Satellietbeeldannotatie voor AgriTech AI
Hoe Shaip perceelniveau-polygonsegmentatie heeft gerealiseerd op basis van landbouwbeelden uit de lucht en satellieten – inclusief akkers, boomgaarden, kassen, waterlichamen, paden en bosbufferzones – met 6-laags landinformatie – en hoe dit is opgebouwd tot een productieklare dataset voor precisielandbouw en AI voor kadastrale registratie.
project Overzicht
Naarmate geospatiale AI zich ontwikkelt richting gewasmonitoring op perceelniveau, geautomatiseerde kadastrale kartering en automatisering van landbouwverzekeringen, had de klant behoefte aan een zeer nauwkeurige annotatiepipeline die in staat is om individuele percelen te segmenteren in uitgestrekte, complexe lucht- en satellietbeelden.
Shaip ontwikkelde een complete annotatiepipeline die polygoonsegmentatie omvat voor meer dan 9 soorten landindelingen, 6-laagse landinformatie-attributen, topologische consistentie tussen aangrenzende percelen en de afhandeling van grensgevallen in uitzonderlijke gevallen. Dit resulteerde in modelklare datasets voor precisielandbouw en geospatiale AI.
Key Stats
Type annotatie
Veelhoeksegment.
Bron van de afbeeldingen
Antenne + satelliet
Landsoorten
9+
Attribuutlagen
6
Challenges
- segmenteren honderden pakketten per frame aan de hand van enorme lucht- en satellietbeelden.
- Behandeling onregelmatige en ambigue grenzen die veranderen met de seizoenen, het weer en het landgebruik.
- Onderscheidende percelen gescheiden alleen via smalle paden of irrigatiekanalen
- Beheren schaduwoverlapping, terreinhoogte en natuurlijke kenmerken divisies
- Het handhaven topologische consistentie tussen aangrenzende percelen
Het resultaat
Polygonale perceelsegmentatie
Elk afzonderlijk perceel dat zichtbaar was op elke luchtfoto of satellietfoto werd apart geannoteerd met behulp van nauwkeurige polygoonsegmentatie, waarbij de exacte grens van elk afzonderlijk veld, perceel of landgedeelte werd vastgelegd. De polygoondichtheid werd gekalibreerd om organische veldcontouren vast te leggen zonder onnodige overlapping van hoekpunten.
Uitgebreide dekking van landtypen
De annotaties hadden betrekking op akkerbouwvelden, braakliggend of onbewerkt land, geïrrigeerde versus regenafhankelijke velden, terrasvormige landbouwpercelen, boomgaarden en plantageblokken, kassen en folieconstructies, waterlichamen (irrigatievijvers en kanalen), paden en landwegen die percelen scheiden, en bos- of vegetatiebufferzones die aan landbouwgrond grenzen.
6-laags landintelligentie-attributen
Elk perceel werd verrijkt met kenmerken zoals het gewastype (indien identificeerbaar), de landgebruiksclassificatie (actieve teelt, geoogst, onvruchtbaar), de irrigatiestatus, de veldgroottecategorie, de bodemzichtbaarheid en de seizoensstatus. Deze multi-attribuutlaag transformeert een eenvoudige dataset voor grensdetectie in een uitgebreide dataset met landinformatie die gewasmonitoring en opbrengstvoorspelling over meerdere seizoenen ondersteunt.
Handhaving van topologische consistentie
De annotatoren volgden strikte topologische regels om ervoor te zorgen dat aangrenzende perceelgrenzen netjes op elkaar aansloten — geen overlappende polygonen, geen ongelabelde gaten. Deze consistentie is essentieel voor latere AI-toepassingen op het gebied van kadaster, verzekeringen en waterbeheer, die afhankelijk zijn van nauwkeurige oppervlakteberekeningen op perceelniveau.
Grensafhandeling voor randgevallen
Strikte richtlijnen golden voor percelen die slechts gescheiden werden door smalle paden of irrigatiekanalen, overlappende schaduwgebieden door wolken of hoogteverschillen, gefragmenteerde velden verdeeld door natuurlijke kenmerken zoals rivieren en heuvelruggen, en percelen met inconsistente kleuren als gevolg van verschillende groeistadia van gewassen of bodemvochtigheid. Er werden zoomfuncties met hoge resolutie gebruikt om de grenzen nauwkeurig te bepalen, met behoud van de algehele ruimtelijke context.
Project bereik
| Gegevenssettype | Bron van de afbeeldingen | Annotatiemethode | Landsoorten | Attributen | Consistentie |
|---|---|---|---|---|---|
| Indeling van landbouwgrond | Antenne + satelliet | Polygonsegmentatie | 9+ partitietypes | 6 attribuutlagen | Topologische handhaving |
Resultaten
- Opgericht een Pijplijn voor polygoonsegmentatie op perceelniveau voor geospatiale landbouw-AI
- Gestandaardiseerde 9+ dekkingstypen voor landverdeling Het omvat velden, boomgaarden, water, paden en bufferzones.
- Geleverd 6-laags landintelligentie-attributen voor gewassen, irrigatie en seizoensgebonden context
- Afgedwongen topologische consistentie tussen aangrenzende percelen voor nauwkeurigere kadastrale gegevens verderop in het proces
- De client is ingeschakeld gewasmonitoring, kadaster, landbouwverzekeringen, waterbeheer en koolstofkredieten AI
Al met al heeft Shaip geholpen om een vereiste voor geospatiale annotatie op satellietniveau om te zetten in een gestructureerde, productiegereed segmentatieproces — een proces dat precisielandbouw, geautomatiseerde kadastrale kartering, schadeafhandeling, waterbeheer en verificatie van koolstofkredieten op perceelniveau kan ondersteunen.
De perceelsegmentatie van Shaip loste de onduidelijkheid over grenzen op die bij de meeste geospatiale annotaties een probleem vormt. Dankzij hun topologische consistentieregels genereerde onze kadastrale AI dekkingsgebieden die we juridisch konden vertrouwen.
