> 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/dokumentacija-api/geopard-api-requests-overview/84.-mutation-calibrate-and-clean-yielddataset.md).

# 84. Mutacija: umeri in očisti YieldDataset

API klici za čiščenje in umerjanje podatkovnih nizov pridelka

Umerjanje »YieldDataset« je funkcija, ki porazdelitev vrednosti prilagodi matematičnim načelom in tako izboljša celovitost podatkov. Poveča kakovost odločanja in zagotovi, da je nabor podatkov uporaben za nadaljnje poglobljene analize.

Pogosti primeri uporabe te funkcije so:

* Usklajevanje podatkov, kadar je na polju hkrati ali več dni delovalo več kombajnov, s čimer zagotovimo doslednost.
* Glajenje nihanj za bolj homogen in natančen nabor podatkov.
* Odstranjevanje šuma v podatkih in odvečnih informacij, ki lahko zakrijejo pomembne ugotovitve.
* Odstranjevanje obračanj ali neobičajnih geometrij, ki lahko popačijo dejanske vzorce in trende na polju.
* Prilagajanje podatkov o pridelku tako, da ustrezajo uveljavljenim povprečjem ali skupnim vrednostim za posamezno lastnost.

Za podrobnejši pregled in primere si oglejte naš primer uporabe [Umerjanje in čiščenje podatkov o pridelku](https://docs.geopard.tech/geopard-tutorials/svn/agronomija/yield-and-trials/yield-calibration-and-cleaning.md) .

### Izvirni YieldDataset z atributom WetMass

Na spodaj prikazanem 30-ha polju je vzporedno delovalo pet kombajnov. Umerjanje enega od kombajnov ni bilo usklajeno z umerjanjem drugih, zato so se pojavile <mark style="color:oranžno;">oranžne</mark> pike, ki kažejo, da je potrebno dodatno `CALIBRATION` . Poleg tega je veliko rdečih pik, ki označujejo obračanja <mark style="color:rdeče;">rdeče</mark> pike bližje robovom »polja«, ki jih je treba odstraniti.

<figure><img src="https://29491374-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Fj40y3lH0F0ZfJNH2WhTf%2Fimage.png?alt=media&amp;token=6bf7baaa-3cda-4863-98e1-e0a92ff2b765" alt=""><figcaption><p>Izvirni YieldDataset z atributom WetMass</p></figcaption></figure>

### Umerjen in očiščen YieldDataset z atributom WetMass

Spodaj je prikazan nabor podatkov po uporabi samodejnih operacij `CALIBRATE` in `CLEAN` s privzetimi parametri. Nastali »YieldDataset« je homogen, brez osamelcev ali nenadnih sprememb med sosednjimi geometrijami.

<figure><img src="https://29491374-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Fu3zjlXg03WoWrjOOT9v7%2Fimage.png?alt=media&amp;token=d298f632-b0fe-462f-a395-64a64c02ea55" alt=""><figcaption><p>Umerjen in očiščen YieldDataset z atributom WetMass</p></figcaption></figure>

### Možnosti »Pathwise«, »Average/Total« in »Conditional«

**Umerjanje po poteh** ustreza potem stroja. Vsaka pot stroja se za namene umerjanja obravnava kot samostojno območje. Ekipa GeoPard priporoča, da to metodo uporabite kot standardni pristop.

**Umerjanje glede na povprečje/skupno vrednost** se osredotoča na prerazporejanje vrednosti atributov. Ta metoda je koristna, če so prostorski vzorci pravilni, absolutne vrednosti pa odstopajo od dejanskih. Za najboljše rezultate GeoPard priporoča, da jo združite z umerjanjem po poteh: najprej uporabite umerjanje po poteh, nato pa vrednosti prilagodite znanim povprečnim ali skupnim vrednostim.

**Pogojno umerjanje** prilagodi vrednosti atributov na podlagi podanih spodnjih in zgornjih mej. Ta metoda je še posebej uporabna, kadar so prostorski vzorci natančni, vendar je treba prilagoditi porazdelitev vrednosti, zlasti če so znane spodnje in zgornje vrednosti. Za najboljše rezultate GeoPard priporoča, da jo združite z umerjanjem po poteh: najprej uporabite umerjanje po poteh, nato pa vrednosti prilagodite tako, da ustrezajo znanim spodnjim in zgornjim mejam.

### Namigi

{% hint style="warning" %}
**Namig za nepravilnosti v podatkih**

Če uporabnik v podatkih opazi nepravilnosti, kot so vrednosti blizu nič ali enake nič oziroma neobičajno velike vrednosti (na primer povprečje 10 in največja vrednost 8000), priporočamo potek dela **Čiščenje in umerjanje** s parametri `actions: [CLEAN, CALIBRATE]`.

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

{% hint style="warning" %}
**Namig za podatke brez začetnih napak**

Če nabor podatkov sprva ne vsebuje napak, manjkajočih vrednosti ali neskladnosti, hkrati pa vemo, da je sodelovalo več kombajnov, razmislite o poteku dela **Umerjanje in čiščenje** s parametri `actions: [CALIBRATE, CLEAN]`.

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

### Dokumentacija: podrobnosti mutacije

Privzeta standardna konfiguracija omogoča samodejno umerjanje in čiščenje »YieldDataset«.

{% code overflow="wrap" lineNumbers="true" %}

```graphql
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
  }
}
```

{% endcode %}

Naprednejši primer omogoča ročni nadzor nad najmanjšimi in največjimi razponi ter vključuje dodatne atribute.

{% code overflow="wrap" lineNumbers="true" %}

```graphql
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
  }
}
```

{% endcode %}

{% hint style="info" %}
Če želite pri operaciji `CLEAN` upoštevati protokol USDA, morate navesti VSE stolpce v `cleanAction` -> `conditionMinMaxClean` ali del stolpcev navesti v `cleanAction` -> `conditionMinMaxClean` in preostale v `condtionAutoClean` -> `excludedAttributes`.
{% endhint %}

Vhodni parametri:

* `actions` kot polje, ki omogoča izbiro *popravnih dejanj in njihovega vrstnega reda* izvedbe; podprte vrednosti vključujejo `CLEAN` in `CALIBRATE`.
* `calibrateAction` kot objekt, ki vsebuje podrobnosti konfiguracije, povezane z operacijo `CALIBRATE` .
  * `calibrationAttributes` kot polje atributov, ki zahtevajo kalibracijo in so običajno povezani s stolpcem Yield.
  * `smoothWindowSize` kot liho celo število, ki zgladi vrednosti rezultatov in zmanjša nenadne skoke vrednosti.
  * `conditionPathwiseCalibration` kot objekt z **kalibracijo po voznih poteh** ki ustreza potem stroja. Vsaka pot stroja se za potrebe kalibracije obdela kot ločeno območje.
    * `calibrationBasis` kot niz, ki predstavlja atribut, uporabljen kot osnova za kalibracijo.
    * `maxHomogeneityRegion` kot logična vrednost, ki določa, ali se največje homogeno območje uporabi kot referenčno območje za kalibracijo.
    * `syntheticMachinePath` kot logična vrednost, ki določa, ali se simulirajo poti stroja. To je uporabno, kadar natančen atribut poti stroja ni na voljo in ga je treba simulirati na podlagi časovnih žigov ali podobnega atributa.
  * `conditionAvgTotalCalibration` kot objekt s kalibracijo **povprečja/skupne vrednosti** ki se osredotoča na prerazporejanje vrednosti atributov. Ta metoda je uporabna, kadar so geografski vzorci natančni, absolutne vrednosti pa odstopajo od dejanskih.
    * `calibrationAttribute` kot niz, ki predstavlja atribut, ki ga je treba kalibrirati.
    * `average` kot število, ki predstavlja povprečno vrednost atributa; vrednosti atributa naj se ujemajo s tem povprečjem. Uporabite samo eno možnost, bodisi `average` ali `total`.
    * `total` kot število, ki predstavlja skupno vsoto vrednosti atributa; vsota teh vrednosti se mora ujemati s to skupno vrednostjo. Uporabite samo eno možnost, bodisi `average` ali `total`.
  * `conditionMinMaxCalibration` kot objekt s kalibracijo **po pogojih** ki prilagodi vrednosti atributov glede na podane spodnje in zgornje mejne vrednosti.
    * `calibrationAttribute` kot niz, ki predstavlja atribut, ki ga je treba kalibrirati.
    * `min` kot število, ki predstavlja najnižje vrednosti atributa in določa spodnjo mejo kalibracije.
    * `minIncluded` kot logična vrednost, ki določa, ali naj se vključi najnižja vrednost.
    * `max` kot število, ki predstavlja najvišje vrednosti atributa in določa zgornjo mejo kalibracije.
    * `maxIncluded` kot logična vrednost, ki določa, ali naj se vključi najvišja vrednost.
* `cleanAction` kot objekt, ki vključuje podrobnosti konfiguracije za operacijo `CLEAN` .
  * `conditionAutoClean` kot objekt, ki vključuje konfiguracije, značilne za algoritem samodejnega čiščenja.
    * `targetAttribute` kot niz, ki predstavlja ciljne vrednosti pridelka.
    * `excludedAttributes` kot niz nizov, ki določajo atribute, ki ne vplivajo na postopek čiščenja.
  * `conditionMinMaxClean` kot niz objektov, ki vsebujejo opisana pravila čiščenja; vsak objekt vključuje naslednje parametre.
    * cleanAttribute kot niz, ki določa ime stolpca za pravilo.
    * `min` kot število, ki označuje najmanjšo vrednost.
    * `max` kot število, ki označuje največjo vrednost.

{% hint style="info" %}
Za ogled vhodnih podatkov in dostop do najnovejših razpoložljivih vrednosti naštevanj (kot je `operations`) priporočamo uporabo [Altair](https://docs.geopard.tech/geopard-tutorials/svn/dokumentacija-api/getting-started-with-the-geopard-api.md).
{% endhint %}

### Dokumentacija Altair: poizvedba YieldDataset

Kot uporabnik GeoPard API-ja lahko pridobite podrobnosti o popravkih, uporabljenih za YieldDatasets, prek atributov `appliedCorrections` in `appliedCorrectionsVersion`. Prvi atribut vsebuje seznam izvedenih popravkov (npr. `CALIBRATE` in `CLEAN`), pri čemer vrstni red izvajanja označuje njihov položaj v polju. Drugi atribut `appliedCorrectionsVersion` označuje različico uporabljenega algoritma.

{% code overflow="wrap" lineNumbers="true" %}

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

{% endcode %}


---

# 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/dokumentacija-api/geopard-api-requests-overview/84.-mutation-calibrate-and-clean-yielddataset.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.
