In de cursus QGIS SamGeo leer je hoe je de SamGeo QGIS-plugin installeert, configureert en gebruikt voor geospatiale beeldsegmentatie in QGIS, aangedreven door het Segment Anything Model (SAM 3) van Meta. Je ontdekt hoe je satelliet- en luchtbeelden automatisch kunt segmenteren, objecten kunt afbakenen en resultaten kunt opslaan als vector- of rasterlagen – volledig zonder te programmeren. De cursus richt zich op een praktische workflow voor GeoAI in QGIS, van plugin-installatie tot toepasbare segmentatieresultaten voor cartografie, remote sensing en ruimtelijke analyse.
Wil je leren hoe je automatisch objecten herkent en afbakent in satelliet- en luchtbeelden, zonder te hoeven programmeren? In de cursus QGIS GeoSam leer je hoe je met QGIS en moderne GeoAI-technieken zelfstandig aan de slag gaat met geospatiale beeldsegmentatie, gebaseerd op het Segment Anything Model (SAM 3) van Meta.
QGIS is een krachtig open-source GIS-platform voor het analyseren en visualiseren van geografische data. In deze cursus bouw je voort op je QGIS-basis en ontdek je hoe je met de SamGeo QGIS-plugin AI-gedreven segmentatie toepast binnen een vertrouwde GIS-omgeving. Je leert hoe je satellietbeelden omzet in nauwkeurige segmenten en objecten, die direct bruikbaar zijn als vector- of rasterlagen voor verdere analyse.
GeoAI-beeldsegmentatie gaat verder dan klassieke classificatie. In plaats van vaste klassen te voorspellen, leert SAM om elk object in een beeld te segmenteren, van gebouwen en wegen tot waterlichamen en vegetatie-eenheden. Hierdoor kun je flexibel en interactief werken met uiteenlopende datasets, ongeacht sensor of resolutie.
Je werkt met open source software, volgt de cursus in je eigen tempo en ontwikkelt een toekomstgerichte skillset op het snijvlak van GIS en GeoAI. Technisch innovatief, maar helder uitgelegd en direct toepasbaar.
Wat leer je in de cursus QGIS SamGeo?
In deze cursus leer je stap voor stap hoe je GeoAI-segmentatie toepast in QGIS met behulp van de SamGeo-plugin. Je begint met de basis: wat beeldsegmentatie is, hoe het Segment Anything Model werkt en hoe je de plugin installeert en configureert in QGIS.
Vervolgens ga je praktisch aan de slag met satelliet- en luchtbeelden. Je leert hoe je interactieve prompts gebruikt (punten, bounding boxes en maskers) om objecten te segmenteren en hoe je de resultaten opslaat als GIS-lagen. Ook leer je hoe je segmentaties combineert met bestaande vector- en rasterdata in QGIS.
Ondersteuning van landgebruik- en landbedekkingsanalyse
Voorbewerking van data voor verdere GIS- en remote-sensing-analyses
Door duidelijke uitleg en praktische oefeningen leer je hoe je AI-gegenereerde segmentaties beoordeelt, verfijnt en inzet in realistische GIS-projecten.
Deze cursus is uniek omdat hij geavanceerde AI-segmentatie toegankelijk maakt voor GIS-gebruikers. Waar GeoAI vaak wordt geassocieerd met complexe code en machine-learning pipelines, laat deze cursus zien dat je met QGIS en GeoSam direct productief kunt werken.
Je leert onder andere:
Wat geospatiale beeldsegmentatie is en hoe SAM verschilt van klassieke classificatie
Hoe je de SamGeo-plugin installeert en gebruikt in QGIS
Hoe je satellietbeelden segmenteert zonder te programmeren
Hoe je AI-resultaten omzet in bruikbare GIS-lagen en analyses
De cursus is ontwikkeld voor zelfstandig en praktisch leren, met open tools en een duidelijke focus op toepasbaarheid in echte GIS-scenario’s.
Of je nu wilt experimenteren met GeoAI, je GIS-workflow wilt versnellen of klaar wilt zijn voor de toekomst van ruimtelijke analyse – deze cursus geeft je de kennis en vaardigheden om AI-segmentatie effectief in te zetten.
Voor wie is deze cursus bedoeld?
Deze cursus is bedoeld voor GIS-gebruikers die verder willen gaan dan traditionele beeldanalyse en geĂŻnteresseerd zijn in AI-gedreven objectextractie. Werk je in ruimtelijke ordening, milieu, ecologie, infrastructuur, landbouw, cartografie, onderwijs of onderzoek? Dan biedt deze cursus directe meerwaarde.
Je hebt geen ervaring nodig met AI of machine learning, maar wel een basis in QGIS. De cursus is praktisch opgezet en gericht op leren door te doen.
Heb je al gewerkt met satellietbeelden (zoals Sentinel-data) en wil je sneller, flexibeler en slimmer objecten uit beelden halen? Dan is QGIS GeoSam een logische volgende stap om met QGIS en GeoAI rijkere geografische inzichten te creëren.
Dag 1 – Introductie tot GeoAI en segmentatie in QGIS
Op de eerste cursusdag leg je de basis voor werken met GeoAI-beeldsegmentatie in QGIS. De dag start met een heldere introductie in het concept beeldsegmentatie en de rol van AI binnen moderne GIS-workflows. Je leert wat GeoAI is, waarom segmentatie verschilt van klassieke beeldclassificatie en hoe het Segment Anything Model (SAM 3) van Meta hierin een doorbraak vormt.
Vervolgens ga je praktisch aan de slag met de SamGeo QGIS-plugin. Je leert hoe je de plugin installeert, configureert en voorbereidt voor gebruik binnen QGIS. Daarbij is aandacht voor systeemvereisten, modelkeuzes en het correct laden van satelliet- en luchtbeelden.
In de middag focus je op de kernfunctionaliteit: interactieve segmentatie. Je leert hoe je met eenvoudige gebruikersinteracties (zoals punten en selecties) objecten in beelden segmenteert, hoe het model reageert op verschillende inputs en hoe je segmentatieresultaten interpreteert. Aan het einde van dag 1 heb je een goed begrip van hoe GeoSam werkt en kun je zelfstandig eerste segmentaties uitvoeren en opslaan als GIS-lagen.
Resultaat dag 1: Je begrijpt de basis van GeoAI-segmentatie, kunt GeoSam zelfstandig gebruiken in QGIS en hebt eerste objecten succesvol uit satellietbeelden geëxtraheerd.
Dag 2 – Toepassingen, verfijning en integratie in GIS-workflows
Daarna leer je hoe je de AI-gegenereerde segmenten integreert in bestaande QGIS-workflows. Je werkt met vector- en rasterlagen, voert eenvoudige ruimtelijke analyses uit en leert hoe segmentaties kunnen dienen als basis voor verdere analyses zoals landgebruik, objectinventarisatie of cartografische visualisatie.
In de middag ligt de focus op praktijkcases. Je past GeoSam toe op verschillende typen beelden en use-cases, zoals het afbakenen van gebouwen, waterlichamen of landschapselementen. Daarbij is veel aandacht voor interpretatie: wanneer is een segmentatie “goed genoeg” en hoe gebruik je AI-resultaten verantwoord binnen GIS-projecten.
De cursus sluit af met best practices, valkuilen en handvatten om GeoSam zelfstandig te blijven gebruiken na afloop van de training.
Resultaat dag 2: Je kunt GeoSam doelgericht toepassen in je eigen GIS-werk, segmentaties beoordelen en verfijnen, en AI-resultaten effectief inzetten binnen QGIS-analyses en kaarten.
Uitleggen wat geospatiale beeldsegmentatie en GeoAI zijn en het verschil benoemen tussen klassieke beeldclassificatie en AI-gedreven segmentatie met het Segment Anything Model binnen QGIS.
De SamGeo QGIS-plugin zelfstandig installeren en configureren inclusief het voorbereiden van satelliet- en luchtbeelden voor gebruik met het Segment Anything Model (SAM 3).
Satelliet- en luchtbeelden interactief segmenteren zonder te programmeren door het toepassen van GeoSam binnen QGIS en het interpreteren van de gegenereerde segmentaties.
Segmentatieresultaten opslaan, bewerken en integreren in GIS-workflows als raster- en vectorlagen, en deze combineren met bestaande geografische data voor verdere analyse en visualisatie.
GeoAI-segmentatie doelgericht toepassen in praktijkcases zoals objectextractie (bijv. gebouwen, water, landgebruik) en kritisch beoordelen wanneer AI-resultaten geschikt zijn voor analyse en kaartproductie.
Nee, de cursus is volledig no-code opgezet. Je werkt uitsluitend met de SamGeo-plugin binnen QGIS en hebt geen kennis van programmeren, Python of machine learning nodig.
Basiskennis van QGIS is gewenst, zoals het werken met raster- en vectorlagen. Heb je nog geen ervaring met QGIS, dan wordt aangeraden eerst een QGIS-basiscursus te volgen.
Na afloop kun je zelfstandig objecten (zoals gebouwen, water of landschapselementen) segmenteren uit beelden en de resultaten gebruiken als vector- of rasterlagen in je eigen GIS-projecten.
Is de cursus is sterk praktijkgericht. Theorie wordt kort en helder uitgelegd en direct toegepast in QGIS, zodat je leert door te doen en de GeoSam-workflow echt beheerst.
