Alternatywy dla eCognition w QGIS: analiza obiektowa bez licencji

Na własnej stronie produktu Trimble umieszcza następujące zdanie: "Trimble eCognition is no longer actively sold. This page remains active for existing customers to access software downloads." Przeczytałem je 23 sierpnia 2026 roku. Pytanie się więc zmieniło. Nie chodzi już o to, czy warto odnowić licencję, lecz o to, które bezpłatne narzędzie pokrywa którą część pracy, a jedna z tych części nie ma bezpłatnego zamiennika.

Współzałożyłem TerraLab, dlatego AI Segmentation pod koniec tego zestawienia jest naszym rozwiązaniem. Te same kolumny i ten sam limit jednej linijki co wszędzie indziej.

Co naprawdę daje eCognition

eCognition to środowisko do obiektowej analizy obrazów, a nie przycisk wyszukujący budynki. Każdy etap sterujesz w nim ręcznie.

Najpierw jest segmentacja. Segmentacja wielorozdzielcza zaczyna od pojedynczych pikseli i łączy sąsiadów, dopóki działa próg jednorodności. Ustawiasz parametr skali określający rozmiar obiektów, dzielisz jednorodność między kolor i kształt, a następnie dzielisz kształt między gładkość i zwartość. Kształt nie może przekroczyć 0,9. Te cztery liczby są sednem pracy, a dla każdego sensora i krajobrazu dostrajasz je ponownie.

Następnie tworzysz własną hierarchię klas: klasy, cechy dziedziczone, funkcje przynależności oparte na średnich spektralnych, teksturze, powierzchni, sąsiadach oraz relacjach z obiektami nadrzędnymi i podrzędnymi. Potem uruchamiasz analizę, oglądasz wynik, zmieniasz liczby i uruchamiasz ją ponownie.

Najważniejszym wynikiem jest zestaw reguł zapisany jako plik .dcp albo spakowany jako rozwiązanie .dax, a nie poligony. Ten plik jest metodą. Przekazujesz go współpracownikowi, uruchamiasz na tysiącu kafli w eCognition Server, za każdym razem otrzymujesz tę samą klasyfikację i możesz pokazać audytorowi, dlaczego dany poligon został uznany za budynek.

Dziś nic bezpłatnego tego nie zastępuje. Każde z poniższych narzędzi daje jeden etap. Żadne nie zapewnia przenośnego, wersjonowanego pliku reguł, który współpracownik może uruchomić bez zmian i obronić podczas przeglądu. Jeśli dostarczasz metodę, a nie mapę, zachowaj komputer, który nadal otwiera pliki .dcp.

Dokumentacja Trimble dotycząca zestawu reguł oraz segmentacji wielorozdzielczej nadal jest dostępna online i można ją bezpłatnie czytać.

Ścieżka 1: potrzebujesz tylko etapu segmentacji

Te narzędzia dzielą obraz na obiekty. Nie klasyfikują ich.

1. Orfeo ToolBox

Najbliższa bezpłatna alternatywa dla etapu segmentacji eCognition i jedyna przygotowana do pracy z dużymi scenami.

• Instalacja OTB, a następnie pluginu OrfeoToolbox Provider, który opuścił QGIS core w wersji 3.36. CookBook opisuje konfigurację. Działa również command line.
• Działa na Twoim komputerze, wyłącznie na CPU, bez konta.
• Wejście i wyjście Dowolny raster. LargeScaleMeanShift łączy wygładzanie, segmentację, scalanie małych regionów i wektoryzację, a następnie zapisuje plik wektorowy, którego poligony zawierają już średnią i odchylenie standardowe dla każdego pasma. Ta tabela zasila później klasyfikator.
• Koszt bezpłatne, Apache 2.0.
• Zawodzi przy ustawieniach domyślnych: promień przestrzenny 5, promień zakresu 15, minimalny rozmiar 50 pikseli, kafle 500 na 500. Zanim rozmiar obiektów będzie właściwy, spodziewaj się kilku uruchomień.

orfeo-toolbox.org · LargeScaleMeanShift

2. GRASS i.segment

Już znajduje się w , ponieważ GRASS jest dostarczany razem z nim.

• Instalacja niczego. Provider GRASS jest dostępny w Processing od razu.
• Działa na Twoim komputerze, wyłącznie na CPU, bez konta.
• Wejście i wyjście grupa obrazów. Wynikiem jest raster segmentów, który i.segment.stats przekształca w statystyki dla poszczególnych obiektów, gotowe do klasyfikacji.
• Koszt bezpłatne, GPL.
• Zawodzi przy braku cierpliwości. Dostępne są dwie metody: rozrost regionów i mean shift. Próg rozrostu regionów nie ma znaczenia fizycznego, więc znajdujesz go metodą bisekcji. Dodatek i.segment.uspo automatyzuje to wyszukiwanie i działa godzinami.

i.segment manual · i.segment.stats · i.segment.uspo

3. SAGA

Najszybszy sposób, aby zobaczyć segmentację bez czytania instrukcji.

• Instalacja pluginu Processing Saga NextGen Provider oraz samego SAGA. SAGA opuściło zestaw Processing w QGIS core.
• Działa na Twoim komputerze, wyłącznie na CPU, bez konta.
• Wejście i wyjście rastry wejściowe, raster segmentów i opcjonalne poligony wyjściowe.
• Koszt bezpłatne. GPL, z API na licencji LGPL.
• Zawodzi przy wszystkim, co musi się skalować lub być powtarzane. Biblioteka Imagery, Segmentation zawiera Seeded Region Growing, Superpixel Segmentation, Watershed Segmentation i trzy narzędzia pomocnicze, więc szybko można ją wypróbować. Nie ma systemu cech obiektów, dlatego etap statystyk musisz zbudować samodzielnie.

saga-gis.sourceforge.io

4. scikit-image i RSGISLib

Dla osób, które wolą napisać segmentację niż ją klikać.

• Instalacja środowiska Python. scikit-image instaluje się przez pip lub conda, RSGISLib przez conda i wymaga więcej zależności.
• Działa na Twoim komputerze, wyłącznie na CPU, bez konta.
• Wejście i wyjście tablice wejściowe, tablice etykiet wyjściowych. Georeferencję obsługujesz samodzielnie przez rasterio lub GDAL.
• Koszt bezpłatne. scikit-image jest na licencji BSD-3-Clause, RSGISLib na GPL v3.
• Zawodzi przy całej otoczce. Felzenszwalb, quickshift, SLIC i watershed zajmują po cztery linijki, a żaden z nich nie wie, czym jest CRS. Segmentacja Shepherd w RSGISLib jest najbliższym opublikowanym odpowiednikiem eCognition, instaluje się wyłącznie z conda-forge, a 23 sierpnia 2026 roku jego strona nie odpowiadała przez https, więc korzystaj z repozytorium.

scikit-image segmentation examples · RSGISLib repository

Ścieżka 2: potrzebujesz klasyfikacji nadzorowanej

Rysujesz obszary treningowe, narzędzie uczy się na ich podstawie, a cały raster otrzymuje etykiety. To ta część eCognition, którą bezpłatne oprogramowanie rzeczywiście pokrywa.

5. Semi-Automatic Classification Plugin

To rozwiązanie wybiera większość osób odchodzących od eCognition, i słusznie.

• Instalacja pluginu, a następnie pobranie przez niego zależności. Działa na Remotior Sensus i korzysta ze scikit-learn oraz PyTorch.
• Działa na Twoim komputerze, CPU wystarczy, bez konta. Opcjonalne narzędzie pobiera sceny Landsat i Sentinel-2. To jedyny moment, gdy komunikuje się z serwerem.
• Wejście i wyjście raster wielopasmowy oraz narysowane przez Ciebie obszary treningowe. Wynikiem jest sklasyfikowany raster, raport dokładności i warstwa wektorowa, jeśli jej zażądasz. Algorytmy: maximum likelihood, minimum distance, spectral angle mapping, random forest, support vector machine i multi-layer perceptron.
• Koszt bezpłatne, GPL v3.
• Zawodzi przy obiektach. Klasyfikuje piksele, a nie segmenty, więc dach wraca jako mozaika plamek i później trzeba go oczyścić.

Manual · Plugin listing

6. dzetsaka

Mniejsze, szybsze do opanowania i potrafi wytrenować model w około minutę.

• Instalacja pluginu. Gdy wybierzesz algorytm, którego biblioteki brakuje, plugin proponuje instalację przez pip i wyświetla postęp w logu QGIS, więc rzadko trzeba otwierać terminal.
• Działa na Twoim komputerze, wyłącznie na CPU, bez konta.
• Wejście i wyjście raster oraz shapefile z obszarami zainteresowania. Sklasyfikowany raster i zapisany plik modelu. Jedenaście algorytmów, od Gaussian mixture model, który nie potrzebuje niczego poza QGIS, po XGBoost i CatBoost.
• Koszt bezpłatne, GPL v3.
• Zawodzi przy etykietach tekstowych. Kolumna ROI musi zawierać numery klas, a nie nazwy.

Repository · Plugin listing

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

Już zainstalowane i najlepiej nadające się do skryptów.

• Instalacja niczego dla i.maxlik. r.learn.ml2 jest dodatkiem i wymaga scikit-learn.
• Działa na Twoim komputerze, wyłącznie na CPU, bez konta.
• Wejście i wyjście plik sygnatur z i.gensig dla pierwszego narzędzia, stos rastrów wraz z etykietami dla drugiego. Wynikiem są sklasyfikowane rastry.
• Koszt bezpłatne, GPL.
• Zawodzi przy rozpoznawalności. Nazwy parametrów zakładają, że znasz już model danych GRASS. Gdy go poznasz, narzędzia można bezpośrednio włączyć do potoku bash lub Python, co jest najbliższym odpowiednikiem wsadowego eCognition Server dostępnym bezpłatnie.

i.maxlik · r.learn.ml2

8. Orfeo TrainImagesClassifier

Połącz je z LargeScaleMeanShift, a otrzymasz prawdziwy łańcuch obiektowy: segmentacja, statystyki dla obiektów, klasyfikacja.

• Instalacja OTB, jak wyżej.
• Działa na Twoim komputerze, wyłącznie na CPU, bez konta.
• Wejście i wyjście pary obrazu i wektora treningowego na wejściu. Plik modelu na wyjściu oraz macierz pomyłek, jeśli jej zażądasz. Narzędzie nie zapisuje obrazu ani wektora, dlatego później ImageClassifier lub VectorClassifier stosuje model.
• Koszt bezpłatne, Apache 2.0.
• Zawodzi przy pierwszym kontakcie. Jest zbudowane na LibSVM, OpenCV machine learning i Shark ML, a każde z nich ma własny blok parametrów. Przeczytaj stronę CookBook przed uruchomieniem, nie po nim.

TrainImagesClassifier

Ścieżka 3: potrzebujesz obiektu bez pisania zestawu reguł

Narzędzia oparte na modelach. Rezygnujesz z dostrajania i ścieżki audytowej, ale otrzymujesz wynik jeszcze dziś.

9. Deepness

Uruchamia dowolny dostarczony przez Ciebie model ONNX na rastrze, kafel po kaflu.

• Instalacja pluginu, który przy pierwszym uruchomieniu instaluje przez pip OpenCV i ONNX Runtime.
• Działa na Twoim komputerze. CPU działa, a GPU wymaga własnej konfiguracji CUDA. Bez konta, nic nie opuszcza komputera.
• Wejście i wyjście dowolna warstwa rasterowa, w tym podkład XYZ lub WMS, oraz Twój model ONNX. Na wyjściu warstwa wektorowa lub rasterowa.
• Koszt bezpłatne, Apache 2.0.
• Zawodzi przy obrazach spoza zakresu treningowego modelu. Model wytrenowany na obrazach o rozdzielczości 25 cm nie odczyta nalotu dronem w rozdzielczości 5 cm, a plugin nie potrafi Cię przed tym ostrzec.

Repository

10. Geo-SAM

Segment Anything w panelu QGIS, po jednym prompt na raz.

• Instalacja pluginu, dostępnego w menedżerze pluginów od wersji 2.0. Własne checkpointy pobiera z poziomu QGIS.
• Działa na Twoim komputerze, wystarczająco szybko na CPU laptopa. Bez konta, nic nie opuszcza komputera.
• Wejście i wyjście plik rasterowy albo warstwa XYZ, WMS lub WMTS. Jeden poligon na kliknięcie lub prostokąt, zapisany do Shapefile.
• Koszt bezpłatne, MIT.
• Zawodzi przy pracy na dużym obszarze. Zwraca jeden obiekt naraz. Od wersji 2.0 dostępne są dwa tryby, a w trybie z wstępnym kodowaniem możesz tworzyć prompt wyłącznie wewnątrz zakresu zakodowanego wcześniej.

Repository · Plugin listing

11. samgeo

Te same modele jako pakiet Python, do całych scen.

• Instalacja środowiska Python, a następnie pakietu. Przy pierwszej instalacji zarezerwuj sobie popołudnie.
• Działa na Twoim komputerze, zalecany GPU. Bez konta, ale wagi modelu to spory download.
• Wejście i wyjście GeoTIFF albo kafle podkładu, które narzędzie pobiera. Rastrowe maski oraz GeoJSON, Shapefile lub GeoPackage.
• Koszt bezpłatne, MIT.
• Zawodzi przy laptopach biurowych i niezgodności CRS, ponieważ nie wykonuje reprojekcji. To biblioteka, więc kod piszesz samodzielnie, chyba że dodasz jej companion plugin.

samgeo.gishub.org · Repository

12. GeoAI

Osobny panel dla każdego zadania oraz trener własnych modeli.

• Instalacja pluginu wraz ze stosem PyTorch. Projekt przyznaje, że zależności CUDA utrudniają instalację, i ma rację.
• Działa na Twoim komputerze, w praktyce z kartą NVIDIA. Bez konta, nic nie opuszcza komputera.
• Wejście i wyjście warstwa rasterowa. Poligony i maski, osobny panel dla każdego zadania.
• Koszt bezpłatne, MIT.
• Zawodzi przy instalacji częściej niż przy samych obrazach. Gdy już działa, oferuje tutaj najszerszy zestaw narzędzi: Segment Anything, korony drzew, maski wody, Mask R-CNN.

Repository · Plugin listing

13. Mapflow

Rysujesz obszar, wybierasz klasę i otrzymujesz wektory z ich serwerów.

• Instalacja tylko pluginu.
• Działa na serwerach Geoalert. Nie potrzebujesz GPU, wymagane jest konto, a obrazy opuszczają Twój komputer przy każdym zadaniu.
• Wejście i wyjście narysowany przez Ciebie obszar. Warstwy wektorowe według klas.
• Koszt kredyty po $0.10 za sztukę. Budynki kosztują 10 kredytów za km², a podkład w zoom 18 dodaje 3, czyli około $1.30 za km². Darmowy poziom obejmuje 250 kredytów i jest ograniczony do 25 km².
• Zawodzi przy gęstej zabudowie. Domy szeregowe łączą się w jeden poligon, co widać na ich własnych zrzutach ekranu.

mapflow.ai

14. AI Segmentation, nasze rozwiązanie

Rysujesz strefę, wpisujesz nazwę obiektu zwykłymi słowami i otrzymujesz każde dopasowanie jako poligon.

• Instalacja tylko pluginu. Bez wag, CUDA i środowiska Python.
• Działa na naszych serwerach w dwóch trybach cloud oraz na Twoim komputerze dla małego modelu lokalnego w Semi-Auto. W obu przypadkach bez GPU. Wymagane jest bezpłatne konto.
• Wejście i wyjście ortofotomapy i podkłady. Na wyjściu stylizowany GeoPackage, jeden poligon na obiekt, z etykietą, klasą, wynikiem pewności i powierzchnią.
• Koszt plan bezpłatny obejmuje 3 km² detekcji Automatic oraz 50 detekcji obiektów Semi-Auto miesięcznie, bez karty. Pro kosztuje €39 miesięcznie za 300 km² i 2,000 detekcji obiektów. Semi-Auto na własnym komputerze nie ma licznika.
• Zawodzi przy zasadach zabraniających jakiegokolwiek uploadu. Dwa tryby cloud wysyłają obrazy na serwer, a na komputerze pozostaje wyłącznie mały model lokalny. Odczytujemy obrazy i nic więcej, dlatego zeskanowany arkusz katastralny nie da żadnego wyniku.

Strona produktu · Registry entry

Wypróbuj AI Segmentation bezpłatnie w QGIS, karta nie jest potrzebna

Zestawienie

Jak wybrać

• Dostarczasz metodę, a nie mapę. Nic tutaj nie zastępuje .dcp. Zachowaj komputer, który otwiera Twoje zestawy reguł, a metodę odtwórz jako udokumentowany model Processing lub skrypt Python, zanim ten komputer przestanie działać.
• Najpierw segmentujesz, potem klasyfikujesz obiekty. Orfeo, obie połowy: LargeScaleMeanShift dla obiektów, TrainImagesClassifier dla etykiet. To jedyny bezpłatny łańcuch, który przenosi statystyki obiektów przez cały proces.
• Głównie rysujesz obszary treningowe i klikasz klasyfikację. SCP dla raportu dokładności, dzetsaka dla modelu gotowego w minutę.
• Chcesz dziś po południu wydobyć budynki z obrazów. Deepness z gotowym modelem albo Mapflow lub nasze rozwiązanie, jeśli obrazy mogą opuścić komputer.
• Obrazy nie mogą opuścić komputera. Ta jedna odpowiedź wyklucza Mapflow i nasze dwa tryby cloud, a pozostawia wszystkie pozostałe narzędzia.

Zacznij dziś wieczorem od i.segment na jednym kaflu. Jest już w Twoim przyborniku Processing, nic nie kosztuje, a dwadzieścia minut pracy z progiem pokaże Ci, jak duża część pracy w eCognition była segmentacją, a jak duża zestawem reguł.

Porównanie ośmiu pluginów AI dokładniej omawia część opartą na modelach. Centrum QGIS AI zawiera pozostałe narzędzia.