De inleidende opmerking in deze serie bood advies over het verzamelen van GPR-arraygegevens. De belangrijkste conclusie hiervan was dat een project in de echte wereld gegevens zou kunnen bevatten die niet optimaal zijn. Daarom concentreert deze nota zich op het onderwerp data-QA/QC en worden nuttige hulpmiddelen besproken voor de selectie en het beheer van gegevensimporten in verwerkingssoftware. 
Het primaire doel is het importeren van kwaliteitsgegevens en efficiënte workflows.
Figuur 1 toont een project met 2800 individuele GPR-profielen, die samen 175 invoerbestanden vormen voor eenvoudiger beheer, hoewel het nog steeds een aanzienlijk aantal is om te verwerken.
Bovendien bevatten de oorspronkelijke gegevens meer dan 70000 positioneringspunten, waarvan een groot percentage problematisch is. Bijgevolg vereisen datasets als deze praktische hulpmiddelen om problemen in een vroeg stadium op te lossen voordat ze worden verwerkt.
Figuur 2 toont een close-up van een deel van dit project, waarbij de zoomfunctie duidelijke positioneringsfouten (zichzelf snijdende stroken) aan het licht brengt, evenals gegevensstroken die nergens op slaan.
Zwadstatistieken
Figuur 3 toont de tool voor strookstatistieken, wat een nuttige eerste stap is om essentiële gegevensuitlezingen te identificeren die buiten de projectnormen vallen. In het getoonde voorbeeld bedraagt de gemiddelde positiedichtheid ca. 3-4/m, maar sommige lezen zelfs 0.06/m. Het is veilig om aan te nemen dat deze banen een probleem zullen veroorzaken als ze worden geïmporteerd, dus schakel het selectievakje uit om te negeren.
Een andere opvallende variatie is de zwadlengte, waarbij sommige bestanden slechts enkele meters aangeven tegenover gemiddeld 125 meter; nogmaals, een eenvoudige uitschakeling van de probleembestanden zorgt ervoor dat ze niet meer kunnen worden geïmporteerd. 
Kleurcoderingsstatistieken
Kleurcodering is een eenvoudige manier om banen met een problematische positioneringsdichtheid te markeren. Gemakkelijk visueel te identificeren; een eenvoudige muisbeweging met de cursor onthult specifieke informatie over de naam en positie van het strookbestand, zoals in het voorbeeld in Figuur 4. De dichtheid van radargegevens kan op een vergelijkbare manier worden behandeld om problemen met de kilometertellerwaarden te benadrukken en wiel slipt. 
Verwijdering van positioneringsgegevens
Als we doorgaan met hetzelfde projectvoorbeeld, zullen veel gegevens aan de rand niet goed worden verwerkt in 3D, dus het verwijderen van dergelijke punten zal de gegevensverwerking versnellen en de benodigde hoeveelheid pc-opslagruimte verminderen. Figuur 5 toont een voorbeeld van een eenvoudig hulpmiddel om dergelijke positioneringspunten te markeren en te verwijderen.
Het verminderen van de positioneringsdichtheid
Zoals eerder aangegeven zullen zwaden met een zeer hoge positioneringsdichtheid problematisch zijn bij het importeren, wat te wijten is aan het feit dat de zwaden zichzelf kruisen, een effect dat doorgaans wordt veroorzaakt doordat de GPS-antenne heen en weer zwaait. Het halveren van de positioneringsdichtheid van 3-4/m naar 1-2/m zal dit probleem verminderen. Hoewel het betekent dat er bepaalde gegevens uit het project moeten worden verwijderd, zal het de verwerkingstijd vereenvoudigen en versnellen.
Eindschoonmaak en import van radargegevens
Zelfs na het volgen van de voorgaande stappen kan er nog steeds een oorzaak zijn voor fouten in de gegevens. Moderne verwerkingssoftware zou de gebruiker hiervoor moeten kunnen waarschuwen en hen moeten wijzen waar ze naar dergelijke fouten moeten zoeken, zoals in het voorbeeld in Figuur 6.
Figuren 7 en 8 illustreren hoe dit project eruit zal zien als de hierboven beschreven methodologie wordt gevolgd, zowel als een geheel project als een close-up van een deel met behulp van zoom.
Een belangrijke conclusie uit deze oefening is dat de geometrie zoveel mogelijk moet worden opgeschoond voordat radargegevens worden geïmporteerd. Het verwerken van radargegevens neemt veel computergeheugen in beslag en kan de werking vertragen. In dit geval werd niets van de geometrie verplaatst, omdat dat erg moeilijk zou zijn omdat we geen referenties hebben vóór de import van radargegevens. De volgende opmerking zal laten zien hoe we zichtbare objecten in de radargegevens kunnen gebruiken om bepaalde positioneringsfouten te corrigeren, naast enkele andere tips.
