Calibrarea și curățarea recoltei

Cum să curățați și să calibrați datele de la monitorul de recoltă în GeoPard. Include protocolul USDA de curățare a recoltei. Corectați outlierii, dungile, întoarcerile la capăt de rând și seturile de date cu mai multe combine.

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 .

Tutorial video despre curățarea și calibrarea datelor de producție. Explicarea diferențelor între opțiuni.

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.

Interfața de calibrare a producției folosește endpoint-ul API GeoPard pentru Curățare/Calibrare Yield (API GeoPard: Calibrare și Curățare YieldDataset). Execută CALIBRARE și CURĂȚARE operațiunile în interfața UI sau prin API.

Prezentare rapidă

5MB

Automated_Yield_Data_Cleaning_Calibration_with_GeoPard.pdf

PDF

Open

Descărcați brosura PDF despre curățarea producției

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.

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.

Mai mulți combinatori care lucrează împreună

Exemplul 1: Mai mulți combinatori care lucrează împreună

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.

Exemplul 2: Mai mulți combinatori care lucrează împreună

Exemplul 3: Mai mulți combinatori care lucrează împreună

Întoarceri în J, opriri, jumătate din lățimea utilajului folosită

Exemplul 1: Întoarceri în U, opriri, jumătate din lățimea utilajului folosită

Exemplul 2: Întoarceri în U, opriri, jumătate din lățimea utilajului folosită

Valori înregistrate anormal de mari

Exemplul 1: Valori înregistrate anormal de mari

Exemplul 2: Valori înregistrate anormal de mari

Exemplul 3: Valori înregistrate anormal de mari

Exemplul 4: Valori înregistrate anormal de mari

Exemplul 5: Valori înregistrate anormal de mari

Date dincolo de limita parcelei

Exemplu: Date dincolo de limitele parcelei

Calibrare folosind valoarea medie a producției furnizată

Exemplu: Calibrare folosind valoarea medie a producției furnizate (28 t/ha)

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.

Exemplu: Anomalii în atributul Umiditate

Exemplu: Curățarea datelor de producție ignorând anomaliile la Umiditate

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.

Exemplu: Curățare date de producție aplicând protocolul USDA

Exemplu: Curățare date de producție aplicând protocolul USDA

Explicație a logicilor de calibrare

Calibrare pe urme

UTILIZAȚI Calibrare pe urme când un câmp este recoltat de mai multe utilaje sau pe parcursul mai multor zile, în special pentru a corecta diferențe sistematice precum dungi sau benzi. 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, 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.

Exemplu: Producție WetMass și 9 combine

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

Exemplu: Distribuție a datelor corectă din punct de vedere statistic

Calibrare medie sau totală

Calibrarea medie/totală ESTE CEL MAI BINE UTILIZATĂ când 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. 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.

Exemplu: Distribuție a datelor corectă statistic cu decalare necesară folosind producția medie

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; Calibrarea pe traseu este mai potrivită pentru aceste probleme.

• 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.

Exemplu: Date de producție cu goluri

Calibrare condiționată

Calibrare condiționată servește ca un control de siguranță prin asigurarea faptului că valorile producției rămân în intervale realiste, predefinite, minime și maxime.

Trebuie SĂ UTILIZAȚI această logică pentru aelimina outlierii extremi și vârfurile de la senzor cauzate de zgomot, opriri ale utilajului sau viraje. Este ideală pentru aplicarea unor așteptări agronomice specifice - cum ar fi "producția nu poate depăși X" - fără a efectua o corecție.

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

Ghid de calibrare a producției - pagină unică

234KB

GeoPard_Calibration_Guidance_EN_20250120.pdf

PDF

Open

Descarcă PDF cu ghidul de calibrare a producției (onepager)

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.

Porniți fluxul

Selectați o opțiune pentru a continua

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

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.

Ghid complet

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.

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.

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).

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).

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.

Rezultatul execuției Calibrare & Curățare (versiunea 2)

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.

Rezultatul execuției Auto-Procesare (versiunea 3.0)

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.

Rezultatul execuției Calibrare folosind o producție medie de 6 t/ha (versiunea 4.0)

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.

Rezultatul execuției Curățare folosind Protocolul USDA (versiunea 5.0)