Link to this sectionConstruction-PPE Veri Kümesi#

Construction-PPE veri kümesi; baret, yelek, eldiven, bot ve koruyucu gözlük gibi temel koruyucu ekipmanların tespit edilmesini sağlayarak ve eksik ekipmanlar için etiketler sunarak inşaat sahalarında güvenlik uyumluluğunu artırmak için tasarlanmıştır. Gerçek inşaat ortamlarından derlenen bu veri kümesi, hem kurallara uygun hem de uygun olmayan durumları içerir ve iş yeri güvenliğini izleyen yapay zeka modellerini eğitmek için değerli bir kaynaktır.

Link to this sectionVeri Kümesi Yapısı#

Construction-PPE veri kümesi üç ana alt kümeye ayrılmıştır:

• Eğitim Kümesi (Training Set): Tam ve kısmi KKD (Kişisel Koruyucu Donanım) kullanımı olan işçileri içeren, etiketlenmiş temel inşaat görselleri koleksiyonudur.
• Doğrulama Kümesi (Validation Set): KKD tespiti ve uyumluluk izleme sırasında model performansını hassaslaştırmak ve değerlendirmek için kullanılan belirlenmiş bir alt kümedir.
• Test Kümesi (Test Set): Nihai modelin KKD tespitindeki ve uyumluluk sorunlarını belirlemedeki etkinliğini değerlendirmek için ayrılmış bağımsız bir alt kümedir.

Each image is annotated in the Ultralytics YOLO format ensuring compatibility with state-of-the-art object detection and tracking pipelines.

Veri kümesi, pozitif (takılı KKD) ve negatif (eksik KKD) kategorilerine ayrılmış 11 sınıf sağlar. Bu çift yönlü pozitif/negatif yapı, modellerin düzgün takılmış ekipmanları tespit etmesini ve güvenlik ihlallerini belirlemesini sağlar.

Link to this sectionTicari Değer#

• İnşaat sektörü, 2023/2024 yıllarında Birleşik Krallık'ta işle ilgili 123 ölümlü yaralanmanın 51'inden fazlasının inşaat alanlarında gerçekleşmesiyle, dünyadaki en tehlikeli sektörlerden biri olmaya devam ediyor. Ancak sorun artık düzenleme eksikliği değil; inşaat işçilerinin %42'si süreçlere her zaman uymadığını itiraf ediyor.
• İnşaat sektörü halihazırda kapsamlı bir sağlık ve güvenlik (HSE) standartları çerçevesiyle yönetiliyor, ancak HSE ekipleri tutarlı bir uygulama konusunda zorlanıyor. HSE ekipleri genellikle evrak işleri ile denetimler arasında denge kurmaya çalışırken, yoğun ve sürekli değişen bir ortamın her köşesini gerçek zamanlı olarak izleme yeteneğinden yoksun kalarak zorlanıyorlar.
• İşte tam bu noktada, bilgisayarlı görü tabanlı kişisel koruyucu donanım (KKD) tespiti paha biçilmez hale geliyor. İşçilerin baret, yelek ve diğer kişisel koruyucu donanımları takıp takmadığını otomatik olarak kontrol ederek, HSE kurallarının sadece mevcut olmasını değil, tüm sahalarda tutarlı bir şekilde etkili bir şekilde uygulanmasını sağlayabilirsin. Uyumluluğun ötesinde bilgisayarlı görü, ekiplerin güvenlik uygulamalarını ne kadar iyi takip ettiğini ortaya koyarak risk için öncü göstergeler sağlar ve kuruluşların uyumluluktaki düşüş eğilimlerini fark etmelerini ve olaylar gerçekleşmeden önce önlem almalarını sağlar.
• Bonus olarak, kişisel koruyucu donanım tespiti, uygun güvenlik ekipmanına sahip olmayanların bildirim tetikleyen ilk kişiler olması nedeniyle izinsiz saha girişlerini de belirleyebilir. Sonuç olarak KKD tespiti; tam denetim, uygulanabilir içgörüler ve standart raporlama sağlayan, inşaat firmalarının riski azaltmasını, işçileri korumasını ve projelerini güvence altına almasını sağlayan basit ama güçlü bir bilgisayarlı görü kullanım durumudur.

Link to this sectionUygulamalar#

Construction-PPE, güvenliğe odaklı çeşitli bilgisayarlı görü uygulamalarına güç katar:

• Otomatik uyumluluk izleme: İşçilerin baret, yelek veya eldiven gibi gerekli güvenlik ekipmanlarını takıp takmadığını anında kontrol etmek için yapay zeka modelleri eğiterek sahadaki riskleri azalt.
• İş yeri güvenlik analitiği: Zaman içindeki KKD kullanımını takip et, sık yaşanan ihlalleri belirle ve güvenlik kültürünü geliştirmek için içgörüler oluştur.
• Akıllı gözetim sistemleri: KKD eksik olduğunda gerçek zamanlı uyarılar göndermek için tespit modellerini kameralarla bağla ve kazaları gerçekleşmeden önce önle.
• Robotik ve otonom sistemler: İHA'ların veya robotların büyük sahalarda KKD kontrolleri yapmasını sağlayarak daha hızlı ve güvenli denetimleri destekle.
• Araştırma ve eğitim: İş yeri güvenliğini ve insan-nesne etkileşimlerini inceleyen öğrenciler ve araştırmacılar için gerçek dünyadan bir veri kümesi sağla.

Link to this sectionVeri Kümesi YAML#

Construction-PPE veri kümesi, eğitim ve doğrulama görsel yollarını ve nesne sınıflarının tam listesini tanımlayan bir YAML yapılandırma dosyası içerir. construction-ppe.yaml dosyasına doğrudan Ultralytics deposu üzerinden buradan erişebilirsin: 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 sectionKullanım#

Construction-PPE veri kümesi üzerinde bir YOLO26n modelini 640 görsel boyutu ile 100 epoch boyunca eğitebilirsin. Aşağıdaki örnekler nasıl hızlı bir şekilde başlayacağını gösterir. Daha fazla seçenek ve gelişmiş yapılandırmalar için Eğitim kılavuzuna bak.

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 sectionÖrnek Görüntüler ve Ek Açıklamalar#

Veri kümesi; inşaat işçilerini farklı ortamlarda, aydınlatma koşullarında ve duruşlarda yakalar. Hem uyumlu hem de uyumlu olmayan durumlar dahil edilmiştir.

Link to this sectionLisans ve Atıf#

Construction-PPE, açık kaynaklı araştırmaları ve uygun atıfla ticari uygulamaları destekleyen AGPL-3.0 Lisansı altında geliştirilmiş ve yayınlanmıştır.

Bu veri kümesini araştırmanda kullanırsan lütfen atıfta bulun:

@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 sectionSSS#

Link to this sectionConstruction-PPE veri kümesini benzersiz kılan nedir?#

Genel inşaat veri kümelerinin aksine, Construction-PPE açıkça eksik ekipman sınıflarını içerir. Bu çift etiketleme yaklaşımı, modellerin sadece KKD'yi tespit etmesini değil, aynı zamanda ihlalleri gerçek zamanlı olarak işaretlemesini de sağlar.

Link to this sectionHangi nesne kategorileri dahildir?#

Veri kümesi; baretleri, yelekleri, eldivenleri, botları, gözlükleri ve işçileri, “eksik KKD” karşılıklarıyla birlikte kapsar. Bu, kapsamlı bir uyumluluk takibi sağlar.

Link to this sectionConstruction-PPE veri kümesini kullanarak nasıl bir YOLO modeli eğitebilirim?#

Construction-PPE veri kümesini kullanarak bir YOLO26 modelini eğitmek için aşağıdaki kod parçacıklarını kullanabilirsin:

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 sectionBu veri kümesi gerçek dünya uygulamaları için uygun mu?#

Evet. Görseller, gerçek inşaat sahalarından çeşitli koşullar altında derlenmiştir. Bu da onu konuşlandırılabilir iş yeri güvenliği izleme sistemleri oluşturmak için oldukça etkili kılar.

Link to this sectionConstruction-PPE veri kümesini yapay zeka projelerinde kullanmanın faydaları nelerdir?#

Veri kümesi, kişisel koruyucu donanımların gerçek zamanlı olarak tespit edilmesini sağlayarak inşaat sahalarında işçi güvenliğinin izlenmesine yardımcı olur. Hem takılı hem de eksik ekipman sınıflarıyla, güvenlik ihlallerini otomatik olarak işaretleyebilen, uyumluluk içgörüleri oluşturabilen ve riskleri azaltabilen yapay zeka sistemlerini destekler. Ayrıca iş yeri güvenliği, robotik ve akademik araştırmalarda bilgisayarlı görü çözümleri geliştirmek için pratik bir kaynak sağlar.