[3/3] 异常检测工具（作物数据集）

该工作流适合以下人群：
- 农业研究人员：需要分析作物图像以检测异常情况。
- 数据科学家：希望利用机器学习技术进行作物分类和异常检测。
- 农民和农场主：想要监控作物健康状况并及时发现潜在问题。
- 开发者：希望集成图像处理和异常检测功能到他们的应用程序中。

该工作流解决了以下问题：
- 作物异常检测：通过分析图像，识别出与已知作物数据集不符的异常作物。
- 自动化流程：简化了作物图像的处理和分析过程，减少了人工干预的需要。
- 实时反馈：能够快速响应并提供关于作物健康状况的反馈，帮助用户做出及时决策。

工作流过程的详细说明：
1. 触发器：用户手动触发工作流，输入作物图像的URL。
2. 图像嵌入：使用Voyage.ai API生成输入图像的嵌入向量。
3. 获取相似度：将生成的嵌入向量与Qdrant数据库中的作物图像进行比较，以查找相似的作物。
4. 比较得分：分析相似度得分，并与预设的阈值进行比较，以确定输入图像是否属于已知作物。
5. 结果输出：根据比较结果，返回信息，告知用户图像是否为异常作物。

用户可以通过以下方式自定义和调整此工作流：
- 更改作物数据集：用户可以替换Qdrant数据库中的作物数据，使用不同的作物图像进行训练和检测。
- 调整阈值：根据实际需求，修改得分阈值，以提高检测的灵敏度或特异性。
- 集成其他API：可以集成其他图像处理或机器学习API，增强工作流的功能。
- 修改输入方式：可以将手动触发改为自动触发，例如通过监控特定文件夹中的新图像文件。