84. Mutatie: kalibreer en reinig YieldDataset

API‑calls om opbrengstdatasets te reinigen en te kalibreren

Het kalibreren van de "YieldDataset" is een functionaliteit die de waardeverdeling corrigeert in overeenstemming met wiskundige principes, waardoor de algehele integriteit van de gegevens verbetert. Het versterkt de kwaliteit van besluitvorming en maakt de dataset waardevol voor verdere diepgaande analyse.

Veelvoorkomende toepassingsgevallen voor deze functionaliteit zijn onder andere:

• Het synchroniseren van gegevens wanneer meerdere hakselaar(sen) gelijktijdig of over meerdere dagen hebben gewerkt, om consistentie te waarborgen.

• De dataset homogener en nauwkeuriger maken door variaties te egaliseren.

• Gegevensruis en overtollige informatie verwijderen die inzichten kunnen vertroebelen.

• Draaiingen of abnormale geometrieën elimineren, die de werkelijke patronen en trends in het perceel kunnen vertekenen.

• Opbrengstgegevens aanpassen zodat ze overeenkomen met vastgestelde gemiddelden of totalen voor elk attribuut.

Voor een meer gedetailleerde verkenning en voorbeelden, raadpleeg alstublieft onze Opbrengstkalibratie & Schoonmaak use case.

Originele YieldDataset met WetMass-attribuut

Vijf hakselaar(sen) werkten parallel op het onderstaande perceel van 30 ha. De kalibratie van één van de hakselaar(sen) was niet gesynchroniseerd met de anderen, wat resulteerde in oranje vlekken, wat aangeeft dat extra KALIBRATIE nodig is. Bovendien zijn er talrijke keerbewegingen rood vlekken dichter bij de randen van het "Perceel" die verwijderd moeten worden.

Originele YieldDataset met WetMass-attribuut

Gekalibreerde en geschoonde YieldDataset met WetMass-attribuut

Het onderstaande resultaat toont de dataset na het toepassen van automatische KALIBREREN en SCHOONMAKEN bewerkingen met standaardparameters. De resulterende "YieldDataset" is homogeen geworden, zonder uitschieters of abrupte veranderingen tussen aangrenzende geometrieën.

Gekalibreerde en geschoonde YieldDataset met WetMass-attribuut

Padgewijze vs Gemiddelde/Totalen vs Voorwaardelijke opties

Padgewijze kalibratie komt overeen met de machinebanen. Elke machinebaan wordt verwerkt als een afzonderlijke regio voor kalibratiedoeleinden. Het GeoPard-team raadt aan deze methode als standaardbenadering te gebruiken.

Gemiddelde/Totalen kalibratie richt zich op het herverdelen van attribuutwaarden. Als de geospatiale patronen kloppen maar de absolute cijfers afwijken van de werkelijke waarden, is deze methode nuttig. Voor optimale resultaten adviseert GeoPard deze te combineren met padgewijze kalibratie: eerst padgewijs toepassen en daarna aanpassen aan bekende gemiddelde/totalen waarden.

Voorwaardelijke kalibratie past attribuutwaarden aan op basis van opgegeven minimum- en maximumdrempels. Deze methode is vooral waardevol wanneer de geospatiale patronen nauwkeurig zijn, maar de waardeverdeling aanpassing behoeft, voornamelijk wanneer bekende min- en maxwaarden beschikbaar zijn. Voor de beste uitkomsten raadt GeoPard aan dit te koppelen aan padgewijze kalibratie: beginnen met padgewijs en vervolgens aanpassen om te voldoen aan de bekende min- en maxwaarden.

Hints

Hint voor gegevensanomalieën

Als een gebruiker anomalieën in de gegevens tegenkomt, zoals waarden op of nabij nul, of ongewoon grote waarden (bijvoorbeeld een gemiddelde van 10 met een maximum van 8000), wordt de Schoonmaak & Kalibratie workflow geadviseerd. Deze wordt geconfigureerd met parameters acties: [SCHOONMAKEN, KALIBREREN].

Het prioriteren van gegevensschoonmaak vóór kalibratie zorgt voor het verwijderen van fouten, ontbrekende waarden of inconsistenties, en verbetert daarmee de gegevenskwaliteit en nauwkeurigheid.

Hint voor gegevens zonder initiële fouten

Voor datasets die aanvankelijk vrij zijn van fouten, ontbrekende waarden of inconsistenties, en wanneer bekend is dat meerdere hakselaar(sen) betrokken zijn, overweeg dan de Kalibratie & Schoonmaak workflow. Deze wordt geconfigureerd met parameters acties: [KALIBREREN, SCHOONMAKEN].

Het schoonmaken van de gegevens na kalibratie helpt de dataset verder te verfijnen door mogelijk artefacten te elimineren die tijdens de kalibratie zijn geïntroduceerd.

Documentatie: Mutatie details

De standaardconfiguratie schakelt automatische kalibratie en reiniging van de "YieldDataset" in.

mutatie 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"
        }
      }
      
      acties:  [KALIBREREN, SCHOONMAKEN]
    }
  }) {
    uuid
    fieldUuid
    originalUuid
    statusCode
    statusMessage
  }
}

Een meer geavanceerd voorbeeld biedt handmatige controle over min/max-bereiken en omvat aanvullende attributen.

mutatie 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
        }]
      }
      acties:  [KALIBREREN, SCHOONMAKEN]
    }
  }) {
    uuid
    fieldUuid
    originalUuid
    statusCode
    statusMessage
  }
}

Om het USDA-protocol voor de SCHOONMAKEN bewerking te volgen, moet u ofwel ALLE kolommen vermelden in de cleanAction -> conditionMinMaxClean of een deel daarvan opgeven in cleanAction -> conditionMinMaxClean en de overige in condtionAutoClean -> excludedAttributes.

Invoervariabelen:

• acties als een array, waarmee u kunt kiezen de corrigerende acties en hun volgorde van toepassing; ondersteunde waarden omvatten SCHOONMAKEN en KALIBREREN.

• calibrateAction als een object dat configuratiedetails bevat gerelateerd aan de KALIBREREN bewerking.

  • calibrationAttributes als een array van attributen die kalibratie vereisen, doorgaans gekoppeld aan de Opbrengst-kolom.

  • smoothWindowSize als een oneven geheel getal dat de resulterende waarden gladstrijkt en abrupte sprongen in de waarden vermindert.

  • conditionPathwiseCalibration als een object met de Padgewijze kalibratie komt overeen met de machinebanen. Elke machinebaan wordt verwerkt als een afzonderlijke regio voor kalibratiedoeleinden.

    • calibrationBasis als een string die het attribuut vertegenwoordigt dat als basis voor kalibratie wordt gebruikt.

    • maxHomogeneityRegion als een boolean die aangeeft of de maximale homogeniteitsregio wordt gebruikt als referentieregio voor kalibratie.

    • syntheticMachinePath als een boolean die de simulatie van machineroutes aangeeft; dit is nuttig wanneer het exacte machinepadattribuut ontbreekt en simulatie op basis van tijdstempels of een vergelijkbaar attribuut nodig is.

  • conditionAvgTotalCalibration als een object met de Gemiddelde/Totalen kalibratie richt zich op het herverdelen van attribuutwaarden. Als de geospatiale patronen kloppen maar de absolute cijfers afwijken van de werkelijke waarden, is deze methode nuttig.

    • calibrationAttribute als een string die het attribuut vertegenwoordigt dat gekalibreerd moet worden.

    • average als een getal dat de gemiddelde waarden van het attribuut vertegenwoordigt; de attribuutwaarden moeten in lijn zijn met dit gemiddelde. Slechts één optie, ofwel average of total, moet tegelijkertijd worden gebruikt.

    • total als een getal dat de totale som van de attribuutwaarden vertegenwoordigt; de aggregate van deze waarden moet overeenkomen met het totaal. Slechts één optie, ofwel average of total, moet tegelijkertijd worden gebruikt.

  • conditionMinMaxCalibration als een object met de Voorwaardelijke kalibratie past attribuutwaarden aan op basis van opgegeven minimum- en maximumdrempels.

    • calibrationAttribute als een string die het attribuut vertegenwoordigt dat gekalibreerd moet worden.

    • min als een getal dat de minimumwaarden van het attribuut vertegenwoordigt en dient als de laagste range voor kalibratie.

    • minIncluded als een boolean die aangeeft of de minimumwaarde al dan niet moet worden opgenomen

    • max als een getal dat de maximumwaarden van het attribuut vertegenwoordigt en dient als de hoogste range voor kalibratie.

    • maxIncluded als een boolean die aangeeft of de maximumwaarde al dan niet moet worden opgenomen.

• cleanAction als een object dat de configuratiespecificaties bevat die verband houden met de SCHOONMAKEN bewerking.

  • conditionAutoClean als een object dat de configuraties bevat die specifiek zijn voor het auto-clean-algoritme.

    • targetAttribute als een string die doelopbrengstwaarden vertegenwoordigt.

    • excludedAttributes als een array van strings die attributen definiëren die de schoonmaakbewerking niet beïnvloeden.

  • conditionMinMaxClean als een array van objecten die de beschreven schoonmaakregels bevatten; elk object omvat de volgende parameters.

    • cleanAttribute als een string die de kolomnaam voor de regel specificeert.

    • min als een getal dat de minimumwaarde aangeeft.

    • max als een getal dat de maximumwaarde aangeeft.

Om de inputs te bekijken en toegang te krijgen tot de laatst beschikbare waarden van enumeraties (zoals bewerkingen), wordt aanbevolen om te gebruiken Altair.

Documentatie: YieldDataset-query

Als GeoPard API-gebruiker kunt u details ophalen over de correcties die op YieldDatasets zijn toegepast via de attributen appliedCorrections en appliedCorrectionsVersion. Het eerste biedt een lijst van aangebrachte correcties (bijv. KALIBREREN en SCHOONMAKEN), waarbij de uitvoeringsvolgorde wordt aangeduid door hun volgorde in de array. Ondertussen geeft appliedCorrectionsVersion de versie van het gebruikte algoritme aan.

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