2026-10-14T14:08:18Z https://www.scidb.cn/oai

10.57760/sciencedb.38554 2026-06-15T09:21:10Z

2026-06-15 Leakage-Free Bean Leaf Disease Detection Dataset (clean_split_v4, v4_safe, New Gold 402) doi:10.57760/sciencedb.38554 en 中文描述本数据集配套论文《Auditing the Hidden Pitfalls of Foundation-Model-Assisted Annotation in Agricultural Vision: A Cross-Domain Stress Test on Bean Leaf Disease Detection》（投稿 Computers and Electronics in Agriculture），用于大豆叶部病害目标检测、基础模型辅助标注审计与跨域评估的可复现研究。V2 相对 V1 的变更： 训练基准由 clean_split_v2 升级为物种纯净的 clean_split_v4；SAM 伪标签由 v3_safe 升级为 v4_safe；独立 holdout 由 legacy Gold 300（后与 v2 test MD5 完全相同，已弃用）替换为 New Gold 402（第三方采集图像 + 本文 de novo 人工标注）。包含三个划分：（1）clean_split_v4：经 MD5 与感知哈希审计的无泄漏域内划分，10,797 张图像、129,667 个边界框（train 8,313 / val 1,656 / test 828），移除 2,366 张黄瓜污染图像，train/val/test 互斥；（2）v4_safe 标签：在 v4 基础上，对 train/val 仅针对 Bean_Rust 类进行保守 SAM3.1 伪标签 add-only 补全（+1,556 框，+1.31%），test 与 New Gold 未参与补标；（3）New Gold 402：独立跨域 holdout，402 张图像，box-granularity 清理后 2,070 个评估框（cls0+1；Gold 350 为主评估集），未参与训练与 SAM 补标，与 v4 在 MD5/pHash 上零重叠。检测类别：Bean_Rust（0）、Angular_Leaf_Spot（1）；New Gold 中含 Insect_Feeding_Hole（2）作为硬负样本。标注为 YOLO 格式（class cx cy w h，归一化）。论文锁定评估协议：conf=0.001，IoU=0.5，half=False。文件说明：MSHF_clean_split_v4.zip 为 v4 完整数据（含 README_SCIENCEDB_V2.md）；MSHF_v4_safe_labels.zip 为 v4_safe 的 train/val 标签与 data.yaml（图像与 v4 相同，见包内 INSTALL）；MSHF_NewGold402.zip 为 New Gold 402 完整 holdout（含 manifest 与清理后标签）。V1 中的 MSHF_v2.tar、MSHF_v3_safe_labels.zip、MSHF_Gold.zip 仍可供旧实验复现；COMPAG 新稿请使用 V2 的 v4 / v4_safe / New Gold 402。英文描述Dataset for reproducibility of Auditing the Hidden Pitfalls of Foundation-Model-Assisted Annotation in Agricultural Vision: A Cross-Domain Stress Test on Bean Leaf Disease Detection (COMPAG submission). Version 2 supersedes V1 (v2 / v3_safe / legacy Gold-300) with three splits: clean_split_v4 — leakage-free species-clean in-domain split (10,797 images, 129,667 boxes; train/val/test disjoint); v4_safe labels — conservative SAM3.1 Bean_Rust add-only completion on train+val only (+1,556 boxes; images identical to v4); New Gold 402 — independent third-party holdout (402 images; 2,070 evaluation boxes on Gold 350 primary set after box-granularity audit). YOLO-format axis-aligned boxes. Locked evaluation: conf=0.001, IoU=0.5, half=False. License: CC BY-NC-SA 4.0.隐私权限等涉人隐私： 否。数据为作物叶片图像，不含可识别个人信息。涉密： 否。伦理审批： 不涉及人体/动物实验，无需伦理批件。知识产权： 数据由作者团队采集与标注，或来自已授权/公开渠道；New Gold 402 图像来自第三方公开大豆叶数据集（Marconi Lab / Kaggle 等）及自采田间图像，标签为本文 de novo 人工标注，仅用于科研与公开复现。敏感内容： 无。数据来源说明： clean_split_v4 由多源田间图像经物种过滤、去重与泄漏审计后构建；v4_safe 为 train/val 保守 SAM 补标；New Gold 402 为独立第三方 holdout，未参与训练与 SAM 补标。实体文件说明文件名说明MSHF_clean_split_v4.zipv4 域内划分完整包（10,797 图 + YOLO 标签 + data.yaml + manifest + README_SCIENCEDB_V2.md）MSHF_v4_safe_labels.zipv4_safe 的 train/val 标签补丁；与 v4 共用图像（见 INSTALL_v4_safe.txt）MSHF_NewGold402.zip独立跨域 New Gold 402 holdout（402 图，清理后 2,070 eval 框，含 manifest） 目标检测; 跨域泛化; 数据泄漏; 伪标签; YOLO; 计算机视觉; object detection; cross-domain generalization; data leakage; pseudo-labeling; agricultural vision; bean leaf disease 李堃 PUBLIC https://creativecommons.org/licenses/by-nc-sa/4.0/ dataset Science Data Bank