CA3033339C - Detection automatique de valeurs aberrantes dans des donnees recoltees - Google Patents

Detection automatique de valeurs aberrantes dans des donnees recoltees

Info

Publication number
CA3033339C
CA3033339C CA3033339A CA3033339A CA3033339C CA 3033339 C CA3033339 C CA 3033339C CA 3033339 A CA3033339 A CA 3033339A CA 3033339 A CA3033339 A CA 3033339A CA 3033339 C CA3033339 C CA 3033339C
Authority
CA
Canada
Prior art keywords
data
observations
outlier
yield
observation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CA3033339A
Other languages
English (en)
Other versions
CA3033339A1 (fr
Inventor
Yiqun Li
Jeffrey Gerard
Original Assignee
Climate LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from US15/234,920 external-priority patent/US10238028B2/en
Application filed by Climate LLC filed Critical Climate LLC
Publication of CA3033339A1 publication Critical patent/CA3033339A1/fr
Application granted granted Critical
Publication of CA3033339C publication Critical patent/CA3033339C/fr
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

Dans un mode de réalisation, la présente invention concerne un procédé comprenant la détermination, dans des données de rendement reçues, d'un ou plusieurs passages, chaque passage incluant une pluralité d'observations. Pour chaque passage parmi le ou les passages, une ou plusieurs dérivées distinctes sont déterminées, et sur la base de la ou des dérivées distinctes, des premières données aberrantes sont générées. Des premières données filtrées sont générées en retirant les premières données aberrantes des données de rendement. De plus, pour chaque observation dans les données de rendement, une pluralité d'observations voisines les plus proches est déterminée et utilisée pour déterminer une pluralité de différences absolues dans la valeur de rendement. Sur la base de la pluralité de différences absolues, des secondes données aberrantes sont déterminées. Des secondes données filtrées sont générées en retirant les secondes données aberrantes des premières données filtrées. En utilisant une couche présentation d'un système informatique, une représentation graphique des secondes données filtrées est générée et affichée sur le système informatique.
CA3033339A 2016-08-11 2017-06-27 Detection automatique de valeurs aberrantes dans des donnees recoltees Active CA3033339C (fr)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/234,920 US10238028B2 (en) 2016-08-11 2016-08-11 Automatically detecting outlier values in harvested data
US15/234,920 2016-08-11
PCT/US2017/039468 WO2018031129A1 (fr) 2016-08-11 2017-06-27 Détection automatique de valeurs aberrantes dans des données récoltées

Publications (2)

Publication Number Publication Date
CA3033339A1 CA3033339A1 (fr) 2018-02-15
CA3033339C true CA3033339C (fr) 2025-08-19

Family

ID=

Similar Documents

Publication Publication Date Title
US11818981B2 (en) Automatically detecting outlier values in harvested data
US11940977B2 (en) Computer-generated accurate yield map data using expert filters and spatial outlier detection
CA3082815C (fr) Modelisation numerique de maladie sur des cultures dans des champs agronomiques
AU2019322623B2 (en) Improving digital nutrient models using spatially distributed values unique to an agronomic field
US10699185B2 (en) Crop yield estimation using agronomic neural network
CA2988972C (fr) Analyse de donnees agricoles
AU2019315506A1 (en) Automatic prediction of yields and recommendation of seeding rates based on weather data
CA3033339C (fr) Detection automatique de valeurs aberrantes dans des donnees recoltees