84. Мутация: калибровка и очистка набора данных урожайности

API-вызовы для очистки и калибровки наборов данных урожайности

Калибровка "YieldDataset" — это функция, которая корректирует распределение значений в соответствии с математическими принципами, повышая общую целостность данных. Она улучшает качество принятия решений и делает набор данных ценным для дальнейшего глубокого анализа.

Типичные варианты использования этой функции включают:

• Синхронизацию данных, когда несколько комбайнов работали одновременно или в течение нескольких дней, обеспечивая согласованность.

• Сделать набор данных более однородным и точным путем сглаживания вариаций.

• Удаление шума данных и лишней информации, которые могут искажать инсайты.

• Исключение разворотов или аномальных геометрий, которые могут искажать реальные закономерности и тенденции на поле.

• Корректировку данных урожайности в соответствии с установленными средними значениями или суммами для каждого атрибута.

Для более детального изучения и примеров, пожалуйста, обратитесь к нашему Калибровка и очистка урожайности примеру использования.

Оригинальный YieldDataset с атрибутом WetMass

Пять комбайнов работали параллельно на показанном ниже поле площадью 30 га. Калибровка одного из комбайнов не была синхронизирована с другими, в результате чего образовались оранжевый участки, указывающие на то, что дополнительно ТРЕБУЕТСЯ КАЛИБРОВКА Кроме того, имеются многочисленные развороты красные участки ближе к краям "Поля", которые необходимо устранить.

Оригинальный YieldDataset с атрибутом WetMass

Откалиброванный и очищенный YieldDataset с атрибутом WetMass

Ниже показан результат набора данных после применения автоматических КАЛИБРОВАТЬ и ОЧИСТИТЬ операций с использованием параметров по умолчанию. Получившийся "YieldDataset" стал однородным, без выбросов или резких изменений между соседними геометриями.

Откалиброванный и очищенный YieldDataset с атрибутом WetMass

Варианты: по путям vs по среднему/итогу vs условная

Калибровка по путям соответствует следам машины. Каждый след машины обрабатывается как отдельная область для целей калибровки. Команда GeoPard предлагает использовать этот метод в качестве стандартного подхода.

Калибровка по среднему/итогу ориентируется на перераспределение значений атрибутов. Если геопространственные закономерности точны, но абсолютные показатели отличаются от фактических, этот метод оказывается полезным. Для достижения оптимальных результатов GeoPard советует комбинировать его с калибровкой по путям: сначала применять калибровку по путям, затем корректировать до известных средних/итоговых значений.

Условная калибровка корректирует значения атрибутов на основе заданных минимальных и максимальных порогов. Этот метод особенно ценен, когда геопространственные закономерности точны, но распределение значений требует корректировок, особенно если известны минимальные и максимальные значения. Для лучших результатов GeoPard рекомендует сочетать его с калибровкой по путям: начинать с калибровки по путям, затем выполнять корректировки для согласования с известными мин/макс значениями.

Подсказки

Подсказка по аномалиям данных

Если пользователь сталкивается с аномалиями в данных, такими как значения, равные или близкие к нулю, или необычно большие значения (например, среднее 10 при максимуме 8000), рекомендуется использовать Рабочий процесс Очистка и Калибровка Он настраивается с помощью параметров actions: [CLEAN, CALIBRATE].

Предпочтение очистки данных перед калибровкой гарантирует удаление ошибок, отсутствующих значений или несоответствий, что повышает качество и точность данных.

Подсказка для данных без первоначальных ошибок

Для наборов данных, изначально свободных от ошибок, отсутствующих значений или несоответствий, и когда известно, что задействованы несколько комбайнов, рассмотрите возможность использования Калибровка и Очистка Рабочий процесс настраивается с помощью параметров actions: [CALIBRATE, CLEAN].

Очистка данных после калибровки помогает дополнительно улучшить набор данных, потенциально устраняя артефакты, возникшие в процессе калибровки.

Документация: детали мутации

Конфигурация по умолчанию включает автоматическую калибровку и очистку "YieldDataset".

mutation AutoCalibrateYieldDataset {
  calibrateYieldDataset(input: {
    fieldUuid: "<placeholder_of_field_uuid>"
    yieldDatasetUuid: "<placeholder_of_dataset_uuid>"
    actions: {
      calibrateAction: {
        calibrationAttributes:["WetMass", "VRYIELDVOL"]
        conditionPathwiseCalibration: {
          calibrationBasis: "WetMass"
          maxHomogeneityRegion: true
          syntheticMachinePath: true
        }
      }
      cleanAction: {
        condtionAutoClean: {
          targetAttribute: "WetMass"
        }
      }
      
      actions:  [CALIBRATE, CLEAN]
    }
  }) {
    uuid
    fieldUuid
    originalUuid
    statusCode
    statusMessage
  }
}

Более продвинутый пример предоставляет ручной контроль диапазонов мин/макс и включает дополнительные атрибуты.

mutation CustomCalibrateYieldDataset {
  calibrateYieldDataset(input: {
    fieldUuid: "<placeholder_of_field_uuid>"
    yieldDatasetUuid: "<placeholder_of_dataset_uuid>"
    actions: {
      calibrateAction: {
        calibrationAttributes:["WetMass", "VRYIELDVOL"]
        smoothWindowSize: 11
        conditionPathwiseCalibration: {
          calibrationBasis: "Machine"
          maxHomogeneityRegion: true
          syntheticMachinePath: false
        }
        conditionAvgTotalCalibration:[{
          calibrationAttribute: "WetMass"
          average:8.0
        }]
      }
      cleanAction: {
        condtionAutoClean: {
          targetAttribute: "WetMass"
        }
        conditionMinMaxClean: [{
          cleanAttribute: "Distance"
          min: 1.5
          max: 10.0
        }]
      }
      actions:  [CALIBRATE, CLEAN]
    }
  }) {
    uuid
    fieldUuid
    originalUuid
    statusCode
    statusMessage
  }
}

Чтобы следовать протоколу USDA для этой ОЧИСТИТЬ операции, вы должны либо указать ВСЕ столбцы в cleanAction -> conditionMinMaxClean или указать их часть в cleanAction -> conditionMinMaxClean и оставшиеся в condtionAutoClean -> excludedAttributes.

Входные параметры:

• actions в виде массива, позволяющего выбирать корректирующие действия и их последовательность применения; поддерживаемые значения включают ОЧИСТИТЬ и КАЛИБРОВАТЬ.

• calibrateAction в виде объекта, содержащего детали конфигурации, связанные с КАЛИБРОВАТЬ операцией.

  • calibrationAttributes в виде массива атрибутов, требующих калибровки, обычно связанных со столбцом урожая.

  • smoothWindowSize в виде нечетного целого числа, которое сглаживает результирующие значения, уменьшая резкие скачки в значениях.

  • conditionPathwiseCalibration в виде объекта с По путям калибровка соответствует следам машины. Каждый след машины обрабатывается как отдельная область для целей калибровки.

    • calibrationBasis в виде строки, представляющей атрибут, используемый в качестве основы для калибровки.

    • maxHomogeneityRegion в виде булева значения, указывающего, используется ли регион максимальной однородности в качестве опорного региона для калибровки.

    • syntheticMachinePath в виде булева значения, указывающего моделирование маршрутов машины; полезно, когда точный атрибут пути машины отсутствует и требуется его симуляция на основе меток времени или подобного атрибута.

  • conditionAvgTotalCalibration в виде объекта с Среднее/Итог калибровка ориентируется на перераспределение значений атрибутов. Если геопространственные закономерности точны, но абсолютные показатели отличаются от фактических, этот метод оказывается полезным.

    • calibrationAttribute в виде строки, представляющей атрибут, который будет откалиброван.

    • average в виде числа, представляющего средние значения атрибута; значения атрибута должны соответствовать этому среднему. В каждый момент используется только одна опция: либо average или total, следует использовать только одну из опций одновременно.

    • total в виде числа, представляющего суммарное значение атрибута; сумма этих значений должна соответствовать итогу. В каждый момент используется только одна опция: либо average или total, следует использовать только одну из опций одновременно.

  • conditionMinMaxCalibration в виде объекта с Условная калибровка корректирует значения атрибутов на основе заданных минимальных и максимальных порогов.

    • calibrationAttribute в виде строки, представляющей атрибут, который будет откалиброван.

    • min в виде числа, представляющего минимальные значения атрибута и служащего нижней границей для калибровки.

    • minIncluded в виде булева значения, указывающего, включать ли минимальное значение или нет

    • max в виде числа, представляющего максимальные значения атрибута и служащего верхней границей для калибровки.

    • maxIncluded в виде булева значения, указывающего, включать ли максимальное значение или нет.

• cleanAction в виде объекта, который включает конкретные настройки, связанные с ОЧИСТИТЬ операцией.

  • conditionAutoClean в виде объекта, включающего настройки, специфичные для алгоритма автоочистки.

    • targetAttribute в виде строки, представляющей целевые значения урожайности.

    • excludedAttributes в виде массива строк, определяющих атрибуты, которые не влияют на операцию очистки.

  • conditionMinMaxClean в виде массива объектов, содержащих описанные правила очистки; каждый объект включает следующие параметры.

    • cleanAttribute в виде строки, указывающей имя столбца для правила.

    • min в виде числа, указывающего минимальное значение.

    • max в виде числа, указывающего максимальное значение.

Чтобы просмотреть входы и получить доступ к последним доступным значениям перечислений (таких как операции), рекомендуется использовать Altair.

Документация: запрос YieldDataset

Как потребитель API GeoPard, вы можете получить сведения о корректировках, примененных к YieldDatasets, через атрибуты appliedCorrections и appliedCorrectionsVersion. Первый предоставляет список внесенных корректировок (например, КАЛИБРОВАТЬ и ОЧИСТИТЬ), порядок выполнения которых определяется их последовательностью в массиве. В то время как appliedCorrectionsVersion указывает на версию используемого алгоритма.

query DetailsAboutAppliedCalibrations {
  getFields (filter: {fieldUuid: "<placeholder_of_field_uuid>"}){
    fields {
      uuid
      yieldDatasets  {
        uuid
        appliedCorrections
        appliedCorrectionsVersion
      }
    }
  }
}