> 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/tr/ziraat/yield-and-trials/yield-calibration-and-cleaning.md).

# Verim verilerini temizleme ve kalibre etme: verim haritalarındaki hataları giderme

Bölgeler oluşturmadan önce verim monitörü verilerini temizleyin: akış gecikmesi, geçiş başı ve sonu, dönüşler, üst üste binme, hız ve nem aykırı değerleri, birden fazla biçerdöver için kalibrasyon.

Ham verim monitörü verileri; akış gecikmesi, turların başlangıç ve bitişleri, dönüşler, üst üste binen tablalar ve farklı kalibre edilmiş biçerdöverlerden kaynaklanan hatalar içerir. Bölgeler oluşturmadan veya bir denemeyi değerlendirmeden önce verileri temizleyin; aksi hâlde harita tarlayı değil makineyi gösterir. GeoPard, USDA temizleme protokolünü otomatik olarak uygular, filtreleri elle ayarlamanıza ve birden fazla biçerdöveri bilinen tek bir toplam verime veya ortalama verime göre kalibre etmenize olanak tanır.

{% hint style="info" %}
Geopard.tech'teki etkileşimli verim verisi temizleme sayfasını inceleyin: [Verim verilerini temizleme](https://geopard.tech/yield-data/)
{% endhint %}

{% hint style="success" %}
Geçen sezonun verim dosyalarını temizleyin: [Ücretsiz başla](https://app.geopard.tech/auth/sign-up?utm_source=docs\&utm_medium=cta\&utm_campaign=yield-calibration-and-cleaning)
{% endhint %}

GeoPard'ı kullanarak **verim verilerini temizleyin** ve **verim monitörü veri kümelerini kalibre edin**. Bölgeler, uygulama haritaları ve analizler için güvenebileceğiniz bir verim haritası elde edin. Bu iş akışı aykırı değerleri, dönüşleri, eksik öznitelikleri ve birden fazla biçerdöverden gelen verim verilerini işler. İş akışında **USDA verim verisi temizleme protokolü** yer alır ve **Yield Editor alternatifi** iş akışlarını destekler.

{% embed url="<https://youtu.be/Tk5lubolnHQ>" %}
Verim verisi temizleme ve kalibrasyon video eğitimi. Seçenekler arasındaki farklar açıklanıyor.
{% endembed %}

Bu kalibrasyon süreci şu açılardan kritik öneme sahiptir:

1. **Veri Tutarlılığını Sağlama**: Birden fazla biçerdöverin birlikte veya farklı günlerde çalışması sık rastlanan bir durumdur. Bu özellik, verilerinin uyum içinde olmasını sağlar.
2. **Verileri Uyumlu Hâle Getirme**: Verim verileri değişkenlik gösterebilir; kalibrasyon, istenmeyen ani yükselişler veya düşüşler olmadan verilerin düzgün ve tutarlı olmasını sağlar.
3. **Gürültüyü Filtreleme**: Diğer tüm veriler gibi verim verileri de 'gürültü' ya da ilgisiz bilgiler içerebilir. Bunların analizlerinizi bulandırmamasını sağlıyoruz.
4. **Geometrileri Düzenleme**: Dönüşler veya sıra dışı geometrik veri örüntüleri, gerçek durumu yansıtan analizleri çarpıtabilir. Kalibrasyon, bu sorunları gidererek verilerin tarladaki gerçek koşulları doğru biçimde yansıtmasını sağlar.
5. **Tarla Sınırına Göre Kırpma**: Biçerdöverler çoğu zaman bitişik alanlarda çalışır. Analiz sonuçlarının doğru olması için yalnızca belirtilen sınırın içindeki verileri dikkate almak önemlidir.

{% hint style="info" %}
Verim Kalibrasyonu arayüzü, Verimi Temizleme/Kalibre Etme işlemi için GeoPard API uç noktasını kullanır ([GeoPard API: Verim Kümesini Kalibre Etme ve Temizleme](https://docs.geopard.tech/geopard-tutorials/tr/api-dokumanlari/geopard-api-requests-overview/84.-mutation-calibrate-and-clean-yielddataset.md)). Arayüzde veya API üzerinden `CALIBRATE` ve `CLEAN` işlemlerini çalıştırır.
{% endhint %}

## Kısa Genel Bakış

<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://4027984477-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://4027984477-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://4027984477-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://4027984477-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://4027984477-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://4027984477-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/92259f2fcef70c794903b0bc59a6712aa9448a72" %}
Verim Verisi Temizleme PDF Broşürünü İndirin
{% endfile %}

## Gerçek Dünya Örnekleri

Tarımda bozulmuş verim veri kümeleri önemli zorluklara yol açabilir. Aşağıda, bu tür veri kümelerinin karşılaşıldığı gerçek dünya örneklerini bulabilirsiniz. GeoPard'ın gelişmiş kalibrasyon ve temizleme algoritmalarıyla bu veri kümeleri etkili biçimde iyileştirilip optimize edilmiştir.

{% hint style="info" %}
Kaydedilmiş verim verisi bulunmayan alanları ele almak ve Verim Haritasını eksiksiz hâle getirmek için GeoPard Sentetik Verim Haritası yaklaşımını kullanmayı değerlendirin. Bu yöntem, eksiksiz bir verim analizi için eksik verileri tamamlar. Daha fazla bilgi edinin [buradan](https://docs.geopard.tech/geopard-tutorials/tr/ziraat/yield-and-trials/synthetic-yield-map.md).
{% endhint %}

### Birlikte Çalışan Birden Fazla Biçerdöver

<figure><img src="https://4027984477-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>Örnek 1: Birlikte Çalışan Birden Fazla Biçerdöver</p></figcaption></figure>

{% hint style="info" %}
Karmaşık durumlarda en iyi doğruluk için iki aşamalı kalibrasyon süreci önerilir. İlk olarak Makine Kimliği özniteliğini kullanarak ilk kalibrasyonu çalıştırın. Ardından Simüle Edilmiş (Sentetik) Makine İzleri onay kutusunu kullanarak ikinci kalibrasyon turuna geçin. Bu katmanlı yaklaşım, karmaşık durumların etkili biçimde yönetilmesi için gerekli kapsamlı ve hassas kalibrasyonu sağlar.
{% endhint %}

<figure><img src="https://4027984477-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>Örnek 2: Birlikte Çalışan Birden Fazla Biçerdöver</p></figcaption></figure>

<figure><img src="https://4027984477-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>Örnek 3: Birlikte Çalışan Birden Fazla Biçerdöver</p></figcaption></figure>

### J Dönüşleri, Duraklamalar, Ekipman Genişliğinin Yarısının Kullanılması

<figure><img src="https://4027984477-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>Örnek 1: U Dönüşleri, Duraklamalar, Ekipman Genişliğinin Yarısının Kullanılması</p></figcaption></figure>

<figure><img src="https://4027984477-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>Örnek 2: U Dönüşleri, Duraklamalar, Ekipman Genişliğinin Yarısının Kullanılması</p></figcaption></figure>

### Olağan Dışı Büyük Kaydedilmiş Değerler

<figure><img src="https://4027984477-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>Örnek 1: Olağan Dışı Büyük Kaydedilmiş Değerler</p></figcaption></figure>

<figure><img src="https://4027984477-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>Örnek 2: Olağan Dışı Büyük Kaydedilmiş Değerler</p></figcaption></figure>

<figure><img src="https://4027984477-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>Örnek 3: Olağan Dışı Büyük Kaydedilmiş Değerler</p></figcaption></figure>

<figure><img src="https://4027984477-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>4. örnek: Olağandışı derecede yüksek kaydedilmiş değerler</p></figcaption></figure>

<figure><img src="https://4027984477-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>5. örnek: Olağandışı derecede yüksek kaydedilmiş değerler</p></figcaption></figure>

### Tarla sınırlarının dışındaki veriler

<figure><img src="https://4027984477-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>Örnek: Tarla sınırlarının dışındaki veriler</p></figcaption></figure>

### Sağlanan ortalama verim değeri kullanılarak kalibrasyon

<figure><img src="https://4027984477-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>Örnek: Sağlanan ortalama verim değeri kullanılarak kalibrasyon (28 t/ha)</p></figcaption></figure>

### Anomaliler içeren öznitelikleri yok sayarak verim özniteliklerini temizleme

Verim veri kümesinde zaman zaman nem, hız, rakım veya diğer ikincil (verim dışı) özniteliklerde düzensizlikler görülebilir. Temizleme ya da Kalibrasyon etkinlikleri yürütülürken bu anomalileri göz ardı etmek önemlidir. Bu işlem, GeoPard Verim Temizleme-Kalibrasyon arayüzü kullanılarak kolayca yapılabilir.

<figure><img src="https://4027984477-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>Örnek: Nem özniteliğindeki anomaliler</p></figcaption></figure>

<figure><img src="https://4027984477-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>Örnek: Nem anomalilerini yok sayarak verim verilerini temizleme</p></figcaption></figure>

### USDA Verim Temizleme Protokolü

Tekrarlanabilir, standartlara dayalı bir **verim düzenleme iş akışına**ihtiyacınız olduğunda bu seçeneği kullanın. Bu seçenek, **verim monitörü verilerini geniş ölçekte temizlemek** için optimize edilmiştir.

<figure><img src="https://4027984477-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>Örnek: USDA Protokolü uygulanarak verim verilerinin temizlenmesi</p></figcaption></figure>

<figure><img src="https://4027984477-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>Örnek: USDA Protokolü uygulanarak verim verilerinin temizlenmesi</p></figcaption></figure>

## Kalibrasyon yöntemlerinin açıklaması

### Yol Bazında Kalibrasyon

**ŞU DURUMLARDA KULLANIN:** **Yol Bazında Kalibrasyon** bir tarla birden fazla makineyle veya birkaç günde hasat edildiğinde; özellikle şeritlenme gibi sistematik farklılıkları düzeltmek için. <mark style="background-color:green;">Bu yöntem; farklı makine ayarları, operatörler veya çevre koşulları nedeniyle farklı geçişlerde sürekli olarak fazla ya da eksik tahminlerin oluştuğu durumlar için idealdir.</mark> Özellikle, yapay zekânın etkili biçimde öğrenip kalibrasyon yapabilmesi için farklı geçişler, makine kimlikleri veya hasat tarihleri gibi değişkenlikler gerekir.

Önemli bir nokta: <mark style="background-color:yellow;">Yapay zekânın etkili biçimde öğrenip kalibrasyon yapabilmesi için farklı geçişler, makine kimlikleri veya hasat tarihleri gibi değişkenlikler gerekir.</mark>

<figure><img src="https://4027984477-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>Örnek: Islak ağırlık verimi ve 9 biçerdöver</p></figcaption></figure>

**ŞU DURUMLARDA KULLANMAYIN:** Tek makineyle tek ve kesintisiz bir oturumda yapılan hasatlarda veya verim haritasında belirgin mekânsal örüntüler yoksa bu yöntemi kullanmayın. Ayrıca, veriler seyrekse ya da yalnızca makine bazındaki farklılıklar olmadan tarla genelindeki toplam verim değerlerine sahipseniz bu yöntemden kaçının.

<figure><img src="https://4027984477-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>Örnek: İstatistiksel olarak doğru veri dağılımı</p></figcaption></figure>

### Ortalama veya Toplam Değerle Kalibrasyon

**Ortalama/Toplam Değerle Kalibrasyon, ŞU DURUMLARDA EN UYGUN SEÇENEKTİR:** tarla genelindeki verim verilerinize yüksek düzeyde güveniyorsanız; örneğin kantar veya depolama tesisi kayıtlarına dayanıyorsanız. <mark style="background-color:green;">Bu yöntem, münferit geçişleri ayarlamak yerine tüm veri kümesini ölçeklendirerek nihai ortalamanın veya toplamın bilinen referans değerinizle eşleşmesini sağlar. Genel değerlere güvenildiğinde, çoğu zaman en basit ve en güvenli kalibrasyon seçeneği olarak tanımlanır.</mark> Ortalama/Toplam Değerle Kalibrasyon NE ZAMAN KULLANILMALI:

Şu durumlarda **Ortalama/Toplam Değerle Kalibrasyon KULLANIN:**

* **Bilinen referans değerleri**: Resmî toplam verim kayıtlarınız (ör. kantar kayıtları) veya tarla için son derece güvenilir bir ortalama verim değeriniz varsa bu yöntemi kullanın.
* **Genel sapma düzeltmesi**: Verim haritasındaki mekânsal dağılım doğru görünüyorsa ancak değerler genel olarak kaymışsa bu yöntem idealdir. Bu durum, verim monitörünün muhtemelen kalibre edilmediğini ve tarla genelinde sürekli olarak çok yüksek ya da çok düşük değerler bildirdiğini gösterir.
* **Hasat koşullarının tutarlılığı**: Bu yöntem, hasat süresince koşulların görece tutarlı olduğu durumlarda en etkilidir.
* **Tek makineyle tutarlı hasat**: Tarlanın tamamında tutarlı çalışan tek bir makineyle tamamlanan hasatlarda iyi sonuç verir.

<figure><img src="https://4027984477-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>Örnek: Ortalama verim kullanılarak gerekli kaydırma uygulandığında istatistiksel olarak doğru veri dağılımı</p></figcaption></figure>

Şu durumlarda **Ortalama/Toplam Değerle Kalibrasyon KULLANILMAMALI:**

* **Makineler arasındaki sapmalar**: Tarlanın farklı bölümleri farklı makinelerle veya farklı günlerde hasat edilmiş ve bunun sonucunda bölgesel sapmalar oluşmuşsa bu yöntemi kullanmayın. Bu durumlarda tüm tarlayı ölçeklendirmek, makineler arasındaki temel tutarsızlıkları gidermez.
* **Görünür Bozulmalar**: Verilerinizde belirgin çizgilenme, bantlaşma veya yönlü bozulmalar görüyorsanız bu yöntem bunları gidermez; <mark style="background-color:green;">bu sorunlar için yol bazlı kalibrasyon daha uygundur</mark>.
* **Eksik Veri**: Tarlanın yalnızca bir bölümü hasat edildiyse veya kaydedilen veriler eksikse bu mantığı kullanmaktan kaçının; toplam/ortalama değerler yanıltıcı olur.

<figure><img src="https://4027984477-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>Örnek: Boşluklar İçeren Verim Verisi</p></figcaption></figure>

### Koşullu Kalibrasyon

**Koşullu Kalibrasyon** işlevi görür <mark style="background-color:green;">verim değerlerinin önceden belirlenmiş gerçekçi alt ve üst sınırlar içinde kalmasını sağlayan bir güvenlik denetimi olarak</mark>.

Aykırı değerleri ve gürültü, makine duruşları veya dönüşlerden kaynaklanan sensör ani sıçramalarını **KULLANMALISINIZ** bu mantığı<mark style="background-color:green;">ortadan kaldırmak için</mark>. Düzeltme yapmadan, "verim X değerini aşamaz" gibi belirli tarımsal beklentileri uygulamak için idealdir.

<figure><img src="https://4027984477-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>

Ancak, **BU YÖNTEMİ KULLANMAKTAN KAÇININ** veri kümenizde genel bir sapma veya makineler arasında sistematik farklılıklar varsa; bu yöntem verileri ölçeklendirmez ya da mekânsal örüntüleri düzeltmez. Temelde değerleri makul aralıkta tutar ancak kalibrasyondaki temel sapmaları gidermez.

## Kullanım Stratejisi

<figure><img src="https://4027984477-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>Verim Kalibrasyonu Rehberi (Tek Sayfa)</p></figcaption></figure>

{% file src="/files/be2a1fa71bf577b72c669ed4e00894035f8a7f5f" %}
Verim Kalibrasyonu Rehberi'nin tek sayfalık PDF'sini indirin
{% endfile %}

## İlk Adım

"Yield Calibrate and Clean" modülü doğrudan kullanıcı arayüzünden başlatılır. Öncelikle bir verim veri kümesinin yüklenmiş olması gerekir. Her verim veri kümesinin yanında, veri kümesi düzenlemelerini başlatmanızı sağlayan bir düğme bulunur.

<figure><img src="https://4027984477-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>İş akışını başlatın</p></figcaption></figure>

<figure><img src="https://4027984477-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>Devam etmek için bir seçenek belirleyin</p></figcaption></figure>

Buradan devam etmek için çeşitli seçenekler sunulur:

1. **Otomatik İşleme**: Tek tıklamayla kalibrasyon için GeoPard'ın önerdiği varsayılan ayarları kullanın.
2. **Yalnızca Temizle**: Aşağıdakiler de dahil olmak üzere yalnızca CLEAN işlemini yapılandırıp yürütün:
   1. **GeoPard Temizleme**: Verim veri kümesini yapay zekâ algoritmalarıyla akıllı bir şekilde temizler.
   2. **USDA** (Amerika Birleşik Devletleri Tarım Bakanlığı) verim temizleme protokolü.
   3. **Koşullu Temizleme**: Verileri özel nitelik eşiklerine göre filtreleyin.
3. **Yalnızca Kalibre Et**: Aşağıdakiler de dahil olmak üzere yalnızca CALIBRATE işlemini yapılandırıp yürütün:
   1. **Yol Bazlı**: Yapay zekâ algoritmalarıyla her bir makine yolunun verimini ayrı ayrı kalibre eder.
   2. **Ortalama/Toplam**: Verimi, tarlanın bilinen ortalama veya toplam verimine göre ayarlar.
   3. **Koşullu**: Beklenen aralıkları korumak için verimi belirlenen alt ve üst sınırlar içinde düzenler.
4. **Kalibre Et ve Temizle**: İşlem sırasını seçin ve parametreleri özelleştirin.
5. **Yield Editor Alternatifi**: Şunu kullanın: **Clean Only → USDA** (veya **Kalibre Et ve Temizle**) manuel “Yield Editor” temizleme iş akışına benzer sonuçlar verir, ancak bunu büyük ölçekte gerçekleştirir. Doğrulama testlerinde, USDA protokolüyle yapılan temizleme, manuel Yield Editor sonuçlarıyla şu düzeyde eşleşmiştir: **R² (R2) = 0.98** (çıktılar neredeyse aynıdır).

## Tek Düğmeyle Çözüm

{% hint style="warning" %}
**Verim Veri Kümelerinde Doğal Olarak Görülebilen Anormal Değerler İçin İpucu.**

Kalibrasyon veya temizleme için **öznitelik** seçilmişse ve bu öznitelik ağırlıklı olarak **içeriyorsa** **geometrilerin çoğunda sıfır değerler**, söz konusu geometriler nihai Verim Veri Kümesinden çıkarılır.

Veri bütünlüğünü korumak için bu tür anormallikler içeren öznitelikler, kalibre edilecek öznitelikler listesinden çıkarılmalıdır.
{% endhint %}

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

## Kapsamlı Kılavuz

{% hint style="warning" %}
**Akış Seçin: Veri Anormallikleri İçin İpucu**

Kullanıcı verilerde sıfır veya sıfıra yakın değerler ya da olağan dışı yüksek değerler (örneğin ortalaması 10, maksimumu 8000 olan değerler) gibi anormalliklerle karşılaşırsa **Temizle ve Kalibre Et** iş akışının kullanılması önerilir.

Kalibrasyondan önce verileri temizlemek; hataların, eksik değerlerin ve tutarsızlıkların kaldırılmasını sağlayarak veri kalitesini ve doğruluğunu artırır.
{% endhint %}

{% hint style="warning" %}
**Akış Seçin: Başlangıçta Hata İçermeyen Veriler İçin İpucu**

Başlangıçta hata, eksik değer veya tutarsızlık içermeyen veri kümelerinde ve birden fazla biçerdöverin kullanıldığı biliniyorsa **Kalibre Et ve Temizle** iş akışını değerlendirin.

Kalibrasyondan sonra verileri temizlemek, kalibrasyon sırasında ortaya çıkmış olabilecek yapay izleri gidererek veri kümesini daha da iyileştirmeye yardımcı olur.
{% endhint %}

{% hint style="warning" %}
**Temizleme Akışı: Verim Veri Kümelerinde Doğal Olarak Görülebilen Anormal Değerler İçin İpucu.**

Kalibrasyon veya temizleme için **öznitelik** seçilmişse ve bu öznitelik ağırlıklı olarak **geometrilerin çoğunda sıfır değerler içeriyorsa**, söz konusu geometriler nihai Verim Veri Kümesinden çıkarılır.

Veri bütünlüğünü korumak için bu tür anormallikler içeren öznitelikler, temizlenecek öznitelikler listesinden çıkarılmalıdır (2).
{% endhint %}

{% hint style="warning" %}
**Kalibrasyon Akışı: Verim Veri Kümelerinde Doğal Olarak Görülebilen Anormal Değerler İçin İpucu.**

Kalibrasyon veya temizleme için **öznitelik** seçilmişse ve bu öznitelik ağırlıklı olarak **içeriyorsa** **geometrilerin çoğunda sıfır değerler**, söz konusu geometriler nihai Verim Veri Kümesinden çıkarılır.

Veri bütünlüğünü korumak için bu tür anormallikler içeren öznitelikler, kalibre edilecek öznitelikler listesinden çıkarılmalıdır (3).
{% endhint %}

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

## Algoritma Sürümleri

Son işlemenin ardından sonuçlar özgün veri kümesinin yanında gösterilir. Sonuçlar **"Kalibre Et"** ve/veya **"Temizle"** etiketleriyle ve algoritma sürümüyle işaretlenir.

<figure><img src="https://4027984477-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>Kalibre Et ve Temizle işleminin sonucu (sürüm 2)</p></figcaption></figure>

{% hint style="info" %}
İtibaren `version 3.0` Temizleme/Kalibrasyon algoritmasının bu sürümünden itibaren GeoPard, Tarla Sınırına Göre Kırpma özelliğini sunar. Bu özellik yalnızca Tarla Sınırı içindeki geometrileri tutar ve istatistiksel dağılımı iyileştirir.
{% endhint %}

<figure><img src="https://4027984477-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>Otomatik İşleme işleminin sonucu (sürüm 3.0)</p></figcaption></figure>

{% hint style="info" %}
Başlayan `version 4.0`sürümüyle birlikte GeoPard'daki Temizleme/Kalibrasyon algoritmasına artık herhangi bir öznitelikteki Ortalama veya Toplam Değerlere dayalı bir kalibrasyon özelliği eklenmiştir. Bu geliştirme özellikle Yaş Kütlenin kalibrasyonunda kullanışlıdır; artık belirli bir tarlanın bilinen ölçülmüş Ortalama Verim değerine göre ayarlanabilir.
{% endhint %}

<figure><img src="https://4027984477-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>6 t/ha Ortalama Verim kullanılarak yapılan kalibrasyon işleminin sonucu (sürüm 4.0)</p></figcaption></figure>

{% hint style="info" %}
İtibaren `version 5.0` Temizleme/Kalibrasyon algoritmasının bu sürümünden itibaren GeoPard, verim verileri için USDA (Amerika Birleşik Devletleri Tarım Bakanlığı) Temizleme Protokolünü sunar. USDA, makine ve tarla genelinde tutarlı tarımsal veri kümeleri oluşturmak amacıyla verim, nem, akış ve mekânsal ölçümlerin nasıl normalize edileceğini, doğrulanacağını ve istatistiksel olarak filtreleneceğini belirleyen resmi tarımsal veri standartları sağlar.
{% endhint %}

<figure><img src="https://4027984477-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>USDA Protokolü kullanılarak yapılan temizleme işleminin sonucu (sürüm 5.0)</p></figcaption></figure>

{% hint style="success" %}
Geçen sezonun verim dosyalarını temizleyin: [Ücretsiz başla](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/tr/ziraat/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.
