjunto de dados Construction-PPE inclui um ficheiro de configuração YAML que define os caminhos das imagens de treino e validação, juntamente com a lista completa de classes de objectos. É possível aceder ao ficheiro construction-ppe.yaml diretamente no repositório Ultralytics aqui: 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
Utilização
Pode treinar um modelo YOLO11n no conjunto de dados Construction-PPE para 100 épocas com um tamanho de imagem de 640. Os exemplos seguintes mostram como começar rapidamente. Para obter mais opções e configurações avançadas, consulte o Guia de treinamento.
Exemplo de Treinamento
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
Amostras de Imagens e Anotações
O conjunto de dados capta trabalhadores da construção civil em vários ambientes, condições de iluminação e posturas. Estão incluídos casos conformes e não conformes.
Licença e Atribuição
O Construction-PPE é desenvolvido e lançado sob a licençaAGPL-3.0 , suportando investigação de código aberto e aplicações comerciais com a devida atribuição.
Se utilizar este conjunto de dados na sua investigação, 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 Construção-PEP único?
Ao contrário dos conjuntos de dados genéricos de construção, o Construction-PPE inclui explicitamente classes de equipamento em falta. Esta abordagem de dupla rotulagem permite aos modelos não só detetar EPI, mas também assinalar violações em tempo real.
Que categorias de objectos estão incluídas?
O conjunto de dados abrange capacetes, coletes, luvas, botas, óculos de proteção e trabalhadores, juntamente com os seus equivalentes "EPI em falta". Isto garante uma cobertura de conformidade abrangente.
Como é que posso treinar um modelo YOLO utilizando o conjunto de dados Construction-PPE?
Para treinar um modelo YOLO11 utilizando o conjunto de dados Construction-PPE, pode utilizar os seguintes fragmentos de código:
Exemplo de Treinamento
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
Este conjunto de dados é adequado para aplicações no mundo real?
Sim. As imagens são selecionadas a partir de locais de construção reais em diversas condições. Isto torna-o altamente eficaz para a criação de sistemas de monitorização da segurança no local de trabalho.
Quais são as vantagens de utilizar o conjunto de dados Construção-PEP em projectos de IA?
O conjunto de dados permite a deteção em tempo real de equipamento de proteção individual, ajudando a monitorizar a segurança dos trabalhadores nos estaleiros de construção. Com classes para equipamento usado e em falta, suporta sistemas de IA que podem assinalar automaticamente violações de segurança, gerar informações 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 investigação académica.
