[2/2] KNN classifier (lands dataset)

工作流名称

[2/2] KNN classifier (lands dataset)

主要功能和亮点

该工作流基于K近邻（KNN）算法，实现对卫星土地类型图像的自动分类。输入一张图像URL后，工作流通过Voyage AI的多模态嵌入API生成图像的向量表示，随后在Qdrant向量数据库中查询最相似的图像邻居，进行多数投票确定图像所属的土地类型。工作流设计了一个循环机制来解决投票平局问题，动态增加邻居数量直到得到明确分类或达到邻居上限。测试集准确率高达93.24%，且无需额外调优。

解决的核心问题

• 快速准确地对卫星土地类型图像进行自动分类
• 处理邻居分类投票结果平局的情况，确保结果稳定可靠
• 结合深度学习生成的图像嵌入与向量数据库实现高效相似度查询

应用场景

• 卫星遥感影像分析与土地利用监测
• 地理信息系统（GIS）中的自动分类与标注
• 环境监测、城市规划等需要大规模土地类型识别的领域
• 任何需要基于图像内容进行分类的场景，尤其是多类别视觉识别任务

主要流程步骤

1. 通过执行触发器接收输入图像的URL。
2. 调用Voyage AI多模态嵌入API，将图像转换为向量嵌入。
3. 设置初始查询参数，向Qdrant云向量数据库发送基于嵌入的KNN查询。
4. 获取邻居图像及其预先标注的类别信息。
5. 进行多数投票，统计邻居类别出现频率。
6. 若出现投票平局且邻居数未超过100，则增加邻居数，重复查询和投票过程。
7. 最终返回确定的图像类别标签。

涉及的系统或服务

• Voyage AI Multimodal Embeddings API：用于生成图像的深度向量表示。
• Qdrant Cloud：向量数据库，存储已标注的图像嵌入，支持高效的KNN相似度检索。
• n8n自动化平台节点：包括HTTP请求、代码执行、条件判断和变量设置等节点。

适用人群或使用价值

• 数据科学家和机器学习工程师，快速搭建基于向量检索的图像分类服务。
• 遥感分析师和GIS专家，实现土地类型的自动识别与分类。
• 环境保护机构及城市管理者，提升监测效率和数据处理自动化水平。
• 开发者和自动化爱好者，利用n8n平台轻松构建复杂的AI应用工作流。

---

该工作流模板结构清晰，灵活可定制，支持用户替换数据集和参数，适用于多种图像分类任务，是结合现代AI嵌入技术与向量数据库实用示例的优秀案例。