Workflow zur Anomalieerkennung in Ernte-Datensätzen

Dieser Workflow etabliert Medoide für die Anomalieerkennung in landwirtschaftlichen Ernte-Datensätzen mit zwei Ansätzen.

Workflow zur Anomalieerkennung in Ernte-Datensätzen

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.

Workflow Überblick

Dieser n8n-Workflow konfiguriert Medoide für die Anomalieerkennung. Es werden zwei Ansätze verwendet: der Distanzmatrix-Ansatz und das multimodale Einbettenmodell.

Schritt-für-Schritt-Node-Beschreibung

1. Manual Trigger: Wenn „Testworkflow“ geklickt wird

Typ: Manual Trigger
Funktion: Der Workflow wird manuell gestartet.

2. Gesamtpunkte in Sammlung

Typ: HTTP Request
Funktion: Zählt die Gesamtanzahl der Punkte in einer Qdrant-Sammlung.
Parameter:
- URL: API-Endpunkt zur Zählung der Punkte.
- Methode: POST
- JSON Körper: {