alejandroramirezucb/soybean_image_dataset

Soybean Image Dataset

Conjunto de datos curado de hojas de soya (Glycine max) para (1) clasificación del estado sanitario (sana/enferma), (2) clasificación del patógeno en cinco categorías (bacterianas, fúngicas, roya, virales, plagas/insectos) y (3) segmentación hoja–fondo. Se construyó consolidando varios conjuntos públicos, aplicando filtros de calidad y deduplicación, y seleccionando aleatoriamente entre las imágenes con mejores criterios de visibilidad. Es el dataset usado para entrenar el sistema Glycine Vision.

Fuentes de origen

Este conjunto deriva de datasets públicos de investigación. El crédito corresponde a sus autores originales; se listan aquí todas las fuentes.

Con cita formal:

Fuente	Referencia	Enlace
ASDID (Auburn University)	Bevers et al. (2022)	https://doi.org/10.1016/j.compag.2022.107449
MH-SoyaHealthVision	Shinde & Attar (2024)	https://doi.org/10.17632/hkbgh5s3b7.1
India Soybean Dataset	Kotwal et al. (2023)	https://doi.org/10.2139/ssrn.4644426
SoyNet	Rajput et al. (2023)	https://doi.org/10.1016/j.dib.2023.109447
Cotton & Soybean Leaf Dataset	Bhujade et al. (2025)	https://doi.org/10.1111/jph.70051
SoyCotton (máscaras de segmentación)	Segreto et al. (2026)	https://doi.org/10.1038/s41597-026-07092-8

Fuentes abiertas (Kaggle / Mendeley):

Fuente	Enlace	Licencia / correspondencia
PlantVillage (subconjunto soya sana)	https://www.kaggle.com/datasets/abdallahalidev/plantvillage-dataset	CC BY-NC-SA 4.0 — corresponde a Hughes & Salathé (2015)
Soybean leaf dataset for disease classification	https://www.kaggle.com/datasets/vaishaligbhujade/soybean-leaf-dataset-for-disease-classification	Unknown (Kaggle) — corresponde a Bhujade et al. (2025)
Soybean diseased leaf dataset	https://www.kaggle.com/datasets/sivm205/soybean-diseased-leaf-dataset	Unknown (Kaggle)
Soybean leaf dataset (plagas)	https://www.kaggle.com/datasets/maeloisamignoni/soybeanleafdataset	Unknown (Kaggle) — subconjunto de plagas: Caterpillar + Diabrotica speciosa + sana
Soybean dataset (Mendeley)	https://data.mendeley.com/datasets/w2r855hpx8/2	CC BY 4.0 — corresponde a SoyNet, Rajput et al. (2023)

Proceso de curación

1. Filtros de calidad: apertura válida, formato RGB, resolución mínima 224 × 224 px.
2. Deduplicación: hash exacto (MD5) y hash perceptual (pHash) con registro compartido por tarea, procesando el conjunto de entrenamiento antes que el de prueba para evitar fuga entrenamiento–prueba.
3. Selección: muestreo aleatorio (semilla fija = 42) entre las imágenes con mejores criterios de visibilidad.
4. Particiones: entrenamiento/validación 80/20 y un test independiente (100 imágenes/clase para estado sanitario, 70/clase para patógeno). Para segmentación: partición 75/25 con 15 % de validación.

Estructura

Train/
  clasificacion_binaria/    soya_sana/ · soya_enferma/
  clasificacion_patogeno/   bacterianas/ · fungicas/ · plagas_insectos/ · roya/ · virales/
Test/
  clasificacion_binaria/    conjunto independiente (100 imágenes por clase)
  clasificacion_patogeno/   conjunto independiente (70 imágenes por clase)
Masks/                      máscaras de hoja propias, anotadas en Roboflow (formato COCO)
Masks_Soycotton/            máscaras del conjunto SoyCotton (formato COCO)

Train/ se reparte en entrenamiento y validación (80/20, semilla 42) durante la preparación; Test/ no se utiliza en ninguna etapa de entrenamiento. Las dos carpetas de máscaras se fusionan como una única clase hoja para entrenar el segmentador.

Uso

from huggingface_hub import snapshot_download

snapshot_download(repo_id="alejandroramirezucb/soybean_image_dataset",
                  repo_type="dataset", local_dir="./data")

El flujo completo de preparación (filtros, deduplicación y particiones) está en el notebook 01_preparacion_datos.ipynb del repositorio del proyecto.

Licencia

Conjunto derivado de fuentes con condiciones mixtas. El subconjunto de soya sana proveniente de PlantVillage está bajo CC BY-NC-SA 4.0 (no comercial, compartir igual), restricción que se propaga al conjunto combinado. Además, dos fuentes de Kaggle (sivm205 y maeloisamignoni) tienen licencia no especificada. En consecuencia, la licencia del conjunto no puede determinarse con certeza y, como mínimo, excluye el uso comercial; se declara como unknown. Se comparte únicamente con fines de investigación académica y se solicita atribución a los autores originales. Antes de cualquier reutilización, verifique la licencia de cada fuente en su página de origen.

Esta licencia aplica solo a los datos. El código del proyecto se distribuye bajo licencia MIT y el manuscrito bajo CC BY 4.0; véase la sección de licencias del repositorio.

Cita recomendada

Jaldín Torrico, E., & Ramírez Vallejos, A. (2026c). Soybean image dataset [Conjunto de datos]. Hugging Face. https://huggingface.co/datasets/alejandroramirezucb/soybean_image_dataset

Limitaciones

• No incluye imágenes propias de Santa Cruz (Bolivia); la aplicabilidad regional es plausible pero no demostrada.
• La verdad de campo del patógeno proviene de las etiquetas de las fuentes, no de diagnóstico de laboratorio.
• No existe partición por procedencia: imágenes distintas de una misma planta, sesión o condición de captura pueden quedar repartidas entre entrenamiento y prueba, por lo que las métricas obtenidas con este conjunto deben interpretarse como desempeño interno del corpus y no como evidencia de generalización a dominios nuevos.
• Los umbrales de calidad y la selección aleatoria pueden introducir sesgos de muestreo.