Le 5 migliori alternative a eCognition nel 2026

La pagina prodotto di Trimble dice che eCognition "non è più venduto attivamente". Se vuoi oggetti dalle immagini questa settimana, AI Segmentation, che sviluppiamo noi, funziona così: disegna una zona, digita l'oggetto in parole semplici, ricevi i poligoni. Se invece vuoi la strada gratuita, Orfeo ToolBox copre l'intera catena di segmentazione e classificazione.

Sulle pagine di eCognition, la licenza non ha un prezzo pubblicato, e un rule set salvato nella versione di prova non può essere aperto in una copia con licenza. Gli strumenti qui sotto partono da input diversi e girano in posti diversi.

A confronto in breve

1. AI Segmentation

AI Segmentation è il nostro, quindi valuta questa scheda di conseguenza. È un plugin QGIS dove disegni una zona, digiti l'oggetto che vuoi in parole semplici, e ricevi ogni corrispondenza come GeoPackage stilizzato. Ottieni un poligono per oggetto, senza training set e senza nulla da tarare per sensore prima del primo run.

Ideale per: il geomatico che usava eCognition per estrarre edifici, piscine, pannelli solari o chiome degli alberi da un'ortofoto, e il cui cliente vuole il layer e non il metodo dietro.

Non adatto a: il lavoro sotto regole che vietano qualsiasi upload, a meno che tu resti nel modello locale Semi-Auto.

Prezzo: gratis per 1,5 km² di rilevamento in modalità Automatica e 20 rilevamenti di oggetti in modalità Semi-Auto al mese, senza carta. Pro è 39 € al mese per 100 km² e 500 rilevamenti di oggetti. Il piccolo modello locale in Semi-Auto non ha alcun contatore.

Gira su: i nostri server in Europa per le due modalità cloud, e la tua macchina per il modello locale Semi-Auto. Nessuna scheda grafica in entrambi i casi.

Installazione: il plugin dal repository QGIS, poi un account gratuito. Nessun peso da scaricare, nessun ambiente Python da costruire.

Dove vince

• Minuti da una licenza persa a un layer funzionante. Installa, accedi, disegna una zona, digita building.
• Ogni poligono torna modificabile e porta già un'etichetta, una classe, un punteggio di confidenza e un'area.
• Nulla da calibrare per sensore, quindi il primo run su una nuova ortofoto è lo stesso lavoro del centesimo.

Dove perde

• Le due modalità cloud inviano le immagini a un server. Se nulla deve lasciare la macchina, usa il modello locale Semi-Auto, oppure usa Deepness qui sotto.

Pagina prodotto · Scheda nel registro

Prova AI Segmentation gratis in QGIS, senza carta

2. Orfeo ToolBox

Una libreria di telerilevamento con un provider QGIS Processing. LargeScaleMeanShift taglia una scena in oggetti, TrainImagesClassifier li etichetta, e la coppia è la cosa gratuita più vicina a ciò che facevi in eCognition.

Ideale per: l'utente eCognition che tarava a mano scale, shape e compactness e vuole la stessa catena di segmentazione e classificazione senza licenza.

Pensato per: una catena di segmentazione e classificazione tarata e ripetibile. I parametri si impostano per sensore.

Prezzo: gratis, Apache 2.0.

Gira su: la tua macchina, solo CPU, nessun account. Funziona anche da riga di comando.

Installazione: OTB stesso, poi il plugin OrfeoToolbox Provider, uscito dal core QGIS alla 3.36.

Dove vince

• LargeScaleMeanShift concatena smoothing, segmentazione, fusione delle piccole regioni e vettorizzazione in un unico passaggio.
• Il file vettoriale che scrive porta già media e deviazione standard per banda per ogni poligono, e quella tabella attributi è ciò da cui TrainImagesClassifier poi impara.

Limiti

• I default sono spatial radius 5, range radius 15, minimum size 50 pixel e tasselli da 500 per 500. La dimensione dell'oggetto si regola con questi parametri.

CookBook · LargeScaleMeanShift · TrainImagesClassifier

3. Semi-Automatic Classification Plugin

Un banco di lavoro QGIS dove disegni aree di training su un raster multibanda, scegli un algoritmo, e ottieni un raster classificato più un report di accuratezza. È nel repository QGIS dal 2013.

Ideale per: la persona il cui lavoro eCognition era land cover, tipo di coltura o aree bruciate, e che deve difendere il risultato con i numeri piuttosto che con un file di regole.

Non adatto a: oggetti dai bordi netti. Classifica pixel, non segmenti.

Prezzo: gratis, GPL v3.

Gira su: la tua macchina, la CPU basta, nessun account. Uno strumento opzionale scarica scene Landsat e Sentinel-2, ed è l'unica volta che parla con un server.

Installazione: il plugin dal repository QGIS, poi le sue dipendenze. Si basa su Remotior Sensus e scarica scikit-learn e PyTorch al primo utilizzo.

Dove vince

• Sei algoritmi inclusi: maximum likelihood, minimum distance, spectral angle mapping, random forest, support vector machine e un multi-layer perceptron.
• Il report di accuratezza esce dallo stesso run, quindi il deliverable e la sua difesa arrivano insieme.
• Download immagini, band set, aree di training e classificazione stanno tutti in un unico dock.

Limiti

• Classifica pixel, non segmenti.

Manuale · Scheda plugin

4. Deepness

Un plugin QGIS che esegue qualsiasi modello ONNX fornito da te su un raster, tassello per tassello, e scrive un layer vettoriale o raster. È l'unica strada qui dove nulla lascia il tuo disco.

Ideale per: il geomatico con regole che vietano qualsiasi upload, che può trovare o addestrare un modello adatto alla propria risoluzione a terra.

Pensato per: chi porta il proprio modello ONNX.

Prezzo: gratis, Apache 2.0. Revisione paritaria su SoftwareX, DOI 10.1016/j.softx.2023.101495, se devi citarlo.

Gira su: la tua macchina, e solo la tua macchina. Nessun account, nessuna API key, e ogni URL nel sorgente sta dentro un commento.

Installazione: il plugin, poi OpenCV e ONNX Runtime. Una scheda grafica richiede la tua configurazione CUDA.

Dove vince

• Nessuna chiamata di rete durante l'esecuzione, ed è l'intero motivo per sceglierlo.
• La CPU funziona, e una scheda lo rende veloce: su una macchina misurata un tassello da 5.000 per 5.000 pixel a 20 cm ha impiegato 80 minuti su CPU e 61 secondi su GPU.
• Qualsiasi file ONNX funziona, quindi un modello addestrato da te si inserisce direttamente.

Limiti

• Al 23 agosto 2026 la versione distribuita è la 0.6.5 del 10 dicembre 2024. Le issue aperte sul suo tracker GitHub segnalano errori di installazione su macOS (#209) e su QGIS 3.44 con NumPy 2 (#235).
• Il model zoo è una pagina di documentazione e scarichi il file che scegli. Ogni modello è addestrato per una data risoluzione a terra, quindi abbinala alle tue immagini.

Repository · Documentazione

5. eCognition

L'ambiente a oggetti che già conosci. Prima multiresolution segmentation, poi una gerarchia di classi che scrivi tu su medie spettrali, texture, area, vicini e relazioni padre-figlio.

Ideale per: la persona il cui deliverable è il metodo. Il rule set si salva come file .dcp o si impacchetta come soluzione .dax, gira invariato su mille tasselli, e mostra a un revisore perché un poligono è stato chiamato edificio. Niente di quanto sopra lo sostituisce.

Stato: la pagina prodotto di Trimble dice che non è più venduto attivamente.

Prezzo: nessun listino era pubblicato sulle pagine che ho letto il 23 agosto 2026. Una versione di prova si scarica ancora e non ha limiti di tempo, ma export e salvataggio sono limitati, e Trimble dichiara che i rule set salvati nella versione di prova non possono essere aperti in una copia con licenza.

Gira su: la tua macchina, con licenza, CPU con accelerazione GPU opzionale.

Installazione: la suite, più una licenza da farti quotare.

Dove vince

• Il rule set è portabile e leggibile, quindi il metodo sopravvive a un cambio di personale.
• Multiresolution segmentation resta il riferimento per scale, shape e compactness, e la sua documentazione è gratuita da leggere.

Limiti

• I rule set sono legati al formato eCognition. Se prevedi di migrare, puoi ricostruire il metodo come modello QGIS Processing documentato o script PyQGIS.

Documentazione rule set · Riferimento multiresolution segmentation

Fianco a fianco

Esistono altri dieci strumenti per casi più ristretti, e nessuno di loro ha meritato una scheda qui. GRASS i.segment e SAGA ti danno una segmentazione senza installare nulla. dzetsaka addestra un classificatore in circa un minuto.

Gli altri si dividono per come ti piace lavorare. scikit-image e RSGISLib vanno bene per chi preferisce scriverlo piuttosto che cliccarlo, Geo-SAM e samgeo fanno Segment Anything un oggetto alla volta, e GeoAI fa chiome degli alberi e maschere d'acqua su una scheda NVIDIA. Mapflow restituisce edifici da un server a circa 1,30 $ per km², che è la strada a pagamento più vicina alla nostra.

Come passare da eCognition

Non conosciamo un percorso di export. I tuoi file .dcp e .dax sono formati eCognition, e non abbiamo trovato nessuno strumento gratuito che li legga. Ciò che resta è tutto ciò che non era il rule set: le immagini stesse, i confini dei tasselli, e le regole di classe che puoi leggere dalla tua gerarchia.

Ciò che non resta è multiresolution segmentation, che è l'algoritmo di Trimble. LargeScaleMeanShift di Orfeo è il sostituto pratico, con range radius e minimum size al posto di scale.

Leggi la documentazione del rule set e il riferimento alla segmentazione mentre sono ancora online e gratuiti, e trattali come la specifica da cui ricostruire. Tieni accesa una macchina con licenza finché la ricostruzione non gira, e metti a budget il tutto come una migrazione con una scadenza.

Da ricordare

La pagina prodotto di Trimble dice che eCognition non è più venduto attivamente.

Un rule set .dcp o .dax è un formato eCognition e non abbiamo trovato nessuno strumento gratuito che lo legga, quindi una migrazione è una ricostruzione.

Multiresolution segmentation è l'algoritmo di Trimble. LargeScaleMeanShift di Orfeo è una segmentazione gratuita che può sostituirlo.

Orfeo, SCP e Deepness non fanno chiamate di rete durante un run, quindi le immagini con regole no-upload restano sul tuo disco.

Secondo Trimble, un rule set salvato nella versione di prova non si aprirà in una copia con licenza.

Come li ho confrontati

Cinque criteri, quelli che decidono se uno strumento sostituisce eCognition lunedì: cosa gli dai in pasto, dove gira, se le tue immagini lasciano la macchina, quanto costa un lavoro reale, e quanto lavoro di installazione ti separa dal primo risultato. Ogni prezzo, licenza e versione qui è stato letto il 23 agosto 2026 dalle pagine proprie dei progetti, e le licenze dal file LICENSE di ogni repository.

Ho co-fondato TerraLab, quindi la prima scheda è la nostra. Ha le stesse cinque righe di tutte le altre e un limite detto chiaramente.

C'è un caso che mando altrove. Se il tuo contratto vieta qualsiasi upload, non comprare le nostre modalità cloud. Installa Deepness, fornisci il tuo modello ONNX, e tieni ogni pixel sul tuo disco.

Domande frequenti

Cosa succede ai miei rule set eCognition esistenti?

Restano dove sono. I tuoi file .dcp e .dax sono formati eCognition e non abbiamo trovato nessuno strumento gratuito che li legga, quindi non c'è nulla da convertire. Tieni accesa una macchina con licenza mentre ricostruisci il metodo come modello QGIS Processing o script Python.

Posso ancora scaricare eCognition?

Sì. Trimble mantiene la pagina per i clienti esistenti, e la versione di prova si scarica ancora senza limiti di tempo. Export e salvataggio sono limitati nella versione di prova, e Trimble dichiara che i rule set salvati lì non si apriranno in una copia con licenza.

Quanto costa una licenza eCognition nel 2026?

Nessun listino è pubblicato. Se un rivenditore ti sta ancora facendo un preventivo, fai una domanda e scrivi la risposta: quanto costa un seat all'anno, tutto incluso con manutenzione, e per quanti altri anni è rinnovabile?

Esiste una multiresolution segmentation gratuita?

Non quell'algoritmo, che è di Trimble. In QGIS il sostituto pratico è LargeScaleMeanShift di Orfeo, che unisce i pixel vicini sotto una regola di omogeneità allo stesso modo e ti dà un controllo simile a scale tramite range radius e minimum size.

Posso tenere tutte le mie immagini sulla mia macchina?

Sì, e tre dei cinque sopra si qualificano. Orfeo, SCP e Deepness non chiamano mai fuori durante un run. Le nostre due modalità cloud inviano le immagini a un server in Europa, e il modello locale Semi-Auto no.

In quanto tempo ottengo edifici da un'ortofoto?

Con AI Segmentation, minuti: installa il plugin, accedi, disegna una zona, digita building. Con Orfeo, un pomeriggio di taratura per il primo sensore, poi si ripete. Con Deepness, il tempo che serve per trovare un modello ONNX addestrato alla tua risoluzione a terra, che è dove va la maggior parte dello sforzo su quella strada.

Se vuoi la metà basata su modelli in più dettaglio, gli otto plugin AI a confronto copre ogni plugin che esegue una rete su un raster in QGIS, e l'articolo su Mapflow copre la strada a pagamento lato server nei suoi termini. L'hub QGIS AI elenca il resto.

Prova AI Segmentation gratis in QGIS, senza carta