GeoAI in QGIS: praktische gids voor geodata en AI
GeoAI is machine learning toegepast op geografische data: satelliet- en luchtbeelden, point clouds en vectorlagen. Een model leest de pixels en levert objecten, klassen of veranderingen terug als data die je kunt bewerken in 
. Het neemt het trage middendeel van een opdracht voor zijn rekening. Het neemt geen beslissingen voor je.
Wij bouwen een van de QGIS plugins in dit domein. Lees dit dus met in gedachten wie dit artikel heeft geschreven.
Wat GeoAI niet is
Het is geen chatbot die je project kent. Het leest de specificaties van je klant, je attribuutregels of de metingen die je afgelopen voorjaar hebt uitgevoerd niet. Niets ervan vervangt ground truth.
De term is ook vaag. Een random forest-classifier uit 2005 en een segmentation model van vorig jaar worden allebei als GeoAI verkocht. Vraag bij het gebruik van die term welk type de leverancier bedoelt, want de hardwarekosten en foutpatronen verschillen.
De vijf dingen die het vandaag doet
Objecten uit beelden halen. Dit is met afstand de sterkste toepassing. Je bakent een gebied af, benoemt wat je zoekt en krijgt polygonen in de CRS van je project. Gebouwen, boomkronen, auto's, zwembaden, zonnepanelen. Scherpe randen leveren duidelijke contouren op. Een perceelgrens die vervaagt in struikgewas levert het model hetzelfde probleem op als jou.
Landbedekking classificeren. Elke pixel krijgt een klasse: water, bebouwd gebied, kale grond, bos. Oudere methoden winnen hier nog steeds wanneer je goede trainingspolygonen en multispectrale banden hebt, en ze draaien op elke laptop.
Veranderingen tussen twee datums opsporen. Twee orthofoto's van dezelfde locatie, waarna het model markeert wat is veranderd. Dit werkt voor duidelijke veranderingen, zoals een nieuw gebouw of een vrijgemaakt terrein. Seizoensgebonden kleurverschillen en een andere zonnestand veroorzaken valse meldingen, dus plan tijd in om elke melding te controleren.
Data aanvullen en opschonen. Hoeken van gebouwen haaks maken, gaten in een dakmasker sluiten, een contour vereenvoudigen die pixel voor pixel is getekend. Niet glamoureus, maar dit bespaart de meeste uren.
Vragen in gewone woorden stellen. solar panels typen in plaats van een model en een bandencombinatie te kiezen. Handig om dingen te vinden. Verwacht niet dat het vragen over je attribuuttabel beantwoordt.
Waar de modellen vandaan komen
Er zijn drie families, en ze gedragen zich verschillend.
Segmentation models zoals de Segment Anything-familie leren waar het ene object ophoudt en het volgende begint. Ze zijn getraind op gewone foto's en hebben dus geen idee wat een gebouw is. Ze werken goed op beelden wanneer de grens scherp is. De SAM-gids legt uit welke QGIS plugins welke versie gebruiken.
Image-to-image models maken nieuwe pixels. Zo werken het verwijderen van wolken, het veranderen van seizoenen en beelden van vrijgemaakte terreinen in AI Edit. De uitvoer is een gegeorefereerde rasterlaag met dezelfde omvang, en het is een tekening. Daarom hoort deze nooit in een evidencelaag.
Klassieke machine learning betekent dat een random forest of een support vector machine bandwaarden leest, pixel voor pixel. Twintig jaar oud, goedkoop en nog steeds de juiste keuze voor multispectrale landbedekking met je eigen trainingspolygonen. SCP en dzetsaka doen dit gratis binnen QGIS.
Wat het echt kost
Hardware. Een lokaal model heeft een grafische kaart nodig. Segment Anything 3 heeft helemaal geen CPU-pad, waardoor elke Mac en elke machine met geïntegreerde graphics afvalt. Wanneer het model op een server draait, is een laptop voor kantoor voldoende. Dat is de afweging die wij hebben gemaakt.
Beelden. De grondresolutie bepaalt meer dan het model. Onze eigen afstelling mikt op ongeveer 0.05 m per pixel voor een zonnepaneel, 0.09 voor een auto en 0.18 voor een gebouw. Grover dan dat wordt het object een vlek die geen enkel model kan herstellen.
Tijd. Detectie duurt minuten. De controle duurt langer, en wie die tijd niet meeneemt in de planning, mist de deadline.
Geld. De gratis QGIS-opties kosten niets behalve je GPU en een middag Python. Met onze optie krijg je 200 automatische detecties per maand zonder betaalkaart, plus onbeperkt click-to-segment op je eigen machine. Pro kost €29 per maand voor AI Edit, €39 voor AI Segmentation en €59 voor beide, alle bedragen exclusief btw.
Probeer het gratis in QGIS, zonder betaalkaart
Vier claims die je kritisch moet bekijken
Eén nauwkeurigheidscijfer. Nauwkeurigheid verandert met je beelden en met wat je extraheert. Wie voor alles één cijfer noemt, noemt een marketingcijfer.
Trainingsdata die jouw regio nooit heeft gezien. Kant-en-klare gebouwlagen zijn het duidelijkste voorbeeld. In hetzelfde vierkante kilometergebied van Luanda staan geen gegevens in OpenStreetMap, 3,140 footprints van Microsoft en 4,468 van Google Open Buildings.
"Draait lokaal, je data verlaat je computer nooit." Dat klopt voor een klein model op je eigen machine. Elke cloudmodus verstuurt beelden ergens naartoe, ook die van ons. Het eerlijke antwoord is dus om te zeggen welke modus je gebruikt.
Uitvoer die je meteen kunt opleveren. Elke verwerking levert meer op dan je hebt gevraagd: ventilatieopeningen, dakramen, schaduwen en schuurtjes op binnenplaatsen. Echte objecten met correcte contouren, maar niet het object dat je wilde. Reserveer tijd voor de opschoning.
Waar ik het niet zou gebruiken
Bij minder dan vijftig objecten zou ik ze met de hand digitaliseren. Zet snapping aan en je bent klaar voordat een model zijn gewichten heeft gedownload. Het resultaat voldoet bovendien precies aan je specificatie. Ik zou GeoAI ook weghouden van alles wat juridisch is: een kadastrale grens, een beschermd gebied of een schadeclaim. Een model geeft je een kandidaat, en een kandidaat is geen landmeting. Mijn grens is dat GeoAI thuishoort in de eerste verwerking en nooit in de laatste. De gids over gebouwcontouren laat beide routes zien in dezelfde wijk.
In tien minuten draaien in QGIS
Open de pluginbeheerder
Plugins -> Manage and Install Plugins. QGIS 3.22 of later.
Installeer AI Segmentation
Er wordt niets anders gedownload en je hoeft geen Python-omgeving te bouwen.
Meld je aan vanuit het paneel
Een e-mailadres en één klik. Het gratis tegoed wordt maandelijks vernieuwd en vraagt niet om een betaalkaart.
Teken een zone op beelden die al geopend zijn
Elke zichtbare rasterlaag werkt: een GeoTIFF, een drone-orthofoto of een XYZ-basemap. Gratis accounts kunnen tot 15 km² tekenen.
Typ het object en controleer de resultaten
building, tree, car. Filter op confidence en grootte, corrigeer wat niet klopt en exporteer een GeoPackage.
Vergelijk de uitvoer met wat je met de hand zou hebben gedigitaliseerd. Dat is de enige test die de vraag beslist.
Vragen
Is GeoAI hetzelfde als remote sensing? Nee. Remote sensing is de meting. GeoAI is één manier om die meting te interpreteren, naast indices, drempelwaarden en je eigen ogen.
Moet ik code kunnen schrijven? Voor de klassieke route: soms. Voor segmentation in QGIS: nee, de plugins regelen dat. Python blijft de beste keuze wanneer je dezelfde pipeline over honderden tegels uitvoert.
Heb ik een GPU nodig? Alleen voor modellen die op je eigen machine draaien. Tools aan de serverkant hebben geen GPU nodig. De QGIS AI-hub vermeldt wat elke optie vereist.
Wat komt er uiteindelijk uit? Polygonen met een label, een klasse, een confidence score en een oppervlakte, in de CRS van je project. AI Segmentation schrijft ze naar een gestileerde GeoPackage. Jij blijft verantwoordelijk voor de controle.
