Kalibracja i czyszczenie plonów
Jak czyścić i kalibrować dane z monitorów plonu w GeoPard. Zawiera protokół czyszczenia plonów USDA. Poprawia wartości odstające, pasy, nawroty i zestawy danych z wielu kombajnów.
Użyj GeoPard, aby wyczyścić dane plonów i skalibrować zestawy danych z monitora plonu. Uzyskaj mapę plonów, której możesz zaufać do stref, zaleceń dawek i analiz. Ten proces roboczy obsługuje wartości odstające, zawracanie, brakujące atrybuty oraz dane plonów z wielu kombajnów. Zawiera protokół USDA dotyczący czyszczenia plonów i obsługuje alternatywne procesy Yield Editor.
Ten proces kalibracji jest kluczowy do:
Zapewnienia spójności danych: Nie jest rzadkością, że kilku kombajnów pracuje równocześnie lub w różnych dniach. Ta funkcja zapewnia, że ich dane grają zgodnie.
Ujednolicenia danych: Dane plonów mogą być zróżnicowane; kalibracja zapewnia ich gładkość i spójność, bez niepożądanych skoków czy spadków.
Filtrowania szumów: Jak każde dane, dane plonów mogą zawierać „szumy” lub informacje nieistotne. Dbamy o to, by nie zniekształcały Twoich wniosków.
Usprawniania geometrii: Zawracania czy dziwne wzory geometryczne mogą zniekształcać rzeczywiste wnioski. Kalibracja ma na celu ich wygładzenie, dzięki czemu dane wiernie odzwierciedlają rzeczywistość pola.
Przycinania do granicy pola: Kombajny często operują na sąsiadujących obszarach. Dla dokładnych wyników analitycznych istotne jest uwzględnianie tylko danych znajdujących się w określonej granicy pola.
Szybki przegląd
Przykłady z praktyki
W rolnictwie uszkodzone zestawy danych plonów mogą stwarzać poważne wyzwania. Poniżej znajdują się przykłady z rzeczywistych przypadków, w których napotkano takie zestawy. Dzięki zaawansowanym algorytmom kalibracji i czyszczenia GeoPard te zestawy zostały skutecznie udoskonalone i zoptymalizowane.
Współpraca wielu kombajnów
Zawracania typu J, zatrzymania, użycie połowy szerokości sprzętu
Nienaturalnie duże zarejestrowane wartości
Dane poza granicą pola
Kalibracja przy użyciu podanej średniej wartości plonu
Czyszczenie atrybutów plonu z pominięciem atrybutów z anomaliami
Zestaw danych plonów czasami zawiera atrybuty z nieregularnościami w wilgotności, prędkości, wysokościach terenu lub innych atrybutach drugorzędnych (nie związanych z plonem). Podczas wykonywania operacji Clean lub Calibrate ważne jest zignorowanie tych anomalii. Można to efektywnie osiągnąć za pomocą interfejsu GeoPard Yield Clean-Calibrate.
Protokół USDA dotyczący czyszczenia plonów
Użyj tej opcji, gdy potrzebujesz powtarzalnego, opartego na standardach procesu edycji plonów. Jest zoptymalizowany do czyszczenia danych z monitorów plonu na dużą skalę.
Wyjaśnienie logiki kalibracji
Kalibracja ścieżkowa
UŻYJ Kalibracja ścieżkowa gdy pole jest zbiorem wykonywanym przez kilka maszyn lub w kilku dniach, szczególnie aby skorygować systematyczne różnice, takie jak pasowanie czy prążkowanie. Jest idealna w sytuacjach, gdy różne ustawienia maszyn, operatorzy lub warunki środowiskowe powodują konsekwentne przeszacowanie lub niedoszacowanie w różnych ścieżkach.
Co istotne, AI wymaga zmienności - takiej jak odmienne ścieżki, ID maszyn lub daty zbioru - aby skutecznie się uczyć i kalibrować.
NIE UŻYWAJ tej metody dla zbiorów jedną maszyną w jednej ciągłej sesji lub jeśli mapa plonów nie wykazuje widocznych wzorców przestrzennych. Dodatkowo unikaj jej, jeśli dane są rzadkie lub jeśli posiadasz tylko sumaryczne wartości plonu na poziomie pola bez różnic na poziomie maszyn
Kalibracja średnia lub totalna
Kalibracja średnia/totalna NAJLEPIEJ SPRAWDZA SIĘ gdy masz wysoki poziom zaufania do ogólnych danych o plonie na poziomie pola, takich jak zapisy z wagi samochodowej lub magazynu. Zamiast korygować poszczególne ścieżki, metoda ta skaluje cały zestaw danych tak, aby końcowa średnia lub suma odpowiadała znanej wartości referencyjnej. Często opisywana jest jako najprostsza i najbezpieczniejsza opcja kalibracji, gdy ogólne liczby są zaufane.
Kiedy UŻYĆ kalibracji średniej/totalnej:
Znane wartości referencyjne: Należy użyć tej logiki, gdy posiadasz oficjalne zapisy całkowitego plonu (np. z wagi samochodowej) lub wysoce wiarygodną średnią plonu dla pola.
Globalna korekta biasu: Jest to idealne, jeśli rozkład przestrzenny na mapie plonów wygląda poprawnie, ale wartości są globalnie przesunięte - co oznacza, że monitor plonu prawdopodobnie nie był skalibrowany i raportuje wartości konsekwentnie zbyt wysokie lub zbyt niskie w całym polu.
Jednolite warunki zbioru: Ta metoda jest najskuteczniejsza, gdy warunki zbioru były stosunkowo stałe w trakcie pracy.
Spójność jednej maszyny: Dobrze sprawdza się dla zbiorów wykonanych przez jedną maszynę, która pracowała konsekwentnie na całym polu.
Kiedy NIE stosować kalibracji średniej/totalnej:
Bias między maszynami: Nie używaj tej metody, jeśli różne części pola były zbierane przez różne maszyny lub w różne dni, co spowodowało lokalne odchylenia. W takich przypadkach skalowanie całego pola nie naprawi podstawowych rozbieżności między maszynami.
Widoczne artefakty: Jeśli w danych widoczne są silne prążki, pasy lub kierunkowe artefakty, ta metoda ich nie usunie; kalibracja ścieżkowa jest lepiej dopasowana do tych problemów.
Niekompletne dane: Unikaj tej logiki, jeśli tylko część pola została zebrana lub jeśli zarejestrowane dane są niekompletne, ponieważ wartości średnie/sumaryczne byłyby mylące.
Kalibracja warunkowa
Kalibracja warunkowa służy jako kontrola bezpieczeństwa, zapewniając, że wartości plonu pozostają w realistycznych, zdefiniowanych z góry minimalnych i maksymalnych zakresach.
Powinieneś UŻYĆ tej logiki, abyusunąć ekstremalne wartości odstające i skoki z czujników spowodowane szumem, zatrzymaniami maszyny lub skrętami. Jest idealna do zastosowania określonych oczekiwań agronomicznych - takich jak „plon nie może przekroczyć X” - bez przeprowadzania korekty.
Jednak UNIKAJ TEJ METODY jeśli Twój zestaw danych ma globalny bias lub systematyczne różnice między maszynami, ponieważ nie skaluje danych ani nie naprawia wzorców przestrzennych. Zasadniczo utrzymuje wartości w dopuszczalnym zakresie, ale nie usuwa podstawowych odchyłek kalibracyjnych.
Strategia użycia
Pierwszy krok
Moduł „Kalibruj i czyść plon” uruchamia się bezpośrednio z interfejsu użytkownika. Głównym wymaganiem jest przesłany zestaw danych plonów. Obok każdego zestawu danych plonów znajdziesz przycisk do rozpoczęcia korekt.
Następnie dostępne są różne opcje kontynuacji:
Automatyczne przetwarzanie: Użyj domyślnych ustawień rekomendowanych przez GeoPard do jednorazowej kalibracji jednym kliknięciem.
Tylko czyszczenie: Skonfiguruj i wykonaj tylko operację CZYŚĆ, w tym
Czyszczenie GeoPard: Inteligentne czyszczenie zestawu danych plonów przy użyciu algorytmów AI.
USDA (Departament Rolnictwa Stanów Zjednoczonych) Protokół czyszczenia dla plonów.
Czyszczenie warunkowe: Filtruj dane na podstawie niestandardowych progów atrybutów.
Tylko kalibracja: Skonfiguruj i wykonaj tylko operację KALIBRUJ, w tym
Ścieżkowa: Skalibruj plon dla każdej indywidualnej ścieżki maszyny przy użyciu algorytmów AI.
Średnia/Totalna: Dostosuj plon w oparciu o znaną średnią lub sumę plonu dla pola.
Warunkowa: Zmodyfikuj plon w ustalonych limitach minimalnych i maksymalnych, aby utrzymać oczekiwane zakresy.
Kalibruj i czyść: Wybierz sekwencję operacji i dostosuj parametry.
Alternatywa dla Yield Editor: Użyj Tylko czyszczenie → USDA (lub Kalibruj i czyść) aby dopasować ręczny proces czyszczenia „Yield Editor”, ale na dużą skalę. W testach walidacyjnych czyszczenie wg protokołu USDA odpowiadało ręcznym wynikom Yield Editor z R² (R2) = 0,98 (prawie identyczny wynik).
Rozwiązanie jednym przyciskiem
Pełne wskazówki
Wersje algorytmów
Po przetworzeniu wyniki są wyświetlane obok oryginalnego zestawu danych. Oznaczane są etykietami "Kalibruj" i/lub "Czyść" , oraz wersją algorytmu.
Ostatnia aktualizacja
Czy to było pomocne?