La agricultura moderna se está transformando gracias a la integración de tecnologías como la inteligencia artificial y la visión por ordenador. En el centro de esta revolución se encuentran los conjuntos de datos agrícolas, esenciales para entrenar modelos y desarrollar soluciones innovadoras. He aquí una selección de los 15 mejores conjuntos de datos que pueden ayudar a impulsar la investigación y la aplicación tecnológica en la agricultura.

Tipos de conjuntos de datos en agricultura

‍

1. Imágenes de cultivos y enfermedades

Estos conjuntos de datos contienen imágenes de plantas sanas y enfermas, lo que permite a los modelos de visión por ordenador detectar y diagnosticar enfermedades de los cultivos. Por ejemplo, el conjunto de datos PlantVillage ofrece una vasta colección de imágenes de diversos cultivos y enfermedades.

‍

2. Datos sobre el suelo

Estos conjuntos de datos, que incluyen información sobre la composición, textura y fertilidad del suelo, ayudan a optimizar el uso de fertilizantes y a mejorar la gestión de las tierras.

‍

3. Datos meteorológicos

Los datos climáticos históricos y en tiempo real son importantes porque permiten prever el rendimiento de los cultivos y planificar las actividades agrícolas.

‍

4. Imágenes por satélite

Las 🔗 imágenes por satélite proporcionan una visión general de los campos, ayudando a controlar la salud de los cultivos, la cubierta vegetal y la detección de anomalías.

‍

5. Datos de rendimiento

Estos datos se utilizan para analizar la productividad de los cultivos en función de factores como las prácticas agrícolas, las condiciones del suelo y el clima.

‍

Los 15 mejores conjuntos de datos sobre agricultura

1. Conjunto de datos PlantVillage

Descripción : Uno de los mayores conjuntos de datos de imágenes de hojas de plantas sanas y enfermas, que abarca 38 clases de enfermedades en 14 cultivos diferentes.

Aplicaciones : Detección y clasificación de enfermedades vegetales mediante visión por ordenador.

‍

Enlace : 🔗 PlantVillage

‍

2. Agriculture-Vision Dataset

Descripción : Incluye más de 94.000 imágenes aéreas anotadas de campos agrícolas con diversas anomalías como malas hierbas, zonas secas y daños causados por insectos.

Utilización : Detección de anomalías en los cultivos para mejorar la vigilancia agrícola.

‍

Enlace : 🔗 Agricultura-Visión

‍

3. Conjunto de datos de imágenes abiertas para la agricultura

Descripción : Subconjunto del Open Images Dataset especialmente anotado para objetos agrícolas, incluida maquinaria, animales de granja y cultivos.

Uso : Reconocimiento y 🔗 detección de objetos específicos de la agricultura en imágenes.

‍

Enlace : 🔗 Abrir imágenes

‍

4. Imágenes del satélite Sentinel-2

Descripción : Conjunto de datos de imágenes multiespectrales por satélite de alta resolución proporcionadas por la Agencia Espacial Europea, que cubren todo el globo.

Utilización : seguimiento de cultivos, análisis fitosanitario, creación de un mapa para la cartografía temática de suelos y cultivos.

‍

Enlace : 🔗 ESA Sentinel-2

‍

5. Conjunto de datos activos y pasivos sobre la humedad del suelo (SMAP)

Descripción : Datos de satélite que proporcionan mediciones precisas de la humedad del suelo a escala mundial.

Aplicaciones : Gestión del riego, previsión de sequías, modelización climática.

‍

Enlace : 🔗 NASA SMAP

‍

6. Base de datos estadísticos de la FAO (FAOSTAT)

Descripción : Base de datos estadística mundial de la FAO sobre agricultura, que incluye producción, comercio, precios y uso de la tierra.

Utilización : Análisis de las tendencias agrícolas mundiales, investigación económica y evaluación del impacto de la Política Agrícola Común en las prácticas agrícolas y el uso de la tierra.

‍

Enlace : 🔗 FAOSTAT

‍

7. Servicio Nacional de Estadísticas Agrícolas del USDA (NASS)

Descripción : Datos detallados sobre la agricultura en Estados Unidos, incluidos rendimientos, prácticas de cultivo y estadísticas económicas. USDA NASS proporciona servicios esenciales mediante la recopilación y difusión de estos datos agrícolas.

Aplicaciones : Estudios de mercado, planificación agraria, análisis de políticas.

‍

Enlace: 🔗 USDA NASS

‍

8. Conjunto de datos DeepWeeds

Descripción : Un conjunto de datos de más de 17.000 imágenes anotadas de malas hierbas comunes en entornos agrícolas australianos.

Aplicaciones : Desarrollo de sistemas automáticos de detección de malas hierbas.

‍

Enlace : 🔗 Semillas profundas

‍

9. Base de datos europea sobre el suelo (ESDB)

Descripción : Base de datos detallada de las características de los suelos europeos, incluida su textura, composición química y propiedades físicas.

Uso : Gestión sostenible de la tierra, planificación del uso de la tierra.

‍

Enlace : 🔗 ESDAC

‍

10. Conjuntos de datos sobre agricultura de Radiant MLHub

Descripción : Plataforma que ofrece conjuntos de datos abiertos para el aprendizaje automático en la observación de la Tierra, con especial atención a la agricultura. Radiant MLHub ofrece datos abiertos para aplicaciones de aprendizaje automático, especialmente en agricultura.

Aplicaciones : Clasificación de cultivos, detección de cambios, análisis fitosanitario.

‍

Enlace : 🔗 MLHub radiante

‍

11. Conjunto de datos de predicción del rendimiento de los cultivos (Kaggle)

Descripción : Datos que incluyen el rendimiento histórico de los cultivos, las condiciones meteorológicas y las características del suelo.

Aplicaciones : Modelización y predicción del rendimiento de los cultivos.

‍

Enlace : 🔗 Kaggle Predicción del rendimiento de los cultivos

‍

12. Base de datos mundial sobre precios de los alimentos

Descripción : Datos sobre los precios mundiales de los alimentos, recopilados por el Programa Mundial de Alimentos. El conjunto de datos incluye datos sobre la proporción de diferentes productos alimenticios en los precios mundiales de los alimentos.

Aplicaciones : Análisis económico, estudios de seguridad alimentaria.

‍

Enlace : 🔗 Datos del PMA

‍

13. Conjunto de datos CropDeep

Descripción : Una colección de imágenes para el reconocimiento de cultivos y la detección de enfermedades, que abarca varias especies vegetales.

Aplicaciones : Clasificación de cultivos, diagnóstico de enfermedades.

‍

Enlace : 🔗 CropDeep

‍

14. Plataforma de Big Data del GCIAI

Descripción : Conjuntos de datos abiertos sobre la agricultura en los países en desarrollo, que abarcan cultivos, clima, suelo y mucho más.

Aplicaciones : Investigación sobre agricultura sostenible, adaptación al cambio climático.

‍

Enlace : 🔗 Plataforma del GCIAI

‍

15. Repositorio de aprendizaje automático de la UCI - Mushroom Dataset

Descripción : Datos detallados sobre las características físicas de diversas especies de hongos.

Uso : clasificación de especies, estudios toxicológicos.

‍

Enlace : 🔗 Conjunto de datos sobre setas de la UCI

‍

¿Dónde puedo encontrar conjuntos de datos sobre agricultura?

‍

Encontrar el conjunto de datos adecuado para sus proyectos agrícolas puede ser todo un reto. He aquí algunas fuentes y plataformas donde puede acceder a diversos conjuntos de datos agrícolas:

‍

Plataformas especializadas

• Kaggle: Plataforma en línea que alberga multitud de conjuntos de datos públicos, incluidos los relacionados con la agricultura. Puedes encontrar datos para visión por ordenador, análisis predictivo y mucho más.

‍

Enlace : 🔗 Conjuntos de datos Kaggle

‍

• Radiant MLHub: proporciona conjuntos de datos abiertos para el aprendizaje automático en la observación de la Tierra, centrándose en la agricultura y la sostenibilidad medioambiental.

‍

Enlace : 🔗 MLHub radiante

‍

Instituciones de investigación y universidades

• CGIAR: El Consorcio Internacional de Investigación Agrícola ofrece una plataforma de datos abiertos que facilita el acceso a multitud de conjuntos de datos agrícolas, especialmente en los países en desarrollo.

‍

Enlace : 🔗 Plataforma Big Data del GCIAI

‍

• INRAE: el Instituto Nacional de Investigación Agronómica, Alimentaria y Medioambiental de Francia publica datos y recursos para la investigación agrícola.

‍

Enlace : 🔗 INRAE Data

‍

Organizaciones gubernamentales e internacionales

• FAO: La Organización de las Naciones Unidas para la Agricultura y la Alimentación proporciona diversos conjuntos de datos estadísticos mundiales sobre agricultura a través de su base de datos FAOSTAT.

‍

Enlace : 🔗 FAOSTAT

‍

• USDA: El Departamento de Agricultura de Estados Unidos proporciona conjuntos de datos detallados sobre la agricultura estadounidense, útiles para análisis comparativos o estudios de mercado.

‍

Enlace : 🔗 USDA NASS

‍

‍

Comunidades en línea y redes sociales

• GitHub: Muchos investigadores y desarrolladores comparten sus conjuntos de datos y código fuente en GitHub, que puede ser un excelente recurso para encontrar datos específicos.

‍

Enlace : 🔗 GitHub

‍

• Foros especializados: Plataformas como Stack Overflow, Reddit o grupos de LinkedIn pueden ser útiles para pedir recomendaciones sobre conjuntos de datos o compartir recursos con la comunidad.

‍  

Conclusión

‍

El acceso a conjuntos de datos de alta calidad es clave para estimular la innovación en la agricultura. Los conjuntos de datos agrícolas que hemos presentado en este artículo ofrecen valiosos recursos para la investigación y el desarrollo de soluciones tecnológicas destinadas a mejorar la productividad, la sostenibilidad y la eficiencia del sector agrario. Aprovechando estos datos, los líderes agroalimentarios y las start-ups innovadoras están contribuyendo a afrontar los retos mundiales de la seguridad alimentaria y el cambio climático.