Link to this sectionConjunto de dados Construction-PPE#

O conjunto de dados Construction-PPE foi projetado para melhorar a conformidade de segurança em canteiros de obras, permitindo a detecção de equipamentos de proteção essenciais, como capacetes, coletes, luvas, botas e óculos de proteção, juntamente com anotações para equipamentos ausentes. Curado a partir de ambientes de construção reais, inclui casos em conformidade e não conformidade, tornando-o um recurso valioso para treinar modelos de IA que monitoram a segurança no local de trabalho.

Link to this sectionEstrutura do Dataset#

O conjunto de dados Construction-PPE está organizado em três subconjuntos principais:

• Conjunto de Treinamento: A coleção principal de imagens de construção anotadas que apresenta trabalhadores com uso completo e parcial de EPI.
• Conjunto de Validação: Um subconjunto designado usado para ajustar e avaliar o desempenho do modelo durante a detecção de EPI e monitoramento de conformidade.
• Conjunto de Teste: Um subconjunto independente reservado para avaliar a eficácia do modelo final na detecção de EPI e na identificação de problemas de conformidade.

Cada imagem é anotada no formato Ultralytics YOLO, garantindo compatibilidade com pipelines de detecção de objetos e rastreamento de última geração.

O conjunto de dados fornece 11 classes divididas em categorias positivas (EPI usado) e negativas (EPI ausente). Esta estrutura de positivo/negativo duplo permite que os modelos detectem equipamentos usados corretamente e identifiquem violações de segurança.

Link to this sectionValor Comercial#

• A construção continua sendo uma das indústrias mais perigosas do mundo, com mais de 51 das 123 lesões fatais relacionadas ao trabalho no Reino Unido em 2023/2024 ocorrendo na construção civil. No entanto, o problema não é mais a falta de regulamentação, com 42% dos trabalhadores da construção admitindo não seguir sempre os processos.
• A construção já é regida por uma estrutura extensa de padrões de saúde e segurança (HSE), mas as equipes de HSE são desafiadas com a aplicação consistente. As equipes de HSE geralmente estão sobrecarregadas, equilibrando papelada e auditorias e sem a capacidade de monitorar cada canto de um ambiente movimentado e em constante mudança em tempo real.
• É aqui que a detecção de equipamento de proteção individual (EPI) baseada em visão computacional se torna inestimável. Ao verificar automaticamente se os trabalhadores estão usando capacetes, coletes e outros equipamentos de proteção individual, você pode garantir que as regras de HSE não estejam apenas presentes, mas sejam efetivamente aplicadas de forma consistente em todos os locais. Além da conformidade, a visão computacional fornece indicadores de risco importantes ao revelar o quão bem as equipes seguem as práticas de segurança, permitindo que as organizações detectem tendências negativas na conformidade e previnam incidentes antes que aconteçam.
• Como bônus, a detecção de equipamento de proteção individual também é conhecida por identificar intrusos não autorizados no local, já que aqueles que não estão equipados com o equipamento de segurança adequado são os primeiros a acionar uma notificação. Em última análise, a detecção de EPI é um caso de uso de visão computacional simples, porém poderoso, que oferece supervisão total, insights acionáveis e relatórios padronizados, capacitando as empresas de construção a reduzir riscos, proteger trabalhadores e salvaguardar seus projetos.

Link to this sectionAplicações#

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.

Link to this sectionYAML do Dataset#

O conjunto de dados Construction-PPE inclui um arquivo de configuração YAML que define os caminhos das imagens de treinamento e validação, juntamente com a lista completa de classes de objetos. Você pode acessar o arquivo 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

Link to this sectionUso#

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)

Link to this sectionExemplos 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.

Link to this sectionLicença 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}
}

Link to this sectionFAQ#

Link to this sectionO 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 equipamentos ausentes. Essa abordagem de rotulagem dupla permite que os modelos não apenas detectem o EPI, mas também sinalizem violações em tempo real.

Link to this sectionQuais categorias de objetos estão incluídas?#

O conjunto de dados cobre capacetes, coletes, luvas, botas, óculos e trabalhadores, juntamente com suas contrapartes de "EPI ausente". Isso garante uma cobertura de conformidade abrangente.

Link to this sectionComo 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)

Link to this sectionEste conjunto de dados é adequado para aplicações do mundo real?#

Sim. As imagens são curadas a partir de canteiros de obras reais sob diversas condições. Isso o torna altamente eficaz para a construção de sistemas de monitoramento de segurança no local de trabalho implementáveis.

Link to this sectionQuais 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.