حالة استخدام معايرة وتنظيف الغلة

كيفية تنظيف ومعايرة بيانات مراقب الغلة في GeoPard. يتضمن بروتوكول تنظيف الغلة USDA. إصلاح القيم الشاذة، خطوط الشريط، دورات الدوران، ومجموعات بيانات الحصادات المتعددة.

استخدم GeoPard لـ تنظيف بيانات المحصول و معايرة مجموعات بيانات مراقب المحصول. احصل على خريطة محصول يمكنك الوثوق بها للمناطق، والوصفات، والتحليلات. يتعامل هذا سير العمل مع القيم الشاذة، والتحويلات، والسمات المفقودة، وبيانات المحصول من جمعيات حصاد متعددة. ويتضمن بروتوكول تنظيف المحصول التابع لوزارة الزراعة الأمريكية ويدعم سير عمل بديل لمحرر المحصول سير العمل.

دروس فيديو لتنظيف ومعايرة بيانات المحصول. شرح الفروق بين الخيارات.

هذه العملية المعايرة مفيدة في:

1. ضمان اتساق البيانات: ليس من غير المألوف أن تعمل عدة حصادات بالتوازي أو عبر أيام مختلفة. تضمن هذه الميزة أن تتناغم بياناتها معًا.

2. توحيد البيانات: يمكن أن تكون بيانات المحصول متباينة؛ تُبقي المعايرة البيانات ناعمة ومتسقة، دون ارتفاعات أو هبوطات غير مرغوبة.

3. تصفية الضوضاء: مثل أي بيانات، يمكن أن تحتوي بيانات المحصول على «ضوضاء» أو معلومات غير ذات صلة. نضمن ألا تُشوّش هذه الضوضاء استنتاجاتك.

4. تبسيط الأشكال الهندسية: أي تحولات أو أنماط هندسية غريبة قد تشوّه الرؤى الحقيقية. صُممت المعايرة لتسوية هذه المشكلات، وضمان أن تعكس البيانات واقع الحقل بدقة.

5. الاقتصاص حسب حدود الحقل: غالبًا ما تعمل الحصادات عبر مناطق متجاورة. للحصول على نتائج تحليلية دقيقة، من الضروري أخذ البيانات الموجودة داخل الحدود المحددة فقط بعين الاعتبار.

واجهة معايرة المحصول تستخدم نقطة نهاية واجهة برمجة تطبيقات GeoPard لعملية تنظيف/معايرة مجموعة بيانات المحصول (واجهة برمجة تطبيقات GeoPard: معايرة وتنظيف مجموعة بيانات المحصول). تقوم بتشغيل المعايرة و التنظيف العمليات في واجهة المستخدم أو عبر واجهة برمجة التطبيقات.

نظرة سريعة

5MB

Automated_Yield_Data_Cleaning_Calibration_with_GeoPard.pdf

PDF

Open

تحميل كتيب PDF لتنظيف المحصول

أمثلة من الواقع

في مجال الزراعة، يمكن أن تشكل مجموعات بيانات المحصول التالفة تحديات كبيرة. أدناه يمكنك العثور على أمثلة من العالم الواقعي حيث تم مواجهة مثل هذه المجموعات. عبر خوارزميات المعايرة والتنظيف المتقدمة من GeoPard، تم تحسين هذه المجموعات وصقلها بفعالية.

لمعالجة المناطق التي تفتقر إلى بيانات محصول مسجلة ولتحقيق اكتمال خريطة المحصول، فكّر في استخدام نهج خريطة المحصول التركيبية من GeoPard. تستعيد هذه الطريقة البيانات المفقودة للحصول على تحليل محصول كامل. تعرّف على المزيد هنا.

عمل عدة حصادات معًا

المثال 1: عمل عدة حصادات معًا

عند التعامل مع سيناريوهات معقدة، يُنصح بعملية معايرة من خطوتين لتحقيق أفضل دقة. ابدأ بتشغيل المعايرة الأولية باستخدام سمة معرف الماكينة. بعد ذلك، تابع بجولة ثانية من المعايرة، هذه المرة باستخدام مربع الاختيار لمسارات الآلة المحاكاة (التركيبية). يضمن هذا النهج الطبقي معايرة شاملة ودقيقة، ضرورية لإدارة الحالات المعقدة بفعالية.

المثال 2: عمل عدة حصادات معًا

المثال 3: عمل عدة حصادات معًا

انعطافات J، توقفات، استخدام نصف عرض المعدات

المثال 1: انعطافات U، توقفات، استخدام نصف عرض المعدات

المثال 2: انعطافات U، توقفات، استخدام نصف عرض المعدات

قيم مسجلة كبيرة بشكل شاذ

المثال 1: قيم مسجلة كبيرة بشكل شاذ

المثال 2: قيم مسجلة كبيرة بشكل شاذ

المثال 3: قيم مسجلة كبيرة بشكل شاذ

المثال 4: قيم مسجلة كبيرة بشكل شاذ

المثال 5: قيم مسجلة كبيرة بشكل شاذ

بيانات خارج حدود الحقل

مثال: بيانات خارج حدود الحقول

المعايرة باستخدام قيمة متوسط المحصول المقدمة

مثال: المعايرة باستخدام قيمة متوسط المحصول المقدمة (28 طن/هكتار)

تنظيف سمات المحصول متجاهلاً السمات التي بها شذوذ

قد تتضمن مجموعة بيانات المحصول أحيانًا سمات بها شذوذ في الرطوبة، السرعة، الارتفاعات، أو سمات ثانوية أخرى (غير المحصول). أثناء تنفيذ عمليات التنظيف أو المعايرة، من الضروري تجاهل هذه الشذوذات. يمكن تحقيق ذلك بكفاءة باستخدام واجهة GeoPard لتنظيف ومعايرة المحصول.

مثال: شذوذ في سمة الرطوبة

مثال: تنظيف بيانات المحصول مع تجاهل الشذوذات في الرطوبة

بروتوكول تنظيف بيانات الغلة وفق USDA

استخدم هذا الخيار عندما تحتاج إلى سير عمل لمحرر محصول قابل للتكرار ومعتمد على معايير. تم تحسينه لـ تنظيف بيانات مراقب المحصول على نطاق واسع.

مثال: تنظيف بيانات المحصول بتطبيق بروتوكول وزارة الزراعة الأمريكية

مثال: تنظيف بيانات المحصول بتطبيق بروتوكول وزارة الزراعة الأمريكية

شرح منطق المعايرة

المعايرة حسب المسار

اِسْتَخْدِم المعايرة حسب المسار عندما يكون الحقل محصولًا بواسطة عدة آلات أو على مدى عدة أيام، لتصحيح الاختلافات النظامية مثل التخطيط أو التجمّعات. إنه مثالي للسيناريوهات التي تتسبب فيها إعدادات الماكينات المختلفة، أو المشغلون، أو الظروف البيئية في تقدير مفرط أو ناقص عبر مسارات مختلفة.

وبشكل حاسم، يتطلب الذكاء الاصطناعي وجود تباين - مثل مسارات مميزة، معرّفات ماكينات مختلفة، أو تواريخ حصاد مختلفة - ليتعلّم ويعاير بفعالية.

مثال: WetMass للمحصول و9 حصادات

لا تَسْتَخْدِم هذه الطريقة للحصادات التي تعمل بآلة واحدة في جلسة مستمرة أو إذا كانت خريطة المحصول تفتقر إلى أنماط مكانية مرئية. بالإضافة إلى ذلك، تجنبها إذا كانت البيانات نادرة أو إذا كنت تملك فقط قيم محصول كلية على مستوى الحقل دون اختلافات على مستوى الماكينة

مثال: توزيع بيانات صحيح إحصائيًا

المعايرة بالمعدل أو الإجمالي

المعايرة بالمعدل/الإجمالي يُنصَح بها عندما لديك مستوى عالي من الثقة في بيانات المحصول الكلية للحقل، مثل سجلات من موازين الوزن أو منشأة تخزين. بدلاً من تعديل المسارات الفردية، تقوم هذه الطريقة بمقياس مجموعة البيانات بأكملها بحيث يتطابق المتوسط النهائي أو الإجمالي مع القيمة المرجعية المعروفة. وغالبًا ما توصف بأنها أبسط وأأمن خيار للمعايرة عندما تُوثَق الأرقام الإجمالية.

متى تَسْتَخْدِم معايرة المتوسط/الإجمالي:

• قِيَم مرجعية معروفة: يجب استخدام هذا المنطق عندما تكون لديك سجلات محصول كلية رسمية (مثل من موازين الوزن) أو متوسط موثوق للحقل.

• تصحيح الانحياز العام: إنه مثالي إذا بدا التوزيع المكاني في خريطة المحصول صحيحًا، لكن القيم متحولة على نحو عام - ما يعني أن جهاز قياس المحصول ربما لم يكن معايرًا ويبلغ عن قيم عالية جدًا أو منخفضة جدًا باستمرار عبر الحقل بأكمله.

• ظروف حصاد متجانسة: تكون هذه الطريقة أكثر فعالية عندما تكون ظروف الحصاد متسقة نسبيًا طوال العملية.

• اتساق آلة واحدة: تعمل جيدًا للحصادات التي أنجزتها ماكينة واحدة أدّت أداءً متسقًا عبر الحقل.

مثال: توزيع بيانات صحيح إحصائيًا مع الحاجة إلى تحويل مطلوب باستخدام متوسط المحصول

متى لا تَسْتَخْدِم معايرة المتوسط/الإجمالي:

• انحياز من آلة إلى آلة: لا تستخدم هذه الطريقة إذا حُصِدَت أجزاء مختلفة من الحقل بواسطة آلات مختلفة أو في أيام مختلفة نتج عنها تحيّزات محلية. في مثل هذه الحالات، لن يصلح مقياس الحقل بأكمله التباينات الأساسية بين الماكينات.

• آثار مرئية: إذا رأيت تخطيطًا قويًا، أو تجمّعات، أو آثار اتجاهية في بياناتك، فلن تحل هذه الطريقة تلك المشكلات؛ المعايرة حسب المسار أفضل ملاءمة لتلك القضايا.

• بيانات غير مكتملة: تجنّب هذا المنطق إذا حُصِد جزء فقط من الحقل أو إذا كانت البيانات المسجلة غير مكتملة، لأن القيم الكلية/المتوسط قد تكون مضللة.

مثال: بيانات المحصول بها فجوات

المعايرة الشرطية

المعايرة الشرطية يعمل كـ ضابط سلامة من خلال ضمان بقاء قيم المحصول ضمن نطاقات دنيا وعليا متوقعة ومعرفة مسبقًا.

أنت يَجِبُ أَنْ تَسْتَخْدِمَ هذا المنطق لِـإزالة القيم الشاذة المتطرفة وحدات الاستشعار النشطة الناتجة عن الضوضاء، توقفات الماكينة، أو الانعطافات. إنه مثالي لتطبيق توقعات زراعية محددة - مثل "لا يمكن أن يتجاوز المحصول X" - دون إجراء تصحيح.

ومع ذلك، تَجَنَّب هذِهِ الطَّرِيقَة إذا كانت مجموعة بياناتك بها انحياز عام أو اختلافات نظامية بين الماكينات، لأنها لا تقوم بمقياس البيانات أو إصلاح الأنماط المكانية. باختصار، تحافظ على معقولية القيم لكنها لا تحل انحرافات المعايرة الأساسية.

استراتيجية الاستخدام

دليل معايرة المحصول صفحة واحدة

234KB

GeoPard_Calibration_Guidance_EN_20250120.pdf

PDF

Open

تحميل ملف PDF صفحة واحدة لدليل معايرة المحصول

الخطوة الأولى

يتم تشغيل وحدة "معايرة وتنظيف المحصول" مباشرة من واجهة المستخدم. الشرط الأساسي هو وجود مجموعة بيانات محصول مرفوعة. بجانب كل مجموعة بيانات محصول، ستجد زرًا لبدء تعديلات المجموعة.

ابدأ التدفق

اختر خيارًا للمتابعة

من هناك، تتوفر عدة خيارات للمضي قدمًا:

1. المعالجة التلقائية: استخدم الإعدادات الافتراضية الموصى بها من GeoPard لمعايرة بنقرة واحدة.

2. تنظيف فقط: قم بتكوين وتنفيذ عملية التنظيف فقط، بما في ذلك

   1. تنظيف GeoPard: تنظيف ذكي لمجموعة بيانات المحصول باستخدام خوارزميات الذكاء الاصطناعي.

   2. وزارة الزراعة الأمريكية (USDA) بروتوكول التنظيف لوزارة الزراعة الأمريكية لمجموعات بيانات المحصول.

   3. تنظيف شرطي: تصفية البيانات بناءً على عتبات سمات مخصصة.

3. معايرة فقط: قم بتكوين وتنفيذ عملية المعايرة فقط، بما في ذلك

   1. المعايرة على مستوى المسار: معايرة المحصول لكل مسار ماكينة فردي باستخدام خوارزميات الذكاء الاصطناعي.

   2. المعايرة المتوسطة/الإجمالية: ضبط الناتج بناءً على متوسط الحقل المعروف أو إجمالي المحصول.

   3. المعايرة الشرطية: تعديل المحصول ضمن حدود دنيا وعليا محددة للحفاظ على نطاقات متوقعة.

4. المعايرة والتنظيف: اختر تسلسل العمليات وقم بتخصيص المعلمات.

5. بديل محرر المحصول: استخدم تنظيف فقط → USDA (أو المعايرة والتنظيف) لمطابقة سير عمل تنظيف "محرر المحصول" اليدوي، ولكن على نطاق واسع. في اختبارات التحقق، تطابق تنظيف بروتوكول USDA نتائج محرر المحصول اليدوي مع R² (R2) = 0.98 (مخرجات شبه متطابقة).

حل بزر واحد

تلميح للقيم الشاذة التي تكون أحيانًا فطرية في مجموعات بيانات المحصول.

إذا كانت attribute المحددة للمعايرة أو التنظيف تحتوي في الغالب على قيم صفرية عبر غالبية الأشكال الهندسية, فسيتم استبعاد هذه الأشكال الهندسية من مجموعة بيانات المحصول النهائية.

لضمان النزاهة، يجب استبعاد السمات التي تحتوي على مثل هذه الشذوذات من قائمة السمات التي ستُعاير.

إرشادات كاملة

اختر مسار: تلميح لشذوذات البيانات

إذا واجه المستخدم شذوذات في البيانات، مثل قيم عند الصفر أو قريبة منه، أو قيم كبيرة غير معتادة (على سبيل المثال، متوسط 10 مع حد أقصى 8000)، يُنصح باستخدام تدفق العمل "التنظيف والمعايرة" يوصى بسير العمل.

إعطاء الأولوية لتنظيف البيانات قبل المعايرة يضمن إزالة الأخطاء أو القيم المفقودة أو التناقضات، مما يعزز جودة ودقة البيانات.

اختر مسار: تلميح للبيانات بدون أخطاء مبدئية

بالنسبة لمجموعات البيانات الخالية مبدئيًا من الأخطاء أو القيم المفقودة أو التناقضات، وعندما يُعرف أن عدة آلات حصاد شاركت، ضع في الاعتبار تدفق عمل المعايرة والتنظيف سير العمل.

يساعد تنظيف البيانات بعد المعايرة على تنقية مجموعة البيانات بشكل إضافي من خلال التخلص المحتمل من أي شوائب تم إدخالها أثناء المعايرة.

مسار التنظيف: تلميح للقيم الشاذة التي تكون أحيانًا فطرية في مجموعات بيانات المحصول.

إذا كانت attribute المحددة للمعايرة أو التنظيف تحتوي في الغالب على قيم صفرية عبر غالبية الأشكال الهندسية, فسيتم استبعاد هذه الأشكال الهندسية من مجموعة بيانات المحصول النهائية.

لضمان النزاهة، يجب استبعاد السمات التي تحتوي على مثل هذه الشذوذات من قائمة السمات التي ستُنظف (2).

مسار المعايرة: تلميح للقيم الشاذة التي تكون أحيانًا فطرية في مجموعات بيانات المحصول.

إذا كانت attribute المحددة للمعايرة أو التنظيف تحتوي في الغالب على قيم صفرية عبر غالبية الأشكال الهندسية, فسيتم استبعاد هذه الأشكال الهندسية من مجموعة بيانات المحصول النهائية.

لضمان النزاهة، يجب استبعاد السمات التي تحتوي على مثل هذه الشذوذات من قائمة السمات التي ستُعاير (3).

إصدارات الخوارزمية

بعد المعالجة، تُعرض النتائج بجانب مجموعة البيانات الأصلية. يتم تمييزها بعلامات "معايرة" و/أو "تنظيف" ، بالإضافة إلى إصدار الخوارزمية.

نتيجة تنفيذ المعايرة والتنظيف (الإصدار 2)

من الإصدار 3.0 من خوارزمية التنظيف/المعايرة فصاعدًا، تُقدم GeoPard ميزة الاقتصاص حسب حدود الحقل. تحافظ هذه الميزة على الأشكال الهندسية داخل حدود الحقل فقط وتحسّن التوزيع الإحصائي.

نتيجة تنفيذ المعالجة التلقائية (الإصدار 3.0)

ابتداءً من الإصدار 4.0, تضمن خوارزمية التنظيف/المعايرة في GeoPard الآن ميزة للمعايرة بناءً على القيم المتوسطة أو الإجمالية عبر أي سمة. أحد التطبيقات الشائعة لهذا التحسين هو معايرة الكتلة الرطبة (WetMass)، والتي يمكن الآن ضبطها بواسطة متوسط المحصول المقاس المعروف لحقل معين.

نتيجة تنفيذ المعايرة باستخدام متوسط محصول 6 طن/هكتار (الإصدار 4.0)

من الإصدار 5.0 من خوارزمية التنظيف/المعايرة فصاعدًا، تُضيف GeoPard بروتوكول التنظيف لوزارة الزراعة الأمريكية (USDA) لتنظيف المحصول. توفر USDA معايير بيانات زراعية رسمية تحكم كيفية تطبيع، والتحقق إحصائيًا، وتصفيه قياسات المحصول، والرطوبة، والتدفق، والمقاييس المكانية لإنتاج مجموعات بيانات زراعية متسقة على مستوى الماكينة والحقل.

نتيجة تنفيذ التنظيف باستخدام بروتوكول USDA (الإصدار 5.0)