corn-data-pipeline

name	corn-data-pipeline
description	Use when reading or editing src/data/*, src/config.py, src/models/input_sizes.py, or config/dataset.yaml - covers image loading, dataset/output root resolution, target_size convention, and minority-class derivation for the corn leaf disease project.

Corn Data Pipeline Conventions

Carga de imágenes

Único punto de entrada: load_and_normalize_image() (src/data/loader.py) - corrección EXIF + conversión RGB antes de cualquier transform. No leer imágenes directo con PIL en otro lugar.

Rutas

• Dataset fuente (raw/, clean/): siempre vía get_dataset_root() (src/config.py) - falla con mensaje claro si falta .env. Nunca usar la constante DATASET_ROOT directo (es Path | None).
• Artefactos generados (splits, pesos/metrics/LIME, reports de dataset_summary.py/EDA): siempre vía get_output_root() (src/config.py) → PROJECT_ROOT/outputs/ (gitignored). Todo lo que el pipeline produce, a diferencia de get_dataset_root() (lo que consume).

Config centralizada

• config/dataset.yaml declara clases, target_size, seed y el perfil baseline. Los módulos lo leen; nunca hardcodear constantes de dominio.
• target_size es [alto, ancho] (convención (h, w) de torchvision). El Resize directo con distorsión de aspecto es intencional y consistente train/eval - no "corregirlo" a Resize+CenterCrop. El tamaño por defecto (224) puede sobrescribirse por modelo vía MODEL_INPUT_SIZES (src/models/input_sizes.py; p. ej. efficientnet_b4→380, fastvit_t8→256); train_baselines.py auto-escala el batch a la baja para resoluciones mayores.

Clases minoritarias

CornDataset las deriva de la distribución real del split en compute_minority_classes (src/data/dataset.py) - una clase es minoritaria si max_count/count > augmentation.minority_ratio_threshold (config/dataset.yaml, default 4.0). No hay frozenset estático: en un split balanceado (p. ej. el baseline de 4 clases) el conjunto queda vacío y nadie recibe augmentation asimétrico; en el dataset completo de 9 clases se recomputa.

Packaging

Sin sys.path.append. Paquete editable (pip install -e .); los imports src.* resuelven directo.

Para ubicar símbolos, llamadas o impacto de cambios en src/, usa CodeGraph en vez de grep/lectura manual.