Desarrollo y DevOps

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

48 nodos 221 134 Automatic trigger
Descargar

Descripción del flujo de trabajo

Flujo de trabajo avanzado que prepara datos multimedia de dos fuentes diferentes para modelos de detección de anomalías en conjuntos de datos de cultivos, combinando solicitudes HTTP y procesamiento programático para limpiar y estructurar datos de manera consistente.

Cómo funciona

  1. 1.Desencadenar el flujo manualmente y obtener datos multimedia de fuentes externas mediante solicitudes HTTP
  2. 2.Procesar y limpiar datos sin procesar a través de lógica de código personalizado y asignación de variables
  3. 3.Dividir datos por tipo de medio y combinarlos en un formato unificado listo para análisis de detección de anomalías

Casos de uso

  • Preparar conjuntos de datos de cultivos diversos con tipos de medios mixtos (imágenes y videos) antes de aplicar modelos de detección de anomalías
  • Integrar datos de múltiples puntos finales de API y transformar en formato estandarizado para procesamiento posterior

Requisitos

  • Acceso HTTP válido a puntos finales que contienen archivos de datos multimedia y metadatos
  • Comprensión básica de la estructura de datos esperada antes y después de los pasos de transformación

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 221
Descargas 134

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