# Hozam kalibrálása és tisztítása 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="" %} 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](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/api-docs/requests-overview/84.-mutation-calibrate-and-clean-yielddataset)). A műveleteket `KALIBRÁLÁS` és `TISZTÍTÁS` a felhasználói felületen vagy az API-n keresztül futtatja. {% endhint %} ## Gyors áttekintés

{% file src="" %} 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](https://app.gitbook.com/s/YICBELdyAXXebKAzfLOR/agronomy/synthetic-yield-map). {% endhint %} ### Több kombájn együttes munkája

{% 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 %}

### 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 3: Rendkívül nagy rögzített értékek

Példa 4: Rendkívül nagy rögzített értékek

Példa 5: Rendkívül nagy rögzített értékek

### 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

## 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.

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.

### 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

{% file src="" %} 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.

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="" 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="" 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.

A Kalibrálás & Tisztítás végrehajtásának eredménye (2. verzió)

{% 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 %}

Az Automatikus feldolgozás végrehajtásának eredménye (3.0 verzió)

{% 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 %}

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

{% 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 %}