Link to this sectionTập dữ liệu Construction-PPE#

Name: Tập dữ liệu phát hiện Construction-PPE
Creator: Ultralytics
License: https://www.ultralytics.com/license
Keywords: Construction-PPE, Tập dữ liệu PPE, Phát hiện PPE, Tuân thủ an toàn, Công nhân xây dựng, object detection, YOLO26, An toàn nơi làm việc, computer vision

Tập dữ liệu Ultralytics Construction-PPE là một tập dữ liệu object detection gồm 1.416 hình ảnh (1.132 để huấn luyện, 143 để kiểm chứng và 141 để thử nghiệm) được gắn nhãn theo 11 lớp nhằm phát hiện thiết bị bảo hộ cá nhân — mũ bảo hiểm, găng tay, áo khoác, ủng và kính bảo hộ — cũng như cảnh báo về việc thiếu trang bị tại các công trường xây dựng. Được tổng hợp từ môi trường xây dựng thực tế, nó bao gồm cả các trường hợp tuân thủ và không tuân thủ, trở thành một tài nguyên thực tiễn để huấn luyện các mô hình computer vision giám sát an toàn tại nơi làm việc.

Watch: How to train Ultralytics YOLO on Personal Protective Equipment Dataset | VisionAI in Construction 👷

Link to this sectionCấu trúc tập dữ liệu#

Tập dữ liệu Construction-PPE chứa 1.416 hình ảnh được chia thành ba tập con được xác định trước, dựa trên cấu hình construction-ppe.yaml:

Split	Hình ảnh	Chú thích
Huấn luyện (Train)	1.132	Có
Validation	143	Có
Kiểm thử	141	Có

Mỗi hình ảnh đều được chú thích theo định dạng Ultralytics YOLO, đảm bảo tính tương thích với các quy trình object detection và tracking hiện đại nhất.

Tập dữ liệu cung cấp 11 lớp bao gồm trang bị được mặc, trang bị bị thiếu và con người:

Worn PPE (5): helmet, gloves, vest, boots, goggles
Missing PPE (4): no_helmet, no_gloves, no_boots, no_goggle
Other (2): Person, none

Việc kết hợp giữa các nhãn trang bị được mặc và trang bị bị thiếu cho phép mô hình vừa phát hiện trang bị được đeo đúng cách, vừa cảnh báo các vi phạm an toàn. Lưu ý rằng vest không có nhãn riêng cho việc thiếu áo khoác.

Link to this sectionGiá trị kinh doanh#

Xây dựng là một trong những ngành công nghiệp nguy hiểm nhất, và thách thức thường nằm ở việc thực thi thay vì thiếu các quy định. Các đội ngũ y tế và an toàn thường bị quá tải và không thể theo dõi mọi góc của một công trường bận rộn và luôn thay đổi trong thời gian thực.

Việc phát hiện PPE dựa trên computer vision giúp thu hẹp khoảng cách đó. Bằng cách tự động kiểm tra xem công nhân có đeo mũ bảo hiểm, áo khoác và các trang bị khác theo yêu cầu hay không, hệ thống giúp thực thi các quy tắc an toàn một cách nhất quán trên khắp các công trường và đưa ra các chỉ số dẫn dắt về rủi ro — tiết lộ xu hướng tuân thủ trước khi các sự cố xảy ra. Phát hiện PPE cũng có thể cảnh báo những người xâm nhập trái phép vào công trường, những đối tượng thường là người đầu tiên xuất hiện mà không có trang bị an toàn thích hợp.

Link to this sectionỨng dụng#

Construction-PPE hỗ trợ nhiều ứng dụng thị giác máy tính tập trung vào an toàn:

Giám sát tuân thủ tự động: Đào tạo các model AI để kiểm tra ngay lập tức xem công nhân có đang đeo thiết bị an toàn bắt buộc như mũ bảo hiểm, áo khoác hoặc găng tay hay không, giúp giảm thiểu rủi ro tại công trường.
Phân tích an toàn tại nơi làm việc: Theo dõi việc sử dụng PPE theo thời gian, phát hiện các vi phạm thường xuyên và tạo thông tin chi tiết để cải thiện văn hóa an toàn.
Hệ thống giám sát thông minh: Kết nối các model phát hiện với camera để gửi cảnh báo thời gian thực khi thiếu PPE, ngăn ngừa tai nạn trước khi chúng xảy ra.
Robot và các hệ thống tự hành: Cho phép máy bay không người lái (drone) hoặc robot thực hiện kiểm tra PPE trên các công trường lớn, hỗ trợ các đợt thanh tra nhanh hơn và an toàn hơn.
Nghiên cứu và giáo dục: Cung cấp tập dữ liệu thực tế cho sinh viên và các nhà nghiên cứu đang khám phá sự an toàn tại nơi làm việc và tương tác giữa người và vật thể.

Để gắn nhãn, huấn luyện và triển khai một mô hình phát hiện PPE mà không cần quản lý cơ sở hạ tầng cục bộ, hãy chạy toàn bộ quy trình làm việc trong trình duyệt của bạn với Ultralytics Platform.

Link to this sectionYAML tập dữ liệu#

Tập dữ liệu Construction-PPE bao gồm một tệp cấu hình YAML xác định đường dẫn hình ảnh cho quá trình huấn luyện, kiểm chứng và thử nghiệm cùng với danh sách đầy đủ các lớp đối tượng. Bạn có thể truy cập tệp construction-ppe.yaml trực tiếp trong kho lưu trữ Ultralytics tại 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

Link to this sectionCách sử dụng#

Bạn có thể đào tạo model YOLO26n trên tập dữ liệu Construction-PPE trong 100 epoch với kích thước hình ảnh 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 đào tạo.

Ví dụ về Training

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 sectionHình ảnh mẫu và chú thích#

Tập dữ liệu ghi lại hình ảnh công nhân xây dựng trong các môi trường, điều kiện ánh sáng và tư thế đa dạng. Cả các trường hợp tuân thủ và không tuân thủ đều được bao gồm.

Mẫu tập dữ liệu Construction-PPE với tính năng phát hiện thiết bị an toàn

Link to this sectionGiấy phép và ghi công#

Construction-PPE được phát triển và phát hành theo Giấy phép AGPL-3.0, hỗ trợ nghiên cứu mã nguồn mở và các ứng dụng thương mại với sự ghi công phù hợp.

Nếu bạn sử dụng tập dữ liệu này trong nghiên cứu của mình, vui lòng trích dẫn nó:

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}
}

Link to this sectionCâu hỏi thường gặp#

Link to this sectionĐiều gì làm cho tập dữ liệu Construction-PPE trở nên độc đáo?#

Không giống như các tập dữ liệu xây dựng thông thường, Construction-PPE bao gồm rõ ràng các lớp thiết bị bị thiếu (no_helmet, no_gloves, no_boots, no_goggle). Cách tiếp cận gắn nhãn kép này cho phép mô hình không chỉ phát hiện PPE được đeo mà còn cảnh báo các vi phạm trong thời gian thực.

Link to this sectionNhững danh mục đối tượng nào được bao gồm?#

Tập dữ liệu Construction-PPE có 11 lớp: năm mục PPE được đeo (helmet, gloves, vest, boots, goggles), bốn nhãn PPE bị thiếu (no_helmet, no_gloves, no_boots, no_goggle), cùng với Person và một lớp none chung. Lưu ý rằng vest không có nhãn riêng cho việc thiếu áo khoác.

Link to this sectionTập dữ liệu Construction-PPE có bao nhiêu hình ảnh và lớp?#

Tập dữ liệu Construction-PPE chứa 1.416 hình ảnh trên 11 lớp — 1.132 để huấn luyện, 143 để kiểm chứng và 141 để thử nghiệm. Xem phần Dataset Structure để biết thông tin chi tiết về việc phân chia và phân loại lớp.

Link to this sectionLàm thế nào để tôi tải xuống tập dữ liệu Construction-PPE?#

Tập dữ liệu (178.4 MB) tự động tải xuống vào lần đầu tiên bạn huấn luyện với data="construction-ppe.yaml" — không cần bước thủ công nào. Ultralytics sẽ tìm nạp và giải nén nó vào thư mục tập dữ liệu cục bộ của bạn. Bạn có thể duyệt qua các tập dữ liệu liên quan trong phần tổng quan về tập dữ liệu phát hiện.

Link to this sectionLàm thế nào để tôi có thể đào tạo một model YOLO bằng cách sử dụng tập dữ liệu Construction-PPE?#

Để đào tạo model YOLO26 bằng cách sử dụng tập dữ liệu Construction-PPE, bạn có thể sử dụng các đoạn mã sau:

Ví dụ về Training

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 sectionTập dữ liệu này có phù hợp cho các ứng dụng thực tế không?#

Có. Các hình ảnh được chọn lọc từ các công trường xây dựng thực tế trong nhiều điều kiện khác nhau, giúp tập dữ liệu đạt hiệu quả cao trong việc xây dựng các hệ thống giám sát an toàn nơi làm việc có thể triển khai thực tế.

Link to this sectionNhững lợi ích của việc sử dụng tập dữ liệu Construction-PPE trong các dự án AI là gì?#

Tập dữ liệu cho phép phát hiện thời gian thực các thiết bị bảo hộ cá nhân, giúp giám sát an toàn công nhân tại các công trường xây dựng. Với các class cho cả thiết bị đã đeo và bị thiếu, nó hỗ trợ các hệ thống AI có thể tự động gắn cờ các vi phạm an toàn, tạo ra thông tin chi tiết về sự tuân thủ và giảm thiểu rủi ro. Nó cũng cung cấp một tài nguyên thiết thực để phát triển các giải pháp thị giác máy tính trong an toàn nơi làm việc, robot và nghiên cứu học thuật.

Người đóng góp

GLglenn-jocher⁵ RIRizwanMunawar³ RAraimbekovm² ULUltralyticsAbi¹

Đã tạo 9 thg 9, 2025Đã cập nhật 3 ngày trước