> For the complete documentation index, see [llms.txt](https://docs.geopard.tech/geopard-tutorials/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.geopard.tech/geopard-tutorials/in/api/geopard-api-3/84.-yielddataset.md).

# 84. म्यूटेशन: YieldDataset को कैलिब्रेट और साफ़ करें

Yield datasets को साफ़ और कैलिब्रेट करने के लिए API कॉल्स

“YieldDataset” का कैलिब्रेशन एक ऐसी सुविधा है जो मानों के वितरण को गणितीय सिद्धांतों के अनुरूप सही करती है, जिससे डेटा की समग्र अखंडता बढ़ती है। यह निर्णय लेने की गुणवत्ता को मजबूत करता है और आगे गहन विश्लेषण के लिए dataset को उपयोगी बनाता है।

इस कार्यक्षमता के सामान्य उपयोग के मामले निम्नलिखित हैं:

* जब कई हार्वेस्टर एक साथ या कई दिनों में काम करते हैं तो डेटा को सिंक्रोनाइज़ करना, ताकि संगति सुनिश्चित हो सके।
* वैरिएशन को समतल करके dataset को अधिक समरूप और सटीक बनाना।
* डेटा शोर और अतिरिक्त जानकारी को हटाना जो अंतर्दृष्टियों को धुंधला कर सकते हैं।
* टर्नअराउंड या असामान्य ज्यामितियों को समाप्त करना, जो खेत में वास्तविक पैटर्न और रुझानों को विकृत कर सकती हैं।
* हर एट्रिब्यूट के लिए स्थापित औसत या कुल के अनुरूप उपज (yield) डेटा को समायोजित करना।

विस्तृत अन्वेषण और उदाहरणों के लिए, कृपया हमारे [Yield Calibration & Cleaning](/geopard-tutorials/in/agronomy/yield-calibration-and-cleaning.md) use case.

### मूल WetMass एट्रिब्यूट वाला YieldDataset

नीचे दिखाए गए 30 हेक्टेयर फ़ील्ड में पाँच हार्वेस्टर समानांतर में काम कर रहे थे। इन में से एक हार्वेस्टर का कैलिब्रेशन दूसरों के साथ सिंक्रोनाइज़ नहीं था, जिसके परिणामस्वरूप <mark style="color:नारंगी;">नारंगी</mark> स्थानों ने संकेत दिया, जो बताता है कि अतिरिक्त `CALIBRATION` आवश्यक है। साथ ही, कई टर्न-अराउंड <mark style="color:लाल;">लाल</mark> फ़ील्ड की सीमाओं के पास निकटवर्ती स्थान हैं जिन्हें हटाने की आवश्यकता है।

<figure><img src="https://537187778-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Fj40y3lH0F0ZfJNH2WhTf%2Fimage.png?alt=media&amp;token=6bf7baaa-3cda-4863-98e1-e0a92ff2b765" alt=""><figcaption><p>मूल WetMass एट्रिब्यूट वाला YieldDataset</p></figcaption></figure>

### WetMass एट्रिब्यूट वाला कैलिब्रेटेड और क्लीन किया गया YieldDataset

नीचे परिणाम दिखाता है कि डिफ़ॉल्ट पैरामीटरों का उपयोग करके स्वचालित `CALIBRATE` और `CLEAN` ऑपरेशन्स लागू करने के बाद dataset कैसा दिखता है। परिणामस्वरूप "YieldDataset" समरूप हो गया है, बिना आउट्लायर्स या पड़ोसी ज्यामितियों के बीच अचानक परिवर्तनों के।

<figure><img src="https://537187778-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Fu3zjlXg03WoWrjOOT9v7%2Fimage.png?alt=media&amp;token=d298f632-b0fe-462f-a395-64a64c02ea55" alt=""><figcaption><p>WetMass एट्रिब्यूट वाला कैलिब्रेटेड और क्लीन किया गया YieldDataset</p></figcaption></figure>

### Pathwise बनाम Average/Total बनाम Conditional विकल्प

**Pathwise कैलिब्रेशन** मशीन के ट्रैकों के अनुरूप होता है। प्रत्येक मशीन ट्रैक को कैलिब्रेशन उद्देश्यों के लिए एक अलग क्षेत्र के रूप में संसाधित किया जाता है। GeoPard टीम इस विधि को मानक दृष्टिकोण के रूप में उपयोग करने का सुझाव देती है।

**Average/Total कैलिब्रेशन** एट्रिब्यूट मानों के पुनर्वितरण पर केंद्रित होता है। यदि भौगोलिक पैटर्न सही हैं लेकिन निरपेक्ष आंकड़े वास्तविकों से भिन्न हैं, तो यह विधि फायदेमंद होती है। सर्वोत्तम परिणामों के लिए GeoPard सुझाव देता है कि इसे Pathwise कैलिब्रेशन के साथ संयोजित करें: पहले Pathwise लागू करें, फिर ज्ञात Average/Total मानों के अनुसार समायोजित करें।

**Conditional कैलिब्रेशन** प्रदान किए गए न्यूनतम और अधिकतम थ्रेशोल्ड्स के आधार पर एट्रिब्यूट मानों को समायोजित करता है। यह विधि तब विशेष रूप से उपयोगी है जब भौगोलिक पैटर्न सही हों, लेकिन मानों का वितरण समायोजन की मांग करता हो, खासकर जब ज्ञात मिन और मैक्स मान मौजूद हों। सर्वोत्तम परिणामों के लिए GeoPard सुझाव देता है कि इसे Pathwise कैलिब्रेशन के साथ जोड़ा जाए: Pathwise से शुरू करें, फिर ज्ञात मिन और मैक्स मानों के अनुरूप समायोजन करें।

### संकेत

{% hint style="warning" %}
**डेटा विसंगतियों के लिए संकेत**

यदि किसी उपयोगकर्ता को डेटा में विसंगतियाँ मिलती हैं, जैसे कि शून्य के पास मान, या असामान्य रूप से बड़े मान (उदाहरण के लिए औसत 10 पर अधिकतम 8000), तो **Clean & Calibration** वर्कफ़्लो की सलाह दी जाती है। यह पैरामीटरों का उपयोग करके कॉन्फ़िगर किया जाता है `actions: [CLEAN, CALIBRATE]`.&#x20;

कैलिब्रेशन से पहले डेटा क्लीनिंग को प्राथमिकता देने से त्रुटियों, गायब मानों या असंगतियों को हटाया जा सकता है, जिससे डेटा की गुणवत्ता और सटीकता बेहतर होती है।
{% endhint %}

{% hint style="warning" %}
**प्रारंभिक त्रुटियों के बिना डेटा के लिए संकेत**&#x20;

उन datasets के लिए जो प्रारंभ में त्रुटि-रहित, गायब मानों या असंगतियों से मुक्त हों, और जब ज्ञात हो कि कई हार्वेस्टर शामिल थे, तो विचार करें **Calibration & Clean** वर्कफ़्लो। इसे पैरामीटरों का उपयोग करके कॉन्फ़िगर किया गया है `actions:  [CALIBRATE, CLEAN]`.

कैलिब्रेशन के बाद डेटा की सफाई करने से कैलिब्रेशन के दौरान उत्पन्न किसी भी आर्टिफैक्ट को हटाकर dataset को और परिष्कृत करने में मदद मिलती है।
{% endhint %}

### दस्तावेज़ीकरण: म्यूटेशन विवरण

डिफ़ॉल्ट मानक कॉन्फ़िगरेशन "YieldDataset" के ऑटो कैलिब्रेशन और क्लीनिंग को सक्षम करता है।

{% 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"
        }
      }
      
      actions:  [CALIBRATE, CLEAN]
    }
  }) {
    uuid
    fieldUuid
    originalUuid
    statusCode
    statusMessage
  }
}
```

{% endcode %}

एक अधिक उन्नत उदाहरण मिन/मैक्स रेंज पर मैन्युअल नियंत्रण प्रदान करता है और अतिरिक्त एट्रिब्यूट्स को शामिल करता है।

{% 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
        }]
      }
      actions:  [CALIBRATE, CLEAN]
    }
  }) {
    uuid
    fieldUuid
    originalUuid
    statusCode
    statusMessage
  }
}
```

{% endcode %}

{% hint style="info" %}
USDA प्रोटोकॉल का पालन करने के लिए, `CLEAN` ऑपरेशन के लिए, आपको या तो सभी कॉलम का उल्लेख करना होगा `cleanAction` -> `conditionMinMaxClean` या उनमें से एक भाग का निर्दिष्ट करना होगा `cleanAction` -> `conditionMinMaxClean` और शेष को निर्दिष्ट करना होगा `condtionAutoClean` -> `excludedAttributes`.
{% endhint %}

इनपुट पैरामीटर:

* `actions` एक ऐरे के रूप में, जो आपको चुनने की अनुमति देता है *सही करने वाली क्रियाओं और उनके आवेदन के क्रम को* समर्थित मानों में शामिल हैं `CLEAN` और `CALIBRATE`.
* `calibrateAction` एक ऑब्जेक्ट के रूप में जिसमें उस ऑपरेशन से संबंधित कॉन्फ़िगरेशन विवरण होते हैं। `CALIBRATE` calibrationAttributes&#x20;
  * `एक ऐरे के रूप में उन एट्रिब्यूट्स की जो कैलिब्रेशन की आवश्यकता होती है, जो आमतौर पर Yield कॉलम से जुड़े होते हैं।` smoothWindowSize
  * `एक विषम पूर्णांक के रूप में जो परिणाम मानों को स्मूद करता है, मानों में अचानक उछाल को कम करता है।` conditionPathwiseCalibration
  * `एक ऑब्जेक्ट के रूप में जिसमें` Pathwise **का विवरण होता है।** कैलिब्रेशन मशीन के ट्रैकों के अनुरूप होता है। प्रत्येक मशीन ट्रैक को कैलिब्रेशन उद्देश्यों के लिए एक अलग क्षेत्र के रूप में संसाधित किया जाता है।
    * `calibrationBasis` एक स्ट्रिंग के रूप में जो उस एट्रिब्यूट का प्रतिनिधित्व करती है जिसे कैलिब्रेशन के आधार के रूप में उपयोग किया जाता है।
    * `maxHomogeneityRegion` एक बूलियन के रूप में जो संकेत करता है कि क्या अधिकतम समरूपता वाला क्षेत्र कैलिब्रेशन के संदर्भित क्षेत्र के रूप में उपयोग किया जा रहा है।
    * `syntheticMachinePath` एक बूलियन के रूप में जो मशीन रूट्स के सिमुलेशन को इंगित करता है; यह तब उपयोगी होता है जब सटीक मशीन पथ एट्रिब्यूट अनुपस्थित हो और टाइमस्टैम्प या समान एट्रिब्यूट के आधार पर सिमुलेशन की आवश्यकता हो।
  * `conditionAvgTotalCalibration` Pathwise **Average/Total** कैलिब्रेशन एट्रिब्यूट मानों के पुनर्वितरण पर केंद्रित होता है। यदि भौगोलिक पैटर्न सही हैं लेकिन निरपेक्ष आंकड़े वास्तविकों से भिन्न हैं, तो यह विधि फायदेमंद होती है।
    * `calibrationAttribute` एक स्ट्रिंग के रूप में जो उस एट्रिब्यूट का प्रतिनिधित्व करती है जिसे कैलिब्रेट किया जाना है।
    * `average` एक संख्या के रूप में जो एट्रिब्यूट के औसत मानों का प्रतिनिधित्व करती है; एट्रिब्यूट मानों को इस औसत के अनुरूप होना चाहिए। एक समय में केवल एक विकल्प, या तो `average` या `total`, का उपयोग किया जाना चाहिए।
    * `total` एक संख्या के रूप में जो एट्रिब्यूट मानों के कुल योग का प्रतिनिधित्व करती है; इन मानों का समेकित योग कुल के अनुरूप होना चाहिए। एक समय में केवल एक विकल्प, या तो `average` या `total`, का उपयोग किया जाना चाहिए।
  * `conditionMinMaxCalibration` Pathwise **Conditional** कैलिब्रेशन प्रदान किए गए मिन और मैक्स थ्रेशोल्ड्स के आधार पर एट्रिब्यूट मानों को समायोजित करता है।
    * `calibrationAttribute` एक स्ट्रिंग के रूप में जो उस एट्रिब्यूट का प्रतिनिधित्व करती है जिसे कैलिब्रेट किया जाना है।
    * `min` एक संख्या के रूप में जो एट्रिब्यूट के न्यूनतम मानों का प्रतिनिधित्व करती है, और कैलिब्रेशन के लिए निचला रेंज निर्धारित करती है।
    * `minIncluded` एक बूलियन के रूप में जो यह संकेत करता है कि क्या न्यूनतम मान को शामिल किया जाना चाहिए या नहीं।
    * `max` एक संख्या के रूप में जो एट्रिब्यूट के अधिकतम मानों का प्रतिनिधित्व करती है, और कैलिब्रेशन के लिए ऊपरी रेंज निर्धारित करती है।
    * `maxIncluded` एक बूलियन के रूप में जो यह संकेत करता है कि क्या अधिकतम मान को शामिल किया जाना चाहिए या नहीं।
* `cleanAction` एक ऑब्जेक्ट के रूप में जिसमें उस ऑपरेशन से जुड़ी कॉन्फ़िगरेशन विशिष्टताएँ शामिल होती हैं। `CLEAN` calibrationAttributes
  * `conditionAutoClean` एक ऑब्जेक्ट के रूप में जिसमें ऑटो-क्लीन एल्गोरिथ्म से संबंधित कॉन्फ़िगरेशन शामिल होते हैं।
    * `targetAttribute` एक स्ट्रिंग के रूप में जो लक्ष्य Yield मानों का प्रतिनिधित्व करती है।
    * `excludedAttributes` एक स्ट्रिंग्स की ऐरे के रूप में जो उन एट्रिब्यूट्स को परिभाषित करती है जो क्लीनिंग ऑपरेशन को प्रभावित नहीं करते।
  * `conditionMinMaxClean` वर्णित क्लीनिंग नियमों वाले ऑब्जेक्ट्स की एक ऐरे के रूप में, हर ऑब्जेक्ट में निम्न पैरामीटर शामिल होते हैं।
    * cleanAttribute को नियम के लिए कॉलम नाम निर्दिष्ट करने वाली एक स्ट्रिंग के रूप में।
    * `min` एक संख्या के रूप में जो न्यूनतम मान को सूचित करती है।
    * `max` एक संख्या के रूप में जो अधिकतम मान को सूचित करती है।

{% hint style="info" %}
इनपुट देखने और एनेमरेशन (जैसे `operations`) के नवीनतम उपलब्ध मानों तक पहुँचने के लिए, सलाह दी जाती है कि आप उपयोग करें [Altair](/geopard-tutorials/in/api/geopard-api-1.md).
{% endhint %}

### दस्तावेज़ीकरण: YieldDataset क्वेरी

एक GeoPard API उपभोक्ता के रूप में, आप उन सुधारों के बारे में विवरण प्राप्त कर सकते हैं जो YieldDatasets पर लागू किए गए हैं, निम्न एट्रिब्यूट्स के माध्यम से `appliedCorrections` और `appliedCorrectionsVersion`। पूर्व वाला किए गए सुधारों की सूची प्रदान करता है (उदाहरण के लिए, `CALIBRATE` और `CLEAN`), जहाँ निष्पादन का क्रम ऐरे में उनके क्रम द्वारा प्रदर्शित होता है। इस बीच, `appliedCorrectionsVersion` उपयोग किए गए एल्गोरिथ्म के संस्करण का संकेत देता है।

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

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

{% endcode %}


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.geopard.tech/geopard-tutorials/in/api/geopard-api-3/84.-yielddataset.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

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.