Construction-PPE Veri Kümesi
Construction-PPE veri kümesi, kask, yelek, eldiven, bot ve gözlük gibi temel koruyucu ekipmanların detect edilmesini ve eksik ekipman için ek açıklamaları sağlayarak inşaat sahalarında güvenlik uyumluluğunu artırmak üzere tasarlanmıştır. Gerçek inşaat ortamlarından derlenen bu veri kümesi, hem uyumlu hem de uyumsuz durumları içerir ve bu sayede iş yeri güvenliğini izleyen yapay zeka modellerini eğitmek için değerli bir kaynak haline gelir.
İzle: Ultralytics YOLO'yu Kişisel Koruyucu Ekipman Veri Seti Üzerinde Nasıl Eğitirsiniz | İnşaatta VisionAI 👷
Veri Seti Yapısı
Construction-PPE veri kümesi üç ana alt kümeye ayrılmıştır:
- Eğitim Seti: Hem tam hem de kısmi KKD kullanımı olan işçileri içeren, ek açıklamalı inşaat görüntülerinin ana koleksiyonu.
- Doğrulama Seti: KKD detect etme ve uyumluluk izleme sırasında model performansını ince ayar yapmak ve değerlendirmek için kullanılan belirlenmiş bir alt küme.
- Test Seti: Nihai modelin KKD detect etme ve uyumluluk sorunlarını belirlemedeki etkinliğini değerlendirmek için ayrılmış bağımsız bir alt küme.
Her görüntü, son teknoloji nesne detect etme ve track etme işlem hatlarıyla uyumluluk sağlayacak şekilde Ultralytics YOLO formatında ek açıklanmıştır.
Veri kümesi, pozitif (yıpranmış KKD) ve negatif (eksik KKD) kategorilerine ayrılmış 11 sınıf sağlar. Bu çift pozitif/negatif yapı, modellerin düzgün takılmış ekipmanı tespit etmesini ve güvenlik ihlallerini belirlemesini sağlar.
İş Değeri
- İnşaat, dünyanın en tehlikeli endüstrilerinden biri olmaya devam etmektedir; Birleşik Krallık'ta 2023/2024 yıllarında iş kazası sonucu meydana gelen 123 ölümlü yaralanmanın 51'den fazlası inşaat sektöründe gerçekleşmiştir. Ancak, inşaat işçilerinin %42'sinin süreçlere her zaman uymadığını itiraf etmesiyle, sorun artık düzenleme eksikliği olmaktan çıkmıştır.
- İnşaat sektörü, kapsamlı bir iş sağlığı ve güvenliği (İSG) standartları çerçevesiyle zaten yönetilmektedir, ancak İSG ekipleri tutarlı uygulama konusunda zorluklar yaşamaktadır. İSG ekipleri genellikle kısıtlı kaynaklarla çalışır, evrak işleri ve denetimler arasında denge kurmaya çalışır ve yoğun, sürekli değişen bir ortamın her köşesini gerçek zamanlı olarak izleme yeteneğinden yoksundur.
- Bilgisayarla görme tabanlı kişisel koruyucu ekipman (KKD) algılamasının paha biçilemez hale geldiği yer burasıdır. Çalışanların baret, yelek ve diğer kişisel koruyucu ekipmanları giyip giymediğini otomatik olarak kontrol ederek, İSG kurallarının sadece mevcut olmadığından, aynı zamanda tüm sahalarda tutarlı bir şekilde etkin bir şekilde uygulandığından emin olabilirsiniz. Uyumluluğun ötesinde, bilgisayarla görme, ekiplerin güvenlik uygulamalarına ne kadar iyi uyduğunu ortaya çıkararak riskin önde gelen göstergelerini sağlar ve kuruluşların uyumluluktaki düşüş eğilimlerini tespit etmelerini ve olayları olmadan önlemelerini sağlar.
- Ek bir avantaj olarak, kişisel koruyucu ekipman tespiti, uygun güvenlik donanımına sahip olmayanların bir bildirimi tetikleyen ilk kişiler olması nedeniyle yetkisiz saha davetsiz misafirlerini de tespit etmesiyle bilinmektedir. Nihayetinde, KKE tespiti, tam denetim, eyleme geçirilebilir içgörüler ve standartlaştırılmış raporlama sağlayan, inşaat firmalarını riski azaltma, işçileri koruma ve projelerini güvence altına alma konusunda güçlendiren basit ama güçlü bir bilgisayar görüşü kullanım durumudur.
Uygulamalar
Construction-PPE, çeşitli güvenlik odaklı bilgisayar görüşü uygulamalarını destekler:
- Otomatik uyumluluk izleme: İşçilerin kask, yelek veya eldiven gibi gerekli güvenlik donanımlarını takıp takmadığını anında kontrol etmek için yapay zeka modellerini eğitin ve böylece sahada riskleri azaltın.
- İşyeri güvenliği analizi: KKD kullanımını zaman içinde takip edin, sık ihlalleri belirleyin ve güvenlik kültürünü iyileştirmek için içgörüler oluşturun.
- Akıllı gözetim sistemleri: KKD eksik olduğunda gerçek zamanlı uyarılar göndermek için algılama modellerini kameralarla entegre edin, böylece kazaları meydana gelmeden önce önleyin.
- Robotik ve otonom sistemler: Büyük sahalarda KKD kontrollerini gerçekleştirmeleri için dronları veya robotları etkinleştirin, böylece daha hızlı ve güvenli denetimleri destekleyin.
- Araştırma ve eğitim: İşyeri güvenliği ve insan-nesne etkileşimlerini inceleyen öğrenciler ve araştırmacılar için gerçek dünya veri seti sağlayın.
Veri Seti YAML
Construction-PPE veri seti, eğitim ve doğrulama görüntü yollarını ve nesne sınıflarının tam listesini tanımlayan bir yaml yapılandırma dosyası içerir. Dosyaya şuradan erişebilirsiniz: construction-ppe.yaml doğrudan Ultralytics deposundan buradan ulaşabilirsiniz: 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
Kullanım
Construction-PPE veri seti üzerinde 640 görüntü boyutuyla 100 epoch boyunca bir YOLO11n modeli eğitebilirsiniz. Aşağıdaki örnekler, hızlı bir başlangıç yapmanızı sağlar. Daha fazla seçenek ve gelişmiş yapılandırmalar için Eğitim kılavuzuna bakınız.
Eğitim Örneği
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
Örnek Görüntüler ve Açıklamalar
Veri seti, çeşitli ortamlarda, aydınlatma koşullarında ve duruşlarda inşaat işçilerini içermektedir. Hem uyumlu hem de uyumsuz durumlar bu sete dahildir.
Lisans ve Atıf
Construction-PPE, AGPL-3.0 Lisansı altında geliştirilmiş ve yayınlanmıştır; uygun atıfla açık kaynak araştırmalarını ve ticari uygulamaları desteklemektedir.
Bu veri setini araştırmanızda kullanmanız halinde, lütfen şu şekilde alıntı yapın:
@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}
}
SSS
Construction-PPE veri kümesini benzersiz kılan nedir?
Genel inşaat veri kümelerinden farklı olarak, Construction-PPE eksik ekipman sınıflarını açıkça içerir. Bu çift etiketleme yaklaşımı, modellerin yalnızca KKD'yi detect etmekle kalmayıp aynı zamanda ihlalleri gerçek zamanlı olarak işaretlemesine de olanak tanır.
Hangi nesne kategorileri dahil edilmiştir?
Veri kümesi, kaskları, yelekleri, eldivenleri, botları, gözlükleri ve işçileri, ayrıca bunların "eksik KKD" karşılıklarını kapsar. Bu, kapsamlı bir uyumluluk kapsamı sağlar.
Construction-PPE veri kümesini kullanarak bir YOLO modeli nasıl eğitebilirim?
Construction-PPE veri kümesini kullanarak bir YOLO11 modeli eğitmek için aşağıdaki kod parçacıklarını kullanabilirsiniz:
Eğitim Örneği
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
Bu veri kümesi gerçek dünya uygulamaları için uygun mudur?
Evet. Görüntüler, çeşitli koşullar altında gerçek inşaat sahalarından derlenmiştir. Bu, onu konuşlandırılabilir iş yeri güvenliği izleme sistemleri oluşturmak için oldukça etkili kılar.
Yapay zeka projelerinde Construction-PPE veri kümesini kullanmanın faydaları nelerdir?
Veri kümesi, kişisel koruyucu ekipmanların gerçek zamanlı detect edilmesini sağlayarak inşaat sahalarında işçi güvenliğini izlemeye yardımcı olur. Hem giyilen hem de eksik ekipman için sınıflarla, güvenlik ihlallerini otomatik olarak işaretleyebilen, uyumluluk içgörüleri oluşturabilen ve riskleri azaltabilen yapay zeka sistemlerini destekler. Ayrıca, iş yeri güvenliği, robotik ve akademik araştırmalarda bilgisayar görüşü çözümleri geliştirmek için pratik bir kaynak sunar.
