Набор данных Construction-PPE
Набор данных Construction-PPE предназначен для повышения уровня безопасности на строительных площадках путем обнаружения необходимых средств защиты, таких как каски, жилеты, перчатки, ботинки и защитные очки, а также аннотаций к отсутствующим средствам. Набор собран из реальных строительных объектов и включает как соответствующие, так и не соответствующие требованиям случаи, что делает его ценным ресурсом для обучения моделей ИИ, контролирующих безопасность на рабочих местах.
Структура набора данных
Набор данных Construction-PPE состоит из трех основных подмножеств:
- Учебный набор: Основная коллекция аннотированных строительных изображений, на которых изображены рабочие с полным и частичным использованием СИЗ.
- Валидационный набор: Определенное подмножество, используемое для точной настройки и оценки эффективности модели при обнаружении СИЗ и контроле их соответствия.
- Тестовый набор: Независимое подмножество, предназначенное для оценки эффективности окончательной модели в обнаружении СИЗ и выявлении проблем с соблюдением требований.
Каждое изображение аннотируется в Ultralytics YOLO что обеспечивает совместимость с современными системами обнаружения и отслеживания объектов.
В наборе данных представлены 11 классов, разделенных на положительные (надетые СИЗ) и отрицательные (отсутствующие СИЗ) категории. Эта двойная позитивная/негативная структура позволяет моделям обнаруживать правильно надетое снаряжение и выявлять нарушения техники безопасности.
Приложения
Construction-PPE обеспечивает работу различных приложений компьютерного зрения, ориентированных на безопасность:
- Автоматизированный контроль соблюдения требований: Обучите модели искусственного интеллекта мгновенно проверять, надеты ли на работниках необходимые средства защиты, такие как каски, жилеты или перчатки, снижая риски на объекте.
- Аналитика безопасности на рабочем месте: Отслеживайте использование СИЗ в течение определенного времени, выявляйте частые нарушения и генерируйте выводы для повышения культуры безопасности.
- Интеллектуальные системы наблюдения: Подключите модели для обнаружения к камерам, чтобы в режиме реального времени отправлять уведомления о пропаже СИЗ, предотвращая несчастные случаи до того, как они произойдут.
- Робототехника и автономные системы: Обеспечьте беспилотникам или роботам возможность проводить проверки СИЗ на больших площадках, способствуя более быстрым и безопасным проверкам.
- Исследования и образование: Предоставить реальный набор данных для студентов и исследователей, изучающих безопасность на рабочем месте и взаимодействие человека и объекта.
YAML-файл набора данных
Набор данных Construction-PPE включает в себя конфигурационный файл YAML, в котором задаются пути к тренировочным и проверочным изображениям, а также полный список классов объектов. Вы можете получить доступ к construction-ppe.yaml файл непосредственно в репозитории Ultralytics здесь: 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
Использование
Вы можете обучить модель YOLO11n на наборе данных Construction-PPE в течение 100 эпох при размере изображения 640. В следующих примерах показано, как быстро приступить к работе. Дополнительные возможности и расширенные настройки см. в руководстве по обучению.
Пример обучения
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
Примеры изображений и аннотации
В наборе данных запечатлены строительные рабочие в различных условиях, при разном освещении и в разных позах. Включены как соответствующие, так и не соответствующие требованиям случаи.
Лицензия и атрибуция
Construction-PPE разрабатывается и выпускается под лицензиейAGPL-3.0 , поддерживающей исследования с открытым исходным кодом и коммерческие приложения с соответствующим указанием авторства.
Если вы используете этот набор данных в своих исследованиях, пожалуйста, укажите его:
@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}
}
Часто задаваемые вопросы
Что делает набор данных Construction-PPE уникальным?
В отличие от общих наборов данных по строительству, Construction-PPE явно включает отсутствующие классы оборудования. Такой подход к двойной маркировке позволяет моделям не только обнаруживать СИЗ, но и отмечать нарушения в режиме реального времени.
Какие категории объектов включены?
Набор данных охватывает каски, жилеты, перчатки, ботинки, очки и рабочих, а также их "отсутствующие СИЗ". Это обеспечивает всесторонний охват соответствия.
Как обучить модель YOLO с помощью набора данных Construction-PPE?
Чтобы обучить модель YOLO11 на наборе данных Construction-PPE, вы можете использовать следующие фрагменты кода:
Пример обучения
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
Подходит ли этот набор данных для применения в реальном мире?
Да. Изображения собраны с реальных строительных площадок в различных условиях. Это делает его очень эффективным для создания развертываемых систем мониторинга безопасности на рабочем месте.
Каковы преимущества использования набора данных Construction-PPE в проектах искусственного интеллекта?
Набор данных позволяет в режиме реального времени обнаруживать средства индивидуальной защиты, что помогает контролировать безопасность работников на строительных площадках. Благодаря наличию классов для обнаружения изношенного и отсутствующего снаряжения, он поддерживает системы искусственного интеллекта, которые могут автоматически отмечать нарушения техники безопасности, генерировать информацию о соблюдении норм и снижать риски. Он также является практическим ресурсом для разработки решений на основе компьютерного зрения в области безопасности труда, робототехники и академических исследований.
