Набор данных 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

Датасет Ultralytics Construction-PPE представляет собой датасет для обнаружения объектов, состоящий из 1416 изображений (1132 для обучения, 143 для валидации и 141 для тестирования), размеченных по 11 классам для обнаружения средств индивидуальной защиты — касок, перчаток, жилетов, ботинок и защитных очков — и фиксации отсутствия экипировки на строительных площадках. Собранный в реальных условиях строительства, он включает как случаи соблюдения норм, так и нарушения, что делает его практическим ресурсом для обучения моделей компьютерного зрения, контролирующих безопасность на рабочем месте.

Структура набора данных#

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

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

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

Совмещение меток надетых и отсутствующих средств позволяет модели как обнаруживать правильно надетую экипировку, так и фиксировать нарушения безопасности. Обрати внимание, что у vest нет отдельной метки отсутствующего жилета.

Бизнес-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.

Применение#

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 без управления локальной инфраструктурой, запусти полный рабочий процесс в браузере с помощью Ultralytics Platform.

YAML набора данных#

Датасет Construction-PPE включает файл конфигурации YAML, в котором определены пути к изображениям для обучения, валидации 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 🚀 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#

Ты можешь обучить модель YOLO26n на датасете Construction-PPE в течение 100 эпох с размером изображения 640. Следующие примеры показывают, как быстро начать работу. Дополнительные параметры и расширенные конфигурации см. в руководстве 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)

Примеры 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.

Лицензия и авторство#

Construction-PPE разработан и выпущен под лицензией AGPL-3.0, поддерживая исследования с открытым исходным кодом и коммерческие приложения при условии 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}
}

FAQ#