Détecter les images de cultures anormales avec Qdrant et Voyage AI
Une URL d'image reçue d'un autre workflow est transformée en vecteur par Voyage AI, puis comparée aux centres de chaque classe de cultures stockés dans Qdrant. Si le score reste sous tous les seuils, l'image est jugée anormale et le workflow renvoie un message texte. Le template suppose que les deux workflows de préparation de la collection Qdrant ont déjà été exécutés.
- Déclencheur
- Appelé par un autre workflow
- Taille
- 9 nœuds
- Outils
- Requêtes HTTP (API)
Comment fonctionne ce workflow
- 1
Le déclencheur Execute Workflow Trigger reçoit l'URL de l'image envoyée par le workflow appelant.
- 2
Une requête HTTP Request envoie l'image à l'API Voyage AI pour en calculer le vecteur d'embedding.
- 3
Les nœuds Total Points in Collection et Each Crop Counts interrogent Qdrant pour compter le nombre de classes de cultures.
- 4
Le nœud Get similarity of medoids interroge Qdrant pour mesurer la proximité de l'image avec le centre de chaque classe.
- 5
Un nœud Code compare les scores aux seuils de chaque classe, puis un nœud Edit Fields écrit le message final.
Quand l'utiliser
- Contrôler qu'une image de culture entre bien dans les classes connues avant de la ranger dans une base.
- Signaler une photo qui ne ressemble à aucune culture du jeu de données.
- Appeler ce workflow depuis un autre workflow qui reçoit des URL d'images.
À préparer avant l'import
- Un compte Voyage AI avec une clé API, enregistrée dans les identifiants de n8n.
- Un cluster Qdrant Cloud, par exemple en Free Tier, contenant la collection préparée par les deux workflows précédents.
- Les identifiants Qdrant enregistrés dans n8n.
- Pour recréer le dataset : le jeu de données de cultures agricoles disponible sur Kaggle.
- Pour recréer le dataset : un bucket Google Cloud Storage où charger les images.
Bon à savoir
Vérifiez en premier que les deux réglages de type de centre correspondent à ceux du deuxième workflow, centres médoïdes simples ou centres ancrés sur le texte, avec le seuil correspondant.
Installer ce template dans n8n
- Téléchargez le fichier JSON avec le bouton en haut de la page.
- Dans n8n, ouvrez le menu d'un workflow vide, choisissez « Import from File » et sélectionnez le fichier.
- Reliez vos propres identifiants à chaque nœud qui en demande un, lancez un test, puis activez le workflow.
Ce template fonctionne sur n8n auto-hébergé comme sur n8n Cloud. Les nœuds IA demandent une version récente de n8n.
Autres templates : RAG & Base de Connaissances
- Classer une image satellite par KNN avec Qdrant et Voyage AIClasse une image satellite parmi 21 types de terrain à partir de ses plus proches voisins dans Qdrant.
- Répondre aux questions sur les essais de Paul Graham avec MilvusPose des questions sur les essais de Paul Graham : le workflow récupère les textes, les indexe dans Milvus et répond avec OpenAI.
- Recommander des films par chatbot RAG avec Qdrant et OpenAIChatbot qui recommande des films en interrogeant une base vectorielle Qdrant, alimentée par OpenAI.
- Interroger une base Notion avec un agent IA dans un chatUn agent OpenAI répond aux questions à partir d'une base de connaissances Notion, directement dans un chat.
- Analyser des rapports trimestriels boursiers avec un agent RAGLit des PDF de résultats trimestriels, les indexe dans Pinecone et rédige un rapport d'analyse dans Google Docs.
- Indexer les fichiers Google Drive dans pgvector avec OpenAILit les fichiers d'un dossier Google Drive, les découpe, calcule leurs embeddings OpenAI et les écrit dans pgvector.
Vous voulez ce workflow branché sur vos outils ?
Ce template est un point de départ. Nous l'adaptons à vos règles, à vos comptes et à votre hébergement, puis nous le maintenons.
Voir notre accompagnement n8n