Безопасность корпоративного уровня: Соответствует ISO 27001 + SOC 2 Type I.
AGPL 3.0

Link to this sectionНабор данных Construction-PPE#

Набор данных Construction-PPE в Colab

Набор данных Ultralytics Construction-PPE — это набор данных для обнаружения объектов, состоящий из 1416 изображений (1132 для обучения, 143 для проверки и 141 для тестирования), размеченных по 11 классам для обнаружения средств индивидуальной защиты — касок, перчаток, жилетов, ботинок и защитных очков — и выявления отсутствия снаряжения на строительных площадках. Отобранный в реальных условиях строительства, он включает как случаи соблюдения, так и случаи несоблюдения правил, что делает его практическим ресурсом для обучения моделей компьютерного зрения, контролирующих безопасность на рабочем месте.



Watch: How to train Ultralytics YOLO on Personal Protective Equipment Dataset | VisionAI in Construction 👷

Link to this sectionСтруктура набора данных#

Набор данных Construction-PPE содержит 1416 изображений, разделенных на три предопределенных подмножества, заданных конфигурацией construction-ppe.yaml:

SplitИзображенияАннотации
Обучение1132Да
Validation143Да
Тестовый141Да

Каждое изображение аннотировано в формате Ultralytics YOLO, что обеспечивает совместимость с передовыми конвейерами обнаружения объектов и отслеживания.

Набор данных предоставляет 11 классов, охватывающих наличие снаряжения, отсутствие снаряжения и людей:

  • Надетое СИЗ (5): helmet, gloves, vest, boots, goggles
  • Отсутствующее СИЗ (4): no_helmet, no_gloves, no_boots, no_goggle
  • Другое (2): Person, none

Сочетание меток надетых и отсутствующих предметов позволяет модели как обнаруживать правильно надетую экипировку, так и отмечать нарушения техники безопасности. Обрати внимание, что для vest нет отдельной метки отсутствующего жилета.

Link to this sectionБизнес-ценность#

Строительство — одна из самых опасных отраслей, и проблема обычно заключается в контроле соблюдения правил, а не в их отсутствии. Команды по охране труда и технике безопасности перегружены и не могут следить за каждым углом оживленной, постоянно меняющейся площадки в режиме реального времени.

Обнаружение СИЗ на основе компьютерного зрения помогает восполнить этот пробел. Автоматически проверяя, носят ли рабочие необходимые каски, жилеты и другое снаряжение, система последовательно обеспечивает соблюдение правил техники безопасности на всех участках и выявляет опережающие показатели риска, показывая тенденции соблюдения правил до возникновения инцидентов. Обнаружение СИЗ также может выявлять посторонних лиц, которые обычно первыми появляются без соответствующего защитного снаряжения.

Link to this sectionПрименение#

Construction-PPE расширяет возможности различных приложений компьютерного зрения, ориентированных на безопасность:

  • Автоматизированный мониторинг соответствия: обучайте ИИ-модели мгновенно проверять, носят ли рабочие необходимые средства защиты, такие как каски, жилеты или перчатки, снижая риски на объекте.
  • Аналитика безопасности на рабочем месте: отслеживай использование СИЗ во времени, выявляй частые нарушения и создавай аналитические отчеты для улучшения культуры безопасности.
  • Интеллектуальные системы наблюдения: подключайте модели обнаружения к камерам для отправки уведомлений в реальном времени, когда СИЗ отсутствуют, предотвращая несчастные случаи до их возникновения.
  • Робототехника и автономные системы: используйте дроны или роботов для выполнения проверок СИЗ на крупных объектах, обеспечивая более быстрые и безопасные инспекции.
  • Исследования и образование: предоставьте набор данных из реальной жизни для студентов и исследователей, изучающих безопасность на рабочем месте и взаимодействие людей с объектами.

Чтобы размечать, обучать и развертывать модель обнаружения СИЗ, не управляя локальной инфраструктурой, запусти полный рабочий процесс в своем браузере с помощью Ultralytics Platform.

Link to this sectionYAML набора данных#

Набор данных Construction-PPE включает YAML-файл конфигурации, который определяет пути к изображениям для обучения, проверки и тестирования, а также полный список классов объектов. Ты можешь получить доступ к файлу construction-ppe.yaml напрямую в репозитории Ultralytics здесь: https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/construction-ppe.yaml

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 sectionИспользование#

Ты можешь обучить модель YOLO26n на наборе данных Construction-PPE в течение 100 эпох с размером изображения 640. Следующие примеры показывают, как быстро начать работу. Для получения информации о других возможностях и расширенных настройках ознакомься с руководством по обучению.

Пример обучения
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 sectionПримеры изображений и аннотации#

Набор данных охватывает строителей в различных условиях, при разном освещении и в разных позах. Включены как соответствующие, так и не соответствующие требованиям примеры.

Образец набора данных Construction-PPE с обнаружением средств защиты

Link to this sectionЛицензия и авторство#

Construction-PPE разработан и выпущен под лицензией AGPL-3.0 License, что поддерживает исследования с открытым исходным кодом и коммерческое использование при условии надлежащего указания авторства.

Если ты используешь этот набор данных в своих исследованиях, пожалуйста, сошлися на него:

Цитата
@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 sectionЧто делает набор данных Construction-PPE уникальным?#

В отличие от общих строительных наборов данных, Construction-PPE явно включает классы отсутствующего оборудования (no_helmet, no_gloves, no_boots, no_goggle). Этот подход с двойной маркировкой позволяет модели не только обнаруживать надетые СИЗ, но и отмечать нарушения в режиме реального времени.

Link to this sectionКакие категории объектов включены?#

Набор данных Construction-PPE содержит 11 классов: пять предметов надетых СИЗ (helmet, gloves, vest, boots, goggles), четыре метки отсутствующих СИЗ (no_helmet, no_gloves, no_boots, no_goggle), плюс Person и общий класс none. Обрати внимание, что для vest нет выделенной метки отсутствующего жилета.

Link to this sectionСколько изображений и классов в наборе данных Construction-PPE?#

Набор данных Construction-PPE содержит 1416 изображений по 11 классам — 1132 для обучения, 143 для проверки и 141 для тестирования. Смотри раздел Структура набора данных для получения полной информации о разбиении и распределении по классам.

Link to this sectionКак мне скачать набор данных Construction-PPE?#

Набор данных (178,4 МБ) скачивается автоматически при первом запуске обучения с параметром data="construction-ppe.yaml" — никаких ручных действий не требуется. Ultralytics извлекает и распаковывает его в твою локальную директорию наборов данных. Ты можешь просмотреть связанные наборы данных в обзоре наборов данных для обнаружения.

Link to this sectionКак я могу обучить модель YOLO, используя набор данных Construction-PPE?#

Чтобы обучить модель YOLO26 с использованием набора данных Construction-PPE, ты можешь воспользоваться следующими фрагментами кода:

Пример обучения
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 sectionПодходит ли этот набор данных для реальных приложений?#

Да. Изображения отобраны с реальных строительных площадок в разнообразных условиях, что делает набор данных высокоэффективным для создания систем мониторинга безопасности на рабочем месте, готовых к развертыванию.

Link to this sectionКаковы преимущества использования набора данных Construction-PPE в ИИ-проектах?#

Этот набор данных позволяет выполнять обнаружение средств индивидуальной защиты в реальном времени, помогая контролировать безопасность рабочих на стройплощадках. Благодаря наличию классов как для надетых, так и для отсутствующих СИЗ, он поддерживает работу ИИ-систем, способных автоматически выявлять нарушения, формировать аналитику по соблюдению правил и снижать риски. Также это практический ресурс для разработки решений компьютерного зрения в области промышленной безопасности, робототехники и академических исследований.

Участники
GLglenn-jocher5RIRizwanMunawar3RAraimbekovm2ULUltralyticsAbi1

Комментарии