Pular para o conteúdo
QGIS
GeoAI
Comparação

5 melhores alternativas ao eCognition em 2026

Publicado em Atualizado em

5 melhores alternativas ao eCognition em 2026

A própria página do produto da Trimble diz que o eCognition “não é mais vendido ativamente”. Se você precisa extrair objetos de imagens nesta semana, o AI Segmentation, que nós desenvolvemos, funciona assim: desenhe uma área, digite o objeto em palavras simples e receba polígonos de volta. Se preferir a opção gratuita, o Orfeo ToolBox oferece toda a cadeia de segmentação e classificação.

Nas próprias páginas do eCognition, a licença não tem preço publicado, e um conjunto de regras salvo na versão de teste não pode ser aberto em uma cópia licenciada. As ferramentas abaixo partem de entradas diferentes e rodam em lugares diferentes.

Comparação rápida

FerramentaMelhor paraPreçoExecuta emPlano gratuito
AI Segmentation (nosso)Objetos hoje, sem conjunto de treinamento€ 39 por mês para 100 km²Nossos servidores na Europa, além de um modo localSim, 1,5 km² por mês, sem cartão
Orfeo ToolBoxSegmentar e depois classificar, com estatísticas de objetosGratuito, Apache 2.0Sua máquinaGratuito completo
SCPÁreas de treinamento, raster classificado, relatório de precisãoGratuito, GPL v3Sua máquinaGratuito completo
DeepnessRegras rígidas de não envio, com um modelo fornecido por vocêGratuito, Apache 2.0Sua máquinaGratuito completo
eCognitionUm método portátil e auditávelSomente orçamento, sem preço de tabela publicadoSua máquina, sob licençaApenas teste, salvar e exportar restritos

1. AI Segmentation

O AI Segmentation é nosso, então avalie esta entrada levando isso em conta. É um plugin QGIS onde você desenha uma área, digita o objeto que deseja em palavras simples e recebe todas as correspondências de volta como um GeoPackage estilizado. Você obtém um polígono por objeto, sem conjunto de treinamento e sem precisar ajustar nada por sensor antes da primeira execução.

Uma rua suburbana vista de cima em um mapa de satélite do Google no QGIS, com telhados de casas contornados em vermelho e preenchidos semitransparentemente, cada telhado sendo seu próprio polígono editável, e polígonos de execuções anteriores em azul, roxo, verde e laranja ao longo da borda esquerda
Uma execução automática sobre um vilarejo. Cada telhado é um polígono editável separado, com rótulo, classe, pontuação de confiança e área. Os polígonos coloridos à esquerda são execuções anteriores na mesma camada.

Melhor para: o profissional de geomática que usava o eCognition para extrair edificações, piscinas, painéis solares ou copas de árvores de uma ortofoto, e cujo cliente quer a camada, não o método por trás dela.

Não é para: trabalhos sob uma regra que proíba qualquer envio, a menos que você permaneça dentro do modelo Semi-Auto local.

Preço: gratuito para 1,5 km² de detecção no modo Automático e 20 detecções de objetos Semi-Auto por mês, sem cartão. O Pro custa € 39 por mês para 100 km² e 500 detecções de objetos. O pequeno modelo local no Semi-Auto não tem contador.

Executa em: nossos servidores na Europa para os dois modos em nuvem, e sua própria máquina para o modelo Semi-Auto local. Não é necessária placa gráfica em nenhum dos casos.

Instalação: o plugin pelo repositório do QGIS e depois uma conta gratuita. Não há pesos para baixar nem ambiente Python para montar.

Onde se destaca

  • De uma licença perdida a uma camada funcionando em minutos. Instale, entre, desenhe uma área e digite building.
  • Cada polígono volta editável e já contém rótulo, classe, pontuação de confiança e área.
  • Nada para calibrar por sensor, então a primeira execução em uma nova ortofoto exige o mesmo trabalho que a centésima.

Onde fica aquém

  • Os dois modos em nuvem enviam imagens para um servidor. Se nada puder sair da máquina, use o modelo Semi-Auto local ou o Deepness abaixo.

Página do produto · Entrada no repositório do QGIS

Experimente o AI Segmentation gratuitamente no QGIS, sem cartão

2. Orfeo ToolBox

Uma biblioteca de sensoriamento remoto com um provedor de processamento do QGIS. LargeScaleMeanShift divide uma cena em objetos, TrainImagesClassifier os rotula, e a dupla é a opção gratuita mais próxima do que você fazia no eCognition.

Melhor para: o usuário do eCognition que ajustava escala, forma e compactação manualmente e quer a mesma cadeia de segmentação e classificação sem uma licença.

Feito para: uma cadeia de segmentação e classificação ajustada e repetível. Os parâmetros são definidos por sensor.

Preço: gratuito, Apache 2.0.

Executa em: sua máquina, somente CPU, sem conta. A linha de comando também funciona.

Instalação: o próprio OTB e depois o plugin OrfeoToolbox Provider, que deixou o núcleo do QGIS na versão 3.36.

Onde se destaca

  • LargeScaleMeanShift encadeia suavização, segmentação, fusão de regiões pequenas e vetorização em uma única passagem.
  • O arquivo vetorial que ele grava já contém a média e o desvio padrão por banda para cada polígono, e é dessa tabela de atributos que TrainImagesClassifier aprende.

Limites

  • Os padrões são raio espacial 5, raio de alcance 15, tamanho mínimo de 50 pixels e blocos de 500 por 500. O tamanho dos objetos é definido por esses parâmetros.

CookBook · LargeScaleMeanShift · TrainImagesClassifier

3. Semi-Automatic Classification Plugin

Um ambiente de trabalho do QGIS onde você desenha áreas de treinamento sobre um raster multibanda, escolhe um algoritmo e obtém um raster classificado mais um relatório de precisão. Ele está no repositório do QGIS desde 2013.

Melhor para: a pessoa cujo trabalho no eCognition era sobre cobertura do solo, tipo de cultura ou cicatrizes de queimadas, e que precisa defender o resultado com números, não com um arquivo de regras.

Não é para: objetos com bordas nítidas. Ele classifica pixels, não segmentos.

Preço: gratuito, GPL v3.

Executa em: sua máquina, CPU é suficiente, sem conta. Uma ferramenta opcional baixa cenas Landsat e Sentinel-2, e esse é o único momento em que ela fala com um servidor.

Instalação: o plugin pelo repositório do QGIS e depois suas dependências. Ele usa o Remotior Sensus por baixo e busca scikit-learn e PyTorch no primeiro uso.

Onde se destaca

  • Seis algoritmos vêm incluídos: máxima verossimilhança, distância mínima, mapeamento por ângulo espectral, random forest, máquina de vetores de suporte e perceptron multicamadas.
  • O relatório de precisão sai da mesma execução, então o resultado e sua defesa chegam juntos.
  • Download de imagens, conjuntos de bandas, áreas de treinamento e classificação ficam todos no mesmo painel.

Limites

  • Ele classifica pixels, não segmentos.

Manual · Página do plugin

4. Deepness

Um plugin do QGIS que executa qualquer modelo ONNX fornecido por você sobre um raster, bloco a bloco, e grava uma camada vetorial ou raster. É a única opção aqui em que absolutamente nada sai do seu disco.

Um resultado de cobertura do solo sobre uma cidade costeira produzido pelo Deepness, com edificações em vermelho, vegetação em verde e água em azul
Um modelo de cobertura do solo executado pelo Deepness. Você fornece o arquivo ONNX e ele faz o processamento em blocos. Captura de tela da documentação do Deepness.

Melhor para: o profissional de geomática sob uma regra que proíba qualquer envio, que consiga encontrar ou treinar um modelo compatível com sua própria resolução espacial.

Feito para: quem traz o próprio modelo ONNX.

Preço: gratuito, Apache 2.0. Revisado por pares na SoftwareX, DOI 10.1016/j.softx.2023.101495, caso você precise citá-lo.

Executa em: sua máquina, e somente sua máquina. Sem conta, sem chave de API, e todas as URLs na fonte ficam dentro de um comentário.

Instalação: o plugin e depois OpenCV e ONNX Runtime. Uma placa gráfica exige sua própria configuração CUDA.

Onde se destaca

  • Nenhuma chamada de rede durante a execução, que é exatamente o motivo para escolhê-lo.
  • A CPU funciona, e uma placa torna tudo rápido: em uma máquina medida, um bloco de 5.000 por 5.000 pixels a 20 cm levou 80 minutos na CPU e 61 segundos na GPU.
  • Qualquer arquivo ONNX funciona, então um modelo que você mesmo treinou entra diretamente.

Limites

  • Em 23 de agosto de 2026, a versão distribuída é a 0.6.5, de 10 de dezembro de 2024. Issues abertas no rastreador deles no GitHub relatam falhas de instalação no macOS (#209) e no QGIS 3.44 com NumPy 2 (#235).
  • A coleção de modelos (model zoo) é uma página de documentação, e você baixa o arquivo que escolher. Cada modelo é treinado para uma determinada resolução espacial, então combine-a com a das suas imagens.

Repositório · Documentação

5. eCognition

O ambiente baseado em objetos que você já conhece. Primeiro a segmentação multirresolução, depois uma hierarquia de classes que você escreve sobre médias espectrais, textura, área, vizinhos e relações pai-filho.

O cabeçalho da página do produto Trimble eCognition, texto branco sobre azul Trimble, com uma frase em itálico dizendo que o software não é mais vendido ativamente e que a página permanece disponível para que clientes existentes possam baixá-lo
A própria página do produto da Trimble, consultada em 3 de setembro de 2026. A linha de status fica abaixo do texto do produto, logo acima do botão de download.

Melhor para: a pessoa cujo resultado é o método. O conjunto de regras é salvo como um arquivo .dcp ou empacotado como uma solução .dax, executa sem alterações sobre mil blocos e mostra ao auditor por que um polígono foi chamado de edificação. Nada acima substitui isso.

Status: a página do produto da Trimble diz que ele não é mais vendido ativamente.

Preço: não havia preço de tabela publicado nas páginas que consultei em 23 de agosto de 2026. Uma versão de teste ainda pode ser baixada e não tem limite de tempo, mas exportação e salvamento são restritos, e a Trimble afirma que conjuntos de regras salvos na versão de teste não podem ser abertos em uma cópia licenciada.

Executa em: sua máquina, sob licença, com CPU e aceleração opcional por GPU.

Instalação: o pacote e uma licença que precisa ser cotada.

Onde se destaca

  • O conjunto de regras é portátil e legível, então o método sobrevive à troca de funcionários.
  • A segmentação multirresolução ainda é a referência para escala, forma e compactação, e sua documentação é gratuita para leitura.

Limites

  • Os conjuntos de regras estão presos ao formato do eCognition. Se você planeja migrar, pode reconstruir o método como um modelo de processamento do QGIS documentado ou um script PyQGIS.

Documentação do conjunto de regras · Referência da segmentação multirresolução

Lado a lado

FerramentaO que você forneceO que instalaGPUContaAs imagens permanecem locaisQuanto custa um trabalho realLicença
AI Segmentation (nosso)Uma área e uma palavraO pluginNãoSimApenas no modo Semi-Auto local1,5 km² gratuitos por mês, depois € 39 por 100 km²Plugin GPLv2, serviço pago
Orfeo ToolBoxQualquer raster e depois vetores de treinamentoOTB e o provedor do QGISNãoNãoSimGratuito, mais uma tarde de ajustes por sensorApache 2.0
SCPBandas e áreas de treinamento desenhadas por vocêO plugin e depois suas dependênciasNãoNãoSimGratuitoGPL v3
DeepnessQualquer raster e seu próprio arquivo ONNXO plugin e depois OpenCV e ONNX RuntimeOpcionalNãoSimGratuito, mais a busca por um modelo na sua resoluçãoApache 2.0
eCognitionImagens e um conjunto de regras escrito por vocêO pacoteOpcionalLicençaSimSomente orçamentoProprietária

Existem mais dez ferramentas para casos mais específicos, e nenhuma ganhou um cartão aqui. GRASS i.segment e SAGA oferecem segmentação sem instalar nada. dzetsaka treina um classificador em cerca de um minuto.

O restante se divide conforme a forma como você gosta de trabalhar. scikit-image e RSGISLib servem para quem prefere escrever em vez de clicar, Geo-SAM e samgeo executam Segment Anything um objeto por vez, e GeoAI faz copas de árvores e máscaras de água em uma placa NVIDIA. Mapflow retorna edificações de um servidor por cerca de US$ 1,30 por km², sendo a opção paga mais próxima da nossa.

Como migrar do eCognition

Não conhecemos nenhum caminho de exportação. Seus arquivos .dcp e .dax são formatos do eCognition, e não encontramos nenhuma ferramenta gratuita que os leia. O que pode ser reaproveitado é tudo que não estava no conjunto de regras: as próprias imagens, os limites dos blocos e as regras de classe que você consegue ler da sua própria hierarquia.

O que não pode ser reaproveitado é a segmentação multirresolução, que é o algoritmo da Trimble. O LargeScaleMeanShift do Orfeo é o substituto prático, com o raio de alcance e o tamanho mínimo ocupando o lugar da escala.

Leia a documentação do conjunto de regras e a referência de segmentação enquanto ambas ainda estiverem disponíveis online e gratuitamente, e trate-as como a especificação a partir da qual você vai reconstruir tudo. Mantenha uma máquina licenciada funcionando até a reconstrução executar, e planeje tudo como uma migração com prazo.

O que lembrar

A própria página do produto da Trimble diz que o eCognition não é mais vendido ativamente.

Um conjunto de regras .dcp ou .dax é um formato do eCognition e não encontramos nenhuma ferramenta gratuita que o leia, então uma migração é uma reconstrução.

A segmentação multirresolução é o algoritmo da Trimble. O LargeScaleMeanShift do Orfeo é uma segmentação gratuita que pode ocupar o lugar dele.

Orfeo, SCP e Deepness não fazem chamadas de rede durante uma execução, então as imagens sob uma regra de não envio permanecem no seu disco.

Segundo a Trimble, um conjunto de regras salvo na versão de teste não abrirá em uma cópia licenciada.

Como fiz a comparação

Cinco critérios, os que determinam se uma ferramenta substitui o eCognition na segunda-feira: o que você fornece, onde ela executa, se suas imagens deixam a máquina, quanto custa um trabalho real e quanto trabalho de instalação existe entre você e o primeiro resultado. Cada preço, licença e versão aqui foi consultado em 23 de agosto de 2026 nas próprias páginas dos projetos, e as licenças foram consultadas no arquivo LICENSE de cada repositório.

Eu cofundei a TerraLab, então a primeira entrada é nossa. Ela recebe as mesmas cinco linhas que todas as outras e um limite declarado sem rodeios.

Há um trabalho que envio para outro lugar. Se o seu contrato proíbe qualquer envio, não compre nossos modos em nuvem. Instale o Deepness, forneça seu próprio modelo ONNX e mantenha cada pixel no seu próprio disco.

Perguntas frequentes

O que acontece com meus conjuntos de regras existentes do eCognition?

Eles permanecem onde estão. Seus arquivos .dcp e .dax são formatos do eCognition e não encontramos nenhuma ferramenta gratuita que os leia, então não há nada para converter. Mantenha uma máquina licenciada funcionando enquanto você reconstrói o método como um modelo de processamento do QGIS ou um script Python.

Ainda posso baixar o eCognition?

Sim. A Trimble mantém a página disponível para clientes existentes, e a versão de teste ainda pode ser baixada sem limite de tempo. Exportação e salvamento são restritos na versão de teste, e a Trimble afirma que os conjuntos de regras salvos nela não abrirão em uma cópia licenciada.

Quanto custa uma licença do eCognition em 2026?

Nenhum preço de tabela foi publicado. Se um revendedor ainda estiver fazendo uma cotação, faça uma pergunta e anote a resposta: quanto custa uma licença por ano, com manutenção incluída, e por quantos anos mais ele pode ser renovado?

Existe uma segmentação multirresolução gratuita?

Não esse algoritmo, que é da Trimble. No QGIS, o substituto prático é o LargeScaleMeanShift do Orfeo, que combina pixels vizinhos sob uma regra de homogeneidade da mesma forma e oferece um controle semelhante à escala por meio do raio de alcance e do tamanho mínimo.

Posso manter todas as minhas imagens na minha própria máquina?

Sim, e três das cinco opções acima atendem a esse requisito. Orfeo, SCP e Deepness nunca fazem chamadas externas durante uma execução. Nossos dois modos em nuvem enviam imagens para um servidor na Europa, mas o modelo Semi-Auto local não.

Quanto tempo leva até eu extrair edificações de uma ortofoto?

Com o AI Segmentation, minutos: instale o plugin, entre, desenhe uma área e digite building. Com o Orfeo, uma tarde de ajustes para o primeiro sensor e depois o processo se repete. Com o Deepness, o tempo necessário para encontrar um modelo ONNX treinado na sua resolução espacial, que é onde vai a maior parte do esforço nessa opção.

Se você quer conhecer melhor a metade baseada em modelos, os oito plugins de IA comparados cobrem todos os plugins que executam uma rede sobre um raster no QGIS, e o artigo sobre o Mapflow aborda a opção paga do servidor em seus próprios termos. O hub de IA do QGIS lista o restante.

Experimente o AI Segmentation gratuitamente no QGIS, sem cartão