Satellitbildsannotering för AgriTech AI
Hur Shaip levererade polygonsegmentering på skiftesnivå över flyg- och satellitbilder av jordbruket – som täckte odlade fält, fruktträdgårdar, växthus, vattendrag, stigar och skogsbuffertar med 6-lagers markintelligens – byggt som en produktionsklassad datauppsättning för precisionsjordbruk och AI för fastighetsregister.
Projektöversikt
I takt med att geospatial AI går mot grödövervakning på skiftesnivå, automatiserad fastighetskartläggning och automatisering av jordbruksförsäkringar, behövde kunden en högprecisionsannoteringspipeline som kunde segmentera enskilda markskiften över stora, komplexa flyg- och satellitbilder.
Shaip byggde en heltäckande annoteringspipeline som täcker polygonsegmentering över 9+ markpartitionstyper, 6-lagers markintelligensattribut, topologisk konsistens mellan angränsande fastigheter och hantering av kantfallsgränser – och producerar modellfärdiga datamängder för precisionsjordbruk och geospatial AI.
Nyckelstatistik
Anteckningstyp
Polygonsegment.
Bildkälla
Antenn + Satellit
Marktyper
9+
Attributlager
6
Utmaningar
- segmente~~POS=TRUNC hundratals paket per ram över omfattande flyg- och satellitbilder
- Arbetsmiljö oregelbundna och tvetydiga gränser som skiftar med årstiderna, vädret och markanvändningen
- Att skilja åtskilda paket endast via smala stigar eller bevattningskanaler
- Hantering skuggöverlappning, terränghöjd och naturliga särdrag divisioner
- upprätthålla topologisk konsistens mellan angränsande tomter
Lösning
Polygonpaketsegmentering
Varje enskild marklott som var synlig inom varje flyg- eller satellitbild annoterades separat med hjälp av exakt polygonsegmentering, där den exakta gränsen för varje distinkt fält, tomt eller markdelning spårades. Polygondensiteten kalibrerades för att fånga organiska fältkonturer utan onödiga hörnöverskott.
Omfattande täckning av marktyper
Annoteringarna omfattade odlade fält, träda eller oodlad mark, bevattnade kontra regnvattenförsörjda fält, terrasserade jordbruksmarker, fruktträdgårds- och plantageblock, växthus- och flerhusstrukturer, vattendrag (bevattningsdammar och kanaler), stigar och jordbruksvägar som separerar skiften samt buffertzoner med skog eller vegetation som gränsar till jordbruksmark.
6-lagers markintelligensattribut
Varje skifte berikades med attribut som täckte identifierbar grödtyp, markanvändningsklassificering (aktiv odling, skördad, karg), bevattningsstatus, fältstorlekskategori, markens synlighet och säsongsbetonat tillstånd. Detta flerattributlager omvandlar en enkel datauppsättning för gränsdetektering till en omfattande markinformationssamling som stöder flersäsongsövervakning av grödor och avkastningsprognoser.
Topologisk konsekvenstillämpning
Annotatörer följde strikta topologiska regler för att säkerställa att angränsande tomtgränser var tydligt justerade – inga överlappande polygoner, inga omärkta mellanrum. Denna konsekvens är avgörande för nedströms AI-applikationer inom fastighetsregistrering, försäkring och vattenresurshantering som förlitar sig på noggranna arealberäkningar på tomtnivå.
Hantering av kant- och fallgränser
Strikta riktlinjer styrde fastigheter som endast åtskildes av smala stigar eller bevattningskanaler, överlappande skuggområden från moln eller terränghöjd, fragmenterade fält uppdelade av naturliga inslag som floder och åsar, och fastigheter med inkonsekventa färger på grund av grödors tillväxtstadier eller markfuktighetsnivåer. Högupplösta zoomverktyg användes för exakt gränsdragning samtidigt som det övergripande rumsliga sammanhanget bibehölls.
Projektets omfattning
| Dataset typ | Bildkälla | Annoteringsmetod | Marktyper | attribut | Konsistens |
|---|---|---|---|---|---|
| Jordbruksmarksdelning | Antenn + satellit | Polygonsegmentering | 9+ partitionstyper | 6 attributlager | Topologisk tillämpning |
Utkomster
- Etablerade en pipeline för polygonsegmentering på paketnivå för geospatial jordbruks-AI
- standardiserad 9+ täckning av markdelningstyper som spänner över fält, fruktträdgårdar, vatten, stigar och buffertzoner
- Levererat 6-lagers markintelligensattribut för grödor, bevattning och säsongsbetonat sammanhang
- verk topologisk konsistens mellan angränsande fastigheter för noggrannhet i fastighetsregistret efter nedströms
- Aktiverade klientens grödövervakning, fastighetsregister, jordbruksförsäkring, vattenresurser och koldioxidkrediter AI
Sammantaget hjälpte Shaip till att omvandla ett krav på geospatial annotering i satellitskala till en strukturerad, produktionsklar segmenteringspipeline – en som kan stödja precisionsjordbruk, automatiserad fastighetskartläggning, bedömning av försäkringsanspråk, vattenhantering och verifiering av koldioxidkrediter med precision på fastighetsnivå.
Shaips segmentering på fastighetsnivå hanterade den gränsoklarhet som bryter mot de flesta geospatiala annoteringar. Deras topologiska konsistensregler innebar att våra kadastrala AI-genererade täckningsområden som vi kunde lita på juridiskt.
