在 QGIS 里点一下影像、画一个框，几秒钟得到一层建筑、树冠或光伏板多边形，很容易让人把“识别完成”误当成“数据可交付”。真正影响项目质量的，往往是输出图层是否有清晰的坐标参考、字段、阈值、编辑记录和数据出境说明。一个分割插件可以缩短勾绘时间，却不能替代业务规则与空间质检。
QGIS AI Segmentation 是 TerraLab 的桌面插件。其 GitHub v1.2.1 发布于 2026 年 6 月 11 日，发布包为 AI_Segmentation.zip。官方产品页把它描述为将 QGIS 可显示的栅格转为项目 CRS 下的矢量多边形，并区分批量自动与逐对象半自动两种流程。下面不讨论“模型是否神奇”，只讨论如何把这种能力接入可审计的 GIS 作业。
QGIS AI Segmentation 自动检测演示
图：TerraLab 官方演示，展示在 QGIS 中框选区域、自动检测并输出多边形的流程。
可核查事实：数据口径
官方仓库的 v1.2.1 版本发布于 2026 年 6 月 11 日，附带 AI_Segmentation.zip 资源包。
官方文档称插件运行于 QGIS 3.22 及以后版本，支持 Windows、macOS 和 Linux。
它读取 QGIS 已显示的栅格，来源可包括无人机正射影像和 WMS，并返回项目 CRS 下的矢量图层。
每个输出多边形包含 id、类别、面积、周长和置信度字段；官方列出 GeoPackage、GeoJSON、Shapefile 与 KML 作为导出格式。
自动模式要求用户画出矩形区域并命名目标对象，适用于建筑、树木、光伏板、道路、地块和树冠等重复对象；官方说明该模式在欧洲服务器运行，按地面平方千米计量。
半自动模式一次处理光标下的一个对象；官方提供本机离线模式和云端模式。本机模式使用一次安装的小型开源模型，官方明确说明它较慢、边界较不精细，但影像不会离开本机。
官方说明自动模式会将所画区域内的影像瓦片发送到欧盟服务器，云端半自动会发送点击点周围的小影像块，且首次上传前会请求确认。
官方提供置信度、面积范围、直角、圆角、简化、缓冲、拆分/重绘与视图检查等后处理控制。
核心机制：两个作业模式，两个数据责任面
自动模式把“在这个范围内找所有同类对象”交给一次批量推断。它适合屋顶、树冠、面板或田块等重复目标，也意味着用户必须为整个框选范围的数据上传、对象定义和漏检承担责任。文字类别只是查询条件；同一类词在不同影像分辨率、阴影和地区可能对应完全不同的几何对象。
半自动模式将每次操作限制为一个对象。对异形院落、边界不清的铺装面或相互遮挡的对象，这种逐个确认通常比批量结果更容易审计。离线与云端不只是速度选择：离线本机模式和云端模式的影像流向不同，项目开始前就应由数据负责人明确指定，而不是由操作者临时决定。
GIS 场景：把插件输出留在候选层
建筑更新、城市树清查、光伏普查和农地边界初绘都可以先把插件输出放入“候选面”图层。候选层应保留原始影像标识、采集日期、分辨率、图层 CRS、插件版本、操作模式、对象描述、置信度、面积范围和人工裁决。正式资产层只接收已通过拓扑、业务和人工抽检的对象。
官方输出已有 id、类别、面积、周长和置信度，这为最小数据合同提供了起点，但还不足以支持复现。面积和周长依赖项目 CRS 与单位；如果原图层是在线底图、WMS 或临时缓存，还要保存服务地址、时间戳、可见范围和许可。否则同一个多边形即使形状相同，也无法解释它来自哪次影像、哪套阈值。
技术路径：从框选识别到可复核矢量
- 在开始前固定项目 CRS、影像来源、时间、分辨率、用途和是否允许上传；敏感设施、住址和受保护物种区域默认选用经批准的离线链路。
- 先用一小块有人工参考的样区测试对象描述、瓦片精度和面积范围；不要把全市或全区作为第一次自动运行范围。
- 将自动或半自动输出写入候选 GeoPackage，附加运行 ID、插件版本、模式、日期、影像来源和参数字段。
- 使用置信度与最小/最大面积做初筛，但把被排除对象保留在审计表中，而不是直接删除。
- 按阴影、密集建成区、不同地物尺度和不同影像来源分层抽样，核验漏检、误检、重叠、孔洞与边界偏移。
- 对建筑启用直角校验只是几何修饰；对树冠启用圆角也只是表达选择。两者都不能替代与原始影像和现场证据的复核。
- 通过质检后再写入正式图层，并记录接受、编辑或拒绝的原因，保留可回退的候选版本。
检查清单
- 项目 CRS、面积单位和栅格来源是否已锁定并记录。
- 本机离线或欧盟云端模式是否经数据权限与保密要求确认。
- 每个候选面是否保留
id、类别、面积、周长、置信度和运行元数据。 - 置信度和面积阈值是否先在独立样区校准，而非直接照搬默认值。
- 是否检查了重叠、孔洞、碎片、多边形自交和与权威图层的冲突。
- 是否将 GeoPackage、GeoJSON、Shapefile 或 KML 的导出格式与字段编码、坐标参考一并验收。
风险
官方所述“自动模式在欧洲服务器运行”与“半自动本机模式不上传影像”是不同的处理边界。选择云端时，团队还应按本单位规则核对影像权属、保密等级、跨境要求和删除期限；不能仅因插件弹出确认框就视为合规。
置信度不是测量精度，也不是入库许可证。高置信度对象仍可能在阴影、相邻屋顶、低分辨率影像或对象定义变化时产生正确类别却错误边界的结果。插件页面中的演示与速度描述属于供应商场景，不能替代本地精度承诺。商业使用和服务额度也应以部署时的官方许可与订阅条款为准。
结论
QGIS 内置式 AI 分割的价值，是让遥感影像更快进入可编辑的候选多边形流程。要使这种速度变成可靠数据，团队仍需把坐标参考、影像流向、模型模式、阈值、质量抽检和人工裁决串成同一条证据链。先让插件生成候选，再让 GIS 规则决定什么可以入库，才不会把一次点击变成不可追溯的地图事实。