[2/2] KNN classifier (lands dataset)

工作流名称

[2/2] KNN classifier (lands dataset)

主要功能和亮点

本工作流实现了基于KNN（k近邻算法）的卫星影像土地类型分类。它通过调用Voyage AI的多模态嵌入API，将输入的卫星图像URL转换为向量表示；随后利用Qdrant向量数据库查询与该图像最相似的邻居图像，并基于邻居图像的已标注类别进行多数投票确定最终分类。工作流设计了动态调整邻居数量的循环机制以解决投票平局问题，保证分类结果的准确性和稳定性。整体分类准确率达到93.24%，且无需额外的微调或度量学习。

解决的核心问题

该工作流解决了卫星图像土地类型自动分类的问题，通过高效的向量检索和多数投票策略，实现对复杂地表类型（如农田、森林、海滩、机场跑道等）的快速准确识别，避免了传统分类方法中对大量标注数据和复杂模型训练的依赖。

应用场景

• 卫星遥感图像分析与分类
• 土地利用和覆盖监测
• 城市规划与环境保护
• 农业产区监控
• 地理信息系统（GIS）数据增强

主要流程步骤

1. 触发执行：通过执行工作流触发器接收包含图像URL的输入请求。
2. 图像嵌入：调用Voyage AI多模态嵌入API，将输入图像转换为向量嵌入。
3. 设置查询参数：初始化查询Qdrant的向量数据库参数，包括云端URL、集合名称和邻居数量limitKNN。
4. 查询Qdrant：以嵌入向量为基础，查询Qdrant数据库，获取与输入图像最相似的邻居图像及其标签。
5. 多数投票：统计邻居图像的类别，选出出现频率最高的两个类别。
6. 平局检测与循环：若两个类别票数相同且邻居数未超过100，则增加邻居数量重新查询，直到投票结果无平局。
7. 返回分类结果：输出最终的土地类型分类结果。

涉及的系统或服务

• Voyage AI Multimodal Embeddings API：提供图像向量化功能。
• Qdrant Cloud 向量数据库：存储与检索预先标注的卫星图像向量集合。
• n8n自动化平台：实现整个工作流的编排与执行。

适用人群或使用价值

• 遥感分析师和地理信息系统（GIS）专家，帮助实现自动化土地类型识别。
• 环境监测机构和城市规划部门，用于快速获取土地利用信息。
• 农业科技公司，通过图像分类支持农田管理和产量预测。
• 数据科学家和开发者，可作为向量检索和多模态AI应用的示范模板。

该工作流模板结构清晰，支持灵活替换数据集和向量数据库配置，易于根据不同的图像数据集进行迁移和二次开发，极大提升了基于图像的分类任务自动化和智能化水平。