Verim Kalibrasyonu ve Temizleme
GeoPard’da verim monitörü verisinin nasıl temizleneceği ve kalibre edileceği. USDA verim temizleme protokolünü içerir. Aykırı değerleri, çizgilenmeyi, dönüş alanlarını ve çoklu biçerdöver veri kümelerini düzeltin.
GeoPard'ı kullanın verim verilerini temizleyin ve verim izleyici (yield monitor) veri setlerini kalibre edin. Bölgeler, reçeteler ve analizler için güvenilir bir verim haritası elde edin. Bu iş akışı aykırı değerler, geri dönüşler, eksik öznitelikler ve çoklu biçerdöver verilerini işler. Ayrıca USDA verim temizleme protokolünü destekler Yield Editor alternatif iş akışlarını.
Bu kalibrasyon süreci şunlarda etkilidir:
Veri Tutarlılığını Sağlama: Birden fazla biçerdöverin birlikte veya farklı günlerde çalışması yaygındır. Bu özellik onların verilerinin uyumlu olmasını sağlar.
Veriyi Homojenleştirme: Verim verileri değişken olabilir; kalibrasyon istenmeyen dalgalanmalar veya düşüşler olmadan veriyi düzgün ve tutarlı hale getirir.
Gürültüyü Filtreleme: Her veride olduğu gibi verim verilerinin de 'gürültü' veya alakasız bilgiler içerebilir. Bu durumların içgörülerinizi kirletmemesini sağlıyoruz.
Geometriyi Düzenleme: Herhangi bir geri dönüş veya tuhaf geometrik veri deseni gerçek içgörüleri çarpıtabilir. Kalibrasyon bunları düzeltmek üzere tasarlanmıştır, böylece veriler sahadaki gerçekliği doğru yansıtır.
Arazi Sınırına Göre Kırpma: Biçerdöverler sıklıkla bitişik alanlarda çalışır. Doğru analiz sonuçları için yalnızca belirtilen sınır içinde yer alan verileri dikkate almak esastır.
Hızlı Genel Bakış
Gerçek Dünya Örnekleri
Tarım alanında bozulmuş verim veri setleri önemli zorluklar oluşturabilir. Aşağıda bu tür veri setleriyle karşılaşılan gerçek dünya örneklerini bulabilirsiniz. GeoPard'ın gelişmiş kalibrasyon ve temizleme algoritmaları sayesinde bu veri setleri etkili biçimde iyileştirilmiş ve optimize edilmiştir.
Birden Fazla Biçerdöverin Birlikte Çalışması
J-dönüşleri, Durmalar, Ekipman Yarısı Genişliği Kullanımı
Normalin Üzerinde Kayıtlı Büyük Değerler
Arazi Sınırının Dışındaki Veriler
Sağlanan Ortalama Verim Değerini Kullanarak Kalibrasyon
Anomalileri Olan Öznitelikleri Gözardı Ederek Verimi Temizleme
Verim Veri Seti bazen Nem, Hız, Yükselti veya diğer ikincil (verim dışı) özniteliklerde düzensizlikler içerebilir. Temizle veya Kalibre et işlemleri yürütülürken bu anomalilerin gözardı edilmesi önemlidir. Bu, GeoPard Verim Temizle-Kalibre arayüzü kullanılarak etkin bir şekilde yapılabilir.
USDA Verim Temizleme Protokolü
Bu seçeneği kullanın khi ihtiyaç duyduğunuzda tekrarlanabilir, standartlara dayalı bir verim düzenleyici (yield editor) iş akışı. Bu, ölçekli verim izleyici verisi temizleme için optimize edilmiştir.
Kalibrasyon Mantıklarının Açıklaması
Yol Bazlı Kalibrasyon
KULLANIN Yol Bazlı Kalibrasyon bir arazi birden fazla makine tarafından veya birkaç gün boyunca hasat edildiyse, özellikle çizgilenme veya bantlaşma gibi sistematik farklılıkları düzeltmek için. Farklı makina ayarları, operatörler veya çevresel koşulların farklı yollar boyunca tutarlı bir şekilde fazla ya da eksik tahminlere yol açtığı senaryolar için idealdir.
Önemli olarak, yapay zekanın etkili öğrenip kalibre edebilmesi için farklı yollar, makine kimlikleri veya hasat tarihleri gibi varyasyona ihtiyacı vardır.
KULLANMAYIN bu yöntemi tek makineyle tek seferlik bir hasat veya verim haritasında görünür mekansal desenler yoksa. Ayrıca veri seyrekse veya yalnızca makine düzeyindeki farklar olmadan tüm araziye ait toplam verim değerlerine sahipseniz kullanmaktan kaçının
Ortalama veya Toplam Kalibrasyon
Ortalama/Toplam Kalibrasyon EN İYİ ŞEKİLDE KULLANILIR şu durumlarda tüm arazi düzeyindeki verim verilerine (ör. kantar kayıtları veya depo kayıtları) yüksek derecede güveniniz varsa. Bireysel yolları ayarlamak yerine bu yöntem tüm veri setini ölçeklendirir, böylece nihai ortalama veya toplam bilinen referans değerinize uyar. Genel sayıların güvenilir olduğu durumlarda genellikle en basit ve en güvenli kalibrasyon seçeneği olarak tanımlanır.
Ne Zaman Ortalama/Toplam Kalibrasyonu KULLANIN:
Bilinen Referans Değerleri: Resmi toplam verim kayıtlarınız (ör. kantar kayıtları) veya arazi için çok güvenilir bir ortalama verim değeriniz varsa bu mantığı kullanmalısınız.
Küresel Önyargı Düzeltmesi: Verim haritasındaki mekansal dağılım doğru görünüyorsa ancak değerler genel olarak kaymışsa — yani verim izleyicisi muhtemelen kalibre edilmemiş ve tüm arazi boyunca tutarlı şekilde fazla veya az değer raporluyorsa — bu yöntem idealdir.
Tutarlı Hasat Koşulları: Bu yöntem, hasat koşullarının operasyon boyunca göreli olarak tutarlı olduğu durumlarda en etkilidir.
Tek Makine Tutarlılığı: Alanı tutarlı performans gösteren tek bir makinenin hasat ettiği durumlarda iyi çalışır.
Ne Zaman Ortalama/Toplam Kalibrasyonu KULLANMAYIN:
Makineden Makineye Önyargı: Eğer alanın farklı bölümleri farklı makineler tarafından veya farklı günlerde hasat edilip yerel önyargılara neden olduysa bu yöntemi kullanmayın. Bu durumlarda tüm araziyi ölçeklendirmek makineler arasındaki temel tutarsızlıkları düzeltmez.
Görünür Artefaktlar: Verilerinizde güçlü çizgilenme, bantlaşma veya yönsel artefaktlar görüyorsanız bu yöntem bunları çözmez; bu sorunlar için yol bazlı (pathwise) kalibrasyon daha uygundur.
Eksik Veri: Sadece bir kısmı hasat edilmiş veya kaydedilen veri eksikse bu mantığı kullanmaktan kaçının; çünkü toplam/ortalama değerler yanıltıcı olur.
Koşullu Kalibrasyon
Koşullu Kalibrasyon olarak hizmet eder önceden tanımlanmış makul minimum ve maksimum aralıklar içinde verim değerlerinin kalmasını sağlayarak bir güvenlik kontrolü.
Siz BU MANTIĞI KULLANMALISINIZ aşırı aykırı değerleri ve gürültü, makine durmaları veya dönüşlerden kaynaklanan sensör sıçramalarınıkaldırmak için. Bu, düzeltme yapmadan belirli tarımsal beklentileri uygulamak için idealdir — örneğin "verim X'i aşamaz" gibi.
Ancak, BU YÖNTEMDEN KAÇININ eğer veri setinizde küresel bir önyargı veya sistematik makine farklılıkları varsa; çünkü bu yöntem veriyi ölçeklendirmez veya mekansal desenleri düzeltmez. Esasında değerleri makul tutar ama temel kalibrasyon sapmalarını çözmez.
Kullanım Stratejisi
İlk Adım
"Yield Calibrate and Clean" modülü Kullanıcı Arayüzünden doğrudan başlatılır. Birincil gereksinim yüklenmiş bir Verim Veri Setine sahip olmaktır. Her Verim Veri Setinin yanında veri seti ayarlamalarını başlatmak için bir düğme bulacaksınız.
Bundan sonra ilerlemek için birkaç seçenek mevcuttur:
Otomatik İşleme: Tek tıklamayla kalibrasyon için varsayılan, GeoPard tarafından önerilen ayarları kullanın.
Sadece Temizle: YALNIZCA TEMİZLE işlemini yapılandırın ve çalıştırın, dahil olmak üzere
GeoPard Temizleme: AI algoritmaları ile Verim veri setinin Akıllı Temizliği.
Kanola Konseyi Kanada (Amerika Birleşik Devletleri Tarım Bakanlığı) verim için Temizleme Protokolü.
Koşullu Temizleme: Özel öznitelik eşiklerine göre veriyi filtreleyin.
Sadece Kalibre Et: YALNIZCA KALİBRE ET işlemini yapılandırın ve çalıştırın, dahil olmak üzere
Pathwise: Her bir makine yolunu AI algoritmaları kullanarak kalibre edin.
Ortalama/Toplam: Alanın bilinen ortalama veya toplam verimine göre verimi ayarlayın.
Koşullu: Beklenen aralıkları korumak için verimi belirlenen minimum ve maksimum sınırlar içinde değiştirin.
Kalibre Et & Temizle: İşlem sırasını seçin ve parametreleri özelleştirin.
Yield Editor Alternatifi: Kullanın Sadece Temizle → USDA (veya Kalibre Et & Temizle) manuel “Yield Editor” temizleme iş akışına uygun hale getirmek için, ancak ölçekli olarak. Doğrulama testlerinde USDA protokolü temizleme, manuel Yield Editor sonuçlarıyla R² (R2) = 0.98 (neredeyse özdeş çıktı) ile eşleşti.
Tek Butonla Çözüm
Verim veri setlerine bazen özgü anormal değerler için ipucu.
Eğer bir attribute kalibrasyon veya temizleme için seçilen veri seti ağırlıklı olarak çoğu geometrilerde sıfır değerler içeriyorsa, bu geometriler nihai Verim Veri Setinden hariç tutulacaktır.
Bütünlüğü sağlamak için, bu tür anomalilere sahip öznitelikler kalibre edilecek öznitelik listesinden çıkarılmalıdır.
Tam Rehberlik
Akış Seçin: Veri Anomalileri İçin İpucu
Kullanıcı veride sıfıra yakın değerler veya olağandışı büyük değerler (örneğin ortalama 10 iken maksimum 8000 gibi) gibi anomalilerle karşılaşıyorsa, Temizleme & Kalibrasyon iş akışı tavsiye edilir.
Kalibrasyondan önce verinin temizlenmesine öncelik vermek, hataların, eksik değerlerin veya tutarsızlıkların giderilmesini sağlar ve böylece veri kalitesi ile doğruluğunu artırır.
Akış Seçin: Başlangıçta Hata Olmayan Veriler İçin İpucu
Başlangıçta hatasız, eksik değersiz veya tutarlı veri kümeleri için ve birden fazla hasat makinesinin yer aldığı biliniyorsa, Kalibrasyon & Temizleme iş akışı.
Kalibrasyondan sonra veriyi temizlemek, kalibrasyon sırasında ortaya çıkmış olabilecek artefaktları ortadan kaldırarak veri kümesini daha da iyileştirmeye yardımcı olur.
Temizleme Akışı: Verim veri setlerine bazen özgü anormal değerler için ipucu.
Eğer bir attribute kalibrasyon veya temizleme için seçilen veri seti ağırlıklı olarak çoğu geometrilerde sıfır değerler içeriyorsa, bu geometriler nihai Verim Veri Setinden hariç tutulacaktır.
Bütünlüğü sağlamak için, bu tür anomalilere sahip öznitelikler temizlenecek öznitelik listesinden çıkarılmalıdır (2).
Kalibrasyon Akışı: Verim veri setlerine bazen özgü anormal değerler için ipucu.
Eğer bir attribute kalibrasyon veya temizleme için seçilen veri seti ağırlıklı olarak çoğu geometrilerde sıfır değerler içeriyorsa, bu geometriler nihai Verim Veri Setinden hariç tutulacaktır.
Bütünlüğü sağlamak için, bu tür anomalilere sahip öznitelikler kalibre edilecek öznitelik listesinden çıkarılmalıdır (3).
Algoritma Sürümleri
İşlem sonrası sonuçlar orijinal veri setinin yanında gösterilir. Bunlar "Kalibre" ve/veya "Temizle" etiketleri ve ayrıca algoritma sürümü ile işaretlenir.
Son güncelleme
Bu yararlı oldu mu?