BR102020001022A2 - Método para controlar uma máquina, sistema de computação, e, máquina de trabalho - Google Patents
Método para controlar uma máquina, sistema de computação, e, máquina de trabalho Download PDFInfo
- Publication number
- BR102020001022A2 BR102020001022A2 BR102020001022-0A BR102020001022A BR102020001022A2 BR 102020001022 A2 BR102020001022 A2 BR 102020001022A2 BR 102020001022 A BR102020001022 A BR 102020001022A BR 102020001022 A2 BR102020001022 A2 BR 102020001022A2
- Authority
- BR
- Brazil
- Prior art keywords
- model
- predictive
- machine
- data
- predictive model
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/04—Processing captured monitoring data, e.g. for logfile generation
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01D—HARVESTING; MOWING
- A01D41/00—Combines, i.e. harvesters or mowers combined with threshing devices
- A01D41/12—Details of combines
- A01D41/127—Control or measuring arrangements specially adapted for combines
- A01D41/1278—Control or measuring arrangements specially adapted for combines for automatic steering
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01D—HARVESTING; MOWING
- A01D41/00—Combines, i.e. harvesters or mowers combined with threshing devices
- A01D41/12—Details of combines
- A01D41/127—Control or measuring arrangements specially adapted for combines
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01D—HARVESTING; MOWING
- A01D41/00—Combines, i.e. harvesters or mowers combined with threshing devices
- A01D41/12—Details of combines
- A01D41/127—Control or measuring arrangements specially adapted for combines
- A01D41/1271—Control or measuring arrangements specially adapted for combines for measuring crop flow
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01D—HARVESTING; MOWING
- A01D41/00—Combines, i.e. harvesters or mowers combined with threshing devices
- A01D41/12—Details of combines
- A01D41/14—Mowing tables
- A01D41/141—Automatic header control
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/041—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a variable is automatically adjusted to optimise the performance
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/70—Admission control; Resource allocation
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Automation & Control Theory (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Feedback Control In General (AREA)
Abstract
método para controlar uma máquina, sistema de computação, e, máquina de trabalho dados de índice vegetativo georreferenciados a priori são obtidos para um local de trabalho, junto com dados de campo que são coletados por um sensor em uma máquina de trabalho que está realizando uma operação no local de trabalho. um modelo preditivo é gerado, enquanto a máquina está realizando a operação, com base nos dados de índice vegetativo georreferenciados e nos dados de campo. uma métrica de qualidade de modelo é gerada para o modelo preditivo e é usada para determinar se o modelo preditivo é um modelo predicativo qualificado. se for, um sistema de controle controla um subsistema da máquina de trabalho, usando o modelo preditivo qualificado, e uma posição da máquina de trabalho, para realizar a operação.
Description
[001] A presente descrição se refere a máquinas de trabalho. Mais especificamente, a presente descrição se refere a um sistema de controle que dinamicamente, durante o tempo de operação, sensoreia dados e gera e qualifica um modelo preditivo e controla a máquina de trabalho usando esse modelo.
[002] Existe uma ampla variedade de diferentes tipos de máquinas de trabalho. Essas máquinas podem incluir máquinas de construção, máquinas de gerenciamento de turfe, máquinas florestais, máquinas agrícolas, etc.
[003] Alguns sistemas atuais tentaram usar dados a priori para gerar um modelo preditivo que pode ser usado para controlar a máquina de trabalho. Por exemplo, colheitadeiras agrícolas podem incluir colheitadeiras combinadas, colheitadeiras de foragem, colheitadeiras de algodão, dentre outras coisas. Alguns sistemas atuais tentaram usar dados a priori (tal como imagem aérea de um campo) a fim de gerar um mapa de produtividade preditiva. O mapa de produtividade predicativa prediz produtividades em diferentes localizações geográficas no campo que está sendo colhido. Os sistemas atuais tentaram usar esse mapa de produtividade preditiva no controle da colheitadeira.
[004] A discussão acima é meramente provida para informação de fundo geral e não é para ser usada como um auxílio na determinação do escopo da matéria objeto reivindicada.
[005] Dados de índice vegetativo georreferenciados a priori são obtidos para um local de trabalho, junto com dados de campo que são coletados por um sensor em uma máquina de trabalho que está realizando uma operação no local de trabalho. Um modelo preditivo é gerado, enquanto a máquina está realizando a operação, com base nos dados de índice vegetativo georreferenciados e nos dados de campo. Uma métrica de qualidade de modelo é gerada para o modelo preditivo e é usada para determinar se o modelo preditivo é um modelo predicativo qualificado. Se for, um sistema de controle controla um subsistema da máquina de trabalho, usando o modelo preditivo qualificado, e uma posição da máquina de trabalho, para realizar a operação.
[006] Esse Sumário é provido para introduzir uma seleção de conceitos em uma forma simplificada que são adicionalmente descritos a seguir na Descrição Detalhada. Esse Sumário não visa identificar recursos chaves ou recursos essenciais da matéria objeto reivindicada, nem é para ser usado como um auxílio na determinação do escopo da matéria objeto reivindicada. A matéria objeto reivindicada não é limitada às implementações que solucionam quaisquer ou todas as desvantagens notadas nos fundamentos.
[007] A FIG. 1 é uma ilustração pictorial parcial esquemática parcial de uma colheitadeira combinada.
[008] A FIG. 2 é um diagrama de blocos mostrando um exemplo de uma arquitetura de sistema de computação que inclui a colheitadeira combinada mostrada na FIG. 1.
[009] As FIGS. 3A-3C (coletivamente referidas aqui como FIG. 3) mostram um fluxograma ilustrando um exemplo da operação da arquitetura de sistema de computação mostrada na FIG. 2.
[0010] A FIG. 4 é um fluxograma ilustrando um outro exemplo da operação da arquitetura ilustrada na FIG. 2, gerando dinamicamente modelos de controle específicos de atuador ou específicos de subsistema.
[0011] A FIG. 5 mostra um diagrama de blocos da arquitetura ilustrada na FIG. 1, disposta em um ambiente de servidor remoto.
[0012] As FIGS. 6 a 8 mostram exemplos de dispositivos móveis que podem ser usados nas arquiteturas mostradas nas figuras anteriores.
[0013] A FIG. 9 é um diagrama de blocos mostrando um exemplo de um ambiente de computação que pode ser usado nas arquiteturas mostradas nas figuras anteriores.
[0014] Como aqui discutido, alguns sistemas atuais tentam usar dados a priori (tais como imagens aéreas) a fim de gerar um mapa preditivo que pode ser usado para controlar uma máquina de trabalho. A título de exemplo, houve uma grande parcela de trabalho feita na tentativa de gerar um mapa de produtividade preditiva para um campo, com base em valores de índice de vegetação gerados de imagem aérea. Tais mapas de produtividade preditiva tentam predizer uma produtividade em diferentes localizações no campo. Os sistemas tentam controlar uma colheitadeira combinada (ou outra colheitadeira) com base na produtividade predita.
[0015] Também, alguns sistemas tentam usar sistemas de percepção de olhar à frente, que podem envolver obter imagens ópticas do campo, à frente de uma colheitadeira na direção de deslocamento. Uma produtividade pode ser predita para a área imediatamente à frente da colheitadeira, com base nessas imagens. Isto é uma outra fonte de dados a priori que pode ser usada para gerar uma forma de um mapa de produtividade preditiva.
[0016] Todos esses tipos de sistemas podem apresentar dificuldades.
[0017] Por exemplo, nenhum dos modelos gerados com base em dados a priori representa dados confiáveis de chão atuais. Por exemplo, eles representam apenas produtividade preditiva, e não valores de produtividade validados de chão reais. Portanto, alguns sistemas tentaram gerar múltiplos diferentes modelos, e então atribui-los com uma pontuação de qualidade com base em desempenho histórico. Por exemplo, um ambiente de servidor remoto pode obter dados de imagem aérea a priori e gerar um mapa de produtividade preditiva. O ambiente de servidor remoto pode então receber dados de campo gerados reais quando esse campo foi colhido. Ele pode determinar a qualidade ou precisão do modelo, com base nos dados de campo reais. O modelo de produtividade preditiva, ou o algoritmo usado para criar o modelo, pode então ser modificado para melhorá-lo.
[0018] Entretanto, isto não ajuda no controle da colheitadeira, durante a operação de colheita. Em vez disso, os dados de campo reais são providos ao ambiente de servidor remoto, após a operação de colheita ser concluída, de forma que o modelo pode ser melhorado para a época de colheita seguinte, para esse campo.
[0019] Ao contrário, a descrição seguinte descreve um sistema e método para gerar um modelo preditivo com base não apenas em dados a priori, mas com base em dados de campo in situ que representam valores reais que estão sendo modelados. Por exemplo, onde o mapa preditivo é um mapa de produtividade preditiva, o modelo usado para gerar esse mapa é dinamicamente gerado com base em dados a priori (tais como dados de imagem aérea) e dados in situ, tais como dados de campo reais sensoreados na colheitadeira durante a operação de colheita. Uma vez que o mapa de produtividade preditiva é gerado, o modelo (por exemplo, o mapa preditivo) usado para gerá-lo é avaliado para determinar sua precisão (ou qualidade). Se a qualidade do modelo for suficiente, ele é usado para controlar a combinada, durante a operação de colheita, e é dinamicamente, e iterativamente, avaliado usando dados in situ, coletados da combinada durante a operação de colheita. Se o modelo não tiver uma qualidade alta o suficiente, então o sistema pode comutar dinamicamente para um modelo alternativo, ou pode comutar de volta para operação manual ou valores predefinidos, ou pode gerar e avaliar outros modelos alternativos.
[0020] A FIG. 1 é uma ilustração pictorial parcial esquemática parcial de uma máquina agrícola 100, em um exemplo onde a máquina 100 é uma colheitadeira combinada (ou combinada). Pode-se ver na FIG. 1 que a combinada 100 ilustrativamente inclui um compartimento de operador 101, que pode ter uma variedade de diferentes mecanismos de interface de operador, para controlar a combinada 100, como será discutido em mais detalhe a seguir. A combinada 100 pode incluir um conjunto de equipamento de extremidade dianteira que pode incluir ponteira 102, e um cortador indicado no geral por 104. Ela pode também incluir uma câmara de alimentação 106, um acelerador de alimentação 108, e um trilhador no geral indicado por 110. O trilhador 110 ilustrativamente inclui um rotor de trilhagem 112 e um conjunto de côncavos 114. Adicionalmente, a combinada 100 pode incluir um separador 116 que inclui um rotor de separador. A combinada 100 pode incluir um subsistema de limpeza (ou sapata de limpeza) 118 que, por si, pode incluir uma ventoinha de limpeza 120, picador de palha 122 e peneira 124. O subsistema de manuseio de material na combinada 100 pode incluir (além de uma câmara de alimentação 106 e acelerador de alimentação 108) batedor de descarga 126, elevador de refugos 128, elevador de grão limpo 130 (que move grão limpo para o tanque de grão limpo 132) bem como trado de descarga 134 e bocal 136. A combinada 100 pode adicionalmente incluir um subsistema de resíduo 138 que pode incluir picador 140 e espalhador 142. A combinada 100 pode também ter um subsistema de propulsão que inclui um motor (ou outra fonte de potência) que aciona rodas de engate no terreno 144 ou esteiras, etc. Nota-se que a combinada 100 pode também ter mais que um de quaisquer dos subsistemas supramencionados (tais como sapatas de limpeza esquerda e direita, separadores, etc.).
[0021] Em operação, e a título de revisão, a combinada 100 ilustrativamente move através de um campo na direção indicada pela seta 146. V À medida que ela move, a ponteira 102 engata a cultura a ser colhida e acumula-a em direção ao cortador 104. Após ela ser cortada, ela é movimentada através de um transportador na câmara de alimentação 106 em direção ao acelerador de alimentação 108, que acelera a cultura para o trilhador 110. A cultura é trilhada pelo rotor 112 que gira a cultura contra o côncavo 114. A cultura trilhada é movimentada por um rotor de separador no separador 116 onde parte do resíduo é movimentada pelo batedor de descarga 126 em direção ao subsistema de resíduo 138. Ela pode ser picada pelo picador de resíduo 140 e espalhada no campo pelo espalhador 142. Em outras implementações, o resíduo é simplesmente solto em uma leira, em vez de ser picada e espalhada.
[0022] Grão cai na sapata de limpeza (ou subsistema de limpeza) 118. O picador de palha 122 separa parte do material maior do grão, e a peneira 124 separa parte do material mais fino do grão limpo. Grão limpo cai em um trado no elevador de grão limpo 130, que move o grão limpo para cima e deposita-o no tanque de grão limpo 132. O resíduo pode ser removido da sapata de limpeza 118 pelo fluxo de ar gerado pela ventoinha de limpeza 120. Esse resíduo pode também ser movimentado para trás na combinada 100 em direção ao subsistema de manuseio de resíduo 138.
[0023] Os refugos podem ser movimentados pelo elevador de refugos 128 de volta para o trilhador 110 onde eles podem ser retrilhados. Alternativamente, os refugos podem também ser passados para um mecanismo de retrilhagem separado (também usando um elevador de refugos ou um outro mecanismo de transporte) onde eles podem ser retrilhados igualmente.
[0024] A FIG. 1 também mostra que, em um exemplo, a combinada 100 pode incluir sensor de velocidade em relação ao terreno 147, um ou mais sensores de perda no separador 148, uma câmera de grão limpo 150, e um ou mais sensores de perda na sapata de limpeza 152. O sensor de velocidade em relação ao terreno 147 ilustrativamente sensoreia a velocidade de deslocamento da combinada 100 sobre o terreno. Isto pode ser feito pelo sensoreamento da velocidade de rotação das rodas, do eixo de acionamento, do eixo de rodas, ou de outros componentes. A velocidade de deslocamento e a posição de combinada 100 pode também ser sensoreadas por um sistema de posicionamento 157, tal como um sistema de posicionamento global (GPS), um sistema de posicionamento relativo, um sistema LORAN, ou uma ampla variedade de outros sistemas ou sensores que fornecem uma indicação da velocidade de deslocamento.
[0025] Os sensores de perda na sapata de limpeza 152 ilustrativamente fornecem um sinal de saída indicativo da quantidade de perda de grão tanto pelos lados direito quanto esquerdo da sapata de limpeza 118. Em um exemplo, os sensores 152 são sensores de colisão (ou sensores de impacto) que contam colisões de grão por unidade de tempo (ou por unidade de distância deslocada) para prover uma indicação da perda de grão na sapata de limpeza. Os sensores de colisão para os lados direito e esquerdo da sapata de limpeza podem prover sinais individuais, ou um sinal combinado ou agregado. Nota-se que os sensores 152 podem compreender apenas um único sensor igualmente, em vez de sensores separados para cada sapata.
[0026] O sensor de perda do separador 148 provê um sinal indicativo de perda de grão nos separadores esquerdo e direito. Os sensores associados com os separadores esquerdo e direito podem prover sinais de perda de grão separados ou um sinal combinado ou agregado. Isto pode ser feito usando uma ampla variedade de diferentes tipos de sensores igualmente. Nota-se que sensores de perda no separador 148 podem também compreender apenas um único sensor, em vez de sensores esquerdo e direito separados.
[0027] Percebe-se também que o sensor e mecanismos de medição (além dos sensores já descritos) podem incluir outros sensores na combinada 100 igualmente. Por exemplo, eles podem incluir um sensor de definição de resíduo que é configurado para sensorear se a máquina 100 é configurada para picar o resíduo, dispor uma leira, etc. Eles podem incluir sensores de velocidade de ventoinha da sapata de limpeza que podem ser configurados próximos à ventoinha 120 para sensorear a velocidade da ventoinha. Eles podem incluir um sensor de folga de trilhagem que sensoreia a folga entre o rotor 112 e os côncavos 114. Eles incluem um sensor de velocidade do rotor de trilhagem que sensoreia uma velocidade de rotor 112. Eles podem incluir um sensor de folga de picador de palha que sensoreia o tamanho das aberturas no picador de palha 122. Eles podem incluir um sensor de folga de peneira que sensoreia o tamanho das aberturas na peneira 124. Eles podem incluir um sensor de umidade de material sem ser grão (MOG) que pode ser configurado para sensorear o nível de umidade do material sem ser grão que está passando através da combinada 100. Eles podem incluir sensores de definição de máquina que são configurados para sensorear as várias definições configuráveis na combinada 100. Eles podem também incluir um sensor de orientação de máquina que pode ser qualquer de uma ampla variedade de diferentes tipos de sensores que sensoreiam a orientação ou pose da combinada 100. Sensores de propriedade de cultura podem sensorear uma variedade de diferentes tipos de propriedades de cultura, tais como tipo de cultura, umidade da cultura, e outras propriedades de cultura. Eles podem também ser configurados para sensorear características da cultura à medida que ela etapa sendo processada pela combinada 100. Por exemplo, elas podem sensorear taxa de alimentação de grão, à medida que ela desloca através do elevador de grão limpo 130. Elas podem sensorear o campo como vazão de massa de grão através do elevador 130, correlacionada a uma posição da qual ela foi colhida, como indicado pelo sensor de posição 157, ou prover outros sinais de saída indicativos de outras variáveis sensoreadas. Alguns exemplos adicionais dos tipos de sensores que podem ser usados são descritos a seguir.
[0028] A FIG. 2 é um diagrama de blocos mostrando um exemplo de uma arquitetura de sistema de computação 180 que inclui máquina de trabalho 100, sistemas de coleta de dados a priori 182, sistemas de coleta de dados alternativos 184, e armazenamento de dados a priori 186 que é conectado à máquina de trabalho 100 pela rede 188. Alguns itens mostrados na FIG. 2 são similares aos mostrados na FIG. 1, e eles são similarmente enumerados.
[0029] A rede 188 pode ser qualquer de uma ampla variedade de diferentes tipos de rede. Por exemplo, ela pode ser uma rede de área abrangente, uma rede de área local, uma rede de comunicação de campo próximo, uma rede de comunicação celular, ou qualquer de uma ampla variedade de outras redes, ou combinações de redes.
[0030] Os sistemas de coleta de dados a priori 182 ilustrativamente coletam dados a priori que podem ser usados pela máquina de trabalho 100 para gerar um modelo (tal como um mapa preditivo) que pode ser usado para controlar a máquina de trabalho 100. Dessa forma, em um exemplo, os sistemas 182 podem incluir formador de imagem de índice de vegetação de diferença normalizado 190, formador de imagem térmico 192, formador de imagem de radar/micro-ondas 194, dados de modelo de cultura 196, dados de modelo de solo 198, e podem incluir uma ampla variedade de outros itens 200. O formador de imagem NDVI 190 pode incluir coisas tais como sistemas de formação de imagem aérea (por exemplo, sistemas de satélite, sistemas de formação de imagem de veículo aéreo tripulado ou não tripulado, etc.) que podem ser usados para capturar imagens das quais valores NDVI podem ser gerados. O formador de imagem térmico 192 ilustrativamente inclui um ou mais sensores de formação de imagem térmica que geram dados térmicos. O formador de imagem de radar/micro-ondas 194 ilustrativamente gera imagens de radar ou micro-ondas. Um modelo de cultura 196 pode ser usado para gerar dados que são preditivos de certas características da cultura, tais como produtividade, umidade, etc. O modelo de solo 198 é ilustrativamente um modelo preditivo que gera características de solo em diferentes localizações em um campo. Tais características podem incluir umidade do solo, compactação do solo, qualidade ou conteúdo do solo, etc.
[0031] Todos esses sistemas 182 podem ser usados para gerar dados diretamente indicativos de valores de métrica, ou dos quais valores de métrica podem ser derivados, e usados no controle da máquina de trabalho 100. Eles podem ser dispostos em sistemas de sensoreamento remotos, tais como veículos aéreos não tripulados, aeronave tripulada, satélites, etc. Os dados gerados pelos sistemas 182 podem incluir uma ampla variedade de outras coisas igualmente, tais como dados de tempo, dados de tipo de solo, dados topográficos, mapas gerados por humano com base em informação histórica, e uma ampla variedade de outros sistemas para gerar dados correspondendo ao local de trabalho no qual máquina de trabalho 100 está atualmente disposta.
[0032] Os sistemas de coleta de dados alternativos 184 podem ser similares aos sistemas 182, ou diferentes. Onde eles são os mesmos ou similares, eles podem coletar os mesmos tipos de dados, mas em diferentes momentos durante a época de crescimento. Por exemplo, alguma imagem aérea gerada durante um primeiro momento na época de crescimento pode ser mais útil do que outra imagem aérea que foi capturada posteriormente na época de crescimento. Isto é apenas um exemplo.
[0033] Os sistemas de coleta de dados alternativos 184 podem incluir diferentes sistemas de coleta igualmente, que geram diferentes tipos de dados a respeito do campo onde a máquina de trabalho 100 é disposta. Além do mais, os sistemas de coleta de dados alternativos 184 podem ser similares aos sistemas 182, mas eles podem ser configurados para coletar dados a uma resolução diferente (tal como a uma maior resolução, uma menor resolução, etc.). Eles podem também ser configurados para capturar o mesmo tipo de dados usando um mecanismo de coleta ou mecanismo de captura de dados diferente que pode ser mais ou menos preciso sob diferentes critérios.
[0034] O armazenamento de dados a priori 186 dessa forma inclui dados a priori georreferenciados 202 bem como dados a priori georreferenciados alternativos 204. Ele pode incluir outros itens 206 igualmente. Os dados 202 podem ser, por exemplo, dados de índice de vegetação que incluem valores de índice de vegetação que são georreferenciados com o campo que está sendo colhido. Os dados de índice de vegetação podem incluir coisas tais como dados NDVI, dados de índice de área de folha, dados de índice de vegetação ajustado ao solo (SAVI), dados SAVI modificados ou otimizados, dados de razão simples ou razão simples modificada, dados de índice de vegetação de diferença renormalizada, índices relacionados a clorofila/pigmento (CARI), CARI modificado ou transformado, dados de índice de vegetação triangular, dados de índice pigmento insensível estrutural, dados de índice de clorofila de pigmento normalizado, dados de índice de refletância fotoquímica, índices de borda vermelha, índices de análise derivativa, dentre uma ampla variedade de outros.
[0035] A FIG. 2 também mostra que a máquina de trabalho 100 pode incluir um ou mais diferentes processadores 208, sistema de comunicação 210, sensores 212 (que podem incluir sensores de produtividade 211, sensores posição/rota 157, sensores de velocidade 147, e uma ampla variedade de outros sensores 214 (que podem ser os aqui descritos com relação à FIG. 1, ou diferentes)), sistema de coleta de dados in situ 216, sistema gerador de modelo 218, sistema de avaliação de modelo 220, armazenamento de dados 222, sistema de controle 224, subsistemas controláveis 226, mecanismos de interface de operador 228, e pode incluir uma ampla variedade de outros itens 230.
[0036] A FIG. 2 mostra que o operador 232 pode interagir com mecanismos de interface de operador 228 a fim de controlar e manipular a máquina 100. Dessa forma, os mecanismos de interface de operador 228 podem incluir coisas tais como rodas de direção, pedais, alavancas, barras de direção, botões, diais, articulações, etc. Além do mais, eles podem incluir um dispositivo de exibição que exibe elementos atuáveis pelo usuário, tais como ícones, ligações, botões, etc. Onde a exibição é uma exibição sensível ao toque, o itens atuáveis pelo usuário podem ser atuados por gestos de toque. Similarmente, onde os mecanismos 228 incluem mecanismos de processamento de fala, então o operador 232 pode prover entradas e receber saídas através de um microfone e alto-falante, respectivamente. Os mecanismos de interface de operador 228 podem incluir qualquer de uma ampla variedade de outros mecanismos de áudio, visuais ou hápticos.
[0037] Os sistemas de coleta de dados in situ 216 ilustrativamente incluem lógica de agregação de dados 234, lógica de medição de dados 236, e pode incluir outros itens 238. O sistema gerador de modelo 218 ilustrativamente inclui um conjunto de diferentes mecanismos de geração de modelo 240-242 que podem usar diferentes esquemas para gerar modelos preditivos que podem ser usados no controle da máquina 100. Por exemplo, eles podem gerar modelos preditivos usando uma função linear, diferentes funções, tal como uma curva, ou eles podem ser usados para gerar diferentes tipos de modelos preditivos, tais como uma rede neural, um modelo Bayesiano, etc. O sistema 218 pode incluir outros itens 244 igualmente.
[0038] O sistema de avaliação de modelo 220 ilustrativamente recebe um ou mais modelos preditivos gerados pelo sistema gerador de modelo 218 e avalia a precisão desse modelo. Dessa forma, ele inclui gatilho de avaliação de modelo 246, gerador de métrica de qualidade de modelo 248, lógica de avaliador de modelo 250 (que, por si, inclui lógica de limiar 252, lógica de classificação 254, e outros itens 256), lógica de seleção de modelo 258, e pode incluir outros itens 260.
[0039] A lógica de gatilho de avaliação 246 detecta um gatilho de avaliação que indica que o sistema de avaliação de modelo 220 deve avaliar a precisão de um ou mais modelos preditivos. Esses modelos podem estar atualmente em uso no controle da máquina de trabalho 100, ou eles podem ser modelos diferentes que são gerados, como modelos alternativos que podem ser usados para substituir o modelo atual, se o modelo alternativo for mais preciso. Uma vez disparado, o gerador de métrica de qualidade de modelo 248 ilustrativamente gera uma métrica de qualidade de modelo para um modelo em análise. Um exemplo pode ser útil.
[0040] Considere que o modelo preditivo gerado pelo sistema 218 seja um modelo de produtividade preditiva que prediz uma produtividade em diferentes localizações no campo que está sendo colhido. A lógica de gatilho de avaliação 246 será disparada com base em qualquer de uma variedade de diferentes tipos de critérios (alguns dos quais são descritos a seguir) de forma que o sistema de avaliação de modelo 220 iterativamente e dinamicamente avalia a precisão do modelo de produtividade preditiva, durante a operação de colheita. Nesse caso, o gerador de métrica de qualidade de modelo 248 obterá dados de campo reais dos sensores de produtividade 211 e determinará a precisão do modelo de produtividade preditiva que ele está avaliando. Com base nessa precisão, ele gera uma pontuação de precisão ou pontuação de qualidade. Ele pode fazer isto para um ou mais diferentes modelos.
[0041] A lógica de avaliador de modelo 250 então determina se o modelo é qualificado para ser usado a fim de controlar a máquina 100. Ela pode fazer isto de inúmeras diferentes maneiras. A lógica de limiar 252 pode comparar a métrica de qualidade de modelo gerada pelo gerador 248 com um limiar para determinar se o modelo está comportando (ou desempenhará) adequadamente. Onde múltiplos modelos estão sendo avaliados simultaneamente, a lógica de classificação 254 pode classificar esses modelos com base na métrica de qualidade de modelo gerada para cada um deles. Ela pode encontrar o modelo de melhor desempenho (para o qual a métrica de qualidade de modelo é mais alta) e a lógica de limiar 252 pode então determinar se a métrica de qualidade de modelo para esse modelo atende o valor de limiar.
[0042] A lógica de seleção de modelo 258 então seleciona um modelo, onde um está comportando (ou desempenhará) adequadamente com base na métrica de qualidade de modelo e sua avaliação. Ela provê o modelo preditivo selecionado ao sistema de controle 224 que usa esse modelo para controlar um ou mais dos diferentes subsistemas controláveis 226.
[0043] Dessa forma, o sistema de controle 224 pode incluir lógica de controle de taxa de alimentação 262, lógica de controle de definições 264, lógica de controle de rota 266, lógica de controle de potência 268, e pode incluir outros itens 270. Os subsistemas controláveis 226 podem incluir sensores 212, subsistema de propulsão 272, subsistema de direção 274, um ou mais diferentes atuadores 276 que podem ser usados para mudar definições de máquina, configuração de máquina, etc., subsistema de utilização de potência 278, e pode incluir uma ampla variedade de outros sistemas 280, alguns dos quais foram aqui descritos com relação à FIG. 1.
[0044] A lógica de controle de taxa de alimentação 262 ilustrativamente controla o sistema de propulsão 272 e/ou quaisquer outros subsistemas controláveis 226 para manter uma taxa de alimentação relativamente constante, com base na produtividade para a localização geográfica que a colheitadeira 100 está prestes a encontrar, ou outra característica predita pelo modelo preditivo. A título de exemplo, se o modelo preditivo indicar que a produtividade predita na frente da combinada (na direção de deslocamento) será reduzida, então a lógica de controle de taxa de alimentação 262 pode controlar o sistema de propulsão 272 para aumentar a velocidade à frente da máquina de trabalho 100 a fim de manter a taxa de alimentação relativamente constante. Por outro lado, se o modelo preditivo indicar que a produtividade à frente da máquina de trabalho 100 será relativamente alta, então a lógica de controle de taxa de alimentação 262 pode controlar o sistema de propulsão 272 para desacelerar a fim de, novamente, manter a taxa de alimentação a um nível relativamente constante.
[0045] Similarmente, a lógica de controle de definições 264 pode controlar os atuadores 276 a fim de mudar as definições de máquina com base na característica predita do campo que está sendo colhido (por exemplo, com base na produtividade predita, ou outra característica predita). A título de exemplo, a lógica de controle de definições 264 pode acionar os atuadores 276 que mudam a folga do côncavo em uma combinada, com base na produtividade predita ou biomassa a ser encontrada pela colheitadeira.
[0046] A lógica de controle de rota 266 pode controlar o subsistema de direção 274, também com base no modelo preditivo. A título de exemplo, o operador 232 pode ter percebido que um temporal está se aproximando, e prover uma entrada através de mecanismos de interface de operador 228 indicando que o operador 232 quer que o campo seja colhido em uma quantidade mínima de tempo. Nesse caso, o modelo de produtividade preditiva pode identificar áreas produtividade relativamente altas altas e lógica de controle de rota 266 pode controlar o subsistema de direção 274 para preferencialmente colher essas áreas primeiro, de maneira que uma maior parte da produtividade possa ser obtida do campo antes da chegada do temporal. Isto é apenas um exemplo. Em um outro exemplo, pode ser que o modelo preditivo esteja predizendo uma característica do solo (tais como umidade do solo, a presença de lama, etc.) que pode afetar a tração. A lógica de controle de rota 266 pode controlar os subsistemas de direção 274 para mudar a rota ou direção da máquina de trabalho 100 com base na tração predita em diferentes rotas através do campo.
[0047] A lógica de controle de potência 268 pode gerar sinais de controle para controlar o subsistema de utilização de potência 278 com base no valor predito igualmente. Por exemplo, ela pode alocar potência para diferentes subsistemas, no geral aumentar a utilização de potência ou diminuir a utilização de potência, etc., com base no modelo preditivo. Esses são apenas exemplos, e uma ampla variedade de outros sinais de controle pode ser usada para controlar outros subsistemas controláveis de diferentes maneiras igualmente.
[0048] As FIGS. 3A-3C (coletivamente referidas aqui como FIG. 3) ilustram um fluxograma mostrando um exemplo da operação de arquitetura 180, mostrada na FIG. 2. Primeiro considera-se que a máquina de trabalho 100 esteja pronta para realizar uma operação em um local de trabalho. Isto é indicado pelo bloco 290 no fluxograma da FIG. 3. A máquina pode ser configurada com definições de máquina iniciais que podem ser providas pelo operador ou que podem ser definições padrões, para operação de máquina. Isto é indicado pelo bloco 292. Um modelo preditivo, que pode ser usado para controlar a máquina de trabalho 100, pode ser inicializado igualmente. Nesse caso, os parâmetros de modelo podem ser definidos nos valores iniciais ou valores padrões que são empiricamente determinados, ou determinados de outras maneiras. A inicialização do modelo preditivo é indicada pelo bloco 294.
[0049] Em um outro exemplo, um modelo preditivo pode ser usado, durante a operação inicial da máquina de trabalho 100 no campo, com base no uso histórico. A título de exemplo, pode ser que, na última vez que este campo atual foi colhido, com este tipo de cultura, um modelo preditivo foi usado e armazenado. Esse modelo pode ser recuperado e usado como o modelo preditivo inicial no controle da máquina de trabalho 100. Isto é indicado pelo bloco 296. A máquina de trabalho pode ser configurada e inicializada em uma ampla variedade de outras maneiras igualmente, e isto é indicado pelo bloco 298.
[0050] O sistema de comunicação 210 é ilustrativamente um tipo de sistema que pode ser usado para obter dados a priori pela rede 188 do armazenamento de dados a priori 186. Ele dessa forma obtém dados a priori que são ilustrativamente dados de índice de vegetação georreferenciado para o campo que está sendo colhido (ou que está prestes a ser colhido). A obtenção dos dados a priori é indicada pelo bloco 300. Os dados a priori, como aqui discutido com relação à FIG. 2, podem ser gerados de uma ampla variedade de diferentes tipos de fontes de dados, tal como de imagens aéreas 302, imagens térmicas 304, temperatura de um sensor em um fixador de semente que foi usado para plantar o campo, como indicado pelo bloco 306, ou uma ampla variedade de outro fontes de dados 308.
[0051] Uma vez que os dados a priori são obtidos, eles são providos ao sistema gerador de modelo 218, e a máquina de trabalho 100 começa (ou continua) a realizar a operação (por exemplo, a operação de colheita). Isto é indicado pelo bloco 310. Novamente, o sistema de controle 224 pode começar a controlar os subsistemas controláveis 226 com um conjunto padrão de parâmetros de controle 312, por operação manual 314, usando um modelo preditivo inicial (como aqui discutido) 316, ou de outras maneiras, como indicado pelo bloco 318.
[0052] À medida que a máquina 100 está realizando a operação (por exemplo, a operação de colheita), os sensores 212 estão ilustrativamente gerando dados in situ (ou dados de campo) indicativos das várias variáveis sensoreadas, durante a operação. A obtenção de dados in situ (ou campo) de sensores na máquina de trabalho 100 durante a operação é indicada pelo bloco 320 no fluxograma da FIG. 3. No exemplo discutido aqui, os dados in situ podem ser dados de campo reais 322 gerados pelos sensores de produtividade 211. Os sensores de produtividade 211, como aqui discutido, podem ser sensores de fluxo de massa que sensoreiam o fluxo de massa de grão que entra no tanque de grão limpo na máquina 100. Esse fluxo de massa pode então ser correlacionado a uma posição geográfica no campo do qual ele foi colhido, para obter um valor de campo real para essa posição geográfica. Certamente, dependendo do tipo de modelo preditivo que está sendo gerado, os dados in situ (ou campo) podem ser qualquer de uma ampla variedade de outros tipos de dados 324 igualmente.
[0053] Antes de o sistema de geração de modelo 218 poder gerar dinamicamente um modelo preditivo (por exemplo, mapa) ou antes de o sistema de avaliação de modelo 220 poder avaliar adequadamente a precisão de um modelo preditivo, os sensores 212 têm que gerar dados de campo in situ suficientes para tornar a geração e/ou avaliação de modelo significante. Portanto, em um exemplo, o sistema de coleta de dados in situ 216 inclui lógica de agregação de dados 234 que agrega os dados in situ gerados por, ou baseados em, a saída dos sensores 212. A lógica de medição de dados 236 pode rastrear esses dados juntamente com vários diferentes critérios, para determinar quando a quantidade de dados in situ é suficiente. Isto é indicado pelo bloco 326 no fluxograma da FIG. 3. Até isso acontecer, o processamento reverte para o bloco 320 onde a máquina 100 continua a realizar a operação e a lógica de agregação de dados 234 continua a agregar dados in situ (campo) com base nas saídas de sensores 212 (e possivelmente outra informação igualmente). Em um exemplo, a lógica de medição de dados 236 gera uma medida de coleção de dados que pode ser indicativa de uma quantidade de dados in situ que foram coletados. Isto é indicado pelo bloco 328. A título de exemplo, o tipo particular de modelo preditivo que está sendo gerado ou avaliado pode ser mais bem gerado ou avaliado após uma certa quantidade de dados ter sido gerada. Isto pode ser indicado pela medida de coleção de dados 328.
[0054] A lógica de medição de dados 236 pode medir a distância que a máquina 100 deslocou no campo, enquanto realiza a operação. Isto pode ser usado para determinar se dados in situ (campo) suficiente foram agregados, e é indicado pelo bloco 330.
[0055] A lógica de medição de dados 236 pode medir a quantidade de tempo que a máquina 100 está realizando a operação, e isto pode dar uma indicação se dados in situ suficientes foram obtidos. Isto é indicado pelo bloco 332. A lógica de medição de dados 236 pode quantificar o número de pontos de dados que foram agregados pela lógica de agregação de dados 234 para determinar se é suficiente. Isto é indicado pelo bloco 334 no fluxograma da FIG. 3. A determinação se dados in situ suficientes foram coletados pode ser determinada em uma ampla variedade de outras maneiras igualmente, e isto é indicado pelo bloco 336.
[0056] Uma vez que dados in situ suficientes tenham sido coletados, eles são providos ao sistema gerador de modelo 218 (que também recebeu os dados a priori). O sistema 218 usa pelo menos um dos mecanismos de geração de modelo 240-242 a fim de gerar um modelo preditivo usando os dados a priori e os dados in situ. Isto é indicado pelo bloco 338 no fluxograma da FIG. 3. Nota-se também que, como discutido a seguir, mesmo após um modelo preditivo ter sido gerado e estar sendo usado para controlar a máquina de trabalho 100, ele pode ser iterativamente avaliado e atualizado (ou refinado) com base na recepção continuada de dados in situ. Dessa forma, no bloco 338, onde um modelo preditivo já tiver sido gerado, ele pode ser dinamicamente e iterativamente atualizado e melhorado.
[0057] Em um exemplo, o modelo preditivo é gerado dividindo os dados in situ em conjuntos de dados de treinamento e dados de validação. Isto é indicado pelo bloco 340. Os dados de treinamento, junto com os dados a priori, podem ser supridos a um mecanismo de geração de modelo (tal como o mecanismo 240) para gerar o modelo preditivo. Isto é indicado pelo bloco 342. Nota-se que mecanismos de geração de modelo adicionais 242 podem ser usados para gerar modelos preditivos alternativos. Similarmente, ainda que o mesmo mecanismo de geração de modelo 240 que gerou o modelo preditivo em análise possa ser usado para gerar modelos preditivos alternativos usando um conjunto diferente de dados a priori. O uso de um conjunto de dados a priori alternado ou um mecanismo de geração de modelo alternativo para gerar modelos alternativos é indicado pelo bloco 344.
[0058] Os mecanismos de geração de modelo 240-242 podem incluir uma ampla variedade de diferentes tipos de mecanismos, tais como um modelo linear, modelo de curva polinomial, rede neural, modelo Bayesiano, ou outros modelos. Isto é indicado pelo bloco 346. O modelo preditivo pode ser gerado e/ou dinamicamente atualizado em uma ampla variedade de outras maneiras igualmente, e isto é indicado pelo bloco 348.
[0059] Uma vez que um modelo preditivo tenha sido gerado ou atualizado, o sistema de avaliação de modelo 220 avalia esse modelo pela geração de uma métrica de qualidade de modelo para o modelo preditivo. Isto é indicado pelo bloco 350 no fluxograma da FIG. 3. A título de exemplo, a lógica de gatilho de avaliação 246 pode detectar um gatilho de avaliação indicando que um modelo deve ser avaliado. Isto é indicado pelo bloco 352. Por exemplo, o sistema de avaliação 220 pode ser disparado simplesmente pelo fato de que o sistema gerador de modelo 218 provê um modelo preditivo a ele para avaliação. Em um outro exemplo, um modelo preditivo pode já estar em uso no controle da máquina de trabalho 100, mas deve ser avaliado intermitentemente ou periodicamente. Nesse caso, se o intervalo para avaliação tiver decorrido, isto pode disparar a lógica de gatilho de avaliação 246. Em ainda um outro exemplo, pode ser que um modelo preditivo esteja atualmente sendo usado para controlar a máquina de trabalho 100, mas um número de diferentes modelos alternativos também foi gerado e estão agora disponíveis para avaliação. Nesse caso, os modelos alternativos podem ser avaliados para determinar se eles comportarão melhor do que o modelo preditivo atualmente em uso. Isto pode ser um gatilho para a lógica de gatilho de avaliação 246 igualmente. A avaliação de modelo pode estar ocorrendo continuamente, durante operação, igualmente.
[0060] Em um outro exemplo, o gatilho de avaliação pode ser detectado, indicando que um modelo preditivo deve ser avaliado, com base na presença de um evento aperiódico. Por exemplo, pode ser que o operador 232 forneça uma entrada indicando que o operador quer ter um modelo alternativo avaliado. Similarmente, pode ser que o sistema gerador de modelo 218 receba novos dados a priori, ou um novo mecanismo de geração de modelo. Todos esses ou outros eventos podem disparar o sistema de avaliação de modelo 220 para avaliar um modelo preditivo. Similarmente, mesmo que o modelo preditivo atual possa estar operando suficientemente, um intervalo de modelo alternativo pode ser definido no qual modelos alternativos disponíveis são avaliados para assegurar que o modelo que está atualmente sendo usado é o melhor para controlar a máquina 100. Dessa forma, quando o intervalo de avaliação do modelo alternativo tiver corrido, isto pode disparar a lógica de avaliação de modelo para avaliar um novo modelo igualmente.
[0061] A fim de calcular uma métrica de qualidade de modelo para o modelo preditivo em análise, o gerador de métrica de qualidade de modelo 248 ilustrativamente aplica o conjunto de dados de validação in situ ao modelo em análise. Isto é indicado pelo bloco 354. Então, ilustrativamente, gera uma métrica de erro que mede o erro do modelo. Isto é indicado pelo bloco 356. Em um exemplo, a métrica de erro é a métrica de erro r2 que mede o quadrado do erro do modelo. A métrica de qualidade de modelo para o modelo preditivo em análise pode ser gerada usando uma ampla variedade de mecanismos de métrica de qualidade igualmente. Isto é indicado pelo bloco 358.
[0062] Uma vez que a métrica de qualidade de modelo tenha sido gerada para o modelo preditivo em análise, a lógica de avaliador de modelo determina se esse modelo deve ser usado para controlar a máquina 100. Isto é indicado pelo bloco 360. Por exemplo, a lógica de limiar 252 pode determinar se a métrica de qualidade de modelo atende um valor de limiar. Isto é indicado pelo bloco 362. O valor de limiar pode ser definido com base em fatores tal como a aplicação particular na qual a máquina 100 está sendo usada, experiência histórica, etc. Em um exemplo onde o valor r2 é usado como a métrica de qualidade, um limiar de 0,7 ou mais pode ser usado. Isto é apenas um exemplo, e o limiar pode ser menor ou igual a 0,7 igualmente.
[0063] Onde múltiplos diferentes modelos preditivos foram gerados, a lógica de classificação 254 pode classificar os modelos com base na métrica de qualidade. Uma decisão se o modelo em análise deve ser usado pode ser baseada nesta pontuação na lista classificada de modelos. Isto é indicado pelo bloco 364. A lógica de avaliador de modelo 250 pode determinar se o modelo em análise deve ser usado de outras maneiras igualmente, e isto é indicado pelo bloco 366.
[0064] Se, no bloco 360, for determinado que o modelo em análise deve ser usado, então a lógica de seleção de modelo 358 seleciona esse modelo e provê o mesmo ao sistema de controle 224 para uso no controle da máquina 100. O sistema de controle 224 então gera sinais de controle para controlar um ou mais subsistemas controláveis 226, usando o modelo qualificado. Isto é indicado pelo bloco 368 (FIG. 3B) no fluxograma da FIG. 3. A título de exemplo, o modelo preditivo pode ser usado para predizer a produtividade ou biomassa ou outras características a ser encontradas pela máquina de trabalho 100. Isto é indicado pelo bloco 370. Os vários diferentes tipos de lógica em sistema de controle 224 podem gerar sinais de controle com base na predição provida pelo modelo preditivo. Isto é indicado pelo bloco 372. O modelo qualificado pode ser usado para gerar sinais de controle em uma ampla variedade de outras maneiras igualmente, e isto é indicado pelo bloco 374.
[0065] Os sinais de controle são então aplicados a um ou mais dos subsistemas controláveis a fim de controlar a máquina 100. Isto é indicado pelo bloco 376 no fluxograma da FIG. 3. Por exemplo, como aqui discutido, a lógica de controle de taxa de alimentação 262 pode gerar sinais de controle e aplicá-los ao sistema de propulsão 272 para controlar a velocidade da máquina 100 para manter uma taxa de alimentação. Isto é indicado pelo bloco 378. A lógica de controle de definições 264 pode gerar sinais de controle para controlar atuadores de definição 276 para ajustar as definições ou configuração de máquina. Isto é indicado pelo bloco 380. A lógica de controle de rota 266 pode gerar sinais de controle e aplicá-los ao subsistema de direção 274 para controlar a direção da máquina 100. Isto é indicado pelo bloco 382. A lógica de controle de potência 268 pode gerar sinais de controle e aplicá-los ao subsistema de utilização de potência 278 para controlar utilização de potência da máquina 100. Isto é indicado pelo bloco 384. Uma ampla variedade de outros sinais de controle pode ser gerada e aplicada a uma ampla variedade de outros subsistemas controláveis para controlar a máquina 100 igualmente. Isto é indicado pelo bloco 386.
[0066] A menos que a operação esteja concluída, como é indicado pelo bloco 388, o sistema de coleta de dados in situ ilustrativamente redefine a medição de coleta de dados in situ gerados pela lógica de medição de dados 236 de forma que pode ser determinado se uma quantidade suficiente de dados in situ foi coletada a fim de reavaliar o modelo atual (ou um modelo diferente). A redefinição da medida de coleta de dados in situ é indicada pelo bloco 390 no fluxograma da FIG. 3. Como aqui discutido, mesmo onde um modelo atual tiver sido avaliado e for suficientemente preciso para controlar a máquina de trabalho 100, esse mesmo modelo é iterativamente avaliado e V refinado, à medida que mais dados in situ (campo) são obtidos. À medida que as condições do campo mudam, pode ser que o modelo não seja mais preciso como era inicialmente. Dessa forma, ele é iterativa e dinamicamente avaliado, enquanto a máquina 100 está realizando a operação, para assegurar que ele é preciso o suficiente para ser usado no controle da máquina 100. Dessa forma, uma vez que, à medida de coleta de dados in situ é redefinia no bloco 390, o processamento reverte para o bloco 320 onde a lógica de agregação de dados 234 continua a agregar dados in situ até que uma quantidade suficiente tenha sido agregada para realizar uma outra etapa de avaliação ou geração de modelo.
[0067] De volta ao bloco 360 na FIG. 3, se o sistema de avaliação de modelo 220 determinar que o modelo preditivo em análise não é de qualidade alta suficiente para ser usado pelo sistema de controle 224 no controle da máquina 100, então isto dispara a lógica de gatilho de avaliação 246 para determinar se existe algum modelo alternativo que pode ser gerado, ou avaliado, para determinar se ele deve ser usado, em vez de o modelo que foi recém-avaliado. A determinação se existe algum outro modelo é indicada pelo bloco 392 (FIG. 3C) no fluxograma da FIG. 3. Novamente, um modelo alternativo pode ser gerado ou estar disponível em virtude de diferentes dados a priori (por exemplo, dados a priori alternados 204) terem sido recebidos de forma que um modelo alternativo possa, ou como foi, ser gerado. Isto é indicado pelo bloco 392. Além do mais, pode ser que um mecanismo de geração de modelo diferente 240-242 possa ser usado (mesmo nos mesmos dados a priori previamente usados) para gerar um modelo alternativo que pode ser avaliado. Isto é indicado pelo bloco 394.
[0068] Em um outro exemplo, pode ser que tanto um novo mecanismo de geração de modelo tenha sido recebido quanto novos dados a priori tenham sido recebidos, de forma que um modelo alternativo pode ser gerado (ou já tenha sido gerado) usando o novo mecanismo e novos dados a priori. Isto é indicado pelo bloco 396 no fluxograma da FIG. 3. A determinação se existem quaisquer modelos alternativos a ser gerados ou avaliados pode ser feita em uma ampla variedade de outras maneiras igualmente, e isto é indicado pelo bloco 398.
[0069] Se, no bloco 392, for determinado que não existem modelos alternativos para gerar ou avaliar, então a lógica de avaliação de modelo 220 indica isto aos mecanismos de interface de operador 228 e uma mensagem é exibida ao operador 232 indicando que o controle da máquina 100 está revertendo para controle manual ou predefinido. Nesse caso, o sistema de controle 224 recebe entradas de controle do operador 232 através de mecanismos de interface de operador 228, ou pode receber entradas predefinidas ou pode reverter para controlar usando um modelo padrão. Isto é tudo indicado pelo bloco 400 no fluxograma da FIG. 3.
[0070] Entretanto, se, no bloco 392, for determinado que existem modelos alternativos que podem ser gerados ou que foram gerados e estão prontos para avaliação, então o processamento continua no bloco 402 onde um ou mais dos modelos alternativos são gerados e/ou avaliados para determinar se eles são de qualidade suficiente para ser usados na máquina de trabalho 100. A avaliação pode ser feita como aqui descrito com relação às figuras 338-360 no fluxograma da FIG. 3.
[0071] A lógica de seleção de modelo 258 então determina se qualquer dos modelos que são avaliados tem uma métrica de qualidade alta o suficiente para ser usada para controlar a máquina 100. Isto é indicado pelo bloco 404. Se não, o processamento reverte para o bloco 400. Deve-se também notar que, em um exemplo, múltiplos modelos alternativos são todos avaliados de forma substancialmente simultânea. Nesse caso, a lógica de seleção de modelo 258 pode escolher o melhor modelo alternativo (considerando que sua qualidade é boa o suficiente) para controlar a máquina 100. Em um outro exemplo, apenas um modelo alternativo é avaliado a um dado momento.
[0072] Em qualquer exemplo, se, no bloco 404, a lógica de avaliador de modelo 250 identifica um modelo que tem uma métrica de qualidade alta o suficiente para controlar a máquina 100, então a lógica de seleção de modelo 258 seleciona esse modelo para controlar com base nos critérios de seleção. Isto é indicado pelo bloco 406. Novamente, onde múltiplos modelos estão sendo avaliados, a lógica de seleção de modelo 258 pode simplesmente selecionar o primeiro modelo que tem uma métrica de qualidade acima de um valor de limiar. Isto é indicado pelo bloco 408. Em um outro exemplo, a lógica de classificação 254 pode classificar todos os modelos que estão sendo avaliados com base em sua métrica de qualidade, e a lógica de seleção de modelo 258 pode selecionar o modelo com o melhor valor de métrica de qualidade. Isto é indicado pelo bloco 410. O modelo pode ser selecionado de outras maneiras igualmente, e isto é indicado pelo bloco 412. Uma vez que o modelo seja selecionado, o processamento continua no bloco 368 onde esse modelo é usado para gerar sinais de controle para controlar a máquina 100.
[0073] Até então na descrição, foi considerado que um modelo preditivo é usado pelo sistema de controle 224 para controlar os subsistemas controláveis 226. Entretanto, pode ser que diferentes modelos preditivos sejam usados pelo sistema de controle 224 para controlar diferentes subsistemas controláveis. Além do mais, pode ser que as saídas de uma pluralidade de diferentes modelos preditivos sejam usados para controlar uma pluralidade de diferentes subsistemas controláveis. Similarmente, pode ser que os modelos sejam específicos a um dado atuador ou conjunto de atuadores. Nesse exemplo, um modelo preditivo pode ser usado para gerar sinais de controle para controlar um único atuador ou um conjunto de atuadores.
[0074] A FIG. 4 é um fluxograma ilustrando um exemplo da operação de arquitetura 180 em um exemplo onde múltiplos diferentes modelos preditivos são usados para controlar diferentes subsistemas controláveis. É dessa forma primeiro considerado que o sistema gerador de modelo 218 identifica que um conjunto de modelos preditivos específicos deva ser usado para controlar a máquina 100, em vez de um único modelo preditivo. Isto é indicado pelo bloco 420 no fluxograma da FIG. 4. Os modelos preditivos podem ser específicos de modelos de subsistema de forma que um modelo preditivo diferente é usado para controlar cada dos diferentes subsistemas controláveis 226. Isto é indicado pelo bloco 422 no fluxograma da FIG. 4. Eles podem ser modelos específicos do atuador de forma que um modelo preditivo diferente é usado pelo sistema de controle 224 para controlar um atuador ou conjunto de atuadores diferente. Isto é indicado pelo bloco 424. Os modelos podem ser configurados de outras maneiras, de forma que, por exemplo, a saída de uma pluralidade de diferentes modelos é usada para controlar um único subsistema, ou de forma que um único modelo é usado para controlar um subconjunto dos subsistemas controláveis enquanto um outro modelo é usado para controlar os demais subsistemas controláveis, ou um subconjunto diferente desses subsistemas. A identificação do conjunto de modelos preditivos específico de outras maneiras é indicada pelo bloco 426 no fluxograma da FIG. 4.
[0075] Nesse exemplo, o sistema gerador de modelo 218 então gera um conjunto de modelos preditivos específicos a serem avaliados, e o sistema de avaliação de modelo 220 avalia esses modelos preditivos específicos. O sistema de avaliação de modelo 220 ilustrativamente identifica um modelo qualificado correspondente a cada subsistema/atuador (ou subconjunto dos subsistemas/atuadores) na máquina de trabalho 100. Isto é indicado pelo bloco 428 no fluxograma da FIG. 4.
[0076] A lógica de seleção de modelo 258 seleciona um modelo para cada um dos sistemas/atuadores e fornece o mesmo ao sistema de controle 224. O sistema de controle 224 usa os modelos qualificados para gerar sinais para os subsistemas/atuador correspondentes (ou subconjunto de subsistemas/atuadores). Isto é indicado pelo bloco 430 no fluxograma da FIG. 4.
[0077] A título de exemplo, pode ser que a tração no campo seja modelada por um modelo preditivo. A saída desse modelo pode ser usada pelo sistema de controle 224 para controlar o subsistema de direção 274 para desviar de áreas lamacentas ou molhadas onde é predito que a tração é insuficiente. Os dados in situ, nesse caso, podem ser dados de umidade do solo que são sensoreados por um sensor de umidade de solo na máquina 100 e providos como os dados de campo reais, in situ, para o modelo de tração preditivo. Em um outro exemplo, o atuador de elevação da ponteira pode ser controlado por um modelo preditivo separado que prediz topografia. Os dados in situ podem indicar a real topografia na qual a máquina 100 está deslocando. Certamente, existe uma ampla variedade de outros tipos de modelos preditivos que podem ser usados pelo sistema de controle 224 para controlar atuadores individuais, conjuntos de atuadores, subsistemas individuais, conjuntos de subsistemas, etc.
[0078] Como com o único exemplo de modelo aqui discutido com relação à FIG. 3, cada um da pluralidade de diferentes modelos preditivos será avaliado de forma ilustrativa, dinâmica e iterativa. Similarmente, eles podem cada um ser substituídos por um modelo alternativo, se, durante o processo de avaliação, observa-se que um modelo alternativo comporta melhor. Dessa forma, em um exemplo como esse, múltiplos modelos preditivos são atualizados, melhorados e avaliados de forma contínua, dinâmica e iterativa com relação aos modelos alternativos. Os modelos usados para controlar podem ser intercambiados com modelo alternativos, com base nos resultados de avaliação, em tempo quase real, durante operação da máquina de trabalho no campo. A continuidade da avaliação do tempo de operação, desta maneira, é indicada pelo bloco 432 no fluxograma da FIG. 4.
[0079] A presente discussão mencionou processadores e servidores. Em uma modalidade, os processadores e servidores incluem processadores de computador com memória e sistema de circuitos de sincronismo associados, não mostrados separadamente. Eles são partes funcionais dos sistemas ou dispositivos aos quais eles pertencem e pelos quais são ativados, e facilitam a funcionalidade dos outros componentes ou itens nesses sistemas.
[0080] Nota-se que a discussão apresentada descreveu uma variedade de diferentes sistemas, componentes e/ou lógica. Percebe-se que tais sistemas, componentes e/ou lógica podem ser compreendidos de itens de hardware (tais como processadores e memória associada, ou outros componentes de processamento, alguns dos quais são descritos a seguir) que realizam as funções associadas com esses sistemas, componentes e/ou lógica. Além do mais, os sistemas, componentes e/ou lógica podem ser compreendidos de software que é carregado em uma memória e é subsequentemente executado por um processador ou servidor, ou outro componente de computação, como descrito a seguir. Os sistemas, componentes e/ou lógica podem também ser compreendidos de diferentes combinações de hardware, software, firmware, etc., alguns exemplos dos quais são descritos a seguir. Esses são apenas alguns exemplos de diferentes estruturas que podem ser usadas para formar os sistemas, componentes e/ou lógica supradescritos. Outras estruturas podem ser igualmente usadas.
[0081] Também, inúmeras exibições de interface de usuário foram discutidas. Elas podem assumir uma ampla variedade de diferentes formas e podem ter uma ampla variedade de diferentes mecanismos de entrada atuáveis pelo usuário dispostos nas mesmas. Por exemplo, os mecanismos de entrada atuáveis pelo usuário podem ser caixas de texto, caixas de verificação, ícones, ligações, menus suspensos, caixas de busca, etc. Eles podem também ser acionados em uma ampla variedade de diferentes maneiras. Por exemplo, eles podem ser acionados usando um dispositivo de ponto de clique (tal como um mouse tipo esfera ou mouse comum). Eles podem ser acionados usando botões de hardware, interruptores, uma manete de jogos ou teclado, interruptores de polegar ou blocos de polegar, etc. Eles pode também ser acionados usando um teclado virtual ou outros atuadores virtuais. Além do mais, onde a tela na qual eles são exibidos é uma tela sensível ao toque, eles podem ser acionados usando gestos de toque. Também, onde o dispositivo que exibe os mesmos tem componentes de reconhecimento de fala, eles podem ser acionados usando comandos de fala.
[0082] Um número de armazenamentos de dados também foi discutido. Nota-se que eles podem ser desmembrados 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 aqui.
[0083] Também, as figuras mostram um número de blocos com funcionalidade atribuída a cada bloco. Nota-se que menos blocos podem ser usados de forma que a funcionalidade seja realizada por menos componentes. Também, mais blocos podem ser usados com a funcionalidade distribuída entre mais componentes.
[0084] A FIG. 5 é um diagrama de blocos de colheitadeira 100, mostrada na FIG. 2, exceto que ela comunica com elementos em uma arquitetura de servidor remoto 500. Em um exemplo, arquitetura de servidor remoto 500 pode prover serviços de computação, software, acesso de dados e armazenamento que não exigem conhecimento do usuário final da localização física ou configuração do sistema que entrega os serviços. Em vários exemplos, servidores remotos podem entregar os serviços por uma rede de área abrangente, tal como a internet, usando protocolos apropriados. Por exemplo, servidores remotos podem entregar aplicações por uma rede de área abrangente e elas podem ser acessadas através de um navegador de rede ou qualquer outro componente de computação. Software ou componentes mostrados na FIG. 2 bem como os dados correspondentes podem ser armazenados em servidores em uma localização remota. Os recursos de computação em um ambiente de servidor remoto podem ser consolidados em uma localização de centro de dados remoto ou eles podem ser dispersos. Infraestruturas de servidor remoto podem entregar serviços através de centros de dados compartilhados, mesmo que eles pareçam como um único ponto de acesso para o usuário. Dessa forma, os componentes e funções descritos aqui podem ser providos por um servidor remoto em uma localização remota usando uma arquitetura de servidor remoto. Alternativamente, eles podem ser providos por um servidor convencional, ou eles podem ser instalados em dispositivos de cliente diretamente, ou de outras maneiras.
[0085] No exemplo mostrado na FIG. 5, alguns itens são similares aos mostrados na FIG. 2 e eles são similarmente enumerados. A FIG. 5 especificamente mostra que o sistema de geração de modelo 218, sistema de avaliação de modelo 220 e armazenamento de dados a priori 186 podem ser localizados em uma localização de servidor remoto 502. Portanto, a colheitadeira 100 acessa esses sistemas através da localização do servidor remoto 502.
[0086] A FIG. 5 também representa um outro exemplo de uma arquitetura de servidor remoto. A FIG. 4 mostra que é também contemplado que alguns elementos da FIG. 2 sejam dispostos na localização do servidor remoto 502 enquanto outros não. A título de exemplo, o armazenamento de dados 186 pode ser disposto em uma localização separada da localização 502, e acessado através do servidor remoto na localização 502. Independentemente de onde eles são localizados, eles podem ser acessados diretamente pela colheitadeira 100, através de uma rede (tanto uma rede de área abrangente quanto uma rede de área local), eles podem ser hospedados em um local remotos por um serviço, ou eles podem ser providos como um serviço, ou acessados por um serviço de conexão que reside em uma localização remota. Também, os dados podem ser armazenados substancialmente em qualquer localização e intermitentemente acessados por, ou encaminhados a, partes interessadas. Por exemplo, portadoras físicas podem ser usado em substituição, ou adicionalmente, a portadoras de ondas eletromagnéticas. Em um exemplo como esse, onde cobertura de celular é fraca ou inexistentes, uma outra máquina móvel (tal como um caminhão de combustível) pode ter um sistema de coleta de informação automatizado. À medida que a colheitadeira se aproxima do caminhão de combustível para abastecimento, O sistema automaticamente coleta a informação da colheitadeira ou transfere informação para a colheitadeira usando qualquer tipo de conexão sem fio ad-hoc. A informação coletada pode então ser encaminhada à rede principal à medida que o caminhão de combustível chega a uma localização onde existe cobertura celular (ou outra cobertura sem fio). Por exemplo, o caminhão de combustível pode entrar em uma localização coberta enquanto desloca para abastecer outras máquinas, ou quando em uma localização de armazenamento de combustível principal. Todas essas arquiteturas são contempladas aqui. Adicionalmente, a informação pode ser armazenada na colheitadeira até que a colheitadeira entre em uma localização coberta. A colheitadeira, em si, pode então enviar e receber a da rede principal.
[0087] Nota-se também que os elementos da FIG. 2, ou porções dos mesmos, podem ser dispostos em uma ampla variedade de diferentes dispositivos. Alguns desses dispositivos incluem servidores, computadores de mesa, computadores de colo, computadores tipo mesa digitalizadora, ou outros dispositivos móveis, tais como computadores miniaturas, telefones celulares, telefones inteligentes, tocadores de multimídia, assistentes pessoais digitais, etc.
[0088] A FIG. 6 é um diagrama de blocos simplificado de um exemplo ilustrativo de um dispositivo de computação portátil ou móvel que pode ser usado como um dispositivo portátil de usuário ou cliente 16, no qual o presente sistema (ou partes do mesmo) pode ser disposto. Por exemplo, um dispositivo móvel pode ser disposto no compartimento de operador de colheitadeira 100 para uso na geração, processamento, ou exibição de dados de largura e posição de copa de árvore. As FIGS. 7-8 são exemplos de dispositivos portáteis ou móveis.
[0089] A FIG. 6 provê um diagrama de blocos geral dos componentes de um dispositivo de cliente 16 que pode rodar alguns componentes mostrados na FIG. 2, que interage com os mesmos, ou ambos. No dispositivo 16, uma ligação de comunicações 13 é provida que permite que o dispositivo portátil comunique com outros dispositivos de computação e em algumas modalidades provê um canal para receber informação automaticamente, tal como por varredura. Exemplos de ligação de comunicações 13 incluem permitir comunicação através de um ou mais protocolos de comunicação, tais como serviços sem fio usados para prover acesso celular a uma rede, bem como protocolos que provêm conexões sem fio locais a redes.
[0090] Em outros exemplos, aplicações podem ser recebidas em um cartão Digital Seguro Removível (SD) que é conectado a uma interface 15. A Interface 15 e ligações de comunicação 13 comunicam com um processador 17 (que pode também incorporar processadores ou servidores das FIGS. anterior) ao longo de um barramento 19 que é também conectado à memória 21 e componentes de entrada/saída (I/O) 23, bem como relógio 25 e sistema de localização 27.
[0091] Os componentes I/O 23, em um exemplo, são providos para facilitar as operações de entrada e saída. Os componentes I/O 23 para várias modalidades do dispositivo 16 podem incluir componentes de entrada tais como botões, sensores de toque, sensores ópticos, microfones, telas de 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 impressora. Outros componentes I/O 23 podem ser igualmente usados.
[0092] O relógio 25 ilustrativamente compreende um componente de relógio em tempo real que produz uma hora e data. Ele pode também, ilustrativamente, prover funções de sincronismo para o processador 17.
[0093] O sistema de localização 27 ilustrativamente inclui um componente que produz uma localização geográfica atual do dispositivo 16. Isto pode incluir, por exemplo, um receptor de sistema de posicionamento global (GPS), um sistema LORAN, um sistema de posicionamento relativo, um sistema de triangulação celular, ou outro sistema de posicionamento. Ele pode também incluir, por exemplo, software de mapeamento ou software de navegação que gera mapas desejados, rotas de navegação e outras funções geográficas.
[0094] A memória 21 armazena sistema operacional 29, definições de rede 31, aplicações 33, definições de configuração de aplicação 35, armazenamento de dados 37, unidades de comunicação 39, e definições de configuração de comunicação 41. A memória 21 pode incluir todos os tipos de dispositivos de memória legíveis por computador tangíveis voláteis e não voláteis. Ela pode também incluir mídia de armazenamento por computador (descrita a seguir). 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 igualmente.
[0095] A FIG. 7 mostra um exemplo no qual o dispositivo 16 é um computador tipo mesa digitalizadora 600. Na FIG. 7, o computador 600 é mostrado com tela de exibição de interface de usuário 602. A tela 602 pode ser uma tela sensível ao toque ou uma interface habilitada por caneta que recebe entradas de uma caneta ou dispositivo tipo caneta. Ela pode também usar um teclado virtual na tela. Certamente, ela pode também ser anexada a um teclado ou outro dispositivo de entrada de usuário por um mecanismo de anexação adequado, tal como uma ligação sem fio ou porta USB, por exemplo. O computador 600 pode também ilustrativamente receber entradas de voz igualmente.
[0096] A FIG. 8 mostra que o dispositivo pode ser um telefone inteligente 71. O telefone inteligente 71 tem um monitor sensível ao toque 73 que exibe ícones ou títulos, ou outros mecanismos de entrada de usuário 75. Os mecanismos 75 podem ser usados por um usuário para rodar aplicações, fazer chamadas, realizar operações de transferência de dados, etc. Em geral, o telefone inteligente 71 é embutido em um sistema operacional móvel e oferece capacidade de computação e conectividade mais avançadas do que um telefone de recursos.
[0097] Note que outras formas dos dispositivos 16 são possíveis.
[0098] A FIG. 9 é um exemplo de um ambiente de computação no qual os elementos da FIG. 2, ou partes dos mesmos, (por exemplo) podem ser dispostos. Com referência à FIG. 9, um sistema de exemplo para implementar algumas modalidades inclui um dispositivo de computação na forma de um computador 810. Os componentes de computador 810 podem incluir, mas não se limitando a, uma unidade de processamento 820 (que pode compreender processadores ou servidores das FIGS. anteriores), uma memória de sistema 830, e um barramento de sistema 821 que acopla vários componentes de sistema incluindo a memória de sistema à unidade de processamento 820. O barramento de sistema 821 pode ser qualquer de diversos tipos de estruturas de barramento incluindo um barramento de memória ou controlador de memória, um barramento periférico, e um barramento local usando qualquer de uma variedade de arquiteturas de barramento. A memória e programas descritos com relação à FIG. 2 podem ser dispostas em porções correspondentes da FIG. 9.
[0099] O computador 810 tipicamente inclui uma variedade de mídias legíveis por computador. Mídias legíveis por computador podem ser qualquer mídia disponível que pode ser acessada por computador 810 e inclui tanto mídia volátil quanto não volátil, mídia removível quanto não removível. A título de exemplo, e não de limitação, mídias legíveis por computador podem compreender mídias de armazenamento por computador e mídias de comunicação. Mídias de armazenamento por computador são diferentes de, e não incluem, um sinal de dados modulado ou onda portadora. Elas incluem mídias de armazenamento de hardware incluindo tanto mídias voláteis quanto não voláteis, removíveis quanto não removíveis implementadas em qualquer método ou tecnologia para armazenamento de informação tais como instruções legíveis por computador, estruturas de dados, módulos de programa ou outros dados. Mídias de armazenamento por computador incluem, mas não se limitando a, RAM, ROM, EEPROM, memória flash ou outra tecnologia de memória, CD-ROM, discos versáteis digitais (DVD) ou outro armazenamento de disco óptico, cassetes magnéticos, fita magnética, armazenamento de disco magnético ou outros dispositivos de armazenamento magnéticos, ou qualquer outra mídia que pode usada para armazenar a informação desejada e que pode ser acessada por computador 810. 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 qualquer mídia de entrega de informação. A expressão “sinal de dados modulado” significa um sinal que tem uma ou mais de suas características definidas ou alteradas de uma maneira tal a codificar informação no sinal.
[00100] A memória de sistema 830 inclui mídias de armazenamento por computador na forma de memória volátil e/ou não volátil tais como memória apenas de leitura (ROM) 831 e memória de acesso aleatório (RAM) 832. Um sistema de entrada/saída básico 833 (BIOS), contendo as rotinas básicas que ajudam a transferir informação entre elementos no computador 810, tal como durante iniciação, é tipicamente armazenado em ROM 831. RAM 832 tipicamente contém dados e/ou módulos de programa que são imediatamente acessíveis e/ou que estão sendo atualmente operados pela unidade de processamento 820. A título de exemplo, e não de limitação, a FIG. 9 ilustra o sistema operacional 834, programas de aplicação 835, outros módulos de programa 836, e dados de programa 837.
[00101] O computador 810 pode também incluir outras mídias de armazenamento por computador removíveis/não removíveis voláteis/não voláteis. Apenas a título de exemplo, a FIG. 9 ilustra uma unidade de disco rígido 841 que lê ou grava em mídias magnéticas não removíveis não voláteis, uma unidade de disco óptico 855, e disco óptico não volátil 856. A unidade de disco rígido 841 é tipicamente conectada ao barramento de sistema 821 por meio de uma interface de memória não removível tal como a interface 840, e a unidade de disco óptico 855 é tipicamente conectada ao barramento de sistema 821 por uma interface de memória removível, tal como a interface 850.
[00102] Alternativamente, ou além do mais, a funcionalidade descrita aqui pode ser realizada, pelo menos em parte, por um ou mais componentes de lógica de hardware. Por exemplo, e sem limitação, tipos ilustrativos de componentes de lógica de hardware que podem ser usados incluem Arranjos de Porta Programáveis no Campo (FPGAs), Circuitos Integrados Específicos da Aplicação (por exemplo, ASICs), Produtos Padrões Específicos da Aplicação (por exemplo, ASSPs), sistemas Sistema-em-um-chip (SOCs), Dispositivos de Lógica Programável Complexa (CPLDs), etc.
[00103] As unidades e suas mídias de armazenamento por computador associadas supradiscutidas e ilustradas na FIG. 9 fornecem armazenamento de instruções legíveis por computador, estruturas de dados, módulos de programa e outros dados para o computador 810. Na FIG. 9, por exemplo, a unidade de disco rígido 841 é ilustrada armazenando o sistema operacional 844, programas de aplicação 845, outros módulos de programa 846, e dados de programa 847. Note que esses componentes podem ser tanto os mesmos quanto diferentes do sistema operacional 834, programas de aplicação 835, outros módulos de programa 836, e dados de programa 837.
[00104] Um usuário pode entrar com comandos e informação no computador 810 através de dispositivos de entrada tais como um teclado 862, um microfone 863, e um dispositivo de apontamento 861, tal como um mouse, mouse tipo esfera ou bloco de toque. Outros dispositivos de entrada (não mostrados) podem incluir uma manete de jogos, bloco de jogos, disco satélite, escâner, ou similares. Esses e outros dispositivos de entrada são frequentemente conectados à unidade de processamento 820 através de uma interface de entrada de usuário 860 que é acoplada ao barramento do sistema, mas podem ser conectados por outras estruturas de interface e barramento. Uma exibição visual 891 ou outro tipo de dispositivo de exibição é também conectado ao barramento de sistema 821 por meio de uma interface, tal como uma interface de vídeo 890. Além do monitor, computadores podem também incluir outros dispositivos de saída periféricos tais como alto-falantes 897 e impressora 896, que podem ser conectados através de uma interface periférica de saída 895.
[00105] O computador 810 é operado em um ambiente ligado em rede usando conexões lógicas (tal como uma rede de área local - LAN, ou rede de área abrangente - WAN ou uma rede de área de controlador - CAN) a um ou mais computadores remotos, tal como um computador remoto 880.
[00106] Quando usado em um ambiente em rede LAN, o computador 810 é conectado à LAN 871 através de uma interface de rede ou adaptador 870. Quando usado em um ambiente em rede WAN, o computador 810 tipicamente inclui um modem 872 ou outros meios para estabelecer comunicações pela WAN 873, tal como a Internet. Em um ambiente ligado em rede, módulos de programa podem ser armazenados em um dispositivo de armazenamento de memória remoto. A FIG. 9 ilustra, por exemplo, que programas de aplicação remotos 885 podem residir em computador remoto 880.
[00107] O Exemplo 1 é um método para controlar uma máquina em um local de trabalho para realizar uma operação, compreendendo:
identificar dados de índice vegetativo georreferenciados para o local de trabalho que foram gerados antes da máquina realizar a operação no local de trabalho;
coletar dados de campo, com um sensor na máquina, enquanto a máquina está realizando uma operação no local de trabalho, os dados de campo correspondendo a uma porção do local de trabalho;
gerar um modelo preditivo com base nos dados de índice vegetativo georreferenciados e nos dados de campo;
calcular uma métrica de qualidade de modelo, para o modelo preditivo, indicativa de precisão do modelo;
determinar, enquanto a máquina está realizando a operação no local de trabalho, se o modelo preditivo é um modelo preditivo qualificado com base na métrica de qualidade de modelo calculada; e
se for, controlar um subsistema da máquina, usando o modelo preditivo qualificado, para realizar a operação.
identificar dados de índice vegetativo georreferenciados para o local de trabalho que foram gerados antes da máquina realizar a operação no local de trabalho;
coletar dados de campo, com um sensor na máquina, enquanto a máquina está realizando uma operação no local de trabalho, os dados de campo correspondendo a uma porção do local de trabalho;
gerar um modelo preditivo com base nos dados de índice vegetativo georreferenciados e nos dados de campo;
calcular uma métrica de qualidade de modelo, para o modelo preditivo, indicativa de precisão do modelo;
determinar, enquanto a máquina está realizando a operação no local de trabalho, se o modelo preditivo é um modelo preditivo qualificado com base na métrica de qualidade de modelo calculada; e
se for, controlar um subsistema da máquina, usando o modelo preditivo qualificado, para realizar a operação.
[00108] O Exemplo 2 é o método de qualquer ou todos os exemplos anteriores em que determinar se o modelo preditivo é um
modelo preditivo qualificado compreende:
determinar se a métrica de qualidade de modelo satisfaz um limiar de modelo qualidade.
modelo preditivo qualificado compreende:
determinar se a métrica de qualidade de modelo satisfaz um limiar de modelo qualidade.
[00109] O Exemplo 3 é o método de qualquer ou todos os exemplos anteriores adicionalmente compreendendo:
se o modelo preditivo for determinado não sendo um modelo preditivo qualificado, então
identificar diferentes dados de índice vegetativo georreferenciados para gerar um modelo preditivo diferente;
gerar o modelo preditivo diferente;
determinar, enquanto a máquina está realizando a operação no local de trabalho, se o modelo preditivo diferente é um modelo qualificado; e
se for, controlar um subsistema da máquina, usando o modelo preditivo diferente para realizar a operação.
se o modelo preditivo for determinado não sendo um modelo preditivo qualificado, então
identificar diferentes dados de índice vegetativo georreferenciados para gerar um modelo preditivo diferente;
gerar o modelo preditivo diferente;
determinar, enquanto a máquina está realizando a operação no local de trabalho, se o modelo preditivo diferente é um modelo qualificado; e
se for, controlar um subsistema da máquina, usando o modelo preditivo diferente para realizar a operação.
[00110] O Exemplo 4 é o método de qualquer ou todos os exemplos anteriores em que identificar dados de índice vegetativo georreferenciados compreende:
obter dados de índice vegetativo georreferenciados a priori, de um sistema remoto, correspondendo ao local de trabalho.
obter dados de índice vegetativo georreferenciados a priori, de um sistema remoto, correspondendo ao local de trabalho.
[00111] O Exemplo 5 é o método de qualquer ou todos os exemplos anteriores em que coletar dados de campo compreende:
obter dados de campo de cultura correspondendo a uma porção do local de trabalho, com um sensor de produtividade de cultura na máquina, enquanto a máquina está realizando uma operação de colheita no local de trabalho.
obter dados de campo de cultura correspondendo a uma porção do local de trabalho, com um sensor de produtividade de cultura na máquina, enquanto a máquina está realizando uma operação de colheita no local de trabalho.
[00112] O Exemplo 6 é o método de qualquer ou todos os exemplos anteriores em que a máquina tem uma pluralidade de diferentes subsistemas e em que controlar um subsistema compreende:
controlar a pluralidade de diferentes subsistemas na máquina.
controlar a pluralidade de diferentes subsistemas na máquina.
[00113] O Exemplo 7 é o método de qualquer ou todos os exemplos anteriores em que gerar um modelo preditivo compreende:
gerar uma pluralidade de diferentes modelos preditivos, com base em dados a priori e os dados de campo, para os diferentes subsistemas da máquina de trabalho.
gerar uma pluralidade de diferentes modelos preditivos, com base em dados a priori e os dados de campo, para os diferentes subsistemas da máquina de trabalho.
[00114] O Exemplo 8 é o método de qualquer ou todos os exemplos anteriores em que calcular uma métrica de qualidade de modelo compreende:
calcular uma pluralidade de diferentes valores de métrica de qualidade de modelo para os diferentes modelos preditivos, em que determinar se o modelo preditivo é um modelo preditivo qualificado compreende determinar se cada um da pluralidade de modelos preditivos é modelo preditivo qualificado com base nos valores de métrica de qualidade de modelo calculados.
calcular uma pluralidade de diferentes valores de métrica de qualidade de modelo para os diferentes modelos preditivos, em que determinar se o modelo preditivo é um modelo preditivo qualificado compreende determinar se cada um da pluralidade de modelos preditivos é modelo preditivo qualificado com base nos valores de métrica de qualidade de modelo calculados.
[00115] O Exemplo 9 é o método de qualquer ou todos os exemplos anteriores adicionalmente compreendendo:
se a pluralidade de diferentes modelos preditivos forem modelos preditivos qualificados, então controlar cada um dos diferentes subsistemas da máquina de trabalho no local de trabalho, usando um diferente da pluralidade de diferentes modelos preditivos.
se a pluralidade de diferentes modelos preditivos forem modelos preditivos qualificados, então controlar cada um dos diferentes subsistemas da máquina de trabalho no local de trabalho, usando um diferente da pluralidade de diferentes modelos preditivos.
[00116] O Exemplo 10 é o método de qualquer ou todos os exemplos anteriores em que calcular a métrica de qualidade de modelo compreende:
calcular um valor de erro indicativo de erro de modelo com base em uma comparação de valores de modelo do modelo preditivo gerado com valores de campo nos dados de campo coletados.
calcular um valor de erro indicativo de erro de modelo com base em uma comparação de valores de modelo do modelo preditivo gerado com valores de campo nos dados de campo coletados.
[00117] O Exemplo 11 é o método de qualquer ou todos os exemplos anteriores e adicionalmente compreendendo:
iterativamente repetir as etapas de coletar dados de campo, atualizar o modelo preditivo com base nos dados de campo, calcular uma métrica de qualidade de modelo para o modelo preditivo atualizado e determinar se o modelo preditivo é um modelo predicativo qualificado, enquanto a máquina está realizando a operação.
iterativamente repetir as etapas de coletar dados de campo, atualizar o modelo preditivo com base nos dados de campo, calcular uma métrica de qualidade de modelo para o modelo preditivo atualizado e determinar se o modelo preditivo é um modelo predicativo qualificado, enquanto a máquina está realizando a operação.
[00118] O Exemplo 12 é um sistema de computação em uma máquina de trabalho, compreendendo:
um sistema de comunicação configurado para identificar dados de índice vegetativo georreferenciados a priori para um local de trabalho;
um sistema de coleta de dados in situ que coleta dados de campo, com um sensor em uma máquina, enquanto a máquina está realizando uma operação no local de trabalho, os dados de campo correspondendo a uma porção do local de trabalho;
um sistema gerador de modelo configurado para receber os dados de índice vegetativo georreferenciados a priori e dados de campo e gerar um modelo preditivo com base nos dados de índice vegetativo georreferenciados a priori e nos dados de campo usando um mecanismo de geração de modelo; e
um sistema de avaliação de modelo configurado para calcular uma métrica de qualidade de modelo para o modelo preditivo e determinar se o modelo preditivo é um modelo preditivo qualificado; e
um sistema de controle que, se o modelo preditivo for um modelo preditivo qualificado, controla um subsistema da máquina usando o modelo preditivo qualificado.
um sistema de comunicação configurado para identificar dados de índice vegetativo georreferenciados a priori para um local de trabalho;
um sistema de coleta de dados in situ que coleta dados de campo, com um sensor em uma máquina, enquanto a máquina está realizando uma operação no local de trabalho, os dados de campo correspondendo a uma porção do local de trabalho;
um sistema gerador de modelo configurado para receber os dados de índice vegetativo georreferenciados a priori e dados de campo e gerar um modelo preditivo com base nos dados de índice vegetativo georreferenciados a priori e nos dados de campo usando um mecanismo de geração de modelo; e
um sistema de avaliação de modelo configurado para calcular uma métrica de qualidade de modelo para o modelo preditivo e determinar se o modelo preditivo é um modelo preditivo qualificado; e
um sistema de controle que, se o modelo preditivo for um modelo preditivo qualificado, controla um subsistema da máquina usando o modelo preditivo qualificado.
[00119] O Exemplo 13 é o sistema de computação de qualquer ou todos os exemplos anteriores em que o sistema de avaliação de modelo compreende:
um gerador de métrica de qualidade de modelo configurado para calcular a métrica de qualidade de modelo para o modelo preditivo.
um gerador de métrica de qualidade de modelo configurado para calcular a métrica de qualidade de modelo para o modelo preditivo.
[00120] O Exemplo 14 é o sistema de computação de qualquer ou todos os exemplos anteriores em que o sistema de avaliação de modelo compreende:
lógica de gatilho de avaliação configurada para detectar um gatilho de avaliação e, em resposta, gerar uma saída de gatilho para o sistema de avaliação de modelo para avaliar um modelo preditivo alternativo.
lógica de gatilho de avaliação configurada para detectar um gatilho de avaliação e, em resposta, gerar uma saída de gatilho para o sistema de avaliação de modelo para avaliar um modelo preditivo alternativo.
[00121] O Exemplo 15 é o sistema de computador de qualquer ou todos os exemplos anteriores em que o sistema de geração de modelo é configurado para, em resposta à saída de gatilho, gerar o modelo preditivo alternativo usando dados de índice vegetativo a priori alternativos para os locais de trabalho.
[00122] O Exemplo 16 é o sistema de computador de qualquer ou todos os exemplos anteriores em que o sistema de geração de modelo é configurado para, em resposta à saída de gatilho, gerar o modelo preditivo alternativo usando um mecanismo de geração de modelo alternativo.
[00123] O Exemplo 17 é o sistema de computação de qualquer ou todos os exemplos anteriores em que o sistema gerador de modelo é configurado para gerar uma pluralidade de modelos preditivos, cada um correspondendo a um subsistema controlável específico, e em que o sistema de controle usa cada um dos modelos preditivos para controlar o subsistema controlável específico correspondente.
[00124] O Exemplo 18 é o sistema de computação de qualquer ou todos os exemplos anteriores em que o gerador de métrica de qualidade de modelo é configurado para calcular a métrica de qualidade de modelo pelo cálculo de um vetor de erro com base em valores gerados pelo modelo preditivo e valores reais nos dados de campo coletados.
[00125] O Exemplo 19 é uma máquina de trabalho, compreendendo:
um sistema de comunicação configurado para receber dados de índice vegetativo georreferenciados para um local de trabalho;
um sistema de coleta de dados in situ configurado para coletar dados de campo, com um sensor em uma máquina, enquanto a máquina está realizando uma operação no local de trabalho, para uma porção do local de trabalho;
uma pluralidade de subsistemas controláveis;
um sistema gerador de modelo configurado para gerar uma pluralidade de diferentes modelos preditivos, com base nos dados de índice vegetativo georreferenciados e nos dados de campo, cada um correspondendo a um subsistema controlável diferente da pluralidade de subsistemas controláveis da máquina de trabalho;
um sistema de avaliação de modelo configurado para calcular uma métrica de qualidade de modelo para cada um dos modelos preditivos e determinar se cada um dos modelos preditivos é um modelo preditivo qualificado com base na métrica de qualidade de modelos; e
um sistema de controle que gera sinais de controle para controlar cada um dos subsistemas controláveis usando um modelo preditivo qualificado correspondente.
um sistema de comunicação configurado para receber dados de índice vegetativo georreferenciados para um local de trabalho;
um sistema de coleta de dados in situ configurado para coletar dados de campo, com um sensor em uma máquina, enquanto a máquina está realizando uma operação no local de trabalho, para uma porção do local de trabalho;
uma pluralidade de subsistemas controláveis;
um sistema gerador de modelo configurado para gerar uma pluralidade de diferentes modelos preditivos, com base nos dados de índice vegetativo georreferenciados e nos dados de campo, cada um correspondendo a um subsistema controlável diferente da pluralidade de subsistemas controláveis da máquina de trabalho;
um sistema de avaliação de modelo configurado para calcular uma métrica de qualidade de modelo para cada um dos modelos preditivos e determinar se cada um dos modelos preditivos é um modelo preditivo qualificado com base na métrica de qualidade de modelos; e
um sistema de controle que gera sinais de controle para controlar cada um dos subsistemas controláveis usando um modelo preditivo qualificado correspondente.
[00126] O Exemplo 20 é a máquina de trabalho de qualquer ou todos os exemplos anteriores em que os subsistemas controláveis compreendem subsistemas de colheitadeira controláveis.
[00127] Deve-se também notar que os diferentes exemplos descritos aqui podem ser combinados de diferentes maneiras. Ou seja, partes de um ou mais exemplos podem ser combinadas com partes de um ou mais outros exemplos. Tudo isto é contemplado aqui.
[00128] Embora a matéria objeto tenha sido descrita em linguagem específica para recursos estruturais e/ou atos metodológicos, deve-se entender que a matéria objeto definida nas reivindicações anexas não é necessariamente limitada aos recursos ou atos específicos descritos aqui. Em vez disso, os recursos e atos específicos supradescritos são descritos como formas de exemplo para implementar as reivindicações.
Claims (20)
- Método para controlar uma máquina em um local de trabalho para realizar uma operação, caracterizado pelo fato de que compreende:
identificar dados de índice vegetativo georreferenciados para o local de trabalho que foram gerados antes da máquina realizar a operação no local de trabalho;
coletar dados de campo, com um sensor na máquina, enquanto a máquina está realizando uma operação no local de trabalho, os dados de campo correspondendo a uma porção do local de trabalho;
gerar um modelo preditivo com base nos dados de índice vegetativo georreferenciados e nos dados de campo;
calcular uma métrica de qualidade de modelo, para o modelo preditivo, indicativa de precisão do modelo;
determinar, enquanto a máquina está realizando a operação no local de trabalho, se o modelo preditivo é um modelo preditivo qualificado com base na métrica de qualidade de modelo calculada; e
se for, controlar um subsistema da máquina, usando o modelo preditivo qualificado, para realizar a operação. - Método de acordo com a reivindicação 1, caracterizado pelo fato de que determinar se o modelo preditivo é um modelo preditivo qualificado compreende:
determinar se a métrica de qualidade de modelo satisfaz um limiar de qualidade de modelo. - Método de acordo com a reivindicação 1, caracterizado pelo fato de que compreende adicionalmente:
se o modelo preditivo for determinado não sendo um modelo preditivo qualificado, então
identificar diferentes dados de índice vegetativo georreferenciados para gerar um modelo preditivo diferente;
gerar o modelo preditivo diferente;
determinar, enquanto a máquina está realizando a operação no local de trabalho, se o modelo preditivo diferente é um modelo qualificado; e
se for, controlar um subsistema da máquina, usando o modelo preditivo diferente para realizar a operação. - Método de acordo com a reivindicação 1, caracterizado pelo fato de que identificar dados de índice vegetativo georreferenciados compreende:
obter dados de índice vegetativo georreferenciados a priori, de um sistema remoto, correspondendo ao local de trabalho. - Método de acordo com a reivindicação 1, caracterizado pelo fato de que coletar dados de campo compreende:
obter dados de campo de cultura correspondendo a uma porção do local de trabalho, com um sensor de produtividade de cultura na máquina, enquanto a máquina está realizando uma operação de colheita no local de trabalho. - Método de acordo com a reivindicação 1, caracterizado pelo fato de que a máquina tem uma pluralidade de diferentes subsistemas e em que controlar um subsistema compreende:
controlar a pluralidade de diferentes subsistemas na máquina. - Método de acordo com a reivindicação 6, caracterizado pelo fato de que gerar um modelo preditivo compreende:
gerar uma pluralidade de diferentes modelos preditivos, com base nos dados a priori e nos dados de campo, para os diferentes subsistemas da máquina de trabalho. - Método de acordo com a reivindicação 7, caracterizado pelo fato de que calcular uma métrica de qualidade de modelo compreende:
calcular uma pluralidade de diferentes valores de métricas de qualidade de modelo para os diferentes modelos preditivos, em que determinar se o modelo preditivo é um modelo preditivo qualificado compreende determinar se cada um da pluralidade de modelos preditivos é modelo preditivo qualificado com base nos valores de métrica de qualidade de modelos calculados. - Método de acordo com a reivindicação 8, caracterizado pelo fato de que compreende adicionalmente:
se a pluralidade de diferentes modelos preditivos for modelos preditivos qualificados, então controlar cada um dos diferentes subsistemas da máquina de trabalho no local de trabalho, usando um diferente da pluralidade de diferentes modelos preditivos. - Método de acordo com a reivindicação 1, caracterizado pelo fato de que calcular a métrica de qualidade de modelo compreende:
calcular um valor de erro indicativo de erro de modelo com base em uma comparação de valores de modelo do modelo preditivo gerado com valores de campo nos dados de campo coletados. - Método de acordo com a reivindicação 1, caracterizado pelo fato de que compreende adicionalmente:
iterativamente repetir as etapas de coletar dados de campo, atualizar o modelo preditivo com base nos dados de campo, calcular uma métrica de qualidade de modelo para o modelo preditivo atualizado e determinar se o modelo preditivo é um modelo predicativo qualificado, enquanto a máquina está realizando a operação. - Sistema de computação em uma máquina de trabalho, caracterizada pelo fato de que compreende:
um sistema de comunicação configurado para identificar dados de índice vegetativo georreferenciados a priori para um local de trabalho;
um sistema de coleta de dados in situ que coleta dados de campo, com um sensor em uma máquina, enquanto a máquina de trabalho está realizando uma operação no local de trabalho, os dados de campo correspondendo a uma porção do local de trabalho;
um sistema gerador de modelo configurado para receber os dados de índice vegetativo georreferenciados a priori e dados de campo e gerar um modelo preditivo com base nos dados de índice vegetativo georreferenciados a priori e nos dados de campo, enquanto a máquina de trabalho está realizando a operação no local de trabalho, usando um mecanismo de geração de modelo; e
um sistema de controle que controla um subsistema da máquina usando o modelo preditivo. - Sistema de computação de acordo com a reivindicação 12, caracterizado pelo fato de que compreende adicionalmente:
um sistema de avaliação de modelo configurado para calcular uma métrica de qualidade de modelo para o modelo preditivo e determinar se o modelo preditivo é um modelo preditivo qualificado; e
em que o sistema de controle controla o subsistema usando o modelo preditivo se o modelo preditivo for um modelo preditivo qualificado. - Sistema de computação de acordo com a reivindicação 13, caracterizado pelo fato de que o sistema de avaliação de modelo compreende:
um gerador de métrica de qualidade de modelo configurado para calcular a métrica de qualidade de modelo para o modelo preditivo. - Sistema de computação de acordo com a reivindicação 14, caracterizado pelo fato de que o sistema de avaliação de modelo compreende:
lógica de gatilho de avaliação configurada para detectar um gatilho de avaliação e, em resposta, gerar uma saída de gatilho para o sistema de avaliação de modelo para avaliar um modelo preditivo alternativo. - Sistema de computador de acordo com a reivindicação 15, caracterizado pelo fato de que o sistema de geração de modelo é configurado para, em resposta à saída de gatilho, gerar o modelo preditivo alternativo usando dados de índice vegetativo a priori alternativos para os locais de trabalho.
- Sistema de computador de acordo com a reivindicação 15, caracterizado pelo fato de que o sistema de geração de modelo é configurado para, em resposta à saída de gatilho, gerar o modelo preditivo alternativo usando um mecanismo de geração de modelo alternativo.
- Sistema de computação de acordo com a reivindicação 17, caracterizado pelo fato de que o sistema gerador de modelo é configurado para gerar uma pluralidade de modelos preditivos cada um correspondendo a um subsistema controlável específico, e em que o sistema de controle usa cada um dos modelos preditivos para controlar o subsistema controlável específico correspondente.
- Máquina de trabalho, caracterizada pelo fato de que compreende:
um sistema de comunicação configurado para receber dados de índice vegetativo georreferenciados para um local de trabalho;
um sistema de coleta de dados in situ configurado para coletar dados de campo, com um sensor em uma máquina, enquanto a máquina está realizando uma operação no local de trabalho, para uma porção do local de trabalho;
uma pluralidade de subsistemas controláveis;
um sistema gerador de modelo configurado para gerar uma pluralidade de diferentes modelos preditivos, com base nos dados de índice vegetativo georreferenciados e nos dados de campo, cada um correspondendo a um subsistema controlável diferente da pluralidade de subsistemas controláveis da máquina de trabalho; e
um sistema de controle que gera sinais de controle para controlar cada um dos subsistemas controláveis usando um modelo preditivo correspondente. - Máquina de trabalho de acordo com a reivindicação 19 caracterizada pelo fato de que os subsistemas controláveis compreendem subsistemas de colheitadeira controláveis, e adicionalmente compreendendo:
um sistema de avaliação de modelo configurado para calcular uma métrica de qualidade de modelo para cada um dos modelos preditivos e determinar se cada um dos modelos preditivos é um modelo preditivo qualificado com base na métrica de qualidade de modelos, em que o sistema de controle gera os sinais de controle para controlar cada um dos subsistemas controláveis usando um modelo preditivo qualificado correspondente.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/380,531 | 2019-04-10 | ||
US16/380,531 US11079725B2 (en) | 2019-04-10 | 2019-04-10 | Machine control using real-time model |
Publications (1)
Publication Number | Publication Date |
---|---|
BR102020001022A2 true BR102020001022A2 (pt) | 2020-10-20 |
Family
ID=72613065
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
BR102020001022-0A BR102020001022A2 (pt) | 2019-04-10 | 2020-01-16 | Método para controlar uma máquina, sistema de computação, e, máquina de trabalho |
Country Status (4)
Country | Link |
---|---|
US (3) | US11079725B2 (pt) |
CN (1) | CN111802061B (pt) |
BR (1) | BR102020001022A2 (pt) |
DE (1) | DE102020204478A1 (pt) |
Families Citing this family (46)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
BE1022889B1 (nl) | 2015-05-29 | 2016-10-07 | Cnh Industrial Belgium Nv | controller voor een oogstmachine |
US11240961B2 (en) | 2018-10-26 | 2022-02-08 | Deere & Company | Controlling a harvesting machine based on a geo-spatial representation indicating where the harvesting machine is likely to reach capacity |
US11653588B2 (en) | 2018-10-26 | 2023-05-23 | Deere & Company | Yield map generation and control system |
US11672203B2 (en) | 2018-10-26 | 2023-06-13 | Deere & Company | Predictive map generation and control |
US11641800B2 (en) | 2020-02-06 | 2023-05-09 | Deere & Company | Agricultural harvesting machine with pre-emergence weed detection and mitigation system |
US11467605B2 (en) | 2019-04-10 | 2022-10-11 | Deere & Company | Zonal machine control |
US11178818B2 (en) | 2018-10-26 | 2021-11-23 | Deere & Company | Harvesting machine control system with fill level processing based on yield data |
US11079725B2 (en) * | 2019-04-10 | 2021-08-03 | Deere & Company | Machine control using real-time model |
US11957072B2 (en) | 2020-02-06 | 2024-04-16 | Deere & Company | Pre-emergence weed detection and mitigation system |
US11589509B2 (en) | 2018-10-26 | 2023-02-28 | Deere & Company | Predictive machine characteristic map generation and control system |
WO2020102199A1 (en) * | 2018-11-16 | 2020-05-22 | Cnh Industrial America Llc | Harvester header having a segment control system |
US11234366B2 (en) | 2019-04-10 | 2022-02-01 | Deere & Company | Image selection for machine control |
US20210329838A1 (en) * | 2019-09-04 | 2021-10-28 | Ag Leader Technology | Apparatus, Systems And Methods For Stalk Sensing |
US11354757B2 (en) | 2019-09-30 | 2022-06-07 | Chioccoli, LLC | Systems and methods for aggregating harvest yield data |
US11750701B2 (en) | 2019-09-30 | 2023-09-05 | Chioccoli Llc | Systems and methods for connected computation in network constrained systems |
US11526180B2 (en) * | 2019-09-30 | 2022-12-13 | Chioccoli Llc | Systems and methods for traversing a three dimensional space |
US11904871B2 (en) | 2019-10-30 | 2024-02-20 | Deere & Company | Predictive machine control |
BR112022009534A2 (pt) * | 2019-12-11 | 2022-08-02 | Climate Llc | Sistemas agrícolas de alta resposta com otimização sazonal extraordinária |
US11477940B2 (en) | 2020-03-26 | 2022-10-25 | Deere & Company | Mobile work machine control based on zone parameter modification |
US11675354B2 (en) | 2020-10-09 | 2023-06-13 | Deere & Company | Machine control using a predictive map |
US11825768B2 (en) | 2020-10-09 | 2023-11-28 | Deere & Company | Machine control using a predictive map |
US11592822B2 (en) | 2020-10-09 | 2023-02-28 | Deere & Company | Machine control using a predictive map |
US11864483B2 (en) | 2020-10-09 | 2024-01-09 | Deere & Company | Predictive map generation and control system |
US11849671B2 (en) | 2020-10-09 | 2023-12-26 | Deere & Company | Crop state map generation and control system |
US11874669B2 (en) | 2020-10-09 | 2024-01-16 | Deere & Company | Map generation and control system |
US11849672B2 (en) | 2020-10-09 | 2023-12-26 | Deere & Company | Machine control using a predictive map |
US11895948B2 (en) | 2020-10-09 | 2024-02-13 | Deere & Company | Predictive map generation and control based on soil properties |
US11474523B2 (en) | 2020-10-09 | 2022-10-18 | Deere & Company | Machine control using a predictive speed map |
US11889788B2 (en) | 2020-10-09 | 2024-02-06 | Deere & Company | Predictive biomass map generation and control |
US11927459B2 (en) | 2020-10-09 | 2024-03-12 | Deere & Company | Machine control using a predictive map |
US11871697B2 (en) | 2020-10-09 | 2024-01-16 | Deere & Company | Crop moisture map generation and control system |
US11727680B2 (en) | 2020-10-09 | 2023-08-15 | Deere & Company | Predictive map generation based on seeding characteristics and control |
US12013245B2 (en) | 2020-10-09 | 2024-06-18 | Deere & Company | Predictive map generation and control system |
US11711995B2 (en) | 2020-10-09 | 2023-08-01 | Deere & Company | Machine control using a predictive map |
US11635765B2 (en) | 2020-10-09 | 2023-04-25 | Deere & Company | Crop state map generation and control system |
US11844311B2 (en) | 2020-10-09 | 2023-12-19 | Deere & Company | Machine control using a predictive map |
US11983009B2 (en) | 2020-10-09 | 2024-05-14 | Deere & Company | Map generation and control system |
US11845449B2 (en) | 2020-10-09 | 2023-12-19 | Deere & Company | Map generation and control system |
US11946747B2 (en) | 2020-10-09 | 2024-04-02 | Deere & Company | Crop constituent map generation and control system |
US11650587B2 (en) | 2020-10-09 | 2023-05-16 | Deere & Company | Predictive power map generation and control system |
US11889787B2 (en) | 2020-10-09 | 2024-02-06 | Deere & Company | Predictive speed map generation and control system |
US11622495B2 (en) * | 2021-06-01 | 2023-04-11 | Gint Co., Ltd. | Method of automatically combining farm vehicle and work machine and farm vehicle |
WO2023180822A1 (en) * | 2022-03-21 | 2023-09-28 | Agco Corporation | Predicting a capacity for a combine harvester |
WO2023180823A1 (en) * | 2022-03-21 | 2023-09-28 | Agco Corporation | Predicting a difficulty of cutting crop to be harvested and/or separating harvested crop |
US20230320271A1 (en) * | 2022-04-08 | 2023-10-12 | Deere & Company | Systems and methods for predictive power requirements and control |
DE102022110127A1 (de) * | 2022-04-27 | 2023-11-02 | Claas Selbstfahrende Erntemaschinen Gmbh | Assistenzsystem zur Generierung von Routenplänen für autonome landwirtschaftliche Arbeitsmaschinen |
Family Cites Families (971)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE504035C (de) | 1930-07-31 | Hermann Lindstaedt | Kartoffelerntemaschine mit an das Schar anschliessendem Foerderwerk und hinter diesem angeordnetem Ablegerost | |
FI5533A (fi) | 1913-11-06 | Williamstown Glass Company | Anordningar vid glasbearbetningsmaskiner och sätt att tillverka buteljer med sådana | |
DE441597C (de) | 1927-03-05 | Paul Frenzel | Vorrichtung fuer Grasmaehmaschinen, um diese zum Maehen des Kartoffelkrautes geeignet zu machen | |
DE152380C (de) | 1897-07-11 | 1904-06-09 | Bauer & Co | Verfahren zur Darstellung von Casein- und anderen Eiweisspräparaten |
GB901081A (en) | 1958-07-31 | 1962-07-11 | Dunn Engineering Associates In | Improvements in apparatus for punching jacquard cards |
US3568157A (en) | 1963-12-31 | 1971-03-02 | Bell Telephone Labor Inc | Program controlled data processing system |
US3599543A (en) | 1964-12-02 | 1971-08-17 | Stothert & Pitt Ltd | Vibratory machines |
FR1451480A (fr) | 1965-07-20 | 1966-01-07 | France Etat | Procédé et appareil de mesure du tassement du sol sous les remblais et ouvrages d'art |
US3580257A (en) | 1969-12-24 | 1971-05-25 | Earl E Teague | Weed seed collector for a thresher combine |
DE2018219C3 (de) | 1970-04-16 | 1979-02-22 | Losenhausen Maschinenbau Ag, 4000 Duesseldorf | Vorrichtung zur Erzeugung eines Anzeige- oder Steuersignals für den Fahrantrieb eines dynamischen Bodenverdichters |
CH569747A5 (pt) | 1972-08-25 | 1975-11-28 | Ciba Geigy Ag | |
DE2354828A1 (de) | 1973-11-02 | 1975-05-15 | Held & Francke Bau Ag | Verfahren zum verdichten des bodens und vorrichtung zur durchfuehrung dieses verfahrens |
CH618682A5 (pt) | 1975-11-07 | 1980-08-15 | Ciba Geigy Ag | |
DE2646143A1 (de) | 1976-10-13 | 1978-04-20 | Bayer Ag | 4,5-dichlor-imidazol-1-carbonsaeure- arylester, verfahren zu ihrer herstellung sowie ihre verwendung als pflanzenschutzmittel |
US4166735A (en) | 1977-01-21 | 1979-09-04 | Shell Oil Company | Cycloalkanecarboxanilide derivative herbicides |
EP0000351A1 (de) | 1977-07-07 | 1979-01-24 | Ciba-Geigy Ag | Phenoxy-phenylthio-alkancarbonsäurederivate, Verfahren zu deren Herstellung und deren Verwendung als Herbizide und als Pflanzenwachstumsregulierungsmittel |
SU834514A1 (ru) | 1978-11-04 | 1981-05-30 | Smolyanitskij Leonid A | Способ контрол качества уплотнени гРуНТА |
SU887717A1 (ru) | 1979-09-18 | 1981-12-07 | Новосибирский филиал Всесоюзного научно-исследовательского института транспортного строительства | Устройство дл контрол качества уплотнени грунта |
US4360677A (en) | 1979-09-20 | 1982-11-23 | Uniroyal, Inc. | Herbicidal 2-(alpha-chloromethylsulfonyl) pyridine-1-oxides |
US4268679A (en) | 1980-02-19 | 1981-05-19 | Ppg Industries, Inc. | 3-[5- or 3-Substituted-5- or 3-isoxazolyl]-1-allyl or alkyl-4-substituted-5-substituted or unsubstituted-2-imidazolidinones |
DE3167425D1 (en) | 1980-06-14 | 1985-01-10 | Claydon Yield O Meter Limited | Crop metering device for combine harvesters |
SU1052940A1 (ru) | 1980-09-02 | 1983-11-07 | Войсковая часть 70170 | Способ измерени фильтрационных характеристик несв занных грунтов |
AU544099B2 (en) | 1980-12-15 | 1985-05-16 | Sumitomo Chemical Company, Limited | Triazolylpentenols |
DOP1981004033A (es) | 1980-12-23 | 1990-12-29 | Ciba Geigy Ag | Procedimiento para proteger plantas de cultivo de la accion fitotoxica de herbicidas. |
FR2509135A1 (fr) | 1981-07-10 | 1983-01-14 | Ugine Kuhlmann | Compositions herbicides a base de derives d'amino-4 chloro-6 alkylthio-5 pyrimidine et de derives de la dinitro-2,6 aniline et procede de traitement des cultures a l'aide desdites compositions |
US4566901A (en) | 1982-05-06 | 1986-01-28 | Ciba-Geigy Corporation | Novel oxime ethers, the preparation thereof, compositions containing them and the use thereof |
US4527241A (en) | 1982-08-30 | 1985-07-02 | Sperry Corporation | Automatic combine harvester adjustment system |
DE3476195D1 (en) | 1983-05-18 | 1989-02-23 | Ciba Geigy Ag | Cyclohexanedione-carboxylic-acid derivatives having a herbicidal and plant growth regulating activity |
SU1134669A1 (ru) | 1983-09-30 | 1985-01-15 | Всесоюзный научно-исследовательский институт транспортного строительства | Устройство дл непрерывного контрол степени уплотнени грунта |
US4687505A (en) | 1983-11-02 | 1987-08-18 | Sylling Truman V | Method for desalination and rehabilitation of irrigated soil |
DE3582352D1 (de) | 1984-04-11 | 1991-05-08 | Ciba Geigy Ag | Verfahren zur selektiven unkrautbekaempfung in nutzpflanzenkulturen. |
JPH0243845B2 (ja) | 1984-05-30 | 1990-10-01 | Shimizu Construction Co Ltd | Tsuchinogenbamitsudosokuteihohooyobisonosochi |
CS247426B1 (cs) | 1984-12-21 | 1986-12-18 | Josef Hula | Zařízení pro mdření ulehlosti půdy |
CS248318B1 (en) | 1984-12-21 | 1987-02-12 | Josef Hula | Device for soil compactness measuring |
GB2178934A (en) | 1985-03-22 | 1987-02-25 | Massey Ferguson Mfg | Agricultural husbandry |
US5250690A (en) | 1985-05-02 | 1993-10-05 | Dowelanco | Haloalkoxy anilide derivatives of 2-4(-heterocyclic oxyphenoxy)alkanoic or alkenoic acids and their use as herbicides |
US4857101A (en) | 1985-12-06 | 1989-08-15 | Rohm And Haas Company | Method of selectively controlling weeds in crops of cereals |
US5246915A (en) | 1986-06-20 | 1993-09-21 | Janssen Pharmaceutica N.V. | Method for controlling weeds |
SU1526588A1 (ru) | 1987-05-29 | 1989-12-07 | Всесоюзный научно-исследовательский институт по применению полимерных материалов в мелиорации и водном хозяйстве | Устройство дл измерени степени уплотнени почв |
JP2523324B2 (ja) | 1987-06-09 | 1996-08-07 | 建設省土木研究所長 | 地盤の締固め程度の測定方法 |
SU1540053A1 (ru) | 1987-06-16 | 1991-01-15 | Головное специализированное конструкторское бюро по комплексам зерноуборочных машин Производственного объединения "Ростсельмаш" | Способ управлени технологическим процессом уборочной машины |
DE3728669A1 (de) | 1987-08-27 | 1989-03-16 | Arcus Elektrotech | Messsonde zur messung der bodenverdichtung |
BR6800140U (pt) | 1988-01-22 | 1989-09-12 | Adalberto Wilke | Aplicador de herbicida com protetores para culturas em fase inicial de desenvolvimento |
EP0355049A3 (en) | 1988-08-18 | 1990-06-13 | Zeneca Limited | Heterocyclic compounds |
JP2671143B2 (ja) | 1989-01-25 | 1997-10-29 | 株式会社光電製作所 | 土の締固め測定装置 |
JP2767266B2 (ja) | 1989-02-15 | 1998-06-18 | ヤンマー農機株式会社 | 収穫機 |
US5089043A (en) | 1989-11-09 | 1992-02-18 | Shionogi & Co., Ltd. | Heterocyclic oxy-phenoxyacetic acid derivatives and their use as herbicides |
SU1761864A1 (ru) | 1990-03-27 | 1992-09-15 | Московский Автомобильно-Дорожный Институт | Способ контрол степени уплотнени грунтов |
RU1791767C (ru) | 1990-06-12 | 1993-01-30 | Усть-Каменогорский Строительно-Дорожный Институт | Прибор дл определени физико-механических свойств грунтов при уплотнении |
US5059154A (en) | 1990-10-19 | 1991-10-22 | The Board Of Trustees Of The University Of Arkansas | Grain cleaner and destructor of foreign matter in harvesting crops |
GB9108199D0 (en) | 1991-04-17 | 1991-06-05 | Rhone Poulenc Agriculture | New compositions of matter |
EP0532146B1 (en) | 1991-09-11 | 1998-08-19 | E.I. Du Pont De Nemours And Company | Herbicidal substituted bicyclic triazoles |
US5246164A (en) | 1991-12-16 | 1993-09-21 | Mccann Ian R | Method and apparatus for variable application of irrigation water and chemicals |
US5477459A (en) | 1992-03-06 | 1995-12-19 | Clegg; Philip M. | Real time three-dimensional machine locating system |
AU661620B2 (en) | 1992-05-06 | 1995-07-27 | Syngenta Participations Ag | Synergistic composition and process for selective weed control |
US5300477A (en) | 1992-07-17 | 1994-04-05 | Rohm And Haas Company | 2-arylpyrimidines and herbicidal use thereof |
US5585626A (en) | 1992-07-28 | 1996-12-17 | Patchen, Inc. | Apparatus and method for determining a distance to an object in a field for the controlled release of chemicals on plants, weeds, trees or soil and/or guidance of farm vehicles |
US5296702A (en) | 1992-07-28 | 1994-03-22 | Patchen California | Structure and method for differentiating one object from another object |
AU658066B2 (en) | 1992-09-10 | 1995-03-30 | Deere & Company | Neural network based control system |
DE69314330T3 (de) | 1993-06-28 | 2004-07-22 | Cnh Belgium N.V. | Verfahren zur Steuerung von selbstfahrenden landwirtschaftlichen Erntemaschinen |
JP3359702B2 (ja) | 1993-06-28 | 2002-12-24 | 株式会社前川製作所 | 異種植物検出方法と該検出方法を用いた雑草駆除方法 |
US5592606A (en) | 1993-07-30 | 1997-01-07 | Myers; Allen | Method and apparatus for storage and display of hierarchally organized data |
CA2179648C (en) | 1993-12-22 | 2005-03-22 | Clyde James Barnes, Iii | Herbicidal diphenyl ether and nitrogen solution compositions and method |
US5995859A (en) | 1994-02-14 | 1999-11-30 | Nihon Kohden Corporation | Method and apparatus for accurately measuring the saturated oxygen in arterial blood by substantially eliminating noise from the measurement signal |
US5767373A (en) | 1994-06-16 | 1998-06-16 | Novartis Finance Corporation | Manipulation of protoporphyrinogen oxidase enzyme activity in eukaryotic organisms |
US5606821A (en) | 1994-07-25 | 1997-03-04 | Loral Corporation | Smart weed recognition/classification system |
DE4431824C1 (de) | 1994-09-07 | 1996-05-02 | Claas Ohg | Mähdrescherbetrieb mit Betriebsdatenkataster |
US5957304A (en) | 1995-01-25 | 1999-09-28 | Agco Limited | Crop harvester |
GB9504345D0 (en) | 1995-03-03 | 1995-04-19 | Compaction Tech Soil Ltd | Method and apparatus for monitoring soil compaction |
DE19509496C2 (de) | 1995-03-16 | 1998-07-09 | Claas Ohg | Selbstfahrender Mähdrescher |
DE19514223B4 (de) | 1995-04-15 | 2005-06-23 | Claas Kgaa Mbh | Verfahren zur Einsatzoptimierung von Landmaschinen |
DE19528663A1 (de) | 1995-08-04 | 1997-02-06 | Univ Hohenheim | Verfahren zur Einstellung einer mobilen Arbeitsmaschine |
DE69605314T3 (de) | 1995-09-29 | 2004-08-26 | Ingersoll-Rand Co. | Verdichtungsgerät mit zugkraftsteuerungssystem |
US5991694A (en) | 1995-11-13 | 1999-11-23 | Caterpillar Inc. | Method and apparatus for determining the location of seedlings during agricultural production |
US5721679A (en) | 1995-12-18 | 1998-02-24 | Ag-Chem Equipment Co., Inc. | Heads-up display apparatus for computer-controlled agricultural product application equipment |
CA2245007C (en) | 1996-02-01 | 2002-12-24 | Bbn Corporation | Soil compaction measurement |
PL178299B1 (pl) | 1996-02-13 | 2000-04-28 | Jan Liszkowski | Sposób renowacji wałów przeciwpowodziowych |
ES2116215B1 (es) | 1996-02-22 | 1999-02-16 | Zuniga Escobar Orlando | Electrosonda para medir el contenido de humedad del suelo y la compactacion del mismo, metodo de medida correspondiente y utilizacion de dicha electrosonda. |
US7032689B2 (en) | 1996-03-25 | 2006-04-25 | Halliburton Energy Services, Inc. | Method and system for predicting performance of a drilling system of a given formation |
DE29607846U1 (de) | 1996-04-30 | 1996-07-25 | Neuhaus Neotec Maschinen- und Anlagenbau GmbH, 21465 Reinbek | Vorrichtung zum Dosieren von Mahlkaffee in Kaffeeverpackungen |
DE19629618A1 (de) | 1996-07-23 | 1998-01-29 | Claas Ohg | Routenplanungssystem für landwirtschaftliche Arbeitsfahrzeuge |
US5771169A (en) | 1996-08-29 | 1998-06-23 | Case Corporation | Site-specific harvest statistics analyzer |
ATE195157T1 (de) | 1996-10-21 | 2000-08-15 | Ammann Verdichtung Ag | Verfahren zur messung mechanischer daten eines bodens sowie zu dessen verdichtung und mess- bzw. bodenverdichtungsvorrichtung |
US5789741A (en) | 1996-10-31 | 1998-08-04 | Patchen, Inc. | Detecting plants in a field by detecting a change in slope in a reflectance characteristic |
DE19647523A1 (de) | 1996-11-16 | 1998-05-20 | Claas Ohg | Landwirtschaftliches Nutzfahrzeug mit einem in seiner Lage und/oder Ausrichtung gegenüber dem Fahrzeug verstellbar angeordneten Bearbeitungsgerät |
US5902343A (en) | 1996-11-22 | 1999-05-11 | Case Corporation | Automatic scaling of GPS field maps |
US6029106A (en) | 1996-11-22 | 2000-02-22 | Case Corporation | Global position correction for the electronic display of field maps |
US5978723A (en) | 1996-11-22 | 1999-11-02 | Case Corporation | Automatic identification of field boundaries in a site-specific farming system |
US5974348A (en) | 1996-12-13 | 1999-10-26 | Rocks; James K. | System and method for performing mobile robotic work operations |
JPH10191762A (ja) | 1997-01-13 | 1998-07-28 | Yanmar Agricult Equip Co Ltd | コンバインの動力制御装置 |
US5884225A (en) * | 1997-02-06 | 1999-03-16 | Cargill Incorporated | Predicting optimum harvest times of standing crops |
US5841282A (en) | 1997-02-10 | 1998-11-24 | Christy; Colin | Device for measuring soil conductivity |
DE19705842A1 (de) | 1997-02-15 | 1998-08-20 | Same Deutz Fahr Spa | Ernteverfahren |
DE19706614A1 (de) | 1997-02-20 | 1998-08-27 | Claas Ohg | Situationsbezogene programmgesteuerte elektronische Kartenbilddarstellung in einem Kraftfahrzeug |
US5809440A (en) | 1997-02-27 | 1998-09-15 | Patchen, Inc. | Agricultural implement having multiple agents for mapping fields |
US5995894A (en) | 1997-05-27 | 1999-11-30 | Case Corporation | System for analyzing spatially-variable harvest data by pass |
JP3013036B2 (ja) | 1997-06-04 | 2000-02-28 | ヤンマー農機株式会社 | コンバイン |
US5991687A (en) | 1997-07-02 | 1999-11-23 | Case Corporation | System and method for communicating information related to a geographical area |
US5899950A (en) | 1997-07-07 | 1999-05-04 | Case Corporation | Sequential command repeater system for off-road vehicles |
US5878821A (en) | 1997-07-08 | 1999-03-09 | Flenker; Kevin P. | Tillage implement with on-the-go angle and depth controlled discs |
US5995895A (en) | 1997-07-15 | 1999-11-30 | Case Corporation | Control of vehicular systems in response to anticipated conditions predicted using predetermined geo-referenced maps |
GB9716251D0 (en) | 1997-08-01 | 1997-10-08 | Philips Electronics Nv | Attribute interpolation in 3d graphics |
DE69836769T2 (de) | 1997-08-20 | 2007-08-02 | Roxbury Ltd. | Baugrundbehandlung |
DE19740346A1 (de) | 1997-09-13 | 1999-03-18 | Claas Selbstfahr Erntemasch | Selbstfahrende Arbeitsmaschine |
US6178253B1 (en) | 1997-10-10 | 2001-01-23 | Case Corporation | Method of determining and treating the health of a crop |
DE19800238C1 (de) | 1998-01-07 | 1999-08-26 | Claas Selbstfahr Erntemasch | System zur Einstellung einer selbstfahrenden Erntemaschine |
US6041582A (en) | 1998-02-20 | 2000-03-28 | Case Corporation | System for recording soil conditions |
GB9811177D0 (en) | 1998-05-26 | 1998-07-22 | Ford New Holland Nv | Methods for generating field maps |
DE19828355C2 (de) | 1998-06-25 | 2000-09-07 | Lausitzer Und Mitteldeutsche B | Pneumatisch-Dynamische-Sonde und Verfahren zur Erkundung und Beurteilung kollabiler, nichtbindiger Böden |
US6199000B1 (en) | 1998-07-15 | 2001-03-06 | Trimble Navigation Limited | Methods and apparatus for precision agriculture operations utilizing real time kinematic global positioning system systems |
US6141614A (en) | 1998-07-16 | 2000-10-31 | Caterpillar Inc. | Computer-aided farming system and method |
US6016713A (en) | 1998-07-29 | 2000-01-25 | Case Corporation | Soil sampling "on the fly" |
DE19836659A1 (de) | 1998-08-13 | 2000-02-17 | Hoechst Schering Agrevo Gmbh | Herbizide Mittel für tolerante oder resistente Baumwollkulturen |
US6327569B1 (en) | 1998-10-15 | 2001-12-04 | Milestone Technology, Inc. | System and methods for real time linkage between harvest environment and marketplace |
US6272819B1 (en) | 1998-11-17 | 2001-08-14 | Case Corporation | Sugar cane yield monitor |
US6216071B1 (en) | 1998-12-16 | 2001-04-10 | Caterpillar Inc. | Apparatus and method for monitoring and coordinating the harvesting and transporting operations of an agricultural crop by multiple agricultural machines on a field |
US6380745B1 (en) | 1999-03-17 | 2002-04-30 | Dennis M. Anderson | Electrical geophysical apparatus for determining the density of porous materials and establishing geo-electric constants of porous material |
US6205381B1 (en) | 1999-03-26 | 2001-03-20 | Caterpillar Inc. | Method and apparatus for providing autoguidance for multiple agricultural machines |
US6119442A (en) | 1999-05-14 | 2000-09-19 | Case Corporation | Combine setting autoadjust with machine vision |
GB2350275B (en) | 1999-05-25 | 2003-12-24 | Agco Ltd | Improvements in yield mapping |
US6374173B1 (en) | 1999-05-28 | 2002-04-16 | Freightliner Llc | Terrain adaptive cruise control |
US6188942B1 (en) | 1999-06-04 | 2001-02-13 | Caterpillar Inc. | Method and apparatus for determining the performance of a compaction machine based on energy transfer |
JP3460224B2 (ja) | 1999-06-09 | 2003-10-27 | 株式会社大林組 | 盛土転圧管理システム |
US6236924B1 (en) | 1999-06-21 | 2001-05-22 | Caterpillar Inc. | System and method for planning the operations of an agricultural machine in a field |
US6119531A (en) | 1999-08-03 | 2000-09-19 | Case Corporation | Crop sampling system |
JP2001057809A (ja) | 1999-08-20 | 2001-03-06 | Yanmar Agricult Equip Co Ltd | 農作業機におけるエラー信号の記憶制御装置 |
US6505146B1 (en) | 1999-09-24 | 2003-01-07 | Monsanto Company | Method and system for spatial evaluation of field and crop performance |
CA2283767C (en) | 1999-09-27 | 2007-06-19 | Monsanto Company | Method and system for spatial evaluation of field crop perfomance |
PL204341B1 (pl) | 1999-10-14 | 2010-01-29 | Basf Ag | Synergiczny środek chwastobójczy i sposób zwalczania niepożądanych roślin |
WO2001052160A1 (en) | 2000-01-14 | 2001-07-19 | Ag-Chem Equipment Company, Inc. | Application report and method for creating the same |
CA2330979A1 (en) | 2000-02-10 | 2001-08-10 | L. Gregory Alster | Method and apparatus for controlling harvesting of trees |
DE10023443A1 (de) | 2000-05-12 | 2001-11-15 | Deere & Co | Fördervorrichtung |
FI114171B (fi) | 2000-05-12 | 2004-08-31 | Antti Paakkinen | Menetelmä ja laite maamassojen ja muiden niiden kaltaisten massojen tiivistysominaisuuksien mittaamiseksi |
GT200100103A (es) | 2000-06-09 | 2002-02-21 | Nuevos herbicidas | |
US6460008B1 (en) | 2000-07-19 | 2002-10-01 | Ivan E. Hardt | Yield monitoring system for grain harvesting combine |
US6735568B1 (en) | 2000-08-10 | 2004-05-11 | Eharmony.Com | Method and system for identifying people who are likely to have a successful relationship |
US6522948B1 (en) | 2000-08-14 | 2003-02-18 | Flexi-Coil Ltd. | Agricultural product application tracking and control |
SE520299C2 (sv) | 2000-08-23 | 2003-06-24 | Bengt Soervik | Förfarande och system för hantering av virkesbitar |
US6539102B1 (en) | 2000-09-01 | 2003-03-25 | Large Scale Proteomics | Reference database |
US6591145B1 (en) | 2000-09-21 | 2003-07-08 | Bechtel Bwxt Idaho, Llc | Systems and methods for autonomously controlling agricultural machinery |
DE10050224A1 (de) | 2000-10-11 | 2002-04-25 | Volkswagen Ag | Verfahren und Einrichtung zum Überwachen und/oder Steuern von beweglichen Objekten |
DE10053446B4 (de) | 2000-10-27 | 2006-03-02 | Wacker Construction Equipment Ag | Lenkbare Vibrationsplatte und fahrbares Vibrationsplattensystem |
CN2451633Y (zh) | 2000-11-23 | 2001-10-03 | 鹤壁市公路管理总段第二工程处 | 公路灰土基层压实度测定取样机 |
FR2817344B1 (fr) | 2000-11-28 | 2003-05-09 | Sol Solution | Penetrometre dynamique a energie variable |
JP2002186348A (ja) | 2000-12-20 | 2002-07-02 | Yanmar Agricult Equip Co Ltd | 穀物貯蔵施設への穀物運搬システム |
DE10064862A1 (de) | 2000-12-23 | 2002-07-11 | Claas Selbstfahr Erntemasch | Vorrichtung und Verfahren zur Koordination und Einstellung von landwirtschaftlichen Fahrzeugen |
US6682416B2 (en) | 2000-12-23 | 2004-01-27 | Claas Selbstfahrende Erntemaschinen Gmbh | Automatic adjustment of a transfer device on an agricultural harvesting machine |
DE10064861A1 (de) | 2000-12-23 | 2002-06-27 | Claas Selbstfahr Erntemasch | Vorrichtung und Verfahren zur automatischen Steuerung einer Überladeeinrichtung an landwirtschaftlichen Erntemaschinen |
GB2372105B (en) | 2001-02-13 | 2004-10-27 | Agco Ltd | Improvements in Mapping Techniques |
EP1238579B1 (en) | 2001-03-08 | 2006-04-05 | Deere & Company | Crop width measuring means |
DE10120173B4 (de) | 2001-04-24 | 2006-02-23 | Gebr. Pöttinger GmbH | Verfahren und Vorrichtung zum Betreiben von Landmaschinen |
DE10129133A1 (de) | 2001-06-16 | 2002-12-19 | Deere & Co | Einrichtung zur selbsttätigen Lenkung eines landwirtschaftlichen Arbeitsfahrzeugs |
DE10129135B4 (de) | 2001-06-16 | 2013-10-24 | Deere & Company | Einrichtung zur Positionsbestimmung eines landwirtschaftlichen Arbeitsfahrzeugs sowie ein landwirtschaftliches Arbeitsfahrzeug mit dieser |
US6549849B2 (en) | 2001-06-25 | 2003-04-15 | Trimble Navigation Ltd. | Guidance pattern allowing for access paths |
DE10130665A1 (de) | 2001-06-28 | 2003-01-23 | Deere & Co | Vorrichtung zur Messung der Menge von auf einem Feld stehenden Pflanzen |
DE10133191A1 (de) | 2001-07-07 | 2003-01-16 | Deere & Co | Landwirtschaftliche Bestellkombination |
DE10134141A1 (de) | 2001-07-13 | 2003-02-06 | Deere & Co | Verteilvorrichtung für aus einer Erntemaschine austretendes Häckselgut |
US6553300B2 (en) | 2001-07-16 | 2003-04-22 | Deere & Company | Harvester with intelligent hybrid control system |
US6591591B2 (en) | 2001-07-30 | 2003-07-15 | Deere & Company | Harvester speed control with header position input |
US6834550B2 (en) | 2001-09-10 | 2004-12-28 | The Regents Of The University Of California | Soil profile force measurement using an instrumented tine |
US6592453B2 (en) | 2001-09-27 | 2003-07-15 | Deere & Company | Harvester feedrate control with tilt compensation |
US6741921B2 (en) | 2001-10-05 | 2004-05-25 | Caterpillar Inc | Multi-stage truck assignment system and method |
US6655351B2 (en) | 2001-10-24 | 2003-12-02 | Deere & Company | Vehicle engine control |
US7034666B2 (en) | 2002-02-20 | 2006-04-25 | Scott William Knutson | Device used to aid in the loading and unloading of vehicles and implements |
US6943824B2 (en) | 2002-03-13 | 2005-09-13 | Deere & Company | Image processing spout control system |
US7761334B2 (en) | 2002-03-20 | 2010-07-20 | Deere & Company | Method and system for automated tracing of an agricultural product |
US6726559B2 (en) | 2002-05-14 | 2004-04-27 | Deere & Company | Harvester with control system considering operator feedback |
NL1020804C2 (nl) | 2002-06-06 | 2003-12-09 | Lely Entpr Ag | Werkwijze en systeem voor het uitvoeren van ten minste twee landbouwbewerkingen op een landbouwperceel. |
NL1020792C2 (nl) | 2002-06-06 | 2003-12-09 | Lely Entpr Ag | Landbouwmachine voor het uitvoeren van een landbouwbewerking. |
US7062368B2 (en) | 2002-06-11 | 2006-06-13 | Cnh America Llc | Combine having a system estimator to automatically estimate and dynamically change a target control parameter in a control algorithm |
DE10230474A1 (de) | 2002-07-06 | 2004-01-15 | Deere & Company, Moline | Einrichtung zur Dokumentierung des Betriebs eines Zusatzgeräts für eine Arbeitsmaschine |
US6681551B1 (en) | 2002-07-11 | 2004-01-27 | Deere & Co. | Programmable function control for combine |
GB0217297D0 (en) | 2002-07-26 | 2002-09-04 | Cnh Belgium Nv | Methods of optimising stochastic processing parameters in crop harvesting machines |
US7103451B2 (en) | 2002-08-19 | 2006-09-05 | Intime, Inc. | Method and system for spatially variable rate application of agricultural chemicals based on remotely sensed vegetation data |
DE10240219A1 (de) | 2002-08-28 | 2004-03-11 | Claas Selbstfahrende Erntemaschinen Gmbh | Vorrichtung zur Steuerung einer Überladeeinrichtung |
US6687616B1 (en) | 2002-09-09 | 2004-02-03 | Pioneer Hi-Bred International, Inc. | Post-harvest non-containerized reporting system |
US20040073468A1 (en) | 2002-10-10 | 2004-04-15 | Caterpillar Inc. | System and method of managing a fleet of machines |
EP1410715A1 (en) | 2002-10-19 | 2004-04-21 | Bayer CropScience GmbH | Combinations of aryloxyphenoxypropionates and safeners and their use for increasing weed control |
DE10303516A1 (de) | 2003-01-30 | 2004-08-12 | Amazonen-Werke H. Dreyer Gmbh & Co. Kg | Vorrichtung zum Bearbeiten und/oder Bestellen von landwirtschaftlichen Flächen |
US7047133B1 (en) | 2003-01-31 | 2006-05-16 | Deere & Company | Method and system of evaluating performance of a crop |
US6999877B1 (en) | 2003-01-31 | 2006-02-14 | Deere & Company | Method and system of evaluating performance of a crop |
WO2004083531A2 (en) | 2003-03-13 | 2004-09-30 | Burton James D | Soil sampler apparatus and method |
DE10314573A1 (de) | 2003-03-31 | 2004-10-28 | Henkel Kgaa | Verfahren zum rechnergestützten Regeln einer Mehrzahl von in Serie miteinander gekoppelten Maschinen, Regelungseinrichtung und Maschinen-Anordnung |
US6907336B2 (en) | 2003-03-31 | 2005-06-14 | Deere & Company | Method and system for efficiently traversing an area with a work vehicle |
IL156478A0 (en) | 2003-06-17 | 2004-07-25 | Odf Optronics Ltd | Compact rotating observation assembly with a separate receiving and display unit |
WO2005012866A2 (en) | 2003-07-30 | 2005-02-10 | Bbnt Solutions Llc | Soil compaction measurement on moving platform |
DE10342922A1 (de) | 2003-09-15 | 2005-05-19 | Claas Selbstfahrende Erntemaschinen Gmbh | Häcksel- und Verteilvorrichtung |
EP1516961B1 (de) | 2003-09-19 | 2013-12-25 | Ammann Aufbereitung AG | Verfahren zur Ermittlung einer Bodensteifigkeit und Bodenverdichtungsvorrichtung |
US7408145B2 (en) | 2003-09-23 | 2008-08-05 | Kyle Holland | Light sensing instrument with modulated polychromatic source |
UY28683A1 (es) | 2003-12-19 | 2005-08-31 | Basf Ag | Fenilalanina- amidas sustituidas por benzilo- |
US7191062B2 (en) | 2003-12-22 | 2007-03-13 | Caterpillar Inc | Method and system of forecasting compaction performance |
US8407157B2 (en) | 2003-12-22 | 2013-03-26 | Deere & Company | Locating harvested material within a work area |
US20050150202A1 (en) | 2004-01-08 | 2005-07-14 | Iowa State University Research Foundation, Inc. | Apparatus and method for monitoring and controlling an agricultural harvesting machine to enhance the economic harvesting performance thereof |
JP2005227233A (ja) | 2004-02-16 | 2005-08-25 | Taisei Corp | 地盤密度の測定システム |
DE102004011789A1 (de) | 2004-03-09 | 2005-09-29 | Claas Selbstfahrende Erntemaschinen Gmbh | Vorrichtung zum Erfassen eines Ladewagens |
KR20070004607A (ko) | 2004-03-27 | 2007-01-09 | 바이엘 크롭사이언스 게엠베하 | 설포닐우레아의 용도 |
DE102004025135B4 (de) | 2004-05-17 | 2006-04-20 | Pt-Poly-Tec Gmbh Vertrieb Und Herstellung Von Dichtsystemen | Verfahren und Anordnung zur Leckagevorwarnung und Bauteilpositionierungsanzeige bei Muffenverbindungen |
US20070199903A1 (en) | 2004-05-18 | 2007-08-30 | Denney Larry W | System For Removing Solids From Aqueous Solutions |
US20050283314A1 (en) | 2004-06-10 | 2005-12-22 | Pioneer Hi-Bred International, Inc. | Apparatus, method and system of information gathering and use |
US7261632B2 (en) | 2004-06-21 | 2007-08-28 | Deere & Company | Self-propelled harvesting machine |
DE102004031211A1 (de) | 2004-06-28 | 2006-02-09 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren und Vorrichtung zur Steuerung einer landwirtschaftlichen Arbeitsmaschine |
DE102004034799A1 (de) | 2004-07-19 | 2006-03-16 | Claas Selbstfahrende Erntemaschinen Gmbh | Kommunikationssystem für mobile und stationäre Einrichtungen |
DE102004039460B3 (de) | 2004-08-14 | 2006-04-20 | Deere & Company, Moline | System zur Bestimmung der relativen Position eines zweiten landwirtschaftlichen Fahrzeugs in Bezug auf ein erstes landwirtschaftliches Fahrzeug |
US7703036B2 (en) | 2004-08-16 | 2010-04-20 | Microsoft Corporation | User interface for displaying selectable software functionality controls that are relevant to a selected object |
US7398137B2 (en) | 2004-08-25 | 2008-07-08 | Caterpillar Inc. | System and method for remotely controlling machine operations using mapping information |
DE102004043169A1 (de) | 2004-09-03 | 2006-03-09 | Claas Selbstfahrende Erntemaschinen Gmbh | Elektronisches Datenaustauschsystem |
DE202004015141U1 (de) | 2004-09-27 | 2004-12-09 | Weber Maschinentechnik Gmbh | Bodenverdichter |
DE102004052298A1 (de) | 2004-10-06 | 2006-06-08 | Claas Selbstfahrende Erntemaschinen Gmbh | Überladeassistenzsystem |
US7211994B1 (en) | 2004-10-12 | 2007-05-01 | Federal Network Systems Inc. | Lightning and electro-magnetic pulse location and detection for the discovery of land line location |
US7248968B2 (en) | 2004-10-29 | 2007-07-24 | Deere & Company | Obstacle detection using stereo vision |
DE102004061439A1 (de) | 2004-12-17 | 2006-07-13 | Claas Selbstfahrende Erntemaschinen Gmbh | Datengenerierungs- und -übertragungssystem in landwirtschaftlichen Arbeitsmaschinen |
JP2006166871A (ja) | 2004-12-20 | 2006-06-29 | Iseki & Co Ltd | 収穫作業機制御用のコンバイン制御装置 |
DE102004063104A1 (de) | 2004-12-22 | 2006-07-13 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliche Arbeitsmaschine |
DE102005000771A1 (de) | 2005-01-05 | 2006-08-24 | Langlott, Jürgen | Verfahren zur Steuerung einer selbstfahrenden Erntemaschine |
DE102005000770B3 (de) | 2005-01-05 | 2006-07-20 | Langlott, Jürgen | Verfahren zur Steuerung der Arbeitsorgane und der Fahrgeschwindigkeit eines Mähdreschers |
US7194965B2 (en) | 2005-01-06 | 2007-03-27 | Deere & Company | Variety locator |
RU2005102554A (ru) | 2005-02-02 | 2006-07-10 | Дальневосточный научно-исследовательский и проектно-технологический институт механизации и электрификации сельского хоз йства (ГНУ ДальНИПТИМЭСХ) (RU) | Способ оценки уплотненности полей |
DE102005008105A1 (de) | 2005-02-21 | 2006-08-31 | Amazonen-Werke H. Dreyer Gmbh & Co. Kg | Elektronisches Maschinen-Management-System |
US20060200334A1 (en) | 2005-03-07 | 2006-09-07 | Deere & Company, A Delaware Corporation | Method of predicting suitability for a soil engaging operation |
US7167797B2 (en) | 2005-03-07 | 2007-01-23 | Deere & Company | Method of predicting suitability for a crop harvesting operation |
US7167800B2 (en) | 2005-04-12 | 2007-01-23 | Deere & Company | Method of optimizing remote sensing operation timing |
HU3056U (en) | 2005-04-29 | 2006-03-28 | G & G Noevenyvedelmi Es Keresk | Construction for making weed map |
DE102005025318A1 (de) | 2005-06-02 | 2006-12-14 | Deere & Company, Moline | Landwirtschaftliche Erntemaschine mit einer Austrageinrichtung und einem Kollisionssensor |
BRPI0502658A (pt) | 2005-06-28 | 2007-02-13 | Unicamp | sistema e processo de monitoramento de peso em esteiras de transporte de produtos com taliscas |
DE102005031426A1 (de) | 2005-07-04 | 2007-01-18 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren und Vorrichtung zur Optimierung von Betriebsparametern einer landwirtschaftlichen Arbeitsmaschine |
US20070021948A1 (en) | 2005-07-21 | 2007-01-25 | Anderson Noel W | Variable rate prescription generation using heterogenous prescription sources with learned weighting factors |
DE102005038553A1 (de) | 2005-08-12 | 2007-02-22 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zum Überladen von Erntegut |
DE102005043991A1 (de) | 2005-09-14 | 2007-08-09 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Einstellung eines Arbeitsaggregats einer Erntemaschine |
CN100416590C (zh) | 2005-09-23 | 2008-09-03 | 中国农业机械化科学研究院 | 利用位置和纹理特征自动识别作物苗期田间杂草的方法 |
US7302837B2 (en) | 2005-09-27 | 2007-12-04 | Cnh America Llc | Tire inflation system for use with an agricultural implement |
US7945364B2 (en) | 2005-09-30 | 2011-05-17 | Caterpillar Inc. | Service for improving haulage efficiency |
US7725233B2 (en) | 2005-10-25 | 2010-05-25 | Deere & Company | Crop attribute map input for vehicle guidance |
US7827042B2 (en) | 2005-11-30 | 2010-11-02 | The Invention Science Fund I, Inc | Methods and systems related to transmission of nutraceutical associated information |
DE102005059003A1 (de) | 2005-12-08 | 2008-03-27 | Claas Selbstfahrende Erntemaschinen Gmbh | Routenplanungssystem für landwirtschaftliche Arbeitsmaschinen |
ES2311322B1 (es) | 2005-12-16 | 2009-11-30 | Consejo Superior Investigaciones Cientificas | Procedimiento para la discriminacion y mapeo de los rodales de malas hierbas gramineas en cultivos de cereales mediante teledeteccion. |
BRPI0620200A2 (pt) | 2005-12-22 | 2016-08-23 | Basf Se | composto, composição, métodos para usar um composto, para combater pragas de animal, para proteger safras contra ataque ou infestação por pragas de animal, para proteger sementes contra insetos do solo e as raízes das mudas e brotos contra insetos e para tratar, controlar, prevenir ou proteger animais contra infestação ou infecção por parasitas, semente, e, processo para a preparação de uma composição para tratar, controlar, prevenir ou proteger animais contra infestação ou infecção por parasitas |
US7318010B2 (en) | 2006-02-07 | 2008-01-08 | Deere & Company | Method of regulating wireless sensor network energy use |
US20070185749A1 (en) | 2006-02-07 | 2007-08-09 | Anderson Noel W | Method for tracking hand-harvested orchard crops |
US20080276590A1 (en) | 2006-02-10 | 2008-11-13 | Agco Corporation | Flexible draper and cutter bar with tilt arm for cutterbar drive |
US20070208510A1 (en) | 2006-03-02 | 2007-09-06 | Deere & Company, A Delaware Corporation | Method of identifying and localizing drainage tile problems |
DE102006015203A1 (de) | 2006-03-30 | 2007-11-15 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Steuerung von landwirtschaftlichen Maschinensystemen |
DE102006015204A1 (de) | 2006-03-30 | 2007-10-18 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Erstellung eines Routenplans für landwirtschaftliche Maschinensysteme |
US20070239337A1 (en) | 2006-04-10 | 2007-10-11 | Deere & Company, A Delaware Corporation | System and method of optimizing ground engaging operations in multiple-fields |
US7347168B2 (en) | 2006-05-15 | 2008-03-25 | Freightliner Llc | Predictive auxiliary load management (PALM) control apparatus and method |
DE102006026572A1 (de) | 2006-06-06 | 2007-12-13 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren und Vorrichtung zur Anzeige von Fahrzeugbewegungen |
US7313478B1 (en) | 2006-06-08 | 2007-12-25 | Deere & Company | Method for determining field readiness using soil moisture modeling |
DE102006028909A1 (de) | 2006-06-21 | 2007-12-27 | Claas Selbstfahrende Erntemaschinen Gmbh | Kommunikationsnetz und Betriebsverfahren dafür |
MXGT06000012A (es) | 2006-08-01 | 2008-01-31 | Univ Guanajuato | Dispositivo para medir y mapear la compactacion del suelo, acoplable a tractor agricola. |
US20080030320A1 (en) | 2006-08-03 | 2008-02-07 | Deere & Company, A Delaware Corporation | Agricultural lift with data gathering capability |
DE102006045280A1 (de) | 2006-09-22 | 2008-04-03 | Claas Selbstfahrende Erntemaschinen Gmbh | Vorrichtung und Verfahren zur Koordination eines Maschinenparks |
CZ17266U1 (cs) | 2006-11-09 | 2007-02-15 | Šarec@Ondrej | Zařízení pro měření utužení půdy - penetrometr |
US7628059B1 (en) | 2006-11-22 | 2009-12-08 | The Toro Company | Mobile turf instrument apparatus having driven, periodically insertable, ground penetrating probe assembly |
US20080140431A1 (en) | 2006-12-07 | 2008-06-12 | Noel Wayne Anderson | Method of performing an agricultural work operation using real time prescription adjustment |
EP1938686A1 (de) | 2006-12-29 | 2008-07-02 | Bayer CropScience AG | Substituierte 1-(3-Pyridinyl)pyrazol-4-yl-essigsäuren, Verfahren zu deren Herstellung und deren Verwendung als Herbizide und Pflanzenwachstumsregulatoren |
US9615501B2 (en) | 2007-01-18 | 2017-04-11 | Deere & Company | Controlling the position of an agricultural implement coupled to an agricultural vehicle based upon three-dimensional topography data |
CN101236188B (zh) | 2007-01-31 | 2011-04-13 | 北京林业大学 | 土壤水分无线测量装置 |
DE102007016670A1 (de) | 2007-04-04 | 2008-10-09 | Claas Selbstfahrende Erntemaschinen Gmbh | Selbstfahrende landwirtschaftliche Erntemaschine mit steuerbarer Überladeeinrichtung |
BRPI0808408B1 (pt) | 2007-04-05 | 2018-04-17 | Iowa State University Research Foundation, Inc. | Sistema de colheita de resíduo de cultura para uma máquina de colheita, máquina de colheita e método para colher uma cultura usando uma máquina de colheita |
DE102007018743A1 (de) | 2007-04-22 | 2008-10-23 | Bomag Gmbh | Verfahren und System zur Steuerung von Verdichtungsmaschinen |
US7487024B2 (en) | 2007-04-26 | 2009-02-03 | Cnh America Llc | Apparatus and method for automatically setting operating parameters for a remotely adjustable spreader of an agricultural harvesting machine |
EP1987718A1 (de) | 2007-04-30 | 2008-11-05 | Bayer CropScience AG | Verwendung von Pyridin-2-oxy-3-carbonamiden als Safener |
US8010261B2 (en) | 2007-05-23 | 2011-08-30 | Cnh America Llc | Automatic steering correction of an agricultural harvester using integration of harvester header row sensors and harvester auto guidance system |
TW200904330A (en) | 2007-06-15 | 2009-02-01 | Bayer Cropscience Sa | Pesticidal composition comprising a strigolactone derivative and a fungicide compound |
TW200904331A (en) | 2007-06-15 | 2009-02-01 | Bayer Cropscience Sa | Pesticidal composition comprising a strigolactone derivative and an insecticide compound |
FR2901291B1 (fr) | 2007-07-06 | 2020-10-09 | Soc Du Canal De Provence Et Damenagement De La Region Provencale | Dispositif pour mesurer le tassement du sol soutenant une construction |
DE102007032309A1 (de) | 2007-07-11 | 2009-01-15 | Deere & Company, Moline | Bedienvorrichtung |
EP2020174B1 (en) | 2007-08-03 | 2012-02-29 | AGROCOM GmbH & Co. Agrarsystem KG | Agricultural working machine |
CA2694963C (en) | 2007-08-13 | 2015-11-24 | Dow Agrosciences, Llc | 2-(2-fluoro-substituted phenyl)-6-amino-5-chloro-4-pyrimidinecarboxylates and their use as herbicides |
US8073235B2 (en) | 2007-08-13 | 2011-12-06 | Pioneer Hi-Bred International, Inc. | Method and system for digital image analysis of ear traits |
GB0717986D0 (en) | 2007-09-14 | 2007-10-24 | Cnh Belgium Nv | A method and apparatus for detecting errors in electronically processed images |
US9173339B2 (en) | 2007-09-26 | 2015-11-03 | Precision Planting Llc | System and method for determining proper downforce for a planter row unit |
US8060283B2 (en) | 2007-10-15 | 2011-11-15 | Deere & Company | Method and system for controlling the loading of a container associated with a vehicle |
EP2052616A1 (de) | 2007-10-24 | 2009-04-29 | Bayer CropScience AG | Herbizid-Safener-Kombination |
EP2052604A1 (de) | 2007-10-24 | 2009-04-29 | Bayer CropScience AG | Salz des 2-lodo-N-[(4-methoxy-6-methyl-1,3,5-triazin-2-yl)carbamoyl] benzolsulfonamids,Verfahren zu deren Herstellung, sowie deren Verwendung als Herbizide und Pflanzenwachstumregulatoren |
DE102007053912A1 (de) | 2007-11-09 | 2009-05-14 | Claas Selbstfahrende Erntemaschinen Gmbh | Überladeassistenzsystem |
US8024074B2 (en) | 2007-12-07 | 2011-09-20 | Deere & Company | System and method of managing substances in a plant root zone |
US8924030B2 (en) | 2008-01-24 | 2014-12-30 | Cnh Industrial America Llc | Method and apparatus for optimization of agricultural field operations using weather, product and environmental information |
US8190335B2 (en) | 2008-02-04 | 2012-05-29 | Caterpillar Inc. | Performance management system for multi-machine worksite |
AU2009214835B2 (en) | 2008-02-13 | 2014-04-10 | Grains Research And Development Corporation | Weed and volunteer crop seed destruction |
US20090216410A1 (en) | 2008-02-26 | 2009-08-27 | William Edward Allen | Automated machine management system with destination selection |
DE102008015277A1 (de) | 2008-03-20 | 2009-09-24 | Deere & Company, Moline | Verfahren und Vorrichtung zur Lenkung einer zweiten landwirtschaftlichen Maschine, die relativ zu einer ersten landwirtschaftlichen Maschine über ein Feld lenkbar ist |
US20090259483A1 (en) | 2008-04-11 | 2009-10-15 | Larry Lee Hendrickson | Method for making a land management decision based on processed elevational data |
US8060269B2 (en) | 2008-04-16 | 2011-11-15 | Cnh America Llc | Swath line creation including slope compensation for an automatic guidance system of a work vehicle |
DE102008020494A1 (de) | 2008-04-23 | 2009-10-29 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zum Koordinieren von fahrbaren landwirtschaftlichen Maschinen |
DE102008021785A1 (de) | 2008-04-30 | 2009-11-05 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren und Vorrichtung zum Koordinieren eines Bearbeitungsvorgangs von landwirtschaftlicher Fläche |
CN201218789Y (zh) | 2008-05-09 | 2009-04-08 | 昆明理工大学 | 一种手持式定压土壤压实度测量装置 |
CA2629555A1 (en) | 2008-05-14 | 2009-11-14 | Gerard Voon | Related/overlapping innovations in health/energy/transport/farming and infrastructure |
DE102008002006A1 (de) | 2008-05-27 | 2009-12-03 | Deere & Company, Moline | Steueranordnung zur Kontrolle des Überladens landwirtschaftlichen Ernteguts von einer Erntemaschine auf ein Transportfahrzeug |
DE102008027282A1 (de) | 2008-06-06 | 2009-12-10 | Claas Industrietechnik Gmbh | Landwirtschaftliches Fahrzeug und Betriebsverfahren dafür |
US8175775B2 (en) | 2008-06-11 | 2012-05-08 | Cnh America Llc | System and method employing short range communications for establishing performance parameters of an exemplar agricultural machine among a plurality of like-purpose agricultural machines |
DE102008027906A1 (de) | 2008-06-12 | 2009-12-17 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliche Erntemaschine |
US8147176B2 (en) | 2008-06-17 | 2012-04-03 | Deere & Company | Work machine and unloading system for unloading an agricultural product from a work machine |
ES2332567B1 (es) | 2008-06-27 | 2011-02-10 | Consejo Superior Investigacion | Procedimiento automatico para seccionar imagenes remotas y caracterizar indicadores agronomicos y ambientales en las mismas |
US8032255B2 (en) | 2008-06-30 | 2011-10-04 | Deere & Company | Monitoring of bin level for an agricultural product |
CN101303338B (zh) | 2008-07-01 | 2011-10-05 | 中国农业大学 | 一种车载行进式土壤坚实度传感器 |
WO2010003421A1 (en) | 2008-07-08 | 2010-01-14 | Aarhus Universitet | Method for optimizing harvesting of crops |
DE102008032418A1 (de) | 2008-07-10 | 2010-01-14 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftlicher Maschinenverband |
BRPI0802384B1 (pt) | 2008-07-23 | 2019-04-30 | Roberto Shiniti Sako | Penetrômetro portátil para análise de compactação de solo |
KR100974892B1 (ko) | 2008-08-01 | 2010-08-11 | 한국철도기술연구원 | 지반의 다짐 품질 측정 방법 |
US9152938B2 (en) | 2008-08-11 | 2015-10-06 | Farmlink Llc | Agricultural machine and operator performance information systems and related methods |
US8280595B2 (en) | 2008-08-12 | 2012-10-02 | Cnh America Llc | System and method employing short range communications for communicating and exchanging operational and logistical status information among a plurality of agricultural machines |
US8195342B2 (en) | 2008-09-11 | 2012-06-05 | Deere & Company | Distributed knowledge base for vehicular localization and work-site management |
US8195358B2 (en) | 2008-09-11 | 2012-06-05 | Deere & Company | Multi-vehicle high integrity perception |
US8818567B2 (en) | 2008-09-11 | 2014-08-26 | Deere & Company | High integrity perception for machine localization and safeguarding |
US9235214B2 (en) | 2008-09-11 | 2016-01-12 | Deere & Company | Distributed knowledge base method for vehicular localization and work-site management |
US8224500B2 (en) | 2008-09-11 | 2012-07-17 | Deere & Company | Distributed knowledge base program for vehicular localization and work-site management |
US8478493B2 (en) | 2008-09-11 | 2013-07-02 | Deere & Company | High integrity perception program |
US8145393B2 (en) | 2008-09-17 | 2012-03-27 | Cnh America Llc | System and method employing short range communications for interactively coordinating unloading operations between a harvester and a grain transport |
GB0817172D0 (en) | 2008-09-19 | 2008-10-29 | Cnh Belgium Nv | Control system for an agricultural harvesting machine |
CN101363833B (zh) | 2008-09-25 | 2012-02-22 | 中国科学院地质与地球物理研究所 | 一种土体击实排水模型试验装置 |
DE102008050460A1 (de) | 2008-10-08 | 2010-04-15 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Einsatzsteuerung von landwirtschaftlichen Maschinen |
US8639408B2 (en) | 2008-10-15 | 2014-01-28 | Deere & Company | High integrity coordination system for multiple off-road vehicles |
DE102008056557A1 (de) | 2008-11-10 | 2010-05-12 | Claas Selbstfahrende Erntemaschinen Gmbh | Erstellung von Bilddatenbanken für Bildauswertung |
DE102008061252A1 (de) | 2008-11-24 | 2010-05-27 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Unterstützung der Automatisierung landwirtschaftlicher Leistungen |
EP2191719A1 (de) | 2008-11-29 | 2010-06-02 | Bayer CropScience AG | Herbizid-Safener-Kombination |
KR101067576B1 (ko) | 2008-12-03 | 2011-09-27 | 한국수자원공사 | 성토재료의 다짐특성 실내 측정방법 및 장치 |
US8577537B2 (en) | 2008-12-16 | 2013-11-05 | Agco Corporation | Methods and systems for optimizing performance of vehicle guidance systems |
EP2210879A1 (de) | 2008-12-30 | 2010-07-28 | Bayer CropScience AG | Pyrimidinderivate und ihre Verwendung zur Bekämpfung unerwünschten Pflanzenwachstums |
DE102009009817A1 (de) | 2009-02-20 | 2010-08-26 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliches Arbeitsfahrzeug und Steuereinheit dafür |
DE102009009767A1 (de) | 2009-02-20 | 2010-08-26 | Claas Selbstfahrende Erntemaschinen Gmbh | Fahrerassistenzsystem für landwirtschaftliche Arbeitsmaschine |
CN101929166B (zh) | 2009-04-14 | 2012-08-08 | 洛阳路为电子科技有限公司 | 便携式土基密实度测量仪 |
US8321365B2 (en) | 2009-04-21 | 2012-11-27 | Deere & Company | Horticultural knowledge base for managing yards and gardens |
US9538714B2 (en) | 2009-04-21 | 2017-01-10 | Deere & Company | Managing resource prescriptions of botanical plants |
US7993188B2 (en) | 2009-06-09 | 2011-08-09 | Deere & Company | Variable rate diverter for a crop residue collecting device carried by a combine harvester |
DE102009025438A1 (de) | 2009-06-16 | 2011-01-05 | Claas Selbstfahrende Erntemaschinen Gmbh | Routenplanungsverfahren und -system |
US20100319941A1 (en) | 2009-06-22 | 2010-12-23 | Agco Corp. | Trenching Device And System |
DE102009027245A1 (de) | 2009-06-26 | 2010-12-30 | Deere & Company, Moline | Steueranordnung zur Kontrolle des Überladens landwirtschaftlichen Ernteguts von einer Erntemaschine auf ein Transportfahrzeug |
KR20110018582A (ko) | 2009-08-18 | 2011-02-24 | 진성기 | 약액형 및 분말형 고화제를 이용한 고화 흙벽돌 및 블록 제작 방법 |
EP2311307B1 (en) | 2009-09-07 | 2011-12-07 | CLAAS Agrosystems GmbH & Co. KG | A filling degree gauge, an agricultural vehicle comprising such gauge, and a method of controlling filling of a target area |
DE102009041646A1 (de) | 2009-09-17 | 2011-03-24 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliche Maschine mit Autopilot |
US20110224873A1 (en) | 2009-09-17 | 2011-09-15 | Reeve David R | Vehicle assembly controller with automaton framework and control method |
AU2010224431A1 (en) | 2009-09-29 | 2011-04-14 | Riteway Holdings Australia Pty Ltd | An apparatus to be used in conjunction with a grain harvester for collecting weeds, weed seeds, chaff and so forth |
US9345194B2 (en) | 2009-09-30 | 2016-05-24 | Cnh Industrial America Llc | Automatic display of remote camera image |
CZ20252U1 (cs) | 2009-10-06 | 2009-11-16 | Šarec@Petr | Přístroj pro měření utužení půdy s laserovým snímáním hloubky - laserový penetrometr |
US8082809B2 (en) | 2009-10-08 | 2011-12-27 | Pioneer Hi-Bred International, Inc. | Combine harvester and associated method for selectively gathering grain test data |
US8344897B2 (en) | 2009-10-12 | 2013-01-01 | Agco Corporation | System and method for assisting in the refilling of agricultural vehicles |
KR101134075B1 (ko) | 2009-10-13 | 2012-04-13 | 한국건설기술연구원 | 지반다짐장비의 이동에 따른 지반의 연속 다짐정보 제공장치 및 이를 이용한 지반의 연속 다짐정보 제공방법 |
US8738238B2 (en) | 2009-11-12 | 2014-05-27 | Deere & Company | Coordination of vehicle movement in a field |
EP2503867B1 (en) | 2009-11-25 | 2018-04-25 | Aarhus Universitet | System for reducing compaction of soil |
US8635903B2 (en) | 2009-12-22 | 2014-01-28 | Caterpillar Paving Products Inc. | Method and system for compaction measurement |
US20110160961A1 (en) | 2009-12-29 | 2011-06-30 | Agco Corporation | Guidance using a worked edge for wayline generation |
DE102010004648A1 (de) | 2010-01-13 | 2011-07-14 | CLAAS Selbstfahrende Erntemaschinen GmbH, 33428 | Erntemaschine, insbesondere Feldhäcksler |
EP2524269B1 (en) | 2010-01-15 | 2017-08-30 | Leica Geosystems AG | A system and method of data sharing |
CN102138383A (zh) | 2010-01-28 | 2011-08-03 | 中国农业机械化科学研究院 | 一种联合收割机谷物损失空间分布的测量方法及其装置 |
EP2353353A1 (en) | 2010-02-05 | 2011-08-10 | Flander's Mechatronics Technology Centre v.z.w. | In use adaptation of schedule for multi-vehicle ground processing operations |
RU2421744C1 (ru) | 2010-02-15 | 2011-06-20 | Открытое акционерное общество "Научно-исследовательский институт приборостроения имени В.В. Тихомирова" | Компактный полигон для измерения характеристик различных антенных систем |
US10537061B2 (en) | 2010-02-26 | 2020-01-21 | Cnh Industrial America Llc | System and method for controlling harvest operations |
JP5522785B2 (ja) | 2010-03-19 | 2014-06-18 | 株式会社日立ソリューションズ | 農作業車両運行管理システム |
JP2011205967A (ja) | 2010-03-30 | 2011-10-20 | Takayuki Nishida | 水田における雑草の発生防止用ロボット |
US20110257850A1 (en) | 2010-04-14 | 2011-10-20 | Reeve David R | Vehicle assembly control system and method for composing or decomposing a task |
US8527157B2 (en) | 2010-04-28 | 2013-09-03 | Deere & Company | Agricultural combine and draper header |
US8463510B2 (en) | 2010-04-30 | 2013-06-11 | Cnh America Llc | GPS controlled residue spread width |
CN101839906B (zh) | 2010-05-10 | 2013-10-09 | 吉林大学 | 一种具有耐磨几何结构表面的锥形触土部件 |
CA135611S (en) | 2010-05-19 | 2011-05-05 | Rhonda Genest | Weed removing and grooming garden hand tool |
WO2011150353A1 (en) | 2010-05-28 | 2011-12-01 | Gvm, Inc. | Remote management system for equipment |
US8380401B2 (en) | 2010-06-09 | 2013-02-19 | Cnh America Llc | Automatic grain transfer control system based on real time modeling of a fill level profile for regions of the receiving container |
DE102010017687A1 (de) * | 2010-07-01 | 2012-01-05 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Einstellung zumindest eines Arbeitsorganes einer selbstfahrenden Erntemaschine |
BE1019422A3 (nl) | 2010-07-14 | 2012-07-03 | Cnh Belgium Nv | Werkwijze en toestel voor voorspellende sturing van een landbouwvoertuigsysteem. |
DE102010038661B4 (de) | 2010-07-29 | 2020-07-02 | Deere & Company | Erntemaschine mit einem an einem Fluggerät befestigten Sensor |
US8544397B2 (en) | 2010-09-15 | 2013-10-01 | Dawn Equipment Company | Row unit for agricultural implement |
DE102010053331A1 (de) | 2010-09-28 | 2012-03-29 | Lacos Computerservice Gmbh | Verfahren und Navigationsvorrichtung zur Optimierung des Transportes landwirtschaftlicher Produkte |
US9043129B2 (en) | 2010-10-05 | 2015-05-26 | Deere & Company | Method for governing a speed of an autonomous vehicle |
US9072227B2 (en) | 2010-10-08 | 2015-07-07 | Deere & Company | System and method for improvement of harvest with crop storage in grain bags |
US8789563B2 (en) | 2010-10-12 | 2014-07-29 | Deere & Company | Intelligent grain bag loader |
US8677724B2 (en) | 2010-10-25 | 2014-03-25 | Deere & Company | Round baler for baling crop residue |
US8596194B2 (en) | 2010-10-28 | 2013-12-03 | Deere & Company | Method and apparatus for determining fraction of hay at different moisture levels |
DE102010043854B4 (de) | 2010-11-12 | 2016-01-14 | Deere & Company | Steueranordnung zur Kontrolle des Überladens landwirtschaftlichen Ernteguts von einer Erntemaschine auf ein Transportfahrzeug |
DE102010052713A1 (de) | 2010-11-26 | 2012-05-31 | Bomag Gmbh | Verfahrbare Vorrichtung zur Verdichtung eines Bodenschichtaufbaus und Verfahren zur Ermittlung eines Schicht-E-Moduls einer obersten Schicht dieses Bodenschichtaufbaus |
GB2492954A (en) | 2010-12-06 | 2013-01-23 | Agco Corp | A system for automatic agricultural reporting |
RU2447640C1 (ru) | 2010-12-08 | 2012-04-20 | Василий Васильевич Ефанов | Способ управления технологическим процессом уборочной машины и система для его осуществления |
CN102080373B (zh) | 2010-12-09 | 2012-07-04 | 西安建筑科技大学 | 用ddc桩和桩基础联合处理黄土地基湿陷性的施工方法 |
EP2661645B1 (en) | 2011-01-04 | 2019-08-28 | The Climate Corporation | Methods for generating soil maps and application prescriptions |
ITTO20110133A1 (it) | 2011-02-16 | 2012-08-17 | Cnh Italia Spa | Sistema di comunicazione senza fili per veicoli agricoli |
US8606454B2 (en) | 2011-02-18 | 2013-12-10 | Cnh America Llc | System and method for synchronized control of a harvester and transport vehicle |
US8463460B2 (en) | 2011-02-18 | 2013-06-11 | Caterpillar Inc. | Worksite management system implementing anticipatory machine control |
AU2011359328B2 (en) | 2011-02-18 | 2015-06-11 | Cnh Industrial America Llc | System and method for trajectory control of a transport vehicle used with a harvester |
US8655505B2 (en) | 2011-02-18 | 2014-02-18 | Caterpillar Inc. | Worksite management system implementing remote machine reconfiguration |
US9002591B2 (en) | 2011-02-18 | 2015-04-07 | Cnh Industrial America Llc | Harvester spout control system and method |
WO2012110544A1 (en) | 2011-02-18 | 2012-08-23 | Cnh Belgium N.V. | Harvester spout control system and method |
BRPI1100258A2 (pt) | 2011-02-28 | 2014-03-11 | Apagri Consultoria Agronomica Ltda | Processo para obtenção de mapas de aplicação em taxa variada de herbicidas pré-emergentes |
US8577561B2 (en) | 2011-03-08 | 2013-11-05 | Deere & Company | Control system and method of operating a product distribution machine |
DE102011005400B4 (de) | 2011-03-11 | 2015-05-28 | Deere & Company | Anordnung und Verfahren zur Abschätzung des Füllgrades beim Überladen landwirtschaftlichen Ernteguts von einer Erntemaschine auf ein Transportfahrzeug |
US10318138B2 (en) | 2011-03-11 | 2019-06-11 | Intelligent Agricultural Solutions Llc | Harvesting machine capable of automatic adjustment |
US9629308B2 (en) | 2011-03-11 | 2017-04-25 | Intelligent Agricultural Solutions, Llc | Harvesting machine capable of automatic adjustment |
US9631964B2 (en) | 2011-03-11 | 2017-04-25 | Intelligent Agricultural Solutions, Llc | Acoustic material flow sensor |
US9043096B2 (en) | 2011-03-31 | 2015-05-26 | Ag Leader Technology | Combine bin level monitoring system |
DE102011001858A1 (de) | 2011-04-07 | 2012-10-11 | Claas Selbstfahrende Erntemaschinen Gmbh | Vorrichtung und Verfahren zur Überwachung der Befahrbarkeit eines Bodens |
DE102011016743A1 (de) | 2011-04-12 | 2012-10-18 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliches Transportfahrzeug und Fahrzeugverbund |
DE102011007511A1 (de) | 2011-04-15 | 2012-10-18 | Deere & Company | Verfahren zur Einstellung einer Reinigungseinrichtung eines Mähdreschers und Reinigungseinrichtung |
DE102011002071A1 (de) | 2011-04-15 | 2012-10-18 | Claas Selbstfahrende Erntemaschinen Gmbh | System und Verfahren zur Steuerung der Erntegutüberladung |
CN102277867B (zh) | 2011-05-13 | 2013-10-09 | 西安建筑科技大学 | 一种湿陷性黄土地基的施工方法 |
CN202110103U (zh) | 2011-05-14 | 2012-01-11 | 长沙亚星数控技术有限公司 | 电液伺服车载式混填土压实度快速测定系统 |
DE102011050474A1 (de) | 2011-05-19 | 2012-11-22 | Amazonen-Werke H. Dreyer Gmbh & Co.Kg | Landwirtschaftliches Gerät |
DE102011050629A1 (de) | 2011-05-25 | 2012-11-29 | Claas Selbstfahrende Erntemaschinen Gmbh | Erntevorrichtung |
EP2529610A1 (en) | 2011-05-30 | 2012-12-05 | Agri-Esprit SAS | Method for harvest monitoring |
CN202119772U (zh) | 2011-06-01 | 2012-01-18 | 王新勇 | 一种车载土基密实度在线测量仪 |
EP3660460A1 (en) | 2011-06-13 | 2020-06-03 | The Climate Corporation | Method of creating prescription maps and plots |
US20130019580A1 (en) | 2011-07-20 | 2013-01-24 | Anderson Noel W | Bidirectional harvesting system |
US20130022430A1 (en) | 2011-07-20 | 2013-01-24 | Anderson Noel W | Material transfer system |
WO2013023964A1 (fr) | 2011-08-12 | 2013-02-21 | Rhodia Operations | Procede de fluoration d'un halogenure metallique en milieu aqueux |
DE102011052688B4 (de) | 2011-08-12 | 2021-02-04 | Andreas Reichhardt | Verfahren und System zur Befüllung von Transportfahrzeugen mit Erntegut |
US8843269B2 (en) | 2011-08-17 | 2014-09-23 | Deere & Company | Vehicle soil pressure management based on topography |
US9511633B2 (en) | 2011-08-17 | 2016-12-06 | Deere & Company | Soil compaction management and reporting |
DE102011082052B4 (de) | 2011-09-02 | 2015-05-28 | Deere & Company | Anordnung und Verfahren zur selbsttätigen Überladung von Erntegut von einer Erntemaschine auf ein Transportfahrzeug |
DE102011082908A1 (de) | 2011-09-19 | 2013-03-21 | Deere & Company | Verfahren und Anordnung zur optischen Beurteilung von Erntegut in einer Erntemaschine |
DE102011054630A1 (de) | 2011-10-20 | 2013-04-25 | Claas Agrosystems GmbH | Visualisierungseinrichtung |
US9011222B2 (en) | 2011-10-21 | 2015-04-21 | Pioneer Hi Bred International, Inc. | Combine harvester and associated method for gathering grain |
EP2771860A4 (en) | 2011-10-24 | 2015-01-21 | Trimble Navigation Ltd | AGRICULTURAL AND GROUND MANAGEMENT |
DE102011085380A1 (de) | 2011-10-28 | 2013-05-02 | Deere & Company | Anordnung und Verfahren zur vorausschauenden Untersuchung von mit einer Erntemaschine aufzunehmenden Pflanzen |
DE102011085977A1 (de) | 2011-11-09 | 2013-05-16 | Deere & Company | Sieb für eine Reinigungseinrichtung eines Mähdreschers |
US20130124239A1 (en) | 2011-11-15 | 2013-05-16 | Uriel Rosa | Crop yield per location measurer |
EP2782438B1 (en) | 2011-11-22 | 2017-06-21 | The Climate Corporation | Stalk sensor apparatus, systems, and methods |
CN202340435U (zh) | 2011-11-28 | 2012-07-25 | 南京工业职业技术学院 | 基于作业路径的玉米产量实时测量系统 |
DE102011120402A1 (de) | 2011-12-03 | 2013-06-06 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Koordinieren einer Transportlogistik sowie Transportlogistiksystem |
BR102012017584B1 (pt) | 2011-12-08 | 2019-03-26 | Agco Do Brasil Máquinas E Equipamentos Agrícolas Ltda. | Sistema e método de auxílio de correção de velocidade |
DE102011121414A1 (de) | 2011-12-17 | 2013-06-20 | Robert Bosch Gmbh | Verfahren und eine Vorrichtung zur Regelung einer Fahrt einer ersten selbstfahrenden Arbeitsmaschine in Bezug zu einer zweiten selbstfahrenden Arbeitsmaschine |
US8801512B2 (en) | 2011-12-19 | 2014-08-12 | Agco Corporation | Method for measuring air efficiency and efficacy in a combine harvester |
US8626406B2 (en) | 2011-12-22 | 2014-01-07 | Deere & Company | Method and system for transferring material between vehicles |
DE102012201333A1 (de) | 2012-01-31 | 2013-08-01 | Deere & Company | Landwirtschaftliche Maschine mit einem System zur selbsttätigen Einstellung eines Bearbeitungsparameters und zugehöriges Verfahren |
US9861040B2 (en) | 2012-02-10 | 2018-01-09 | Deere & Company | Method and stereo vision system for facilitating the unloading of agricultural material from a vehicle |
US9463939B2 (en) | 2012-02-10 | 2016-10-11 | Deere & Company | System and method of material handling using one or more imaging devices on the transferring vehicle and on the receiving vehicle to control the material distribution into the storage portion of the receiving vehicle |
US8649940B2 (en) | 2012-02-10 | 2014-02-11 | Deere & Company | Method and stereo vision system for managing the unloading of an agricultural material from a vehicle |
US9392746B2 (en) | 2012-02-10 | 2016-07-19 | Deere & Company | Artificial intelligence for detecting and filling void areas of agricultural commodity containers |
US8868304B2 (en) | 2012-02-10 | 2014-10-21 | Deere & Company | Method and stereo vision system for facilitating the unloading of agricultural material from a vehicle |
DE102012208554A1 (de) | 2012-05-22 | 2013-11-28 | Hamm Ag | Verfahren zur Planung und Durchführung von Bodenverdichtungsvorgängen, insbesondere zurAsphaltverdichtung |
US9288938B2 (en) | 2012-06-01 | 2016-03-22 | Rowbot Systems Llc | Robotic platform and method for performing multiple functions in agricultural systems |
US20130319941A1 (en) | 2012-06-05 | 2013-12-05 | American Water Works Company, Inc. | Simultaneous recovery of coagulant and acid |
US8930039B2 (en) | 2012-06-11 | 2015-01-06 | Cnh Industrial America Llc | Combine performance evaluation tool |
US9117790B2 (en) | 2012-06-25 | 2015-08-25 | Marvell World Trade Ltd. | Methods and arrangements relating to semiconductor packages including multi-memory dies |
DE102012211001A1 (de) | 2012-06-27 | 2014-01-02 | Deere & Company | Anordnung zur Kontrolle einer Austrageinrichtung einer Erntemaschine mit einer selbsttätigen Positionierung in einer Ruhestellung bei nicht möglichen bzw. stattfindendem Überladevorgang |
RU2502047C1 (ru) | 2012-07-13 | 2013-12-20 | Федеральное государственное бюджетное учреждение науки Институт геологии и минералогии им. В.С. Соболева Сибирского отделения Российской академии наук (Институт геологии и минералогии СО РАН, ИГМ СО РАН) | Способ оценки проходимости местности вне дорог |
DE102013106128A1 (de) | 2012-07-16 | 2014-06-12 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliche Arbeitsmaschine mit zumindest einer Steuerungseinrichtung |
US20140067745A1 (en) | 2012-08-30 | 2014-03-06 | Pioneer Hi-Bred International, Inc. | Targeted agricultural recommendation system |
US9095090B2 (en) | 2012-08-31 | 2015-08-04 | Deere & Company | Pressure-based control system for an agricultural implement |
WO2014046685A1 (en) | 2012-09-24 | 2014-03-27 | Deere & Company | Bidirectional harvesting system |
CN107256579B (zh) | 2012-09-26 | 2021-08-03 | 株式会社久保田 | 收获机、对地作业信息显示方法、装置和记录介质 |
CN104769631A (zh) | 2012-09-26 | 2015-07-08 | 株式会社久保田 | 农业管理系统以及农作物收获机 |
DE202012103730U1 (de) | 2012-09-28 | 2012-10-16 | Agco International Gmbh | Erntemaschine mit einer Überladeeinrichtung |
US20140121882A1 (en) | 2012-10-31 | 2014-05-01 | Brian J. Gilmore | System for Coordinating the Relative Movements of an Agricultural Harvester and a Cart |
CN203053961U (zh) | 2012-11-02 | 2013-07-10 | 昆明理工大学 | 一种土壤压实数据监测装置 |
DE102012220109A1 (de) | 2012-11-05 | 2014-05-08 | Deere & Company | Einrichtung zur Erfassung des Betriebszustands einer Arbeitsmaschine |
DE102012021469A1 (de) | 2012-11-05 | 2014-05-08 | Claas Selbstfahrende Erntemaschinen Gmbh | Assistenzsystem zur Optimierung des Fahrzeugbetriebes |
KR101447197B1 (ko) | 2012-11-07 | 2014-10-06 | 최준성 | 다짐 평가용 동적 관입 시험 장치 및 이를 이용한 다짐 평가 방법 |
DE102012220916A1 (de) | 2012-11-15 | 2014-05-15 | K&K Maschinenentwicklungs GmbH & Co. KG | Verfahren zum Neuherstellen, Sanieren oder Rückbauen einer Schienenfahrbahn |
DE102012221344B3 (de) | 2012-11-22 | 2014-05-15 | Hamm Ag | Umkleidungsanordnung, Bodenbearbeitungswalze und Verfahren zum Anbringen einer Umkleidungsanordnung |
WO2014093814A1 (en) | 2012-12-14 | 2014-06-19 | Agco Corporation | Predictive load estimation through forward vision |
DE102012223434B4 (de) | 2012-12-17 | 2021-03-25 | Deere & Company | Verfahren und Anordnung zur Optimierung eines Betriebsparameters eines Mähdreschers |
US20140172225A1 (en) | 2012-12-19 | 2014-06-19 | Agco Corporation | Speed control in agricultural vehicle guidance systems |
US20140172222A1 (en) | 2012-12-19 | 2014-06-19 | Agco Corporation | Speed control in agricultural vehicle guidance systems |
DE102012223768B4 (de) | 2012-12-19 | 2014-07-03 | Deere & Company | Fremdkörpernachweiseinrichtung für eine landwirtschaftliche Erntemaschine |
US20140172224A1 (en) | 2012-12-19 | 2014-06-19 | Agco Corporation | Speed control in agricultural vehicle guidance systems |
JP6059027B2 (ja) | 2013-01-21 | 2017-01-11 | 株式会社クボタ | 農作業機と農作業管理プログラム |
DE102013001157A1 (de) | 2013-01-24 | 2014-08-07 | Zind Systementwicklungs Gmbh | Fertigungsanlage zur Fertigung von Gefäßen aus Gefäßrohlingen und Fertigungsverfahren |
US9497898B2 (en) | 2013-01-24 | 2016-11-22 | Tribine Industries, LLC | Agricultural harvester unloading assist system and method |
US8955402B2 (en) | 2013-01-25 | 2015-02-17 | Trimble Navigation Limited | Sugar cane yield mapping |
CN203206739U (zh) | 2013-01-25 | 2013-09-25 | 蒋行宇 | 打瓜联合收获机 |
CN103088807B (zh) | 2013-01-30 | 2014-12-10 | 青岛市勘察测绘研究院 | 强夯地基加固处理系统及其方法 |
DE102013201996A1 (de) | 2013-02-07 | 2014-08-07 | Deere & Company | Verfahren zur Einstellung von Arbeitsparametern einer Erntemaschine |
WO2014137533A2 (en) | 2013-02-07 | 2014-09-12 | Brown Owen J Jr | Wireless monitor maintenance and control system |
US9326444B2 (en) | 2013-02-08 | 2016-05-03 | Deere & Company | Method and stereo vision system for facilitating the unloading of agricultural material from a vehicle |
GB2510629B (en) | 2013-02-11 | 2015-10-14 | Kverneland Group Les Landes Genusson | Strip tilling system |
GB2510630B (en) | 2013-02-11 | 2015-08-05 | Kverneland Group Les Landes Genusson | Strip tilling system |
AU2014218502B2 (en) | 2013-02-19 | 2018-07-12 | Grains Research & Development Corporation | Weed seed devitalization arrangement |
US9668420B2 (en) | 2013-02-20 | 2017-06-06 | Deere & Company | Crop sensing display |
US11212962B2 (en) | 2013-02-20 | 2022-01-04 | Deere & Company | Field condition determination |
US9693503B2 (en) | 2013-02-20 | 2017-07-04 | Deere & Company | Crop sensing |
US9066465B2 (en) | 2013-02-20 | 2015-06-30 | Deere & Company | Soil compaction reduction system and method |
US10178828B2 (en) | 2013-02-20 | 2019-01-15 | Deere & Company | Per plant crop sensing resolution |
US20140257911A1 (en) | 2013-03-08 | 2014-09-11 | Deere & Company | Methods and apparatus to schedule refueling of a work machine |
CN103181263A (zh) | 2013-03-11 | 2013-07-03 | 西北农林科技大学 | 一种多机器协作的小麦收割系统 |
US9410840B2 (en) | 2013-03-15 | 2016-08-09 | Raven Industries, Inc. | Multi-variable yield monitor and methods for the same |
US20140277960A1 (en) | 2013-03-18 | 2014-09-18 | Deere & Company | Harvester with fuzzy control system for detecting steady crop processing state |
WO2014160589A1 (en) | 2013-03-24 | 2014-10-02 | Bee Robotics Corporation | Aerial farm robot system for crop dusting, planting, fertilizing and other field jobs |
WO2014156387A1 (ja) | 2013-03-27 | 2014-10-02 | 株式会社クボタ | コンバイン |
AU2014201885B2 (en) | 2013-04-02 | 2018-03-01 | Carnegie Mellon University | Control arrangement and method for controlling a position of a transfer device of a harvesting machine |
US10129528B2 (en) | 2013-04-02 | 2018-11-13 | Deere & Company | Control arrangement and method for controlling a position of a transfer device of a harvesting machine |
US9992932B2 (en) | 2013-04-02 | 2018-06-12 | Deere & Company | Control arrangement and method for controlling a position of a transfer device of a harvesting machine |
DE102014105643A1 (de) | 2013-04-22 | 2014-10-23 | Carnegie Mellon University | Verfahren zur Verbesserung der Robostheit eines automatisierten Endladesystems |
CN203275401U (zh) | 2013-04-24 | 2013-11-06 | 陈金 | 一种新型公路土工击实快速测厚调节仪 |
CN203055121U (zh) | 2013-04-26 | 2013-07-10 | 昆明理工大学 | 一种基于Zigbee技术的土壤压实数据无线传输装置 |
EP2798928B1 (en) | 2013-04-29 | 2024-02-07 | CLAAS E-Systems GmbH | Operating system for and method of operating an automatic guidance system of an agricultural vehicle |
CA2814599A1 (en) | 2013-04-29 | 2014-10-29 | Fieldstone Land Management Inc. | Method and apparatus for tangible effect calculation and compensation |
US10740703B2 (en) | 2013-04-29 | 2020-08-11 | Verge Technologies Inc. | Method and system for determining optimized travel path for agricultural implement on land with obstacle |
DE102013209197A1 (de) | 2013-05-17 | 2014-11-20 | Deere & Company | Erntemaschine mit vorausschauender Vortriebsgeschwindigkeitsregelung |
USD721740S1 (en) | 2013-05-23 | 2015-01-27 | Deere & Company | Display interface or housing thereof |
BE1021150B1 (nl) | 2013-06-03 | 2016-01-13 | Cnh Industrial Belgium Nv | Werkwijze voor het verwerken van belastingssignaal van een balenpers |
DE102013105821A1 (de) | 2013-06-06 | 2014-12-11 | Claas Selbstfahrende Erntemaschinen Gmbh | Erntemaschine zur Aufnahme von Erntegut |
DE102013212151A1 (de) | 2013-06-26 | 2014-12-31 | Robert Bosch Gmbh | Baumaschine mit einer Vibrationseinheit |
DE102013107169A1 (de) | 2013-07-08 | 2015-01-08 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliche Erntemaschine |
US10180328B2 (en) | 2013-07-10 | 2019-01-15 | Agco Coporation | Automating distribution of work in a field |
DE102013012027A1 (de) | 2013-07-19 | 2015-01-22 | Claas Selbstfahrende Erntemaschinen Gmbh | Selbstfahrende Erntemaschine und Fahrzeugverbund |
GB2517049B (en) | 2013-07-28 | 2019-09-11 | Deere & Co | Artificial intelligence for detecting and filling void areas of agricultural commodity containers |
US9301466B2 (en) | 2013-07-29 | 2016-04-05 | Syngenta Participations Ag | Variety corn line HID3259 |
US9188518B2 (en) | 2013-08-19 | 2015-11-17 | Bridgestone Americas Tire Operations, Llc | Ground compaction images |
JP6134609B2 (ja) | 2013-08-28 | 2017-05-24 | ヤンマー株式会社 | 遠隔サーバ |
US9767521B2 (en) | 2013-08-30 | 2017-09-19 | The Climate Corporation | Agricultural spatial data processing systems and methods |
WO2015034876A1 (en) | 2013-09-03 | 2015-03-12 | Agco Corporation | System and method for automatically changing machine control state |
WO2015038751A1 (en) | 2013-09-13 | 2015-03-19 | Agco Corporation | Method to automatically estimate and classify spatial data for use on real time maps |
US9234317B2 (en) | 2013-09-25 | 2016-01-12 | Caterpillar Inc. | Robust system and method for forecasting soil compaction performance |
US9804756B2 (en) | 2013-09-27 | 2017-10-31 | Iteris, Inc. | Comparative data analytics and visualization tool for analyzing traffic performance data in a traffic management system |
WO2015048499A1 (en) | 2013-09-27 | 2015-04-02 | John Earl Acheson | Yield monitor calibration method and system |
US9188986B2 (en) | 2013-10-01 | 2015-11-17 | Jaybridge Robotics, Inc. | Computer-implemented method and system for dynamically positioning a vehicle relative to another vehicle in motion for on-the-fly offloading operations |
JP2015070812A (ja) | 2013-10-03 | 2015-04-16 | ヤンマー株式会社 | 農作物情報管理システム |
WO2015051339A1 (en) | 2013-10-03 | 2015-04-09 | Farmers Business Network, Llc | Crop model and prediction analytics |
US10104824B2 (en) | 2013-10-14 | 2018-10-23 | Kinze Manufacturing, Inc. | Autonomous systems, methods, and apparatus for AG based operations |
US10362733B2 (en) | 2013-10-15 | 2019-07-30 | Deere & Company | Agricultural harvester configured to control a biomass harvesting rate based upon soil effects |
JP6087258B2 (ja) | 2013-10-28 | 2017-03-01 | ヤンマー株式会社 | 遠隔配車サーバ |
BE1021108B1 (nl) | 2013-10-28 | 2016-01-18 | Cnh Industrial Belgium Nv | Ontlaadsystemen |
BE1021164B1 (nl) | 2013-10-28 | 2016-01-18 | Cnh Industrial Belgium Nv | Ontlaadsystemen |
DE102013222122B4 (de) | 2013-10-30 | 2020-10-15 | Mts Maschinentechnik Schrode Ag | Verfahren zum Betreiben eines Bodenverdichtungs- oder Bodenprüfgeräts, sowie Bodenverdichtungs- oder Verdichtungsprüfgerät |
US10371561B2 (en) | 2013-11-01 | 2019-08-06 | Iowa State University Research Foundation, Inc. | Yield measurement and base cutter height control systems for a harvester |
DE102013019098B3 (de) | 2013-11-11 | 2015-01-08 | Hochschule für Technik und Wirtschaft Dresden | System zum Erfassen von Parametern der Umwelt und Umgebung |
BR112016011577B1 (pt) * | 2013-11-20 | 2021-01-12 | Rowbot Systems Llc | plataforma de veículo autônomo, sistema de plataforma de veículo autônomo, robô agrícola e método para a navegação autônoma de um robô agrícola |
CN203613525U (zh) | 2013-11-25 | 2014-05-28 | 杨振华 | 一种公路灰土基层压实度测定取样机 |
CN203658201U (zh) | 2013-12-09 | 2014-06-18 | 长安大学 | 一种用于测量路基土压实度的装置 |
US9714856B2 (en) | 2013-12-13 | 2017-07-25 | Ag Leader Technology, Inc. | Automatic compensation for the effect of grain properties on mass flow sensor calibration |
JP5986064B2 (ja) | 2013-12-25 | 2016-09-06 | Necプラットフォームズ株式会社 | 冷却システムおよび電子機器 |
DE102014100136A1 (de) | 2014-01-08 | 2015-07-09 | Claas Selbstfahrende Erntemaschinen Gmbh | Erntevorrichtung |
CN203741803U (zh) | 2014-01-10 | 2014-07-30 | 瑞和安惠项目管理集团有限公司 | 工程监理用路基压实度检测取土装置 |
DE102014201203A1 (de) | 2014-01-23 | 2015-07-23 | Deere & Company | Landwirtschaftliches Arbeitsfahrzeug mit einem Fluggerät und zugehöriger Stromversorgung |
US20150211199A1 (en) | 2014-01-24 | 2015-07-30 | Caterpillar Inc. | Device and process to measure ground stiffness from compactors |
WO2015120470A1 (en) | 2014-02-10 | 2015-08-13 | Precision Planting Llc | Methods and systems for generating shared collaborative maps |
JP6298313B2 (ja) | 2014-02-18 | 2018-03-20 | 鹿島建設株式会社 | 地盤剛性測定装置、締固め機械及び地盤剛性測定方法 |
DE102014203005B3 (de) | 2014-02-19 | 2015-05-13 | Deere & Company | Vibrationsdämpfende Ansteuerung eines Aktors einer landwirtschaftlichen Arbeitsmaschine |
US20150254800A1 (en) | 2014-03-06 | 2015-09-10 | F12 Solutions, Llc | Nitrogen status determination in growing crops |
NL2012485B1 (en) | 2014-03-20 | 2016-01-18 | Lely Patent Nv | Method and system for navigating an agricultural vehicle on a land area. |
DE102014205233A1 (de) | 2014-03-20 | 2015-09-24 | Deere & Company | Erntemaschine mit vorausschauender Vortriebsgeschwindigkeitsvorgabe |
US9529364B2 (en) | 2014-03-24 | 2016-12-27 | Cnh Industrial America Llc | System for coordinating agricultural vehicle control for loading a truck |
DE102014205503A1 (de) | 2014-03-25 | 2015-10-01 | Hamm Ag | Verfahren zur Korrektur eines Messwerteverlaufs durch das Eliminieren periodisch auftretender Messartefakte, insbesondere bei einem Bodenverdichter |
US9489576B2 (en) | 2014-03-26 | 2016-11-08 | F12 Solutions, LLC. | Crop stand analysis |
BR102014007178B1 (pt) | 2014-03-26 | 2020-12-22 | São Martinho S/A | processo de geração de mapas de aplicação de herbicida em função das espécies de plantas daninhas e teores de argila e matéria orgânica de solo |
CN103954738B (zh) | 2014-04-01 | 2015-11-04 | 中国科学院力学研究所 | 一种测量土体振动传播特性的室内试验装置 |
CA2941026C (en) | 2014-04-01 | 2023-09-05 | Precision Planting Llc | Agricultural implement and implement operator monitoring apparatus, systems, and methods |
DE102014104619A1 (de) | 2014-04-02 | 2015-10-08 | Claas Agrosystems Kgaa Mbh & Co. Kg | Planungssystem und Verfahren zur Planung einer Feldbearbeitung |
US9810679B2 (en) | 2014-04-02 | 2017-11-07 | Colorado School Of Mines | Intelligent pad foot soil compaction devices and methods of using same |
WO2015160837A2 (en) | 2014-04-15 | 2015-10-22 | Raven Industries, Inc. | Reaping based yield monitoring system and method for the same |
US9974226B2 (en) | 2014-04-21 | 2018-05-22 | The Climate Corporation | Generating an agriculture prescription |
US9405039B2 (en) | 2014-04-22 | 2016-08-02 | Deere & Company | Ground engaging member accumulation determination |
US9523180B2 (en) | 2014-04-28 | 2016-12-20 | Deere & Company | Semi-automatic material loading |
DE102014208068A1 (de) | 2014-04-29 | 2015-10-29 | Deere & Company | Erntemaschine mit sensorbasierter Einstellung eines Arbeitsparameters |
DE102014208070A1 (de) | 2014-04-29 | 2015-12-17 | Deere & Company | Die Fahrzeugdynamik berücksichtigendes Kontrollsystem zur Positionssteuerung eines Geräts für ein landwirtschaftliches Arbeitsfahrzeug |
US9446791B2 (en) | 2014-05-09 | 2016-09-20 | Raven Industries, Inc. | Refined row guidance parameterization with Hough transform |
FR3021114B1 (fr) | 2014-05-13 | 2017-08-11 | Sol Solution | Penetrometre dynamique, ensemble de mesure, systeme et methode de determination de la compacite et de la capacite portante d'un sol |
JP6410130B2 (ja) | 2014-05-15 | 2018-10-24 | 株式会社Jsol | 農作物の収穫予測装置、収穫予測システム及び収穫予測方法 |
US9578808B2 (en) | 2014-05-16 | 2017-02-28 | Deere & Company | Multi-sensor crop yield determination |
CN203942803U (zh) * | 2014-05-27 | 2014-11-19 | 北京农业智能装备技术研究中心 | 用于检测谷物产量的装置 |
US10104836B2 (en) | 2014-06-11 | 2018-10-23 | John Paul Jamison | Systems and methods for forming graphical and/or textual elements on land for remote viewing |
BR102015013228B1 (pt) | 2014-06-13 | 2020-11-24 | Cnh Industrial America Llc | SISTEMA E METODO DE CONTROLE PARA UM VEfCULO AGRiCOLA |
DE102014009090B4 (de) | 2014-06-19 | 2017-04-06 | Technische Universität Dresden | Landwirtschaftliches Gerät zur konservierenden Bodenbearbeitung |
WO2015196133A2 (en) * | 2014-06-20 | 2015-12-23 | The Regents Of The University Of California | Energy infrastructure sensor data rectification using regression models |
US20150370935A1 (en) | 2014-06-24 | 2015-12-24 | 360 Yield Center, Llc | Agronomic systems, methods and apparatuses |
CN204000818U (zh) | 2014-07-02 | 2014-12-10 | 四川农业大学 | 一种土壤坚实度测定装置 |
US10126153B2 (en) | 2014-07-22 | 2018-11-13 | Deere & Company | Particulate matter impact sensor |
US10034423B2 (en) | 2014-07-29 | 2018-07-31 | Deere & Company | Biomass sensing |
FR3024772B1 (fr) | 2014-08-07 | 2016-09-02 | Electricite De France | Procede et dispositif pour la determination de la profondeur de l'origine d'un tassement de sol |
US9717178B1 (en) | 2014-08-08 | 2017-08-01 | The Climate Corporation | Systems and method for monitoring, controlling, and displaying field operations |
WO2016025848A1 (en) | 2014-08-15 | 2016-02-18 | Monsanto Technology Llc | Apparatus and methods for in-field data collection and sampling |
US9131644B2 (en) | 2014-08-19 | 2015-09-15 | Iteris, Inc. | Continual crop development profiling using dynamical extended range weather forecasting with routine remotely-sensed validation imagery |
DE102014216593A1 (de) | 2014-08-21 | 2016-02-25 | Deere & Company | Bedienerassistenzsystem für eine landwirtschaftliche Arbeitsmaschine |
UA123573C2 (uk) | 2014-08-22 | 2021-04-28 | Зе Клаймет Корпорейшн | Способи агрономічного та сільськогосподарського моніторингу із застосуванням безпілотних літальних систем |
WO2016032956A1 (en) | 2014-08-27 | 2016-03-03 | Premier Crop Systems, LLC | System and method for controlling machinery for randomizing and replicating predetermined agronomic input levels |
US9829364B2 (en) | 2014-08-28 | 2017-11-28 | Raven Industries, Inc. | Method of sensing volume of loose material |
US10109024B2 (en) | 2014-09-05 | 2018-10-23 | The Climate Corporation | Collecting data to generate an agricultural prescription |
DE102014113001A1 (de) | 2014-09-10 | 2016-03-10 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Steuerung eines Überladeprozesses |
US11080798B2 (en) | 2014-09-12 | 2021-08-03 | The Climate Corporation | Methods and systems for managing crop harvesting activities |
US11113649B2 (en) | 2014-09-12 | 2021-09-07 | The Climate Corporation | Methods and systems for recommending agricultural activities |
US10564316B2 (en) | 2014-09-12 | 2020-02-18 | The Climate Corporation | Forecasting national crop yield during the growing season |
US10085379B2 (en) | 2014-09-12 | 2018-10-02 | Appareo Systems, Llc | Grain quality sensor |
US10667456B2 (en) | 2014-09-12 | 2020-06-02 | The Climate Corporation | Methods and systems for managing agricultural activities |
DE102014113335A1 (de) | 2014-09-16 | 2016-03-17 | Claas Tractor Sas | Landwirtschaftliche Arbeitsmaschine mit und Verfahren zur vorausschauenden Regelung einer Antriebsleistung und/oder eines Antriebsstranges |
US9903979B2 (en) | 2014-09-23 | 2018-02-27 | Deere & Company | Yield estimation |
US10126282B2 (en) | 2014-09-23 | 2018-11-13 | Deere & Company | Yield estimation |
DE102014113887A1 (de) | 2014-09-25 | 2016-03-31 | Claas Selbstfahrende Erntemaschinen Gmbh | Mähdrescher mit einer Verteilvorrichtung |
DE102014113874A1 (de) | 2014-09-25 | 2016-03-31 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zum Überladen bei Erntemaschinen |
DE102014113965A1 (de) | 2014-09-26 | 2016-03-31 | Claas Selbstfahrende Erntemaschinen Gmbh | Mähdrescher mit Fahrerassistenzsystem |
JP2016071726A (ja) | 2014-09-30 | 2016-05-09 | 井関農機株式会社 | 作業情報記憶装置 |
US9807933B2 (en) | 2014-10-20 | 2017-11-07 | Cnh Industrial America Llc | Sensor equipped agricultural harvester |
WO2016076289A1 (ja) | 2014-11-13 | 2016-05-19 | ヤンマー株式会社 | 農用作業車 |
CA2967676C (en) | 2014-11-14 | 2020-03-10 | Bitstrata Systems Inc. | System and method for measuring grain cart weight |
GB201421527D0 (en) | 2014-12-04 | 2015-01-21 | Agco Int Gmbh | Automated agriculture system |
WO2016090212A1 (en) | 2014-12-05 | 2016-06-09 | Board Of Trustees Of Michigan State University | Methods and systems for precision crop management |
DE102014226189B4 (de) | 2014-12-17 | 2017-08-24 | Continental Automotive Gmbh | Verfahren zur Ermittlung eines Unkrautanteils und Landtechnik-Steuereinrichtung |
US9563492B2 (en) | 2015-01-09 | 2017-02-07 | Deere & Company | Service diagnostic trouble code sequencer and method |
US9792557B2 (en) | 2015-01-14 | 2017-10-17 | Accenture Global Services Limited | Precision agriculture system |
CN204435344U (zh) | 2015-01-22 | 2015-07-01 | 中交四公局第二工程有限公司 | 一种用于测定土层压实度的可行走式取样机 |
US9140824B1 (en) | 2015-01-23 | 2015-09-22 | Iteris, Inc. | Diagnosis and prediction of in-field dry-down of a mature small grain, coarse grain, or oilseed crop using field-level analysis and forecasting of weather conditions, crop characteristics, and observations and user input of harvest condition states |
US9009087B1 (en) | 2015-01-23 | 2015-04-14 | Iteris, Inc. | Modeling the impact of time-varying weather conditions on unit costs of post-harvest crop drying techniques using field-level analysis and forecasts of weather conditions, facility metadata, and observations and user input of grain drying data |
WO2016118686A1 (en) | 2015-01-23 | 2016-07-28 | Iteris, Inc. | Modeling of crop growth for desired moisture content of targeted livestock feedstuff for determination of harvest windows using field-level diagnosis and forecasting of weather conditions and observations and user input of harvest condition states |
US20160232621A1 (en) | 2015-02-06 | 2016-08-11 | The Climate Corporation | Methods and systems for recommending agricultural activities |
US20160247079A1 (en) | 2015-02-20 | 2016-08-25 | Iteris, Inc. | Modeling of soil compaction and structural capacity for field trafficability by agricultural equipment from diagnosis and prediction of soil and weather conditions associated with user-provided feedback |
JP2016160808A (ja) | 2015-02-27 | 2016-09-05 | 井関農機株式会社 | コンバインのエンジン制御システム |
US20160260021A1 (en) | 2015-03-06 | 2016-09-08 | William Marek | System and method for improved agricultural yield and efficiency using statistical analysis |
CN204475304U (zh) | 2015-03-17 | 2015-07-15 | 攀枝花天誉工程检测有限公司 | 土工压实度检测成孔器 |
EP3272205B1 (en) | 2015-03-18 | 2022-11-09 | Kubota Corporation | Combine, and grain-evaluation control device for combine |
RO130713B1 (ro) | 2015-03-19 | 2023-05-30 | Universitatea De Ştiinţe Agronomice Şi Medicină Veterinară Din Bucureşti | Sistem automat gis pentru realizarea hărţilor cu distribuţia speciilor de buruieni |
US20180014452A1 (en) | 2015-03-25 | 2018-01-18 | 360 Yield Center, Llc | Agronomic systems, methods and apparatuses |
US10095200B2 (en) | 2015-03-30 | 2018-10-09 | Uop Llc | System and method for improving performance of a chemical plant with a furnace |
DE102015004344A1 (de) | 2015-04-02 | 2016-10-06 | Claas Selbstfahrende Erntemaschinen Gmbh | Mähdrescher |
DE102015004343A1 (de) | 2015-04-02 | 2016-10-06 | Claas Selbstfahrende Erntemaschinen Gmbh | Mähdrescher |
DE102015004174A1 (de) | 2015-04-02 | 2016-10-06 | Claas Selbstfahrende Erntemaschinen Gmbh | Mähdrescher |
DE102015106302A1 (de) * | 2015-04-24 | 2016-10-27 | Claas Selbstfahrende Erntemaschinen Gmbh | Erntesystem mit einer selbstfahrenden Erntemaschine |
US20170270446A1 (en) | 2015-05-01 | 2017-09-21 | 360 Yield Center, Llc | Agronomic systems, methods and apparatuses for determining yield limits |
US9937819B2 (en) | 2015-05-01 | 2018-04-10 | Hyliion Inc. | Motor vehicle accessory to increase power supply and reduce fuel requirements |
US10209235B2 (en) | 2015-05-04 | 2019-02-19 | Deere & Company | Sensing and surfacing of crop loss data |
US9872433B2 (en) * | 2015-05-14 | 2018-01-23 | Raven Industries, Inc. | System and method for adjusting harvest characteristics |
EP3295344A4 (en) | 2015-05-14 | 2019-01-23 | Board of Trustees of Michigan State University | PROCESSES AND SYSTEMS FOR THE ASSESSMENT OF HARVEST AREAS AND ADMINISTRATION OF THE GROWTH OF ERNTEGUT |
CN104904415B (zh) * | 2015-05-14 | 2017-03-01 | 江苏大学 | 一种联合收割机远程测控机载设备及方法 |
US10039231B2 (en) | 2015-05-19 | 2018-08-07 | Deere & Company | System for measuring plant attributes using a priori plant maps |
DE102015006398B3 (de) | 2015-05-21 | 2016-05-04 | Helmut Uhrig Strassen- und Tiefbau GmbH | Bodenverdichtung mit einem Baggeranbauverdichter |
EP3095310B1 (en) | 2015-05-21 | 2018-05-16 | Robert Thomas Farms Ltd | Agricultural apparatus |
US20160342915A1 (en) | 2015-05-22 | 2016-11-24 | Caterpillar Inc. | Autonomous Fleet Size Management |
DE102015108374A1 (de) | 2015-05-27 | 2016-12-01 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Ansteuerung einer selbstfahrenden Erntemaschine |
CN108135122B (zh) | 2015-06-05 | 2021-09-03 | 阿格里斯私人有限公司 | 一种用于控制杂草的装置 |
ES2965819T3 (es) | 2015-06-08 | 2024-04-17 | Climate Llc | Análisis de datos agrícolas |
CN106604629A (zh) | 2015-06-18 | 2017-04-26 | 贝尔&博内特私人有限公司 | 机械化杂草种子管理系统 |
DE102015109799A1 (de) | 2015-06-18 | 2016-12-22 | Claas E-Systems Kgaa Mbh & Co Kg | Verfahren zur Synchronisation zweier unabhängiger, selbstfahrender landwirtschaftlicher Arbeitsmaschinen |
WO2017004074A1 (en) | 2015-06-30 | 2017-01-05 | Precision Planting Llc | Systems and methods for image capture and analysis of agricultural fields |
US10492369B2 (en) | 2015-07-14 | 2019-12-03 | Dean Mayerle | Weed seed destruction |
WO2017008161A1 (en) | 2015-07-14 | 2017-01-19 | Dean Mayerle | Weed seed destruction |
US9968027B2 (en) | 2015-07-14 | 2018-05-15 | Clemson University | Automated control systems and methods for underground crop harvesters |
US9740208B2 (en) | 2015-07-30 | 2017-08-22 | Deere & Company | UAV-based sensing for worksite operations |
CN204989174U (zh) | 2015-08-05 | 2016-01-20 | 中国农业大学 | 一种用于测量土壤压实的试验平台 |
US10015928B2 (en) | 2015-08-10 | 2018-07-10 | Deere & Company | Method and stereo vision system for managing the unloading of an agricultural material from a vehicle |
US9642305B2 (en) | 2015-08-10 | 2017-05-09 | Deere & Company | Method and stereo vision system for managing the unloading of an agricultural material from a vehicle |
DE102015113527A1 (de) | 2015-08-17 | 2017-02-23 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliche Erntemaschine |
DE102015114401A1 (de) | 2015-08-28 | 2017-03-02 | Wittenstein Se | Befestigungssystem für ein Maschinenelement |
US11425865B2 (en) | 2015-08-28 | 2022-08-30 | Tecfarm Pty Ltd | Apparatus and method for processing a crop residue |
JP6502221B2 (ja) | 2015-09-14 | 2019-04-17 | 株式会社クボタ | 作業車支援システム |
DE102015217496A1 (de) | 2015-09-14 | 2017-03-16 | Deere & Company | Verfahren zum Ausbringen von Saatgutpartikeln oder Pflanzen auf ein Feld und eine entsprechende Maschine |
US10183667B2 (en) | 2015-09-15 | 2019-01-22 | Deere & Company | Human presence detection on a mobile machine |
CN105205248B (zh) | 2015-09-17 | 2017-12-08 | 哈尔滨工业大学 | 一种基于ode物理引擎的车辆地形通过性仿真分析组件的设计方法 |
US9696162B2 (en) | 2015-09-17 | 2017-07-04 | Deere & Company | Mission and path planning using images of crop wind damage |
US10025983B2 (en) | 2015-09-21 | 2018-07-17 | The Climate Corporation | Ponding water detection on satellite imagery |
US10188037B2 (en) | 2015-09-24 | 2019-01-29 | Deere & Company | Yield estimation |
US9699967B2 (en) | 2015-09-25 | 2017-07-11 | Deere & Company | Crosswind compensation for residue processing |
JP6770300B2 (ja) | 2015-09-29 | 2020-10-14 | 株式会社ミツトヨ | 計測機器用の信号処理回路 |
EP3150052B1 (en) | 2015-09-30 | 2018-06-13 | CLAAS E-Systems KGaA mbH & Co KG | Crop harvesting machine |
US9807940B2 (en) | 2015-09-30 | 2017-11-07 | Deere & Company | System for prediction and control of drydown for windrowed agricultural products |
EP3358932B2 (de) | 2015-10-05 | 2023-08-23 | BASF Agro Trademarks GmbH | Verfahren zum betreiben einer erntemaschine mit hilfe eines pflanzenwachstumsmodells |
KR20170041377A (ko) | 2015-10-07 | 2017-04-17 | 안범주 | 후방에 설치된 토양 경도 측정 센서를 갖는 차량 |
JP2017077113A (ja) | 2015-10-15 | 2017-04-20 | 株式会社豊田中央研究所 | 無線送電装置、無線受電装置、および無線電力伝送装置 |
US10342174B2 (en) | 2015-10-16 | 2019-07-09 | The Climate Corporation | Method for recommending seeding rate for corn seed using seed type and sowing row width |
US9681605B2 (en) | 2015-10-26 | 2017-06-20 | Deere & Company | Harvester feed rate control |
US20170115862A1 (en) | 2015-10-27 | 2017-04-27 | Cnh Industrial America Llc | Graphical yield monitor real-time data display |
US10080325B2 (en) | 2015-10-27 | 2018-09-25 | Cnh Industrial America Llc | Predictive overlap control model |
US20170112061A1 (en) | 2015-10-27 | 2017-04-27 | Cnh Industrial America Llc | Graphical yield monitor static (previous) data display on in-cab display |
US10586158B2 (en) | 2015-10-28 | 2020-03-10 | The Climate Corporation | Computer-implemented calculation of corn harvest recommendations |
DE102015118767A1 (de) | 2015-11-03 | 2017-05-04 | Claas Selbstfahrende Erntemaschinen Gmbh | Umfelddetektionseinrichtung für landwirtschaftliche Arbeitsmaschine |
EP3371756A1 (en) | 2015-11-05 | 2018-09-12 | AGCO International GmbH | Method and system for determining work trajectories for a fleet of working units in a harvest operation |
US20170127606A1 (en) | 2015-11-10 | 2017-05-11 | Digi-Star, Llc | Agricultural Drone for Use in Controlling the Direction of Tillage and Applying Matter to a Field |
DE102016121523A1 (de) | 2015-11-17 | 2017-05-18 | Lacos Computerservice Gmbh | Verfahren zum prädikativen Erzeugen von Daten zur Steuerung eines Fahrweges und eines Betriebsablaufes für landwirtschaftliche Fahrzeuge und Maschinen |
US10890922B2 (en) | 2015-11-19 | 2021-01-12 | Agjunction Llc | Automated multi-vehicle alignment steering |
DK178711B1 (en) | 2015-11-24 | 2016-11-28 | Green Agro And Transp Aps | Flexible wheel track system for in-field trailer |
US11062223B2 (en) | 2015-12-02 | 2021-07-13 | The Climate Corporation | Forecasting field level crop yield during a growing season |
DE102015121210A1 (de) | 2015-12-07 | 2017-06-08 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliche Arbeitsmaschine |
US9721181B2 (en) | 2015-12-07 | 2017-08-01 | The Climate Corporation | Cloud detection on remote sensing imagery |
US10091925B2 (en) | 2015-12-09 | 2018-10-09 | International Business Machines Corporation | Accurately determining crop yield at a farm level |
WO2017096489A1 (en) | 2015-12-09 | 2017-06-15 | Scanimetrics Inc. | Measuring and monitoring a body of granular material |
WO2017099570A1 (es) | 2015-12-11 | 2017-06-15 | Pacheco Sanchez José Antonio | Sistema y método para agricultura de precisión por análisis multiespectral e hiperespectral de imágenes aéreas utilizando vehículos aéreos no tripulados |
CN105432228A (zh) | 2015-12-16 | 2016-03-30 | 无锡同春新能源科技有限公司 | 一种无人玉米收获机 |
DE102015122269A1 (de) | 2015-12-18 | 2017-06-22 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren für den Betrieb eines Mähdreschers |
US9856612B2 (en) | 2015-12-21 | 2018-01-02 | Caterpillar Paving Products Inc. | Compaction measurement using nearby sensors |
US20200271170A1 (en) | 2015-12-29 | 2020-08-27 | Agco Corporation | Integrated driveline slip clutch system for large square baler |
BR102016024930B1 (pt) | 2016-01-06 | 2021-08-24 | Cnh Industrial America Llc | Sistema de controle para um veículo de reboque e método para controlar um veículo agrícola |
BR102016024151B1 (pt) | 2016-01-06 | 2021-10-13 | Cnh Industrial America Llc | Meio legível por computador não transitório tangível, sistema e método para controlar pelo menos um veículo agrícola autônomo |
US10019790B2 (en) | 2016-01-15 | 2018-07-10 | Deere & Company | Fill level indicator for an automated unloading system |
EP3195719B1 (en) | 2016-01-20 | 2018-10-24 | CLAAS E-Systems KGaA mbH & Co KG | Agricultural machine |
EP3195720A1 (en) | 2016-01-21 | 2017-07-26 | CLAAS E-Systems KGaA mbH & Co KG | Crop tank system |
US10529036B2 (en) | 2016-01-22 | 2020-01-07 | The Climate Corporation | Forecasting national crop yield during the growing season using weather indices |
BE1023467B1 (nl) | 2016-02-01 | 2017-03-29 | Cnh Industrial Belgium Nv | Beheer van een restantensysteem van een maaidorser door veldgegevens te gebruiken |
US9891629B2 (en) | 2016-02-04 | 2018-02-13 | Deere & Company | Autonomous robotic agricultural machine and system thereof |
JP6688542B2 (ja) | 2016-02-04 | 2020-04-28 | ヤンマー株式会社 | 追従型コンバイン |
JP6567440B2 (ja) | 2016-02-05 | 2019-08-28 | 鹿島建設株式会社 | 地盤の締固め状態測定装置、締固め状態測定方法、及び締固め機械 |
BE1023485B1 (nl) | 2016-02-23 | 2017-04-06 | Cnh Industrial Belgium Nv | Kafstrooier met zaadkneuzing |
US10588258B2 (en) | 2016-02-25 | 2020-03-17 | Deere & Company | Automatic determination of the control unit parameters of an arrangement to control an actuator for the adjustment of an adjustable element of an agricultural machine |
US9675008B1 (en) | 2016-02-29 | 2017-06-13 | Cnh Industrial America Llc | Unloading arrangement for agricultural harvesting vehicles |
US10201121B1 (en) | 2016-03-01 | 2019-02-12 | Ag Leader Technology | Prediction of amount of crop or product remaining for field |
US10028435B2 (en) | 2016-03-04 | 2018-07-24 | Deere & Company | Sensor calibration using field information |
KR101653750B1 (ko) | 2016-03-10 | 2016-09-02 | 한국건설기술연구원 | 식생매트 고정용 앵커핀의 인발 시험 장치 및 방법 |
BE1023982B1 (nl) | 2016-03-23 | 2017-10-03 | Cnh Industrial Belgium Nv | Geautomatiseerd lossysteem voor het lossen van gewas |
WO2017164097A1 (ja) | 2016-03-25 | 2017-09-28 | 日本電気株式会社 | 情報処理装置、情報処理装置の制御方法、および、情報処理装置の制御プログラムが記録された記録媒体 |
CN108777938B (zh) | 2016-03-29 | 2022-04-29 | 洋马动力科技有限公司 | 联合收割机 |
US9903077B2 (en) | 2016-04-04 | 2018-02-27 | Caterpillar Paving Products Inc. | System and method for performing a compaction operation |
RU164128U1 (ru) | 2016-04-05 | 2016-08-20 | Федеральное государственное автономное образовательное учреждение высшего образования "Крымский федеральный университет имени В.И. Вернадского" | Установка для испытания на изнашиваемость материалов для рабочих органов почвообрабатывающих машин |
WO2017181127A1 (en) | 2016-04-15 | 2017-10-19 | The Regents Of The University Of California | Robotic plant care systems and methods |
CN105741180B (zh) | 2016-04-21 | 2021-06-18 | 江苏大学 | 一种联合收获机谷物产量图绘制系统 |
JP6755117B2 (ja) | 2016-04-26 | 2020-09-16 | ヤンマーパワーテクノロジー株式会社 | コンバイン |
US10275550B2 (en) | 2016-04-27 | 2019-04-30 | The Climate Corporation | Assimilating a soil sample into a digital nutrient model |
US10152891B2 (en) | 2016-05-02 | 2018-12-11 | Cnh Industrial America Llc | System for avoiding collisions between autonomous vehicles conducting agricultural operations |
DE102016118205A1 (de) | 2016-05-10 | 2017-11-16 | Claas Tractor Sas | Zugmaschinen-Geräte-Kombination mit Fahrerassistenzsystem |
CA3024402A1 (en) | 2016-05-12 | 2017-11-16 | Basf Se | Recognition of weed in a natural environment |
DE102016108902A1 (de) | 2016-05-13 | 2017-11-16 | Claas Saulgau Gmbh | Verfahren und Steuerungseinrichtung zum Betreiben eines landwirtschaftlichen Transportwagens sowie Transportwagen |
US10051787B2 (en) | 2016-05-17 | 2018-08-21 | Deere & Company | Harvesting head with yield monitor |
CN106053330B (zh) | 2016-05-23 | 2018-12-18 | 北京林业大学 | 土壤紧实度及水分复合测量方法及装置 |
WO2017205410A1 (en) | 2016-05-24 | 2017-11-30 | Cnh Industrial America Llc | Grain cart for continuous conveying agricultural product |
EP3462833A1 (en) | 2016-05-24 | 2019-04-10 | CNH Industrial Belgium NV | Autonomous grain cart dimensioned to fit behind header |
US9563852B1 (en) | 2016-06-21 | 2017-02-07 | Iteris, Inc. | Pest occurrence risk assessment and prediction in neighboring fields, crops and soils using crowd-sourced occurrence data |
DE102016111665A1 (de) | 2016-06-24 | 2017-12-28 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliche Arbeitsmaschine und Verfahren zum Betrieb einer landwirtschaftlichen Arbeitsmaschine |
EP3262934A1 (de) | 2016-06-28 | 2018-01-03 | Bayer CropScience AG | Verfahren zur unkrautbekämpfung |
UY36763A (es) | 2016-07-01 | 2018-01-31 | Carlos Hartwich | Roturador y plantador en plataforma motorizada unitaria con navegador automático |
US9563848B1 (en) | 2016-07-06 | 2017-02-07 | Agrian, Inc. | Weighted multi-year yield analysis for prescription mapping in site-specific variable rate applications in precision agriculture |
US9928584B2 (en) | 2016-07-11 | 2018-03-27 | Harvest Moon Automation Inc. | Inspecting plants for contamination |
US10231371B2 (en) | 2016-07-18 | 2019-03-19 | Tribine Industries Llc | Soil compaction mitigation assembly and method |
US10795351B2 (en) | 2016-07-19 | 2020-10-06 | Raven Industries, Inc. | System and method for autonomous control of agricultural machinery and equipment |
CN106198879B (zh) | 2016-07-22 | 2018-11-16 | 广东双木林科技有限公司 | 一种检测杉树抗风稳定性能的方法 |
CN106226470B (zh) | 2016-07-22 | 2019-06-11 | 孙红 | 一种通过测量装置测定槐树的稳固性能的方法 |
US20180022559A1 (en) | 2016-07-22 | 2018-01-25 | Scott William Knutson | Loader Positioning System |
CN106198877A (zh) | 2016-07-22 | 2016-12-07 | 陈显桥 | 通过测量设备检验杨树稳定性的方法 |
CN106248873B (zh) | 2016-07-22 | 2019-04-12 | 黄哲敏 | 一种通过检测设备测定松树坚固程度的方法 |
DE102016009085A1 (de) | 2016-07-26 | 2018-02-01 | Bomag Gmbh | Bodenverdichtungswalze mit Sensoreinrichtung an der Walzbandage und Verfahren zur Ermittlung der Bodensteifigkeit |
DE102016214554A1 (de) | 2016-08-05 | 2018-02-08 | Deere & Company | Verfahren zur Optimierung eines Arbeitsparameters einer Maschine zur Ausbringung von landwirtschaftlichem Material auf ein Feld und entsprechende Maschine |
US10351364B2 (en) | 2016-08-05 | 2019-07-16 | Deere & Company | Automatic vehicle and conveyor positioning |
US10154624B2 (en) | 2016-08-08 | 2018-12-18 | The Climate Corporation | Estimating nitrogen content using hyperspectral and multispectral images |
US10410299B2 (en) | 2016-08-24 | 2019-09-10 | The Climate Corporation | Optimizing split fertilizer application |
EP3287007A1 (de) | 2016-08-24 | 2018-02-28 | Bayer CropScience AG | Bekämpfung von schadorganismen auf basis der vorhersage von befallsrisiken |
US10609856B2 (en) | 2016-08-29 | 2020-04-07 | Troy Oliver | Agriculture system and method |
DE102016116043A1 (de) | 2016-08-29 | 2018-03-01 | Claas Selbstfahrende Erntemaschinen Gmbh | Transportfahrzeug |
CN106327349A (zh) | 2016-08-30 | 2017-01-11 | 张琦 | 一种基于云计算的园林绿化精细化管理装置 |
JP2018033407A (ja) | 2016-09-01 | 2018-03-08 | ヤンマー株式会社 | 配車システム |
DE102016116461A1 (de) | 2016-09-02 | 2018-03-08 | Claas Saulgau Gmbh | Verfahren und Steuerungseinrichtung zum Betreiben eines landwirtschaftlichen Transportwagens sowie Transportwagen |
EP3298873B1 (en) | 2016-09-21 | 2020-03-04 | Exel Industries | Control device for a vehicle, corresponding vehicle and method |
DE102016117757A1 (de) | 2016-09-21 | 2018-03-22 | Claas Selbstfahrende Erntemaschinen Gmbh | Feldhäcksler |
DE102016118297A1 (de) | 2016-09-28 | 2018-03-29 | Claas Tractor Sas | Verfahren und System zur Bestimmung eines Betriebspunktes |
DE102016118283A1 (de) | 2016-09-28 | 2018-03-29 | Claas Tractor Sas | Landwirtschaftliche Arbeitsmaschine |
SI3518647T1 (sl) | 2016-09-29 | 2021-07-30 | Agro Intelligence Aps | Sistem in postopek za določanje trajektorije, ki ji mora slediti kmetijsko delovno vozilo |
US10078890B1 (en) | 2016-09-29 | 2018-09-18 | CHS North LLC | Anomaly detection |
CN106290800B (zh) | 2016-09-30 | 2018-10-12 | 长沙理工大学 | 一种土质边坡抗水流侵蚀能力模拟试验方法及装置 |
DE102016118651A1 (de) | 2016-09-30 | 2018-04-05 | Claas Selbstfahrende Erntemaschinen Gmbh | Selbstfahrende landwirtschaftliche Arbeitsmaschine |
US10165725B2 (en) | 2016-09-30 | 2019-01-01 | Deere & Company | Controlling ground engaging elements based on images |
US20180092302A1 (en) | 2016-10-01 | 2018-04-05 | Deere & Company | Residue spread control using operator input of wind direction and combine bearing |
US20180092301A1 (en) | 2016-10-01 | 2018-04-05 | Deere & Company | Residue spread control using crop deflector commands input by the operator and satnav combine bearing |
PL3528608T5 (pl) | 2016-10-18 | 2024-04-29 | Basf Agro Trademarks Gmbh | Planowanie i realizacja działań rolniczych |
EP3528613B1 (en) | 2016-10-24 | 2022-12-07 | Board of Trustees of Michigan State University | Method for mapping temporal and spatial sustainability of a cropping system |
JP6832828B2 (ja) | 2016-10-26 | 2021-02-24 | 株式会社クボタ | 走行経路決定装置 |
EP3315005B1 (en) | 2016-10-28 | 2022-04-06 | Deere & Company | Stereo vision system for managing the unloading of an agricultural material from a vehicle |
US11256999B2 (en) | 2016-10-28 | 2022-02-22 | Deere & Company | Methods and systems of forecasting the drying of an agricultural crop |
RU2019115854A (ru) | 2016-10-31 | 2020-11-30 | Басф Агро Трейдмаркс Гмбх | Способ картографирования урожайности |
US10408645B2 (en) | 2016-11-01 | 2019-09-10 | Deere & Company | Correcting bias in parameter monitoring |
US10832351B2 (en) | 2016-11-01 | 2020-11-10 | Deere & Company | Correcting bias in agricultural parameter monitoring |
US10928821B2 (en) | 2016-11-04 | 2021-02-23 | Intel Corporation | Unmanned aerial vehicle-based systems and methods for generating landscape models |
AU2017355315B2 (en) | 2016-11-07 | 2023-12-14 | Climate Llc | Work layer imaging and analysis for implement monitoring, control and operator feedback |
EP3534682B1 (en) | 2016-11-07 | 2023-06-28 | Climate LLC | Agricultural implement for soil analysis |
US10028451B2 (en) | 2016-11-16 | 2018-07-24 | The Climate Corporation | Identifying management zones in agricultural fields and generating planting plans for the zones |
US10398096B2 (en) | 2016-11-16 | 2019-09-03 | The Climate Corporation | Identifying management zones in agricultural fields and generating planting plans for the zones |
US20180146624A1 (en) | 2016-11-28 | 2018-05-31 | The Climate Corporation | Determining intra-field yield variation data based on soil characteristics data and satellite images |
US11320279B2 (en) | 2016-12-02 | 2022-05-03 | Kubota Corporation | Travel route management system and travel route determination device |
CN106644663B (zh) | 2016-12-12 | 2023-07-21 | 江苏省海洋水产研究所 | 一种紫菜孢子计数用过滤装置及计数方法 |
US10178823B2 (en) | 2016-12-12 | 2019-01-15 | Cnh Industrial Canada, Ltd. | Agricultural implement with automatic shank depth control |
US11300976B2 (en) | 2016-12-19 | 2022-04-12 | Kubota Corporation | Work vehicle automatic traveling system |
JP6936356B2 (ja) | 2016-12-19 | 2021-09-15 | 株式会社クボタ | 作業車自動走行システム |
KR102532963B1 (ko) | 2016-12-19 | 2023-05-16 | 가부시끼 가이샤 구보다 | 작업차 자동 주행 시스템 |
GB201621879D0 (en) | 2016-12-21 | 2017-02-01 | Branston Ltd | A crop monitoring system and method |
JP6615085B2 (ja) | 2016-12-22 | 2019-12-04 | 株式会社クボタ | 収穫機 |
WO2018112615A1 (en) | 2016-12-22 | 2018-06-28 | Greentronics Ltd. | Systems and methods for automated tracking of harvested materials |
KR101873657B1 (ko) | 2016-12-22 | 2018-08-03 | 현대건설주식회사 | 탄성파 속도를 이용한 성토지반 다짐특성 측정장치와 이를 활용한 다짐관리 방법 |
CN206330815U (zh) | 2017-01-06 | 2017-07-14 | 福建九邦环境检测科研有限公司 | 一种土壤检测用土壤快速压实器 |
US10255670B1 (en) | 2017-01-08 | 2019-04-09 | Dolly Y. Wu PLLC | Image sensor and module for agricultural crop improvement |
US10775796B2 (en) | 2017-01-10 | 2020-09-15 | Cnh Industrial America Llc | Aerial vehicle systems and methods |
DE102017200336A1 (de) | 2017-01-11 | 2018-07-12 | Deere & Company | Modellbasierte prädiktive Geschwindigkeitskontrolle einer Erntemaschine |
KR200485051Y1 (ko) | 2017-01-16 | 2017-11-22 | 서울특별시 | 다짐도 평가장치 |
US10699185B2 (en) | 2017-01-26 | 2020-06-30 | The Climate Corporation | Crop yield estimation using agronomic neural network |
JP6767892B2 (ja) | 2017-02-03 | 2020-10-14 | ヤンマーパワーテクノロジー株式会社 | 収穫量管理システム |
DE102017104009A1 (de) | 2017-02-27 | 2018-08-30 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliches Erntesystem |
US10315655B2 (en) | 2017-03-07 | 2019-06-11 | Deere & Company | Vehicle control based on soil compaction |
CN206515118U (zh) | 2017-03-10 | 2017-09-22 | 南京宁曦土壤仪器有限公司 | 多功能电动击实仪 |
CN206515119U (zh) | 2017-03-10 | 2017-09-22 | 南京宁曦土壤仪器有限公司 | 电动击实仪 |
JP7075787B2 (ja) | 2017-03-14 | 2022-05-26 | 株式会社フジタ | トラフィカビリティ推定装置およびプログラム |
DE102017105490A1 (de) | 2017-03-15 | 2018-09-20 | Amazonen-Werke H. Dreyer Gmbh & Co. Kg | Landwirtschaftliches Terminal |
DE102017105496A1 (de) | 2017-03-15 | 2018-09-20 | Amazonen-Werke H. Dreyer Gmbh & Co. Kg | Landwirtschaftliches Terminal |
DE102017204511A1 (de) | 2017-03-17 | 2018-09-20 | Deere & Company | Landwirtschaftliche Erntemaschine zur Bearbeitung und Förderung von Erntegut mit einer Sensoranordnung zur Erkennung von unerwünschten Gefahr- und Inhaltsstoffen im Erntegut |
CN206616118U (zh) | 2017-03-21 | 2017-11-07 | 嵊州市晟祥盈净水设备有限公司 | 一种多层次深度净水设备 |
EP3582603A4 (en) | 2017-03-21 | 2021-01-06 | Blue River Technology Inc. | COMBINE WITH MACHINE FEEDBACK |
DE102017205293A1 (de) | 2017-03-29 | 2018-10-04 | Deere & Company | Verfahren und Vorrichtung zur Bekämpfung unerwünschter Lebewesen auf einem Feld |
US10152035B2 (en) | 2017-04-12 | 2018-12-11 | Bayer Ag | Value added pest control system with smart learning |
CN206906093U (zh) | 2017-04-21 | 2018-01-19 | 青岛科技大学 | 一种岩土试件压实过程可以测量重量的装置 |
RU2017114139A (ru) | 2017-04-24 | 2018-10-24 | Общество с ограниченной ответственностью "Завод инновационных продуктов "КТЗ" | Способ управления уборочным комбайном |
EP3614822A4 (en) | 2017-04-26 | 2021-01-13 | The Climate Corporation | PROCESS FOR LEVELING SENSOR READINGS THROUGH AN INSTRUMENT |
US10952374B2 (en) | 2017-05-01 | 2021-03-23 | Cnh Industrial America Llc | System and method for monitoring residue output from a harvester |
US10548260B2 (en) | 2017-05-04 | 2020-02-04 | Dawn Equipment Company | System for automatically setting the set point of a planter automatic down pressure control system with a seed furrow sidewall compaction measurement device |
DE102017109849A1 (de) | 2017-05-08 | 2018-11-08 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Abarbeitung eines landwirtschaftlichen Ernteprozesses |
BE1024475B1 (nl) | 2017-05-09 | 2018-03-01 | Cnh Industrial Belgium Nv | Werkwijze voor het oogsten en oogsttoestel |
US10531603B2 (en) | 2017-05-09 | 2020-01-14 | Cnh Industrial America Llc | Agricultural system |
BE1024513B1 (nl) | 2017-05-09 | 2018-03-21 | Cnh Industrial Belgium Nv | Landbouwsysteem |
US10317272B2 (en) | 2017-05-17 | 2019-06-11 | Deere & Company | Automatic wireless wagon detection apparatus and method |
CN206696107U (zh) | 2017-05-18 | 2017-12-01 | 贵州省山地农业机械研究所 | 多用途土壤坚实度测量装置 |
DE102017208442A1 (de) | 2017-05-18 | 2018-11-22 | Deere & Company | Selbstlernende, Korrektureingaben berücksichtigende Anordnung zur selbsttätigen Kontrolle eines Arbeitsparameters einer Erntegutförder- und/oder -bearbeitungseinrichtung |
US10481142B2 (en) | 2017-05-25 | 2019-11-19 | Deere & Company | Sensor system for determining soil characteristics |
US10537062B2 (en) | 2017-05-26 | 2020-01-21 | Cnh Industrial America Llc | Aerial vehicle systems and methods |
CN207079558U (zh) | 2017-05-31 | 2018-03-09 | 中铁二十一局集团第六工程有限公司 | 高速铁路路基沉降监测元件保护装置 |
BE1025282B1 (nl) | 2017-06-02 | 2019-01-11 | Cnh Industrial Belgium Nv | Draagvermogen van de grond |
SE542261C2 (en) | 2017-06-05 | 2020-03-31 | Scania Cv Ab | Method and control arrangement for loading |
US9984455B1 (en) | 2017-06-05 | 2018-05-29 | Hana Resources, Inc. | Organism growth prediction system using drone-captured images |
CN206941558U (zh) | 2017-06-16 | 2018-01-30 | 中石化中原建设工程有限公司 | 一种公路灰土基层压实度测定取样机 |
US10459447B2 (en) | 2017-06-19 | 2019-10-29 | Cnh Industrial America Llc | System and method for generating partitioned swaths |
US11589507B2 (en) | 2017-06-19 | 2023-02-28 | Deere & Company | Combine harvester control interface for operator and/or remote user |
US10437243B2 (en) | 2017-06-19 | 2019-10-08 | Deere & Company | Combine harvester control interface for operator and/or remote user |
US10310455B2 (en) | 2017-06-19 | 2019-06-04 | Deere & Company | Combine harvester control and communication system |
US20180359917A1 (en) | 2017-06-19 | 2018-12-20 | Deere & Company | Remote control of settings on a combine harvester |
US10314232B2 (en) | 2017-06-21 | 2019-06-11 | Cnh Industrial America Llc | System and method for destroying seeds in crop residue prior to discharge from agricultural harvester |
JP6887323B2 (ja) | 2017-06-23 | 2021-06-16 | 株式会社クボタ | コンバイン及び圃場営農マップ生成方法 |
CN110582198B (zh) | 2017-06-23 | 2022-08-23 | 株式会社久保田 | 收割机 |
KR102593355B1 (ko) | 2017-06-26 | 2023-10-25 | 가부시끼 가이샤 구보다 | 포장 맵 생성 시스템 |
JP6827373B2 (ja) | 2017-06-26 | 2021-02-10 | 株式会社クボタ | コンバイン |
DE102017006844B4 (de) | 2017-07-18 | 2019-04-11 | Bomag Gmbh | Bodenverdichter und Verfahren zur Bestimmung von Untergrundeigenschaften mittels eines Bodenverdichters |
US10757859B2 (en) | 2017-07-20 | 2020-09-01 | Deere & Company | System for optimizing platform settings based on crop state classification |
US11263707B2 (en) | 2017-08-08 | 2022-03-01 | Indigo Ag, Inc. | Machine learning in agricultural planting, growing, and harvesting contexts |
DK179454B1 (en) | 2017-08-17 | 2018-10-19 | Agro Intelligence Aps | A system for controlling soil compaction caused by wheels, and use of such system |
US10438302B2 (en) | 2017-08-28 | 2019-10-08 | The Climate Corporation | Crop disease recognition and yield estimation |
CN107576674A (zh) | 2017-08-30 | 2018-01-12 | 曲阜师范大学 | 一种基于探地雷达测量土壤压实程度的方法 |
US11140807B2 (en) | 2017-09-07 | 2021-10-12 | Deere & Company | System for optimizing agricultural machine settings |
WO2019046967A1 (en) | 2017-09-11 | 2019-03-14 | Farmers Edge Inc. | GENERATING A YIELD CARD FOR AN AGRICULTURAL FIELD USING REGRESSION AND CLASSIFICATION PROCESSES |
US10368488B2 (en) | 2017-09-18 | 2019-08-06 | Cnh Industrial America Llc | System and method for sensing harvested crop levels within an agricultural harvester |
US10883437B2 (en) | 2017-09-19 | 2021-01-05 | Doug Abolt | Horsepower on demand system |
DE102017121654A1 (de) | 2017-09-19 | 2019-03-21 | Claas Tractor Sas | Landwirtschaftliche Arbeitsmaschine |
CN107736088B (zh) | 2017-09-22 | 2020-06-26 | 江苏大学 | 一种用于精整地土壤密实度测量与自动调节系统 |
DE102017122300A1 (de) | 2017-09-26 | 2019-03-28 | Claas Selbstfahrende Erntemaschinen Gmbh | Arbeitsmaschine |
DE102017122711A1 (de) | 2017-09-29 | 2019-04-04 | Claas E-Systems Kgaa Mbh & Co. Kg | Verfahren für den Betrieb einer selbstfahrenden landwirtschaftlichen Arbeitsmaschine |
DE102017122712A1 (de) | 2017-09-29 | 2019-04-04 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren für den Betrieb einer selbstfahrenden landwirtschaftlichen Arbeitsmaschine |
DE102017122710A1 (de) | 2017-09-29 | 2019-04-04 | Claas E-Systems Kgaa Mbh & Co. Kg | Verfahren für den Betrieb einer selbstfahrenden landwirtschaftlichen Arbeitsmaschine |
BR122020026044B1 (pt) | 2017-10-02 | 2024-01-09 | Precision Planting Llc | Aparelho para o monitoramento de solo e sementes dotado de um atenuador de força |
US10423850B2 (en) | 2017-10-05 | 2019-09-24 | The Climate Corporation | Disease recognition from images having a large field of view |
CN107795095A (zh) | 2017-10-10 | 2018-03-13 | 上海科城建设工程有限公司 | 一种预制混凝土地坪的连接工艺 |
US10517215B2 (en) | 2017-10-12 | 2019-12-31 | Deere & Company | Roll center for attachment frame control arms |
US11308735B2 (en) | 2017-10-13 | 2022-04-19 | Deere & Company | Unmanned aerial vehicle (UAV)-assisted worksite data acquisition |
AU2018350912B2 (en) | 2017-10-17 | 2024-06-13 | Precision Planting Llc | Soil sensing systems and implements for sensing different soil parameters |
CN111526710B (zh) | 2017-10-24 | 2022-09-20 | 巴斯夫农化商标有限公司 | 生成数字耕作地图 |
CN107957408B (zh) | 2017-10-30 | 2021-01-12 | 汕头大学 | 一种利用光反射理论测量土壤吸力的方法 |
US10866109B2 (en) | 2017-10-31 | 2020-12-15 | Agjunction Llc | Three-dimensional terrain mapping |
CN108009542B (zh) | 2017-11-01 | 2021-06-15 | 华中农业大学 | 油菜大田环境下杂草图像分割方法 |
US10914054B2 (en) | 2017-11-07 | 2021-02-09 | ModernAg, Inc. | System and method for measurement and abatement of compaction and erosion of soil covering buried pipelines |
US11568340B2 (en) | 2017-11-09 | 2023-01-31 | Climate Llc | Hybrid seed selection and seed portfolio optimization by field |
DK179951B1 (en) | 2017-11-11 | 2019-10-24 | Agro Intelligence Aps | A system and a method for optimizing a harvesting operation |
US10853377B2 (en) | 2017-11-15 | 2020-12-01 | The Climate Corporation | Sequential data assimilation to improve agricultural modeling |
US10521526B2 (en) | 2017-11-20 | 2019-12-31 | Nfl Players, Inc. | Hybrid method of assessing and predicting athletic performance |
US11151500B2 (en) | 2017-11-21 | 2021-10-19 | The Climate Corporation | Digital modeling of disease on crops on agronomic fields |
DE102017221134A1 (de) | 2017-11-27 | 2019-05-29 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Betreiben eines mobilen Systems |
US10412889B2 (en) | 2017-12-05 | 2019-09-17 | Deere & Company | Combine harvester control information for a remote user with visual feed |
KR20200091859A (ko) | 2017-12-07 | 2020-07-31 | 가부시끼 가이샤 구보다 | 수확기 및 주행 모드 전환 방법 |
CN207567744U (zh) | 2017-12-08 | 2018-07-03 | 山西省交通科学研究院 | 公路灰土基层压实度测定取样机 |
US11835955B2 (en) | 2017-12-08 | 2023-12-05 | Camso Inc. | Systems and methods for monitoring off-road vehicles |
DE102017222403A1 (de) | 2017-12-11 | 2019-06-13 | Deere & Company | Verfahren und Vorrichtung zur Kartierung eventuell in einem Feld vorhandener Fremdkörper |
KR102599328B1 (ko) | 2017-12-15 | 2023-11-08 | 가부시끼 가이샤 구보다 | 슬립 판정 시스템, 주행 경로 생성 시스템, 및 포장 작업차 |
US10660268B2 (en) | 2017-12-16 | 2020-05-26 | Deere & Company | Harvester with electromagnetic plane crop material flow sensor |
WO2019124225A1 (ja) | 2017-12-18 | 2019-06-27 | 株式会社クボタ | 農作業車、作業車衝突警戒システム及び作業車 |
EP3729935B1 (en) | 2017-12-18 | 2023-11-08 | Kubota Corporation | Automatic steering system and automatic steering method |
WO2019124174A1 (ja) | 2017-12-18 | 2019-06-27 | 株式会社クボタ | コンバイン制御システム、コンバイン制御プログラム、コンバイン制御プログラムを記録した記録媒体、コンバイン制御方法、収穫機制御システム、収穫機制御プログラム、収穫機制御プログラムを記録した記録媒体、収穫機制御方法 |
KR20200096497A (ko) | 2017-12-18 | 2020-08-12 | 가부시끼 가이샤 구보다 | 자동 주행 시스템, 자동 주행 관리 프로그램, 자동 주행 관리 프로그램을 기록한 기록 매체, 자동 주행 관리 방법, 영역 결정 시스템, 영역 결정 프로그램, 영역 결정 프로그램을 기록한 기록 매체, 영역 결정 방법, 콤바인 제어 시스템, 콤바인 제어 프로그램, 콤바인 제어 프로그램을 기록한 기록 매체, 콤바인 제어 방법 |
EP3498074A1 (en) | 2017-12-18 | 2019-06-19 | DINAMICA GENERALE S.p.A | An harvest analysis system intended for use in a machine |
KR20200096489A (ko) | 2017-12-20 | 2020-08-12 | 가부시끼 가이샤 구보다 | 작업차, 작업차를 위한 주행 경로 선택 시스템, 및 주행 경로 산출 시스템 |
CN107991969A (zh) * | 2017-12-25 | 2018-05-04 | 云南五佳生物科技有限公司 | 一种基于物联网的智慧烟草种植管理系统 |
CN208047351U (zh) | 2017-12-26 | 2018-11-06 | 南安市振邦家庭农场有限公司 | 一种高效率的玉米脱粒机 |
US10568261B2 (en) | 2017-12-28 | 2020-02-25 | Cnh Industrial America Llc | Dynamic combine fire risk index and display |
DK179768B1 (en) | 2017-12-29 | 2019-05-15 | Agro Intelligence Aps | Apparatus and method for improving the conditioning quality of grass and clover prior to the collecting thereof |
DK179771B1 (en) | 2017-12-29 | 2019-05-15 | Agro Intelligence Aps | Apparatus and method for improving the yield of grass and clover harvested from an agricultural field |
DK179878B1 (en) | 2017-12-29 | 2019-08-16 | Agro Intelligence Aps | Apparatus and method for improving the quality of grass and clover by tedding |
CN107941286A (zh) | 2018-01-09 | 2018-04-20 | 东北农业大学 | 一种便携式田间多参数测量装置 |
US10477756B1 (en) | 2018-01-17 | 2019-11-19 | Cibo Technologies, Inc. | Correcting agronomic data from multiple passes through a farmable region |
US10909368B2 (en) | 2018-01-23 | 2021-02-02 | X Development Llc | Crop type classification in images |
US10687466B2 (en) | 2018-01-29 | 2020-06-23 | Cnh Industrial America Llc | Predictive header height control system |
CN108304796A (zh) | 2018-01-29 | 2018-07-20 | 深圳春沐源控股有限公司 | 一种智能杂草警示方法及系统 |
JP7101488B2 (ja) | 2018-01-30 | 2022-07-15 | 株式会社クボタ | 作業車管理システム |
DE102018104286A1 (de) | 2018-02-26 | 2019-08-29 | Claas Selbstfahrende Erntemaschinen Gmbh | Selbstfahrender Feldhäcksler |
US11006577B2 (en) | 2018-02-26 | 2021-05-18 | Cnh Industrial America Llc | System and method for adjusting operating parameters of an agricultural harvester based on estimated crop volume |
JP2019146506A (ja) | 2018-02-26 | 2019-09-05 | 井関農機株式会社 | コンバインの自動走行制御装置 |
DE102018001551A1 (de) | 2018-02-28 | 2019-08-29 | Class Selbstfahrende Erntemaschinen Gmbh | Selbstfahrende Erntemaschine und Betriebsverfahren dafür |
US10830634B2 (en) | 2018-03-06 | 2020-11-10 | Deere & Company | Fill level detection and control |
CN208013131U (zh) | 2018-03-16 | 2018-10-26 | 云南群林科技有限公司 | 一种基于多传感器的农业信息采集系统 |
CN111868782B (zh) | 2018-04-17 | 2024-01-02 | 赫尔实验室有限公司 | 使用彩色图像的盲源分离确定农作物残茬分数的系统和方法 |
DE102018206507A1 (de) | 2018-04-26 | 2019-10-31 | Deere & Company | Schneidwerk mit selbsttätiger Einstellung der Haspelzinkenorientierung |
US11240959B2 (en) | 2018-04-30 | 2022-02-08 | Deere & Company | Adaptive forward-looking biomass conversion and machine control during crop harvesting operations |
EP3563654B1 (en) | 2018-05-02 | 2022-12-21 | AGCO Corporation | Automatic header control simulation |
BE1025780B1 (nl) | 2018-05-07 | 2019-07-08 | Cnh Industrial Belgium Nv | Systeem en werkwijze voor het lokaliseren van een aanhangwagen ten opzichte van een landbouwmachine |
DE102018111077A1 (de) | 2018-05-08 | 2019-11-14 | Claas Selbstfahrende Erntemaschinen Gmbh | Mähdrescher sowie Verfahren zum Betreiben eines Mähdreschers |
DE102018111076A1 (de) | 2018-05-08 | 2019-11-14 | Claas Selbstfahrende Erntemaschinen Gmbh | Mähdrescher |
US10820516B2 (en) | 2018-05-08 | 2020-11-03 | Cnh Industrial America Llc | System and method for monitoring the amount of plant materials entering an agricultural harvester |
CN108614089A (zh) | 2018-05-09 | 2018-10-02 | 重庆交通大学 | 压实土体冻融和风化环境模拟系统及其试验方法 |
US11641790B2 (en) | 2018-05-09 | 2023-05-09 | Deere & Company | Method of planning a path for a vehicle having a work tool and a vehicle path planning system |
US10782672B2 (en) | 2018-05-15 | 2020-09-22 | Deere & Company | Machine control system using performance score based setting adjustment |
DE102018111746A1 (de) | 2018-05-16 | 2019-11-21 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliche Arbeitsmaschine |
US20190351765A1 (en) | 2018-05-18 | 2019-11-21 | Cnh Industrial America Llc | System and method for regulating the operating distance between work vehicles |
JP7039026B2 (ja) | 2018-05-28 | 2022-03-22 | ヤンマーパワーテクノロジー株式会社 | 地図情報生成システム、および作業支援システム |
US10813288B2 (en) | 2018-05-31 | 2020-10-27 | Deere & Company | Automated belt speed control |
DE102018113327A1 (de) | 2018-06-05 | 2019-12-05 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Steuerung einer landwirtschaftlichen Erntekampagne |
CN108881825A (zh) | 2018-06-14 | 2018-11-23 | 华南农业大学 | 基于Jetson TK1的水稻杂草无人机监控系统及其监控方法 |
US11064653B2 (en) | 2018-06-18 | 2021-07-20 | Ag Leader Technology | Agricultural systems having stalk sensors and data visualization systems and related devices and methods |
US11419261B2 (en) | 2018-06-25 | 2022-08-23 | Deere & Company | Prescription cover crop seeding with combine |
US11395452B2 (en) | 2018-06-29 | 2022-07-26 | Deere & Company | Method of mitigating compaction and a compaction mitigation system |
DE102018116578A1 (de) | 2018-07-09 | 2020-01-09 | Claas Selbstfahrende Erntemaschinen Gmbh | Erntesystem |
DE102018116817A1 (de) | 2018-07-11 | 2020-01-16 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Steuerung einer Datenübertragung zwischen einer landwirtschaftlichen Arbeitsmaschine und einer externen Sende-/Empfangseinheit |
AU2019299980B2 (en) | 2018-07-11 | 2022-03-17 | Raven Industries, Inc. | Agricultural control and interface system |
DE102018116990A1 (de) | 2018-07-13 | 2020-01-16 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliche Arbeitsmaschine |
DE102018212150A1 (de) | 2018-07-20 | 2020-01-23 | Deere & Company | Verfahren zur Energieversorgung eines kabelgebundenen betriebenen Feldhäckslers |
US11277956B2 (en) | 2018-07-26 | 2022-03-22 | Bear Flag Robotics, Inc. | Vehicle controllers for agricultural and industrial applications |
CN112740258B (zh) | 2018-07-26 | 2023-04-18 | 气象有限责任公司 | 通过田地健康影像生成农艺产量地图 |
WO2020026578A1 (ja) | 2018-07-31 | 2020-02-06 | 株式会社クボタ | 走行経路生成システム、走行経路生成方法、走行経路生成プログラム、及び走行経路生成プログラムが記録されている記録媒体と、作業管理システム、作業管理方法、作業管理プログラム、及び作業管理プログラムが記録されている記録媒体と、収穫機、走行パターン作成システム、走行パターン作成プログラム、走行パターン作成プログラムが記録されている記録媒体、及び走行パターン作成方法 |
CN112752500A (zh) | 2018-08-01 | 2021-05-04 | 株式会社久保田 | 收获机、行驶系统、行驶方法、行驶程序以及存储介质 |
WO2020026650A1 (ja) | 2018-08-01 | 2020-02-06 | 株式会社クボタ | 自動走行制御システム、自動走行制御方法、自動走行制御プログラム、及び、記憶媒体 |
US11234357B2 (en) | 2018-08-02 | 2022-02-01 | Cnh Industrial America Llc | System and method for monitoring field conditions of an adjacent swath within a field |
JP6958508B2 (ja) | 2018-08-02 | 2021-11-02 | 井関農機株式会社 | 収穫作業システム |
KR20210036973A (ko) | 2018-08-06 | 2021-04-05 | 가부시끼 가이샤 구보다 | 외형 형상 산출 시스템, 외형 형상 산출 방법, 외형 형상 산출 프로그램, 및 외형 형상 산출 프로그램이 기록되어 있는 기록 매체와, 포장 맵 작성 시스템, 포장 맵 작성 프로그램, 포장 맵 작성 프로그램이 기록되어 있는 기록 매체, 및 포장 맵 작성 방법 |
US11154008B2 (en) | 2018-08-20 | 2021-10-26 | Cnh Industrial America Llc | System and method for steering an agricultural harvester |
JP7034866B2 (ja) | 2018-08-20 | 2022-03-14 | 株式会社クボタ | 収穫機 |
EP3840560A1 (en) | 2018-08-22 | 2021-06-30 | Precision Planting LLC | Implements and application units having sensors for sensing data to determine agricultural plant characteristics of agricultural fields |
EP3840563A1 (en) | 2018-08-22 | 2021-06-30 | AGCO International GmbH | Harvest logistics |
DE102018120741A1 (de) | 2018-08-24 | 2020-02-27 | Claas Selbstfahrende Erntemaschinen Gmbh | Mähdrescher |
KR20210039452A (ko) | 2018-08-29 | 2021-04-09 | 가부시끼 가이샤 구보다 | 자동 조타 시스템 및 수확기, 자동 조타 방법, 자동 조타 프로그램, 기록 매체 |
JP7121598B2 (ja) | 2018-08-31 | 2022-08-18 | 三菱マヒンドラ農機株式会社 | 収穫機 |
BR112021002947A2 (pt) | 2018-08-31 | 2021-05-11 | The Climate Corporation | aperfeiçoamento de modelo de umidade de subcampo usando modelagem de fluxo terrestre com cálculos de águas rasas |
US11197417B2 (en) | 2018-09-18 | 2021-12-14 | Deere & Company | Grain quality control system and method |
US20200090094A1 (en) | 2018-09-19 | 2020-03-19 | Deere & Company | Harvester control system |
US11475359B2 (en) | 2018-09-21 | 2022-10-18 | Climate Llc | Method and system for executing machine learning algorithms on a computer configured on an agricultural machine |
DE102018123478A1 (de) | 2018-09-24 | 2020-03-26 | Claas Tractor Sas | Landwirtschaftliche Arbeitsmaschine |
AU2019358788A1 (en) | 2018-10-11 | 2021-05-06 | Mtd Products Inc. | Localized data mapping for indoor and outdoor applications |
US11676244B2 (en) | 2018-10-19 | 2023-06-13 | Mineral Earth Sciences Llc | Crop yield prediction at field-level and pixel-level |
US10729067B2 (en) | 2018-10-20 | 2020-08-04 | Deere & Company | Biomass impact sensor having a conformal encasement enveloping a pressure sensitive film |
CA3116429A1 (en) | 2018-10-24 | 2020-04-30 | Bitstrata Systems Inc. | Machine operational state and material movement tracking |
US11240961B2 (en) | 2018-10-26 | 2022-02-08 | Deere & Company | Controlling a harvesting machine based on a geo-spatial representation indicating where the harvesting machine is likely to reach capacity |
US11178818B2 (en) | 2018-10-26 | 2021-11-23 | Deere & Company | Harvesting machine control system with fill level processing based on yield data |
US11467605B2 (en) | 2019-04-10 | 2022-10-11 | Deere & Company | Zonal machine control |
US11079725B2 (en) * | 2019-04-10 | 2021-08-03 | Deere & Company | Machine control using real-time model |
US20200128738A1 (en) | 2018-10-31 | 2020-04-30 | Cnh Industrial America Llc | System and method for calibrating alignment of work vehicles |
US11206763B2 (en) | 2018-10-31 | 2021-12-28 | Deere & Company | Weed seed based harvester working member control |
US11399462B2 (en) | 2018-10-31 | 2022-08-02 | Cnh Industrial America Llc | System and method for calibrating alignment of work vehicles |
US10986778B2 (en) | 2018-10-31 | 2021-04-27 | Deere & Company | Weed seed devitalizer control |
US20200133262A1 (en) | 2018-10-31 | 2020-04-30 | Cnh Industrial America Llc | System and method for calibrating alignment of work vehicles |
US11564349B2 (en) | 2018-10-31 | 2023-01-31 | Deere & Company | Controlling a machine based on cracked kernel detection |
US11175170B2 (en) | 2018-11-07 | 2021-11-16 | Trimble Inc. | Estimating yield of agricultural crops |
US10996656B2 (en) | 2018-11-08 | 2021-05-04 | Premier Crop Systems, LLC | System and method for aggregating test plot results based on agronomic environments |
US20200146203A1 (en) | 2018-11-13 | 2020-05-14 | Cnh Industrial America Llc | Geographic coordinate based setting adjustment for agricultural implements |
CN109357804B (zh) | 2018-11-13 | 2023-09-19 | 西南交通大学 | 一种压实土水平应力测试装置及测试方法 |
JP6662556B2 (ja) | 2018-11-13 | 2020-03-11 | 株式会社ユニバーサルエンターテインメント | 遊技機 |
CN112996378B (zh) | 2018-11-15 | 2023-04-18 | 株式会社久保田 | 收割机以及路径设定系统 |
CN111201879B (zh) | 2018-11-21 | 2023-10-03 | 金华中科艾特智能科技研究所有限公司 | 基于图像识别的粮食收割、运输一体化装载装置/方法 |
CN113079691B (zh) | 2018-11-26 | 2023-06-16 | 株式会社久保田 | 农作业机及其控制方法、农作业机控制程序及其记录介质 |
US11483970B2 (en) | 2018-11-28 | 2022-11-01 | Cnh Industrial America Llc | System and method for adjusting the orientation of an agricultural harvesting implement based on implement height |
US11067994B2 (en) | 2018-12-06 | 2021-07-20 | Deere & Company | Machine control through active ground terrain mapping |
DE102018131142A1 (de) | 2018-12-06 | 2020-06-10 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliche Arbeitsmaschine sowie Verfahren zum Betreiben einer landwirtschaftlichen Arbeitsmaschine |
DE102018132144A1 (de) | 2018-12-13 | 2020-06-18 | Claas E-Systems Gmbh | Landwirtschaftliche Arbeitssystem |
EP3671590A1 (en) | 2018-12-21 | 2020-06-24 | AGCO Corporation | Method of unloading batch grain quantities for harvesting machines |
JP7182471B2 (ja) | 2019-01-11 | 2022-12-02 | 株式会社クボタ | 作業管理システム及び作業機 |
CN109485353A (zh) | 2019-01-18 | 2019-03-19 | 安徽马钢嘉华新型建材有限公司 | 一种新型钢渣混合土道路基层材料及制备方法 |
DE102019200794A1 (de) | 2019-01-23 | 2020-07-23 | Amazonen-Werke H. Dreyer Gmbh & Co. Kg | System und Verfahren zur Identifizierung von Zeitfenstern und Flächenbereichen eines landwirtschaftlich genutzten Feldes mit günstigen Bedingungen für einen wirkungsvollen und umweltgerechten Einsatz und/oder die Befahrbarkeit von Landmaschinen |
CN109633127B (zh) | 2019-01-24 | 2024-06-04 | 山东省农业机械科学研究院 | 一种土壤压实度测定机构、装置及方法 |
US20200265527A1 (en) | 2019-02-15 | 2020-08-20 | Growers Edge Financial, Inc. | Agronomic prescription product |
CN109961024A (zh) | 2019-03-08 | 2019-07-02 | 武汉大学 | 基于深度学习的小麦田间杂草检测方法 |
JP7062610B2 (ja) | 2019-03-26 | 2022-05-06 | ヤンマーパワーテクノロジー株式会社 | 作業制御システム |
CN210585958U (zh) | 2019-03-28 | 2020-05-22 | 宁夏大学 | 霉变玉米识别与分拣的辅助装置 |
DE102019108505A1 (de) | 2019-04-02 | 2020-10-08 | Claas E-Systems Gmbh | Landwirtschaftliche Arbeitsmaschine |
US10677637B1 (en) | 2019-04-04 | 2020-06-09 | Scale Tec, Ltd. | Scale controller with dynamic weight measurement |
CN110232494A (zh) | 2019-04-09 | 2019-09-13 | 丰疆智能科技股份有限公司 | 物流车调度系统和方法 |
CN110232493B (zh) | 2019-04-09 | 2021-07-30 | 丰疆智能科技股份有限公司 | 收割机和物流车智能配合系统和方法 |
WO2020210607A1 (en) | 2019-04-10 | 2020-10-15 | Kansas State University Research Foundation | Autonomous robot system for steep terrain farming operations |
US11234366B2 (en) | 2019-04-10 | 2022-02-01 | Deere & Company | Image selection for machine control |
US11778945B2 (en) | 2019-04-10 | 2023-10-10 | Deere & Company | Machine control using real-time model |
US11016049B2 (en) | 2019-04-17 | 2021-05-25 | Deere & Company | Agricultural moisture and test weight sensor with co-planar electrodes |
US20200337232A1 (en) | 2019-04-24 | 2020-10-29 | Deere & Company | Information inference for agronomic data generation in sugarcane applications |
FR3095572B1 (fr) | 2019-05-02 | 2023-03-17 | Agreenculture | Procédé de gestion de flottes de véhicules agricoles autoguidés |
DE102019206734A1 (de) | 2019-05-09 | 2020-11-12 | Deere & Company | Sämaschine mit vorausschauender Ansteuerung |
US10703277B1 (en) | 2019-05-16 | 2020-07-07 | Cnh Industrial America Llc | Heads-up display for an agricultural combine |
US11674288B2 (en) | 2019-05-30 | 2023-06-13 | Deere & Company | System and method for obscurant mitigation |
DE102019114872A1 (de) | 2019-06-03 | 2020-12-03 | Horsch Leeb Application Systems Gmbh | System und Verfahren zur Simulation und/oder Konfiguration eines mittels einer landwirtschaftlichen Arbeitsmaschine durchzuführenden Arbeitsprozesses und landwirtschaftliche Arbeitsmaschine |
US11457563B2 (en) | 2019-06-27 | 2022-10-04 | Deere & Company | Harvester stability monitoring and control |
CN110262287A (zh) | 2019-07-14 | 2019-09-20 | 南京林业大学 | 用于收获机械割台高度自动控制的冠层高度在线探测方法 |
DE102019119110A1 (de) | 2019-07-15 | 2021-01-21 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Abarbeitung eines landwirtschaftlichen Arbeitsprozesses auf einem Feld |
JP2019216744A (ja) | 2019-09-03 | 2019-12-26 | ヤンマー株式会社 | コンバイン |
US11904871B2 (en) | 2019-10-30 | 2024-02-20 | Deere & Company | Predictive machine control |
CN110720302A (zh) | 2019-11-29 | 2020-01-24 | 河南瑞创通用机械制造有限公司 | 一种谷物收获机智能调节系统及其控制方法 |
US11800829B2 (en) | 2019-12-17 | 2023-10-31 | Deere & Company | Work machine zone generation and control system with geospatial constraints |
US11540447B2 (en) | 2019-12-17 | 2023-01-03 | Deere & Company | Predictive crop characteristic mapping for product application |
US11641801B2 (en) | 2020-04-21 | 2023-05-09 | Deere & Company | Agricultural harvesting machine control using machine learning for variable delays |
CN111406505A (zh) | 2020-04-30 | 2020-07-14 | 江苏大学 | 一种联合收获机粮箱剩余容量及剩余行走距离监测装置和方法 |
-
2019
- 2019-04-10 US US16/380,531 patent/US11079725B2/en active Active
-
2020
- 2020-01-16 BR BR102020001022-0A patent/BR102020001022A2/pt unknown
- 2020-03-17 CN CN202010189019.0A patent/CN111802061B/zh active Active
- 2020-04-07 DE DE102020204478.3A patent/DE102020204478A1/de active Pending
-
2021
- 2021-06-10 US US17/344,517 patent/US11650553B2/en active Active
-
2023
- 2023-03-17 US US18/185,570 patent/US11829112B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US11079725B2 (en) | 2021-08-03 |
CN111802061A (zh) | 2020-10-23 |
CN111802061B (zh) | 2023-09-26 |
DE102020204478A1 (de) | 2020-10-15 |
US20210302925A1 (en) | 2021-09-30 |
US20200326674A1 (en) | 2020-10-15 |
US11829112B2 (en) | 2023-11-28 |
US11650553B2 (en) | 2023-05-16 |
US20230213900A1 (en) | 2023-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
BR102020001022A2 (pt) | Método para controlar uma máquina, sistema de computação, e, máquina de trabalho | |
BR102019027999A2 (pt) | Método para controlar uma máquina em um local de trabalho, sistema de computação, e, máquina de trabalho. | |
BR102020002765A2 (pt) | Método para controlar uma máquina de trabalho, máquina de trabalho, e, sistema de seleção de imagem | |
US11768498B2 (en) | Machine control through active ground terrain mapping | |
US11641801B2 (en) | Agricultural harvesting machine control using machine learning for variable delays | |
US10028435B2 (en) | Sensor calibration using field information | |
BR102019016876A2 (pt) | máquina de colheita agrícola, e, método para controlar uma máquina de colheita agrícola. | |
BR102019006218A2 (pt) | máquina de colheita agrícola, e, método para controlar uma máquina de colheita agrícola. | |
US9807932B2 (en) | Probabilistic control of an agricultural machine | |
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 | |
BR102021017139A2 (pt) | Máquina de trabalho agrícola, e, método implementado por computador para controlar uma máquina de trabalho agrícola | |
BR102021017182A2 (pt) | Máquina de trabalho agrícola, e, método implementado por computador para controlar uma máquina de trabalho agrícola | |
BR102021015205A2 (pt) | Máquina de trabalho agrícola, e, método implementado por computador para controlar uma máquina de trabalho agrícola | |
BR102021016067A2 (pt) | Máquina de trabalho agrícola, e, método implementado por computador para gerar um mapa agrícola preditivo funcional | |
BR102017019633A2 (pt) | Sistema de controle de veículo agrícola, método implantado por computador para controlar um veículo agrícola, e, veículo agrícola | |
BR102021016051A2 (pt) | Máquina de trabalho agrícola, e, método implementado por computador para gerar um mapa agrícola preditivo funcional | |
BR102020009247A2 (pt) | método para controlar uma máquina de trabalho móvel, e, máquinas de trabalho móvel e agrícola | |
BR102021016085A2 (pt) | Máquina de trabalho agrícola, e, método implementado por computador | |
BR102022013179A2 (pt) | Método para controlar uma máquina agrícola móvel, máquina agrícola móvel, e, sistema de controle | |
BR102022013165A2 (pt) | Método de controle de uma máquina agrícola móvel, máquina agrícola móvel, e, sistema de controle para uma máquina agrícola |
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] |