> 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/svn/agronomija/yield-and-trials/yield-calibration-and-cleaning.md).

# Čiščenje in umerjanje podatkov o pridelku: odstranjevanje napak s kart pridelka

Očistite podatke s senzorja pridelka: zakasnitev pretoka, začetek in konec vožnje, obračanja, prekrivanje ter odstopanja hitrosti in vlažnosti; pred izdelavo območij umerite tudi podatke iz več kombajnov.

Surovi podatki s prikazovalnika pridelka vsebujejo napake zaradi zamika pretoka, začetkov in koncev prehodov, obračanja, prekrivanja žetvenih glav ter kombajnov, ki so bili umerjeni različno. Očistite jih, preden ustvarite območja ali ocenite poskus, sicer bo zemljevid prikazoval stroj namesto polja. GeoPard samodejno upošteva protokol USDA za čiščenje podatkov, omogoča ročno nastavitev filtrov in umeri več kombajnov na eno znano skupno ali povprečno količino pridelka.

{% hint style="info" %}
Oglejte si interaktivno stran za čiščenje podatkov o pridelku na geopard.tech: [Čiščenje podatkov o pridelku](https://geopard.tech/yield-data/)
{% endhint %}

{% hint style="success" %}
Očistite datoteke s podatki o pridelku iz pretekle sezone: [Začnite brezplačno](https://app.geopard.tech/auth/sign-up?utm_source=docs\&utm_medium=cta\&utm_campaign=yield-calibration-and-cleaning)
{% endhint %}

Uporabite GeoPard za **čiščenje podatkov o pridelku** in **umerjanje naborov podatkov s prikazovalnika pridelka**. Pridobite zemljevid pridelka, ki mu lahko zaupate pri določanju območij, pripravi predpisov in analitiki. Ta potek dela obravnava osamelce, obračanja, manjkajoče atribute in podatke o pridelku z več kombajnov. Vključuje **protokol USDA za čiščenje podatkov o pridelku** in podpira poteke dela kot **alternativa programu Yield Editor** .

{% embed url="<https://youtu.be/Tk5lubolnHQ>" %}
Videovodnik za čiščenje in umerjanje podatkov o pridelku. Pojasnjene so razlike med možnostmi.
{% endembed %}

Ta postopek umerjanja je ključen za:

1. **Zagotavljanje doslednosti podatkov**: Nič nenavadnega ni, da več kombajnov dela hkrati ali različne dni. Ta funkcija poskrbi, da so njihovi podatki usklajeni.
2. **Poenotenje podatkov**: Podatki o pridelku se lahko razlikujejo; umerjanje jih zgladi in poenoti ter odstrani neželene skoke ali padce.
3. **Odstranjevanje šuma**: Tako kot pri vseh podatkih se lahko tudi pri podatkih o pridelku pojavi »šum« oziroma nepomembne informacije. Poskrbimo, da ne zameglijo vaših vpogledov.
4. **Poenostavitev geometrijskih podatkov**: Obračanja in nenavadni geometrijski vzorci podatkov lahko popačijo dejanske vpoglede. Umerjanje odpravi te nepravilnosti in zagotovi, da podatki zares odražajo razmere na polju.
5. **Obrezovanje po meji polja**: Kombajni pogosto delajo tudi na sosednjih območjih. Za natančne analitične rezultate je bistveno upoštevati samo podatke znotraj določene meje.

{% hint style="info" %}
Vmesnik za umerjanje pridelka uporablja končno točko API-ja GeoPard za čiščenje/umerjanje pridelka ([GeoPard API: Umerjanje in čiščenje nabora podatkov o pridelku](https://docs.geopard.tech/geopard-tutorials/svn/dokumentacija-api/geopard-api-requests-overview/84.-mutation-calibrate-and-clean-yielddataset.md)). V uporabniškem vmesniku ali prek API-ja izvede postopka `CALIBRATE` in `CLEAN` .
{% endhint %}

## Kratek pregled

<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://29491374-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://29491374-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://29491374-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://29491374-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://29491374-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://29491374-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/23ab77a1d36f10b16cdad3144d3a3f56726cdb63" %}
Prenesite brošuro v PDF-ju o čiščenju podatkov o pridelku
{% endfile %}

## Primeri iz prakse

V kmetijstvu lahko poškodovani nabori podatkov o pridelku povzročijo precejšnje težave. Spodaj so primeri iz prakse, v katerih smo naleteli na takšne nabore podatkov. Napredni algoritmi GeoPard za umerjanje in čiščenje so te podatke učinkovito izboljšali in optimizirali.

{% hint style="info" %}
Če želite dopolniti območja brez zabeleženih podatkov o pridelku in pridobiti popoln zemljevid pridelka, uporabite pristop GeoPard s sintetičnim zemljevidom pridelka. Ta metoda obnovi manjkajoče podatke za celovito analizo pridelka. Več informacij [najdete tukaj](https://docs.geopard.tech/geopard-tutorials/svn/agronomija/yield-and-trials/synthetic-yield-map.md).
{% endhint %}

### Skupno delo več kombajnov

<figure><img src="https://29491374-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>Primer 1: Skupno delo več kombajnov</p></figcaption></figure>

{% hint style="info" %}
Pri zapletenih primerih za najboljšo natančnost priporočamo umerjanje v dveh korakih. Najprej izvedite začetno umerjanje z atributom Machine ID. Nato izvedite še drugi krog umerjanja, tokrat z označenim potrditvenim poljem Simulated (Synthetic) Machine Paths. Ta večstopenjski pristop zagotavlja temeljito in natančno umerjanje, ki je nujno za učinkovito obravnavo zapletenih primerov.
{% endhint %}

<figure><img src="https://29491374-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>Primer 2: Skupno delo več kombajnov</p></figcaption></figure>

<figure><img src="https://29491374-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>Primer 3: Skupno delo več kombajnov</p></figcaption></figure>

### Zavoji v obliki črke J, ustavljanje, uporabljena polovica delovne širine priključka

<figure><img src="https://29491374-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>Primer 1: Obračanje, ustavljanje, uporabljena polovica delovne širine priključka</p></figcaption></figure>

<figure><img src="https://29491374-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>Primer 2: Obračanje, ustavljanje, uporabljena polovica delovne širine priključka</p></figcaption></figure>

### Nenavadno velike zabeležene vrednosti

<figure><img src="https://29491374-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>Primer 1: Nenavadno velike zabeležene vrednosti</p></figcaption></figure>

<figure><img src="https://29491374-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>Primer 2: Nenavadno velike zabeležene vrednosti</p></figcaption></figure>

<figure><img src="https://29491374-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>Primer 3: Nenavadno velike zabeležene vrednosti</p></figcaption></figure>

<figure><img src="https://29491374-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>Primer 4: Nenavadno velike zabeležene vrednosti</p></figcaption></figure>

<figure><img src="https://29491374-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>Primer 5: Nenavadno velike zabeležene vrednosti</p></figcaption></figure>

### Podatki zunaj meje polja

<figure><img src="https://29491374-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>Primer: Podatki zunaj meja polja</p></figcaption></figure>

### Umerjanje z uporabo podanega povprečnega pridelka

<figure><img src="https://29491374-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>Primer: Umerjanje z uporabo podanega povprečnega pridelka (28 t/ha)</p></figcaption></figure>

### Čiščenje atributov pridelka ob prezrtju anomalij v atributih

Nabor podatkov o pridelku občasno vsebuje atribute z nepravilnostmi v vlažnosti, hitrosti, nadmorski višini ali drugih sekundarnih atributih (ki niso povezani s pridelkom). Med izvajanjem čiščenja ali umerjanja je pomembno, da te anomalije prezrete. To lahko učinkovito storite z vmesnikom GeoPard za čiščenje in umerjanje pridelka.

<figure><img src="https://29491374-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>Primer: Anomalije v atributu vlažnosti</p></figcaption></figure>

<figure><img src="https://29491374-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>Primer: Čiščenje podatkov o pridelku ob prezrtju anomalij v vlažnosti</p></figcaption></figure>

### Protokol USDA za čiščenje podatkov o pridelku

To možnost uporabite, kadar potrebujete **ponovljiv potek dela za urejanje podatkov o pridelku, ki temelji na standardih**. Optimizirana je za **čiščenje podatkov s senzorjev pridelka** v velikem obsegu.

<figure><img src="https://29491374-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>Primer: Čiščenje podatkov o pridelku po protokolu USDA</p></figcaption></figure>

<figure><img src="https://29491374-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>Primer: Čiščenje podatkov o pridelku po protokolu USDA</p></figcaption></figure>

## Pojasnilo logik umerjanja

### Umerjanje po poteh

**UPORABITE** **umerjanje po poteh** , kadar je polje <mark style="background-color:green;">požeto z več stroji ali v več dneh, zlasti za odpravo sistematičnih razlik, kot so črte ali pasovi.</mark> Primerno je za primere, ko različne nastavitve strojev, upravljavci ali okoljske razmere povzročajo dosledno precenjevanje ali podcenjevanje pridelka na različnih poteh.

Pomembno: <mark style="background-color:yellow;">umetna inteligenca za učinkovito učenje in umerjanje potrebuje razlike, na primer različne poti, ID-je strojev ali datume žetve.</mark>

<figure><img src="https://29491374-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>Primer: mokra masa pridelka in 9 žetvenih strojev</p></figcaption></figure>

**NE UPORABLJAJTE** te metode pri žetvi z enim strojem v eni neprekinjeni seji ali če na karti pridelka niso vidni prostorski vzorci. Izogibajte se ji tudi, če so podatki redki ali imate na voljo le skupne vrednosti pridelka za celotno polje, brez razlik med stroji.

<figure><img src="https://29491374-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>Primer: Statistično pravilna porazdelitev podatkov</p></figcaption></figure>

### Umerjanje povprečja ali skupne vrednosti

**Umerjanje povprečja/skupne vrednosti JE NAJBOLJ PRIMERNO** , kadar <mark style="background-color:green;">zelo zaupate podatkom o pridelku za celotno polje, na primer evidencam s tehtnice ali iz skladišča.</mark> Namesto prilagajanja posameznih poti ta metoda prilagodi merilo celotnega nabora podatkov, tako da se končno povprečje ali skupna vrednost ujema z znano referenčno vrednostjo. Pogosto velja za najpreprostejšo in najvarnejšo možnost umerjanja, kadar so skupni podatki zanesljivi.

Kdaj **UPORABITI umerjanje povprečja/skupne vrednosti:**

* **Znane referenčne vrednosti**: To logiko uporabite, kadar imate uradne evidence o skupnem pridelku (npr. s tehtnice) ali zelo zanesljiv podatek o povprečnem pridelku na polju.
* **Odprava globalnega odklona**: Primerna je, če je prostorska porazdelitev na karti pridelka videti pravilna, vendar so vrednosti po celotnem polju zamaknjene – to pomeni, da senzor pridelka verjetno ni bil umerjen in dosledno prikazuje previsoke ali prenizke vrednosti.
* **Enakomerni pogoji žetve**: Ta metoda je najučinkovitejša, kadar so bili pogoji žetve med celotnim delom razmeroma enakomerni.
* **Doslednost enega stroja**: Dobro deluje pri žetvi z enim strojem, ki je na celotnem polju deloval dosledno.

<figure><img src="https://29491374-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>Primer: Statistično pravilna porazdelitev podatkov z zahtevanim premikom na podlagi povprečnega pridelka</p></figcaption></figure>

Kdaj **NE UPORABITI umerjanja povprečja/skupne vrednosti:**

* **Odklon med stroji**: Te metode ne uporabite, če so različne dele polja poželi različni stroji ali ob različnih dnevih, zaradi česar so nastali krajevni odkloni. V takih primerih prilagajanje merila celotnega polja ne bo odpravilo osnovnih razlik med stroji.
* **Vidni artefakti**: Če v podatkih opazite izrazite črte, pasove ali artefakte z določeno smerjo, ta metoda težave ne bo odpravila; <mark style="background-color:green;">za takšne težave je primernejša kalibracija po poteh</mark>.
* **Nepopolni podatki**: Te logike ne uporabite, če je bil požet le del polja ali so zapisani podatki nepopolni, saj bi bile vrednosti skupnega in povprečnega pridelka zavajajoče.

<figure><img src="https://29491374-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>Primer: podatki o pridelku z vrzelmi</p></figcaption></figure>

### Pogojna kalibracija

**Pogojna kalibracija** služi kot <mark style="background-color:green;">varnostni nadzor, ki zagotavlja, da vrednosti pridelka ostanejo znotraj realističnih, vnaprej določenih spodnjih in zgornjih mej</mark>.

To **MORATE UPORABITI** to logiko za o<mark style="background-color:green;">dstranjevanje skrajnih osamelcev in sunkovitih odčitkov senzorjev, ki jih povzročijo šum, zastoji stroja ali obračanje</mark>. Idealna je za uveljavljanje določenih agronomskih pričakovanj – na primer »pridelek ne more preseči X« – brez izvedbe korekcije.

<figure><img src="https://29491374-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>

Vendar **TE METODE NE UPORABITE** če so v naboru podatkov prisotni splošni odklon ali sistematične razlike med stroji, saj metoda podatkov ne prilagaja in ne odpravlja prostorskih vzorcev. V bistvu ohranja verjetne vrednosti, ne odpravi pa osnovnih odstopanj pri kalibraciji.

## Strategija uporabe

<figure><img src="https://29491374-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>Enostranski vodnik za kalibracijo pridelka</p></figcaption></figure>

{% file src="/files/bdd2a94100f925f869eb039ffb723e7e2f25e0e1" %}
Prenesite enostranski PDF-vodnik za kalibracijo pridelka
{% endfile %}

## Prvi korak

Modul »Yield Calibrate and Clean« zaženete neposredno v uporabniškem vmesniku. Predpogoj je naložen nabor podatkov o pridelku. Ob vsakem naboru podatkov o pridelku je gumb za začetek prilagajanja podatkov.

<figure><img src="https://29491374-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>Začnite postopek</p></figcaption></figure>

<figure><img src="https://29491374-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>Za nadaljevanje izberite možnost</p></figcaption></figure>

Nato lahko nadaljujete na več načinov:

1. **Samodejna obdelava**: Uporabite privzete nastavitve, ki jih priporoča GeoPard, za kalibracijo z enim klikom.
2. **Samo čiščenje**: Nastavite in izvedite samo operacijo CLEAN, vključno z
   1. **čiščenjem GeoPard**: Pametno čiščenje nabora podatkov o pridelku z algoritmi umetne inteligence.
   2. **USDA** (Ministrstvo za kmetijstvo Združenih držav Amerike) – protokol za čiščenje podatkov o pridelku.
   3. **Pogojno čiščenje**: Filtrirajte podatke na podlagi pragov po meri za atribute.
3. **Samo kalibracija**: Nastavite in izvedite samo operacijo CALIBRATE, vključno z
   1. **Po poteh**: Kalibrirajte pridelek za vsako posamezno pot stroja z algoritmi umetne inteligence.
   2. **Povprečje/skupaj**: Prilagodite pridelek glede na znani povprečni ali skupni pridelek na polju.
   3. **Pogojno**: Spremenite pridelek znotraj določenih spodnjih in zgornjih mej, da ohranite pričakovane vrednosti.
4. **Kalibracija in čiščenje**: Izberite zaporedje operacij in prilagodite parametre.
5. **Alternativa urejevalniku pridelka**: Uporabite **Samo čiščenje → USDA** (ali **Umeri in očisti**) za posnemanje ročnega postopka čiščenja v urejevalniku »Yield Editor«, vendar v velikem obsegu. Pri validacijskih preizkusih se je čiščenje po protokolu USDA ujemalo z ročnimi rezultati v urejevalniku Yield Editor z vrednostjo **R² (R2) = 0,98** (skoraj enak rezultat).

## Rešitev z enim klikom

{% hint style="warning" %}
**Namig za nenormalne vrednosti, ki se včasih pojavljajo v podatkovnih zbirkah pridelka.**

Če **atribut** izbran za umerjanje ali čiščenje, večinoma **vsebuje** **ničelne vrednosti v večini geometrij**, bodo te geometrije izključene iz končne podatkovne zbirke pridelka.

Za zagotovitev celovitosti je treba atribute s takšnimi nepravilnostmi izključiti s seznama atributov za umerjanje.
{% endhint %}

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

## Celotna navodila

{% hint style="warning" %}
**Potek Izberi: namig za nepravilnosti v podatkih**

Če uporabnik v podatkih opazi nepravilnosti, kot so vrednosti nič ali blizu nič oziroma neobičajno velike vrednosti (na primer povprečje 10 in največja vrednost 8000), priporočamo potek **Očisti in umeri** .

Če podatke očistimo pred umerjanjem, odstranimo napake, manjkajoče vrednosti in neskladnosti ter tako izboljšamo kakovost in natančnost podatkov.
{% endhint %}

{% hint style="warning" %}
**Potek Izberi: namig za podatke brez začetnih napak**

Pri podatkovnih zbirkah, ki sprva nimajo napak, manjkajočih vrednosti ali neskladnosti, in kadar je znano, da je sodelovalo več kombajnov, izberite potek **Umeri in očisti** .

Čiščenje podatkov po umerjanju omogoča dodatno izboljšanje nabora podatkov, saj lahko odstrani artefakte, ki nastanejo med umerjanjem.
{% endhint %}

{% hint style="warning" %}
**Potek Očisti: namig za nenormalne vrednosti, ki se včasih pojavljajo v podatkovnih zbirkah pridelka.**

Če **atribut** izbran za umerjanje ali čiščenje, večinoma vsebuje **ničelne vrednosti v večini geometrij**, bodo te geometrije izključene iz končne podatkovne zbirke pridelka.

Za zagotovitev celovitosti je treba atribute s takšnimi nepravilnostmi izključiti s seznama atributov za čiščenje (2).
{% endhint %}

{% hint style="warning" %}
**Potek Umeri: namig za nenormalne vrednosti, ki se včasih pojavljajo v podatkovnih zbirkah pridelka.**

Če **atribut** izbran za umerjanje ali čiščenje, večinoma **vsebuje** **ničelne vrednosti v večini geometrij**, bodo te geometrije izključene iz končne podatkovne zbirke pridelka.

Za zagotovitev celovitosti je treba atribute s takšnimi nepravilnostmi izključiti s seznama atributov za umerjanje (3).
{% endhint %}

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

## Različice algoritma

Po obdelavi so rezultati prikazani ob izvirni podatkovni zbirki. Označeni so z oznakami **"Umeri"** in/ali **"Očisti"** ter različico algoritma.

<figure><img src="https://29491374-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>Rezultat izvajanja postopka Umeri in očisti (različica 2)</p></figcaption></figure>

{% hint style="info" %}
Od `version 3.0` naprej GeoPard v algoritem Očisti/Umeri vključuje funkcijo obrezovanja po meji polja. Ta ohrani samo geometrije znotraj meje polja in izboljša statistično porazdelitev.
{% endhint %}

<figure><img src="https://29491374-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>Rezultat izvajanja samodejne obdelave (različica 3.0)</p></figcaption></figure>

{% hint style="info" %}
Od `version 4.0`naprej algoritem Očisti/Umeri v GeoPard vključuje funkcijo za umerjanje na podlagi povprečnih ali skupnih vrednosti katerega koli atributa. Pogosta uporaba te izboljšave je umerjanje mase mokrega pridelka (WetMass), ki jo je zdaj mogoče prilagoditi glede na znani izmerjeni povprečni pridelek na določenem polju.
{% endhint %}

<figure><img src="https://29491374-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>Rezultat umerjanja z uporabo povprečnega pridelka 6 t/ha (različica 4.0)</p></figcaption></figure>

{% hint style="info" %}
Od `version 5.0` naprej GeoPard v algoritem Očisti/Umeri vključuje protokol USDA (Ministrstvo za kmetijstvo Združenih držav Amerike) za čiščenje podatkov o pridelku. USDA določa uradne agronomske standarde za podatke, ki urejajo normalizacijo, validacijo in statistično filtriranje meritev pridelka, vlage, pretoka in prostorskih podatkov, da nastanejo kmetijske podatkovne zbirke, dosledne za stroje in polja.
{% endhint %}

<figure><img src="https://29491374-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>Rezultat čiščenja s protokolom USDA (različica 5.0)</p></figcaption></figure>

{% hint style="success" %}
Očistite datoteke s podatki o pridelku iz pretekle sezone: [Začnite brezplačno](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/svn/agronomija/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.
