# Calibrarea și curățarea producției

Utilizați GeoPard pentru a **curăța datele de producție** și **calibra seturile de date ale monitorului de recoltă**. Obțineți o hartă a producției în care puteți avea încredere pentru zone, rețete și analize. Acest flux de lucru gestionează valori aberante, întoarceri, atribute lipsă și date de producție provenite de la mai mulți combinatori. Include **protocolul USDA de curățare a producției** și acceptă **fluxuri de lucru alternative din Yield Editor** .

{% embed url="<https://youtu.be/Tk5lubolnHQ>" %}
Tutorial video despre curățarea și calibrarea datelor de producție. Explicarea diferențelor între opțiuni.
{% endembed %}

Acest proces de calibrare este esențial pentru:

1. **Asigurarea consistenței datelor**: Nu este neobișnuit ca mai mulți combinatori să lucreze în paralel sau în zile diferite. Această funcție se asigură că datele lor sunt armonizate.
2. **Omogenizarea datelor**: Datele de producție pot fi variate; calibrarea asigură că sunt netede și consistente, fără creșteri sau scăderi nedorite.
3. **Filtrarea zgomotului**: Ca orice date, datele de producție pot conține „zgomot” sau informații irelevante. Ne asigurăm că acestea nu îți tulbură concluziile.
4. **Simplificarea geometriei**: Orice întoarceri sau modele geometrice ciudate pot denatura concluziile reale. Calibrarea este concepută pentru a le netezi, asigurând că datele reflectă cu adevărat realitatea din câmp.
5. **Decupare după limita parcelei**: Combinatorii operează adesea în zone adiacente. Pentru rezultate analitice precise, este esențial să se ia în considerare doar datele situate în interiorul limitei specificate.

{% hint style="info" %}
Interfața de calibrare a producției folosește endpoint-ul API GeoPard pentru Curățare/Calibrare Yield ([API GeoPard: Calibrare și Curățare YieldDataset](/geopard-tutorials/ro/documentatia-api/prezentarea-generala-a-solicitarilor-api-geopard/84.-mutare-calibreaza-si-curata-yielddataset.md)). Execută `CALIBRARE` și `CURĂȚARE` operațiunile în interfața UI sau prin API.
{% endhint %}

## Prezentare rapidă

<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="/files/8c943566b7d0c4c70dbcd41034dfca9e473bc5f1" alt=""></td><td></td><td></td><td></td></tr><tr><td><img src="/files/130c6600a5f718f1121b4e4318ad200ebcefab35" alt=""></td><td></td><td></td><td></td></tr><tr><td><img src="/files/5dd6aa4f302ff108534dff53e744bf0026855cd2" alt=""></td><td></td><td></td><td></td></tr><tr><td><img src="/files/d17c4d6754bfbca70779c3d8c4d84c18538eaf93" alt=""></td><td></td><td></td><td></td></tr><tr><td><img src="/files/29ff7dd4fcb7b37e4b58ff101ec878a58b26db40" alt=""></td><td></td><td></td><td></td></tr><tr><td><img src="/files/8172d78d475672045b5de40e62113d900c0e4e05" alt=""></td><td></td><td></td><td></td></tr></tbody></table>

{% file src="/files/89fa0ba6b36fbc0c2e776b33174d95b5541e5208" %}
Descărcați brosura PDF despre curățarea producției
{% endfile %}

## Exemple din practică

În domeniul agriculturii, seturile de date de producție corupte pot crea provocări semnificative. Mai jos găsiți exemple din lumea reală în care au fost întâlnite astfel de seturi de date. Prin algoritmii avansați de calibrare și curățare ai GeoPard, aceste seturi de date au fost rafinate și optimizate eficient.

{% hint style="info" %}
Pentru a aborda zonele fără date înregistrate de producție și a obține o hartă completă a producției, luați în considerare utilizarea abordării GeoPard Synthetic Yield Map. Această metodă restaurează datele lipsă pentru o analiză completă a producției. Aflați mai multe [aici](/geopard-tutorials/ro/agronomie/harta-sintetica-a-productiei.md).
{% endhint %}

### Mai mulți combinatori care lucrează împreună

<figure><img src="/files/1b8ca56c396a8adb3fa0636276ae65dcf4118cb2" alt=""><figcaption><p>Exemplul 1: Mai mulți combinatori care lucrează împreună</p></figcaption></figure>

{% hint style="info" %}
Când se gestionează scenarii complexe, se recomandă un proces de calibrare în două etape pentru acuratețe optimă. Începeți prin rularea calibării inițiale folosind atributul Machine ID. După aceea, continuați cu un al doilea ciclu de calibrare, de data aceasta utilizând caseta Simulated (Synthetic) Machine Paths. Această abordare stratificată asigură o calibrare temeinică și precisă, esențială pentru gestionarea eficientă a cazurilor complexe.
{% endhint %}

<figure><img src="/files/e1c270c88be68a8845bbb130b32d18602b2cb444" alt=""><figcaption><p>Exemplul 2: Mai mulți combinatori care lucrează împreună</p></figcaption></figure>

<figure><img src="/files/f18b852d44433869a9fa8cbccec889f200bc30b2" alt=""><figcaption><p>Exemplul 3: Mai mulți combinatori care lucrează împreună</p></figcaption></figure>

### Întoarceri în J, opriri, jumătate din lățimea utilajului folosită

<figure><img src="/files/cf88fc141c2147ecbc508f3715b6fb39e44439bd" alt=""><figcaption><p>Exemplul 1: Întoarceri în U, opriri, jumătate din lățimea utilajului folosită</p></figcaption></figure>

<figure><img src="/files/1a886841a41514ad98ea48dd0a080a485643de43" alt=""><figcaption><p>Exemplul 2: Întoarceri în U, opriri, jumătate din lățimea utilajului folosită</p></figcaption></figure>

### Valori înregistrate anormal de mari

<figure><img src="/files/a85eaafbce646940bb6c2f881c8cb15149971638" alt=""><figcaption><p>Exemplul 1: Valori înregistrate anormal de mari</p></figcaption></figure>

<figure><img src="/files/d0b203fe09652d46cc615cdd8246e6b16af6c64c" alt=""><figcaption><p>Exemplul 2: Valori înregistrate anormal de mari</p></figcaption></figure>

<figure><img src="/files/083dcce6a912732ae7da2629c9334f3a82cecdcb" alt=""><figcaption><p>Exemplul 3: Valori înregistrate anormal de mari</p></figcaption></figure>

<figure><img src="/files/98a90540b4db059e92bdf27e676e5b803fe5a79a" alt=""><figcaption><p>Exemplul 4: Valori înregistrate anormal de mari</p></figcaption></figure>

<figure><img src="/files/38a32b3aaf2883272f83ebbb117fb8b922a80feb" alt=""><figcaption><p>Exemplul 5: Valori înregistrate anormal de mari</p></figcaption></figure>

### Date dincolo de limita parcelei

<figure><img src="/files/654103d671b5e2f12e1a90f6946d56f7f63e1de7" alt=""><figcaption><p>Exemplu: Date dincolo de limitele parcelei</p></figcaption></figure>

### Calibrare folosind valoarea medie a producției furnizată

<figure><img src="/files/319a33ffff85293a296ca50ebef5bcb0cd6ccf0b" alt=""><figcaption><p>Exemplu: Calibrare folosind valoarea medie a producției furnizate (28 t/ha)</p></figcaption></figure>

### Curățarea atributelor de producție ignorând atributele cu anomalii

Setul de date de producție include ocazional atribute cu nereguli la umiditate, viteză, altitudini sau alte atribute secundare (non-producție). În timpul executării activităților de Curățare sau Calibrare, este esențial să se ignore aceste anomalii. Acest lucru se poate realiza eficient folosind interfața GeoPard Yield Clean-Calibrate.

<figure><img src="/files/6e56da4addfff63764941546c2afa6dfe9b9534c" alt=""><figcaption><p>Exemplu: Anomalii în atributul Umiditate</p></figcaption></figure>

<figure><img src="/files/47bd222b814601240aa0e7da19a06201b5fe13f1" alt=""><figcaption><p>Exemplu: Curățarea datelor de producție ignorând anomaliile la Umiditate</p></figcaption></figure>

### Protocol de curățare a producției USDA

Folosiți această opțiune când aveți nevoie de un **flux de lucru repetabil pentru editarea producției, bazat pe standarde**. Este optimizat pentru **curățarea datelor din monitorul de producție** la scară.

<figure><img src="/files/82e5ba3dc1d97be4d8b0f119800e9c221021e8a8" alt=""><figcaption><p>Exemplu: Curățare date de producție aplicând protocolul USDA</p></figcaption></figure>

<figure><img src="/files/8b458e483bebb2a2c195f894ee72a97b1bf7b15d" alt=""><figcaption><p>Exemplu: Curățare date de producție aplicând protocolul USDA</p></figcaption></figure>

## Explicație a logicilor de calibrare

### Calibrare pe urme

**UTILIZAȚI** **Calibrare pe urme** când un câmp este <mark style="background-color:green;">recoltat de mai multe utilaje sau pe parcursul mai multor zile, în special pentru a corecta diferențe sistematice precum dungi sau benzi.</mark> Este ideal pentru scenarii în care setările utilajelor, operatorii sau condițiile de mediu variază și cauzează supra- sau subestimări constante de-a lungul diferitelor trasee.

Crucial, <mark style="background-color:yellow;">AI-ul necesită variație - cum ar fi trasee distincte, ID-uri ale utilajelor sau date de recoltare diferite - pentru a învăța și a se calibra eficient.</mark>

<figure><img src="/files/87968d5a2c77f2020d64ec17acb794f1a0662874" alt=""><figcaption><p>Exemplu: Producție WetMass și 9 combine</p></figcaption></figure>

**NU UTILIZAȚI** această metodă pentru recoltări realizate cu un singur utilaj într-o sesiune continuă sau dacă harta producției nu prezintă modele spatiale vizibile. De asemenea, evitați-o dacă datele sunt rarefiate sau dacă dețineți doar valori totale la nivel de parcelă fără diferențe la nivelul utilajului

<figure><img src="/files/18743dfdef99d13b58ebd3a1f2a4f298ed41816e" alt="" width="563"><figcaption><p>Exemplu: Distribuție a datelor corectă din punct de vedere statistic</p></figcaption></figure>

### Calibrare medie sau totală

**Calibrarea medie/totală ESTE CEL MAI BINE UTILIZATĂ** când <mark style="background-color:green;">aveți un nivel ridicat de încredere în datele generale ale producției la nivelul parcelei, cum ar fi înregistrările de la cântar sau de la un depozit.</mark> În loc să ajustați traseele individuale, această metodă scalează întregul set de date astfel încât media sau totalul final să se potrivească cu valoarea de referință cunoscută. Este adesea descrisă ca cea mai simplă și mai sigură opțiune de calibrare atunci când cifrele generale sunt de încredere.

Când să **UTILIZAȚI calibrarea medie/totală:**

* **Valori de referință cunoscute**: Ar trebui să folosiți această logică când aveți înregistrări oficiale ale producției totale (de ex., de la un cântar) sau o producție medie foarte fiabilă pentru parcela respectivă.
* **Corecție globală a biasului**: Este ideală dacă distribuția spațială din harta producției pare corectă, dar valorile sunt deplasate global - ceea ce înseamnă că monitorul de producție probabil nu a fost calibrat și raportează valori constant prea mari sau prea mici în întreaga parcelă.
* **Condiții uniforme de recoltare**: Această metodă este cea mai eficientă când condițiile de recoltare au fost relativ consistente pe parcursul operațiunii.
* **Consistență cu un singur utilaj**: Funcționează bine pentru recoltări efectuate de un singur utilaj care a operat constant pe întreaga suprafață.

<figure><img src="/files/18743dfdef99d13b58ebd3a1f2a4f298ed41816e" alt="" width="563"><figcaption><p>Exemplu: Distribuție a datelor corectă statistic cu decalare necesară folosind producția medie</p></figcaption></figure>

Când **SĂ NU UTILIZAȚI calibrarea medie/totală:**

* **Bias între utilaje**: Nu folosiți această metodă dacă părți diferite ale parcelei au fost recoltate de utilaje diferite sau în zile diferite care au rezultat în biasuri localizate. În aceste cazuri, scalarea întregii parcele nu va remedia discrepanțele de bază dintre utilaje.
* **Artefacte vizibile**: Dacă observați dungi puternice, benzi sau artefacte direcționale în date, această metodă nu le va rezolva; <mark style="background-color:green;">Calibrarea pe traseu este mai potrivită pentru aceste probleme</mark>.
* **Date incomplete**: Evitați această logică dacă doar o parte a parcelei a fost recoltată sau dacă datele înregistrate sunt incomplete, deoarece valorile totale/medii ar fi înșelătoare.

<figure><img src="/files/3bc6c17ea8b3a4a1e1586811827601a5f8a57e3e" alt="" width="563"><figcaption><p>Exemplu: Date de producție cu goluri</p></figcaption></figure>

### Calibrare condiționată

**Calibrare condiționată** servește ca <mark style="background-color:green;">un control de siguranță prin asigurarea faptului că valorile producției rămân în intervale realiste, predefinite, minime și maxime</mark>.

Trebuie **SĂ UTILIZAȚI** această logică pentru a<mark style="background-color:green;">elimina outlierii extremi și vârfurile de la senzor cauzate de zgomot, opriri ale utilajului sau viraje</mark>. Este ideală pentru aplicarea unor așteptări agronomice specifice - cum ar fi "producția nu poate depăși X" - fără a efectua o corecție.

<figure><img src="/files/479e12da0365ba04064947810acfd0e4d1db8f8a" alt=""><figcaption></figcaption></figure>

Totuși, **EVITAȚI ACEASTĂ METODĂ** dacă setul dvs. de date are un bias global sau diferențe sistematice între mașini, deoarece nu scalează datele și nu corectează tiparele spațiale. În esență, păstrează valorile plauzibile, dar nu rezolvă offset-urile de calibrare subiacente.

## Strategie de utilizare

<figure><img src="/files/2676d9e0bab2b8650da108fa58e9c0e69b7a7aef" alt=""><figcaption><p>Ghid de calibrare a producției - pagină unică</p></figcaption></figure>

{% file src="/files/8039859c904d0bcc3a90557611b26437225d5dc4" %}
Descarcă PDF cu ghidul de calibrare a producției (onepager)
{% endfile %}

## Primul pas

Modulul „Calibrare și Curățare Producție” este inițiat direct din interfața cu utilizatorul. Cerința principală este să aveți un set de date cu producție încărcat. Lângă fiecare set de date veți găsi un buton pentru a demara ajustările dataset-ului.

<figure><img src="/files/2d45e55d40b8cb11405337f76e4690a1fe7a9f4f" alt=""><figcaption><p>Porniți fluxul</p></figcaption></figure>

<figure><img src="/files/f02ead406f90e2a106ac7b2b35b99b7dbb8d7986" alt="" width="563"><figcaption><p>Selectați o opțiune pentru a continua</p></figcaption></figure>

De acolo, sunt disponibile mai multe opțiuni pentru a continua:

1. **Procesare automată**: Folosiți setările implicite recomandate de GeoPard pentru o calibrare cu un singur click.
2. **Doar curățare**: Configurați și executați doar operațiunea CLEAN, incluzând
   1. **Curățare GeoPard**: Curățare inteligentă a dataset-ului de producție cu algoritmi AI.
   2. **USDA** Protocolul de curățare al USDA (Departamentul Agriculturii al Statelor Unite) pentru producție.
   3. **Curățare condiționată**: Filtrați datele pe baza pragurilor atributelor personalizate.
3. **Doar calibrare**: Configurați și executați doar operațiunea CALIBRATE, incluzând
   1. **Pe traseu**: Calibrați producția pentru fiecare traseu individual al utilajului folosind algoritmi AI.
   2. **Medie/Total**: Ajustați producția pe baza mediei sau producției totale cunoscute a parcelei.
   3. **Condițional**: Modificați producția în limite minime și maxime stabilite pentru a menține intervalele așteptate.
4. **Calibrare și curățare**: Alegeți secvența operațiunilor și personalizați parametrii.
5. **Alternativă la Editorul de Producție**: Folosiți **Doar curățare → USDA** (sau **Calibrare și curățare**) pentru a potrivi un flux de lucru manual de „Yield Editor”, dar la scară. În testele de validare, curățarea conform protocolului USDA s-a potrivit cu rezultatele manuale ale Yield Editor cu **R² (R2) = 0.98** (ieșire aproape identică).

## Soluție cu un singur buton

{% hint style="warning" %}
**Sfat privind valorile anormale uneori inerente seturilor de date de producție.**

Dacă un **attribute** selectat pentru calibrare sau curățare predominant **conține** **valori zero pe majoritatea geometrilor**, aceste geometrii vor fi excluse din setul final de date de producție.

Pentru a asigura integritatea, atributele cu astfel de anomalii ar trebui excluse din lista de atribute ce urmează a fi calibrate.
{% endhint %}

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

## Ghid complet

{% hint style="warning" %}
**Alegeți flux: Sfat pentru anomalii de date**

Dacă un utilizator întâlnește anomalii în date, cum ar fi valori la sau aproape de zero, sau valori neobișnuit de mari (de exemplu, o medie de 10 cu un maxim de 8000), este recomandat fluxul de lucru **Curățare & Calibrare** flux de lucru este recomandat.

Prioritizarea Curățării datelor înaintea Calibrării asigură eliminarea erorilor, a valorilor lipsă sau a inconsistențelor, îmbunătățind astfel calitatea și acuratețea datelor.
{% endhint %}

{% hint style="warning" %}
**Alegeți flux: Sfat pentru date fără erori inițiale**

Pentru seturi de date inițial lipsite de erori, valori lipsă sau inconsistențe, și când se știe că au fost implicate mai multe combine, luați în considerare fluxul de lucru **Calibrare & Curățare** flux de lucru.

Curățarea datelor după calibrare ajută la rafinarea suplimentară a setului de date prin eliminarea potențială a oricăror artefacte introduse în timpul calibrării.
{% endhint %}

{% hint style="warning" %}
**Flux de curățare: Sfat privind valorile anormale uneori inerente seturilor de date de producție.**

Dacă un **attribute** selectat pentru calibrare sau curățare predominant conține **valori zero pe majoritatea geometrilor**, aceste geometrii vor fi excluse din setul final de date de producție.

Pentru a asigura integritatea, atributele cu astfel de anomalii ar trebui excluse din lista atributelor care urmează a fi curățate (2).
{% endhint %}

{% hint style="warning" %}
**Calibrare Flux: Sfat pentru valori anormale uneori inerente seturilor de date privind producția.**

Dacă un **attribute** selectat pentru calibrare sau curățare predominant **conține** **valori zero pe majoritatea geometrilor**, aceste geometrii vor fi excluse din setul final de date de producție.

Pentru a asigura integritatea, atributele cu astfel de anomalii ar trebui excluse din lista atributelor care urmează a fi calibrate (3).
{% endhint %}

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

## Versiuni ale algoritmului

În post-procesare, rezultatele sunt afișate lângă setul de date original. Ele sunt marcate cu **"Calibrare"** și/sau **"Curățare"** etichete, plus versiunea algoritmului.

<figure><img src="/files/35b820b7c3b0109a28f7dff99e0ab3522f2078bb" alt=""><figcaption><p>Rezultatul execuției Calibrare &#x26; Curățare (versiunea 2)</p></figcaption></figure>

{% hint style="info" %}
Din `versiunea 3.0` din versiunea 3.0 a algoritmului Clean/Calibrate, GeoPard introduce funcția Recoltare după limita parcelei. Aceasta păstrează doar geometr iile din interiorul limitei parcelei și îmbunătățește distribuția statistică.
{% endhint %}

<figure><img src="/files/9acd701637d1056965c1161e793ec5ef9a71b918" alt=""><figcaption><p>Rezultatul execuției Auto-Procesare (versiunea 3.0)</p></figcaption></figure>

{% hint style="info" %}
Începând cu `versiunea 4.0`, algoritmul Clean/Calibrate din GeoPard încorporează acum o funcție de calibrare bazată pe valorile medii sau totale pentru orice atribut. O aplicație frecventă a acestei îmbunătățiri este calibrarea masei umede (WetMass), care poate fi acum ajustată în funcție de producția medie măsurată cunoscută pentru o anumită parcelă.
{% endhint %}

<figure><img src="/files/6c0e18b32bceb1ab0a6e6a781eed4a6083012c1d" alt=""><figcaption><p>Rezultatul execuției Calibrare folosind o producție medie de 6 t/ha (versiunea 4.0)</p></figcaption></figure>

{% hint style="info" %}
Din `versiunea 5.0` din versiunea 5.0 a algoritmului Clean/Calibrate, GeoPard introduce Protocolul de Curățare USDA (Departamentul Agricol al Statelor Unite) pentru producție. USDA furnizează standarde agronomice formale care reglementează modul în care producția, umiditatea, fluxul și măsurătorile spațiale sunt normalizate, validate și filtrate statistic pentru a produce seturi de date agricole consistente la nivel de mașină și parcelă.
{% endhint %}

<figure><img src="/files/82e5ba3dc1d97be4d8b0f119800e9c221021e8a8" alt=""><figcaption><p>Rezultatul execuției Curățare folosind Protocolul USDA (versiunea 5.0)</p></figcaption></figure>


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.geopard.tech/geopard-tutorials/ro/agronomie/calibrarea-si-curatarea-productiei.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
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.