Schritt-für-Schritt-Erklärung der Nodes
1. Sticky Note1
- Typ: N8n Node – Sticky Note
- Zweck: Bereitstellung von Informationen über den verwendeten Pflanzen-Datensatz.
- Einstellungen: Die Notiz enthält eine Liste von nicht-anomalen Pflanzenbildern, die im Datensatz vorhanden sind.
2. Embed image
- Typ: HTTP Request
- Zweck: Sendet ein Bild an die Voyage.ai-API, um ein Embedding zu erstellen.
- Einstellungen: Die POST-Anfrage enthält die Bild-URL, und die JSON-Daten werden entsprechend formatiert, um die Eingaben zu definieren.
3. Get similarity of medoids
- Typ: HTTP Request
- Zweck: Abfrage von ähnlichen Medoiden in der Qdrant-Datenbank basierend auf dem Embedding des Bildes.
- Einstellungen: Konfiguriert die API-URL mit dem Sammlungsnamen und führt eine Anfrage zur Rückgabe ähnlicher Punkte durch. Die Abfrage verwendet das Embedding und filtert nach spezifischen Medoid-Typen.
4. Compare scores
- Typ: Code
- Zweck: Vergleicht die Scores der abgerufenen Medoiden mit den Schwellenwerten, um festzustellen, ob das Bild als anormal betrachtet wird.
- Einstellungen: Python-Code, der die Scores durchläuft und das Bild mit dem höchsten Score oder einer Warnung für mögliche unbekannte Pflanzen zurückgibt.
5. Sticky Note4
- Typ: Sticky Note
- Zweck: Zusammenfassung des Arbeitsablaufs und seiner Funktionsweise.
- Einstellungen: Informationen über den gesamten Anomalie-Erkennungsprozess des Tools.
6. Variables for medoids
- Typ: Set
- Zweck: Definiert die Variablen, die zur Abfrage von Medoiden in der Qdrant-Datenbank verwendet werden.
- Einstellungen: Fügt Werte wie clusterCenterType, qdrantCloudURL und collectionName hinzu.
7. Info About Crop Labeled Clusters
- Typ: Set
- Zweck: Bestimmt die Anzahl der verschiedenen Pflanzenarten in der Qdrant-Sammlung.
- Einstellungen: Zählt die Hits und speichert die Anzahl in einer Variablen.
8. Total Points in Collection
- Typ: HTTP Request
- Zweck: Abfrage der Gesamtzahl der Punkte in der Qdrant-Sammlung.
- Einstellungen: Eine POST-Anfrage an die Sammlung, die die genaue Anzahl der Punkte zurückgibt.
9. Each Crop Counts
- Typ: HTTP Request
- Zweck: Zählt, wie viele verschiedene Pflanzen (Klassifikationen) in der Qdrant-Datenbank vorhanden sind.
- Einstellungen: Eine Anfrage, die die Anzahl an Punkten für jede Art von Pflanze abruft.
10. Image URL hardcode
- Typ: Set
- Zweck: Definiert die harcodierte Bild-URL, die in den Workflows verwendet wird.
- Einstellungen: Gewährleistet, dass die Bild-URL korrekt zugeordnet ist.
11. Execute Workflow Trigger
- Typ: Execute Workflow Trigger
- Zweck: Startet den Workflow mit der bereitgestellten Bild-URL.
- Einstellungen: Wartet auf den Eingang von Bild-URLs.
12. Sticky Note2
- Typ: Sticky Note
- Zweck: Erklärung der Variablen, die für die Anomalieerkennung verwendet werden.
- Einstellungen: Gibt wichtige Hinweise zu den verwendeten Variablen.
13. Sticky Note5
- Typ: Sticky Note
- Zweck: Kurze Informationen zu den notwendigen Nodes zur Zählung der verschiedenen Pflanzenarten.
- Einstellungen: Bietet kontextuelle Hinweise zur Nutzung von Zählnodes.
14. Sticky Note6
- Typ: Sticky Note
- Zweck: Erklärt die Einbettung der Eingabebilder.
- Einstellungen: Gibt Hinweise zur Verwendung des Voyage-AI-Modells für die Bildvergleichung.
15. Sticky Note7
- Typ: Sticky Note
- Zweck: Erklärt, wie der Vergleich mit den Clustern funktioniert.
- Einstellungen: Bereitstellung von Informationen über Schwellenwerte und Klassifizierung.
16. Sticky Note22
- Typ: Sticky Note
- Zweck: Synthetisiert den gesamten Workflow für die Anomalieerkennung von Pflanzen.
- Einstellungen: Bietet einen Überblick über den gesamten Workflow-Prozess und die Voraussetzungen für die Reproduktion.
Ergebnis
Nach Abschluss des Workflows erhält der Benutzer eine Textnachricht, die angibt, ob das eingegebene Bild anormal ist oder zu einer bestehenden Pflanzenart gehört.
Der Workflow bietet eine robuste Methode zur Anomalieerkennung in einem Datensatz von Pflanzendaten und nutzt moderne KI-Dienste zur Bildverarbeitung.