Link to this sectionمجموعة بيانات Construction-PPE#

مجموعة بيانات Construction-PPE من Ultralytics هي مجموعة بيانات لـ اكتشاف الكائنات تتكون من 1,416 صورة (1,132 للتدريب، 143 للتحقق، و141 للاختبار) مصنفة ضمن 11 فئة للكشف عن معدات الوقاية الشخصية — الخوذات، والقفازات، والسترات، والأحذية، والنظارات الواقية — والإبلاغ عن المعدات المفقودة في مواقع البناء. تم اختيارها من بيئات بناء حقيقية، وهي تتضمن حالات الامتثال وعدم الامتثال، مما يجعلها مورداً عملياً لتدريب نماذج الرؤية الحاسوبية التي تراقب السلامة في مكان العمل.

Link to this sectionهيكل مجموعة البيانات#

تحتوي مجموعة بيانات Construction-PPE على 1,416 صورة مقسمة إلى ثلاث مجموعات فرعية محددة مسبقاً، كما هو موضح في ملف الإعدادات construction-ppe.yaml:

تم تعليق كل صورة بتنسيق Ultralytics YOLO، مما يضمن التوافق مع خطوط أنابيب اكتشاف الكائنات والتتبع المتطورة.

توفر مجموعة البيانات 11 فئة تغطي المعدات المرتداة، والمعدات المفقودة، والأشخاص:

• معدات الوقاية الشخصية المرتداة (5): helmet، gloves، vest، boots، goggles
• معدات الوقاية الشخصية المفقودة (4): no_helmet، no_gloves، no_boots، no_goggle
• أخرى (2): Person، none

يسمح إقران تسميات المعدات المرتداة والمفقودة للنموذج باكتشاف المعدات المرتداة بشكل صحيح و الإبلاغ عن انتهاكات السلامة. لاحظ أن vest لا تحتوي على تسمية مخصصة لفقدان السترة.

Link to this sectionالقيمة التجارية#

تعد صناعة البناء واحدة من أخطر الصناعات، وعادة ما يكون التحدي في التنفيذ بدلاً من نقص اللوائح. تعمل فرق الصحة والسلامة تحت ضغط كبير ولا يمكنها مراقبة كل زاوية في موقع عمل مزدحم ومتغير باستمرار في الوقت الفعلي.

يساعد اكتشاف معدات الوقاية الشخصية القائم على الرؤية الحاسوبية في سد هذه الفجوة. فمن خلال التحقق تلقائياً مما إذا كان العمال يرتدون الخوذات والسترات والمعدات الأخرى المطلوبة، فإنه يفرض قواعد السلامة باستمرار عبر المواقع ويحدد مؤشرات المخاطر الرائدة — مما يكشف عن اتجاهات الامتثال قبل وقوع الحوادث. يمكن أن يكتشف اكتشاف معدات الوقاية الشخصية أيضاً المتسللين غير المصرح لهم إلى الموقع، والذين عادة ما يكونون أول من يظهر دون معدات السلامة المناسبة.

Link to this sectionالتطبيقات#

تعمل مجموعة Construction-PPE على تعزيز مجموعة متنوعة من تطبيقات الرؤية الحاسوبية التي تركز على السلامة:

• مراقبة الامتثال الآلية: تدريب نماذج الذكاء الاصطناعي للتحقق فوراً مما إذا كان العمال يرتدون معدات السلامة المطلوبة مثل الخوذات أو السترات أو القفازات، مما يقلل المخاطر في الموقع.
• تحليلات سلامة مكان العمل: تتبع استخدام معدات الحماية الشخصية بمرور الوقت، ورصد الانتهاكات المتكررة، وتوليد رؤى لتحسين ثقافة السلامة.
• أنظمة المراقبة الذكية: ربط نماذج الكشف بالكاميرات لإرسال تنبيهات في الوقت الفعلي عند فقدان معدات الحماية الشخصية، مما يمنع الحوادث قبل وقوعها.
• الروبوتات والأنظمة المستقلة: تمكين الطائرات بدون طيار أو الروبوتات من إجراء فحوصات معدات الحماية الشخصية عبر المواقع الكبيرة، مما يدعم عمليات تفتيش أسرع وأكثر أماناً.
• البحث والتعليم: توفير مجموعة بيانات واقعية للطلاب والباحثين الذين يستكشفون سلامة مكان العمل والتفاعلات بين البشر والكائنات.

لتسمية وتدريب ونشر نموذج اكتشاف معدات الوقاية الشخصية دون إدارة البنية التحتية المحلية، قم بتشغيل سير العمل الكامل في متصفحك باستخدام Ultralytics Platform.

Link to this sectionYAML مجموعة البيانات#

تتضمن مجموعة بيانات Construction-PPE ملف إعدادات YAML الذي يحدد مسارات صور التدريب والتحقق والاختبار جنباً إلى جنب مع القائمة الكاملة لفئات الكائنات. يمكنك الوصول إلى ملف construction-ppe.yaml مباشرة في مستودع Ultralytics هنا: 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 sectionالاستخدام#

يمكنك تدريب نموذج YOLO26n على مجموعة بيانات Construction-PPE لمدة 100 حقبة (epoch) بحجم صورة 640. توضح الأمثلة التالية كيفية البدء بسرعة. لمزيد من الخيارات والإعدادات المتقدمة، راجع دليل التدريب.

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 sectionصور وشروحات توضيحية عينة#

تلتقط مجموعة البيانات عمال البناء في بيئات متنوعة، وظروف إضاءة مختلفة، ووضعيات جسدية متنوعة. تم تضمين حالات الامتثال وعدم الامتثال.

Link to this sectionالترخيص والنسب#

تم تطوير وإصدار Construction-PPE بموجب رخصة AGPL-3.0، لدعم الأبحاث مفتوحة المصدر والتطبيقات التجارية مع ذكر المصدر بشكل مناسب.

إذا كنت تستخدم مجموعة البيانات هذه في بحثك، يرجى الاستشهاد بها:

@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 sectionالأسئلة الشائعة#

Link to this sectionما الذي يجعل مجموعة بيانات Construction-PPE فريدة من نوعها؟#

على عكس مجموعات بيانات البناء العامة، تتضمن Construction-PPE صراحة فئات المعدات المفقودة (no_helmet, no_gloves, no_boots, no_goggle). يسمح نهج التصنيف المزدوج هذا للنموذج ليس فقط باكتشاف معدات الوقاية الشخصية المرتداة بل وأيضاً بالإبلاغ عن الانتهاكات في الوقت الفعلي.

Link to this sectionما هي فئات الكائنات المتضمنة؟#

تحتوي مجموعة بيانات Construction-PPE على 11 فئة: خمسة عناصر لمعدات الوقاية الشخصية المرتداة (helmet, gloves, vest, boots, goggles)، وأربع تسميات لمعدات الوقاية الشخصية المفقودة (no_helmet, no_gloves, no_boots, no_goggle)، بالإضافة إلى Person وفئة none عامة. لاحظ أن vest لا تحتوي على تسمية مخصصة لفقدان السترة.

Link to this sectionكم عدد الصور والفئات الموجودة في مجموعة بيانات Construction-PPE؟#

تحتوي مجموعة بيانات Construction-PPE على 1,416 صورة ضمن 11 فئة — 1,132 للتدريب، 143 للتحقق، و141 للاختبار. راجع قسم هيكل مجموعة البيانات للحصول على التقسيم الكامل وتوزيع الفئات.

Link to this sectionكيف يمكنني تنزيل مجموعة بيانات Construction-PPE؟#

يتم تنزيل مجموعة البيانات (178.4 ميجابايت) تلقائياً في المرة الأولى التي تقوم فيها بالتدريب باستخدام data="construction-ppe.yaml" — لا تتطلب أي خطوة يدوية. تقوم Ultralytics بجلبها وفك ضغطها في دليل مجموعات البيانات المحلي الخاص بك. يمكنك تصفح مجموعات البيانات ذات الصلة في نظرة عامة على مجموعات بيانات الاكتشاف.

Link to this sectionكيف يمكنني تدريب نموذج YOLO باستخدام مجموعة بيانات Construction-PPE؟#

لتدريب نموذج YOLO26 باستخدام مجموعة بيانات Construction-PPE، يمكنك استخدام مقتطفات التعليمات البرمجية التالية:

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 sectionهل هذه المجموعة مناسبة للتطبيقات الواقعية؟#

نعم. يتم اختيار الصور من مواقع بناء حقيقية في ظل ظروف متنوعة، مما يجعل مجموعة البيانات فعالة للغاية لبناء أنظمة مراقبة السلامة في مكان العمل قابلة للنشر.

Link to this sectionما هي فوائد استخدام مجموعة بيانات Construction-PPE في مشاريع الذكاء الاصطناعي؟#

تتيح مجموعة البيانات الكشف في الوقت الفعلي عن معدات الحماية الشخصية، مما يساعد في مراقبة سلامة العمال في مواقع البناء. ومع وجود فئات للمعدات المرتداة والمفقودة، فهي تدعم أنظمة الذكاء الاصطناعي التي يمكنها تلقائياً الإبلاغ عن انتهاكات السلامة، وتوليد رؤى حول الامتثال، وتقليل المخاطر. كما توفر مورداً عملياً لتطوير حلول الرؤية الحاسوبية في سلامة مكان العمل، والروبوتات، والبحث الأكاديمي.