Alternatif eCognition: Analisis Citra Berbasis Objek Tanpa Lisensi
Halaman produk Trimble memuat kalimat ini: "Trimble eCognition tidak lagi aktif dijual. Halaman ini tetap aktif agar pelanggan lama dapat mengakses unduhan perangkat lunak." Saya membacanya pada 23 Agustus 2026. Jadi pertanyaannya sudah berubah. Kini bukan lagi apakah lisensinya layak diperpanjang, melainkan alat gratis mana yang mencakup bagian pekerjaan tertentu, karena ada satu bagian yang tidak memiliki pengganti gratis.
Saya ikut mendirikan TerraLab, jadi AI Segmentation di bagian akhir adalah produk kami. Kolomnya sama, begitu juga batas satu barisnya seperti yang lain.
Apa yang sebenarnya diberikan eCognition
eCognition adalah lingkungan analisis citra berbasis objek, bukan tombol untuk menemukan bangunan, dan Anda mengarahkan setiap tahapnya secara manual.
Segmentasi dilakukan terlebih dahulu. Segmentasi multiresolusi dimulai dari piksel tunggal lalu menggabungkan piksel tetangga selama ambang homogenitas masih terpenuhi. Anda menetapkan parameter skala untuk ukuran objek, membagi homogenitas antara warna dan bentuk, lalu membagi bentuk antara kehalusan dan kekompakan. Bentuk tidak boleh melebihi 0.9. Keempat angka itulah keahliannya, dan Anda harus menyesuaikannya kembali untuk setiap sensor dan lanskap.
Kemudian Anda membuat hierarki kelas sendiri: kelas, fitur yang diwariskan, fungsi keanggotaan atas nilai rata-rata spektral, tekstur, luas, tetangga, serta hubungan dengan objek induk dan anak. Setelah itu Anda menjalankannya, melihat hasilnya, mengubah angkanya, lalu menjalankannya lagi.
Output yang penting adalah ruleset, disimpan sebagai file .dcp atau dikemas sebagai solusi .dax, bukan poligonnya. File itu adalah metodenya. Berikan kepada kolega, jalankan pada seribu tile di eCognition Server, dapatkan klasifikasi yang sama setiap kali, dan tunjukkan kepada auditor mengapa sebuah poligon disebut bangunan.
Tidak ada pengganti gratis untuk itu saat ini. Setiap alat di bawah ini memberi Anda satu tahap. Tidak ada yang memberi Anda file aturan portabel dan berversi yang dapat dijalankan kolega tanpa perubahan serta dipertahankan dalam tinjauan. Jika yang Anda serahkan adalah metodenya, bukan petanya, pertahankan satu mesin yang masih dapat membuka file .dcp Anda.
Dokumentasi rule set Trimble dan referensi segmentasi multiresolusi masih tersedia online dan gratis untuk dibaca.
Rute 1: Anda hanya membutuhkan tahap segmentasi
Alat-alat ini membagi citra menjadi objek. Alat-alat ini tidak mengklasifikasikannya.
1. Orfeo ToolBox
Pilihan gratis yang paling dekat dengan tahap segmentasi eCognition, dan satu-satunya yang dibuat untuk scene besar.
- Instal OTB, lalu plugin OrfeoToolbox Provider, yang keluar dari inti QGIS pada 3.36. CookBook menjelaskan cara menghubungkannya. Baris perintah juga dapat digunakan.
- Berjalan di mesin Anda, hanya CPU, tanpa akun.
- Input dan output raster apa pun.
LargeScaleMeanShiftmenggabungkan smoothing, segmentasi, penggabungan region kecil, dan vektorisasi, lalu menulis file vektor yang poligonnya sudah memiliki nilai rata-rata dan deviasi standar per band. Tabel itu menjadi input untuk classifier berikutnya. - Biaya gratis, Apache 2.0.
- Keterbatasan ada pada default-nya: radius spasial 5, radius rentang 15, ukuran minimum 50 piksel, tile berukuran 500 kali 500. Perkirakan perlu beberapa kali proses sebelum ukuran objeknya tepat.
orfeo-toolbox.org · LargeScaleMeanShift
2. GRASS i.segment
Sudah tersedia di dalam 
, karena GRASS dikirim bersamanya.
- Instal tidak ada. Provider GRASS sudah tersedia di Processing sejak awal.
- Berjalan di mesin Anda, hanya CPU, tanpa akun.
- Input dan output grup imagery. Output-nya adalah raster segmen, yang dapat diubah
i.segment.statsmenjadi statistik per objek untuk diklasifikasikan. - Biaya gratis, GPL.
- Keterbatasan ada pada kesabaran. Ada dua metode, yaitu region growing dan mean shift, dan threshold region growing tidak memiliki makna fisik, jadi Anda menemukannya dengan pencarian bisection. Addon
i.segment.uspomengotomatiskan pencarian tersebut dan membutuhkan waktu berjam-jam.
i.segment manual · i.segment.stats · i.segment.uspo
3. SAGA
Cara tercepat untuk melihat hasil segmentasi tanpa membaca manual.
- Instal plugin Processing Saga NextGen Provider, serta SAGA itu sendiri. SAGA sudah keluar dari kumpulan Processing inti QGIS.
- Berjalan di mesin Anda, hanya CPU, tanpa akun.
- Input dan output grid sebagai input, grid segmen dan poligon opsional sebagai output.
- Biaya gratis. GPL, dengan API di bawah LGPL.
- Keterbatasan ada pada hal-hal yang harus diskalakan atau diulang. Library Imagery, Segmentation-nya memiliki Seeded Region Growing, Superpixel Segmentation, Watershed Segmentation, dan tiga helper, serta cepat untuk dicoba. SAGA tidak memiliki kerangka fitur objek, jadi tahap statistik harus Anda bangun sendiri.
4. scikit-image dan RSGISLib
Untuk orang yang lebih suka menulis segmentasi daripada mengkliknya.
- Instal lingkungan Python. scikit-image dapat diinstal melalui pip atau conda, sedangkan RSGISLib menggunakan conda dan lebih berat.
- Berjalan di mesin Anda, hanya CPU, tanpa akun.
- Input dan output array sebagai input, array label sebagai output. Georeferensi harus Anda tangani sendiri melalui rasterio atau GDAL.
- Biaya gratis. scikit-image menggunakan BSD-3-Clause, RSGISLib menggunakan GPL v3.
- Keterbatasan ada pada plumbing. Felzenszwalb, quickshift, SLIC, dan watershed masing-masing hanya membutuhkan empat baris, tetapi tidak ada yang memahami CRS. Segmentasi Shepherd milik RSGISLib adalah padanan terdekat yang dipublikasikan untuk eCognition, hanya dapat diinstal dari conda-forge, dan situsnya tidak dapat diakses melalui https pada 23 Agustus 2026, jadi gunakan repository-nya.
contoh segmentasi scikit-image · repository RSGISLib
Rute 2: Anda ingin klasifikasi terawasi
Anda menggambar area training, alat mempelajarinya, lalu seluruh raster diberi label. Inilah bagian eCognition yang benar-benar dicakup oleh perangkat lunak gratis.
5. Semi-Automatic Classification Plugin
Pilihan yang paling sering digunakan oleh pengguna lama eCognition, dan memang tepat.
- Instal plugin, lalu biarkan plugin mengunduh dependensinya. Plugin ini berjalan di atas Remotior Sensus dan menggunakan scikit-learn serta PyTorch.
- Berjalan di mesin Anda, CPU sudah cukup, tanpa akun. Tool opsionalnya mengunduh scene Landsat dan Sentinel-2, satu-satunya saat plugin berkomunikasi dengan server.
- Input dan output raster multi-band serta area training yang Anda gambar. Output-nya adalah raster terklasifikasi, laporan akurasi, dan vector layer jika diminta. Algoritmanya: maximum likelihood, minimum distance, spectral angle mapping, random forest, support vector machine, dan multi-layer perceptron.
- Biaya gratis, GPL v3.
- Keterbatasan ada pada objek. Plugin ini mengklasifikasikan piksel, bukan segmen, sehingga atap akan terlihat berbintik dan harus Anda bersihkan setelahnya.
6. dzetsaka
Lebih kecil, lebih cepat dipelajari, dan dapat melatih model dalam waktu sekitar satu menit.
- Instal plugin. Saat Anda memilih algoritma yang library-nya belum tersedia, plugin akan menawarkan instalasi melalui pip dan menampilkan progres di log QGIS, sehingga Anda jarang perlu membuka terminal.
- Berjalan di mesin Anda, hanya CPU, tanpa akun.
- Input dan output raster serta shapefile berisi region of interest. Output-nya adalah raster terklasifikasi dan file model yang tersimpan. Tersedia sebelas algoritma, mulai dari Gaussian mixture model yang tidak membutuhkan apa pun selain QGIS hingga XGBoost dan CatBoost.
- Biaya gratis, GPL v3.
- Keterbatasan ada pada label teks. Kolom ROI harus berisi nomor kelas, bukan nama.
7. GRASS i.maxlik dan r.learn.ml2
Sudah terinstal, dan merupakan pasangan yang paling mudah dibuatkan script.
- Instal tidak ada untuk
i.maxlik.r.learn.ml2adalah addon dan membutuhkan scikit-learn. - Berjalan di mesin Anda, hanya CPU, tanpa akun.
- Input dan output file signature dari
i.gensiguntuk yang pertama, serta raster stack dan label untuk yang kedua. Output-nya adalah raster terklasifikasi. - Biaya gratis, GPL.
- Keterbatasan ada pada discoverability. Nama parameternya mengasumsikan Anda sudah memahami model data GRASS. Setelah memahaminya, parameter tersebut dapat langsung dimasukkan ke pipeline bash atau Python, sehingga menjadi hal terdekat dengan batch eCognition Server yang dapat dicapai alat gratis.
8. Orfeo TrainImagesClassifier
Pasangkan dengan LargeScaleMeanShift dan Anda mendapatkan rantai berbasis objek yang sebenarnya: segmentasikan, hitung statistik per objek, lalu klasifikasikan.
- Instal OTB seperti di atas.
- Berjalan di mesin Anda, hanya CPU, tanpa akun.
- Input dan output pasangan citra dan training vector sebagai input. Output-nya adalah file model, serta confusion matrix jika diminta. Tool ini tidak menulis citra maupun vektor, sehingga
ImageClassifieratauVectorClassifiermenerapkan model tersebut setelahnya. - Biaya gratis, Apache 2.0.
- Keterbatasan ada pada penggunaan pertama. Tool ini dibangun di atas LibSVM, OpenCV machine learning, dan Shark ML, masing-masing dengan blok parameter sendiri. Baca halaman CookBook sebelum menjalankannya, bukan setelahnya.
Rute 3: Anda ingin objeknya langsung keluar tanpa menulis rule set
Tool berbasis model. Anda mengorbankan penyetelan dan jejak audit, lalu mendapatkan hasil hari ini.
9. Deepness
Menjalankan model ONNX apa pun yang Anda berikan pada raster dalam bentuk tile.
- Instal plugin, lalu plugin akan menginstal OpenCV dan ONNX Runtime melalui pip saat pertama kali dijalankan.
- Berjalan di mesin Anda. CPU dapat digunakan, sedangkan GPU membutuhkan setup CUDA Anda sendiri. Tanpa akun, tidak ada data yang keluar.
- Input dan output raster layer apa pun, termasuk basemap XYZ atau WMS, serta model ONNX Anda. Output-nya berupa vector atau raster layer.
- Biaya gratis, Apache 2.0.
- Keterbatasan ada pada imagery di luar rentang training model. Model yang dilatih dengan imagery 25 cm tidak akan membaca penerbangan drone 5 cm, dan plugin tidak dapat memperingatkan Anda.
10. Geo-SAM
Segment Anything dalam panel QGIS, satu prompt setiap kali.
- Instal plugin melalui plugin manager sejak versi 2.0. Plugin mengunduh checkpoint-nya sendiri dari dalam QGIS.
- Berjalan di mesin Anda, cukup cepat pada CPU laptop. Tanpa akun, tidak ada data yang keluar.
- Input dan output file raster atau layer XYZ, WMS, atau WMTS. Satu poligon per klik atau kotak, disimpan ke Shapefile.
- Biaya gratis, MIT.
- Keterbatasan ada pada pekerjaan berbasis area. Plugin ini menghasilkan satu objek setiap kali. Ada dua mode sejak 2.0, dan pada mode yang telah di-encode sebelumnya Anda hanya dapat memberikan prompt di dalam extent yang terlebih dahulu Anda encode.
11. samgeo
Model yang sama dalam bentuk package Python, untuk scene utuh.
- Instal lingkungan Python, lalu package-nya. Siapkan waktu satu sore untuk pertama kali.
- Berjalan di mesin Anda, GPU direkomendasikan. Tanpa akun, tetapi weights-nya membutuhkan unduhan yang cukup besar.
- Input dan output GeoTIFF, atau tile basemap yang diambil oleh plugin. Output-nya berupa raster mask serta GeoJSON, Shapefile, atau GeoPackage.
- Biaya gratis, MIT.
- Keterbatasan ada pada laptop kantor dan ketidaksesuaian CRS, karena tool ini tidak melakukan reproyeksi. Ini adalah library, jadi Anda harus menulis kodenya kecuali menambahkan companion plugin.
samgeo.gishub.org · Repository
12. GeoAI
Satu panel untuk setiap tugas, ditambah trainer untuk model Anda sendiri.
- Instal plugin, beserta stack PyTorch di bawahnya. Proyek ini menyatakan bahwa dependensi CUDA membuat instalasi sulit, dan itu benar.
- Berjalan di mesin Anda, pada praktiknya membutuhkan kartu NVIDIA. Tanpa akun, tidak ada data yang keluar.
- Input dan output raster layer. Output-nya berupa poligon dan mask, satu panel untuk setiap tugas.
- Biaya gratis, MIT.
- Keterbatasan lebih sering ada pada instalasi daripada imagery. Setelah berjalan, tool ini memiliki toolbox paling luas di sini: Segment Anything, tajuk pohon, water mask, dan Mask R-CNN.
13. Mapflow
Gambar area, pilih kelas, lalu dapatkan vektor dari server mereka.
- Instal plugin saja.
- Berjalan di server Geoalert. Tidak membutuhkan GPU, akun diperlukan, dan imagery keluar dari mesin Anda pada setiap pekerjaan.
- Input dan output area yang Anda gambar. Output-nya adalah vector layer berdasarkan kelas.
- Biaya kredit seharga $0.10 per kredit. Bangunan membutuhkan 10 kredit per km², basemap zoom 18 menambah 3 kredit, sehingga biayanya sekitar $1.30 per km². Tier gratisnya menyediakan 250 kredit, dibatasi hingga 25 km².
- Keterbatasan ada pada kawasan yang padat. Rumah teras menyatu menjadi satu poligon, terlihat pada screenshot mereka sendiri.
14. AI Segmentation, milik kami
Gambar zona, ketik objek yang Anda cari dengan kata-kata biasa, lalu dapatkan setiap kecocokan sebagai poligon.
- Instal plugin saja. Tanpa weights, CUDA, atau lingkungan Python.
- Berjalan di server kami untuk dua mode cloud, dan di mesin Anda untuk model lokal kecil dalam Semi-Auto. Tidak membutuhkan GPU dalam kedua mode. Akun gratis diperlukan.
- Input dan output orthophoto dan basemap. Output-nya berupa GeoPackage dengan style, satu poligon per objek, beserta label, kelas, confidence score, dan luas.
- Biaya paket gratis mencakup 3 km² deteksi Automatic dan 50 deteksi objek Semi-Auto per bulan, tanpa kartu. Pro seharga €39 per bulan untuk 300 km² dan 2.000 deteksi objek. Semi-Auto di mesin Anda sendiri tidak memiliki penghitung.
- Keterbatasan ada pada aturan yang melarang upload apa pun. Dua mode cloud mengirim imagery ke server, sedangkan hanya model lokal kecil yang tetap berada di mesin. Kami membaca imagery dan tidak ada yang lain, sehingga lembar kadaster yang dipindai tidak menghasilkan apa pun.
Halaman produk · Entri registry
Coba AI Segmentation gratis di QGIS, tanpa kartu
Perbandingan langsung
| Tool | Yang diinstal | GPU | Akun | Imagery tetap lokal | Input | Output | Biaya untuk pekerjaan nyata | Lisensi |
|---|---|---|---|---|---|---|---|---|
| Orfeo ToolBox | OTB, plus provider QGIS | Tidak | Tidak | Ya | Raster apa pun | Poligon vektor dengan nilai rata-rata dan deviasi standar per band | Gratis | Apache 2.0 |
| GRASS i.segment | Tidak ada, sudah dikirim bersama QGIS | Tidak | Tidak | Ya | Grup imagery | Raster segmen, plus statistik dari addon | Gratis | GPL |
| SAGA | Plugin provider SAGA NextGen | Tidak | Tidak | Ya | Grid | Grid segmen, poligon opsional | Gratis | GPL, API LGPL |
| scikit-image, RSGISLib | Lingkungan Python | Tidak | Tidak | Ya | Array yang Anda georeferensikan sendiri | Array label | Gratis | BSD-3, GPL v3 |
| SCP | Plugin, lalu dependensinya | Tidak | Tidak | Ya | Band dan area training | Raster terklasifikasi, laporan akurasi | Gratis | GPL v3 |
| dzetsaka | Plugin, dependensi diinstal untuk Anda | Tidak | Tidak | Ya | Raster dan ROI shapefile bernomor | Raster terklasifikasi dan file model | Gratis | GPL v3 |
| GRASS i.maxlik, r.learn.ml2 | Tidak ada, lalu satu addon | Tidak | Tidak | Ya | File signature atau raster stack | Raster terklasifikasi | Gratis | GPL |
| Orfeo TrainImagesClassifier | OTB | Tidak | Tidak | Ya | Pasangan citra dan training vector | File model, bukan peta | Gratis | Apache 2.0 |
| Deepness | Plugin, lalu OpenCV dan ONNX Runtime | Opsional | Tidak | Ya | Raster apa pun, plus model ONNX Anda | Vector atau raster layer | Gratis | Apache 2.0 |
| Geo-SAM | Plugin, dependensi ditangani untuk Anda | Opsional | Tidak | Ya | Raster, XYZ, WMS, atau WMTS | Satu poligon per klik atau kotak | Gratis | MIT |
| samgeo | Lingkungan Python | Ya untuk SAM 3 | Tidak | Ya | GeoTIFF atau tile yang diambil | Raster mask plus file vektor | Gratis | MIT |
| GeoAI | Plugin, plus stack PyTorch | NVIDIA pada praktiknya | Tidak | Ya | Raster layer | Poligon dan mask berdasarkan tugas | Gratis | MIT |
| Mapflow | Plugin | Tidak | Ya | Tidak | Area yang Anda gambar | Vector layer berdasarkan kelas | Sekitar $1.30 per km² bangunan | GPL v3 |
| AI Segmentation (milik kami) | Plugin | Tidak | Ya | Tidak untuk dua mode cloud | Zona dan kata | GeoPackage dengan style, satu poligon per objek | Gratis 3 km² per bulan, €39 untuk 300 km² | Plugin GPLv2, layanan berbayar |
| eCognition | Suite | Opsional | Lisensi | Ya | Imagery, plus rule set yang Anda tulis | Objek, kelas, dan .dcp portabel | Hanya berdasarkan penawaran, dan tidak lagi aktif dijual | Proprietary |
Cara memilih
- Yang Anda serahkan adalah metodenya, bukan petanya. Tidak ada alat di sini yang menggantikan
.dcp. Pertahankan satu mesin yang dapat membuka rule set Anda, lalu bangun ulang metodenya sebagai model Processing yang terdokumentasi atau script Python sebelum mesin tersebut rusak. - Anda melakukan segmentasi lalu klasifikasi per objek. Orfeo, kedua bagiannya:
LargeScaleMeanShiftuntuk objek danTrainImagesClassifieruntuk label. Ini satu-satunya rantai gratis yang membawa statistik objek dari awal hingga akhir. - Anda terutama menggambar area training lalu menekan classify. SCP untuk laporan akurasi, dzetsaka untuk mendapatkan model dalam satu menit.
- Anda ingin mendapatkan bangunan dari imagery sore ini. Deepness dengan model siap pakai, atau Mapflow maupun produk kami jika imagery boleh keluar dari mesin.
- Imagery tidak boleh keluar dari mesin. Jawaban itu langsung mengesampingkan Mapflow dan dua mode cloud kami, sehingga pilihan Anda adalah semua alat lainnya di sini.
Mulailah dengan i.segment pada satu tile malam ini. Tool tersebut sudah ada di toolbox Processing Anda, tidak membutuhkan biaya, dan dua puluh menit dengan threshold akan menunjukkan seberapa besar pekerjaan eCognition Anda sebenarnya berasal dari segmentasi dan seberapa besar berasal dari rule set.
Delapan plugin AI yang dibandingkan membahas lebih jauh bagian berbasis model. Hub AI QGIS mencantumkan sisanya.
