n8n Qdrant AI异常检测工作流 - 农业作物图像识别分析工具
n8n工作流,Qdrant异常检测,AI图像识别,农业数据分析,向量数据库,自动化AI代理,Voyage AI嵌入

来自网络研讨会”使用Qdrant和n8n构建生产就绪的AI代理”的工作流。

这一系列工作流展示了如何借助向量数据库为生产就绪的AI代理构建大数据分析工具。这些管道可适应任何图像数据集，因此适用于许多生产用例。

上传（图像）数据集到Qdrant
为Qdrant中的异常检测设置元变量
异常检测工具
KNN分类器工具

对于异常检测
第一个管道将图像数据集上传到Qdrant。
第二个管道设置异常检测所需的聚类（类）中心和聚类（类）阈值分数。
3. 这是第三个管道——异常检测工具，它接受任何图像作为输入，并使用Qdrant完成的所有准备工作来检测它是否是上传数据集的异常。

对于KNN（k最近邻）分类
第一个管道将图像数据集上传到Qdrant。
第二个是KNN分类器工具，它接受任何图像作为输入，并根据上传到Qdrant的数据集对其进行分类。

要重新创建两者
您需要将Kaggle上的作物和土地数据集上传到您自己的Google存储桶，并重新创建到Qdrant Cloud（您可以使用免费层集群）、Voyage AI API和Google Cloud Storage的API/连接。

[此工作流] 异常检测工具

这是可以直接用于异常图像（作物）检测的工具。
它接受（任何）图像URL作为输入，并返回一条文本消息，告知该图像描绘的内容是否是存储在Qdrant中的作物数据集的异常。

通过Execute Workflow Trigger接收图像URL，该URL用于使用Voyage AI Embeddings API生成嵌入向量。
返回的向量用于查询Qdrant集合，通过将其与每个图像类（作物类型）的阈值分数进行比较来确定给定的作物是否已知。
如果图像的分数低于所有阈值，则该图像被视为数据集的异常。

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。