84. Mutation: Kalibrera och rensa skörde-dataset

API-anrop för att rensa och kalibrera skörde-dataset

Kalibrering av "YieldDataset" är en funktion som korrigerar värdefördelningen i enlighet med matematiska principer och förbättrar datans övergripande integritet. Den stärker beslutsfattandets kvalitet och gör datasettet användbart för vidare fördjupad analys.

Vanliga användningsfall för denna funktionalitet inkluderar:

• Synkronisering av data när flera skördetröskor har arbetat samtidigt eller över flera dagar, för att säkerställa konsekvens.

• Gör datasettet mer homogent och exakt genom att jämna ut variationer.

• Tar bort databrus och överflödig information som kan dölja insikter.

• Eliminerar vändningar eller onormala geometriska former som kan förvränga verkliga mönster och trender på fältet.

• Justera skördeuppgifter så att de motsvarar etablerade medelvärden eller totalsummor för varje attribut.

För en mer detaljerad genomgång och exempel, vänligen se vår Yield Calibration & Cleaning användningsfall.

Originalt YieldDataset med attributet WetMass

Fem skördetröskor arbetade parallellt på det 30 ha stora fältet som visas nedan. Kalibreringen av en av tröskorna var inte synkroniserad med de andra, vilket resulterade i orange fläckar, vilket indikerar att ytterligare KALIBRERING krävs. Dessutom finns det många vändnings- röda fläckar närmare "Field"-kanterna som behöver elimineras.

Originalt YieldDataset med attributet WetMass

Kalibrerat och rensat YieldDataset med attributet WetMass

Resultatet nedan visar datasettet efter att automatiska KALIBRERA och RENSA operationer har tillämpats med standardparametrar. Det resulterande "YieldDataset" har blivit homogent, utan avvikare eller plötsliga förändringar mellan intilliggande geometrier.

Kalibrerat och rensat YieldDataset med attributet WetMass

Alternativ: Pathwise vs Average/Total vs Conditional

Pathwise-kalibrering motsvarar maskinens körspår. Varje maskinspår behandlas som en separat region för kalibreringsändamål. GeoPard-teamet föreslår att använda denna metod som standard.

Average/Total-kalibrering fokuserar på att omfördela attributvärden. Om de geospatiala mönstren är korrekta men de absoluta siffrorna avviker från verkligheten, är denna metod fördelaktig. För bästa resultat rekommenderar GeoPard att kombinera den med Pathwise-kalibrering: tillämpa först Pathwise och justera sedan till kända Average/Total-värden.

Conditional-kalibrering justerar attributvärden baserat på angivna min- och maxtrösklar. Denna metod är särskilt värdefull när de geospatiala mönstren är precisa men värdefördelningen behöver justeras, särskilt när kända min- och maxvärden finns. För bästa resultat rekommenderar GeoPard att kombinera den med Pathwise-kalibrering: börja med Pathwise och följ sedan upp med justeringar för att anpassa till de kända min- och maxvärdena.

Tips

Tips för dataavvikelser

Om en användare stöter på avvikelser i datan, som värden vid eller nära noll, eller ovanligt stora värden (till exempel ett medelvärde på 10 med en maximal värde på 8000), rekommenderas Clean & Calibration arbetsflödet. Det konfigureras med parametrar åtgärder: [CLEAN, CALIBRATE].

Att prioritera datarensning innan kalibrering säkerställer att fel, saknade värden eller inkonsekvenser tas bort, vilket förbättrar datakvalitet och noggrannhet.

Tips för data utan initiala fel

För dataset som initialt är fria från fel, saknade värden eller inkonsekvenser, och när flera skördetröskor är kända att ha varit involverade, överväg Calibration & Clean arbetsflödet. Det konfigureras med parametrar åtgärder: [CALIBRATE, CLEAN].

Att rensa datan efter kalibrering hjälper till att ytterligare förfina datasettet genom att potentiellt eliminera artefakter som introducerats under kalibreringen.

Dokumentation: Mutationdetaljer

Standardkonfigurationen aktiverar automatisk kalibrering och rensning av "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"
        }
      }
      
      åtgärder:  [CALIBRATE, CLEAN]
    }
  }) {
    uuid
    fieldUuid
    originalUuid
    statusCode
    statusMessage
  }
}

Ett mer avancerat exempel ger manuell kontroll över min/max-intervall och inkluderar ytterligare attribut.

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
        }]
      }
      åtgärder:  [CALIBRATE, CLEAN]
    }
  }) {
    uuid
    fieldUuid
    originalUuid
    statusCode
    statusMessage
  }
}

För att följa USDA-protokollet för RENSA operationen måste du antingen nämna ALLA kolumner i cleanAction -> conditionMinMaxClean eller specificera en del av dem i cleanAction -> conditionMinMaxClean och de återstående i condtionAutoClean -> excludedAttributes.

Inmatningsparametrar:

• åtgärder som en array, vilket låter dig välja de korrigerande åtgärderna och deras ordningsföljd för tillämpning; stödda värden inkluderar RENSA och KALIBRERA.

• calibrateAction som ett objekt som innehåller konfigurationsdetaljer relaterade till KALIBRERA operationen.

  • calibrationAttributes som en lista med attribut som kräver kalibrering, vanligtvis kopplade till Yield-kolumnen.

  • smoothWindowSize som ett udda heltal som utjämnar resultatvärdena och minskar plötsliga hopp i värdena.

  • conditionPathwiseCalibration som ett objekt med Pathwise kalibreringen motsvarar maskinens körspår. Varje maskinspår behandlas som en separat region för kalibreringsändamål.

    • calibrationBasis som en sträng som representerar attributet som används som grund för kalibreringen.

    • maxHomogeneityRegion som en boolean som anger om maximal homogenitetsregion används som referensregion för kalibrering.

    • syntheticMachinePath som en boolean som indikerar simulering av maskinrutter; det är fördelaktigt när exakt maskinspårs-attribut saknas och behöver simuleras baserat på tidsstämplar eller liknande attribut.

  • conditionAvgTotalCalibration som ett objekt med Average/Total kalibrering fokuserar på att omfördela attributvärden. Om de geospatiala mönstren är korrekta men de absoluta siffrorna avviker från verkligheten är denna metod fördelaktig.

    • calibrationAttribute som en sträng som representerar attributet som ska kalibreras.

    • average som ett nummer som representerar attributets medelvärden; attributvärdena bör överensstämma med detta medelvärde. Endast ett alternativ, antingen average eller total, bör användas åt gången.

    • total som ett nummer som representerar den totala summan av attributvärdena; summan av dessa värden bör matcha totalen. Endast ett alternativ, antingen average eller total, bör användas åt gången.

  • conditionMinMaxCalibration som ett objekt med Conditional kalibrering justerar attributvärden baserat på angivna min- och maxtrösklar.

    • calibrationAttribute som en sträng som representerar attributet som ska kalibreras.

    • min som ett nummer som representerar attributets minimivärde och fungerar som det lägsta intervallet för kalibrering.

    • minIncluded som en boolean som indikerar om minimivärdet ska inkluderas eller inte

    • max som ett nummer som representerar attributets maximivärde och fungerar som det högsta intervallet för kalibrering.

    • maxIncluded som en boolean som indikerar om maximivärdet ska inkluderas eller inte.

• cleanAction som ett objekt som inkluderar konfigurationsspecifika detaljer knutna till RENSA operationen.

  • conditionAutoClean som ett objekt som innehåller konfigurationerna specifika för auto-clean-algoritmen.

    • targetAttribute som en sträng som representerar målade Yield-värden.

    • excludedAttributes som en lista med strängar som definierar attribut som inte påverkar rensningsoperationen.

  • conditionMinMaxClean som en lista med objekt som innehåller de beskrivna rensningsreglerna; varje objekt inkluderar följande parametrar.

    • cleanAttribute som en sträng som anger kolumnnamnet för regeln.

    • min som ett nummer som anger minimivärdet.

    • max som ett nummer som anger maximivärdet.

För att visa inmatningarna och få tillgång till de senaste tillgängliga värdena för uppräkningar (såsom operationer), rekommenderas det att använda Altair.

Dokumentation: YieldDataset-fråga

Som en GeoPard API-konsument kan du hämta detaljer om de korrigeringar som tillämpats på YieldDatasets genom attributen appliedCorrections och appliedCorrectionsVersion. Det förstnämnda ger en lista över gjorda korrigeringar (t.ex., KALIBRERA och RENSA), där utförandeordningen anges av deras sekvens i arrayen. Samtidigt appliedCorrectionsVersion anger versionen av den använda algoritmen.

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