> 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-requests-overview/84.-mutation-calibrate-and-clean-yielddataset.md).

# 84. म्यूटेशन: YieldDataset को कैलिब्रेट और साफ़ करें

Yield datasets को साफ़ और कैलिब्रेट करने के लिए API कॉल्स

"YieldDataset" को कैलिब्रेट करने की सुविधा गणितीय सिद्धांतों के अनुरूप मानों के वितरण को ठीक करती है, जिससे डेटा की समग्र विश्वसनीयता बेहतर होती है। इससे निर्णय लेने की गुणवत्ता बढ़ती है और डेटासेट आगे गहन विश्लेषण के लिए उपयोगी बनता है।

इस सुविधा के आम उपयोग के उदाहरण हैं:

* जब कई हार्वेस्टर एक साथ या कई दिनों में काम करें, तो डेटा को सिंक्रोनाइज़ करके उसमें एकरूपता सुनिश्चित करना।
* उतार-चढ़ाव को समतल करके डेटासेट को अधिक एकरूप और सटीक बनाना।
* डेटा के शोर और ऐसी अतिरिक्त जानकारी को हटाना जो उपयोगी निष्कर्षों को धुंधला कर सकती है।
* खेत में वास्तविक पैटर्न और रुझानों को बिगाड़ सकने वाले मुड़ने के निशानों या असामान्य ज्यामितियों को हटाना।
* उपज डेटा को हर विशेषता के स्थापित औसत या कुल मानों के अनुरूप करना।

अधिक विस्तार से जानने और उदाहरण देखने के लिए, कृपया हमारा [उपज कैलिब्रेशन और सफ़ाई](https://docs.geopard.tech/geopard-tutorials/in/agronomy/yield-and-trials/yield-calibration-and-cleaning.md) उपयोग का उदाहरण देखें।

### WetMass विशेषता वाला मूल YieldDataset

नीचे दिखाए गए 30 हेक्टेयर के खेत में पाँच हार्वेस्टरों ने एक साथ काम किया। एक हार्वेस्टर का कैलिब्रेशन अन्य हार्वेस्टरों के साथ सिंक्रोनाइज़ नहीं था, जिसके परिणामस्वरूप <mark style="color:नारंगी;">नारंगी</mark> धब्बे दिखाई दिए, जो बताते हैं कि अतिरिक्त `CALIBRATION` की आवश्यकता है। इसके अलावा, खेत में मुड़ने के कई <mark style="color:लाल;">लाल</mark> धब्बे खेत की सीमाओं के पास हैं, जिन्हें हटाना ज़रूरी 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>WetMass विशेषता वाला मूल YieldDataset</p></figcaption></figure>

### WetMass विशेषता वाला कैलिब्रेट किया हुआ और साफ़ किया हुआ YieldDataset

नीचे दिया गया परिणाम, डिफ़ॉल्ट पैरामीटरों के साथ स्वचालित `CALIBRATE` और `CLEAN` ऑपरेशन लागू करने के बाद का डेटासेट दिखाता है। परिणामी "YieldDataset" अब एकरूप है और इसमें आउटलायर या पास-पास की ज्यामितियों के बीच अचानक बदलाव नहीं हैं।

<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 विशेषता वाला कैलिब्रेट किया हुआ और साफ़ किया हुआ YieldDataset</p></figcaption></figure>

### पाथवाइज़ बनाम औसत/कुल बनाम सशर्त विकल्प

**पाथवाइज़ कैलिब्रेशन** मशीन के ट्रैकों के अनुरूप होता है। कैलिब्रेशन के लिए हर मशीन ट्रैक को एक अलग क्षेत्र के रूप में प्रोसेस किया जाता है। GeoPard टीम इस तरीके को मानक तरीका बनाने की सलाह देती है।

**औसत/कुल कैलिब्रेशन** विशेषताओं के मानों को फिर से वितरित करने पर केंद्रित होता है। अगर भू-स्थानिक पैटर्न सटीक हैं, लेकिन वास्तविक मानों से निरपेक्ष आंकड़ों में अंतर है, तो यह तरीका उपयोगी साबित होता है। बेहतर नतीजों के लिए, GeoPard इसे पाथवाइज़ कैलिब्रेशन के साथ मिलाकर करने की सलाह देता है: पहले पाथवाइज़ लागू करें, फिर ज्ञात औसत/कुल मानों के अनुसार समायोजन करें।

**सशर्त कैलिब्रेशन** दिए गए न्यूनतम और अधिकतम थ्रेशोल्ड के आधार पर विशेषताओं के मानों को समायोजित करता है। यह तरीका खास तौर पर तब उपयोगी है, जब भू-स्थानिक पैटर्न सटीक हों, लेकिन मानों के वितरण में बदलाव की ज़रूरत हो—विशेषकर तब, जब न्यूनतम और अधिकतम मान ज्ञात हों। बेहतर नतीजों के लिए, GeoPard इसे पाथवाइज़ कैलिब्रेशन के साथ करने की सलाह देता है: पहले पाथवाइज़ लागू करें, फिर ज्ञात न्यूनतम और अधिकतम मानों के अनुरूप समायोजन करें।

### सुझाव

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

अगर उपयोगकर्ता को डेटा में विसंगतियाँ मिलें—जैसे शून्य या उसके आस-पास के मान, या असामान्य रूप से बड़े मान (उदाहरण के लिए, औसत 10 और अधिकतम 8000)—तो **सफ़ाई और कैलिब्रेशन** वर्कफ़्लो अपनाने की सलाह दी जाती है। इसे इन पैरामीटरों से कॉन्फ़िगर किया जाता है `actions: [CLEAN, CALIBRATE]`.

कैलिब्रेशन से पहले डेटा की सफ़ाई को प्राथमिकता देने से त्रुटियाँ, गुम मान और असंगतियाँ हट जाती हैं, जिससे डेटा की गुणवत्ता और सटीकता बेहतर होती है।
{% endhint %}

{% hint style="warning" %}
**शुरुआती त्रुटियों से मुक्त डेटा के लिए सुझाव**

अगर डेटासेट में शुरुआत से ही कोई त्रुटि, गुम मान या असंगति नहीं है और यह पता है कि कई हार्वेस्टरों ने काम किया है, तो **कैलिब्रेशन और सफ़ाई** वर्कफ़्लो अपनाने पर विचार करें। इसे इन पैरामीटरों से कॉन्फ़िगर किया जाता है `actions: [CALIBRATE, CLEAN]`.

कैलिब्रेशन के बाद डेटा साफ़ करने से डेटासेट को और बेहतर बनाया जा सकता है, क्योंकि इससे कैलिब्रेशन के दौरान बने संभावित आर्टिफ़ैक्ट हट सकते हैं।
{% endhint %}

### दस्तावेज़ीकरण: म्यूटेशन का विवरण

डिफ़ॉल्ट मानक कॉन्फ़िगरेशन में "YieldDataset" का ऑटो कैलिब्रेशन और शोधन सक्षम होता 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 नमूने में न्यूनतम/अधिकतम सीमाओं पर मैन्युअल नियंत्रण दिया गया है और इसमें अतिरिक्त एट्रिब्यूट शामिल हैं।

{% 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 के अनुसार `CLEAN` ऑपरेशन करने के लिए, आपको या तो `cleanAction` -> `में सभी कॉलम शामिल करने होंगे,` या उनमें से कुछ को `cleanAction` -> `में सभी कॉलम शामिल करने होंगे,` conditionMinMaxClean `में निर्दिष्ट करना होगा` -> `और बाकी को`.
{% endhint %}

इनपुट पैरामीटर:

* `actions` को एक ऐरे के रूप में दिया जाता है, जिससे आप चुन सकते हैं *सुधार संबंधी कार्रवाइयाँ और उनका क्रम* — समर्थित मानों में शामिल हैं `CLEAN` और `CALIBRATE`.
* `calibrateAction` एक ऑब्जेक्ट के रूप में, जिसमें `CALIBRATE` ऑपरेशन से संबंधित कॉन्फ़िगरेशन विवरण होते हैं।
  * `calibrationAttributes` उन विशेषताओं की ऐरे के रूप में जिन्हें कैलिब्रेट करने की आवश्यकता है; आम तौर पर ये Yield कॉलम से जुड़ी होती हैं।
  * `smoothWindowSize` एक विषम पूर्णांक के रूप में, जो परिणामों के मानों को सुचारु करता है और उनमें अचानक होने वाले उतार-चढ़ाव को कम करता है।
  * `conditionPathwiseCalibration` एक ऑब्जेक्ट के रूप में, जिसमें **पाथवाइज़** कैलिब्रेशन मशीन की पटरियों के अनुरूप होता है। कैलिब्रेशन के उद्देश्य से मशीन की हर पटरी को एक अलग क्षेत्र के रूप में संसाधित किया जाता है।
    * `calibrationBasis` कैलिब्रेशन के आधार के रूप में उपयोग की जाने वाली विशेषता को दर्शाने वाली स्ट्रिंग के रूप में।
    * `maxHomogeneityRegion` एक बूलियन के रूप में, जो बताता है कि कैलिब्रेशन के लिए अधिकतम समरूपता वाले क्षेत्र को संदर्भ क्षेत्र के रूप में उपयोग करना है या नहीं।
    * `syntheticMachinePath` एक बूलियन के रूप में, जो मशीन के मार्गों के अनुकरण को दर्शाता है। यह तब उपयोगी होता है जब मशीन के सटीक पथ की विशेषता उपलब्ध न हो और समय-मुद्राओं या इसी तरह की किसी विशेषता के आधार पर उसका अनुकरण करना हो।
  * `conditionAvgTotalCalibration` एक ऑब्जेक्ट के रूप में, जिसमें **औसत/कुल** कैलिब्रेशन विशेषता के मानों को फिर से वितरित करने पर केंद्रित होता है। यदि भू-स्थानिक पैटर्न सटीक हैं, लेकिन निरपेक्ष आँकड़े वास्तविक आँकड़ों से अलग हैं, तो यह तरीका उपयोगी साबित होता है।
    * `calibrationAttribute` कैलिब्रेट की जाने वाली विशेषता को दर्शाने वाली स्ट्रिंग के रूप में।
    * `average` विशेषता के औसत मान को दर्शाने वाली संख्या के रूप में; विशेषता के मान इस औसत के अनुरूप होने चाहिए। एक समय में केवल एक विकल्प—या तो `average` या `total`, का उपयोग करें।
    * `total` विशेषता के मानों के कुल योग को दर्शाने वाली संख्या के रूप में; इन मानों का कुल योग निर्दिष्ट कुल से मेल खाना चाहिए। एक समय में केवल एक विकल्प—या तो `average` या `total`, का उपयोग करें।
  * `conditionMinMaxCalibration` एक ऑब्जेक्ट के रूप में, जिसमें **सशर्त** कैलिब्रेशन दिए गए न्यूनतम और अधिकतम थ्रेशहोल्ड के आधार पर विशेषता के मानों को समायोजित करता है।
    * `calibrationAttribute` कैलिब्रेट की जाने वाली विशेषता को दर्शाने वाली स्ट्रिंग के रूप में।
    * `min` विशेषता के न्यूनतम मान को दर्शाने वाली संख्या के रूप में, जो कैलिब्रेशन की सबसे निचली सीमा निर्धारित करती है।
    * `minIncluded` एक बूलियन के रूप में, जो बताता है कि न्यूनतम मान शामिल करना है या नहीं।
    * `max` विशेषता के अधिकतम मान को दर्शाने वाली संख्या के रूप में, जो कैलिब्रेशन की सबसे ऊपरी सीमा निर्धारित करती है।
    * `maxIncluded` एक बूलियन के रूप में, जो बताता है कि अधिकतम मान शामिल करना है या नहीं।
* `cleanAction` एक ऑब्जेक्ट के रूप में, जिसमें इससे जुड़ी कॉन्फ़िगरेशन की जानकारी शामिल होती है: `CLEAN` ऑपरेशन।
  * `conditionAutoClean` एक ऑब्जेक्ट के रूप में, जिसमें ऑटो-क्लीन एल्गोरिदम से जुड़ी कॉन्फ़िगरेशन शामिल होती हैं।
    * `targetAttribute` लक्षित Yield मानों को दर्शाने वाली स्ट्रिंग के रूप में।
    * `excludedAttributes` ऐसे स्ट्रिंग्स की ऐरे के रूप में, जो उन एट्रिब्यूट्स को परिभाषित करती है जिनका सफ़ाई प्रक्रिया पर कोई असर नहीं पड़ता।
  * `conditionMinMaxClean` ऐसे ऑब्जेक्ट्स की ऐरे के रूप में जिनमें बताए गए सफ़ाई नियम शामिल हैं। हर ऑब्जेक्ट में ये पैरामीटर होते हैं।
    * नियम के लिए कॉलम का नाम बताने वाले स्ट्रिंग के रूप में cleanAttribute।
    * `min` न्यूनतम मान बताने वाली संख्या के रूप में।
    * `max` अधिकतम मान बताने वाली संख्या के रूप में।

{% hint style="info" %}
इनपुट देखने और एन्यूमरेशन के नवीनतम उपलब्ध मान (जैसे `operations`) प्राप्त करने के लिए, इसका उपयोग करने की सलाह दी जाती है: [Altair](https://docs.geopard.tech/geopard-tutorials/in/api/getting-started-with-the-geopard-api.md).
{% endhint %}

### दस्तावेज़: YieldDataset क्वेरी

GeoPard API के उपभोक्ता के रूप में, आप appliedCorrections और appliedCorrectionsVersion एट्रिब्यूट्स के ज़रिए YieldDatasets पर लागू किए गए सुधारों का विवरण प्राप्त कर सकते हैं। `appliedCorrections` और `appliedCorrectionsVersion`। पहले एट्रिब्यूट में किए गए सुधारों की सूची होती है (उदाहरण के लिए, `CALIBRATE` और `CLEAN`), और ऐरे में उनका क्रम बताता है कि वे किस क्रम में लागू हुए। वहीं, `appliedCorrectionsVersion` यह इस्तेमाल किए गए एल्गोरिदम का संस्करण बताता 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-requests-overview/84.-mutation-calibrate-and-clean-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.
