PLATFORMAZAKUPOWACPV 72000000 · Usługi informatyczneCPV 71000000 · Usługi architektoniczne i inżynieryjne Mazowieckie Termin: 9 października 2026
Usługa identyfikacji klas pokrycia terenu – Warszawa
Pełna nazwa postępowania: DZP.2610.11.2026 Usługa identyfikacji klas pokrycia terenu przy wykorzystaniu metod sztucznej inteligencji (AI) na potrzeby aktualizacji Systemu Identyfikacji Działek Rolnych (LPIS)
Agencja Restrukturyzacji i Modernizacji Rolnictwa·Warszawa
Wartość szac.
—
nie podano
Termin składania
09.10.2026
za 9 dni
Otwarcie ofert
—
nie podano
Opublikowano
—
źródło: PLATFORMAZAKUPOWA
Streszczenie SWZ
Streszczenie AI · Janusz
Widzisz połowę każdej z 9 sekcjiDruga połowa — łącznie 15 zdań z warunkami, dokumentami i analizą ryzyka — odsłania się po założeniu darmowego konta.
Uruchomienie: 2 miesiące od podpisania Umowy. - Świadczenie: 12 miesięcy od daty rozpoczęcia świadczenia (Protokół odbioru).
6
Warunki udziału
Widoczne 50%
Doświadczenie: 2 usługi z zakresu analizy/przetwarzania danych przestrzennych i wdrożenia AI do klasyfikacji obrazów/danych geoinformatycznych, każda ≥ 1 000 000 zł brutto, ostatnie 5 lat
Kadra – Data Scientist: certyfikat (Deep Learning Specialization / IBM AI Engineering / Google Cloud Professional ML Engineer / AWS Certified ML-Specialist / TensorFlow Developer Certificate lub równoważny), biegi polski
Kadra – Deep Learning Engineer/NLP Engineer: certyfikat (te same co Data Scientist), biegi polski
Podwykonawstwo: dopuszczone; wskazać części i firmy podwykonawców w ofercie.
Zmiany umowy: dopuszczone wg ppu (Załącznik nr 9); postanowienia niepodlegające negocjacjom; wydłużenie terminu uruchomienia max o 1 miesiąc bez aneksu.
Własność intelektualna: przeniesienie autorskich praw majątkowych na Zamawiającego po odbiorze.
Z każdej z 9 sekcji pokazujemy połowę. Załóż darmowe konto, żeby odsłonić pozostałe 15 zdań — pełne warunki udziału, dokumenty i analizę ryzyka Janusza. Bez karty, 14 dni za darmo.
14 dni za darmo Bez karty płatniczej Rezygnacja w 1 klik
Opis przedmiotu zamówienia
Streszczenie AI · Janusz
Część 1 (usługa SaaS): identyfikacja automatyczna klas pokrycia terenu (a–f) na danych rastrowych lotniczych/satelitarnych (rozdzielczość 0,25 m) z wykorzystaniem AI/ML, z generowaniem warstw wektorowych, poziomem ufności i eksportem wyników — 1 zamówienie (całość logiczno-technologiczna).
Konsultacje: do 50 roboczogodzin wsparcia technicznego w zakresie Usługi.
Dokumentacja i szkolenia: dokumentacja użytkownika i techniczna + materiały edukacyjne w języku polskim.
Świadczenie: 12 miesięcy dostępności Usługi po uruchomieniu, w tym automatyczne douczenie modeli na nowych danych.
Dane: przetwarzanie zbiorów >1 TB (dane rastrowe + wektorowe), dostarczane przez Zamawiającego; ocena jakości na podstawie macierzy pomyłek (walidacja wewnętrzna Wykonawcy) i danych referencyjnych Zamawiającego.
Wymagania jakościowe: Overall Accuracy ≥ 0,85, Recall ≥ 0,80, Precision ≥ 0,80; czas przetwarzania 3000 km² ≤ 1 h.
Środowisko: infrastruktura GPU (min. 48 GB VRAM) lub CPU (min. 128 GB RAM) do 1,2 TB roboczego dysku.
Pytania i odpowiedzi
Wyjaśnienia treści SWZ udzielone przez zamawiającego. Odpowiedzi wiążą wszystkich wykonawców — także tych, którzy nie zadali pytania.
Dotyczy: Załącznika nr 1 do Umowy (OPZ), pkt 1.2.17–1.2.20 (definicje Overall Accuracy, Recall, Precision) oraz pkt 1.2.25 (miara IoU), w związku z kryterium oceny ofert „dokładność modelu” (Pd, Rozdział XI SWZ) i karami umownymi (§ 11 ppu). Pytanie: OPZ definiuje wskaźniki poprzez liczby obiektów i nakazuje liczyć je odrębnie dla każdej klasy, nie określa jednak, co stanowi obiekt podlegający ocenie ani według jakiej reguły obiekt uznaje się za poprawnie sklasyfikowany. Różne, równie uprawnione interpretacje prowadzą — dla tej samej predykcji — do istotnie odmiennych wartości wskaźników, co przy progach 0,80 i 0,90 może przesądzać o punktacji, a w skrajnym przypadku o zgodności oferty z warunkami zamówienia. Wobec tego prosimy o wskazanie:
● a) co stanowi „obiekt” w rozumieniu pkt 1.2.18–1.2.20: obiekt z warstwy referencyjnej Zamawiającego, obiekt wynikowy generowany przez Usługę, czy inna, zdefiniowana jednostka;
● b) czy regułą dopasowania obiektu wynikowego do referencyjnego jest miara IoU (pkt 1.2.25), a jeżeli tak — jaką wartość progową Zamawiający przyjmuje.
Zamawiający wyjaśnia, że wskaźniki Overall Accuracy, Recall oraz Precision odnoszą się do skuteczności identyfikacji klas pokrycia terenu objętych zamówieniem i są wyznaczane odrębnie dla każdej klasy pokrycia terenu.
Ad a) Przez „obiekt”, o który mowa w pkt 1.2.18-1.2.20 OPZ, Zamawiający rozumie obiekt wektorowy należący do danej klasy pokrycia terenu, zdefiniowany w danych referencyjnych (ground truth) wykorzystywanych do oceny jakości identyfikacji klas pokrycia terenu.
Ad b) Miara IoU (Intersection over Union), o której mowa w pkt 1.2.25 OPZ, ma charakter informacyjny i nie stanowi odrębnego kryterium oceny ofert ani samodzielnej metryki wykorzystywanej do wyznaczania wskaźników Overall Accuracy, Recall oraz Precision. Miara ta może być wykorzystywana pomocniczo przy ocenie zgodności geometrii obiektów wynikowych z danymi referencyjnymi. Zamawiający nie definiuje progowej wartości IoU stosowanej na potrzeby oceny ofert, odbioru Usługi ani naliczania kar umownych.
Dotyczy: Załącznika nr 1 do Umowy (OPZ), pkt 1.2.1 (charakterystyka klas zawierająca kryteria powierzchniowe — m.in. las L ≥ 0,10 ha; oczka wodne OM do 100 m²; OW 100–10 000 m²; zagajniki ZS do 0,5 ha) w związku z pkt 1.2.17–1.2.20. Pytanie: Dokumentacja nie wskazuje, czy przy obliczaniu wskaźników obowiązuje minimalna powierzchnia obiektu podlegającego ocenie. Ponieważ w metryce obiektowej każdy obiekt ma jednakową wagę niezależnie od powierzchni, obiekty o bardzo małej powierzchni wpływają na wskaźnik klasy w tym samym stopniu co obiekty wielohektarowe, a wartość wskaźnika zależy wówczas w znacznej mierze od struktury wielkościowej zbioru oceny. Prosimy o wyjaśnienie:
● a) czy obiekty niespełniające kryteriów powierzchniowych wskazanych w charakterystyce ich klasy podlegają ocenie;
● b) czy Zamawiający stosuje minimalną powierzchnię obiektu podlegającego ocenie, a jeżeli tak — jaką i czy jednakową dla wszystkich klas.
Zamawiający wyjaśnia, że ocenie podlegają obiekty spełniające definicje i kryteria właściwe dla poszczególnych klas pokrycia terenu określone w OPZ.
Ad a) Obiekty niespełniające kryteriów powierzchniowych lub innych kryteriów kwalifikujących do danej klasy pokrycia terenu nie są traktowane jako reprezentacja tej klasy i nie podlegają ocenie w ramach wskaźników jakości wyznaczanych dla tej klasy.
Ad b) Zamawiający nie wprowadza dodatkowej, wspólnej dla wszystkich klas minimalnej powierzchni obiektu podlegającego ocenie. Wymagania dotyczące minimalnej lub maksymalnej powierzchni obiektów wynikają z definicji poszczególnych klas pokrycia terenu i odpowiadają kryteriom określonym w charakterystyce tych klas zawartej w OPZ.
Dotyczy: Rozdziału I.1 pkt 2.2 lit. e SWZ (w brzmieniu nadanym zmianą treści SWZ), tabeli mapowania klas na kody Pól Zagospodarowania zawartej w odpowiedzi na pytanie nr 17, Załącznika nr 1 do Umowy (OPZ) pkt 1.2.1 oraz udostępnionej próbki danych (warstwy liniowe). Pytanie: W dokumentacji występuje rozbieżność co do składu klasy premiowanej e „Wody”: przywołany przepis SWZ wymienia kody W, OM, OW, R2, R10, natomiast tabela z odpowiedzi na pytanie nr 17 wymienia wyłącznie W, OM, OW. Dodatkowo w udostępnionej próbce (warstwa liniowa) występuje kod R6, obejmujący znaczną część obiektów liniowych, nieujęty w treść OPZ ani w pozostałe dokumenty postępowania. Prosimy o wskazanie:
● a) które kody Pól Zagospodarowania tworzą klasę e podlegającą ocenie (W, OM, OW, R2, R10 zgodnie z treścią SWZ, czy W, OM, OW zgodnie z odpowiedzią na pytanie nr 17);
● b) do której klasy pokrycia terenu (a–f) należy zaliczyć obiekty o kodzie R6, jaka jest ich charakterystyka i szerokość — albo potwierdzenie, że obiekty te nie podlegają identyfikacji i ocenie.
Zamawiający wyjaśnia, że wiążące są postanowienia SWZ i OPZ w aktualnym brzmieniu po dokonanych zmianach.
Ad a) Do klasy pokrycia terenu Wody zaliczane są pola zagospodarowania: W, OM, OW, R2, R10.
Ad b) Kod R6 nie stanowi elementu klasy pokrycia terenu podlegającej identyfikacji i ocenie w niniejszym postępowaniu. Obiekty oznaczone kodem R6 nie są uwzględniane przy wyznaczaniu wskaźników jakości i nie podlegają ocenie w ramach klas pokrycia terenu objętych zamówieniem.
Dotyczy: Załącznika nr 1 do Umowy (OPZ), pkt 1.2.1 (obiekty liniowe — rowy) oraz pkt 1 ppkt 1 (prezentacja wyniku identyfikacji w postaci poligonów). Pytanie: Kody rowów (R2 — „do 2 m”, R10 — „od 2 do 10 m”, a także występujący w próbce R6) mają w OPZ rodzaj warstwy „liniowa”, podczas gdy wynik identyfikacji ma być prezentowany w postaci poligonów. Przy terenowej wielkości piksela 0,25 m przyjęta szerokość obiektu liniowego przesądza o liczbie reprezentujących go pikseli, a tym samym o wartości wskaźników klasy e. Prosimy o wyjaśnienie:
● a) czy każdy obiekt liniowy stanowi odrębny obiekt w obliczeniach Overall Accuracy, Recall i Precision, na równi z obiektami powierzchniowymi;
● b) w jaki sposób geometria liniowa jest przekształcana na powierzchniową do porównania z wynikiem — w szczególności jaką szerokość Zamawiający przyjmuje dla kodów R2, R6 i R10;
● c) czy Wykonawca ma zwracać dla tych obiektów geometrię liniową, czy powierzchniową.
Ad a) Tak. Każdy obiekt liniowy podlegający identyfikacji stanowi odrębny obiekt uwzględniany przy wyznaczaniu wskaźników Overall Accuracy, Recall oraz Precision dla właściwej klasy pokrycia terenu
Ad b) Zamawiający wyjaśnia, że dla obiektów liniowych zachowywana jest ich geometryczna reprezentacja liniowa zgodnie z charakterem danych referencyjnych pozostających w dyspozycji Zamawiającego.
Ad c) Wykonawca powinien prezentować wynik identyfikacji obiektów liniowych w postaci geometrii liniowej.
Jednocześnie Zamawiający w odpowiedzi na pytanie, działając na podstawie przepisu art. 137 ust. 1 ustawy, zmienia treść SWZ w następujący sposób.
Załącznik nr 1 do ppu, Opis Usługi/przedmiotu zamówienia, pkt 1.3 Zakres przedmiotu zamówienia, w ppkt 1. dwa ostatnie zdania otrzymują brzmienie:
Każda z wykrytych klas (a-f) obiektów powinna być reprezentowana jako oddzielna warstwa wektorowa. Obiekty przypisane do konkretnych klas powinny być prezentowane w postaci geometrii odpowiadającej ich reprezentacji w danych referencyjnych, tj. jako obiekty powierzchniowe (poligony) lub obiekty liniowe, opatrzone atrybutem wskazującym rozpoznaną klasę. Dodatkowo, wyniki identyfikacji powinny zawierać informację o poziomie ufności lub prawdopodobieństwie klasyfikacji dla każdego obiektu.
Dotyczy: Załącznika nr 1 do Umowy (OPZ), pkt 1.2.14 „Zestaw danych” (dopuszcza dane RGB oraz CIR) i pkt 5.3 (minimalna rozdzielczość 0,25 m) oraz udostępnionej próbki danych. Pytanie: Udostępniona na potrzeby postępowania ortofotomapa jest zapisana jako trójkanałowa (RGB), bez kanału bliskiej podczerwieni (NIR), podczas gdy OPZ dopuszcza zarówno dane RGB, jak i CIR. Skład kanałowy istotnie wpływa na dobór rozwiązania i osiągalne wartości wskaźników jakości. Prosimy o wskazanie, czy dane wykorzystywane podczas realizacji Usługi (w okresie świadczenia) będą dostarczane wyłącznie jako RGB, czy będą obejmuć także kanał bliskiej podczerwieni (NIR) / kompozycję CIR; jeżeli skład kanałowy może być zmienny — prosimy o wskazanie wariantu wiążącego dla wymaganych wskaźników jakości.
Zgodnie z OPZ przez „Zestaw danych” należy rozumieć dane rastrowe spełniające wymagania określone w dokumentacji, w szczególności dotyczące rozdzielczości przestrzennej, przy czym mogą one obejmować zarówno dane RGB, jak i dane CIR.
W zakresie oceny ofert wiążące pozostają dane udostępnione przez Zamawiającego w ramach próbki danych. Oznacza to, że deklarowane przez Wykonawcę wartości wskaźników jakości na etapie oceny ofert odnoszą się do danych udostępnionych w próbce danych.
Dotyczy: Rozdziału I.1.1 SWZ (w brzmieniu nadanym zmianą treści SWZ), dotyczącego sposobu udostępnienia próbki danych — zbiór podlegający ocenie zawiera wyłącznie dane rastrowe (bez danych referencyjnych), a Wykonawca przekazuje macierze pomyłek. Pytanie: Wyznaczenie macierzy pomyłek wymaga danych referencyjnych, których zbiór podlegający ocenie nie zawiera. Prosimy o wskazanie, w jaki sposób Wykonawca ma sporządzić macierze pomyłek dla zbioru podlegającego ocenie przy braku danych referencyjnych — w szczególności czy przekazywane macierze mają dotyczyć wewnętrznej walidacji przeprowadzonej na zbiorze uczącym, natomiast wskaźniki jakości na potrzeby oceny ofert Zamawiający wyznaczy samodzielnie na własnych danych referencyjnych (spójnie z odpowiedziami na pytania nr 8, 9 i 11).
W związku z faktem, iż Wykonawcy zostanie udostępniona próbka danych, która zawiera zarówno dane rastrowe i wektorowe dla jednego roku (które posłużą jako dane uczące jak również w części jako walidacyjne, w zależności od podejścia Wykonawcy) oraz dane rastrowe dla kolejnego roku, Wykonawca ma sporządzić macierze pomyłek dla zbioru podlegającego ocenie na podstawie wewnętrznej walidacji przeprowadzonej na zbiorze uczącym. Zamawiający dysponując danymi wektorowymi (referencyjnymi) reprezentującymi de facto stan rzeczywisty w poszczególnych klasach pokrycia terenu dokona oceny skuteczności/jakości wyuczonego algorytmu.
Zamawiający informuje, że dokonane zmiany SWZ są wiążące dla Wykonawców
