Dataset Construction-PPE#

1,416

Construction PPE

ultralytics

publicDetect

Construction-PPE is an Ultralytics safety-equipment detection benchmark. Its 11 classes localize people, helmets, gloves, vests, boots, and goggles while explicitly identifying missing protective equipment for worksite compliance monitoring.

211 classes145.3 MBSep 2, 2026

helmetglovesvestboots+7

object-detectionconstructionppe+2

O dataset Construction-PPE da Ultralytics é um dataset de deteção de objetos com 1.416 imagens (1.132 para treino, 143 para validação e 141 para teste), anotadas em 11 classes para detetar equipamentos de proteção individual — capacetes, luvas, coletes, botas e óculos — e assinalar a ausência de equipamento em estaleiros de construção. Selecionado a partir de ambientes reais de construção, inclui casos conformes e não conformes, sendo um recurso prático para treinar modelos de visão computacional que monitorizam a segurança no local de trabalho.

Estrutura do Conjunto de Dados#

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

Todas as imagens são anotadas no formato Ultralytics YOLO, garantindo compatibilidade com pipelines de última geração de deteção de objetos e rastreamento.

O dataset fornece 11 classes que abrangem equipamento usado, equipamento em falta e pessoas:

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

A associação entre as etiquetas de equipamento usado e em falta permite que um modelo detete equipamento corretamente usado e assinale violações de segurança. Nota que vest não tem uma etiqueta específica para colete em falta.

Valor empresarial#

A construção é uma das indústrias mais perigosas, e o desafio costuma ser a fiscalização, não a falta de regulamentação. As equipas de saúde e segurança têm recursos limitados e não conseguem vigiar todos os cantos de um estaleiro movimentado e em constante mudança em tempo real.

A deteção de PPE baseada em visão computacional ajuda a colmatar essa lacuna. Ao verificar automaticamente se os trabalhadores usam os capacetes, coletes e outros equipamentos necessários, aplica as regras de segurança de forma consistente em todos os locais e revela indicadores precoces de risco — mostrando tendências de conformidade antes de ocorrerem incidentes. A deteção de PPE também pode assinalar intrusos não autorizados no estaleiro, que normalmente são os primeiros a aparecer sem o equipamento de segurança adequado.

Aplicações#

O Construction-PPE permite várias aplicações de visão computacional focadas na segurança:

• Monitorização automatizada da conformidade: Treina modelos de IA para verificarem instantaneamente se os trabalhadores usam o equipamento de segurança necessário, como capacetes, coletes ou luvas, reduzindo os riscos no estaleiro.
• Análise da segurança no local de trabalho: Acompanha a utilização de PPE ao longo do tempo, identifica violações frequentes e gera informações para melhorar a cultura de segurança.
• Sistemas de vigilância inteligentes: Liga modelos de deteção a câmaras para enviar alertas em tempo real quando falta PPE, prevenindo acidentes antes de estes ocorrerem.
• Robótica e sistemas autónomos: Permite que drones ou robôs realizem verificações de PPE em grandes estaleiros, contribuindo para inspeções mais rápidas e seguras.
• Investigação e educação: Fornece um dataset do mundo real para estudantes e investigadores que exploram a segurança no local de trabalho e as interações entre pessoas e objetos.

Para anotar, treinar e implementar um modelo de deteção de PPE sem gerir a infraestrutura local, executa todo o fluxo de trabalho no navegador com a Ultralytics Platform.

YAML do Conjunto de Dados#

O dataset 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 diretamente ao ficheiro construction-ppe.yaml 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

Utilização#

Podes treinar um modelo YOLO26n no dataset Construction-PPE durante 100 épocas, com um tamanho de imagem de 640. Os exemplos seguintes mostram como começar rapidamente. Para obteres mais opções e configurações avançadas, consulta o guia de treino.

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)

Imagens de exemplo e anotações#

O dataset reúne trabalhadores da construção em ambientes, condições de iluminação e posturas variados. Estão incluídos casos conformes e não conformes.

Licença e atribuição#

O Construction-PPE é desenvolvido e disponibilizado ao abrigo da Licença AGPL-3.0, apoiando a investigação de código aberto e aplicações comerciais com a devida atribuição.

Se utilizares este dataset na tua investigação, cita-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}
}

Perguntas frequentes#