摘要：该数据集是一个经过过滤的YOLO格式个人防护装备（PPE）目标检测数据集，包含5类防护装备：安全帽（Helmet）、口罩（Mask）、安全背心（Safety Vest）、靴子（boots）和手套（glove）。
数据集概述
该数据集是一个经过过滤的YOLO格式个人防护装备（PPE）目标检测数据集，包含5类防护装备：安全帽（Helmet）、口罩（Mask）、安全背心（Safety Vest）、靴子（boots）和手套（glove）。数据集源自Roboflow平台的原始PPE检测数据，经过类别过滤移除了Person（人员）和glasses（眼镜）类别，并重新映射类别ID为0-4连续索引。个人防护装备的正确佩戴是建筑工地、制造业、矿业和高风险工作环境中安全管理的关键，该数据集为开发基于计算机视觉的自动PPE合规性检查系统提供训练数据，支持实时监控、安全违规检测和工作场所安全管理自动化，遵循CC BY-SA 4.0许可协议。
数据结构与关键特征
数据集采用YOLO标准格式组织，包含train、val、test三个子集，每个子集包含images（图像）和labels（标注文本）文件夹。标注文件为YOLO txt格式，每行记录一个边界框：类别ID、归一化中心坐标x_center/y_center、归一化宽度/高度。配套data.yaml文件定义类别映射和数据路径，可直接用于YOLOv5/v8等框架训练。五类防护装备具有独特的视觉特征：安全帽（头顶圆形或椭圆形硬帽，通常为黄色/白色/红色）、口罩（覆盖口鼻的白色或彩色织物/N95）、安全背心（高可见度荧光黄/橙色带反光条的背心）、靴子（脚部厚重防护鞋）、手套（手部保护装备），数据集移除人员类别聚焦于装备本身，简化检测任务并减少计算开销。
应用价值与研究方向
该数据集为工业安全监管和智能工地管理提供技术支撑，可应用于建筑工地实时监控、制造车间安全合规检查、危险区域准入控制和安全违规自动报警。技术层面支持YOLO系列模型训练（YOLOv5/v8/v11）、实时推理优化（边缘设备部署）和多目标检测（同时识别多种防护装备）。研究方向包括：遮挡场景鲁棒性提升（装备部分被遮挡）、小目标检测优化（远距离摄像机下的手套识别）、多类别联合判断（检测工人是否同时佩戴所需全套装备）、跨场景泛化性研究（不同行业、光照条件）、时序分析追踪工人进入危险区域前的装备佩戴状态、以及结合人员检测的完整合规性评估系统（恢复Person类别用于关联装备与工人），为职业健康安全（OSH）管理、保险风险评估和监管合规审计提供AI辅助工具。
数据集来源
由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-298
文件大小：580M
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)