La recolección automatizada de información fenotípica de plantas se ha convertido en una tendencia en la mejora genética y la agricultura inteligente. Se utilizaron cuatro modelos basados en YOLOv8 para segmentar plantas de soja maduras colocadas en un fondo simple en un entorno de laboratorio, identificar las vainas, distinguir el número de granos de soja en cada vaina y obtener fenotipos de soja. El modelo YOLOv8-Repvit arrojó los resultados de reconocimiento más óptimos, con un valor de coeficiente de 0.96 tanto para las vainas como para los granos, y los valores de RMSE fueron 2.89 y 6.90, respectivamente. Además, se ideó un nuevo algoritmo para diferenciar de manera eficiente entre el tallo principal y las ramas de las plantas de soja, llamado algoritmo de coordenadas del punto medio (MCA). Esto se logró vinculando los píxeles blancos que representan los tallos en cada columna de la imagen binaria para trazar curvas que representan la estructura de la planta. El método propuesto reduce el tiempo computacional y la complejidad espacial en comparación con el algoritmo A*, proporcionando así un enfoque eficiente y preciso para medir las características fenotípicas de las plantas de soja. Esta investigación sienta una base técnica para obtener los datos fenotípicos de plantas de soja maduras densamente superpuestas y particionadas en condiciones de campo durante la cosecha.