Link to this sectionНабор данных Construction-PPE#

Набор данных Construction-PPE разработан для улучшения соблюдения правил техники безопасности на строительных площадках за счет возможности обнаружения необходимых средств индивидуальной защиты, таких как каски, жилеты, перчатки, ботинки и защитные очки, а также включает аннотации для отсутствующего оборудования. Набор, собранный в реальных условиях строительства, содержит как соответствующие, так и несоответствующие требованиям примеры, что делает его ценным ресурсом для обучения ИИ-моделей, контролирующих безопасность на рабочем месте.

Link to this sectionСтруктура набора данных#

Набор данных Construction-PPE организован в три основных подмножества:

• Обучающая выборка (Training Set): основной массив аннотированных строительных изображений, на которых запечатлены рабочие как с полным, так и с частичным использованием СИЗ.
• Валидационная выборка (Validation Set): специальное подмножество, используемое для точной настройки и оценки производительности модели в процессе обнаружения СИЗ и мониторинга соблюдения требований.
• Тестовая выборка (Test Set): независимое подмножество, зарезервированное для оценки эффективности финальной модели в обнаружении СИЗ и выявлении нарушений техники безопасности.

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

В наборе данных представлено 11 классов, разделенных на категории положительных (надетые СИЗ) и отрицательных (отсутствующие СИЗ) примеров. Эта двойная структура позволяет моделям как обнаруживать правильно надетую экипировку, так и выявлять нарушения правил техники безопасности.

Link to this sectionБизнес-ценность#

• Строительство остается одной из самых опасных отраслей в мире: в 2023/2024 годах в Великобритании из 123 случаев производственного травматизма со смертельным исходом более 51 произошло на стройках. Однако проблема больше не связана с отсутствием нормативного регулирования, так как 42% строителей признаются, что не всегда соблюдают установленные процессы.
• В строительстве уже действует обширная база стандартов охраны труда и техники безопасности (HSE), но команды HSE сталкиваются с трудностями при обеспечении их последовательного соблюдения. Сотрудники HSE часто перегружены, разрываясь между оформлением бумаг и аудитами, не имея возможности в режиме реального времени следить за каждым уголком динамичной и постоянно меняющейся строительной площадки.
• Именно здесь бесценным становится обнаружение средств индивидуальной защиты (СИЗ) на основе компьютерного зрения. Автоматически проверяя, носят ли рабочие каски, жилеты и другие средства индивидуальной защиты, ты можешь гарантировать, что правила HSE не просто существуют на бумаге, а эффективно и последовательно соблюдаются на всех объектах. Помимо контроля соответствия, компьютерное зрение предоставляет опережающие индикаторы риска, показывая, насколько хорошо бригады следуют практикам безопасности, что позволяет организациям выявлять тенденции к снижению уровня дисциплины и предотвращать инциденты до того, как они произойдут.
• Бонусом является то, что обнаружение СИЗ также помогает выявлять посторонних лиц на площадке, поскольку те, кто не экипирован должным образом, первыми вызывают уведомление. В конечном счете, обнаружение СИЗ — это простой, но мощный сценарий использования компьютерного зрения, который обеспечивает полный контроль, полезную аналитику и стандартизированную отчетность, позволяя строительным компаниям снижать риски, защищать рабочих и оберегать свои проекты.

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.

Link to this sectionYAML набора данных#

Набор данных Construction-PPE включает YAML-файл конфигурации, в котором определены пути к изображениям для обучения и валидации, 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 🚀 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.

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.

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:

@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 стандартных строительных наборов данных, Construction-PPE явно включает классы отсутствующего оборудования. Этот подход с двойной маркировкой позволяет моделям не только обнаруживать СИЗ, но и сигнализировать о нарушениях в режиме реального времени.

Link to this sectionКакие категории объектов включены?#

Набор данных охватывает каски, жилеты, перчатки, ботинки, защитные очки и самих рабочих, а также соответствующие им варианты «отсутствующих СИЗ». Это обеспечивает всесторонний контроль соответствия требованиям.

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:

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 из реальных строительных площадок в разнообразных условиях. Это делает набор крайне эффективным для создания систем мониторинга безопасности на рабочем месте, готовых к внедрению.

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.