Czym jest GeoAI? Praktyczny przewodnik dla użytkowników QGIS

GeoAI to uczenie maszynowe stosowane do danych geograficznych: zdjęć satelitarnych i lotniczych, chmur punktów oraz warstw wektorowych. Model odczytuje piksele i zwraca obiekty, klasy lub zmiany jako dane, które możesz edytować w . Zajmuje się powolnym środkowym etapem pracy. Nie podejmuje decyzji za Ciebie.

Tworzymy jeden z pluginów QGIS w tej dziedzinie, więc czytaj ten artykuł, pamiętając, kto jest jego autorem.

Czym GeoAI nie jest

To nie chatbot, który zna Twój projekt. Nie przeczyta specyfikacji klienta, reguł atrybutów ani pomiarów wykonanych zeszłej wiosny. Nic w nim nie zastępuje danych referencyjnych.

Samo pojęcie jest również nieprecyzyjne. Klasyfikator random forest z 2005 roku i model segmentacji z zeszłego roku są sprzedawane jako GeoAI. Gdy dostawca używa tego terminu, zapytaj, co dokładnie ma na myśli, ponieważ koszty sprzętu i rodzaje błędów są różne.

Pięć rzeczy, które potrafi dziś

Wykrywanie obiektów na zdjęciach. To zdecydowanie najmocniejsze zastosowanie. Zaznaczasz obszar, wskazujesz, czego szukasz, i otrzymujesz poligony w układzie współrzędnych projektu. Budynki, korony drzew, samochody, baseny, instalacje solarne. Wyraźne krawędzie dają czyste obrysy. Granica pola zanikająca w zaroślach sprawia modelowi taki sam problem jak Tobie.

ZdjęcieWykryte obiekty

Przeciągnij, aby porównać

Klasyfikacja pokrycia terenu. Każdy piksel otrzymuje klasę: woda, zabudowa, odsłonięta gleba, las. Starsze metody nadal wygrywają, gdy masz dobre poligony treningowe i pasma wielospektralne, a do ich działania wystarczy dowolny laptop.

Wykrywanie zmian między dwiema datami. Dwa ortofotoplany tego samego miejsca, a model wskazuje, co się zmieniło. Działa w przypadku oczywistych zmian, takich jak nowy budynek lub oczyszczona działka. Sezonowa zmiana kolorów i inny kąt padania światła powodują fałszywe alarmy, więc zaplanuj weryfikację każdego wskazania.

Uzupełnianie i porządkowanie danych. Wyrównywanie narożników budynków, zamykanie otworów w masce dachu, upraszczanie obrysu śledzonego piksel po pikselu. To mało efektowna praca, ale właśnie ona oszczędza najwięcej godzin.

Wydawanie poleceń prostymi słowami. Wpisujesz solar panels zamiast wybierać model i kombinację pasm. Przydatne do wyszukiwania obiektów. Nie oczekuj jednak odpowiedzi na pytania dotyczące tabeli atrybutów.

Skąd pochodzą modele

Istnieją trzy rodziny modeli i każda zachowuje się inaczej.

Modele segmentacji, takie jak rodzina Segment Anything, uczą się, gdzie kończy się jedna rzecz, a zaczyna następna. Trenowano je na zwykłych fotografiach, więc nie wiedzą, czym jest budynek. Dobrze przenoszą się na zdjęcia, gdy granica jest wyraźna. Przewodnik po SAM pokazuje, które pluginy QGIS obsługują poszczególne wersje.

Modele image-to-image tworzą nowe piksele. Tak działają usuwanie chmur, zmiana pory roku i wizualizacje oczyszczonych terenów w AI Edit. Wynikiem jest georeferencyjny raster o tym samym zasięgu. To rysunek, więc nigdy nie powinien trafiać do warstwy dowodowej.

Klasyczne uczenie maszynowe oznacza random forest lub support vector machine odczytujący wartości pasm, piksel po pikselu. Ma dwadzieścia lat, jest tanie i nadal stanowi właściwy wybór dla wielospektralnego pokrycia terenu z własnymi poligonami treningowymi. SCP i dzetsaka robią to bezpłatnie wewnątrz QGIS.

Ile to naprawdę kosztuje

Sprzęt. Model lokalny potrzebuje karty graficznej. Segment Anything 3 nie ma ścieżki CPU, co wyklucza każdy komputer Mac i każdą maszynę ze zintegrowaną grafiką. Gdy model działa na serwerze, wystarczy biurowy laptop. Na taki kompromis się zdecydowaliśmy.

Zdjęcia. Rozdzielczość terenowa ma większe znaczenie niż sam model. Nasze strojenie zakłada około 0.05 m na piksel dla panelu solarnego, 0.09 dla samochodu i 0.18 dla budynku. Przy mniejszej szczegółowości obiekt staje się rozmazaną plamą, której żaden model nie odzyska.

Czas. Wykrywanie zajmuje minuty. Weryfikacja trwa dłużej, a każdy, kto pomija ją w szacunkach, nie dotrzyma terminu.

Pieniądze. Bezpłatne opcje QGIS kosztują tylko czas pracy GPU i popołudnie z Pythonem. Nasze rozwiązanie zapewnia 200 automatycznych detekcji miesięcznie bez własnej karty, a także nieograniczoną segmentację kliknięciem na własnym komputerze. Pro kosztuje €29 miesięcznie za AI Edit, €39 za AI Segmentation i €59 za oba produkty, wszystkie ceny bez VAT.

Wypróbuj bezpłatnie w QGIS, karta nie jest potrzebna

Cztery obietnice, które warto podważyć

Jedna liczba określająca dokładność. Dokładność zależy od zdjęć i od tego, co wykrywasz. Każdy, kto podaje jedną wartość dla wszystkich przypadków, podaje liczbę marketingową.

Dane treningowe, które nie obejmowały Twojego regionu. Najlepiej widać to na gotowych warstwach budynków. Ten sam kilometr kwadratowy Luandy nie zawiera nic w OpenStreetMap, 3,140 obrysów z Microsoft i 4,468 z Google Open Buildings.

„Działa lokalnie, Twoje dane nigdy nie opuszczają komputera”. To prawda w przypadku małego modelu działającego na Twoim komputerze. Każdy tryb chmurowy wysyła zdjęcia gdzieś na zewnątrz, również nasz, a uczciwe podejście wymaga powiedzenia, z którego trybu korzystasz.

Wynik gotowy do natychmiastowego użycia. Każdy przebieg zwraca więcej, niż prosisz: wywietrzniki, świetliki, cienie, szopy na dziedzińcach. To prawdziwe obiekty z poprawnymi obrysami, ale niekoniecznie obiekty, których szukałeś. Zaplanuj czas na czyszczenie danych.

Kiedy nie używałbym GeoAI

Przy mniej niż pięćdziesięciu obiektach digitalizuj ręcznie. Włącz przyciąganie i skończysz, zanim model pobierze wagi, a wynik będzie dokładnie zgodny ze specyfikacją. Unikałbym GeoAI również w sprawach prawnych: przy granicy katastralnej, strefie chronionej czy roszczeniu odszkodowawczym. Model daje propozycję, a propozycja nie jest pomiarem. Trzymam się zasady, że GeoAI należy do pierwszego etapu pracy, ale nigdy do ostatniego. Przewodnik po obrysach budynków pokazuje oba podejścia na tym samym obszarze.

Uruchomienie w QGIS w dziesięć minut

Porównaj wynik z tym, co zdigitalizowałbyś ręcznie. To jedyny test, który rozstrzyga sprawę.

Pytania

Czy GeoAI to to samo co teledetekcja? Nie. Teledetekcja to pomiar. GeoAI jest jednym ze sposobów jego interpretacji, obok indeksów, progów i własnych oczu.

Czy muszę pisać kod? W przypadku klasycznego podejścia trochę tak. W przypadku segmentacji w QGIS nie, ponieważ pluginy obsługują ten proces. Python nadal wygrywa, gdy uruchamiasz ten sam pipeline dla setek kafelków.

Czy potrzebuję GPU? Tylko w przypadku modeli działających na własnym komputerze. Narzędzia serwerowe go nie potrzebują. Centrum AI dla QGIS pokazuje wymagania każdej opcji.

Co otrzymuję na końcu? Poligony z etykietą, klasą, wynikiem pewności i powierzchnią w układzie współrzędnych projektu. AI Segmentation zapisuje je w stylizowanym GeoPackage. Weryfikacja nadal należy do Ciebie.

Sprawdź, co AI robi w QGIS, a czego nie robi