Construction-PPE 数据集#

1,416

Construction PPE

ultralytics

publicDetect

Construction-PPE is an Ultralytics safety-equipment detection benchmark. Its 11 classes localize people, helmets, gloves, vests, boots, and goggles while explicitly identifying missing protective equipment for worksite compliance monitoring.

211 classes145.3 MBSep 2, 2026

helmetglovesvestboots+7

object-detectionconstructionppe+2

Ultralytics Construction-PPE 数据集是一个目标检测数据集，包含 1,416 张图像（1,132 张用于训练、143 张用于验证、141 张用于测试），覆盖 11 个类别，用于检测个人防护装备（PPE）——安全帽、手套、背心、靴子和护目镜——并标记施工现场缺失的装备。该数据集整理自真实施工环境，既包含合规案例，也包含不合规案例，是训练用于监控工作场所安全的计算机视觉模型的实用资源。

数据集结构#

Construction-PPE 数据集包含 1,416 张图像，分为三个预定义子集，由 construction-ppe.yaml 配置定义：

每张图像都采用 Ultralytics YOLO 格式进行标注，确保与先进的目标检测和跟踪流程兼容。

该数据集提供 11 个类别，涵盖已佩戴装备、缺失装备和人员：

• 已佩戴的 PPE（5）：helmet、gloves、vest、boots、goggles
• 缺失的 PPE（4）：no_helmet、no_gloves、no_boots、no_goggle
• 其他（2）：Person、none

将已佩戴和缺失的标签配对后，模型既能检测正确佩戴的装备，也能标记安全违规行为。请注意，vest 没有专门的缺失背心标签。

业务价值#

建筑施工是危险性最高的行业之一，而其面临的挑战通常在于执行，而不是缺乏法规。健康与安全团队人手紧张，无法实时观察繁忙且不断变化的施工现场的每个角落。

基于计算机视觉的 PPE 检测有助于弥合这一差距。通过自动检查工人是否佩戴规定的安全帽、背心和其他装备，它可以在不同施工现场一致地执行安全规则，并发现风险的先行指标——在事故发生前揭示合规趋势。PPE 检测还可以标记未经授权进入现场的人员，因为他们通常最先出现未佩戴适当安全装备的情况。

应用#

Construction-PPE 可支持各种以安全为重点的计算机视觉应用：

• 自动合规监控：训练 AI 模型，立即检查工人是否佩戴安全帽、背心或手套等规定的安全装备，降低现场风险。
• 工作场所安全分析：持续跟踪 PPE 使用情况，发现频繁违规行为，并生成有助于改善安全文化的洞察。
• 智能监控系统：将检测模型与摄像头连接，在 PPE 缺失时发送实时警报，防止事故发生。
• 机器人和自主系统：让无人机或机器人能够在大型施工现场执行 PPE 检查，从而支持更快速、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与研究人员提供真实世界数据集。

无需管理本地基础设施，即可在浏览器中通过 Ultralytics Platform 完成 PPE 检测模型的标注、训练和部署全流程。

数据集 YAML#

Construction-PPE 数据集包含一个 YAML 配置文件，其中定义了训练、验证和测试图像路径以及完整的目标类别列表。你可以在此处直接访问 Ultralytics 仓库中的 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

使用方法#

你可以使用 Construction-PPE 数据集训练 YOLO26n 模型 100 个周期，图像尺寸设为 640。以下示例展示了如何快速开始。如需了解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)

示例图像和标注#

该数据集涵盖不同环境、光照条件和姿态下的建筑工人，同时包含合规和不合规案例。

许可证与署名#

Construction-PPE 基于 AGPL-3.0 许可证开发和发布，在正确署名的前提下支持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：

@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}
}

常见问题#