작업 문제로 시작
농업 시험 심리학은 실험적인 디자인에 따라 각 측정이 남아 있을 때 유용합니다. Plot 식별자, 복제, 처리 할당 및 관측 날짜는 처리 생존해야합니다. 골목이나 국경 행을 고려하지 않고 전체 직사각형의 크기를 추출하면 레이아웃 효과와 주변 작물과 치료 응답을 섞을 수 있습니다.
작업 질문은: 공중 화점 측정은 국경과 배치 bias를 소개하지 않고 처리를 비교할 수 있습니까? 설문 조사 전에 실험 쌀 도형을 정의하고 누가 검토 할 수 있는지 확인합니다. 증거가 검사, 샘플링 또는 관리 결정에 변경 될 것임을 알 수 있습니다. 이지도를 테스트 가능한 작업에 연결하고 문제를 해결할 수 없는 매력적인 출력에서 유용한 관찰을 구별 할 수 있습니다.
이미지가 실제로 관찰하는 것을 이해하십시오.
잘못된 플로트 그리드는 이웃 치료 샘플을 수 있습니다. 국경 식물은 다른 빛과 경쟁을 경험하고, 단 하나 비옥한 젖은 구석은 작은 도형량을 지배할 수 있습니다. 수많은 이미지 픽셀은 수많은 독립적 인 실험 복제를 만들 수 없습니다.
실험 쌀의 음모를 위해, 측정 정의는 결과의 일부입니다. 도로, 묶음, headlands, 영구 채권 및 물에서 심은 영역을 분리하여 이러한 평가 정의 밖에서 있습니다. 측정 단위가 공장, 행 길이, 패치 또는 관리 블록인지 여부를 결정하고 분석 및 보고를 통해 일관성을 유지하십시오. 토양 배경, 작물 연령 및 닫집 overlap는 관찰 가능한 것에 영향을줍니다. 모든 위치가 좋지거나 가난한 상태로 인해 알 수없는 또는 비정규 클래스를 유지하십시오. 투명 감쇄기 및 유효 보류 분수는 단일 전체 스펙트럼 비율보다 훨씬 쉽게 농업 비교를 만듭니다.
대상과 그 융합자 주변의 디자인 캡처
실험용 쌀 도형을 위한 캡처 계획은 예정된 비교로 시작해야 합니다. 작물 단계와 현장 질문에 맞는 관측 창을 선택하십시오. 기록 심는 날짜, 최근 관개, 강우 및 관리 사건. Inspect 샘플 사진 blur에 대 한 고 작은 관련 작물 기능 처리 하기 전에 볼 수 있다. 조명과 카메라 구성에서 실제적으로 관찰을 반복적으로 유지하면서 비폭력적인 차이를 녹음합니다. 반사 기반 지수가 필요한 경우 적절한 스펙트럼 밴드와 평가 된 무선 워크플로우를 사용하십시오. 일반적인 RGB 색상 조정은 가까운 적외선 반사 측정과 동일하지 않습니다. 의 대표적 인 작물뿐만 아니라 계획 된 적용 범위에서 의심스러운 무형물을 포함.
추적 가능한 처리 및 분석 워크플로우 구축
설문조사 평가 코너, 필드 북과의 검증된 플로트 라벨 및 경계 제외에 대한 프로토콜 호출이 내부 플로트 마스크를 만들 수 있습니다. 각 도형에 대한 실제 샘플 영역 기록. 캐노피 커버 또는 캘리브레이션 관찰을 플로우로 축소하고 후속 통계 분석을 위해 복제 된 구조를 유지합니다. 이음매없는 데이터와 플래그 플로트를 대체합니다.
실험 쌀 플로트에 대한 품질 검토는 처리 완료 후 계속되어야합니다. 전체 출력에 의존하기 전에 낮은 해상도 정렬을 검토 한 다음 anomaly 가장자리에서 원래 프레임에 대한 완성 된 모자이크를 검사합니다. blur, 심한 솔기 및 지원되지 않은 영역을 넓히지 않도록하십시오. 인덱스가 사용되면, 밴드 정체성을 확인하고, 정렬 및 잘못된 값을 확인합니다. 구조가 사용되면, 포인트 클라우드 및 표면 지원이 모든 래스터 셀을 할당하는 대신 측정됩니다. 해당 이용 후기에 달린 코멘트가 없습니다.
일하는 일
환상적 재판은 각 치료의 4 개의 복제를 가지고 있습니다. 각 도치는 수천 개의 픽셀이 포함되어 있지만 치료는 여전히 4 개의 실험 복제가 있습니다. 독립적으로 모든 픽셀을 치료하는 것은 무장 좁은 불확실성을 만들고 작은 명백한 처리 차이를 배울 수 있습니다.
실험 쌀의 도형은 설명되지 않은, 설명하지 않는, 결정적인 밥 도형물의 예입니다. 프로젝트의 측정값을 사용하여 작업의 소각을 변경합니다. 수화기, 탈광기, 관측일 및 노출을 볼 수 있습니다. 백악관 경계, 가시 또는 참조 변경이 결정을 변경하면 누락된 증거를 수집하거나 추가 소수점을 보고하지 않고 해결되지 않는 경우를 유지합니다.
독립적 인 필드 증거로 검증
필드의 플로트 식별을 확인하고 실험의 프로토콜을 사용하여 선택한 참조 특성을 측정하고 예측 관계에 대한 평가를 할 때 일부 플롯을 파악합니다. 라벨과 관찰은 동일한 방문 및 성장 단계에 해당합니다.
실험 쌀의 평가는 두 개의 조각 대상과 적절한 unflagged 참조 위치를 포함해야합니다. 가장 명백한 후보자만 확인하면 놓은 대상이나 전체 false-alarm 패턴을 예측할 수 있습니다. 평가하는 데 사용되는 사람들로부터 방법을 조정하는 데 사용되는 별도의 관측. 뱀파이어를 떼어낸다. 그리고, 뱀파이트를 떼지 않고도 뱀파이브를 떼고, 뱀팁을 떼어내고, 굵은 소리를 떼는 것. 현장 타이밍은 이미지 타이밍과 다를 때, 사이트가 방문 사이에 변경 될 수 있는지 설명합니다. 불명은 조사에 대한 증거이며, 지도와 일치하기 위해 지상 기록을 강제하지 않습니다.
주제별 해석 위험 해결
시험판은 유효 픽셀 분수뿐만 아니라 그 의미의 관측을 수행해야합니다. 무거운 그림자 또는 누락 된 모자이크 스트립이있는 치료 도형은 완전히 관찰 된 도형에 비교할 수 있습니다. 도형의 오리지널 실험 식별자를 보존할 수 있는 소프트웨어가 다른 기능 번호를 생성하는 경우에도. 첫 번째 설문 조사 후 현장 팀과 코너를 검토하고, 비열한 원스톱 이동이 연속 날짜를 오염시킬 수 있기 때문에. 도형이 제외되면, 분석이 조용히 실험 샘플을 변경하지 않는 이유를 가진 테이블에 보관하십시오.
팀의 수신을 사용할 수 있는지 증거에 손을
마스크 버전, 유효 면적, 관측 및 품질 플래그와 플로트 테이블을 제공합니다. 시험 설계를 존중하는 분석의 agronomic inference를 유지하십시오. 처리 verdict 보다는 오히려 모자이크 공급 측정.
실험 쌀의 도형을 위해, 안정된 식별자를 유지, 소스 관측 날짜, 좌표 참조, 분석 경계 및 유효한 보존 상태. 접근 가능한 개요와 필요한 geospatial 데이터를 모두 공급합니다. 해결되지 않은 기능과 다음 유용한 체크를 설명하는 짧은 예외 등록을 첨부합니다. 데이터가 개정되면, 이유 및 버전을 보존하거나 양 또는 상태는 추적 할 수 있습니다. 샘플 아이템을 찾아 자신감의 해석하기 위해 수신 팀을 요청하십시오. 실제 리뷰는 종종 파일 통합 검사가 감지 할 수없는 오류가 발생했습니다.
실험 쌀 플로우에 대한 Cloud Photogrammetry Software를 평가할 때, 대표 데이터셋과 함께 전체 워크플로우를 평가합니다. DroneCollab는 photogrammetric mapping output을 준비하기 위해 고려 될 수 있으며 작업별 해석 및 현장 검증은 필수입니다. 필요한 수출, 검토 프로세스 및 실제 파일럿 증거를 비교하여 작업 흐름을 선택하기 전에.
