# 84. Módosítás: Hozamszett kalibrálása és tisztítása

A "YieldDataset" kalibrálása olyan funkció, amely a értékek eloszlását matematikai elvekhez igazítva korrigálja, növelve az adatok általános integritását. Javítja a döntéshozatal minőségét és értékessé teszi az adatkészletet további mélyebb elemzésekhez.

A funkció gyakori használati esetei a következők:

* Adatok szinkronizálása, amikor több kombájn dolgozott egyszerre vagy több napon át, biztosítva a következetességet.
* Az adatkészlet homogénebbé és pontosabbá tétele az ingadozások kisimításával.
* Adatzaj és felesleges információk eltávolítása, amelyek eltakarhatják a fontos következtetéseket.
* Visszafordulások vagy rendellenes geometriák kiküszöbölése, amelyek torzíthatják a tényleges mintázatokat és trendeket a táblán.
* A hozamadatok beállítása úgy, hogy megfeleljenek az egyes attribútumokra vonatkozó meghatározott átlagoknak vagy összesítéseknek.

Részletesebb bemutatókhoz és példákhoz kérjük, tekintse meg a [Yield kalibrálás és tisztítás](/geopard-tutorials/hu/agronomia/hozamkalibralas-es-tisztitas.md) esetpéldát.

### Eredeti YieldDataset WetMass attribútummal

Az alábbi 30 ha-os táblán párhuzamosan öt kombájn dolgozott. Az egyik kombájn kalibrációja nem volt szinkronban a többivel, ennek következtében <mark style="color:narancs;">narancs</mark> foltok, jelezve, hogy további `KALIBRÁCIÓ` szükséges. Ezen felül számos visszafordulási <mark style="color:piros;">piros</mark> folt található közelebb a "Tábla" széleihez, amelyeket el kell távolítani.

<figure><img src="/files/222b18cdae24688bfa1da79ae11dfada97047e92" alt=""><figcaption><p>Eredeti YieldDataset WetMass attribútummal</p></figcaption></figure>

### Kalibrált és tisztított YieldDataset WetMass attribútummal

Az alábbi eredmény az automatikus alkalmazása után mutatja az adatkészletet `KALIBRÁLÁS` és `TISZTÍTÁS` műveleteknek az alapértelmezett paraméterekkel. Az eredményül kapott "YieldDataset" homogénné vált, kiugró értékek vagy éles váltások nélkül a szomszédos geometriák között.

<figure><img src="/files/f714e0b88d78d5ab57bef6ba818f44c665aa0c2b" alt=""><figcaption><p>Kalibrált és tisztított YieldDataset WetMass attribútummal</p></figcaption></figure>

### Útvonalonkénti vs Átlag/Összes vs Feltételes opciók

**Útvonalonkénti kalibráció** a gép nyomvonalainak felel meg. Minden gépnyomot külön régióként dolgoznak fel kalibráció céljából. A GeoPard csapata ezt a módszert javasolja sztenderd megközelítésként.

**Átlag/Összes kalibráció** az attribútumértékek újraelosztására összpontosít. Ha a geoadatok mintázatai helyesek, de az abszolút értékek eltérnek a ténylegestől, ez a módszer hasznos lehet. A legjobb eredmény érdekében a GeoPard javasolja ennek kombinálását az útvonalonkénti kalibrációval: először alkalmazzuk az útvonalonkéntit, majd igazítsunk ismert átlag/összes értékekhez.

**Feltételes kalibráció** az attribútumértékeket megadott minimum és maximum küszöbök alapján igazítja. Ez a módszer különösen értékes, ha a geoadatok mintázatai pontosak, de az értékek eloszlását módosítani kell, különösen ha ismertek minimum és maximum értékek. A legjobb eredmény érdekében a GeoPard javasolja ennek párosítását az útvonalonkénti kalibrációval: először útvonalonként, majd a megadott min és max értékekhez igazítva.

### Tippek

{% hint style="warning" %}
**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. Ezt a következő paraméterekkel lehet konfigurálni `műveletek: [CLEAN, CALIBRATE]`.&#x20;

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" %}
**Tipp hibamentes adatok esetére**&#x20;

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** munkafolyamatot. Ezt a következő paraméterekkel lehet konfigurálni `műveletek:  [CALIBRATE, CLEAN]`.

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

### Dokumentáció: Mutáció részletei

Az alapértelmezett standard konfiguráció engedélyezi a "YieldDataset" automatikus kalibrálását és tisztítását.

{% code overflow="wrap" lineNumbers="true" %}

```graphql
mutation AutoCalibrateYieldDataset {
  calibrateYieldDataset(input: {
    fieldUuid: "<placeholder_of_field_uuid>"
    yieldDatasetUuid: "<placeholder_of_dataset_uuid>"
    actions: {
      calibrateAction: {
        calibrationAttributes:["WetMass", "VRYIELDVOL"]
        conditionPathwiseCalibration: {
          calibrationBasis: "WetMass"
          maxHomogeneityRegion: true
          syntheticMachinePath: true
        }
      }
      cleanAction: {
        condtionAutoClean: {
          targetAttribute: "WetMass"
        }
      }
      
      műveletek:  [CALIBRATE, CLEAN]
    }
  }) {
    uuid
    fieldUuid
    originalUuid
    statusCode
    statusMessage
  }
}
```

{% endcode %}

Egy fejlettebb példa manuális vezérlést ad a min/max tartományokhoz és további attribútumokat is beépít.

{% code overflow="wrap" lineNumbers="true" %}

```graphql
mutation CustomCalibrateYieldDataset {
  calibrateYieldDataset(input: {
    fieldUuid: "<placeholder_of_field_uuid>"
    yieldDatasetUuid: "<placeholder_of_dataset_uuid>"
    actions: {
      calibrateAction: {
        calibrationAttributes:["WetMass", "VRYIELDVOL"]
        smoothWindowSize: 11
        conditionPathwiseCalibration: {
          calibrationBasis: "Machine"
          maxHomogeneityRegion: true
          syntheticMachinePath: false
        }
        conditionAvgTotalCalibration:[{
          calibrationAttribute: "WetMass"
          average:8.0
        }]
      }
      cleanAction: {
        condtionAutoClean: {
          targetAttribute: "WetMass"
        }
        conditionMinMaxClean: [{
          cleanAttribute: "Distance"
          min: 1.5
          max: 10.0
        }]
      }
      műveletek:  [CALIBRATE, CLEAN]
    }
  }) {
    uuid
    fieldUuid
    originalUuid
    statusCode
    statusMessage
  }
}
```

{% endcode %}

{% hint style="info" %}
Ha az USDA protokollját követi a `TISZTÍTÁS` művelethez, akkor vagy az ÖSSZES oszlopot meg kell említenie a `cleanAction` -> `conditionMinMaxClean` vagy meg kell határoznia egy részüket a `cleanAction` -> `conditionMinMaxClean` és a maradékot a `condtionAutoClean` -> `excludedAttributes`.
{% endhint %}

Bemeneti paraméterek:

* `műveletek` tömbként, lehetővé téve, hogy kiválassza *a javító műveleteket és azok alkalmazási sorrendjét* a; támogatott értékek közé tartozik `TISZTÍTÁS` és `KALIBRÁLÁS`.
* `calibrateAction` objektumként, amely tartalmazza az adott `KALIBRÁLÁS` művelethez kapcsolódó konfigurációs részleteket.&#x20;
  * `calibrationAttributes` attribútumok tömbjeként, amelyek kalibrálást igényelnek, jellemzően a Yield oszlophoz kötve.
  * `smoothWindowSize` páratlan egész számként, amely kisimítja az eredményértékeket, csökkentve az értékek közötti éles ugrásokat.
  * `conditionPathwiseCalibration` objektumként a következővel: **Útvonalonkénti** kalibráció a gép nyomvonalainak felel meg. Minden gépnyomot külön régióként dolgoznak fel kalibráció céljából.
    * `calibrationBasis` karakterláncként, amely az kalibráció alapjául szolgáló attribútumot jelöli.
    * `maxHomogeneityRegion` logikai értékként, amely azt jelzi, hogy a maximális homogenitású régiót használják-e hivatkozási régióként a kalibrációhoz.
    * `syntheticMachinePath` logikai értékként, amely a gépútvonalak szimulációját jelzi; hasznos, ha a pontos gépnyom attribútum hiányzik és időbélyegek vagy hasonló attribútum alapján kell azt szimulálni.
  * `conditionAvgTotalCalibration` objektumként a következővel: **Átlag/Összes** kalibráció az attribútumértékek újraelosztására összpontosít. Ha a geoadatok mintázatai pontosak, de az abszolút számok eltérnek a valóságtól, ez a módszer hasznos lehet.
    * `calibrationAttribute` karakterláncként, amely az kalibrálandó attribútumot jelöli.
    * `average` számbeli értékként, amely az attribútum átlagértékét képviseli; az attribútumértékeknek össze kell igazodniuk ezzel az átlaggal. Egyszerre csak az egyik opció használható, vagy `average` vagy `total`, amelyet egyszerre kell használni.
    * `total` számbeli értékként, amely az attribútumértékek összegét jelzi; ezek összege meg kell, hogy egyezzen a megadott összessel. Egyszerre csak az egyik opció használható, vagy `average` vagy `total`, amelyet egyszerre kell használni.
  * `conditionMinMaxCalibration` objektumként a következővel: **Feltételes** kalibráció az attribútumértékeket megadott minimum és maximum küszöbök alapján igazítja.
    * `calibrationAttribute` karakterláncként, amely az kalibrálandó attribútumot jelöli.
    * `min` számbeli értékként, amely az attribútum minimális értékét képviseli, és a kalibráció alsó tartományaként szolgál.
    * `minIncluded` logikai értékként, amely jelzi, hogy a minimális értéket bele kell-e foglalni vagy sem.
    * `max` számbeli értékként, amely az attribútum maximális értékét képviseli, és a kalibráció felső tartományaként szolgál.
    * `maxIncluded` logikai értékként, amely jelzi, hogy a maximális értéket bele kell-e foglalni vagy sem.
* `cleanAction` objektumként, amely tartalmazza az adott `TISZTÍTÁS` művelethez kapcsolódó konfigurációs részleteket.
  * `conditionAutoClean` objektumként, amely tartalmazza az automatikus tisztító algoritmusra vonatkozó konfigurációs beállításokat.
    * `targetAttribute` karakterláncként, amely a célzott hozamértékeket jelöli.
    * `excludedAttributes` karakterláncok tömbjeként, amelyek meghatározzák azokat az attribútumokat, amelyek nem befolyásolják a tisztítás műveletét.
  * `conditionMinMaxClean` objektumok tömbjeként, amelyek a leírt tisztítási szabályokat tartalmazzák; minden objektum a következő paramétereket tartalmazza.
    * cleanAttribute mint karakterlánc, amely megadja a szabályhoz tartozó oszlop nevét.
    * `min` számbeli értékként, amely a minimális értéket jelzi.
    * `max` számbeli értékként, amely a maximális értéket jelzi.

{% hint style="info" %}
Az inputok megtekintéséhez és az enumerációk (például `műveletek`) legfrissebb elérhető értékeinek eléréséhez javasolt a használata [Altair](/geopard-tutorials/hu/api-dokumentacio/elso-lepesek-a-geopard-api-val.md).
{% endhint %}

### Dokumentáció: YieldDataset lekérdezés

GeoPard API felhasználóként lekérdezheti a YieldDatasetekre alkalmazott korrekciók részleteit az attribútumokon keresztül: `appliedCorrections` és `appliedCorrectionsVersion`. Az előbbi felsorolja az elvégzett korrekciókat (például `KALIBRÁLÁS` és `TISZTÍTÁS`), az végrehajtási sorrendet a tömbbeli elrendezésük jelzi. Eközben a `appliedCorrectionsVersion` az alkalmazott algoritmus verzióját jelzi.

{% code overflow="wrap" lineNumbers="true" %}

```graphql
query DetailsAboutAppliedCalibrations {
  getFields (filter: {fieldUuid: "<placeholder_of_field_uuid>"}){
    fields {
      uuid
      yieldDatasets  {
        uuid
        appliedCorrections
        appliedCorrectionsVersion
      }
    }
  }
}
```

{% endcode %}


---

# 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/api-dokumentacio/geopard-api-keresek-attekintese/84.-modositas-hozamszett-kalibralasa-es-tisztitasa.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.
