> 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/hu/agronomia/yield-and-trials/yield-calibration-and-cleaning.md).

# Termésadatok tisztítása és kalibrálása: hibák eltávolítása a terméstérképekről

Tisztítsa meg a termésmérő adatait: kezelje az áramlási késleltetést, a menetek elejét és végét, a fordulókat, az átfedéseket, valamint a sebesség- és nedvességanomáliákat; kalibrálja a több kombájnból származó adatokat, mielőtt zónákat hoz létre.

A nyers hozamtérképező-adatokban a terményáramlás késleltetése, a menetek kezdete és vége, a fordulók, az átfedő vágóasztalok, valamint az eltérően kalibrált kombájnok miatt hibák lehetnek. Tisztítsa meg az adatokat, mielőtt zónákat alakít ki vagy kísérletet értékel, különben a térkép a gépet mutatja a tábla helyett. A GeoPard automatikusan alkalmazza az USDA adattisztítási protokollját, lehetővé teszi a szűrők kézi beállítását, és több kombájnt kalibrál egy ismert összesített vagy átlagos hozamhoz.

{% hint style="info" %}
Tekintse meg a hozamadatok interaktív tisztításáról szóló oldalt a geopard.tech webhelyen: [Hozamadatok tisztítása](https://geopard.tech/yield-data/)
{% endhint %}

{% hint style="success" %}
Tisztítsa meg az előző szezon hozamadat-fájljait: [Kezdje el ingyen](https://app.geopard.tech/auth/sign-up?utm_source=docs\&utm_medium=cta\&utm_campaign=yield-calibration-and-cleaning)
{% endhint %}

Használja a GeoPardot a **hozamadatok tisztítására** és **a hozammérő-adatkészletek kalibrálására**. Készítsen megbízható hozamtérképet a zónákhoz, a kijuttatási tervekhez és az elemzésekhez. Ez a munkafolyamat kezeli a kiugró értékeket, a fordulókat, a hiányzó attribútumokat és a több kombájntól származó hozamadatokat. Tartalmazza az **USDA hozamadattisztítási protokollját** , és támogatja a **Yield Editor alternatívájának** munkafolyamatait.

{% embed url="<https://youtu.be/Tk5lubolnHQ>" %}
Videós útmutató a hozamadatok tisztításához és kalibrálásához. A beállítási lehetőségek közötti különbségek ismertetése.
{% endembed %}

Ez a kalibrálási folyamat többek között a következőkre szolgál:

1. **Az adatok következetességének biztosítása**: Gyakori, hogy több kombájn egyszerre vagy különböző napokon dolgozik. Ez a funkció biztosítja, hogy az adataik összhangban legyenek.
2. **Az adatok egységesítése**: A hozamadatok változatosak lehetnek; a kalibrálás kisimítja és egységessé teszi őket, kiküszöbölve a nem kívánt kiugrásokat és visszaeséseket.
3. **A zaj kiszűrése**: Mint minden adat, a hozamadat is tartalmazhat „zajt”, vagyis irreleváns információkat. Gondoskodunk róla, hogy ezek ne torzítsák az elemzési eredményeket.
4. **A geometria rendezése**: A fordulók és a szokatlan geometriai adatminták torzíthatják a valós összefüggéseket. A kalibrálás ezeket korrigálja, hogy az adatok pontosan tükrözzék a tábla valós viszonyait.
5. **Vágás a táblahatár mentén**: A kombájnok gyakran a szomszédos területeken is dolgoznak. A pontos elemzési eredményekhez csak a megadott táblahatáron belüli adatokat kell figyelembe venni.

{% hint style="info" %}
A hozamkalibrálási felület a GeoPard API hozamadatok tisztítására és kalibrálására szolgáló végpontját használja ([GeoPard API: hozamadatkészlet kalibrálása és tisztítása](https://docs.geopard.tech/geopard-tutorials/hu/api-dokumentacio/geopard-api-requests-overview/84.-mutation-calibrate-and-clean-yielddataset.md)). A felületen vagy az API-n keresztül futtatja a `CALIBRATE` és a `CLEAN` műveleteket.
{% endhint %}

## Rövid áttekintés

<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://4197117614-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://4197117614-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://4197117614-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://4197117614-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://4197117614-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://4197117614-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/75fbff1b570162ef2e6e717cc94243679cf661f0" %}
Hozamadattisztítási PDF-bemutató letöltése
{% endfile %}

## Gyakorlati példák

A mezőgazdaságban a sérült hozamadatkészletek komoly problémákat okozhatnak. Az alábbiakban valós példákat talál ilyen adatkészletekre. A GeoPard fejlett kalibrálási és tisztítási algoritmusai hatékonyan rendezték és optimalizálták ezeket az adatokat.

{% hint style="info" %}
Ha a naplózott hozamadatokból hiányzó területeket szeretné pótolni, és teljessé tenni a hozamtérképet, használja a GeoPard szintetikus hozamtérkép-megközelítését. Ezzel a módszerrel pótolhatók a hiányzó adatok, így teljes körű hozamelemzés végezhető. További információ [itt](https://docs.geopard.tech/geopard-tutorials/hu/agronomia/yield-and-trials/synthetic-yield-map.md).
{% endhint %}

### Több kombájn együttes munkája

<figure><img src="https://4197117614-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>1. példa: Több kombájn együttes munkája</p></figcaption></figure>

{% hint style="info" %}
Összetett esetekben a lehető legpontosabb eredmény érdekében kétlépcsős kalibrálás javasolt. Először végezze el az alapkalibrálást a Machine ID attribútum használatával. Ezután végezze el a kalibrálás második lépését a Simulated (Synthetic) Machine Paths jelölőnégyzet bejelölésével. Ez a többlépcsős megközelítés alapos és pontos kalibrálást biztosít, ami elengedhetetlen az összetett esetek hatékony kezeléséhez.
{% endhint %}

<figure><img src="https://4197117614-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>2. példa: Több kombájn együttes munkája</p></figcaption></figure>

<figure><img src="https://4197117614-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>3. példa: Több kombájn együttes munkája</p></figcaption></figure>

### J-fordulók, megállások, fél munkaszélesség használata

<figure><img src="https://4197117614-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>1. példa: U-fordulók, megállások, fél munkaszélesség használata</p></figcaption></figure>

<figure><img src="https://4197117614-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>2. példa: U-fordulók, megállások, fél munkaszélesség használata</p></figcaption></figure>

### Szokatlanul nagy naplózott értékek

<figure><img src="https://4197117614-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>1. példa: Szokatlanul nagy naplózott értékek</p></figcaption></figure>

<figure><img src="https://4197117614-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>2. példa: Szokatlanul nagy naplózott értékek</p></figcaption></figure>

<figure><img src="https://4197117614-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>3. példa: Szokatlanul nagy naplózott értékek</p></figcaption></figure>

<figure><img src="https://4197117614-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>4. példa: Szokatlanul nagy naplózott értékek</p></figcaption></figure>

<figure><img src="https://4197117614-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>5. példa: Szokatlanul nagy naplózott értékek</p></figcaption></figure>

### A tábla határain túli adatok

<figure><img src="https://4197117614-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>Példa: A táblahatárokon túli adatok</p></figcaption></figure>

### Kalibrálás megadott átlagtermés alapján

<figure><img src="https://4197117614-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>Példa: Kalibrálás megadott átlagtermés alapján (28 t/ha)</p></figcaption></figure>

### Hozamadatok tisztítása a rendellenes attribútumok figyelmen kívül hagyásával

A hozamadatkészletben időnként rendellenességek fordulnak elő a nedvesség-, sebesség-, magassági és egyéb másodlagos (nem hozamhoz kapcsolódó) attribútumokban. A Tisztítás vagy Kalibrálás műveletek végrehajtásakor ezeket a rendellenességeket figyelmen kívül kell hagyni. Ez hatékonyan elvégezhető a GeoPard hozamtisztító és -kalibráló felületén.

<figure><img src="https://4197117614-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>Példa: Rendellenességek a nedvesség attribútumban</p></figcaption></figure>

<figure><img src="https://4197117614-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>Példa: Hozamadatok tisztítása a nedvesség rendellenességeinek figyelmen kívül hagyásával</p></figcaption></figure>

### USDA hozamadat-tisztítási protokoll

Akkor válassza ezt a lehetőséget, ha olyan **ismételhető, szabványokon alapuló hozamadat-szerkesztési munkafolyamatra**van szüksége. A megoldást **a hozamtérképező rendszer adatainak nagy léptékű tisztítására** optimalizáltuk.

<figure><img src="https://4197117614-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>Példa: Hozamadatok tisztítása az USDA protokoll alkalmazásával</p></figcaption></figure>

<figure><img src="https://4197117614-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>Példa: Hozamadatok tisztítása az USDA protokoll alkalmazásával</p></figcaption></figure>

## A kalibrálási logikák magyarázata

### Menetenkénti kalibrálás

**AKKOR HASZNÁLJA** **a menetenkénti kalibrálást** ha egy táblát <mark style="background-color:green;">több géppel vagy több napon keresztül takarítottak be, különösen az olyan rendszeres eltérések korrigálására, mint a csíkozódás vagy sávozódás.</mark> Ideális megoldás, ha a gépbeállítások, a gépkezelők vagy a környezeti körülmények különbségei miatt az egyes menetek hozama következetesen alul- vagy felülbecsült.

Fontos, hogy <mark style="background-color:yellow;">a mesterséges intelligencia csak akkor tud hatékonyan tanulni és kalibrálni, ha van változatosság – például eltérő menetek, gépazonosítók vagy betakarítási dátumok.</mark>

<figure><img src="https://4197117614-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>Példa: Nedves tömegű hozamadatok 9 betakarítógéppel</p></figcaption></figure>

**NE HASZNÁLJA** ezt a módszert, ha egy géppel, egyetlen folyamatos munkamenetben történt a betakarítás, vagy ha a hozamtérképen nem láthatók egyértelmű térbeli mintázatok. Akkor se alkalmazza, ha ritkásak az adatok, vagy csak a teljes táblára vonatkozó összesített hozamadatok állnak rendelkezésre, gépenkénti eltérések nélkül.

<figure><img src="https://4197117614-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>Példa: Statisztikailag helyes adateloszlás</p></figcaption></figure>

### Átlag- vagy összhozam-alapú kalibrálás

**AZ ÁTLAG-/ÖSSZHOZAM-ALAPÚ KALIBRÁLÁS AKKOR A LEGJOBB VÁLASZTÁS,** ha <mark style="background-color:green;">nagy biztonsággal megbízik a tábla egészére vonatkozó hozamadatokban, például a hídmérlegről vagy a tárolóüzemtől származó nyilvántartásokban.</mark> Az egyes menetek módosítása helyett ez a módszer a teljes adatkészletet úgy skálázza, hogy a végeredményként kapott átlag vagy összhozam megegyezzen az ismert referenciaértékkel. Gyakran a legegyszerűbb és legbiztonságosabb kalibrálási lehetőségként említik, ha megbízhatók az összesített adatok.

Mikor **HASZNÁLJA az átlag-/összhozam-alapú kalibrálást:**

* **Ismert referenciaértékek**: Ezt a logikát akkor érdemes használnia, ha rendelkezésére állnak hivatalos összhozam-adatok (például hídmérleg-adatok), vagy ismert a tábla átlaghozama, amelyben nagy biztonsággal megbízik.
* **Teljes területre kiterjedő torzítás korrekciója**: Akkor ideális, ha a hozamtérkép térbeli eloszlása helyesnek tűnik, de az értékek az egész területen eltolódtak – vagyis a hozammérő valószínűleg nem volt kalibrálva, és következetesen túl magas vagy túl alacsony értékeket jelez az egész táblán.
* **Egyenletes betakarítási körülmények**: Ez a módszer akkor a leghatékonyabb, ha a betakarítás során végig viszonylag állandóak voltak a körülmények.
* **Egy gép következetes teljesítménye**: Jól alkalmazható olyan betakarításoknál, amelyeket egyetlen, a tábla egészén egyenletes teljesítményt nyújtó gép végzett.

<figure><img src="https://4197117614-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>Példa: Statisztikailag helyes adateloszlás szükséges eltolással, az átlaghozam alapján</p></figcaption></figure>

Mikor **NE HASZNÁLJA az átlag-/összhozam-alapú kalibrálást:**

* **Gépek közötti torzítás**: Ne alkalmazza ezt a módszert, ha a tábla különböző részeit különböző gépekkel vagy különböző napokon takarították be, és emiatt helyi torzítások alakultak ki. Ilyen esetekben a teljes tábla értékeinek skálázása nem szünteti meg a gépek közötti eltérések okát.
* **Látható adathibák**: Ha az adatokon erős csíkozódás, sávosodás vagy irányhoz kötött adathibák láthatók, ez a módszer nem szünteti meg őket; <mark style="background-color:green;">ezekre a problémákra a menetenkénti kalibrálás alkalmasabb</mark>.
* **Hiányos adatok**: Ne alkalmazza ezt az eljárást, ha a táblának csak egy részét takarították be, vagy ha a rögzített adatok hiányosak, mert az összesített és átlagértékek félrevezetők lennének.

<figure><img src="https://4197117614-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>Példa: hiányos hozamadatok</p></figcaption></figure>

### Feltételes kalibrálás

**A feltételes kalibrálás** biztonsági ellenőrzésként szolgál: <mark style="background-color:green;">biztosítja, hogy a hozamértékek az előre meghatározott, reális minimum- és maximumhatárokon belül maradjanak</mark>.

Ezt az eljárást **ÉRDEMES ALKALMAZNI**  a <mark style="background-color:green;">zaj, a gép megállása vagy a fordulók okozta szélsőséges kiugró értékek és érzékelői tüskék kiszűrésére</mark>. Ideális arra, hogy meghatározott agronómiai elvárásokat érvényesítsen – például azt, hogy „a hozam nem haladhatja meg az X értéket” – korrekció végrehajtása nélkül.

<figure><img src="https://4197117614-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>

Ugyanakkor **KERÜLJE EZT A MÓDSZERT** , ha az adatkészlet egészét érintő torzítás vagy a gépek közötti rendszeres eltérés tapasztalható, mert nem skálázza az adatokat és nem javítja a térbeli mintázatokat. Lényegében az értékeket elfogadható tartományban tartja, de a háttérben álló kalibrálási eltéréseket nem szünteti meg.

## Alkalmazási stratégia

<figure><img src="https://4197117614-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>Hozamkalibrálási útmutató egy oldalon</p></figcaption></figure>

{% file src="/files/0c13afd7de1a71e6baf17b18244b3b1e2ed87b9a" %}
Az egyoldalas hozamkalibrálási útmutató letöltése PDF-formátumban
{% endfile %}

## Első lépés

A „Hozam kalibrálása és tisztítása” modul közvetlenül a felhasználói felületről indítható. Elsőként fel kell tölteni egy hozamadat-készletet. Minden hozamadat-készlet mellett található egy gomb, amellyel elindítható az adatok módosítása.

<figure><img src="https://4197117614-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>A folyamat indítása</p></figcaption></figure>

<figure><img src="https://4197117614-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>Válasszon egy lehetőséget a folytatáshoz</p></figcaption></figure>

Innen többféleképpen folytathatja:

1. **Automatikus feldolgozás**: Az egykattintásos kalibráláshoz használja a GeoPard által ajánlott alapértelmezett beállításokat.
2. **Csak tisztítás**: Csak a TISZTÍTÁS műveletet állítsa be és hajtsa végre, az alábbi lehetőségekkel:
   1. **GeoPard-tisztítás**: A hozamadat-készlet intelligens tisztítása mesterségesintelligencia-algoritmusokkal.
   2. **USDA** : az Egyesült Államok mezőgazdasági minisztériumának hozamadatokra vonatkozó tisztítási protokollja.
   3. **Feltételes tisztítás**: Az adatok szűrése egyedileg megadott attribútum-határértékek alapján.
3. **Csak kalibrálás**: Csak a KALIBRÁLÁS műveletet állítsa be és hajtsa végre, az alábbi lehetőségekkel:
   1. **Menetenkénti**: A hozam kalibrálása a gép minden egyes menete mentén, mesterségesintelligencia-algoritmusokkal.
   2. **Átlag/összesen**: A hozam módosítása a tábla ismert átlaghozama vagy össztermése alapján.
   3. **Feltételes**: A hozamértékek módosítása a megadott minimum- és maximumhatárok között, hogy a várt tartományban maradjanak.
4. **Kalibrálás és tisztítás**: Válassza ki a műveletek sorrendjét, és szabja testre a paramétereket.
5. **Alternatíva a hozamszerkesztővel**: Használja a **Csak tisztítás → USDA** (vagy **Kalibrálás és tisztítás**) a kézi „Yield Editor” tisztítási munkafolyamatnak megfelelően, de nagy léptékben. Az ellenőrző tesztek során az USDA protokollja szerinti tisztítás eredménye **R² (R2) = 0,98** (szinte teljesen azonos kimenet).

## Egykattintásos megoldás

{% hint style="warning" %}
**Tipp: a hozamadatokban gyakran előforduló rendellenes értékekről.**

Ha egy **attribútum** kalibrálásra vagy tisztításra kiválasztva túlnyomórészt **nulla értékeket tartalmaz** **a geometriák többségében**, ezek a geometriák kimaradnak a végleges hozamadatkészletből.

Az adatok megbízhatóságának biztosítása érdekében az ilyen rendellenességeket mutató attribútumokat ki kell hagyni a kalibrálandó attribútumok listájából.
{% endhint %}

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

## Részletes útmutató

{% hint style="warning" %}
**Választott munkafolyamat: tippek az adatrendellenességekhez**

Ha a felhasználó adatrendellenességeket tapasztal, például nullához közeli vagy nulla értékeket, illetve szokatlanul nagy értékeket (például 10-es átlagot és 8000-es maximumot), a **Tisztítás és kalibrálás** munkafolyamat használata javasolt.

Ha a kalibrálás előtt megtisztítja az adatokat, eltávolíthatók a hibák, hiányzó értékek és következetlenségek, ezáltal javul az adatok minősége és pontossága.
{% endhint %}

{% hint style="warning" %}
**Választott munkafolyamat: tippek a kezdeti hibáktól mentes adatokhoz**

Ha az adatkészlet kezdetben mentes a hibáktól, hiányzó értékektől és következetlenségektől, és ismert, hogy több betakarítógép is részt vett a munkában, érdemes a **Kalibrálás és tisztítás** munkafolyamatot választani.

A kalibrálás utáni tisztítás tovább finomítja az adatkészletet, és eltávolíthatja a kalibrálás során esetlegesen keletkezett műtermékeket.
{% endhint %}

{% hint style="warning" %}
**Tisztítási munkafolyamat: tippek a hozamadatokban gyakran előforduló rendellenes értékekről.**

Ha egy **attribútum** kalibrálásra vagy tisztításra kiválasztva túlnyomórészt **nulla értékeket tartalmaz a geometriák többségében**, ezek a geometriák kimaradnak a végleges hozamadatkészletből.

Az adatok megbízhatóságának biztosítása érdekében az ilyen rendellenességeket mutató attribútumokat ki kell hagyni a tisztítandó attribútumok listájából (2).
{% endhint %}

{% hint style="warning" %}
**Kalibrálási munkafolyamat: tippek a hozamadatokban gyakran előforduló rendellenes értékekről.**

Ha egy **attribútum** kalibrálásra vagy tisztításra kiválasztva túlnyomórészt **nulla értékeket tartalmaz** **a geometriák többségében**, ezek a geometriák kimaradnak a végleges hozamadatkészletből.

Az adatok megbízhatóságának biztosítása érdekében az ilyen rendellenességeket mutató attribútumokat ki kell hagyni a kalibrálandó attribútumok listájából (3).
{% endhint %}

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

## Algoritmusverziók

Az utófeldolgozás után az eredmények az eredeti adatkészlet mellett jelennek meg. A **„Kalibrálás”** és/vagy **„Tisztítás”** címkét, valamint az algoritmus verziószámát kapják.

<figure><img src="https://4197117614-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>A Kalibrálás és tisztítás futtatásának eredménye (2. verzió)</p></figcaption></figure>

{% hint style="info" %}
A `version 3.0` Clean/Calibrate algoritmus 3.0-s verziójától kezdve a GeoPard bevezeti a táblahatár szerinti levágás funkciót. Ez csak a táblahatáron belüli geometriákat tartja meg, és javítja a statisztikai eloszlást.
{% endhint %}

<figure><img src="https://4197117614-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>Az automatikus feldolgozás futtatásának eredménye (3.0-s verzió)</p></figcaption></figure>

{% hint style="info" %}
A `version 4.0`verziótól kezdve a GeoPard Clean/Calibrate algoritmusa bármely attribútum átlag- vagy összértéke alapján történő kalibrálási funkcióval bővül. Ennek az újításnak egy gyakori alkalmazása a nedves tömeg kalibrálása, amely mostantól a tábla ismert, mért átlaghozamához igazítható.
{% endhint %}

<figure><img src="https://4197117614-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>A kalibrálás eredménye 6 t/ha átlaghozam használatával (4.0-s verzió)</p></figcaption></figure>

{% hint style="info" %}
A `version 5.0` verziótól kezdve a GeoPard bevezeti az USDA (Egyesült Államok Mezőgazdasági Minisztériuma) hozamtisztítási protokollját. Az USDA formális agronómiai adatkezelési szabványokat biztosít, amelyek meghatározzák a hozam-, nedvesség-, átfolyás- és térbeli mérések normalizálásának, ellenőrzésének és statisztikai szűrésének módját, hogy gép- és táblaszinten következetes mezőgazdasági adatkészletek jöjjenek létre.
{% endhint %}

<figure><img src="https://4197117614-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>A tisztítás eredménye az USDA protokoll alkalmazásával (5.0-s verzió)</p></figcaption></figure>

{% hint style="success" %}
Tisztítsa meg az előző szezon hozamadat-fájljait: [Kezdje el ingyen](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/hu/agronomia/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.
