> 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/ru/agronomiya/yield-and-trials/yield-calibration-and-cleaning.md).

# Очистка и калибровка данных об урожайности: удаление ошибок с карт урожайности

Очистите данные датчика урожайности: учтите задержку потока, начало и конец прохода, развороты, перекрытия, аномальные значения скорости и влажности, а также откалибруйте данные нескольких комбайнов — до создания зон.

В исходных данных монитора урожайности есть ошибки, связанные с задержкой потока, началом и концом проходов, разворотами, перекрытием жаток и разной калибровкой комбайнов. Очистите данные до построения зон и оценки опыта, иначе на карте будет отображена работа техники, а не состояние поля. GeoPard автоматически применяет протокол очистки USDA, позволяет вручную настраивать фильтры и калибровать несколько комбайнов по известному общему или среднему урожаю.

{% hint style="info" %}
Интерактивная страница об очистке данных урожайности на geopard.tech: [Очистка данных урожайности](https://geopard.tech/yield-data/)
{% endhint %}

{% hint style="success" %}
Очистите файлы урожайности за прошлый сезон: [Начать бесплатно](https://app.geopard.tech/auth/sign-up?utm_source=docs\&utm_medium=cta\&utm_campaign=yield-calibration-and-cleaning)
{% endhint %}

Используйте GeoPard, чтобы **очистить данные урожайности** и **откалибровать наборы данных монитора урожайности**. Получите карту урожайности, которой можно доверять при выделении зон, подготовке карт-заданий и аналитике. Этот рабочий процесс обрабатывает выбросы, развороты, отсутствующие атрибуты и данные урожайности с нескольких комбайнов. Он включает **протокол USDA для очистки данных урожайности** и поддерживает рабочие процессы **в качестве альтернативы Yield Editor** .

{% embed url="<https://youtu.be/Tk5lubolnHQ>" %}
Видеоурок по очистке и калибровке данных урожайности. Объяснение различий между вариантами.
{% endembed %}

Этот процесс калибровки особенно важен для следующих задач:

1. **Обеспечение согласованности данных**: Несколько комбайнов могут работать одновременно или в разные дни. Эта функция помогает согласовать их данные.
2. **Приведение данных к единому виду**: Данные урожайности могут различаться; калибровка сглаживает их и обеспечивает согласованность, устраняя нежелательные скачки и провалы.
3. **Фильтрация шумов**: Как и в любых других данных, в данных урожайности могут быть шумы и лишняя информация. Мы помогаем устранить их, чтобы они не искажали результаты анализа.
4. **Упорядочивание геометрии**: Развороты и необычные геометрические шаблоны могут исказить результаты анализа. Калибровка устраняет такие искажения, чтобы данные точно отражали состояние поля.
5. **Обрезка по границе поля**: Комбайны часто работают на соседних участках. Чтобы получить точные результаты анализа, важно учитывать только данные внутри заданной границы.

{% hint style="info" %}
Интерфейс калибровки урожайности использует конечную точку GeoPard API для очистки и калибровки урожайности ([GeoPard API: калибровка и очистка YieldDataset](https://docs.geopard.tech/geopard-tutorials/ru/dokumentaciya-api/geopard-api-requests-overview/84.-mutation-calibrate-and-clean-yielddataset.md)). В интерфейсе или через API выполняются операции `CALIBRATE` и `CLEAN` .
{% endhint %}

## Краткий обзор

<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://3851418964-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://3851418964-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://3851418964-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://3851418964-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://3851418964-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://3851418964-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/435ee701c2906503b9883d27f8d38f1d05bc4263" %}
Скачать PDF-брошюру об очистке данных урожайности
{% endfile %}

## Примеры из практики

В сельском хозяйстве повреждённые наборы данных урожайности могут создавать серьёзные проблемы. Ниже приведены реальные примеры таких наборов данных. С помощью передовых алгоритмов GeoPard для калибровки и очистки данные были эффективно обработаны и оптимизированы.

{% hint style="info" %}
Чтобы заполнить участки, для которых не записаны данные урожайности, и получить полную карту урожайности, рассмотрите подход GeoPard с синтетической картой урожайности. Этот метод восстанавливает недостающие данные и позволяет выполнить полный анализ урожайности. Подробнее [здесь](https://docs.geopard.tech/geopard-tutorials/ru/agronomiya/yield-and-trials/synthetic-yield-map.md).
{% endhint %}

### Совместная работа нескольких комбайнов

<figure><img src="https://3851418964-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>Пример 1: совместная работа нескольких комбайнов</p></figcaption></figure>

{% hint style="info" %}
Для сложных сценариев рекомендуется двухэтапная калибровка — так точность будет выше. Сначала выполните калибровку по атрибуту Machine ID. Затем запустите калибровку повторно, установив флажок Simulated (Synthetic) Machine Paths. Такой многоэтапный подход обеспечивает тщательную и точную калибровку, необходимую для эффективной обработки сложных случаев.
{% endhint %}

<figure><img src="https://3851418964-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>Пример 2: совместная работа нескольких комбайнов</p></figcaption></figure>

<figure><img src="https://3851418964-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>Пример 3: совместная работа нескольких комбайнов</p></figcaption></figure>

### Развороты буквой J, остановки, использование половины ширины орудия

<figure><img src="https://3851418964-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>Пример 1: развороты на 180°, остановки, использование половины ширины орудия</p></figcaption></figure>

<figure><img src="https://3851418964-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>Пример 2: развороты на 180°, остановки, использование половины ширины орудия</p></figcaption></figure>

### Аномально большие записанные значения

<figure><img src="https://3851418964-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>Пример 1: аномально большие записанные значения</p></figcaption></figure>

<figure><img src="https://3851418964-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>Пример 2: аномально большие записанные значения</p></figcaption></figure>

<figure><img src="https://3851418964-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>Пример 3: аномально большие записанные значения</p></figcaption></figure>

<figure><img src="https://3851418964-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>Пример 4. Аномально высокие записанные значения</p></figcaption></figure>

<figure><img src="https://3851418964-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>Пример 5. Аномально высокие записанные значения</p></figcaption></figure>

### Данные за пределами границы поля

<figure><img src="https://3851418964-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>Пример. Данные за пределами границ поля</p></figcaption></figure>

### Калибровка по заданному среднему значению урожайности

<figure><img src="https://3851418964-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>Пример. Калибровка по заданному среднему значению урожайности (28 т/га)</p></figcaption></figure>

### Очистка атрибутов урожайности с исключением аномальных значений

В данных урожайности иногда встречаются атрибуты с аномалиями: влажностью, скоростью, высотами или другими второстепенными атрибутами (не связанными с урожайностью). При выполнении операций очистки или калибровки важно игнорировать эти аномалии. Это можно легко сделать с помощью интерфейса очистки и калибровки урожайности GeoPard.

<figure><img src="https://3851418964-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>Пример. Аномалии в атрибуте влажности</p></figcaption></figure>

<figure><img src="https://3851418964-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>Пример. Очистка данных урожайности с исключением аномалий влажности</p></figcaption></figure>

### Протокол очистки данных урожайности USDA

Используйте этот вариант, если вам нужен **воспроизводимый рабочий процесс редактирования данных урожайности на основе стандартов**. Он оптимизирован для **массовой очистки данных мониторов урожайности** .

<figure><img src="https://3851418964-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>Пример. Очистка данных урожайности по протоколу USDA</p></figcaption></figure>

<figure><img src="https://3851418964-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>Пример. Очистка данных урожайности по протоколу USDA</p></figcaption></figure>

## Пояснение логики калибровки

### Калибровка по проходам

**ИСПОЛЬЗУЙТЕ** **калибровку по проходам** , если поле <mark style="background-color:green;">убирали несколько комбайнов или в течение нескольких дней, особенно для устранения систематических различий, например полосатости.</mark> Этот метод подходит для случаев, когда различия в настройках машин, между операторами или в погодных условиях приводят к устойчивому завышению или занижению показателей на разных проходах.

Важно: <mark style="background-color:yellow;">для эффективного обучения и калибровки ИИ необходимы различия — например, отдельные проходы, идентификаторы машин или даты уборки.</mark>

<figure><img src="https://3851418964-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>Пример. Урожайность по влажной массе и 9 комбайнов</p></figcaption></figure>

**НЕ ИСПОЛЬЗУЙТЕ** этот метод для уборки одним комбайном за один непрерывный сеанс или если на карте урожайности нет заметных пространственных закономерностей. Также не используйте его, если данных мало или у вас есть только общие значения урожайности по полю без различий на уровне машин

<figure><img src="https://3851418964-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>Пример. Статистически корректное распределение данных</p></figcaption></figure>

### Калибровка по среднему или общему значению

**КАЛИБРОВКУ ПО СРЕДНЕМУ/ОБЩЕМУ ЗНАЧЕНИЮ ЛУЧШЕ ИСПОЛЬЗОВАТЬ** , <mark style="background-color:green;">если вы уверены в общей урожайности поля — например, располагаете данными с весового пункта или хранилища.</mark> Вместо корректировки отдельных проходов этот метод масштабирует весь набор данных так, чтобы итоговое среднее или общее значение совпало с известным эталонным значением. Его часто считают самым простым и безопасным вариантом калибровки, если исходные общие показатели достоверны.

Когда **ИСПОЛЬЗОВАТЬ калибровку по среднему/общему значению:**

* **Известные эталонные значения**: используйте этот метод, если у вас есть официальные данные об общем сборе урожая (например, с весового пункта) или достоверное среднее значение урожайности по полю.
* **Коррекция общего смещения**: этот метод подходит, если пространственное распределение на карте урожайности выглядит верно, но значения в целом смещены — то есть монитор урожайности, вероятно, не был откалиброван и стабильно завышает или занижает показатели по всему полю.
* **Однородные условия уборки**: этот метод наиболее эффективен, когда условия уборки были относительно постоянными на протяжении всей работы.
* **Стабильная работа одного комбайна**: метод хорошо подходит для уборки одним комбайном, который стабильно работал на всём поле.

<figure><img src="https://3851418964-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>Пример. Статистически корректное распределение данных с необходимым смещением по средней урожайности</p></figcaption></figure>

Когда **НЕ ИСПОЛЬЗОВАТЬ калибровку по среднему/общему значению:**

* **Смещение между комбайнами**: не используйте этот метод, если разные части поля убирали разные комбайны или в разные дни, что привело к локальным смещениям. В таких случаях масштабирование всего поля не устранит исходные различия между комбайнами.
* **Видимые артефакты**: Если в данных заметны выраженные полосы, полосатость или направленные артефакты, этот метод не поможет их устранить; <mark style="background-color:green;">для таких проблем лучше подходит покалибровочная коррекция по траекториям</mark>.
* **Неполные данные**: Не используйте эту логику, если убрана только часть поля или записанные данные неполные: значения общего и среднего урожая будут вводить в заблуждение.

<figure><img src="https://3851418964-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>Пример: данные об урожайности с пропусками</p></figcaption></figure>

### Условная калибровка

**Условная калибровка** служит <mark style="background-color:green;">защитным механизмом, который удерживает значения урожайности в реалистичных заранее заданных минимальных и максимальных пределах</mark>.

Вам **СЛЕДУЕТ ИСПОЛЬЗОВАТЬ** эту логику, чтобы у<mark style="background-color:green;">далять экстремальные выбросы и скачки показаний датчика, вызванные шумом, остановками техники или разворотами</mark>. Этот способ идеально подходит для применения конкретных агрономических ограничений — например, «урожайность не может превышать X» — без выполнения коррекции.

<figure><img src="https://3851418964-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>

Однако **ИЗБЕГАЙТЕ ЭТОГО МЕТОДА** если в наборе данных есть систематическое смещение или различия между машинами: метод не масштабирует данные и не устраняет пространственные закономерности. Иными словами, он сохраняет правдоподобность значений, но не устраняет основные смещения калибровки.

## Стратегия применения

<figure><img src="https://3851418964-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>Памятка по калибровке данных об урожайности</p></figcaption></figure>

{% file src="/files/cf05c5ea21ee90c32100108868187eedfd7ab6bd" %}
Скачать PDF-памятку по калибровке данных об урожайности
{% endfile %}

## Первый шаг

Модуль «Калибровка и очистка данных об урожайности» запускается непосредственно из пользовательского интерфейса. Для этого необходимо загрузить набор данных об урожайности. Рядом с каждым таким набором данных вы найдёте кнопку для начала его корректировки.

<figure><img src="https://3851418964-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>Начать процесс</p></figcaption></figure>

<figure><img src="https://3851418964-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>Выберите вариант, чтобы продолжить</p></figcaption></figure>

Далее доступны несколько вариантов:

1. **Автоматическая обработка**: Выполните калибровку одним щелчком, используя рекомендуемые GeoPard настройки по умолчанию.
2. **Только очистка**: Настройте и выполните только операцию ОЧИСТКИ, включая
   1. **Очистку GeoPard**: интеллектуальную очистку набора данных об урожайности с помощью алгоритмов ИИ.
   2. **USDA**  — протокол очистки данных об урожайности Министерства сельского хозяйства США.
   3. **Условная очистка**: Отфильтруйте данные по пороговым значениям пользовательских атрибутов.
3. **Только калибровка**: Настройте и выполните только операцию КАЛИБРОВКИ, включая
   1. **По траекториям**: откалибруйте данные об урожайности для каждой отдельной траектории техники с помощью алгоритмов ИИ.
   2. **Среднее значение/общий объём**: скорректируйте урожайность с учётом известного среднего значения или общего объёма урожая на поле.
   3. **Условная калибровка**: скорректируйте урожайность в заданных минимальных и максимальных пределах, чтобы сохранить ожидаемый диапазон значений.
4. **Калибровка и очистка**: выберите последовательность операций и настройте параметры.
5. **Альтернатива редактору урожайности**: Используйте **Только очистка → USDA** (или **Калибровка и очистка**) для масштабной автоматизации ручной очистки в «Yield Editor». В ходе проверочных тестов очистка по протоколу USDA дала результаты, совпадающие с результатами ручной обработки в Yield Editor с показателем **R² (R2) = 0,98** (результаты почти идентичны).

## Решение в один клик

{% hint style="warning" %}
**Подсказка: необычные значения, характерные для данных об урожайности.**

Если **атрибут** выбранный для калибровки или очистки, преимущественно **содержит** **нулевые значения в большинстве геометрий**, эти геометрии будут исключены из итогового набора данных об урожайности.

Для обеспечения целостности данных атрибуты с такими аномалиями следует исключить из списка атрибутов для калибровки.
{% endhint %}

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

## Полное руководство

{% hint style="warning" %}
**Выбор сценария: подсказка для данных с аномалиями**

Если в данных обнаружены аномалии, например значения около нуля или равные ему либо необычно высокие значения (например, среднее — 10, а максимум — 8000), рекомендуется использовать сценарий **Очистка и калибровка** .

Очистка данных перед калибровкой позволяет удалить ошибки, пропущенные значения и несоответствия, повышая качество и точность данных.
{% endhint %}

{% hint style="warning" %}
**Выбор сценария: подсказка для данных без исходных ошибок**

Если в наборе данных изначально нет ошибок, пропущенных значений и несоответствий, а также известно, что в уборке участвовало несколько комбайнов, рассмотрите сценарий **Калибровка и очистка** .

Очистка после калибровки помогает дополнительно уточнить набор данных и при необходимости удалить артефакты, возникшие в ходе калибровки.
{% endhint %}

{% hint style="warning" %}
**Сценарий очистки: подсказка для необычных значений, характерных для данных об урожайности.**

Если **атрибут** выбранный для калибровки или очистки, преимущественно содержит **нулевые значения в большинстве геометрий**, эти геометрии будут исключены из итогового набора данных об урожайности.

Для обеспечения целостности данных атрибуты с такими аномалиями следует исключить из списка атрибутов для очистки (2).
{% endhint %}

{% hint style="warning" %}
**Сценарий калибровки: подсказка для необычных значений, характерных для данных об урожайности.**

Если **атрибут** выбранный для калибровки или очистки, преимущественно **содержит** **нулевые значения в большинстве геометрий**, эти геометрии будут исключены из итогового набора данных об урожайности.

Для обеспечения целостности данных атрибуты с такими аномалиями следует исключить из списка атрибутов для калибровки (3).
{% endhint %}

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

## Версии алгоритма

После обработки результаты отображаются рядом с исходным набором данных. Они помечаются метками **"Калибровка"** и/или **"Очистка"** , а также номером версии алгоритма.

<figure><img src="https://3851418964-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>Результат выполнения калибровки и очистки (версия 2)</p></figcaption></figure>

{% hint style="info" %}
Начиная с `version 3.0` алгоритма очистки и калибровки GeoPard добавляет функцию обрезки по границе поля. Она оставляет только геометрии в пределах границы поля и улучшает статистическое распределение.
{% endhint %}

<figure><img src="https://3851418964-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>Результат автоматической обработки (версия 3.0)</p></figcaption></figure>

{% hint style="info" %}
Начиная с `version 4.0`, алгоритм очистки и калибровки GeoPard позволяет калибровать любой атрибут по среднему или суммарному значению. Чаще всего эту функцию используют для калибровки WetMass: теперь его можно скорректировать по известной измеренной средней урожайности конкретного поля.
{% endhint %}

<figure><img src="https://3851418964-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>Результат калибровки по средней урожайности 6 т/га (версия 4.0)</p></figcaption></figure>

{% hint style="info" %}
Начиная с `version 5.0` алгоритма очистки и калибровки GeoPard использует протокол очистки данных об урожайности USDA (Министерства сельского хозяйства США). USDA устанавливает официальные агрономические стандарты обработки данных: нормализацию, проверку и статистическую фильтрацию показателей урожайности, влажности, потока и пространственных измерений для формирования согласованных между техникой и полями сельскохозяйственных наборов данных.
{% endhint %}

<figure><img src="https://3851418964-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>Результат очистки по протоколу USDA (версия 5.0)</p></figcaption></figure>

{% hint style="success" %}
Очистите файлы урожайности за прошлый сезон: [Начать бесплатно](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/ru/agronomiya/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.
