Bộ dữ liệu PPE xây dựng
Bộ dữ liệu Construction-PPE được thiết kế để cải thiện việc tuân thủ an toàn tại các công trường xây dựng bằng cách cho phép phát hiện các thiết bị bảo hộ thiết yếu như mũ bảo hiểm, áo vest, găng tay, ủng và kính bảo hộ, cùng với chú thích cho các thiết bị bị thiếu. Được tuyển chọn từ các môi trường xây dựng thực tế, bộ dữ liệu này bao gồm cả các trường hợp tuân thủ và không tuân thủ, khiến nó trở thành một nguồn tài nguyên quý giá để đào tạo các mô hình AI giám sát an toàn tại nơi làm việc.
Cấu trúc bộ dữ liệu
Bộ dữ liệu Construction-PPE được tổ chức thành ba tập hợp con chính:
- Bộ đào tạo : Bộ sưu tập chính các hình ảnh xây dựng có chú thích về công nhân sử dụng PPE toàn phần và một phần.
- Bộ xác thực : Một tập hợp con được chỉ định dùng để tinh chỉnh và đánh giá hiệu suất của mô hình trong quá trình phát hiện PPE và giám sát sự tuân thủ.
- Bộ kiểm tra : Một tập hợp con độc lập dành riêng để đánh giá hiệu quả của mô hình cuối cùng trong việc phát hiện PPE và xác định các vấn đề về tuân thủ.
Mỗi hình ảnh đều được chú thích theo định dạng Ultralytics YOLO đảm bảo khả năng tương thích với các quy trình phát hiện và theo dõi đối tượng hiện đại.
Bộ dữ liệu cung cấp 11 lớp, được chia thành nhóm tích cực (PPE đã đeo) và tiêu cực (PPE bị thiếu). Cấu trúc kép tích cực/tiêu cực này cho phép các mô hình phát hiện thiết bị đã đeo đúng cách và xác định các vi phạm an toàn.
Các ứng dụng
Construction-PPE cung cấp năng lượng cho nhiều ứng dụng thị giác máy tính tập trung vào an toàn:
- Giám sát tuân thủ tự động : Đào tạo các mô hình AI để kiểm tra ngay lập tức xem công nhân có đeo đồ bảo hộ an toàn bắt buộc như mũ bảo hiểm, áo vest hoặc găng tay hay không, giúp giảm thiểu rủi ro tại công trường.
- Phân tích an toàn nơi làm việc : Theo dõi việc sử dụng PPE theo thời gian, phát hiện các vi phạm thường xuyên và đưa ra thông tin chi tiết để cải thiện văn hóa an toàn.
- Hệ thống giám sát thông minh : Kết nối các mô hình phát hiện với camera để gửi cảnh báo theo thời gian thực khi thiếu PPE, ngăn ngừa tai nạn trước khi chúng xảy ra.
- Hệ thống robot và tự động : Cho phép máy bay không người lái hoặc robot thực hiện kiểm tra PPE trên nhiều địa điểm rộng lớn, hỗ trợ kiểm tra nhanh hơn và an toàn hơn.
- Nghiên cứu và giáo dục : Cung cấp bộ dữ liệu thực tế cho sinh viên và nhà nghiên cứu khám phá về an toàn tại nơi làm việc và tương tác giữa con người và vật thể.
YAML bộ dữ liệu
Bộ dữ liệu Construction-PPE bao gồm tệp cấu hình YAML xác định đường dẫn hình ảnh huấn luyện và xác thực cùng với danh sách đầy đủ các lớp đối tượng. Bạn có thể truy cập construction-ppe.yaml tập tin trực tiếp trong Ultralytics kho lưu trữ ở đây: 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
Cách sử dụng
Bạn có thể huấn luyện mô hình YOLO11n trên tập dữ liệu Construction-PPE trong 100 kỷ nguyên với kích thước ảnh là 640. Các ví dụ sau đây cho thấy cách bắt đầu nhanh chóng. Để biết thêm các tùy chọn và cấu hình nâng cao, hãy xem hướng dẫn Huấn luyện .
Ví dụ huấn luyện
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
Ảnh và Chú thích mẫu
Bộ dữ liệu này ghi nhận công nhân xây dựng ở nhiều môi trường, điều kiện ánh sáng và tư thế khác nhau. Bộ dữ liệu bao gồm cả trường hợp tuân thủ và không tuân thủ .
Giấy phép và Ghi công
Construction-PPE được phát triển và phát hành theo Giấy phép AGPL-3.0 , hỗ trợ nghiên cứu nguồn mở và các ứng dụng thương mại với sự ghi nhận nguồn gốc hợp lệ.
Nếu bạn sử dụng tập dữ liệu này trong nghiên cứu của mình, vui lòng trích dẫn:
@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}
}
Câu hỏi thường gặp
Điều gì làm cho bộ dữ liệu Construction-PPE trở nên độc đáo?
Không giống như các tập dữ liệu xây dựng chung, Construction-PPE bao gồm rõ ràng các lớp thiết bị còn thiếu. Phương pháp gắn nhãn kép này cho phép các mô hình không chỉ phát hiện PPE mà còn đánh dấu các vi phạm theo thời gian thực.
Bao gồm những loại đối tượng nào?
Bộ dữ liệu bao gồm mũ bảo hiểm, áo vest, găng tay, ủng, kính bảo hộ và người lao động, cùng với các thiết bị bảo hộ cá nhân (PPE) còn thiếu. Điều này đảm bảo phạm vi tuân thủ toàn diện.
Làm thế nào tôi có thể đào tạo một YOLO mô hình sử dụng bộ dữ liệu Construction-PPE?
Để đào tạo một YOLO11 mô hình sử dụng bộ dữ liệu Construction-PPE, bạn có thể sử dụng các đoạn mã sau:
Ví dụ huấn luyện
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
Bộ dữ liệu này có phù hợp cho các ứng dụng thực tế không?
Có. Hình ảnh được chọn lọc từ các công trường xây dựng thực tế trong nhiều điều kiện khác nhau. Điều này giúp việc xây dựng hệ thống giám sát an toàn tại nơi làm việc trở nên cực kỳ hiệu quả.
Lợi ích của việc sử dụng bộ dữ liệu Construction-PPE trong các dự án AI là gì?
Bộ dữ liệu cho phép phát hiện thiết bị bảo hộ cá nhân theo thời gian thực, giúp giám sát an toàn cho người lao động tại các công trường xây dựng. Với các lớp phân loại cho cả thiết bị bị mòn và bị mất, bộ dữ liệu hỗ trợ các hệ thống AI có thể tự động gắn cờ các vi phạm an toàn, tạo ra thông tin chi tiết về tuân thủ và giảm thiểu rủi ro. Bộ dữ liệu cũng cung cấp một nguồn tài nguyên thiết thực để phát triển các giải pháp thị giác máy tính trong lĩnh vực an toàn nơi làm việc, robot và nghiên cứu học thuật.
