BR102021016552A2

BR102021016552A2 - Máquina de trabalho agrícola, e, método implementado por computador para gerar um mapa agrícola preditivo funcional

Info

Publication number: BR102021016552A2
Application number: BR102021016552-9A
Authority: BR
Inventors: Nathan R. Vandike; Bhanu Kiran Reddy Palla; Bradley K. Yanke; Noel W. Anderson; Mehul BHAVSAR; Hrishikesh TUPE
Original assignee: Deere & Company
Priority date: 2020-10-09
Filing date: 2021-08-20
Publication date: 2022-04-26
Also published as: CA3131202A1; US20240103530A1; US20220110252A1; US11874669B2; CN114303610A

Abstract

Um ou mais mapas de informação são obtidos por uma máquina de trabalho agrícola. Um ou mais mapas de informação mapeiam um ou mais valores de característica agrícola em diferentes localizações geográficas de um campo. Um sensor in situ na máquina de trabalho agrícola sensoreia uma característica agrícola à medida que a máquina de trabalho agrícola move através do campo. Um gerador de mapa preditivo gera um mapa preditivo que prediz uma característica agrícola preditiva em diferentes localizações no campo com base em uma relação entre os valores em um ou mais mapas de informação e na característica agrícola sensoreada pelo sensor in situ. O mapa preditivo pode ser produzido e usado no controle de máquina automatizado.

Description

MÁQUINA DE TRABALHO AGRÍCOLA, E, MÉTODO IMPLEMENTADO POR COMPUTADOR PARA GERAR UM MAPA AGRÍCOLA PREDITIVO FUNCIONAL

CAMPO DA DESCRIÇÃO

[001] A presente descrição se refere as máquinas agrícolas, máquinas florestais, máquinas de construção e máquinas de gerenciamento de grama.

FUNDAMENTOS

[002] Existe uma ampla variedade de diferentes tipos de máquinas agrícolas. Algumas máquinas agrícolas incluem colheitadeiras, tais como colheitadeiras combinadas, colheitadeiras de cana de açúcar, colheitadeiras de algodão, colheitadeiras de forragem autopropelidas e enfardadeiras. Algumas colheitadeiras podem também ser equipadas com diferentes tipos de coletores para colher diferentes tipos de culturas.

[003] A discussão apresentada é meramente provida para informação de fundo geral e não deve ser usada como um auxílio na determinação do escopo da matéria reivindicada.

SUMÁRIO

[004] Um ou mais mapas de informação são obtidos por uma máquina de trabalho agrícola. Um ou mais mapas de informação mapeiam um ou mais valores de característica agrícola em diferentes localizações geográficas de um campo. Um sensor in situ na máquina de trabalho agrícola sensoreia uma característica agrícola à medida que a máquina de trabalho agrícola move através do campo. Um gerador de mapa preditivo gera um mapa preditivo que prediz uma característica agrícola preditiva em diferentes localizações no campo com base em uma relação entre os valores em um ou mais mapas de informação e a característica agrícola sensoreada pelo sensor in situ. O mapa preditivo pode ser produzido e usado no controle de máquina automatizado.

[005] Este Sumário é provido para introduzir uma seleção de conceitos em uma forma simplificada que são descritos adicionalmente a seguir na Descrição Detalhada. Este Sumário não visa identificar aspectos chaves ou aspectos essenciais da matéria reivindicada, nem deve ser usado como um auxílio na determinação do escopo da matéria reivindicada. A matéria reivindicada não se limita a exemplos que solucionam qualquer ou todas as desvantagens notadas nos fundamentos.

BREVE DESCRIÇÃO DOS DESENHOS

[006] A FIG. 1 é uma ilustração pictorial parcial, esquemática parcial de um exemplo de uma colheitadeira combinada.

[007] A FIG. 2 é um diagrama de blocos mostrando algumas porções de uma colheitadeira agrícola em mais detalhe, de acordo com alguns exemplos da presente descrição.

[008] As FIGS. 3A-3B (coletivamente referidas no presente documento como FIG. 3) mostram um fluxograma que ilustra um exemplo de operação de uma colheitadeira agrícola na geração de um mapa.

[009] A FIG. 4A é um diagrama de blocos mostrando um exemplo de um gerador de modelo preditivo e um gerador de mapa preditivo.

[0010] A FIG. 4B é um diagrama de blocos mostrando um exemplo do gerador de modelo preditivo em mais detalhe.

[0011] A FIG. 5 é um fluxograma mostrando um exemplo de operação de uma colheitadeira agrícola receber um mapa, detectando uma característica com um sensor in situ e gerar um mapa preditivo funcional para apresentação ou uso no controle da colheitadeira agrícola durante uma operação de colheita

[0012] A FIG. 6 é um diagrama de blocos de um exemplo de um gerador de zona de controle.

[0013] FIG. 7 é um fluxograma mostrando um exemplo da operação do gerador de zona de controle.

[0014] A FIG. 8 é um fluxograma mostrando um exemplo de operação usando zonas de controle.

[0015] A FIG. 9 é um diagrama de blocos de um exemplo de um controlador de interface de operador.

[0016] FIG. 10 é um fluxograma mostrando um exemplo de operação do controlador de interface de operador.

[0017] A FIG. 11 é uma ilustração de um exemplo de uma exibição de interface de usuário.

[0018] A FIG. 12 é um diagrama de blocos mostrando um exemplo de uma colheitadeira agrícola em comunicação com um ambiente de servidor remoto.

[0019] As FIGS. 13-15 mostram exemplos de dispositivos móveis que podem ser usados em uma colheitadeira agrícola.

[0020] FIG. 16 é um diagrama de blocos mostrando um exemplo de um ambiente de computação que pode ser usado em uma colheitadeira agrícola.

DESCRIÇÃO DETALHADA

[0021] Para efeitos de promoção de um entendimento dos princípios da presente descrição, será feita agora referência aos exemplos ilustrados nos desenhos, e linguagem específica será usada para descrever os mesmos. No entanto, deve-se entender que nenhuma limitação do escopo da descrição é pretendida. Quaisquer alterações e modificações adicionais nos dispositivos, sistemas e métodos descritos, e qualquer aplicação adicional dos princípios da presente descrição é completamente contemplado como normalmente ocorreria a um versado na técnica ao qual a descrição diz respeito. Em particular, é totalmente contemplado que os aspectos, componentes e/ou etapas descritos com relação a um exemplo podem ser combinados com os aspectos, componentes e/ou etapas descritos com relação a outros exemplos da presente descrição.

[0022] A presente descrição se refere ao uso de dados in situ obtidos simultaneamente com uma operação agrícola, em combinação com dados de um mapa, para gerar um mapa preditivo.

[0023] Em alguns exemplos, um mapa preditivo pode ser usado para controlar uma máquina de trabalho agrícola, tal como uma colheitadeira agrícola. Como aqui discutido, o desempenho de uma colheitadeira agrícola pode ser degradado ou de outra forma afetado em diferentes condições. Por exemplo, o desempenho de uma colheitadeira (ou outra máquina agrícola) pode ser deleteriamente afetado com base na topografia de um campo. A topografia pode fazer com que a máquina sofra arfagem e rolamento uma certa quantidade durante navegação em uma inclinação lateral. Sem limitação, arfagem ou rolamento de máquina pode afetar as características de perda de grão, distribuição interna de material, qualidade de grão e rejeitos. Por exemplo, perda de grão pode ser afetada por uma característica topográfica que faz com que a colheitadeira agrícola 100 tanto tenha arfagem quanto rolamento. A maior arfagem pode fazer com que o grão vá para a traseira mais rapidamente, diminuição da arfagem pode manter o grão na máquina, e os elementos de rolamento podem sobrecarregar os lados do sistema de limpeza e levar a mais perda de grão nesses lados. Similarmente, a qualidade de grão pode ser impactada tanto pela arfagem quanto rolamento e, similar à perda de grão, as reações do material não grão que permanece na máquina ou que deixa a máquina com base na arfagem ou rolamento pode ter influência na produção de qualidade. Em outro exemplo, uma característica topográfica que influencia a arfagem terá um impacto na quantidade dos rejeitos que entram no sistema de rejeitos, dessa forma impactando uma saída do sensor de rejeitos. A consideração da arfagem e o tempo nesse nível podem ter uma relação de quanto o volume de rejeitos aumenta e poderia ser útil para estimar a necessidade de ter controles para prever esse nível e fazer ajustes. Em outros exemplos, características tais como genótipo, índice vegetativo, rendimento, biomassa e características de ervas daninhas, tal como tipo de ervas daninhas ou intensidade de ervas daninhas, podem afetar outras características tais como rejeitos, perda de cultura, qualidade de grão e distribuição interna de material.

[0024] Um mapa topográfico ilustrativamente mapeia elevações do chão em diferentes localizações geográficas em um campo de interesse. Uma vez que a inclinação do chão é indicativa de uma mudança na elevação, ter dois ou mais valores de elevação permite o cálculo da inclinação nas áreas com valores de elevação conhecidos. Maior granularidade da inclinação pode ser obtida tendo mais áreas com valores de elevação conhecidos. À medida que uma colheitadeira agrícola desloca através do terreno em direções conhecidas, a arfagem e rolamento da colheitadeira agrícola podem ser determinados com base na inclinação do chão (isto é, áreas de elevação variável). Características topográficas, quando referidas a seguir, podem incluir, mas sem se limitar à elevação, inclinação (por exemplo, incluindo a orientação da máquina em relação à inclinação) e perfil do chão (por exemplo, irregularidade).

[0025] Em alguns exemplos, um mapa de biomassa preditivo pode ser usado para controlar uma máquina de trabalho agrícola, tal como uma colheitadeira agrícola. Biomassa, na forma usada no presente documento, se refere a uma quantidade de material de vegetação acima do chão em uma dada área ou localização. Frequentemente, a quantidade é medida em termos de peso, por exemplo, peso por dada área, tal como tonelada por acre. Várias características podem ser indicativas de biomassa (referidas no presente documento como características de biomassa) e podem ser usadas para predizer a biomassa em um campo de interesse. Por exemplo, características de biomassa podem incluir várias características de cultura, tais como altura da cultura (a altura da cultura acima da superfície do campo), densidade da cultura (a quantidade de matéria de cultura em um dado espaço, que podem ser derivadas da massa de cultura e volume de cultura), massa de cultura (tal como um peso da cultura ou o peso de componentes de cultura), ou volume da cultura (quanto a dada área ou localização é ocupada pela cultura, que é o espaço que a cultura ocupa ou contém). Em outro exemplo, características de biomassa podem incluir várias características de máquina da colheitadeira agrícola, tais como ajustes ou características operacionais de máquina. Por exemplo, uma força, tal como uma pressão de fluido ou torque, usado para acionar um rotor de trilhagem da colheitadeira agrícola pode ser indicativa da biomassa.

[0026] O desempenho de uma colheitadeira agrícola pode ser afetado quando a colheitadeira agrícola engata áreas do campo com variâncias na biomassa. Por exemplo, se os ajustes de máquina da colheitadeira agrícola forem definidos com base em uma produção prevista ou desejada, a variância na biomassa pode fazer com que a produtividade varie, e, dessa forma, os ajustes de máquina podem ser aquém dos ideais para efetivamente processar a vegetação, incluindo a cultura. Como aqui mencionado, o operador pode tentar predizer a biomassa à frente da máquina. Adicionalmente, alguns sistemas, tais como sistemas de controle de realimentação, ajustam reativamente a velocidade em relação ao chão à frente da colheitadeira agrícola em uma tentativa de manter uma produtividade desejada. Isto pode ser feito tentando identificar a biomassa com base em entradas de sensor, tais como dos sensores que sensoreiam uma variável indicativa de biomassa. Entretanto, tais arranjos podem ser propensos a erro e podem ser muito lentos para reagir a uma mudança que se aproxima em biomassa para efetivamente alterar a operação da máquina para controlar produtividade, tal como alterando a velocidade à frente da colheitadeira. Por exemplo, tais sistemas são tipicamente reativos em que ajustamentos nos ajustes de máquina são feitos apenas após a vegetação ter sido encontrada pela máquina na tentativa de reduzir adicional o erro, tal como em um sistema de controle de realimentação.

[0027] Alguns sistemas atuais provêm mapas de índice vegetativo. Um mapa de índice vegetativo ilustrativamente mapeia valores de índice vegetativo (que podem ser indicativos de crescimento vegetativo) em diferentes localizações geográficas em um campo de interesse. Um exemplo de um índice vegetativo inclui um índice de vegetação com diferença normalizada (NDVI). Existem muitos outros índices vegetativos que estão dentro do escopo da presente descrição. Em alguns exemplos, um índice vegetativo pode ser derivado de leituras de sensor de uma ou mais faixas de radiação eletromagnética refletidas pelas plantas. Sem limitações, essas faixas podem ser nas porções de micro-ondas, infravermelho, visível ou ultravioleta do espectro eletromagnético.

[0028] Um mapa de índice vegetativo pode ser usado para identificar a presença e localização de vegetação. Em alguns exemplos, um mapa de índice vegetativo permite que culturas sejam identificadas e georreferenciadas na presença de solo descoberto, resíduo de cultura, ou outras plantas, tais como ervas daninhas. Em outros exemplos, um mapa de índice vegetativo permite a detecção de várias características de cultura, tais como crescimento da cultura e saúde ou vigor da cultura, em diferentes localizações geográficas em um campo de interesse.

[0029] Um mapa de genótipo de semente mapeia o genótipo (por exemplo, híbrido, cultivar, espécie, etc.) de semente plantada em diferentes localizações no campo. O mapa de genótipo de semente pode ser gerado por uma plantadeira ou por uma máquina que realiza uma operação subsequente, tal como um pulverizador com um detector óptico que detecta genótipo de planta.

[0030] Um mapa de rendimento preditivo inclui valores de rendimento preditivos georreferenciado.

[0031] Um mapa de ervas daninhas preditivo inclui um ou mais de características de ervas daninhas preditivas georreferenciadas, tais como valores de intensidade de ervas daninhas ou valores de tipo de ervas daninhas. Os valores de intensidade de ervas daninhas podem incluir, sem limitação, pelo menos um dentre população de ervas daninhas, estágio de crescimento de ervas daninhas, tamanho de ervas daninhas, biomassa de ervas daninhas, umidade de ervas daninhas, ou saúde de ervas daninhas. Os valores de tipo de ervas daninhas podem incluir, sem limitação, uma indicação de tipo de ervas daninhas, tal como uma identificação da espécie de ervas daninhas.

[0032] A presente discussão dessa forma continua com relação a sistemas que recebem pelo menos um ou mais dentre um mapa topográfico, um mapa de genótipo de semente, um mapa de índice vegetativo, um mapa de rendimento, uma mapa de biomassa, e um mapa de ervas daninhas e também usam um sensor in situ para detectar um valor indicativo de um ou mais dentre uma distribuição interna de material, perda de grão ou perda de cultura, características de rejeitos e qualidade de grão durante uma operação de colheita. Os sistemas geram um modelo que modela uma ou mais relações entre as características derivadas do mapa recebidas e os valores de saída dos sensores in situ. Um ou mais modelos são usados para gerar um mapa preditivo funcional que prediz uma característica tal como uma característica sensoreada por um ou mais sensores in situ ou característica relacionada em diferentes localizações geográficas no campo, com base em um ou mais mapas de informação anteriores. O mapa preditivo funcional, gerado durante a operação de colheita, pode ser usado para controlar automaticamente uma colheitadeira durante a operação de colheita. O mapa preditivo funcional pode também ser provido a um operador ou outro usuário igualmente.

[0033] A FIG. 1 é uma ilustração parcial pictorial, parcial esquemática de uma colheitadeira agrícola autopropelida 100. No exemplo ilustrado, a colheitadeira agrícola 100 é uma colheitadeira combinada. Adicionalmente, embora colheitadeiras combinadas sejam providas como exemplos em toda a presente descrição, percebe-se que a presente descrição é também aplicável a outros tipos de colheitadeiras, tais como colheitadeiras de algodão, colheitadeiras de cana de açúcar, colheitadeiras de forragem autopropelidas, enfardadeiras, ou outras máquinas de trabalho agrícola. Consequentemente, a presente descrição deve englobar os vários tipos de colheitadeiras descritos e não é, dessa forma, limitada a colheitadeiras combinadas. Além disso, a presente descrição é direcionada para outros tipos de máquinas de trabalho, tais como semeadeiras e pulverizadores agrícolas, equipamento de construção, equipamento florestal e equipamento de gerenciamento de grama onde a geração de um mapa preditivo pode ser aplicável. Consequentemente, a presente descrição deve englobar esses vários tipos de colheitadeiras e outras máquinas de trabalho e não é, dessa forma, limitada a colheitadeiras combinadas.

[0034] Como mostrado na FIG. 1, a colheitadeira agrícola 100 ilustrativamente inclui um compartimento do operador 101, que pode ter uma variedade de diferentes mecanismos de interface de operador, para controlar a colheitadeira agrícola 100. A colheitadeira agrícola 100 inclui equipamento de extremidade dianteira, tal como um coletor 102, e um cortador indicado no geral por 104. A colheitadeira agrícola 100 também inclui um alimentador 106, um acelerador de alimentação 108 e um trilhador indicado no geral por 110. O alimentador 106 e o acelerador de alimentação 108 formam parte de um subsistema de manipulação de material 125. O coletor 102 é acoplado a pivô a uma armação 103 da colheitadeira agrícola 100 ao longo do eixo geométrico pivô 105. Um ou mais atuadores 107 acionam o movimento do coletor 102 em torno do eixo geométrico 105 na direção indicada no geral pela seta 109. Dessa forma, uma posição vertical do coletor 102 (a altura do coletor) acima do chão 111 no qual o coletor 102 desloca é controlável pela atuação do atuador 107. Embora não mostrado na FIG. 1, a colheitadeira agrícola 100 pode também incluir um ou mais atuadores que operam para aplicar um ângulo de inclinação, um ângulo de rolamento, ou ambos, ao coletor 102 ou porções do coletor 102. Inclinação se refere a um ângulo no qual o cortador 104 engata a cultura. O ângulo de inclinação é aumentado, por exemplo, controlando o coletor 102 para apontar uma aresta distal 113 do cortador 104 mais para o chão. O ângulo de inclinação é diminuído controlando o coletor 102 para apontar a aresta distal 113 do cortador 104 mais para fora do chão. O ângulo de rolamento se refere à orientação do coletor 102 em torno do eixo geométrico longitudinal de frente para trás da colheitadeira agrícola 100.

[0035] O trilhador 110 ilustrativamente inclui um rotor de trilhagem 112 e um conjunto de contrabatedores 114. Adicionalmente, a colheitadeira agrícola 100 também inclui um separador 116. A colheitadeira agrícola 100 também inclui um subsistema de limpeza ou sapata de limpeza (coletivamente referidos como subsistema de limpeza 118) que inclui uma ventoinha de limpeza 120, crivo 122 e peneira 124. O subsistema de manipulação de material 125 também inclui batedor de descarga 126, elevador de rejeitos 128, elevador de grão limpo 130, bem como trado de descarregamento 134 e bico 136. O elevador de grão limpo move grão limpo para o tanque de grão limpo 132. A colheitadeira agrícola 100 também inclui um subsistema de resíduo 138 que pode incluir picador 140 e espalhador 142. A colheitadeira agrícola 100 também inclui um subsistema de propulsão que inclui um motor que aciona componentes de engate no chão 144, tais como rodas ou esteiras. Em alguns exemplos, uma colheitadeira combinada dentro do escopo da presente descrição pode ter mais de um de qualquer dos subsistemas supramencionados. Em alguns exemplos, a colheitadeira agrícola 100 pode ter subsistemas de limpeza esquerdo e direito, separadores, etc., que não são mostrados na FIG. 1.

[0036] Em operação, e a título de revisão, a colheitadeira agrícola 100 ilustrativamente move através de um campo na direção indicada pela seta 147. À medida que a colheitadeira agrícola 100 move, o coletor 102 (e o carretel associado 164) engata a cultura a ser colhida e reúne a cultura em direção ao cortador 104. Um operador da colheitadeira agrícola 100 pode ser um operador humano local, um operador humano remoto, ou um sistema automatizado. O operador da colheitadeira agrícola 100 pode determinar um ou mais dentre um ajuste de altura, um ajuste de ângulo de inclinação, ou um ajuste de ângulo de rolamento para o coletor 102. Por exemplo, o operador entra com um ajuste ou ajustes em um sistema de controle, descrito em mais detalhe a seguir, que controla o atuador 107. O sistema de controle pode também receber um ajuste do operador para estabelecer o ângulo de inclinação e ângulo de rolamento do coletor 102 e implementar os ajustes alimentados controlando os atuadores associados, não mostrados, que operam para mudar o ângulo de inclinação e o ângulo de rolamento do coletor 102. O atuador 107 mantém o coletor 102 a uma altura acima do chão 111 com base em um ajuste de altura e, onde aplicável, em ângulos de inclinação e rolamento desejados. Cada um dos ajustes de altura, rolamento e inclinação pode ser implementado independentemente dos outros. O sistema de controle responda erro do coletor (por exemplo, a diferença entre o ajuste de altura e a altura medida do coletor 104 acima do chão 111 e, em alguns exemplos, erros do ângulo de inclinação e ângulo de rolamento) com uma capacidade de resposta que é determinada com base em um nível de sensibilidade. Se o nível de sensibilidade for ajustado a um maior nível de sensibilidade, o sistema de controle responda menores erros de posição do coletor, e tenta reduzir os erros detectados mais rapidamente do que quando a sensibilidade está em um menor nível de sensibilidade.

[0037] De volta à descrição da operação da colheitadeira agrícola 100, após culturas serem cortadas pelo cortador 104, o material de cultura separado é movimentado através de um transportador no alimentador 106 para o acelerador de alimentação 108, que acelera o material de cultura para o trilhador 110. O material de cultura é trilhado pelo rotor 112 que roda a cultura contra os contrabatedores 114. O material de cultura trilhado é movimentado por um rotor de separador no separador 116 onde uma porção do resíduo é movimentada pelo batedor de descarga 126 para o subsistema de resíduo 138. A porção de resíduo transferida para o subsistema de resíduo 138 é picada pelo picador de resíduo 140 e espalhada no campo pelo espalhador 142. Em outras configurações, o resíduo é solto da colheitadeira agrícola 100 em um amontoado de feno. Em outros exemplos, o subsistema de resíduo 138 pode incluir eliminadores de sementes de ervas daninhas (não mostrados) tais como ensacadores de semente ou outros coletores de semente, ou trituradores de semente ou outros destruidores de semente.

[0038] Grão cai no subsistema de limpeza 118. O crivo 122 separa alguns pedaços maiores de material do grão, e a peneira 124 separa alguns dos pedaços mais finos de material do grão limpo. Grão limpo cai em um trado que move o grão para uma extremidade de entrada do elevador de grão limpo 130, e o elevador de grão limpo 130 move o grão limpo para cima, depositando o grão limpo no tanque de grão limpo 132. Resíduo é removido do subsistema de limpeza 118 pelo fluxo de ar gerado pela ventoinha de limpeza 120. A ventoinha de limpeza 120 direciona ar ao longo de um trajeto de fluxo de ar para cima através das peneiras e crivos. O fluxo de ar carrega resíduo para trás na colheitadeira agrícola 100 para o subsistema de manuseio de resíduo 138.

[0039] O elevador de rejeitos 128 retorna os rejeitos para o trilhador 110 onde os rejeitos são retrilhados. Alternativamente, os rejeitos também podem ser passados para um mecanismo de retrilhagem separado por um elevador de rejeitos ou outro dispositivo de transporte onde os rejeitos são retrilhados igualmente.

[0040] Embora não mostrada na FIG. 1, colheitadeira agrícola 100 pode, em alguns exemplos, incluir um ou mais elementos de engate de material ajustáveis dispostos no trajeto de fluxo de material dentro da colheitadeira agrícola 100. Esses elementos de engate de material ajustáveis podem incluir, sem limitação, lâminas, tais como lâminas de leme, ou outros membros ajustáveis, que podem ser movimentadas de forma ajustável (por exemplo, anguladas, pivotadas, etc.) para direcionar material no trajeto de fluxo. Os elementos de engate de material ajustáveis podem direcionar pelo menos uma porção da corrente de material para a direita ou esquerda em relação à direção de fluxo, tal como um subsistema de limpeza esquerdo ou direito, um separador esquerdo ou direito, ou vários outros componentes e subsistemas da colheitadeira agrícola que podem incluir tanto um esquerdo quanto um direito, como aqui descrito. Em alguns exemplos, a direção pode ser de áreas de maior profundidade de material para áreas de menor profundidade de material lateralmente ou longitudinalmente em relação à direção de fluxo de material. Esses elementos de engate de material ajustáveis podem ser controlados por meio de um atuador (por exemplo, hidráulico, elétrico, pneumático, etc.) para controlar a distribuição de material dentro da colheitadeira agrícola 100.

[0041] A FIG. 1 também mostra que, em um exemplo, a colheitadeira agrícola 100 inclui sensor de velocidade em relação ao chão 146, um ou mais sensores de perda no separador 148, uma câmara de grão limpo 150, um mecanismo de captura de imagem voltado para a frente 151, que pode ser na forma de uma câmera estéreo ou mono, e um ou mais sensores de perda 152 providos no subsistema de limpeza 118.

[0042] O sensor de velocidade em relação ao chão 146 sensoreia a velocidade de deslocamento da colheitadeira agrícola 100 no chão. O sensor de velocidade em relação ao chão 146 pode sensorear a velocidade de deslocamento da colheitadeira agrícola 100 sensoreando a velocidade de rotação dos componentes de engate no chão (tais como rodas ou esteiras), um eixo acionador, um eixo de rodas, ou outros componentes. Em alguns casos, a velocidade de deslocamento pode ser sensoreada usando uma sistema de posicionamento, tais como um sistema de posicionamento global (GPS), um sistema de posicionamento relativo, um sistema de navegação de longo alcance (LORAN), sensor de velocidade Doppler, ou uma ampla variedade de outros sistemas ou sensores que provêm uma indicação de velocidade de deslocamento. Os sensores de velocidade em relação ao chão 146 podem também incluir sensores de direção tais como uma bússola, um magnetômetro, um sensor gravimétrico, um giroscópio, derivação de GPS, para determinar a direção de deslocamento em duas ou três dimensões em combinação com a velocidade. Dessa maneira, quando a colheitadeira agrícola 100 está em uma inclinação, a orientação da colheitadeira agrícola 100 em relação à inclinação é conhecida. Por exemplo, uma orientação da colheitadeira agrícola 100 poderia incluir subir, descer ou percorrer transversalmente a inclinação. Velocidade da máquina ou em relação ao chão, quando referida nesta descrição, pode também incluir direção de deslocamento em duas ou três dimensões.

[0043] Os sensores de perda 152 ilustrativamente provêm um sinal de saída indicativo da quantidade de perda de grão que ocorre tanto no lado direito quanto esquerdo do subsistema de limpeza 118. Em alguns exemplos, os sensores 152 são sensores de colisão que contam colisões de grão por unidade de tempo ou por unidade de distância percorrida para prover uma indicação da perda de grão que ocorre no subsistema de limpeza 118. Os sensores de colisão para os lados direito e esquerdo do subsistema de limpeza 118 podem prover sinais individuais ou um sinal combinado ou agregado. Em alguns exemplos, os sensores 152 podem incluir um único sensor ao contrário de sensores separados providos para cada subsistema de limpeza 118.

[0044] O sensor de perda no separador 148 provê um sinal indicativo de perda de grão nos separadores esquerdo e direito, não mostrados separadamente na FIG. 1. Os sensores de perda no separador 148 podem ser associados aos separadores esquerdo e direito e podem prover sinais de perda de grão separados ou um sinal combinado ou agregado. Em alguns casos, o sensoreamento de perda de grão nos separadores pode também ser feito usando uma ampla variedade de diferentes tipos de sensores igualmente.

[0045] A colheitadeira agrícola 100 pode também incluir outros sensores e mecanismos de medição. Por exemplo, a colheitadeira agrícola 100 pode incluir um ou mais dos seguintes sensores: um sensor de altura do coletor que sensoreia uma altura do coletor 102 acima do chão 111; sensores de estabilidade que sensoreiam a oscilação ou movimento de salto (e amplitude) da colheitadeira agrícola 100; um sensor de ajuste de resíduo que é configurado para sensorear se a colheitadeira agrícola 100 está configurada para picar o resíduo, produzir um amontoado de feno, etc.; um sensor de velocidade da ventoinha da sapata de limpeza para sensorear a velocidade da ventoinha 120; um sensor de folga do contrabatedor que sensoreia a folga entre o rotor 112 e os contrabatedores 114; um sensor de velocidade do rotor de trilhagem que sensoreia a velocidade de rotor do rotor 112; um sensor de folga do crivo que sensoreia o tamanho das aberturas no crivo 122; um sensor de folga da peneira que sensoreia o tamanho das aberturas na peneira 124; um sensor de umidade de material não grão (MOG) que sensoreia um nível de umidade de MOG que passa através da colheitadeira agrícola 100; um ou mais sensores de ajuste de máquina configurados para sensorear vários ajustes da colheitadeira agrícola configuráveis 100; um sensor de orientação da máquina que sensoreia a orientação da colheitadeira agrícola 100; e sensores de propriedade de cultura que sensoreiam uma variedade de diferentes tipos de propriedades de cultura, tais como tipo de cultura, umidade de cultura e outras propriedades de cultura. Os sensores de propriedade de cultura podem também ser configurados para sensorear características do material de cultura separado à medida que o material de cultura é processado pela colheitadeira agrícola 100. Por exemplo, em alguns casos, os sensores de propriedade de cultura podem sensorear a qualidade de grão tais como grão quebrado, níveis de MOG; constituintes de grão tais como amidos e proteína; e taxa de alimentação de grão à medida que o grão desloca através do alimentador 106, elevador de grão limpo 130, ou em algum lugar na colheitadeira agrícola 100. Os sensores de propriedade de cultura podem também sensorear a taxa de alimentação de biomassa através do alimentador 106, através do separador 116 ou em algum lugar na colheitadeira agrícola 100. Os sensores de propriedade de cultura podem também sensorear a taxa de alimentação como uma vazão em massa de grão através do elevador 130 ou através de outras porções da colheitadeira agrícola 100 ou prover outros sinais de saída indicativos de outras variáveis sensoreadas. Um sensor de distribuição de material interna pode sensorear a distribuição de material interna na colheitadeira agrícola 100.

[0046] Exemplos de sensores usados para detectar ou sensorear as características de potência incluem, mas sem se limitar a um sensor de tensão, um sensor de corrente, um sensor de torque, um sensor de pressão hidráulica, um sensor de fluxo hidráulico, um sensor de força, um sensor de carga de mancal e um sensor rotacional. As características de potência podem ser medidas em níveis variados de granularidade. Por exemplo, o uso de potência pode ser sensoreado com relação à máquina, com relação a subsistema ou por componentes individuais dos subsistemas.

[0047] Exemplos de sensores usados para detectar distribuição interna de material incluem, mas sem se limitar a um ou mais câmeras, sensores capacitivos, sensores reflexivos em tempo de voo eletromagnéticos ou ultrassônicos, sensores de atenuação de sinal, sensores de peso ou massa, sensores de fluxo de material, etc. Esses sensores podem ser colocados em uma ou mais localizações na colheitadeira agrícola 100 para sensorear a distribuição do material na colheitadeira agrícola 100, durante a operação da colheitadeira agrícola 100.

[0048] Exemplos de sensores usados para detectar ou sensorear uma arfagem ou rolamento da colheitadeira agrícola 100 incluem acelerômetros, giroscópios, unidades de medição inercial, sensores gravimétricos, magnetômetros, etc. Esses sensores podem também ser indicativos da inclinação do terreno no qual a colheitadeira agrícola 100 está atualmente.

[0049] Antes de descrever como a colheitadeira agrícola 100 gera um mapa preditivo funcional, e usa o mapa preditivo funcional para controlar, uma breve descrição de alguns dos itens da colheitadeira agrícola 100, e sua operação, será primeiramente descrita. A descrição da FIG. 2 e 3 descreve o recebimento de um tipo geral de mapa de informação anterior e combinação de informação do mapa de informação anterior com um sinal de sensor georreferenciado gerado por um sensor in situ, onde o sinal de sensor pode ser indicativo de uma característica agrícola, tal como um ou mais dentre uma característica no campo, características de propriedades de cultura, as características de grão, ou características da colheitadeira agrícola 100. Características do “campo” podem incluir, mas sem se limitar a características de um campo tal como inclinação, características de ervas daninhas (tal como intensidade de ervas daninhas ou tipo de ervas daninhas), umidade do solo, e qualidade da superfície. Características de propriedades de cultura podem incluir, sem limitação, altura da cultura, umidade de cultura, qualidade de grão, densidade da cultura, e estado de cultura. As características de grão podem incluir, sem limitações, umidade do grão, tamanho de grão, peso de teste de grão; e características da colheitadeira agrícola 100 podem incluir, sem limitação, orientação, níveis de perda, qualidade do trabalho, consumo de combustível, distribuição interna de material, características de rejeitos, e utilização de potência. Uma relação entre os valores de característica obtidos de sinais de sensor in situ e os valores de mapa de informação anterior é identificada, e essa relação é usada para gerar um novo mapa preditivo funcional 263. Um mapa preditivo funcional 263 prediz valores em diferentes localizações geográficas em um campo, e um ou mais desses valores podem ser usados para controlar uma máquina. Em alguns casos, um mapa preditivo funcional 263 pode ser apresentado a um usuário, tal como um operador de uma máquina de trabalho agrícola, que pode ser uma colheitadeira agrícola. Um mapa preditivo funcional 263 pode ser apresentado a um usuário visualmente, tal como por meio de uma exibição, hapticamente ou audivelmente. O usuário pode interagir com o mapa preditivo funcional 263 para realizar operações de edição e outras operações de interface de usuário. Em alguns casos, um mapa preditivo funcional tanto pode ser usado para controlar uma máquina de trabalho agrícola, tal como uma colheitadeira agrícola, apresentação a um operador ou outro usuário, quanto para apresentação a um operador ou usuário para interação pelo operador ou usuário.

[0050] Após a abordagem geral ser descrita com relação às FIGS. 2 e 3, uma abordagem mais específica para gerar um mapa preditivo funcional 263 que pode ser apresentado a um operador ou usuário, ou usado para controlar a colheitadeira agrícola 100, ou ambos, é descrita com relação às FIGS. 4 e 5. Novamente, embora a presente discussão se dê com relação à colheitadeira agrícola e, particularmente, uma colheitadeira combinada, o escopo da presente descrição engloba outros tipos de colheitadeiras agrícolas ou outras máquinas de trabalho agrícola.

[0051] A FIG. 2 é um diagrama de blocos mostrando algumas porções de uma colheitadeira agrícola exemplificativa 100. A FIG. 2 mostra que a colheitadeira agrícola 100 ilustrativamente inclui um ou mais processadores ou servidores 201, armazenamento de dados 202, sensor de posição geográfica 204, sistema de comunicação 206, e um ou mais sensores in situ 208 que sensoreiam uma ou mais características agrícolas simultaneamente a uma operação de colheita. Uma característica agrícola pode incluir qualquer característica que pode ter um efeito na operação de colheita. Alguns exemplos de características agrícolas incluem características da colheitadeira agrícola, o campo, a plantas no campo e as condições climáticas. Outros tipos de características agrícolas são também incluídos. Os sensores in situ 208 geram valores correspondentes às características sensoreadas. A colheitadeira agrícola 100 também inclui um modelo preditivo ou gerador de relação (coletivamente referidos a seguir como “gerador de modelo preditivo 210”), o gerador de mapa preditivo 212, gerador de zona de controle 213, sistema de controle 214, um ou mais subsistemas controláveis 216 e um mecanismo de interface de operador 218. A colheitadeira agrícola 100 pode também incluir uma ampla variedade de outras funcionalidades de colheitadeira agrícola 220. Os sensores in situ 208 incluem, por exemplo, sensores internos 222, sensores remotos 224 e outros sensores 226 que sensoreiam características durante o curso de uma operação agrícola. O gerador de modelo preditivo 210 ilustrativamente inclui um gerador de modelo de variável de informação anterior para variável in situ 228, e o gerador de modelo preditivo 210 pode incluir outros itens 230. O sistema de controle 214 inclui controlador do sistema de comunicação 229, controlador de interface de operador 231, um controlador de ajustes 232, controlador de planejamento de trajeto 234, controlador de taxa de alimentação 236, controlador de coletor e carretel 238, controlador de correia de lona 240, controlador de posição de placa de convés 242, controlador do sistema de resíduo 244, controlador de limpeza de máquina 245, controlador de zona 247, e o sistema 214 pode incluir outros itens 246. Os subsistemas controláveis 216 incluem atuadores de máquina e coletor 248, subsistema de propulsão 250, subsistema de direção 252, subsistema de resíduo 138, subsistema de limpeza de máquina 254, e os subsistemas 216 podem incluir uma ampla variedade de outros subsistemas 256.

[0052] A FIG. 2 também mostra que a colheitadeira agrícola 100 pode receber mapa de informação anterior 258. Como descrito a seguir, o mapa de informação anterior 258 inclui, por exemplo, um mapa topográfico de uma operação anterior no campo, tal como um veículo aéreo não tripulado completando uma operação de varredura de alcance a partir de uma altitude conhecida, um mapa topográfico sensoreado por um avião, um mapa topográfico sensoreado por um satélite, um mapa topográfico sensoreado por um veículo terrestre, tal como uma plantadeira equipada com GPS, etc. O mapa de informação anterior 258 pode também incluir um ou mais dentre um mapa de genótipo de semente, um mapa de índice vegetativo (VI), um mapa de rendimento, um mapa de biomassa, ou um mapa de ervas daninhas. Entretanto, informação de mapa anterior pode também englobar outros tipos de dados que foram obtidos antes de uma operação de colheita ou um mapa de uma operação anterior. Por exemplo, um mapa topográfico pode ser recuperado de uma fonte remota tal como a United States Geological Survey (USGS). A FIG. 2 também mostra que um operador 260 pode operar a colheitadeira agrícola 100. O operador 260 interage com mecanismos de interface de operador 218. Em alguns exemplos, os mecanismos de interface de operador 218 podem incluir manches, alavancas, um volante, articulações, pedais, botões, diais, blocos de teclas, elementos atuáveis pelo usuário (tais como ícones, botões, etc.) em um dispositivo de exibição de interface de usuário, um microfone e alto-falante (onde reconhecimento de voz e síntese de voz são providos), dentre uma ampla variedade de outros tipos de dispositivos de controle. Onde um sistema de exibição sensível ao toque é provido, o operador 260 pode interagir com mecanismos de interface de operador 218 usando gestos de toque. Esses exemplos aqui descritos são providos como exemplos ilustrativos e não visam limitar o escopo da presente descrição. Consequentemente, outros tipos de mecanismos de interface de operador 218 podem ser usados e estão dentro do escopo da presente descrição.

[0053] O mapa de informação anterior 258 pode ser carregado na colheitadeira agrícola 100 e armazenado no armazenamento de dados 202, usando o sistema de comunicação 206, ou de outras maneiras. Em alguns exemplos, o sistema de comunicação 206 pode ser um sistema de comunicação celular, um sistema para comunicar por uma rede de área abrangente ou uma rede de área local, um sistema para comunicar por uma rede de comunicação de campo próximo, ou um sistema de comunicação configurado para comunicar por qualquer de uma variedade de outras redes ou combinações de redes. O sistema de comunicação 206 pode também incluir um sistema que facilita os carregamentos ou transferências de informação em um cartão de disco seguro digital (SD) ou um cartão de barramento serial universal (USB), ou ambos.

[0054] O sensor de posição geográfica 204 ilustrativamente sensoreia ou detecta a posição ou localização geográfica da colheitadeira agrícola 100. O sensor de posição geográfica 204 pode incluir, mais sem se limitar a um receptor de sistema de satélite de navegação global (GNSS) que recebe sinais de um transmissor de satélite GNSS. O sensor de posição geográfica 204 pode também incluir um componente cinemático em tempo real (RTK) que é configurado para melhorar a precisão de dados de posição derivados do sinal GNSS. O sensor de posição geográfica 204 pode incluir um sistema de posicionamento relativo, um sistema de triangulação celular, ou qualquer de uma variedade de outros sensores de posição geográfica.

[0055] Os sensores in situ 208 podem ser qualquer um dos sensores supradescritos com relação à FIG. 1. Os sensores in situ 208 incluem sensores internos 222 que são montados internamente na colheitadeira agrícola 100. Tais sensores podem incluir, por exemplo, um sensor de velocidade (por exemplo, um GPS, velocímetro, ou bússola), sensores de imagem que são internos à colheitadeira agrícola 100 (tal como a câmera de grão limpo ou câmeras montadas para identificar distribuição de material na colheitadeira agrícola 100, por exemplo, no subsistema de resíduo ou o sistema de limpeza), grão sensores de perda, sensores de característica de refugos, e sensores de qualidade de grão. Os sensores in situ 208 também incluem sensores in situ remotos 224 que capturam informação in situ. Dados in situ incluem dados coletados de um sensor interno à colheitadeira ou coletados de qualquer sensor onde os dados são detectados durante a operação de colheita.

[0056] O gerador de modelo preditivo 210 gera um modelo que é indicativo de uma relação entre os valores sensoreados pelo sensor in situ 208 e uma característica mapeada no campo pelo mapa de informação anterior 258. Por exemplo, se o mapa de informação anterior 258 mapear uma característica topográfica para diferentes localizações no campo, e o sensor in situ 208 estiver sensoreando um valor indicativo de distribuição interna de material, então o gerador de modelo de variável de informação anterior para variável in situ 228 gera um modelo preditivo que modela a relação entre as características topográficas e distribuição de material interno. O modelo de máquina preditivo pode também ser gerado com base em características de um ou mais dos mapas de informação anteriores 258 e um ou mais valores de dados in situ gerados por sensores in situ 208. Então, o gerador de mapa preditivo 212 usa o modelo preditivo gerado pelo gerador de modelo preditivo 210 para gerar um mapa preditivo funcional 263 que prediz o valor de uma característica, tais como distribuição interna de material, características de rejeitos, perda, ou qualidade de grão, sensoreado pelos sensores in situ 208 em diferentes localizações no campo com base no mapa de informação anterior 258.

[0057] Em alguns exemplos, o tipo de valores no mapa preditivo funcional 263 pode ser o mesmo que o tipo de dados in situ sensoreados pelos sensores in situ 208. Em alguns casos, o tipo de valores no mapa preditivo funcional 263 pode ter unidades diferentes dos dados sensoreados pelos sensores in situ 208. Em alguns exemplos, o tipo de valores no mapa preditivo funcional 263 pode ser diferente do tipo de dados sensoreado pelos sensores in situ 208, mas tem uma relação com o tipo do tipo de dados sensoreado pelos sensores in situ 208. Por exemplo, em alguns exemplos, o tipo de dados sensoreado pelos sensores in situ 208 pode ser indicativo do tipo de valores no mapa preditivo funcional 263. Em alguns exemplos, o tipo de dados no mapa preditivo funcional 263 pode ser diferente do tipo de dados no mapa de informação anterior 258. Em alguns casos, o tipo de dados no mapa preditivo funcional 263 pode ter unidades diferentes dos dados no mapa de informação anterior 258. Em alguns exemplos, o tipo de dados no mapa preditivo funcional 263 pode ser diferente do tipo de dados no mapa de informação anterior 258, mas tem uma relação com o tipo de dados no mapa de informação anterior 258. Por exemplo, em alguns exemplos, o tipo de dados no mapa de informação anterior 258 pode ser indicativo do tipo de dados no mapa preditivo funcional 263. Em alguns exemplos, o tipo de dados no mapa preditivo funcional 263 é diferente de um, ou ambos, do tipo de dados in situ sensoreados pelos sensores in situ 208 e do tipo de dados no mapa de informação anterior 258. Em alguns exemplos, o tipo de dados no mapa preditivo funcional 263 é o mesmo que um, ou ambos, do tipo de dados in situ sensoreados pelos sensores in situ 208 e do tipo de dados no mapa de informação anterior 258. Em alguns exemplos, o tipo de dados no mapa preditivo funcional 263 é o mesmo que um dentre o tipo de dados in situ sensoreados pelos sensores in situ 208 ou o tipo de dados no mapa de informação anterior 258, e diferentes entre si.

[0058] O gerador de mapa preditivo 212 pode usar as características no mapa de informação anterior 258 e o modelo gerado pelo gerador de modelo preditivo 210 para gerar um mapa preditivo funcional 263 que prediz as características em diferentes localizações no campo. O gerador de mapa preditivo 212 dessa forma produz o mapa preditivo 264

[0059] Como mostrado na FIG. 2, o mapa preditivo 264 prediz o valor de uma característica sensoreada (sensoreada pelos sensores in situ 208), ou uma característica relacionada à característica sensoreada, em várias localizações através do campo com base em um valor de informação anterior no mapa de informação anterior 258 nessas localizações e usando o modelo preditivo. Por exemplo, se o gerador de modelo preditivo 210 tiver gerado um modelo preditivo indicativo de uma relação entre uma característica topográfica e qualidade de grão, então, dado as características topográficas em diferentes localizações através do campo, o gerador de mapa preditivo 212 gera um mapa preditivo 264 que prediz o valor de qualidade de grão em diferentes localizações através do campo. A característica topográfica, obtida do mapa topográfico, nessas localizações e a relação entre a característica topográfica e a característica de qualidade de grão, obtida do modelo preditivo, são usadas para gerar o mapa preditivo 264. A qualidade de grão predita pode ser usada por um sistema de controle para ajustar, por exemplo, uma ou mais dentre aberturas de peneira e crivo, operação do rotor, folga do contrabatedor (isto é, o espaço entre o rotor de trilhagem e o contrabatedor), ou velocidade da ventoinha de limpeza.

[0060] Algumas variações nos tipos de dados que são mapeados no mapa de informação anterior 258, nos tipos de dados sensoreados pelos sensores in situ 208 e nos tipos de dados preditos no mapa preditivo 264 serão agora descritas. Esses são apenas exemplos para ilustrar que os tipos de dados podem ser os mesmos ou diferentes.

[0061] Em alguns exemplos, o tipo de dados no mapa de informação anterior 258 é diferente do tipo de dados sensoreado pelos sensores in situ 208, também o tipo de dados no mapa preditivo 264 é o mesmo que o tipo de dados sensoreado pelos sensores in situ 208. Por exemplo, o mapa de informação anterior 258 pode ser um mapa topográfico, e a variável sensoreada pelos sensores in situ 208 pode ser uma característica de qualidade de grão. O mapa preditivo 264 pode então ser um mapa de máquina preditivo que mapeia valores de característica de máquina preditos para diferentes localizações geográficas no campo.

[0062] Também, em alguns exemplos, o tipo de dados no mapa de informação anterior 258 é diferente do tipo de dados sensoreado pelos sensores in situ 208, e o tipo de dados no mapa preditivo 264 é diferente tanto do tipo de dados no mapa de informação anterior 258 quanto do tipo de dados sensoreado pelos sensores in situ 208. Por exemplo, o mapa de informação anterior 258 pode ser um mapa topográfico, e a variável sensoreada pelos sensores in situ 208 pode ser máquina arfagem/rolamento. O mapa preditivo 264 pode então ser um mapa de distribuição interna preditivo que mapeia valores distribuição interna preditos para diferentes localizações geográficas no campo.

[0063] Em alguns exemplos, o mapa de informação anterior 258 é de uma operação anterior através do campo, e o tipo de dados é diferente do tipo de dados sensoreado pelos sensores in situ 208, também o tipo de dados no mapa preditivo 264 é o mesmo que o tipo de dados sensoreado pelos sensores in situ 208. Por exemplo, o mapa de informação anterior 258 pode ser um mapa de genótipo de semente gerado durante o plantio, e a variável sensoreada pelos sensores in situ 208 pode ser perda. O mapa preditivo 264 pode então ser um mapa de perda preditivo que mapeia predito perda de grãos valores para diferentes localizações geográficas no campo. Em outro exemplo, o mapa de informação anterior 258 pode ser um mapa de genótipo de semeadura, e a variável sensoreada pelos sensores in situ 208 pode ser estado de cultura tal como cultura em pé ou cultura deitada. O mapa preditivo 264 pode então ser um mapa de estado de cultura preditivo que mapeia valores de estado de cultura preditos para diferentes localizações geográficas no campo.

[0064] Em alguns exemplos, o mapa de informação anterior 258 é de uma operação anterior através do campo, e o tipo de dados é o mesmo que o tipo de dados sensoreado pelos sensores in situ 208, e o tipo de dados no mapa preditivo 264 é também o mesmo que o tipo de dados sensoreado pelos sensores in situ 208. Por exemplo, o mapa de informação anterior 258 pode ser um mapa de rendimento gerado durante um ano anterior, e a variável sensoreada pelos sensores in situ 208 pode ser rendimento. O mapa preditivo 264 pode então ser um mapa de rendimento preditivo que mapeia valores de rendimento preditos para diferentes localizações geográficas no campo. Em um exemplo como esse, as diferenças de rendimento relativas no mapa de informação anterior georreferenciado 258 do ano anterior pode ser usado pelo gerador de modelo preditivo 210 para gerar um modelo preditivo que modela uma relação entre as diferenças de rendimento relativas no mapa de informação anterior 258 e os valores de rendimento sensoreados pelos sensores in situ 208 durante a operação de colheita atual. O modelo preditivo é então usado pelo gerador de mapa preditivo 210 para gerar um mapa de rendimento preditivo.

[0065] Em alguns exemplos, o mapa preditivo 264 pode ser provido ao gerador de zona de controle 213. O gerador de zona de controle 213 agrupa valores de dados de pontos individuais contíguos no mapa preditivo 264, em zonas de controle. Uma zona de controle pode incluir duas ou mais porções contíguas de uma área, tal como um campo, para as quais um parâmetro de controle correspondente à zona de controle para controlar um subsistema controlável é constante. Por exemplo, um tempo de resposta para alterar um ajuste de subsistemas controláveis 216 pode ser inadequado para responder satisfatoriamente a mudanças nos valores contidos em um mapa, tal como o mapa preditivo 264. Nesse caso, o gerador de zona de controle 213 analisa o mapa e identifica zonas de controle que são de um tamanho definido para acomodar o tempo de resposta dos subsistemas controláveis 216. Em outro exemplo, as zonas de controle podem ser dimensionadas para reduzir o desgaste proveniente do movimento excessivo do atuador resultante do ajuste contínuo. Em alguns exemplos, pode haver um conjunto diferente de zonas de controle para cada subsistema controlável 216 ou para grupos de subsistemas controláveis 216. As zonas de controle podem ser adicionadas ao mapa preditivo 264 para obter mapa de zona de controle preditivo 265. O mapa de zona de controle preditivo 265 pode dessa forma ser similar ao mapa preditivo 264, exceto que o da zona de controle preditivo 265 inclui informação de zona de controle definindo as zonas de controle. Dessa forma, um mapa preditivo funcional 263, como descrito no presente documento, pode ou não incluir zonas de controle. Tanto o mapa preditivo 264 quanto o mapa de zona de controle preditivo 265 são mapas preditivos funcionais 263. Em um exemplo, um mapa preditivo funcional 263 não inclui zonas de controle, tal como o mapa preditivo 264. Em outro exemplo, um mapa preditivo funcional 263 não inclui zonas de controle, tal como o mapa de zona de controle preditivo 265. Em alguns exemplos, múltiplas culturas podem estar simultaneamente presentes em um campo se um sistema de produção intercultura for implementado. Nesse caso, o gerador de mapa preditivo 212 e o gerador de zona de controle 213 são capazes de identificar a localização e as características das duas ou mais culturas e então gerar o mapa preditivo 264 e o mapa de zona de controle preditivo 265 correspondentemente.

[0066] Deve-se também perceber que o gerador de zona de controle 213 pode agrupar valores para gerar zonas de controle, e as zonas de controle podem ser adicionadas ao mapa de zona de controle preditivo 265, ou um mapa separado, mostrando apenas as zonas de controle que são geradas. Em alguns exemplos, as zonas de controle só podem ser usadas para controlar ou calibrar a colheitadeira agrícola 100, ou ambos. Em outros exemplos, as zonas de controle podem ser apresentadas ao operador 260 e usadas para controlar ou calibrar a colheitadeira agrícola 100 e, em outros exemplos, as zonas de controle podem apenas ser apresentadas ao operador 260 ou outro usuário, ou armazenadas para uso posterior.

[0067] O mapa preditivo 264 ou mapa de zona de controle preditivo 265, ou ambos, são providos ao sistema de controle 214, que gera sinais de controle com base no mapa preditivo 264 ou mapa de zona de controle preditivo 265, ou ambos. Em alguns exemplos, o controlador do sistema de comunicação 229 controla o sistema de comunicação 206 para comunicar o mapa preditivo 264 ou mapa de zona de controle preditivo 265 ou sinais de controle com base no mapa preditivo 264 ou mapa de zona de controle preditivo 265 a outras colheitadeiras agrícolas que estão colhendo no mesmo campo. Em alguns exemplos, o controlador do sistema de comunicação 229 controla o sistema de comunicação 206 para enviar o mapa preditivo 264, o mapa de zona de controle preditivo 265, ou ambos, a outros sistemas remotos.

[0068] Em alguns exemplos, o mapa preditivo 264 pode ser provido ao gerador de rota/missão 267. O gerador de rota/missão 267 coloca em gráfico um trajeto de deslocamento para colheitadeira agrícola 100 deslocar durante a operação de colheita com base em mapa preditivo 264. O trajeto de deslocamento pode também incluir ajustes de controle de máquina correspondentes às localizações ao longo do trajeto de deslocamento igualmente. Por exemplo, se um trajeto de deslocamento subir uma colina, então, em um ponto anterior de acesso à colina, o trajeto de deslocamento pode incluir um controle indicativo de direcionamento de potência para os sistemas de propulsão para manter uma velocidade ou taxa de alimentação da colheitadeira agrícola 100. Em alguns exemplos, o gerador de rota/missão 267 analisa as diferentes orientações da colheitadeira agrícola 100 e as características de máquina preditas que as orientações são preditas gerar de acordo com o mapa preditivo 264, para uma pluralidade de diferente rotas de deslocamento, e seleciona um rota que tem resultados desejáveis (tal como pouco tempo de colheita ou utilização de potência desejada ou uniformidade de distribuição de material).

[0069] O controlador de interface de operador 231 é operável para gerar sinais de controle para controlar os mecanismos de interface de operador 218. O controlador de interface de operador 231 é também operável para apresentar o mapa preditivo 264 ou mapa de zona de controle preditivo 265 ou outra informação derivada ou baseada no mapa preditivo 264 no mapa de zona de controle preditivo 265, ou ambos, ao operador 260. O operador 260 pode ser um operador local ou um operador remoto. Como um exemplo, o controlador 231 gera sinais de controle para controlar um mecanismo de exibição para exibir um ou ambos do mapa preditivo 264 e do mapa de zona de controle preditivo 265 para o operador 260. O controlador 231 pode gerar mecanismos atuáveis pelo operador que são exibidos e podem ser atuados pelo operador para interagir com o mapa exibido. O operador pode editar o mapa, por exemplo, corrigindo uma utilização de potência exibido no mapa, com base na observação do operador. O controlador de ajustes 232 pode gerar sinais de controle para controlar vários ajustes na colheitadeira agrícola 100 com base no mapa preditivo 264, no mapa de zona de controle preditivo 265, ou ambos. Por exemplo, o controlador de ajustes 232 pode gerar sinais de controle para controlar os atuadores de máquina e coletor 248. Em resposta aos sinais de controle gerados, os atuadores de máquina e coletor 248 operam para controlar, por exemplo, um ou mais dos ajustes de peneira e crivo, folga do contrabatedor, ajustes do rotor, ajustes de velocidade da ventoinha de limpeza, altura do coletor, funcionalidade do coletor, velocidade do carretel, posição do carretel, funcionalidade da lona (onde a colheitadeira agrícola 100 é acoplada a uma espigadeira de lona), funcionalidade do coletor de milho, controle de distribuição interna e outros atuadores 248 que afetam as outras funções da colheitadeira agrícola 100. O controlador de planejamento de trajeto 234 ilustrativamente gera sinais de controle para controlar o subsistema de direção 252 para dirigir a colheitadeira agrícola 100 de acordo com um trajeto desejado. O controlador de planejamento de trajeto 234 pode controlar um sistema de planejamento de trajeto para gerar uma rota para a colheitadeira agrícola 100 e pode controlar o subsistema de propulsão 250 e o subsistema de direção 252 para dirigir a colheitadeira agrícola 100 ao longo dessa rota. O controlador de taxa de alimentação 236 pode controlar vários subsistemas, tais como o subsistema de propulsão 250 e atuadores de máquina 248, para controlar uma taxa de alimentação com base no mapa preditivo 264 ou mapa de zona de controle preditivo 265, ou ambos. Por exemplo, à medida que a colheitadeira agrícola 100 se aproxima de um terreno em declínio com um valor de velocidade estimado acima de um limiar selecionado, o controlador de taxa de alimentação 236 pode reduzir a velocidade de máquina 100 para manter constante a taxa de alimentação de biomassa através da colheitadeira agrícola 100. O controlador de coletor e carretel 238 pode gerar sinais de controle para controlar um coletor ou um carretel ou outra funcionalidade do coletor. O controlador de correia de lona 240 pode gerar sinais de controle para controlar uma correia de lona ou outra funcionalidade da espigadeira com base no mapa preditivo 264, no mapa de zona de controle preditivo 265, ou ambos. Por exemplo, à medida que a colheitadeira agrícola 100 se aproxima de um terreno em declínio com um valor de velocidade estimado acima de um limiar selecionado, o controlador de correia de lona 240 pode aumentar a velocidade das correias de lona para impedir apoio de material nas correias. O controlador de posição de placa de convés 242 pode gerar sinais de controle para controlar uma posição de uma placa de convés incluída em um coletor com base em mapa preditivo 264 ou mapa de zona de controle preditivo 265, ou ambos, e o controlador do sistema de resíduo 244 pode gerar sinais de controle para controlar um subsistema de resíduo 138 com base no mapa preditivo 264 ou mapa de zona de controle preditivo 265, ou ambos. O controlador de limpeza de máquina 245 pode gerar sinais de controle para controlar o subsistema de limpeza de máquina 254. Por exemplo, quando a colheitadeira agrícola 100 está prestes a deslocar transversalmente uma inclinação onde estima-se que a distribuição de material interno será desproporcional em um lado de subsistema de limpeza 254, o controlador de limpeza de máquina 245 pode ajustar o subsistema de limpeza 254 para levar em conta, ou corrigir, o material desproporcionado. Outros controladores incluídos na colheitadeira agrícola 100 podem controlar outros subsistemas com base no mapa preditivo 264 ou mapa de zona de controle preditivo 265, ou ambos, igualmente

[0070] As FIGS. 3A e 3B (coletivamente referidas no presente documento como FIG. 3) mostram um fluxograma que ilustra um exemplo da operação da colheitadeira agrícola 100 na geração de um mapa preditivo 264 e mapa de zona de controle preditivo 265 com base no mapa de informação anterior 258.

[0071] Em 280, a colheitadeira agrícola 100 recebe o mapa de informação anterior 258. Exemplos de mapa de informação anterior 258 ou recebimento de mapa de informação anterior 258 são discutidos com relação aos blocos 281, 282, 284 e 286. Como aqui discutido, o mapa de informação anterior 258 mapeia valores de uma variável, correspondentes a uma primeira característica, para diferentes localizações no campo, como indicado no bloco 282. Como indicado no bloco 281, receber o mapa de informação anterior 258 pode envolver selecionar um ou mais dentre uma pluralidade de possíveis mapas de informação anteriores que são disponíveis. Por exemplo, um mapa de informação anterior pode ser um mapa de perfil de terreno gerado de formação de imagem por perfilometria de fase aérea. Outro mapa de informação anterior pode ser um mapa gerado durante um passe anterior através do campo que pode ter sido realizado por uma máquina diferente que realiza uma operação anterior no campo, tal como um pulverizador ou outra máquina. O processo pelo qual um ou mais mapas de informação anteriores são selecionados pode ser manual, semiautomatizado ou automatizado. O mapa de informação anterior 258 é baseado em dados coletados antes de uma operação de colheita atual. Isto é indicado pelo bloco 284. Por exemplo, os dados podem ser coletados por um receptor de GPS montado em uma peça de equipamento durante uma operação de campo anterior. Por exemplo, os dados podem ser coletados em uma operação de varredura de alcance lidar durante um ano anterior, ou anteriormente na época de crescimento atual, ou em outros momentos. Os dados podem ser baseados em dados detectados ou recebidos de outras maneiras sem ser usando varredura de alcance lidar. Por exemplo, um drone equipado com um sistema de perfilometria de projeção de franja pode detectar o perfil ou elevação do terreno. Ou, por exemplo, algumas características topográficas podem ser estimadas com base em padrões de tempo, tal como a formação de sulcos por causa da erosão ou a quebra de torrões em ciclos de congelamento-descongelamento. Em alguns exemplos, o mapa de informação anterior 258 pode ser criado combinando dados de inúmeras fontes tais como as aqui listadas. Ou, por exemplo, os dados para o mapa de informação anterior 258, tal como um mapa topográfico, podem ser transmitidos à colheitadeira agrícola 100 usando o sistema de comunicação 206 e armazenados no armazenamento de dados 202. Os dados para o mapa de informação anterior 258 podem ser providos à colheitadeira agrícola 100 usando o sistema de comunicação 206 de outras maneiras igualmente, e isto é indicado pelo bloco 286 no fluxograma da FIG. 3. Em alguns exemplos, o mapa de informação anterior 258 pode ser recebido pelo sistema de comunicação 206.

[0072] Mediante início de uma operação de colheita, os sensores in situ 208 geram sinais de sensor indicativos de um ou mais valores de dados in situ indicativos de uma característica de máquina, por exemplo, uso de potência, velocidade de máquina, distribuição interna de material, perda de grão, características de rejeitos (tais como nível de rejeitos, fluxo de rejeitos, volume de rejeitos e composição de rejeitos), ou qualidade de grão. Exemplos de sensores in situ 208 são discutidos com relação aos blocos 222, 290 e 226. Como aqui explicado, os sensores in situ 208 incluem sensores internos 222; sensores in situ remotos 224, tais como sensores baseados em UAV que voam em um momento para coletar dados in situ, mostrados no bloco 290; ou outros tipos de sensores in situ, designados pelos sensores in situ 226. Em alguns exemplos, dados de sensores internos são georreferenciados usando dados de posição, direção ou velocidade do sensor de posição geográfica 204.

[0073] O gerador de modelo preditivo 210 controla o gerador de modelo de variável de informação anterior para variável in situ 228 para gerar um modelo que modela uma relação entre os valores mapeados contidos no mapa de informação anterior 258 e os valores in situ sensoreados pelos sensores in situ 208 como indicado pelo bloco 292. As características ou tipos de dados representados pelos valores mapeados no mapa de informação anterior 258 e os valores in situ sensoreados pelos sensores in situ 208 podem ter as mesmas características ou tipo de dados, ou diferentes características ou tipos de dados.

[0074] A relação ou modelo gerada pelo gerador de modelo preditivo 210 é provida ao gerador de mapa preditivo 212. O gerador de mapa preditivo 212 gera um mapa preditivo 264 que prediz um valor de característica sensoreada pelos sensores in situ 208 em diferentes localizações geográficas em um campo que está sendo colhido, ou uma característica diferente que é relacionada à característica sensoreada pelos sensores in situ 208, usando o modelo preditivo e o mapa de informação anterior 258, como indicado pelo bloco 294.

[0075] Deve-se notar que, em alguns exemplos, o mapa de informação anterior 258 pode incluir dois ou mais diferentes mapas ou duas ou mais diferentes camadas de mapa de um único mapa. Cada mapa nos dois ou mais diferentes mapas ou cada camada nas duas ou mais diferentes camadas de mapa de um único mapa mapeiam um tipo de variável diferente para as localizações geográficas no campo. Em um exemplo como esse, o gerador de modelo preditivo 210 gera um modelo preditivo que modela a relação entre os dados in situ e cada uma das diferentes variáveis mapeadas pelos dois ou mais diferentes mapas ou as duas ou mais diferentes camadas de mapa. Similarmente, os sensores in situ 208 podem incluir dois ou mais sensores, cada um sensoreando um tipo de variável diferente. Dessa forma, o gerador de modelo preditivo 210 gera um modelo preditivo que modela as relações entre cada tipo de variável mapeada pelo mapa de informação anterior 258 e cada tipo de variável sensoreada pelos sensores in situ 208. O gerador de mapa preditivo 212 pode gerar um mapa preditivo funcional que prediz um valor para cada característica sensoreada, sensoreada pelos sensores in situ 208 (ou uma característica relacionada à característica sensoreada) em diferentes localizações no campo que está sendo colhido usando o modelo preditivo e cada um dos mapas ou camadas de mapa no mapa de informação anterior 258.

[0076] O gerador de mapa preditivo 212 configura o mapa preditivo 264 de forma que o mapa preditivo 264 seja acionável (ou consumível) pelo sistema de controle 214. O gerador de mapa preditivo 212 pode prover mapa preditivo 264 ao sistema de controle 214 ou ao gerador de zona de controle 213, ou ambos. Alguns exemplos de diferentes maneiras nas quais o mapa preditivo 264 pode ser configurado ou produzido são descritos com relação aos blocos 296, 293, 295, 299 e 297. Por exemplo, o gerador de mapa preditivo 212 configura o mapa preditivo 264 de forma que o mapa preditivo 264 inclua valores que podem ser lidos pelo sistema de controle 214 e usados como a base para gerar sinais de controle para um ou mais dos diferentes subsistemas controláveis da colheitadeira agrícola 100, como indicado pelo bloco 296.

[0077] O gerador de rota/missão 267 coloca em gráfico um trajeto de deslocamento para colheitadeira agrícola 100 deslocar durante a operação de colheita com base em mapa preditivo 204, como indicado pelo bloco 293. O gerador de zona de controle 213 pode dividir o mapa preditivo 264 em zonas de controle com base nos valores no mapa preditivo 264. Os valores contiguamente geolocalizados que estão dentro de um valor limiar de um outro podem ser agrupados em uma zona de controle. O valor limiar pode ser um valor limiar padrão, ou o valor limiar pode ser ajustado com base em uma entrada de operador, com base em uma entrada de um sistema automatizado ou com base em outros critérios. Um tamanho das zonas pode ser com base em uma capacidade de resposta do sistema de controle 214, dos subsistemas controláveis 216, ou com base em considerações de desgaste, ou em outros critérios como indicado pelo bloco 295. O gerador de mapa preditivo 212 configura o mapa preditivo 264 para apresentação a um operador ou outro usuário. O gerador de zona de controle 213 pode configurar o mapa de zona de controle preditivo 265 para apresentação a um operador ou outro usuário. Isto é indicado pelo bloco 299. Quando apresentado a um operador ou outro usuário, a apresentação do mapa preditivo 264 ou mapa de zona de controle preditivo 265, ou ambos, pode conter um ou mais dos valores preditivos no mapa preditivo 264 correlacionados à localização geográfica, as zonas de controle no mapa de zona de controle preditivo 265 correlacionadas à localização geográfica, e valores de ajustes ou parâmetros de controle que são usados com base nos valores preditos no mapa preditivo 264 ou zonas no mapa de zona de controle preditivo 265. A apresentação pode, em outro exemplo, incluir informação mais abstrata ou informação mais detalhada. A apresentação pode também incluir um nível de confiança que indica uma precisão com a qual os valores preditivos no mapa preditivo 264 ou nas zonas no mapa de zona de controle preditivo 265 concordam com os valores medidos que podem ser medidos pelos sensores na colheitadeira agrícola 100 à medida que a colheitadeira agrícola 100 move através do campo. Adicionalmente onde a informação é apresentada a mais de uma localização, uma autenticação ou autorização sistema pode ser provido para implementar processos de autenticação e autorização. Por exemplo, pode haver uma hierarquia de indivíduos que são autorizados a ver e mudar mapas e outra informação apresentada. A título de exemplo, um dispositivo de exibição de bordo pode apresentar os mapas em tempo quase real localmente na máquina, apenas, ou os mapas podem também ser gerados em uma ou mais localizações remotas. Em alguns exemplos, cada dispositivo de exibição físico em cada localização pode ser associado a uma pessoa ou um nível de permissão de usuário. O nível de permissão de usuário pode ser usado para determinar quais elementos de exibição são visíveis no dispositivo de exibição físico, e quais valores a pessoa correspondente pode mudar. Como um exemplo, um operador local de máquina 100 pode ser incapaz de ver a informação correspondente ao mapa preditivo 264 ou fazer qualquer mudança na operação da máquina. Um supervisor, em uma localização remota, entretanto, pode ser capaz de ver o mapa preditivo 264 na exibição, mas sem fazer mudanças. Um gestor, que pode estar em uma localização remota separada, pode ser capaz de ver todos os elementos no mapa preditivo 264 e também mudar o mapa preditivo 264 que é usado no controle de máquina. Isto é um exemplo de uma hierarquia de autorização que pode ser implementada. O mapa preditivo 264 ou mapa de zona de controle preditivo 265, ou ambos, pode ser configurado de outras maneiras igualmente, como indicado pelo bloco 297.

[0078] No bloco 298, a entrada do sensor de posição geográfica 204 e outros sensores in situ 208 é recebida pelo sistema de controle. O bloco 300 representa o recebimento pelo sistema de controle 214 de uma entrada do sensor de posição geográfica 204 identificar uma localização geográfica da colheitadeira agrícola 100. O bloco 302 representa o recebimento pelo sistema de controle 214 de entradas de sensor indicativas de trajetória ou direção da colheitadeira agrícola 100, e o bloco 304 representa o recebimento pelo sistema de controle 214 de uma velocidade da colheitadeira agrícola 100. O bloco 306 representa o recebimento pelo sistema de controle 214 de outra informação de vários sensores in situ 208.

[0079] No bloco 308, o sistema de controle 214 gera sinais de controle para controlar os subsistemas controláveis 216 com base no mapa preditivo 264 ou mapa de zona de controle preditivo 265, ou ambos, e a entrada do sensor de posição geográfica 204 e qualquer outro sensor in situ 208. No bloco 310, o sistema de controle 214 aplica os sinais de controle aos subsistemas controláveis. Percebe-se que os sinais de controle particulares que são gerados, e os subsistemas controláveis particulares 216 que são controlados, podem variar com base em uma ou mais diferentes coisas. Por exemplo, os sinais de controle que são gerados e os subsistemas controláveis 216 que são controlados podem ser com base no tipo de mapa preditivo 264 ou mapa de zona de controle preditivo 265, ou ambos, que está sendo usado. Similarmente, os sinais de controle que são gerados e os subsistemas controláveis 216 que são controlados e o sincronismo dos sinais de controle podem ser com base em várias latências do fluxo de cultura através da colheitadeira agrícola 100 e na capacidade de resposta dos subsistemas controláveis 216.

[0080] A título de exemplo, um mapa preditivo gerado 264 na forma de um mapa de perda de cultura preditivo funcional pode ser usado para controlar um ou mais subsistemas 216. Por exemplo, o mapa de perda preditivo funcional pode incluir valores de perda de cultura georreferenciados nas localizações no campo que está sendo colhido. Os valores de perda de cultura do mapa de perda preditivo funcional podem ser extraídos e usados para controlar a velocidade da ventoinha para assegurar que a ventoinha de limpeza 120 minimiza perda de cultura através do subsistema de limpeza 118 à medida que a colheitadeira agrícola 100 move através do campo. O exemplo anterior envolvendo o uso de um mapa de perda de cultura preditivo é provido meramente como um exemplo. Consequentemente, uma ampla variedade de outros sinais de controle pode ser gerada usando valores obtidos de um mapa de máquina preditivo ou outro tipo de mapa preditivo para controlar um ou mais dos subsistemas controláveis 216.

[0081] No bloco 312, é feita uma determinação se a operação de colheita foi completada. Se a colheita não estiver completada, o processamento avança para o bloco 314 onde dados de sensor in situ do sensor de posição geográfica 204 e sensores in situ 208 (e talvez outros sensores) continua a ser lidos.

[0082] Em alguns exemplos, no bloco 316, a colheitadeira agrícola 100 pode também detectar critérios desencadeadores de aprendizagem para realizar aprendizagem de máquina em um ou mais dentre o mapa preditivo 264, o mapa de zona de controle preditivo 265, o modelo gerado pelo gerador de modelo preditivo 210, as zonas geradas pelo gerador de zona de controle 213, um ou mais algoritmos de controle implementados pelos controladores no sistema de controle 214, e outra aprendizagem desencadeada.

[0083] Os critérios desencadeadores de aprendizagem podem incluir qualquer um de uma ampla variedade de diferentes critérios. Alguns exemplos de detecção de critérios desencadeadores são discutidos com relação aos blocos 318, 320, 321, 322 e 324. Por exemplo, em alguns exemplos, a aprendizagem desencadeada pode envolver a recriação de uma relação usada para gerar um modelo preditivo quando uma quantidade limiar de dados de sensor in situ é obtido de sensores in situ 208. Em tais exemplos, o recebimento de uma quantidade de dados de sensor in situ dos sensores in situ 208 que excede um limiar acionador ou faz com que o gerador de modelo preditivo 210 gere um novo modelo preditivo que é usado pelo gerador de mapa preditivo 212. Dessa forma, à medida que a colheitadeira agrícola 100 continua uma operação de colheita, o recebimento da quantidade limiar de dados de sensor in situ dos sensores in situ 208 aciona a criação de uma nova relação representada por um modelo preditivo gerado pelo gerador de modelo preditivo 210. Adicionalmente, novo mapa preditivo 264, mapa de zona de controle preditivo 265, ou ambos, podem ser regenerados usando o novo modelo preditivo. O bloco 318 representa a detecção de uma quantidade limiar de dados de sensor in situ usados para acionar a criação de um novo modelo preditivo

[0084] Em outros exemplos, os critérios desencadeadores de aprendizagem podem ser com base em até que ponto os dados de sensor in situ dos sensores in situ 208 estão mudando em relação a valores anteriores ou em relação a um valor limiar. Por exemplo, se variações nos dados de sensor in situ (ou a relação entre os dados de sensor in situ e a informação no mapa de informação anterior 258) estiverem dentro de uma faixa, forem inferiores a uma quantidade definida, ou abaixo de um valor limiar, então um novo modelo preditivo não é gerado pelo gerador de modelo preditivo 210. Em decorrência disso, o gerador de mapa preditivo 212 não gera um novo mapa preditivo 264, mapa de zona de controle preditivo 265, ou ambos. Entretanto, se variações nos dados de sensor in situ excederem a faixa ou excederem a quantidade predefinida ou o valor limiar, por exemplo, ou se uma relação entre os dados de sensor in situ e a informação no mapa de informação anterior 258 variar em uma quantidade definida, por exemplo, então o gerador de modelo preditivo 210 gera um novo modelo preditivo usando todos ou uma porção dos dados de sensor in situ recém-recebidos que o gerador de mapa preditivo 212 usa para gerar um novo mapa preditivo 264. No bloco 320, variações nos dados de sensor in situ, tal como uma magnitude de uma quantidade pela qual os dados excedem a faixa selecionada ou uma magnitude da variação da relação entre os dados de sensor in situ e a informação no mapa de informação anterior 258, podem ser usadas como um acionador para causar a geração de um novo modelo preditivo e mapa preditivo. O limiar, a faixa e a quantidade definida podem ser ajustados em valores padrões, ou ajustados por um operador ou interação de usuário através de uma interface de usuário, ou ajustados por um sistema automatizado, ou de outras maneiras.

[0085] Outros critérios desencadeadores de aprendizagem podem também ser usados. Por exemplo, se o gerador de modelo preditivo 210 comutar para um mapa de informação anterior diferente (diferente do mapa de informação anterior originalmente selecionado 258), então a comutação para o mapa de informação anterior diferente pode desencadear a reaprendizagem pelo gerador de modelo preditivo 210, o gerador de mapa preditivo 212, gerador de zona de controle 213, sistema de controle 214, ou outros itens. Em outro exemplo, a transição da colheitadeira agrícola 100 para uma topografia diferente ou para uma zona de controle diferente pode ser usada como critérios desencadeadores de aprendizagem igualmente.

[0086] Em alguns casos, o operador 260 pode também editar o mapa preditivo 264 ou mapa de zona de controle preditivo 265, ou ambos. As edições podem mudar um valor no mapa preditivo 264 ou, mudar o tamanho, formato, posição ou existência de uma zona de controle, ou um valor no mapa de zona de controle preditivo 265, ou ambos. O bloco 321 mostra que informação editada pode ser usada como critérios desencadeadores de aprendizagem.

[0087] Em alguns casos, pode ser também que o operador 260 observa que o controle automatizado de um subsistema controlável não é o que o operador deseja. Em tais casos, o operador 260 pode prover um ajustamento iniciado pelo operador ao subsistema controlável refletindo que o operador 260 deseja que o subsistema controlável opere de uma maneira diferente da que está sendo comandada pelo sistema de controle 214. Dessa forma, alteração iniciada pelo operador de um ajuste pelo operador 260 pode fazer com que o gerador de modelo preditivo 210 reaprenda um modelo, o gerador de mapa preditivo 212 regenere o mapa preditivo 264, o gerador de zona de controle 213 regenere as zonas de controle no mapa de zona de controle preditivo 265 e o sistema de controle 214 reaprenda seu algoritmo de controle ou realize aprendizagem de máquina em um dos componentes de controlador 232-246 no sistema de controle 214 com base no ajuste pelo operador 260, como mostrado no bloco 322. O bloco 324 representa o uso de outros critérios de aprendizagem desencadeados.

[0088] Em outros exemplos, a aprendizagem pode ser feita periodicamente ou intermitentemente com base, por exemplo, em um intervalo de tempo selecionado tal como um intervalo de tempo discreto ou um intervalo de tempo variável. Isto é indicado pelo bloco 326.

[0089] Se a aprendizagem for desencadeada, quer com base em critérios desencadeadores de aprendizagem ou com base na passagem de um intervalo de tempo, como indicado pelo bloco 326, então um ou mais dentre o gerador de modelo preditivo 210, o gerador de mapa preditivo 212, o gerador de zona de controle 213 e sistema de controle 214 realiza aprendizagem de máquina para gerar um novo modelo preditivo, um novo mapa preditivo, new zonas de controle e um novo algoritmo de controle, respectivamente, com base nos critérios desencadeadores de aprendizagem. O novo modelo preditivo, o novo mapa preditivo e o novo algoritmo de controle são gerados usando qualquer dado adicional que foi coletado desde que a última operação de aprendizagem foi realizada. A realização da aprendizagem é indicada pelo bloco 328.

[0090] Se a operação de colheita foi completada, a operação move do bloco 312 para o bloco 330 onde um ou mais dentre o mapa preditivo 264, o mapa de zona de controle preditivo 265 e o modelo preditivo gerado pelo gerador de modelo preditivo 210 são armazenados. O mapa preditivo 264, o mapa de zona de controle preditivo 265 e o modelo preditivo podem ser armazenados localmente no armazenamento de dados 202 ou enviados a um sistema remoto usando o sistema de comunicação 206 para uso posterior.

[0091] Nota-se que, embora alguns exemplos no presente documento descrevam o gerador de modelo preditivo 210 e o gerador de mapa preditivo 212 recebendo um mapa de informação anterior na geração de um modelo preditivo e um mapa preditivo funcional, respectivamente, em outros exemplos, o gerador de modelo preditivo 210 e o gerador de mapa preditivo 212 podem receber, na geração de um modelo preditivo e um mapa preditivo funcional, respectivamente, outros tipos de mapas, incluindo mapas preditivos, tal como um mapa preditivo funcional gerado durante a operação de colheita.

[0092] A FIG. 4A é um diagrama de blocos de uma porção da colheitadeira agrícola 100 mostrada na FIG. 1. Particularmente, a FIG. 4A mostra, dentre outras coisas, um exemplo do gerador de mapa preditivo 212 em mais detalhe. A FIG. 4A também ilustra o fluxo de informação dentre os vários componentes mostrado. O gerador de modelo preditivo 210 recebe um mapa de informação 259. O mapa de informação 259 inclui valores de uma característica agrícola correspondente para diferentes localizações geográficas no campo. Em alguns exemplos, o mapa de informação 259 pode ser um mapa de informação anterior 258. Em alguns exemplos, o mapa de informação 259 pode ser um mapa preditivo que inclui valores preditivos de uma característica agrícola correspondente para diferentes localizações geográficas no campo, tal como um mapa preditivo funcional gerado usando o método descrito na FIG. 3. O mapa de informação 259 pode incluir, em alguns exemplos, um ou mais de mapa topográfico 332, mapa de genótipo de semente 335, mapa VI 336, mapa de rendimento 338, mapa de biomassa 340, ou mapa de ervas daninhas 342. O gerador de modelo preditivo 210 também recebe uma localização geográfica 334, ou uma indicação de uma localização geográfica, do sensor de posição geográfica 204. Os sensores in situ 208 detectam um valor de uma característica agrícola que é indicativo de uma característica de material processado. O material processado pode incluir, em alguns exemplos, grão ou outra cultura, rejeitos e MOG. Os sensores in situ 208 podem dessa forma incluir um ou mais de rejeitos característica sensor 344 que sensoreia um rejeitos característica, sensor de perda 346 que sensoreia uma característica indicativa de perda de grão ou cultura, sensor de qualidade de grão 348 que sensoreia uma característica indicativa de qualidade de grão, ou sensor de distribuição interna 350 que sensoreia uma característica indicativa de distribuição interna de material processado na colheitadeira agrícola 100, bem como um sistema de processamento 352. Em alguns casos, um ou mais sensores 344, 346, 348, e 350 pode ser localizado internamente na colheitadeira agrícola 100. O sistema de processamento 352 processa dados de sensor gerados de um ou mais sensores 344, 346, 348 e 350 para gerar dados processados 354, alguns exemplos dos quais são descritos a seguir.

[0093] Em alguns exemplos, um ou mais sensores 344, 346, 348 e 350 pode gerar sinais eletrônicos indicativos da característica que o sensor sensoreia. O sistema de processamento 352 processa um ou mais dos sinais de sensor obtidos por meio dos sensores para gerar dados processados identificando uma ou mais características. As características identificadas pelo sistema de processamento 352 podem incluir uma distribuição interna de material, perda, qualidade de grão, ou uma característica de rejeitos.

[0094] O sensor in situ 208 pode ser ou incluir sensores ópticos, tal como uma câmera disposta para ver porções internas da colheitadeira agrícola que processam o material agrícola. Dessa forma, em alguns exemplos, o sistema de processamento 352 é operável para detectar a distribuição interna do material agrícola que passa através da colheitadeira agrícola 100 com base em uma imagem capturada pelo sensor de distribuição interna 350. Em outros exemplos, a câmera de processo pode ser câmera de grão limpo 150, e o sistema de processamento 352 é operável para detectar qualidade de grão. Em outros exemplos, a câmera de processo pode ser configurada para capturar imagens de rejeitos material, e o sistema de processamento 352 é operável para detectar características de rejeitos. Em outros exemplos, o sensor de perda 346 pode ser ou incluir sensores de perda no separador 148 ou sensores de perda 152 que sensoreiam perda no sistema de limpeza 118 e sistema de processamento 352. O sensor de perda 346 é operável para detectar perda de cultura.

[0095] Em outros exemplos, o sensor in situ 208 pode ser ou incluir um sensor de GPS que sensoreia posição de máquina. Neste caso, o sistema de processamento 352 pode derivar velocidade e direção dos sinais de sensor igualmente. Em outro exemplo, sensor in situ 208 pode incluir um ou mais sensores de umidade de MOG que detectam características de umidade de MOG em um ou mais subsistemas na colheitadeira agrícola 100. O sistema de processamento 352, neste caso, pode detectar e produzir informação de umidade de MOG.

[0096] Outros sensores de máquina e propriedades podem também ser usados. Em alguns exemplos, dados brutos ou processados de sensores 344, 346, 348 e 350 podem ser apresentados ao operador 260 por meio do mecanismo de interface de operador 218. O operador 260 pode estar a bordo da colheitadeira agrícola 100 ou em uma localização remota.

[0097] A FIG. 4B é um diagrama de blocos mostrando um exemplo de gerador de modelo preditivo 210 em mais detalhe. No exemplo mostrado na FIG. 4B, o gerador de modelo preditivo 210 pode incluir um ou mais de gerador de modelo de característica topográfica para característica de rejeitos 356, gerador de modelo de característica topográfica para qualidade de grão 358, gerador de modelo de característica topográfica para perda 360, gerador de modelo de característica topográfica para distribuição interna 362, gerador de modelo de índice vegetativo para característica de rejeitos 364, gerador de modelo de índice vegetativo para qualidade de grão 366, gerador de modelo de índice vegetativo para perda 368, gerador de modelo de índice vegetativo para distribuição interna 370, gerador de modelo de genótipo para característica de rejeitos 372, gerador de modelo de genótipo para qualidade de grão 374, gerador de modelo de genótipo para perda 376, gerador de modelo de genótipo para distribuição interna 378, gerador de modelo de rendimento para característica de rejeitos 380, gerador de modelo de rendimento para qualidade de grão 382, gerador de modelo de rendimento para perda 384, gerador de modelo de rendimento para distribuição interna 386, gerador de modelo de biomassa para característica de rejeitos 388, gerador de modelo de biomassa para qualidade de grão 390, gerador de modelo de biomassa para perda 392, gerador de modelo de biomassa para distribuição interna 394, gerador de modelo de característica de ervas daninhas para característica de rejeitos 396, gerador de modelo de característica de ervas daninhas para qualidade de grão 398, gerador de modelo de característica de ervas daninhas para perda 400, gerador de modelo de característica de ervas daninhas para distribuição interna 402, gerador de modelo de combinação 404 e outros itens 406. Cada um dos geradores de modelo mostrados na FIG. 4B gera um modelo que modela uma relação entre os valores em um mapa de informação e valores sensoreados por um sensor in situ 208. O gerador de modelo de combinação 404 pode gerar um ou mais modelos com base em dados de diferentes combinações de um ou mais mapas de informação 259 e um ou mais sensores in situ 208.

[0098] O gerador de modelo de característica topográfica para característica de rejeitos 356 recebe dados processados 354 e um mapa topográfico 332 e modela uma relação entre as características topográficas no mapa topográfico 332 e características de rejeito sensoreadas pelo sensor de característica de rejeitos 334. O nível de rejeitos pode ser influenciado pela inclinação da colheitadeira agrícola 100 tanto nas direções frente/trás (inclinação) quanto lado a lado (rolamento). Em um exemplo, um fator de inclinação de máquina, indicando a orientação da colheitadeira agrícola 100, é derivado de mapa topográfico 332, embora o fator de inclinação de máquina possa ser obtido de um sensor de orientação da máquina na colheitadeira agrícola 100 igualmente. Pode haver diferentes relações entre nível de rejeitos e arfagem para cima vs. arfagem para baixo vs. ângulos de rolamento. Dessa forma, em um exemplo, o gerador de modelo de característica topográfica para característica de rejeitos 356 pode gerar múltiplos diferentes modelos, cada um modelando uma relação diferente ou um único modelo modelando algumas ou todas as relações. Por exemplo, o gerador de modelo 356 pode gerar um modelo que modela uma relação entre nível de rejeitos e arfagem para cima. O gerador de modelo 356 pode gerar um modelo separado que modela uma relação entre nível de rejeitos e arfagem para baixo. Em outro exemplo, múltiplas relações podem ser modeladas por um único modelo. Similarmente, quanto mais a colheitadeira agrícola 100 gasta em uma dada orientação (por exemplo, arfagem para cima, arfagem para baixo, etc.), tanto maior o acúmulo de volume de rejeitos ou nível de rejeitos em diferentes localizações na colheitadeira agrícola 100. Portanto, o gerador de modelo 356 pode também gerar um modelo que modela a relação entre a taxa de aumento ou diminuição do nível de rejeitos e as condições de inclinação de forma que o nível de rejeitos possa ser predito mais precisamente com o tempo. Além do mais, o gerador de modelo 356 pode gerar um modelo que considera o crivo, peneira, e ajustes de velocidade de ventoinha dado que esses ajustes influenciam o nível de rejeitos e a taxa de mudança do nível de rejeitos. Além do mais, o tipo de material (por exemplo, a composição do material) nos rejeitos pode ser influenciado pela inclinação da colheitadeira agrícola igualmente. Os tipos de material que podem ser identificados nos rejeitos podem incluir grão limpo ou livre, grão não trilhado, e tipo de MOG (por exemplo, pequeno, grande, verde, etc.). A composição pode incluir outras coisas igualmente, tal como o tipo de material nos rejeitos ou as quantidades relativas de diferentes materiais nos rejeitos. Dessa forma, o gerador de modelo 356 pode gerar um modelo que modela uma relação entre o tipo de material ou composição nos rejeitos e a inclinação da colheitadeira agrícola 100.

[0099] O gerador de modelo de característica topográfica para qualidade de grão 358 pode gerar um modelo que modela uma relação entre características topográficas no mapa topográfico 332 e qualidade de grão sensoreada pelo sensor de qualidade de grão 348. A qualidade de grão na colheitadeira agrícola 100 pode ser influenciada pela inclinação da colheitadeira agrícola 100 tanto na direção frente/trás quanto lado a lado. Um fator de inclinação, indicando a orientação da colheitadeira agrícola 100, pode ser derivado de mapa topográfico 332 ou de um sensor de orientação na colheitadeira agrícola 100. Pode haver diferentes relações entre características de qualidade de grão e arfagem para cima vs. arfagem para baixo vs. ângulos de rolamento. Dessa forma, o gerador de modelo 358 pode gerar diferentes modelos que modelam essas diferentes relações ou um único modelo que modela múltiplas relações. Similarmente, diferentes características de qualidade de grão podem ser modeladas por modelos separados ou podem ser parte de um modelo cumulativo. Tais características de qualidade de grão podem incluir grão limpo, grão quebrado, grão não trilhado, níveis de MOG e tipos de MOG. Também, quanto mais tempo a colheitadeira agrícola 100 fica em uma orientação particular, tanto mais as características de qualidade de grão podem ser afetadas. Portanto, o gerador de modelo 358 pode gerar um modelo que modela uma relação entre a taxa de mudança da característica de qualidade de grão e condições de inclinação de forma que as características de qualidade de grão podem ser mais precisamente preditas por longos períodos de tempo. Também, o crivo, peneira, velocidade da ventoinha, velocidade do separador, velocidade do trilhador, e ajustes de folga do contrabatedor podem influenciar as características de qualidade de grão e as mudanças e taxas de mudanças nas características de qualidade de grão. Dessa forma, o gerador de modelo 358 pode gerar modelos separados que modelam as relações entre um ou mais dentre o crivo, peneira, velocidade da ventoinha, velocidade do separador, velocidade do trilhador, e folga do contrabatedor e as características de qualidade de grão e as taxas de mudança nas características de qualidade de grão, ou o gerador de modelo 358 pode gerar modelos cumulativos que modela mais que uma dessas relações.

[00100] Perda de grão pela colheitadeira agrícola 100 pode ser pesadamente influenciada pela inclinação na qual a colheitadeira agrícola 100 está operando. Dessa forma, perda de grão pode ser pesadamente influenciada pela orientação da colheitadeira agrícola 100. A arfagem da colheitadeira agrícola 100 influencia o tempo de permanência do grão no subsistema de limpeza 118 e pode influenciar quão efetivamente o grão pode ser separado. A inclinação lateral (ou orientação de rolamento) da colheitadeira agrícola 100 pode determinar o quanto os grãos formam pilhas ou sobrecarregam um lado do subsistema de limpeza 118, essencialmente subutilizando o outro lado do subsistema de limpeza 118 e resultando em perdas em um lado da colheitadeira agrícola 100 por causa de formação de pilha de material em um lado do subsistema de limpeza 118. Embora esse fenômeno seja repetitível, os níveis de grão dentro da colheitadeira agrícola 100 são variáveis dependendo da severidade da inclinação, da quantidade de tempo que a colheitadeira agrícola 100 fica em uma inclinação, ajustes de máquina e condições de cultura. Dessa forma, o gerador de modelo de característica topográfica para perda 360 modela uma relação entre uma característica topográfica a partir do mapa 332 e a saída de sensor de perda 346.

[00101] Similarmente, o gerador de modelo de característica topográfica para distribuição interna 362 pode gerar um modelo que modela uma relação entre a característica topográfica no mapa 332 (tal como a inclinação, que pode determinar a orientação da colheitadeira agrícola 100) e a distribuição interna de material dentro da colheitadeira agrícola 100. A distribuição interna pode afetar a perda e outros itens dentro da colheitadeira agrícola 100. Também, a quantidade de tempo na inclinação pode influenciar tanto a perda, a taxa de mudança de perda, a distribuição de material quanto a taxa de mudança da distribuição de material. Portanto, o gerador de modelo de característica topográfica para perda 360 pode modelar as relações entre a quantidade de tempo que a colheitadeira agrícola 100 está em uma dada orientação e a perda. O modelo de característica topográfica para distribuição interna 362 pode modelar uma relação entre a quantidade de tempo que a colheitadeira agrícola 100 está em uma dada orientação e distribuição interna de material dentro da colheitadeira agrícola 100.

[00102] O gerador de modelo de índice vegetativo para característica de rejeitos 364 pode gerar um modelo que modela uma relação entre características no mapa VI 336 e características de rejeito sensoreadas pelo sensor de característica de rejeitos 334. O gerador de modelo 364 pode também receber uma entrada de outros sensores, tal como um sensor de umidade do grão ou um sensor de umidade de MOG. A quantidade de material de cultura que está sendo processado pela colheitadeira agrícola 100 pode ser estimada ou indicada pelas características no mapa VI 336. Isto pode também impactar as características de rejeitos tais como composição de rejeitos, os níveis de rejeitos, o fluxo de rejeitos, ou o volume de rejeitos na colheitadeira agrícola 100. Dessa forma, o gerador de modelo de índice vegetativo para característica de rejeitos 364 modela uma relação entre as características de índice vegetativo no mapa VI 336 e as saídas do sensor de característica de rejeitos 344.

[00103] O gerador de modelo de índice vegetativo para qualidade de grão 366 pode gerar um modelo que modela uma relação entre as características VI no mapa VI 336 e a saída de sensor de qualidade de grão 348. As características de qualidade de grão sensoreadas pelo sensor de qualidade de grão 348 podem incluir, como aqui discutido, grão limpo, grão quebrado, grão não trilhado, níveis de MOG e tipos de MOG que entram no tanque de grão limpo. Pode ser difícil, por exemplo, durante colheita de canola, gerar uma velocidade da ventoinha que retenha todo o grão, mas sopra para fora todas as vagens, pedados de caule e cernes, etc. A eficácia dessa ventoinha ao fazer isso pode ser dependente da biomassa do material vegetal, que, por sua vez, pode ser dependente do teor de umidade da planta que pode ser indicado pelas características VI. Dessa forma, a relação entre as características no mapa VI 336 e as características de qualidade de grão sensoreadas pelo sensor 348 pode ser usado pelo gerador de modelo 366 para gerar um modelo que modela essa relação.

[00104] Além do mais, quando mais biomassa ou mais grão chega através da colheitadeira agrícola 100 em um momento particular, isso pode levar a maiores valores de perda. Similarmente, a amplitude e frequência de variância de biomassa podem levar a valores de perda igualmente. Por exemplo, uma curta duração de maior volume ou densidade de cultura pode ter um curto impacto, mas se o maior volume ou densidade de cultura repetir frequentemente, isso pode levar a maiores valores de perda. Dessa forma, o gerador de modelo de índice vegetativo para perda 368 pode gerar um modelo que modela a relação entre os valores no mapa VI 336 e a saída de sensores de perda 346.

[00105] Como aqui discutido, a quantidade de biomassa que está sendo processada pela colheitadeira agrícola 100 pode também afetar a distribuição interna de material dentro da colheitadeira agrícola 100. Maiores níveis de biomassa podem levar a maiores níveis de material em diferentes áreas da colheitadeira agrícola 100. Portanto, o gerador de modelo 370 pode gerar um modelo que modela uma relação entre as características no mapa VI 336 e a saída de sensor de distribuição interna 350.

[00106] Diferentes genótipos de plantas têm diferentes características que podem se manifestar em até que ponto o grão é bem separado do MOG ou até que ponto as partes da planta (tais como sabugos de milho ou grão) são robustas. Essas características podem afetar as características de rejeitos, tal como a composição de grão não trilhado nos rejeitos, a quantidade de MOG nos rejeitos, se o MOG está quebrado em pedados maiores ou menores, etc. Portanto, o gerador de modelo de genótipo para característica de rejeitos 372 pode gerar uma relação entre valores de genótipos no mapa de genótipo de semente 335 e valores de sensor de característica de rejeitos gerados pelo sensor de característica de rejeitos 334.

[00107] Similarmente, diferentes genótipos podem se comportar de formas diferentes com relação a qualidade de grão. Por exemplo, em um dado conjunto de ajustes de máquina na colheitadeira agrícola 100, diferentes genótipos podem resultam em diferentes quantidades de grão quebrado, grão não trilhado, níveis de MOG e tipos de MOG. O gerador de modelo de genótipo para qualidade de grão 374 dessa forma gera um modelo que modela uma relação entre as características de genótipo de semente no mapa de genótipo de semente 335 e as características de qualidade de grão sensoreadas pelo sensor de qualidade de grão 348.

[00108] O tamanho ou massa de grão pode também diferir por genótipo. Isso pode resultar em diferentes níveis de perda em que maior grão pode ter uma maior tendência de saltar para fora da colheitadeira agrícola 100, enquanto menor grão pode ter uma maior tendência de ser soprado para fora pela ventoinha de limpeza. Diferentes genótipos podem também ter diferentes composições de planta e dessa forma impactar os níveis de perda por causa da maneira com que a cultura quebra durante o processamento dentro da colheitadeira agrícola 100. Dessa forma, o gerador de modelo de genótipo para perda 376 pode gerar um modelo que modela uma relação entre as características de genótipo de semente no mapa 335 e a saída de sensor de perda 346.

[00109] Diferentes genótipos podem também levar a diferentes distribuições internas. Por exemplo, culturas com diferentes maturidades relativas podem ter, no momento da colheita, diferentes níveis de umidade de MOG, o que pode levar a mais ou menos material sendo processado pela colheitadeira agrícola 100 a qualquer dado momento. Dessa forma, o gerador de modelo de genótipo para distribuição interna 378 pode gerar um modelo que modela uma relação entre as características de genótipo de semente no mapa de genótipo de semente 335 e as saídas de sensor de distribuição interna 350. map 335 e as saídas de sensor de distribuição interna 350.

[00110] O rendimento pode também afetar as características de rejeitos. Áreas de maior rendimento em um campo podem gerar mais rejeitos com uma composição diferente de áreas de menor rendimento. Dessa forma, o gerador de modelo de rendimento para característica de rejeitos 380 pode gerar um modelo que modela uma relação entre os valores de rendimento preditivos no mapa de rendimento 338 e as saídas do sensor de característica de rejeitos 334.

[00111] O rendimento pode também afetar a qualidade de grão. Por exemplo, em áreas de maior rendimento, a separação de MOG do grão pode ser mais difícil, resultando em mais MOG no tanque de grão limpo 132 da colheitadeira agrícola 100. Portanto, o gerador de modelo de rendimento para qualidade de grão 382 pode gerar um modelo que modela uma relação entre os valores de rendimento preditivos no mapa de rendimento 338 e as características de qualidade de grão sensoreadas pelo sensor de qualidade de grão 348

[00112] O rendimento pode também afetar a perda. Quando mais grão está passando pela colheitadeira agrícola 100, isso pode resultar em maiores níveis de perda. Dessa forma, áreas de maior rendimento podem produzir maiores níveis de perda igualmente. O gerador de modelo de rendimento para perda 384 pode dessa forma gerar um modelo que modela uma relação entre valores de rendimento preditivos no mapa de rendimento 338 e os valores de perda produzidos pelo sensor de perda 346.

[00113] O rendimento pode também ter um efeito na distribuição interna de material dentro da colheitadeira agrícola 100. Áreas de maior rendimento são frequentemente acompanhadas por maiores níveis de biomassa sendo processados pela colheitadeira agrícola 100. Os maiores níveis de biomassa que frequentemente acompanham áreas de maior rendimento podem afetar a quantidade e distribuição de material dentro da colheitadeira agrícola 100. Portanto, o gerador de modelo de rendimento para distribuição interna 386 pode gerar um modelo que modela uma relação entre os valores de rendimento preditivos no mapa de rendimento 338 e as características de distribuição interna sensoreadas pelo sensor de distribuição interna 350.

[00114] A quantidade de biomassa que está sendo processada pela colheitadeira agrícola 100 pode também afetar as características de rejeitos. Quando mais biomassa estiver sendo processada pela colheitadeira agrícola 100 em um dado momento, isso pode resultar em maiores volumes de rejeitos, e a composição dos rejeitos pode também ser afetada. Em áreas de cultura pesada e, dessa forma, maiores níveis de biomassa, a probabilidade de que mais grão não trilhado esteja presente nos rejeitos pode ser aumentada se os ajustes de máquina na colheitadeira agrícola 100 não forem regulados para levar em conta a maior biomassa. Em áreas de cultura leve e, dessa forma, baixos níveis de biomassa, um aumento na carga de joio, e, dessa forma, um aumento nos rejeitos, pode resultar, a menos que os ajustes de máquina na colheitadeira agrícola 100 sejam regulados para levar em conta a reduzida biomassa. Portanto, o gerador de modelo de biomassa para característica de rejeitos 388 pode gerar um modelo que modela uma relação entre biomassa valores de característica no mapa de biomassa 340 e características de rejeito sensoreadas pelo sensor de característica de rejeitos 344.

[00115] A biomassa pode também afetar qualidade de grão. Maiores níveis de biomassa podem afetar a trilhagem e limpeza, significando que pode haver mais grão não trilhado. Em decorrência disso, mais grão que não é limpo adequadamente pode estar entrando no tanque de grão limpo. Dessa forma, o gerador de modelo de biomassa para qualidade de grão 390 pode gerar um modelo que modela uma relação entre características de biomassa no mapa de biomassa 340 e características de qualidade de grão sensoreadas pelo sensor de qualidade de grão 348.

[00116] A biomassa pode também estar relacionada a perda de grão. Por exemplo, maiores níveis de biomassa frequentemente significam maior MOG na colheitadeira agrícola 100, o que pode levar a maior perda de grão Portanto, o gerador de modelo de biomassa para perda 392 pode gerar um modelo que modela uma relação entre as características de biomassa no mapa de biomassa 340 e as características de perda sensoreadas pelo sensor de perda 346.

[00117] Os níveis de biomassa podem também estar relacionados à distribuição interna de material dentro da colheitadeira agrícola 100. Por exemplo, a variação nos níveis de biomassa que está sendo processada pela colheitadeira 100 pode levar a níveis irregulares de distribuição de material na colheitadeira agrícola 100, de maneira tal que os níveis de material podem ser variáveis pela localização na colheitadeira agrícola, tal como um aumento de material em uma localização e uma diminuição de material em outra localização em decorrência de mudanças na biomassa que está sendo processada pela colheitadeira agrícola 100. Portanto, o gerador de modelo de biomassa para distribuição interna 394 pode gerar um modelo que modela uma relação entre características de biomassa no mapa de biomassa 340 e características de distribuição interna sensoreadas pelas características de distribuição interna sensoreadas pelo sensor de distribuição interna 350.

[00118] As características de rejeitos podem ser fortemente influenciadas pelas características de ervas daninhas, tal como a quantidade de ervas daninhas (por exemplo, intensidade de ervas daninhas) que são admitidas na colheitadeira agrícola 100. O material de ervas daninhas é tipicamente mais robusto e mais verde que o material de cultura e, dessa forma, tem uma maior probabilidade de atingir o sistema de rejeitos, o que pode causar grandes volumes de rejeitos e entupimentos na colheitadeira agrícola 100. Portanto, o gerador de modelo de característica de ervas daninhas para característica de rejeitos 396 pode gerar um modelo que modela uma relação entre características de ervas daninhas no mapa de ervas daninhas 342 e características de rejeito sensoreadas pelo sensor de característica de rejeitos 344. Além do mais, quando a colheitadeira agrícola 100 consome maiores períodos de tempo em uma área que tem uma intensidade de ervas daninhas relativamente alta, em relação a outras áreas do campo, isso pode levar a maiores níveis de rejeitos. Portanto, o gerador de modelo 396 pode gerar um modelo que modela uma relação entre a taxa de mudança em rejeitos e um tamanho de uma localização no campo que tem uma intensidade de ervas daninhas relativamente alta.

[00119] As características de ervas daninhas, tal como intensidade de ervas daninhas ou tipo de ervas daninhas, podem também ser relacionadas qualidade de grão. Por exemplo, maiores níveis de intensidade de ervas daninhas podem levar a níveis mais pesados de MOG na sapata de limpeza, o que aumenta as quantidades de MOG que são entregues ao tanque de grão limpo. Portanto, o gerador de modelo de característica de ervas daninhas para qualidade de grão 398 pode gerar um modelo que modela uma relação entre características de ervas daninhas no mapa de ervas daninhas 342 e características de qualidade de grão sensoreadas pelo sensor de qualidade de grão 348.

[00120] As características de ervas daninhas, tais como intensidade de ervas daninhas e tipo de ervas daninhas, podem também ser relacionadas a perda. Por exemplo, uma maior intensidade de ervas daninhas pode resultar em níveis mais pesados de MOG, o que pode aumentar a perda de grão. Portanto, o gerador de modelo de característica de ervas daninhas para perda 400 pode gerar um modelo que modela uma relação entre as características de ervas daninhas no mapa de ervas daninhas 342 e as características de perda sensoreadas pelo sensor de perda 346.

[00121] As características de ervas daninhas, tal como intensidade de ervas daninhas ou tipo de ervas daninhas, podem também ser relacionadas a distribuição interna de material dentro da colheitadeira agrícola 100. Portanto, o gerador de modelo de característica de ervas daninhas para distribuição interna 402 pode gerar um modelo que modela uma relação entre os valores de característica de ervas daninhas no mapa de ervas daninhas 342 e as características de distribuição interna sensoreadas pelo sensor de distribuição interna 350.

[00122] Retornando novamente à FIG. 4A, o gerador de mapa preditivo 212 pode incluir um ou mais de gerador de mapa de característica de rejeitos 410, gerador de mapa de perda 412, gerador de mapa de qualidade de grão 414, e gerador de mapa de distribuição interna 416. Inúmeros exemplos de diferentes combinações de sensores in situ 208 e mapas de informação 259 serão agora descritos.

[00123] A presente discussão prossegue com relação a um exemplo no qual o sensor in situ 208 é um sensor de distribuição interna 350 que sensoreia distribuição interna de material na colheitadeira agrícola 100. Percebe-se que isto é apenas um exemplo, e os sensores supramencionados, como outros exemplos de sensor in situ 208, são contemplados no presente documento, da mesma forma que outros mapas de informação 259, igualmente. O gerador de modelo preditivo 210 (mostrado em mais detalhe na FIG. 4B) identifica uma relação entre distribuição de material detectado em dados processados 354 (por exemplo, a distribuição de material na colheitadeira agrícola 100 pode ser identificada com base em sinais de sensor do sensor de distribuição interna 350), em uma localização geográfica correspondente a onde os dados de sensor foram derivados, e características de um ou mais dentre os mapas de informação 259 correspondentes à mesma localização no campo onde a distribuição de material foi detectada. Com base nesta relação estabelecida pelo gerador de modelo preditivo 210, o gerador de modelo preditivo 210 gera um modelo preditivo 408. O modelo preditivo 408 é usado pelo gerador de mapa de distribuição interna 416 para predizer a distribuição de material dentro da colheitadeira agrícola 100 em diferentes localizações no campo com base na característica topográfica georreferenciada contida no mapa de informação 259 nas mesmas localizações no campo.

[00124] A presente discussão prossegue com relação a um exemplo no qual o sensor de máquina 208 é um sensor de perda de grão 346. Percebe-se que isto é apenas um exemplo, e os sensores supramencionados, como outros exemplos de sensor in situ 208, bem como os outros mapas de informação 259, são igualmente contemplados no presente documento. O gerador de modelo preditivo 210 (mostrado em mais detalhe na FIG. 4B) identifica uma relação entre perda de grão detectada nos dados processados 354 em uma localização geográfica correspondente a onde os dados de sensor foram geolocalizados, e características do mapa de informação 259 correspondentes à mesma localização no campo onde a perda de grão foi geolocalizada. Com base nesta relação estabelecida pelo gerador de modelo preditivo 210, o gerador de modelo preditivo 210 gera um modelo preditivo 408. O modelo preditivo 408 é usado pelo gerador de mapa de perda 412 para predizer perda de grão em diferentes localizações no campo com base na característica georreferenciada contida no mapa de informação 259 nas mesmas localizações no campo.

[00125] A presente discussão prossegue com relação a um exemplo no qual o sensor in situ 208 é um sensor de característica de rejeitos 344. Percebe-se que isto é apenas um exemplo, e os sensores supramencionados, como outros exemplos de sensor in situ 336, bem como os outros mapas de informação 259, são igualmente contemplados no presente documento. O gerador de modelo preditivo 210 (mostrado em mais detalhe na FIG. 4B) identifica uma relação entre característica de rejeitos detectado em dados processados 354 em uma localização geográfica correspondente a onde os dados de sensor foram geolocalizados e características do mapa de informação 259 correspondentes à mesma localização no campo onde a característica de rejeitos foi geolocalizada. Com base nesta relação estabelecida pelo gerador de modelo preditivo 210, o gerador de modelo preditivo 210 gera um modelo preditivo 408. O modelo preditivo 408 é usado pelo gerador de mapa de característica de rejeitos 410 para predizer características de refugo em diferentes localizações no campo com base na característica georreferenciada contida no mapa de informação 259 nas mesmas localizações no campo.

[00126] A presente discussão prossegue com relação a um exemplo no qual o sensor in situ 208 é um sensor de qualidade de grão 348. Percebe-se que isto é apenas um exemplo, e os sensores supramencionados, como outros exemplos de sensor in situ 208, bem como os outros mapas de informação 259, são igualmente contemplados no presente documento. O gerador de modelo preditivo 210 (mostrado em mais detalhe na FIG. 4B) identifica uma relação entre qualidade de grão detectado em dados processados 354 em uma localização geográfica correspondente a onde os dados de sensor foram geolocalizados, e características do mapa de informação 259 correspondentes à mesma localização no campo onde a qualidade de grão foi geolocalizada. Com base nesta relação estabelecida pelo gerador de modelo preditivo 210, o gerador de modelo preditivo 210 gera um modelo preditivo 408. O modelo preditivo 408 é usado pelo gerador de mapa de qualidade de grão 414 para predizer qualidade de grão em diferentes localizações no campo com base na característica georreferenciada contida no mapa de informação 259 nas mesmas localizações no campo.

[00127] O gerador de modelo preditivo 210 é operável para produzir uma pluralidade de modelos preditivos, tal como um ou mais dos modelos preditivos gerados pelos geradores de modelo mostrados na FIG. 4B. Em outro exemplo, dois ou mais dos modelos preditivos supradescritos podem ser combinados em um único modelo preditivo que prediz duas ou mais características, por exemplo, de distribuição interna de material, característica de rejeitos, perda, e qualidade de grão com base nas características de um ou mais dos mapas de informação 259 em diferentes localizações no campo. Quaisquer desses modelos de máquina, ou combinações dos mesmos, são representados coletivamente pelo modelo de máquina 408 na FIG. 4A.

[00128] O modelo de máquina preditivo 408 é provido ao gerador de mapa preditivo 212. No exemplo da FIG. 4A, o gerador de mapa preditivo 212 inclui um gerador de mapa de distribuição interna 416, um gerador de mapa de perda 412, um gerador de mapa de característica de rejeitos 410, e um gerador de mapa de qualidade de grão 414. Em outros exemplos, o gerador de mapa preditivo 212 pode incluir geradores de mapa adicionais, em menor quantidade, ou diferentes. Dessa forma, em alguns exemplos, o gerador de mapa preditivo 212 pode incluir outros itens 417 que podem incluir outros tipos de geradores de mapa para gerar mapas para outros tipos de características.

[00129] O gerador de mapa de característica de rejeitos 410 ilustrativamente gera um mapa de rejeitos preditivo 418 que prediz características de refugo em diferentes localizações no campo com base nas características no mapa de informação 259 nessas localizações no campo e no modelo preditivo 408.

[00130] O gerador de mapa de perda 412 ilustrativamente gera um mapa de perda preditivo 420 que prediz perda de grão em diferentes localizações no campo com base nas características no mapa de informação 259 nessas localizações no campo e no modelo preditivo 408.

[00131] O gerador de mapa de qualidade de grão 414 ilustrativamente gera um mapa de qualidade de grão preditivo 422 que prediz uma característica indicativa de qualidade de grão em diferentes localizações no campo com base nas características no mapa de informação 259 nessas localizações no campo e no modelo preditivo 408.

[00132] O gerador de mapa de distribuição interna 416 ilustrativamente gera um mapa de distribuição interna preditivo 424 que prediz distribuição de material em diferentes localizações no campo com base nas características no mapa de informação 259 nessas localizações no campo e no modelo preditivo 408.

[00133] O gerador de mapa preditivo 212 produz um ou mais dos mapas preditivos funcionais 418, 420, 422 e 424 que são preditivos de uma característica. Cada um dos mapas preditivos funcionais 418, 420, 422 e 424 são mapas preditivos funcionais que predizem a respectiva característica em diferentes localizações em um campo. Cada um dos mapas preditivos funcionais 418, 420, 422 e 444 pode ser provido ao gerador de zona de controle 213, ao sistema de controle 214, ou ambos. O gerador de zona de controle 213 gera zonas de controle e incorpora essas zonas de controle nos mapas preditivos funcionais 418, 420, 422 e 424. Qualquer ou todos os mapas preditivos funcionais 418, 420, 422 ou 424 e os mapas preditivos funcionais correspondentes 418, 420, 422 ou 424 com zonas de controle podem ser providos ao sistema de controle 214, que gera sinais de controle para controlar um ou mais dos subsistemas controláveis 216 com base em um ou todos os mapas preditivos funcionais. Qualquer ou todos os mapas preditivos funcionais 418, 420, 422 ou 424 (com ou sem zonas de controle) podem ser apresentados ao operador 260 ou outro usuário.

[00134] A FIG. 5 é um fluxograma de um exemplo de operação do gerador de modelo preditivo 210 e do gerador de mapa preditivo 212 na geração do modelo de máquina preditivo 408 e dos mapas de característica preditivos 418, 420, 422 e 424, respectivamente. No bloco 430, o gerador de modelo preditivo 210 e o gerador de mapa preditivo 212 recebem um mapa de informação 259, que pode ser um ou mais dos mapas de informação mostrados na FIG. 4A. No bloco 432, o sistema de processamento 352 recebe um ou mais sinais de sensor dos sensores in situ 208. Como aqui discutido, o sensor in situ 208 pode ser um sensor de característica de rejeitos 344, sensor de perda 346, um sensor de qualidade de grão 348, ou um sensor de distribuição interna 350.

[00135] No bloco 434, o sistema de processamento 352 processa um ou mais sinais de sensor recebidos para gerar dados indicativos de uma característica. Em alguns casos, como indicado no bloco 436, os dados de sensor podem ser indicativos de uma característica de rejeitos. Em alguns casos, como indicado no bloco 438, os dados de sensor podem ser indicativos de perda de grão. Em alguns casos, como indicado pelo bloco 440, os dados de sensor podem ser indicativos de qualidade de grão. Em alguns casos, como indicado no bloco 442, os dados de sensor podem ser indicativos de distribuição interna de material dentro da colheitadeira agrícola 100.

[00136] No bloco 444, o gerador de modelo preditivo 210 também obtém a localização geográfica 334 correspondente aos dados de sensor. Por exemplo, o gerador de modelo preditivo 210 pode obter a posição geográfica do sensor de posição geográfica 204 e determinar, com base em atrasos de máquina, velocidade de máquina, etc., uma localização geográfica precisa onde os dados de sensor foram capturados ou derivados. Adicionalmente, no bloco 444, a orientação da colheitadeira agrícola 100 no campo pode ser determinada. A orientação da colheitadeira agrícola 100 pode ser obtida, por exemplo, para identificar sua orientação em relação à inclinação no campo.

[00137] No bloco 446, o gerador de modelo preditivo 210 gera um ou mais modelos preditivos, tal como modelo de máquina 408, que modela uma relação entre uma ou mais características em um mapa de informação 259 e uma característica que está sendo sensoreada pelo sensor in situ 208 ou uma característica relacionada.

[00138] No bloco 448, o modelo preditivo, tal como modelo preditivo 408, é provido ao gerador de mapa preditivo 212, e o gerador de mapa preditivo 212 gera um mapa preditivo funcional que mapeia uma característica predita com base nos dados georreferenciados em um mapa de informação 259 e no modelo preditivo 408. Em alguns exemplos, o mapa preditivo funcional é mapa de característica de rejeitos preditivo 418. Em alguns exemplos, o mapa preditivo funcional é mapa de perda preditivo 420. Em alguns exemplos, o mapa preditivo funcional é mapa de qualidade de grão preditivo 422. Em alguns exemplos, o mapa preditivo funcional é mapa de distribuição interna preditivo 424.

[00139] O mapa preditivo funcional pode ser gerado durante o curso de uma operação agrícola. Dessa forma, enquanto uma colheitadeira agrícola está movendo através de um campo realizando uma operação agrícola, o mapa preditivo funcional é gerado à medida que a operação agrícola é realizada.

[00140] No bloco 450, o gerador de mapa preditivo 212 produz o mapa preditivo funcional. No bloco 452, o gerador de mapa preditivo 212 produz o mapa preditivo funcional para apresentação e possível interação pelo operador 260. No bloco 454, o gerador de mapa preditivo 212 pode configurar o mapa preditivo funcional para consumo pelo sistema de controle 214. No bloco 456, o gerador de mapa preditivo 212 pode também prover o mapa preditivo funcional ao gerador de zona de controle 213 para geração de zonas de controle. No bloco 428, o gerador de mapa preditivo 212 configura o mapa preditivo funcional de outras maneiras igualmente. O mapa preditivo funcional (com ou sem as zonas de controle) é provido ao sistema de controle 214. No bloco 460, o sistema de controle 214 gera sinais de controle para controlar os subsistemas controláveis 216 com base no mapa preditivo funcional.

[00141] O sistema de controle 214 pode gerar sinais de controle para controlar os atuadores que controlam um ou mais dentre a velocidade e tamanho das aberturas na peneira 124 e crivo 122, a velocidade da ventoinha de limpeza 120 e rotor 112, o a pressão do rotor que aciona o rotor 112, e a folga entre o rotor 112 e os contrabatedores 114, ou outras coisas.

[00142] O sistema de controle 214 pode gerar sinais de controle para controlar o coletor ou outro(s) atuador(es) de máquina 248. O sistema de controle 214 pode gerar sinais de controle para controlar o subsistema de propulsão 250. O sistema de controle 214 pode gerar sinais de controle para controlar o subsistema de direção 252. O sistema de controle 214 pode gerar sinais de controle para controlar o subsistema de resíduo 138. O sistema de controle 214 pode gerar sinais de controle para controlar o subsistema de limpeza de máquina 254. O sistema de controle 214 pode gerar sinais de controle para controlar o trilhador 110. O sistema de controle 214 pode gerar sinais de controle para controlar o subsistema de manipulação de material 125. O sistema de controle 214 pode gerar sinais de controle para controlar o subsistema de limpeza de cultura 118. O sistema de controle 214 pode gerar sinais de controle para controlar o sistema de comunicação 206. O sistema de controle 214 pode gerar sinais de controle para controlar os mecanismos de interface de operador 218. O sistema de controle 214 pode gerar sinais de controle para controlar vários outros subsistemas controláveis 256.

[00143] Em um exemplo no qual o sistema de controle 214 recebe um mapa preditivo funcional ou um mapa preditivo funcional com zonas de controle adicionadas, o controlador de coletor/carretel 238 controla o coletor ou outros atuadores de máquina 248 para controlar uma altura, inclinação ou rolamento do coletor 102. Em um exemplo no qual o sistema de controle 214 recebe um mapa preditivo funcional ou um mapa preditivo funcional com zonas de controle adicionadas, o controlador de taxa de alimentação 236 controla o subsistema de propulsão 250 para controlar uma velocidade de deslocamento da colheitadeira agrícola 100. Em um exemplo no qual o sistema de controle 214 recebe um mapa preditivo funcional ou um mapa preditivo funcional com zonas de controle adicionadas, o controlador de planejamento de trajeto 234 controla o subsistema de direção 252 para dirigir a colheitadeira agrícola 100. Em outro exemplo no qual o sistema de controle 214 recebe um mapa preditivo funcional ou um mapa preditivo funcional com zonas de controle adicionadas, o controlador do sistema de resíduo 244 controla o subsistema de resíduo 138. Em outro exemplo no qual o sistema de controle 214 recebe um mapa preditivo funcional ou um mapa preditivo funcional com zonas de controle adicionadas, o controlador de ajustes 232 controla os ajustes de trilhador do trilhador 110. Em outro exemplo no qual o sistema de controle 214 recebe um mapa preditivo funcional ou um mapa preditivo funcional com zonas de controle adicionadas, o controlador de ajustes 232 ou outro controlador 246 controla o subsistema de manipulação de material 125. Em outro exemplo no qual o sistema de controle 214 recebe um mapa preditivo funcional ou um mapa preditivo funcional com zonas de controle adicionadas, o controlador de ajustes 232 controla o subsistema de limpeza de cultura 118. Em outro exemplo no qual o sistema de controle 214 recebe um mapa preditivo funcional ou um mapa preditivo funcional com zonas de controle adicionadas, o controlador de limpeza de máquina 245 controla o subsistema de limpeza de máquina 254 na colheitadeira agrícola 100. Em outro exemplo no qual o sistema de controle 214 recebe um mapa preditivo funcional ou um mapa preditivo funcional com zonas de controle adicionadas, o controlador do sistema de comunicação 229 controla o sistema de comunicação 206. Em outro exemplo no qual o sistema de controle 214 recebe um mapa preditivo funcional ou um mapa preditivo funcional com zonas de controle adicionadas, o controlador de interface de operador 231 controla os mecanismos de interface de operador 218 na colheitadeira agrícola 100. Em outro exemplo no qual o sistema de controle 214 recebe o mapa preditivo funcional ou o mapa preditivo funcional com zonas de controle adicionadas, o controlador de posição de placa de convés 242 controla os atuadores de máquina/coletor 248 para controlar uma placa de convés na colheitadeira agrícola 100. Em outro exemplo no qual o sistema de controle 214 recebe o mapa preditivo funcional ou o mapa preditivo funcional com zonas de controle adicionadas, o controlador de correia de lona 240 controla os atuadores de máquina/coletor 248 para controlar uma correia de lona na colheitadeira agrícola 100. Em outro exemplo no qual o sistema de controle 214 recebe o mapa preditivo funcional ou o mapa preditivo funcional com zonas de controle adicionadas, os outros controladores 246 controlam outros subsistemas controláveis 256 na colheitadeira agrícola 100.

[00144] Em alguns exemplos, o sistema de controle 214 recebe um mapa preditivo funcional ou um mapa preditivo funcional com zonas de controle adicionadas e gera sinais de controle para um ou mais dos subsistemas controláveis 216 para controlar ou compensar a distribuição de material interno na colheitadeira agrícola 100. Por exemplo, o sistema de controle 214 pode gerar um ou mais sinais de controle para controlar o subsistema de manipulação de material 125 para controlar ou compensar a distribuição de material interno na colheitadeira agrícola 100 com base no mapa preditivo funcional recebido (com ou sem zonas de controle). Por exemplo, o sistema de controle 214 pode gerar um ou mais sinais de controle para controlar os ajustes ou características operacionais de componentes de subsistema de manipulação de material 125 tal como controlar o acelerador de alimentação 108, controlar o trilhador 110, tal como controlar a velocidade do rotor de trilhagem 112, a folga do contrabatedor (o espaçamento entre o rotor de trilhagem 112 e os contrabatedores 114), controlar o separador 116, controlar o batedor de descarga 126, controlar o elevador de rejeitos 128, controlar o elevador de grão limpo 130, controlar o trado de descarregamento 134, ou controlar o bico 136, com base nos valores no mapa preditivo funcional (com ou sem zonas de controle). Em outro exemplo, o sistema de controle 214 pode gerar um ou mais sinais de controle para controlar o subsistema de limpeza 118 para controlar ou compensar a distribuição de material interno na colheitadeira agrícola com base no mapa preditivo funcional recebido (com ou sem zonas de controle). Por exemplo, o sistema de controle 214 pode gerar um ou mais sinais de controle para controlar os ajustes ou características operacionais de componentes de subsistema de limpeza 118 tal como controlar a ventoinha de limpeza 120, tal como aumentar ou diminuir a velocidade da ventoinha de limpeza 120, controlar o crivo 122, tal como controlar a folga do crivo (controlar o tamanho das aberturas no crivo 122), ou controlar a peneira 124, tal como controlar a folga da peneira (controlar o tamanho das aberturas em peneira 124, com base nos valores no mapa preditivo funcional (com ou sem zonas de controle). Em outro exemplo, o sistema de controle 214 pode gerar um ou mais sinais de controle para controlar o subsistema de resíduo 138 para controlar ou compensar a distribuição de material interno na colheitadeira agrícola 100 com base no mapa preditivo funcional recebido (com ou sem zonas de controle). Por exemplo, o sistema de controle 214 pode gerar um ou mais sinais de controle para controlar os ajustes ou características operacionais de componentes de subsistema de resíduo 138 tal como controlar picador 140 ou controlar espalhador 142 com base nos valores no mapa preditivo funcional (com ou sem zonas de controle)

[00145] Em alguns exemplos, o sistema de controle 214 pode gerar um ou mais sinais de controle para controlar os ajustes (por exemplo, posição, orientação, etc.) dos elementos de engate de material ajustáveis dispostos no trajeto de fluxo de material dentro da colheitadeira agrícola para controlar ou compensar a distribuição de material interno na colheitadeira agrícola 100. Por exemplo, um ou mais sinais de controle podem controlar um atuador para atuar o movimento dos elementos de engate de material ajustáveis para mudar uma posição ou orientação dos elementos de engate de material ajustáveis para direcionar pelo menos uma porção da corrente de material para a direita ou esquerda em relação à direção de fluxo. Em alguns exemplos, a direção pode ser de áreas de maior profundidade de material para áreas de menor profundidade de material lateralmente ou longitudinalmente em relação à direção de fluxo de material.

[00146] Pode-se dessa forma perceber que o presente sistema toma um ou mais mapas de informação que mapeiam características para diferentes localizações em um campo. O presente sistema também usa um ou mais sensores in situ que sensoreiam dados de sensor in situ que são indicativos de uma característica, e gera um modelo que modela uma relação entre a característica sensoreada usando o sensor in situ, ou uma característica relacionada, e a característica mapeada no mapa de informação. Dessa forma, o presente sistema gera um mapa preditivo funcional usando um modelo, dados in situ e um mapa de informação, e pode configurar o mapa preditivo funcional gerado para consumo por um sistema de controle ou para apresentação a um operador ou outro usuário local ou remoto. Por exemplo, o sistema de controle pode usar o mapa para controlar um ou mais sistemas de uma colheitadeira agrícola.

[00147] A FIG. 6 mostra um diagrama de blocos ilustrando um exemplo de gerador de zona de controle 213. O gerador de zona de controle 213 inclui seletor de atuador de máquina de trabalho (WMA) 486, sistema de geração de zona de controle 488 e sistema de geração de zona de regime 490. O gerador de zona de controle 213 pode também incluir outros itens 492. O sistema de geração de zona de controle 488 inclui componente de identificação de critérios de zona de controle 494, componente de definição de limite de zona de controle 496, componente de identificação de ajuste alvo 498 e outros itens 520. O sistema de geração de zona de regime 490 inclui componente de identificação de critérios de zona de regime 522, componente de definição de limite de zona de regime 524, componente de identificação de resolvedor de ajustes 526 e outros itens 528. Antes de descrever a operação geral do gerador de zona de controle 213 em mais detalhe, uma breve descrição de alguns dos itens no gerador de zona de controle 213 e as respectivas operações dos mesmos será primeiramente provida.

[00148] A colheitadeira agrícola 100, ou outras máquinas de trabalho, pode ter uma ampla variedade de diferentes tipos de atuadores controláveis que realizam diferentes funções. Os atuadores controláveis na colheitadeira agrícola 100 ou outras máquinas de trabalho são coletivamente referidos como atuadores de máquina de trabalho (WMAs). Cada WMA pode ser independentemente controlável com base em valores em um mapa preditivo funcional, ou os WMAs podem ser controlados como conjuntos com base em um ou mais valores em um mapa preditivo funcional. Portanto, o gerador de zona de controle 213 pode gerar zonas de controle correspondentes a cada WMA individualmente controlável ou correspondentes aos conjuntos de WMAs que são controlados em coordenação com um outro.

[00149] O seletor de WMA 486 seleciona um WMA ou um conjunto de WMAs para o qual zonas de controle correspondentes devem ser geradas. O sistema de geração de zona de controle 488 então gera as zonas de controle para o WMA ou conjunto de WMAs selecionado. Para cada WMA ou conjunto de WMAs, diferentes critérios podem ser usados na identificação de zonas de controle. Por exemplo, para um WMA, o tempo de resposta de WMA pode ser usado como o critério para definir os limites das zonas de controle. Em outro exemplo, características de desgaste (por exemplo, quanto um atuador ou mecanismo particular desgaste em decorrência de movimento do mesmo) podem ser usadas como o critério para identificar os limites de zonas de controle. O componente de identificação de critérios de zona de controle 494 identifica critérios particulares que devem ser usados na definição de zonas de controle para o WMA ou conjunto de WMAs selecionado. O componente de definição de limite de zona de controle 496 processa os valores em um mapa preditivo funcional em análise para definir os limites das zonas de controle nesse mapa preditivo funcional com base nos valores no mapa preditivo funcional em análise e com base nos critérios de zona de controle para o WMA ou conjunto de WMAs selecionado.

[00150] O componente de identificação de ajuste alvo 498 ajusta um valor do ajuste alvo que será usado para controlar o WMA ou conjunto de WMAs em diferentes zonas de controle. Por exemplo, se o WMA selecionado é sistema de propulsão 250 e o mapa preditivo funcional em análise é um mapa de velocidade preditivo funcional 438, então o ajuste alvo em cada zona de controle pode ser um ajuste de velocidade alvo com base em valores de velocidade contidos no mapa de velocidade preditivo funcional 238 dentro da zona de controle identificada.

[00151] Em alguns exemplos, onde a colheitadeira agrícola 100 deve ser controlada com base em uma localização atual ou futura da colheitadeira agrícola 100, múltiplos ajustes alvos podem ser possíveis para um WMA em uma dada localização. Nesse caso, os ajustes alvos podem ter diferentes valores e podem ser concorrentes. Dessa forma, os ajustes alvos precisam ser resolvidos de forma que apenas um único ajuste alvo é usado para controlar o WMA. Por exemplo, ondo WMA é um atuador no sistema de propulsão 250 que está sendo controlado a fim de controlar a velocidade da colheitadeira agrícola 100, múltiplos diferentes conjuntos concorrentes de critérios podem existir que são considerados pelo sistema de geração de zona de controle 488 na identificação das zonas de controle e os ajustes alvos para o WMA selecionado nas zonas de controle. Por exemplo, diferentes ajustes alvos para controlar a velocidade de máquina podem ser gerados com base, por exemplo, em um valor de taxa de alimentação detectado ou predito, um valor de eficiência de combustível detectado ou preditivo, um valor de perda de grão detectado ou predito, ou uma combinação desses. Entretanto, a qualquer dado momento, a colheitadeira agrícola 100 não pode deslocar no chão a múltiplas velocidades simultaneamente. Em vez disso, a qualquer dado momento, a colheitadeira agrícola 100 desloca em uma única velocidade. Dessa forma, um dos ajustes alvos concorrentes é selecionado para controlar a velocidade da colheitadeira agrícola 100.

[00152] Portanto, em alguns exemplos, o sistema de geração de zona de regime 490 gera zonas de regime para resolvedor múltiplos diferentes ajustes alvos concorrentes. O componente de identificação de critérios de zona de regime 522 identifica os critérios que são usados para estabelecer zonas de regime para o WMA ou conjunto de WMAs selecionado no mapa preditivo funcional em análise. Alguns critérios que podem ser usados para identificar ou definir zonas de regime incluem, por exemplo, tipo de cultura ou variedade de cultura com base em um mapa tal como plantado ou outra fonte do tipo de cultura ou variedade de cultura, tipo de ervas daninhas, intensidade de ervas daninhas, estado de cultura, tal como se a cultura está deitada, parcialmente deitada ou de pé, rendimento, biomassa, índice vegetativo, ou topografia. Uma vez que cada WMA ou conjunto de WMAs pode ter uma zona de controle correspondente, diferentes WMAs ou conjuntos de WMAs podem ter uma zona de regime correspondente. O componente de definição de limite de zona de regime 524 identifica os limites de zonas de regime no mapa preditivo funcional em análise com base nos critérios de zona de regime identificados pelo componente de identificação de critérios de zona de regime 522.

[00153] Em alguns exemplos, as zonas de regime podem se sobrepor. Por exemplo, uma zona de regime de variedade de cultura pode sobrepor a uma porção ou a totalidade de uma zona de regime de estado de cultura. Em um exemplo como esse, as diferentes zonas de regime podem ser atribuídas a uma hierarquia de precedência de forma que, onde duas ou mais zonas de regime se sobrepõem, a zona de regime atribuída com um maior posição hierárquica ou importância na hierarquia de precedência tem precedência em relação as zonas de regime que têm menores posições hierárquicas ou importância na hierarquia de precedência. A hierarquia de precedência das zonas de regime pode ser manualmente ajustada ou pode ser automaticamente ajustada usando um sistema baseado em regras, um sistema baseado em modelo, ou outro sistema. Como um exemplo, onde uma zona de regime de cultura deitada sobrepõe a uma zona de regime de variedade de cultura, a zona de regime de cultura deitada pode ser atribuída com uma maior importância na hierarquia de precedência do que a zona de regime de variedade de cultura de forma que a zona de regime de cultura deitada tem precedência.

[00154] Além do mais, cada zona de regime pode ter um resolvedor de ajustes exclusivo para um dado WMA ou conjunto de WMAs. O componente de identificação de resolvedor de ajustes 526 identifica um resolvedor de ajustes particular para cada zona de regime identificada no mapa preditivo funcional em análise e um resolvedor de ajustes particular para o WMA ou conjunto de WMAs selecionado.

[00155] Uma vez que o resolvedor de ajustes para uma zona de regime particular é identificado, esse resolvedor de ajustes pode ser usado para resolvedor ajustes alvos concorrentes, onde mais que um ajuste alvo é identificado com base nas zonas de controle. Os diferentes tipos de resolvedores de ajustes podem ter diferentes formas. Por exemplo, os resolvedores de ajustes que são identificados para cada zona de regime podem incluir um ser resolvedor de escolha humano no qual os ajustes alvos concorrentes são apresentados a um operador ou outro usuário para resolução. Em outro exemplo, os resolvedores de ajustes podem incluir uma rede neural ou outro sistema de inteligência artificial ou de aprendizagem de máquina. Em tais casos, os resolvedores de ajustes podem resolvedor os ajustes alvos concorrentes com base em uma métrica de qualidade predita ou histórica correspondente a cada um dos diferentes ajustes alvos. Como um exemplo, um ajuste de maior velocidade do veículo pode reduzir o tempo para colher um campo e reduzir os custos de mão de obra e equipamento baseados em tempo correspondentes, mas pode aumentar as perdas de grão. Um ajuste de velocidade de veículo reduzida pode aumentar o tempo para colher um campo e aumentar os custos de mão de obra e equipamento baseados em tempo correspondentes, mas pode diminuir perdas de grão. Quando a perda de grão ou o tempo para colher é selecionado como uma métrica de qualidade, o valor predito ou histórico para a métrica de qualidade selecionada, dados os dois valores de ajustes de velocidade do veículo concorrentes, pode ser usado para resolvedor o ajuste de velocidade. Em alguns casos, os resolvedores de ajustes podem ser um conjunto de regras de limiar que pode ser usado em substituição, ou em adição, às zonas de regime. Um exemplo de uma regra de limiar pode ser expresso da seguinte maneira: se valores de biomassa preditos dentro de 6,1 metros (20 pés) do coletor da colheitadeira agrícola 100 forem maiores que x quilogramas (onde x é um valor selecionado ou predeterminado), então usar o valor de ajuste alvo que é escolhido com base na taxa de alimentação sobre outros ajustes alvos concorrentes, senão usar o valor de ajuste alvo com base em perda de grão sobre outros valores de ajuste alvo concorrentes.

[00156] Os resolvedores de ajustes podem ser componentes lógicos que executam regras lógicas na identificação de um ajuste alvo. Por exemplo, os resolvedores de ajustes podem resolvedor ajustes alvos enquanto tentam minimizar o tempo de colheita ou minimizar o custo de colheita total ou maximizar o grão colhido ou com base em outras variáveis que são computadas como uma função dos diferentes ajustes alvos candidatos. Um tempo de colheita pode ser minimizado quando uma quantidade para completar uma colheita é reduzida para um valor igual ou abaixo de um limiar selecionado. Um custo de colheita total pode ser minimizado ondo custo de colheita total é reduzido para um valor igual ou abaixo de um limiar selecionado. O grão colhido pode ser maximizado onde a quantidade de grão colhido é aumentada para um valor igual ou acima de um limiar selecionado.

[00157] A FIG. 7 é um fluxograma que ilustra um exemplo da operação de gerador de zona de controle 213 na geração de zonas de controle e zonas de regime para um mapa que o gerador de zona de controle 213 recebe para processamento de zona (por exemplo, para um mapa em análise).

[00158] No bloco 530, o gerador de zona de controle 213 recebe um mapa em análise para processamento. Em um exemplo, como mostrado no bloco 532, o mapa em análise é um mapa preditivo funcional. Por exemplo, o mapa em análise pode ser um dos mapas preditivos funcionais 436, 437, 438, ou 440. O bloco 534 indica que o mapa em análise pode ser outros mapas igualmente.

[00159] No bloco 536, o seletor de WMA 486 seleciona um WMA ou um conjunto de WMAs para o qual zonas de controle devem ser geradas no mapa em análise. No bloco 538, o componente de identificação de critérios de zona de controle 494 obtém critérios de definição de zona de controle para o WMA ou conjunto de WMAs selecionado. O bloco 540 indica um exemplo no qual os critérios de zona de controle são ou incluem características de desgaste do WMA ou conjunto de WMAs selecionado. O bloco 542 indica um exemplo no qual os critérios de definição de zona de controle são ou incluem uma magnitude e variação de dados de fonte de entrada, tais como a magnitude e variação dos valores no mapa em análise ou a magnitude e variação de entradas de vários sensores in situ 208. O bloco 544 indica um exemplo no qual os critérios de definição de zona de controle são ou incluem características físicas de máquina, tais como as dimensões físicas da máquina, uma velocidade na qual diferentes subsistemas operam, ou outras características físicas de máquina. O bloco 546 indica um exemplo no qual os critérios de definição de zona de controle são ou incluem uma capacidade de resposta do WMA ou conjunto de WMAs selecionado de atingir valores de ajuste recém-comandados. O bloco 548 indica um exemplo no qual os critérios de definição de zona de controle são ou incluem métricas de desempenho de máquina. O bloco 550 indica um exemplo no qual os critérios de definição de zona de controle são ou incluem preferências de operador. O bloco 552 indica um exemplo no qual os critérios de definição de zona de controle são ou incluem outros itens igualmente. O bloco 549 indica um exemplo no qual os critérios de definição de zona de controle são baseados no tempo, significando que a colheitadeira agrícola 100 não cruzará o limite de uma zona de controle até que uma quantidade de tempo selecionada tenha sido decorrida desde que a colheitadeira agrícola 100 entrou em uma zona de controle particular. Em alguns casos, a quantidade de tempo selecionada pode ser uma mínima quantidade de tempo. Dessa forma, em alguns casos, os critérios de definição de zona de controle podem impedir que a colheitadeira agrícola 100 cruze um limite de uma zona de controle até que pelo menos a quantidade de tempo selecionada tenha decorrido. O bloco 551 indica um exemplo no qual os critérios de definição de zona de controle são com base em um valor de tamanho selecionado. Por exemplo, um critério de definição de zona de controle que é com base em um valor de tamanho selecionado pode impedir a definição de uma zona de controle que é menor que o tamanho selecionado. Em alguns casos, o tamanho selecionado pode ser um tamanho mínimo.

[00160] No bloco 554, o componente de identificação de critérios de zona de regime 522 obtém critérios de definição de zona de regime para o WMA ou conjunto de WMAs selecionado. O bloco 556 indica um exemplo no qual os critérios de definição de zona de regime são com base em uma entrada manual do operador 260 ou outro usuário. O bloco 558 ilustra um exemplo no qual os critérios de definição de zona de regime são com base em tipo de cultura ou variedade de cultura. O bloco 560 ilustra um exemplo no qual os critérios de definição de zona de regime são com base em características de ervas daninhas, tal como tipo de ervas daninhas ou intensidade de ervas daninhas, ou ambos. O bloco 561 ilustra um exemplo no qual os critérios de definição de zona de regime são com base em ou include topografia. O bloco 562 ilustra um exemplo no qual os critérios de definição de zona de regime são com base em ou include estado de cultura. O bloco 564 indica um exemplo no qual os critérios de definição de zona de regime são ou incluem outros critérios igualmente.

[00161] No bloco 566, o componente de definição de limite de zona de controle 496 gera os limites de zonas de controle no mapa em análise com base nos critérios de zona de controle. O componente de definição de limite de zona de regime 524 gera os limites de zonas de regime no mapa em análise com base nos critérios de zona de regime. O bloco 568 indica um exemplo no qual os limites de zona são identificados para as zonas de controle e as zonas de regime. O bloco 570 mostra que o componente de identificação de ajuste alvo 498 identifica os ajustes alvos para cada uma das zonas de controle. As zonas de controle e zonas de regime podem ser geradas de outras maneiras igualmente, e isto é indicado pelo bloco 572.

[00162] No bloco 574, o componente de identificação de resolvedor de ajustes 526 identifica os resolvedores de ajustes para o WMA selecionado em cada zona de regime definida pelo componente de definição de limite de zona de regimes 524. Como aqui discutido, a resolvedor de zona de regime pode ser um ser resolvedor humano 576, um resolvedor de sistema de inteligência artificial ou de aprendizagem de máquina 578, um resolvedor 580 baseado em qualidade predita ou histórica para cada ajuste alvo concorrente, um resolvedor baseado em regras 582, um resolvedor baseado em critérios de desempenho 584 ou outros resolvedores 586.

[00163] No bloco 588, o seletor de WMA 486 determina se existem mais WMAs ou conjuntos de WMAs para processar. Se existirem WMAs ou conjuntos de WMAs a serem processados, o processamento reverte para o bloco 436 ondo WMA ou conjunto de WMAs seguinte para o qual zonas de controle e zonas de regime devem ser definidas é selecionado. Quando não restar nenhum WMA ou conjunto de WMAs adicional para o qual zonas de controle ou zonas de regime devem ser geradas, o processamento move para o bloco 590 ondo gerador de zona de controle 213 produz um mapa com zonas de controle, ajustes alvos, zonas de regime e resolvedores de ajustes para cada um dos WMAs ou conjuntos de WMAs. Como aqui discutido, o mapa produzido pode ser apresentado ao operador 260 ou outro usuário; o mapa produzido pode ser provido ao sistema de controle 214; ou o mapa produzido pode ser produzido de outras maneiras.

[00164] A FIG. 8 ilustra um exemplo da operação de sistema de controle 214 no controle da colheitadeira agrícola 100 com base em um mapa que é produzido pelo gerador de zona de controle 213. Dessa forma, no bloco 592, o sistema de controle 214 recebe um mapa do local de trabalho. Em alguns casos, o mapa pode ser um mapa preditivo funcional que pode incluir zonas de controle e zonas de regime, como representado pelo bloco 594. Em alguns casos, o mapa recebido pode ser um mapa preditivo funcional que exclui zonas de controle e zonas de regime. O bloco 596 indica um exemplo no qual o mapa recebido do local de trabalho pode ser um mapa de informação anterior tendo zonas de controle e zonas de regime identificadas nele. O bloco 598 indica um exemplo no qual o mapa recebido pode incluir múltiplos diferentes mapas ou múltiplas diferentes camadas de mapa. O bloco 610 indica um exemplo no qual o mapa recebido tomado de outras formas igualmente.

[00165] No bloco 612, o sistema de controle 214 recebe um sinal de sensor do sensor de posição geográfica 204. O sinal de sensor do sensor de posição geográfica 204 pode incluir dados que indicam a localização geográfica 614 da colheitadeira agrícola 100, a velocidade 616 da colheitadeira agrícola 100, a direção 618 da colheitadeira agrícola 100, ou outra informação 620. No bloco 622, o controlador de zona 247 seleciona uma zona de regime, e, no bloco 624, o controlador de zona 247 seleciona uma zona de controle no mapa com base no sinal do sensor de posição geográfica. No bloco 626, o controlador de zona 247 seleciona um WMA ou um conjunto de WMAs a ser controlado. No bloco 628, o controlador de zona 247 obtém um ou mais ajustes alvos para o WMA ou conjunto de WMAs selecionado. Os ajustes alvos que são obtidos para o WMA ou conjunto de WMAs selecionado podem provir de uma variedade de diferentes fontes. Por exemplo, o bloco 630 mostra um exemplo no qual um ou mais dos ajustes alvos para o WMA ou conjunto de WMAs selecionado é com base em uma entrada das zonas de controle no mapa do local de trabalho. O bloco 632 mostra um exemplo no qual um ou mais dos ajustes alvos são obtidos de entradas de humano do operador 260 ou outro usuário. O bloco 634 mostra um exemplo no qual os ajustes alvos são obtidos de um sensor in situ 208. O bloco 636 mostra um exemplo no qual um ou mais ajustes alvos é obtido de um ou mais sensores em outras máquinas que trabalham no mesmo campo tanto simultaneamente à colheitadeira agrícola 100 quanto de um ou mais sensores em máquinas que trabalham no mesmo campo no passado. O bloco 638 mostra um exemplo no qual os ajustes alvos são obtidos de outras fontes igualmente.

[00166] No bloco 640, o controlador de zona 247 acessa os resolvedores de ajustes para a zona de regime selecionada e controla os resolvedores de ajustes para resolvedor ajustes alvos concorrentes em um ajuste alvo resolvido. Como aqui discutido, em alguns casos, os resolvedores de ajustes podem ser um ser resolvedor humano, caso este em que o controlador de zona 247 controla os mecanismos de interface de operador 218 para apresentar os ajustes alvos concorrentes ao operador 260 ou outro usuário para resolução. Em alguns casos, os resolvedores de ajustes podem ser uma rede neural ou outro sistema de inteligência artificial ou de aprendizagem de máquina, e o controlador de zona 247 submete os ajustes alvos concorrentes à sistema de rede neural, inteligência artificial ou aprendizagem de máquina para seleção. Em alguns casos, os resolvedores de ajustes podem ser com base em uma métrica de qualidade predita ou histórica, em regras de limiar, ou em componentes lógicos. Em qualquer desses exemplos a seguir, o controlador de zona 247 executa os resolvedores de ajustes para obter um ajuste alvo resolvido com base na métrica de qualidade predita ou histórica, com base nas regras de limiar, ou com o uso dos componentes lógicos.

[00167] No bloco 642, com o controlador de zona 247 tendo identificado o ajuste alvo resolvido, o controlador de zona 247 provê o ajuste alvo resolvido a outros controladores no sistema de controle 214, que geram e aplicam sinais de controle ao WMA ou conjunto de WMAs selecionado com base no ajuste alvo resolvido. Por exemplo, ondo WMA selecionado é um atuador de máquina ou coletor 248, o controlador de zona 247 provê o ajuste alvo resolvido ao controlador de ajustes 232 ou controlador coletor/real 238, ou ambos, para gerar sinais de controle com base no ajuste alvo resolvido, e esses sinais de controle gerados são aplicados ao atuador de máquina ou coletores 248. No bloco 644, se WMAs adicionais ou conjuntos de WMAs adicionais devem ser controlados na localização geográfica atual da colheitadeira agrícola 100 (detectada no bloco 612), então o processamento reverte para o bloco 626 ondo WMA ou conjunto de WMAs seguinte é selecionado. Os processos representados pelos blocos 626 a 644 continuam até que todos os WMAs ou conjuntos de WMAs a serem controlados na localização geográfica atual da colheitadeira agrícola 100 tenham sido abordadas. Se não permanecer nenhum WMA ou conjunto de WMAs adicional a ser controlado na localização geográfica atual da colheitadeira agrícola 100, o processamento prossegue no bloco 646 ondo controlador de zona 247 determina se existem zonas de controle adicionais a serem consideradas na zona de regime selecionada. Se existirem zonas de controle adicionais a serem consideradas, o processamento reverte para o bloco 624 onde uma zona de controle seguinte é selecionada. Se não restarem zonas de controle adicionais a serem consideradas, o processamento prossegue no bloco 648 onde uma determinação se restam zonas de regime adicionais a serem consideradas. O controlador de zona 247 determina se restam zonas de regime adicionais a serem consideradas. Se restarem zonas de regimes adicionais a serem consideradas, o processamento reverte para o bloco 622 onde uma zona de regime seguinte é selecionada.

[00168] No bloco 650, o controlador de zona 247 determina se a operação que colheitadeira agrícola 100 está realizando está completa. Se não, o controlador de zona 247 determina se um critério de zona de controle foi satisfeito para continuar o processamento, como indicado pelo bloco 652. Por exemplo, como aqui mencionado, os critérios de definição de zona de controle podem incluir critérios definindo quando um limite de zona de controle pode ser cruzado pela colheitadeira agrícola 100. Por exemplo, se um limite de zona de controle pode ser cruzado pela colheitadeira agrícola 100 pode ser definido por um período de tempo selecionado, significando que a colheitadeira agrícola 100 não pode cruzar um limite de zona até que uma quantidade de tempo selecionada tenha decorrido. Nesse caso, no bloco 652, o controlador de zona 247 determina se decorreu o período de tempo selecionado. Adicionalmente, o controlador de zona 247 pode realizar o processamento continuamente. Dessa forma, o controlador de zona 247 não espera nenhum período de tempo particular antes de continuar a determinar se uma operação da colheitadeira agrícola 100 foi completada. No bloco 652, o controlador de zona 247 determina que é hora de continua o processamento, então o processamento continua no bloco 612 ondo controlador de zona 247 novamente recebe uma entrada do sensor de posição geográfica 204. Deve-se também perceber que o controlador de zona 247 pode controlar os WMAs e conjuntos de WMAs simultaneamente usando um controlador de múltiplas entradas, múltiplas saídas em vez de controlar os WMAs e conjuntos de WMAs sequencialmente.

[00169] A FIG. 9 é um diagrama de blocos mostrando um exemplo de um controlador de interface de operador 231. Em um exemplo ilustrado, o controlador de interface de operador 231 inclui sistema de processamento de comando de entrada de operador 654, outro sistema de interação do controlador 656, sistema de processamento de voz 658 e gerador de sinal de ação 660. O sistema de processamento de comando de entrada de operador 654 inclui sistema de tratamento de voz 662, sistema de tratamento de gesto de toque 664 e outros itens 666. Outro sistema de interação do controlador 656 inclui sistema de processamento de entrada do controlador 668 e gerador de saída do controlador 670. O sistema de processamento de voz 658 inclui detector de acionador 672, componente de reconhecimento 674, componente de síntese 676, sistema de entendimento de linguagem natural 678, sistema de gerenciamento de diálogo 680 e outros itens 682. O gerador de sinal de ação 660 inclui gerador de sinal de controle visual 684, gerador de sinal de controle de áudio 686, gerador de sinal de controle háptico 688 e outros itens 690. Antes de descrever a operação do controlador de interface de operador exemplificativo 231 mostrado na FIG. 9 no tratamento de várias ações de interface de operador, uma breve descrição de alguns dos itens no controlador de interface de operador 231 e a operação associada do mesmo é primeiramente provida.

[00170] O sistema de processamento de comando de entrada de operador 654 detecta entradas de operador com em mecanismos de interface de operador 218 e processa essas entradas para comandos. O sistema de tratamento de voz 662 detecta entradas de voz e controla as interações com o sistema de processamento de voz 658 para processar as entradas de voz para comandos. O sistema de tratamento de gesto de toque 664 detecta gestos de toque em elementos sensíveis ao toque em mecanismos de interface de operador 218 e processa essas entradas para comandos.

[00171] Outro sistema de interação do controlador 656 controla interações com outros controladores no sistema de controle 214. O sistema de processamento de entrada do controlador 668 detecta e processa entradas de outros controladores no sistema de controle 214, e o gerador de saída do controlador 670 gera saídas e provê essas saídas a outros controladores no sistema de controle 214. O sistema de processamento de voz 658 reconhece entradas de voz, determina o significado dessas entradas, e provê uma saída indicativa do significado das entradas faladas. Por exemplo, o sistema de processamento de voz 658 pode reconhecer uma entrada de voz do operador 260 como um comando de mudança de ajustes em que o operador 260 está comandando o sistema de controle 214 para mudar um ajuste para um subsistema controlável 216. Em um exemplo como esse, o sistema de processamento de voz 658 reconhece o conteúdo do comando falado, identifica o significado desse comando como um comando de mudança de ajustes, e provê o significado dessa entrada de volta ao sistema de tratamento de voz 662. O sistema de tratamento de voz 662, por sua vez, interage com gerador de saída do controlador 670 para prover a saída comandada ao controlador apropriado no sistema de controle 214 para obter o comando de mudança de ajustes falado

[00172] O sistema de processamento de voz 658 pode ser invocado em uma variedade de diferentes maneiras. Por exemplo, em um exemplo, o sistema de tratamento de voz 662 provê continuamente uma entrada de um sistema de processamento de voz 658 de microfone (sendo um dos mecanismos de interface de operador 218). O microfone detecta voz do operador 260, e o sistema de tratamento de voz 662 provê a voz detectada ao sistema de processamento de voz 658. O detector de acionador 672 detecta um acionador indicando que o sistema de processamento de voz 658 é invocado. Em alguns casos, quando o sistema de processamento de voz 658 está recebendo entradas de voz contínuas do sistema de tratamento de voz 662, o componente de reconhecimento de voz 674 realiza reconhecimento de voz contínuo em toda a voz dita pelo operador 260. Em alguns casos, o sistema de processamento de voz 658 é configurado para invocação usando uma palavra de despertar. Ou seja, em alguns casos, a operação do sistema de processamento de voz 658 pode ser iniciada com base em reconhecimento de uma palavra dita selecionada, referida como a palavra de despertar. Em um exemplo como esse, ondo componente de reconhecimento 674 reconhece a palavra de despertar, o componente de reconhecimento 674 provê uma indicação de que a palavra de despertar foi reconhecida ao detector de acionador 672. O detector de acionador 672 detecta que o sistema de processamento de voz 658 foi invocado ou acionado pela palavra de despertar. Em outro exemplo, o sistema de processamento de voz 658 pode ser invocado por um operador 260 atuando em um atuador em um mecanismo de interface de usuário, tal como tocando em um atuador em uma tela de exibição sensível ao toque, pressionando um botão, ou provendo outra entrada de acionamento. Em um exemplo como esse, o detector de acionador 672 pode detectar que o sistema de processamento de voz 658 foi invocado quando uma entrada de acionamento por meio de um mecanismo de interface de usuário é detectada. O detector de acionador 672 pode detectar que o sistema de processamento de voz 658 foi invocado de outras maneiras igualmente.

[00173] Uma vez que o sistema de processamento de voz 658 é invocado, a entrada de voz do operador 260 é provida ao componente de reconhecimento de voz 674. O componente de reconhecimento de voz 674 reconhece elementos linguísticos na entrada de voz, tais como palavras, expressões, ou outras unidades linguísticas. O sistema de entendimento de linguagem natural 678 identifica um significado da voz reconhecida. O significado pode ser uma saída de linguagem natural, uma saída de comando identificar um comando refletido na voz reconhecida, uma saída de valor identificar um valor na voz reconhecida, ou qualquer uma de uma ampla variedade de outras saídas que reflete o entendimento da voz reconhecida. Por exemplo, o sistema de entendimento de linguagem natural 678 e o sistema de processamento de voz 568, mais no geral, pode entender o significado da voz reconhecida no contexto da colheitadeira agrícola 100.

[00174] Em alguns exemplos, o sistema de processamento de voz 658 pode também gerar saídas que navegam o operador 260 através de uma experiência de usuário com base na entrada de voz. Por exemplo, o sistema de gerenciamento de diálogo 680 pode gerar e gerenciar um diálogo com o usuário a fim de identificar o que o usuário quer fazer. O diálogo pode remover ambiguidade de um comando de usuário; identificar um ou mais valores específicos que são necessários para realizar o comando de usuário; ou obter outra informação do usuário ou prover outra informação ao usuário, ou ambos. O componente de síntese 676 pode gerar síntese de voz que pode ser apresentada ao usuário através de um mecanismo de interface de operador de áudio, tal como um alto-falante. Dessa forma, o diálogo gerenciado pelo sistema de gerenciamento de diálogo 680 pode ser exclusivamente um diálogo falado ou uma combinação tanto de um diálogo visual quanto um diálogo falado.

[00175] O gerador de sinal de ação 660 gera sinais de ação para controlar os mecanismos de interface de operador 218 com base em saídas de um ou mais dentre o sistema de processamento de comando de entrada de operador 654, outro sistema de interação do controlador 656, e sistema de processamento de voz 658. O gerador de sinal de controle visual 684 gera sinais de controle para controlar itens visuais em mecanismos de interface de operador 218. Os itens visuais podem ser luzes, uma exibição de exibição, indicadores de alerta ou outros itens visuais. O gerador de sinal de controle de áudio 686 gera saídas que controlam elementos de áudio de mecanismos de interface de operador 218. Os elementos de áudio incluem um alto-falante, mecanismos de alerta audível, buzinas ou outros elementos audíveis. O gerador de sinal de controle háptico 688 gera sinais de controle que são produzidos para controlar elementos hápticos de mecanismos de interface de operador 218. Os elementos hápticos incluem elementos de vibração que podem ser usados para vibrar, por exemplo, o assento do operador, o volante, pedais ou manches usados pelo operador. Os elementos hápticos podem incluir elementos de realimentação tátil ou realimentação de força que provêm realimentação tátil ou realimentação de força ao operador através de mecanismos de interface de operador. Os elementos hápticos podem incluir uma ampla variedade de outros elementos hápticos igualmente.

[00176] A FIG. 10 é um fluxograma que ilustra um exemplo da operação de controlador de interface de operador 231 na geração de uma exibição de interface de operador em um mecanismo de interface de operador 218, que pode incluir uma tela de exibição sensível ao toque. A FIG. 10 também ilustra um exemplo de como o controlador de interface de operador 231 pode detectar e processar interações de operador com a tela de exibição sensível ao toque.

[00177] No bloco 692, o controlador de interface de operador 231 recebe um mapa. O bloco 694 indica um exemplo no qual o mapa é um mapa preditivo funcional, e o bloco 696 indica um exemplo no qual o mapa é outro tipo de mapa. No bloco 698, o controlador de interface de operador 231 recebe uma entrada do sensor de posição geográfica 204 identificar a localização geográfica da colheitadeira agrícola 100. Como indicado no bloco 700, a entrada do sensor de posição geográfica 204 pode incluir a direção, junto com a localização, da colheitadeira agrícola 100. O bloco 702 indica um exemplo no qual a entrada do sensor de posição geográfica 204 inclui a velocidade da colheitadeira agrícola 100, e o bloco 704 indica um exemplo no qual a entrada do sensor de posição geográfica 204 inclui outros itens.

[00178] No bloco 706, o gerador de sinal de controle visual 684 no controlador de interface de operador 231 controla a tela de exibição sensível ao toque em mecanismos de interface de operador 218 para gerar uma exibição mostrando todo ou uma porção de um campo representado pelo mapa recebido. O bloco 708 indica que o campo exibido pode incluir um marcador de posição atual mostrando uma posição atual da colheitadeira agrícola 100 em relação ao campo. O bloco 710 indica um exemplo no qual o campo exibido inclui um marcador de unidade de trabalho seguinte que identifica uma unidade de trabalho seguinte (ou área no campo) na qual a colheitadeira agrícola 100 estará operando. O bloco 712 indica um exemplo no qual o campo exibido inclui uma porção de exibição de área seguinte que exibe áreas que devem ser ainda processadas pela colheitadeira agrícola 100, e o bloco 714 indica um exemplo no qual o campo exibido inclui porções de exibição previamente visitadas que representam áreas do campo que a colheitadeira agrícola 100 já processou. O bloco 716 indica um exemplo no qual o campo exibido exibe várias características do campo com localizações georreferenciadas no mapa. Por exemplo, se o mapa recebido for um mapa de perda preditivo, tal como o mapa de perda preditivo funcional 420, o campo exibido pode apresentar as diferentes categorias do nível de perda existentes no campo georreferenciado no campo exibido. As características mapeadas podem ser mostradas nas áreas previamente visitadas (como mostrado no bloco 714), nas áreas próximas (como mostrado no bloco 712), e na unidade de trabalho seguinte (como mostrado no bloco 710). O bloco 718 indica um exemplo no qual o campo exibido inclui outros itens igualmente.

[00179] A FIG. 11 é uma ilustração pictorial mostrando um exemplo de uma exibição de interface de usuário 720 que pode ser gerada em uma tela de exibição sensível ao toque. Em outras implementações, a exibição de interface de usuário 720 pode ser gerada em outros tipos de exibições. A tela de exibição sensível ao toque pode ser montada no compartimento do operador da colheitadeira agrícola 100 ou no dispositivo móvel ou em algum lugar. A exibição de interface de usuário 720 será descrita antes de continuar com a descrição do fluxograma mostrado na FIG. 10.

[00180] No exemplo mostrado na FIG. 11, a exibição de interface de usuário 720 ilustra que a tela de exibição sensível ao toque inclui um recurso de exibição para operar um microfone 722 e um alto-falante 724. Dessa forma, a exibição sensível ao toque pode ser comunicativamente acoplada ao microfone 722 e ao alto-falante 724. O bloco 726 indica que a tela de exibição sensível ao toque pode incluir uma ampla variedade de atuadores de controle de interface de usuário, tais como botões, blocos de teclas, blocos de teclas macios, ligações, ícones, interruptores, etc. O operador 260 pode atuar os atuadores de controle de interface de usuário para realizar várias funções.

[00181] No exemplo mostrado na FIG. 11, a exibição de interface de usuário 720 inclui uma porção de exibição de campo 728 que exibe pelo menos uma porção do campo na qual a colheitadeira agrícola 100 está operando. A porção de exibição de campo 728 é mostrada com um marcador de posição atual 708 que corresponda uma posição atual da colheitadeira agrícola 100 na porção do campo mostrada na porção de exibição de campo 728. Em um exemplo, o operador pode controlar a exibição sensível ao toque a fim de obter grande aproximação de porções de porção de exibição de campo 728 ou realizar uma panorâmica ou rolar a porção de exibição de campo 728 para mostrar diferentes porções do campo. Uma unidade de trabalho seguinte 730 é mostrada como uma área do campo diretamente na frente do marcador de posição atual 708 da colheitadeira agrícola 100. O marcador de posição atual 708 pode também ser configurado para identificar a direção de deslocamento da colheitadeira agrícola 100, uma velocidade de deslocamento da colheitadeira agrícola 100, ou ambos. Na FIG. 13, o formato do marcador de posição atual 708 provê uma indicação da orientação da colheitadeira agrícola 100 no campo que pode ser usada como uma indicação de uma direção de deslocamento da colheitadeira agrícola 100.

[00182] O tamanho da unidade de trabalho seguinte 730 marcado na porção de exibição de campo 728 pode variar com base em uma ampla variedade de diferentes critérios. Por exemplo, o tamanho da unidade de trabalho seguinte 730 pode variar com base na velocidade de deslocamento da colheitadeira agrícola 100. Dessa forma, quando a colheitadeira agrícola 100 está deslocando mais rapidamente, então a área da unidade de trabalho seguinte 730 pode ser maior que a área da unidade de trabalho seguinte 730 se colheitadeira agrícola 100 estiver deslocando mais lentamente. Em outro exemplo, o tamanho da unidade de trabalho seguinte 730 pode variar com base nas dimensões da colheitadeira agrícola 100, incluindo equipamento na colheitadeira agrícola 100 (tal como o coletor 102). Por exemplo, a largura da unidade de trabalho seguinte 730 pode variar com base em uma largura do coletor 102. A porção de exibição de campo 728 é também mostrada exibindo área previamente visitada 714 e áreas seguintes 712. Áreas previamente visitadas 714 representam áreas que já estão colhidas, enquanto áreas seguintes 712 representam áreas que ainda precisam ser colhidas. A porção de exibição de campo 728 é também mostrada exibindo diferentes características do campo. No exemplo ilustrado na FIG. 11, o mapa que é sendo exibido é um mapa de perda preditivo, tal como o mapa de perda preditivo funcional 420. Portanto, uma pluralidade de diferentes marcadores de nível de perda são exibidos na porção de exibição de campo 728. Existe um conjunto de marcadores de exibição de nível de perda 732 mostrado nas áreas já visitadas 714. Há também um conjunto de marcadores de exibição de nível de perda 732 mostrado nas áreas próximas 712, e existe um conjunto de marcadores de exibição de nível de perda 732 mostrado na unidade de trabalho seguinte 730. A FIG. 11 mostra que os marcadores de exibição de nível de perda 732 são constituídos de diferentes símbolos que indicam uma área de nível de perda similar. No exemplo mostrado na FIG. 3, o símbolo ! representa áreas de nível de perda alto; o símbolo * representa áreas de nível de perda médio; e o símbolo # representa uma área de nível de perda baixo. Dessa forma, a porção de exibição de campo 728 mostra diferentes valores medidos ou preditos (ou características indicadas pelos valores) que são localizados em diferentes áreas no campo e representam esses valores medidos ou preditos (ou características indicadas pelos valores) com uma variedade de marcadores de exibição 732. Como mostrado, a porção de exibição de campo 728 inclui marcadores de exibição, particularmente marcadores de exibição de nível de perda 732 no exemplo ilustrado da FIG. 11, em localizações particulares associadas com localizações particulares no campo que está sendo exibido. Em alguns casos, cada localização do campo pode ter um marcador de exibição associado com a mesma. Dessa forma, em alguns casos, um marcador de exibição pode ser provido em cada localização do porção de exibição de campo 728 para identificar a natureza da característica que está sendo mapeada para cada localização particular do campo. Consequentemente, a presente descrição engloba prover um marcador de exibição, tal como o marcador de exibição de nível de perda 732 (como no contexto da presente exemplo da FIG. 11), em uma ou mais localizações na porção de exibição de campo 728 para identificar a natureza, grau, etc., da característica que está sendo exibida, por meio disso identificar a característica na localização correspondente no campo sendo exibido. Como descrito anteriormente, os marcadores de exibição 732 podem ser constituídos de diferentes símbolos, e, como descrito a seguir, os símbolos podem ser qualquer recurso de exibição tais como diferentes cores, formatos, padrões, intensidades, texto, ícones ou outros recursos de exibição.

[00183] Em outros exemplos, o mapa que está sendo exibido pode ser um ou mais dos mapas descritos no presente documento, incluindo mapas de informação, mapas de informação anteriores, mapas preditivos funcionais, tais como mapas preditivos ou mapas de zona de controle preditivos, ou uma combinação dos mesmos. Dessa forma, os marcadores e características que estão sendo exibidos se correlacionará com a informação, dados, características e valores providos por um ou mais mapas que estão sendo exibidos.

[00184] No exemplo da FIG. 11, a exibição de interface de usuário 720 também tem uma porção de exibição de controle 738. A porção de exibição de controle 738 permite que o operador veja informação e interaja com a exibição de interface de usuário 720 de várias maneiras.

[00185] Os atuadores e elementos de exibição na porção 738 podem ser exibidos, por exemplo, como itens individuais, listas fixas, listas roláveis, menus suspensos ou listas suspensas. No exemplo mostrado na FIG. 11, a porção de exibição 738 mostra informação para os três diferentes níveis de perda que correspondem aos três símbolos supramencionados. A porção de exibição 738 também inclui um conjunto de atuadores sensíveis ao toque com os quais o operador 260 pode interagir por meio de toque. Por exemplo, o operador 260 por tocar os atuadores sensíveis ao toque com um dedo para ativar o respectivo atuador sensível ao toque.

[00186] Como mostrado na FIG. 11, a porção de exibição 738 inclui uma porção de exibição de sinalização interativa, indicada no geral por 741. A porção de exibição de sinalização interativa 741 inclui uma coluna de sinalização 739 que mostra sinalizações que foram ajustadas automática ou manualmente. O atuador de sinalização 740 permite que o operador 260 marque uma localização, tal como a localização atual da colheitadeira agrícola, ou outra localização no campo designada pelo operador e adicione informação indicando o nível de perda encontrado na localização atual. Por exemplo, quando o operador 260 atua o atuador de sinalização 740 ao tocar no atuador de sinalização 740, o sistema de tratamento de gesto de toque 664 no controlador de interface de operador 231 identifica a localização atual como uma onde a colheitadeira agrícola 100 encontrou nível de perda alto. Quando o operador 260 toca o botão 742, o sistema de tratamento de gesto de toque 664 identifica a localização atual como uma localização onde a colheitadeira agrícola 100 verificou nível de perda média. Quando o operador 260 toca o botão 744, o sistema de tratamento de gesto de toque 664 identifica a localização atual como uma localização onde a colheitadeira agrícola 100 encontrada baixo nível de perda. Mediante atuação de um dos atuadores de sinalização 740, 742 ou 744, o sistema de tratamento de gesto de toque 664 pode controlar o gerador de sinal de controle visual 684 para adicionar um símbolo correspondente ao nível de perda identificado na porção de exibição de campo 728 em uma localização que o usuário identifica. Dessa maneira, áreas do campo ondo valor predito não representa precisamente um valor real podem ser marcadas para análise posterior, e podem também ser usadas em aprendizagem de máquina. Em outros exemplos, o operador pode designar áreas à frente ou em torno da colheitadeira agrícola 100 pela atuação em um dos atuadores de sinalização 740, 742 ou 744 de maneira que o controle da colheitadeira agrícola 100 possa ser realizado com base no valor designado pelo operador 260.

[00187] A porção de exibição 738 também inclui uma porção de exibição de marcador interativo, indicada no geral por 743. A porção de exibição de marcador interativo 743 inclui uma coluna de símbolos 746 que exibe os símbolos correspondentes a cada categoria de valores ou características (no caso da FIG. 11, nível de perda) que estão senso rastreados na porção de exibição de campo 728. A porção de exibição 738 também inclui uma porção de exibição de designador interativo, indicada no geral por 745. Porção de exibição de designador de interação 745 inclui uma coluna de designador 748 que mostra o designador (que pode ser um designador textual ou outro designador) identificando a categoria de valores ou características (no caso da FIG. 11, nível de perda). Sem limitação, os símbolos na coluna de símbolos 746 e os designadores na coluna de designador 748 podem incluir qualquer recurso de exibição tais como diferentes cores, formatos, padrões, intensidades, texto, ícones ou outros recursos de exibição, e podem ser customizáveis pela interação de um operador da colheitadeira agrícola 100.

[00188] A porção de exibição 738 também inclui uma porção de exibição de valor interativo, indicada no geral por 747. A porção de exibição de valor interativo 747 inclui uma coluna de exibição de valor 750 que exibe valores selecionados. Os valores selecionados correspondem às características ou valores que estão sendo rastreados ou exibidos, ou ambos, na porção de exibição de campo 728. Os valores selecionados podem ser selecionados por um operador da colheitadeira agrícola 100. Os valores selecionados na coluna de exibição de valor 750 definem uma faixa de valores ou um valor pelo qual outros valores, tais como valores preditos, devem ser classificados. Dessa forma, no exemplo na FIG. 11, um nível de perda predito ou medido que satisfaz ou é maior que 1,5 alqueire/acre é classificado como “alto nível de perda”, e um nível de perda predito ou medido que satisfaz ou é menor que 0,5 alqueire/acre é classificado como “baixo nível de perda”. Em alguns exemplos, os valores selecionados podem incluir uma faixa, de maneira tal que um valor predito ou medido que está dentro da faixa do valor selecionado será classificado sob o designador correspondente. Como mostrado na FIG. 11, “médio nível de perda” inclui uma faixa de 0,51 alqueire/acre a 1,49 alqueire/acre de maneira tal que um nível de perda predito ou medido que cai na faixa 0,51 a 1,49 alqueire/acre é classificado como “médio nível de perda”. Os valores selecionados na coluna de exibição de valor 750 são ajustáveis por um operador da colheitadeira agrícola 100. Em um exemplo, o operador 260 pode selecionar a parte particular da porção de exibição de campo 728 para a qual os valores na coluna 750 devem ser exibidos. Dessa forma, os valores na coluna 750 podem corresponder aos valores nas porções de exibição 712, 714 ou 730.

[00189] A porção de exibição 738 também inclui uma porção de exibição de limiar interativa, indicada no geral por 749. A porção de exibição de limiar interativa 749 inclui uma coluna de exibição de valor limiar 752 que exibe valores limiares de ação. Os valores limiares de ação na coluna 752 podem ser valores limiares correspondentes aos valores selecionados na coluna de exibição de valor 750. Se os valores preditos ou medidos da característica que está sendo rastreada ou exibida, ou ambos, satisfizerem os valores limiares de ação correspondentes na coluna de exibição de valor limiar 752, então o sistema de controle 214 adota a ação identificada na coluna 754. Em alguns casos, um valor medido ou predito pode satisfazer um valor limiar de ação correspondente ao satisfazer ou exceder o valor limiar de ação correspondente. Em um exemplo, o operador 260 pode selecionar um valor limiar, por exemplo, a fim de mudar o valor limiar ao tocar no valor limiar na coluna de exibição de valor limiar 752. Uma vez selecionado, o operador 260 pode mudar o valor limiar. Os valores limiares na coluna 752 podem ser configurados de maneira tal que a ação designada seja realizada quando o valor medido ou predito da característica excedo valor limiar, é igual ao valor limiar, ou é menor que o valor limiar. Em alguns casos, o valor limiar pode representar uma faixa de valores, um ou uma faixa de desvio dos valores selecionados na coluna de exibição de valor 750, de maneira tal que um valor de característica predito ou medido que satisfaz ou cai na faixa satisfaz o valor limiar. Por exemplo, no exemplo da FIG. 11, um valor predito que cai dentro de 10% de 1,5 alqueire/acre satisfará o valor limiar de ação correspondente (dentro de 10% de 1,5 alqueire/acre) e uma ação, tal como redução da velocidade da ventoinha de limpeza, será adotada pelo sistema de controle 214. Em outros exemplos, os valores limiares na coluna de exibição de valor limiar 752 são separados dos valores selecionados na coluna de exibição de valor 750, de maneira tal que os valores na coluna de exibição de valor 750 definem a classificação e exibição de valores preditos ou medidos, enquanto os valores limiares de ação definem quando uma ação deve ser adotada com base nos valores medidos ou preditos. Por exemplo, embora um valor de perda predito ou medido de 1,0 alqueire/acre possa ser designado como um “médio nível de perda” para efeitos de classificação e exibição, o valor limiar de ação pode ser 1,2 alqueire/acre de maneira tal que nenhuma ação será adotada até que o valor de perda satisfaça o valor limiar. Em outros exemplos, os valores limiares na coluna de exibição de valor limiar 752 podem incluir distâncias ou tempos. Por exemplo, no exemplo de uma distância, o valor limiar pode ser uma distância limiar da área do campo ondo valor medido ou predito é georreferenciado que a colheitadeira agrícola 100 tem que estar antes de uma ação ser adotada. Por exemplo, um valor de distância limiar de 3,0 metros (10 pés) significaria que uma ação será adotada quando a colheitadeira agrícola estiver em ou dentro de 3,0 metros (10 pés) da área do campo onde o valor medido ou predito é georreferenciado. Em um exemplo onde o valor limiar é tempo, o valor limiar pode ser um tempo limiar para colheitadeira agrícola 100 chegar à área do campo onde o valor medido ou predito é georreferenciado. Por exemplo, um valor limiar de 5 segundos significaria que uma ação será adotada quando a colheitadeira agrícola 100 estiver 5 segundos fora da área do campo onde o valor medido ou predito é georreferenciado. Em um exemplo como esse, a localização e velocidade de deslocamento atuais da colheitadeira agrícola podem ser levadas em conta.

[00190] A porção de exibição 738 também inclui uma porção de exibição de ação interativa, indicada no geral por 751. A porção de exibição de ação interativa 751 inclui uma coluna de exibição de ação 754 que exibe identificadores de ação que indicaram ações a serem adotadas quando um valor predito ou medido satisfaz um valor limiar de ação na coluna de exibição de valor limiar 752. O operador 260 pode tocar nos identificadores de ação na coluna 754 para mudar a ação que deve ser adotada. Quando um limiar é satisfeito, uma ação pode ser adotada. Por exemplo, na base da coluna 754, uma ação de aumento na velocidade da ventoinha de limpeza e uma ação de redução na velocidade da ventoinha de limpeza são identificadas como ações que serão adotadas se o valor medido ou predito em atender o valor limiar na coluna 752. Em alguns exemplos, então um limiar é atendido, múltiplas ações podem ser adotadas. Por exemplo, uma velocidade da ventoinha de limpeza pode ser ajustada, um rotor de trilhagem velocidade pode ser ajustada, e um folga do contrabatedor pode ser ajustada em resposta a um limiar sendo satisfeito.

[00191] As ações que podem ser ajustadas na coluna 754 podem ser qualquer um de uma ampla variedade de diferentes tipos de ações. Por exemplo, as ações podem incluir uma ação de exclusão que, quando executada, impede que a colheitadeira agrícola 100 colha adicionalmente em uma área. As ações podem incluir uma ação de mudança de velocidade que, quando executada, muda a velocidade de deslocamento da colheitadeira agrícola 100 através do campo. As ações podem incluir um ação de mudança de ajuste para mudar um ajuste de um atuador interno ou outro WMA ou conjunto de WMAs ou para implementar uma ação de mudança de ajustes que muda um ajuste de um rotor de trilhagem velocidade, uma velocidade da ventoinha de limpeza, uma posição (por exemplo, inclinação, altura, rolamento, etc.) do coletor, junto com vários outros ajustes. Esses são apenas exemplos, e uma ampla variedade de outras ações é contemplada no presente documento.

[00192] Os itens mostrados na exibição de interface de usuário 720 podem ser visualmente controlados. O controle visual da exibição de interface 720 pode ser feito para prender a atenção do operador 260. Por exemplo, os elementos de exibição podem ser controlados para modificar a intensidade, cor ou padrão com os quais os elementos de exibição são exibidos. Adicionalmente, os elementos de exibição podem ser controlados para piscar. As alterações descritas na aparência visual dos elementos de exibição são providas como exemplos. Consequentemente, outros aspectos da aparência visual dos elementos de exibição podem ser alterados. Portanto, os elementos de exibição podem ser modificados em várias circunstâncias de uma maneira desejada, por exemplo, a fim de prender a atenção do operador 260. Adicionalmente, embora um número particular de itens seja mostrado na exibição de interface de usuário 720, isso não precisa ser o caso. Em outros exemplos, mais ou menos itens, incluindo mais ou menos de um item particular, podem ser incluídos na exibição de interface de usuário 720.

[00193] De volta ao fluxograma da FIG. 10, a descrição da operação de controlador de interface de operador 231 continua. No bloco 760, o controlador de interface de operador 231 detecta uma entrada ajustado uma sinalização e controla a exibição de interface de usuário sensível ao toque 720 para exibir a sinalização na porção de exibição de campo 728. A entrada detectada pode ser uma entrada de operador, como indicado em 762, ou uma entrada de outro controlador, como indicado em 764. No bloco 766, o controlador de interface de operador 231 detecta uma entrada de sensor in situ indicativa de uma característica do campo medida de um dos sensores in situ 208. No bloco 768, o gerador de sinal de controle visual 684 gera sinais de controle para controlar a exibição de interface de usuário 720 para exibir atuadores para modificar a exibição de interface de usuário 720 e para modificar o controle de máquina. Por exemplo, o bloco 770 representa que um ou mais dos atuadores para ajustar ou modificar os valores nas colunas 739, 746 e 748 podem ser exibidos. Dessa forma, o usuário pode ajustar sinalizações e modificar características dessas sinalizações. Por exemplo, um usuário pode modificar os níveis de perda e designadores de nível de perda correspondentes às sinalizações. O bloco 772 representa que valores limiares de ação na coluna 752 são exibidos. O bloco 776 representa que as ações na coluna 754 são exibidas, e o bloco 778 representa que o valor selecionado na coluna 750 é exibido. O bloco 780 indica que uma ampla variedade de outra informação e atuadores pode ser exibida na exibição de interface de usuário 720 igualmente.

[00194] No bloco 782, o sistema de processamento de comando de entrada de operador 654 detecta e processa entradas de operador correspondentes às interações com a exibição de interface de usuário 720 realizada pelo operador 260. Onde o mecanismo de interface de usuário no qual a exibição de interface de usuário 720 é exibida é uma tela de exibição sensível ao toque, as entradas de interação com a tela de exibição sensível ao toque pelo operador 260 podem ser gestos de toque 784. Em alguns casos, as entradas de interação do operador podem ser entradas usando um dispositivo de apontar e clicar 786 ou outras entradas de interação do operador 788.

[00195] No bloco 790, o controlador de interface de operador 231 recebe sinais indicativos de uma condição de alerta. Por exemplo, o bloco 792 indica que sinais podem ser recebidos pelo sistema de processamento de entrada do controlador 668 indicando que os valores detectados ou preditos satisfazem as condições limiares presentes na coluna 752. Como explicado anteriormente, as condições limiares podem incluir valores sendo abaixo de um limiar, iguais a um limiar ou acima de um limiar. O bloco 794 mostra que o gerador de sinal de ação 660 pode, em resposta ao recebimento de uma condição de alerta, alertar o operador 260 usando o gerador de sinal de controle visual 684 para gerar alertas visuais, usando o gerador de sinal de controle de áudio 686 para gerar alertas de áudio, usando o gerador de sinal de controle háptico 688 para gerar alertas hápticos, ou usando qualquer combinação desses. Similarmente, como indicado pelo bloco 796, o gerador de saída do controlador 670 pode gerar saídas para outros controladores no sistema de controle 214 de forma que esses controladores realizem a ação correspondente identificada na coluna 754. O bloco 798 mostra que o controlador de interface de operador 231 pode detectar e processar condições de alerta de outras maneiras igualmente.

[00196] O bloco 900 mostra que o sistema de tratamento de voz 662 pode detectar e processar entradas invocando o sistema de processamento de voz 658. O bloco 902 mostra que realizar processamento de voz pode incluir o uso de sistema de gerenciamento de diálogo 680 para conduzir um diálogo com o operador 260. O bloco 904 mostra que o processamento de voz pode incluir prover sinais para o gerador de saída do controlador 670 de forma que operações de controle são automaticamente realizadas com base nas entradas de voz.

[00197] A Tabela 1, a seguir, mostra um exemplo de um diálogo entre o controlador de interface de operador 231 e o operador 260. Na Tabela 1, o operador 260 usa uma palavra de acionamento ou uma palavra de despertar que é detectada pelo detector de acionador 672 para invocar o sistema de processamento de voz 658. No exemplo mostrado na Tabela 1, a palavra de despertar é “Johnny”.
Tabela 1
Operador: “Johnny, diga-me a respeito do nível de perda”
Controlador de interface de operador: “O nível de perda atual é alto”.

[00198] A Tabela 2 mostra um exemplo no qual o componente de síntese de voz 676 provê uma saída ao gerador de sinal de controle de áudio 686 para prover atualizações audíveis de uma forma intermitente ou periódica. O intervalo entre atualizações pode ser baseado no tempo, tal como a cada cinco minutos, ou baseado em cobertura ou distância, tal como a cada cinco acres, ou baseado em expectativa, tal como quando um valor medido é maior que um valor limiar.
Tabela 2
Controlador de interface de operador: “Nos últimos 10 minutos, o nível de perda foi alto”.
Controlador de interface de operador: “1 acre seguinte o nível de perda predito é médio”.

[00199] O exemplo mostrado na Tabela 3 ilustra que alguns atuadores ou mecanismos de entrada de usuário na exibição sensível ao toque 720 podem ser suplementados com diálogo de voz. O exemplo na Tabela 3 ilustra que o gerador de sinal de ação 660 pode gerar sinais de ação para marcar automaticamente uma área de alto nível de perda no campo que está sendo colhido.
Tabela 3
Humano: “Johnny, marcar área de alto nível de perda”.
Controlador de interface de operador: “Área de alto nível de perda marcada”.

[00200] O exemplo mostrado na Tabela 4 ilustra que o gerador de sinal de ação 660 pode conduzir um diálogo com o operador 260 para começar e terminar a marcação de uma área de alto nível de perda.
Tabela 4
Humano: “Johnny, começar a marcação de área de alto nível de perda”.
Controlador de interface de operador: “Marcar área de alto nível de perda”. Humano: “Johnny, para marcação de área de alto nível de perda.”
Controlador de interface de operador: “Marcação de área de alto nível de perda cessada”.

[00201] O exemplo mostrado na Tabela 5 ilustra que o gerador de sinal de ação 160 pode gerar sinais para marcar uma área de baixo nível de perda de uma maneira diferente das mostradas nas Tabelas 3 e 4.
Tabela 5
Humano: “Johnny, marcar os próximos 30,5 metros (100 pés) como área de baixo nível de perda”.
Controlador de interface de operador: “Próximos 30,5 metros (100 pés) marcados como uma área de baixo nível de perda”.

[00202] Retornando novamente à FIG. 10, o bloco 906 ilustra que o controlador de interface de operador 231 pode detectar e processar condições para produzir uma mensagem ou outra informação de outras maneiras igualmente. Por exemplo, outro sistema de interação do controlador 656 pode detectar entradas de outros controladores indicando que alertas ou mensagens de saída devem ser apresentadas ao operador 260. O bloco 908 mostra que as saídas podem ser mensagens de áudio. O bloco 910 mostra que as saídas podem ser mensagens visuais, e o bloco 912 mostra que as saídas podem ser mensagens hápticas. Até o controlador de interface de operador 231 determinar que a operação de colheita atual foi completada, como indicado pelo bloco 914, o processamento reverte para o bloco 698 onde a localização geográfica da colheitadeira 100 é atualizada e o processamento prossegue como aqui descrito para atualizar a exibição de interface de usuário 720.

[00203] Uma vez que a operação é completada, então qualquer valor desejado que é exibido, ou foi exibido na exibição de interface de usuário 720, pode ser salvo. Esses valores podem também ser usados em aprendizagem de máquina para melhorar diferentes porções do gerador de modelo preditivo 210, gerador de mapa preditivo 212, gerador de zona de controle 213, algoritmos de controle, ou outros itens. O salvamento dos valores desejados é indicado pelo bloco 916. Os valores podem ser salvos localmente na colheitadeira agrícola 100, ou os valores podem ser salvos em uma localização de servidor remoto ou enviados a outro sistema remoto.

[00204] Pode-se dessa forma perceber que um mapa de informação é obtido por uma colheitadeira agrícola que mostra valores de característica em diferentes localizações geográficas de um campo que está sendo colhido. Um sensor in situ na colheitadeira sensoreia uma característica à medida que a colheitadeira agrícola move através do campo. Um gerador de mapa preditivo gera um mapa preditivo que inclui valores de controle para diferentes localizações no campo com base nos valores no mapa de informação e a característica sensoreada pelo sensor in situ. Um sistema de controle controla o subsistema controlável com base nos valores de controle no mapa preditivo.

[00205] Um valor de controle é um valor no qual uma ação pode ser baseada. Um valor de controle, como descrito no presente documento, pode incluir qualquer valor (ou característica indicada pelo valor ou derivada do mesmo) que pode ser usado no controle da colheitadeira agrícola 100. Um valor de controle pode ser qualquer valor indicativo de uma característica agrícola. Um valor de controle pode ser um valor predito, um valor medido ou um valor detectado. Um valor de controle pode incluir qualquer dos valores providos por um mapa, tal como qualquer dos mapas descritos no presente documento, por exemplo, um valor de controle pode ser um valor provido por um mapa de informação, um valor provido pelo mapa de informação anterior, ou um valor provido pelo mapa preditivo, tal como um mapa preditivo funcional. Um valor de controle pode também incluir qualquer das características indicadas ou derivadas dos valores detectados por qualquer dos sensores descritos no presente documento. Em outros exemplos, um valor de controle pode ser provido por um operador da máquina agrícola, tal como uma entrada de comando por um operador da máquina agrícola.

[00206] A presente discussão mencionou processadores e servidores. Em alguns exemplos, os processadores e servidores incluem processadores de computador com memória e sistema de circuitos de sincronismo associados, não mostrados separadamente. Os processadores e servidores são partes funcionais dos sistemas ou dispositivos aos quais os processadores e servidores pertencem e pelos quais são ativados e facilitam a funcionalidade dos outros componentes ou itens nesses sistemas.

[00207] Também, inúmeras exibições de interface de usuário foram discutidas. As exibições podem assumir uma ampla variedade de diferentes formas e podem ter uma ampla variedade de diferentes mecanismos de interface de operador atuáveis pelo usuário dispostos nas mesmas. Por exemplo, os mecanismos de interface de operador atuáveis pelo usuário podem incluir caixas de texto, caixas de verificação, ícones, ligações, menus pendentes, caixas de busca, etc. Os mecanismos de interface de operador atuáveis pelo usuário podem também ser atuados em uma ampla variedade de diferentes maneiras. Por exemplo, os mecanismos de interface de operador atuáveis pelo usuário podem ser atuados usando mecanismos de interface de operador tais como um dispositivo de apontar e clicar, tal como um mouse de esfera ou mouse comum, botões de hardware, interruptores, um manche ou teclado, interruptores de polegar ou blocos de polegar, etc., um teclado virtual ou outros atuadores virtuais. Além do mais, onda exibição na qual os mecanismos de interface de operador atuáveis pelo usuário são exibidos é uma exibição sensível ao toque, os mecanismos de interface de operador atuáveis pelo usuário podem ser atuados usando gestos de toque. Também, mecanismos de interface de operador atuáveis pelo usuário podem ser atuados usando comandos de voz usando funcionalidade de reconhecimento de voz. Reconhecimento de voz pode ser implementado usando um dispositivo de detecção de voz, tal como um microfone, e software que funciona para reconhecer voz detectada e executar comandos com base na voz recebida.

[00208] Inúmeros armazenamentos de dados foram também discutidos. Nota-se que os armazenamentos de dados podem ser desmembrados em múltiplos armazenamentos de dados. Em alguns exemplos, um ou mais dos armazenamentos de dados podem ser locais aos sistemas que acessam os armazenamentos de dados, um ou mais dos armazenamentos de dados podem todos ser localizados remotos de um sistema que utiliza os armazenamento de dados, ou um ou mais armazenamentos de dados podem ser locais enquanto outros são remotos. Todas essas configurações são contempladas pela presente descrição.

[00209] Também, as figuras mostram inúmeros blocos com funcionalidade atribuída a cada bloco. Nota-se que menos blocos podem ser usados para ilustrar que a funcionalidade atribuída aos múltiplos diferentes blocos é realizada por menos componentes. Também, mais blocos podem ser usados ilustrando que a funcionalidade pode ser distribuída dentre mais componentes. Em diferentes exemplos, alguma funcionalidade pode ser adicionada, e alguma pode ser removida.

[00210] Nota-se que a discussão apresentada descreveu uma variedade de diferentes sistemas, componentes, lógica e interações. Percebe-se que qualquer ou todos tais sistemas, componentes, lógica e interações podem ser implementados por itens de hardware, tais como processadores, memória ou outros componentes de processamento, incluindo, mas sem se limitar a componentes de inteligência artificial, tais como redes neurais, alguns dos quais são descritos a seguir, que realizam as funções associadas com esses sistemas, componentes, ou lógica, ou interações. Além do mais, qualquer ou todos os sistemas, componentes, lógica e interações podem ser implementados por 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. Qualquer ou todos os sistemas, componentes, lógica e interações podem também ser implementados por diferentes combinações de hardware, software, firmware, etc., alguns exemplos dos quais são descritos a seguir. Esses são alguns exemplos de diferentes estruturas que podem ser usadas para implementar qualquer ou todos os sistemas, componentes, lógica e interações aqui descritos. Outras estruturas podem ser igualmente usadas.

[00211] A FIG. 12 é um diagrama de blocos da colheitadeira agrícola 600, que pode ser similar à colheitadeira agrícola 100 mostrada na FIG. 2. A colheitadeira agrícola 600 comunica com elementos em uma arquitetura de servidor remoto 500. Em alguns exemplos, a arquitetura de servidor remoto 500 provê 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 podem ser acessíveis por um navegador de rede ou qualquer outro componente de computação. Software ou componentes mostrados na FIG. 2 bem como dados associados aos mesmos, 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 os recursos de computação podem ser dispersos em uma pluralidade de centros de dados remotos. Infraestruturas de servidor remoto podem entregar serviços através de centros de dados compartilhados, mesmo que os serviços pareçam um único ponto de acesso para o usuário. Dessa forma, os componentes e funções descritos no presente documento podem ser providos de um servidor remoto em uma localização remota usando uma arquitetura de servidor remoto. Alternativamente, os componentes e funções podem ser providos de um servidor, ou os componentes e funções podem ser instalados em dispositivos clientes diretamente, ou de outras maneiras.

[00212] No exemplo mostrado na FIG. 12, alguns itens são similares aos mostrados na FIG. 2 e esses itens são similarmente enumerados. A FIG. 12 especificamente mostra que o gerador de modelo preditivo 210 ou o gerador de mapa preditivo 212, ou ambos, pode ser localizado em uma localização de servidor 502 que é remota da colheitadeira agrícola 600. Portanto, no exemplo mostrado na FIG. 12, colheitadeira agrícola 600 acessa sistemas através da localização do servidor remoto 502.

[00213] A FIG. 12 também representa outro exemplo de uma arquitetura de servidor remoto. A FIG. 12 mostra que alguns elementos da FIG. 2 podem ser dispostos em uma localização de servidor remoto 502 enquanto outros podem ser localizados em qualquer lugar. A título de exemplo, o armazenamento de dados 202 pode ser disposto em uma localização separada da localização 502 e acessado por meio do servidor remoto na localização 502. Independentemente de onde os elementos são localizados, os elementos podem ser acessados diretamente pela colheitadeira agrícola 600 através de uma rede tal como uma rede de área abrangente ou uma rede de área local; os elementos podem ser hospedados em um local remoto por um serviço; ou os elementos podem ser providos como um serviço ou acessados por um serviço de conexão que reside em uma localização remota. Também, dados podem ser armazenados em qualquer localização, e os dados armazenados podem ser acessados, ou encaminhados a operadores, usuários ou sistemas. Por exemplo, portadoras físicas podem ser usadas em substituição ou em adição a portadoras de ondas eletromagnéticas. Em alguns exemplos, onda cobertura de serviço de telecomunicação sem fio é fraca ou inexistente, outra máquina, tal como um caminhão de combustível ou outra máquina móvel ou veículo, pode ter um sistema de coleta de informação automatizado, semiautomatizado ou manual. À medida que a colheitadeira combinada 600 se aproxima da máquina contendo o sistema de coleta de informação, tal como um caminhão de combustível, antes do abastecimento, o sistema de coleta de informação coleta a informação da colheitadeira combinada 600 usando qualquer tipo de conexão sem fio ad hoc. A informação coletada pode então ser encaminhada a outra rede quando a máquina contendo a informação recebida chega a uma localização onde cobertura de serviço de telecomunicação sem fio ou outra cobertura por fio é disponível. Por exemplo, um caminhão de combustível pode entrar em uma área com cobertura de comunicação sem fio durante deslocamento para uma localização para abastecer outras máquinas ou quando em uma localização de armazenamento de combustível principal. Todas essas arquiteturas são contempladas no presente documento. Adicionalmente, a informação pode ser armazenada na colheitadeira agrícola 600 até que a colheitadeira agrícola 600 entre em uma área com cobertura de comunicação sem fio. A colheitadeira agrícola 600, por sua vez, pode enviar a informação a outra rede.

[00214] Nota-se também que os elementos da FIG. 2, ou porções dos mesmos, podem ser dispostos em uma ampla variedade de diferentes dispositivos. Um ou mais desses dispositivos podem incluir computadores internos, uma unidade de controle eletrônico, uma unidade de exibição, um servidor, um computador desktop, um computador laptop, um computador tablet, ou outro dispositivo móvel, tal como um computador palmtop, um telefone celular, um smartphone, um tocador multimídia, um assistente pessoal digital, etc.

[00215] Em alguns exemplos, a arquitetura de servidor remoto 500 pode incluir medidas de segurança cibernética. Sem limitação, essas medidas podem incluir encriptação de dados em dispositivos de armazenamento, encriptação de dados enviados entre nós de rede, autenticação de pessoas ou dados de acesso de processo, bem como o uso de livros para registrar metadados, dados, transferências de dados, acesso de dados e transformações de dados. Em alguns exemplos, os livros podem ser distribuídos e imutáveis (por exemplo, implementados como blockchain).

[00216] A FIG. 13 é um diagrama de blocos simplificado de um exemplo ilustrativo de um dispositivo de computação portátil ou móvel que podem ser usados um dispositivo portátil de usuário ou cliente 16, no qual o presente sistema (ou partes dele) pode ser desdobrado. Por exemplo, um dispositivo móvel pode ser desdobrado no compartimento do operador da colheitadeira agrícola 100 para uso na geração, processamento ou exibição dos mapas supradiscutidos. FIGS. 14-15 são exemplos de dispositivos portáteis ou móveis.

[00217] A FIG. 13 provê um diagrama de blocos geral dos componentes de um dispositivo cliente 16 que podem 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 alguns exemplos provê um canal para receber informação automaticamente, tal como por escaneamento. 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.

[00218] 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 de outras FIGS.) 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.

[00219] Os componentes de I/O 23, em um exemplo, são providos para facilitar operações de entrada e saída. Os componentes de I/O 23 para vários exemplos do dispositivo 16 podem incluir componentes de entrada tais como botões, sensores de toque, sensores ópticos, microfones, telas sensíveis ao toque, sensores de proximidade, acelerômetros, sensores de orientação e componentes de saída tal como um dispositivo de exibição, um alto-falante, e ou uma porta de impressora. Outros componentes de I/O 23 podem ser igualmente usados.

[00220] O relógio 25 ilustrativamente compreende um componente de relógio de tempo real que produz uma hora e data. Ele pode também, ilustrativamente, prover funções de sincronismo para o processador 17.

[00221] O sistema de localização 27 ilustrativamente inclui um componente que produz uma localização geográfica atual do dispositivo 16. Isso 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. O sistema de localização 27 pode também incluir, por exemplo, software de mapeamento ou software de navegação que gero mapas, rotas de navegação e outras funções geográficas desejadas.

[00222] A memória 21 armazena o sistema operacional 29, ajustes de rede 31, aplicações 33, ajustes de configuração de aplicação 35, armazenamento de dados 37, unidades de operação de comunicação 39 e ajustes 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. A memória 21 pode também incluir mídias de armazenamento por computador (descritas 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.

[00223] FIG. 14 mostra um exemplo no qual dispositivo 16 é um computador tablet 600. Na FIG. 14, computadores 601 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. Computadores tablet 600 podem também usar um teclado virtual na tela. Certamente, computadores 601 também podem ser anexados a um teclado ou outro dispositivo de entrada de usuário por meio de mecanismo de anexação adequado, tal como uma ligação sem fio ou porta USB, por exemplo. Os computadores 601 podem também ilustrativamente receber entradas de voz igualmente.

[00224] FIG. 15 é similar à FIG. 14 exceto que o dispositivo é um smartphone 71. O smartphone 71 tem uma exibição sensível ao toque 73 que exibe ícones ou azulejos ou outros mecanismos de entrada de usuário 75. Os mecanismos 75 podem ser usados por um usuário rodar aplicações, fazer chamadas, realizar operações de transferência de dados, etc. Em geral, o smartphone 71 é construído em um sistema operacional móvel e oferece capacidade de computação e conectividade mais avançadas do que um telefone de recurso.

[00225] Note que outras formas dos dispositivos 16 são possíveis.

[00226] A FIG. 16 é um exemplo de um ambiente de computação no qual elementos da FIG. 2 podem ser desdobrados. Com referência à FIG. 16, um sistema exemplificativo para implementar algumas modalidades inclui um dispositivo de computação na forma de um computador 810 programado para operar como aqui discutido. Os componentes de computador 810 podem incluir, mas sem se limitar a uma unidade de processamento 820 (que pode compreender processadores ou servidores das FIGS. anteriores), um sistema memória 830 e um barramento do sistema 821 que acopla vários componentes de sistema incluindo a memória do sistema à unidade de processamento 820. O barramento do 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 desdobrados em porções correspondentes da FIG. 16.

[00227] 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 incluem 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, e não incluem, um sinal de dados modulado ou onda portadora. Mídias legíveis por computador incluem mídia de armazenamento de hardware incluindo tanto mídia removível quanto não removível, volátil quanto não volátil implementada 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, mais sem se limitar 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 ser 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 inclui 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.

[00228] A memória do sistema 830 inclui mídias de armazenamento por computador na forma de memória volátil e/ou não volátil, ou ambas, 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 dentro do computador 810, tal como durante iniciação, é tipicamente armazenado em ROM 831. RAM 832 tipicamente contém dados ou módulos de programa, ou ambos, que são imediatamente acessíveis e/ou são atualmente operados pela unidade de processamento 820. A título de exemplo, e não de limitação, FIG. 16 ilustra sistema operacional 834, programas de aplicação 835, outros módulos de programa 836 e dados de programa 837.

[00229] O computador 810 pode também incluir outras mídias de armazenamento por computador removíveis/não removíveis voláteis/não voláteis. Apenas a título de exemplo, FIG. 16 ilustra uma unidade de disco rígido 841 que lê ou grava em mídias magnéticas não removíveis, não magnéticas, uma unidade de disco óptico 855 e disco óptico não volátil 856. A unidade de disco rígido 841 é tipicamente conectada ao barramento do sistema 821 através de uma interface de memória não removível tal como a interface 840, e a unidade de disco óptico 855 é tipicamente conectada ao barramento do sistema 821 por uma interface de memória removível, tal como a interface 850.

[00230] Alternativamente, ou adicionalmente, a funcionalidade descrita no presente documento pode ser realizada, pelo menos em parte, por um ou mais componentes lógicos de hardware. Por exemplo, e sem limitação, tipos ilustrativos de componentes lógicos 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-umchip (SOCs), Dispositivos de Lógica Programável Complexa (CPLDs), etc.

[00231] As unidades de operação e suas mídias de armazenamento por computador associadas aqui discutidas e ilustradas na FIG. 16 provêm armazenamento de instruções legíveis por computador, estruturas de dados, módulos de programa e outros dados para o computador 810. Na FIG. 16, por exemplo, a unidade de disco rígido 841 é ilustrada armazenando 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.

[00232] 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, tais como um mouse, mouse de esfera ou bloco de toque. Outros dispositivos de entrada (não mostrados) podem incluir um manche, 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 pode ser conectada por outra interface e estruturas de barramento. Uma exibição visual 891 ou outro tipo de dispositivo de exibição é também conectada ao barramento do 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.

[00233] O computador 810 é operado em um ambiente ligado em rede usando conexões lógicas (tais como uma rede de área do controlador – CAN, rede de área local – LAN, ou rede de área abrangente WAN) a um ou mais computadores remotos, tal como um computador remoto 880.

[00234] Quando usado em um ambiente de 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. 16 ilustra, por exemplo, que programas de aplicação remotos 885 podem residir em computadores remotos 880.

[00235] Deve-se também notar que os diferentes exemplos descritos no presente documento podem ser combinados em diferentes maneiras. Ou seja, partes de um ou mais exemplos podem ser combinadas com partes de um ou mais outros exemplos. Tudo isso é contemplado no presente documento.

[00236] O Exemplo 1 é uma máquina de trabalho agrícola, compreendendo: um sistema de comunicação que recebe um mapa de informação que inclui valores de uma primeira característica agrícola correspondentes a diferentes localizações geográficas em um campo; um sensor de posição geográfica que detecta uma localização geográfica da máquina de trabalho agrícola; um sensor in situ que detecta um valor de uma segunda característica agrícola indicativo de uma característica de material processado correspondente à localização geográfica; um gerador de modelo preditivo que gera um modelo agrícola preditivo que modela uma relação entre a primeira característica agrícola e a segunda característica agrícola com base em um valor da primeira característica agrícola no mapa de informação na localização geográfica e um valor da característica agrícola sensoreada pelo sensor in situ na localização geográfica; e um gerador de mapa preditivo que gera um mapa agrícola preditivo funcional do campo que mapeia valores preditivos da segunda característica agrícola para as diferentes localizações geográficas no campo com base nos valores da primeira característica agrícola no mapa de informação e com base no modelo agrícola preditivo.

[00237] O Exemplo 2 é a máquina de trabalho agrícola de qualquer ou todos os exemplos anteriores, e compreendendo adicionalmente: um sistema de controle que gera sinais de controle para controlar um subsistema controlável na máquina de trabalho agrícola com base no mapa agrícola preditivo funcional.

[00238] O Exemplo 3 é a máquina de trabalho agrícola de qualquer ou todos os exemplos anteriores, em que o sensor in situ compreende: um sensor de característica de rejeitos que sensoreia, como a segunda característica agrícola, uma característica de rejeitos na máquina de trabalho agrícola.

[00239] O Exemplo 4 é a máquina de trabalho agrícola de qualquer ou todos os exemplos anteriores, em que o sensor in situ compreende: um sensor de perda que sensoreia, como a segunda característica agrícola, uma característica indicativa de perda de cultura pela máquina de trabalho agrícola.

[00240] O Exemplo 5 é a máquina de trabalho agrícola de qualquer ou todos os exemplos anteriores, em que o sensor in situ compreende: um sensor de qualidade de grão que sensoreia, como a segunda característica agrícola, uma característica indicativa de qualidade de grão na máquina de trabalho agrícola.

[00241] O Exemplo 6 é a máquina de trabalho agrícola de qualquer ou todos os exemplos anteriores, em que o sensor in situ compreende: um sensor de distribuição interna que sensoreia, como a segunda característica agrícola, uma característica indicativa de uma distribuição de material colhido na máquina de trabalho agrícola.

[00242] O Exemplo 7 é a máquina de trabalho agrícola de qualquer ou todos os exemplos anteriores, em que o gerador de mapa preditivo compreende: um gerador de mapa de característica de rejeitos que gera, como o mapa agrícola preditivo funcional, um mapa de característica de rejeitos preditivo que mapeia, como os valores preditivos da segunda característica agrícola, valores preditivos de uma característica de rejeitos para as diferentes localizações geográficas no campo com base nos valores da primeira característica agrícola no mapa de informação e com base no modelo agrícola preditivo.

[00243] O Exemplo 8 é a máquina de trabalho agrícola de qualquer ou todos os exemplos anteriores, em que o gerador de mapa preditivo compreende: um gerador de mapa de perda que gera, como o mapa agrícola preditivo funcional, um mapa de perda preditivo que mapeia valores preditivos de uma característica de perda de cultura para as diferentes localizações geográficas no campo com base nos valores da primeira característica agrícola no mapa de informação e com base no modelo agrícola preditivo.

[00244] Exemplo 9 é a máquina de trabalho agrícola de qualquer ou todos os exemplos anteriores, em que o gerador de mapa preditivo compreende: um gerador de mapa de qualidade de grão que gera, como o mapa agrícola preditivo funcional, um mapa de qualidade de grão preditivo que mapeia valores preditivos de uma característica de qualidade de grão para as diferentes localizações geográficas no campo com base nos valores da primeira característica agrícola no mapa de informação e com base no modelo agrícola preditivo.

[00245] O Exemplo 10 é a máquina de trabalho agrícola de qualquer ou todos os exemplos anteriores, em que o gerador de mapa preditivo compreende: um gerador de mapa de distribuição interna que gera, como o mapa agrícola preditivo funcional, um mapa de distribuição interna preditivo que mapeia valores preditivos de uma característica de distribuição interna, indicativos de uma característica de distribuição de material processado na máquina de trabalho agrícola, para as diferentes localizações geográficas no campo com base nos valores da primeira característica agrícola no mapa de informação e com base no modelo agrícola preditivo.

[00246] Exemplo 11 é a máquina de trabalho agrícola de qualquer ou todos os exemplos anteriores, em que o sistema de comunicação recebe, como o mapa de informação, um mapa topográfico que inclui, como a primeira característica agrícola, uma característica topográfica, em que o gerador de modelo preditivo gera o modelo agrícola preditivo para modelar uma relação entre a característica topográfica e a segunda característica agrícola.

[00247] Exemplo 12 é a máquina de trabalho agrícola de qualquer ou todos os exemplos anteriores, em que o sistema de comunicação recebe, como o mapa de informação, um mapa de genótipo de semente que inclui, como a primeira característica agrícola, um genótipo de semente, em que o gerador de modelo preditivo gera o modelo agrícola preditivo para modelar uma relação entre a semente genótipo e a segunda característica agrícola.

[00248] Exemplo 13 é a máquina de trabalho agrícola de qualquer ou todos os exemplos anteriores, em que o sistema de comunicação recebe, como o mapa de informação, um mapa de índice vegetativo que inclui, como a primeira característica agrícola, uma característica de índice vegetativo, em que o gerador de modelo preditivo gera o modelo agrícola preditivo para modelar uma relação entre a característica de índice vegetativo e a segunda característica agrícola.

[00249] O Exemplo 14 é a máquina de trabalho agrícola de qualquer ou todos os exemplos anteriores, em que o sistema de comunicação recebe, como o mapa de informação, um mapa de rendimento que inclui, como a primeira característica agrícola, uma característica de rendimento preditiva, em que o gerador de modelo preditivo gera o modelo agrícola preditivo para modelar uma relação entre a característica de rendimento preditiva e a segunda característica agrícola.

[00250] O Exemplo 15 é a máquina de trabalho agrícola de qualquer ou todos os exemplos anteriores, em que o sistema de comunicação recebe, como o mapa de informação, um mapa de biomassa que inclui, como a primeira característica agrícola, uma característica de biomassa, em que o gerador de modelo preditivo gera o modelo agrícola preditivo para modelar uma relação entre a característica de biomassa e a segunda característica agrícola.

[00251] O Exemplo 16 é a máquina de trabalho agrícola de qualquer ou todos os exemplos anteriores, em que o sistema de comunicação recebe, como o mapa de informação, um mapa de ervas daninhas que inclui, como a primeira característica agrícola, uma característica de ervas daninhas, em que o gerador de modelo preditivo gera o modelo agrícola preditivo para modelar uma relação entre a característica de ervas daninhas e a segunda característica agrícola.

[00252] O Exemplo 17 é um método implementado por computador para gerar um mapa agrícola preditivo funcional, compreendendo: receber um mapa de informação, em uma máquina de trabalho agrícola, que indica valores de uma primeira característica agrícola correspondentes a diferentes localizações geográficas em um campo; detectar uma localização geográfica da máquina de trabalho agrícola; detectar, com um sensor in situ, uma segunda característica agrícola indicativa de uma característica de material processado correspondente à localização geográfica; gerar um modelo agrícola preditivo que modela uma relação entre a primeira característica agrícola e a segunda característica agrícola; e controlar um gerador de mapa preditivo para gerar o mapa agrícola preditivo funcional do campo que mapeia valores preditivos da segunda característica agrícola para as diferentes localizações no campo com base nos valores da primeira característica agrícola no mapa de informação e no modelo agrícola preditivo.

[00253] O Exemplo 18 é o método implementado por computador de qualquer ou todos os exemplos anteriores, e compreendendo adicionalmente: configurar o mapa agrícola preditivo funcional para um sistema de controle que gera sinais de controle para controlar um subsistema controlável na máquina de trabalho agrícola com base no mapa agrícola preditivo funcional.

[00254] O Exemplo 19 é uma máquina de trabalho agrícola, compreendendo: um sistema de comunicação que recebe um mapa de informação que inclui valores de uma primeira característica agrícola correspondentes a diferentes localizações geográficas em um campo; um sensor de posição geográfica que detecta uma localização geográfica da máquina de trabalho agrícola; um sensor in situ que detecta um valor de uma segunda característica agrícola indicativo de uma característica de material processado correspondente à localização geográfica; um gerador de modelo preditivo que gera um modelo agrícola preditivo que modela uma relação entre a primeira característica agrícola e a segunda característica agrícola com base em um valor da primeira característica agrícola no mapa de informação na localização geográfica e um valor da característica agrícola sensoreada pelo sensor in situ na localização geográfica; e um gerador de mapa preditivo que gera um mapa agrícola preditivo funcional do campo que mapeia valores preditivos da segunda característica agrícola para as diferentes localizações geográficas no campo com base nos valores da primeira característica agrícola no mapa de informação e com base no modelo agrícola preditivo, o gerador de mapa preditivo configurando o mapa agrícola preditivo funcional para um sistema de controle que gera sinais de controle para controlar um subsistema controlável na máquina de trabalho agrícola com base no mapa agrícola preditivo funcional.

[00255] O Exemplo 20 é a máquina de trabalho agrícola de qualquer ou todos os exemplos anteriores, em que o sensor in situ compreende um ou mais de: um sensor de característica de rejeitos que sensoreia uma característica de rejeitos na máquina de trabalho agrícola como a segunda característica agrícola; um sensor de perda que sensoreia uma característica indicativa de perda de cultura pela máquina de trabalho agrícola como a segunda característica agrícola; um sensor de qualidade de grão que sensoreia uma característica indicativa de qualidade de grão na máquina de trabalho agrícola as a segunda característica agrícola; e um sensor de distribuição interna que sensoreia uma característica indicativa de uma distribuição de material colhido na máquina de trabalho agrícola como a segunda característica agrícola.

[00256] Embora a matéria tenha sido descrita em linguagem específica para recursos estruturais e/ou atos metodológicos, deve-se entender que a matéria definida nas reivindicações anexas não é necessariamente limitada aos recursos ou atos específicos supradescritos. Em vez disso, os recursos e atos específicos supradescritos são descritos como formas exemplificativas das reivindicações.

Claims

Sistema agrícola, caracterizado pelo fato de que compreende: um sistema de comunicação (206) que recebe um mapa de informação (258) que inclui valores de uma primeira característica agrícola correspondentes a diferentes localizações geográficas em um campo; um sensor de posição geográfica (204) que detecta uma localização geográfica de uma máquina de trabalho agrícola (100); um sensor in situ (208) que detecta um valor de uma segunda característica agrícola indicativo de uma característica de material processado correspondente à localização geográfica; um gerador de modelo preditivo (210) que gera um modelo agrícola preditivo que modela uma relação entre a primeira característica agrícola e a segunda característica agrícola com base em um valor da primeira característica agrícola no mapa de informação (258) na localização geográfica e um valor da segunda característica agrícola sensoreada pelo sensor in situ (208) na localização geográfica; e um gerador de mapa preditivo (212) que gera um mapa agrícola preditivo funcional do campo que mapeia valores preditivos da segunda característica agrícola para as diferentes localizações geográficas no campo com base nos valores da primeira característica agrícola no mapa de informação (258) e com base no modelo agrícola preditivo.
Sistema agrícola de acordo com a reivindicação 1, caracterizado pelo fato de que compreende adicionalmente: um sistema de controle que gera sinais de controle para controlar um subsistema controlável na máquina de trabalho agrícola com base no mapa agrícola preditivo funcional.
Sistema agrícola de acordo com a reivindicação 1, caracterizado pelo fato de que o sensor in situ compreende: um sensor de característica de rejeitos que sensoreia, como a segunda característica agrícola, uma característica de rejeitos na máquina de trabalho agrícola (100).
Sistema agrícola de acordo com a reivindicação 1, caracterizado pelo fato de que o sensor in situ compreende: um sensor de perda que sensoreia, como a segunda característica agrícola, uma característica indicativa de perda de cultura pela máquina de trabalho agrícola (100).
Sistema agrícola de acordo com a reivindicação 1, caracterizado pelo fato de que o sensor in situ compreende: um sensor de qualidade de grão que sensoreia, como a segunda característica agrícola, uma característica indicativa de qualidade de grão na máquina de trabalho agrícola (100).
Sistema agrícola de acordo com a reivindicação 1, caracterizado pelo fato de que o sensor in situ compreende: um sensor de distribuição interna que sensoreia, como a segunda característica agrícola, uma característica indicativa de uma distribuição de material colhido na máquina de trabalho agrícola (100).
Sistema agrícola de acordo com a reivindicação 1, caracterizado pelo fato de que o gerador de mapa preditivo compreende: um gerador de mapa de característica de rejeitos que gera, como o mapa agrícola preditivo funcional, um mapa de característica de rejeitos preditivo que mapeia, como os valores preditivos da segunda característica agrícola, valores preditivos de uma característica de rejeitos para as diferentes localizações geográficas no campo com base nos valores da primeira característica agrícola no mapa de informação e com base no modelo agrícola preditivo.
Sistema agrícola de acordo com a reivindicação 1, caracterizado pelo fato de que o gerador de mapa preditivo compreende:um gerador de mapa de perda que gera, como o mapa agrícola preditivo funcional, um mapa de perda preditivo que mapeia valores preditivos de uma característica de perda de cultura para as diferentes localizações geográficas no campo com base nos valores da primeira característica agrícola no mapa de informação e com base no modelo agrícola preditivo
Sistema agrícola de acordo com a reivindicação 1, caracterizado pelo fato de que o gerador de mapa preditivo compreende: um gerador de mapa de qualidade de grão que gera, como o mapa agrícola preditivo funcional, um mapa de qualidade de grão preditivo que mapeia valores preditivos de uma característica de qualidade de grão para as diferentes localizações geográficas no campo com base nos valores da primeira característica agrícola no mapa de informação e com base no modelo agrícola preditivo.
Sistema agrícola de acordo com a reivindicação 1, caracterizado pelo fato de que o gerador de mapa preditivo compreende: um gerador de mapa de distribuição interna que gera, como o mapa agrícola preditivo funcional, um mapa de distribuição interna preditivo que mapeia valores preditivos de uma característica de distribuição interna, indicativos de uma característica de distribuição de material processado na máquina de trabalho agrícola (100), para as diferentes localizações geográficas no campo com base nos valores da primeira característica agrícola no mapa de informação e com base no modelo agrícola preditivo.
Sistema agrícola de acordo com a reivindicação 1, caracterizado pelo fato de que o sistema de comunicação recebe, como o mapa de informação, um mapa topográfico que inclui, como a primeira característica agrícola, uma característica topográfica, em que o gerador de modelo preditivo gera o modelo agrícola preditivo para modelar uma relação entre a característica topográfica e a segunda característica agrícola.
Sistema agrícola de acordo com a reivindicação 1, caracterizado pelo fato de que o sistema de comunicação recebe, como o mapa de informação, um mapa de genótipo de semente que inclui, como a primeira característica agrícola, um genótipo de semente, em que o gerador de modelo preditivo gera o modelo agrícola preditivo para modelar uma relação entre o genótipo de semente e a segunda característica agrícola.
Sistema agrícola de acordo com a reivindicação 1, caracterizado pelo fato de que o sistema de comunicação recebe, como o mapa de informação, um mapa de índice vegetativo que inclui, como a primeira característica agrícola, uma característica de índice vegetativo, em que o gerador de modelo preditivo gera o modelo agrícola preditivo para modelar uma relação entre a característica de índice vegetativo e a segunda característica agrícola.
Sistema agrícola, caracterizado pelo fato de que compreende: um sistema de comunicação (206) que recebe um mapa de informação (258) que inclui valores de uma primeira característica agrícola correspondentes a diferentes localizações geográficas em um campo; um sensor de posição geográfica (204) que detecta uma localização geográfica de uma máquina de trabalho agrícola (100); um sensor in situ (208) que detecta um valor de uma segunda característica agrícola indicativo de uma característica de material processado correspondente à localização geográfica; um gerador de modelo preditivo (210) que gera um modelo agrícola preditivo que modela uma relação entre a primeira característica agrícola e a segunda característica agrícola com base em um valor da primeira característica agrícola no mapa de informação (258) na localização geográfica e um valor da segunda característica agrícola sensoreada pelo sensor in situ (208) na localização geográfica; e um gerador de mapa preditivo (212) que gera um mapa agrícola preditivo funcional do campo que mapeia valores preditivos da segunda característica agrícola para as diferentes localizações geográficas no campo com base nos valores da primeira característica agrícola no mapa de informação (258) e com base no modelo agrícola preditivo, em que o gerador de mapa preditivo configura o mapa agrícola preditivo funcional para um sistema de controle (214) que gera sinais de controle para controlar um subsistema controlável (216) na máquina de trabalho agrícola (100) com base no mapa agrícola preditivo funcional.
Método implementado por computador para gerar um mapa agrícola preditivo funcional, caracterizado pelo fato de que compreende: receber um mapa de informação (258) que indica valores de uma primeira característica agrícola correspondentes a diferentes localizações geográficas em um campo; detectar uma localização geográfica de uma máquina de trabalho agrícola (100); detectar, com um sensor in situ (208), uma segunda característica agrícola indicativa de uma característica de material processado correspondente à localização geográfica; gerar um modelo agrícola preditivo que modela uma relação entre a primeira característica agrícola e a segunda característica agrícola; e controlar um gerador de mapa preditivo para gerar o mapa agrícola preditivo funcional do campo que mapeia valores preditivos da segunda característica agrícola para as diferentes localizações no campo com base nos valores da primeira característica agrícola no mapa de informação e no modelo agrícola preditivo.