Conjunto de dados Construction-PPE#

1,416

Construction PPE

ultralytics

publicDetect

Official Ultralytics Construction-PPE object detection dataset with 1,416 images across 11 classes for helmets, gloves, safety vests, boots, goggles, people, and missing protective equipment. Includes 1,132 train, 143 validation, and 141 test images with 11,521 reviewed bounding boxes.

111 classes145.3 MBAug 21, 2026

helmetglovesvestboots+7

object-detectionconstructionppe+2

O conjunto de dados Ultralytics Construction-PPE é um conjunto de dados de object detection de 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 — e sinalizar equipamento em falta em estaleiros de construção. Curated a partir de ambientes de construção reais, inclui casos de conformidade e de não conformidade, tornando-se um recurso prático para treinar modelos de computer vision que monitorizam a segurança no local de 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:

Todas as imagens são anotadas no formato Ultralytics YOLO, garantindo a 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:

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

Combinar rótulos de equipamento utilizado e em falta permite que um modelo detete equipamento devidamente utilizado e sinalize violações de segurança. Tem em atenção que vest não tem um rótulo dedicado para coletes 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 PPE sem gerir infraestruturas locais, executa o fluxo de trabalho completo no teu browser com o 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 do 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#

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

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 AGPL-3.0 License, apoiando a investigação 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#