KNN Classifier für Landschaftsdaten

Dieser Workflow klassifiziert Bilder basierend auf ihren Inhalten, indem er ein KNN-Modell (K-nächste Nachbarn) verwendet.

KNN Classifier für Landschaftsdaten

Die Website nutzt die Wordpress-Infrastruktur.

Server: Unser Server befindet sich in einem Unternehmen mit Sitz in Deutschland. Er hat eine hohe und schnelle Internetverbindung. Es gibt eine Generatorunterstützung für ununterbrochenen Strom.

Beschreibung des Workflows

Dieser n8n-Workflow verwendet einen KNN-Classifier zur Identifizierung von Landnutzungstypen basierend auf einem Bild-URL-Eingang. Der Workflow besteht aus mehreren Knoten, die zusammenarbeiten, um das Bild zu verarbeiten, die Merkmale zu extrahieren und die Klassifikation durchzuführen.

Workflow Schritte

1. Execute Workflow Trigger

Typ: Trigger Node

Funktion: Dieser Knoten startet den Workflow und empfängt eine Bild-URL.

2. Image Test URL

Typ: Set Node

Funktion: Setzt die Bild-URL für die Verarbeitung.

Einstellung: ‚imageURL‘ auf die empfangene URL setzen.

3. Embed image

Typ: HTTP Request Node

Funktion: Sendet die Bild-URL an die Voyage.ai API, um die Merkmale (Embeddings) des Bildes zu erhalten.

Parameter: POST-Anfrage an https://api.voyageai.com/v1/multimodalembeddings.
JSON-Körper: Image URL wird in das Payload-Format konvertiert.

4. Qdrant variables + embedding + KNN neighbours

Typ: Set Node

Funktion: Hier werden allgemeine Variablen gesetzt, die für die nächsten Schritte benötigt werden, einschließlich der Begrenzung der KNN-Nachbarn.

Einstellung: Setzt limitKNN auf 10, definiert die Qdrant Collection und die URL.

5. Query Qdrant

Typ: HTTP Request Node

Funktion: Führt eine Abfrage an die Qdrant-Datenbank aus, um die KNN-Nachbarn basierend auf dem Bild-Embedding zu finden.

Parameter: POST-Anfrage an die Qdrant-API.
JSON-Körper: Enthält das Bild-Embedding und fragt die Nachbarn an.

6. Propagate loop variables

Typ: Set Node

Funktion: Bereitet die Variablen für die Mehrheitsabstimmung vor.

Einstellung: Setzt die Länge der zurückgegebenen Punkte und das Ergebnis in ein Objekt.

7. Majority Vote

Typ: Code Node

Funktion: Führt eine Mehrheitsabstimmung über die Klassen der KNN-Nachbarn durch.

Python-Code: Verwendet die Klassen der Nachbarn, um die häufigste Klasse zu bestimmen.

8. Check tie

Typ: If Node

Funktion: Überprüft, ob es einen Gleichstand zwischen den beiden häufigsten Klassen gibt.

Einstellung: Bedingungen für den Fall eines Gleichstands und die maximale Anzahl an KNN-Nachbarn.

9. Increase limitKNN

Typ: Set Node

Funktion: Erhöht die Anzahl der KNN-Nachbarn, wenn ein Gleichstand festgestellt wird.

Einstellung: Erhöht limitKNN um 5.

10. Return class

Typ: Set Node

Funktion: Gibt die ermittelte Klasse zurück, die durch die Mehrheitsabstimmung bestimmt wurde.

Einstellung: Setzt die Klassenvariable auf das Ergebnis der Mehrheitsabstimmung.

Ergebnis

Der Workflow gibt die klassifizierte Klasse des Bildes zurück, nachdem er die KNN-Logik durchlaufen hat. Dies wird durch den erfolgreichen Abgleich mit der Qdrant-Datenbank ermöglicht und verwendet die Mehrheitsabstimmungslogik, um sicherzustellen, dass eine präzise Klassifizierung erfolgt.

Für weitere Informationen und als Beispiel können Sie den vollständigen Workflow herunterladen:

Workflow herunterladen