Annotation d'images satellites pour l'IA AgriTech
Comment Shaip a réalisé une segmentation polygonale au niveau de la parcelle à partir d'images agricoles aériennes et satellitaires — couvrant les champs cultivés, les vergers, les serres, les plans d'eau, les chemins et les zones tampons forestières avec une intelligence foncière à 6 couches — construite comme un ensemble de données de qualité production pour l'agriculture de précision et l'IA du registre foncier.
Résumé du projet
À mesure que l'IA géospatiale évolue vers la surveillance des cultures au niveau de la parcelle, la cartographie cadastrale automatisée et l'automatisation de l'assurance agricole, le client avait besoin d'un pipeline d'annotation de haute précision capable de segmenter les parcelles de terrain individuelles sur de vastes images aériennes et satellitaires complexes.
Shaip a construit le pipeline d'annotation de bout en bout couvrant la segmentation polygonale sur plus de 9 types de partitions foncières, 6 attributs d'intelligence foncière, la cohérence topologique entre les parcelles adjacentes et la gestion des limites de cas limites — produisant des ensembles de données prêts à l'emploi pour l'agriculture de précision et l'IA géospatiale.
Principales statistiques
Type d'annotation
Segment polygonal
Source des images
Antenne + Satellite
Types de terrain
9+
Couches d'attributs
6
Défis
- Segmentation des centaines de colis par cadre à travers de vastes images aériennes et satellitaires
- Manipulation limites irrégulières et ambiguës qui changent en fonction des saisons, des conditions météorologiques et de l'utilisation des terres
- Distinguer les parcelles séparées uniquement par d'étroits sentiers ou des canaux d'irrigation
- Gérant superposition d'ombres, altitude du terrain et caractéristiques naturelles divisions
- Maintenir cohérence topologique entre parcelles adjacentes
Solution
Segmentation de parcelles polygonales
Chaque parcelle de terrain visible sur chaque image aérienne ou satellitaire a été annotée individuellement grâce à une segmentation polygonale précise, traçant ainsi les limites exactes de chaque champ, parcelle ou division de terrain. La densité des polygones a été calibrée afin de reproduire les contours naturels des champs sans surcharge de sommets.
Couverture exhaustive des types de terrain
Les annotations portaient sur les champs cultivés, les terres en jachère ou non cultivées, les champs irrigués par rapport aux champs pluviaux, les parcelles agricoles en terrasses, les vergers et les plantations, les serres et les tunnels, les plans d'eau (étangs d'irrigation et canaux), les chemins et les routes agricoles séparant les parcelles, et les zones tampons forestières ou de végétation bordant les terres agricoles.
Attributs d'intelligence terrestre à 6 couches
Chaque parcelle a été enrichie d'attributs précisant le type de culture (lorsqu'il était identifiable), la classification de l'occupation des sols (culture active, récolte, en friche), le statut d'irrigation, la catégorie de superficie, la visibilité du sol et la saison. Cette couche multi-attributs transforme un simple jeu de données de détection de limites en un corpus complet d'informations sur les terres, permettant un suivi des cultures sur plusieurs saisons et la prévision des rendements.
Application de la cohérence topologique
Les annotateurs ont respecté des règles topologiques strictes afin de garantir un alignement parfait des limites des parcelles adjacentes : aucun polygone ne se chevauche, aucune zone non étiquetée. Cette cohérence est essentielle pour les applications d’IA en aval, utilisées dans les secteurs du cadastre, de l’assurance et de la gestion des ressources en eau, qui reposent sur des calculs précis de la superficie des parcelles.
Gestion des limites des cas limites
Des règles strictes encadraient les parcelles séparées uniquement par d'étroits sentiers ou canaux d'irrigation, les zones d'ombre superposées dues aux nuages ou au relief, les champs fragmentés par des éléments naturels tels que des rivières et des crêtes, ainsi que les parcelles présentant des variations de couleur liées aux stades de croissance des cultures ou à l'humidité du sol. Des outils de zoom haute résolution ont permis un traçage précis des limites tout en préservant le contexte spatial global.
Description du projet
| Type de jeu de données | Source des images | Méthode d'annotation | Types de terrain | Attributs | Cohérence |
|---|---|---|---|---|---|
| partition des terres agricoles | Aérien + satellite | segmentation polygonale | 9+ types de partition | 6 couches d'attributs | application topologique |
Les résultats
- Établi un pipeline de segmentation polygonale au niveau de la parcelle pour l'IA agricole géospatiale
- Normalisé Couverture de type partition de terrain 9+ couvrant champs, vergers, points d'eau, sentiers et zones tampons
- Livré attributs de renseignement terrestre à 6 niveaux pour les cultures, l'irrigation et le contexte saisonnier
- Forcées cohérence topologique entre les parcelles adjacentes pour une précision cadastrale en aval
- Activé le client surveillance des cultures, cadastre, assurance agricole, ressources en eau et crédits carbone AI
Globalement, Shaip a contribué à transformer une exigence d'annotation géospatiale à l'échelle satellitaire en un pipeline de segmentation structuré et prêt pour la production, capable de prendre en charge l'agriculture de précision, la cartographie cadastrale automatisée, l'évaluation des demandes d'indemnisation d'assurance, la gestion de l'eau et la vérification des crédits carbone avec une précision au niveau de la parcelle.
La segmentation parcellaire de Shaip a permis de résoudre l'ambiguïté des limites qui compromet la plupart des annotations géospatiales. Leurs règles de cohérence topologique ont permis à notre IA cadastrale de générer des zones de couverture juridiquement fiables.
