# Hozamkalibrálás és tisztítás

Használja a GeoPardot a **hozamadatok tisztításához** és **hozammérő adatkészletek kalibrálásához**. Szerezzen megbízható hozattérképet zónákhoz, előírásokhoz és elemzésekhez. Ez a munkafolyamat kezeli a kiugró értékeket, fordulókat, hiányzó attribútumokat és több kombájn hozamadatait. Tartalmazza a **USDA hozam-tisztítási protokollját** és támogatja a **Yield Editor alternatív** munkafolyamatokat.

{% embed url="<https://youtu.be/Tk5lubolnHQ>" %}
Hozamadatok tisztítása és kalibrálása videó oktatóanyag. A lehetőségek közötti különbségek magyarázata.
{% endembed %}

Ez a kalibrációs folyamat létfontosságú a következőkben:

1. **Az adatok következetességének biztosítása**: Nem ritka, hogy több kombájn dolgozik egymás mellett vagy különböző napokon. Ez a funkció biztosítja, hogy az adataik összhangban legyenek.
2. **Az adatok homogenizálása**: A hozamadatok változatosak lehetnek; a kalibráció biztosítja, hogy simák és konzisztenssek legyenek, nem kívánt kiugrások vagy zuhanások nélkül.
3. **A zaj kiszűrése**: Mint minden adatnál, a hozamadatoknál is előfordulhat 'zaj' vagy lényegtelen információ. Gondoskodunk róla, hogy ez ne homályosítsa el a felismeréseket.
4. **A geometriák egyszerűsítése**: Bármilyen forduló vagy furcsa geometriai mintázat torzíthatja a valós következtetéseket. A kalibráció úgy van kialakítva, hogy kisimítsa ezeket, biztosítva, hogy az adatok valóban tükrözzék a tábla valóságát.
5. **Mezőhatár szerinti levágás**: A kombájnok gyakran dolgoznak szomszédos területeken. A pontos elemzési eredményekhez elengedhetetlen, hogy csak a megadott határon belüli adatokat vegyük figyelembe.

{% hint style="info" %}
A Yield Calibration felület a GeoPard API végpontját használja a Yield Clean/Calibrate-hez ([GeoPard API: Hozamkészlet kalibrálása és tisztítása](/geopard-tutorials/hu/api-dokumentacio/geopard-api-keresek-attekintese/84.-modositas-hozamszett-kalibralasa-es-tisztitasa.md)). A műveleteket `KALIBRÁLÁS` és `TISZTÍTÁS` a felhasználói felületen vagy az API-n keresztül futtatja.
{% endhint %}

## Gyors 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="/files/cad446d51d3a923d50e8f0c0bcc6c1e18c5fb219" alt=""></td><td></td><td></td><td></td></tr><tr><td><img src="/files/31baefb13f252c9ee6a8adb8782fd1cee86069c8" alt=""></td><td></td><td></td><td></td></tr><tr><td><img src="/files/54ed8c00ba557a3927acb5795c4a3c809562ac9f" alt=""></td><td></td><td></td><td></td></tr><tr><td><img src="/files/d7b23df18d571ba535b7ac1092ea0f976a7f78c1" alt=""></td><td></td><td></td><td></td></tr><tr><td><img src="/files/36fcf83dd248b45b0023146de34ece4b47430c52" alt=""></td><td></td><td></td><td></td></tr><tr><td><img src="/files/e7eed37a14211048629788fa98e2a0a1900ed10f" alt=""></td><td></td><td></td><td></td></tr></tbody></table>

{% file src="/files/75fbff1b570162ef2e6e717cc94243679cf661f0" %}
Hozamtisztítás letöltése PDF brosúraként
{% endfile %}

## Valódi példák

A mezőgazdaság területén a sérült hozamadat-készletek komoly kihívást jelenthetnek. Alább valós példákat találhat, ahol ilyen adatkészletekkel találkoztak. A GeoPard fejlett kalibrációs és tisztítási algoritmusai révén ezek az adatkészletek hatékonyan finomításra és optimalizálásra kerültek.

{% hint style="info" %}
Azokon a területeken, ahol hiányzik a rögzített hozamadat és a hozattérkép teljességét szeretné elérni, érdemes megfontolni a GeoPard szintetikus hozattérkép megközelítés alkalmazását. Ez a módszer helyreállítja a hiányzó adatokat a teljes hozamelemzéshez. Tudjon meg többet [itt](/geopard-tutorials/hu/agronomia/szinteikus-hozam-terkep.md).
{% endhint %}

### Több kombájn együttes munkája

<figure><img src="/files/5772e09fd1f603427d1137110b65ff512ddf9df3" alt=""><figcaption><p>Példa 1: Több kombájn együttes munkája</p></figcaption></figure>

{% hint style="info" %}
Bonyolult helyzetek kezelésénél optimális pontosság érdekében kétlépcsős kalibrációs folyamat javasolt. Kezdje azzal, hogy futtatja az első kalibrációt a Machine ID attribútum használatával. Ezt követően végezzen egy második kalibrációt, ezúttal a Simulated (Synthetic) Machine Paths jelölőnégyzet használatával. Ez a rétegzett megközelítés alapos és pontos kalibrációt biztosít, ami elengedhetetlen az összetett esetek hatékony kezeléséhez.
{% endhint %}

<figure><img src="/files/6a2822664199fe7c1bc449936ca237e6fc46caa2" alt=""><figcaption><p>Példa 2: Több kombájn együttes munkája</p></figcaption></figure>

<figure><img src="/files/65763aadc94c6ca180a278f1a4f5291aa2dc752d" alt=""><figcaption><p>Példa 3: Több kombájn együttes munkája</p></figcaption></figure>

### J-kanyarok, megállások, a féleség szélességének felhasználása

<figure><img src="/files/a78a99837d06d2802f0ee23958d6bd9121b17670" alt=""><figcaption><p>Példa 1: U-kanyarok, megállások, a féleség szélességének felhasználása</p></figcaption></figure>

<figure><img src="/files/70b420289ad8da83ac521ac6adb2b5e1d4df19b2" alt=""><figcaption><p>Példa 2: U-kanyarok, megállások, a féleség szélességének felhasználása</p></figcaption></figure>

### Rendkívül nagy rögzített értékek

<figure><img src="/files/343781c068b81fcf4150a63cb9f7959e22f5d09a" alt=""><figcaption><p>Példa 1: Rendkívül nagy rögzített értékek</p></figcaption></figure>

<figure><img src="/files/9e680f0e3435f766a35073675bcc1565c25ef48d" alt=""><figcaption><p>Példa 2: Rendkívül nagy rögzített értékek</p></figcaption></figure>

<figure><img src="/files/61b0609cf79d8573af97e59dd4e65dac2634189d" alt=""><figcaption><p>Példa 3: Rendkívül nagy rögzített értékek</p></figcaption></figure>

<figure><img src="/files/0c4aca3f3c2b0ebe786be6262cbcacc1d6bc0b31" alt=""><figcaption><p>Példa 4: Rendkívül nagy rögzített értékek</p></figcaption></figure>

<figure><img src="/files/c4ad24a540e668824aa81d6c4dfda6ef87af7dca" alt=""><figcaption><p>Példa 5: Rendkívül nagy rögzített értékek</p></figcaption></figure>

### Adatok a mezőhatáron kívül

<figure><img src="/files/104ff78d77753f6633e071e6aade461a30665f22" alt=""><figcaption><p>Példa: Adatok a mezőhatáron kívül</p></figcaption></figure>

### Kalibráció a megadott átlaghozam érték használatával

<figure><img src="/files/f013afaab8e74f604caff23f42b13dd2db4930b9" alt=""><figcaption><p>Példa: Kalibráció a megadott átlaghozam érték (28 t/ha) használatával</p></figcaption></figure>

### Hozamattribútumok tisztítása anomáliákat mutató attribútumok figyelmen kívül hagyásával

A hozamadat-készlet időnként tartalmazhat olyan attribútumokat, amelyekben rendellenességek vannak a nedvesség, sebesség, magasságok vagy más másodlagos (nem hozam) attribútumok terén. A Clean vagy Calibrate műveletek végrehajtásakor fontos ezeket az anomáliákat figyelmen kívül hagyni. Ezt hatékonyan el lehet érni a GeoPard Yield Clean-Calibrate felület használatával.

<figure><img src="/files/9361a1444d358590a7c287e9ee835b99f5e88582" alt=""><figcaption><p>Példa: Anomáliák a nedvesség attribútumban</p></figcaption></figure>

<figure><img src="/files/58e9090de7d7ee2f88461e170180e9a6fb3743cd" alt=""><figcaption><p>Példa: Hozamadatok tisztítása a nedvesség anomáliáinak figyelmen kívül hagyásával</p></figcaption></figure>

### USDA hozam-tisztítási protokoll

Használd ezt a beállítást, amikor szükséged van egy **ismételhető, szabványokon alapuló hozamszerkesztő munkafolyamatra**. Ez optimalizálva van **hozammérő adatok tisztításához** nagy méretekben.

<figure><img src="/files/78a0c5e404c202b71272db710539db1077794bdf" alt=""><figcaption><p>Példa: Hozamadatok tisztítása USDA protokoll alkalmazásával</p></figcaption></figure>

<figure><img src="/files/a0ad3e8d70170c57423566b374f05f3cdd556acf" alt=""><figcaption><p>Példa: Hozamadatok tisztítása USDA protokoll alkalmazásával</p></figcaption></figure>

## Kalibrációs logikák magyarázata

### Nyomsávonkénti kalibráció

**HASZNÁLD** **Nyomsávonkénti kalibráció** amikor egy tábla <mark style="background-color:green;">több gép által vagy több napon át kerül betakarításra, különösen a csíkozás vagy sávos eltolódásokhoz hasonló rendszeres különbségek korrigálásához.</mark> Ideális olyan helyzetekhez, ahol a gépbeállítások, kezelők vagy környezeti feltételek változása következetes túl- vagy alulbecslést okoz különböző sávokon.

Kritikus, <mark style="background-color:yellow;">hogy az MI-nek szüksége van változatosságra — például eltérő utakra, gépazonosítókra vagy betakarítási dátumokra — ahhoz, hogy hatékonyan tanuljon és kalibráljon.</mark>

<figure><img src="/files/afff3add74ecc2bd19fcdf98e44e766bd1889b59" alt=""><figcaption><p>Példa: Hozam nedves tömeg és 9 kombájn</p></figcaption></figure>

**NE HASZNÁLD** ezt a módszert egyetlen gépes, folyamatos betakarításnál, vagy ha a hozamtérképen nincsenek látható térbeli mintázatok. Továbbá kerüld, ha az adatok ritkásak, vagy ha csak mező szintű összesített hozamértékek vannak gépszintű különbségek nélkül.

<figure><img src="/files/c934332ef6d1e188cd238c11fb7af36b7c57a0ec" alt="" width="563"><figcaption><p>Példa: Statisztikailag helyes adat-eloszlás</p></figcaption></figure>

### Átlag vagy összes kalibráció

**Az átlag/összes kalibráció LEGJOBBAN AKKOR HASZNÁLHATÓ** amikor <mark style="background-color:green;">magas a bizalmad a mező egészére vonatkozó hozamadatokban, például mérleg vagy tárolóegység nyilvántartásai alapján.</mark> Ahelyett, hogy egyedi sávokat módosítana, ez a módszer az egész adathalmazt méretezi úgy, hogy a végső átlag vagy összeg megfeleljen a ismert referenciaértékednek. Gyakran a legegyszerűbb és legbiztonságosabb kalibrációs opcióként írják le, amikor az összértékek megbízhatók.

Mikor **HASZNÁLJÁK az átlag/összes kalibrációt:**

* **Ismert referenciaértékek**: Ezt a logikát akkor használd, ha hivatalos összes hozamnyilvántartásod van (pl. mérlegadatok) vagy a táblára vonatkozóan nagyon megbízható átlaghozamod.
* **Globális torzításkorrekció**: Ideális, ha a hozamtérkép térbeli eloszlása helyesnek tűnik, de az értékek globálisan el vannak tolódva — azaz a hozammérő valószínűleg nincs kalibrálva és következetesen túl magas vagy túl alacsony értékeket jelent az egész táblán.
* **Egységes betakarítási körülmények**: Ez a módszer akkor a leghatékonyabb, ha a betakarítás körülményei viszonylag egyformák voltak az egész művelet során.
* **Egygép konzisztencia**: Jól működik olyan betakarításoknál, amelyeket egyetlen gép végzett, és amely a tábla egészén következetesen teljesített.

<figure><img src="/files/c934332ef6d1e188cd238c11fb7af36b7c57a0ec" alt="" width="563"><figcaption><p>Példa: Statisztikailag helyes adat-eloszlás szükséges eltolással az átlaghozam használatával</p></figcaption></figure>

Mikor **NE HASZNÁLD az átlag/összes kalibrációt:**

* **Gép közötti torzítás**: Ne használd ezt a módszert, ha a tábla különböző részeit külön gépek vagy külön napokon takarták be és ez helyi torzításokat eredményezett. Ezekben az esetekben az egész tábla felskálázása nem fogja megoldani a gépek közötti alapvető eltéréseket.
* **Látható artefaktumok**: Ha erős csíkozást, sávosodást vagy irányfüggő artefaktumokat látsz az adataidban, ez a módszer nem fogja ezeket megoldani; <mark style="background-color:green;">Az ilyen problémákra a sávonkénti kalibráció alkalmasabb</mark>.
* **Hiányos adatok**: Kerüld ezt a logikát, ha csak a tábla egy részét takarították be vagy ha a rögzített adatok hiányosak, mert az összesített/átlagértékek megtévesztők lehetnek.

<figure><img src="/files/b7f759cc7fbfc3e272136a546da2d46c381a1000" alt="" width="563"><figcaption><p>Példa: Hozamadatok hézagokkal</p></figcaption></figure>

### Feltételes kalibráció

**Feltételes kalibráció** szolgál mint <mark style="background-color:green;">egy biztonsági ellenőrzés azáltal, hogy biztosítja: a hozamértékek reális, előre meghatározott minimum és maximum tartományon belül maradnak</mark>.

Te **KELL HASZNÁLNOD** ezt a logikát arra, hogy<mark style="background-color:green;">eltávolítsd a szélsőséges kiugró értékeket és a zaj, gépleállások vagy kanyarodások okozta érzékelőcsúcsokat</mark>. Ideális olyan agronómiai elvárások alkalmazásához — például „a hozam nem haladhatja meg X-et” — anélkül, hogy korrekciót végeznél.

<figure><img src="/files/456d17d7dd415f9176c9c9e7c58bbc990e1c0da6" alt=""><figcaption></figcaption></figure>

Azonban, **KERÜLD EZT A MÓDSZERT** ha az adatkészleted globális torzítást vagy rendszerszintű gépi különbségeket tartalmaz, mivel ez a módszer nem skálázza az adatokat és nem javítja a térbeli mintázatokat. Lényegében a értékeket ésszerű keretek között tartja, de nem oldja meg az alapvető kalibrációs eltolódásokat.

## Használati stratégia

<figure><img src="/files/341f62781438cc006e8dd4809000ffd823be8190" alt=""><figcaption><p>Egylapos betakarítás-kalibráció útmutató</p></figcaption></figure>

{% file src="/files/0c13afd7de1a71e6baf17b18244b3b1e2ed87b9a" %}
Egylapos PDF letöltése a betakarítás-kalibráció útmutatóról
{% endfile %}

## Első lépés

A „Yield Calibrate and Clean” modult közvetlenül a felhasználói felületről indítjuk. Az elsődleges követelmény egy feltöltött betakarítási adatfájl. Minden betakarítási adatfájl mellett találsz egy gombot az adatkészlet beállításainak megkezdéséhez.

<figure><img src="/files/c21b6171a2a680281393762f8951a579ef176a29" alt=""><figcaption><p>Folyamat indítása</p></figcaption></figure>

<figure><img src="/files/6841595368f688c95cb26112a469317f078c01dc" alt="" width="563"><figcaption><p>Válassz egy opciót a folytatáshoz</p></figcaption></figure>

Innen több lehetőség közül választhatsz a folytatáshoz:

1. **Automatikus feldolgozás**: Használd az alapértelmezett, GeoPard által ajánlott beállításokat egykattintásos kalibrációhoz.
2. **Csak tisztítás**: Konfiguráld és futtasd csak a TISZTÍTÁS műveletet, beleértve
   1. **GeoPard tisztítás**: Intelligens betakarítási adattisztítás AI algoritmusokkal.
   2. **USDA** (Egyesült Államok Mezőgazdasági Minisztériuma) betakarítási tisztítási protokoll.
   3. **Feltételes tisztítás**: Szűrd az adatokat egyéni attribútumküszöbök alapján.
3. **Csak kalibrálás**: Konfiguráld és futtasd csak a KALIBRÁLÁS műveletet, beleértve
   1. **Útvonalonkénti**: Kalibráld a hozamot minden egyes gépi nyomhoz AI algoritmusok segítségével.
   2. **Átlag/Összes**: Állítsd be a hozamot a tábla ismert átlagára vagy összes hozamára alapozva.
   3. **Feltételes**: Módosítsd a hozamot meghatározott minimális és maximális határok között, hogy megőrizd a várható értéktartományt.
4. **Kalibrálás és tisztítás**: Válaszd meg a műveletek sorrendjét és testreszabhatod a paramétereket.
5. **Alternatíva: Yield Editor**: Használd **Csak tisztítás → USDA** (vagy **Kalibrálás és tisztítás**) hogy egy kézi „Yield Editor” tisztítási munkafolyamatnak feleljen meg, de nagy léptékben. Validációs tesztekben az USDA protokoll szerinti tisztítás megegyezett a kézi Yield Editor eredményeivel, **R² (R2) = 0,98** (szinte azonos kimenet).

## Egygombos megoldás

{% hint style="warning" %}
**Tipp rendellenes értékekhez, amelyek néha maguktól adódnak a hozamadatokban.**

Ha egy **attribute** kalibrálásra vagy tisztításra kiválasztott attribútum elsősorban **tartalmaz** **nulla értékeket a geometriai elemek többségében**, ezek a geometriai elemek ki lesznek zárva a végső betakarítási adatkészletből.

A integritás biztosítása érdekében az ilyen anomáliákat mutató attribútumokat ki kell zárni a kalibrálandó attribútumok listájából.
{% endhint %}

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

## Teljes útmutató

{% hint style="warning" %}
**Válassz munkafolyamatot: Tipp adat-anomáliák esetére**

Ha a felhasználó anomáliákat észlel az adatokban, például nullához közeli értékeket vagy rendkívül nagy értékeket (például átlag 10, de maximum 8000), akkor a **Tisztítás és Kalibrálás** munkafolyamat javasolt.

Az adattisztítás előtérbe helyezése a kalibrálás előtt biztosítja a hibák, hiányzó értékek vagy inkonzisztenciák eltávolítását, ezáltal javítva az adatok minőségét és pontosságát.
{% endhint %}

{% hint style="warning" %}
**Válassz munkafolyamatot: Tipp adat hibák nélküli esetekre**

Olyan adatkészletekhez, amelyek kezdetben hibamentesek, hiányzó értékektől vagy inkonzisztenciáktól mentesek, és ha ismert, hogy több kombájn dolgozott a területen, érdemes megfontolni a **Kalibrálás és Tisztítás** munkafolyamat.

Az adatok tisztítása kalibrálás után tovább finomítja az adatkészletet az esetleg a kalibráció során keletkezett artefaktumok eltávolításával.
{% endhint %}

{% hint style="warning" %}
**Tisztítási munkafolyamat: Tipp rendellenes értékekhez, amelyek néha maguktól adódnak a hozamadatokban.**

Ha egy **attribute** kalibrálásra vagy tisztításra kiválasztott attribútum elsősorban tartalmaz **nulla értékeket a geometriai elemek többségében**, ezek a geometriai elemek ki lesznek zárva a végső betakarítási adatkészletből.

Az adatok sértetlenségének biztosítása érdekében az ilyen anomáliákat mutató attribútumokat ki kell zárni a tisztítandó attribútumok listájából (2).
{% endhint %}

{% hint style="warning" %}
**Áramlás kalibrálása: Tipp a hozamadatoknál előforduló olykor veleszületett rendellenes értékekhez.**

Ha egy **attribute** kalibrálásra vagy tisztításra kiválasztott attribútum elsősorban **tartalmaz** **nulla értékeket a geometriai elemek többségében**, ezek a geometriai elemek ki lesznek zárva a végső betakarítási adatkészletből.

Az adatok sértetlenségének biztosítása érdekében az ilyen anomáliákat mutató attribútumokat ki kell zárni a kalibrálandó attribútumok listájából (3).
{% endhint %}

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

## Algoritmus verziók

Utófeldolgozás után az eredmények az eredeti adathalmaz mellett jelennek meg. Ezeket megjelölik **"Kalibrálás"** és/vagy **"Tisztítás"** címkék, valamint az algoritmus verziója.

<figure><img src="/files/616f74885d33b1c58b3bd4bc135529859b99f2db" alt=""><figcaption><p>A Kalibrálás &#x26; Tisztítás végrehajtásának eredménye (2. verzió)</p></figcaption></figure>

{% hint style="info" %}
A következőből: `3.0 verzió` a Tisztítás/Kalibrálás algoritmus 3.0 verziójától kezdve a GeoPard bevezeti a parcellahatár szerinti levágás funkciót. Ez csak a parcellahatáron belüli geometriákat hagyja meg, és javítja a statisztikai eloszlást.
{% endhint %}

<figure><img src="/files/f7a215a4bfb5afd677525f33ed60c0fe2a2ce89b" alt=""><figcaption><p>Az Automatikus feldolgozás végrehajtásának eredménye (3.0 verzió)</p></figcaption></figure>

{% hint style="info" %}
Kezdve a `4.0 verzió`, a GeoPard Tisztítás/Kalibrálás algoritmusa mostantól tartalmaz egy olyan kalibrálási lehetőséget, amely bármely attribútum átlagos vagy összesített értékeire alapoz. Ennek egyik elterjedt alkalmazása a nedves tömeg (WetMass) kalibrálása, amit mostantól a mért átlaghozam ismert értékéhez lehet igazítani az adott parcellán.
{% endhint %}

<figure><img src="/files/2ab7dbb55df2e0b7a9a0c4b54de0ad54a4dd8f8e" alt=""><figcaption><p>A kalibrálás eredménye az átlaghozam 6 t/ha értékkel történő alkalmazásával (4.0 verzió)</p></figcaption></figure>

{% hint style="info" %}
A következőből: `5.0 verzió` a Tisztítás/Kalibrálás algoritmus 5.0 verziójától kezdve a GeoPard bevezeti az USDA (az Egyesült Államok Mezőgazdasági Minisztériuma) tisztítási protokollját a hozamadatokhoz. Az USDA hivatalos agronómiai adatstandardokat biztosít, amelyek szabályozzák, hogyan normalizálják, ellenőrzik és statisztikailag szűrik a hozamot, nedvességet, áramlást és térbeli méréseket, hogy gép- és parcella-konzisztens mezőgazdasági adathalmazokat kapjunk.
{% endhint %}

<figure><img src="/files/78a0c5e404c202b71272db710539db1077794bdf" alt=""><figcaption><p>A Tisztítás végrehajtásának eredménye az USDA protokoll alkalmazásával (5.0 verzió)</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/hu/agronomia/hozamkalibralas-es-tisztitas.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.