> 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/nor/agronomi/yield-and-trials/yield-calibration-and-cleaning.md).

# Rensing og kalibrering av avlingsdata: fjern feil fra avlingskart

Rens data fra avlingsmåleren: gjennomstrømningsforsinkelse, start og slutt på drag, vendinger, overlapp, avvik i hastighet og fuktighet samt kalibrering av flere skurtreskere – før du lager soner.

Rådata fra avlingsmåleren inneholder feil som skyldes forsinkelse i gjennomstrømningen, start og slutt på kjøredrag, vendinger, overlappende skjærebord og skurtreskere som er kalibrert forskjellig. Rens dataene før du oppretter soner eller vurderer et forsøk, ellers viser kartet maskinen i stedet for åkeren. GeoPard følger USDA-protokollen for datarensing automatisk, lar deg stille inn filtrene manuelt og kalibrerer flere skurtreskere mot én kjent totalavling eller gjennomsnittsavling.

{% hint style="info" %}
Se den interaktive siden om rensing av avlingsdata på geopard.tech: [Rensing av avlingsdata](https://geopard.tech/yield-data/)
{% endhint %}

{% hint style="success" %}
Rens fjorårets avlingsfiler: [Kom i gang gratis](https://app.geopard.tech/auth/sign-up?utm_source=docs\&utm_medium=cta\&utm_campaign=yield-calibration-and-cleaning)
{% endhint %}

Bruk GeoPard til å **rense avlingsdata** og **kalibrere datasett fra avlingsmålere**. Få et avlingskart du kan stole på når du lager soner og tildelingsfiler eller utfører analyser. Denne arbeidsflyten håndterer avvik, vendinger, manglende attributter og avlingsdata fra flere skurtreskere. Den omfatter **USDA-protokollen for rensing av avlingsdata** og støtter arbeidsflyter som et **alternativ til Yield Editor** .

{% embed url="<https://youtu.be/Tk5lubolnHQ>" %}
Videoveiledning om rensing og kalibrering av avlingsdata. Forklaring av forskjellene mellom alternativene.
{% endembed %}

Denne kalibreringsprosessen er viktig for å:

1. **Sikre konsistente data**: Det er ikke uvanlig at flere skurtreskere arbeider samtidig eller på ulike dager. Denne funksjonen sørger for at dataene deres stemmer overens.
2. **Ensrette data**: Avlingsdata kan variere. Kalibreringen gjør dem jevne og konsistente, uten uønskede topper eller fall.
3. **Filtrere bort støy**: Som alle andre data kan avlingsdata inneholde «støy» eller irrelevant informasjon. Vi sørger for at dette ikke forstyrrer analysene dine.
4. **Forbedre geometrien**: Vendinger og uvanlige geometriske mønstre i dataene kan gi et skjevt bilde. Kalibreringen jevner ut dette, slik at dataene gjenspeiler forholdene på åkeren.
5. **Avgrense etter skiftegrense**: Skurtreskere arbeider ofte på tvers av tilstøtende arealer. For å få nøyaktige analyseresultater er det viktig å bare ta med data innenfor den angitte grensen.

{% hint style="info" %}
Grensesnittet for avlingskalibrering bruker GeoPard API-endepunktet for rensing og kalibrering av avlinger ([GeoPard API: Calibrate and Clean YieldDataset](https://docs.geopard.tech/geopard-tutorials/nor/api-dokumentasjon/geopard-api-requests-overview/84.-mutation-calibrate-and-clean-yielddataset.md)). Det kjører operasjonene `CALIBRATE` og `CLEAN` i brukergrensesnittet eller via API-et.
{% endhint %}

## Kort oversikt

<table data-view="cards"><thead><tr><th></th><th></th><th></th><th data-hidden data-card-cover data-type="files"></th></tr></thead><tbody><tr><td><img src="https://4236156289-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F1pcsMp9Kt7NyZF11YgVW%2F1.png?alt=media&amp;token=f8190619-71b8-4665-b0e0-c64c8e94b656" alt=""></td><td></td><td></td><td></td></tr><tr><td><img src="https://4236156289-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FyFjisKTG8adFULlqqCjX%2F2.png?alt=media&amp;token=ea985793-14df-4e03-9051-35db1bad8f58" alt=""></td><td></td><td></td><td></td></tr><tr><td><img src="https://4236156289-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FCNlWjqLLdhPE2rTVuaUA%2F3.png?alt=media&amp;token=459d6925-63c1-4680-aab7-3d920f41bcbf" alt=""></td><td></td><td></td><td></td></tr><tr><td><img src="https://4236156289-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FTI9hUS0awcLL6KeOPkOo%2F4.png?alt=media&amp;token=ddf27706-7a35-4518-aab9-a3f5710fa5a8" alt=""></td><td></td><td></td><td></td></tr><tr><td><img src="https://4236156289-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FEEhbN218ZlKPadWMnDDK%2F5.png?alt=media&amp;token=5125ee8a-7936-4560-8bf6-474beb2e1812" alt=""></td><td></td><td></td><td></td></tr><tr><td><img src="https://4236156289-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FdOppLSfGQCizUG2UOWwz%2F6.png?alt=media&amp;token=2af3a431-3dc3-414f-90b1-9d62d860837c" alt=""></td><td></td><td></td><td></td></tr></tbody></table>

{% file src="/files/c4e0d334fb125cfb0fc04adb60bf5eda02c8b967" %}
Last ned PDF-brosjyren om rensing av avlingsdata
{% endfile %}

## Eksempler fra praksis

I landbruket kan korrupte datasett med avlingsdata skape betydelige utfordringer. Nedenfor finner du eksempler fra virkeligheten på slike datasett. GeoPards avanserte algoritmer for kalibrering og rensing har gjort det mulig å forbedre og optimalisere datasettene.

{% hint style="info" %}
Hvis det mangler registrerte avlingsdata i enkelte områder, og du vil ha et fullstendig avlingskart, kan du bruke GeoPards metode for syntetiske avlingskart. Denne metoden fyller inn manglende data, slik at du får en komplett avlingsanalyse. Les mer [her](https://docs.geopard.tech/geopard-tutorials/nor/agronomi/yield-and-trials/synthetic-yield-map.md).
{% endhint %}

### Flere skurtreskere i arbeid sammen

<figure><img src="https://4236156289-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FxLYRsV8pZbnffA7HacMw%2Fimage.png?alt=media&amp;token=735fe5c7-7355-4011-b550-366bba97acc2" alt=""><figcaption><p>Eksempel 1: Flere skurtreskere i arbeid sammen</p></figcaption></figure>

{% hint style="info" %}
I komplekse situasjoner anbefales en kalibrering i to trinn for best mulig nøyaktighet. Start med å kjøre den første kalibreringen ved hjelp av attributtet Machine ID. Kjør deretter en ny kalibrering, denne gangen med avkrysningsboksen Simulated (Synthetic) Machine Paths. Denne trinnvise metoden gir en grundig og nøyaktig kalibrering, noe som er avgjørende for å håndtere kompliserte tilfeller på en effektiv måte.
{% endhint %}

<figure><img src="https://4236156289-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Fzp5sfPBeqgxwmAFvaOCg%2Fimage.png?alt=media&amp;token=7d873554-17e2-4871-8389-b08dbd2f9d46" alt=""><figcaption><p>Eksempel 2: Flere skurtreskere i arbeid sammen</p></figcaption></figure>

<figure><img src="https://4236156289-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FjgsxP8o0vdwvoEfsVjDO%2Fimage.png?alt=media&amp;token=4505bb89-582d-4819-86a7-7b2764346f4b" alt=""><figcaption><p>Eksempel 3: Flere skurtreskere i arbeid sammen</p></figcaption></figure>

### J-vendinger, stopp og bruk av halve arbeidsbredden

<figure><img src="https://4236156289-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FeCz6aOPR1yAqoQ09dHU6%2Fimage.png?alt=media&amp;token=6d404a9e-cdd2-4387-9ba0-da74a90233b1" alt=""><figcaption><p>Eksempel 1: U-vendinger, stopp og bruk av halve arbeidsbredden</p></figcaption></figure>

<figure><img src="https://4236156289-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FRce8VNyPVrknT8nv5S70%2Fimage.png?alt=media&amp;token=fee2ecf8-35de-4777-b189-ac47eb234f31" alt=""><figcaption><p>Eksempel 2: U-vendinger, stopp og bruk av halve arbeidsbredden</p></figcaption></figure>

### Unormalt høye registrerte verdier

<figure><img src="https://4236156289-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FzmazzTOpZUuGoGUpER3X%2Fimage.png?alt=media&amp;token=589f8406-b872-475b-aadf-fe98033be293" alt=""><figcaption><p>Eksempel 1: Unormalt høye registrerte verdier</p></figcaption></figure>

<figure><img src="https://4236156289-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FKBxJivTWUD4d1TEkiejY%2Fimage.png?alt=media&amp;token=783769a5-3c50-4031-b2ce-7a255bccdf14" alt=""><figcaption><p>Eksempel 2: Unormalt høye registrerte verdier</p></figcaption></figure>

<figure><img src="https://4236156289-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FfzS2hxfjzOLLloYECwGJ%2Fimage.png?alt=media&amp;token=227fce15-ae66-4377-988e-a01521b5be56" alt=""><figcaption><p>Eksempel 3: Unormalt høye registrerte verdier</p></figcaption></figure>

<figure><img src="https://4236156289-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FjXTlPKfGsFFgXNfbxo1p%2Fimage.png?alt=media&amp;token=35786ad7-59d3-4a7b-82b8-838dd8416894" alt=""><figcaption><p>Eksempel 4: Unormalt høye loggede verdier</p></figcaption></figure>

<figure><img src="https://4236156289-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FoLiETzE2JzYZGJkGnXea%2Fimage.png?alt=media&amp;token=a0fc2b5a-959a-43b7-bf07-e83a9289cd02" alt=""><figcaption><p>Eksempel 5: Unormalt høye loggede verdier</p></figcaption></figure>

### Data utenfor skiftegrensen

<figure><img src="https://4236156289-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FBw3W24ci7QPTsKLAUMSQ%2Fimage.png?alt=media&amp;token=fed50b20-15cf-4631-87b5-4cdd157edf83" alt=""><figcaption><p>Eksempel: Data utenfor skiftegrensene</p></figcaption></figure>

### Kalibrering med oppgitt gjennomsnittsavling

<figure><img src="https://4236156289-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FfEKsgXvom18AclK5newr%2Fimage.png?alt=media&amp;token=36114655-9cbd-48e7-9b01-dbf4091478b3" alt=""><figcaption><p>Eksempel: Kalibrering med oppgitt gjennomsnittsavling (28 t/ha)</p></figcaption></figure>

### Rens avlingsattributter uten å ta hensyn til attributter med avvik

Avlingsdatasettet inneholder av og til attributter med uregelmessigheter i fuktighet, hastighet, høyde eller andre sekundære attributter (ikke avling). Når du utfører rense- eller kalibreringsaktiviteter, er det viktig å se bort fra disse avvikene. Dette kan enkelt gjøres med GeoPards grensesnitt for rensing og kalibrering av avling.

<figure><img src="https://4236156289-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FxqB9uc6JCTsb5q6fuWrp%2Fimage.png?alt=media&amp;token=0f149cbe-8c5f-4604-9f64-ceb73a07b6eb" alt=""><figcaption><p>Eksempel: Avvik i fuktighetsattributtet</p></figcaption></figure>

<figure><img src="https://4236156289-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Fpnh4ysSTZUGlzBfQBO13%2Fimage.png?alt=media&amp;token=ded245e3-9ae5-48ea-b2da-1400bcbfc3ba" alt=""><figcaption><p>Eksempel: Rensing av avlingsdata uten å ta hensyn til avvik i fuktighet</p></figcaption></figure>

### USDAs protokoll for rensing av avlingsdata

Bruk dette alternativet når du trenger en **repeterbar, standardbasert arbeidsflyt for redigering av avlingsdata**. Den er optimalisert for **rensing av avlingsmonitordata** i stor skala.

<figure><img src="https://4236156289-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FhM4KqHPBIQqUWQ6nvoi1%2Fimage.png?alt=media&amp;token=b2447749-21b2-49b2-a160-bb9e50ff7e2e" alt=""><figcaption><p>Eksempel: Rensing av avlingsdata med USDA-protokollen</p></figcaption></figure>

<figure><img src="https://4236156289-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FRjsfVEr1qOfaz3DflfGF%2Fimage.png?alt=media&amp;token=a2001258-09cd-44eb-9bca-3a0d54ac4bf1" alt=""><figcaption><p>Eksempel: Rensing av avlingsdata med USDA-protokollen</p></figcaption></figure>

## Forklaring av kalibreringsmetoder

### Kalibrering etter kjørespor

**BRUK** **kalibrering etter kjørespor** når et skifte <mark style="background-color:green;">høstes med flere maskiner eller over flere dager, særlig for å korrigere systematiske forskjeller som striper eller bånd.</mark> Metoden egner seg godt når variasjoner i maskininnstillinger, førere eller miljøforhold fører til konsekvent over- eller undervurdering i ulike kjørespor.

Det er viktig at <mark style="background-color:yellow;">KI-en trenger variasjon – for eksempel ulike kjørespor, maskin-ID-er eller høstedatoer – for å lære og kalibrere effektivt.</mark>

<figure><img src="https://4236156289-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FqeSVFK4x29AdDhMKdNt9%2FScreenshot%202026-01-19%20at%2015.09.43.png?alt=media&amp;token=abedd883-4894-4e19-817e-078e5866de25" alt=""><figcaption><p>Eksempel: Avlingens våtmasse og 9 skurtreskere</p></figcaption></figure>

**IKKE BRUK** denne metoden for høsting med én maskin i én sammenhengende økt, eller hvis avlingskartet ikke viser tydelige romlige mønstre. Unngå den også hvis datagrunnlaget er tynt, eller hvis du bare har samlede avlingsverdier for hele skiftet, uten forskjeller mellom maskinene.

<figure><img src="https://4236156289-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FaDRgi3zhqqbxRK5THJtB%2Fimage.png?alt=media&amp;token=c51381e5-48a7-4003-9009-9a524d6df15e" alt="" width="563"><figcaption><p>Eksempel: Statistisk korrekt datafordeling</p></figcaption></figure>

### Kalibrering etter gjennomsnitt eller total

**Kalibrering etter gjennomsnitt/total er BEST EGNET** når <mark style="background-color:green;">du har høy tillit til de samlede avlingsdataene for skiftet, for eksempel registreringer fra en brovekt eller et lageranlegg.</mark> I stedet for å justere de enkelte kjøresporene skalerer denne metoden hele datasettet slik at det endelige gjennomsnittet eller totalen samsvarer med den kjente referanseverdien. Den beskrives ofte som det enkleste og tryggeste kalibreringsalternativet når du har tillit til de samlede tallene.

Når du bør **BRUKE kalibrering etter gjennomsnitt/total:**

* **Kjente referanseverdier**: Bruk denne metoden når du har offisielle registreringer av totalavlingen (for eksempel fra en brovekt) eller en svært pålitelig gjennomsnittsavling for skiftet.
* **Korrigering av samlet skjevhet**: Metoden egner seg når den romlige fordelingen i avlingskartet ser riktig ut, men verdiene er forskjøvet over hele kartet. Det kan bety at avlingsmonitoren ikke var kalibrert og viser konsekvent for høye eller for lave verdier på hele skiftet.
* **Ensartede høsteforhold**: Metoden er mest effektiv når høsteforholdene var forholdsvis ensartede gjennom hele arbeidet.
* **Konsistent bruk av én maskin**: Metoden fungerer godt ved høsting med én maskin som arbeidet konsekvent over hele skiftet.

<figure><img src="https://4236156289-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FaDRgi3zhqqbxRK5THJtB%2Fimage.png?alt=media&amp;token=c51381e5-48a7-4003-9009-9a524d6df15e" alt="" width="563"><figcaption><p>Eksempel: Statistisk korrekt datafordeling med nødvendig forskyvning ved bruk av gjennomsnittsavling</p></figcaption></figure>

Når du **IKKE bør BRUKE kalibrering etter gjennomsnitt/total:**

* **Skjevheter mellom maskiner**: Ikke bruk denne metoden hvis ulike deler av skiftet ble høstet med forskjellige maskiner eller på forskjellige dager, og dette førte til lokale skjevheter. I slike tilfeller vil skalering av hele skiftet ikke rette opp de underliggende forskjellene mellom maskinene.
* **Synlige artefakter**: Hvis du ser tydelige striper, bånd eller retningsbestemte artefakter i dataene, vil denne metoden ikke løse dem; <mark style="background-color:green;">Stivis kalibrering egner seg bedre for slike problemer</mark>.
* **Ufullstendige data**: Unngå denne logikken hvis bare en del av skiftet er høstet, eller hvis de registrerte dataene er ufullstendige, siden total- og gjennomsnittsverdiene da vil være misvisende.

<figure><img src="https://4236156289-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FDnl5nlyf57I8VGxhKDDC%2Fimage.png?alt=media&amp;token=997fbab6-1d6f-40db-99cc-b2c1e7035953" alt="" width="563"><figcaption><p>Eksempel: Avlingsdata med hull</p></figcaption></figure>

### Betinget kalibrering

**Betinget kalibrering** fungerer som <mark style="background-color:green;">en sikkerhetskontroll som sørger for at avlingsverdiene holder seg innenfor realistiske, forhåndsdefinerte minimums- og maksimumsgrenser</mark>.

Du **BØR BRUKE** denne logikken til å f<mark style="background-color:green;">jerne ekstreme avvikere og sensortopper som skyldes støy, maskinstans eller vendinger</mark>. Den egner seg godt til å bruke bestemte agronomiske forventninger – for eksempel «avlingen kan ikke overstige X» – uten å utføre en korrigering.

<figure><img src="https://4236156289-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FMwk1SC9K5O2dqvtfZM9c%2Fimage.png?alt=media&amp;token=b9f3a911-159e-4df1-a320-ac8da71d9ac0" alt=""><figcaption></figcaption></figure>

Men **UNNGÅ DENNE METODEN** hvis datasettet har en generell skjevhet eller systematiske forskjeller mellom maskiner, siden metoden verken skalerer dataene eller korrigerer romlige mønstre. Den holder verdiene innenfor et plausibelt område, men korrigerer ikke underliggende kalibreringsavvik.

## Bruksstrategi

<figure><img src="https://4236156289-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FQDPQ6VaHn8G0Bp7yGFks%2Fimage.png?alt=media&amp;token=e209de37-60c1-4453-8e32-3cb96d0c0a3d" alt=""><figcaption><p>Énsideveiledning for kalibrering av avlingsdata</p></figcaption></figure>

{% file src="/files/806028626658cf066d37ca51520f8d663a17e0e3" %}
Last ned PDF-en med énsideveiledningen for kalibrering av avlingsdata
{% endfile %}

## Første trinn

Modulen «Kalibrer og rens avlingsdata» startes direkte fra brukergrensesnittet. Det viktigste er at du har lastet opp et avlingsdatasett. Ved siden av hvert avlingsdatasett finner du en knapp for å starte justeringen av datasettet.

<figure><img src="https://4236156289-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FPbjWmMvVPeDOoD66HpZz%2Fimage.png?alt=media&amp;token=30172001-7ba5-46b2-ad1d-a15397250498" alt=""><figcaption><p>Start arbeidsflyten</p></figcaption></figure>

<figure><img src="https://4236156289-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FDT2d6mKzhRFyItdbuab0%2Fimage.png?alt=media&amp;token=39077a2c-9cd8-41c3-9354-ecf30316b20a" alt="" width="563"><figcaption><p>Velg et alternativ for å fortsette</p></figcaption></figure>

Deretter kan du velge mellom flere alternativer:

1. **Automatisk behandling**: Bruk standardinnstillingene anbefalt av GeoPard for kalibrering med ett klikk.
2. **Bare rensing**: Konfigurer og kjør bare RENS-operasjonen, inkludert
   1. **GeoPard-rensing**: Smart rensing av avlingsdatasett med KI-algoritmer.
   2. **USDA** (USAs landbruksdepartement) sin renseprotokoll for avlingsdata.
   3. **Betinget rensing**: Filtrer data basert på egendefinerte terskelverdier for attributter.
3. **Bare kalibrering**: Konfigurer og kjør bare KALIBRER-operasjonen, inkludert
   1. **Stivis**: Kalibrer avlingen for hvert enkelt maskinspor ved hjelp av KI-algoritmer.
   2. **Gjennomsnitt/total**: Juster avlingen ut fra kjent gjennomsnitts- eller totalavling for skiftet.
   3. **Betinget**: Juster avlingen innenfor fastsatte minimums- og maksimumsgrenser for å holde den innenfor forventede verdier.
4. **Kalibrer og rens**: Velg rekkefølgen på operasjonene og tilpass parameterne.
5. **Alternativ til Yield Editor**: Bruk **Bare rensing → USDA** (eller **Kalibrer og rens**) for å etterligne en manuell arbeidsflyt for opprydding i «Yield Editor», men i stor skala. I valideringstester samsvarte rensing etter USDA-protokollen med resultatene fra manuell bruk av Yield Editor med **R² (R2) = 0.98** (nesten identiske resultater).

## Løsning med ett klikk

{% hint style="warning" %}
**Tips om avvikende verdier som noen ganger forekommer i avlingsdatasett.**

Hvis et **attributt** som er valgt for kalibrering eller rensing, hovedsakelig **inneholder** **nullverdier i de fleste geometriene**, blir disse geometriene utelatt fra det endelige avlingsdatasettet.

For å sikre dataintegriteten bør attributter med slike avvik utelates fra listen over attributter som skal kalibreres.
{% endhint %}

{% @arcade/embed url="<https://app.arcade.software/share/gzZZkXqKSAd1eaIKNqDB>" flowId="gzZZkXqKSAd1eaIKNqDB" %}

## Full veiledning

{% hint style="warning" %}
**Velg arbeidsflyt: Tips om avvik i dataene**

Hvis brukeren oppdager avvik i dataene, for eksempel verdier på eller nær null eller uvanlig høye verdier (for eksempel et gjennomsnitt på 10 og en maksimumsverdi på 8000), anbefales arbeidsflyten **Rens og kalibrer** .

Når dataene renses før kalibrering, fjernes feil, manglende verdier og inkonsistenser. Det forbedrer datakvaliteten og nøyaktigheten.
{% endhint %}

{% hint style="warning" %}
**Velg arbeidsflyt: Tips for data uten opprinnelige feil**

For datasett som i utgangspunktet ikke inneholder feil, manglende verdier eller inkonsistenser, og der det er kjent at flere skurtreskere har vært i bruk, bør du vurdere arbeidsflyten **Kalibrer og rens** .

Rensing etter kalibreringen finjusterer datasettet ytterligere ved å fjerne eventuelle artefakter som kalibreringen har introdusert.
{% endhint %}

{% hint style="warning" %}
**Rensearbeidsflyt: Tips om avvikende verdier som noen ganger forekommer i avlingsdatasett.**

Hvis et **attributt** som er valgt for kalibrering eller rensing, hovedsakelig inneholder **nullverdier i de fleste geometriene**, blir disse geometriene utelatt fra det endelige avlingsdatasettet.

For å sikre dataintegriteten bør attributter med slike avvik utelates fra listen over attributter som skal renses (2).
{% endhint %}

{% hint style="warning" %}
**Kalibreringsarbeidsflyt: Tips om avvikende verdier som noen ganger forekommer i avlingsdatasett.**

Hvis et **attributt** som er valgt for kalibrering eller rensing, hovedsakelig **inneholder** **nullverdier i de fleste geometriene**, blir disse geometriene utelatt fra det endelige avlingsdatasettet.

For å sikre dataintegriteten bør attributter med slike avvik utelates fra listen over attributter som skal kalibreres (3).
{% endhint %}

{% @arcade/embed url="<https://app.arcade.software/share/i8Q6uC04nIVjJLLOYELJ>" flowId="i8Q6uC04nIVjJLLOYELJ" %}

## Algoritmeversjoner

Etterbehandlingsresultatene vises ved siden av det opprinnelige datasettet. De er merket med **"Kalibrer"** og/eller **"Rens"** samt algoritmeversjonen.

<figure><img src="https://4236156289-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F20oK9gntxkBPLitm5waW%2Fimage.png?alt=media&amp;token=dc4dc121-6e5e-41cf-8d72-515fe882663a" alt=""><figcaption><p>Resultatet av kjøringen av Kalibrer og rens (versjon 2)</p></figcaption></figure>

{% hint style="info" %}
Fra og med `version 3.0` av rense-/kalibreringsalgoritmen introduserer GeoPard funksjonen for avgrensing til skiftegrenser. Den beholder bare geometriene innenfor skiftegrensen og forbedrer den statistiske fordelingen.
{% endhint %}

<figure><img src="https://4236156289-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Fxb2i3FdlM95fgeSj0fnk%2Fimage.png?alt=media&amp;token=85685f14-c00c-487f-abc6-5ebc968f5662" alt=""><figcaption><p>Resultatet av kjøringen av automatisk behandling (versjon 3.0)</p></figcaption></figure>

{% hint style="info" %}
Fra og med `version 4.0`har GeoPards rense-/kalibreringsalgoritme en funksjon for kalibrering basert på gjennomsnitts- eller totalverdier for et hvilket som helst attributt. En vanlig anvendelse av denne forbedringen er kalibrering av våtmasse, som nå kan justeres etter den kjente, målte gjennomsnittsavlingen på et bestemt skifte.
{% endhint %}

<figure><img src="https://4236156289-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FT9dEFqOcfWfcbtTQhSrX%2Fimage.png?alt=media&amp;token=e6e24dbc-3132-44aa-bf71-439d447b7ec5" alt=""><figcaption><p>Resultatet av kalibreringen basert på en gjennomsnittsavling på 6 t/ha (versjon 4.0)</p></figcaption></figure>

{% hint style="info" %}
Fra og med `version 5.0` av rense-/kalibreringsalgoritmen innfører GeoPard USDA-protokollen (USAs landbruksdepartement) for rensing av avlingsdata. USDA fastsetter formelle standarder for agronomiske data som bestemmer hvordan avling, fuktighet, gjennomstrømning og romlige målinger normaliseres, valideres og filtreres statistisk, slik at datasett blir konsistente på tvers av maskiner og skifter.
{% endhint %}

<figure><img src="https://4236156289-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FhM4KqHPBIQqUWQ6nvoi1%2Fimage.png?alt=media&amp;token=b2447749-21b2-49b2-a160-bb9e50ff7e2e" alt=""><figcaption><p>Resultatet av rensingen med USDA-protokollen (versjon 5.0)</p></figcaption></figure>

{% hint style="success" %}
Rens fjorårets avlingsfiler: [Kom i gang gratis](https://app.geopard.tech/auth/sign-up?utm_source=docs\&utm_medium=cta\&utm_campaign=yield-calibration-and-cleaning)
{% endhint %}


---

# 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/nor/agronomi/yield-and-trials/yield-calibration-and-cleaning.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.
