収量の較正 & クリーニング
GeoPard で収量モニターのデータをクリーニング・較正する方法。USDA 収量クリーニング手順も含みます。外れ値、筋状ムラ、旋回部分、複数収穫機データセットを修正します。
GeoPardを使用して 収量データをクリーン化する と 収量モニターデータセットを較正する。ゾーン、施用処方、解析に信頼できる収量マップを取得します。このワークフローは外れ値、反転走行（ターンアラウンド）、欠損属性、および複数台の収穫機からの収量データを処理します。これには 米国農務省（USDA）の収量クリーニングプロトコル が含まれ、 Yield Editorの代替 ワークフローをサポートします。
この較正プロセスは次の点で重要です：
データの一貫性の確保: 複数の収穫機が協調して、あるいは異なる日に作業することは珍しくありません。この機能はそれらのデータが整合するようにします。
データの均質化: 収量データはばらつきが出ることがあります。較正は不要なスパイクや急落を抑え、なめらかで一貫したデータにします。
ノイズの除去: 他のデータと同様に、収量データにもノイズや無関係な情報が含まれることがあります。分析の妨げにならないよう除去します。
ジオメトリの合理化: ターンアラウンドや奇妙なジオメトリパターンは実際の洞察を歪める可能性があります。較正はこれらを解消し、データが実際の圃場状況を反映するように設計されています。
圃場境界での切り取り: 収穫機は隣接するエリアで作業することが多いです。正確な解析結果のためには、指定した境界内のデータのみを考慮することが重要です。
クイック概要
実際の事例
農業の領域では、破損した収量データセットが重大な課題を引き起こすことがあります。以下はそのようなデータセットに直面した実例です。GeoPardの高度な較正およびクリーニングアルゴリズムにより、これらのデータセットは効果的に精練・最適化されました。
複数台の収穫機の協調作業
Jターン、停止、装備幅の半分を使用
異常に大きな記録値
圃場境界を越えたデータ
提供された平均収量値を用いた較正
異常のある属性を無視して収量属性をクリーン化する
収量データセットには時折、水分（モイスチャー）、速度、標高、その他の二次（非収量）属性に不規則性が含まれることがあります。CleanやCalibrateの処理を実行する際には、これらの異常を無視することが不可欠です。これはGeoPardのYield Clean-Calibrateインターフェースを用いて効率的に達成できます。
USDA収量クリーニングプロトコル
このオプションは次の場合に使用してください： 繰り返し可能で標準準拠の収量エディターワークフロー。これは次の用途に最適化されています： 大規模な収量モニターデータのクリーニング での使用向けです。
較正ロジックの説明
トラック別キャリブレーション
使用する場合 トラック別キャリブレーション フィールドが 複数の機械または数日にわたって収穫されたとき、特にストライプやバンディングなどの体系的な差を補正するために使用します。 これは、機械設定、オペレーター、または環境条件の違いが経路ごとに一貫して過小または過大評価を引き起こすシナリオに最適です。
重要なのは、 AIは効果的に学習・較正するために、異なる経路、機械ID、収穫日などの変動が必要だということです。
使用しないでください 単一機で連続して収穫された場合や、収量マップに目に見える空間パターンがない場合はこの方法を使用しないでください。データがまばらである場合や、機械ごとの差分がなく総フィールドレベルの合計値しかない場合も避けてください。
平均または総量による較正
平均／総量による較正は次のときに最適です 次の場合： トンや貯蔵施設などの計量所からの記録のように、フィールド全体の収量データに高い信頼性がある場合。 個々の経路を調整する代わりに、この方法はデータセット全体をスケールして、最終的な平均値または総量が既知の参照値と一致するようにします。全体の数値が信頼できる場合、最も簡単で安全な較正オプションと説明されることが多いです。
いつ 平均／総量による較正を使用するか：
既知の参照値: 計量所の公式な総収量記録（例：計量台の記録）やフィールドの非常に信頼できる平均収量がある場合にこのロジックを使用してください。
全体的なバイアス補正: 収量マップの空間分布は正しく見えるが、値が全体的にずれている—つまり収量モニターが較正されておらず、フィールド全体で一貫して高すぎるまたは低すぎる値を報告している可能性がある場合に理想的です。
均一な収穫条件: 収穫条件が作業全体で比較的一貫していた場合、この方法が最も効果的です。
単一機の一貫性: フィールド全体で一貫した性能を示した単一の機械による収穫に対してうまく機能します。
次の場合は 平均／総量による較正を使用しないでください：
機械間のバイアス: フィールドの異なる部分が異なる機械や別の日に収穫され、局所的なバイアスが生じている場合はこの方法を使用しないでください。その場合、フィールド全体をスケーリングしても機械間の根本的な不一致は解決されません。
目に見えるアーティファクト: データに強いストライピング、バンディング、方向性のアーティファクトが見られる場合、この方法ではそれらを解決できません； そのような問題には経路別較正の方が適しています.
不完全なデータ: フィールドの一部しか収穫されていない、または記録データが不完全な場合はこのロジックを避けてください。総量／平均値が誤解を招く可能性があります。
条件付きキャリブレーション
条件付きキャリブレーション として機能します 事前に定義された現実的な最小値および最大値の範囲内に収量値を維持する安全装置として.
あなたは このロジックを使用すべきです 極端な外れ値やノイズ、機械停止、旋回によって引き起こされるセンサーのスパイクを除去するためにこのロジックを使用するべきです。これは「収量がXを超えてはならない」といった特定の農業的期待を適用するのに理想的で、修正を行わずに使用できます。
しかし、 この方法は避けてください データセットに全体的なバイアスや系統的な機械差がある場合、この方法はデータのスケーリングや空間パターンの修正を行わないため適しません。本質的に値をもっともらしく保ちますが、基礎となる較正オフセットを解決するものではありません。
使用戦略
最初のステップ
「Yield Calibrate and Clean」モジュールはユーザーインターフェースから直接起動します。主な前提は、収量データセットがアップロードされていることです。各収量データセットの隣に、データセット調整を開始するボタンがあります。
そこから、いくつかの進め方のオプションがあります：
自動処理：ワンクリック較正のために、GeoPard推奨のデフォルト設定を使用します。
クリーンのみ：CLEAN操作のみを設定して実行します。これには以下が含まれます：
GeoPardクリーニング：AIアルゴリズムによる収量データセットのスマートクリーニング。
米国農務省（USDA） （米国農務省）による収量のクリーニングプロトコル。
条件付きクリーニング：カスタム属性閾値に基づいてデータをフィルタリングします。
較正のみ：CALIBRATE操作のみを設定して実行します。これには以下が含まれます：
calibrationBasis：各機械走行ごとにAIアルゴリズムを用いて収量を較正します。
平均／合計：フィールドの既知の平均または総収量に基づいて収量を調整します。
条件付き：期待される範囲を維持するために、設定された最小値および最大値の範囲内で収量を修正します。
較正とクリーン両方：操作の順序を選択し、パラメータをカスタマイズします。
Yield Editorの代替：使用する クリーンのみ → USDA （または 較正とクリーン両方）手作業の「Yield Editor」によるクリーンアップワークフローと一致させつつ、大規模に実行するためのものです。検証テストでは、USDAプロトコルによるクリーニングは手動のYield Editor結果と一致し、 R²（R2）＝0.98 （ほぼ同一の出力）。
ワンボタンソリューション
収量データセットに時折内在する異常値に関するヒント。
もし attribute 較正またはクリーニングのために選択されたものが主に 含む 大部分のジオメトリでゼロ値を含む場合、これらのジオメトリは最終的な収量データセットから除外されます。
整合性を確保するために、そのような異常を持つ属性は較正対象の属性リストから除外するべきです。
完全ガイダンス
フローを選択：データ異常に関するヒント
ユーザーがデータでゼロ付近の値や異常に大きな値（例えば平均が10で最大が8000など）を検出した場合、 クリーニング＆較正 ワークフローを推奨します。
較正の前にデータのクリーニングを優先することで、エラーや欠損値、不整合を除去し、データ品質と精度を高められます。
フローを選択：初期エラーのないデータに関するヒント
初期にエラーや欠損値、不整合がなく、複数の収穫機が関与していることが分かっているデータセットの場合は、 較正＆クリーニング ワークフロー。
較正後にデータをクリーニングすることで、較正中に導入された可能性のあるアーティファクトを除去し、データセットをさらに洗練できます。
クリーンフロー：収量データセットに時折内在する異常値に関するヒント。
もし attribute 較正またはクリーニングのために選択されたものは主に含む 大部分のジオメトリでゼロ値を含む含む場合、これらのジオメトリは最終的な収量データセットから除外されます。
整合性を確保するために、そのような異常を持つ属性はクリーン対象の属性リストから除外する必要があります（2）。
流量の較正：収量データセットに固有の場合がある異常値へのヒント。
もし attribute 較正またはクリーニングのために選択されたものが主に 含む 大部分のジオメトリでゼロ値を含む場合、これらのジオメトリは最終的な収量データセットから除外されます。
整合性を確保するために、そのような異常を持つ属性は較正対象の属性リストから除外する必要があります（3）。
アルゴリズムのバージョン
後処理では、結果が元のデータセットの隣に表示されます。これらは次でマークされています 「較正」 および／または 「クリーン」 ラベルとアルゴリズムのバージョン。
最終更新
役に立ちましたか？