> 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/fin/api-dokumentaatio/geopard-api-requests-overview/84.-mutation-calibrate-and-clean-yielddataset.md).

# 84. Mutaatio: Kalibroi ja puhdista YieldDataset

API-kutsut satodatan puhdistamiseen ja kalibrointiin

"YieldDataset"-aineiston kalibrointi korjaa arvojen jakaumaa matemaattisten periaatteiden mukaiseksi ja parantaa näin datan eheyttä. Se tukee parempaa päätöksentekoa ja tekee aineistosta arvokkaan jatkoanalyysejä varten.

Tätä toiminnallisuutta käytetään yleisesti esimerkiksi seuraaviin tarkoituksiin:

* Useiden puimurien yhtäaikaisen tai usean päivän aikana tekemän sadonkorjuun datan synkronointi yhdenmukaisuuden varmistamiseksi.
* Aineiston yhdenmukaisuuden ja tarkkuuden parantaminen tasoittamalla vaihtelua.
* Datan kohinan ja ylimääräisen, tulkintaa häiritsevän tiedon poistaminen.
* Päistekäännösten tai epänormaalien geometrioiden poistaminen, sillä ne voivat vääristää pellon todellisia kuvioita ja suuntauksia.
* Satotietojen säätäminen vastaamaan kunkin ominaisuuden vahvistettuja keskiarvoja tai kokonaissummia.

Yksityiskohtaisempaa tarkastelua ja esimerkkejä varten tutustu [Satomäärän kalibrointi ja puhdistus](https://docs.geopard.tech/geopard-tutorials/fin/agronomia/yield-and-trials/yield-calibration-and-cleaning.md) -käyttötapaukseen.

### Alkuperäinen YieldDataset, jossa on WetMass-ominaisuus

Alla esitetyllä 30 hehtaarin pellolla työskenteli samanaikaisesti viisi puimuria. Yhden puimurin kalibrointi ei ollut synkronoitu muiden kanssa, minkä vuoksi aineistoon muodostui <mark style="color:oranssi;">oransseja</mark> kohtia, jotka osoittavat, että lisä `CALIBRATION` on tarpeen. Lisäksi aineistossa on lukuisia päistekäännöksistä johtuvia <mark style="color:punaisia;">punaisia</mark> kohtia pellon reunojen läheisyydessä. Ne on poistettava.

<figure><img src="https://49925783-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Fj40y3lH0F0ZfJNH2WhTf%2Fimage.png?alt=media&amp;token=6bf7baaa-3cda-4863-98e1-e0a92ff2b765" alt=""><figcaption><p>Alkuperäinen YieldDataset, jossa on WetMass-ominaisuus</p></figcaption></figure>

### Kalibroitu ja puhdistettu YieldDataset, jossa on WetMass-ominaisuus

Alla olevasta tuloksesta näkyy aineisto automaattisten `CALIBRATE` - ja `CLEAN` -toimintojen jälkeen, kun käytössä ovat oletusparametrit. Tuloksena syntynyt "YieldDataset" on yhdenmukainen, eikä siinä ole poikkeavia arvoja tai äkillisiä muutoksia vierekkäisten geometrioiden välillä.

<figure><img src="https://49925783-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Fu3zjlXg03WoWrjOOT9v7%2Fimage.png?alt=media&amp;token=d298f632-b0fe-462f-a395-64a64c02ea55" alt=""><figcaption><p>Kalibroitu ja puhdistettu YieldDataset, jossa on WetMass-ominaisuus</p></figcaption></figure>

### Ajoväyläkohtaiset, keskiarvo-/kokonaissumma- ja ehdolliset asetukset

**Ajoväyläkohtainen kalibrointi** vastaa koneen ajouria. Kalibrointia varten kukin koneen ajoura käsitellään omana alueenaan. GeoPardin tiimi suosittelee tämän menetelmän käyttämistä ensisijaisena vaihtoehtona.

**Keskiarvo-/kokonaissummakalibrointi** keskittyy ominaisuusarvojen uudelleenjakamiseen. Menetelmästä on hyötyä, kun paikkatietokuviot ovat tarkkoja mutta absoluuttiset luvut poikkeavat todellisista arvoista. Parhaan tuloksen saa yhdistämällä tämän ajoväyläkohtaiseen kalibrointiin: ensin tehdään ajoväyläkohtainen kalibrointi ja sen jälkeen arvot säädetään vastaamaan tunnettuja keskiarvo- tai kokonaissumma-arvoja.

**Ehdollinen kalibrointi** säätää ominaisuusarvoja annettujen minimi- ja maksimiarvojen perusteella. Menetelmä on erityisen hyödyllinen, kun paikkatietokuviot ovat tarkkoja mutta arvojen jakaumaa on säädettävä, etenkin jos minimi- ja maksimiarvot tunnetaan. Parhaan tuloksen saa yhdistämällä tämän ajoväyläkohtaiseen kalibrointiin: ensin tehdään ajoväyläkohtainen kalibrointi ja sen jälkeen arvoja säädetään vastaamaan tunnettuja minimi- ja maksimiarvoja.

### Vinkkejä

{% hint style="warning" %}
**Vinkki dataan liittyvien poikkeamien käsittelyyn**

Jos käyttäjä havaitsee datassa poikkeamia, kuten nolla-arvoja tai niitä lähellä olevia arvoja tai poikkeuksellisen suuria arvoja (esimerkiksi keskiarvo 10 ja maksimiarvo 8000), suositellaan käyttämään **Clean & Calibration** -työnkulkua. Se määritetään parametreilla `actions: [CLEAN, CALIBRATE]`.

Datan puhdistaminen ennen kalibrointia poistaa virheet, puuttuvat arvot ja epäjohdonmukaisuudet, mikä parantaa datan laatua ja tarkkuutta.
{% endhint %}

{% hint style="warning" %}
**Vinkki, kun datassa ei ole alun perin virheitä**

Jos aineistossa ei alun perin ole virheitä, puuttuvia arvoja tai epäjohdonmukaisuuksia ja tiedetään, että mukana on ollut useita puimureita, harkitse **Calibration & Clean** -työnkulkua. Se määritetään parametreilla `actions: [CALIBRATE, CLEAN]`.

Datan puhdistaminen kalibroinnin jälkeen auttaa viimeistelemään aineiston poistamalla mahdollisesti kalibroinnin aikana syntyneet artefaktit.
{% endhint %}

### Dokumentaatio: mutaation tiedot

Oletusarvoinen vakiomääritys ottaa käyttöön "YieldDataset"-aineiston automaattisen kalibroinnin ja puhdistuksen.

{% code overflow="wrap" lineNumbers="true" %}

```graphql
mutation AutoCalibrateYieldDataset {
  calibrateYieldDataset(input: {
    fieldUuid: "<placeholder_of_field_uuid>"
    yieldDatasetUuid: "<placeholder_of_dataset_uuid>"
    actions: {
      calibrateAction: {
        calibrationAttributes:["WetMass", "VRYIELDVOL"]
        conditionPathwiseCalibration: {
          calibrationBasis: "WetMass"
          maxHomogeneityRegion: true
          syntheticMachinePath: true
        }
      }
      cleanAction: {
        condtionAutoClean: {
          targetAttribute: "WetMass"
        }
      }
      
      actions:  [CALIBRATE, CLEAN]
    }
  }) {
    uuid
    fieldUuid
    originalUuid
    statusCode
    statusMessage
  }
}
```

{% endcode %}

Edistyneempi esimerkki mahdollistaa minimi- ja maksimiarvojen vaihteluvälien manuaalisen hallinnan ja sisältää lisäattribuutteja.

{% code overflow="wrap" lineNumbers="true" %}

```graphql
mutation CustomCalibrateYieldDataset {
  calibrateYieldDataset(input: {
    fieldUuid: "<placeholder_of_field_uuid>"
    yieldDatasetUuid: "<placeholder_of_dataset_uuid>"
    actions: {
      calibrateAction: {
        calibrationAttributes:["WetMass", "VRYIELDVOL"]
        smoothWindowSize: 11
        conditionPathwiseCalibration: {
          calibrationBasis: "Machine"
          maxHomogeneityRegion: true
          syntheticMachinePath: false
        }
        conditionAvgTotalCalibration:[{
          calibrationAttribute: "WetMass"
          average:8.0
        }]
      }
      cleanAction: {
        condtionAutoClean: {
          targetAttribute: "WetMass"
        }
        conditionMinMaxClean: [{
          cleanAttribute: "Distance"
          min: 1.5
          max: 10.0
        }]
      }
      actions:  [CALIBRATE, CLEAN]
    }
  }) {
    uuid
    fieldUuid
    originalUuid
    statusCode
    statusMessage
  }
}
```

{% endcode %}

{% hint style="info" %}
USDA:n protokollan noudattamiseksi `CLEAN` toiminnossa sinun on joko mainittava KAIKKI sarakkeet `cleanAction` -> `conditionMinMaxClean` tai määritettävä osa niistä kohdassa `cleanAction` -> `conditionMinMaxClean` ja loput kohdassa `condtionAutoClean` -> `excludedAttributes`.
{% endhint %}

Syöteparametrit:

* `actions` taulukkona, jonka avulla voit valita *korjaustoimet ja niiden suoritusjärjestyksen* tuetuista arvoista, joita ovat `CLEAN` ja `CALIBRATE`.
* `calibrateAction` objektina, joka sisältää määritystiedot `CALIBRATE` toiminnosta.
  * `calibrationAttributes` kalibrointia vaativien ominaisuuksien taulukkona; yleensä tämä liittyy satosarakkeeseen.
  * `smoothWindowSize` parittomana kokonaislukuna, joka tasoittaa tulosarvoja ja vähentää niiden äkillisiä vaihteluita.
  * `conditionPathwiseCalibration` objektina, jossa on **polkukohtainen** kalibrointi vastaa koneen ajouria. Kalibrointia varten kutakin koneen ajouraa käsitellään omana alueenaan.
    * `calibrationBasis` merkkijonona, joka ilmaisee kalibroinnin perustana käytettävän ominaisuuden.
    * `maxHomogeneityRegion` totuusarvona, joka ilmaisee, käytetäänkö suurinta homogeenista aluetta kalibroinnin vertailualueena.
    * `syntheticMachinePath` totuusarvona, joka ilmaisee, simuloidaanko koneen ajoreittejä. Tästä on hyötyä, kun tarkka koneen reittiominaisuus puuttuu ja reitti on simuloitava aikaleimojen tai vastaavan ominaisuuden perusteella.
  * `conditionAvgTotalCalibration` objektina, jossa on **keskiarvo-/kokonaismääräkalibrointi** keskittyy ominaisuuksien arvojen uudelleenjakaantumiseen. Menetelmästä on hyötyä, jos paikkatietokuviot ovat tarkkoja mutta absoluuttiset arvot poikkeavat todellisista arvoista.
    * `calibrationAttribute` merkkijonona, joka ilmaisee kalibroitavan ominaisuuden.
    * `average` lukuna, joka ilmaisee ominaisuuden keskiarvon; ominaisuuden arvojen tulee vastata tätä keskiarvoa. Vain yhtä vaihtoehtoa kerrallaan, joko `average` tai `total`, tulee käyttää.
    * `total` lukuna, joka ilmaisee ominaisuuden arvojen kokonaissumman; arvojen summan tulee vastata tätä kokonaismäärää. Vain yhtä vaihtoehtoa kerrallaan, joko `average` tai `total`, tulee käyttää.
  * `conditionMinMaxCalibration` objektina, jossa on **ehdollinen** kalibrointi muuttaa ominaisuuksien arvoja annettujen minimi- ja maksimiraja-arvojen perusteella.
    * `calibrationAttribute` merkkijonona, joka ilmaisee kalibroitavan ominaisuuden.
    * `min` lukuna, joka ilmaisee ominaisuuden minimiarvon ja toimii kalibroinnin alarajana.
    * `minIncluded` totuusarvona, joka ilmaisee, sisällytetäänkö minimiarvo.
    * `max` lukuna, joka ilmaisee ominaisuuden maksimiarvon ja toimii kalibroinnin ylärajana.
    * `maxIncluded` totuusarvona, joka ilmaisee, sisällytetäänkö maksimiarvo.
* `cleanAction` objektina, joka sisältää `CLEAN` -toimintoon liittyvät määritysasetukset.
  * `conditionAutoClean` objektina, joka sisältää automaattisen puhdistusalgoritmin määritysasetukset.
    * `targetAttribute` merkkijonona, joka ilmaisee tavoitesatoarvot.
    * `excludedAttributes` merkkijonotaulukkona, joka määrittää ominaisuudet, jotka eivät vaikuta puhdistustoimintoon.
  * `conditionMinMaxClean` objektitaulukkona, joka sisältää kuvatut puhdistussäännöt. Jokaisessa objektissa on seuraavat parametrit.
    * cleanAttribute merkkijonona, joka määrittää säännön sarakkeen nimen.
    * `min` lukuna, joka ilmaisee vähimmäisarvon.
    * `max` lukuna, joka ilmaisee enimmäisarvon.

{% hint style="info" %}
Syötteiden ja enumerointien uusimpien saatavilla olevien arvojen tarkastelemiseen (kuten `operations`) on suositeltavaa käyttää [Altair](https://docs.geopard.tech/geopard-tutorials/fin/api-dokumentaatio/getting-started-with-the-geopard-api.md).
{% endhint %}

### Altair-dokumentaatio: YieldDataset-kysely

GeoPard API:n käyttäjänä voit noutaa YieldDataseteihin tehtyjen korjausten tiedot attribuuttien `appliedCorrections` ja `appliedCorrectionsVersion`avulla. Ensimmäinen sisältää luettelon tehdyistä korjauksista (esim. `CALIBRATE` ja `CLEAN`), ja niiden suoritusjärjestys määräytyy niiden järjestyksestä taulukossa. Jälkimmäinen `appliedCorrectionsVersion` ilmaisee käytetyn algoritmin version.

{% code overflow="wrap" lineNumbers="true" %}

```graphql
query DetailsAboutAppliedCalibrations {
  getFields (filter: {fieldUuid: "<placeholder_of_field_uuid>"}){
    fields {
      uuid
      yieldDatasets  {
        uuid
        appliedCorrections
        appliedCorrectionsVersion
      }
    }
  }
}
```

{% endcode %}


---

# 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/fin/api-dokumentaatio/geopard-api-requests-overview/84.-mutation-calibrate-and-clean-yielddataset.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.
