> For the complete documentation index, see [llms.txt](https://docs.geopard.tech/geopard-tutorials/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.geopard.tech/geopard-tutorials/ar/alzraah/yield-and-trials/yield-calibration-and-cleaning.md).

# تنظيف بيانات الإنتاجية ومعايرتها: إزالة الأخطاء من خرائط الإنتاجية

نظّف بيانات جهاز قياس الإنتاجية: تأخر تدفق المحصول، وبداية المرور ونهايته، والالتفافات، والتداخل، والقيم الشاذة للسرعة والرطوبة، ومعايرة الحصادات المتعددة، قبل إنشاء المناطق.

تتضمن بيانات مراقب الغلة الخام أخطاءً ناتجة عن تأخر تدفق المحصول، وبدايات ونهايات المسارات، والالتفافات، وتداخل رؤوس الحصاد، واختلاف معايرة الحصادات. نظّف البيانات قبل إنشاء المناطق أو تقييم تجربة، وإلا فستُظهر الخريطة أثر الآلة بدلًا من الحقل. يتبع GeoPard بروتوكول وزارة الزراعة الأمريكية لتنظيف البيانات تلقائيًا، ويتيح لك ضبط عوامل التصفية يدويًا، ومعايرة عدة حصادات بحيث تتوافق مع إجمالي أو متوسط غلة معروف.

{% hint style="info" %}
اطّلع على صفحة تنظيف بيانات الغلة التفاعلية على geopard.tech: [تنظيف بيانات الغلة](https://geopard.tech/yield-data/)
{% endhint %}

{% hint style="success" %}
نظّف ملفات الغلة للموسم الماضي: [ابدأ مجانًا](https://app.geopard.tech/auth/sign-up?utm_source=docs\&utm_medium=cta\&utm_campaign=yield-calibration-and-cleaning)
{% endhint %}

استخدم GeoPard **لتنظيف بيانات الغلة** و **لمعايرة مجموعات بيانات مراقب الغلة**. احصل على خريطة غلة موثوقة لاستخدامها في تحديد المناطق وإعداد الوصفات والتحليلات. يتعامل سير العمل هذا مع القيم الشاذة والالتفافات والسمات المفقودة وبيانات الغلة المجمعة من عدة حصادات. ويتضمن **بروتوكول وزارة الزراعة الأمريكية لتنظيف بيانات الغلة** ويدعم **سير عمل بديلًا لبرنامج Yield Editor** .

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

تؤدي عملية المعايرة هذه دورًا أساسيًا في:

1. **ضمان اتساق البيانات**: من الشائع أن تعمل عدة حصادات معًا أو في أيام مختلفة. تضمن هذه الميزة تناغم بياناتها.
2. **توحيد البيانات**: قد تتفاوت بيانات الغلة؛ وتضمن المعايرة سلاستها واتساقها، من دون ارتفاعات أو انخفاضات غير مرغوب فيها.
3. **تصفية التشويش**: مثل أي بيانات، قد تتضمن بيانات الغلة «تشويشًا» أو معلومات غير ذات صلة. نحرص على ألا يحجب ذلك رؤاك.
4. **تحسين الأشكال الهندسية**: قد تؤدي الالتفافات أو أنماط البيانات الهندسية غير المعتادة إلى تحريف الرؤى الحقيقية. صُممت المعايرة لمعالجة هذه الحالات، لضمان أن تعكس البيانات واقع الحقل بدقة.
5. **القصّ وفق حدود الحقل**: كثيرًا ما تعمل الحصادات في مناطق متجاورة. وللحصول على نتائج تحليلية دقيقة، من الضروري الاقتصار على البيانات الواقعة داخل الحدود المحددة.

{% hint style="info" %}
تستخدم واجهة معايرة الغلة نقطة نهاية GeoPard API لتنظيف/معايرة الغلة ([GeoPard API: معايرة وتنظيف YieldDataset](https://docs.geopard.tech/geopard-tutorials/ar/wthaeq-wajhh-brmjh-alttbyqat/geopard-api-requests-overview/84.-mutation-calibrate-and-clean-yielddataset.md)). وهي تنفّذ `CALIBRATE` و `CLEAN` عبر واجهة المستخدم أو من خلال API.
{% endhint %}

## لمحة 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="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F1pcsMp9Kt7NyZF11YgVW%2F1.png?alt=media&amp;token=f8190619-71b8-4665-b0e0-c64c8e94b656" alt=""></td><td></td><td></td><td></td></tr><tr><td><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FyFjisKTG8adFULlqqCjX%2F2.png?alt=media&amp;token=ea985793-14df-4e03-9051-35db1bad8f58" alt=""></td><td></td><td></td><td></td></tr><tr><td><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FCNlWjqLLdhPE2rTVuaUA%2F3.png?alt=media&amp;token=459d6925-63c1-4680-aab7-3d920f41bcbf" alt=""></td><td></td><td></td><td></td></tr><tr><td><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FTI9hUS0awcLL6KeOPkOo%2F4.png?alt=media&amp;token=ddf27706-7a35-4518-aab9-a3f5710fa5a8" alt=""></td><td></td><td></td><td></td></tr><tr><td><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FEEhbN218ZlKPadWMnDDK%2F5.png?alt=media&amp;token=5125ee8a-7936-4560-8bf6-474beb2e1812" alt=""></td><td></td><td></td><td></td></tr><tr><td><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FdOppLSfGQCizUG2UOWwz%2F6.png?alt=media&amp;token=2af3a431-3dc3-414f-90b1-9d62d860837c" alt=""></td><td></td><td></td><td></td></tr></tbody></table>

{% file src="/files/24cb66a7f93373586ce768221b284e23b7e56d29" %}
نزّل كتيّب PDF لتنظيف بيانات الغلة
{% endfile %}

## أمثلة من الواقع

في المجال الزراعي، قد تطرح مجموعات بيانات الغلة التالفة تحديات كبيرة. فيما يلي أمثلة من الواقع على هذه المجموعات. وباستخدام خوارزميات GeoPard المتقدمة للمعايرة والتنظيف، نُقّحت هذه البيانات وحُسّنت بفاعلية.

{% hint style="info" %}
لمعالجة المناطق التي لا تتوفر لها بيانات غلة مسجلة واستكمال خريطة الغلة، فكّر في استخدام نهج GeoPard لخريطة الغلة الاصطناعية. تستعيد هذه الطريقة البيانات المفقودة لإجراء تحليل متكامل للغلة. تعرّف على المزيد [هنا](https://docs.geopard.tech/geopard-tutorials/ar/alzraah/yield-and-trials/synthetic-yield-map.md).
{% endhint %}

### عمل عدة حصادات معًا

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FxLYRsV8pZbnffA7HacMw%2Fimage.png?alt=media&amp;token=735fe5c7-7355-4011-b550-366bba97acc2" alt=""><figcaption><p>المثال 1: عمل عدة حصادات معًا</p></figcaption></figure>

{% hint style="info" %}
عند التعامل مع حالات معقدة، يُوصى بإجراء المعايرة على خطوتين لتحقيق أفضل دقة. ابدأ بإجراء المعايرة الأولية باستخدام سمة معرّف الآلة. ثم أجرِ جولة ثانية من المعايرة باستخدام مربع الاختيار «مسارات الآلات المحاكاة (الاصطناعية)». يضمن هذا النهج المتدرج معايرة شاملة ودقيقة، وهو أمر ضروري للتعامل بفاعلية مع الحالات المعقدة.
{% endhint %}

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Fzp5sfPBeqgxwmAFvaOCg%2Fimage.png?alt=media&amp;token=7d873554-17e2-4871-8389-b08dbd2f9d46" alt=""><figcaption><p>المثال 2: عمل عدة حصادات معًا</p></figcaption></figure>

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FjgsxP8o0vdwvoEfsVjDO%2Fimage.png?alt=media&amp;token=4505bb89-582d-4819-86a7-7b2764346f4b" alt=""><figcaption><p>المثال 3: عمل عدة حصادات معًا</p></figcaption></figure>

### الانعطافات على شكل J، والتوقفات، واستخدام نصف عرض المعدّة

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FeCz6aOPR1yAqoQ09dHU6%2Fimage.png?alt=media&amp;token=6d404a9e-cdd2-4387-9ba0-da74a90233b1" alt=""><figcaption><p>المثال 1: الالتفافات، والتوقفات، واستخدام نصف عرض المعدّة</p></figcaption></figure>

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FRce8VNyPVrknT8nv5S70%2Fimage.png?alt=media&amp;token=fee2ecf8-35de-4777-b189-ac47eb234f31" alt=""><figcaption><p>المثال 2: الالتفافات، والتوقفات، واستخدام نصف عرض المعدّة</p></figcaption></figure>

### قيم مسجلة كبيرة بشكل غير طبيعي

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FzmazzTOpZUuGoGUpER3X%2Fimage.png?alt=media&amp;token=589f8406-b872-475b-aadf-fe98033be293" alt=""><figcaption><p>المثال 1: قيم مسجلة كبيرة بشكل غير طبيعي</p></figcaption></figure>

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FKBxJivTWUD4d1TEkiejY%2Fimage.png?alt=media&amp;token=783769a5-3c50-4031-b2ce-7a255bccdf14" alt=""><figcaption><p>المثال 2: قيم مسجلة كبيرة بشكل غير طبيعي</p></figcaption></figure>

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FfzS2hxfjzOLLloYECwGJ%2Fimage.png?alt=media&amp;token=227fce15-ae66-4377-988e-a01521b5be56" alt=""><figcaption><p>المثال 3: قيم مسجلة كبيرة بشكل غير طبيعي</p></figcaption></figure>

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FjXTlPKfGsFFgXNfbxo1p%2Fimage.png?alt=media&amp;token=35786ad7-59d3-4a7b-82b8-838dd8416894" alt=""><figcaption><p>المثال 4: قيم مسجّلة أكبر من المعتاد</p></figcaption></figure>

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FoLiETzE2JzYZGJkGnXea%2Fimage.png?alt=media&amp;token=a0fc2b5a-959a-43b7-bf07-e83a9289cd02" alt=""><figcaption><p>المثال 5: قيم مسجّلة أكبر من المعتاد</p></figcaption></figure>

### بيانات خارج حدود الحقل

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FBw3W24ci7QPTsKLAUMSQ%2Fimage.png?alt=media&amp;token=fed50b20-15cf-4631-87b5-4cdd157edf83" alt=""><figcaption><p>مثال: بيانات خارج حدود الحقول</p></figcaption></figure>

### المعايرة باستخدام قيمة متوسط الغلة المقدَّمة

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FfEKsgXvom18AclK5newr%2Fimage.png?alt=media&amp;token=36114655-9cbd-48e7-9b01-dbf4091478b3" alt=""><figcaption><p>مثال: المعايرة باستخدام قيمة متوسط الغلة المقدَّمة (28 طن/هكتار)</p></figcaption></figure>

### تنظيف سمات الغلة مع تجاهل السمات التي تتضمن حالات شاذة

تتضمن مجموعة بيانات الغلة أحيانًا سمات غير منتظمة في الرطوبة أو السرعة أو الارتفاعات أو غيرها من السمات الثانوية (غير المتعلقة بالغلة). أثناء تنفيذ أنشطة التنظيف أو المعايرة، من الضروري تجاهل هذه الحالات الشاذة. ويمكن تحقيق ذلك بكفاءة باستخدام واجهة GeoPard لتنظيف الغلة ومعايرتها.

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FxqB9uc6JCTsb5q6fuWrp%2Fimage.png?alt=media&amp;token=0f149cbe-8c5f-4604-9f64-ceb73a07b6eb" alt=""><figcaption><p>مثال: حالات شاذة في سمة الرطوبة</p></figcaption></figure>

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Fpnh4ysSTZUGlzBfQBO13%2Fimage.png?alt=media&amp;token=ded245e3-9ae5-48ea-b2da-1400bcbfc3ba" alt=""><figcaption><p>مثال: تنظيف بيانات الغلة مع تجاهل الحالات الشاذة في الرطوبة</p></figcaption></figure>

### بروتوكول وزارة الزراعة الأمريكية لتنظيف بيانات الغلة

استخدم هذا الخيار عندما تحتاج إلى **سير عمل متكرر لتحرير بيانات الغلة يستند إلى معايير**. وهو مُحسّن من أجل **تنظيف بيانات أجهزة مراقبة الغلة** على نطاق واسع.

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FhM4KqHPBIQqUWQ6nvoi1%2Fimage.png?alt=media&amp;token=b2447749-21b2-49b2-a160-bb9e50ff7e2e" alt=""><figcaption><p>مثال: تنظيف بيانات الغلة باستخدام بروتوكول وزارة الزراعة الأمريكية</p></figcaption></figure>

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FRjsfVEr1qOfaz3DflfGF%2Fimage.png?alt=media&amp;token=a2001258-09cd-44eb-9bca-3a0d54ac4bf1" alt=""><figcaption><p>مثال: تنظيف بيانات الغلة باستخدام بروتوكول وزارة الزراعة الأمريكية</p></figcaption></figure>

## شرح آليات المعايرة

### المعايرة حسب مسارات الحصاد

**استخدم** **المعايرة حسب مسارات الحصاد** عندما يُحصد الحقل <mark style="background-color:green;">بواسطة عدة آلات أو على مدار عدة أيام، وتحديدًا لتصحيح الفروق المنهجية مثل ظهور خطوط أو نطاقات.</mark> وهي مثالية للحالات التي تؤدي فيها اختلافات إعدادات الآلات أو المشغلين أو الظروف البيئية إلى تقدير الغلة باستمرار بأكثر أو أقل من قيمتها الفعلية في مسارات مختلفة.

والأهم من ذلك، <mark style="background-color:yellow;">أن الذكاء الاصطناعي يحتاج إلى وجود تباين — مثل اختلاف المسارات أو معرّفات الآلات أو تواريخ الحصاد — كي يتعلم ويعاير بفاعلية.</mark>

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FqeSVFK4x29AdDhMKdNt9%2FScreenshot%202026-01-19%20at%2015.09.43.png?alt=media&amp;token=abedd883-4894-4e19-817e-078e5866de25" alt=""><figcaption><p>مثال: الغلة بالكتلة الرطبة و9 آلات حصاد</p></figcaption></figure>

**لا تستخدم** هذه الطريقة عند الحصاد بآلة واحدة خلال جلسة متواصلة، أو إذا كانت خريطة الغلة لا تُظهر أنماطًا مكانية واضحة. وتجنب استخدامها أيضًا إذا كانت البيانات متفرقة، أو إذا لم تكن لديك سوى قيم إجمالي الغلة على مستوى الحقل من دون فروق على مستوى الآلات

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FaDRgi3zhqqbxRK5THJtB%2Fimage.png?alt=media&amp;token=c51381e5-48a7-4003-9009-9a524d6df15e" alt="" width="563"><figcaption><p>مثال: توزيع بيانات صحيح إحصائيًا</p></figcaption></figure>

### المعايرة باستخدام المتوسط أو الإجمالي

**تُعد المعايرة باستخدام المتوسط/الإجمالي الأنسب** عندما <mark style="background-color:green;">تكون واثقًا بدرجة كبيرة من بيانات الغلة الإجمالية للحقل، مثل السجلات الصادرة عن ميزان الشاحنات أو منشأة التخزين.</mark> بدلًا من تعديل المسارات الفردية، تضبط هذه الطريقة مجموعة البيانات بأكملها بحيث يطابق المتوسط أو الإجمالي النهائي القيمة المرجعية المعروفة لديك. وغالبًا ما توصف بأنها أبسط خيارات المعايرة وأكثرها أمانًا عندما تكون الأرقام الإجمالية موثوقة.

متى **تستخدم المعايرة باستخدام المتوسط/الإجمالي:**

* **قيم مرجعية معروفة**: استخدم هذه الآلية عندما تتوفر لديك سجلات رسمية لإجمالي الغلة (مثلًا من ميزان الشاحنات) أو قيمة موثوقة جدًا لمتوسط الغلة في الحقل.
* **تصحيح الانحياز العام**: تُعد هذه الطريقة مثالية إذا بدا التوزيع المكاني في خريطة الغلة صحيحًا، لكن القيم منحرفة على مستوى الحقل كله؛ أي إن جهاز مراقبة الغلة لم يُعاير على الأرجح، ولذلك يعرض باستمرار قيمًا أعلى أو أقل من الواقع في جميع أنحاء الحقل.
* **ظروف حصاد متجانسة**: تكون هذه الطريقة أكثر فاعلية عندما تكون ظروف الحصاد متقاربة نسبيًا طوال العملية.
* **اتساق الحصاد بآلة واحدة**: تنجح هذه الطريقة مع عمليات الحصاد التي تنفذها آلة واحدة وتعمل باتساق في مختلف أنحاء الحقل.

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FaDRgi3zhqqbxRK5THJtB%2Fimage.png?alt=media&amp;token=c51381e5-48a7-4003-9009-9a524d6df15e" alt="" width="563"><figcaption><p>مثال: توزيع بيانات صحيح إحصائيًا مع الإزاحة المطلوبة باستخدام متوسط الغلة</p></figcaption></figure>

متى **لا تستخدم المعايرة باستخدام المتوسط/الإجمالي:**

* **الانحياز بين الآلات**: لا تستخدم هذه الطريقة إذا حُصدت أجزاء مختلفة من الحقل بآلات مختلفة أو في أيام مختلفة، ما أدى إلى انحيازات موضعية. في هذه الحالات، لن يؤدي ضبط الحقل بأكمله إلى معالجة الفروق الأساسية بين الآلات.
* **شوائب مرئية**: إذا لاحظتَ خطوطًا أو نطاقات قوية أو شوائب اتجاهية في بياناتك، فلن تعالج هذه الطريقة المشكلة؛ <mark style="background-color:green;">المعايرة حسب مسار الآلة أنسب لهذه المشكلات</mark>.
* **بيانات غير مكتملة**: تجنّب استخدام هذا المنطق إذا لم يُحصد سوى جزء من الحقل أو كانت البيانات المسجّلة غير مكتملة، إذ ستكون قيم الإجمالي/المتوسط مضللة.

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FDnl5nlyf57I8VGxhKDDC%2Fimage.png?alt=media&amp;token=997fbab6-1d6f-40db-99cc-b2c1e7035953" alt="" width="563"><figcaption><p>مثال: بيانات إنتاجية ذات فجوات</p></figcaption></figure>

### المعايرة المشروطة

**المعايرة المشروطة** تؤدي دور <mark style="background-color:green;">إجراء وقائي يضمن بقاء قيم الإنتاجية ضمن نطاقات دنيا وعليا محددة مسبقًا وواقعية</mark>.

ينبغي **أن تستخدم** هذا المنطق ل<mark style="background-color:green;">إزالة القيم الشاذة المتطرفة وارتفاعات قراءات المستشعر الناتجة عن التشويش أو توقف الآلة أو الدوران</mark>. وهو مثالي لتطبيق التوقعات الزراعية المحددة، مثل «لا يمكن أن تتجاوز الإنتاجية X»، من دون إجراء تصحيح.

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FMwk1SC9K5O2dqvtfZM9c%2Fimage.png?alt=media&amp;token=b9f3a911-159e-4df1-a320-ac8da71d9ac0" alt=""><figcaption></figcaption></figure>

لكن **تجنّب هذه الطريقة** إذا كانت مجموعة بياناتك تعاني انحيازًا عامًا أو اختلافات منهجية بين الآلات، لأنها لا تحجّم البيانات ولا تصلح الأنماط المكانية. فهي تُبقي القيم ضمن نطاق معقول، لكنها لا تعالج انحرافات المعايرة الأساسية.

## استراتيجية الاستخدام

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FQDPQ6VaHn8G0Bp7yGFks%2Fimage.png?alt=media&amp;token=e209de37-60c1-4453-8e32-3cb96d0c0a3d" alt=""><figcaption><p>دليل معايرة الإنتاجية في صفحة واحدة</p></figcaption></figure>

{% file src="/files/341f00149de22dbbb57bb1d1cebb946feccde928" %}
تنزيل ملف PDF لدليل معايرة الإنتاجية في صفحة واحدة
{% endfile %}

## الخطوة الأولى

تُشغَّل وحدة "Yield Calibrate and Clean" مباشرةً من واجهة المستخدم. والمتطلب الأساسي هو تحميل مجموعة بيانات الإنتاجية. وبجوار كل مجموعة بيانات إنتاجية، ستجد زرًا لبدء تعديل مجموعة البيانات.

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FPbjWmMvVPeDOoD66HpZz%2Fimage.png?alt=media&amp;token=30172001-7ba5-46b2-ad1d-a15397250498" alt=""><figcaption><p>ابدأ سير العمل</p></figcaption></figure>

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FDT2d6mKzhRFyItdbuab0%2Fimage.png?alt=media&amp;token=39077a2c-9cd8-41c3-9354-ecf30316b20a" alt="" width="563"><figcaption><p>حدّد خيارًا للمتابعة</p></figcaption></figure>

تتوفر عدة خيارات للمتابعة:

1. **المعالجة التلقائية**: استخدم الإعدادات الافتراضية التي توصي بها GeoPard لإجراء المعايرة بنقرة واحدة.
2. **التنظيف فقط**: اضبط عملية التنظيف وحدها ونفّذها، بما يشمل
   1. **تنظيف GeoPard**: تنظيف ذكي لمجموعة بيانات الإنتاجية باستخدام خوارزميات الذكاء الاصطناعي.
   2. **USDA** (وزارة الزراعة الأمريكية) بروتوكول تنظيف بيانات الإنتاجية.
   3. **التنظيف المشروط**: تصفية البيانات استنادًا إلى حدود مخصصة للسمات.
3. **المعايرة فقط**: اضبط عملية المعايرة وحدها ونفّذها، بما يشمل
   1. **حسب مسار الآلة**: عاير الإنتاجية لكل مسار آلة على حدة باستخدام خوارزميات الذكاء الاصطناعي.
   2. **المتوسط/الإجمالي**: عدّل الإنتاجية استنادًا إلى متوسط إنتاجية الحقل أو إجماليها المعروف.
   3. **مشروطة**: عدّل الإنتاجية ضمن حدين أدنى وأعلى محددين للحفاظ على النطاقات المتوقعة.
4. **المعايرة والتنظيف**: اختر تسلسل العمليات وخصّص المعلمات.
5. **بديل محرر الإنتاجية**: استخدم **التنظيف فقط → USDA** (أو **المعايرة والتنظيف**) لمطابقة سير عمل التنظيف اليدوي في «Yield Editor»، ولكن على نطاق واسع. وفي اختبارات التحقق، تطابقت عملية التنظيف وفق بروتوكول USDA مع نتائج Yield Editor اليدوية، محققةً **R² (R2) = 0.98** (أي إن المخرجات متطابقة تقريبًا).

## حل بضغطة زر واحدة

{% hint style="warning" %}
**تنبيه بشأن القيم غير الطبيعية التي قد تكون متأصلة أحيانًا في مجموعات بيانات الغلة.**

إذا كانت **السمة** المحددة للمعايرة أو التنظيف **تحتوي في الغالب على** **قيم صفرية في معظم الأشكال الهندسية**، فسيتم استبعاد هذه الأشكال الهندسية من مجموعة بيانات الغلة النهائية.

لضمان سلامة البيانات، ينبغي استبعاد السمات التي تتضمن مثل هذه القيم الشاذة من قائمة السمات المراد معايرتها.
{% endhint %}

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

## إرشادات كاملة

{% hint style="warning" %}
**مسار الاختيار: تنبيه بشأن القيم الشاذة في البيانات**

إذا واجه المستخدم قيمًا شاذة في البيانات، مثل قيم تساوي الصفر أو تقترب منه، أو قيم كبيرة على نحو غير معتاد (على سبيل المثال، متوسط قدره 10 وقيمة قصوى تبلغ 8000)، فيُنصح باستخدام سير عمل **التنظيف والمعايرة** .

يضمن إعطاء الأولوية لتنظيف البيانات قبل معايرتها إزالة الأخطاء والقيم المفقودة والتناقضات، مما يعزز جودة البيانات ودقتها.
{% endhint %}

{% hint style="warning" %}
**مسار الاختيار: تنبيه بشأن البيانات الخالية من الأخطاء الأولية**

بالنسبة إلى مجموعات البيانات الخالية مبدئيًا من الأخطاء أو القيم المفقودة أو حالات عدم الاتساق، وعند معرفة أن عدة حصادات قد شاركت في العمل، يُنصح بالنظر في سير عمل **المعايرة والتنظيف** .

يساعد تنظيف البيانات بعد معايرتها على تنقيح مجموعة البيانات أكثر، إذ قد يزيل أي آثار غير مرغوب فيها نتجت أثناء المعايرة.
{% endhint %}

{% hint style="warning" %}
**مسار التنظيف: تنبيه بشأن القيم غير الطبيعية التي قد تكون متأصلة أحيانًا في مجموعات بيانات الغلة.**

إذا كانت **السمة** المحددة للمعايرة أو التنظيف تحتوي في الغالب على **قيم صفرية في معظم الأشكال الهندسية**، فسيتم استبعاد هذه الأشكال الهندسية من مجموعة بيانات الغلة النهائية.

لضمان سلامة البيانات، ينبغي استبعاد السمات التي تتضمن مثل هذه القيم الشاذة من قائمة السمات المراد تنظيفها (2).
{% endhint %}

{% hint style="warning" %}
**مسار المعايرة: تنبيه بشأن القيم غير الطبيعية التي قد تكون متأصلة أحيانًا في مجموعات بيانات الغلة.**

إذا كانت **السمة** المحددة للمعايرة أو التنظيف **تحتوي في الغالب على** **قيم صفرية في معظم الأشكال الهندسية**، فسيتم استبعاد هذه الأشكال الهندسية من مجموعة بيانات الغلة النهائية.

لضمان سلامة البيانات، ينبغي استبعاد السمات التي تتضمن مثل هذه القيم الشاذة من قائمة السمات المراد معايرتها (3).
{% endhint %}

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

## إصدارات الخوارزمية

بعد المعالجة، تظهر النتائج بجانب مجموعة البيانات الأصلية، وتُوسم بعبارة **"المعايرة"** و/أو **"التنظيف"** إضافةً إلى إصدار الخوارزمية.

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F20oK9gntxkBPLitm5waW%2Fimage.png?alt=media&amp;token=dc4dc121-6e5e-41cf-8d72-515fe882663a" alt=""><figcaption><p>نتيجة تنفيذ المعايرة والتنظيف (الإصدار 2)</p></figcaption></figure>

{% hint style="info" %}
بدءًا من `version 3.0` من خوارزمية التنظيف/المعايرة، أضافت GeoPard ميزة الاقتصاص بحسب حدود الحقل. وتُبقي هذه الميزة على الأشكال الهندسية الواقعة داخل حدود الحقل فقط، كما تحسّن التوزيع الإحصائي.
{% endhint %}

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Fxb2i3FdlM95fgeSj0fnk%2Fimage.png?alt=media&amp;token=85685f14-c00c-487f-abc6-5ebc968f5662" alt=""><figcaption><p>نتيجة تنفيذ المعالجة التلقائية (الإصدار 3.0)</p></figcaption></figure>

{% hint style="info" %}
بدءًا من `version 4.0`، تتضمن خوارزمية التنظيف/المعايرة في GeoPard الآن ميزة للمعايرة استنادًا إلى المتوسط أو الإجمالي لأي سمة. ومن أبرز تطبيقات هذا التحسين معايرة الكتلة الرطبة (WetMass)، إذ يمكن الآن ضبطها وفق متوسط الغلة المعروف والمقاس لحقل معين.
{% endhint %}

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FT9dEFqOcfWfcbtTQhSrX%2Fimage.png?alt=media&amp;token=e6e24dbc-3132-44aa-bf71-439d447b7ec5" alt=""><figcaption><p>نتيجة تنفيذ المعايرة باستخدام متوسط غلة قدره 6 t/ha (الإصدار 4.0)</p></figcaption></figure>

{% hint style="info" %}
بدءًا من `version 5.0` من خوارزمية التنظيف/المعايرة، أضافت GeoPard بروتوكول التنظيف USDA (وزارة الزراعة الأمريكية) لمحاصيل الغلة. وتوفر USDA معايير رسمية للبيانات الزراعية تحدد كيفية تطبيع قياسات الغلة والرطوبة والتدفق والموقع المكاني والتحقق من صحتها وتصفيتها إحصائيًا، لإنتاج مجموعات بيانات زراعية متسقة على مستوى الآلات والحقول.
{% endhint %}

<figure><img src="https://2518643298-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FhM4KqHPBIQqUWQ6nvoi1%2Fimage.png?alt=media&amp;token=b2447749-21b2-49b2-a160-bb9e50ff7e2e" alt=""><figcaption><p>نتيجة تنفيذ التنظيف باستخدام بروتوكول USDA (الإصدار 5.0)</p></figcaption></figure>

{% hint style="success" %}
نظّف ملفات الغلة للموسم الماضي: [ابدأ مجانًا](https://app.geopard.tech/auth/sign-up?utm_source=docs\&utm_medium=cta\&utm_campaign=yield-calibration-and-cleaning)
{% endhint %}


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

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

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.geopard.tech/geopard-tutorials/ar/alzraah/yield-and-trials/yield-calibration-and-cleaning.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

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.
