Yield kalibrálás és tisztítás

Hogyan tisztítsuk és kalibráljuk a termésmonitor adatait a GeoPardban. Tartalmazza az USDA termésadat tisztítási protokollját. Kiigazítja a kiemelkedő értékeket, sávosságot, fordulókat és több aratógép adatkészleteit.

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.

Hozamadatok tisztítása és kalibrálása videó oktatóanyag. A lehetőségek közötti különbségek magyarázata.

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.

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

5MB

Automated_Yield_Data_Cleaning_Calibration_with_GeoPard.pdf

PDF

Open

Hozamtisztítás letöltése PDF brosúraként

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

Példa 1: 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.

Példa 2: Több kombájn együttes munkája

Példa 3: Több kombájn együttes munkája

J-kanyarok, megállások, a féleség szélességének felhasználása

Példa 1: U-kanyarok, megállások, a féleség szélességének felhasználása

Példa 2: U-kanyarok, megállások, a féleség szélességének felhasználása

Rendkívül nagy rögzített értékek

Példa 1: Rendkívül nagy rögzített értékek

Példa 2: Rendkívül nagy rögzített értékek

Példa 3: Rendkívül nagy rögzített értékek

Példa 4: Rendkívül nagy rögzített értékek

Példa 5: Rendkívül nagy rögzített értékek

Adatok a mezőhatáron kívül

Példa: Adatok a mezőhatáron kívül

Kalibráció a megadott átlaghozam érték használatával

Példa: Kalibráció a megadott átlaghozam érték (28 t/ha) 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.

Példa: Anomáliák a nedvesség attribútumban

Példa: Hozamadatok tisztítása a nedvesség anomáliáinak figyelmen kívül hagyásával

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.

Példa: Hozamadatok tisztítása USDA protokoll alkalmazásával

Példa: Hozamadatok tisztítása USDA protokoll alkalmazásával

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.

Példa: Hozam nedves tömeg és 9 kombájn

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.

Példa: Statisztikailag helyes adat-eloszlás

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.

Példa: Statisztikailag helyes adat-eloszlás szükséges eltolással az átlaghozam használatával

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.

Példa: Hozamadatok hézagokkal

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

Egylapos betakarítás-kalibráció útmutató

234KB

GeoPard_Calibration_Guidance_EN_20250120.pdf

PDF

Open

Egylapos PDF letöltése a betakarítás-kalibráció útmutatóról

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.

Folyamat indítása

Válassz egy opciót a folytatáshoz

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

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.

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).

Algoritmus verziók

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

A Kalibrálás & Tisztítás végrehajtásának eredménye (2. verzió)

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.

Az Automatikus feldolgozás végrehajtásának eredménye (3.0 verzió)

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 kalibrálás eredménye az átlaghozam 6 t/ha értékkel történő alkalmazásával (4.0 verzió)

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.

A Tisztítás végrehajtásának eredménye az USDA protokoll alkalmazásával (5.0 verzió)