BR102018068319B1 - Método implementado por computador para utilização de um veículo aéreo não tripulado em aplicações florestais, e, veículo aéreo não tripulado - Google Patents
Método implementado por computador para utilização de um veículo aéreo não tripulado em aplicações florestais, e, veículo aéreo não tripulado Download PDFInfo
- Publication number
- BR102018068319B1 BR102018068319B1 BR102018068319-5A BR102018068319A BR102018068319B1 BR 102018068319 B1 BR102018068319 B1 BR 102018068319B1 BR 102018068319 A BR102018068319 A BR 102018068319A BR 102018068319 B1 BR102018068319 B1 BR 102018068319B1
- Authority
- BR
- Brazil
- Prior art keywords
- uav
- logic
- machine
- information
- communication
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004891 communication Methods 0.000 claims abstract description 241
- 230000000977 initiatory effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 146
- 238000012545 processing Methods 0.000 description 55
- 239000002689 soil Substances 0.000 description 54
- 230000009471 action Effects 0.000 description 50
- 230000000007 visual effect Effects 0.000 description 49
- 238000013507 mapping Methods 0.000 description 47
- 238000013480 data collection Methods 0.000 description 40
- 238000003306 harvesting Methods 0.000 description 32
- 238000003384 imaging method Methods 0.000 description 25
- 230000007246 mechanism Effects 0.000 description 19
- 230000003993 interaction Effects 0.000 description 17
- 238000003860 storage Methods 0.000 description 17
- 239000000463 material Substances 0.000 description 10
- 238000005259 measurement Methods 0.000 description 10
- 238000012937 correction Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000008685 targeting Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000012794 pre-harvesting Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 241000238631 Hexapoda Species 0.000 description 6
- 238000013500 data storage Methods 0.000 description 6
- 230000001413 cellular effect Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000004162 soil erosion Methods 0.000 description 5
- 238000012546 transfer Methods 0.000 description 5
- 238000012800 visualization Methods 0.000 description 5
- 239000011121 hardwood Substances 0.000 description 4
- 238000013340 harvest operation Methods 0.000 description 4
- 238000005067 remediation Methods 0.000 description 4
- 239000011122 softwood Substances 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 241000894007 species Species 0.000 description 3
- 241000218631 Coniferophyta Species 0.000 description 2
- 241001124569 Lycaenidae Species 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 210000000481 breast Anatomy 0.000 description 2
- 210000000038 chest Anatomy 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013524 data verification Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000010348 incorporation Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 210000003813 thumb Anatomy 0.000 description 2
- 101000822695 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C1 Proteins 0.000 description 1
- 101000655262 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C2 Proteins 0.000 description 1
- 206010061217 Infestation Diseases 0.000 description 1
- 241000721703 Lymantria dispar Species 0.000 description 1
- 101000655256 Paraclostridium bifermentans Small, acid-soluble spore protein alpha Proteins 0.000 description 1
- 101000655264 Paraclostridium bifermentans Small, acid-soluble spore protein beta Proteins 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000227 grinding Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G23/00—Forestry
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D47/00—Equipment not otherwise provided for
- B64D47/08—Arrangements of cameras
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/04—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by terrestrial means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C9/00—Measuring inclination, e.g. by clinometers, by levels
- G01C9/005—Measuring inclination, e.g. by clinometers, by levels specially adapted for use in aircraft
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0011—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement
- G05D1/0022—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement characterised by the communication link
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0094—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots involving pointing a payload, e.g. camera, weapon, sensor, towards a fixed or moving target
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/003—Flight plan management
- G08G5/0034—Assembly of a flight plan
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/003—Flight plan management
- G08G5/0039—Modification of a flight plan
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0047—Navigation or guidance aids for a single aircraft
- G08G5/0069—Navigation or guidance aids for a single aircraft specially adapted for an unmanned aircraft
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
- B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
- B64U2101/30—UAVs specially adapted for particular uses or applications for imaging, photography or videography
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
- B64U2101/30—UAVs specially adapted for particular uses or applications for imaging, photography or videography
- B64U2101/32—UAVs specially adapted for particular uses or applications for imaging, photography or videography for cartography or topography
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2201/00—UAVs characterised by their flight controls
- B64U2201/20—Remote controls
-
- G06F17/30994—
-
- G06K9/00657—
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Multimedia (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- Ecology (AREA)
- Forests & Forestry (AREA)
- Environmental Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Traffic Control Systems (AREA)
- Radio Relay Systems (AREA)
Abstract
um método inclui controlar um veículo aéreo não tripulado (uav) para coletar e encaminhar informações que pertencem a uma área de local de trabalho florestal. o uav é controlado para voar a uma primeira localização e capturar informações de imagem na primeira localização. o uav também é controlado para voar a uma segunda localização, estabelecer uma conexão de comunicação entre o uav e um sistema de comunicação na segunda localização, e enviar as informações de imagem capturadas ao sistema de comunicação por meio da conexão estabelecida. em outro exemplo, o uav carrega (por exemplo, envia) os dados a um sistema de comunicação (por exemplo, dispositivo de computação operado por um operador), e os dados carregados são enviados adicionalmente a um sistema de computação remota (por exemplo, um sistema de análise florestal).
Description
[001] A presente descrição refere-se ao uso de drones em aplicações florestais. Mais especificamente, a presente descrição se refere ao uso de drones para aperfeiçoar o desempenho e a análise de dados para aplicações florestais dentro de uma variedade de operações em local de trabalho.
[002] Existe uma ampla variedade de tipos diferentes de equipamento, tais como equipamento de construção, equipamento de cuidados de relva, equipamento agrícola e equipamento florestal. Esses tipos de equipamento são normalmente operados por um operador e são comunicativamente conectados a outras máquinas.
[003] O equipamento florestal pode incluir uma ampla variedade de máquinas, tais como colheitadeiras, tratores florestais, colhedoras-empilhadoras de árvores, avançadoras e máquinas oscilantes, dentre outros. O equipamento florestal pode ser operado por um operador e ter muitos mecanismos diferentes que são controlados pelo operador na realização de uma operação. O equipamento pode ter múltiplos subsistemas mecânicos, elétricos, hidráulicos, pneumáticos, eletromecânicos (e outros) diferentes, em que alguns ou todos podem ser controlados, pelo menos até algum ponto, pelo operador.
[004] Sistemas atuais podem experimentar dificuldade na aquisição de informações, comunicando as informações adquiridas com outras máquinas e utilizando as informações adquiridas para controlar máquinas a fim de aperfeiçoar o desempenho de máquinas para aumentar as medidas produtividade de operações florestais. Essas dificuldades experimentadas por sistemas florestais atuais podem ser exacerbadas devido à natureza complexa de operações florestais, incluindo terreno e condições ambientais complexos de locais de trabalho florestais.
[005] A discussão acima é fornecida somente para informações antecedentes gerais e não se destina a ser usada como uma ajuda na determinação do escopo da matéria reivindicada.
[006] Um método inclui controlar um veículo aéreo não tripulado (UAV) para coletar e encaminhadas que pertencem a uma área de local de trabalho florestal. O UAV é controlado para voar para uma primeira localização e capturar informações de imagem na primeira localização. O UAV também é controlado para voar para uma segunda localização, estabelecer uma conexão de comunicação entre o UAV e um sistema de comunicação na segunda localização e enviar as informações de imagem capturadas ao sistema de comunicação por meio da conexão estabelecida. Em outro exemplo, o UAV carrega (por exemplo, envia) os dados a um sistema de comunicação (por exemplo, dispositivo de computação operado por um operador) e os dados carregados são adicionalmente enviados a um sistema de computação remoto (por exemplo, um sistema de análise florestal).
[007] Esse Sumário é fornecido para introduzir uma seleção de conceitos de uma forma simplificada que são adicionalmente descritos a seguir na Descrição Detalhada. Esse Sumário não é destinado a identificar aspectos-chave ou aspectos essenciais da matéria reivindicada, nem é destinado a ser usado como um auxílio na determinação do escopo da matéria reivindicada. A matéria reivindicada não se limita a implantações que solucionam quaisquer ou todas as desvantagens observadas nos antecedentes.
[008] A Figura 1 é uma ilustração pictórica de um local de trabalho que usa um sistema de análise florestal com drones.
[009] As Figuras 2A e 2B (coletivamente referidas aqui como Figura 2) é um diagrama de blocos de um exemplo de uma arquitetura de computação que inclui o sistema de análise florestal ilustrado na Figura 1.
[0010] A Figura 3A é um diagrama de blocos de um exemplo de uma porção do sistema de análise florestal ilustrado na Figura 1 em detalhes adicionais.
[0011] A Figura 3B é um diagrama de blocos de um exemplo de uma porção do sistema de análise florestal ilustrado na Figura 1 em detalhes adicionais.
[0012] A Figura 4 ilustra um fluxograma que mostra um exemplo de controle de um UAV para realizar uma avaliação de perturbação do solo.
[0013] A Figura 5 ilustra um fluxograma que mostra um exemplo de controle de um UAV para realizar uma análise de identificação de declive.
[0014] A Figura 6 ilustra um fluxograma que mostra um exemplo de controle de um UAV para realizar uma análise de inventário de árvore para uma área de local de trabalho.
[0015] A Figura 7 ilustra um fluxograma que mostra um exemplo de controle de um UAV para realizar uma análise de viabilidade de combate a incêndios for a área de local de trabalho.
[0016] A Figura 8 ilustra um fluxograma que mostra um exemplo de controle de um UAV para realizar uma avaliação de produtividade e controle para uma área de local de trabalho associada a uma operação florestal.
[0017] A Figura 9 ilustra um fluxograma que mostra um exemplo de controle de um UAV para realizar informações específicas de máquina automaticamente obtidas de uma máquina móvel que opera em uma área de local de trabalho.
[0018] A Figura 10 ilustra um fluxograma que mostra um exemplo de controle de um UAV para obter informações específicas de máquina de uma máquina móvel que opera em um local de trabalho usando-se entrada de usuário.
[0019] As Figuras 11 a 13 mostram exemplos de dispositivos móveis que podem ser usados nas arquiteturas mostradas nas Figuras anteriores.
[0020] A Figura 14 é um diagrama de blocos que mostra um exemplo de um ambiente de computação que pode ser usado nas arquiteturas mostradas nas Figuras anteriores.
[0021] Uma ampla variedade de operações florestais diferentes pode ser realizada dentro de um local de trabalho. Algumas operações florestais exemplificativas incluem preparar um local de trabalho, coletar informações sobre o local de trabalho, colher um material plantado, combater um incêndio e reparar dano ao ambiente, dentre outros. Muitas tais operações florestais utilizam maquinário que podem realizar uma variedade de funções.
[0022] Máquinas florestais (também denominadas no presente documento como uma máquina, uma máquina móvel e um veículo) têm normalmente uma ampla variedade de sensores que detectam uma variedade de variáveis diferentes, tais como parâmetros operacionais de máquina, características de local de trabalho, parâmetros ambientais, etc. Os sinais de sensor são comunicados através de um barramento de rede de área de controlador (CAN) (ou outra rede, tal como uma rede Ethernet, WiFi etc.) a diversos sistemas que processam as variáveis captadas para gerar sinais de saída (tais como sinais de controle ou outras saídas) com base nas variáveis captadas.
[0023] Entretanto, pode ser difícil para alguns sistemas florestais atuais não apenas obter variáveis captadas precisas e valiosas, mas também analisar as variáveis captadas em conjunto com outras informações de local de trabalho para produzir resultados significativos. Além disso, pode ser difícil para alguns sistemas usar as informações analisadas para aperfeiçoar a produtividade do local de trabalho. Existe uma variedade de fatores diferentes que podem exacerbar essa dificuldade para operações florestais.
[0024] Um fator particular que torna especialmente difícil para alguns sistemas florestais atuais obter e utilizar informações são as características amplamente variantes dos próprios locais de trabalho florestais. Por exemplo, locais de trabalho florestais têm normalmente características, tais como uma alta densidade de árvores e outra vegetação, grandes diferenças em topologia, tais como encostas íngremes de ocorrência natural, e áreas de sulcos ou erosão do solo (por exemplo, grandes sulcos produzidos pela operação de maquinário pesado). Além disso, os locais de trabalho florestais são normalmente grandes, abrangendo centenas ou milhares de acres. Essas e outras características de local de trabalho florestal tornam difícil para que veículos terrestres atravessem a área quando se realiza uma operação ou se tenta, de outro modo, obter informações valiosas para o local de trabalho.
[0025] Para ilustrar adicionalmente essas dificuldades, uma vista geral breve de diversas operações florestais exemplificativas será fornecida abaixo. Uma operação de colheita florestal, por exemplo, pode ser difícil quando uma colhedora-empilhadora de árvores está operando em paralelo a um declive íngreme e experimenta uma perda de tração. Em tal situação, pode ser valioso obter e analisar as informações de declive de local de trabalho que podem ser usadas para controlar melhor a colhedora-empilhadora de árvores e reduzir o deslizamento experimentado pelo veículo. Como outro exemplo, uma colhedora-empilhadora de árvores pode ser menos produtiva (por exemplo, levar mais tempo para colher uma área) se a mesma começar a colher em uma área que tem uma alta densidade de população arbórea, em comparação com se a mesma começar a colher em uma área de menos densidade. De modo semelhante, uma máquina pode ter dificuldade para atravessar um local de trabalho ou realizar de modo eficiente uma operação se a mesma seguir uma rota de deslocamento ao longo de árvores derrubadas (por exemplo, árvores cortadas que não foram movidas da área de local de trabalho e estão no solo). Dessa forma, pode ser valioso para sistemas florestais obter e utilizar informações de inventário de árvore, assim como informações de produtividade do local de trabalho, tais como o nível de completude de áreas de local de trabalho específicas.
[0026] Em outra situação exemplificativa, um empreiteiro pode remover máquinas do local de trabalho quando uma colheita ou outra operação é concluída. Entretanto, o local de trabalho pode ter dano das máquinas que não é facilmente captado em alguns sistemas atuais. Nesse exemplo, as máquinas serão, então, transportadas de volta para o local de trabalho (para reparar o dano), o que custa ao empreiteiro tempo e dinheiro. Em vista disso, pode ser benéfico obter e utilizar informações sobre perturbação do solo causada pelas máquinas.
[0027] Também pode ser difícil para alguns sistemas atuais determinar se vale a pena combater um incêndio florestal dentro de um local de trabalho. Por exemplo, características do ambiente dentro e ao redor do local de trabalho, tal como habitação de inseto, e informações sobre a viabilidade de realizar uma operação de combate a incêndios podem depender da possibilidade de o incêndio dever ser combatido naquela localização. Esse tipo de informações pode ser valioso para tomar decisões de combate a incêndios.
[0028] Outro fator particular que torna especialmente difícil para alguns sistemas florestais atuais obter e utilizar informações é a localização geográfica dos próprios locais de trabalho florestais. Os locais de trabalho florestais estão normalmente localizados em áreas remotas, distantes de cidades ou municípios populosos, e são, portanto, remotos de torres de conectividade celular ou outras estações de comunicação. Devido a isso, pode ser especialmente difícil coletar e compartilhar dados valiosos para o local de trabalho. Por exemplo, pode ser difícil obter informações valiosas (por exemplo, informações de sensor) a partir de máquinas que operam no solo. Uma vez que as informações são obtidas a partir das máquinas, também pode ser difícil encaminhar os dados para um serviço de análise ou localização de armazenamento (por exemplo, um fornecedor de serviço de armazenamento em nuvem por meio de uma conexão por satélite) ou, de outro modo, fornecer os dados a um operador. Isto é, mesmo se as informações forem obtidas, alguns sistemas atuais enfrentam dificuldades para fornecer os dados a um sistema para análise, de forma que os dados analisados possam ser utilizados para auxiliar um operador, por exemplo, para tomar decisões de gerenciamento para o local de trabalho florestal.
[0029] Um fator adicional que torna especialmente difícil para alguns sistemas florestais atuais obter e utilizar informações para aperfeiçoar a produtividade é a natureza complexa das operações de controle necessárias para operar uma máquina. Por exemplo, pode ser benéfico para some operações de controle serem processos automatizados ou sem automatizados que são gerados considerando-se informações sobre, por exemplo, o local de trabalho, a máquina e o ambiente. Essas complicações podem tornar muito difícil otimizar o desempenho de máquinas florestais para aperfeiçoar a produtividade de uma operação de local de trabalho florestal.
[0030] Para tratar de pelo menos algumas dessas e outras dificuldades enfrentadas dentro dos locais de trabalho florestais, a presente descrição fornece um sistema de análise florestal. Conforme será discutido em detalhes adicionais abaixo, um sistema de análise florestal exemplificativo trata desses desafios controlando-se um veículo aéreo não tripulado (UAV) para obter imagens de um local de trabalho em conjunto com outras informações valiosas (por exemplo, informações de sensor específicas de máquina), de forma que o sistema de análise florestal possa gerar saídas, com base nas imagens e em outras informações, para controlar máquinas ou influenciar de outro modo operações dentro do local de trabalho.
[0031] A Figura 1 é uma ilustração pictórica 100 de um local de trabalho 102 que tem uma área de local de trabalho 106 que inclui uma ou mais máquinas móveis 108 que operam para realizar uma ou mais operações florestais. A Figura 1 mostra de modo ilustrativo que o UAV 104 inclui um componente de captura de imagem 122. O UAV 104 se desloca ao longo de um trajeto de voo dentro do local de trabalho 102 e usa o componente de captura de imagem 122 (e outros sensores) para capturar imagens (e outras informações de sensor). O componente de captura de imagem 122 pode capturar informações indicativas de área de local de trabalho 106 e máquinas móveis 108. O UAV 104 também é configurado para se comunicar com máquinas móveis 108 para obter informações de sensor captadas por sensores posicionados em cada uma dentre as máquinas (por exemplo, informações de sensor específicas de máquina). Uma vez que o UAV 104 obteve as informações de imageamento e/ou as informações de sensor específicas de máquina, o UAV 104 pode se comunicar com uma estação de comunicação 110 e um dispositivo de comunicação 114 para armazenar as informações e encaminhar as informações para um sistema de análise florestal 116. O sistema de análise florestal 116 recebe as informações e é geralmente configurado para realizar análise de dados nas informações. Com base nas análises realizadas, o sistema de análise florestal 116 gera saídas que podem controlar o dispositivo de comunicação 114, a estação de comunicação 110, o UAV 104 e a máquina móvel 108 ou representar de outro modo as informações analisadas, tal como gerando-se uma interface de usuário para interação por operador 112. O local de trabalho 102 também inclui, de modo ilustrativo, locais de trabalho adicionais 118 e um ou mais sistemas remotos adicionais 120.
[0032] As Figuras 2A e 2B (coletivamente referidas aqui como Figura 2) é um diagrama de blocos de um exemplo de uma arquitetura de computação florestal 200 que inclui o sistema de análise florestal 116 ilustrado na Figura 1. Antes de discutir os aspectos do UAV 104 e do sistema de análise florestal 116 em detalhes adicionais, uma vista geral breve dos outros aspectos ilustrados na Figura 2 será fornecida.
[0033] A Figura 2 mostra de modo ilustrativo que a máquina (ou máquinas) móvel 108, o sistema de UAV 104 (doravante UAV, sistema de UAV), o sistema de análise florestal 116, a estação de comunicação 110, os sistemas remotos 120, os locais de trabalho 118, a área de local de trabalho 106 e o dispositivo de comunicação 114, dentre outros componentes 248, são conectados por meio da rede 286. Dessa forma, a arquitetura de computação florestal opera em um ambiente com rede, em que a rede 286 inclui qualquer uma dentre uma ampla variedade de conexões lógicas diferentes, tais como uma rede de área local (LAN), uma rede de área ampla (WAN), uma rede de comunicação próxima a campo, uma rede de comunicação por satélite, redes celulares ou uma ampla variedade de redes ou uma combinação de redes.
[0034] O dispositivo de comunicação 114 inclui de modo ilustrativo um ou mais processadores 282, um ou mais armazenamentos de dados 284 e um componente de interface de usuário 286. O componente de interface de usuário 286 é configurado para gerar interfaces de usuário em uma tela de exibição, em que as interfaces de usuário têm mecanismos de entrada de usuário para detectar interação de usuário pelo operador 112. Em um exemplo, o dispositivo de comunicação 114 inclui um dispositivo de computação do tipo tablet ou um dispositivo de computação do tipo laptop, ou qualquer um dentre os outros dispositivos discutidos em relação às Figuras 11 a 13 abaixo.
[0035] A Figura 2 mostra de modo ilustrativo que a máquina móvel 108 (doravante máquina móvel, máquina ou máquina florestal) inclui um sistema de posicionamento 202, um dispositivo de interface de usuário 204, uma lógica de interface de usuário 206, um ou mais sensores 208, um sistema de controle 210 que inclui um sistema de comunicação 212 e um gerador de sinal de controle 214, subsistemas controláveis 218 que incluem um sistema de propulsão 220, um ou mais processadores 222, um ou mais armazenamentos de dados 224 e outros componentes de máquina móvel 203. Embora a presente descrição foque principalmente em um exemplo em que a máquina móvel 108 inclui uma máquina florestal que realiza operações florestais, observa-se que a máquina móvel 108 pode incluir qualquer uma dentre uma ampla variedade de máquinas diferentes.
[0036] Em um exemplo, a máquina móvel 108 usa lógica de interface de usuário 206 para gerar exibições de interface de operador que têm mecanismos de entrada de usuário para saída de exibição em um dispositivo de interface de usuário 204 e para interação pelo operador 112. O operador 112 pode ser um operador local de máquina móvel 108 em um compartimento de operador da máquina móvel 108 e pode interagir com mecanismos de entrada de usuário para controlar e manipular a máquina móvel 108. O operador 112 também pode ser um operador remoto de máquina móvel 108, que interage com a máquina móvel 108, por exemplo, por meio do dispositivo de comunicação 114 através da rede 286. Os mecanismos de entrada de usuário podem incluir um ou mais dispositivos de exibição (por exemplo, dispositivo de interface de usuário 204), um ou mais dispositivos de áudio, um ou mais dispositivos táteis e outros itens, tais como um volante, joysticks, pedais, alavancas, botões, teclados, etc.
[0037] O sensor (ou sensores) 208 pode gerar uma ampla variedade de sinais de sensor diferentes que representam uma ampla variedade de variáveis captadas diferentes. Por exemplo, o sensor (ou sensores) 208 gera sinais indicativos de ângulo de declive, umidificação de solo, proximidade, aceleração, movimento ou posição de atuador hidráulico, uma localização geográfica (por exemplo, quando os sensores 208 incluem um receptor de sistema de posicionamento global (GPS) ou outro sistema de posicionamento), dentre outros.
[0038] O sistema de posicionamento 202 gera de modo ilustrativo um ou mais sinais indicativos de uma posição de máquina móvel 108 em qualquer dado momento durante uma operação. Em geral, o sistema de posicionamento 202 recebe sinais de sensor a parti de um ou mais sensores 208, tais como um receptor de GPS, um sistema de navegação estimada, um sistema de LORAN ou uma ampla variedade de outros sistemas ou sensores, para determinar uma posição de máquina móvel 108 através de um local de trabalho. O sistema de posicionamento 202 também pode acessar o armazenamento de dados 224 para recuperar informações de posicionamento armazenadas que indicam posições de máquina móvel 108 na realização de operações históricas, assim como os trajetos e/ou os padrões de percurso de máquina móvel 108 durante o desempenho das operações históricas.
[0039] O sistema de controle 210 inclui o sistema de comunicação 212, o qual inclui de modo ilustrativo o componente de comunicação de UAV 216 dentre uma ampla variedade de outros componentes de comunicação 201 e é geralmente configurado para permitir que a máquina móvel 108 se comunique com sistemas remotos que incluem um sistema de computação analítico remoto, tal como sistema de análise florestal 116, um sistema de computação de gerenciador remoto, um dispositivo de comunicação 114, uma máquina móvel 108, sistemas remotos 120, dentre outros. Dessa forma, o sistema de comunicação 212 se comunica de modo ilustrativo através de redes de comunicação discutidas acima. Em um exemplo, o componente de comunicação de UAV 216 é configurado para se comunicar com o UAV 104 através de uma rede de área local sem fio, tal como WiFi. O gerador de sinal de controle 214 gera sinais de controle para controlar uma variedade de subsistemas controláveis diferentes 218 com base em sinais de sensor gerados por sensor (ou sensores) 208, com base em informações recebidas através do sistema de comunicação 212 (por exemplo, informações recebidas a partir do sistema de análise florestal 116), com base em entradas de usuário recebidas através de mecanismos de entrada de usuário detectados por meio de lógica de interface de usuário 206, com base em informações de posicionamento obtidas a partir do sistema de posicionamento 202 e/ou o mesmo pode gerar sinais de controle em uma ampla variedade de outras formas também.
[0040] Os subsistemas controláveis 218 incluem de modo ilustrativo o sistema de propulsão 220 dentre uma ampla variedade de outros subsistemas controláveis 205, tais como uma garra, uma serra ou cisalhamento circular, implementos hidráulicos, etc. O sistema de propulsão 220 inclui geralmente um motor que aciona rodas ou pistas de engate ao solo por meio de um mecanismo de cadeia cinemática.
[0041] A Figura 2 mostra adicionalmente de modo ilustrativo que o UAV 104 inclui subsistemas de UAV controláveis 226 que têm um sistema de propulsão 228, um ou mais sensores de atributo 230, um sistema de controle de UAV 232 que tem um componente de comunicação 234 e um gerador de sinal de controle de UAV 250, um sistema de posicionamento de UAV 240, um componente de captura de imagem 122 que tem um componente de imageamento visual 242 e um componente de imageamento de detecção e alcance de luz (LIDAR)/Radar 244, uma lógica de interface de usuário 280, um ou mais processadores 246, um ou mais armazenamentos de dados 248 e uma ampla variedade de outros componentes de UAV 207
[0042] Os sensores de atributo 230 podem gerar uma ampla variedade de sinais de sensor diferentes que representam uma ampla variedade de variáveis captadas diferentes em relação ao UAV 108 Por exemplo, sensores de atributo 230 podem gerar sinais indicativos de aceleração e orientação de UAV 108. Os sensores de atributo 230 podem incluir, como um exemplo apenas, mas não a título de limitação, telêmetros, sistemas de navegação inertes, sensores de carga útil, etc.
[0043] O sistema de posicionamento de UAV 240 pode incluir lógica e gera de modo ilustrativo um ou mais sinais indicativos de uma posição de UAV 104 em qualquer dado momento durante uma operação. Em geral, o sistema de posicionamento de UAV 240 recebe sinais de sensor a partir de um ou mais sensores de atributo 230, tais como um receptor de sistema de posicionamento global (GPS), um sistema de navegação estimada, um sistema de LORAN, um telêmetro, um sistema de navegação inerte, um telêmetro a laser ou um componente de captura de imagem 122, ou uma ampla variedade de outros sistemas ou sensores, para determinar posições de UAV 104 através de um local de trabalho. O sistema de posicionamento de UAV 240 também pode acessar o armazenamento de dados 248 para recuperar informações de posicionamento armazenadas que indicam posições de UAV 104 na realização de operações históricas, assim como os trajetos de voo e/ou padrões de voo de UAV 104 durante o desempenho das operações históricas.
[0044] O sistema de controle de UAV 232 pode incluir um componente de comunicação 234, o qual inclui de modo ilustrativo um componente de conectividade de máquina móvel 236 e um componente de conectividade de análise florestal 238, dentre outros componentes 209. O componente de comunicação 234 é geralmente configurado para permitir que o UAV 104 se comunique com máquinas móveis 108, sistemas remotos que incluem um sistema de computação analítico remoto, tal como o sistema de análise florestal 116, um sistema de computação de gerenciador remoto, um dispositivo de comunicação 114, uma estação de comunicação 110, assim como outros sistemas remotos 120, dentre outros. O componente de conectividade de máquina móvel 236, por exemplo, estabelece uma conexão segura e se comunica diretamente com o componente de comunicação de UAV 216 de máquina móvel 108 e é, dessa forma, configurado para se comunicar por com a máquina móvel 108 através de WiFi ou outras redes de comunicação, tais como uma rede de comunicação próxima a campo. Dessa forma, o UAV 104 pode transmitir e receber dados e outras informações da máquina móvel 108 por meio do componente de conectividade de máquina móvel 236.
[0045] O componente de conectividade de análise florestal 238, por exemplo, estabelece uma conexão segura e se comunica com o sistema de análise florestal 116 através do dispositivo de comunicação 114, da estação de comunicação 110 ou de uma variedade de outros dispositivos ou interfaces de comunicação. Dessa forma, o UAV 104 transmite e recebe dados e outras informações do sistema de análise florestal 116 por meio do componente de conectividade de análise florestal 238. Conforme será discutido em detalhes adicionais abaixo, o UAV 104 transmite informações, tais como dados obtidos a partir de sensores 208 ou máquina 108, assim como de sensores de atributo 230, componente de captura de imagem 122 ou UAV 104, para o sistema de análise florestal 116. O UAV 104 também recebe informações de saída, tais como medidas de produtividade do sistema de análise florestal 116. Essa arquitetura de comunicação pode ser especialmente útil em exemplos em que o sistema de análise florestal 116 é um serviço de computação em nuvem remoto que exige comunicação por meio de uma conexão por satélite.
[0046] O sistema de controle de UAV 232 também inclui de modo ilustrativo o gerador de sinal de controle de UAV 250 que gera sinais de controle para controlar uma variedade de subsistemas de UAV controláveis diferentes 226. Isso pode ser feito com base em sinais de sensor gerados por sensores de atributo 230, com base em informações recebidas através do componente de comunicação 238, com base em entradas de usuário recebidas através de mecanismos de entrada de usuário detectados por meio de lógica de interface de usuário 280 (por exemplo, entradas de usuário fornecidas a partir do dispositivo de comunicação 114, conforme será discutido em detalhes adicionais abaixo) ou o mesmo pode gerar sinais de controle em uma ampla variedade de outras formas também.
[0047] Os subsistemas de UAV controláveis 226 incluem de modo ilustrativo o sistema de propulsão 228 dentre uma ampla variedade de outros sistemas controláveis. O sistema de propulsão 228 inclui geralmente um motor que aciona um ou mais impulsores ou turbinas (dentre outros) para gerar elevação e para impulsionar o UAV 104 ao longo de um trajeto de voo.
[0048] O componente de captura de imagem 122 é configurado para obter imagens ou outras informações de sensor indicativas de uma ampla variedade de itens diferentes na área de local de trabalho 106. Por exemplo, o componente de captura de imagem 122 pode identificar a área de local de trabalho 106 e capturar imagens que indicam uma ampla variedade de características e/ou propriedades de local de trabalho diferentes, tais como, mas sem limitação, áreas particulares de interesse, árvores, propriedades arbóreas, propriedades de superfície de solo, topografia de superfície de solo e topo de árvores, habitação de inseto, etc.
[0049] Especificamente, em um exemplo, o componente de imageamento visual 242 pode incluir qualquer uma dentre uma ampla variedade de câmeras fixas digitais ou câmeras de vídeo diferentes que capturam representações digitais de alta resolução da área de local de trabalho 106. O componente de imageamento de LIDAR/radar 244 varre a área de local de trabalho 106 com luz a laser pulsada e mede os pulsos refletidos com um ou mais sensores para gerar uma série de representações de dados que indicam um modelo do panorama. Isso pode ser usado para gerar, por exemplo, um modelo tridimensional da área de local de trabalho 106. O componente de imageamento visual 242 e o componente de imageamento de LIDAR/radar 244 também podem capturar informações indicativas de uma localização de máquinas móveis 108, estação de comunicação 110, operador 112, dispositivo de comunicação 114 e/ou outras máquinas ou itens de interesse posicionados no local de trabalho 102.
[0050] A Figura 2 mostra de modo ilustrativo que o sistema de análise florestal 116 inclui um sistema de mapeamento 252, uma lógica de identificação de área de interesse 254, uma lógica de interação de UAV 256, uma lógica de interação de máquina 258, uma lógica de identificação de perturbação do solo 260, uma lógica de decisão de implantação de combate a incêndios 262, uma lógica de identificação de declive 264, uma lógica de sistema de controle de produtividade 260, uma lógica de inventário de árvore 268, uma lógica de conectividade de máquina 270, um ou mais processadores e/ou servidores 272, um sistema de comunicação 274, uma lógica de interface de usuário 276 e um ou mais armazenamentos de dados 278, dentre uma ampla variedade de outros componentes 209. Novamente, antes de descrever a operação de toda a arquitetura em mais detalhes, uma breve descrição de alguns dos itens no sistema de análise florestal 116 será fornecida primeiro.
[0051] O sistema de comunicação 274 permite que o sistema de análise florestal 116 se comunique com um sistema de computação de gerenciador remoto. Isso pode ser feito com o uso do dispositivo de comunicação 114, do UAV 104, das máquinas móveis 108, da estação de comunicação 110 e dos sistemas remotos 120, dentre outros. O sistema de comunicação 274 se comunica através das redes de comunicação discutidas acima. Em um exemplo, o sistema de análise florestal 116 é remoto das máquinas móveis 108, do UAV 104, da estação de comunicação 110, do dispositivo de comunicação 114 e dos outros aspectos da arquitetura de sistema de computação 200. Por exemplo, o mesmo pode ser implementado como um serviço de computação que recebe informações, obtidas por máquinas móveis 108 e/ou pelo sistema de UAV 104, por meio da estação de comunicação 110 e/ou do dispositivo de comunicação 114.
[0052] Em geral, o sistema de análise florestal 116 é configurado para receber uma ampla variedade de informações, tais como informações indicativas de características e propriedades da área de local de trabalho 106, assim como informações indicativas de desempenho de uma operação florestal. Essas informações podem ser capturadas pelo sistema de UAV 104 (tais como informações capturadas usando-se componente de captura de imagem 122) ou as mesmas podem ser capturadas por máquina 108. Conforme será adicionalmente detalhado em relação às Figuras 3A e 3B, o sistema de análise florestal 116 realiza uma ampla variedade de análises de dados diferentes nas informações para gerar saídas. As saídas geradas pelo sistema de análise florestal 116 podem ser fornecidas a qualquer um dentre os sistemas discutidos em relação à arquitetura de computação florestal 200.
[0053] As Figuras 3A e 3B são diagramas de blocos de um exemplo de sistema de análise florestal 116 ilustrado na Figura 1 em detalhes adicionais. As Figuras 3A e 3B serão discutidas agora em conjunção uma com a outra.
[0054] O sistema de mapeamento 252 inclui de modo ilustrativo lógica de posicionamento de coordenada 300, lógica de costura de imagem 302, lógica de posicionamento de LIDAR/radar 304 e lógica de saída de mapa visual 306. O sistema de mapeamento 252 obtém geralmente as imagens capturadas pelas informações de UAV 104 em relação a diversas posições do local de trabalho 102, tal como as diversas posições de UAV 104 conforme o mesmo se desloca ao longo de um trajeto de voo dentro da área de local de trabalho 106 ou as posições de máquina móvel 108. Com base nas informações de posicionamento, o sistema de mapeamento 252 gera uma representação mapeada do local de trabalho 102 (por exemplo, área de local de trabalho 106). Aquela representação pode ser armazenada no armazenamento de dados 278, acessada para correlacionar informações captadas ou informações de imagem a uma localização real dentro local de trabalho 102 e utilizadas para gerar uma representação visual do local de trabalho 102. A representação visual pode ser emitida, por exemplo, para as interfaces exibidas no dispositivo de interface de usuário 204 ou no componente de interface de usuário 286 para interação pelo operador 112.
[0055] A lógica de posicionamento de coordenada 300 recebe ou acessa de outro modo informações de posicionamento de qualquer um dentre o sistema de posicionamento 202 e o sistema de posicionamento de UAV 240. Em um exemplo, a lógica de posicionamento de coordenada 300 gera uma estrutura de dados que retém posições de coordenada, tais como latitude e longitude, que correspondem a informações de sensor ou imagem recebidas para uma operação florestal.
[0056] A lógica de costura de imagem 302 recebe ou acessa de outro modo imagens capturadas pelo componente de imageamento visual 242 e combina as imagens em uma representação espacial de área de local de trabalho 106. Por exemplo, a lógica de costura de imagem 302 costura imagens capturadas pelo UAV 104 em um modelo de imagem digital da área de local de trabalho 106 com base nas próprias informações de imagem e em uma estrutura de dados de coordenada correspondente gerada pela lógica de posicionamento de coordenada 300. A lógica de costura de LIDAR/radar 304 pode receber ou acessar de outro modo pontos de dados de distância varridos ou detectados de outro modo pelo componente de imageamento de LIDAR/radar 244. A lógica de costura de LIDAR/radar 304 pode gerar um modelo em nuvem de ponto tridimensional ou outra representação de modelo de ponto de dados da área de local de trabalho 106 com base nos pontos de dados de distância. A lógica de costura de LIDAR/radar 304 utiliza uma estrutura de dados de coordenada correspondente, gerada pela lógica de posicionamento de coordenada 300, para gerar o modelo em nuvem de ponto como uma representação da área de local de trabalho 106.
[0057] A lógica de saída de mapa visual 306 gera um mapa visual que representa a área de local de trabalho 106 com altos detalhes. Por exemplo, um mapa visual gerado pela lógica de saída de mapa visual 306 pode identificar de modo ilustrativo um sulco de máquina em um local de trabalho com diversos centímetros de precisão. A lógica de saída de mapa visual 306 gera um mapa visual com base em qualquer um dentre uma estrutura de dados de coordenada gerada pela lógica de posicionamento de coordenada 300, um modelo de imagem digital gerado pela lógica de costura de imagem 302 e/ou um modelo de ponto de dados gerado pela lógica de costura de LIDAR/radar 304. O mapa visual gerado pela lógica de saída de mapa visual 306 pode ser renderizado para exibição em um dispositivo, tal como o componente de interface de usuário 286 e o dispositivo de interface de usuário 204.
[0058] Além disso, em um exemplo, a lógica de saída de mapa visual 306 pode usar resultados de análise gerados pelo sistema de análise florestal 116 para incluir indicações visuais dos resultados de análise dentro de um mapa visual renderizado. Por exemplo, em um exemplo em que o sistema de análise florestal 116 gera uma rota de deslocamento planejada para a máquina 108, a lógica de saída de mapa visual 306 gera uma representação visual do trajeto planejado uma vez que o mesmo corresponde a localizações reais representados no visor do mapa visual.
[0059] A lógica de identificação de área de interesse 254 inclui de modo ilustrativo lógica de entrada do tipo análise florestal 308 e lógica de identificação de área de interesse histórica 310. A lógica de identificação de área de interesse 254 identifica uma ou mais áreas de interesse dentro do local de trabalho 102. Por exemplo, a lógica de identificação de área de interesse 254 pode identificar a área de local de trabalho 106 como uma área dentro do local de trabalho 102 que é de interesse particular para uma operação atual que está sendo realizada. A lógica de entrada do tipo análise florestal 308 pode identificar uma análise atual a ser realizada pelo sistema de análise florestal 116 e, consequentemente, selecionar uma área de interesse para aquela avaliação. Por exemplo, a lógica de entrada do tipo análise florestal 308 identifica uma avaliação de perturbação do solo a ser realizada. A lógica de entrada do tipo análise florestal 308 pode identificar a avaliação a ser realizada com base em uma indicação de uma entrada de usuário que seleciona uma análise, automaticamente baseada em informações obtidas, ou em uma variedade de outras formas também.
[0060] Uma vez que o tipo de avaliação a ser realizada é identificado, a lógica de entrada do tipo análise florestal 308 identifica uma área particular dentro do local de trabalho 102, tal como uma área de local de trabalho 106, para a qual a lógica (por exemplo, lógica de identificação de perturbação 330) deve realizar a avaliação. Consequentemente, a lógica de entrada do tipo análise florestal 308 também identifica dados obtidos para a área de local de trabalho 106 como sendo relevantes para a avaliação. A mesma pode fazer isso acessando-se uma representação mapeada do local de trabalho 106 gerada pelo sistema de mapeamento 252 e fornecendo-se uma indicação dos dados relevantes para a lógica de identificação de perturbação do solo 330. Obviamente, observa-se que a lógica de entrada do tipo análise florestal 308 pode incluir outros aspectos, tais como identificar uma série ou um fluxo de trabalho de avaliações a serem realizadas ou identificar todo um limite da área de local de trabalho 102, dentre outros.
[0061] A lógica de identificação de área de interesse histórica 310 é configurada para acessar informações que pertencem a avaliações anteriores realizadas no local de trabalho 102 (por exemplo, informações de análise históricas armazenadas em associação ao armazenamento de dados 278) e identificar relações entre as áreas particulares dentro do local de trabalho 102 e as operações anteriores realizadas para cada área, respectivamente.
[0062] A lógica de interação de UAV 256 interage com UAV 104 em uma ampla variedade de formas diferentes para facilitar a transferência de informações entre o UAV 104 e o sistema de análise florestal 116. A lógica de interação de UAV 256 inclui de modo ilustrativo lógica de identificação de máquina 312, lógica de entrada de coleta de imagem e dados 314, lógica de consideração de local de trabalho 316 e lógica de interface de trajeto de voo 318. A lógica de identificação de máquina 312 identifica uma ampla variedade de máquinas no local de trabalho 102 e fornece instruções ao UAV 104 para utilizar um código de identificação de máquina único para comunicar informações a uma máquina particular. A lógica de identificação de máquina 312 pode gerar informações que podem ser usadas pelo UAV 104 para se comunicar com o sistema de análise florestal 116, uma máquina particular móvel 108, uma estação de comunicação particular 110, etc. A mesma pode fazer isso fornecendo-se um código de identificação único para a máquina ou o sistema com o qual o UAV 104 deve se comunicar ou em conjunto com informações de geolocalização associadas ao código de identificação único.
[0063] A lógica de entrada de coleta de imagem e dados 314 gera instruções que indicam ao UAV 104 o tipo particular de informações que o mesmo deve coletar. Por exemplo, a mesma pode instruir o UAV 104 a coletar dados ou uma ou mais imagens para uma análise a ser realizada pelo sistema de análise florestal 116. Em um exemplo, a lógica de entrada de coleta de imagem e dados 314 pode instruir o UAV 104 a coletar informações, tais como informações de sensor específicas de máquina, a partir da máquina 108 (por exemplo, identificando-se a máquina relevante na área de local de trabalho 106 com lógica de identificação de máquina 312) e imagens ou dados de ponto de distância digitais para a área de local de trabalho 106. Esses são apenas exemplos.
[0064] A lógica de consideração de local de trabalho 316 considera uma ampla variedade de informações em relação à área de local de trabalho 102 para gerar ou modificar instruções para coletar informações com o UAV 104. Em um exemplo, a lógica de consideração de local de trabalho 316 interage com a lógica de identificação de área de interesse 254 para receber uma indicação de um local de trabalho particular (por exemplo, área de local de trabalho 106) para o qual uma análise deve ser realizada, e com base nessa indicação, gera instruções que instruem o UAV 104 a voar e obter dados com base em informações geográficas para a área de local de trabalho 106. Por exemplo, a lógica de consideração de local de trabalho 316 pode gerar instruções que instruem o UAV 104 a usar valores de entrada em relação aos limites do local de trabalho, à altura de árvore, à implementação de máquina, à alocação de recursos, etc. quando se realiza uma operação de coleta de dados para uma análise particular que está sendo realizada.
[0065] A lógica de interface de trajeto de voo 318 gera instruções de trajeto de voo que instruem o UAV 104 a se deslocar ao longo de um trajeto aéreo definido para realizar operações de coleta e compartilhamento de dados, de acordo com uma análise particular a ser realizada. Por exemplo, a lógica de interface de trajeto de voo 318 pode gerar um primeiro conjunto de instruções que especificam um primeiro trajeto de voo para o UAV 104 se deslocar na coleta de informações que correspondem a uma avaliação de perturbação do solo e pode gerar um segundo conjunto de instruções que especificam um segundo trajeto de voo para o UAV 104 se deslocar na coleta de informações que correspondem a uma avaliação de declive.
[0066] A lógica de interação de máquina 258 interage com a máquina móvel 108 em uma ampla variedade de formas diferentes para facilitar o controle da máquina móvel 108 de acordo com os resultados de análise obtidos pelo sistema de análise florestal 116. A lógica de interação de máquina 258 inclui de modo ilustrativo lógica de identificação de operação de máquina 320 e lógica de saída de sistema de controle de máquina 322 que têm lógica de direção e orientação 324, lógica de assistência à tração 326 e lógica de assistência ao operador 328. A mesma também pode ter uma ampla variedade de outros itens.
[0067] A lógica de identificação de operação de máquina 320 recebe dados obtidos para análise pelo sistema de análise florestal 116 e identifica uma operação, realizada pela máquina 108, que corresponde aos dados. Por exemplo, a lógica de identificação de operação de máquina 320 recebe indicações de dados de sensor, obtidos pela máquina 108, que indicam o teor de umidificação de solo e identificam que os dados de sensor foram obtidos durante o desempenho de uma operação de colheita pela máquina 108.
[0068] Resultados de análises realizadas no sistema de análise florestal 116 podem ser fornecidos à lógica de saída de sistema de controle de máquina 322. A lógica de saída de sistema de controle 322 recebe resultados de análise ou outras indicações de uma análise (por exemplo, indicação de um sinal de saída gerado por uma análise) e usa os resultados para gerar sinais de saída que são fornecidos à máquina 108. A lógica de direção e orientação 324, por exemplo, gera um sinal de controle de saída que instrui a máquina móvel 108 a ajustar parâmetros de direção ou uma configuração de orientação e, desse modo, controlar o percurso direcional da máquina móvel 108. Essas informações podem ser exibidas para auxiliar no controle do operador da máquina 108 ou as mesmas podem ser usadas para controlar a máquina 108 automaticamente. Por exemplo, com base em uma avaliação de declive, a lógica de direção e orientação 324 pode gerar instruções usadas para mover a máquina 108 para uma orientação direcional que permite que a máquina 108 realiza uma operação de colheita atual ao longo de um declive menos íngreme. A lógica de direção e orientação 324 pode gerar sinais de controle que são fornecidos à máquina 108 para mover automaticamente a máquina 108, dada a orientação direcional.
[0069] A lógica de assistência à tração 326 obtém resultados de análise e gera instruções que controlam a máquina 108 para usar os mecanismos de assistência à tração. Por exemplo, com base no recebimento de informações de análise que indicam um declive íngreme, a lógica de assistência à tração 326 pode gerar instruções usadas para usar automaticamente equipamento de assistência à tração ou para realizar técnicas de assistência à tração com a máquina móvel 108.
[0070] A lógica de assistência ao operador 328 pode identificar se a máquina 108 está operando sob controle de operador 112 completo ou parcial ou se a mesma está operando independentemente do operado 112 (por exemplo, a mesma pode identificar se a máquina 108 está operando em um modo completamente manual, um modo parcialmente autônomo ou um modo completamente autônomo). A mesma também pode gerar instruções, com base nas informações de análise, que fornecem informações especificamente úteis ao operador 112 para controlar a máquina 108. Em um exemplo em que as informações de análise são usadas para atualizar uma rota de deslocamento prescrita para a máquina móvel 108, a lógica de assistência ao operador 328 pode gerar instruções para fornecer indicações ao operador 112 para mover a máquina 108, consequentemente (por exemplo, as instruções podem ser usadas para gerar notificações de interface de usuário com lógica de interface de usuário 206 que mostram ao operador 112 um trajeto de deslocamento sugerido).
[0071] A lógica de inventário de árvore 268 é configurada para analisar informações obtidas pelo componente de captura de imagem 122 para determinar as características de uma população arbórea dentro da área de local de trabalho 106. A lógica de inventário de árvore 268 inclui de modo ilustrativo uma lógica de processamento de imagem métrica de árvore 368 e um componente de saída métrico de árvore processado 382. A lógica de processamento de imagem métrica de árvore 368 pode medir uma ampla variedade de propriedades arbóreas para árvores na área de local de trabalho 106, com base em dados visuais obtidos pelo componente de imageamento visual 242 e/ou pelo componente de imageamento de LIDAR/radar 244. Por exemplo, a lógica de processamento de imagem métrica de árvore 368 pode determinar uma ampla variedade de métricas, tais como uma média, mediano, desvio ou outra métrica estatística, que corresponde a um valor de propriedade de árvore medido para árvores na área de local de trabalho 106. A lógica de processamento de imagem métrica de árvore 368 inclui de modo ilustrativo uma lógica de diâmetro na altura do peito 370 que pode determinar métricas indicativas de um diâmetro de árvore medido na altura do peito. A lógica de altura 372 pode determinar métricas indicativas de uma altura de árvore medida. A lógica de volume 374 pode determinar métricas indicativas de um volume medido de uma população arbórea. A lógica de densidade por área 376 pode determinar métricas indicativas de uma densidade de árvores por área de local de trabalho 106. A lógica de madeira macia 378 pode determinar métricas indicativas de áreas de árvores de madeira macia (por exemplo, coníferas). A lógica de madeira dura 380 pode determinar métricas indicativas de áreas de árvores de madeira dura (por exemplo, caducifólia).
[0072] O componente de saída métrica de árvore processado 382 pode gerar sinais de saída que indicam qualquer uma dentre as métricas de árvore determinadas, assim como um sinal de ação. Por exemplo, o componente de saída métrico de árvore processado 382 pode gerar uma saída que é fornecida ao componente de interface de usuário 286 e/ou ao dispositivo de interface de usuário 204 para informar ao operador 112 das métricas de árvore determinadas para a área de local de trabalho 106. Por exemplo, a área de local de trabalho 106 pode ser visualizada, de acordo com a funcionalidade do sistema de mapeamento 252 discutida acima, para incorporar representações visuais de métricas de árvore em um mapa gerado. Um sinal de ação gerado pelo componente de saída métrico de árvore processado 382 pode, por exemplo, incluir sinais de implementação de máquina para controlar a implementação de uma máquina florestal na área de local de trabalho 106 ou em localizações geográficas específicas com base nas métricas de inventário de árvore.
[0073] A lógica de identificação de perturbação do solo 260 é geralmente configurada para analisar qualquer uma das informações específicas de máquina e/ou das informações de imagem capturadas pelo componente de captura de imagem 122 para realizar uma avaliação de perturbação do solo. “Perturbação do solo”, conforme usado no presente documento, pode se referir a qualquer desvio em propriedades de superfície de solo, tal como erosão do solo, formação de sulco, material que se sobrepõe à superfície de solo, etc. Particularmente, “perturbação do solo” pode se referir a esses e a outros desvios de propriedades de superfície de solo de ocorrência natural que são causados pela operação de maquinário dentro do local de trabalho 102. A lógica de identificação de perturbação do solo 260 inclui de modo ilustrativo lógica de limiar de perturbação do solo 330, lógica de processamento de imagem de perturbação do solo 332 e lógica de correção de perturbação do solo 334 que tem um componente de identificação de área de correção 336 e um componente de seleção de ação corretiva 338. A lógica de limiar de perturbação do solo 330 gera um valor limítrofe de perturbação do solo. Um valor limítrofe de perturbação do solo pode incluir, por exemplo, mas não a título de limitação, um nível de erosão do solo, uma medida de profundidade de sulco, uma medida de quantidade de material (por exemplo, árvores cortadas, folhas, outro material) que se sobrepõe a uma superfície de solo, dentre uma ampla variedade de outros. A lógica de processamento de imagem de perturbação do solo 332 usa um ou mais conjuntos de regras para processar imagens obtidas pelo componente de captura de imagem 122 (por exemplo, e/ou informações processadas pelo sistema de mapeamento 252) para gerar um mapeamento da perturbação do solo determinada para a área de local de trabalho 106 e identificar subáreas particulares dentro da área de local de trabalho 106 que têm um nível de perturbação do solo que excede o valor limítrofe de perturbação do solo. Por exemplo, a lógica de processamento de imagem de perturbação do solo 332 pode identificar um sulco de máquina localizado dentro da área de local de trabalho 106 e que têm uma profundidade maior que uma profundidade de sulco de máquina limítrofe. Dessa forma, a lógica de processamento de imagem de perturbação do solo 332 pode gerar um conjunto de métricas de perturbação do solo, em que cada uma tem um valor indicativo de uma perturbação do solo em uma localização geográfica diferente, com base nas informações de imagens. A partir das informações de imagens, uma dada localização que tem um indicador de perturbação do solo indicativo de perturbação do solo provável pode ser identificada. O valor da métrica de perturbação do solo pode incluir uma diferença em uma suavidade do solo na localização geográfica, em relação a uma suavidade do solo em outras localizações próximas.
[0074] O componente de identificação de área de correção 336 inclui uma lógica que identifica uma área, tal como uma área geográfica que cerca o sulco de máquina, a ser operada pela máquina móvel 108 para corrigir o solo perturbado. O componente de seleção de ação corretiva 338 seleciona uma ação corretiva particular, a partir de uma pluralidade de ações corretivas disponíveis, a ser implementada pela máquina 108 para corrigir o solo perturbado na área identificada da área de local de trabalho 106. Em um exemplo, uma ação corretiva inclui obter e entregar terra adicional à área identificada, assim como suavizar a superfície de solo de terra com a máquina móvel 108. A lógica de correção de perturbação do solo 334 pode, dessa forma, ser utilizada para gerar instruções, tais como um sinal de ação, para controlar automática, semiautomática ou manualmente a máquina móvel 108 para realizar uma operação que reduz ou media de outro modo perturbação indesejada de uma superfície de solo na área de local de trabalho 106 (por exemplo, na localização de perturbação do solo identificada), com base nas métricas de perturbação do solo.
[0075] A lógica de identificação de declive 264 é configurada para analisar qualquer uma das informações específicas de máquina e/ou das informações de imagem capturadas pelo componente de captura de imagem 122 para realizar uma avaliação de identificação de declive para o local de trabalho 102. A lógica de identificação de declive 264 inclui de modo ilustrativo uma lógica de limiar de declive 348, uma lógica de processamento de imagem de declive 350, uma lógica de verificação de declive 352, uma lógica de consideração de trajeto de máquina e declive 354 e uma lógica de visualização de declive 356. A lógica de limiar de declive 348 gera um valor limítrofe de declive de solo. Um valor limítrofe de declive de solo pode incluir, por exemplo, mas não a título de limitação, uma razão de elevação vertical para corrida horizontal, um ângulo de superfície de solo ou qualquer outro valor que pode ser comparado com uma medida captada ou obtida de outra forma de declive (por exemplo, gradiente ou inclinação) da área de local de trabalho 106. A lógica de processamento de imagem de declive 350 tem um ou mais conjuntos de regras para processar imagens obtidas pelo componente de captura de imagem 122 e/ou informações processadas pelo sistema de mapeamento 252, para identificar subáreas particulares dentro da área de local de trabalho 106 que têm um declive que excede o valor limítrofe do declive. A lógica de processamento de imagem de declive 350 pode gerar um conjunto de métricas de declive, em que cada uma tem um valor indicativo de uma medida de declive em uma localização diferente no local de trabalho florestal, com base nas informações de imagens. Por exemplo, a lógica de processamento de imagem de declive 350 pode identificar um declive dentro da área de local de trabalho 106 que tem um ângulo maior que 12 graus. A lógica de verificação de declive 352 é configurada para verificar um declive medido realizando-se uma análise de verificação. Por exemplo, a máquina 108 utiliza um ou mais sensores 208 para captar um declive da área de local de trabalho 106. A lógica de verificação de declive 352 obtém sinais de sensor de declive e mede um valor de declive para a área de local de trabalho 106, com base nos sinais de sensor de declive. A lógica de verificação de declive 352 compara o valor de declive medido com um declive identificado, conforme identificado pela lógica de processamento de imagem de declive 250. A lógica de verificação de declive 352 pode, dessa forma, ser utilizada para verificar e/ou calibrar as operações de processamento de imagem aérea realizadas pela lógica de processamento de imagem de declive 350 utilizando-se comparações contra dados de declive captados pelos sensores 208 em máquinas 108 que operam no solo.
[0076] A lógica de consideração de trajeto de máquina e declive 354 usa medições de declive obtidas pela lógica de identificação de declive 264 para gerar instruções, tais como um sinal de ação, que podem atualizar ou controlar de outro modo um trajeto de máquina prescrito. Por exemplo, quando uma subárea particular dentro da área de local de trabalho 106 foi identificada como tendo um declive que excede o valor limítrofe de declive, a lógica de consideração de trajeto de máquina e declive 354 pode determinar, primeiro, que uma rota de deslocamento prescrita da máquina 108 inclui o percurso através ou dentro daquela subárea. A lógica de consideração de trajeto de máquina e declive 354 pode, então, instruir a lógica de interação de máquina 258 a fornecer uma saída ou um sinal de controle à máquina 108 para evitar a subárea particular com o declive íngreme. Dessa forma, a lógica de consideração de trajeto de máquina e declive 354 pode controlar a lógica de comunicação para comunicar o sinal de rota à máquina 108.
[0077] A lógica de visualização de declive 356 pode gerar uma representação visual de dados de declive medido. Por exemplo, a lógica de visualização de declive 356 pode gerar um mapa em corte transversal da área de local de trabalho 106 que representa os dados de declive medido. A lógica de visualização de declive 356 pode fornecer a representação visual ao sistema de mapeamento 252 para incorporação adicional com, por exemplo, os visuais mapeados do local de trabalho 102.
[0078] A lógica de decisão de implementação de combate a incêndios 262 inclui de modo ilustrativo uma lógica de análise de viabilidade de combate a incêndios 340 e uma lógica de identificação de rota de fuga 346. Em geral, a lógica de análise de viabilidade de combate a incêndios 262 analisa qualquer uma das informações específicas de máquina e/ou das informações de imagem capturadas pelo componente de captura de imagem 122 para realizar uma análise para determinar se é viável realizar uma operação de combate a incêndios. Por exemplo, as informações obtidas pelo componente de captura de imagem 122 podem ser analisadas pela lógica de análise de viabilidade de combate a incêndios 262 para determinar características de terreno na área de local de trabalho 106, determinar que um nível de habitação de inseto, tal como uma população medida de uma espécie invasora (por exemplo, mariposa cigana, dentre outras espécies invasoras específicas para sobrevivência de árvores) está presente dentro da área de local de trabalho 106 e determinar outros itens. Com base nessa análise, a lógica de análise de viabilidade de combate a incêndios 262 pode determinar que não é viável ou recomendado combater um incêndio naquela localização. Em outro exemplo, a lógica de análise de viabilidade de combate a incêndios 262 analisa informações obtidas para determinar que uma velocidade do vento é relativamente baixa e, dessa forma, determinar que é viável combater um incêndio naquela localização. Obviamente, a lógica de análise de viabilidade de combate a incêndios 262 pode analisar outras informações obtidas, tais como, mas sem limitação, um tamanho de área de local de trabalho 106, uma velocidade e direção do vento, níveis de umidificação de solo, cobertura de nuvens, dentre outros, para realizar uma análise de viabilidade de combate a incêndios e gerar um sinal de ação, com base na análise.
[0079] A lógica de identificação de rota de fuga 346 gera uma rota de deslocamento ou outra rota que é determinada como sendo segura para bombeiros, para a máquina 108, para o UAV 104 e/ou para o operador 112 percorrerem para escapar de um incêndio. Por exemplo, com base na lógica de análise de viabilidade de combate a incêndios 262 que determina que uma operação de combate a incêndios deve ser realizada, a lógica de identificação de rota de fuga 346 analisa qualquer uma das informações específicas de máquina e/ou das informações de imagem capturadas pelo componente de captura de imagem 122 para planejar um trajeto de fuga para as máquinas que são utilizadas na realização da operação de combate a incêndios. Assim, uma rota de deslocamento prescrita de uma máquina pode ser atualizada para representar um trajeto de fuga para remover de modo seguro itens de dentro do local de trabalho florestal 102 para uma área de segurança, em relação a um incêndio florestal atual. A rota de fuga pode ser contínua ou intermitentemente atualizada com base em condições variantes conforme as mesmas são captadas pelo UAV 104 e por outros itens. A lógica de identificação de rota de fuga 348 pode instruir a lógica de interação de máquina 258 a fornecer uma saída ou sinais de controle à máquina 108 e/ou a outros itens, para controlar os mesmos para evitar o incêndio florestal enquanto se realiza uma operação de combate a incêndios ou outra operação. O controle pode ser automático, semiautomático ou manual.
[0080] A lógica de sistema de controle de produtividade 266 inclui de modo ilustrativo a lógica de entrada de local de trabalho 358, a lógica de entrada de produtividade de máquina 360, a lógica de trajeto de voo de UAV 362, a lógica de processamento de imagem de produtividade categórica 364 e a lógica de saída de produtividade categórica 366. A lógica de sistema de controle de produtividade 266 realiza uma análise de produtividade para determinar níveis de produtividade em relação a subáreas específicas dentro da área de local de trabalho 106. Como um exemplo apenas, mas não a título de limitação, a lógica de sistema de controle de produtividade 266 será descrita em detalhes adicionais em relação a uma operação de colheita de árvore. Por exemplo, a lógica de sistema de controle de produtividade 266 diferencia entre uma área colhida, uma área de trabalho em progresso ou uma área não colhida dentro da área de local de trabalho 106. Uma área colhida foi colhida de suas árvores. Uma área de trabalho em progresso é parcialmente colhida ou tem árvores que foram cortadas, mas que estão no solo (por exemplo, árvores que ainda precisam ser removidas da área de trabalho). Uma área não colhida tem ainda tem todas as árvores de pé. Obviamente, uma ampla variedade de outras áreas pode ser identificada para determinar a produtividade de uma operação que está sendo realizada na área de local de trabalho 106.
[0081] Mais especificamente, em um exemplo, o componente de captura de imagem 122 é utilizado pela lógica de sistema de controle de produtividade 266 para analisar imagens de área de local de trabalho 106 e, com base nas imagens analisadas, para diferenciar entre os diversos níveis de produtividade dentro da área de local de trabalho 106. A lógica de trajeto de voo de UAV 362 pode carregar um mapa da área de local de trabalho 106 e gerar um trajeto de voo em relação a limites da área de local de trabalho 106. Em um exemplo, a lógica de trajeto de voo de UAV 362 interage com a lógica de interação de UAV 256 (por exemplo, a lógica de interface de trajeto de voo 318) para gerar um trajeto de voo que o UAV 104 percorre para obter imagens aéreas que serão utilizadas para determinar a produtividade. A lógica de entrada de local de trabalho 358 utiliza uma ampla variedade de informações em relação ao local de trabalho 106 (tais como as informações de imagens obtidas pelo componente de captura de imagem 122 ao longo do trajeto de voo gerado, as informações obtidas pelo sistema de mapeamento 252, a lógica de inventário de árvore 268, dentre outros) para determinar características de local de trabalho que serão usadas na análise de medidas de produtividade. Por exemplo, a lógica de entrada de local de trabalho 358 pode determinar um tamanho de local de obras (por exemplo, acres), a população arbórea, tal como um número de árvores por acre e um volume de árvores, tal como um número de quilos (libras) por árvore. A lógica de entrada de produtividade de máquina 360 determina uma ampla variedade de informações em relação às máquinas 108, tal como uma medida de tempo de operação de cada máquina (por exemplo, a quantidade de tempo que a máquina está trabalhando na área), um número de árvores cortadas, movidas ou colhidas de outro modo pelas máquinas 108, etc. Isso pode ser obtido interagindo-se com informações de máquina obtidas pela lógica de interação de máquina 258, conforme descrito acima.
[0082] A lógica de processamento de imagem de produtividade categórica 364 usa qualquer uma das informações de imagem obtidas pelo componente de captura de imagem 122 ao longo do trajeto de voo gerado, as características de local de trabalho determinadas pela lógica de entrada de local de trabalho 358, as características de produtividade de máquina determinadas pela lógica de entrada de produtividade de máquina 358, dentre outras informações, para determinar o nível de produtividade para cada respectiva subárea dentro da área de local de trabalho 106. Por exemplo, quando área de local de trabalho 106 tem um tamanho de 100 acres, a lógica de processamento de imagem de produtividade categórica 364 identifica uma primeira subárea geográfica de 25 acres que corresponde a uma área colhida, uma segunda subárea geográfica de 25 acres que corresponde a uma área de trabalho em progresso e uma terceira subárea geográfica de 50 acres que corresponde a uma área não colhida, respectivamente, dentro da área de local de trabalho 106. Para ilustrar adicionalmente esse exemplo, a lógica de processamento de imagem de produtividade categórica 364 pode identificar a segunda subárea com base em informações de imagens, obtidas pelo componente de captura de imagem 122, que identificam árvores agrupadas no solo e também com base em informações de máquina, tais como uma localização de um trator florestal e uma operação de colheita atual que está sendo realizada por aquele trator florestal na segunda subárea. Dessa forma, essas informações são usadas para determinar que essa área geográfica particular, que tem limites que tornam a mesma uma subárea de 25 acres, ainda está sendo colhida.
[0083] A lógica de saída de produtividade categórica 366 pode gerar uma saída, tal como um sinal de ação, ou um sinal de controle indicativo das categorias de produtividade identificadas e suas áreas geográficas correspondentes. Por exemplo, a lógica de saída de produtividade categórica 366 pode gerar uma saída indicativa de uma demanda de equipamento para área de local de trabalho 106, tal como um número de caminhões (por exemplo, que portam árvores colhidas) que são movidos do local de trabalho por dia. Em um exemplo, a lógica de saída de produtividade categórica 366 pode carregar e gerar um mapa que representa visualmente a primeira subárea, a segunda subárea e as terceiras subáreas identificadas dentro da área de local de trabalho 106 e/ou porcentagens das três categorias dentro da área de local de trabalho 106. A lógica de saída de produtividade categórica 366 pode fornecer uma representação em mapa que distingue visualmente entre as subáreas, tais como sombreando-se as áreas diferentemente (por exemplo, misturando-se, colorindo-se, etc.). A lógica de saída de produtividade categórica 366 pode, dessa forma, interagir com o sistema de mapeamento 252 para gerar uma saída que é fornecida ao componente de interface de usuário 286 e/ou ao dispositivo de interface de usuário 204 para fornecer ao operador 112 uma representação visual da análise de produtividade (por exemplo, o mapa sombreado). A lógica de saída de produtividade categórica 366 também pode gerar um ou mais relatórios, com base na completude determinada de cada subárea, que relatam as métricas de produtividade, tais como um tempo de processo total, um tempo disponível total para completar um processo, uma demanda de moagem (por exemplo, caminhões por dia, um número de toneladas de material colhido carregado por caminhão, etc.), e uma comparação dessas métricas calculadas para uma quota para o local de trabalho. Dessa forma, a lógica de sistema de controle de produtividade 266 utiliza imageamento aéreo de área de local de trabalho 106 por sistema de UAV 104, em combinação com informações adicionais que pertencem a um local de trabalho operação, para determinar e relatar quanto de uma operação foi concluído, assim como estimar eficiência de processo de local de obras (por exemplo, com base nas métricas de produtividade observadas acima). A lógica de saída de produtividade categórica 366 também pode gerar um sinal de ação que pode controlar o sistema de análise florestal 116 para atualizar as métricas de conclusão de local de trabalho, gerando um sinal de controle de UAV que controla o UAV 104 (por exemplo, para obter informações específicas de máquina), um sinal de controle de máquina para controlar a máquina 108, dentre outros sinais de ação.
[0084] A lógica de conectividade de máquina 270 inclui de modo ilustrativo uma lógica de identificação de conectividade de rede 384, uma lógica de análise de força de conectividade de rede 386, uma lógica de coleta de dados de UAV automatizada 388, uma lógica de coleta de dados de UAV de assistência parcial 390 e uma lógica de código de problema com conectividade 392. A mesma também pode incluir outros itens. A variedade de análises discutidas acima pode fornecer informações valiosas e normalmente usar dados que são, de outro modo, difíceis de obter, especialmente considerando as dificuldades apresentadas pelos locais de trabalho florestais. Conforme mencionado acima, os locais de trabalho florestais estão normalmente localizados em áreas remotas e alguns sistemas florestais atuais têm capacidades de conexão ruins. Dessa forma, embora dados possam ser obtidos no nível de máquina, pode ser difícil carregar ou compartilhar de outro modo esses dados para usar os dados com, por exemplo, análises de aplicação florestal que geram informações significativas. De acordo com um exemplo, o sistema de UAV 104 é utilizado para tratar desses desafios por meio de funções como um sistema de coleta e encaminhamento de dados para as máquinas 108 que operam na área de local de trabalho 106.
[0085] A lógica de identificação de conectividade de rede 384 identifica uma conexão de rede, por exemplo, em que a rede 286 é uma rede de área local (LAN), uma rede de área ampla (WAN) ou WiFi, dentre outros. Em um exemplo, a lógica de identificação de conectividade de rede 384 identifica uma conexão de rede WiFi entre o sistema de UAV 104 e a máquina 108 e identifica uma conexão de rede por satélite entre a estação de comunicação 110 e os sistemas remotos 120, em que o sistema de análise florestal 116 é um sistema remoto 120 implementado, por exemplo, como um serviço de computação em nuvem. A lógica de análise de força de conectividade de rede 386 determina uma força de qualquer uma dessas conexões de rede. Com base nas conexões de rede identificadas e sua força de conectividade determinada, a lógica de coleta de dados de UAV automatizada 388 e a lógica de coleta de dados de UAV de assistência parcial 390 selecionam uma rede particular para realizar coleta e encaminhamento de dados.
[0086] A lógica de coleta de dados de UAV automatizada 388 inclui de modo ilustrativo uma lógica de coleta de dados de máquina 394, uma lógica de carregamento de estação de comunicação 396 e uma lógica de encaminhamento de dados 398. A lógica de coleta de dados de máquina 388 pode gerar instruções que controlam o sistema de UAV 104 para alvejar máquinas 108 para coleta de dados. Especificamente, a lógica de coleta de dados de máquina 388 pode permitir que o sistema de UAV 104 voe para máquinas 108, dentro de uma determinada proximidade e de acordo com os limites da área de local de trabalho 106 e outras informações de local de trabalho, tais como altura de topo de árvore, e paire acima de cada máquina 108 para estabelecer uma conexão de comunicação para coletar dados. Em um exemplo, a lógica de coleta de dados de máquina 388 pode incluir instruções que permitem que o sistema de UAV 104 estabeleça uma conexão WiFi com a máquina 108 para coletar informações específicas de máquina obtidas pela máquina 108. As instruções identificam uma máquina particular, identificam uma rota de deslocamento até a máquina e identificam como coletar dados da máquina por meio de uma conexão de comunicação. As instruções podem ser completa ou parcialmente armazenadas ou fornecidas de outro modo ao UAV 104 antes de uma operação de encaminhamento de dados ocorrer. Dessa forma, o sistema de UAV 104 pode estar em comunicação com um sistema remoto de análise florestal 116 para receber instruções de lógica de conectividade de máquina 270 durante, por exemplo, uma operação de calibração de coleta de dados.
[0087] A lógica de carregamento de estação de comunicação 396 gera instruções que controlam o sistema de UAV 104 para alvejar a estação de comunicação 110 para carregamento de dados. Especificamente, a lógica de carregamento de estação de comunicação 396 pode permitir que o sistema de UAV 104 voe para a estação de comunicação 110, dentro de uma determinada proximidade (por exemplo, de acordo com os limites da área de local de trabalho 106 e outras informações de local de trabalho, tais como altura de topo de árvore, etc.) e paire acima da estação de comunicação 110 para estabelecer uma conexão de comunicação. A conexão de comunicação estabelecida é usada para carregar as informações específicas de máquina coletadas e uma ampla variedade de outras informações (tais como dados de imagens obtidos pelo componente de captura de imagem 122) para a estação de comunicação 110. A estação de comunicação 110 pode estar localizada em uma sede de local de trabalho dentro do local de trabalho 102 e, portanto, serve como uma base para o sistema de UAV 104.
[0088] Mediante os dados coletados serem carregados para a estação de comunicação 110, a lógica de encaminhamento de dados 398 encaminha os dados carregados para um sistema remoto. Por exemplo, a lógica de encaminhamento de dados 398 pode encaminhar os dados coletados para uma conexão por satélite que se comunica com o sistema de análise florestal 116 que executa um serviço de computação em nuvem remoto.
[0089] A lógica de coleta de dados de UAV de assistência parcial 390 opera de modo semelhante aos aspectos descritos acima em relação à lógica de coleta de dados de UAV automatizada 388. Entretanto, a lógica de coleta de dados de UAV de assistência parcial 390 pode incorporar interações de usuário para realizar coleta de dados específica, funções de carregamento, armazenamento e encaminhamento. A lógica de coleta de dados de UAV de assistência parcial 390 inclui de modo ilustrativo uma lógica de conectividade de dados de dispositivo de comunicação 301, uma lógica de alvejamento de dados de máquina 303, uma lógica de interface de produtividade em tempo real 305 e uma lógica de armazenamento e encaminhamento de dados 307.
[0090] A lógica de conectividade de dados de dispositivo de comunicação 301 controla a interação com o dispositivo de comunicação 114. Isso pode ser usado para permitir que o operador 112 interaja com, por exemplo, interfaces de usuário exibidas pelo componente de interface de usuário 286 a fim de selecionar parâmetros de uma operação de coleta de dados. Dessa forma, a lógica de conectividade de dados de dispositivo de comunicação 301 pode permitir que o operador 112 selecione as máquinas particulares 108, os dados particulares a serem obtidos pelas máquinas 108 (por exemplo, tipos específicos de dados de sensor obtidos pelos sensores particulares 208) ou pelo sistema de UAV 104, um trajeto de voo particular para coletar dados das máquinas 108 e mecanismos particulares para armazenar e encaminhar os dados coletados, dentre outros parâmetros. O operador 112 pode, portanto, utilizar um computador do tipo tablet ou outro dispositivo móvel (por exemplo, dispositivo de comunicação 114) para interagir com interfaces de usuário para customizar uma operação de coleta de dados e para interagir com funções de armazenamento e encaminhamento de dados para fornecer informações valiosas a outros sistemas remotos 120 (por exemplo, o sistema de análise florestal 116).
[0091] Com base, pelo menos em parte, na entrada de usuário identificada com lógica de conectividade de dados de dispositivo de comunicação 301, a lógica de alvejamento de dados de máquina 303 pode identificar máquinas selecionadas 108 para serem alvejadas para coleta de dados. A lógica de alvejamento de dados de máquina 303 pode gerar instruções que controlam o sistema de UAV 104 para voar para localizações de máquinas selecionadas 108, dentro de uma determinada proximidade (e de acordo com os limites de área de local de trabalho 106 e outras informações de local de trabalho, tais como altura de topo de árvore), e pairar acima de cada máquina 108 para estabelecer uma conexão de comunicação para coletar dados. A lógica de alvejamento de dados de máquina 303 também pode controlar o sistema de UAV 104 para obter tipos específicos de informações de máquina e/ou informações de imagens pelo componente de captura de imagem 122, como indicado por uma entrada de usuário fornecida pelo operador 112.
[0092] Em um exemplo em que o dispositivo de comunicação 114 é um computador do tipo tablet usado pelo operador 112 dentro do local de trabalho 102, a lógica de interface de produtividade em tempo real 305 pode fornecer atualizações e alterações aos dados relevantes enquanto uma operação está sendo realizada. A lógica de interface de produtividade em tempo real 305 pode servir como uma interface entre uma operação de coleta de dados que está sendo executada pela lógica de coleta de dados de UAV de assistência parcial 390 e uma análise de produtividade que está sendo executada pela de sistema de controle de produtividade 266. Dessa forma, uma vez que os dados são coletados pela lógica de alvejamento de dados de máquina 303, a lógica de interface de produtividade em tempo real 305 pode gerar instruções que atualizam métricas de produtividade com lógica de sistema de controle de produtividade 266 e, em retorno, o sistema de controle de análise florestal 116 (por exemplo, sistema de mapeamento 252) para atualizar visuais de mapa que são emergidos ou exibidos pelo dispositivo de comunicação 114. As alterações de mapa são, portanto, feitas em tempo real a partir de uma perspectiva de gerenciamento (por exemplo, durante operação, enquanto dados são continuamente coletados) e atualizações podem ser fornecidas a todas as máquinas durante uma operação. Atualizações durante uma operação podem incluir atualizações a pontos de interesse, áreas a serem colhidas, histórico de rastreamento de produção, dentre outras coisas.
[0093] Com base, pelo menos em parte, na entrada de usuário identificada com a lógica de conectividade de dados de dispositivo de comunicação 301, a lógica de armazenamento e encaminhamento de dados 307 pode gerar instruções que controlam como os dados são armazenados no armazenamento de dados 284 e encaminhados para, por exemplo, outros sistemas remotos 120 (por exemplo, sistema de análise florestal 116). Em um exemplo, a lógica de armazenamento e encaminhamento de dados 307 pode determinar que o dispositivo de comunicação 114 não tem conexão a uma rede celular para se comunicar com um sistema remoto 120 e, portanto, armazena os dados obtidos no dispositivo de comunicação 114 até que, por exemplo, uma conexão de comunicação seja estabelecida. Dessa forma, pelo menos parte da funcionalidade do sistema de análise florestal 116 que é executado localmente no dispositivo de comunicação 114 é utilizada para fornecer informações significativas em tempo real ao operador 112.
[0094] A lógica de código de problema com conectividade 392 inclui de modo ilustrativo uma lógica de identificação de código com problema 309, uma lógica de gerador de notificação de código com problema 311 e uma lógica de interface de código com problema 313. Com base em informações de conectividade determinadas pela lógica de análise de força de conectividade 386 e com base em informações em relação a técnicas de armazenamento, carregamento e encaminhamento de dados tentadas de lógica de conectividade de máquina 270, dentre outras informações, a lógica de identificação de código com problema 309 pode identificar uma ampla variedade de códigos com problema. Por exemplo, quando uma conexão limitada é estabelecida entre a máquina móvel 108 e o sistema de UAV 104, tal como uma conexão que tem uma largura de banda baixa de transferência de dados disponível, a lógica de identificação de código com problema 309 pode identificar um código com problema que corresponde à situação de conexão limitada. Os códigos com problema identificados pela lógica de identificação de código com problema 309 também podem incluir, por exemplo, códigos que indicam força de conectividade ruim, uma distância entre a estação de comunicação 114 e a área de local de trabalho 106, um problema de percurso com o sistema de UAV 104 (por exemplo, topos de árvore são muito altos, resultando em um UAV estar muito longe para se comunicar com a máquina móvel 108), dentre outros.
[0095] A lógica de gerador de notificação de código com problema 311 pode gerar uma notificação do código com problema identificado. Em um exemplo, a lógica de gerador de notificação de código com problema 311 pode fornecer a notificação para exibição em uma interface gerada com o componente de interface de usuário 286 no dispositivo de comunicação 114. Dessa forma, o operador 112 pode ser notificado de problemas em relação a estabelecimento de conexão tentado, carregamento de dados, encaminhamento de dados e armazenamento de dados, dentre outras coisas.
[0096] A lógica de interface de código com problema 313 pode realizar interface com qualquer um dos outros itens discutidos em relação ao sistema de análise florestal 116 e/ou à arquitetura de computação 200 e pode fornecer instruções para controle, com base em um código com problema identificado. Por exemplo, a lógica de interface de código com problema 313 pode gerar instruções para parar o desempenho de uma operação atual ou alterar ou atualizar de outro modo um trajeto de máquina ou um trajeto de voo, com base em um código com problema que indica um problema atual.
[0097] A Figura 4 ilustra um fluxograma que mostra um exemplo 400 de controle de um UAV para realizar uma avaliação de perturbação do solo 400. No bloco 402, a lógica de identificação de perturbação do solo 260 detecta uma solicitação para realizar uma avaliação de perturbação do solo para uma área de local de trabalho 106. As avaliações de perturbação do solo podem ser realizadas por uma ampla variedade de motivos e em diversos momentos durante uma operação ou uma vez em que uma operação é concluída. Por exemplo, a lógica de identificação de perturbação do solo 260 pode determinar que uma avaliação de perturbação do solo deve ser realizada para pós-processamento florestal, conforme indicado no bloco 424, pós- remoção de madeira, conforme indicado no bloco 426, verificação de dados, conforme indicado no bloco 428, e uma ampla variedade de outros, conforme indicado no bloco 430.
[0098] O pós-processamento florestal, conforme indicado no bloco 424, inclui uma avaliação de perturbação do solo que deve ser realizada após uma operação florestal ter sido completamente concluída e, dessa forma, pode ser utilizado para avaliar o dano de superfície de solo causado pelas máquinas utilizadas na totalidade de uma operação florestal concluída. A pós-remoção de madeira, conforme indicado no bloco 426, inclui uma avaliação de perturbação do solo que deve ser realizada após uma operação florestal ter sido parcialmente concluída (por exemplo, após alguma quantidade de árvores ter sido cortada e/ou removida, mas antes de todas as árvores caídas terem sido removidas) e, portanto, pode ser utilizada para avaliar dano de superfície de solo causado pelas máquinas utilizadas até um estado atual de uma operação. Embora a colheita seja usada como um exemplo, observa-se que a pós-remoção de madeira, conforme indicado no bloco 426, pode incluir avaliações realizadas após conclusão parcial de qualquer operação florestal. A verificação de dados, conforme indicado no bloco 428, inclui uma comparação entre um conjunto de dados de perturbação do solo obtidos (por exemplo, informações de sensor específicas de máquina captadas por sensores 208 na máquina 108) com outro conjunto de dados de perturbação do solo obtidos (por exemplo, informações de imagens obtidas pelo componente de captura de imagem 122 ou pelo sistema de UAV 104) para verificar a perturbação do solo para uma operação realizada na área de local de trabalho 106.
[0099] No bloco 404, a lógica de identificação de perturbação do solo 260 gera um trajeto de voo para realizar a avaliação de perturbação do solo na área de local de trabalho 106. Por exemplo, a lógica de identificação de perturbação do solo 260 pode gerar instruções que instruem a lógica de interface de trajeto de voo 318 para criar um trajeto de voo para realizar a avaliação de perturbação do solo na área de local de trabalho 106.
[00100] No bloco 406, a lógica de identificação de perturbação do solo 260 obtém imagens capturadas da área de local de trabalho 106. Por exemplo, a lógica de identificação de perturbação do solo 260 pode obter imagens capturadas pelo componente de captura de imagem 122 do sistema de UAV 104 e outras informações de sensor. As imagens capturadas que representam a perturbação do solo da área de local de trabalho 106 de modo ilustrativo incluem imagens capturadas visuais pelo componente de imageamento visual 242, conforme indicado no bloco 432, representações de dados de lidar ou radar capturadas pelo componente de imageamento de lidar/radar 244, conforme indicado no bloco 434, e outras informações de imagem obtidas pelo componente de captura de imagem 122. As informações de sensor que representam a perturbação do solo da área de local de trabalho 106 também podem ser obtidas pela lógica de identificação de perturbação do solo 260 e podem incluir de modo ilustrativo informações de sensor específicas de máquina detectadas pelos sensores 208 na máquina 108, conforme indicado pelo bloco 436, dentre outras informações, conforme indicado no bloco 440.
[00101] No bloco 408, a lógica de processamento de imagem de perturbação do solo 332 gera um mapeamento de perturbação do solo da área de local de trabalho 106. Por exemplo, a lógica de processamento de imagem de perturbação do solo 332 realiza interface com o sistema de mapeamento 252 (por exemplo, a lógica de costura de imagem 302) para costurar em conjunto imagens capturadas pelo componente de captura de imagem 122. Isso é usado para gerar uma representação mapeada da área de local de trabalho 106 que tem uma perturbação do solo medida.
[00102] No bloco 410, a lógica de limiar de perturbação do solo 330 identifica um valor limítrofe de perturbação do solo, tal como uma medida de erosão ou desgaste do solo, uma medida de profundidade de sulco, uma medida de uma quantidade de material (por exemplo, árvores cortadas, folhas, outro material) que se sobrepõe a uma superfície de solo, dentre uma ampla variedade de outros valores limítrofes.
[00103] No bloco 412, a lógica de processamento de imagem de perturbação do solo 332 analisa o mapeamento de perturbação do solo (ou representação mapeada) gerado da área de local de trabalho 106, com base, pelo menos em parte no valor limítrofe de perturbação do solo gerado pela lógica de limiar de perturbação do solo 330.
[00104] Isto é, a lógica de processamento de imagem de perturbação do solo 332 pode comparar um valor medido de perturbação do solo, para cada área dentro da área de local de trabalho 106 que tem alguma perturbação do solo detectada e representada na representação mapeada, com um valor limítrofe de perturbação do solo. No bloco 412, a lógica de processamento de imagem de perturbação do solo 332 pode gerar um conjunto de métricas de perturbação do solo, em que cada uma tem um valor indicativo de uma perturbação do solo em uma localização geográfica diferente, com base nas informações de imagens. O valor da métrica de perturbação do solo pode incluir uma diferença em uma suavidade do solo na localização geográfica, em relação a uma suavidade do solo em outras localizações próximas.
[00105] No bloco 414, a lógica de processamento de imagem de perturbação do solo 332 detecta que um nível de perturbação do solo está além do valor limítrofe de perturbação do solo para uma área, com base, pelo menos em parte, na análise realizada no bloco 412. Por exemplo, a análise indicada no bloco 412 pode ser usada para determinar que uma perturbação do solo medida, tal como uma profundidade de sulco medida (em que o sulco foi causado pela operação da máquina 108 dentro da área de local de trabalho 106), em uma dada localização na representação mapeada da área de local de trabalho 106 excede um valor limítrofe de profundidade de sulco (por exemplo, valor de profundidade de sulco medido de 7,62 cm (3 polegadas) excede um valor de profundidade de sulco limítrofe de 2,54 cm (1 polegada)). A lógica de processamento de imagem de perturbação do solo 332 pode detectar que um nível de perturbação do solo está além de um valor limítrofe de perturbação do solo para uma ampla variedade de tipos diferentes de perturbações do solo, tais como uma perturbação de sulco de máquina, conforme indicado no bloco 442, uma área de desgaste, conforme indicado no bloco 444, um nível de erosão do solo, conforme indicado no bloco 446, uma diferença em características de terreno, tais como um delta de terreno, conforme indicado no bloco 448, dentre outros tipos de perturbações do solo mostradas no bloco 450. Por exemplo, a partir das informações de imagens, uma dada localização que tem um indicador de perturbação do solo indicativo de perturbação do solo provável pode ser identificada.
[00106] No bloco 416, o componente de identificação de área de correção 336 identifica uma subárea particular da área de local de trabalho 106 que exige reparo e gera um sinal de ação. Por exemplo, a lógica de processamento de imagem de perturbação do solo 332 pode identificar pontos na representação mapeada da área de local de trabalho 106 em que a perturbação do solo medida excede o nível de perturbação do solo limítrofe e também pode identificar como os pontos identificados correspondem às respectivas posições geográficas da área de local de trabalho 106. O componente de identificação de área de correção 336 pode, dessa forma, identificar subáreas ou regiões geográficas na área de local de trabalho 106 que correspondem aos pontos identificados que indicam perturbação excessiva do solo. O componente de identificação de área de correção 336 identifica, dessa forma, uma ou mais áreas geográficas da área de local de trabalho 106 que experimentam um nível inaceitável de perturbação do solo e que, dessa forma, exigem reparo. Como um exemplo, em que uma profundidade de sulco medida excede um valor limítrofe de profundidade de sulco em uma posição no mapa de perturbação do solo, o componente de identificação de área de correção 336 pode identificar uma área geográfica de 9,39 metros quadrados (100 pés quadrados) que corresponde à perturbação pelo sulco (e alguma área de limite ao redor do sulco) e que deve ser reparada.
[00107] No bloco 418, o componente de seleção de ação corretiva 338 seleciona uma ação corretiva particular a ser implantada na subárea particular da área de local de trabalho 106. Por exemplo, com base pelo menos em parte na perturbação do solo medida e na subárea identificada a ser reparada, o componente de seleção de ação corretiva 338 pode selecionar automaticamente a ação corretiva mais apropriada a ser implementada na subárea particular. O componente de seleção de ação corretiva 338 pode selecionar a ação corretiva mais apropriada a ser implementada com base em uma variedade de critérios diferentes, tal como o tipo de perturbação, os tipos de máquinas 108 na área, o custo de operações diferentes, o tempo para realizar operações diferentes, a segurança de operações diferentes, etc. Em um exemplo, o componente de seleção de ação corretiva 338 pode selecionar a ação corretiva mais apropriada a ser implementada com base em uma indicação de uma entrada de usuário que seleciona uma ação particular. A ação particular selecionada pelo componente de seleção de ação corretiva 338 pode incluir qualquer uma dentre uma ação de máquina móvel, conforme indicado no bloco 452, uma ação de atualização de trajeto planejado, conforme indicado no bloco 454, uma ação de assistência a tração, conforme indicado no bloco 456, uma ação de UAV, conforme indicado no bloco 458, dentre outras ações, como mostrado no bloco 460.
[00108] Uma ação de máquina móvel, conforme indicado no bloco 452, pode incluir instruções para controlar a máquina móvel 108 para realizar ruma correção de perturbação do solo (por exemplo, instruções para realizar uma operação que preenche um sulco induzido por máquina). Uma ação de atualização de trajeto planejado, conforme indicado no bloco 454, pode incluir instruções para modificar uma rota de deslocamento prescrita de máquina 108 para reduzir perturbação adicional do solo. Uma ação de assistência a tração, conforme indicado no bloco 456, pode incluir instruções para implementar aspectos de assistência a tração com a máquina móvel 108 para reduzir perturbação adicional do solo. Uma ação de UAV, conforme indicado no bloco 458, pode incluir instruções para obter imagens adicionais pelo componente de captura de imagem 122 ou, por exemplo, instruções para controlar o UAV 104 para obter as imagens adicionais.
[00109] No bloco 420, a lógica de correção de perturbação do solo 334 gera e emite uma indicação da ação corretiva selecionada para reparar a subárea particular. Por exemplo, a lógica de correção de perturbação do solo 334 pode emitir uma notificação para notificar o operador 112 (por exemplo, pelo componente de interface de usuário 246 e/ou pelo dispositivo de interface de usuário 204) da ação selecionada, um sinal de controle para controlar qualquer uma das máquinas ou dos veículos 108 no local de trabalho 102 e uma ampla variedade de outras saídas.
[00110] No bloco 422, a lógica de identificação de perturbação do solo 260 atualiza o mapeamento de perturbação do solo, com base pelo menos em parte na ação corretiva que foi selecionada. Por exemplo, a lógica de identificação de perturbação do solo 260 pode realizar avaliações de perturbação do solo adicionais uma vez que uma ação corretiva foi selecionada e/ou realizada, para determinar se qualquer ação corretiva adicional é exigida para reduzir a perturbação do solo na área de local de trabalho 106. Em um exemplo, um sinal de ação é emitido.
[00111] A Figura 5 ilustra um fluxograma que mostra um exemplo 500 de controlar um UAV para realizar uma análise de identificação de declive. No bloco 502, a lógica de identificação de declive 264 detecta uma solicitação para realizar uma análise de identificação de declive para a área de local de trabalho 106. Novamente, essa pode ser uma solicitação automatizada ou uma solicitação de quaisquer operadores ou indivíduos.
[00112] No bloco 504, a lógica de identificação de declive 264 determina se a análise de identificação de declive, a ser realizada, é associada a uma operação florestal de pré-colheita ou pós-colheita. A lógica de identificação de declive 264 pode diferenciar entre uma análise de declive para uma operação florestal de pré-colheita ou pós-colheita com base em, por exemplo, informações recebidas a partir de lógica de identificação de operação de máquina 258. Por exemplo, a lógica de identificação de operação de máquina 258 pode ser usada para determinar se uma ou mais máquinas 108 estão realizando atualmente uma operação de colheita. A lógica de identificação de declive 264 também pode usar lógica de entrada do tipo análise florestal 308 para determinar se a análise solicitada é selecionada (por exemplo, automática ou manualmente pela entrada de usuário) para ser uma análise pós-colheita ou pré-colheita. Uma análise de declive pré-colheita pode usar imagens aéreas para medir declive de área de local de trabalho 106. Uma análise de declive de pós-colheita pode usar imagens aéreas em combinação com outras informações específicas de sensor a partir das máquinas 108 para verificar um declive medido da área de local de trabalho 106.
[00113] No bloco de decisão 506, a lógica de identificação de declive 264 pode selecionar que a análise de declive é associada a uma operação de pré-colheita ou uma operação de pós-colheita. No bloco 508, em que a lógica de identificação de declive 264 seleciona uma operação de pré-colheita, a lógica de identificação de declive 264 gera um trajeto de voo de UAV para obter informações de imagens indicativas de um declive da área de local de trabalho 106 usando-se o componente de captura de imagem 122. Por exemplo, a lógica de identificação de declive 264 pode gerar instruções que realizam interface com a lógica de interface de trajeto de voo 318 para controlar o sistema de UAV 104 de acordo com um trajeto de voo gerado.
[00114] No bloco 510, a lógica de processamento de imagem de declive 350 instrui o sistema de UAV 104 a capturar imagens da área de local de trabalho 106 com o uso do componente de captura de imagem 122 e/ou obter outras informações (tais como informações que usam sensores de atributo 230). Como indicado no bloco 544, a lógica de processamento de imagem de declive 350 pode instruir o sistema de UAV 104 a capturar topo de árvore ou outras informações de imagens de área de local de trabalho 106 com o uso do componente de imageamento visual 242. Como indicado no bloco 546, a lógica de processamento de imagem de declive 350 pode instruir o sistema de UAV 104 a capturar informações de lidar/radar que indicam declive da área de local de trabalho 106 usando-se o componente de imageamento de lidar/radar 244. Obviamente, a lógica de processamento de imagem de declive 350 pode instruir o sistema de UAV 104 a também obter outras informações, conforme indicado no bloco 550.
[00115] No bloco 512, a lógica de processamento de imagem de declive 350 gera um mapeamento de declive da área de local de trabalho 106, com base nas imagens capturadas e em outras informações obtidas no bloco 510. Por exemplo, a lógica de processamento de imagem de declive 350 pode realizar interface com o sistema de mapeamento 252 (por exemplo, lógica de costura de imagem 302) para costurar em conjunto imagens capturadas pelo componente de captura de imagem 122 em uma representação mapeada da área de local de trabalho 106 que tem valores de declive medidos. Um mapeamento de declive para a área de local de trabalho 106 pode indicar diversas subáreas e seus valores de declive medidos correspondentes, de forma que as subáreas possam ser identificadas para evitação pela máquina 108, ou as áreas em que a máquina 108 deve trabalhar, conforme a mesma realiza uma operação. Como indicado no bloco 552, o mapeamento de declive gerado pode representar um delta de topologia de topo de árvore (tal como uma diferença na altura medida de árvores de acordo com a análise realizada em topos de árvores dentro da área de local de trabalho 106). Por exemplo, a lógica de processamento de imagem de declive 350 pode determinar diferenças em uma altura de árvores e usa as diferenças para medir alterações de declive para a área de local de trabalho 106. O mapeamento de declive gerado também pode indicar outras medições de declive, conforme indicado no bloco 554.
[00116] No bloco 514, a lógica de limiar de declive 348 identifica um valor limítrofe de declive de solo e a lógica de consideração de trajeto de máquina e declive 354 identifica uma rota de deslocamento de máquina sugerida para a área de local de trabalho 106. Por exemplo, a lógica de consideração de trajeto de máquina e declive 354 identifica uma rota de deslocamento prescrita de máquina 108 para realizar uma operação dentro da área de local de trabalho 106, com base no declive.
[00117] No bloco 516, a lógica de consideração de trajeto de máquina e declive 354 realiza uma análise de declive em relação à rota de deslocamento de máquina sugerida, com base no mapeamento de declive gerado e no valor limítrofe identificado de declive de solo. No bloco 516, a lógica de processamento de imagem de declive 350 pode gerar um conjunto de métricas de declive, em que cada uma tem um valor indicativo de uma medida de declive em uma localização diferente no local de trabalho florestal, com base nas informações de imagens. Em um exemplo, a lógica de consideração de trajeto de máquina e declive 354 pode identificar as subáreas particulares dentro da área de local de trabalho 106 que têm um valor de declive medido que excede o valor limítrofe de declive de solo. Se qualquer uma das subáreas particulares também forem regiões geográficas em que a máquina 108 é prescrita a se deslocar sobre, de acordo com a rota de deslocamento de máquina prescrita, então, a lógica de consideração de trajeto de máquina e declive 354 pode identificar essas subáreas como áreas problemáticas que exigem correção de trajeto de máquina.
[00118] No bloco 518, a lógica de consideração de trajeto de máquina e declive 354 atualiza a rota de deslocamento de máquina sugerida, com base pelo menos em parte na análise realizada no bloco 516. A atualização da rota de deslocamento de máquina sugerida no bloco 518 pode incluir modificar a rota de deslocamento sugerida para evitar as áreas problemáticas (por exemplo, áreas em que o declive é muito grande) ou, por exemplo, gerar um novo trajeto de máquina prescrito.
[00119] No bloco, 520, a lógica de consideração de trajeto de máquina e declive 354 gera uma indicação do trajeto de máquina atualizado. No bloco 522, a lógica de identificação de declive 264 emite a indicação. A indicação pode ser usada para controlar a máquina 108 para realizar a operação de colheita ao longo da rota de deslocamento atualizada. Em um exemplo, a lógica de visualização de declive 356 fornece uma saída da rota de deslocamento de máquina atualizada com um mapa visual, conforme indicado no bloco 556. Como indicado no bloco 558, a lógica de identificação de declive 264 pode gerar uma notificação para notificar o operador 112 (por exemplo, pelo componente de interface de usuário 246 e/ou pelo dispositivo de interface de usuário 204) da rota de deslocamento de máquina atualizada. Outras saídas também podem ser fornecidas, conforme indicado no bloco 560.
[00120] Dessa forma, pode ser observado que a lógica de identificação de declive 264 pode, antes de uma operação ser realizada, utilizar o sistema de UAV 104 para medir o declive do local de trabalho 106 e, dessa forma, identificar áreas que têm um declive maior que um declive limítrofe para atualizar uma rota de deslocamento de máquina para evitar declives grandes. Isso pode ser usado para aperfeiçoar a eficiência de máquina, devido ao fato de que as máquinas 108 experimentam menos deslizamento e produzem menos dano à área de local de trabalho 106, aperfeiçoando também, desse modo, a produtividade de uma operação de colheita.
[00121] Voltando ao bloco 524, em que a lógica de identificação de declive 264 seleciona uma operação de pós-colheita em vez de uma operação de pré-colheita no bloco de decisão 506, a lógica de identificação de declive 264 obtém informações de sensor indicativas de declive captado de área de local de trabalho 106. No bloco 540, a lógica de identificação de declive 264 obtém informações de sensor específicas de máquina, tais como informações captadas pelos sensores 208 ou por uma ou mais máquinas 108. Por exemplo, enquanto as máquinas 108 estão realizando uma operação de colheita, os sensores 208 podem captar declive de área de local de trabalho 106. Esse declive captado pode ser verificado pela lógica de identificação de declive 264 para aperfeiçoar precisão de medições de declive adicionais.
[00122] No bloco 526, a lógica de identificação de declive 264 obtém informações de trajeto de percurso de máquina para a operação de colheita (por exemplo, o trajeto de percurso de máquina percorrido para uma operação de colheita concluída ou um trajeto de percurso de máquina atualmente em progresso para uma operação de colheita atual). As informações de trajeto de percurso de máquina podem incluir geralmente uma localização geográfica no qual a máquina 108 está posicionada durante a operação de colheita. No bloco 528, a lógica de identificação de declive 264 gera um mapeamento bruto da área de local de trabalho 106, com base nas informações de declive captado e localização geográfica. Por exemplo, a lógica de identificação de declive 264 pode realizar interface com o sistema de mapeamento 252 para gerar um mapeamento bruto de valores de declive medidos por toda a área de local de trabalho 106 e, em particular, através de subáreas em que a máquina 108 se desloca. O mapeamento bruto pode ser usado para verificar a precisão de técnicas de captação de declive bruta, tal como para calibrar sensores 208 ou verificar a precisão de lógica de identificação de declive 264.
[00123] No bloco 530, a lógica de identificação de declive 264 controla o UAV 104 para realizar uma operação de imageamento para obter informações de declive adicionais para a área de local de trabalho 106. Por exemplo, o bloco 530 inclui qualquer um dos aspectos discutidos acima em relação aos blocos 508 e 510.
[00124] No bloco 532, a lógica de identificação de declive 264 gera um mapeamento de declive de UAV da área de local de trabalho 106, com base nas informações de imageamento de UAV capturadas pelo componente de captura de imagem 122 e outras informações de sensor (por exemplo, e de acordo com os aspectos discutidos em relação a bloco 512).
[00125] No bloco 534, a lógica de verificação de declive 352 compara o mapeamento bruto de declive gerado no bloco 528 com o mapeamento de declive de UAV gerado no bloco 532. A lógica de verificação de declive 352 pode identificar as diferenças entre dados de declive brutos do mapeamento bruto de declive e os dados de declive imageados do mapeamento de declive de UAV. A lógica de verificação de declive 352 também pode gerar uma métrica indicativa de um grau de diferença entre os dois tipos de informações de declive medidas.
[00126] No bloco 536, a lógica de verificação de declive 352 atualiza e verifica as informações de declive para a área de local de trabalho 106, com base na comparação. Em um exemplo, em que um valor de declive bruto entra em conflito com um valor de declive imageado, a lógica de verificação de declive 352 pode usar uma ou mais regras para selecionar um valor de declive medido prevalecente. Se a lógica de verificação de declive 352 determina que os valores conflitantes são relativamente próximos uns aos outros (por exemplo, pequeno grau de diferença), a lógica de verificação de declive 352 pode selecionar um valor particular dentre os valores como sendo um valor prevalecente com base em uma ou mais regras. Se, entretanto, a lógica de verificação de declive 352 determinar que os valores conflitantes não são relativamente próximos uns aos outros (por exemplo, grande grau de diferença), a lógica de verificação de declive 352 pode tomar uma média dos dois valores ou gerar um novo valor de declive preciso de outras formas.
[00127] No bloco 538, a lógica de identificação de declive 264 emite a indicação das informações de declive atualizadas e/ou verificadas. Por exemplo, a lógica de visualização de declive 356 pode fornecer uma saída das informações de declive atualizadas com um mapa visual, conforme indicado no bloco 556. As saídas dotadas de um mapa visual podem sugerir áreas “no go”, tais como pantanais, sumidouros, terreno muito íngreme, etc. Como indicado no bloco 558, a lógica de identificação de declive 264 gera uma notificação para notificar o operador 112 (por exemplo, pelo componente de interface de usuário 246 e/ou dispositivo de interface de usuário 204) das informações de declive atualizadas e/ou verificadas. As saídas fornecidas como uma notificação podem incluir aspectos de assistência de operador que sugerem uma rota mais eficiente de percurso baseada nas informações de declive atualizadas e/ou verificadas. Outras saídas das informações de declive atualizadas e/ou verificadas também podem ser fornecidas, conforme indicado no bloco 560. Em um exemplo, um sinal de ação é emitido.
[00128] Dessa forma, a operação 500 aperfeiçoa de modo ilustrativo o percurso da máquina 108 e, portanto, aperfeiçoa a produtividade do local de trabalho 102, identificando-se áreas problemáticas do local de trabalho 106 (por exemplo, que têm declive íngreme acima de um limiar) e atualizando-se as rotas de percurso da máquina 108, com base em informações de declive verificadas.
[00129] A Figura 6 ilustra um fluxograma que mostra um exemplo 600 de controle de um UAV para realizar uma análise de inventário de árvore para uma área de local de trabalho. No bloco 602, a lógica de inventário de árvore 268 detecta uma solicitação para realizar uma análise de inventário de árvore para a área de local de trabalho 106. Essa solicitação pode ser automatizada ou manual ou uma combinação de ambos.
[00130] No bloco 604, a lógica de inventário de árvore 268 gera um trajeto de voo de UAV para realizar a análise de inventário de árvore na área de local de trabalho 106. Por exemplo, a lógica de inventário de árvore 268 pode gerar instruções que realizam interface com a lógica de interface de trajeto de voo 318 para controlar o UAV 104 de acordo com um trajeto de voo gerado. O trajeto de voo gerado pela lógica de inventário de árvore 268 pode ser particular para obter informações de imagens, indicando propriedades arbóreas do local de trabalho 106, com componente de captura de imagem 122.
[00131] No bloco 606, a lógica de inventário de árvore 268 instrui o UAV 104 a capturar imagens da área de local de trabalho 106 com o uso do componente de captura de imagem 122 e/ou obter outras informações com o uso dos sensores de atributo 230. Como indicado no bloco 616, a lógica de inventário de árvore 268 pode instruir o UAV 104 a capturar imagens visuais de árvores com o uso do componente de imageamento visual 242.
[00132] Como indicado no bloco 618, a lógica de inventário de árvore 268 pode instruir o UAV 104 a capturar informações de lidar/radar que indicam propriedades arbóreas usando-se o componente de imageamento de lidar/radar 244. A lógica de inventário de árvore 268 pode instruir o UAV 104 a obter outras informações também, conforme indicado no bloco 620.
[00133] No bloco 608, a lógica de processamento de imagem métrica de árvore 368 gera um mapeamento de inventário de árvore, com base nas imagens capturadas e em outras informações de sensor. Por exemplo, conforme indicado no bloco 622, a lógica de processamento de imagem métrica de árvore 368 pode realizar interface com o sistema de mapeamento 252 (por exemplo, a lógica de costura de imagem 302) para costurar em conjunto imagens capturadas pelo componente de captura de imagem 122 em uma representação mapeada da área de local de trabalho 106 que têm as informações de árvore. Em um exemplo, conforme indicado no bloco 624, a lógica de processamento de imagem métrica de árvore 368 pode usar técnicas de detecção de propriedade de árvore para gerar a representação mapeada da área de local de trabalho 106 para representar informações de árvore. Por exemplo, as medições específicas de propriedades arbóreas podem ser determinadas a partir do mapeamento. Obviamente, a lógica de processamento de imagem métrica de árvore 368 pode gerar o mapa de inventário de árvore de outras formas também, conforme indicado no bloco 626.
[00134] No bloco 610, a lógica de processamento de imagem métrica de árvore 368 analisa o mapeamento gerado, incluindo as propriedades arbóreas medidas, para obter informações de inventário de árvore detalhadas. As informações de inventário de árvore detalhadas podem incluir métricas que pertencem a cada tipo de propriedade de árvore medida. No bloco 628, a lógica de diâmetro na altura do peito 370 gera métricas indicativas de um diâmetro na altura do peito medido. No bloco 630, a lógica de altura 372 gera métricas indicativas de uma altura de árvore medida. No bloco 632, a volume lógica 374 gera métricas indicativas de um volume medido de uma população arbórea. No bloco 634, a densidade por lógica de área 376 gera métricas indicativas de uma densidade de árvores por área de local de trabalho 106. No bloco 636, a lógica de madeira macia 378 gera métricas indicativas de madeira macia (por exemplo, identifica o tipo de árvore como conífera). No bloco 638, a lógica de madeira dura 380 gera métricas indicativas de madeira dura (por exemplo, identifica o tipo de árvore como caducifólia). Como um exemplo adicional, a lógica de processamento de imagem de métrica de árvore 368 pode ser configurada para gerar métricas que pertencem à maturidade de árvore, tal como idade e saúde, ou outros itens.
[00135] No bloco 612, o componente de saída métrico de árvore processado 382 gera uma saída de inventário de árvore com base nas informações de inventário de árvore detalhadas. As saídas podem incluir valores que indicam as próprias métricas, comparações de métricas e uma ampla variedade de outras saídas. O componente de saída métrica de árvore processado 382 pode gerar sinais de saída que indicam qualquer uma dentre as métricas de árvore determinadas, assim como um sinal de ação. Um sinal de ação gerado pelo componente de saída métrico de árvore processado 382 pode, por exemplo, incluir sinais de implementação de máquina para controlar a implementação de uma máquina florestal na área de local de trabalho 106 ou em localizações geográficas específicas com base nas métricas de inventário de árvore.
[00136] No bloco 614, o componente de saída métrico de árvore processado 382 fornece uma indicação da saída de inventário de árvore. O componente de saída métrica de árvore processado 382 pode fornecer uma indicação da saída para indicar as métricas de inventário de árvore 644. Por exemplo, as métricas de inventário de árvore podem ser fornecidas ao operador 112 como notificações que indicam os valores numéricos de métricas de inventário de árvore. O componente de saída métrica de árvore processado 382 pode fornecer uma indicação da saída de inventário de árvore como um mapa visual, conforme indicado no bloco 646. Dessa forma, a área de local de trabalho 106 pode ser visualizada, de acordo com a funcionalidade do sistema de mapeamento 252 discutido acima, com representações visuais das métricas de árvore. Obviamente, a saída de inventário de árvore também pode ser fornecida de outras formas, conforme indicado no bloco 648. Em um exemplo, um sinal de ação é fornecido como uma saída.
[00137] A Figura 7 ilustra um fluxograma que mostra um exemplo 700 de controle de um UAV para realizar uma análise de viabilidade de combate a incêndios para uma área de local de trabalho. No bloco 702, a lógica de decisão de implementação de combate a incêndios 262 detecta uma solicitação para realizar uma análise de viabilidade de combate a incêndios para a área de local de trabalho 106. Assim como com outras solicitações, isso pode ser automatizado, manual ou uma combinação de ambos.
[00138] No bloco 704, a lógica de decisão de implementação de combate a incêndios 262 obtém informações em relação à área de local de trabalho 106 que são relevantes a operações de combate a incêndios. Por exemplo, a lógica de decisão de implementação de combate a incêndios 262 pode obter informações armazenadas em relação à área de local de trabalho 106, tal como limites de local de trabalho 730, tamanho de local de trabalho 732 e informações de investimento de local de trabalho históricas 734. Em um exemplo, a lógica de decisão de implementação de combate a incêndios 262 pode realizar interface com a lógica de identificação de área de interesse histórica 310 para identificar limites de local de trabalho 730, tamanho de local de trabalho 732 e informações de investimento (por exemplo, horas investidas, dinheiro investido, data de começo de operações florestais, data final de operações, etc.) 734, dentre outras informações 736.
[00139] No bloco 706, a lógica de decisão de implementação de combate a incêndios 262 gera um trajeto de voo de UAV para realizar a análise de viabilidade de combate a incêndios na área de local de trabalho 106. Por exemplo, a lógica de decisão de implementação de combate a incêndios 262 pode gerar instruções que realizam interface com a lógica de interface de trajeto de voo 318 para controlar o UAV 104 de acordo com um trajeto de voo gerado. O trajeto de voo gerado pela lógica de decisão de implementação de combate a incêndios 262 pode controlar o UAV 104 para obter informações de imagens indicativas dos parâmetros de combate a incêndios para o local de trabalho 106 usando-se o componente de captura de imagem 122.
[00140] No bloco 708, a lógica de decisão de implementação de combate a incêndios 262 instrui o UAV 104 a capturar imagens da área de local de trabalho 106 com o uso do componente de captura de imagem 122 e/ou obter outras informações com o uso dos sensores de atributo 230. Como indicado no bloco 738, a lógica de decisão de implementação de combate a incêndios 262 instrui o UAV 104 a capturar imagens visuais com o uso do componente de imageamento visual 242. Como indicado no bloco 740, a lógica de decisão de implementação de combate a incêndios 262 pode instruir o UAV 104 a capturar informações de LIDAR/radar que indicam os parâmetros de combate a incêndios da área de local de trabalho 106 usando-se o componente de imageamento de lidar/radar 244. A lógica de decisão de implementação de combate a incêndios 262 pode instruir o UAV 104 a obter informações específicas de máquina, conforme indicado no bloco 742, e outras informações, conforme indicado no bloco 744.
[00141] No bloco 710, a lógica de decisão de implementação de combate a incêndios 262 gera um mapeamento de viabilidade de combate a incêndios da área de local de trabalho 106, com base nas imagens capturadas e em outras informações obtidas no bloco 708. Por exemplo, a lógica de decisão de implementação de combate a incêndios 262 pode realizar interface com o sistema de mapeamento 252 (por exemplo, a lógica de costura de imagem 302) para costurar e conjunto imagens capturadas pelo componente de captura de imagem 122 em uma representação mapeada da área de local de trabalho 106, de forma que o mapeamento também represente uma viabilidade de combater um incêndio em uma área de local de trabalho 106. A lógica de viabilidade de combate a incêndios 262 pode gerar o mapeamento para indicar que subáreas particulares, da área de local de trabalho 106, são viáveis ou não viáveis para realizar uma operação de combate a incêndios. O mapeamento de viabilidade de combate a incêndios pode representar uma ampla variedade de parâmetros medidos para determinar se é viável combater um incêndio, tal como densidade florestal 746, habitação de inseto 748 (por exemplo, infestação de peste), informações de impacto de tempestade e clima 750 e custo de informações de estimativa de combate 752, dentre outras informações 754.
[00142] No bloco 712, a lógica de análise de viabilidade de combate a incêndios 340 compara o mapeamento de viabilidade de combate a incêndios gerado no bloco 710 com as informações de área de local de trabalho obtidas no bloco 704. Por exemplo, a lógica de análise de viabilidade de combate a incêndios 340 compara um tamanho da área de local de trabalho 732 com uma densidade de material florestal 744. Essa comparação pode ser usada para determinar características de terreno na área de local de trabalho 106, gerar uma métrica que indica que a área de local de trabalho 106 é muito grande, muito íngreme e/ou muito densa para parar um incêndio florestal. Como outro exemplo, a lógica de análise de viabilidade de combate a incêndios 340 compara a habitação de inseto 746 (por exemplo, habitação de espécie invasora) com uma quantidade de investimento (por exemplo, número de horas gastas colhendo-se na área de local de trabalho 106). Essa comparação pode ser usada para gerar uma métrica que indica que a área de local de trabalho 106 não investiu o suficiente e tem muitas espécies invasoras de insetos para ser valiosa o suficiente para implementar uma operação de combate a incêndios.
[00143] Obviamente, esses são apenas exemplos e a lógica de análise de viabilidade de combate a incêndios 340 pode comparar uma ampla variedade de tipos diferentes de informações para realizar uma análise de viabilidade de combate a incêndios.
[00144] No bloco 714, a lógica de análise de viabilidade de combate a incêndios 340 determina se a implementação de uma operação de combate a incêndios é viável, com base na comparação discutida acima em relação ao bloco 712. Como mencionado de modo semelhante acima, a lógica de análise de viabilidade de combate a incêndios 340 pode determinar que uma operação de combate a incêndios não é viável quando a área de local de trabalho 106 é determinada para ter características que, por exemplo, aumentam um risco de implementar uma operação de combate a incêndios, reduzem um valor de local de trabalho 106 além de um nível que garantiria a implementação de uma operação de combate a incêndios ou que exigem custos excessivos para implementar uma operação de combate a incêndios, dentre outros. A lógica de análise de viabilidade de combate a incêndios 340 pode determinar que uma operação de combate a incêndios é viável quando a área de local de trabalho 106 é determinada para ter características que, por exemplo, reduzem o risco de implementar uma operação de combate a incêndios, aumentam o valor do local de trabalho 106 ou de outro modo não exigem custos excessivos para implementar uma operação de combate a incêndios. Obviamente, outras características podem ser consideradas pela lógica de análise de viabilidade de combate a incêndios 340.
[00145] No bloco de decisão 716, a lógica de análise de viabilidade de combate a incêndios 340 pode determinar se é viável implementar uma operação de combate a incêndios. No bloco 718, em que a lógica de análise de viabilidade de combate a incêndios 340 determina que é viável implementar uma operação de combate a incêndios, um sinal de ação é gerado, por exemplo, em que a lógica de identificação de rota de fuga 346 pode analisar o mapeamento de viabilidade de combate a incêndios e outras informações (tais como informações de sensor específicas de máquina) para identificar rotas de fuga potenciais. As rotas de fuga potenciais podem incluir rotas de percurso para bombeiros, operador 112, máquina 108 e para outros itens no local de trabalho 102.
[00146] No bloco 720, a lógica de identificação de rota de fuga 346 seleciona uma rota particular das rotas de fuga potenciais, com base no mapeamento de viabilidade de combate a incêndios analisado e em outras informações. A lógica de identificação de rota de fuga 346 pode selecionar a rota de fuga mais eficiente ou mais segura como uma rota de fuga ideal. No bloco 722, a lógica de identificação de rota de fuga 346 gera uma saída que indica a rota de fuga ideal selecionada.
[00147] No bloco 724, a lógica de identificação de rota de fuga 346 fornece uma indicação da saída de rota de fuga ideal gerada no bloco 722. A lógica de identificação de rota de fuga 346 pode fornecer a saída como um mapa visual 756, uma notificação 758 ou outra saída 760. Por exemplo, a lógica de identificação de rota de fuga 346 pode identificar uma rota de deslocamento através da área de local de trabalho 106 que o operador 112 e/ou as máquinas 108 percorrem para ser seguramente removido do perigo apresentado por um incêndio florestal. Em tal exemplo, a lógica de identificação de rota de fuga 346 pode fornecer uma saída que indica uma rota de deslocamento de acordo com a rota de fuga ideal ao sistema de mapeamento 252 para incorporação com um mapa visual da área de local de trabalho 106. A lógica de identificação de rota de fuga 346 pode fornecer uma saída que indica uma notificação que é apresentada ao operador 112 (por exemplo, pelo componente de interface de usuário 246 e/ou dispositivo de interface de usuário 204). A rota de fuga pode ser continuamente atualizada com base em novas imagens aéreas, alterações climáticas e outras coisas.
[00148] No bloco 726, em que a lógica de análise de viabilidade de combate a incêndios 340 determina que não é viável implementar uma operação de combate a incêndios, um sinal de ação é gerado, por exemplo, em que a lógica de decisão de implementação de combate a incêndios 340 gera uma saída que indica que a operação de combate a incêndios não é viável. No bloco 728, a lógica de análise de viabilidade de combate a incêndios 340 fornece uma indicação da saída inviável (por exemplo, sinal de ação). A indicação da operação de combate a incêndios que é inviável pode ser fornecida como uma notificação ao operador 112 ou em uma variedade de outras formas também. Por exemplo, o operador 112 pode receber uma notificação no dispositivo de comunicação 114 que indica que a lógica de análise de viabilidade de combate a incêndios 340 determinou que uma operação de combate a incêndios particular não é viável para uma localização na área de local de trabalho 106. Isso é apenas um exemplo.
[00149] A Figura 8 ilustra um fluxograma que mostra um exemplo 800 de controle de um UAV para realizar uma avaliação de produtividade e controle para uma área de local de trabalho associada a uma operação florestal. No bloco 802, a lógica de sistema de controle de produtividade 266 detecta uma solicitação para realizar uma avaliação de produtividade para a área de local de trabalho 106. Essa solicitação pode ser automática, manual ou uma combinação de ambos.
[00150] No bloco 804, a lógica de entrada de local de trabalho 358 obtém informações em relação à área de local de trabalho 106 que são relevantes à realização de uma avaliação de produtividade. Por exemplo, a lógica de entrada de local de trabalho 358 pode realizar interface com a lógica de identificação de área de interesse 254 e o sistema de mapeamento 252 para obter informações em relação às características da área de local de trabalho 106. Com base nas informações obtidas, a lógica de entrada de local de trabalho 358 pode identificar características particulares que serão usadas na realização de um local de trabalho avaliação de produtividade e controle para a área de local de trabalho 106. A lógica de entrada de local de trabalho 358, dessa forma, pode identificar qualquer um dentre o tamanho de local de trabalho 820, um número de árvores 822, um volume por árvore 824, uma tonelagem por acre 826 e uma ampla variedade de outras informações de característica de local de trabalho 828.
[00151] No bloco 806, a lógica de trajeto de voo de UAV 362 gera um trajeto de voo de UAV para obter informações de produtividade do local de trabalho. Com base nas características de local de trabalho obtidas no bloco 804, a lógica de trajeto de voo de UAV 362 gera instruções que controlam o UAV 104 (por exemplo, realizando-se interface com a lógica de interface de trajeto de voo 318) para percorrer ao longo de um trajeto de voo definido, em que o trajeto de voo é definido para permitir que o UAV 104 obtenha informações de imagens que são específicas para uma avaliação de produtividade e controle para a área de local de trabalho 106.
[00152] No bloco 808, a lógica de sistema de controle de produtividade 266 instrui o UAV 104 a capturar imagens da área de local de trabalho 106 com o uso do componente de captura de imagem 122 e/ou para obter outras informações com o uso dos sensores de atributo 230. A lógica de sistema de controle de produtividade 266 pode instruir o sistema de UAV 104 a capturar imagens visuais 830 com o uso do componente de imageamento visual 242, informações de LIDAR/radar 832 com o uso do componente de imageamento de lidar/radar 244 e outras informações, conforme indicado no bloco 834. As imagens da área de local de trabalho 106 podem ser analisadas para determinar onde uma operação foi concluída e onde uma operação está atualmente em progresso. Dessa forma, usando-se informações de imagens aéreas capturadas pelo UAV 104, toda uma área de local de trabalho 106 pode ser examinada para obter informações de produtividade detalhadas.
[00153] No bloco 810, a lógica de entrada de produtividade de máquina 360 obtém informações de produtividade específicas de máquina para uma operação realizada na área de local de trabalho 106. Por exemplo, a lógica de entrada de produtividade de máquina 360 obtém informações captadas ou de outro modo coletadas pela máquina 108 e são indicativas de como a máquina 108 está realizando uma operação atual (por exemplo, indicativas do desempenho de uma operação de colheita). As informações obtidas pela lógica de entrada de produtividade de máquina 360 podem indicar métricas de produtividade específicas para uma máquina, tais como informações de tronco cortado 840 (por exemplo, número de troncos cortados, frequência de cortador sendo usado, etc.), um tempo de ciclo 842 (por exemplo, quantidade de tempo que a máquina 108 esteve em uso para realizar uma operação de colheita, etc.), uma quantidade de material movido 840 (por exemplo, número de árvores movidas da pilha do solo para o veículo para transporte, etc.), dentre outras informações de produtividade 842.
[00154] No bloco 812, a lógica de processamento de imagem de produtividade categórica 364 identifica subáreas dentro da área de local de trabalho 106 como sendo associadas a uma categoria de produtividade particular, com base nas imagens e nas informações específicas de máquina.
[00155] Isto é, a lógica de processamento de imagem de produtividade categórica 364 pode usar imagens aéreas capturadas pelo sistema de UAV 104 e informações de produtividade da máquina 108 para determinar quais regiões geográficas da área de local de trabalho 106 estão concluídas, estão sendo atualmente trabalhadas ou ainda não foram trabalhadas. Por exemplo, a lógica de processamento de imagem de produtividade categórica 364 identifica subáreas da área de local de trabalho 106 em que as árvores são colhidas 844, identifica subáreas em que as árvores estão no solo, mas exigem liberação 846, identifica sub-áreas em que as árvores não foram colhidas e, dessa forma, ainda estão de pé 848 e identifica outras subáreas do progresso de operação 850.
[00156] No bloco 814, a lógica de processamento de imagem de produtividade categórica 364 determina uma porcentagem de conclusão de uma operação que está sendo realizada na área de local de trabalho 106, com base nas subáreas identificadas (por exemplo, agregando-se as categorias de produtividade). Por exemplo, quando existe um grande número de subáreas identificadas como tendo árvores colhidas 844 e existe um pequeno número de subáreas identificadas como tendo árvores no solo 846 (por exemplo, cortadas, que ainda precisam ser removidas da área de local de trabalho 106), então, a lógica de processamento de imagem de produtividade categórica 364 pode determinar uma porcentagem de conclusão que indica que uma maioria (ou uma porcentagem específica) de uma operação de colheita para a área de local de trabalho 106 já está concluída. Como outro exemplo, quando existe um pequeno número de subáreas identificadas como tendo árvores colhidas 844 e existe um grande número de subáreas identificadas como tendo árvores ainda de pé 848, então, a lógica de processamento de imagem de produtividade categórica 364 pode determinar uma porcentagem de conclusão que indica que uma operação de colheita para a área de local de trabalho 106 acabou de começar e que uma maioria (ou uma porcentagem específica) da operação ainda deve ser realizada.
[00157] No bloco 816, a lógica de saída de produtividade categórica 366 gera uma saída de produtividade, com base na porcentagem de operação concluída, nas informações específicas de máquina e nas informações de local de trabalho. A conclusão em porcentagem pode ser utilizada, em conjunto com outras informações, pela lógica de saída de produtividade categórica 366 para gerar um valor medido de produtividade obtido na realização da operação na área de local de trabalho 106. Em um exemplo, a lógica de saída de produtividade categórica 366 pode gerar uma medida de produtividade como uma porcentagem de cada categoria 852 identificada em toda a área de local de trabalho 106. Isto é, a produtividade da área de local de trabalho 106 pode ser identificada como 25 por cento de colheita concluída, 20 por cento de colheita em progresso e 55 por cento ainda não colhido, como um exemplo. Além disso, em um exemplo, a lógica de saída de produtividade categórica 366 pode gerar uma saída de produtividade que indica uma demanda de moagem 854, tal como um número de caminhões por dia (por exemplo, o número de caminhões, cargas de alagem de árvores cortadas serão identificados para a área de local de trabalho 106 para a operação de colheita). A lógica de saída de produtividade categórica 366 também pode gerar uma métrica de produtividade estimada, tal como uma quota, uma tonelagem estimada de material (por exemplo, árvores colhidas) que será produzido a partir da operação de colheita e outras métricas estimadas, de acordo com as métricas determinadas de produtividade. Além disso, em um exemplo, a lógica de saída de produtividade categórica 366 pode gerar uma métrica de produtividade como uma comparação de tempo de operação total com tempo disponível total para a operação ou tal como uma eficiência de operação determinada para a área de local de trabalho 106. A lógica de saída de produtividade categórica 366 pode gerar outras métricas de produtividade 860. De acordo com o bloco 816, a lógica de saída de produtividade categórica 366 também pode gerar tal como um sinal de ação para o sistema de controle de análise florestal 116 para atualizar métricas de conclusão de local de trabalho, controlar o UAV 104 (por exemplo, para obter informações específicas de máquina), controlar a máquina 108, dentre outros sinais de ação.
[00158] No bloco 818, a lógica de saída de produtividade categórica 366 fornece uma indicação da saída de métrica de produtividade gerada. A lógica de saída de produtividade categórica 366 pode fornecer a saída como uma notificação, conforme indicado no bloco 862. Por exemplo, a lógica de saída de produtividade categórica 366 gera uma notificação para notificar o operador 112 (por exemplo, pelo componente de interface de usuário 246 e/ou dispositivo de interface de usuário 204) da métrica de produtividade, tal como as porcentagens de cada categoria de conclusão para a operação que está sendo realizada na área de local de trabalho 106. A lógica de saída de produtividade categórica 366 também pode dotar a saída de um mapa visual, conforme indicado no bloco 864. As saídas dotadas de um mapa visual, por exemplo, podem representar as subáreas variantes de nível de conclusão, dentre outras informações, tais como um tempo de processamento versus tempo disponível para cada máquina 108 que está operando atualmente dentro da área de local de trabalho 106. Obviamente, as saídas (por exemplo, sinais de ação) da avaliação de produtividade também podem ser fornecidas de outras formas, conforme indicado no bloco 866.
[00159] A Figura 9 ilustra um fluxograma que mostra um exemplo 900 de controle de UAV 104 para informações específicas de máquina automaticamente obtidas de uma máquina móvel que opera em uma área de local de trabalho. A operação 900 inclui um mecanismo que permite que o UAV 104 colete informações de máquinas 108, posicionadas por toda uma área de local de trabalho 106, e transfira por upload as informações coletadas para os sistemas remotos 120 para análise automaticamente.
[00160] No bloco 902, a lógica de coleta de dados de UAV automatizada 388 detecta uma solicitação para obter informações específicas de máquina de uma máquina móvel que opera em uma área de local de trabalho. A lógica de coleta de dados de UAV automatizada 388 pode detectar uma solicitação para obter tais informações em intervalos regularmente programados, por exemplo, ou em resposta a uma determinação de que uma operação é iniciada ou concluída, por exemplo, ou de outras formas.
[00161] No bloco 904, a lógica de coleta de dados de máquina 395 gera um trajeto de voo de UAV que controla o UAV 104 para alvejar máquinas particulares 108 e obter informações a partir daquelas máquinas particulares 108. Mais especificamente, a lógica de coleta de dados de máquina 395 pode gerar instruções que controlam o UAV 104 (por exemplo, realizando-se interface com a lógica de interface de trajeto de voo 318) para percorrer ao longo de um trajeto de voo definido, em que o trajeto de voo é definido para permitir que o UAV 104 paire acima de cada máquina 108, dentro de uma determinada distância, para estabelecer uma conexão de comunicação (por exemplo, através de uma conexão WiFi, conexão de comunicação de campo próximo, etc.). A conexão de comunicação estabelecida pode permitir que o UAV 104 obtenha informações específicas de máquina. A lógica de coleta de dados de máquina 395 pode, dessa forma, identificar máquinas particulares 108 por meio de um identificador único e realizar interface com a lógica de interface de trajeto de voo 318 para direcionar o percurso do UAV 104 para cada máquina identificada.
[00162] No bloco 906, a lógica de coleta de dados de máquina 394 detecta que o UAV 104 coletou dados específicos de máquina associados às máquinas móveis 108 alvejadas de acordo com o bloco 904.
[00163] No bloco 908, a lógica de carregamento de estação de comunicação 396 gera um trajeto de voo de UAV que controla o UAV 104 para se deslocar para a estação de comunicação 110. Em um exemplo, a lógica de carregamento de estação de comunicação 396 gera o trajeto de voo de UAV com base na lógica de coleta de dados de máquina 394 que detecta que o UAV 104 coletou os dados específicos de máquina. Isto é, uma vez que os dados específicos de máquinas são obtidos, a lógica de carregamento de estação de comunicação 396 gera instruções que controlam o UAV 104 (por exemplo, realizando-se interface com a lógica de interface de trajeto de voo 318) para percorrer ao longo de um trajeto de voo definido, em que o trajeto de voo é definido para permitir que o UAV 104 paire acima da estação de comunicação 110, dentro de uma determinada distância, para estabelecer uma conexão de comunicação (por exemplo, através de uma conexão WiFi, uma conexão de comunicação de campo próximo, etc.).
[00164] No bloco 910, a lógica de carregamento de estação de comunicação 396 controla uma operação de carregamento que instrui o UAV 104 a carregar as informações obtidas específicas de máquina, dentre outras informações (tais como informações de imagens obtidas pelo componente de captura de imagem 122) para a estação de comunicação 110 (por exemplo, para uma estação de comunicação por satélite remota do UAV 104) por meio da conexão de comunicação estabelecida (por exemplo, conexão de comunicação por satélite). Por exemplo, quando a estação de comunicação 110 está posicionada remotamente das máquinas 108, o UAV 104 é instruído, pela lógica de carregamento de estação de comunicação 396, para se deslocar de uma localização próxima à máquina 108 para uma localização próxima à estação de comunicação 110 de forma que a estação de comunicação 110 possa receber as informações capturadas pelo UAV 104 através da conexão estabelecida entre o UAV 104 e a estação de comunicação 110.
[00165] No bloco 912, a lógica de carregamento de estação de comunicação 396 detecta que o UAV 104 transferiu por upload as informações para a estação de comunicação 110.
[00166] No bloco 914, a lógica de encaminhamento de dados 398 encaminha automaticamente os dados específicos de máquina carregados e outras informações para um sistema de análise florestal. Em um exemplo, a lógica de encaminhamento de dados 398 pode encaminhar automaticamente as informações com base na lógica de carregamento de estação de comunicação 396 que detecta que as informações foram carregadas do UAV 104. A lógica de encaminhamento de dados 398 pode encaminhar as informações para, por exemplo, um sistema remoto de análise florestal por meio de uma conexão de comunicação (por exemplo, conexão por satélite que permite a comunicação entre a estação de comunicações 110 e um serviço de computação em nuvem remoto que executa parte ou todo o sistema de análise florestal 116).
[00167] No bloco 916, a lógica de encaminhamento de dados 398 gera uma saída de encaminhamento de dados indicativa das informações que são automaticamente encaminhadas para e armazenadas pelo sistema de análise florestal 116. No bloco 918, a lógica de encaminhamento de dados 398 emite uma indicação da saída de encaminhamento de dados. Por exemplo, a lógica de encaminhamento de dados 398 pode fornecer uma indicação da saída de encaminhamento de dados para o UAV 104, de forma que o UAV 104 seja liberado para realizar outras operações de coleta de dados e carregamento. Em um exemplo, a lógica de encaminhamento de dados 398 fornece uma indicação da saída de encaminhamento de dados que é realizada para o operador 112, tal como por meio do componente de interface de usuário 246 e/ou do dispositivo de interface de usuário 204.
[00168] No bloco 920, a lógica de coleta de dados de UAV automatizada 388 fornece sistemas remotos 120 com acesso às informações carregadas para o sistema de análise florestal 116. Por exemplo, a lógica de coleta de dados de UAV automatizada 388 pode gerar instruções que permitem que os sistemas remotos 120 acessem e usem os dados carregados para o sistema de análise florestal 116 de acordo com operação de coleta e carregamento automatizada 900.
[00169] A Figura 10 ilustra um fluxograma que mostra um exemplo 901 de controle de um UAV para obter informações específicas de máquina de uma máquina móvel que opera em um local de trabalho com base em uma entrada de usuário. No bloco 903, a lógica de conectividade de dispositivo de comunicação 301 gera uma interface de coleta de dados que pode ser exibida ou fornecida de outro modo ao dispositivo de comunicação 114. A lógica de conectividade de dispositivo de comunicação 301 pode gerar instruções que controlam o dispositivo de comunicação 114 para exibir uma representação de um mapa visual 921, uma lista 923 de máquinas móveis disponíveis 108 e uma ampla variedade de outras interfaces 925 que exibem outras informações que podem ser usadas pelo operador 112 para selecionar parâmetros para coletar e carregar informações relevantes sobre a área de local de trabalho 106.
[00170] No bloco 905, a lógica de conectividade de dispositivo de comunicação 301 detecta uma entrada de usuário, por exemplo, associada à interface gerada, que solicita informações específicas de máquina ou outras informações em relação à área de local de trabalho 106. Por exemplo, a lógica de conectividade de dispositivo de comunicação 301 pode detectar uma entrada de usuário recebida com uma representação de mapa visual 927 (por exemplo, selecionar a localização para o sistema de UAV 104 se deslocar), detectar uma entrada de usuário recebida para selecionar uma máquina particular 929 (por exemplo, a entrada de usuário seleciona uma máquina de uma lista de máquinas disponíveis 108 que operam na área de local de trabalho 106) e detectar uma ampla variedade de outras entradas 931 que iniciam uma operação de coleta e carregamento de dados.
[00171] No bloco 907, a lógica de alvejamento de dados de máquina 303 gera um trajeto de voo de UAV que controla o UAV 104 para alvejar máquinas particulares 108 e obter informações a partir daquelas máquinas particulares. A lógica de alvejamento de dados de máquina 303 pode gerar um trajeto de voo de UAV de acordo com qualquer um dos aspectos descritos em relação ao bloco 908 da Figura 9 (por exemplo, lógica de coleta de dados de máquina 394).
[00172] No bloco 909, a lógica de conectividade de dispositivo de comunicação 301 estabelece uma conexão de comunicação entre o UAV 104 e o dispositivo de comunicação 114. A lógica de conectividade de dispositivo de comunicação 301 pode instruir o UAV 104 a, por meio da conexão de comunicação estabelecida, obter informações específicas de máquina e outras informações da área de local de trabalho 106. Por exemplo, a lógica de conectividade de dispositivo de comunicação 301 pode estabelecer uma conexão WiFi entre o dispositivo de comunicação 114 e o UAV 104 e transferir as instruções de trajeto de voo geradas pela lógica de alvejamento de dados de máquina 303 para o UAV 104. Com base na entrada de operador que seleciona as máquinas particulares 108 e/ou as localizações da área de local de trabalho 106, o operador 112 pode utilizar, dessa forma, a lógica de coleta de dados de UAV de assistência parcial 390 para instruir o sistema de UAV 104 a coletar informações específicas.
[00173] No bloco 911, a lógica de conectividade de dispositivo de comunicação 301 carrega dados obtidos pelo UAV 104 para o dispositivo de comunicação 114 com o uso da conexão estabelecida. Isto é, uma vez que o UAV 104 se deslocou ao longo do trajeto de voo e capturou informações relevantes, a lógica de conectividade de dispositivo de comunicação 301 instrui o UAV 104 a relatar de volta para uma localização na área de local de trabalho 106 que está próximo ao dispositivo de comunicação 114 e, consequentemente, carregar as informações capturadas para o dispositivo de comunicação 114.
[00174] No bloco 913, a lógica de interface de produtividade em tempo real 305 acessa algumas das informações carregadas para o dispositivo de comunicação 114 e associadas à máquina móvel 108 e/ou à área de local de trabalho 106. Isto é, a lógica de interface de produtividade em tempo real 305 seleciona informações carregadas particulares que podem ser utilizadas na atualização de uma situação de produtividade para uma operação que está sendo realizada na área de local de trabalho 106.
[00175] No bloco 915, a lógica de interface de produtividade em tempo real 307 atualiza as informações carregadas para fornecer uma atualização em tempo real. Por exemplo, quando o UAV 104 capturou as informações específicas de máquina que indicam um número de horas que a máquina 108 esteve coletando na área de local de trabalho 106, a lógica de interface de produtividade em tempo real 307 pode atualizar uma medida de produtividade atual, com base nessas informações capturadas, e fornecer uma indicação da medida de produtividade atualizada ao operador 112 com o uso do dispositivo de comunicação 114. Assim, de acordo com o bloco 915, o operador 112 pode receber atualização para uma produtividade medida de uma operação para a área de local de trabalho 106 conforme as informações são obtidas do sistema de UAV 104 e carregadas para o dispositivo de comunicação 114, em tempo real.
[00176] No bloco 917, a lógica de armazenamento e encaminhamento de dados 307 detecta uma entrada para encaminhar e/ou armazenar as informações carregadas, com a atualização aplicada. Por exemplo, o dispositivo de comunicação 114 fornece uma interface que permite que o operador 112 forneça uma entrada de usuário para selecionar uma localização de armazenamento, tal como uma localização de armazenamento remota no sistema de análise florestal 116 ou localização local no dispositivo de comunicação 114. No bloco 919, a lógica de armazenamento e encaminhamento de dados 307 gera instruções que encaminham e/ou armazenam as informações de acordo com a entrada de usuário. Isto é, no bloco 919, a lógica de armazenamento e encaminhamento de dados 307 gera instruções que encaminham as informações do dispositivo de comunicação 114 para o sistema de análise florestal 116 ou armazenam de outro modo as informações no dispositivo de comunicação 114 para controle localmente adicional com interação com operador 112.
[00177] Observa-se que, embora máquinas de colheita florestais tenham sido particularmente discutidas em relação aos exemplos descritos no presente documento, outras máquinas também podem ser implantadas com os ditos exemplos e, dessa forma, a presente descrição não é limitada para uso dos sistemas e processos discutidos meramente com máquinas de colheita florestais.
[00178] A presente discussão mencionou processadores e servidores. Em um exemplo, os processadores e servidores incluem processadores de computador com memória e conjunto de circuitos de temporização associados, não mostrados separadamente. Os mesmos são partes funcionais dos sistemas ou dispositivos aos quais os mesmos pertencem e são ativados por e facilitam a funcionalidade dos outros componentes ou itens nesses sistemas.
[00179] Além disso, diversos visores de interface de usuário foram discutidos. Os mesmos podem tomar uma ampla variedade de formas diferentes e podem ter uma ampla variedade de mecanismos de entrada atuáveis por usuário diferentes dispostos nos mesmos. Por exemplo, os mecanismos de entrada atuáveis por usuário podem ser caixas de texto, caixas de verificação, ícones, links, menus do tipo drop-down, caixas de pesquisa, etc. Os mesmos também podem ser atuados em uma ampla variedade de formas diferentes. Por exemplo, os mesmos podem ser atuados com o uso de um dispositivo de apontar e clicar (tais como um dispositivo do tipo track ball ou um mouse). Os mesmos podem ser atuados com o uso de botões de hardware, comutadores, um joystick ou teclado, comutadores ou almofadas de polegar, etc. Os mesmos também podem ser atuados com o uso de um teclado virtual ou outros atuadores virtuais. Além disso, quando a tela em que os mesmos são exibidos é uma tela sensível ao toque, os mesmos podem ser atuados com o uso de gestos de toque. Além disso, quando o dispositivo que exibe os mesmos tem componentes de reconhecimento de fala, os mesmos podem ser atuados com o uso de comandos de fala.
[00180] Diversos armazenamentos de dados também foram discutidos. Será observado que os mesmos podem, cada um, ser quebrados em múltiplos armazenamentos de dados. Todos podem ser locais aos sistemas que acessam os mesmos, todos podem ser remotos ou alguns podem ser locais enquanto outros são remotos. Todas essas configurações são contempladas no presente documento.
[00181] Além disso, as Figuras mostram diversos blocos com funcionalidade atribuída a cada bloco. Será observado que menos blocos podem ser usados de forma que a funcionalidade seja realizada por menos componentes. Além disso, mais blocos podem ser usados com a funcionalidade distribuída dentre mais componentes.
[00182] A presente discussão mencionou processadores e servidores. Em um exemplo, os processadores e servidores incluem processadores de computador com memória e conjunto de circuitos de temporização associados, não mostrados separadamente. Os mesmos são partes funcionais dos sistemas ou dispositivos aos quais os mesmos pertencem e são ativados por e facilitam a funcionalidade dos outros componentes ou itens nesses sistemas.
[00183] Além disso, diversos visores de interface de usuário foram discutidos. Os mesmos podem tomar uma ampla variedade de formas diferentes e podem ter uma ampla variedade de mecanismos de entrada atuáveis por usuário diferentes dispostos nos mesmos. Por exemplo, os mecanismos de entrada atuáveis por usuário podem ser caixas de texto, caixas de verificação, ícones, links, menus do tipo drop-down, caixas de pesquisa, etc. Os mesmos também podem ser atuados em uma ampla variedade de formas diferentes. Por exemplo, os mesmos podem ser atuados com o uso de um dispositivo de apontar e clicar (tais como uma track ball ou um mouse). Os mesmos podem ser atuados com o uso de botões de hardware, comutadores, um joystick ou teclado, comutadores ou almofadas de polegar, etc. Os mesmos também podem ser atuados com o uso de um teclado virtual ou outros atuadores virtuais. Além disso, quando a tela em que os mesmos são exibidos é uma tela sensível ao toque, os mesmos podem ser atuados com o uso de gestos de toque. Além disso, quando o dispositivo que exibe os mesmos tem componentes de reconhecimento de fala, os mesmos podem ser atuados com o uso de comandos de fala.
[00184] Diversos armazenamentos de dados também foram discutidos. Será observado que os mesmos podem, cada um, ser quebrados em múltiplos armazenamentos de dados. Todos podem ser locais aos sistemas que acessam os mesmos, todos podem ser remotos ou alguns podem ser locais enquanto outros são remotos. Todas essas configurações são contempladas no presente documento.
[00185] Além disso, as Figuras mostram diversos blocos com funcionalidade atribuída a cada bloco. Será observado que menos blocos podem ser usados de forma que a funcionalidade seja realizada por menos componentes. Além disso, mais blocos podem ser usados com a funcionalidade distribuída dentre mais componentes.
[00186] A Figura 11 é um diagrama de blocos simplificados de um exemplo ilustrativo de um dispositivo manual ou móvel de computação que pode ser usado como um dispositivo manual de usuário ou cliente 16, em que o presente sistema (ou pares do mesmo) pode ser implementado. Por exemplo, um dispositivo móvel pode ser implementado como arquitetura de computação 200 no compartimento do operador da máquina 108 ou para uso na geração, no processamento ou na exibição das informações discutidas no presente documento e na geração de uma interface de controle. As Figuras 12 a 13 são exemplos de dispositivos manuais ou móveis.
[00187] A Figura 11 fornece um diagrama de blocos geral dos componentes de um dispositivo de cliente 16 que pode operar alguns componentes mostrados na Figura 2, que interagem com os mesmos, ou ambos. No dispositivo 16, um enlace de comunicações 13 é fornecido, o que permite que o dispositivo manual se comunique com outros dispositivos de computação e, em alguns exemplos, forneça um canal para receber informações automaticamente, tal como por meio de varredura. Exemplos de enlace de comunicações 13 incluem permitir comunicação através de um ou mais protocolos de comunicação, tais como serviços sem fio usados para fornecer acesso celular a uma rede, assim como protocolos que fornecem conexões sem fio locais a redes.
[00188] Em outros exemplos, aplicações podem ser recebidas em um cartão Digital Seguro (SD) removível que é conectado a uma interface 15. A interface 15 e os enlaces de comunicação 13 se comunicam com um processador 17 (o qual também incorpora processadores ou servidores das Figuras anteriores) em conjunto com um barramento 19 que também é conectada à memória 21 e componentes de entrada/saída (I/O) 23, assim como relógio 25 e sistema de localização 27.
[00189] Os componentes de I/O 23, em uma modalidade, são fornecidos para facilitar operações de entrada e saída. Os componentes de I/O 23 para diversas modalidades do dispositivo 16 podem incluir componentes de entrada, tais como botões, sensores de toque, sensores ópticos, microfones, telas sensíveis ao toque, sensores de proximidade, acelerômetros, sensores de orientação e componentes de saída, tais como um dispositivo de exibição, um alto-falante e/ou uma porta de impressão. Outros componentes de I/O 23 também podem ser usados.
[00190] O relógio 25 compreende de modo ilustrativo um componente de relógio em tempo real que emite um horário e uma data. O mesmo também pode, de modo ilustrativo, fornecer funções de temporização para o processador 17.
[00191] O sistema de localização 27 inclui de modo ilustrativo um componente que emite uma localização geográfica atual do dispositivo 16. Isso pode incluir, por exemplo, um receptor de sistema de posicionamento global (GPS), um sistema de LORAN, um sistema de navegação estimada, um sistema de triangulação celular ou outro sistema de posicionamento. O mesmo também pode incluir, por exemplo, software de mapeamento ou software de navegação que gera mapas desejados, rotas de navegação e outras funções geográficas.
[00192] A memória 21 armazena o sistema operacional 29, as definições de rede 31, os aplicativos 33, as definições de configuração de aplicativo 35, o armazenamento de dados 37, as unidades de comunicação 39 e as definições de configuração de comunicação 41. A memória 21 pode incluir todos os tipos de dispositivos de memória legíveis por computador voláteis e não voláteis tangíveis. A mesma também pode incluir mídias de armazenamento de computador (descritas abaixo). A memória 21 armazena instruções legíveis por computador que, quando executadas pelo processador 17, fazem com que o processador realize etapas ou funções implementadas por computador de acordo com as instruções. O processador 17 pode ser ativado por outros componentes para facilitar sua funcionalidade também.
[00193] A Figura 12 mostra um exemplo em que o dispositivo 16 é um computador do tipo tablet 700. Na Figura 12, o computador 1200 é mostrado com tela de exibição de interface de usuário 1202. A tela 1202 pode ser uma tela sensível ao toque ou uma interface permitida por caneta que recebe entradas de uma caneta ou um stylus. A mesma também pode usar um teclado virtual na tela. Obviamente, a mesma também pode ser fixada a um teclado ou outro dispositivo de entrada de usuário através de um mecanismo de fixação adequado, tal como um enlace sem fio ou uma porta USB, por exemplo. O computador 700 também pode receber de modo ilustrativo entradas de voz.
[00194] A Figura 13 mostra que o dispositivo pode ser um telefone inteligente 71. O telefone inteligente 71 tem um visor sensível ao toque 73 que exibe ícones ou azulejos ou outros mecanismos de entrada de usuário 75. Os mecanismos 75 podem ser usados por um usuário para operar aplicativos, fazer chamadas, realizar operações de transferência de dados, etc. Em geral, o telefone inteligente 71 é construído em um sistema operacional móvel e oferece capacidade e conectividade de computação mais avançadas do que um telefone de aspectos.
[00195] Observe que outras formas dos dispositivos 16 são possíveis.
[00196] A Figura 14 é um exemplo de a ambiente de computação em que os elementos da Figura 2, ou partes dos mesmos, (por exemplo) podem ser implementados. Com referência à Figura 14, um sistema exemplificativo para implementar algumas modalidades inclui um dispositivo de computação de propósito geral na forma de um computador 1310. Os componentes de computador 1310 podem incluir, mas sem limitação, uma unidade de processamento 1320 (a qual pode compreender processadores ou servidores das Figuras anteriores), uma memória do sistema 1330 e um barramento do sistema 1321 que acopla diversos componentes do sistema que incluem a memória do sistema à unidade de processamento 1320. O barramento do sistema 1321 pode ser qualquer um dentre diversos tipos de estruturas de barramento, incluindo um barramento de memória ou um controlador de memória, um barramento periférico e um barramento local com o uso de qualquer uma dentre uma variedade de arquiteturas de barramento. A memória e os programas descritos em relação à Figura 2 podem ser implementados em porções correspondentes da Figura 14.
[00197] O computador 1310 inclui tipicamente uma variedade de mídias legíveis por computador. As mídias legíveis por computador podem ser quaisquer mídias disponíveis que podem ser acessadas pelo computador 1310 e incluem mídias tanto voláteis quanto não voláteis, mídias removíveis e não removíveis. A título de exemplo, e não limitação, mídias legíveis por computador podem compreender mídias de armazenamento em computador e mídias de comunicação. As mídias de armazenamento em computador são diferentes de, e não incluem, um sinal de dados modulado ou uma onda de portadora. As mesmas incluem mídias de armazenamento em hardware que incluem mídias tanto voláteis quanto não voláteis, tanto removíveis quanto não removíveis implementadas em qualquer método ou tecnologia para armazenamento de informações, tais como instruções legíveis por computador, estruturas de dados, módulos de programa ou outros dados. As mídias de armazenamento em computador incluem, mas sem limitação, RAM, ROM, EEPROM, memória flash ou outra tecnologia de memória, CD-ROM, discos versáteis digitais (DVD) ou outro armazenamento em disco óptico, cassetes magnéticos, fita magnética, armazenamento em disco magnético ou outros dispositivos de armazenamento magnéticos, ou qualquer outra mídia que pode ser usada para armazenar as informações desejadas e que podem ser acessadas por computador 1310. As mídias de comunicação podem incorporar instruções legíveis por computador, estruturas de dados, módulos de programa ou outros dados em um mecanismo de transporte e incluem quaisquer mídias de entrega de informações. O termo “sinal de dados modulado” significa um sinal que tem uma ou mais de suas características definidas ou alteradas de tal forma a fim de codificar informações no sinal.
[00198] A memória do sistema 1330 inclui mídias de armazenamento em computador na forma de memória volátil e/ou não volátil, tal como memória apenas leitura (ROM) 1331 e memória de acesso aleatório (RAM) 1332. Um sistema de entrada/saída básico 1333 (BIOS), que contém as rotinas básicas que ajudam a transferir informações entre elementos dentro do computador 1310, tais como durante inicialização, é tipicamente armazenado em ROM 1331. A RAM 1332 contém tipicamente dados e/ou módulos de programa que são imediatamente acessíveis a e/ou estão sendo atualmente operados pela unidade de processamento 1320. A título de exemplo, e não limitação, a Figura 10 ilustra o sistema operacional 1334, programas de aplicativo 1335, outros módulos de programa 1336 e dados de programa 1337.
[00199] O computador 1310 também pode incluir outras mídias de armazenamento em computador removíveis/não removíveis voláteis/não voláteis. A título de exemplo apenas, a Figura 14 ilustra uma unidade de disco rígido 1341 que lê ou escreve em mídias magnéticas não removíveis não voláteis, uma unidade de disco óptico 1355 e um disco óptico não volátil 1356. A unidade de disco rígido 1341 é tipicamente conectada ao barramento do sistema 1321 através de uma interface de memória não removível, tal como a interface 1340, e a unidade de disco óptico 1355 é tipicamente conectada ao barramento do sistema 1321 por meio de uma interface de memória removível, tal como interface 1350.
[00200] Alternativa ou adicionalmente, a funcionalidade descrita no presente documento pode ser realizada, pelo menos em parte, por um ou mais componentes de lógica de hardware. Por exemplo, e sem limitação, tipos de componentes de lógica de hardware ilustrativos que podem ser usados incluem Matrizes de Porta Programável em Campo (FPGAs), Circuitos Integrados de Aplicação Específica (por exemplo, ASICs), Produtos Padrões de Aplicação Específica (por exemplo, ASSPs), sistemas de Sistema em um Chip (SOCs), Dispositivos de Lógica Programável Complexos (CPLDs), etc.
[00201] As unidades e suas mídias de armazenamento em computador associadas discutidas acima e ilustradas na Figura 14 fornecem armazenamento de instruções legíveis por computador, estruturas de dados, módulos de programa e outros dados para o computador 1310. Na Figura 14, por exemplo, a unidade de disco rígido 1341 é ilustrada como armazenando sistema operacional 1344, programas de aplicativo 1345, outros módulos de programa 1346 e dados de programa 1347. Observe que esses componentes podem ser os mesmos ou diferentes do sistema operacional 1334, dos programas de aplicativo 1335, de outros módulos de programa 1336 e dos dados de programa 1337.
[00202] Um usuário pode inserir comandos e informações no computador 1310 através de dispositivos de entrada, tais como um teclado 1362, um microfone 1363 e um dispositivo de cursor 1361, tal como um mouse, um dispositivo do tipo trackball ou um bloco sensível ao toque. Outros dispositivos de entrada (não mostrados) podem incluir um dispositivo do tipo joystick, um dispositivo do tipo game pad, uma antena parabólica, um digitalizador ou semelhantes. Esses e outros dispositivos de entrada são normalmente conectados à unidade de processamento 1320 através de uma interface de entrada de usuário 1360 que é acoplada ao barramento do sistema, mas pode ser conectada por outra interface e estruturas de barramento. Um visor visual 1391 ou outro tipo de dispositivo de exibição também pode ser conectado ao barramento do sistema 1321 por meio de uma interface, tal como uma interface de vídeo 1390. Além do monitor, computadores também podem incluir outros dispositivos de saída periféricos, tais como alto-falantes 1397 e impressora 1396, os quais podem ser conectados através de uma interface de saída periférica 1395.
[00203] O computador 1310 é operado em um ambiente com rede com o uso de conexões de lógica (tais como uma rede de área local - LAN ou uma rede de área ampla WAN) a um ou mais computadores remotos, tais como um computador remoto 1380.
[00204] Quando usado em um ambiente de rede de LAN, o computador 1310 é conectado à LAN 1371 através de uma interface ou um adaptador de rede 1370. Quando usado em um ambiente de rede de WAN, o computador 1310 inclui tipicamente um modem 1372 ou outros meios para estabelecer comunicações através da WAN 1373, tal como a Internet. Em um ambiente com rede, os módulos de programa podem ser armazenados em um dispositivo de armazenamento de memória remoto. A Figura 14 ilustra, por exemplo, que programas de aplicativo remotos 1385 podem residir no computador remoto 1380.
[00205] Deve ser observado também que os exemplos diferentes descritos no presente documento podem ser combinados de formas diferentes. Isto é, partes de um ou mais exemplos podem ser combinadas com partes de um ou mais outros exemplos. Tudo isso é contemplado no presente documento.
[00206] O Exemplo 1 é um método implementado por computador, que compreende: controlar um veículo aéreo não tripulado (UAV) para voar para uma primeira localização geográfica em um local de trabalho florestal; controlar um componente de captura de imagem no UAV para capturar informações de imagem na primeira localização geográfica; controlar o UAV para voar para uma segunda localização geográfica; controlar o UAV para estabelecer uma primeira conexão de comunicação com um sistema de comunicação na segunda localização geográfica; e controlar o UAV para enviar as informações de imagem para um sistema de computação remoto, através da conexão de comunicação, com o uso do sistema de comunicação.
[00207] O Exemplo 2 é o método implementado por computador de acordo com qualquer um ou todos os exemplos anteriores e que compreende adicionalmente: identificar uma máquina móvel na primeira localização geográfica.
[00208] O Exemplo 3 é o método implementado por computador de acordo com qualquer um ou todos os exemplos anteriores e que compreende adicionalmente: controlar o UAV para estabelecer uma segunda conexão de comunicação com a máquina móvel identificada na primeira localização geográfica.
[00209] O Exemplo 4 é o método implementado por computador de acordo com qualquer um ou todos os exemplos anteriores e que compreende adicionalmente: controlar o UAV para obter dados de máquina a partir da máquina móvel identificada.
[00210] O Exemplo 5 é o método implementado por computador de acordo com qualquer um ou todos os exemplos anteriores e que compreende adicionalmente: controlar o UAV para estabelecer a primeira conexão de comunicação com o sistema de comunicação na segunda localização geográfica; e controlar o UAV para enviar os dados de máquina para o sistema de computação remoto, através da conexão de comunicação, com o uso do sistema de comunicação.
[00211] O Exemplo 6 é o método implementado por computador, de acordo com qualquer um ou todos os exemplos anteriores, em que controlar o UAV para obter dados de máquina compreende: controlar o UAV para obter dados de máquina de sensor gerados pelos sensores na máquina identificada.
[00212] O Exemplo 7 é o método implementado por computador, de acordo com qualquer um ou todos os exemplos anteriores, em que controlar o UAV para estabelecer a segunda conexão de comunicação compreende: controlar o UAV para voar para dentro de uma faixa de conexão da máquina identificada para estabelecer a segunda conexão de comunicação.
[00213] O Exemplo 8 é o método implementado por computador, de acordo com qualquer um ou todos os exemplos anteriores, em que o sistema de comunicação compreende um sistema de comunicação por satélite e em que controlar o UAV para enviar as informações de imagem para um sistema de computação remoto compreende: inicializar uma comunicação por satélite com o uso do sistema de comunicação por satélite.
[00214] O Exemplo 9 é o método implementado por computador, de acordo com qualquer um ou todos os exemplos anteriores, em que controlar o UAV para estabelecer a segunda conexão de comunicação compreende: controlar o UAV para estabelecer uma conexão WiFi com a máquina identificada móvel.
[00215] O Exemplo 10 é o método implementado por computador, de acordo com qualquer um ou todos os exemplos anteriores, em que controlar o UAV para estabelecer a segunda conexão de comunicação compreende: controlar o UAV para estabelecer uma conexão de comunicação de campo próximo com a máquina identificada móvel.
[00216] O Exemplo 11 é o método implementado por computador de acordo com qualquer um ou todos os exemplos anteriores e que compreende adicionalmente: identificar uma pluralidade de máquinas diferentes móveis em uma pluralidade de localizações geográficas diferentes no local de trabalho florestal.
[00217] O Exemplo 12 é o método implementado por computador de acordo com qualquer um ou todos os exemplos anteriores e que compreende adicionalmente: controlar o UAV para voar para cada uma das localizações geográficas diferentes e para estabelecer uma segunda conexão de comunicação com cada uma dentre as máquinas identificadas móveis.
[00218] O Exemplo 13 é o método implementado por computador de acordo com qualquer um ou todos os exemplos anteriores e que compreende adicionalmente: controlar o UAV para obter dados de máquina a partir de cada uma das máquinas identificadas móveis.
[00219] O Exemplo 14 é o método implementado por computador de acordo com qualquer um ou todos os exemplos anteriores e que compreende adicionalmente: controlar o UAV para estabelecer a primeira conexão de comunicação com o sistema de comunicação na segunda localização geográfica; e controlar o UAV para enviar os dados de máquina obtidos a partir de cada uma da pluralidade de máquinas móveis para o sistema de computação remoto, através da conexão de comunicação, com o uso do sistema de comunicação.
[00220] O Exemplo 15 é um método implementado por computador que compreende: controlar um veículo aéreo não tripulado (UAV) para voar para uma primeira localização geográfica em um local de trabalho florestal; identificar uma máquina móvel na primeira localização geográfica; controlar o UAV para estabelecer uma primeira conexão de comunicação com a máquina móvel identificada na primeira localização geográfica; controlar o UAV para obter dados de máquina a partir da máquina identificada móvel através da primeira conexão de comunicação; controlar o UAV para voar para uma segunda localização geográfica; controlar o UAV para estabelecer uma segunda conexão de comunicação com um sistema de comunicação na segunda localização geográfica; e controlar o UAV para enviar os dados de máquina para um sistema de computação remoto, através da segunda conexão de comunicação, com o uso do sistema de comunicação. O Exemplo 16 é o método implementado por computador, de acordo com qualquer um ou todos os exemplos anteriores, e que compreende adicionalmente: controlar um componente de captura de imagem no UAV para capturar informações de imagem na primeira localização geográfica; e controlar o UAV para enviar as informações de imagem para o sistema de computação remoto, através da segunda conexão de comunicação, com o uso do sistema de comunicação.
[00221] O Exemplo 17 é o método implementado por computador, de acordo com qualquer um ou todos os exemplos anteriores, em que o sistema de comunicação compreende um sistema de comunicação por satélite e em que controlar o UAV para enviar os dados de máquina para um sistema de computação remoto compreende: iniciar uma comunicação por satélite com o uso do sistema de comunicação por satélite.
[00222] O Exemplo 18 é um veículo aéreo não tripulado (UAV), que compreende: um sistema de propulsão; um gerador de sinal de controle de UAV que controla o sistema de propulsão para voar o UAV para uma primeira localização geográfica em um local de trabalho florestal; um componente de conectividade de máquina móvel que estabelece uma primeira conexão de comunicação com uma máquina móvel na primeira localização geográfica e para obter dados de máquina a partir da máquina móvel através da primeira conexão de comunicação, em que o gerador de sinal de controle de UAV controla o sistema de propulsão para voar para uma segunda localização geográfica; e um componente de comunicação que estabelece uma segunda conexão de comunicação com um sistema remoto de comunicação na segunda localização geográfica e que envia os dados de máquina para um sistema de computação remoto, através da segunda conexão de comunicação, com o uso do sistema remoto de comunicação. O Exemplo 19 é o UAV, de acordo com qualquer um ou todos os exemplos anteriores, e que compreende adicionalmente: um componente de captura de imagem configurado para capturar informações de imagem na primeira localização geográfica, em que o componente de comunicação envia as informações de imagem para o sistema de computação remoto, através da segunda conexão de comunicação, com o uso do sistema remoto de comunicação.
[00223] O Exemplo 20 é o UAV, de acordo com qualquer um ou todos os exemplos anteriores, em que o sistema remoto de comunicação compreende um sistema de comunicação por satélite e em que o componente de comunicação controla o UAV para enviar os dados de máquina para o sistema de computação remoto inicializando-se uma comunicação por satélite com o uso do sistema de comunicação por satélite.
[00224] Embora a matéria tenha sido descrita em linguagem específica para os aspectos estruturais e/ou atos metodológicos, deve ser entendido que a matéria definida nas reivindicações anexas não é necessariamente limitada aos aspectos ou atos específicos descritos acima. Em vez disso, os aspectos e atos específicos descritos acima são descritos como formas exemplificativas para implementar as reivindicações.
Claims (17)
1. Método implementado por computador, caracterizado pelo fato de que compreende: determinar uma característica de uma conectividade entre uma máquina móvel (108) em uma primeira localização geográfica em um local de trabalho florestal (102) e um sistema de comunicação (274) em uma segunda localização geográfica no local de trabalho florestal (102); controlar um veículo aéreo não tripulado (UAV) (104) para voar para a primeira localização geográfica no local de trabalho florestal (102) com base na característica determinada de conectividade entre a máquina móvel (108) identificada na primeira localização geográfica no local de trabalho florestal (102) e o sistema de comunicação (274) na segunda localização geográfica no local de trabalho florestal (102); controlar um componente de captura de imagem (122) no UAV (104) para capturar informações de imagem na primeira localização geográfica; controlar o UAV (104) para voar para a segunda localização geográfica; controlar o UAV (104) para estabelecer uma primeira conexão de comunicação com o sistema de comunicação (274) na segunda localização geográfica; e controlar o UAV (104) para enviar as informações de imagem a um sistema de computação remota (120), pela primeira conexão de comunicação, utilizando o sistema de comunicação (274).
2. Método implementado por computador de acordo com a reivindicação 1, caracterizado pelo fato de que compreende adicionalmente identificar a máquina móvel (108) na primeira localização geográfica com um identificador de máquina único.
3. Método implementado por computador de acordo com a reivindicação 2, caracterizado pelo fato de que compreende adicionalmente: controlar o UAV (104) para estabelecer uma segunda conexão de comunicação com a máquina móvel (108) identificada na primeira localização geográfica.
4. Método implementado por computador de acordo com a reivindicação 3, caracterizado pelo fato de que compreende adicionalmente: controlar o UAV (104) para obter dados de máquina a partir da máquina móvel (108) identificada.
5. Método implementado por computador de acordo com a reivindicação 4, caracterizado pelo fato de que compreende adicionalmente: controlar o UAV (104) para enviar os dados de máquina ao sistema de computação remota (120), pela primeira conexão de comunicação, utilizando o sistema de comunicação (274).
6. Método implementado por computador de acordo com a reivindicação 5, caracterizado pelo fato de que controlar o UAV (104) para obter dados de máquina compreende: controlar o UAV (104) para obter dados de sensor de máquina gerados por sensores (208) na máquina móvel (108) identificada.
7. Método implementado por computador de acordo com a reivindicação 6, caracterizado pelo fato de que controlar o UAV (104) para estabelecer a segunda conexão de comunicação compreende: controlar o UAV (104) para voar para dentro de uma faixa de conexão da máquina móvel (108) identificada para estabelecer a segunda conexão de comunicação.
8. Método implementado por computador de acordo com a reivindicação 7, caracterizado pelo fato de que controlar o UAV (104) para estabelecer a segunda conexão de comunicação compreende: controlar o UAV (104) para estabelecer uma conexão WiFi com a máquina móvel (108) identificada.
9. Método implementado por computador de acordo com a reivindicação 7, caracterizado pelo fato de que controlar o UAV (104) para estabelecer a segunda conexão de comunicação compreende: controlar o UAV (104) para estabelecer uma conexão de comunicação de campo próximo com a máquina móvel (108) identificada.
10. Método implementado por computador de acordo com a reivindicação 1, caracterizado pelo fato de que o sistema de comunicação (274) compreende um sistema de comunicação por satélite e em que controlar o UAV (104) para enviar as informações de imagem a um sistema de computação remota (120) compreende: iniciar uma comunicação por satélite com a utilização do sistema de comunicação por satélite.
11. Método implementado por computador de acordo com a reivindicação 1, caracterizado pelo fato de que compreende adicionalmente: identificar uma pluralidade de máquinas móveis (108) diferentes em uma pluralidade de localizações geográficas diferentes no local de trabalho florestal (102); e, controlar o UAV (104) para voar a cada uma dentre as localizações geográficas diferentes e para estabelecer uma segunda conexão de comunicação com cada uma dentre as máquinas móveis (108) identificadas.
12. Método implementado por computador de acordo com a reivindicação 11, caracterizado pelo fato de que compreende adicionalmente: controlar o UAV (104) para obter dados de máquina a partir de cada uma dentre as máquinas móveis (108) identificadas.
13. Método implementado por computador de acordo com a reivindicação 12, caracterizado pelo fato de que compreende adicionalmente: controlar o UAV (104) para estabelecer a primeira conexão de comunicação com o sistema de comunicação (274) na segunda localização geográfica; e controlar o UAV (104) para enviar os dados de máquina obtidos a partir de cada uma dentre a pluralidade de máquinas móveis (108) ao sistema de computação remota (120), pela conexão de comunicação, utilizando o sistema de comunicação (274).
14. Método implementado por computador de acordo com a reivindicação 1, caracterizado pelo fato de que determinar a característica de conectividade entre a máquina móvel (108) na primeira localização geográfica no local de trabalho florestal (102) e o sistema de comunicação (274) na segunda localização geográfica no local de trabalho florestal (102) compreende: determinar se a primeira máquina móvel (108) na primeira localização geográfica está comunicativamente conectada ao sistema de comunicação (274) na segunda localização geográfica.
15. Veículo aéreo não tripulado (UAV) (104), caracterizado pelo fato de que compreende: um sistema de propulsão (228); um gerador de sinal de controle de UAV (250) que controla o sistema de propulsão (228) para voar o UAV (104) a uma primeira localização geográfica em um local de trabalho florestal no qual uma máquina móvel (108) está localizada, a primeira localização geográfica compreendendo uma localização na qual comunicação entre a máquina móvel (108) e um sistema de computação remota (120), localizado em uma segunda localização geográfica, é impedida; um componente de conectividade de máquina móvel (108) que estabelece uma primeira conexão de comunicação com a máquina móvel (108) na primeira localização geográfica e para obter dados específicos de máquina a partir da máquina móvel (108) pela primeira conexão de comunicação, sendo que o gerador de sinal de controle de UAV (250) controla o sistema de propulsão (228) para voar para a segunda localização geográfica; e, um componente de comunicação que estabelece uma segunda conexão de comunicação com o sistema de comunicação remota (212) na segunda localização geográfica e que envia os dados de máquina (108) ao sistema de computação remota (120), pela segunda conexão de comunicação, utilizando o sistema de comunicação remota (212).
16. Veículo aéreo não tripulado (UAV) (104) de acordo com a reivindicação 15, caracterizado pelo fato de que compreende adicionalmente: um componente de captura de imagem (122) configurado para capturar informações de imagem na primeira localização geográfica, sendo que o componente de comunicação envia as informações de imagem ao sistema de computação remota (120), pela segunda conexão de comunicação, com a utilização do sistema de comunicação remota (212).
17. Veículo aéreo não tripulado (UAV) (104) de acordo com a reivindicação 15, caracterizado pelo fato de que o sistema de comunicação remota (212) compreende um sistema de comunicação por satélite e em que o componente de comunicação controla o UAV (104) para enviar os dados de máquina ao sistema de computação remota (120) iniciando uma conexão por satélite com a utilização do sistema de comunicação por satélite.
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201762565863P | 2017-09-29 | 2017-09-29 | |
| US62/565,863 | 2017-09-29 | ||
| US15/812,423 US10814976B2 (en) | 2017-09-29 | 2017-11-14 | Using unmanned aerial vehicles (UAVs or drones) in forestry machine-connectivity applications |
| US15/812,423 | 2017-11-14 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| BR102018068319A2 BR102018068319A2 (pt) | 2019-04-16 |
| BR102018068319B1 true BR102018068319B1 (pt) | 2024-01-09 |
Family
ID=65897640
Family Applications (3)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| BR102018016857-6A BR102018016857B1 (pt) | 2017-09-29 | 2018-08-17 | Método implementado por computador para controlar um veículo aéreo não tripulado |
| BR102018068319-5A BR102018068319B1 (pt) | 2017-09-29 | 2018-09-11 | Método implementado por computador para utilização de um veículo aéreo não tripulado em aplicações florestais, e, veículo aéreo não tripulado |
| BR102018068327-6A BR102018068327B1 (pt) | 2017-09-29 | 2018-09-11 | Métodos implementados por computador, e, sistema de computação |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| BR102018016857-6A BR102018016857B1 (pt) | 2017-09-29 | 2018-08-17 | Método implementado por computador para controlar um veículo aéreo não tripulado |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| BR102018068327-6A BR102018068327B1 (pt) | 2017-09-29 | 2018-09-11 | Métodos implementados por computador, e, sistema de computação |
Country Status (5)
| Country | Link |
|---|---|
| US (3) | US10814976B2 (pt) |
| BR (3) | BR102018016857B1 (pt) |
| CA (3) | CA3015551A1 (pt) |
| FI (3) | FI130780B1 (pt) |
| RU (3) | RU2018130999A (pt) |
Families Citing this family (38)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10662765B2 (en) * | 2015-09-18 | 2020-05-26 | Schlumberger Technology Corporation | Wellsite emissions monitoring and control |
| US11194348B2 (en) * | 2016-08-18 | 2021-12-07 | Tevel Advanced Technologies Ltd. | System and method for drone fleet management for harvesting and dilution |
| US10814976B2 (en) | 2017-09-29 | 2020-10-27 | Deere & Company | Using unmanned aerial vehicles (UAVs or drones) in forestry machine-connectivity applications |
| US10796275B1 (en) * | 2017-10-27 | 2020-10-06 | Amazon Technologies, Inc. | Systems and methods for inventory control and delivery using unmanned aerial vehicles |
| TWI657011B (zh) * | 2017-11-30 | 2019-04-21 | 財團法人工業技術研究院 | 無人機、無人機控制系統及控制方法 |
| CA3101196A1 (en) * | 2018-05-25 | 2019-11-28 | Bayer Cropscience Lp | System and method for vegetation management risk assessment and resolution |
| JP7034866B2 (ja) * | 2018-08-20 | 2022-03-14 | 株式会社クボタ | 収穫機 |
| KR102225112B1 (ko) * | 2018-08-30 | 2021-03-09 | 한국공항공사 | 비행체를 이용한 항행안전시설 점검 장치 및 방법 |
| US11878440B1 (en) * | 2019-01-04 | 2024-01-23 | Craig Mercier | Unmanned aerial vegetation trimming system |
| US10659920B1 (en) * | 2019-01-08 | 2020-05-19 | International Business Machines Corporation | Efficient discovery of survivors in disaster area using robotics and mobile networks |
| JP7240239B2 (ja) * | 2019-04-23 | 2023-03-15 | カワサキモータース株式会社 | 移動支援プログラム、移動支援システムおよび移動支援方法 |
| US11410416B1 (en) * | 2019-04-30 | 2022-08-09 | United Services Automobile Association | Systems and methods for assessing landscape condition |
| CN111984028B (zh) * | 2019-05-23 | 2023-11-17 | 广州极飞科技股份有限公司 | 植保中喷洒用量的调整方法、装置、设备和存储介质 |
| CN110348403A (zh) * | 2019-07-15 | 2019-10-18 | 华瑞新智科技（北京）有限公司 | 一种树木数量实时测量统计方法、系统及无人机 |
| US11525243B2 (en) * | 2019-09-16 | 2022-12-13 | Caterpillar Inc. | Image-based productivity tracking system |
| US11828904B2 (en) * | 2019-10-21 | 2023-11-28 | Deere & Company | Mobile work machine control system with weather-based model |
| AU2019471277A1 (en) * | 2019-10-21 | 2021-10-14 | Husqvarna Ab | Worksite equipment path planning |
| US11579590B2 (en) * | 2019-10-31 | 2023-02-14 | Deere & Company | Wireless mobile work machine component detection and control system |
| US11402823B2 (en) * | 2019-11-15 | 2022-08-02 | Caterpillar Inc. | System for validating worksites |
| US20210176912A1 (en) * | 2019-12-16 | 2021-06-17 | Cnh Industrial America Llc | System and method for assessing agricultural operation performance based on image data of processed and unprocessed portions of the field |
| US11882797B2 (en) * | 2020-02-24 | 2024-01-30 | Nantong University | Automatic detection and recovery device for residual agricultural mulch film, and method of using said device |
| CN111444774B (zh) * | 2020-02-26 | 2023-05-09 | 山西林业职业技术学院 | 一种基于无人机航测技术的森林资源监测方法 |
| RU2749990C1 (ru) * | 2020-04-03 | 2021-06-21 | ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ КАЗЕННОЕ ВОЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ "Военная академия Ракетных войск стратегического назначения имени Петра Великого" МИНИСТЕРСТВА ОБОРОНЫ РОССИЙСКОЙ ФЕДЕРАЦИИ | Способ коррекции формируемой конфигурации маршрута беспилотного планирующего летательного аппарата |
| EP4156905A1 (en) * | 2020-05-27 | 2023-04-05 | AirForestry AB | Method and system for remote or autonomous holding a tree trunk |
| US11993407B2 (en) | 2020-05-27 | 2024-05-28 | Airforestry Ab | Method and system for remote or autonomous ligno transportation |
| EP4156906A1 (en) * | 2020-05-27 | 2023-04-05 | AirForestry AB | Method and system for remote or autonomous ligno harvesting and/or transportation |
| RU2769037C2 (ru) * | 2020-06-26 | 2022-03-28 | Российская Федерация, от имени которой выступает Федеральное государственное казенное учреждение "Войсковая часть 68240" | Многофункциональный комплекс средств обнаружения, сопровождения и радиопротиводействия применению беспилотных летательных аппаратов малого класса |
| CN112767628A (zh) * | 2020-12-18 | 2021-05-07 | 交通运输部水运科学研究所 | 一种港口外来生物入侵灾害跟踪监测系统 |
| CN112735070B (zh) * | 2020-12-29 | 2022-06-24 | 湖南全亦科技有限公司 | 一种基于互联网的林业监控方法 |
| CN112735071B (zh) * | 2020-12-29 | 2022-08-12 | 岳阳市金霖昇行科技有限公司 | 基于互联网的林业监控系统 |
| CN112965525B (zh) * | 2021-02-10 | 2022-11-22 | 成都两江前沿科技有限公司 | 约束条件下的大规模固定翼无人机集群编队方法 |
| CN113359830B (zh) * | 2021-06-16 | 2022-11-15 | 一飞(海南)科技有限公司 | 编队飞行统一机群飞行相对高度的方法、系统、终端及介质 |
| CA3235009A1 (en) * | 2021-10-21 | 2023-04-27 | Erik Nilsson | Forestry monitoring system |
| US11887364B2 (en) * | 2022-04-07 | 2024-01-30 | Anthony M. Brunetti | Systems and methods for mapping project sites using ground and aerial imagery |
| JP2023158914A (ja) * | 2022-04-19 | 2023-10-31 | 株式会社小松製作所 | 植林計画装置、植林システム、および植林計画方法 |
| CN114662621B (zh) * | 2022-05-24 | 2022-09-06 | 灵枭科技(武汉)有限公司 | 基于机器学习的农机作业面积计算方法及系统 |
| CN115060231B (zh) * | 2022-06-10 | 2023-11-07 | 中国矿业大学 | 基于无人机影像的土壤侵蚀沟深度测算方法 |
| CN115350431B (zh) * | 2022-06-30 | 2023-09-26 | 浙江嘉宝节能技术股份有限公司 | 一种定型机秒灭火方法 |
Family Cites Families (37)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| IL117521A0 (en) | 1996-03-17 | 1996-10-31 | Israel Aircraft Ind Ltd Malat | A fire imaging system and method |
| US7283156B1 (en) | 2002-09-12 | 2007-10-16 | Lockheed Martin Corporation | Airborne imaging system and method |
| JPWO2004046986A1 (ja) | 2002-11-18 | 2006-03-16 | 住友林業株式会社 | 植林事業計画システム及び植林事業計画プログラム |
| US7650231B2 (en) * | 2005-04-25 | 2010-01-19 | The Boeing Company | AGTM airborne surveillance |
| EP1857904B1 (en) | 2006-04-20 | 2016-11-30 | Saab Ab | Emergency flight plan |
| US8437901B2 (en) * | 2008-10-15 | 2013-05-07 | Deere & Company | High integrity coordination for multiple off-road vehicles |
| US9251698B2 (en) * | 2012-09-19 | 2016-02-02 | The Boeing Company | Forest sensor deployment and monitoring system |
| US9198363B2 (en) * | 2012-12-12 | 2015-12-01 | The Boeing Company | Tree metrology system |
| US20140245210A1 (en) | 2013-02-28 | 2014-08-28 | Donan Engineering Co., Inc. | Systems and Methods for Collecting and Representing Attributes Related to Damage in a Geographic Area |
| US10002339B2 (en) | 2013-07-11 | 2018-06-19 | Fluor Technologies Corporation | Post-disaster assessment systems and methods |
| US10095995B2 (en) | 2013-11-25 | 2018-10-09 | First Resource Management Group Inc. | Apparatus for and method of forest-inventory management |
| US9454151B2 (en) * | 2014-05-20 | 2016-09-27 | Verizon Patent And Licensing Inc. | User interfaces for selecting unmanned aerial vehicles and mission plans for unmanned aerial vehicles |
| US9441979B2 (en) * | 2014-06-18 | 2016-09-13 | Sensity Systems Inc. | Interactive applications using data from light sensory networks |
| ES2887033T3 (es) | 2014-09-23 | 2021-12-21 | Biocarbon Eng Ltd | Técnicas de plantación automática |
| US9129355B1 (en) | 2014-10-09 | 2015-09-08 | State Farm Mutual Automobile Insurance Company | Method and system for assessing damage to infrastructure |
| US10045390B2 (en) | 2015-06-04 | 2018-08-07 | Accenture Global Services Limited | Wireless network with unmanned vehicle nodes providing network data connectivity |
| US9740208B2 (en) | 2015-07-30 | 2017-08-22 | Deere & Company | UAV-based sensing for worksite operations |
| SG10201506012SA (en) | 2015-07-31 | 2017-02-27 | Accenture Global Services Ltd | Inventory, growth, and risk prediction using image processing |
| US10145699B2 (en) | 2015-08-28 | 2018-12-04 | The Boeing Company | System and methods for real-time escape route planning for fire fighting and natural disasters |
| CN106558181B (zh) | 2015-09-28 | 2019-07-30 | 东莞前沿技术研究院 | 火灾监测方法和装置 |
| SE1530146A1 (en) | 2015-09-30 | 2017-03-31 | Deere & Co | Control Apparatus and Vehicle provided with Location Data ofStumps of Harvested Trees |
| US10078784B2 (en) | 2015-10-12 | 2018-09-18 | Droneseed Co. | Forestry information management systems and methods streamlined by automatic biometric data prioritization |
| US9786105B2 (en) | 2015-12-08 | 2017-10-10 | Caterpillar Inc. | Gathering data from machine operating at worksite |
| US9396248B1 (en) | 2016-01-04 | 2016-07-19 | International Business Machines Corporation | Modified data query function instantiations |
| US20170193646A1 (en) * | 2016-01-05 | 2017-07-06 | Caterpillar Inc. | Dust detection system for a worksite |
| US9464907B1 (en) | 2016-01-08 | 2016-10-11 | International Business Machines Corporation | Dynamically establishing a temporary safe route via a network of unmanned vehicles |
| JP7032308B2 (ja) | 2016-03-31 | 2022-03-08 | 住友重機械工業株式会社 | 建設機械用作業管理システム及び建設機械 |
| US20160340842A1 (en) | 2016-08-08 | 2016-11-24 | Caterpillar Paving Products Inc. | Milling system |
| US20160363932A1 (en) | 2016-08-26 | 2016-12-15 | Caterpillar Paving Products Inc. | Worksite monitoring system |
| US10165725B2 (en) * | 2016-09-30 | 2019-01-01 | Deere & Company | Controlling ground engaging elements based on images |
| US20170041978A1 (en) | 2016-10-25 | 2017-02-09 | Caterpillar Inc. | Remote worksite monitoring system |
| GB2558250B (en) | 2016-12-23 | 2020-05-27 | Caterpillar Sarl | A method of determining the compaction of a terrain of a worksite |
| US10775796B2 (en) * | 2017-01-10 | 2020-09-15 | Cnh Industrial America Llc | Aerial vehicle systems and methods |
| US10388049B2 (en) | 2017-04-06 | 2019-08-20 | Honeywell International Inc. | Avionic display systems and methods for generating avionic displays including aerial firefighting symbology |
| US10402942B2 (en) | 2017-09-28 | 2019-09-03 | Sentera, Inc. | Multiple georeferenced aerial image crop analysis and synthesis |
| US10814976B2 (en) | 2017-09-29 | 2020-10-27 | Deere & Company | Using unmanned aerial vehicles (UAVs or drones) in forestry machine-connectivity applications |
| US10332803B1 (en) | 2018-05-08 | 2019-06-25 | Globalfoundaries Inc. | Hybrid gate-all-around (GAA) field effect transistor (FET) structure and method of forming |
-
2017
- 2017-11-14 US US15/812,423 patent/US10814976B2/en active Active
- 2017-11-14 US US15/812,405 patent/US10322803B2/en active Active
- 2017-11-14 US US15/812,448 patent/US10569875B2/en active Active
-
2018
- 2018-08-17 BR BR102018016857-6A patent/BR102018016857B1/pt active IP Right Grant
- 2018-08-28 RU RU2018130999A patent/RU2018130999A/ru unknown
- 2018-08-28 CA CA3015551A patent/CA3015551A1/en active Pending
- 2018-08-28 RU RU2018130996A patent/RU2018130996A/ru unknown
- 2018-08-28 RU RU2018130997A patent/RU2018130997A/ru unknown
- 2018-08-28 CA CA3015657A patent/CA3015657A1/en active Pending
- 2018-08-29 CA CA3015779A patent/CA3015779A1/en active Pending
- 2018-08-29 FI FI20185708A patent/FI130780B1/fi active
- 2018-08-29 FI FI20185707A patent/FI129716B/en active IP Right Grant
- 2018-08-29 FI FI20185709A patent/FI20185709A1/en unknown
- 2018-09-11 BR BR102018068319-5A patent/BR102018068319B1/pt active IP Right Grant
- 2018-09-11 BR BR102018068327-6A patent/BR102018068327B1/pt active IP Right Grant
Also Published As
| Publication number | Publication date |
|---|---|
| US20190100310A1 (en) | 2019-04-04 |
| CA3015779A1 (en) | 2019-03-29 |
| BR102018016857A2 (pt) | 2019-04-24 |
| BR102018068319A2 (pt) | 2019-04-16 |
| FI129716B (en) | 2022-07-29 |
| US10322803B2 (en) | 2019-06-18 |
| CA3015657A1 (en) | 2019-03-29 |
| US10814976B2 (en) | 2020-10-27 |
| BR102018016857B1 (pt) | 2024-01-09 |
| FI20185707A1 (en) | 2019-03-30 |
| BR102018068327B1 (pt) | 2024-01-09 |
| FI20185708A1 (en) | 2019-03-30 |
| FI20185709A1 (en) | 2019-03-30 |
| RU2018130997A (ru) | 2020-03-02 |
| US20190100309A1 (en) | 2019-04-04 |
| BR102018068327A2 (pt) | 2019-05-07 |
| RU2018130996A3 (pt) | 2022-02-15 |
| RU2018130999A3 (pt) | 2022-02-15 |
| US20190102623A1 (en) | 2019-04-04 |
| FI130780B1 (fi) | 2024-03-13 |
| RU2018130996A (ru) | 2020-03-03 |
| RU2018130999A (ru) | 2020-03-02 |
| RU2018130997A3 (pt) | 2022-02-15 |
| US10569875B2 (en) | 2020-02-25 |
| CA3015551A1 (en) | 2019-03-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| BR102018068319B1 (pt) | Método implementado por computador para utilização de um veículo aéreo não tripulado em aplicações florestais, e, veículo aéreo não tripulado | |
| US10782278B2 (en) | Soil quality measurement device | |
| EP3237983B1 (en) | Robotic vehicle grass structure detection | |
| AU2020360314A1 (en) | Hybrid vision system for crop land navigation | |
| WO2016103164A1 (en) | Garden street view | |
| DE102019215578A1 (de) | Steuerung des betriebs von forstmaschinen auf basis von datenerfassung | |
| BR102020010158A2 (pt) | método para controlar uma máquina de trabalho em um local de trabalho, e, máquina de trabalho | |
| BR102021016552A2 (pt) | Máquina de trabalho agrícola, e, método implementado por computador para gerar um mapa agrícola preditivo funcional | |
| WO2023204243A1 (ja) | 森林管理システムおよび森林管理方法 | |
| BR102021015205A2 (pt) | Máquina de trabalho agrícola, e, método implementado por computador para controlar uma máquina de trabalho agrícola | |
| BR102022013179A2 (pt) | Método para controlar uma máquina agrícola móvel, máquina agrícola móvel, e, sistema de controle | |
| BR102022024438A2 (pt) | Método para controlar uma máquina de colheita agrícola, máquina de colheita agrícola, e, sistema de controle |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| B03A | Publication of a patent application or of a certificate of addition of invention [chapter 3.1 patent gazette] | ||
| B15N | Others concerning applications: notification of judicial decision |
Free format text: VARA: 25A VARA FEDERAL DO RIO DE JANEIROPROCESSO N.O 5022017-09.2019.4.02.5101) - NUP: 00408.027367/2019-14IMPETRANTE: KASZNAR LEONARDOS ADVOGADOSIMPETRADO: PRESIDENTE DO INSTITUTO NACIONAL DA PROPRIEDADE INDUSTRIAL - INPI?ANTE O EXPOSTO, DENEGO O MANDADO DE SEGURANCA E JULGO EXTINTO O PROCESSO SEM RESOLUCAO DO MERITO, COM FULCRO NO ARTIGO 6O, 5O, DA LEI NO 12.016/2009 C/C ARTIGO 485, VI DO CODIGO DE PROCESSO CIVIL.? |
|
| B06W | Patent application suspended after preliminary examination (for patents with searches from other patent authorities) chapter 6.23 patent gazette] | ||
| B07A | Application suspended after technical examination (opinion) [chapter 7.1 patent gazette] | ||
| B09A | Decision: intention to grant [chapter 9.1 patent gazette] | ||
| B16A | Patent or certificate of addition of invention granted [chapter 16.1 patent gazette] |
Free format text: PRAZO DE VALIDADE: 20 (VINTE) ANOS CONTADOS A PARTIR DE 11/09/2018, OBSERVADAS AS CONDICOES LEGAIS |