n8n Workflows

KNN-Klassifikator für Landdaten

2 Min. LesezeitMEKSOFT
Inhalt
  1. Einführung
  2. Workflow-Übersicht
  3. Ergebnis

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).

Artikel teilen
Zur Blogübersicht