eCognition-alternatieven: objectgebaseerde beeldanalyse zonder licentie

Op de eigen productpagina van Trimble staat: "Trimble eCognition wordt niet langer actief verkocht. Deze pagina blijft actief zodat bestaande klanten toegang houden tot softwaredownloads." Ik las dit op 23 augustus 2026. De vraag is dus veranderd. Het gaat niet langer om de vraag of het de moeite waard is om de licentie te verlengen, maar om welk gratis hulpmiddel welk onderdeel van het werk afdekt. En één onderdeel heeft geen gratis vervanger.

Ik ben medeoprichter van TerraLab, dus AI Segmentation aan het einde is van ons. Dezelfde kolommen en dezelfde limiet van één regel als bij al het andere.

Wat eCognition daadwerkelijk biedt

eCognition is een omgeving voor objectgebaseerde beeldanalyse, geen knop die gebouwen vindt. Je stuurt elke fase ervan handmatig aan.

Segmentatie komt eerst. Multiresolutiesegmentatie begint bij afzonderlijke pixels en voegt aangrenzende pixels samen zolang een homogeniteitsdrempel standhoudt. Je stelt een schaalparameter in voor de objectgrootte, verdeelt homogeniteit over kleur en vorm, en verdeelt vorm vervolgens over gladheid en compactheid. Vorm kan niet hoger zijn dan 0.9. Die vier getallen vormen het vakmanschap, en je stemt ze per sensor en landschap opnieuw af.

Daarna volgt een klassenhiërarchie die je zelf schrijft: klassen, overgeërfde kenmerken, lidmaatschapsfuncties voor spectrale gemiddelden, textuur, oppervlakte, buren en relaties met ouder- en kindobjecten. Vervolgens voer je alles uit, kijk je naar het resultaat, pas je de getallen aan en voer je het opnieuw uit.

De belangrijkste uitvoer is de regelset, opgeslagen als een .dcp-bestand of verpakt als een .dax-oplossing, niet de polygonen. Dat bestand is de methode. Geef het aan een collega, voer het uit op duizend tegels met eCognition Server, krijg elke keer dezelfde classificatie en toon een auditor waarom een polygoon als gebouw is aangemerkt.

Niets gratis vervangt dit vandaag. Elk hulpmiddel hieronder levert één stap. Geen enkel hulpmiddel levert een draagbaar, versiebeheerbaar regelbestand dat een collega ongewijzigd kan uitvoeren en tijdens een review kan verdedigen. Als je oplevering de methode is en niet de kaart, houd dan een machine die je .dcp-bestanden nog kan openen.

De documentatie van Trimble over regelsets en de referentie voor multiresolutiesegmentatie staan allebei nog online en zijn gratis te lezen.

Route 1: je wilt alleen de segmentatiestap

Deze hulpmiddelen verdelen het beeld in objecten. Ze classificeren die objecten niet.

1. Orfeo ToolBox

Het dichtstbijzijnde gratis alternatief voor de segmentatiefase van eCognition, en het enige dat voor grote scènes is gebouwd.

• Installatie OTB en daarna de OrfeoToolbox Provider plugin, die QGIS core vanaf versie 3.36 verliet. De CookBook beschrijft de koppeling. De command line werkt ook.
• Draait op je eigen machine, alleen CPU, zonder account.
• Invoer en uitvoer elke raster. LargeScaleMeanShift koppelt smoothing, segmentatie, het samenvoegen van kleine regio's en vectorisatie aan elkaar, en schrijft een vectorbestand waarvan de polygonen al het gemiddelde en de standaardafwijking per band bevatten. Die tabel voedt vervolgens de classifier.
• Kosten gratis, Apache 2.0.
• Loopt vast op de standaardwaarden: spatial radius 5, range radius 15, minimum size 50 pixels, tegels van 500 bij 500. Reken op meerdere runs voordat de objectgrootte klopt.

orfeo-toolbox.org · LargeScaleMeanShift

2. GRASS i.segment

Al aanwezig in , want GRASS wordt ermee meegeleverd.

• Installatie niets. De GRASS-provider zit standaard in Processing.
• Draait op je eigen machine, alleen CPU, zonder account.
• Invoer en uitvoer een imagery group. De uitvoer is een segmentraster, dat i.segment.stats omzet in statistieken per object die je kunt classificeren.
• Kosten gratis, GPL.
• Loopt vast op geduld. Er zijn twee methoden, region growing en mean shift, en de drempel voor region growing heeft geen fysieke betekenis. Je vindt die waarde dus via bisectie. De addon i.segment.uspo automatiseert die zoektocht en doet er uren over.

i.segment-handleiding · i.segment.stats · i.segment.uspo

3. SAGA

De snelste manier om segmentatie te bekijken zonder eerst een handleiding te lezen.

• Installatie de Processing Saga NextGen Provider plugin en SAGA zelf. De provider maakt geen deel meer uit van de QGIS core Processing-set.
• Draait op je eigen machine, alleen CPU, zonder account.
• Invoer en uitvoer grids als invoer, een segmentgrid en optioneel polygonen als uitvoer.
• Kosten gratis. GPL, met de API onder LGPL.
• Loopt vast op alles wat moet schalen of worden herhaald. De Imagery, Segmentation-bibliotheek bevat Seeded Region Growing, Superpixel Segmentation, Watershed Segmentation en drie hulpmiddelen, en je kunt er snel mee experimenteren. Er is geen framework voor objectkenmerken, dus de statistiekstap moet je zelf bouwen.

saga-gis.sourceforge.io

4. scikit-image en RSGISLib

Voor mensen die de segmentatie liever schrijven dan aanklikken.

• Installatie een Python-omgeving. scikit-image installeer je met pip of conda, RSGISLib met conda en is zwaarder.
• Draait op je eigen machine, alleen CPU, zonder account.
• Invoer en uitvoer arrays als invoer, labelarrays als uitvoer. De georeferentie moet je zelf afhandelen via rasterio of GDAL.
• Kosten gratis. scikit-image is BSD-3-Clause, RSGISLib is GPL v3.
• Loopt vast op het leidingwerk. Felzenszwalb, quickshift, SLIC en watershed zijn elk vier regels, en geen ervan weet wat een CRS is. De Shepherd-segmentatie van RSGISLib komt het dichtst bij de gepubliceerde eCognition-methode, wordt alleen vanaf conda-forge geïnstalleerd en de website reageerde op 23 augustus 2026 niet via https, dus gebruik de repository.

scikit-image segmentation examples · RSGISLib repository

Route 2: je wilt supervised classificatie

Je tekent trainingsgebieden, het hulpmiddel leert daarvan en het hele raster krijgt labels. Dit is de helft van eCognition die gratis software daadwerkelijk afdekt.

5. Semi-Automatic Classification Plugin

De plugin waar de meeste eCognition-gebruikers op uitkomen, en terecht.

• Installatie de plugin, en laat hem daarna de dependencies ophalen. Hij draait op Remotior Sensus en gebruikt scikit-learn en PyTorch.
• Draait op je eigen machine, CPU is voldoende, zonder account. Een optioneel hulpmiddel downloadt Landsat- en Sentinel-2-scènes. Dat is het enige moment waarop hij met een server communiceert.
• Invoer en uitvoer een multibandraster plus trainingsgebieden die je tekent. De uitvoer is een geclassificeerd raster, een nauwkeurigheidsrapport en, als je dat vraagt, een vector layer. Algoritmen: maximum likelihood, minimum distance, spectral angle mapping, random forest, support vector machine en een multi-layer perceptron.
• Kosten gratis, GPL v3.
• Loopt vast op objecten. De plugin classificeert pixels en geen segmenten, waardoor een dak gespikkeld terugkomt en je het resultaat daarna moet opschonen.

Handleiding · Pluginvermelding

6. dzetsaka

Kleiner, sneller te leren en in ongeveer een minuut train je er een model mee.

• Installatie de plugin. Wanneer je een algoritme kiest waarvan de bibliotheek ontbreekt, biedt de plugin aan die via pip te installeren en toont hij de voortgang in het QGIS-logboek. Je hoeft dus zelden een terminal te openen.
• Draait op je eigen machine, alleen CPU, zonder account.
• Invoer en uitvoer een raster plus een shapefile met interessegebieden. De uitvoer is een geclassificeerd raster en een opgeslagen modelbestand. Elf algoritmen, van een Gaussian mixture model waarvoor niets meer nodig is dan QGIS tot XGBoost en CatBoost.
• Kosten gratis, GPL v3.
• Loopt vast op tekstlabels. De ROI-kolom moet klassennummers bevatten, geen namen.

Repository · Pluginvermelding

7. GRASS i.maxlik en r.learn.ml2

Al geïnstalleerd, en het duo dat zich het best laat scripten.

• Installatie niets voor i.maxlik. r.learn.ml2 is een addon en heeft scikit-learn nodig.
• Draait op je eigen machine, alleen CPU, zonder account.
• Invoer en uitvoer een signature file van i.gensig voor het eerste hulpmiddel, een rasterstack plus labels voor het tweede. De uitvoer bestaat uit geclassificeerde rasters.
• Kosten gratis, GPL.
• Loopt vast op vindbaarheid. De parameternamen veronderstellen dat je het GRASS-datamodel al kent. Zodra je dat kent, passen ze rechtstreeks in een bash- of Python-pipeline. Geen enkel gratis hulpmiddel komt dichter bij een eCognition Server-batch.

i.maxlik · r.learn.ml2

8. Orfeo TrainImagesClassifier

Combineer dit met LargeScaleMeanShift en je hebt een echte objectgebaseerde keten: segmenteren, statistieken per object berekenen en classificeren.

• Installatie OTB, zoals hierboven.
• Draait op je eigen machine, alleen CPU, zonder account.
• Invoer en uitvoer beeld- en trainingsvectorparen als invoer. Een modelbestand als uitvoer, plus een confusion matrix als je daarom vraagt. Er wordt geen beeld en geen vector geschreven, dus ImageClassifier of VectorClassifier past het model daarna toe.
• Kosten gratis, Apache 2.0.
• Loopt vast op het eerste contact. De tool is gebouwd op LibSVM, OpenCV machine learning en Shark ML, elk met een eigen parameterblok. Lees de CookBook-pagina voordat je de tool uitvoert, niet erna.

TrainImagesClassifier

Route 3: je wilt het object eruit halen zonder een regelset te schrijven

Modelgebaseerde hulpmiddelen. Je levert afstemming en audit trail in, en krijgt vandaag een resultaat.

9. Deepness

Voert elk ONNX-model dat je aanlevert in tegels uit over een raster.

• Installatie de plugin. Bij de eerste start installeert die OpenCV en ONNX Runtime via pip.
• Draait op je eigen machine. CPU werkt, voor een GPU heb je je eigen CUDA-configuratie nodig. Geen account, er verlaat niets je machine.
• Invoer en uitvoer elke raster layer, inclusief een XYZ- of WMS-basemap, plus je ONNX-model. Een vector of raster layer als uitvoer.
• Kosten gratis, Apache 2.0.
• Loopt vast op imagery buiten het trainingsbereik van het model. Een model dat is getraind op imagery van 25 cm leest geen dronevlucht van 5 cm, en de plugin kan je daar niet voor waarschuwen.

Repository

10. Geo-SAM

Segment Anything in een QGIS-paneel, één prompt per keer.

• Installatie de plugin, in de plugin manager sinds versie 2.0. De plugin downloadt zijn eigen checkpoints vanuit QGIS.
• Draait op je eigen machine, snel genoeg op een laptop-CPU. Geen account, er verlaat niets je machine.
• Invoer en uitvoer een rasterbestand of een XYZ-, WMS- of WMTS-layer. Eén polygoon per klik of box, opgeslagen als een Shapefile.
• Kosten gratis, MIT.
• Loopt vast op gebiedsdekkend werk. De tool levert één object per keer. Sinds 2.0 zijn er twee modi, en in de vooraf gecodeerde modus kun je alleen een prompt geven binnen het extent dat je eerst hebt gecodeerd.

Repository · Pluginvermelding

11. samgeo

Dezelfde modellen als Python-package, voor volledige scènes.

• Installatie een Python-omgeving en daarna het package. Trek de eerste keer een middag uit.
• Draait op je eigen machine, GPU aanbevolen. Geen account, maar de weights zijn een echte download.
• Invoer en uitvoer een GeoTIFF of basemaptegels die de tool ophaalt. Maskerrasters plus GeoJSON, Shapefile of GeoPackage.
• Kosten gratis, MIT.
• Loopt vast op kantoorlaptops en CRS-mismatches, omdat de tool niets reprojiceert. Dit is een library, dus je schrijft de code zelf tenzij je de bijbehorende plugin toevoegt.

samgeo.gishub.org · Repository

12. GeoAI

Een paneel per taak, plus een trainer voor je eigen modellen.

• Installatie de plugin plus een PyTorch-stack eronder. Het project zegt dat de CUDA-dependencies de installatie lastig maken, en dat klopt.
• Draait op je eigen machine, in de praktijk met een NVIDIA-kaart. Geen account, er verlaat niets je machine.
• Invoer en uitvoer een raster layer. Polygonen en maskers, één paneel per taak.
• Kosten gratis, MIT.
• Loopt vast op de installatie, vaker dan op de imagery. Zodra het werkt, is dit de breedste toolbox hier: Segment Anything, boomkronen, watermaskers en Mask R-CNN.

Repository · Pluginvermelding

13. Mapflow

Teken een gebied, kies een klasse en krijg vectoren terug van hun servers.

• Installatie alleen de plugin.
• Draait op de servers van Geoalert. Geen GPU, een account is vereist en de imagery verlaat je machine bij elke job.
• Invoer en uitvoer een gebied dat je tekent. Vector layers per klasse.
• Kosten credits van $0.10 per stuk. Gebouwen kosten 10 credits per km², een zoom-18-basemap voegt er 3 toe, dus ongeveer $1.30 per km². De gratis tier bevat 250 credits, met een maximum van 25 km².
• Loopt vast op dichte bebouwing. Aaneengeschakelde huizen worden één polygoon, zichtbaar in hun eigen screenshots.

mapflow.ai

14. AI Segmentation, van ons

Teken een zone, typ het object in gewone woorden en krijg elke match als polygonen.

• Installatie alleen de plugin. Geen weights, geen CUDA, geen Python-omgeving.
• Draait op onze servers voor de twee cloudmodi en op je eigen machine voor het kleine lokale model in Semi-Auto. In beide gevallen geen GPU. Een gratis account is vereist.
• Invoer en uitvoer orthofoto's en basemaps. Een gestylede GeoPackage als uitvoer, één polygoon per object, met een label, een klasse, een confidence score en een oppervlakte.
• Kosten het gratis plan dekt 3 km² Automatic detection en 50 Semi-Auto object detections per maand, zonder kaart. Pro kost €39 per maand voor 300 km² en 2.000 object detections. Semi-Auto op je eigen machine heeft geen teller.
• Loopt vast op regels die elke upload verbieden. De twee cloudmodi sturen imagery naar een server, alleen het kleine lokale model blijft op de machine. We lezen imagery en niets anders, dus een gescand kadastraal blad levert niets op.

Productpagina · Registryvermelding

Probeer AI Segmentation gratis in QGIS, zonder kaart

Naast elkaar

Hoe je kiest

• Je oplevering is de methode, niet de kaart. Niets hier vervangt een .dcp. Houd een machine die je regelsets kan openen en bouw de methode opnieuw op als een gedocumenteerd Processing-model of Python-script voordat die machine het begeeft.
• Je hebt eerst gesegmenteerd en daarna per object geclassificeerd. Orfeo, beide helften: LargeScaleMeanShift voor de objecten, TrainImagesClassifier voor de labels. De enige gratis keten die objectstatistieken van begin tot eind meeneemt.
• Je hebt vooral trainingsgebieden getekend en op classify gedrukt. SCP voor een nauwkeurigheidsrapport, dzetsaka voor een model in één minuut.
• Je wilt vanmiddag gebouwen uit imagery halen. Deepness met een kant-en-klaar model, of Mapflow of die van ons als de imagery je machine mag verlaten.
• De imagery mag je machine nooit verlaten. Dat ene antwoord sluit Mapflow en onze twee cloudmodi uit, en laat alle andere hulpmiddelen hier over.

Begin vanavond met i.segment op één tegel. Het zit al in je Processing-toolbox, kost niets en twintig minuten met de drempel vertellen je hoeveel van je eCognition-werk uit de segmentatie bestond en hoeveel uit de regelset.

De acht AI-plugins voor QGIS vergeleken gaat dieper in op het modelgebaseerde deel. De QGIS AI-hub vermeldt de rest.