# معايرة الغلة وتنظيفها

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.

{% embed url="<https://youtu.be/Tk5lubolnHQ>" %}
دروس فيديو لتنظيف ومعايرة بيانات المحصول. شرح الفروق بين الخيارات.
{% endembed %}

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.

{% hint style="info" %}
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](/geopard-tutorials/ar/mstndat-wajhh-brmjh-alttbyqat/nzrh-aamh-ala-tlbat-wajhh-brmjh-ttbyqat-geopard/84.-althwyr-maayrh-wtnzyf-yielddataset.md)). تقوم بتشغيل `المعايرة` و `التنظيف` العمليات في واجهة المستخدم أو عبر واجهة برمجة التطبيقات.
{% endhint %}

## نظرة سريعة

<table data-view="cards"><thead><tr><th></th><th></th><th></th><th data-hidden data-card-cover data-type="files"></th></tr></thead><tbody><tr><td><img src="/files/ef0ba34924a45c1ac443987e249c1ae66e8a4b34" alt=""></td><td></td><td></td><td></td></tr><tr><td><img src="/files/eb05c8ef70c559194da7ed5751cd2244a59b8c78" alt=""></td><td></td><td></td><td></td></tr><tr><td><img src="/files/803c83dd75ff55d39562d4e2fd813d29bfac7ec4" alt=""></td><td></td><td></td><td></td></tr><tr><td><img src="/files/f494ca3c7687d018c79f482f4375d4836de864a7" alt=""></td><td></td><td></td><td></td></tr><tr><td><img src="/files/a635b3e9a6cf2b079dbab2b0f9ad769217afecf3" alt=""></td><td></td><td></td><td></td></tr><tr><td><img src="/files/dd86318cea5cb77609b9798968ba54622139c8f9" alt=""></td><td></td><td></td><td></td></tr></tbody></table>

{% file src="/files/24cb66a7f93373586ce768221b284e23b7e56d29" %}
تحميل كتيب PDF لتنظيف المحصول
{% endfile %}

## 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.

{% hint style="info" %}
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](/geopard-tutorials/ar/alm-alzraah/khryth-ghlh-astnaayh.md).
{% endhint %}

### عمل عدة حصادات معًا

<figure><img src="/files/ee5c917e33474af6f6fcd5f3ec0adbc9eacca538" alt=""><figcaption><p>المثال 1: عمل عدة حصادات معًا</p></figcaption></figure>

{% hint style="info" %}
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.
{% endhint %}

<figure><img src="/files/f17effcb6adea1177f7cdb8c279a6bfcd93ec634" alt=""><figcaption><p>المثال 2: عمل عدة حصادات معًا</p></figcaption></figure>

<figure><img src="/files/60c4b7d7f6543e4f37ab9356ac986a8965d719cf" alt=""><figcaption><p>المثال 3: عمل عدة حصادات معًا</p></figcaption></figure>

### انعطافات J، توقفات، استخدام نصف عرض المعدات

<figure><img src="/files/769f405d7fb36e8e8ae73fcf693fc05c31141b9c" alt=""><figcaption><p>المثال 1: انعطافات U، توقفات، استخدام نصف عرض المعدات</p></figcaption></figure>

<figure><img src="/files/ed22fc3d568b652b6096097a0fcd68cbe937f4ac" alt=""><figcaption><p>المثال 2: انعطافات U، توقفات، استخدام نصف عرض المعدات</p></figcaption></figure>

### قيم مسجلة كبيرة بشكل شاذ

<figure><img src="/files/fe2761e011a57b995956633291f44db59d17c837" alt=""><figcaption><p>المثال 1: قيم مسجلة كبيرة بشكل شاذ</p></figcaption></figure>

<figure><img src="/files/5ff0a9534863552bd0706daa15a72b25240b00ae" alt=""><figcaption><p>المثال 2: قيم مسجلة كبيرة بشكل شاذ</p></figcaption></figure>

<figure><img src="/files/e2cf39beb696b8d043a28f99dbcffe0cf83decc6" alt=""><figcaption><p>المثال 3: قيم مسجلة كبيرة بشكل شاذ</p></figcaption></figure>

<figure><img src="/files/c4355bce748f725856e7dd41de76da42a4c4906d" alt=""><figcaption><p>المثال 4: قيم مسجلة كبيرة بشكل شاذ</p></figcaption></figure>

<figure><img src="/files/94ab05d5dd3edee89b18b5c351a5860b3f6bf1cf" alt=""><figcaption><p>المثال 5: قيم مسجلة كبيرة بشكل شاذ</p></figcaption></figure>

### بيانات خارج حدود الحقل

<figure><img src="/files/3951dbd24f01b288e7e32ba881c4b2a9f9e74fcd" alt=""><figcaption><p>مثال: بيانات خارج حدود الحقول</p></figcaption></figure>

### المعايرة باستخدام قيمة متوسط المحصول المقدمة

<figure><img src="/files/c37cc9db3b826da41f73fe792997ab2909e817e4" alt=""><figcaption><p>مثال: المعايرة باستخدام قيمة متوسط المحصول المقدمة (28 طن/هكتار)</p></figcaption></figure>

### 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.

<figure><img src="/files/e1dc2306183aecfc5359b5fb507892a1fb230177" alt=""><figcaption><p>مثال: شذوذ في سمة الرطوبة</p></figcaption></figure>

<figure><img src="/files/8a55792eaea4c9d879cc068f912ed4bc529bf20a" alt=""><figcaption><p>مثال: تنظيف بيانات المحصول مع تجاهل الشذوذات في الرطوبة</p></figcaption></figure>

### 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.

<figure><img src="/files/9200a6b1902e615e38fc4e8927dbc2e5b426e2dc" alt=""><figcaption><p>مثال: تنظيف بيانات المحصول بتطبيق بروتوكول وزارة الزراعة الأمريكية</p></figcaption></figure>

<figure><img src="/files/bdba83cfe0a249b892b241f04709665177b4a85c" alt=""><figcaption><p>مثال: تنظيف بيانات المحصول بتطبيق بروتوكول وزارة الزراعة الأمريكية</p></figcaption></figure>

## شرح منطق المعايرة

### المعايرة حسب المسار

**اِسْتَخْدِم** **المعايرة حسب المسار** عندما يكون الحقل <mark style="background-color:green;">محصولًا بواسطة عدة آلات أو على مدى عدة أيام، لتصحيح الاختلافات النظامية مثل التخطيط أو التجمّعات.</mark> إنه مثالي للسيناريوهات التي تتسبب فيها إعدادات الماكينات المختلفة، أو المشغلون، أو الظروف البيئية في تقدير مفرط أو ناقص عبر مسارات مختلفة.

وبشكل حاسم، <mark style="background-color:yellow;">يتطلب الذكاء الاصطناعي وجود تباين - مثل مسارات مميزة، معرّفات ماكينات مختلفة، أو تواريخ حصاد مختلفة - ليتعلّم ويعاير بفعالية.</mark>

<figure><img src="/files/13861712a4a8a804718fc0e27249aad296f6eb99" alt=""><figcaption><p>مثال: WetMass للمحصول و9 حصادات</p></figcaption></figure>

**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

<figure><img src="/files/15f594a2af438d872cfb9e9da9f512e64d397252" alt="" width="563"><figcaption><p>مثال: توزيع بيانات صحيح إحصائيًا</p></figcaption></figure>

### المعايرة بالمعدل أو الإجمالي

**المعايرة بالمعدل/الإجمالي يُنصَح بها** عندما <mark style="background-color:green;">لديك مستوى عالي من الثقة في بيانات المحصول الكلية للحقل، مثل سجلات من موازين الوزن أو منشأة تخزين.</mark> 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.

<figure><img src="/files/15f594a2af438d872cfb9e9da9f512e64d397252" alt="" width="563"><figcaption><p>مثال: توزيع بيانات صحيح إحصائيًا مع الحاجة إلى تحويل مطلوب باستخدام متوسط المحصول</p></figcaption></figure>

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؛ <mark style="background-color:green;">المعايرة حسب المسار أفضل ملاءمة لتلك القضايا</mark>.
* **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.

<figure><img src="/files/e84dcc5b3d8cfef60856e8f9e54b34dae7326c56" alt="" width="563"><figcaption><p>مثال: بيانات المحصول بها فجوات</p></figcaption></figure>

### المعايرة الشرطية

**المعايرة الشرطية** يعمل كـ <mark style="background-color:green;">ضابط سلامة من خلال ضمان بقاء قيم المحصول ضمن نطاقات دنيا وعليا متوقعة ومعرفة مسبقًا</mark>.

أنت **يَجِبُ أَنْ تَسْتَخْدِمَ** هذا المنطق لِـ<mark style="background-color:green;">إزالة القيم الشاذة المتطرفة وحدات الاستشعار النشطة الناتجة عن الضوضاء، توقفات الماكينة، أو الانعطافات</mark>. إنه مثالي لتطبيق توقعات زراعية محددة - مثل "لا يمكن أن يتجاوز المحصول X" - دون إجراء تصحيح.

<figure><img src="/files/822ed6dbb4011bea968275c500e9200376439171" alt=""><figcaption></figcaption></figure>

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

<figure><img src="/files/8fa4ceead6b903f74506ea47651895c8cfb6c02b" alt=""><figcaption><p>دليل معايرة المحصول صفحة واحدة</p></figcaption></figure>

{% file src="/files/341f00149de22dbbb57bb1d1cebb946feccde928" %}
تحميل ملف PDF صفحة واحدة لدليل معايرة المحصول
{% endfile %}

## 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.

<figure><img src="/files/ee1169caf7ccdba0becd7fe4d179ac9c31648b39" alt=""><figcaption><p>ابدأ التدفق</p></figcaption></figure>

<figure><img src="/files/9efd2bc8e7a0d1e897aea5aeda023033fa680ba1" alt="" width="563"><figcaption><p>اختر خيارًا للمتابعة</p></figcaption></figure>

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

{% hint style="warning" %}
**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.
{% endhint %}

{% @arcade/embed url="<https://app.arcade.software/share/gzZZkXqKSAd1eaIKNqDB>" flowId="gzZZkXqKSAd1eaIKNqDB" %}

## إرشادات كاملة

{% hint style="warning" %}
**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.
{% endhint %}

{% hint style="warning" %}
**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.
{% endhint %}

{% hint style="warning" %}
**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).
{% endhint %}

{% hint style="warning" %}
**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).
{% endhint %}

{% @arcade/embed url="<https://app.arcade.software/share/i8Q6uC04nIVjJLLOYELJ>" flowId="i8Q6uC04nIVjJLLOYELJ" %}

## إصدارات الخوارزمية

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

<figure><img src="/files/23e7afe5edd2d0bcd24e5859ac96dec3d060598c" alt=""><figcaption><p>نتيجة تنفيذ المعايرة والتنظيف (الإصدار 2)</p></figcaption></figure>

{% hint style="info" %}
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.
{% endhint %}

<figure><img src="/files/201520bdb83b4c48fbd9530f3434541bf2acd227" alt=""><figcaption><p>نتيجة تنفيذ المعالجة التلقائية (الإصدار 3.0)</p></figcaption></figure>

{% hint style="info" %}
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.
{% endhint %}

<figure><img src="/files/a23cd75247d667e4b7d9cb0e4bad222c359829ba" alt=""><figcaption><p>نتيجة تنفيذ المعايرة باستخدام متوسط محصول 6 طن/هكتار (الإصدار 4.0)</p></figcaption></figure>

{% hint style="info" %}
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.
{% endhint %}

<figure><img src="/files/9200a6b1902e615e38fc4e8927dbc2e5b426e2dc" alt=""><figcaption><p>نتيجة تنفيذ التنظيف باستخدام بروتوكول USDA (الإصدار 5.0)</p></figcaption></figure>


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.geopard.tech/geopard-tutorials/ar/alm-alzraah/maayrh-alghlh-wtnzyfha.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.