Hozamkalibrálás és tisztítás

A hozammérő adatok tisztítása és kalibrálása a GeoPardban. Tartalmazza az USDA hozam tisztítási protokollt. Javítsa ki a kiugró értékeket, sávosodást, fordulókat és több kombájnból származó adathalmazokat.

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.

Ez a kalibrációs folyamat létfontosságú a következőkben:

Az adatok következetességének biztosítása: Nem ritka, hogy több kombájn dolgozik egymás mellett vagy különböző napokon. Ez a funkció biztosítja, hogy az adataik összhangban legyenek.
Az adatok homogenizálása: A hozamadatok változatosak lehetnek; a kalibráció biztosítja, hogy simák és konzisztenssek legyenek, nem kívánt kiugrások vagy zuhanások nélkül.
A zaj kiszűrése: Mint minden adatnál, a hozamadatoknál is előfordulhat 'zaj' vagy lényegtelen információ. Gondoskodunk róla, hogy ez ne homályosítsa el a felismeréseket.
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.
Mezőhatár szerinti levágás: A kombájnok gyakran dolgoznak szomszédos területeken. A pontos elemzési eredményekhez elengedhetetlen, hogy csak a megadott határon belüli adatokat vegyük figyelembe.

A Yield Calibration felület a GeoPard API végpontját használja a Yield Clean/Calibrate-hez (GeoPard API: Hozamkészlet kalibrálása és tisztítása). A műveleteket KALIBRÁLÁS és TISZTÍTÁS a felhasználói felületen vagy az API-n keresztül futtatja.

Gyors áttekintés

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.

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.

Több kombájn együttes munkája

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.

J-kanyarok, megállások, a féleség szélességének felhasználása

Rendkívül nagy rögzített értékek

Adatok a mezőhatáron kívül

Kalibráció a megadott átlaghozam érték használatával

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.

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.

Kalibrációs logikák magyarázata

Nyomsávonkénti kalibráció

HASZNÁLD Nyomsávonkénti kalibráció amikor egy tábla több gép által vagy több napon át kerül betakarításra, különösen a csíkozás vagy sávos eltolódásokhoz hasonló rendszeres különbségek korrigálásához. Ideális olyan helyzetekhez, ahol a gépbeállítások, kezelők vagy környezeti feltételek változása következetes túl- vagy alulbecslést okoz különböző sávokon.

Kritikus, hogy az MI-nek szüksége van változatosságra — például eltérő utakra, gépazonosítókra vagy betakarítási dátumokra — ahhoz, hogy hatékonyan tanuljon és kalibráljon.

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.

Átlag vagy összes kalibráció

Az átlag/összes kalibráció LEGJOBBAN AKKOR HASZNÁLHATÓ amikor magas a bizalmad a mező egészére vonatkozó hozamadatokban, például mérleg vagy tárolóegység nyilvántartásai alapján. 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.

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; Az ilyen problémákra a sávonkénti kalibráció alkalmasabb.
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.

Feltételes kalibráció

Feltételes kalibráció szolgál mint egy biztonsági ellenőrzés azáltal, hogy biztosítja: a hozamértékek reális, előre meghatározott minimum és maximum tartományon belül maradnak.

Te KELL HASZNÁLNOD ezt a logikát arra, hogyeltávolítsd a szélsőséges kiugró értékeket és a zaj, gépleállások vagy kanyarodások okozta érzékelőcsúcsokat. Ideális olyan agronómiai elvárások alkalmazásához — például „a hozam nem haladhatja meg X-et” — anélkül, hogy korrekciót végeznél.

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

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.

Innen több lehetőség közül választhatsz a folytatáshoz:

Automatikus feldolgozás: Használd az alapértelmezett, GeoPard által ajánlott beállításokat egykattintásos kalibrációhoz.
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.
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.
Kalibrálás és tisztítás: Válaszd meg a műveletek sorrendjét és testreszabhatod a paramétereket.
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

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.

Teljes útmutató

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.

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.

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).

Áramlás kalibrálása: Tipp a hozamadatoknál előforduló olykor veleszületett rendellenes értékekhez.

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

Algoritmus verziók

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

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.

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.

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.

ElőzőVáltozó dózisú műtrágyatérképek KövetkezőSzinteikus hozam térkép

Utoljára frissítve: 3 hónappal ezelőtt

Hasznos volt ez?