Link to this sectionConstruction-PPE 数据集#

Construction-PPE 数据集旨在通过检测头盔、背心、手套、靴子和护目镜等基本防护装备，以及标注缺失的装备，来提升建筑工地的安全合规性。该数据集采自真实的建筑环境，包含合规和不合规案例，是训练用于监控工作场所安全的 AI 模型的宝贵资源。

Link to this section数据集结构#

Construction-PPE 数据集分为三个主要子集：

• 训练集：主要的已标注建筑图像集合，展示了佩戴完整或部分 PPE 的工人。
• 验证集：用于在 PPE 检测和合规监控过程中微调及评估模型性能的指定子集。
• 测试集：一个独立的子集，专门用于评估最终模型在检测 PPE 和识别合规性问题方面的有效性。

每张图像均采用 Ultralytics YOLO 格式进行标注，确保与最先进的 目标检测 和 追踪 流水线兼容。

该数据集提供了 11 个类别，分为正向（已佩戴 PPE）和负向（缺失 PPE）类别。这种双向正/负结构使模型能够检测正确佩戴的装备并识别安全违规行为。

Link to this section商业价值#

• 建筑业仍然是世界上最危险的行业之一，英国 2023/2024 年发生的 123 起工作相关致命伤害中，有 51 起以上发生在建筑行业。然而，问题不再仅仅是缺乏监管，42% 的建筑工人承认他们并不总是遵守规章制度。
• 建筑业已经受到一套广泛的健康与安全 (HSE) 标准的约束，但 HSE 团队在持续执行方面面临挑战。HSE 团队往往人手不足，需要在文书工作和审计之间取得平衡，并且缺乏实时监控繁忙且不断变化的环境中每一个角落的能力。
• 这就是基于计算机视觉的个人防护装备 (PPE) 检测变得非常有价值的地方。通过自动检查工人是否佩戴了头盔、背心和其他个人防护装备，你可以确保 HSE 规则不仅存在，而且能在所有工地上得到有效的持续执行。除了合规性，计算机视觉还能通过揭示施工队遵循安全实践的程度，提供风险的领先指标，使组织能够在违规行为发生前发现下降趋势并预防事故。
• 此外，个人防护装备检测还被证明可以识别未经授权的工地入侵者，因为那些未配备适当安全装备的人最先会触发警报。归根结底，PPE 检测是一个简单但强大的计算机视觉应用案例，它提供全面的监督、可执行的见解和标准化的报告，使建筑公司能够降低风险、保护工人并保障他们的项目安全。

Link to this section应用#

Construction-PPE 为各种以安全为重点的计算机视觉应用提供支持：

• 自动化合规监控：训练 AI 模型即时检查工人是否佩戴了头盔、背心或手套等必要的安全装备，从而降低现场风险。
• 工作场所安全分析：跟踪 PPE 的长期使用情况，发现频繁的违规行为，并生成改进安全文化的见解。
• 智能监控系统：将检测模型与摄像头连接，在发现缺少 PPE 时发送实时警报，在事故发生前进行预防。
• 机器人和自主系统：使无人机或机器人能够在大型工地上进行 PPE 检查，支持更快、更安全的巡检。
• 研究与教育：为探索工作场所安全和人机交互的学生和研究人员提供一个真实世界的数据集。

Link to this section数据集 YAML#

Construction-PPE 数据集包含一个 YAML 配置文件，该文件定义了训练和验证图像路径以及完整的对象类别列表。你可以直接在 Ultralytics 仓库中访问 construction-ppe.yaml 文件：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 section用法#

你可以在 Construction-PPE 数据集上训练一个 YOLO26n 模型，训练 100 个 epoch，图像大小为 640。以下示例展示了如何快速上手。有关更多选项和高级配置，请参阅 训练指南。

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 section样本图像和标注#

该数据集捕获了不同环境、光照条件和姿态下的建筑工人。其中包括合规和不合规案例。

Link to this section许可与归属#

Construction-PPE 是根据 AGPL-3.0 License 开发和发布的，支持在给予适当归属的情况下进行开源研究和商业应用。

如果你在研究中使用此数据集，请引用它：

@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 section常见问题解答#

Link to this section是什么让 Construction-PPE 数据集独一无二？#

与通用的建筑数据集不同，Construction-PPE 明确包含了缺失装备类别。这种双重标注方法使模型不仅能检测 PPE，还能实时标记违规行为。

Link to this section包含了哪些对象类别？#

该数据集涵盖了头盔、背心、手套、靴子、护目镜和工人，以及它们对应的“缺失 PPE”类别。这确保了全面的合规性覆盖。

Link to this section如何使用 Construction-PPE 数据集训练 YOLO 模型？#

要使用 Construction-PPE 数据集训练 YOLO26 模型，你可以使用以下代码片段：

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 section这个数据集适合现实世界的应用吗？#

是的。图像是从各种条件下的真实建筑工地中采集的。这使得它在构建可部署的工作场所安全监控系统方面非常有效。

Link to this section在 AI 项目中使用 Construction-PPE 数据集有什么好处？#

该数据集实现了个人防护装备的实时检测，有助于监控建筑工地的工人安全。通过佩戴和缺失装备的类别，它支持能够自动标记安全违规、生成合规性见解并降低风险的 AI 系统。它还为开发工作场所安全、机器人技术和学术研究中的计算机视觉解决方案提供了实用的资源。