Link to this sectionTập dữ liệu Construction-PPE#

Tập dữ liệu Construction-PPE được thiết kế để cải thiện sự 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 khoác, găng tay, ủng và kính bảo hộ, cùng với các chú thích cho thiết bị còn thiếu. Được tuyển chọn từ các môi trường xây dựng thực tế, nó bao gồm cả các trường hợp tuân thủ và không tuân thủ, trở thành một tài nguyên quý giá để đào tạo các model AI nhằm 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 được tổ chức thành ba tập hợp con chính:

Training Set (Tập huấn luyện): Bộ sưu tập chính các hình ảnh xây dựng được chú thích, trong đó công nhân có sử dụng đầy đủ hoặc một phần PPE.
Validation Set (Tập kiểm chứng): Một tập hợp con được chỉ định để tinh chỉnh và đánh giá hiệu suất model trong quá trình phát hiện PPE và giám sát sự tuân thủ.
Test Set (Tập kiểm thử): Một tập hợp con độc lập được dành riêng để đánh giá tính hiệu quả của model cuối cùng trong việc phát hiện PPE và xác định các vấn đề tuân thủ.

Mỗi hình ảnh đều được chú thích theo định dạng Ultralytics YOLO để đảm bảo khả năng tương thích với các pipeline object detection và tracking hiện đại nhất.

Tập dữ liệu cung cấp 11 class được chia thành các danh mục tích cực (đã đeo PPE) và tiêu cực (thiếu PPE). Cấu trúc song hành tích cực/tiêu cực này cho phép các model phát hiện thiết bị được đeo đúng cách và xác định các vi phạm an toàn.

Link to this sectionGiá trị kinh doanh#

Xây dựng vẫn là một trong những ngành nghề nguy hiểm nhất thế giới, với hơn 51 trong số 123 trường hợp chấn thương gây tử vong liên quan đến công việc tại Vương quốc Anh trong giai đoạn 2023/2024 xảy ra trong lĩnh vực xây dựng. Tuy nhiên, vấn đề hiện nay không còn nằm ở sự thiếu hụt các quy định khi 42% công nhân xây dựng thừa nhận không phải lúc nào cũng tuân thủ các quy trình.
Ngành xây dựng vốn đã được quản lý bởi một khung tiêu chuẩn sức khỏe và an toàn (HSE) rộng khắp, nhưng các đội ngũ HSE lại gặp thách thức trong việc thực thi nhất quán. Các đội ngũ HSE thường bị quá tải khi phải cân bằng giữa công việc giấy tờ và kiểm toán, đồng thời thiếu khả năng giám sát mọi ngóc ngách của một môi trường bận rộn và luôn thay đổi trong thời gian thực.
Đây là lúc thị giác máy tính dựa trên phát hiện thiết bị bảo hộ cá nhân (PPE) trở nên vô giá. Bằng cách tự động kiểm tra xem công nhân có đang đeo mũ bảo hiểm, áo khoác và các thiết bị bảo hộ cá nhân khác hay không, bạn có thể đảm bảo các quy tắc HSE không chỉ hiện diện mà còn được thực thi hiệu quả và nhất quán trên tất cả các công trường. Ngoài việc tuân thủ, thị giác máy tính còn cung cấp các chỉ số rủi ro hàng đầu bằng cách tiết lộ mức độ tuân thủ các thực tiễn an toàn của đội ngũ, cho phép các tổ chức phát hiện xu hướng tuân thủ đi xuống và ngăn ngừa sự cố trước khi chúng xảy ra.
Ngoài ra, việc phát hiện thiết bị bảo hộ cá nhân còn được biết đến với khả năng nhận diện những người xâm nhập công trường trái phép, vì những người không được trang bị thiết bị an toàn phù hợp là những người đầu tiên kích hoạt thông báo. Cuối cùng, phát hiện PPE là một trường hợp sử dụng thị giác máy tính đơn giản nhưng mạnh mẽ, mang lại sự giám sát toàn diện, thông tin chi tiết có thể hành động và báo cáo chuẩn hóa, giúp các công ty xây dựng giảm thiểu rủi ro, bảo vệ công nhân và bảo vệ các dự án của họ.

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.

Link to this sectionYAML tập dữ liệu#

Tập dữ liệu Construction-PPE bao gồm tệp cấu hình YAML xác định các đường dẫn hình ảnh huấn luyện và kiểm chứng cùng với danh sách đầy đủ các class đối tượng. Bạn có thể truy cập tệp construction-ppe.yaml trực tiếp trong repository của 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 chung chung, Construction-PPE bao gồm rõ ràng các class thiết bị còn thiếu. Phương pháp dán nhãn kép này cho phép các model không chỉ phát hiện PPE mà còn gắn cờ các vi phạm trong thời gian thực.

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

Tập dữ liệu bao gồm mũ bảo hiểm, áo khoác, găng tay, ủng, kính bảo hộ và công nhân, cùng với các đối tác "thiếu PPE" tương ứng của chúng. Điều này đảm bảo phạm vi tuân thủ toàn diện.

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 tuyển chọn từ các công trường xây dựng thực tế trong các điều kiện đa dạng. Điều này làm cho nó cực kỳ hiệu quả để xây dựng các hệ thống giám sát an toàn tại nơi làm việc có khả năng triển khai.

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.

Những người đóng góp

GLglenn-jocher⁴ RIRizwanMunawar³ RAraimbekovm¹ ULUltralyticsAbi¹

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