Desarrollo y DevOps

[2/3] Media preparation (two types) para anomaly detection (crops datos set)

48 nodos 208 120 Automatic trigger
Descargar

Descripción del flujo de trabajo

Flujo avanzado para preparar dos tipos distintos de medios destinados a la detección de anomalías en conjuntos de datos de cultivos. Integra disparadores manuales, solicitudes HTTP y lógica de código personalizada para normalizar datos brutos.

Cómo funciona

  1. 1.Activar el flujo manualmente y recuperar datos de medios iniciales mediante solicitud HTTP desde la fuente
  2. 2.Dividir medios en dos flujos separados según tipo y aplicar lógica de procesamiento especializada a cada uno
  3. 3.Fusionar resultados procesados en formato unificado listo para modelos de detección de anomalías

Casos de uso

  • Preparar imágenes de cultivos y datos de sensores de múltiples fuentes para sistemas de detección de anomalías de salud vegetal
  • Estandarizar entradas de medios heterogéneos antes de aplicar modelos de aprendizaje automático para anomalías

Requisitos

  • Fuentes de datos multimedia accesibles por HTTP con clasificación clara de tipo y metadatos
  • Capacidad de desarrollo para personalizar lógica de procesamiento según características únicas de cada tipo de medio

Valor del servicio

Ideal como servicio de automatización operativa para conectar sistemas, reducir tareas manuales y acelerar la entrega de resultados a clientes o equipos internos.

Aplicaciones utilizadas

Manual Trigger HTTP Request Code Set Split Out Merge Note

Detalles

Disparador Automatic trigger
Nodos 48
Aplicaciones 7
Vistas 208
Descargas 120

Cómo usar

  1. 1.Haz clic en "Descargar plantilla"
  2. 2.Abre tu panel de n8n
  3. 3.Ve a Workflows > Import from File
  4. 4.Selecciona el archivo descargado y configura las credenciales

Nodos utilizados (48)

/

When clicking ‘Test workflow’

Manual Trigger

#1

Total Points in Collection

HTTP Request

#2

Cluster Distance Matrix

HTTP Request

#3

Scipy Sparse Matrix

Code

#4

Set medoid id

HTTP Request

#5

Get Medoid Vector

HTTP Request

#6

Prepare for Searching Threshold

Set

#7

Searching Score

HTTP Request

#8

Threshold Score

Set

#9

Set medoid threshold score

HTTP Request

#10

Split Out1

Split Out

#11

Merge

Merge

#12

Textual (visual) crop descriptions

Set

#13

Embed text

HTTP Request

#14

Get Medoid by Text

HTTP Request

#15

Set text medoid id

HTTP Request

#16

Prepare for Searching Threshold1

Set

#17

Threshold Score1

Set

#18

Searching Text Medoid Score

HTTP Request

#19

Medoids Variables

Set

#20

Text Medoids Variables

Set

#21

Qdrant cluster variables

Set

#22

Info About Crop Clusters

Set

#23

Crop Counts

HTTP Request

#24

Sticky Note

Sticky Note

#25

Sticky Note1

Sticky Note

#26

Sticky Note2

Sticky Note

#27

Sticky Note3

Sticky Note

#28

Sticky Note4

Sticky Note

#29

Sticky Note5

Sticky Note

#30

Sticky Note6

Sticky Note

#31

Sticky Note8

Sticky Note

#32

Sticky Note9

Sticky Note

#33

Split Out

Split Out

#34

Sticky Note10

Sticky Note

#35

Sticky Note11

Sticky Note

#36

Sticky Note12

Sticky Note

#37

Sticky Note13

Sticky Note

#38

Sticky Note14

Sticky Note

#39

Set text medoid threshold score

HTTP Request

#40

Sticky Note15

Sticky Note

#41

Sticky Note16

Sticky Note

#42

Sticky Note17

Sticky Note

#43

Sticky Note18

Sticky Note

#44

Sticky Note19

Sticky Note

#45

Sticky Note20

Sticky Note

#46

Sticky Note21

Sticky Note

#47

Sticky Note22

Sticky Note

#48

Plantillas similares

Telegram automatización

27 nodos

Enviar correos programados a través de Gmail con Cron

7 nodos

Obtener updates cuando nuevo activity es creado y tweet sobre it

2 nodos

Remote sensor monitoring vía and

6 nodos

Automatizar Figma release y Jira updates a través de n8n Webhook integración

4 nodos

Enviar actualizaciones de ubicación de la ISS cada minuto

4 nodos