[3/3] Anomaly detection tool (crops dataset)

工作流名称

[3/3] Anomaly detection tool (crops dataset)

主要功能和亮点

本工作流是一个基于农业作物图像数据集的异常检测工具。它能够接收任意作物图像的URL，利用多模态嵌入模型将图像转换为向量表示，进而通过与预先建立的作物类别中心（medoids）进行相似度比对，判断该图像是否属于已知作物类别，或者是否为异常（未识别的）作物。

• 自动化图像特征提取和向量嵌入
• 结合向量数据库Qdrant进行高效相似度搜索
• 设定阈值智能判断异常图像
• 可适配不同作物类别数据集

解决的核心问题

农业领域中，快速准确地识别作物图像是否异常或未知，对于作物监测、病虫害预警和农业质量管控至关重要。本工作流解决了如何基于图像数据自动检测异常作物的问题，避免人工逐一比对和判定，提高检测效率和准确度。

应用场景

• 农业监测系统中自动识别和筛查异常作物图像
• 农业科研中数据集的异常样本检测与清洗
• 农产品质量控制和溯源系统
• 任何需要通过图像识别检测类别异常的场景，尤其是作物相关领域

主要流程步骤

1. 触发执行：通过工作流触发器接收包含作物图像URL的请求。
2. 变量初始化：设置指向Qdrant向量数据库的URL、集合名称及阈值参数。
3. 图像嵌入生成：调用Voyage AI的多模态嵌入API，将输入图像转换为向量表示。
4. 相似度查询：使用Qdrant API查询图像向量与预设作物类别中心（medoids）之间的相似度。
5. 分数比较：通过Python代码节点比对相似度分数与阈值，判定图像是否属于已知类别或为异常。
6. 结果输出：返回文本信息，提示“与某作物相似”或“检测到异常作物”。

涉及的系统或服务

• Qdrant Cloud：作为向量数据库存储作物图像的嵌入向量及类别中心，支持快速向量相似度搜索。
• Voyage AI Embeddings API：提供多模态图像向量生成服务，将图像转换为高维向量。
• n8n自动化平台：作为工作流编排工具，实现各步骤的自动连接和执行。

适用人群或使用价值

• 农业数据科学家和研究人员，助力作物图像分析和异常检测研究。
• 农业技术服务提供商，提升作物监控和质量管控自动化水平。
• 自动化运维和数据工程师，通过无代码方式快速搭建异常检测系统。
• 任何需要基于图像进行类别异常检测的行业和场景，具备高度适应性。

---

本工作流基于Kaggle农业作物数据集，结合现代多模态嵌入技术与向量数据库，构建了一个高效且可扩展的作物异常检测工具。通过该工具，用户能够快速识别未知或异常作物图像，提升农业数据处理和决策的智能化水平。