Desarrollo y DevOps

Preparar múltiples formatos de medios para detección de anomalías en cultivos

48 nodos 319 170 Automatic trigger
Descargar

Descripción del flujo de trabajo

Automatización que recibe conjunto de datos de cultivos por activador manual o solicitud HTTP, procesa dos tipos de formatos de medios, divide y fusiona estructuras de datos para preparar datasets destinados a algoritmos de detección de anomalías.

Cómo funciona

  1. 1.Recibir dataset mediante activador manual o solicitud HTTP
  2. 2.Procesar y convertir datos en dos tipos diferentes de formatos multimedia usando código personalizado
  3. 3.Dividir datos procesados por tipo de medio y fusionar para estructura de salida final

Casos de uso

  • Preparar imágenes y feeds de video de campos de cultivo para modelos de detección de enfermedades
  • Procesar grandes volúmenes de datos de sistemas de monitoreo agrícola previo al análisis

Requisitos

  • Fuente de datos accesible vía HTTP o activador manual
  • Comprensión de formatos de medios requeridos y especificaciones técnicas

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 319
Descargas 170

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

Procesar, Filtrar y Distribuir Datos de Formularios en Lotes

40 nodos

Monitorear cambios en base de datos Notion y ejecutar acciones de flujo personalizado

12 nodos

Ejecutar compilaciones de Node.js bajo demanda en Travis CI

2 nodos

Publicar ideas de desarrollo de Notion a LinkedIn

13 nodos

Analizar descubrimientos, crear tickets en Jira y notificar por Slack

18 nodos

Automatizar procesamiento de datos en Google Sheets

6 nodos