KNN-Klassifikator für Landdaten

Einführung

In diesem Beitrag werden wir den Workflow mit dem KNN-Klassifikator für Landnutzungsdaten erklären. Dieser Workflow nimmt eine Bild-URL als Eingabe und gibt die Klasse des Objekts im Bild zurück, basierend auf einer Liste von Landtypen.

Workflow-Übersicht

Der Workflow besteht aus mehreren Knoten, die nacheinander verarbeitet werden, um das Bild zu klassifizieren. Hier ist eine detaillierte Beschreibung jedes Knotens:

1. Embed image

• Typ: HTTP Request
• Funktion: Dieser Knoten sendet eine POST-Anfrage an die Voyage.ai API, um das Bild zu embeddieren.
• Einstellungen:
  • URL: https://api.voyageai.com/v1/multimodalembeddings
  • Methode: POST
  • JSON-Body: Hier wird die Eingabebild-URL mit dem Modell voyage-multimodal-3 übermittelt.
  • Authentifizierung: Verwenden von HTTP-Header-Authentifizierung mit den angegebenen Anmeldeinformationen.

2. Query Qdrant

• Typ: HTTP Request
• Funktion: Dieser Knoten fragt die Qdrant-Datenbank ab, um ähnliche Bilder basierend auf dem Bild-Embedding zu finden.
• Einstellungen:
  • URL: Abhängig von den bereitgestellten JSON-Werten.
  • Methode: POST
  • JSON-Body: Enthält die Abfrageparameter und die Anzahl der Nachbarn, die zurückgegeben werden sollen.
  • Authentifizierung: Vorab definierte Anmeldeinformationen für Qdrant.

3. Majority Vote

• Typ: Code
• Funktion: Zählt die häufigsten Klassen der abgerufenen Punkte, um eine Mehrheitsabstimmung zu veranstalten.
• Einstellungen:
  • Sprache: Python
  • Code: Verwendet die Counter-Klasse, um die häufigsten Klassen zu zählen und das Ergebnis zurückzugeben.

4. Increase limitKNN

• Typ: Set
• Funktion: Erhöht die Anzahl der Nachbarn, die abgerufen werden, wenn eine Unentschieden-Situation festgestellt wird.
• Einstellungen:
  • Zuweisungen: Erhöht limitKNN um 5.

5. Propagate loop variables

• Typ: Set
• Funktion: Überträgt die Variablen für die Schleife, die die Wahrscheinlichkeit für das Abrufen von Nachbarn erhöht.
• Einstellungen:
  • Zuweisungen: Enthält die aktuellen Limitwerte und Ergebnisse.

6. Image Test URL

• Typ: Set
• Funktion: Setzt die Bild-URL für die Verarbeitung.
• Einstellungen:
  • Zuweisungen: Nimmt die Bild-URL aus der Abfrage auf.

7. Return class

• Typ: Set
• Funktion: Gibt die identifizierte Klasse zurück.
• Einstellungen:
  • Zuweisungen: Entnimmt die Klasse der ersten Position aus dem Abstimmungsergebnis.

8. Check tie

• Typ: If
• Funktion: Überprüft, ob es ein Unentschieden gibt und ob die Anzahl der Nachbarn 100 überschreitet.
• Einstellungen:
  • Bedingungen: Überprüft die Länge des Ergebnisses und die ersten zwei häufigsten Werte.

9. Qdrant variables + embedding + KNN neighbours

• Typ: Set
• Funktion: Legt die Variablen für die Qdrant-Abfrage fest und speichert das Bild-Embedding.
• Einstellungen:
  • Zuweisungen: Definiert URL, Sammlung und erste Bild-Embedding.

Ergebnis

An diesem Punkt gibt der Workflow die Klasse des Bildes zurück, basierend auf den meisten Stimmen der KNN-Abfrage. Dies ermöglicht eine effiziente und robuste Klassifizierung von Bildern basierend auf Ähnlichkeiten mit bereits klassifizierten Daten, mit einer hohen Genauigkeit von über 93%.

Um diesen Workflow auszuprobieren, können Sie ihn [hier herunterladen](https://drive.google.com/uc?id=1W1_5yYlO1EiQG1yeRLodN8KqgHwjzVgc&export=download).