跳转至内容

建筑-PPE 数据集

建筑-PPE 数据集旨在通过检测头盔、防弹背心、手套、靴子和护目镜等基本防护装备以及缺失装备的注释，提高建筑工地的安全合规性。该数据集来自真实的建筑环境，包括合规和不合规的案例，是训练监控工作场所安全的人工智能模型的宝贵资源。

数据集结构

建筑-PPE 数据集主要分为三个子集：

  • 训练集：主要收集了带有注释的建筑图片，图片中的工人使用了全部或部分个人防护设备。
  • 验证集：指定的子集，用于在个人防护设备检测和合规性监测期间对模型性能进行微调和评估。
  • 测试集：一个独立的子集，用于评估最终模型在检测个人防护设备和识别合规问题方面的有效性。

每张图像都在 Ultralytics YOLO格式进行注释，确保与最先进的物体检测和跟踪管道兼容。

该数据集提供11 个类别，分为阳性（穿戴个人防护设备）和阴性（缺少个人防护设备）两类。这种阳性/阴性双重结构使模型能够检测出正确佩戴的装备，并识别出违反安全规定的行为。

应用

Construction-PPE 支持各种以安全为重点的计算机视觉应用：

  • 自动合规监控：训练人工智能模型，即时检查工人是否佩戴了所需的安全装备，如头盔、背心或手套，从而降低现场风险。
  • 工作场所安全分析：跟踪个人防护设备在一段时间内的使用情况，发现频繁的违规行为，并提出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，在个人防护设备丢失时发出实时警报，防患于未然。
  • 机器人和自主系统：让无人机或机器人在大型场所执行个人防护设备检查，支持更快、更安全的检查。
  • 研究与教育：为探索工作场所安全和人-物互动的学生和研究人员提供真实世界的数据集。

数据集 YAML

Construction-PPE 数据集包含一个 YAML 配置文件，其中定义了训练和验证图像路径以及完整的对象类别列表。您可以访问 construction-ppe.yaml 文件直接从Ultralytics 软件仓库中下载： https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/construction-ppe.yaml

ultralytics.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

用法

您可以在建筑-PPE 数据集上对 YOLO11n 模型进行 100 次历时训练，图像大小为 640。以下示例展示了如何快速入门。有关更多选项和高级配置，请参阅训练指南。

训练示例

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

Sample Images 和注释

数据集记录了建筑工人在不同环境、照明条件和姿势下的工作情况。其中既包括符合要求的案例，也包括不符合要求的案例。

建筑-个人防护设备数据集样本图像，显示合规和不合规安全装备检测情况

许可和归属

Construction-PPE 根据AGPL-3.0 许可进行开发和发布，支持开源研究和商业应用，但须注明出处。

如果您在研究中使用该数据集，请注明出处：

@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

建筑-公共工程专业人员数据集的独特之处是什么？

与一般的建筑数据集不同，Construction-PPE 明确包含缺失的设备类别。这种双重标记方法使模型不仅能检测 PPE，还能实时标记违规行为。

包括哪些对象类别？

数据集涵盖了头盔、背心、手套、靴子、护目镜和工人，以及 "缺失的个人防护设备"。这确保了全面的合规覆盖范围。

如何使用 Construction-PPE 数据集训练YOLO 模型？

要使用 Construction-PPE 数据集训练YOLO11 模型，可以使用以下代码片段：

训练示例

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

该数据集适合实际应用吗？

是的，我们从各种条件下的真实建筑工地收集图像。因此，它对建立可部署的工作场所安全监控系统非常有效。

在人工智能项目中使用建筑-PPE 数据集有什么好处？

该数据集能够实时检测个人防护设备，帮助监控建筑工地的工人安全。该数据集支持人工智能系统，可自动标记违反安全规定的行为、生成合规见解并降低风险。它还为开发工作场所安全、机器人和学术研究领域的计算机视觉解决方案提供了实用资源。



📅 创建于 0 天前 ✏️ 最近更新 0 天前
RizwanMunawar

评论