> 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/ro/agronomie/yield-and-trials/yield-calibration-and-cleaning.md).

# Curățarea și calibrarea datelor de recoltă: eliminarea erorilor din hărțile de recoltă

Curățați datele monitorului de recoltă: întârzieri de debit, începutul și sfârșitul trecerii, întoarceri, suprapuneri, valori aberante pentru viteză și umiditate și calibrarea mai multor combine, înainte de a crea zonele.

Datele brute de la monitoarele de producție conțin erori cauzate de întârzierea fluxului de recoltare, începutul și sfârșitul trecerilor, întoarceri, suprapunerea hederelelor și combine calibrate diferit. Curățați datele înainte de a crea zone sau de a evalua un test, altfel harta va reflecta utilajul, nu parcela. GeoPard aplică automat protocolul USDA de curățare, vă permite să setați manual filtrele și să calibrați mai multe combine la un total sau la o producție medie cunoscută.

{% hint style="info" %}
Consultați pagina interactivă despre curățarea datelor de producție pe geopard.tech: [Curățarea datelor de producție](https://geopard.tech/yield-data/)
{% endhint %}

{% hint style="success" %}
Curățați fișierele de producție din sezonul trecut: [Începeți gratuit](https://app.geopard.tech/auth/sign-up?utm_source=docs\&utm_medium=cta\&utm_campaign=yield-calibration-and-cleaning)
{% endhint %}

Folosiți GeoPard pentru a **curăța datele de producție** și **a calibra seturile de date ale monitoarelor de producție**. Obțineți o hartă a producției de încredere pentru zone, prescripții și analize. Acest flux de lucru gestionează valorile aberante, întoarcerile, atributele lipsă și datele de producție de la mai multe combine. Include **protocolul USDA de curățare a datelor de producție** și acceptă fluxurile de lucru **alternative la Yield Editor** .

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

Acest proces de calibrare este esențial pentru:

1. **Asigurarea consecvenței datelor**: Nu este neobișnuit ca mai multe combine să lucreze simultan sau în zile diferite. Această funcție asigură armonizarea datelor lor.
2. **Uniformizarea datelor**: Datele de producție pot varia; calibrarea le uniformizează și le face consecvente, eliminând vârfurile sau scăderile nedorite.
3. **Eliminarea zgomotului**: Ca orice set de date, datele de producție pot conține „zgomot” sau informații irelevante. Ne asigurăm că acestea nu vă denaturează concluziile.
4. **Corectarea geometriei**: Întoarcerile sau tiparele geometrice neobișnuite pot denatura concluziile. Calibrarea le corectează, astfel încât datele să reflecte cu adevărat condițiile din parcelă.
5. **Decuparea după limita parcelei**: Combinele lucrează adesea în parcele învecinate. Pentru rezultate analitice precise, este esențial să fie luate în considerare doar datele din interiorul limitei specificate.

{% hint style="info" %}
Interfața Yield Calibration folosește endpointul API GeoPard pentru curățarea și calibrarea producției ([API GeoPard: Calibrarea și curățarea YieldDataset](https://docs.geopard.tech/geopard-tutorials/ro/documentatie-api/geopard-api-requests-overview/84.-mutation-calibrate-and-clean-yielddataset.md)). Aceasta execută operațiunile `CALIBRATE` și `CLEAN` din interfața utilizatorului 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="https://1279602871-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://1279602871-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://1279602871-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://1279602871-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://1279602871-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://1279602871-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/89fa0ba6b36fbc0c2e776b33174d95b5541e5208" %}
Descărcați broșura PDF despre curățarea datelor de producție
{% endfile %}

## Exemple din practică

În agricultură, seturile de date de producție corupte pot crea probleme semnificative. Mai jos găsiți exemple din lumea reală în care au fost întâlnite astfel de seturi de date. Cu ajutorul algoritmilor avansați GeoPard de calibrare și curățare, aceste date au fost corectate și optimizate eficient.

{% hint style="info" %}
Pentru a acoperi zonele fără date de producție înregistrate și a completa harta producției, luați în considerare metoda GeoPard pentru hărți sintetice ale producției. Aceasta reface datele lipsă pentru o analiză completă a producției. Aflați mai multe [aici](https://docs.geopard.tech/geopard-tutorials/ro/agronomie/yield-and-trials/synthetic-yield-map.md).
{% endhint %}

### Mai multe combine care lucrează împreună

<figure><img src="https://1279602871-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>Exemplul 1: Mai multe combine care lucrează împreună</p></figcaption></figure>

{% hint style="info" %}
În situațiile complexe, pentru o acuratețe optimă se recomandă un proces de calibrare în doi pași. Începeți cu calibrarea inițială folosind atributul Machine ID. Apoi efectuați o a doua rundă de calibrare, de această dată bifând opțiunea Simulated (Synthetic) Machine Paths. Această abordare în etape asigură o calibrare completă și precisă, esențială pentru gestionarea eficientă a cazurilor complexe.
{% endhint %}

<figure><img src="https://1279602871-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>Exemplul 2: Mai multe combine care lucrează împreună</p></figcaption></figure>

<figure><img src="https://1279602871-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>Exemplul 3: Mai multe combine care lucrează împreună</p></figcaption></figure>

### Întoarceri în J, opriri, utilizarea a jumătate din lățimea utilajului

<figure><img src="https://1279602871-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>Exemplul 1: Întoarceri în U, opriri, utilizarea a jumătate din lățimea utilajului</p></figcaption></figure>

<figure><img src="https://1279602871-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>Exemplul 2: Întoarceri în U, opriri, utilizarea a jumătate din lățimea utilajului</p></figcaption></figure>

### Valori înregistrate anormal de mari

<figure><img src="https://1279602871-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>Exemplul 1: Valori înregistrate anormal de mari</p></figcaption></figure>

<figure><img src="https://1279602871-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>Exemplul 2: Valori înregistrate anormal de mari</p></figcaption></figure>

<figure><img src="https://1279602871-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>Exemplul 3: Valori înregistrate anormal de mari</p></figcaption></figure>

<figure><img src="https://1279602871-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>Exemplul 4: Valori înregistrate anormal de mari</p></figcaption></figure>

<figure><img src="https://1279602871-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>Exemplul 5: Valori înregistrate anormal de mari</p></figcaption></figure>

### Date în afara limitei parcelei

<figure><img src="https://1279602871-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>Exemplu: Date în afara limitelor parcelei</p></figcaption></figure>

### Calibrare folosind valoarea medie a producției furnizată

<figure><img src="https://1279602871-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>Exemplu: Calibrare folosind valoarea medie a producției furnizată (28 t/ha)</p></figcaption></figure>

### Curățarea atributelor producției, ignorând atributele cu anomalii

Setul de date privind producția include uneori atribute cu nereguli privind umiditatea, viteza, altitudinea sau alte atribute secundare (care nu țin de producție). În timpul activităților de curățare sau calibrare, este esențial să ignorați aceste anomalii. Acest lucru se poate face eficient folosind interfața GeoPard pentru curățarea și calibrarea datelor privind producția.

<figure><img src="https://1279602871-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>Exemplu: Anomalii în atributul umidității</p></figcaption></figure>

<figure><img src="https://1279602871-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>Exemplu: Curățarea datelor privind producția, ignorând anomaliile de umiditate</p></figcaption></figure>

### Protocolul USDA de curățare a datelor privind producția

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

<figure><img src="https://1279602871-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>Exemplu: Curățarea datelor privind producția prin aplicarea protocolului USDA</p></figcaption></figure>

<figure><img src="https://1279602871-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>Exemplu: Curățarea datelor privind producția prin aplicarea protocolului USDA</p></figcaption></figure>

## Explicația principiilor de calibrare

### Calibrarea pe trasee

**FOLOSIȚI** **calibrarea pe trasee** când o parcelă este <mark style="background-color:green;">recoltată cu mai multe utilaje sau în mai multe zile, în special pentru a corecta diferențe sistematice, precum dungi sau benzi.</mark> Este ideală în situațiile în care setările diferite ale utilajelor, operatorii sau condițiile de mediu provoacă supraestimări sau subestimări constante pe trasee diferite.

Important: <mark style="background-color:yellow;">pentru a învăța și calibra eficient, AI-ul are nevoie de variații — precum trasee distincte, ID-uri ale utilajelor sau date de recoltare diferite.</mark>

<figure><img src="https://1279602871-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>Exemplu: masa umedă a producției și 9 combine</p></figcaption></figure>

**NU FOLOSIȚI** această metodă pentru recoltări efectuate cu un singur utilaj, într-o singură sesiune continuă, sau dacă harta producției nu prezintă modele spațiale vizibile. De asemenea, evitați-o dacă datele sunt rare sau dacă aveți doar valori totale ale producției la nivel de parcelă, fără diferențe la nivel de utilaj.

<figure><img src="https://1279602871-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>Exemplu: Distribuție corectă statistic a datelor</p></figcaption></figure>

### Calibrare după medie sau total

**CALIBRAREA DUPĂ MEDIE/TOTAL ESTE CEL MAI POTRIVITĂ** când <mark style="background-color:green;">aveți un nivel ridicat de încredere în datele generale privind producția la nivel de parcelă, de exemplu în înregistrările de la un cântar de pod sau de la un spațiu de depozitare.</mark> În loc să ajusteze traseele individuale, această metodă redimensionează întregul set de date, astfel încât media sau totalul final să corespundă valorii de referință cunoscute. Este adesea considerată cea mai simplă și mai sigură opțiune de calibrare atunci când valorile generale sunt de încredere.

Când să **FOLOSIȚI calibrarea după medie/total:**

* **Valori de referință cunoscute**: Folosiți această metodă când aveți înregistrări oficiale privind producția totală (de exemplu, de la un cântar de pod) sau o valoare medie a producției pentru parcelă foarte fiabilă.
* **Corectarea abaterii globale**: Este ideală dacă distribuția spațială de pe harta producției pare corectă, dar valorile sunt deplasate în ansamblu — ceea ce înseamnă că monitorul de producție probabil nu era calibrat și raportează valori constant prea mari sau prea mici pe întreaga parcelă.
* **Condiții uniforme de recoltare**: Metoda este cea mai eficientă când condițiile de recoltare au fost relativ constante pe parcursul operațiunii.
* **Consecvența unui singur utilaj**: Funcționează bine pentru recoltările efectuate cu un singur utilaj, care a lucrat consecvent pe întreaga parcelă.

<figure><img src="https://1279602871-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>Exemplu: Distribuție corectă statistic a datelor, cu deplasarea necesară, folosind producția medie</p></figcaption></figure>

Când să **NU FOLOSIȚI calibrarea după medie/total:**

* **Abateri între utilaje**: Nu folosiți această metodă dacă diferite părți ale parcelei au fost recoltate cu utilaje diferite sau în zile diferite, ceea ce a dus la abateri locale. În aceste cazuri, redimensionarea întregii parcele nu va corecta discrepanțele de fond dintre utilaje.
* **Artefacte vizibile**: Dacă observați benzi pronunțate, striații sau artefacte direcționale în date, această metodă nu le va elimina; <mark style="background-color:green;">calibrarea pe trasee este mai potrivită pentru aceste probleme</mark>.
* **Date incomplete**: Evitați această logică dacă a fost recoltată doar o parte din parcelă sau dacă datele înregistrate sunt incomplete, deoarece valorile totale/medii ar fi înșelătoare.

<figure><img src="https://1279602871-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>Exemplu: date de producție cu goluri</p></figcaption></figure>

### Calibrare condițională

**Calibrare condițională** servește drept <mark style="background-color:green;">măsură de siguranță, asigurându-se că valorile producției rămân în limite minime și maxime realiste, predefinite</mark>.

AR TREBUI **SĂ UTILIZAȚI** această logică pentru a e<mark style="background-color:green;">limina valorile extreme aberante și vârfurile bruște ale senzorilor cauzate de zgomot, oprirea utilajelor sau întoarceri</mark>. Este ideală pentru aplicarea unor așteptări agronomice specifice — precum „producția nu poate depăși X” — fără a efectua o corecție.

<figure><img src="https://1279602871-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>

Totuși, **EVITAȚI ACEASTĂ METODĂ** dacă setul de date prezintă o tendință generală sau diferențe sistematice între utilaje, deoarece metoda nu redimensionează datele și nu corectează tiparele spațiale. În esență, menține valorile plauzibile, dar nu corectează abaterile de calibrare subiacente.

## Strategia de utilizare

<figure><img src="https://1279602871-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>Ghid succint pentru calibrarea producției</p></figcaption></figure>

{% file src="/files/8039859c904d0bcc3a90557611b26437225d5dc4" %}
Descărcați PDF-ul cu ghidul succint pentru calibrarea producției
{% endfile %}

## Primul pas

Modulul „Calibrare și curățare a datelor de producție” se pornește direct din interfața utilizatorului. Cerința principală este să aveți încărcat un set de date privind producția. Lângă fiecare set de date privind producția veți găsi un buton pentru a începe ajustarea datelor.

<figure><img src="https://1279602871-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>Porniți fluxul</p></figcaption></figure>

<figure><img src="https://1279602871-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>Selectați o opțiune pentru a continua</p></figcaption></figure>

Sunt disponibile mai multe opțiuni pentru a continua:

1. **Procesare automată**: Utilizați setările implicite recomandate de GeoPard pentru calibrare dintr-un singur clic.
2. **Doar curățare**: Configurați și executați doar operația CLEAN, inclusiv
   1. **Curățare GeoPard**: Curățarea inteligentă a setului de date privind producția cu algoritmi de inteligență artificială.
   2. **USDA** (Departamentul Agriculturii al Statelor Unite) Protocol de curățare a datelor privind producția.
   3. **Curățare condițională**: Filtrați datele pe baza pragurilor personalizate ale atributelor.
3. **Doar calibrare**: Configurați și executați doar operația CALIBRATE, inclusiv
   1. **Pe trasee**: Calibrați producția pentru fiecare traseu individual al utilajului cu ajutorul algoritmilor de inteligență artificială.
   2. **Medie/Total**: Ajustați producția în funcție de media sau producția totală cunoscută a parcelei.
   3. **Condițional**: Modificați producția în limitele minime și maxime stabilite, pentru a menține valorile în intervalele așteptate.
4. **Calibrare și curățare**: Alegeți ordinea operațiilor și personalizați parametrii.
5. **Alternativă la editorul de producție**: Utilizați **Doar curățare → USDA** (sau **Calibrare și curățare**) pentru a reproduce la scară largă fluxul manual de curățare „Yield Editor”. În testele de validare, curățarea conform protocolului USDA a produs rezultate identice cu cele obținute manual în Yield Editor, cu **R² (R2) = 0.98** (rezultate aproape identice).

## Soluție cu un singur clic

{% hint style="warning" %}
**Indicație privind valorile anormale întâlnite uneori în seturile de date despre producția agricolă.**

Dacă un **atribut** selectat pentru calibrare sau curățare **conține preponderent** **valori zero pentru majoritatea geometriilor**, geometriile respective vor fi excluse din setul final de date despre producția agricolă.

Pentru a asigura integritatea datelor, atributele cu astfel de anomalii trebuie excluse din lista atributelor de calibrat.
{% endhint %}

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

## Ghid complet

{% hint style="warning" %}
**Alegerea fluxului: indicație privind anomaliile din date**

Dacă utilizatorul observă anomalii în date, cum ar fi valori egale sau apropiate de zero ori valori neobișnuit de mari (de exemplu, o medie de 10 și o valoare maximă de 8000), se recomandă fluxul de lucru **Curățare și calibrare**  .

Prioritizarea curățării datelor înainte de calibrare asigură eliminarea erorilor, a valorilor lipsă sau a inconsecvențelor, îmbunătățind astfel calitatea și precizia datelor.
{% endhint %}

{% hint style="warning" %}
**Alegerea fluxului: indicație pentru date fără erori inițiale**

Pentru seturile de date fără erori, valori lipsă sau inconsecvențe inițiale și când se știe că au fost implicați mai mulți operatori de recoltare, luați în considerare fluxul de lucru **Calibrare și curățare** .

Curățarea datelor după calibrare ajută la rafinarea suplimentară a setului de date, eliminând eventualele artefacte introduse în timpul calibrării.
{% endhint %}

{% hint style="warning" %}
**Fluxul de curățare: indicație privind valorile anormale întâlnite uneori în seturile de date despre producția agricolă.**

Dacă un **atribut** selectat pentru calibrare sau curățare conține preponderent **valori zero pentru majoritatea geometriilor**, geometriile respective vor fi excluse din setul final de date despre producția agricolă.

Pentru a asigura integritatea datelor, atributele cu astfel de anomalii trebuie excluse din lista atributelor de curățat (2).
{% endhint %}

{% hint style="warning" %}
**Fluxul de calibrare: indicație privind valorile anormale întâlnite uneori în seturile de date despre producția agricolă.**

Dacă un **atribut** selectat pentru calibrare sau curățare **conține preponderent** **valori zero pentru majoritatea geometriilor**, geometriile respective vor fi excluse din setul final de date despre producția agricolă.

Pentru a asigura integritatea datelor, atributele cu astfel de anomalii trebuie excluse din lista atributelor de calibrat (3).
{% endhint %}

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

## Versiunile algoritmului

După procesarea ulterioară, rezultatele sunt afișate lângă setul de date original. Acestea sunt marcate cu etichetele **„Calibrare”** și/sau **„Curățare”** , precum și cu versiunea algoritmului.

<figure><img src="https://1279602871-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>Rezultatul executării Calibrare și curățare (versiunea 2)</p></figcaption></figure>

{% hint style="info" %}
Începând cu `version 3.0` a algoritmului de curățare/calibrare, GeoPard introduce funcția de decupare după limita parcelei. Aceasta păstrează doar geometriile din interiorul limitei parcelei și îmbunătățește distribuția statistică.
{% endhint %}

<figure><img src="https://1279602871-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>Rezultatul executării procesării automate (versiunea 3.0)</p></figcaption></figure>

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

<figure><img src="https://1279602871-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>Rezultatul executării calibrării folosind o producție medie de 6 t/ha (versiunea 4.0)</p></figcaption></figure>

{% hint style="info" %}
Începând cu `version 5.0` a algoritmului de curățare/calibrare, GeoPard introduce Protocolul USDA (Departamentul Agriculturii al Statelor Unite) de curățare a datelor despre producția agricolă. USDA oferă standarde formale pentru datele agronomice, care reglementează modul în care măsurătorile producției, umidității, debitului și poziției sunt normalizate, validate și filtrate statistic, pentru a genera seturi de date agricole consecvente la nivel de utilaj și parcelă.
{% endhint %}

<figure><img src="https://1279602871-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>Rezultatul executării curățării folosind Protocolul USDA (versiunea 5.0)</p></figcaption></figure>

{% hint style="success" %}
Curățați fișierele de producție din sezonul trecut: [Începeți gratuit](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/ro/agronomie/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.
