BR102021017177A2 - Máquina de trabalho agrícola, e, método implementado por computador para controlar uma máquina de trabalho agrícola - Google Patents
Máquina de trabalho agrícola, e, método implementado por computador para controlar uma máquina de trabalho agrícola Download PDFInfo
- Publication number
- BR102021017177A2 BR102021017177A2 BR102021017177-4A BR102021017177A BR102021017177A2 BR 102021017177 A2 BR102021017177 A2 BR 102021017177A2 BR 102021017177 A BR102021017177 A BR 102021017177A BR 102021017177 A2 BR102021017177 A2 BR 102021017177A2
- Authority
- BR
- Brazil
- Prior art keywords
- map
- agricultural
- predictive
- control
- values
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 33
- 238000011065 in-situ storage Methods 0.000 claims abstract description 124
- 238000004891 communication Methods 0.000 claims description 31
- 238000012545 processing Methods 0.000 description 66
- 230000000875 corresponding effect Effects 0.000 description 45
- 230000007246 mechanism Effects 0.000 description 38
- 241000196324 Embryophyta Species 0.000 description 37
- 230000009471 action Effects 0.000 description 35
- 238000003306 harvesting Methods 0.000 description 32
- 238000010586 diagram Methods 0.000 description 24
- 230000001276 controlling effect Effects 0.000 description 23
- 238000004140 cleaning Methods 0.000 description 20
- 230000003993 interaction Effects 0.000 description 20
- 230000008569 process Effects 0.000 description 18
- 230000008859 change Effects 0.000 description 17
- 230000000007 visual effect Effects 0.000 description 16
- 238000003860 storage Methods 0.000 description 15
- 241001124569 Lycaenidae Species 0.000 description 13
- 238000004458 analytical method Methods 0.000 description 13
- 239000000463 material Substances 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 230000001960 triggered effect Effects 0.000 description 11
- 238000007726 management method Methods 0.000 description 10
- 239000003550 marker Substances 0.000 description 10
- 239000002028 Biomass Substances 0.000 description 9
- 238000010801 machine learning Methods 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 8
- 239000002699 waste material Substances 0.000 description 8
- 244000038559 crop plants Species 0.000 description 7
- 238000001514 detection method Methods 0.000 description 7
- 239000000446 fuel Substances 0.000 description 7
- 230000004044 response Effects 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 5
- 230000015572 biosynthetic process Effects 0.000 description 5
- 238000013500 data storage Methods 0.000 description 5
- 238000013442 quality metrics Methods 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 239000002689 soil Substances 0.000 description 5
- 238000003786 synthesis reaction Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 238000010899 nucleation Methods 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 241000251169 Alopias vulpinus Species 0.000 description 3
- 230000004913 activation Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000013475 authorization Methods 0.000 description 3
- 238000013340 harvest operation Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000004043 responsiveness Effects 0.000 description 3
- 229920000742 Cotton Polymers 0.000 description 2
- 240000000111 Saccharum officinarum Species 0.000 description 2
- 235000007201 Saccharum officinarum Nutrition 0.000 description 2
- 239000000969 carrier Substances 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000004459 forage Substances 0.000 description 2
- 239000003415 peat Substances 0.000 description 2
- 101000822695 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C1 Proteins 0.000 description 1
- 101000655262 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C2 Proteins 0.000 description 1
- 241001236644 Lavinia Species 0.000 description 1
- 101000655256 Paraclostridium bifermentans Small, acid-soluble spore protein alpha Proteins 0.000 description 1
- 101000655264 Paraclostridium bifermentans Small, acid-soluble spore protein beta Proteins 0.000 description 1
- 229920002472 Starch Polymers 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 230000012010 growth Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000009342 intercropping Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000010908 plant waste Substances 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 235000019698 starch Nutrition 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 230000009105 vegetative growth Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01D—HARVESTING; MOWING
- A01D41/00—Combines, i.e. harvesters or mowers combined with threshing devices
- A01D41/12—Details of combines
- A01D41/127—Control or measuring arrangements specially adapted for combines
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01D—HARVESTING; MOWING
- A01D57/00—Delivering mechanisms for harvesters or mowers
- A01D57/12—Rotating rakes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3826—Terrain data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3885—Transmission of map data to client devices; Reception of map data by client devices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0094—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots involving pointing a payload, e.g. camera, weapon, sensor, towards a fixed or moving target
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
- G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Um ou mais mapas de informação são obtidos por uma máquina de trabalho agrícola. O um ou mais mapas de informação mapeiam um ou mais valores de características agrícolas em diferentes localizações geográficas de um campo. Um sensor in-situ na máquina de trabalho agrícola detecta uma característica agrícola enquanto a máquina de trabalho agrícola se move pelo campo. Um gerador de mapa preditivo gera um mapa preditivo que prevê 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 detectada pelo sensor in-situ. O mapa preditivo pode ser gerado e usado no controle de máquina automatizado.
Description
[001] A presente descrição refere-se a máquinas agrícolas, máquinas florestais, máquinas de construção e máquinas de gerenciamento de turfa.
[002] Existe uma grande variedade de diferentes tipos de máquinas agrícolas. Algumas máquinas agrícolas incluem colheitadeiras, como colheitadeiras combinadas, colheitadeiras de cana-de-açúcar, colheitadeiras de algodão, colheitadeiras de forragem autopropelidas e enfardadeiras. Algumas colheitadeiras podem ser equipadas com diferentes tipos de cabeças para colher diferentes tipos de safras.
[003] A altura de vegetação, incluindo plantas agrícolas e plantas daninhas, geralmente varia em um campo agrícola. Sem modificação das configurações da máquina, a variação na altura de vegetação pode degradar o desempenho da colheita.
[004] A discussão acima é fornecida apenas para informação de antecedentes gerais e não se destina a ser usada como um auxílio na determinação do escopo da matéria reivindicada.
[005] Um ou mais mapas de informação são obtidos por uma máquina de trabalho agrícola. O um ou mais mapas de informação mapeiam um ou mais valores de características agrícolas em diferentes localizações geográficas de um campo. Um sensor in-situ na máquina de trabalho agrícola detecta uma característica agrícola enquanto a máquina de trabalho agrícola se move pelo campo. Um gerador de mapa preditivo gera um mapa preditivo que prevê 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 detectada pelo sensor in-situ. O mapa preditivo pode ser gerado e usado no controle de máquina automatizado. Este sumário é fornecido para introduzir uma seleção de conceitos de forma simplificada que são adicionalmente descritos abaixo na Descrição Detalhada. Este Sumário não é destinado a identificar recursos-chave ou recursos essenciais da matéria reivindicada, nem é destinado a ser usado como um auxílio na determinação do escopo da matéria reivindicada. A matéria reivindicada não se limita a exemplos que resolvem qualquer ou todas as desvantagens observadas nos antecedentes.
[006] A Figura 1 é uma ilustração parcial pictórica, esquemática parcial de um exemplo de uma colheitadeira combinada.
[007] A Figura 2 é um diagrama de blocos que mostra algumas porções de uma colheitadeira agrícola em mais detalhes, de acordo com alguns exemplos da presente descrição.
[008] As Figuras 3A-3B (coletivamente referidas aqui como Figura 3) mostram um diagrama de fluxo que ilustra um exemplo de operação de uma colheitadeira agrícola na geração de um mapa.
[009] A Figura 4 é um diagrama de blocos que mostra um exemplo de um gerador de modelo preditivo e um gerador de mapa preditivo.
[0010] A Figura 5 é um diagrama de fluxo que mostra um exemplo de operação de uma colheitadeira agrícola ao receber um índice vegetativo, detectando uma altura de vegetação ou posição de cilindro e gerando um mapa de altura de vegetação preditiva funcional ou um mapa de posição de cilindro preditivo funcional para uso no controle da colheitadeira agrícola durante uma operação de colheita.
[0011] A Figura 6 é um diagrama de blocos que mostra um exemplo de um gerador de zona de controle.
[0012] A Figura 7 é um diagrama de fluxo que ilustra um exemplo da operação do gerador de zona de controle mostrado na Figura 6.
[0013] A Figura 8 ilustra um diagrama de fluxo que mostra um exemplo da operação de um sistema de controle na seleção de um valor de definições alvo para controlar uma colheitadeira agrícola.
[0014] A Figura 9 é um diagrama de blocos que mostra um exemplo de um controlador de interface de operador.
[0015] A Figura 10 é um diagrama de fluxo que ilustra um exemplo de um controlador de interface de operador.
[0016] A Figura 11 é uma ilustração pictórica que mostra um exemplo de um visor de interface de operador.
[0017] A Figura 12 é um diagrama de blocos que mostra um exemplo de uma colheitadeira agrícola em comunicação com um ambiente de servidor remoto.
[0018] As Figuras 13-15 mostram exemplos de dispositivos móveis que podem ser usados em uma colheitadeira agrícola.
[0019] A Figura 16 é um diagrama de blocos que mostra um exemplo de um ambiente de computação que pode ser usado em uma colheitadeira agrícola.
[0020] Com a finalidade de promover uma compreensão dos princípios da verificação, agora será feita referência aos exemplos ilustrados nos desenhos e linguagem específica será usada para descrever os mesmos. No entanto, será entendido que nenhuma limitação do escopo da descrição é pretendida. Quaisquer alterações e modificações adicionais aos dispositivos, sistemas, métodos descritos e qualquer aplicação adicional dos princípios da presente descrição são totalmente contemplados como ocorreria normalmente a um versado na técnica à qual a descrição se refere. Em particular, é totalmente contemplado que os recursos, componentes, e/ou etapas descritos em relação a um exemplo podem ser combinados com os recursos, componentes, e/ou etapas descritas em relação a outros exemplos da presente descrição.
[0021] A presente descrição se refere ao uso de dados in situ obtidos simultaneamente com uma operação agrícola, em combinação com dados anteriores, para gerar um mapa preditivo, como um mapa preditivo de altura de vegetação. Em alguns exemplos, o mapa preditivo pode ser usado para controlar a posição de cilindro de um cilindro em uma máquina de trabalho agrícola.
[0022] A altura de vegetação, incluindo plantas agrícolas e plantas daninhas, em um campo pode variar. As configurações de uma colheitadeira agrícola também podem ser variadas para aumentar o desempenho da colheitadeira agrícola. Por exemplo, quando as plantas da colheita são curtas, a posição de cilindro pode ter que ser abaixada para melhor reunir o material da colheita. Ou, por exemplo, quando um trecho de ervas daninhas está presente, o coletor pode ser elevado para reunir as plantas da safra e evitar a biomassa adicional de algumas das ervas daninhas.
[0023] Um mapa de índice vegetativo mapeia ilustrativamente os valores de índice vegetativo, que podem ser indicativos de crescimento vegetativo, em diferentes localizações geográficas em um campo de interesse. Um exemplo de índice vegetativo inclui um índice de vegetação de 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 bandas de radiação eletromagnética refletida pelas plantas. Sem limitações, essas bandas podem estar nas porções de micro-ondas, infravermelho, visível ou ultravioleta do espectro eletromagnético.
[0024] Um mapa de índice vegetativo pode ser usado para identificar a presença e localização da vegetação. Em alguns exemplos, esses mapas permitem que ervas daninhas sejam identificadas e georreferenciadas na presença de solo nu, resíduos da safra ou outras plantas, incluindo safra ou outras ervas daninhas. Por exemplo, no final de uma estação de cultivo, quando uma safra está madura, as plantas da safra podem mostrar um nível reduzido de vegetação viva em crescimento. No entanto, as ervas daninhas geralmente persistem em estado de crescimento após a maturidade da safra. Portanto, se um mapa de índice vegetativo é gerado relativamente tarde na estação de crescimento, o mapa de índice vegetativo pode ser indicativo da localização de ervas daninhas no campo.
[0025] A presente discussão também inclui mapas preditivos que preveem uma característica com base em um mapa de informação e uma relação com os dados detectados obtidos de um sensor in situ. Esses mapas preditivos incluem um mapa preditivo de produção e um mapa preditivo do estado de safra. Em um exemplo, o mapa de rendimento preditivo é gerado recebendo um mapa de índice vegetativo anterior e dados de rendimento detectados obtidos de um sensor de rendimento in situ e determinando uma relação entre o mapa de índice vegetativo anterior e os dados de rendimento detectados obtidos a partir de um sinal do sensor de rendimento in situ e usando o relacionamento para gerar o mapa de rendimento preditivo com base no relacionamento e no mapa de índice vegetativo anterior. Em um exemplo, o mapa de estado de cultivo preditivo é gerado recebendo um ou mais de um índice vegetativo, rendimento, biomassa ou mapa de semeadura e detectando um estado de cultivo e determinando uma relação entre um ou mais de um índice vegetativo, rendimento, biomassa ou mapa de semeadura e o estado de safra detectado obtido de um sinal de dados de um sensor de estado de safra e usando o relacionamento para gerar o mapa de estado de safra preditivo com base na relação e um ou mais de um índice vegetativo, rendimento, biomassa ou mapa de semeadura. Os mapas preditivos de rendimento e de estado de safra podem ser criados com base em outros mapas de informações ou gerados de outras maneiras também. Por exemplo, o rendimento preditivo ou mapas do estado de safra podem ser gerados com base em imagens de satélite, modelos de crescimento, modelos meteorológicos, etc. Ou, por exemplo, um mapa preditivo do rendimento ou um mapa preditivo do estado de safra podem ser baseados no todo ou em parte em um mapa topográfico, um mapa de tipo de solo, um mapa de constituintes do solo ou um mapa de saúde do solo.
[0026] A presente discussão, portanto, prossegue com relação aos sistemas que recebem um mapa de informação de um campo ou mapa gerado durante uma operação anterior e também usam um sensor in-situ para detectar uma variável indicativa de uma ou mais de uma característica agrícola, como vegetação altura ou comando de operador durante uma operação de colheita. Os sistemas geram um modelo que modela uma relação entre os valores no mapa de informação e os valores de saída do sensor in-situ. O modelo é usado para gerar um mapa preditivo funcional que prevê, por exemplo, altura de vegetação ou posições do cilindro em diferentes localizações no campo. O mapa preditivo funcional, gerado durante a operação de colheita, pode ser apresentado a um operador ou outro usuário, ou utilizado no controle automático de uma colheitadeira agrícola durante a operação de colheita ou ambos. O mapa preditivo funcional pode ser usado para controlar um ou mais subsistemas da colheitadeira agrícola, por exemplo, a posição de cilindro.
[0027] A Figura 1 é uma ilustração parcial pictórica e esquemática parcial de uma colheitadeira agrícola autopropelida 100. No exemplo ilustrado, a colheitadeira agrícola 100 é uma colheitadeira combinada. Além disso, embora as colheitadeiras sejam fornecidas como exemplos ao longo da presente descrição, será reconhecido que a presente descrição também é aplicável a outros tipos de colheitadeiras, como colheitadeiras de algodão, colheitadeiras de cana-de-açúcar, colheitadeiras de forragem autopropelidas, enfardadeiras ou outras máquinas de trabalho agrícola. Consequentemente, a presente descrição se destina a abranger os vários tipos de colheitadeiras descritos e, portanto, não está limitada a colheitadeiras combinadas. Além disso, a presente descrição é direcionada a outros tipos de máquinas de trabalho, como semeadoras e pulverizadores agrícolas, equipamentos de construção, equipamentos florestais e equipamentos de gerenciamento de turfa em que a geração de um mapa preditivo pode ser aplicável. Consequentemente, a presente descrição se destina a abranger esses vários tipos de colheitadeiras e outras máquinas de trabalho e, portanto, não está limitada a colheitadeiras combinadas.
[0028] Como mostrado na Figura 1, a colheitadeira agrícola 100 inclui ilustrativamente um compartimento de 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, como um coletor 102 e um cortador geralmente indicado em 104. No exemplo ilustrado, o cortador 104 está incluído no coletor 102. A colheitadeira agrícola 100 também inclui um alimentador 106, um acelerador de alimentação 108 e um debulhador geralmente indicado em 110. O alimentador 106 e o acelerador de alimentação 108 fazem parte de um subsistema de manipulação de material 125. O coletor 102 é pivotalmente acoplado a um chassi 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 geralmente indicada pela seta 109. Assim, uma posição vertical do coletor 102 (a altura do coletor) acima do solo 111 sobre o qual o coletor 102 se desloca é controlável pela atuação do atuador 107. Embora não seja mostrado na Figura 1, a colheitadeira agrícola 100 também pode 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. A inclinação se refere a um ângulo no qual o cortador 104 engata na safra. O ângulo de inclinação é aumentado, por exemplo, controlando o coletor 102 para apontar uma borda distal 113 do cortador 104 mais em direção ao solo. O ângulo de inclinação é diminuído controlando o coletor 102 para apontar a borda distal 113 do cortador 104 mais longe do solo. O ângulo de rolamento se refere à orientação do coletor 102 sobre o eixo geométrico longitudinal de frente para trás da colheitadeira agrícola 100.
[0029] A debulhadora 110 inclui ilustrativamente um rotor de debulha 112 e um conjunto de côncavos 114. Além disso, a colheitadeira agrícola 100 também inclui um separador 116. A colheitadeira agrícola 100 também inclui um subsistema de limpeza ou sapata de limpeza (coletivamente referido como subsistema de limpeza 118) que inclui um ventilador de limpeza 120, peneira 122 e crivo 124. O subsistema de manipulação de material 125 também inclui batedor de descarga 126, elevador de rejeitos 128, elevador de grãos limpos 130, bem como trado de descarga 134 e bico 136. O elevador de grãos limpos move os grãos limpos para o interior do tanque de grãos limpos 132. A colheitadeira agrícola 100 também inclui um subsistema de resíduos 138 que pode incluir o picador 140 e o espalhador 142. A colheitadeira agrícola 100 também inclui um subsistema de propulsão que inclui um motor que aciona os componentes de engate ao solo 144, como rodas ou lagartas. Em alguns exemplos, uma colheitadeira combinada no escopo da presente descrição pode ter mais de um dentre qualquer um dos subsistemas mencionados acima. Em alguns exemplos, a colheitadeira agrícola 100 pode ter subsistemas de limpeza esquerdo e direito, separadores, etc., que não são mostrados na Figura 1.
[0030] Em operação, e a título de visão geral, a colheitadeira agrícola 100 se move ilustrativamente através de um campo na direção indicada pela seta 147. À medida que colheitadeira agrícola 100 se move, o coletor 102 (e o cilindro associada 164) engata a safra a ser colhida e reúne a safra em direção ao cortador 104. Um operador de colheitadeira agrícola 100 pode ser um operador humano local, um operador humano remoto ou um sistema automatizado. Um comando de operador é um comando por um operador. O operador da colheitadeira agrícola 100 pode determinar uma ou mais de uma definição de altura, uma definição de ângulo de inclinação ou uma definição de ângulo de rolamento para o coletor 102. Por exemplo, o operador insere uma definição ou definições a um sistema de controle, descrito em mais detalhes abaixo, que controla o atuador 107. O sistema de controle também pode receber uma definição do operador para estabelecer o ângulo de inclinação e ângulo de rolamento do coletor 102 e implementar as definições inseridas controlando atuadores associados, não mostrados, que operam para alterar o ângulo de inclinação e ângulo de rolamento do coletor 102. O atuador 107 mantém o coletor 102 a uma altura acima do solo 111 com base em uma definição de altura e, quando aplicável, nos ângulos de inclinação e rolamento desejados. Cada uma das definições de altura, rolamento e inclinação podem ser implementadas independentemente das outras. O sistema de controle responde ao erro de coletor (por exemplo, a diferença entre a definição de altura e altura medida do coletor 104 acima do solo 111 e, em alguns exemplos, ângulo de inclinação e erros de ângulo de rolamento) com uma capacidade de resposta que é determinada com base em um nível de sensibilidade selecionado. Se o nível de sensibilidade for definido em um nível maior de sensibilidade, o sistema de controle responde a erros menores de posição de coletor e tenta reduzir os erros detectados mais rapidamente do que quando a sensibilidade está em um nível mais baixo de sensibilidade.
[0031] Voltando à descrição da operação da colheitadeira agrícola 100, após as safras serem cortadas pelo cortador 104, o material de safra cortado é movido através de um transportador no alimentador 106 em direção ao acelerador de alimentação 108, que acelera o material de safra para o debulhador 110. O material de safra é debulhado pelo rotor 112 girando a colheita contra os côncavos 114. O material de safra debulhado é movido por um rotor separador no separador 116, em que uma porção do resíduo é movida pelo batedor de descarga 126 em direção ao 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 liberado 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), como ensacadores de sementes ou outros coletores de sementes, ou trituradores de sementes ou outros destruidores de sementes.
[0032] O grão cai para o subsistema de limpeza 118. A peneira 122 separa alguns pedaços maiores do material do grão e o crivo 124 separa alguns dos pedaços mais finos do material do grão limpo. O grão limpo cai para 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. O resíduo é removido do subsistema de limpeza 118 pelo fluxo de ar gerado pelo ventilador de limpeza 120. O ventilador de limpeza 120 direciona o ar ao longo de um trajeto de fluxo de ar para cima através dos crivos e peneiras. O fluxo de ar carrega resíduos para trás na colheitadeira agrícola 100 em direção ao subsistema de manipulação de resíduos 138.
[0033] O elevador de rejeitos 128 retorna rejeitos para o debulhador 110, em que os rejeitos são novamente debulhados. Alternativamente, os rejeitos também podem ser passados para um mecanismo de nova debulha separado por um elevador de rejeitos ou outro dispositivo de transporte em que os rejeitos também são novamente debulhados.
[0034] A Figura 1 também mostra que, em um exemplo, a colheitadeira agrícola 100 inclui sensor de velocidade de máquina 146, um ou mais sensores de perda de separador 148, uma câmera de grão limpo 150, um mecanismo de captura de imagem de visão frontal 151, que pode estar na forma de uma câmera aparelho estéreo ou mono e um ou mais sensores de perda 152 fornecidos no subsistema de limpeza 118.
[0035] O sensor de velocidade de máquina 146 detecta a velocidade de deslocamento da colheitadeira agrícola 100 no solo. O sensor de velocidade de máquina 146 pode detectar a velocidade de deslocamento da colheitadeira agrícola 100 detectando a velocidade de rotação dos componentes de engate ao solo (como rodas ou lagartas), um eixo acionador, um eixo ou outros componentes. Em alguns casos, a velocidade de deslocamento pode ser detectada usando um sistema de posicionamento, como um sistema de posicionamento global (GPS), um sistema de cálculo morto, um sistema de navegação de longo alcance (LORAN) ou uma grande variedade de outros sistemas ou sensores que fornecem uma indicação da velocidade de deslocamento.
[0036] Os sensores de perda 152 fornecem ilustrativamente um sinal de saída indicativo da quantidade de perda de grãos que ocorre em ambos os lados direito e esquerdo do subsistema de limpeza 118. Em alguns exemplos, os sensores 152 são sensores de colisão que contam colisões de grãos por unidade de tempo ou por unidade de distância percorrida para fornecer uma indicação da perda de grãos que ocorre no subsistema de limpeza 118. Os sensores de colisão para os lados direito e esquerdo do subsistema de limpeza 118 podem fornecer sinais individuais ou um sinal combinado ou agregado. Em alguns exemplos, os sensores 152 podem incluir um único sensor em oposição a sensores separados fornecidos para cada subsistema de limpeza 118.
[0037] O sensor de perda de separador 148 fornece um sinal indicativo de perda de grão nos separadores esquerdo e direito, não mostrado separadamente na Figura 1. Os sensores de perda do separador 148 podem ser associados aos separadores esquerdo e direito e podem fornecer sinais de perda de grãos separados ou um sinal combinado ou agregado. Em alguns casos, a detecção de perda de grãos nos separadores também pode ser realizada usando uma ampla variedade de diferentes tipos de sensores.
[0038] A colheitadeira agrícola 100 também pode 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 detecta uma altura do coletor 102 acima do solo 111; sensores de estabilidade que detectam oscilação ou movimento de salto (e amplitude) da colheitadeira agrícola 100; um sensor de definição de resíduo que é configurado para detectar se a colheitadeira agrícola 100 está configurada para cortar o resíduo, produzir uma amontoado de feno, etc; um sensor de velocidade de ventilador de sapata de limpeza para detectar a velocidade do ventilador 120; um sensor de folga de contrabatedor que detecta folga entre o rotor 112 e contrabatedores 114; um sensor de velocidade de rotor de debulha que detecta uma velocidade de rotor do rotor 112; um sensor de folga de peneira que detecta o tamanho das aberturas na peneira 122; um sensor de folga que detecta o tamanho das aberturas no crivo 124; um material diferente do sensor de umidade de grãos (MOG) que detecta um nível de umidade do MOG passando pela colheitadeira agrícola 100; um ou mais sensores de configuração da máquina configurados para detectar várias definições da colheitadeira agrícola 100; um sensor de orientação de máquina que detecta a orientação da colheitadeira agrícola 100; e sensores de propriedade de safra que detectam uma variedade de diferentes tipos de propriedades da safra, como tipo de safra, umidade da safra e outras propriedades da safra. Sensores de propriedade de colheita também podem ser configurados para detectar características do material de safra cortado à medida que o material de safra está sendo processado pela colheitadeira 100. Por exemplo, em alguns casos, os sensores de propriedade de safra podem detectar a qualidade do grão, como grãos quebrados, níveis de MOG; constituintes de grãos, como amidos e proteínas; e taxa de alimentação de grão conforme o grão se desloca através do alimentador 106, elevador de grão limpo 130 ou em outro lugar na colheitadeira agrícola 100. Os sensores de propriedade de colheita também podem detectar a taxa de alimentação de biomassa através do alimentador 106, através do separador 116 ou em outro lugar na colheitadeira agrícola 100. Os sensores de propriedade de safra também podem detectar a taxa de alimentação como uma taxa de fluxo de massa de grãos através do elevador 130 ou através de outras porções da colheitadeira agrícola 100 ou fornecer outros sinais de saída indicativos de outras variáveis detectadas.
[0039] Antes de descrever como a colheitadeira agrícola 100 gera um mapa preditivo funcional da altura de vegetação ou mapa de posição de cilindro preditivo funcional e usa um ou mais dos mapas preditivos funcionais para controle, uma breve descrição de alguns dos itens na colheitadeira agrícola 100 e sua operação, será descrito primeiro. A descrição da Figura 2 e 3 descrevem o recebimento de um tipo geral de mapa de informação e a combinação de informação do mapa de informação com um sinal de sensor georreferenciado gerado por um sensor in situ, em que o sinal do sensor é indicativo de uma característica no campo, como características de safra ou ervas daninhas presentes no campo. As características do campo podem incluir, mas não estão limitadas a, características de um campo, como declive, intensidade da erva daninha, tipo de erva daninha, umidade do solo, qualidade da superfície; características das propriedades da safra, como altura da safra, umidade da safra, densidade da safra, estado de safra; características das propriedades do grão, como umidade do grão, tamanho do grão, peso de teste do grão; e características de desempenho da máquina, como níveis de perda, qualidade do trabalho, consumo de combustível e utilização de energia. Uma relação entre os valores característicos obtidos a partir de sinais do sensor in situ e os valores do mapa de informação é identificada e essa relação é usada para gerar um novo mapa preditivo funcional. Um mapa preditivo funcional prevê valores em diferentes localizações geográficas em um campo e um ou mais desses valores podem ser usados para controlar uma máquina, como um ou mais subsistemas de uma colheitadeira agrícola. Em alguns casos, um mapa preditivo funcional pode ser apresentado a um usuário, como um operador de uma máquina de trabalho agrícola, que pode ser uma colheitadeira agrícola. Um mapa preditivo funcional pode ser apresentado a um usuário visualmente, como por meio de uma tela, ao toque ou de forma audível. O usuário pode interagir com o mapa preditivo funcional para realizar operações de edição e outras operações de interface de usuário. Em alguns casos, um mapa preditivo funcional pode ser usado para um ou mais de controlar uma máquina de trabalho agrícola, como uma colheitadeira agrícola, apresentação a um operador ou outro usuário e apresentação a um operador ou usuário para interação pelo operador ou usuário.
[0040] Após a abordagem geral ser descrita em relação às Figuras 2 e 3, uma abordagem mais específica para gerar um mapa de altura de vegetação preditivo funcional ou mapa de posição de cilindro preditivo funcional que pode ser apresentado a um operador ou usuário, ou usado para controlar a colheitadeira agrícola 100, ou ambos, é descrita em relação às Figuras 4 e 5. Novamente, enquanto a presente discussão prossegue com relação à colheitadeira agrícola e, particularmente, uma colheitadeira combinada, o escopo da presente descrição abrange outros tipos de colheitadeiras agrícolas ou outras máquinas de trabalho agrícolas.
[0041] A Figura 2 é um diagrama de blocos que mostra algumas porções de uma colheitadeira agrícola de exemplo 100. A Figura 2 mostra que a colheitadeira agrícola 100 inclui ilustrativamente 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 detectam uma ou mais características agrícola de um campo simultâneo com uma operação de colheita. Uma característica agrícola pode incluir qualquer característica que possa ter um efeito na operação de colheita. Alguns exemplos de características agrícolas incluem características da máquina de colheita, o campo, as plantas no campo, o clima. Outros tipos de características agrícolas também estão incluídos. Os sensores in situ 208 geram valores correspondentes às características detectadas. A colheitadeira agrícola 100 também inclui um modelo preditivo ou gerador de relacionamento (coletivamente referido a seguir como “gerador de modelo preditivo 210”), gerador de mapa preditivo 212, gerador de zona de controle 213, sistema de controle 214, um ou mais subsistemas controláveis 216 e um operador mecanismo de interface 218. A colheitadeira agrícola 100 também pode incluir uma grande variedade de outras funcionalidades de colheitadeira agrícola 220. Os sensores in situ 208 incluem, por exemplo, sensores integrados 222, sensores remotos 224 e outros sensores 226 que detectam características de um campo durante o curso de uma operação agrícola. O gerador de modelo preditivo 210 inclui ilustrativamente um gerador de modelo de variável de informação em variável in situ 228 e o gerador de modelo preditivo 210 pode incluir outros itens 230. O sistema de controle 214 inclui controlador de sistema de comunicação 229, controlador de interface de operador 231, um controlador de definições 232, controlador de planejamento de trajeto 234, controlador de taxa de alimentação 236, controlador de coletor e cilindro 238, controlador de correia de lona 240, controlador de posição de chapa de plataforma 242, controlador de sistema de resíduo 244 , o controlador de limpeza de máquina 245, o controlador de zona 247 e o sistema 214 podem incluir outros itens 246. Subsistemas controláveis 216 incluem máquina, coletor e atuadores de cilindro 248, subsistema de propulsão 250, subsistema de direção 252, subsistema de resíduo 138, subsistema de limpeza de máquina 254 e subsistemas 216 podem incluir uma ampla variedade de outros subsistemas 256.
[0042] A Figura 2 também mostra que a colheitadeira agrícola 100 pode receber o mapa de informação 258. Conforme descrito abaixo, o mapa de informação 258 inclui, por exemplo, um mapa de índice vegetativo, mapa de estado de safra ou um mapa de rendimento. No entanto, o mapa de informação 258 também pode abranger outros tipos de dados que foram obtidos antes de uma operação de colheita ou um mapa de uma operação anterior. A Figura 2 também mostra que um operador 260 pode operar a colheitadeira agrícola 100. O operador 260 interage com os mecanismos de interface de operador 218. Em alguns exemplos, os mecanismos de interface de operador 218 podem incluir joysticks, alavancas, um volante, ligações, pedais, botões, mostradores, teclados, elementos acionáveis pelo usuário (como ícones, botões, etc.) em um dispositivo de exibição de interface de usuário, um microfone e alto-falante (em que o reconhecimento de fala e a síntese de fala são fornecidos), entre uma ampla variedade de outros tipos de dispositivos de controle. Onde um sistema de tela sensível ao toque é fornecido, o operador 260 pode interagir com os mecanismos de interface de operador 218 usando gestos de toque. Esses exemplos descritos acima são fornecidos como exemplos ilustrativos e não se destinam a 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.
[0043] O mapa de informação 258 pode ser baixado para a 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 comunicação através de uma rede de área ampla ou uma rede de área local, um sistema para comunicação através de uma rede de comunicação de campo próximo ou um sistema de comunicação configurado para se comunicar através de qualquer um dos uma variedade de outras redes ou combinações de redes. O sistema de comunicação 206 também pode incluir um sistema que facilita downloads ou transferências de informação de e para um cartão digital seguro (SD) ou um cartão de barramento serial universal (USB), ou ambos.
[0044] O sensor de posição geográfica 204 detecta ou detecta de forma ilustrativa a posição geográfica ou localização da colheitadeira agrícola 100. O sensor de posição geográfica 204 pode incluir, porém sem limitação, um receptor de sistema de navegação global por satélite (GNSS) que recebe sinais de um transmissor de satélite GNSS. O sensor de posição geográfica 204 também pode incluir um componente cinemático em tempo real (RTK) que é configurado para aumentar a precisão dos dados de posição derivados do sinal GNSS. O sensor de posição geográfica 204 pode incluir um sistema de cálculo morto, um sistema de triangulação celular ou qualquer um de uma variedade de outros sensores de posição geográfica.
[0045] Os sensores in situ 208 podem ser qualquer um dos sensores descritos acima em relação à Figura 1. Os sensores in-situ 208 incluem sensores on-board 222 que são montados integrados na colheitadeira agrícola 100. Tais sensores podem incluir, por exemplo, um sensor de percepção (por exemplo, um sistema de câmera mono ou estéreo voltado para a frente e um sistema de processamento de imagem). Os sensores in-situ 208 também incluem sensores remotos in-situ 224 que capturam informação in-situ. Os dados in-situ incluem dados obtidos de um sensor a bordo da colheitadeira ou obtidos por qualquer sensor em que os dados são detectados durante a operação de colheita.
[0046] O gerador de modelo preditivo 210 gera um modelo que é indicativo de uma relação entre os valores detectados pelo sensor in-situ 208 e uma métrica mapeada para o campo pelo mapa de informação 258. Por exemplo, se o mapa de informação 258 mapear um valor de índice vegetativo para diferentes localizações no campo, e o sensor in-situ 208 está detectando um valor indicativo da altura de vegetação, então, o gerador de modelo de variável de informação em variável in situ 228 gera um modelo de altura de vegetação preditivo que modela a relação entre o índice vegetativo e a altura de vegetação. O modelo preditivo de altura de vegetação também pode ser gerado com base em valores de índice vegetativo do mapa de informação 258 e múltiplos valores de dados in-situ gerados por sensores in-situ 208. O gerador de mapa preditivo 212 usa o modelo de altura de vegetação preditiva gerado pelo gerador de modelo preditivo 210 para gerar um mapa de altura de vegetação preditiva funcional que mapeia as previsões do valor da altura de vegetação em diferentes localizações no campo com base no mapa de informação 258.
[0047] Em alguns exemplos, o tipo de valores no mapa preditivo funcional 263 pode ser o mesmo que o tipo de dados in situ detectado pelos sensores in situ 208. Em alguns casos, o tipo de valores no mapa preditivo funcional 263 pode ter unidades diferentes dos dados detectados pelos sensores in-situ 208. Em alguns exemplos, o tipo de valores no mapa preditivo funcional 263 pode ser diferente do tipo de dados detectado pelos sensores in situ 208, mas tem uma relação ao tipo de dados detectado pelos sensores in situ 208. Por exemplo, em alguns exemplos, o tipo de dados detectado 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 258. Em alguns casos, o tipo de dados no mapa preditivo funcional 263 pode ter unidades diferentes dos dados no mapa de informação 258. Em alguns exemplos, o tipo de dados no mapa preditivo funcional 263 pode ser diferente do tipo de dados no mapa de informação 258, mas tem uma relação ao tipo de dados no mapa de informação 258. Por exemplo, em alguns exemplos, o tipo de dados no mapa de informação 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 detectados pelos sensores in situ 208 e o tipo de dados no mapa de informação 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 detectados pelos sensores in situ 208 e o tipo de dados no mapa de informação 258. Em alguns exemplos, o tipo de dados no mapa preditivo funcional 263 é o mesmo que um do tipo de dados in situ detectado pelos sensores in situ 208 ou o tipo de dados no mapa de informação 258 e diferente do outro.
[0048] Como mostrado na Figura 2, o mapa preditivo 264 prevê o valor de uma característica detectada (detectada por sensores in situ 208), ou uma característica relacionada à característica detectada, em vários locais através do campo com base em um valor de informação no mapa de informação 258 nesses locais e usando o modelo preditivo. Por exemplo, se o gerador de modelo preditivo 210 gerou um modelo preditivo indicativo de uma relação entre um índice vegetativo e altura de vegetação, então, dado o valor de índice vegetativo em diferentes localizações ao longo do campo, o gerador de mapa preditivo 212 gera um mapa preditivo 264 que prevê o valor da altura de vegetação em diferentes localizações do campo. O valor do índice vegetativo, obtido a partir do mapa de índice vegetativa, nessas localizações e a relação entre o índice vegetativo e altura de vegetação, obtido a partir do modelo preditivo, são usados para gerar o mapa preditivo 264.
[0049] Algumas variações nos tipos de dados que são mapeados no mapa de informação 258, os tipos de dados detectados por sensores in situ 208 e os tipos de dados preditos no mapa preditivo 264 serão agora descritos.
[0050] Em alguns exemplos, o tipo de dados no mapa de informação 258 é diferente do tipo de dados detectado por sensores in-situ 208, mas o tipo de dados no mapa preditivo 264 é o mesmo que o tipo de dados detectado pelos sensores in situ 208 Por exemplo, o mapa de informação 258 pode ser um mapa de índice vegetativo e a variável detectada pelos sensores in situ 208 pode ser o rendimento. O mapa preditivo 264 pode, então, ser um mapa de rendimento preditivo que mapeia os valores de rendimento preditos para diferentes localizações geográficas no campo. Em outro exemplo, o mapa de informação 258 pode ser um mapa de índice vegetativo e a variável detectada pelos sensores in-situ 208 pode ser a altura de safra. O mapa preditivo 264 pode, então, ser um mapa de altura de safra preditivo que mapeia os valores de altura de safra preditos para diferentes localizações geográficas no campo
[0051] Além disso, em alguns exemplos, o tipo de dados no mapa de informação 258 é diferente do tipo de dados detectado por sensores in situ 208 e o tipo de dados no mapa preditivo 264 é diferente de ambos os tipos de dados no mapa de informação 258 e o tipo de dados detectado pelos sensores in-situ 208. Por exemplo, o mapa de informação 258 pode ser um mapa de índice vegetativo e a variável detectada pelos sensores in situ 208 pode ser a altura de safra. O mapa preditivo 264 pode, então, ser um mapa de biomassa preditivo que mapeia os valores de biomassa preditos para diferentes localizações geográficas no campo. Em outro exemplo, o mapa de informação 258 pode ser um mapa de índice vegetativo e a variável detectada pelos sensores in-situ 208 pode ser rendimento. O mapa preditivo 264 pode, então, ser um mapa de velocidade preditivo que mapeia os valores de velocidade de colheitadeira preditos para diferentes localizações geográficas no campo.
[0052] Em alguns exemplos, o mapa de informação 258 é de uma passagem anterior através do campo durante uma operação anterior e o tipo de dados é diferente do tipo de dados detectado por sensores in-situ 208, ainda que o tipo de dados no mapa preditivo 264 seja o mesmo que o tipo de dados detectado pelos sensores in-situ 208. Por exemplo, o mapa de informação 258 pode ser um mapa de população de sementes gerado durante o plantio e a variável detectada pelos sensores in situ 208 pode ser o tamanho de talo. O mapa preditivo 264 pode, então, ser um mapa preditivo do tamanho de talo que mapeia os valores de tamanho de talo preditos para diferentes localizações geográficas no campo. Em outro exemplo, o mapa de informação 258 pode ser um mapa híbrido de semeadura e a variável detectada pelos sensores in-situ 208 pode ser o estado de safra, como safra em pé ou safra caída. O mapa preditivo 264 pode, então, ser um mapa de altura de safra preditivo que mapeia os valores de estado de safra preditos para diferentes localizações geográficas no campo.
[0053] Em alguns exemplos, o mapa de informação 258 é de uma passagem anterior através do campo durante uma operação anterior e o tipo de dados é o mesmo que o tipo de dados detectado por sensores in-situ 208 e o tipo de dados no mapa preditivo 264 é também o mesmo que o tipo de dados detectado pelos sensores in situ 208. Por exemplo, o mapa de informação 258 pode ser um mapa de rendimento gerado durante um ano anterior e a variável detectada pelos sensores in-situ 208 pode ser o rendimento. O mapa preditivo 264 pode, então, ser um mapa de rendimento preditivo que mapeia os valores de rendimento preditos para diferentes localizações geográficas no campo. Em tal exemplo, as diferenças de rendimento relativas no mapa de informação georreferenciado 258 do ano anterior podem ser usadas 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 258 e os valores de rendimento detectados por 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 preditivo do rendimento.
[0054] Em alguns exemplos, o mapa preditivo 264 pode ser fornecido ao gerador de zona de controle 213. O gerador de zona de controle 213 agrupa porções adjacentes de uma área em uma ou mais zonas de controle com base em valores de dados do mapa preditivo 264 que estão associados a essas porções adjacentes. Uma zona de controle pode incluir duas ou mais porções contíguas de uma área, como um campo, para o qual um parâmetro de controle correspondente à zona de controle para controlar um subsistema controlável é constante. Por exemplo, um tempo de resposta para alterar uma configuração de subsistemas controláveis 216 pode ser inadequado para responder satisfatoriamente às mudanças nos valores contidos em um mapa, como o mapa preditivo 264. Nesse caso, o gerador de zona de controle 213 analisa o mapa e identifica as 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 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 o mapa de zona de controle preditivo 265. O mapa de zona de controle preditivo 265 pode, portanto, ser semelhante ao mapa de zona de controle preditivo 264, exceto que o mapa de zona de controle preditivo 265 inclui informação de zona de controle que definem as zonas de controle. Assim, um mapa preditivo funcional 263, conforme descrito aqui, 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, como o mapa preditivo 264. Em outro exemplo, um mapa preditivo funcional 263 inclui zonas de controle, como o mapa de zona de controle preditivo 265. Em alguns exemplos, várias safras podem estar simultaneamente presentes em um campo se um sistema de produção consorciado 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 safras e, em seguida, gerar o mapa preditivo 264 e o mapa de zona de controle preditivo 265 em conformidade.
[0055] Também será reconhecido 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 podem ser usadas para controlar ou calibrar a colheitadeira agrícola 100 ou ambas. 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 ser apresentadas ao operador 260 ou outro usuário ou armazenadas para uso posterior.
[0056] Mapa preditivo 264 ou mapa de zona de controle preditivo 265 ou ambos são fornecidos para o 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 de zona de controle preditivo 264 ou mapa de zona de controle preditivo 265 para 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 para outros sistemas remotos.
[0057] 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 também é operável para apresentar o mapa preditivo 264 ou mapa de zona de controle preditivo 265 ou outra informação derivada de ou com base no mapa preditivo 264, mapa de zona de controle preditivo 265 ou ambos para o 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 o mapa preditivo 264 e o mapa de zona de controle preditivo 265 para o operador 260. O controlador 231 pode gerar mecanismos acionáveis pelo operador que são exibidos e podem ser acionados pelo operador para interagir com o mapa exibido. O operador pode editar o mapa, por exemplo, corrigindo uma altura de vegetação exibida no mapa com base na observação do operador. O controlador de definições 232 pode gerar sinais de controle para controlar várias definições na colheitadeira agrícola 100 com base no mapa preditivo 264, o mapa de zona de controle preditivo 265 ou ambos. Por exemplo, o controlador de definições 232 pode gerar sinais de controle para controlar a máquina e os atuadores de coletor 248. Em resposta aos sinais de controle gerados, a máquina e os atuadores do coletor 248 operam para controlar, por exemplo, uma ou mais das definições do crivo e definições de peneira, folga de contrabatedor, definições do rotor, definições de velocidade do ventilador de limpeza, altura do coletor, funcionalidade do coletor, velocidade do cilindro, posição de cilindro, funcionalidade da lona (em que a colheitadeira 100 agrícola é acoplada a um coletor 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 gera, de forma ilustrativa, sinais de controle para controlar o subsistema de direção 252 para orientar 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 orientar a colheitadeira agrícola 100 ao longo dessa rota. O controlador de taxa de alimentação 236 pode controlar vários subsistemas, 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, conforme a colheitadeira agrícola 100 se aproxima de um trecho de ervas daninhas com um valor de intensidade acima de um limite selecionado, o controlador de taxa de alimentação 236 pode reduzir a velocidade da máquina 100 para manter a taxa de alimentação constante de biomassa através da máquina. O controlador de plataforma e cilindro 238 pode gerar sinais de controle para controlar um coletor ou um cilindro ou outra funcionalidade de plataforma. Por exemplo, a posição de cilindro pode ser ajustada ou a altura da plataforma pode ser ajustada, o controlador da correia de lona 240 pode gerar sinais de controle para controlar uma correia de lona ou outra funcionalidade da esteira com base no mapa preditivo 264, mapa da zona de controle preditivo 265 ou ambos. O controlador de posição da placa de convés 242 pode gerar sinais de controle para controlar uma posição de uma placa de convés incluída em uma plataforma com base no mapa preditivo 264 ou mapa de zona de controle preditivo 265 ou ambos. O controlador do sistema de resíduos 244 pode gerar sinais de controle para controlar um subsistema de resíduos 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. 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 também.
[0058] A Figura 3A e 3B (coletivamente referidos aqui como Figura 3) mostram um diagrama de fluxo 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 258.
[0059] Em 280, a colheitadeira agrícola 100 recebe o mapa de informação 258. Exemplos de mapa de informação 258 ou recepção de mapa de informação 258 são discutidos em relação aos blocos281, 282, 284 e 286. Como discutido acima, o mapa de informação 258 mapeia valores de uma variável, correspondente a uma primeira característica, para diferentes localizações no campo, conforme indicado no bloco 282. Conforme indicado no bloco 281, receber o mapa de informação 258 pode envolver a seleção de um ou mais de uma pluralidade de mapas de informação possível que estão disponíveis. Por exemplo, um mapa de informação pode ser um mapa de índice vegetativo gerado a partir de imagens aéreas. Outro mapa de informação pode ser um mapa gerado durante uma passagem anterior pelo campo que pode ter sido executado por uma máquina diferente realizando uma operação anterior no campo, como um pulverizador ou outra máquina. O processo pelo qual um ou mais mapas de informações são selecionados pode ser manual, semiautomático ou automatizado. O mapa de informação 258 se baseia em dados coletados antes de uma operação de colheita atual. Isso é indicado pelo bloco 284. Por exemplo, os dados podem ser coletados com base em imagens aéreas obtidas durante um ano anterior, ou no início da estação de cultivo atual, ou em outras épocas. Os dados também podem se basear em dados detectados de maneiras além do uso de imagens aéreas. Por exemplo, a colheitadeira agrícola 100 pode ser equipada com um sensor, como um sensor óptico interno, que identifica as sementes de ervas daninhas que estão saindo da colheitadeira agrícola 100. Os dados de sementes de ervas daninhas detectados pelo sensor durante a colheita de um ano anterior podem ser usados como dados usados para gerar o mapa de informação 258. Os dados de ervas daninhas detectados podem ser combinados com outros dados para gerar o mapa de informação 258. Por exemplo, com base na magnitude das sementes de ervas daninhas que saem da colheitadeira agrícola 100 em locais diferentes e com base em outros fatores, como se as sementes estão sendo espalhadas por um espalhador ou jogadas em um amontoado de feno; as condições climáticas, como vento, quando as sementes estão sendo lançadas ou espalhadas; condições de drenagem que podem movimentar as sementes no campo; ou outra informação, a localização dessas sementes de ervas daninhas pode ser predita de modo que o mapa de informação 258 mapeie as localizações de sementes previstas no campo. Os dados para o mapa de informação 258 pode ser transmitido para a colheitadeira agrícola 100 usando o sistema de comunicação 206 e armazenado no armazenamento de dados 202. Os dados para o mapa de informação 258 podem ser fornecidos para a colheitadeira agrícola 100 usando o sistema de comunicação 206 de outras maneiras também, e isso é indicado pelo bloco 286 no diagrama de fluxo da Figura 3. Em alguns exemplos, o mapa de informação 258 pode ser recebido pelo sistema de comunicação 206.
[0060] Após o 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, como, por exemplo, uma altura de vegetação, conforme indicado pelo bloco 288. Exemplos de sensores in situ são discutidos em relação aos blocos 222, 290 e 226. Como explicado acima, os sensores in situ 208 incluem sensores integrados 222, como uma câmera; sensores remotos in-situ 224, tais como sensores baseados em UAV voados em um momento para reunir dados in-situ, mostrados no bloco 290; ou outros tipos de sensores in situ, designados por sensores in situ 226. Em alguns exemplos, os dados dos sensores de bordo são georreferenciados usando a posição, direção ou dados de velocidade do sensor de posição geográfica 204.
[0061] O gerador de modelo preditivo 210 controla a variável de informação para o gerador de modelo variável in situ 228 para gerar um modelo que modela uma relação entre os valores mapeados contidos no mapa de informação 258 e os valores in situ detectados pelos sensores in-situ 208 como indicado pelo bloco 292. As características ou tipos de dados representados pelos valores mapeados no mapa de informação 258 e os valores in situ detectados pelos sensores in situ 208 podem ser as mesmas características ou tipo de dados ou características ou tipos de dados diferentes.
[0062] A relação ou modelo gerado pelo gerador de modelo preditivo 210 é fornecido ao gerador de mapa preditivo 212. O gerador de mapa preditivo 212 gera um mapa preditivo 264 que prevê um valor da característica detectada pelos sensores in-situ 208 em diferentes localizações geográficas em um campo sendo colhido, ou uma característica diferente que está relacionada à característica detectada pelos sensores in-situ 208, usando o modelo preditivo e o mapa de informação 258, conforme indicado pelo bloco 294.
[0063] Deve-se notar que, em alguns exemplos, o mapa de informação 258 pode incluir dois ou mais mapas diferentes ou duas ou mais camadas de mapa diferentes de um único mapa. Cada camada do mapa pode representar um tipo de dados diferente do tipo de dados de outra camada do mapa ou as camadas do mapa podem ter o mesmo tipo de dados que foram obtidos em momentos diferentes. Cada mapa em dois ou mais mapas diferentes ou cada camada em duas ou mais camadas de mapa diferentes de um mapa mapeia um tipo diferente de variável para as localizações geográficas no campo. Em tal exemplo, 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 mapas diferentes ou pelas duas ou mais camadas de mapas diferentes. Da mesma forma, os sensores in situ 208 podem incluir dois ou mais sensores, cada um detectando um tipo diferente de variável. Assim, o gerador de modelo preditivo 210 gera um modelo preditivo que modela as relações entre cada tipo de variável mapeada pelo mapa de informação 258 e cada tipo de variável detectada pelos sensores in situ 208. O gerador de mapa preditivo 212 pode gerar um mapa preditivo funcional 263 que prevê um valor para cada característica detectada pelos sensores in-situ 208 (ou uma característica relacionada à característica detectada) em diferentes localizações no campo sendo colhidos usando o modelo preditivo e cada um dos mapas ou camadas de mapa no mapa de informação 258.
[0064] O gerador de mapa preditivo 212 configura o mapa preditivo 264 de modo que o mapa preditivo 264 seja acionável (ou consumível) pelo sistema de controle 214. O gerador de mapa preditivo 212 pode fornecer o mapa preditivo 264 para o sistema de controle 214 ou para controlar o gerador de zona 213 ou ambos. Alguns exemplos de diferentes maneiras em que o mapa preditivo 264 pode ser configurado ou de saída são descritos em relação aos blocos 296, 295, 299 e 297. Por exemplo, o gerador de mapa preditivo 212 configura o mapa preditivo 264 de modo que o mapa preditivo 264 inclua valores que podem ser lidos pelo sistema de controle 214 e usados como base para gerar sinais de controle para um ou mais dos diferentes subsistemas controláveis da colheitadeira agrícola 100, como indicado pelo bloco 296.
[0065] 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 geolocalizados de forma contígua que estão dentro de um valor limite um do outro podem ser agrupados em uma zona de controle. O valor limite pode ser um valor limite padrão ou o valor limite pode ser definido com base em uma entrada do operador, com base em uma entrada de um sistema automatizado ou com base em outros critérios. Um tamanho das zonas pode se basear em uma capacidade de resposta do sistema de controle 214, os subsistemas controláveis 216 ou com base em considerações de desgaste ou em outros critérios, conforme 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. Isso 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 podem conter um ou mais dos valores preditivos no mapa preditivo 264 correlacionados à localização geográfica, as zonas de controle na zona de controle preditivo mapa 265 correlacionado com a localização geográfica e valores de definições ou parâmetros de controle que são usados com base nos valores preditos no mapa 264 ou zonas no mapa de zona de controle preditivo 265. A apresentação pode, em outro exemplo, incluir informação mais abstratas ou informação mais detalhadas. A apresentação também pode incluir um nível de confiança que indica uma precisão com a qual os valores preditivos no mapa preditivo 264 ou as zonas no mapa de zona de controle preditivo 265 estão em conformidade com os valores medidos que podem ser medidos por sensores na colheitadeira 100 conforme a colheitadeira 100 se move. o campo. Além disso, quando a informação é apresentada a mais de uma localização, um sistema de autenticação e autorização pode ser fornecido para implementar processos de autenticação e autorização. Por exemplo, pode haver uma hierarquia de indivíduos autorizados a visualizar e alterar mapas e outra informação apresentada. A título de exemplo, um dispositivo de exibição a bordo pode mostrar os mapas em tempo quase real localmente na máquina, ou os mapas também podem ser gerados em uma ou mais localizações remotas ou ambos. Em alguns exemplos, cada dispositivo de exibição física em cada local pode ser associado a uma pessoa ou a um nível de permissão do usuário. O nível de permissão do usuário pode ser usado para determinar quais marcadores de exibição são visíveis no dispositivo de exibição físico e quais valores a pessoa correspondente pode alterar. Como um exemplo, um operador local da máquina 100 pode ser incapaz de ver a informação correspondente ao mapa preditivo 264 ou fazer qualquer alteração na operação da máquina. Um supervisor, como um supervisor em um local remoto, no entanto, pode poder ver o mapa preditivo 264 no visor, mas ser impedido de fazer quaisquer alterações. Um gerente, que pode estar em um local remoto separado, pode ter capacidade para ver todos os elementos no mapa preditivo 264 e também ter capacidade para alterar o mapa preditivo 264. Em alguns casos, o mapa preditivo 264 é acessível e alterável por um gerente localizado remotamente pode ser usado no controle da máquina. Este 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 podem ser configurados de outras maneiras também, conforme indicado pelo bloco 297.
[0066] No bloco 298, a entrada do sensor de posição geográfica 204 e outros sensores in situ 208 são recebidos pelo sistema de controle. Particularmente, no bloco 300, o sistema de controle 214 detecta uma entrada do sensor de posição geográfica 204 identificando uma localização geográfica da colheitadeira agrícola 100. O bloco 302 representa o recebimento pelo sistema de controle 214 de entradas de sensor indicativas da 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.
[0067] 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 quaisquer outros sensores in situ 208. No bloco 310, o sistema de controle 214 aplica os sinais de controle aos subsistemas controláveis. Será reconhecido que os sinais de controle específicos que são gerados e os subsistemas controláveis 216 que são controlados podem variar com base em uma ou mais coisas diferentes. Por exemplo, os sinais de controle que são gerados e os subsistemas controláveis 216 que são controlados podem ser baseados no tipo de mapa preditivo 264 ou mapa de zona de controle preditivo 265 ou ambos que estão sendo usados. Da mesma forma, os sinais de controle que são gerados, os subsistemas controláveis 216 que são controlados e a temporização dos sinais de controle podem se basear em várias latências de fluxo de colheita através da colheitadeira agrícola 100 e a capacidade de resposta dos subsistemas controláveis 216.
[0068] A título de exemplo, um mapa preditivo gerado 264 na forma de um mapa de altura de vegetação preditivo pode ser usado para controlar um ou mais subsistemas 216. Por exemplo, o mapa preditivo de altura de vegetação pode incluir altura da planta da safra, altura da planta da erva daninha ou ambos os valores georreferenciados para localizações dentro do campo que está sendo colhido. Os valores de altura de vegetação do mapa preditivo da altura de vegetação podem ser extraídos e usados para controlar os subsistemas do coletor e do cilindro. Uma grande variedade de outros sinais de controle pode ser gerada usando valores obtidos a partir de um mapa de altura de vegetação preditivo ou outro tipo de mapa preditivo para controlar um ou mais dos subsistemas controláveis 216.
[0069] No bloco 312, é feita uma determinação se a operação de colheita foi concluída. Se a colheita não for concluída, o processamento avança para o bloco 314, em que os dados do sensor in-situ do sensor de posição geográfica 204 e sensores in-situ 208 (e talvez outros sensores) continuam a ser lidos.
[0070] Em alguns exemplos, no bloco 316, a colheitadeira agrícola 100 também pode detectar critérios de engatilhamento de aprendizagem para realizar a aprendizagem de máquina em um ou mais do mapa preditivo 264, mapa de zona de controle preditivo 265, o modelo gerado pelo gerador de modelo preditivo 210, as zonas geradas por gerador de zona de controle 213, um ou mais algoritmos de controle implementados pelos controladores no sistema de controle 214 e outro aprendizado acionado.
[0071] Os critérios de engatilhamento de aprendizagem podem incluir qualquer um de uma ampla variedade de critérios diferentes. Alguns exemplos de critérios de detecção de engatilhamento são discutidos em relação aos blocos 318, 320, 321, 322 e 324. Por exemplo, em alguns exemplos, o aprendizado desencadeado pode envolver a recriação de um relacionamento usado para gerar um modelo preditivo quando uma quantidade limite de dados de sensor in-situ são obtidos 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 limite aciona ou faz com que o gerador de modelo preditivo 210 gere um novo modelo preditivo que é usado pelo gerador de mapa preditivo 212. Assim, conforme a colheitadeira agrícola 100 continua uma operação de colheita, o recebimento da quantidade limite de dados do sensor in-situ dos sensores in-situ 208 desencadeia a criação de uma nova relação representada por um modelo preditivo gerado pelo gerador de modelo preditivo 210. Além disso, o 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 limite de dados do sensor in-situ usados para acionar a criação de um novo modelo preditivo.
[0072] Em outros exemplos, os critérios de engatilhamento de aprendizagem podem se basear em quanto os dados do sensor in-situ dos sensores in-situ 208 estão mudando, como ao longo do tempo ou em comparação com os valores anteriores. Por exemplo, se as variações nos dados do sensor in-situ (ou a relação entre os dados do sensor in-situ e a informação no mapa de informação 258) estiverem dentro de um intervalo selecionado ou for menor do que uma quantidade definida ou abaixo de um valor limite, então, um novo modelo preditivo não é gerado pelo gerador de modelo preditivo 210. Como resultado, o gerador de mapa preditivo 212 não gera um novo mapa preditivo 264, mapa de zona de controle preditivo 265 ou ambos. No entanto, se as variações dentro dos dados do sensor in situ estiverem fora do intervalo selecionado, forem maiores do que a quantidade definida ou estiverem acima do valor de limite, por exemplo, então o gerador de modelo preditivo 210 gera um novo modelo preditivo usando todos ou uma porção dos dados do 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 do sensor in situ, tais como uma magnitude de uma quantidade pela qual os dados excedem o intervalo selecionado ou uma magnitude da variação da relação entre os dados do sensor in situ e a informação no mapa de informação 258, pode ser usado como um engatilhamento para causar a geração de um novo modelo preditivo e mapa preditivo. Mantendo os exemplos descritos acima, o limite, a faixa e a quantidade definida podem ser ajustados para os valores padrão; definido por um operador ou interação do usuário por meio de uma interface do usuário; definido por um sistema automatizado; ou definido de outras maneiras.
[0073] Outros critérios de engatilhamento de aprendizagem também podem ser usados. Por exemplo, se o gerador de modelo preditivo 210 mudar para um mapa de informação diferente (diferente do mapa de informação originalmente selecionado 258), então, mudar para o mapa de informação diferente pode desencadear a reaprendizagem pelo gerador de modelo preditivo 210, 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 também pode ser usada como critério de engatilhamento de aprendizagem.
[0074] Em alguns casos, o operador 260 também pode editar o mapa preditivo 264 ou mapa de zona de controle preditivo 265 ou ambos. As edições podem alterar um valor no mapa preditivo 264; alterar um tamanho, forma, posição ou existência de uma zona de controle no mapa de zona de controle preditivo 265; ou ambos. O bloco 321 mostra que a informação editada pode ser usada como critérios de ativação de aprendizagem.
[0075] Em alguns casos, também pode ser que o operador 260 observe que o controle automatizado de um subsistema controlável não é o que o operador deseja. Em tais casos, o operador 260 pode fornecer um ajuste manual ao subsistema controlável refletindo que o operador 260 deseja que o subsistema controlável opere de uma maneira diferente daquela que está sendo comandada pelo sistema de controle 214. Assim, a alteração manual de uma configuração pelo operador 260 pode fazer com que um ou mais do gerador de modelo preditivo 210 reaprenda um modelo, gerador de mapa preditivo 212 para regenerar o mapa 264, gerador de zona de controle 213 para regenerar uma ou mais zonas de controle na zona de controle preditivo mapa 265 e sistema de controle 214 para reaprender um algoritmo de controle ou para realizar aprendizado de máquina em um ou mais dos componentes do controlador 232 a 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 acionados.
[0076] Em outros exemplos, a reaprendizagem pode ser realizada periodicamente ou intermitentemente com base, por exemplo, em um intervalo de tempo selecionado, como um intervalo de tempo discreto ou um intervalo de tempo variável, conforme indicado pelo bloco 326.
[0077] Se a reaprendizagem for acionada, seja com base em critérios de engatilhamento de aprendizagem ou com base na passagem de um intervalo de tempo, conforme indicado pelo bloco 326, então um ou mais dentre o gerador de modelo preditivo 210, gerador de mapa preditivo 212, gerador de zona de controle 213 e sistema de controle 214 realiza aprendizado de máquina para gerar um novo modelo preditivo, um novo mapa preditivo, uma nova zona de controle e um novo algoritmo de controle, respectivamente, com base nos critérios de engatilhamento de aprendizado. O novo modelo preditivo, o novo mapa preditivo e o novo algoritmo de controle são gerados usando quaisquer dados adicionais que foram coletados desde a última operação de aprendizado realizada. A realização da reaprendizagem é indicada pelo bloco 328.
[0078] Se a operação de colheita foi concluída, a operação se move do bloco 312 para o bloco 330, em que um ou mais do mapa preditivo 264, mapa de zona de controle preditivo 265 e 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 para um sistema remoto usando o sistema de comunicação 206 para uso posterior.
[0079] Será notado que, embora alguns exemplos aqui descrevam o gerador de modelo preditivo 210 e o gerador de mapa preditivo 212 recebendo um mapa de informação 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 pode receber, ao gerar um modelo preditivo e um mapa preditivo funcional, respectivamente, outros tipos de mapas, incluindo mapas preditivos, como um mapa preditivo funcional gerado durante a operação de colheita.
[0080] A Figura 4 é um diagrama de blocos de uma porção da colheitadeira agrícola 100 mostrada na Figura 1. Particularmente, a Figura 4 mostra, entre outras coisas, exemplos do gerador de modelo preditivo 210 e do gerador de mapa preditivo 212 em mais detalhes. A Figura 4 também ilustra o fluxo de informação entre os vários componentes mostrados. O gerador de modelo preditivo 210 recebe um ou mais dentre um mapa de índice vegetativo 331, um mapa de estado de safra 332 e um mapa de rendimento 333 como um mapa de informação. 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 ilustrativamente incluem um sensor de altura de vegetação, como sensor de altura de vegetação 336, sensor de entrada de comando de operador 337, bem como um sistema de processamento 338. Em alguns casos, o sensor de altura de vegetação 336 pode estar localizado a bordo da colheitadeira agrícola 100. Em outros exemplos, o sensor de altura de vegetação 336 está remoto da colheitadeira agrícola 100. O sistema de processamento 338 processa dados de sensor gerados a partir do sensor de altura de vegetação a bordo 336 para gerar dados processados, alguns exemplos dos quais são descritos abaixo.
[0081] Em alguns exemplos, o sensor de altura de vegetação 336 pode ser um sensor óptico, como uma câmera, que gera imagens de uma área de um campo a ser colhido. Em alguns casos, o sensor óptico pode ser disposto na colheitadeira agrícola 100 para coletar imagens de uma área à frente da colheitadeira agrícola 100, conforme a colheitadeira agrícola 100 se move através do campo durante uma operação de colheita. O sistema de processamento 338 processa um ou mais sinais de sensor obtidos por meio do sensor de altura de vegetação 336 para gerar dados de sensor processados que identificam a altura de vegetação na imagem
[0082] Em outros exemplos, o sensor de altura de vegetação 336 pode consistir em outros tipos de sensores. Por exemplo, o sensor de altura de vegetação 336 pode incluir um sensor ultrassônico. Ou, por exemplo, o sensor de altura de vegetação 336 pode incluir um sensor eletromagnético, como lidar.
[0083] Em alguns exemplos, o sensor de entrada de comando de operador 337 pode detectar comandos de operador indicativos de uma posição de cilindro comandada pelo operador. A posição de cilindro pode incluir a altura do cilindro e as posições anterior-posterior do cilindro. O sensor de entrada de comando de operador 337 pode detectar ambos os comandos de um operador humano ou algum tipo de operador semi ou totalmente automático.
[0084] Como mostrado na Figura 4, o gerador de modelo preditivo exemplificativo 210 inclui um ou mais de um gerador de modelo de altura de vegetação em índice vegetativo 342, gerador de modelo comando de operador em índice vegetativo 343, gerador de modelo de comando de operador em rendimento 345, gerador de modelo de comando de operador em estado de safra 347, gerador de modelo de altura de vegetação em rendimento 349 e gerador de modelo altura de vegetação em estado de safra 351. Em outros exemplos, o gerador de modelo preditivo 210 pode incluir componentes adicionais, menos ou diferentes do que aqueles mostrados no exemplo da Figura 4. Consequentemente, em alguns exemplos, o gerador de modelo preditivo 210 pode incluir outros itens 348 também, que podem incluir outros tipos de geradores de modelo preditivo para gerar outros tipos de modelos de altura de vegetação.
[0085] O gerador de modelo 342 identifica uma relação entre um valor de altura de vegetação nos dados do sensor 340, em uma localização geográfica correspondente ao local em que os dados do sensor 340 foram obtidos, e os valores de índice vegetativo do mapa de índice vegetativo 332 correspondente à mesma localização no campo em que o valores de altura de vegetação foram detectados. Com base nesta relação estabelecida pelo gerador de modelo 342, o gerador de modelo 342 gera um modelo preditivo 350. O modelo de altura de vegetação preditivo é usado pelo gerador de mapa de altura de vegetação 352 para prever valores de altura de vegetação em diferentes localizações no campo com base nos valores de índice vegetativo georreferenciado contidos no mapa de índice vegetativo 331 nas mesmas localizações no campo.
[0086] O gerador de modelo 343 identifica uma relação entre os valores de comando de operador, indicativos de uma posição de cilindro, detectados nos dados processados 340, em uma localização geográfica correspondente ao local em que os dados processados 340 foram geolocalização e os valores de índice vegetativo do mapa de índice vegetativo 331 correspondente à mesma localização no campo em que os valores do comando de operador foram detectados. Com base nesta relação estabelecida pelo gerador de modelo 343, o gerador de modelo 343 gera um modelo preditivo 350. O modelo preditivo 350 é usado pelo gerador de mapa de posição de cilindro 353 para prever valores de posição de cilindro em diferentes localizações no campo com base nos valores de índice vegetativo georreferenciado contidos no mapa de índice vegetativo 331 nas mesmas localizações no campo.
[0087] O gerador de modelo 345 identifica uma relação entre os valores de comando de operador, indicativos de uma posição de cilindro, detectados nos dados processados 340, em uma localização geográfica correspondente ao local em que os dados processados 340 foram geolocalizados e valores de rendimento do mapa de rendimento 333 correspondentes à mesma localização no campo em que os valores do comando de operador foram detectados. Com base nesta relação estabelecida pelo gerador de modelo 345, o gerador de modelo 345 gera um modelo preditivo 350. O modelo preditivo 350 é usado pelo gerador de mapa de posição de cilindro 353 para prever valores de posição de cilindro em diferentes localizações no campo com base nos valores de rendimento georreferenciado contidos no mapa de rendimento 333 nas mesmas localizações no campo.
[0088] O gerador de modelo 347 identifica uma relação entre os valores de comando de operador, indicativos de uma posição de cilindro, detectados nos dados processados 340, em uma localização geográfica correspondente ao local em que os dados processados 340 foram geolocalização e os valores do estado da colheita do mapa do estado de safra 332 correspondente à mesma localização no campo em que os valores do comando de operador foram detectados. Com base nesta relação estabelecida pelo gerador de modelo 347, o gerador de modelo 347 gera um modelo preditivo 350. O modelo preditivo 350 é usado pelo gerador de mapa de posição de cilindro 353 para prever valores de posição de cilindro em diferentes localizações no campo com base nos valores de estado de safra georreferenciados contidos no mapa de estado de safra 332 nas mesmas localizações no campo.
[0089] O gerador de modelo 349 identifica uma relação entre um valor de altura de vegetação nos dados do sensor 340, em uma localização geográfica correspondente ao local em que os dados do sensor 340 foram obtidos, e os valores de rendimento do mapa de rendimento 333 correspondente à mesma localização no campo em que o valores de altura de vegetação foram detectados. Com base nesta relação estabelecida pelo gerador de modelo 349, o gerador de modelo 349 gera um modelo preditivo 350. O modelo de altura de vegetação preditivo é usado pelo gerador de mapa de altura de vegetação 352 para prever valores de altura de vegetação em diferentes localizações no campo com base nos valores de rendimento georreferenciados contidos no mapa de rendimento 333 nas mesmas localizações no campo.
[0090] O gerador de modelo 351 identifica uma relação entre um valor de altura de vegetação nos dados do sensor 340, em uma localização geográfica correspondente ao local em que os dados do sensor 340 foram obtidos, e os valores de estado de safra do mapa de estado de safra 332 correspondente à mesma localização no campo em que o valores de altura de vegetação foram detectados. Com base nesta relação estabelecida pelo gerador de modelo 351, o gerador de modelo 351 gera um modelo preditivo 350. O modelo de altura de vegetação preditivo é usado pelo gerador de mapa de altura de vegetação 352 para prever valores de altura de vegetação em diferentes localizações no campo com base nos valores de estado de safra georreferenciados contidos no mapa de estado de safra 332 nas mesmas localizações no campo.
[0091] O modelo preditivo 350 é fornecido ao gerador de mapa preditivo 212. No exemplo da Figura 4, o gerador de mapa preditivo 212 inclui um gerador de mapa de altura de vegetação 352 e gerador de mapa de posição de cilindro 353. Em outros exemplos, o gerador de mapa preditivo 212 pode incluir geradores de mapa adicionais ou diferentes. Assim, em alguns exemplos, o gerador de mapa preditivo 212 pode incluir outros itens 358 que podem incluir outros tipos de geradores de mapa para gerar mapas para outros tipos de características. O gerador de mapa de altura de vegetação 352 recebe o modelo de altura de vegetação preditiva 350 e gera um mapa de previsão que prevê a altura de vegetação em diferentes localizações no campo com base em valores do mapa de índice vegetativo 331.
[0092] O gerador de mapa preditivo 212 pode gerar um mapa de altura de vegetação 360 que é preditivo da altura de vegetação. O mapa de altura de vegetação preditivo gerado 360 pode ser fornecido para controlar o gerador de zona 213, o sistema de controle 214 ou ambos. O gerador de zona de controle 213 pode gerar zonas de controle e incorporar essas zonas de controle no mapa preditivo funcional 360. Um ou mais mapas preditivos funcionais podem ser fornecidos para o sistema de controle 214, que gera sinais de controle para controlar um ou mais dos subsistemas controláveis 216 com base em um ou mais mapas preditivos funcionais 360.
[0093] O gerador de mapa preditivo 212 pode produzir um mapa de posição de cilindro 361 que é preditivo de uma posição de cilindro. O mapa de posição de cilindro preditivo gerado 360 pode ser fornecido para controlar o gerador de zona 213, o sistema de controle 214 ou ambos. O gerador de zona de controle 213 gera zonas de controle e incorpora essas zonas de controle no mapa preditivo funcional, isto é, mapa preditivo 361, para produzir o mapa de zona de controle preditivo 265. Um ou tanto o mapa preditivo funcional 361 quanto o mapa de zona de controle preditivo 265 podem ser fornecidos para o sistema de controle 214, que gera sinais de controle para controlar um ou mais dos subsistemas controláveis 216 com base no mapa preditivo funcional 361, mapa de zona de controle preditivo 265, ou ambos.
[0094] A Figura 5 é um diagrama de fluxo de um exemplo de operação do gerador de modelo preditivo 210 e gerador de mapa preditivo 212 na geração do modelo preditivo 350 e o mapa de altura de vegetação preditivo 360 ou mapa de posição de cilindro preditivo 361 ou ambos. No bloco 362, o gerador de modelo preditivo 210 e o gerador de mapa preditivo 212 recebem um ou mais de um mapa de índice vegetativo 331, um mapa de estado de safra 332 e um mapa de rendimento preditivo 333. No bloco 364, o sistema de processamento 338 recebe um ou mais sinais de sensor do sensor de altura de vegetação 336, sensor de entrada de comando de operador 337 ou ambos. Como discutido acima, o sensor de altura de vegetação 336 pode ser uma câmera, como uma câmera voltada para a frente; ou outro tipo de sensor de altura de vegetação 370. Por exemplo, um sensor de altura de vegetação 336 pode incluir sistemas de sensor lidar ou radar. No bloco 372, o sistema de processamento 338 processa um ou mais sinais de sensor recebidos para gerar dados indicativos de uma altura de vegetação ou uma posição de cilindro. Os dados do sensor podem incluir outros dados, bem como indicados pelo bloco 376.
[0095] No bloco 382, o gerador de modelo preditivo 210 também obtém a localização geográfica 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 da máquina, velocidade da máquina, campo de visão da câmera, etc., uma localização geográfica precisa à qual os dados de altura de vegetação ou dados de posição de cilindro correspondem.
[0096] No bloco 384, o gerador de modelo preditivo 210 gera um ou mais modelos preditivos, como o modelo preditivo 350, que modelam uma relação entre um valor obtido a partir de um mapa de informação, como mapa de informação 258, e um valor de altura de vegetação sendo detectado pelo sensor in-situ 208 ou uma característica relacionada. Por exemplo, o gerador de modelo preditivo 210 pode gerar um modelo preditivo de altura de vegetação que modela a relação entre um valor de índice vegetativo e uma altura de vegetação detectada indicada pelos dados do sensor obtidos do sensor in-situ 208.
[0097] No bloco 386, o modelo preditivo, como o modelo preditivo 350, é fornecido ao gerador de mapa preditivo 212 que gera um mapa de altura de vegetação preditiva 360 que mapeia uma altura de vegetação predita com base no modelo de previsão 350 e o mapa de índice vegetativo 331 ou mapa de posição de cilindro preditivo 361 que mapeia uma posição de cilindro predita com base no modelo preditivo 350 e um ou mais dentre o mapa de índice vegetativo 331, mapa de estado de safra 332 e mapa de rendimento 333. O mapa preditivo de altura de vegetação 360 ou o mapa de posição de cilindro preditivo 361 pode ser gerado durante o curso de uma operação agrícola. Assim, conforme uma colheitadeira agrícola está se movendo através de um campo realizando uma operação agrícola, o mapa preditivo de altura de vegetação 360 ou o mapa de posição de cilindro preditivo 361 é gerado conforme a operação agrícola está sendo realizada.
[0098] No bloco 394, o gerador de mapa preditivo 212 emite o mapa preditivo de altura de vegetação 360 ou o mapa de posição de cilindro preditivo 361. No bloco 391, o gerador de mapa de altura de vegetação preditivo 212 produz o mapa de altura de vegetação preditivo ou mapa de posição de cilindro preditivo para apresentação e possível interação pelo operador 260. No bloco 393, o gerador de mapa preditivo 212 pode configurar o mapa para consumo pelo sistema de controle 214. No bloco 395, o gerador de mapa preditivo 212 também pode fornecer o mapa 360 para controlar o gerador de zona 213 para geração de zonas de controle. No bloco 397, o gerador de mapa preditivo 212 configura o mapa de altura de vegetação preditivo 360 ou mapa de posição de cilindro preditivo 361 de outras maneiras também. O mapa preditivo de altura de vegetação 360 (com ou sem as zonas de controle) ou mapa de posição de cilindro preditivo 361 (com ou sem as zonas de controle) é fornecido para o sistema de controle 214.
[0099] No bloco 396, o sistema de controle 214 gera sinais de controle para controlar os subsistemas controláveis 216 com base no mapa preditivo de altura de vegetação 360 ou no mapa de posição de cilindro preditivo 361. Conforme indicado pelo bloco 400, a altura de cilindro pode ser ajustada. A altura de cilindro pode ser reduzida, por exemplo, para recolher plantas de safra curtas. A altura de cilindro pode ser aumentada, por exemplo, para coletar melhor as plantas de safra altas.
[00100] Conforme indicado pelo bloco 401, a posição anteriorposterior do cilindro pode ser ajustada. O cilindro pode ser movido para a frente, por exemplo, para pegar safra inclinada ou abaixada. O cilindro pode ser movido para trás, por exemplo, para evitar empurrar as plantas altas antes de entrarem em contato com a barra de corte ou para ajudar as plantas curtas na correia de lona.
[00101] Um subsistema controlável 216 pode ser controlado de outras maneiras também, conforme indicado pelo bloco 402. Por exemplo, a velocidade de cilindro pode ser controlada.
[00102] A Figura 6 mostra um diagrama de blocos que ilustra 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 também pode incluir outros itens 492. O sistema de geração de zona de controle 488 inclui o componente identificador de critérios de zona de controle 494, componente de definição de limite de zona de controle 496, componente de identificador de definição alvo 498 e outros itens 520. O sistema de geração de zona de regime 490 inclui o componente de identificação de critérios de zona de regime 522, componente de definição de limite de zona de regime 524, componente de identificador de resolvedor de definições 526 e outros itens 528. Antes de descrever a operação geral do gerador de zona de controle 213 em mais detalhes, uma breve descrição de alguns dos itens no gerador de zona de controle 213 e as respectivas operações do mesmo será fornecida primeiro.
[00103] A colheitadeira agrícola 100, ou outras máquinas de trabalho, podem ter uma grande variedade de diferentes tipos de atuadores controláveis que executam diferentes funções. Os atuadores controláveis na colheitadeira agrícola 100 ou outras máquinas de trabalho são coletivamente chamados de atuadores de máquina de trabalho (WMAs). Cada WMA pode ser controlável de forma independente 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 controlável individualmente ou correspondentes aos conjuntos de WMAs que são controlados em coordenação um com o outro.
[00104] O seletor 486 WMA seleciona um WMA ou um conjunto de WMAs para os quais as 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 selecionado ou conjunto de WMAs. 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 do WMA pode ser usado como o critério para definir os limites das zonas de controle. Em outro exemplo, as características de desgaste (por exemplo, quanto um determinado atuador ou mecanismo desgasta como resultado do movimento do mesmo) podem ser usadas como os critérios para identificar os limites das zonas de controle. O componente identificador de critérios de zona de controle 494 identifica critérios particulares que devem ser usados na definição de zonas de controle para o WMA selecionado ou conjunto de WMAs. 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 selecionado WMA ou conjunto de WMAs.
[00105] O componente identificador de configuração de destino 498 define um valor da configuração de destino que será usado para controlar o WMA ou conjunto de WMAs em diferentes zonas de controle. Por exemplo, se o WMA selecionado for o sistema de propulsão 250 e o mapa preditivo funcional em análise for um mapa de velocidade preditivo funcional 438, então a definição alvo em cada zona de controle pode ser uma configuração de velocidade alvo com base nos valores de velocidade contidos no mapa de velocidade preditivo funcional 238 dentro da zona de controle identificada.
[00106] Em alguns exemplos, em que a colheitadeira agrícola 100 deve ser controlada com base em uma localização atual ou futura da colheitadeira agrícola 100, múltiplas definições alvo podem ser possíveis para um WMA em uma determinado localização. Nesse caso, as definições de destino podem ter valores diferentes e podem ser concomitantes. Portanto, as definições de destino precisam ser resolvidas de forma que apenas uma única configuração de destino seja usada para controlar o WMA. Por exemplo, em que o WMA é um atuador no sistema de propulsão 250 que está sendo controlado a fim de controlar a velocidade da colheitadeira agrícola 100, vários conjuntos diferentes de critérios concomitantes podem existir que são considerados pelo sistema de geração de zona de controle 488 na identificação das zonas de controle e as definições de destino para o WMA selecionado nas zonas de controle. Por exemplo, diferentes configurações de alvo para controlar a velocidade da máquina podem ser geradas com base em, por exemplo, 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 destes. No entanto, a qualquer momento, a colheitadeira agrícola 100 não pode se deslocar sobre o solo em várias velocidades simultaneamente. Em vez disso, a qualquer momento, a colheitadeira agrícola 100 se desloca em uma única velocidade. Assim, uma das definições alvo concomitantes é selecionada para controlar a velocidade da colheitadeira agrícola 100.
[00107] Portanto, em alguns exemplos, o sistema de geração de zona de regime 490 gera zonas de regime para resolver várias definições alvo concomitantes diferentes. O componente 522 de identificação de critérios de zona de regime identifica os critérios que são usados para estabelecer zonas de regime para o WMA selecionado ou conjunto de WMAs no mapa preditivo funcional em análise. Alguns critérios que podem ser usados para identificar ou definir zonas de regime incluem, por exemplo, tipo de safra ou variedade de safra com base em um mapa conforme plantado ou outra fonte do tipo de safra ou variedade de safra, tipo de erva daninha, intensidade de erva daninha ou estado de safra, como se a safra está baixa, parcialmente baixa ou em pé. Assim como 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.
[00108] Em alguns exemplos, as zonas de regime podem se sobrepor umas às outras. Por exemplo, uma zona de regime de variedade de safra pode se sobrepor a uma porção ou a totalidade de uma zona de regime de estado de cultivo. Em tal exemplo, as diferentes zonas de regime podem ser atribuídas a uma hierarquia de precedência de modo que, em que duas ou mais zonas de regime se sobrepõem, a zona de regime atribuída com uma posição hierárquica maior ou importância na hierarquia de precedência tem precedência sobre as zonas de regime que têm posições hierárquicas menores ou importância na hierarquia de precedência. A hierarquia de precedência das zonas de regime pode ser configurada manualmente ou pode ser configurada automaticamente usando um sistema baseado em regras, um sistema baseado em modelo ou outro sistema. Como um exemplo, em que uma zona de regime de safra caída se sobrepõe a uma zona de regime de variedade de safra, a zona de regime de safra caída pode receber uma importância maior na hierarquia de precedência do que a zona de regime de variedade de safra de modo que a zona de regime de safra caída tenha precedência.
[00109] Além disso, cada zona de regime pode ter um resolvedor de definições exclusivo para um determinado WMA ou conjunto de WMAs. O componente identificador do resolvedor de definições 526 identifica um resolvedor de definições específico para cada zona de regime identificada no mapa preditivo funcional em análise e um resolvedor de definições específico para o WMA selecionado ou conjunto de WMAs.
[00110] Uma vez que o resolvedor de definições para uma determinada zona de regime é identificado, esse resolvedor de definições pode ser usado para resolver definições de destino concomitantes, em que mais de uma configuração de destino é identificada com base nas zonas de controle. Os diferentes tipos de resolvedores de definições podem ter formas diferentes. Por exemplo, os resolvedores de definições que são identificados para cada zona de regime podem incluir um resolvedor de escolha humana no qual as definições de destino concomitantes são apresentadas a um operador ou outro usuário para resolução. Em outro exemplo, o resolvedor de definições pode incluir uma rede neural ou outra inteligência artificial ou sistema de aprendizado de máquina. Em tais casos, os resolvedores de definições podem resolver as definições alvo concomitantes com base em uma métrica de qualidade predita ou histórica correspondente a cada uma das diferentes definições alvo. Por exemplo, uma configuração de velocidade elevada do veículo pode reduzir o tempo de colheita em um campo e reduzir os custos de equipamento e trabalho com base no tempo correspondentes, mas pode aumentar as perdas de grãos. Uma configuração de velocidade reduzida do veículo pode aumentar o tempo para a colheita de um campo e aumentar os custos de trabalho e equipamento com base no tempo correspondentes, mas pode diminuir as perdas de grãos. Quando a perda de grãos ou o tempo de colheita for selecionada como uma métrica de qualidade, o valor predito ou histórico para a métrica de qualidade selecionada, dados os dois valores de configurações de velocidade do veículo concorrentes, pode ser usado para resolver a configuração de velocidade. Em alguns casos, os resolvedores de definições podem ser um conjunto de regras de limite que podem ser usados em vez de, ou além, das zonas de regime. Um exemplo de regra de limite pode ser expresso da seguinte forma: Se os valores de biomassa preditos dentro de 6,1 metros (20 pés) do coletor da colheitadeira agrícola 100 forem maiores do que x quilogramas (em que x é um valor selecionado ou predeterminado), então use o valor de configuração alvo que é escolhido com base na taxa de alimentação em relação a outras definições alvo concomitantes, caso contrário, use o valor de configuração de destino com base na perda de grãos em relação a outros valores de configuração de destino concomitantes.
[00111] Os resolvedores de definições podem ser componentes lógicos que executam regras lógicas na identificação de uma configuração de destino. Por exemplo, o resolvedor de definições pode resolver as definições do alvo enquanto tenta minimizar o tempo de colheita ou minimizar o custo total da colheita ou maximizar o grão colhido ou com base em outras variáveis que são calculadas como uma função das diferentes definições do alvo candidato. Um tempo de colheita pode ser minimizado quando uma quantidade para completar uma colheita é reduzida a ou abaixo de um limite selecionado. Um custo total de colheita pode ser minimizado em que o custo total de colheita é reduzido para um valor igual ou inferior a um limite selecionado. Os grãos colhidos podem ser maximizados em que a quantidade de grãos colhidos é aumentada para igual ou acima de um limite selecionado.
[00112] A Figura 7 é um diagrama de fluxo que ilustra um exemplo da operação do 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).
[00113] 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 também pode ser outros mapas.
[00114] No bloco 536, o seletor WMA 486 seleciona um WMA ou um conjunto de WMAs para os quais as 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 os WMAs selecionados ou conjunto de WMAs. O bloco 540 indica um exemplo em que os critérios da zona de controle são ou incluem características de desgaste do WMA selecionado ou conjunto de WMAs. O bloco 542 indica um exemplo em que os critérios de definição da zona de controle são ou incluem uma magnitude e variação de dados de origem de entrada, como a magnitude e variação dos valores no mapa em análise ou a magnitude e variação de entradas de vários dados in-situ sensores 208. O bloco 544 indica um exemplo em que os critérios de definição da zona de controle são ou incluem características físicas da máquina, tais como as dimensões físicas da máquina, uma velocidade na qual diferentes subsistemas operam ou outras características físicas da máquina. O bloco 546 indica um exemplo em que os critérios de definição da zona de controle são ou incluem uma capacidade de resposta do WMA selecionado ou conjunto de WMAs para atingir os valores de configuração recém-comandados. O bloco 548 indica um exemplo em que os critérios de definição da zona de controle são ou incluem métricas de desempenho da máquina. O bloco 550 indica um exemplo em que os critérios de definição da zona de controle são ou incluem as preferências do operador. O bloco 552 indica um exemplo em que os critérios de definição da zona de controle são ou incluem outros itens também. O bloco 549 indica um exemplo no qual os critérios de definição da zona de controle se baseiam no tempo, o que significa que a colheitadeira agrícola 100 não cruzará o limite de uma zona de controle até que uma quantidade de tempo selecionada tenha decorrido desde que a colheitadeira 100 agrícola entrou em uma zona de controle particular. Em alguns casos, a quantidade de tempo selecionada pode ser uma quantidade mínima de tempo. Assim, em alguns casos, os critérios de definição da zona de controle podem evitar 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 da zona de controle se baseiam em um valor de tamanho selecionado. Por exemplo, um critério de definição de zona de controle que é baseado em um valor de tamanho selecionado pode impedir a definição de uma zona de controle que seja menor do que o tamanho selecionado. Em alguns casos, o tamanho selecionado pode ser um tamanho mínimo.
[00115] No bloco 554, componente de identificação de critérios de zona de regime 522 obtém critérios de definição de zona de regime para o WMA selecionado ou conjunto de WMAs. O bloco 556 indica um exemplo no qual os critérios de definição da zona de regime se baseiam em uma entrada manual do operador 260 ou outro usuário. O bloco 558 ilustra um exemplo no qual os critérios de definição da zona de regime se baseiam no tipo de safra ou variedade de safra. O bloco 560 ilustra um exemplo em que os critérios de definição da zona de regime se baseiam no tipo de erva daninha ou intensidade da erva daninha ou ambos. O bloco 562 ilustra um exemplo em que os critérios de definição da zona de regime se baseiam em ou incluem estado de safra. O bloco 564 indica um exemplo em que os critérios de definição da zona de regime são ou incluem outros critérios também.
[00116] No bloco 566, o componente de definição de limiar de zona de controle 496 gera os limiares de zonas de controle no mapa em análise com base nos critérios de zona de controle. O componente 524 de definição de fronteira de zona de regime gera as fronteiras de zonas de regime no mapa em análise com base nos critérios de zona de regime. O bloco 568 indica um exemplo em que os limites da zona são identificados para as zonas de controle e as zonas de regime. O bloco 570 mostra que o componente identificador de configuração de destino 498 identifica as definições de destino para cada uma das zonas de controle. As zonas de controle e zonas de regime também podem ser geradas de outras maneiras, e isso é indicado pelo bloco 572.
[00117] No bloco 574, o componente identificador do resolvedor de definições 526 identifica o resolvedor de definições para os WMAs selecionados em cada zona de regime definida pelo componente de definição de limite de zona de regimes 524. Como discutido acima, o resolvedor de zona de regime pode ser um resolvedor humano 576, uma inteligência artificial ou resolvedor de sistema de aprendizado de máquina 578, um resolvedor 580 com base na qualidade predita ou histórica para cada definição alvo concorrente, um resolvedor baseado em regras 582, um critério de desempenho com base em resolvedor 584 ou outros resolvedores 586.
[00118] No bloco 588, o seletor WMA 486 determina se há mais WMAs ou conjuntos de WMAs para processar. Se WMAs adicionais ou conjuntos de WMAs estão restantes para serem processados, o processamento reverte para o bloco 436 em que o próximo WMA ou conjunto de WMAs para os quais zonas de controle e zonas de regime devem ser definidas é selecionado. Quando nenhum WMAs ou conjuntos de WMAs adicionais para os quais zonas de controle ou zonas de regime devem ser geradas são restantes, o processamento se move para o bloco 590, em que o gerador de zona de controle 213 produz um mapa com zonas de controle, definições de destino, zonas de regime e resolvedores de definições para cada dos WMAs ou conjuntos de WMAs. Como discutido acima, o mapa gerado pode ser apresentado ao operador 260 ou a outro usuário; o mapa emitido pode ser fornecido para o sistema de controle 214; ou o mapa gerado pode ser gerado de outras maneiras.
[00119] A Figura 8 ilustra um exemplo da operação do sistema de controle 214 no controle da colheitadeira agrícola 100 com base em um mapa que é emitido pelo gerador de zona de controle 213. Assim, no bloco 592, o sistema de controle 214 recebe um mapa da localização de trabalho. Em alguns casos, o mapa pode ser um mapa preditivo funcional que pode incluir zonas de controle e zonas de regime, conforme 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 em que o mapa recebido da localização de trabalho pode ser um mapa de informação com zonas de controle e zonas de regime identificadas nele. O bloco 598 indica um exemplo no qual o mapa recebido pode incluir vários mapas diferentes ou várias camadas de mapas diferentes. O bloco 610 indica um exemplo em que o mapa recebido também pode assumir outras formas.
[00120] No bloco 612, o sistema de controle 214 recebe um sinal do sensor do sensor de posição geográfica 204. O sinal do 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 serem controlados. No bloco 628, o controlador de zona 247 obtém uma ou mais definições de destino para o WMA selecionado ou conjunto de WMAs. As definições de destino obtidas para o WMA selecionado ou conjunto de WMAs podem vir de uma variedade de fontes diferentes. Por exemplo, o bloco 630 mostra um exemplo em que uma ou mais das definições de destino para o WMA selecionado ou conjunto de WMAs é baseado em uma entrada das zonas de controle no mapa da localização de trabalho. O bloco 632 mostra um exemplo no qual uma ou mais das definições alvo são obtidas a partir de entradas humanas do operador 260 ou de outro usuário. O bloco 634 mostra um exemplo no qual as definições alvo são obtidas a partir de um sensor in-situ 208. O bloco 636 mostra um exemplo em que uma ou mais definições alvo são obtidas de um ou mais sensores em outras máquinas trabalhando no mesmo campo simultaneamente com a colheitadeira agrícola 100 ou de um ou mais sensores em máquinas que trabalharam no mesmo campo no passado. O bloco 638 mostra um exemplo no qual as definições de destino também são obtidas de outras fontes.
[00121] No bloco 640, o controlador de zona 247 acessa o resolvedor de definições para a zona de regime selecionada e controla o resolvedor de definições para resolver definições alvo concomitantes em uma definição alvo resolvida. Como discutido acima, em alguns casos, o resolvedor de definições pode ser um resolvedor humano, em cujo caso o controlador de zona 247 controla os mecanismos de interface de operador 218 para apresentar as definições alvo concomitantes para o operador 260 ou outro usuário para resolução. Em alguns casos, o resolvedor de definições pode ser uma rede neural ou outra inteligência artificial ou sistema de aprendizado de máquina e o controlador de zona 247 envia as definições alvo concomitantes para a rede neural, inteligência artificial ou sistema de aprendizado de máquina para seleção. Em alguns casos, o resolvedor de definições pode se basear em uma métrica de qualidade predita ou histórica, em regras de limite ou em componentes lógicos. Em qualquer um destes últimos exemplos, o controlador de zona 247 executa o resolvedor de definições para obter uma configuração de destino resolvida com base na métrica de qualidade predita ou histórica, com base nas regras de limite ou com o uso dos componentes lógicos.
[00122] No bloco 642, com o controlador de zona 247 tendo identificado a configuração de destino resolvido, o controlador de zona 247 fornece a configuração de destino resolvido para outros controladores no sistema de controle 214, que geram e aplicam sinais de controle para o WMA selecionado ou conjunto de WMAs com base no alvo resolvido configuração. Por exemplo, em que o WMA selecionado é uma máquina ou atuador de coletor 248, o controlador de zona 247 fornece a definição alvo resolvida para definições de controlador 232 ou coletor/controlador real 238 ou ambos para gerar sinais de controle com base na definição alvo resolvido e aqueles gerados de controle sinais são aplicados à máquina ou aos atuadores de coletor 248. No bloco 644, se WMAs adicionais ou conjuntos adicionais de WMAs devem ser controlados na localização geográfica atual da colheitadeira agrícola 100 (conforme detectado no bloco 612), então o processamento reverte para o bloco 626 em que o próximo WMA ou conjunto de WMAs 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 tratados. Se nenhum WMAs ou conjuntos de WMAs adicionais forem controlados na localização geográfica atual da colheitadeira agrícola 100 permanecer, o processamento prossegue para o bloco 646 em que o controlador de zona 247 determina se zonas de controle adicionais a serem consideradas existem na zona de regime selecionada. Se zonas de controle adicionais a serem consideradas existem, o processamento reverte para o bloco 624, em que uma próxima zona de controle é selecionada. Se não houver zonas de controle adicionais a serem consideradas, o processamento prossegue para o bloco 648, em que uma determinação quanto a se as zonas de regime adicionais devem ser consideradas. O controlador de zona 247 determina se zonas de regime adicionais ainda precisam ser consideradas. Se a zona de regime adicional ainda precisa ser considerada, o processamento reverte para o bloco 622, em que uma próxima zona de regime é selecionada.
[00123] No bloco 650, o controlador de zona 247 determina se a operação que a 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, conforme indicado pelo bloco 652. Por exemplo, como mencionado acima, os critérios de definição da zona de controle podem incluir critérios que definem quando um limite da 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, o que significa que a colheitadeira agrícola 100 é impedida de cruzar um limite de zona até que uma quantidade de tempo selecionada tenha transcorrido. Nesse caso, no bloco 652, o controlador de zona 247 determina se o período de tempo selecionado já passou. Além disso, o controlador de zona 247 pode realizar o processamento continuamente. Assim, o controlador de zona 247 não espera por qualquer período de tempo específico antes de continuar a determinar se uma operação da colheitadeira agrícola 100 foi concluída. No bloco 652, o controlador de zona 247 determina que é hora de continuar o processamento, então o processamento continua no bloco 612, em que o controlador de zona 247 recebe novamente uma entrada do sensor de posição geográfica 204. Também será reconhecido que o controlador de zona 247 pode controlar os WMAs e conjuntos de WMAs simultaneamente usando um controlador de múltiplas entradas e saídas em vez de controlar os WMAs e conjuntos de WMAs sequencialmente.
[00124] A Figura 9 é um diagrama de blocos que mostra 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 de controlador 656, sistema de processamento de voz 658 e gerador de sinal de ação 660. O sistema de processamento de comando de entrada do operador 654 inclui sistema de gerenciamento de fala 662, sistema de gerenciamento de toque e gesto 664 e outros itens 666. Outro sistema de interação do controlador 656 inclui o sistema de processamento de entrada do controlador 668 e o gerador de saída do controlador 670. O sistema de processamento de fala 658 inclui detector de engatilhamento 672, componente de reconhecimento 674, componente de síntese 676, sistema de compreensão 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 de exemplo 231 mostrado na Figura 9 na manipulação 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 fornecida em primeiro lugar.
[00125] O sistema de processamento de comando de entrada do operador 654 detecta as entradas do operador nos mecanismos de interface de operador 218 e processa essas entradas para comandos. O sistema de tratamento de voz 662 detecta entradas de voz e lida com as interações com o sistema de processamento de voz 658 para processar as entradas de voz para comandos. O sistema de gerenciamento de gestos de toque 664 detecta gestos de toque em elementos sensíveis ao toque nos mecanismos de interface de operador 218 e processa essas entradas para comandos.
[00126] Outro sistema de interação de controlador 656 lida com interações com outros controladores no sistema de controle 214. O sistema de processamento de entrada do controlador 668 detecta e processa as entradas de outros controladores no sistema de controle 214 e o gerador de saída do controlador 670 gera saídas e fornece essas saídas para outros controladores no sistema de controle 214. O sistema de processamento de voz 658 reconhece entradas de voz, determina o significado dessas entradas e fornece 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 definições em que o operador 260 está comandando o sistema de controle 214 para alterar uma configuração para um subsistema controlável 216. Em tal exemplo, o sistema de processamento de voz 658 reconhece o conteúdo do comando falado, identifica o significado desse comando como um comando de alteração de definições e fornece o significado dessa entrada de volta ao sistema de tratamento de voz 662. O sistema de tratamento de fala 662, por sua vez, interage com o gerador de saída do controlador 670 para fornecer a saída comandada ao controlador apropriado no sistema de controle 214 para realizar o comando de alteração das definições faladas.
[00127] O sistema de processamento de voz 658 pode ser chamado de uma variedade de maneiras diferentes. Por exemplo, em um exemplo, o sistema de tratamento de fala 662 fornece continuamente uma entrada de um microfone (sendo um dos mecanismos de interface de operador 218) para o sistema de processamento de fala 658. O microfone detecta a fala do operador 260 e o sistema de gerenciamento de fala 662 fornece a fala detectada para o sistema de processamento de fala 658. O detector de engatilhamento 672 detecta um engatilhamento indicando que o sistema de processamento de fala 658 é invocado. Em alguns casos, quando o sistema de processamento de fala 658 está recebendo entradas de fala contínuas do sistema de tratamento de fala 662, o componente de reconhecimento de fala 674 realiza o reconhecimento de fala contínuo em toda a fala falada pelo operador 260. Em alguns casos, o sistema de processamento de voz 658 é configurado para invocação usando uma palavra de ativação. Ou seja, em alguns casos, a operação do sistema de processamento de voz 658 pode ser iniciada com base no reconhecimento de uma palavra falada selecionada, referida como palavra de despertar. Em tal exemplo, em que o componente de reconhecimento 674 reconhece a palavra de despertar, o componente de reconhecimento 674 fornece uma indicação de que a palavra de despertar foi reconhecida para acionar o detector 672. O detector de engatilhamento 672 detecta que o sistema de processamento de fala 658 foi invocado ou disparado pela palavra de ativação. Em outro exemplo, o sistema de processamento de voz 658 pode ser invocado por um operador 260 atuando um atuador em um mecanismo de interface de usuário, tal como tocando um atuador em uma tela sensível ao toque, pressionando um botão ou fornecendo outra entrada de engatilhamento. Em tal exemplo, o detector de engatilhamento 672 pode detectar que o sistema de processamento de fala 658 foi invocado quando uma entrada de engatilhamento por meio de um mecanismo de interface de usuário é detectada. O detector de engatilhamento 672 pode detectar que o sistema de processamento de fala 658 foi invocado de outras maneiras também.
[00128] Uma vez que o sistema de processamento de voz 658 é invocado, a entrada de voz do operador 260 é fornecida ao componente de reconhecimento de voz 674. O componente 674 de reconhecimento de fala reconhece elementos linguísticos na entrada de fala, como palavras, frases ou outras unidades linguísticas. O sistema de compreensão de linguagem natural 678 identifica um significado da fala reconhecida. O significado pode ser uma saída de linguagem natural, uma saída de comando que identifica um comando refletido na fala reconhecida, uma saída de valor que identifica um valor na fala reconhecida ou qualquer uma de uma ampla variedade de outras saídas que refletem a compreensão da fala reconhecida. Por exemplo, o sistema de compreensão de linguagem natural 678 e o sistema de processamento de fala 568, de forma mais geral, podem compreender o significado da fala reconhecida no contexto da colheitadeira agrícola 100.
[00129] Em alguns exemplos, o sistema de processamento de voz 658 também pode 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 deseja fazer. A caixa de diálogo pode eliminar a ambiguidade do comando de um usuário; identificar um ou mais valores específicos que são necessários para executar o comando do usuário; ou obter outra informação do usuário ou fornecer outra informação ao usuário ou ambos. O componente de síntese 676 pode gerar a síntese de voz que pode ser apresentada ao usuário por meio de um mecanismo de interface de operador de áudio, como um alto-falante. Assim, o diálogo gerenciado pelo sistema de gerenciamento de diálogo 680 pode ser exclusivamente um diálogo falado ou uma combinação de um diálogo visual e um diálogo falado.
[00130] O gerador de sinal de ação 660 gera sinais de ação para controlar os mecanismos de interface de operador 218 com base nas saídas de um ou mais do sistema de processamento de comando de entrada do operador 654, outro sistema de interação de 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 tela de exibição, indicadores de advertência 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 sonoro, buzinas ou outros elementos audíveis. O gerador de sinal de controle háptico 688 gera sinais de controle que são emitidos 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 joysticks usados pelo operador. Os elementos hápticos podem incluir feedback tátil ou elementos de feedback de força que fornecem feedback tátil ou feedback de força para o operador por meio de mecanismos de interface de operador. Os elementos hápticos também podem incluir uma grande variedade de outros elementos hápticos.
[00131] A Figura 10 é um diagrama de fluxo que ilustra um exemplo da operação do controlador de interface de operador 231 na geração de um visor de interface de operador em um mecanismo de interface de operador 218, que pode incluir uma tela de tela sensível ao toque. A Figura 10 também ilustra um exemplo de como o controlador de interface de operador 231 pode detectar e processar as interações do operador com a tela sensível ao toque.
[00132] No bloco 692, o controlador de interface de operador 231 recebe um mapa. O bloco 694 indica um exemplo em que o mapa é um mapa preditivo funcional e o bloco 696 indica um exemplo em que 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 identificando a localização geográfica da colheitadeira agrícola 100. Como indicado no bloco 700, a entrada do sensor de posição geográfica 204 pode incluir o título, juntamente com a localização, da colheitadeira agrícola 100. O bloco 702 indica um exemplo em que a entrada do sensor de posição geográfica 204 inclui a velocidade da colheitadeira agrícola 100 e o bloco 704 indica um exemplo em que a entrada do sensor de posição geográfica 204 inclui outros itens.
[00133] No bloco 706, o gerador de sinal de controle visual 684 no controlador de interface de operador 231 controla a tela de tela sensível ao toque nos mecanismos de interface de operador 218 para gerar uma tela 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 próxima unidade de trabalho que identifica uma próxima unidade de trabalho (ou área no campo) na qual a colheitadeira 100 estará operando. O bloco 712 indica um exemplo em que o campo exibido inclui uma próxima porção de exibição de área que exibe áreas que ainda não foram processadas pela colheitadeira agrícola 100 e o bloco 714 indica um exemplo em que o campo exibido inclui porções de exibição visitadas anteriormente que representam áreas de o campo que a colheitadeira 100 já processou. O bloco 716 indica um exemplo no qual o campo exibido exibe várias características do campo tendo localizações georreferenciadas no mapa. Por exemplo, se o mapa recebido for um mapa de altura de vegetação, o campo exibido pode mostrar as diferentes alturas de vegetação existentes no campo georreferenciadas dentro do campo exibido. Ou, por exemplo, se o mapa recebido for um mapa de posição de cilindro, o campo exibido pode mostrar as diferentes posições de um cilindro georreferenciada às posições dentro do campo exibido. As características mapeadas podem ser mostradas nas áreas previamente visitadas (como mostrado no bloco 714), nas próximas áreas (como mostrado no bloco 712) e na próxima unidade de trabalho (como mostrado no bloco 710). O bloco 718 indica um exemplo em que o campo exibido também inclui outros itens.
[00134] A Figura 11 é uma ilustração pictórica que mostra um exemplo de uma tela de interface de usuário 720 que pode ser gerada em uma tela de tela sensível ao toque. Em outras implementações, o visor de interface de usuário 720 pode ser gerado em outros tipos de monitores. A tela sensível ao toque pode ser montada no compartimento de operador da colheitadeira agrícola 100 ou no dispositivo móvel ou em outro lugar. O visor de interface de usuário 720 será descrito antes de continuar com a descrição do diagrama de fluxo mostrado na Figura 10.
[00135] No exemplo mostrado na Figura 11, a tela de interface de usuário 720 ilustra que a tela de tela sensível ao toque inclui um recurso de tela para operar um microfone 722 e um alto-falante 724. Assim, a tela sensível ao toque pode ser acoplada de forma comunicável ao microfone 722 e ao alto-falante 724. O bloco 726 indica que a tela sensível ao toque pode incluir uma ampla variedade de atuadores de controle de interface de usuário, como botões, teclados, teclados virtuais, enlaces, ícones, interruptores, etc. O operador 260 pode acionar os atuadores de controle de interface de usuário para executar várias funções.
[00136] No exemplo mostrado na Figura 11, a tela de interface de usuário 720 inclui uma porção de tela de campo 728 que exibe pelo menos uma porção do campo em que a colheitadeira agrícola 100 está operando. A porção de exibição de campo 728 é mostrada com um marcador de posição atual 708 que corresponde a 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 tela sensível ao toque a fim de aumentar o zoom em porções da porção de exibição de campo 728 ou para deslocar ou rolar a porção de exibição de campo 728 para mostrar diferentes porções do campo. Uma próxima unidade de trabalho 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 também pode ser configurado para identificar a direção de deslocamento da colheitadeira agrícola 100, uma velocidade de deslocamento da colheitadeira agrícola 100 ou ambos. Na Figura 13, a forma do marcador de posição atual 708 fornece uma indicação quanto à orientação da colheitadeira agrícola 100 dentro do campo que pode ser usada como uma indicação de uma direção de deslocamento da colheitadeira agrícola 100.
[00137] O tamanho da próxima unidade de trabalho 730 marcada na porção de exibição de campo 728 pode variar com base em uma ampla variedade de critérios diferentes. Por exemplo, o tamanho da próxima unidade de trabalho 730 pode variar com base na velocidade de deslocamento da colheitadeira agrícola 100. Assim, quando a colheitadeira agrícola 100 está viajando mais rápido, então a área da próxima unidade de trabalho 730 pode ser maior do que a área da próxima unidade de trabalho 730 se a colheitadeira agrícola 100 estiver viajando mais lentamente. A porção de exibição de campo 728 também é mostrada exibindo a área visitada anteriormente 714 e as próximas áreas 712. As áreas 714 visitadas anteriormente representam áreas que já foram colhidas, enquanto as áreas 712 futuras representam áreas que ainda precisam ser colhidas. A porção de exibição de campo 728 também é mostrada exibindo diferentes características do campo. No exemplo ilustrado na Figura 11, o mapa que está sendo exibido é um mapa de posição de cilindro. Portanto, uma pluralidade de marcadores de posição de cilindro diferentes é exibida na porção de exibição de campo 728. Há um conjunto de marcadores de exibição de posição de cilindro 732 mostrado nas áreas já visitadas 714. Há também um conjunto de marcadores de exibição de posição de cilindro 732 mostrado nas próximas áreas 712, e há um conjunto de marcadores de exibição de posição de cilindro 732 mostrado na próxima unidade de trabalho 730. A Figura 11 mostra que os marcadores de exibição de posição de cilindro 732 são feitos de diferentes símbolos que indicam uma área de posição de cilindro semelhante. No exemplo mostrado na Figura 3, o símbolo ! representa áreas de alta posição de cilindro; o símbolo * representa áreas de posição média de cilindro; e o símbolo # representa uma área de posição baixa do cilindro. Assim, a porção de exibição de campo 728 mostra diferentes posições de cilindro medidas ou previstas que estão localizadas em diferentes áreas dentro do campo. Como descrito anteriormente, os marcadores de exibição 732 podem ser compostos de diferentes símbolos e, conforme descrito abaixo, os símbolos podem ser qualquer recurso de exibição, como diferentes cores, formas, padrões, intensidades, texto, ícones ou outros recursos de exibição. Em alguns casos, cada localização do campo pode ter um marcador de exibição associado ao mesmo. Assim, em alguns casos, um marcador de exibição pode ser fornecido em cada local da porção de exibição de campo 728 para identificar a natureza da característica sendo mapeada para cada local particular do campo. Consequentemente, a presente descrição abrange o fornecimento de um marcador de exibição, como o marcador de exibição de nível de perda 732 (como no contexto do presente exemplo da Figura 11), em um ou mais locais na porção de exibição de campo 728 para identificar a natureza, grau, etc., da característica sendo exibida, identificando assim a característica no local correspondente no campo sendo exibido.
[00138] No exemplo da Figura 11, o visor de interface de usuário 720 também tem uma porção de exibição de controle 738. A porção de exibição de controle 738 permite ao operador visualizar informação e interagir com a exibição de interface de usuário 720 de várias maneiras.
[00139] Os atuadores e marcadores de exibição na porção 738 podem ser exibidos como, por exemplo, itens individuais, listas fixas, listas roláveis, menus suspensos ou listas suspensas. No exemplo mostrado na Figura 11, a porção de exibição 738 mostra informação para as três posições de cilindro diferentes que correspondem aos três símbolos mencionados acima. A porção de exibição 738 também inclui um conjunto de atuadores sensíveis ao toque com os quais o operador 260 pode interagir pelo toque. Por exemplo, o operador 260 pode tocar os atuadores sensíveis ao toque com um dedo para ativar o respectivo atuador sensível ao toque.
[00140] Uma coluna de sinalização 739 mostra sinalizadores que foram definidos automática ou manualmente. O atuador de sinalização 740 permite que o operador 260 marque uma localização e, em seguida, adicione informações indicando a posição de cilindro encontrada no local atual. Por exemplo, quando o operador 260 atua o atuador de sinalizador 740 tocando o atuador de sinalizador 740, o sistema de manipulação de gestos de toque 664 no controlador de interface de operador 231 identifica a localização como aquele em que o colhedor agrícola 100 foi comandado para uma posição de cilindro alta. Quando o operador 260 toca o botão 742, o sistema de manipulação de gestos de toque 664 identifica o local atual como uma localização em que a colheitadeira agrícola 100 encontrou a posição média de cilindro. Quando o operador 260 toca o botão 744, o sistema de manipulação de gestos de toque 664 identifica o local atual como uma localização em que a colheitadeira agrícola 100 encontrou uma posição baixa de cilindro. O sistema de manipulação de gestos de toque 664 também controla o gerador de sinal de controle visual 684 para adicionar um símbolo correspondente à posição de cilindro identificada na porção de exibição de campo 728 em um local que o usuário identifica antes ou depois ou durante a atuação dos botões 740, 742 ou 744.
[00141] A coluna 746 exibe os símbolos correspondentes a cada categoria de posição de cilindro que está sendo rastreada na porção de exibição de campo 728. A coluna de designador 748 mostra o designador (que pode ser um designador textual ou outro designador) identificando a categoria da posição de cilindro. Sem limitação, os símbolos de posição de cilindro na coluna 746 e os designadores na coluna 748 podem incluir qualquer marcador de exibição, como diferentes cores, formas, padrões, intensidades, texto, ícones ou outros marcadores de exibição. Os valores exibidos na coluna 750 podem ser valores preditos de posição de cilindro ou valores de posição de cilindro medidos por sensores in-situ 208. 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. Assim, os valores na coluna 750 podem corresponder a valores nas porções de exibição 712, 714 ou 730. A coluna 752 exibe os valores de limite de ação. Os valores de limite de ação na coluna 752 podem ser valores de limite correspondentes aos valores medidos na coluna 750. Se os valores medidos na coluna 750 satisfizerem os valores de limite de ação correspondentes na coluna 752, então o sistema de controle 214 executa a ação identificada na coluna 754. Em alguns casos, um valor medido pode satisfazer um valor de limite de ação correspondente ao atingir ou exceder o valor de limite de ação correspondente. Em um exemplo, o operador 260 pode selecionar um valor de limite, por exemplo, a fim de alterar o valor de limite tocando o valor de limite na coluna 752. Uma vez selecionado, o operador 260 pode alterar o valor limite. Os valores de limite na coluna 752 podem ser configurados de modo que a ação designada seja realizada quando o valor medido 750 excede o valor de limite, é igual ao valor de limite ou é menor que o valor de limite.
[00142] De forma semelhante, o operador 260 pode tocar nos identificadores de ação na coluna 754 para alterar a ação que deve ser executada. Quando um limite for atingido, várias ações podem ser tomadas. Por exemplo, na parte inferior da coluna 754, levantar e abaixar o cilindro são identificados como ações que serão tomadas se o valor medido na coluna 750 atingir o valor limite na coluna 752.
[00143] As ações que podem ser definidas na coluna 754 podem ser qualquer uma de uma ampla variedade de diferentes tipos de ações. Por exemplo, as ações podem incluir uma ação de manter fora que, quando executada, inibe a colheitadeira 100 de colheita adicional em uma área. As ações podem incluir uma ação de mudança de velocidade que, quando executada, altera a velocidade de deslocamento da colheitadeira agrícola 100 através do campo. As ações podem incluir uma ação de alteração de definição para alterar uma configuração de um atuador interno ou outro WMA ou conjunto de WMAs ou para implementar uma ação de alteração de configuração que altera uma configuração de uma posição de cilindro. Estes são apenas exemplos, e uma ampla variedade de outras ações são contempladas aqui.
[00144] Os marcadores de exibição mostrados no visor de interface de usuário 720 podem ser controlados visualmente. O controle visual da tela de interface 720 pode ser realizado para capturar a atenção do operador 260. Por exemplo, os marcadores de exibição podem ser controlados para modificar a intensidade, cor ou padrão com o qual os marcadores de exibição são exibidos. Além disso, os marcadores de exibição podem ser controlados para piscar. As alterações descritas na aparência visual dos marcadores de exibição são fornecidas a título de exemplo. Consequentemente, outros aspectos da aparência visual dos marcadores de exibição podem ser alterados. Portanto, os marcadores de exibição podem ser modificados em várias circunstâncias de uma maneira desejada, a fim de, por exemplo, captar a atenção do operador 260.
[00145] Voltando agora ao diagrama de fluxo da Figura 10, a descrição da operação do controlador de interface de operador 231 continua. No bloco 760, o controlador de interface de operador 231 detecta uma configuração de entrada de uma bandeira e controla a tela de interface de usuário sensível ao toque 720 para exibir a bandeira na porção de tela de campo 728. A entrada detectada pode ser uma entrada do operador, conforme indicado em 762, ou uma entrada de outro controlador, conforme indicado em 764. No bloco 766, o controlador de interface de operador 231 detecta uma entrada de sensor in situ indicativa de uma característica medida do campo 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 tela de interface de usuário 720 para exibir atuadores para modificar a tela de interface de usuário 720 e para modificar o controle da máquina. Por exemplo, o bloco 770 representa que um ou mais dos atuadores para definir ou modificar os valores nas colunas 739, 746 e 748 podem ser exibidos. Assim, o usuário pode definir sinalizadores e modificar as características desses sinalizadores. Por exemplo, um usuário pode modificar os tipos de posição de cilindro e os designadores de posição de cilindro correspondentes aos sinalizadores. O bloco 772 representa que os valores de limite 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 os dados in situ medidos na coluna 750 é exibido. O bloco 780 indica que uma grande variedade de outra informação e atuadores também podem ser exibidos no visor de interface de usuário 720.
[00146] No bloco 782, o sistema de processamento de comando de entrada do operador 654 detecta e processa as entradas do operador correspondentes às interações com o visor de interface de usuário 720 realizadas pelo operador 260. Onde o mecanismo de interface de usuário no qual o visor de interface de usuário 720 é exibido é uma tela de visor sensível ao toque, as entradas de interação com a tela de visor 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.
[00147] 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 os sinais podem ser recebidos pelo sistema de processamento de entrada do controlador 668, indicando que os valores detectados na coluna 750 satisfazem as condições de limite presentes na coluna 752. Como explicado anteriormente, as condições de limite podem incluir valores abaixo de um limite, em um limite ou acima de um limite. 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 controle tátil gerador de sinal 688 para gerar alertas táteis, ou usando qualquer combinação destes. Da mesma forma, como indicado pelo bloco 796, o gerador de saída do controlador 670 pode gerar saídas para outros controladores no sistema de controle 214 de modo que esses controladores executem 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 também.
[00148] O bloco 900 mostra que o sistema de tratamento de fala 662 pode detectar e processar entradas que invocam o sistema de processamento de fala 658. O bloco 902 mostra que a execução do processamento de voz pode incluir o uso do 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 o fornecimento de sinais para o gerador de saída do controlador 670 de modo que as operações de controle sejam realizadas automaticamente com base nas entradas de voz.
[00149] A Tabela 1, abaixo, 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 engatilhamento ou uma palavra de ativação que é detectada pelo detector de engatilhamento 672 para invocar o sistema de processamento de fala 658. No exemplo mostrado na Tabela 1, a palavra de ativação é “Johnny” TABELA 1 Operador: “Johnny, fale-me sobre a altura de vegetação” Controlador de Interface de Operador: “A altura atual de vegetação é de 900 centímetros.”
[00150] A Tabela 2 mostra um exemplo em que o componente de síntese de voz 676 fornece uma saída para o gerador de sinal de controle de áudio 686 para fornecer atualizações audíveis em uma base intermitente ou periódica. O intervalo entre as atualizações pode se basear no tempo, como a cada cinco minutos, ou na cobertura ou na distância, como a cada dois hectares (cinco acres), ou baseado na exceção, como quando um valor medido é maior do que um valor limite. TABELA 2 Controlador de Interface de Operador: “Nos últimos 10 minutos, a vegetação atingiu em média 900 centímetros” Controlador de Interface de Operador: “Próximo 0,4 hectare (1 acre) predito para uma média de 1200 centímetros”
[00151] O exemplo mostrado na Tabela 3 ilustra que alguns atuadores ou mecanismos de entrada do usuário na tela sensível ao toque 720 podem ser complementados 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 um trecho de vegetação alta no campo que está sendo colhido. TABELA 3 Humano: “Johnny, marque um trecho de vegetação alta.” Controlador de Interface de Operador: “Trecho de vegetação alta marcada.”
[00152] O exemplo mostrado na Tabela 4 ilustra que o gerador de sinal de ação 660 pode conduzir um diálogo com o operador 260 para iniciar e terminar a marcação de um trecho de planta de safra alta. TABELA 4 Humano: “Johnny, comece a marcar trechos de plantas de safra altas.” Controlador de Interface de Operador: “Marcando trecho de planta de safra alta.” Humano: “Johnny, pare de marcar trechos de plantas de safra altas.” Controlador de Interface de Operador: “A marcação de trecho de planta de safra alta foi interrompida.”
[00153] O exemplo mostrado na Tabela 5 ilustra que o gerador de sinal de ação 160 pode gerar sinais para marcar um trecho de erva daninha de altura baixa de uma maneira diferente daquela mostrada nas Tabelas 3 e 4. TABELA 5 Humano: “Johnny, marque os próximos 100 m como trecho de ervas daninhas de altura baixa.” Controlador de Interface de Operador: “Próximos 100 m marcados como um trecho de ervas daninhas de altura baixa.”
[00154] Voltando novamente à Figura 10, o bloco 906 ilustra que o controlador de interface de operador 231 pode detectar e processar condições para emitir uma mensagem ou outra informação de outras maneiras também. Por exemplo, outro sistema de interação de controlador 656 pode detectar entradas de outros controladores, indicando que alertas ou mensagens de saída devem ser apresentados 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 que o controlador de interface de operador 231 determine que a operação de colheita atual está concluída, conforme indicado pelo bloco 914, o processamento reverte para o bloco 698, em que a localização geográfica da colheitadeira 100 é atualizada e o processamento prossegue conforme descrito acima para atualizar a tela de interface de usuário 720.
[00155] Uma vez que a operação estiver concluída, então quaisquer valores desejados que são exibidos, ou que foram exibidos no visor de interface de usuário 720, podem ser salvos. Esses valores também podem ser usados em aprendizado 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. Salvar os 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 para outro sistema remoto
[00156] Assim, pode-se ver que um mapa de informação é obtido por uma colheitadeira agrícola e mostra o índice de vegetação, estado de safra ou valores de rendimento em diferentes localizações geográficas de um campo sendo colhido. Um sensor in-situ na colheitadeira detecta a altura de vegetação ou a posição de cilindro conforme a colheitadeira agrícola se move pelo campo. Um gerador de mapa preditivo gera um mapa preditivo que prevê valores de controle para diferentes localizações no campo com base nos valores do índice vegetativo, estado de safra ou rendimento no mapa de informação e a altura de vegetação ou posição de cilindro detectada pelo sensor in-situ. Um sistema de controle controla o subsistema controlável com base na altura de vegetação ou posição de cilindro no mapa preditivo.
[00157] Um valor de controle é um valor no qual uma ação pode se basear. Um valor de controle, conforme descrito aqui, pode incluir qualquer valor (ou características indicadas por ou derivadas do valor) 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 um dos valores fornecidos por um mapa, como qualquer um dos mapas descritos aqui, por exemplo, um valor de controle pode ser um valor fornecido por um mapa de informação, um valor fornecido por um mapa de informação anterior ou um valor mapa preditivo fornecido, como um mapa preditivo funcional. Um valor de controle também pode incluir qualquer uma das características indicadas por ou derivadas dos valores detectados por qualquer um dos sensores descritos aqui. Em outros exemplos, um valor de controle pode ser fornecido por um operador da máquina agrícola, como uma entrada de comando por um operador da máquina agrícola.
[00158] A presente discussão mencionou processadores e servidores. Em alguns exemplos, os processadores e servidores incluem processadores de computador com memória associada e circuitos de temporização, não mostrados separadamente. Os processadores e servidores são partes funcionais dos sistemas ou dispositivos aos quais os processadores e servidores pertencem e são ativados por e facilitam a funcionalidade dos outros componentes ou itens nesses sistemas.
[00159] Além disso, várias telas de interface do usuário foram discutidas. Os visores podem assumir uma grande variedade de formas diferentes e podem ter uma grande variedade de diferentes mecanismos de interface de operador acionáveis pelo usuário dispostos neles. Por exemplo, os mecanismos de interface de operador acionáveis pelo usuário podem incluir caixas de texto, caixas de seleção, ícones, enlaces, menus suspensos, caixas de pesquisa, etc. Os mecanismos da interface do operador acionáveis pelo usuário também podem ser acionados de uma ampla variedade de maneiras diferentes. Por exemplo, os mecanismos de interface de operador acionáveis pelo usuário podem ser acionados usando mecanismos de interface de operador, como um dispositivo de apontar e clicar, como um mouse de esfera ou mouse, botões de hardware, interruptores, uma alavanca de direção ou teclado, interruptores ou thumbpads, etc., um teclado virtual ou outros atuadores virtuais. Além disso, em que a tela na qual os mecanismos de interface de operador acionáveis pelo usuário são exibidos é uma tela sensível ao toque, os mecanismos da interface do operador acionáveis pelo usuário podem ser acionados usando gestos de toque. Além disso, os mecanismos de interface de operador que podem ser acionados pelo usuário podem ser acionados usando comandos de voz usando a funcionalidade de reconhecimento de voz. O reconhecimento de fala pode ser implementado usando um dispositivo de detecção de fala, como um microfone, e um software que funciona para reconhecer a fala detectada e executar comandos com base na fala recebida.
[00160] Vários armazenamentos de dados também foram discutidos. Deve-se observar que cada armazenamento de dados pode ser dividido em vários armazenamentos de dados. Em alguns exemplos, um ou mais dos armazenamentos de dados podem ser locais para os sistemas que acessam os armazenamentos de dados, um ou mais dos armazenamentos de dados podem estar todos localizados remotos de um sistema que utiliza o armazenamento de dados, ou um ou mais armazenamentos de dados podem ser local, enquanto outros são remotos. Todas essas configurações são contempladas pela presente descrição.
[00161] Além disso, as figuras mostram uma série de blocos com funcionalidade atribuída a cada bloco. Será notado que menos blocos podem ser usados para ilustrar que a funcionalidade atribuída a vários blocos diferentes é realizada por menos componentes. Além disso, mais blocos podem ser usados, ilustrando que a funcionalidade pode ser distribuída entre mais componentes. Em diferentes exemplos, algumas funcionalidades podem ser adicionadas e algumas podem ser removidas.
[00162] Será notado que a discussão acima descreveu uma variedade de diferentes sistemas, componentes, lógicas e interações. Será reconhecido que qualquer um ou todos esses sistemas, componentes, lógica e interações podem ser implementados por itens de hardware, como processadores, memória ou outros componentes de processamento, incluindo, sem limitação, componentes de inteligência artificial, alguns dos quais são descritos abaixo, que executam as funções associadas a esses sistemas, componentes, lógica ou interações. Além disso, qualquer um 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, conforme descrito abaixo. Qualquer um ou todos os sistemas, componentes, lógica e interações também podem ser implementados por diferentes combinações de hardware, software, firmware, etc., alguns exemplos dos quais são descritos abaixo. Estes são alguns exemplos de diferentes estruturas que podem ser usadas para implementar qualquer um ou todos os sistemas, componentes, lógica e interações descritos acima. Outras estruturas também podem ser usadas.
[00163] A Figura 12 é um diagrama de blocos da colheitadeira agrícola 600, que pode ser semelhante à colheitadeira agrícola 100 mostrada na Figura 2. A colheitadeira agrícola 600 se comunica com elementos em uma arquitetura de servidor remoto 500. Em alguns exemplos, a arquitetura de servidor remoto 500 fornece serviços de computação, software, acesso a dados e armazenamento que não requerem o conhecimento do usuário final da localização física ou configuração do sistema que entrega os serviços. Em vários exemplos, os servidores remotos podem fornecer os serviços em uma rede de área ampla, como a Internet, usando protocolos apropriados. Por exemplo, os servidores remotos podem fornecer aplicativos em uma rede de área ampla e podem ser acessíveis por meio de um navegador da web ou qualquer outro componente de computação. Software ou componentes mostrados na Figura 2, bem como os dados associados aos mesmos, podem ser armazenados em servidores em uma localização remoto. 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. As infraestruturas de servidor remoto podem fornecer serviços por meio de centros de dados compartilhados, mesmo que os serviços apareçam como um único ponto de acesso para o usuário. Assim, os componentes e funções aqui descritos podem ser fornecidos a partir de um servidor remoto em uma localização remoto usando uma arquitetura de servidor remoto. Alternativamente, os componentes e funções podem ser fornecidos a partir de um servidor, ou os componentes e funções podem ser instalados em dispositivos clientes diretamente ou de outras maneiras.
[00164] No exemplo mostrado na Figura 12, alguns itens são semelhantes aos mostrados na Figura 2 e esses itens são numerados de forma semelhante. A Figura 12 mostra especificamente que o gerador de modelo preditivo 210 ou gerador de mapa preditivo 212, ou ambos, podem estar localizados em uma localização de servidor 502 que é remoto da colheitadeira agrícola 600. Portanto, no exemplo mostrado na Figura 12, a colheitadeira agrícola 600 acessa os sistemas por meio da localização do servidor remoto 502.
[00165] A Figura 12 também descreve outro exemplo de uma arquitetura de servidor remoto. A Figura 12 mostra que alguns elementos da Figura 2 podem ser dispostos em uma localização de servidor remoto 502, enquanto outros podem estar localizados em outro 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 no local 502. Independentemente de em que os elementos estão localizados, eles podem ser acessados diretamente pela colheitadeira agrícola 600 por meio de uma rede como uma rede de área ampla ou uma rede de área local; os elementos podem ser hospedados em um site remoto por um serviço; ou os elementos podem ser fornecidos como um serviço ou acessados por um serviço de conexão que reside em uma localização remoto. Além disso, os dados podem ser armazenados em qualquer local e os dados armazenados podem ser acessados ou encaminhados para operadores, usuários ou sistemas. Por exemplo, portadores físicos podem ser usados em vez de, ou além de, portadores de ondas eletromagnéticas. Em alguns exemplos, em que a cobertura do serviço de telecomunicações sem fio é pobre ou inexistente, outra máquina, como um caminhão de combustível ou outra máquina ou veículo móvel, pode ter um sistema de coleta de informação automatizado, semiautomático ou manual. Como a colheitadeira 600 se aproxima da máquina que contém o sistema de coleta de informação, como um caminhão de combustível antes do abastecimento, o sistema de coleta de informação coleta a informação da colheitadeira 600 usando qualquer tipo de conexão sem fio ad-hoc. A informação coletada pode então ser encaminhada para outra rede quando a máquina que contém a informação recebida chega a uma localização em que a cobertura do serviço de telecomunicações sem fio ou outra cobertura sem fio está disponível. Por exemplo, um caminhão de combustível pode entrar em uma área com cobertura de comunicação sem fio ao se deslocar para uma localização para abastecer outras máquinas ou quando em uma localização de armazenamento de combustível principal. Todas essas arquiteturas são contempladas aqui. Além disso, 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 própria colheitadeira agrícola 600 pode enviar a informação para outra rede.
[00166] Também será notado que os elementos da Figura 2, ou porções dos mesmos, podem ser dispostos em uma ampla variedade de dispositivos diferentes. Um ou mais desses dispositivos podem incluir um computador de bordo, uma unidade de controle eletrônico, uma unidade de exibição, um servidor, um computador desktop, um laptop, um computador tablet ou outro dispositivo móvel, como um computador palm top, um telefone celular, um smartphone, um reprodutor multimídia, um assistente digital pessoal, etc.
[00167] Em alguns exemplos, a arquitetura de servidor remoto 500 pode incluir medidas de segurança cibernética. Sem limitação, essas medidas podem incluir criptografia de dados em dispositivos de armazenamento, criptografia de dados enviados entre nós de rede, autenticação de pessoas ou processos que acessam dados, bem como o uso de livros para registrar metadados, dados, transferências de dados, acessos de dados e transformações de dados. Em alguns exemplos, os registradores podem ser distribuídos e imutáveis (por exemplo, implementados como blockchain).
[00168] A Figura 13 é um diagrama de blocos simplificado de um exemplo ilustrativo de um dispositivo de computação portátil ou móvel que pode ser usado como um dispositivo portátil de usuário ou cliente 16, no qual o presente sistema (ou partes dele) pode ser implantado. Por exemplo, um dispositivo móvel pode ser implantado no compartimento de operador da colheitadeira agrícola 100 para uso na geração, processamento ou exibição dos mapas discutidos acima. A Figura 14-15 são exemplos de dispositivos portáteis ou móveis.
[00169] A Figura 13 fornece um diagrama de blocos geral dos componentes de um dispositivo cliente 16 que pode executar alguns componentes mostrados na Figura 2, que interage com eles, ou ambos. No dispositivo 16, um enlace de comunicação 13 é fornecido que permite que o dispositivo portátil se comunique com outros dispositivos de computação e, em alguns exemplos, fornece um canal para receber informação automaticamente, como por varredura. Exemplos de enlace de comunicação 13 incluem permitir a comunicação por meio de um ou mais protocolos de comunicação, como serviços sem fio usados para fornecer acesso celular a uma rede, bem como protocolos que fornecem conexões sem fio locais a redes.
[00170] Em outros exemplos, os aplicativos podem ser recebidos em um cartão Digital Seguro (SD) removível que está conectado a uma interface 15. A interface 15 e os enlaces de comunicação 13 se comunicam com um processador 17 (que também pode incorporar processadores ou servidores de outras Figuras.) Ao longo de um barramento 19 que também está conectado à memória 21 e aos componentes de entrada/saída (I/O) 23, bem como relógio 25 e sistema de localização 27.
[00171] Os componentes de E/S 23, em um exemplo, são fornecidos para facilitar as operações de entrada e saída. Os componentes de I/O 23 para vários exemplos do dispositivo 16 podem incluir componentes de entrada, como botões, sensores de toque, sensores ópticos, microfones, telas de toque, sensores de proximidade, acelerômetros, sensores de orientação e componentes de saída, como um dispositivo de exibição, um alto-falante, e ou uma porta de impressora. Outros componentes de E/S 23 também podem ser usados.
[00172] O relógio 25 compreende, de forma ilustrativa, um componente de relógio em tempo real que emite uma hora e uma data. Ele também pode, ilustrativamente, fornecer funções de temporização para o processador 17.
[00173] O sistema de localização 27 ilustrativamente inclui um componente que fornece 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 cálculo morto, um sistema de triangulação celular ou outro sistema de posicionamento. O sistema de localização 27 também pode incluir, por exemplo, software de mapeamento ou software de navegação que gera mapas desejados, rotas de navegação e outras funções geográficas.
[00174] A memória 21 armazena o sistema operacional 29, as definições de rede 31, os aplicativos 33, as definições de configuração de aplicativo 35, o armazenamento de dados 37, os drivers de comunicação 39 e as definições de configuração de comunicação 41. A memória 21 pode incluir todos os tipos de dispositivos de memória legíveis por computador tangíveis, voláteis e não voláteis. A memória 21 também pode incluir mídia de armazenamento de computador (descrita abaixo). A memória 21 armazena instruções legíveis por computador que, quando executadas pelo processador 17, fazem com que o processador execute etapas ou funções implementadas por computador de acordo com as instruções. O processador 17 pode ser ativado por outros componentes para facilitar sua funcionalidade também.
[00175] A Figura 14 mostra um exemplo em que o dispositivo 16 é um computador tablet 600. Na Figura 14, o computador 601 é mostrado com a tela de exibição de interface de usuário 602. A tela 602 pode ser uma tela de toque ou uma interface habilitada para caneta que recebe entradas de uma caneta ou stylus. O computador Tablet 600 também pode usar um teclado virtual na tela. Obviamente, o computador 601 também pode ser conectado a um teclado ou outro dispositivo de entrada do usuário por meio de um mecanismo de conexão adequado, como uma ligação sem fio ou porta USB, por exemplo. O computador 601 também pode receber entradas de voz de forma ilustrativa.
[00176] A Figura 15 é semelhante à Figura 14 exceto que o dispositivo é um smartphone 71. O smartphone 71 possui um visor sensível ao toque 73 que exibe ícones ou blocos ou outros mecanismos de entrada do usuário 75. Os mecanismos 75 podem ser usados por um usuário para executar aplicativos, fazer chamadas, realizar operações de transferência de dados, etc. Em geral, o smartphone 71 é construído em um sistema operacional móvel e oferece conectividade e capacidade de computação mais avançada do que um telefone convencional.
[00177] Observe que outras formas dos dispositivos 16 são possíveis.
[00178] A Figura 16 é um exemplo de um ambiente de computação no qual os elementos da Figura 2 podem ser implantados. Com referência à Figura 16, um sistema de exemplo para implementar algumas modalidades inclui um dispositivo de computação na forma de um computador 810 programado para operar conforme discutido acima. Os componentes do computador 810 podem incluir, porém sem limitação, uma unidade de processamento 820 (que pode compreender processadores ou servidores das Figuras anteriores), uma memória do sistema 830 e um barramento do sistema 821 que acopla vários componentes do sistema, incluindo a memória do sistema para a unidade de processamento 820. O barramento de sistema 821 pode ser qualquer um dos vários tipos de estruturas de barramento, incluindo um barramento de memória ou controlador de memória, um barramento periférico e um barramento local usando qualquer uma de uma variedade de arquiteturas de barramento. Memória e programas descritos em relação à Figura 2 pode ser implantado em porções correspondentes da Figura 16.
[00179] O computador 810 normalmente inclui uma variedade de mídias legíveis por computador. A mídia legível por computador pode ser qualquer mídia disponível que pode ser acessada pelo computador 810 e inclui mídia volátil e não volátil, mídia removível e não removível. A título de exemplo, e não como limitação, a mídia legível por computador pode compreender mídia de armazenamento de computador e mídia de comunicação. A mídia de armazenamento do computador é diferente e não inclui um sinal de dados modulado ou onda portadora. A mídia legível por computador inclui mídia de armazenamento de hardware incluindo mídia volátil e não volátil, removível e não removível implementada em qualquer método ou tecnologia para armazenamento de informação, como instruções legíveis por computador, estruturas de dados, módulos de programa ou outros dados. A mídia de armazenamento de computador inclui, mas não está limitada 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 magnético, ou qualquer outro meio que pode ser usado para armazenar a informação desejada e que pode ser acessado pelo computador 810. Os meios 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 meio de entrega de informação. O termo “sinal de dados modulado” significa um sinal que tem uma ou mais características definidas ou alteradas de tal maneira a codificar a informação no sinal.
[00180] A memória do sistema 830 inclui mídia de armazenamento de computador na forma de memória volátil e/ou não volátil ou ambas, como memória somente leitura (ROM) 831 e memória de acesso aleatório (RAM) 832. Um sistema básico de entrada/saída 833 (BIOS), contendo as rotinas básicas que ajudam a transferir informação entre os elementos dentro do computador 810, como durante a inicialização, é normalmente armazenado no ROM 831. RAM 832 normalmente contém dados ou módulos de programa ou ambos que são imediatamente acessíveis e/ou atualmente sendo operados pela unidade de processamento 820. A título de exemplo, e não como limitação, a Figura 16 ilustra o sistema operacional 834, programas de aplicativo 835, outros módulos de programa 836 e dados de programa 837.
[00181] O computador 810 também pode incluir outra mídia de armazenamento de computador removível/não removível volátil/não volátil. Como ilustrado a título de exemplo apenas na Figura 16 ilustra uma unidade de disco rígido 841 que lê ou grava em mídia magnética não removível e não volátil, uma unidade de disco óptico 855 e disco óptico não volátil 856. A unidade de disco rígido 841 é normalmente conectada ao barramento do sistema 821 por meio de uma interface de memória não removível, como a interface 840, e a unidade de disco óptico 855 é normalmente conectada ao barramento do sistema 821 por uma interface de memória removível, como a interface 850.
[00182] Alternativamente, ou além disso, a funcionalidade aqui descrita pode ser realizada, pelo menos em parte, por um ou mais componentes lógicos de hardware. Por exemplo, e sem limitação, os tipos ilustrativos de componentes lógicos de hardware que podem ser usados incluem Matrizes de Porta Programável em Campo (FPGAs), Circuitos integrados específicos de aplicativos (por exemplo, ASICs), produtos padrão específicos de aplicativos (por exemplo, ASSPs), sistemas de Sistema em um chip (SOCs), dispositivos lógicos programáveis complexos (CPLDs), etc.
[00183] As unidades e suas mídias de armazenamento de computador associadas discutidas acima e ilustradas na Figura 16, fornecem armazenamento de instruções legíveis por computador, estruturas de dados, módulos de programa e outros dados para o computador 810. Na Figura 16, por exemplo, a unidade de disco rígido 841 é ilustrada como armazenando o sistema operacional 844, programas de aplicativos 845, outros módulos de programa 846 e dados de programa 847. Observe que esses componentes podem ser iguais ou diferentes do sistema operacional 834, programas de aplicativos 835, outros módulos de programa 836 e dados de programa 837.
[00184] Um usuário pode inserir comandos e informação no computador 810 por meio de dispositivos de entrada, como um teclado 862, um microfone 863 e um dispositivo apontador 861, como um mouse, mouse de esfera ou dispositivo sensível ao toque. Outros dispositivos de entrada (não mostrados) podem incluir uma alavanca de direção, game pad, antena parabólica, scanner ou semelhantes. Estes 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. Um visor visual 891 ou outro tipo de dispositivo de exibição também é conectado ao barramento de sistema 821 por meio de uma interface, como uma interface de vídeo 890. Além do monitor, os computadores também podem incluir outros dispositivos de saída periféricos, como alto-falantes 897 e impressora 896, que podem ser conectados através de uma interface periférica de saída 895.
[00185] O computador 810 é operado em um ambiente de rede usando conexões lógicas (como uma rede de área de controlador - CAN, rede de área local - LAN ou WAN de rede de longa distância) para um ou mais computadores remotos, como um computador remoto 880.
[00186] Quando usado em um ambiente de rede LAN, o computador 810 é conectado à LAN 871 através de uma interface ou adaptador de rede 870. Quando usado em um ambiente de rede WAN, o computador 810 normalmente inclui um modem 872 ou outro meio para estabelecer comunicação pela WAN 873, como a Internet. Em um ambiente de rede, os módulos do programa podem ser armazenados em um dispositivo de armazenamento de memória remoto. A Figura 16 ilustra, por exemplo, que os programas de aplicativos remotos 885 podem residir no computador remoto 880.
[00187] Também deve ser notado que os diferentes exemplos descritos aqui podem ser combinados de maneiras diferentes. Ou seja, partes de um ou mais exemplos podem ser combinadas com partes de um ou mais outros exemplos. Tudo isso é contemplado aqui.
[00188] O exemplo 1 é uma máquina de trabalho agrícola que compreende: um sistema de comunicação que recebe um mapa de informação que inclui valores de uma primeira característica agrícola correspondente 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 correspondente à localização geográfica; 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 valor da segunda característica agrícola; um cilindro; e um sistema de controle que gera um sinal de controle para controlar o cilindro com base na posição geográfica da máquina de trabalho agrícola e com base nos valores preditivos da segunda característica agrícola no mapa agrícola preditivo funcional.
[00189] O exemplo 2 é a máquina de trabalho agrícola de qualquer ou todos os exemplos anteriores, em que o sistema de controle compreende: um controlador de coletor/cilindro que gera um sinal de controle de cilindro, com base na localização geográfica detectada e no mapa agrícola preditivo funcional, e controla o cilindro com base no sinal de controle de cilindro para controlar um cilindro da máquina de trabalho agrícola.
[00190] O exemplo 3 é a máquina de trabalho agrícola de qualquer ou todos os exemplos anteriores, em que o sistema de controle controla uma altura de cilindro do cilindro.
[00191] O exemplo 4 é a máquina de trabalho agrícola de qualquer ou todos os exemplos anteriores, em que o sistema de controle controla uma posição anterior-posterior do cilindro.
[00192] O exemplo 5 é a máquina de trabalho agrícola de qualquer ou todos os exemplos anteriores, em que o mapa de informação inclui valores do estado de safra como a primeira característica agrícola.
[00193] O exemplo 6 é a máquina de trabalho agrícola de qualquer ou todos os exemplos anteriores, em que o mapa de informação inclui valores de índice vegetativo como a primeira característica agrícola.
[00194] O exemplo 7 é a máquina de trabalho agrícola de qualquer ou todos os exemplos anteriores, em que o mapa de informação inclui valores de rendimento como a primeira característica agrícola.
[00195] O exemplo 8 é a máquina de trabalho agrícola de qualquer ou todos os exemplos anteriores, em que o sensor in situ detecta uma altura de vegetação como a segunda característica agrícola.
[00196] O exemplo 9 é a máquina de trabalho agrícola de qualquer ou todos os exemplos anteriores, em que o sensor in situ detecta um comando de operador de uma altura de cilindro como a segunda característica agrícola.
[00197] O exemplo 10 é a máquina de trabalho agrícola de qualquer ou todos os exemplos anteriores, em que o sensor in situ detecta um comando de operador de uma posição anterior-posterior do cilindro como a segunda característica agrícola.
[00198] O Exemplo 11 é um método implementado por computador para controlar uma máquina de trabalho agrícola que compreende obter um mapa de informação que inclui valores de uma primeira característica agrícola correspondente a diferentes localizações geográficas em um campo; detectar uma localização geográfica da máquina de trabalho agrícola; detectar, com um sensor in situ, um valor de uma segunda característica agrícola correspondente a uma localização geográfica; gerar um mapa agrícola preditivo funcional do campo que mapeia valores de controle preditivos para as diferentes localizações geográficas no campo com base nos valores da primeira característica agrícola no mapa de informação e com base no valor da segunda característica agrícola correspondente à localização geográfica; e controlar um cilindro com base na posição geográfica da máquina de trabalho agrícola e com base nos valores de controle no mapa agrícola preditivo funcional.
[00199] O exemplo 12 é o método implementado por computador de qualquer ou todos os exemplos anteriores, em que a detecção com um sensor in situ compreende a detecção de uma altura de vegetação como a segunda característica agrícola e em que a geração de um mapa agrícola preditivo funcional compreende a geração de um mapa de altura de vegetação preditiva funcional que mapeia valores de altura de vegetação preditiva como os valores de controle para as diferentes localizações geográficas no campo.
[00200] O exemplo 13 é o método implementado por computador de qualquer ou todos os exemplos anteriores, em que o controle de um subsistema controlável compreende: gerar um sinal de controle de cilindro com base na localização geográfica detectada e no mapa agrícola preditivo funcional; e controlar o subsistema controlável com base no sinal de controle do cilindro para controlar uma altura de cilindro.
[00201] O exemplo 14 é o método implementado por computador de qualquer ou todos os exemplos anteriores, em que o controle de um subsistema controlável compreende: gerar um sinal de controle de cilindro com base na localização geográfica detectada e no mapa agrícola preditivo funcional; e controlar o subsistema controlável com base no sinal de controle do cilindro para controlar uma posição anterior-posterior do cilindro.
[00202] O exemplo 15 é o método implementado por computador de qualquer ou todos os exemplos anteriores, em que a detecção, com um sensor in situ compreende a detecção de uma entrada de comando de operador indicativa de uma posição de cilindro comandada, como a segunda característica agrícola e em que a geração de um mapa agrícola preditivo funcional compreende gerar um mapa de posição de cilindro preditivo funcional que mapeia valores de posição de cilindro preditivos como os valores de controle para as diferentes localizações geográficas no campo.
[00203] O exemplo 16 é o método implementado por computador de qualquer ou todos os exemplos anteriores, em que a obtenção de mapa de informação compreende: obter, como o mapa de informação, um ou mais dos seguintes: um mapa de índice vegetativo, um mapa de estado de safra e um mapa de rendimento.
[00204] O exemplo 17 é o método implementado por computador de qualquer ou todos os exemplos anteriores, em que o controle de um subsistema controlável compreende: gerar um sinal de controle de cilindro com base na localização geográfica detectada e no mapa agrícola preditivo funcional; e controlar o subsistema controlável com base no sinal de controle do cilindro para controlar uma altura de cilindro.
[00205] O exemplo 18 é o método implementado por computador de qualquer ou todos os exemplos anteriores, em que o controle de um subsistema controlável compreende: gerar um sinal de controle de cilindro com base na localização geográfica detectada e no mapa agrícola preditivo funcional; e controlar o subsistema controlável com base no sinal de controle do cilindro para controlar uma posição anterior-posterior do cilindro.
[00206] O Exemplo 19 é uma máquina de trabalho agrícola que compreende: um sistema de comunicação que recebe um mapa de informação que inclui valores de uma primeira característica agrícola correspondente 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 correspondente à localização geográfica; um gerador de modelo preditivo que gera um modelo agrícola preditivo que modela uma relação entre a segunda característica agrícola e a primeira característica agrícola com base em um valor da primeira característica agrícola no mapa de informação na localização geográfica e um valor da segunda característica agrícola detectada pelo sensor in situ na localização geográfica; um gerador de mapas preditivos que gera um mapa preditivo agrícola funcional do campo, que mapeia valores de controle preditivos 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; um cilindro; e um sistema de controle que gera um sinal de controle para controlar o cilindro com base na posição geográfica da máquina de trabalho agrícola e com base nos valores de controle no mapa agrícola preditivo funcional.
[00207] O exemplo 20 é a máquina de trabalho agrícola de qualquer ou todos os exemplos anteriores, em que o sensor in situ detecta uma entrada de comando de operador indicativo de uma posição de cilindro comandado como a segunda característica agrícola.
[00208] Embora a matéria tenha sido descrita em linguagem específica para recursos estruturais ou ações metodológicas, deve ser entendido que a matéria definida nas reivindicações anexas não é necessariamente limitada aos recursos ou ações específicos descritos acima. Em vez disso, os recursos e ações específicos descritos acima são descritos como formas de exemplo das reivindicações.
Claims (15)
- Máquina de trabalho agrícola (100), caracterizada 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 correspondente a diferentes localizações geográficas em um campo; um sensor de posição geográfica (204) que detecta uma localização geográfica da máquina de trabalho agrícola; um sensor in situ (208) que detecta um valor de uma segunda característica agrícola correspondente à localização geográfica; 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 valor da segunda característica agrícola; um cilindro (164); e um sistema de controle (214) que gera um sinal de controle para controlar o cilindro (164) com base na posição geográfica da máquina de trabalho agrícola (100) e com base nos valores preditivos da segunda característica agrícola no mapa agrícola preditivo funcional.
- Máquina de trabalho agrícola de acordo com a reivindicação 1, caracterizada pelo fato de que o sistema de controle compreende: um controlador de coletor/cilindro que gera um sinal de controle de cilindro, com base na localização geográfica detectada e no mapa agrícola preditivo funcional, e controla o cilindro com base no sinal de controle de cilindro para controlar um cilindro da máquina de trabalho agrícola.
- Máquina de trabalho agrícola de acordo com a reivindicação 2, caracterizada pelo fato de que o sistema de controle controla uma altura de cilindro do cilindro.
- Máquina de trabalho agrícola de acordo com a reivindicação 2, caracterizada pelo fato de que o sistema de controle controla uma posição anterior-posterior do cilindro.
- Máquina de trabalho agrícola de acordo com a reivindicação 1, caracterizada pelo fato de que o mapa de informação inclui valores do estado de safra como a primeira característica agrícola.
- Máquina de trabalho agrícola de acordo com a reivindicação 1, caracterizada pelo fato de que o mapa de informação inclui valores de índice vegetativo como a primeira característica agrícola.
- Máquina de trabalho agrícola de acordo com a reivindicação 1, caracterizada pelo fato de que o mapa de informação inclui valores de rendimento como a primeira característica agrícola.
- Máquina de trabalho agrícola de acordo com a reivindicação 1, caracterizada pelo fato de que o sensor in situ detecta uma altura de vegetação como a segunda característica agrícola
- Máquina de trabalho agrícola de acordo com a reivindicação 1, caracterizada pelo fato de que o sensor in situ detecta um comando de operador de uma altura de cilindro como a segunda característica agrícola.
- Máquina de trabalho agrícola de acordo com a reivindicação 1, caracterizada pelo fato de que o sensor in situ detecta um comando de operador de uma posição anterior-posterior do cilindro como a segunda característica agrícola.
- Método implementado por computador para controlar uma máquina de trabalho agrícola (100), caracterizado pelo fato de que compreende: obter um mapa de informação (258) que inclui valores de uma primeira característica agrícola correspondente a diferentes localizações geográficas em um campo; detectar uma localização geográfica da máquina de trabalho agrícola (100); detectar, com um sensor in situ (208), um valor de uma segunda característica agrícola correspondente a uma localização geográfica; gerar um mapa agrícola preditivo funcional do campo que mapeia valores de controle preditivos para as diferentes localizações geográficas no campo com base nos valores da primeira característica agrícola no mapa de informação (258) e com base no valor da segunda característica agrícola correspondente à localização geográfica; e controlar um cilindro (164) com base na posição geográfica da máquina de trabalho agrícola (100) e com base nos valores de controle no mapa agrícola preditivo funcional.
- Método implementado por computador de acordo com a reivindicação 11, caracterizado pelo fato de que detectar com um sensor in situ compreende detectar uma altura de vegetação como a segunda característica agrícola e em que gerar um mapa agrícola preditivo funcional compreende gerar um mapa de altura de vegetação preditiva funcional que mapeia valores de altura de vegetação preditiva como os valores de controle para as diferentes localizações geográficas no campo.
- Método implementado por computador de acordo com a reivindicação 11, caracterizado pelo fato de que controlar um subsistema controlável compreende: gerar um sinal de controle de cilindro com base na localização geográfica detectada e no mapa agrícola preditivo funcional; e controlar o subsistema controlável com base no sinal de controle do cilindro para controlar uma altura de cilindro.
- Método implementado por computador de acordo com a reivindicação 11, caracterizado pelo fato de que controlar um subsistema controlável compreende: gerar um sinal de controle de cilindro com base na localização geográfica detectada e no mapa agrícola preditivo funcional; e controlar o subsistema controlável com base no sinal de controle do cilindro para controlar uma posição anterior-posterior do cilindro.
- Máquina de trabalho agrícola (100), caracterizada 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 correspondente a diferentes localizações geográficas em um campo; um sensor de posição geográfica (204) que detecta uma localização geográfica da máquina de trabalho agrícola; um sensor in situ (208) que detecta um valor de uma segunda característica agrícola correspondente à localização geográfica; um gerador de modelo preditivo (210) que gera um modelo agrícola preditivo que modela uma relação entre a segunda característica agrícola e a primeira característica agrícola com base em um valor da primeira característica agrícola no mapa de informação na localização geográfica e um valor da segunda característica agrícola detectada pelo sensor in situ (208) na localização geográfica; um gerador de mapas preditivos (212) que gera um mapa preditivo agrícola funcional do campo, que mapeia valores de controle preditivos 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; um cilindro (164); e um sistema de controle (214) que gera um sinal de controle para controlar o cilindro (164) com base na posição geográfica da máquina de trabalho agrícola (100) e com base nos valores de controle no mapa agrícola preditivo funcional.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/067,129 US11675354B2 (en) | 2020-10-09 | 2020-10-09 | Machine control using a predictive map |
US17/067,129 | 2020-10-09 |
Publications (1)
Publication Number | Publication Date |
---|---|
BR102021017177A2 true BR102021017177A2 (pt) | 2022-11-29 |
Family
ID=81045439
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
BR102021017177-4A BR102021017177A2 (pt) | 2020-10-09 | 2021-08-30 | Máquina de trabalho agrícola, e, método implementado por computador para controlar uma máquina de trabalho agrícola |
Country Status (3)
Country | Link |
---|---|
US (2) | US11675354B2 (pt) |
CN (1) | CN114303609A (pt) |
BR (1) | BR102021017177A2 (pt) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3476188B1 (en) * | 2017-10-30 | 2022-05-04 | Kverneland Group Les Landes Genusson | Method and system for determining and storing surface conditions for a field |
US11845449B2 (en) * | 2020-10-09 | 2023-12-19 | Deere & Company | Map generation and control system |
Family Cites Families (965)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE441597C (de) | 1927-03-05 | Paul Frenzel | Vorrichtung fuer Grasmaehmaschinen, um diese zum Maehen des Kartoffelkrautes geeignet zu machen | |
FI5533A (fi) | 1913-11-06 | Williamstown Glass Company | Anordningar vid glasbearbetningsmaskiner och sätt att tillverka buteljer med sådana | |
DE504035C (de) | 1930-07-31 | Hermann Lindstaedt | Kartoffelerntemaschine mit an das Schar anschliessendem Foerderwerk und hinter diesem angeordnetem Ablegerost | |
DE152380C (de) | 1897-07-11 | 1904-06-09 | Bauer & Co | Verfahren zur Darstellung von Casein- und anderen Eiweisspräparaten |
GB901081A (en) | 1958-07-31 | 1962-07-11 | Dunn Engineering Associates In | Improvements in apparatus for punching jacquard cards |
US3568157A (en) | 1963-12-31 | 1971-03-02 | Bell Telephone Labor Inc | Program controlled data processing system |
US3599543A (en) | 1964-12-02 | 1971-08-17 | Stothert & Pitt Ltd | Vibratory machines |
FR1451480A (fr) | 1965-07-20 | 1966-01-07 | France Etat | Procédé et appareil de mesure du tassement du sol sous les remblais et ouvrages d'art |
US3580257A (en) | 1969-12-24 | 1971-05-25 | Earl E Teague | Weed seed collector for a thresher combine |
DE2018219C3 (de) | 1970-04-16 | 1979-02-22 | Losenhausen Maschinenbau Ag, 4000 Duesseldorf | Vorrichtung zur Erzeugung eines Anzeige- oder Steuersignals für den Fahrantrieb eines dynamischen Bodenverdichters |
CH569747A5 (pt) | 1972-08-25 | 1975-11-28 | Ciba Geigy Ag | |
DE2354828A1 (de) | 1973-11-02 | 1975-05-15 | Held & Francke Bau Ag | Verfahren zum verdichten des bodens und vorrichtung zur durchfuehrung dieses verfahrens |
CH618682A5 (pt) | 1975-11-07 | 1980-08-15 | Ciba Geigy Ag | |
DE2646143A1 (de) | 1976-10-13 | 1978-04-20 | Bayer Ag | 4,5-dichlor-imidazol-1-carbonsaeure- arylester, verfahren zu ihrer herstellung sowie ihre verwendung als pflanzenschutzmittel |
US4166735A (en) | 1977-01-21 | 1979-09-04 | Shell Oil Company | Cycloalkanecarboxanilide derivative herbicides |
EP0000351A1 (de) | 1977-07-07 | 1979-01-24 | Ciba-Geigy Ag | Phenoxy-phenylthio-alkancarbonsäurederivate, Verfahren zu deren Herstellung und deren Verwendung als Herbizide und als Pflanzenwachstumsregulierungsmittel |
SU834514A1 (ru) | 1978-11-04 | 1981-05-30 | Smolyanitskij Leonid A | Способ контрол качества уплотнени гРуНТА |
SU887717A1 (ru) | 1979-09-18 | 1981-12-07 | Новосибирский филиал Всесоюзного научно-исследовательского института транспортного строительства | Устройство дл контрол качества уплотнени грунта |
US4360677A (en) | 1979-09-20 | 1982-11-23 | Uniroyal, Inc. | Herbicidal 2-(alpha-chloromethylsulfonyl) pyridine-1-oxides |
US4268679A (en) | 1980-02-19 | 1981-05-19 | Ppg Industries, Inc. | 3-[5- or 3-Substituted-5- or 3-isoxazolyl]-1-allyl or alkyl-4-substituted-5-substituted or unsubstituted-2-imidazolidinones |
EP0042245B1 (en) | 1980-06-14 | 1984-11-28 | Claydon Yield-O-Meter Limited | Crop metering device for combine harvesters |
SU1052940A1 (ru) | 1980-09-02 | 1983-11-07 | Войсковая часть 70170 | Способ измерени фильтрационных характеристик несв занных грунтов |
AU544099B2 (en) | 1980-12-15 | 1985-05-16 | Sumitomo Chemical Company, Limited | Triazolylpentenols |
DOP1981004033A (es) | 1980-12-23 | 1990-12-29 | Ciba Geigy Ag | Procedimiento para proteger plantas de cultivo de la accion fitotoxica de herbicidas. |
FR2509135A1 (fr) | 1981-07-10 | 1983-01-14 | Ugine Kuhlmann | Compositions herbicides a base de derives d'amino-4 chloro-6 alkylthio-5 pyrimidine et de derives de la dinitro-2,6 aniline et procede de traitement des cultures a l'aide desdites compositions |
US4566901A (en) | 1982-05-06 | 1986-01-28 | Ciba-Geigy Corporation | Novel oxime ethers, the preparation thereof, compositions containing them and the use thereof |
US4527241A (en) | 1982-08-30 | 1985-07-02 | Sperry Corporation | Automatic combine harvester adjustment system |
EP0126713B1 (de) | 1983-05-18 | 1989-01-18 | Ciba-Geigy Ag | Cyclohexandion-carbonsäurederivate mit herbizider und das Pflanzenwachstum regulierender Wirkung |
SU1134669A1 (ru) | 1983-09-30 | 1985-01-15 | Всесоюзный научно-исследовательский институт транспортного строительства | Устройство дл непрерывного контрол степени уплотнени грунта |
US4687505A (en) | 1983-11-02 | 1987-08-18 | Sylling Truman V | Method for desalination and rehabilitation of irrigated soil |
ATE62104T1 (de) | 1984-04-11 | 1991-04-15 | Ciba Geigy Ag | Verfahren zur selektiven unkrautbekaempfung in nutzpflanzenkulturen. |
JPH0243845B2 (ja) | 1984-05-30 | 1990-10-01 | Shimizu Construction Co Ltd | Tsuchinogenbamitsudosokuteihohooyobisonosochi |
CS248318B1 (en) | 1984-12-21 | 1987-02-12 | Josef Hula | Device for soil compactness measuring |
CS247426B1 (cs) | 1984-12-21 | 1986-12-18 | Josef Hula | Zařízení pro mdření ulehlosti půdy |
GB2178934A (en) | 1985-03-22 | 1987-02-25 | Massey Ferguson Mfg | Agricultural husbandry |
US5250690A (en) | 1985-05-02 | 1993-10-05 | Dowelanco | Haloalkoxy anilide derivatives of 2-4(-heterocyclic oxyphenoxy)alkanoic or alkenoic acids and their use as herbicides |
US4857101A (en) | 1985-12-06 | 1989-08-15 | Rohm And Haas Company | Method of selectively controlling weeds in crops of cereals |
US5246915A (en) | 1986-06-20 | 1993-09-21 | Janssen Pharmaceutica N.V. | Method for controlling weeds |
SU1526588A1 (ru) | 1987-05-29 | 1989-12-07 | Всесоюзный научно-исследовательский институт по применению полимерных материалов в мелиорации и водном хозяйстве | Устройство дл измерени степени уплотнени почв |
JP2523324B2 (ja) | 1987-06-09 | 1996-08-07 | 建設省土木研究所長 | 地盤の締固め程度の測定方法 |
SU1540053A1 (ru) | 1987-06-16 | 1991-01-15 | Головное специализированное конструкторское бюро по комплексам зерноуборочных машин Производственного объединения "Ростсельмаш" | Способ управлени технологическим процессом уборочной машины |
DE3728669A1 (de) | 1987-08-27 | 1989-03-16 | Arcus Elektrotech | Messsonde zur messung der bodenverdichtung |
BR6800140U (pt) | 1988-01-22 | 1989-09-12 | Adalberto Wilke | Aplicador de herbicida com protetores para culturas em fase inicial de desenvolvimento |
EP0355049A3 (en) | 1988-08-18 | 1990-06-13 | Zeneca Limited | Heterocyclic compounds |
JP2671143B2 (ja) | 1989-01-25 | 1997-10-29 | 株式会社光電製作所 | 土の締固め測定装置 |
JP2767266B2 (ja) | 1989-02-15 | 1998-06-18 | ヤンマー農機株式会社 | 収穫機 |
US5089043A (en) | 1989-11-09 | 1992-02-18 | Shionogi & Co., Ltd. | Heterocyclic oxy-phenoxyacetic acid derivatives and their use as herbicides |
SU1761864A1 (ru) | 1990-03-27 | 1992-09-15 | Московский Автомобильно-Дорожный Институт | Способ контрол степени уплотнени грунтов |
RU1791767C (ru) | 1990-06-12 | 1993-01-30 | Усть-Каменогорский Строительно-Дорожный Институт | Прибор дл определени физико-механических свойств грунтов при уплотнении |
US5059154A (en) | 1990-10-19 | 1991-10-22 | The Board Of Trustees Of The University Of Arkansas | Grain cleaner and destructor of foreign matter in harvesting crops |
GB9108199D0 (en) | 1991-04-17 | 1991-06-05 | Rhone Poulenc Agriculture | New compositions of matter |
EP0532146B1 (en) | 1991-09-11 | 1998-08-19 | E.I. Du Pont De Nemours And Company | Herbicidal substituted bicyclic triazoles |
US5246164A (en) | 1991-12-16 | 1993-09-21 | Mccann Ian R | Method and apparatus for variable application of irrigation water and chemicals |
US5477459A (en) | 1992-03-06 | 1995-12-19 | Clegg; Philip M. | Real time three-dimensional machine locating system |
PT639050E (pt) | 1992-05-06 | 2001-06-29 | Novartis Ag | Composicao sinergistica e processo para controlo selectivo de ervas daninhas |
US5300477A (en) | 1992-07-17 | 1994-04-05 | Rohm And Haas Company | 2-arylpyrimidines and herbicidal use thereof |
US5296702A (en) | 1992-07-28 | 1994-03-22 | Patchen California | Structure and method for differentiating one object from another object |
US5585626A (en) | 1992-07-28 | 1996-12-17 | Patchen, Inc. | Apparatus and method for determining a distance to an object in a field for the controlled release of chemicals on plants, weeds, trees or soil and/or guidance of farm vehicles |
AU658066B2 (en) | 1992-09-10 | 1995-03-30 | Deere & Company | Neural network based control system |
JP3359702B2 (ja) | 1993-06-28 | 2002-12-24 | 株式会社前川製作所 | 異種植物検出方法と該検出方法を用いた雑草駆除方法 |
EP0779201A2 (en) * | 1993-06-28 | 1997-06-18 | New Holland Belgium N.V. | Utility vehicle |
US5592606A (en) | 1993-07-30 | 1997-01-07 | Myers; Allen | Method and apparatus for storage and display of hierarchally organized data |
CA2179648C (en) | 1993-12-22 | 2005-03-22 | Clyde James Barnes, Iii | Herbicidal diphenyl ether and nitrogen solution compositions and method |
US5995859A (en) | 1994-02-14 | 1999-11-30 | Nihon Kohden Corporation | Method and apparatus for accurately measuring the saturated oxygen in arterial blood by substantially eliminating noise from the measurement signal |
US5767373A (en) | 1994-06-16 | 1998-06-16 | Novartis Finance Corporation | Manipulation of protoporphyrinogen oxidase enzyme activity in eukaryotic organisms |
US5606821A (en) | 1994-07-25 | 1997-03-04 | Loral Corporation | Smart weed recognition/classification system |
DE4431824C1 (de) | 1994-09-07 | 1996-05-02 | Claas Ohg | Mähdrescherbetrieb mit Betriebsdatenkataster |
DE69609362T2 (de) | 1995-01-25 | 2000-12-07 | Agco Ltd | Erntemaschine |
GB9504345D0 (en) | 1995-03-03 | 1995-04-19 | Compaction Tech Soil Ltd | Method and apparatus for monitoring soil compaction |
DE19509496C2 (de) | 1995-03-16 | 1998-07-09 | Claas Ohg | Selbstfahrender Mähdrescher |
DE19514223B4 (de) | 1995-04-15 | 2005-06-23 | Claas Kgaa Mbh | Verfahren zur Einsatzoptimierung von Landmaschinen |
DE19528663A1 (de) | 1995-08-04 | 1997-02-06 | Univ Hohenheim | Verfahren zur Einstellung einer mobilen Arbeitsmaschine |
CN1198713A (zh) | 1995-09-29 | 1998-11-11 | 英格索尔-兰德公司 | 一种土壤压实机及其牵引控制系统 |
US5991694A (en) | 1995-11-13 | 1999-11-23 | Caterpillar Inc. | Method and apparatus for determining the location of seedlings during agricultural production |
US5721679A (en) | 1995-12-18 | 1998-02-24 | Ag-Chem Equipment Co., Inc. | Heads-up display apparatus for computer-controlled agricultural product application equipment |
EP0877921B1 (en) | 1996-02-01 | 2005-06-15 | BBNT Solutions LLC | Measurement of shear modulus of soil |
PL178299B1 (pl) | 1996-02-13 | 2000-04-28 | Jan Liszkowski | Sposób renowacji wałów przeciwpowodziowych |
ES2116215B1 (es) | 1996-02-22 | 1999-02-16 | Zuniga Escobar Orlando | Electrosonda para medir el contenido de humedad del suelo y la compactacion del mismo, metodo de medida correspondiente y utilizacion de dicha electrosonda. |
US7032689B2 (en) | 1996-03-25 | 2006-04-25 | Halliburton Energy Services, Inc. | Method and system for predicting performance of a drilling system of a given formation |
DE29607846U1 (de) | 1996-04-30 | 1996-07-25 | Neuhaus Neotec Maschinen Und A | Vorrichtung zum Dosieren von Mahlkaffee in Kaffeeverpackungen |
DE19629618A1 (de) | 1996-07-23 | 1998-01-29 | Claas Ohg | Routenplanungssystem für landwirtschaftliche Arbeitsfahrzeuge |
US5771169A (en) | 1996-08-29 | 1998-06-23 | Case Corporation | Site-specific harvest statistics analyzer |
DE59702110D1 (de) | 1996-10-21 | 2000-09-07 | Ammann Verdichtung Ag Langenth | Verfahren zur messung mechanischer daten eines bodens sowie zu dessen verdichtung und mess- bzw. bodenverdichtungsvorrichtung |
US5789741A (en) | 1996-10-31 | 1998-08-04 | Patchen, Inc. | Detecting plants in a field by detecting a change in slope in a reflectance characteristic |
DE19647523A1 (de) | 1996-11-16 | 1998-05-20 | Claas Ohg | Landwirtschaftliches Nutzfahrzeug mit einem in seiner Lage und/oder Ausrichtung gegenüber dem Fahrzeug verstellbar angeordneten Bearbeitungsgerät |
US6029106A (en) | 1996-11-22 | 2000-02-22 | Case Corporation | Global position correction for the electronic display of field maps |
US5902343A (en) | 1996-11-22 | 1999-05-11 | Case Corporation | Automatic scaling of GPS field maps |
US5978723A (en) | 1996-11-22 | 1999-11-02 | Case Corporation | Automatic identification of field boundaries in a site-specific farming system |
US5974348A (en) | 1996-12-13 | 1999-10-26 | Rocks; James K. | System and method for performing mobile robotic work operations |
JPH10191762A (ja) | 1997-01-13 | 1998-07-28 | Yanmar Agricult Equip Co Ltd | コンバインの動力制御装置 |
US5841282A (en) | 1997-02-10 | 1998-11-24 | Christy; Colin | Device for measuring soil conductivity |
DE19705842A1 (de) | 1997-02-15 | 1998-08-20 | Same Deutz Fahr Spa | Ernteverfahren |
DE19706614A1 (de) | 1997-02-20 | 1998-08-27 | Claas Ohg | Situationsbezogene programmgesteuerte elektronische Kartenbilddarstellung in einem Kraftfahrzeug |
US5809440A (en) | 1997-02-27 | 1998-09-15 | Patchen, Inc. | Agricultural implement having multiple agents for mapping fields |
US5995894A (en) | 1997-05-27 | 1999-11-30 | Case Corporation | System for analyzing spatially-variable harvest data by pass |
JP3013036B2 (ja) | 1997-06-04 | 2000-02-28 | ヤンマー農機株式会社 | コンバイン |
US5991687A (en) | 1997-07-02 | 1999-11-23 | Case Corporation | System and method for communicating information related to a geographical area |
US5899950A (en) | 1997-07-07 | 1999-05-04 | Case Corporation | Sequential command repeater system for off-road vehicles |
US5878821A (en) | 1997-07-08 | 1999-03-09 | Flenker; Kevin P. | Tillage implement with on-the-go angle and depth controlled discs |
US5995895A (en) | 1997-07-15 | 1999-11-30 | Case Corporation | Control of vehicular systems in response to anticipated conditions predicted using predetermined geo-referenced maps |
GB9716251D0 (en) | 1997-08-01 | 1997-10-08 | Philips Electronics Nv | Attribute interpolation in 3d graphics |
PT1005593E (pt) | 1997-08-20 | 2004-12-31 | Roxbury Ltd | Tratamento do solo |
DE19740346A1 (de) | 1997-09-13 | 1999-03-18 | Claas Selbstfahr Erntemasch | Selbstfahrende Arbeitsmaschine |
US6178253B1 (en) | 1997-10-10 | 2001-01-23 | Case Corporation | Method of determining and treating the health of a crop |
DE19800238C1 (de) | 1998-01-07 | 1999-08-26 | Claas Selbstfahr Erntemasch | System zur Einstellung einer selbstfahrenden Erntemaschine |
US6041582A (en) | 1998-02-20 | 2000-03-28 | Case Corporation | System for recording soil conditions |
GB9811177D0 (en) | 1998-05-26 | 1998-07-22 | Ford New Holland Nv | Methods for generating field maps |
DE19828355C2 (de) | 1998-06-25 | 2000-09-07 | Lausitzer Und Mitteldeutsche B | Pneumatisch-Dynamische-Sonde und Verfahren zur Erkundung und Beurteilung kollabiler, nichtbindiger Böden |
US6199000B1 (en) | 1998-07-15 | 2001-03-06 | Trimble Navigation Limited | Methods and apparatus for precision agriculture operations utilizing real time kinematic global positioning system systems |
US6141614A (en) | 1998-07-16 | 2000-10-31 | Caterpillar Inc. | Computer-aided farming system and method |
US6016713A (en) | 1998-07-29 | 2000-01-25 | Case Corporation | Soil sampling "on the fly" |
DE19836659A1 (de) | 1998-08-13 | 2000-02-17 | Hoechst Schering Agrevo Gmbh | Herbizide Mittel für tolerante oder resistente Baumwollkulturen |
US6327569B1 (en) | 1998-10-15 | 2001-12-04 | Milestone Technology, Inc. | System and methods for real time linkage between harvest environment and marketplace |
US6272819B1 (en) | 1998-11-17 | 2001-08-14 | Case Corporation | Sugar cane yield monitor |
US6216071B1 (en) | 1998-12-16 | 2001-04-10 | Caterpillar Inc. | Apparatus and method for monitoring and coordinating the harvesting and transporting operations of an agricultural crop by multiple agricultural machines on a field |
US6380745B1 (en) | 1999-03-17 | 2002-04-30 | Dennis M. Anderson | Electrical geophysical apparatus for determining the density of porous materials and establishing geo-electric constants of porous material |
US6205381B1 (en) | 1999-03-26 | 2001-03-20 | Caterpillar Inc. | Method and apparatus for providing autoguidance for multiple agricultural machines |
US6119442A (en) | 1999-05-14 | 2000-09-19 | Case Corporation | Combine setting autoadjust with machine vision |
GB2350275B (en) | 1999-05-25 | 2003-12-24 | Agco Ltd | Improvements in yield mapping |
US6374173B1 (en) | 1999-05-28 | 2002-04-16 | Freightliner Llc | Terrain adaptive cruise control |
US6188942B1 (en) | 1999-06-04 | 2001-02-13 | Caterpillar Inc. | Method and apparatus for determining the performance of a compaction machine based on energy transfer |
JP3460224B2 (ja) | 1999-06-09 | 2003-10-27 | 株式会社大林組 | 盛土転圧管理システム |
US6236924B1 (en) | 1999-06-21 | 2001-05-22 | Caterpillar Inc. | System and method for planning the operations of an agricultural machine in a field |
US6119531A (en) | 1999-08-03 | 2000-09-19 | Case Corporation | Crop sampling system |
JP2001057809A (ja) | 1999-08-20 | 2001-03-06 | Yanmar Agricult Equip Co Ltd | 農作業機におけるエラー信号の記憶制御装置 |
US6505146B1 (en) | 1999-09-24 | 2003-01-07 | Monsanto Company | Method and system for spatial evaluation of field and crop performance |
CA2283767C (en) | 1999-09-27 | 2007-06-19 | Monsanto Company | Method and system for spatial evaluation of field crop perfomance |
DK1369039T3 (da) | 1999-10-14 | 2005-03-29 | Basf Ag | Synergistiske herbicide fremgangsmåder |
AU2001227586A1 (en) | 2000-01-14 | 2001-07-24 | Ag-Chem Equipment Company, Inc. | Application report and method for creating the same |
CA2330979A1 (en) | 2000-02-10 | 2001-08-10 | L. Gregory Alster | Method and apparatus for controlling harvesting of trees |
DE10023443A1 (de) | 2000-05-12 | 2001-11-15 | Deere & Co | Fördervorrichtung |
FI114171B (fi) | 2000-05-12 | 2004-08-31 | Antti Paakkinen | Menetelmä ja laite maamassojen ja muiden niiden kaltaisten massojen tiivistysominaisuuksien mittaamiseksi |
GT200100103A (es) | 2000-06-09 | 2002-02-21 | Nuevos herbicidas | |
US6460008B1 (en) | 2000-07-19 | 2002-10-01 | Ivan E. Hardt | Yield monitoring system for grain harvesting combine |
US6735568B1 (en) | 2000-08-10 | 2004-05-11 | Eharmony.Com | Method and system for identifying people who are likely to have a successful relationship |
US6522948B1 (en) | 2000-08-14 | 2003-02-18 | Flexi-Coil Ltd. | Agricultural product application tracking and control |
SE520299C2 (sv) | 2000-08-23 | 2003-06-24 | Bengt Soervik | Förfarande och system för hantering av virkesbitar |
US6539102B1 (en) | 2000-09-01 | 2003-03-25 | Large Scale Proteomics | Reference database |
US6591145B1 (en) | 2000-09-21 | 2003-07-08 | Bechtel Bwxt Idaho, Llc | Systems and methods for autonomously controlling agricultural machinery |
DE10050224A1 (de) | 2000-10-11 | 2002-04-25 | Volkswagen Ag | Verfahren und Einrichtung zum Überwachen und/oder Steuern von beweglichen Objekten |
DE10053446B4 (de) | 2000-10-27 | 2006-03-02 | Wacker Construction Equipment Ag | Lenkbare Vibrationsplatte und fahrbares Vibrationsplattensystem |
CN2451633Y (zh) | 2000-11-23 | 2001-10-03 | 鹤壁市公路管理总段第二工程处 | 公路灰土基层压实度测定取样机 |
FR2817344B1 (fr) | 2000-11-28 | 2003-05-09 | Sol Solution | Penetrometre dynamique a energie variable |
JP2002186348A (ja) | 2000-12-20 | 2002-07-02 | Yanmar Agricult Equip Co Ltd | 穀物貯蔵施設への穀物運搬システム |
DE10064862A1 (de) | 2000-12-23 | 2002-07-11 | Claas Selbstfahr Erntemasch | Vorrichtung und Verfahren zur Koordination und Einstellung von landwirtschaftlichen Fahrzeugen |
US6682416B2 (en) | 2000-12-23 | 2004-01-27 | Claas Selbstfahrende Erntemaschinen Gmbh | Automatic adjustment of a transfer device on an agricultural harvesting machine |
DE10064861A1 (de) | 2000-12-23 | 2002-06-27 | Claas Selbstfahr Erntemasch | Vorrichtung und Verfahren zur automatischen Steuerung einer Überladeeinrichtung an landwirtschaftlichen Erntemaschinen |
GB2372105B (en) | 2001-02-13 | 2004-10-27 | Agco Ltd | Improvements in Mapping Techniques |
DE60118518T2 (de) | 2001-03-08 | 2006-12-14 | Deere & Company, Moline | Mittel zur Messung der Schnittbreite von Erntegut |
DE10120173B4 (de) | 2001-04-24 | 2006-02-23 | Gebr. Pöttinger GmbH | Verfahren und Vorrichtung zum Betreiben von Landmaschinen |
DE10129135B4 (de) | 2001-06-16 | 2013-10-24 | Deere & Company | Einrichtung zur Positionsbestimmung eines landwirtschaftlichen Arbeitsfahrzeugs sowie ein landwirtschaftliches Arbeitsfahrzeug mit dieser |
DE10129133A1 (de) | 2001-06-16 | 2002-12-19 | Deere & Co | Einrichtung zur selbsttätigen Lenkung eines landwirtschaftlichen Arbeitsfahrzeugs |
US6549849B2 (en) | 2001-06-25 | 2003-04-15 | Trimble Navigation Ltd. | Guidance pattern allowing for access paths |
DE10130665A1 (de) | 2001-06-28 | 2003-01-23 | Deere & Co | Vorrichtung zur Messung der Menge von auf einem Feld stehenden Pflanzen |
DE10133191A1 (de) | 2001-07-07 | 2003-01-16 | Deere & Co | Landwirtschaftliche Bestellkombination |
DE10134141A1 (de) | 2001-07-13 | 2003-02-06 | Deere & Co | Verteilvorrichtung für aus einer Erntemaschine austretendes Häckselgut |
US6553300B2 (en) | 2001-07-16 | 2003-04-22 | Deere & Company | Harvester with intelligent hybrid control system |
US6591591B2 (en) | 2001-07-30 | 2003-07-15 | Deere & Company | Harvester speed control with header position input |
US6834550B2 (en) | 2001-09-10 | 2004-12-28 | The Regents Of The University Of California | Soil profile force measurement using an instrumented tine |
US6592453B2 (en) | 2001-09-27 | 2003-07-15 | Deere & Company | Harvester feedrate control with tilt compensation |
US6741921B2 (en) | 2001-10-05 | 2004-05-25 | Caterpillar Inc | Multi-stage truck assignment system and method |
US6655351B2 (en) | 2001-10-24 | 2003-12-02 | Deere & Company | Vehicle engine control |
US7034666B2 (en) | 2002-02-20 | 2006-04-25 | Scott William Knutson | Device used to aid in the loading and unloading of vehicles and implements |
US6943824B2 (en) | 2002-03-13 | 2005-09-13 | Deere & Company | Image processing spout control system |
US7761334B2 (en) | 2002-03-20 | 2010-07-20 | Deere & Company | Method and system for automated tracing of an agricultural product |
US6726559B2 (en) | 2002-05-14 | 2004-04-27 | Deere & Company | Harvester with control system considering operator feedback |
NL1020804C2 (nl) | 2002-06-06 | 2003-12-09 | Lely Entpr Ag | Werkwijze en systeem voor het uitvoeren van ten minste twee landbouwbewerkingen op een landbouwperceel. |
NL1020792C2 (nl) | 2002-06-06 | 2003-12-09 | Lely Entpr Ag | Landbouwmachine voor het uitvoeren van een landbouwbewerking. |
US7062368B2 (en) | 2002-06-11 | 2006-06-13 | Cnh America Llc | Combine having a system estimator to automatically estimate and dynamically change a target control parameter in a control algorithm |
DE10230474A1 (de) | 2002-07-06 | 2004-01-15 | Deere & Company, Moline | Einrichtung zur Dokumentierung des Betriebs eines Zusatzgeräts für eine Arbeitsmaschine |
US6681551B1 (en) | 2002-07-11 | 2004-01-27 | Deere & Co. | Programmable function control for combine |
GB0217297D0 (en) | 2002-07-26 | 2002-09-04 | Cnh Belgium Nv | Methods of optimising stochastic processing parameters in crop harvesting machines |
US7103451B2 (en) | 2002-08-19 | 2006-09-05 | Intime, Inc. | Method and system for spatially variable rate application of agricultural chemicals based on remotely sensed vegetation data |
DE10240219A1 (de) | 2002-08-28 | 2004-03-11 | Claas Selbstfahrende Erntemaschinen Gmbh | Vorrichtung zur Steuerung einer Überladeeinrichtung |
US6687616B1 (en) | 2002-09-09 | 2004-02-03 | Pioneer Hi-Bred International, Inc. | Post-harvest non-containerized reporting system |
US20040073468A1 (en) | 2002-10-10 | 2004-04-15 | Caterpillar Inc. | System and method of managing a fleet of machines |
EP1410715A1 (en) | 2002-10-19 | 2004-04-21 | Bayer CropScience GmbH | Combinations of aryloxyphenoxypropionates and safeners and their use for increasing weed control |
DE10303516A1 (de) | 2003-01-30 | 2004-08-12 | Amazonen-Werke H. Dreyer Gmbh & Co. Kg | Vorrichtung zum Bearbeiten und/oder Bestellen von landwirtschaftlichen Flächen |
US6999877B1 (en) | 2003-01-31 | 2006-02-14 | Deere & Company | Method and system of evaluating performance of a crop |
US7047133B1 (en) | 2003-01-31 | 2006-05-16 | Deere & Company | Method and system of evaluating performance of a crop |
WO2004083531A2 (en) | 2003-03-13 | 2004-09-30 | Burton James D | Soil sampler apparatus and method |
DE10314573A1 (de) | 2003-03-31 | 2004-10-28 | Henkel Kgaa | Verfahren zum rechnergestützten Regeln einer Mehrzahl von in Serie miteinander gekoppelten Maschinen, Regelungseinrichtung und Maschinen-Anordnung |
US6907336B2 (en) | 2003-03-31 | 2005-06-14 | Deere & Company | Method and system for efficiently traversing an area with a work vehicle |
IL156478A0 (en) | 2003-06-17 | 2004-07-25 | Odf Optronics Ltd | Compact rotating observation assembly with a separate receiving and display unit |
WO2005012866A2 (en) | 2003-07-30 | 2005-02-10 | Bbnt Solutions Llc | Soil compaction measurement on moving platform |
DE10342922A1 (de) | 2003-09-15 | 2005-05-19 | Claas Selbstfahrende Erntemaschinen Gmbh | Häcksel- und Verteilvorrichtung |
EP1516961B1 (de) | 2003-09-19 | 2013-12-25 | Ammann Aufbereitung AG | Verfahren zur Ermittlung einer Bodensteifigkeit und Bodenverdichtungsvorrichtung |
US7408145B2 (en) | 2003-09-23 | 2008-08-05 | Kyle Holland | Light sensing instrument with modulated polychromatic source |
AU2004303492A1 (en) | 2003-12-19 | 2005-07-07 | Basf Aktiengesellschaft | Benzoyl-substituted phenylalanine amides |
US8407157B2 (en) | 2003-12-22 | 2013-03-26 | Deere & Company | Locating harvested material within a work area |
US7191062B2 (en) | 2003-12-22 | 2007-03-13 | Caterpillar Inc | Method and system of forecasting compaction performance |
US20050150202A1 (en) | 2004-01-08 | 2005-07-14 | Iowa State University Research Foundation, Inc. | Apparatus and method for monitoring and controlling an agricultural harvesting machine to enhance the economic harvesting performance thereof |
JP2005227233A (ja) | 2004-02-16 | 2005-08-25 | Taisei Corp | 地盤密度の測定システム |
DE102004011789A1 (de) | 2004-03-09 | 2005-09-29 | Claas Selbstfahrende Erntemaschinen Gmbh | Vorrichtung zum Erfassen eines Ladewagens |
EA010185B1 (ru) | 2004-03-27 | 2008-06-30 | Байер Кропсайенс Гмбх | Применение сульфонилмочевин в качестве гербицидов |
DE102004025135B4 (de) | 2004-05-17 | 2006-04-20 | Pt-Poly-Tec Gmbh Vertrieb Und Herstellung Von Dichtsystemen | Verfahren und Anordnung zur Leckagevorwarnung und Bauteilpositionierungsanzeige bei Muffenverbindungen |
US20070199903A1 (en) | 2004-05-18 | 2007-08-30 | Denney Larry W | System For Removing Solids From Aqueous Solutions |
US20050283314A1 (en) | 2004-06-10 | 2005-12-22 | Pioneer Hi-Bred International, Inc. | Apparatus, method and system of information gathering and use |
US7261632B2 (en) | 2004-06-21 | 2007-08-28 | Deere & Company | Self-propelled harvesting machine |
DE102004031211A1 (de) | 2004-06-28 | 2006-02-09 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren und Vorrichtung zur Steuerung einer landwirtschaftlichen Arbeitsmaschine |
DE102004034799A1 (de) | 2004-07-19 | 2006-03-16 | Claas Selbstfahrende Erntemaschinen Gmbh | Kommunikationssystem für mobile und stationäre Einrichtungen |
DE102004039460B3 (de) | 2004-08-14 | 2006-04-20 | Deere & Company, Moline | System zur Bestimmung der relativen Position eines zweiten landwirtschaftlichen Fahrzeugs in Bezug auf ein erstes landwirtschaftliches Fahrzeug |
US7703036B2 (en) | 2004-08-16 | 2010-04-20 | Microsoft Corporation | User interface for displaying selectable software functionality controls that are relevant to a selected object |
US7398137B2 (en) | 2004-08-25 | 2008-07-08 | Caterpillar Inc. | System and method for remotely controlling machine operations using mapping information |
DE102004043169A1 (de) | 2004-09-03 | 2006-03-09 | Claas Selbstfahrende Erntemaschinen Gmbh | Elektronisches Datenaustauschsystem |
DE202004015141U1 (de) | 2004-09-27 | 2004-12-09 | Weber Maschinentechnik Gmbh | Bodenverdichter |
DE102004052298A1 (de) | 2004-10-06 | 2006-06-08 | Claas Selbstfahrende Erntemaschinen Gmbh | Überladeassistenzsystem |
US7211994B1 (en) | 2004-10-12 | 2007-05-01 | Federal Network Systems Inc. | Lightning and electro-magnetic pulse location and detection for the discovery of land line location |
US7248968B2 (en) | 2004-10-29 | 2007-07-24 | Deere & Company | Obstacle detection using stereo vision |
DE102004061439A1 (de) | 2004-12-17 | 2006-07-13 | Claas Selbstfahrende Erntemaschinen Gmbh | Datengenerierungs- und -übertragungssystem in landwirtschaftlichen Arbeitsmaschinen |
JP2006166871A (ja) | 2004-12-20 | 2006-06-29 | Iseki & Co Ltd | 収穫作業機制御用のコンバイン制御装置 |
DE102004063104A1 (de) | 2004-12-22 | 2006-07-13 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliche Arbeitsmaschine |
DE102005000771A1 (de) | 2005-01-05 | 2006-08-24 | Langlott, Jürgen | Verfahren zur Steuerung einer selbstfahrenden Erntemaschine |
DE102005000770B3 (de) | 2005-01-05 | 2006-07-20 | Langlott, Jürgen | Verfahren zur Steuerung der Arbeitsorgane und der Fahrgeschwindigkeit eines Mähdreschers |
US7194965B2 (en) | 2005-01-06 | 2007-03-27 | Deere & Company | Variety locator |
RU2005102554A (ru) | 2005-02-02 | 2006-07-10 | Дальневосточный научно-исследовательский и проектно-технологический институт механизации и электрификации сельского хоз йства (ГНУ ДальНИПТИМЭСХ) (RU) | Способ оценки уплотненности полей |
DE102005008105A1 (de) | 2005-02-21 | 2006-08-31 | Amazonen-Werke H. Dreyer Gmbh & Co. Kg | Elektronisches Maschinen-Management-System |
US20060200334A1 (en) | 2005-03-07 | 2006-09-07 | Deere & Company, A Delaware Corporation | Method of predicting suitability for a soil engaging operation |
US7167797B2 (en) | 2005-03-07 | 2007-01-23 | Deere & Company | Method of predicting suitability for a crop harvesting operation |
US7167800B2 (en) | 2005-04-12 | 2007-01-23 | Deere & Company | Method of optimizing remote sensing operation timing |
HU3056U (en) | 2005-04-29 | 2006-03-28 | G & G Noevenyvedelmi Es Keresk | Construction for making weed map |
DE102005025318A1 (de) | 2005-06-02 | 2006-12-14 | Deere & Company, Moline | Landwirtschaftliche Erntemaschine mit einer Austrageinrichtung und einem Kollisionssensor |
BRPI0502658A (pt) | 2005-06-28 | 2007-02-13 | Unicamp | sistema e processo de monitoramento de peso em esteiras de transporte de produtos com taliscas |
DE102005031426A1 (de) | 2005-07-04 | 2007-01-18 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren und Vorrichtung zur Optimierung von Betriebsparametern einer landwirtschaftlichen Arbeitsmaschine |
US20070021948A1 (en) | 2005-07-21 | 2007-01-25 | Anderson Noel W | Variable rate prescription generation using heterogenous prescription sources with learned weighting factors |
DE102005038553A1 (de) | 2005-08-12 | 2007-02-22 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zum Überladen von Erntegut |
DE102005043991A1 (de) | 2005-09-14 | 2007-08-09 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Einstellung eines Arbeitsaggregats einer Erntemaschine |
CN100416590C (zh) | 2005-09-23 | 2008-09-03 | 中国农业机械化科学研究院 | 利用位置和纹理特征自动识别作物苗期田间杂草的方法 |
US7302837B2 (en) | 2005-09-27 | 2007-12-04 | Cnh America Llc | Tire inflation system for use with an agricultural implement |
US7945364B2 (en) | 2005-09-30 | 2011-05-17 | Caterpillar Inc. | Service for improving haulage efficiency |
US7725233B2 (en) | 2005-10-25 | 2010-05-25 | Deere & Company | Crop attribute map input for vehicle guidance |
US7827042B2 (en) | 2005-11-30 | 2010-11-02 | The Invention Science Fund I, Inc | Methods and systems related to transmission of nutraceutical associated information |
DE102005059003A1 (de) | 2005-12-08 | 2008-03-27 | Claas Selbstfahrende Erntemaschinen Gmbh | Routenplanungssystem für landwirtschaftliche Arbeitsmaschinen |
ES2311322B1 (es) | 2005-12-16 | 2009-11-30 | Consejo Superior Investigaciones Cientificas | Procedimiento para la discriminacion y mapeo de los rodales de malas hierbas gramineas en cultivos de cereales mediante teledeteccion. |
AU2006328589A1 (en) | 2005-12-22 | 2007-06-28 | Basf Se | Pestcidal compositions |
US20070185749A1 (en) | 2006-02-07 | 2007-08-09 | Anderson Noel W | Method for tracking hand-harvested orchard crops |
US7318010B2 (en) | 2006-02-07 | 2008-01-08 | Deere & Company | Method of regulating wireless sensor network energy use |
US20080276590A1 (en) | 2006-02-10 | 2008-11-13 | Agco Corporation | Flexible draper and cutter bar with tilt arm for cutterbar drive |
US20070208510A1 (en) | 2006-03-02 | 2007-09-06 | Deere & Company, A Delaware Corporation | Method of identifying and localizing drainage tile problems |
DE102006015203A1 (de) | 2006-03-30 | 2007-11-15 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Steuerung von landwirtschaftlichen Maschinensystemen |
DE102006015204A1 (de) | 2006-03-30 | 2007-10-18 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Erstellung eines Routenplans für landwirtschaftliche Maschinensysteme |
US20070239337A1 (en) | 2006-04-10 | 2007-10-11 | Deere & Company, A Delaware Corporation | System and method of optimizing ground engaging operations in multiple-fields |
US7347168B2 (en) | 2006-05-15 | 2008-03-25 | Freightliner Llc | Predictive auxiliary load management (PALM) control apparatus and method |
DE102006026572A1 (de) | 2006-06-06 | 2007-12-13 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren und Vorrichtung zur Anzeige von Fahrzeugbewegungen |
US7313478B1 (en) | 2006-06-08 | 2007-12-25 | Deere & Company | Method for determining field readiness using soil moisture modeling |
DE102006028909A1 (de) | 2006-06-21 | 2007-12-27 | Claas Selbstfahrende Erntemaschinen Gmbh | Kommunikationsnetz und Betriebsverfahren dafür |
MXGT06000012A (es) | 2006-08-01 | 2008-01-31 | Univ Guanajuato | Dispositivo para medir y mapear la compactacion del suelo, acoplable a tractor agricola. |
US20080030320A1 (en) | 2006-08-03 | 2008-02-07 | Deere & Company, A Delaware Corporation | Agricultural lift with data gathering capability |
DE102006045280A1 (de) | 2006-09-22 | 2008-04-03 | Claas Selbstfahrende Erntemaschinen Gmbh | Vorrichtung und Verfahren zur Koordination eines Maschinenparks |
CZ17266U1 (cs) | 2006-11-09 | 2007-02-15 | Šarec@Ondrej | Zařízení pro měření utužení půdy - penetrometr |
US7628059B1 (en) | 2006-11-22 | 2009-12-08 | The Toro Company | Mobile turf instrument apparatus having driven, periodically insertable, ground penetrating probe assembly |
US20080140431A1 (en) | 2006-12-07 | 2008-06-12 | Noel Wayne Anderson | Method of performing an agricultural work operation using real time prescription adjustment |
EP1938686A1 (de) | 2006-12-29 | 2008-07-02 | Bayer CropScience AG | Substituierte 1-(3-Pyridinyl)pyrazol-4-yl-essigsäuren, Verfahren zu deren Herstellung und deren Verwendung als Herbizide und Pflanzenwachstumsregulatoren |
US9615501B2 (en) | 2007-01-18 | 2017-04-11 | Deere & Company | Controlling the position of an agricultural implement coupled to an agricultural vehicle based upon three-dimensional topography data |
CN101236188B (zh) | 2007-01-31 | 2011-04-13 | 北京林业大学 | 土壤水分无线测量装置 |
DE102007016670A1 (de) | 2007-04-04 | 2008-10-09 | Claas Selbstfahrende Erntemaschinen Gmbh | Selbstfahrende landwirtschaftliche Erntemaschine mit steuerbarer Überladeeinrichtung |
WO2008124596A1 (en) | 2007-04-05 | 2008-10-16 | Iowa State University Research Foundation, Inc. | Combination residue spreader and collector for single pass harvesting systems |
DE102007018743A1 (de) | 2007-04-22 | 2008-10-23 | Bomag Gmbh | Verfahren und System zur Steuerung von Verdichtungsmaschinen |
US7487024B2 (en) | 2007-04-26 | 2009-02-03 | Cnh America Llc | Apparatus and method for automatically setting operating parameters for a remotely adjustable spreader of an agricultural harvesting machine |
EP1987718A1 (de) | 2007-04-30 | 2008-11-05 | Bayer CropScience AG | Verwendung von Pyridin-2-oxy-3-carbonamiden als Safener |
US8010261B2 (en) | 2007-05-23 | 2011-08-30 | Cnh America Llc | Automatic steering correction of an agricultural harvester using integration of harvester header row sensors and harvester auto guidance system |
TW200904331A (en) | 2007-06-15 | 2009-02-01 | Bayer Cropscience Sa | Pesticidal composition comprising a strigolactone derivative and an insecticide compound |
TW200904330A (en) | 2007-06-15 | 2009-02-01 | Bayer Cropscience Sa | Pesticidal composition comprising a strigolactone derivative and a fungicide compound |
FR2901291B1 (fr) | 2007-07-06 | 2020-10-09 | Soc Du Canal De Provence Et Damenagement De La Region Provencale | Dispositif pour mesurer le tassement du sol soutenant une construction |
DE102007032309A1 (de) | 2007-07-11 | 2009-01-15 | Deere & Company, Moline | Bedienvorrichtung |
EP2020174B1 (en) | 2007-08-03 | 2012-02-29 | AGROCOM GmbH & Co. Agrarsystem KG | Agricultural working machine |
EP2573074B1 (en) | 2007-08-13 | 2014-07-23 | Dow AgroSciences LLC | 2-(2-fluoro-substituted phenyl)-6-amino-5-chloro-4- pyrimidinecarboxylates and their use as herbicides |
US8073235B2 (en) | 2007-08-13 | 2011-12-06 | Pioneer Hi-Bred International, Inc. | Method and system for digital image analysis of ear traits |
GB0717986D0 (en) | 2007-09-14 | 2007-10-24 | Cnh Belgium Nv | A method and apparatus for detecting errors in electronically processed images |
ES2627674T3 (es) | 2007-09-26 | 2017-07-31 | Precision Planting Llc | Sistema y método para determinar una fuerza hacia abajo apropiada para una unidad de hilera de sembradora |
US8060283B2 (en) | 2007-10-15 | 2011-11-15 | Deere & Company | Method and system for controlling the loading of a container associated with a vehicle |
EP2052616A1 (de) | 2007-10-24 | 2009-04-29 | Bayer CropScience AG | Herbizid-Safener-Kombination |
EP2052604A1 (de) | 2007-10-24 | 2009-04-29 | Bayer CropScience AG | Salz des 2-lodo-N-[(4-methoxy-6-methyl-1,3,5-triazin-2-yl)carbamoyl] benzolsulfonamids,Verfahren zu deren Herstellung, sowie deren Verwendung als Herbizide und Pflanzenwachstumregulatoren |
DE102007053912A1 (de) | 2007-11-09 | 2009-05-14 | Claas Selbstfahrende Erntemaschinen Gmbh | Überladeassistenzsystem |
US8024074B2 (en) | 2007-12-07 | 2011-09-20 | Deere & Company | System and method of managing substances in a plant root zone |
US8924030B2 (en) | 2008-01-24 | 2014-12-30 | Cnh Industrial America Llc | Method and apparatus for optimization of agricultural field operations using weather, product and environmental information |
US8190335B2 (en) | 2008-02-04 | 2012-05-29 | Caterpillar Inc. | Performance management system for multi-machine worksite |
AU2009214835B2 (en) | 2008-02-13 | 2014-04-10 | Grains Research And Development Corporation | Weed and volunteer crop seed destruction |
US20090216410A1 (en) | 2008-02-26 | 2009-08-27 | William Edward Allen | Automated machine management system with destination selection |
DE102008015277A1 (de) | 2008-03-20 | 2009-09-24 | Deere & Company, Moline | Verfahren und Vorrichtung zur Lenkung einer zweiten landwirtschaftlichen Maschine, die relativ zu einer ersten landwirtschaftlichen Maschine über ein Feld lenkbar ist |
US20090259483A1 (en) | 2008-04-11 | 2009-10-15 | Larry Lee Hendrickson | Method for making a land management decision based on processed elevational data |
US8060269B2 (en) | 2008-04-16 | 2011-11-15 | Cnh America Llc | Swath line creation including slope compensation for an automatic guidance system of a work vehicle |
DE102008020494A1 (de) | 2008-04-23 | 2009-10-29 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zum Koordinieren von fahrbaren landwirtschaftlichen Maschinen |
DE102008021785A1 (de) | 2008-04-30 | 2009-11-05 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren und Vorrichtung zum Koordinieren eines Bearbeitungsvorgangs von landwirtschaftlicher Fläche |
CN201218789Y (zh) | 2008-05-09 | 2009-04-08 | 昆明理工大学 | 一种手持式定压土壤压实度测量装置 |
CA2629555A1 (en) | 2008-05-14 | 2009-11-14 | Gerard Voon | Related/overlapping innovations in health/energy/transport/farming and infrastructure |
DE102008002006A1 (de) | 2008-05-27 | 2009-12-03 | Deere & Company, Moline | Steueranordnung zur Kontrolle des Überladens landwirtschaftlichen Ernteguts von einer Erntemaschine auf ein Transportfahrzeug |
DE102008027282A1 (de) | 2008-06-06 | 2009-12-10 | Claas Industrietechnik Gmbh | Landwirtschaftliches Fahrzeug und Betriebsverfahren dafür |
US8175775B2 (en) | 2008-06-11 | 2012-05-08 | Cnh America Llc | System and method employing short range communications for establishing performance parameters of an exemplar agricultural machine among a plurality of like-purpose agricultural machines |
DE102008027906A1 (de) | 2008-06-12 | 2009-12-17 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliche Erntemaschine |
US8147176B2 (en) | 2008-06-17 | 2012-04-03 | Deere & Company | Work machine and unloading system for unloading an agricultural product from a work machine |
ES2332567B1 (es) | 2008-06-27 | 2011-02-10 | Consejo Superior Investigacion | Procedimiento automatico para seccionar imagenes remotas y caracterizar indicadores agronomicos y ambientales en las mismas |
US8032255B2 (en) | 2008-06-30 | 2011-10-04 | Deere & Company | Monitoring of bin level for an agricultural product |
CN101303338B (zh) | 2008-07-01 | 2011-10-05 | 中国农业大学 | 一种车载行进式土壤坚实度传感器 |
WO2010003421A1 (en) | 2008-07-08 | 2010-01-14 | Aarhus Universitet | Method for optimizing harvesting of crops |
DE102008032418A1 (de) | 2008-07-10 | 2010-01-14 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftlicher Maschinenverband |
BRPI0802384B1 (pt) | 2008-07-23 | 2019-04-30 | Roberto Shiniti Sako | Penetrômetro portátil para análise de compactação de solo |
KR100974892B1 (ko) | 2008-08-01 | 2010-08-11 | 한국철도기술연구원 | 지반의 다짐 품질 측정 방법 |
US9152938B2 (en) | 2008-08-11 | 2015-10-06 | Farmlink Llc | Agricultural machine and operator performance information systems and related methods |
US8280595B2 (en) | 2008-08-12 | 2012-10-02 | Cnh America Llc | System and method employing short range communications for communicating and exchanging operational and logistical status information among a plurality of agricultural machines |
US8195342B2 (en) | 2008-09-11 | 2012-06-05 | Deere & Company | Distributed knowledge base for vehicular localization and work-site management |
US8818567B2 (en) | 2008-09-11 | 2014-08-26 | Deere & Company | High integrity perception for machine localization and safeguarding |
US8224500B2 (en) | 2008-09-11 | 2012-07-17 | Deere & Company | Distributed knowledge base program for vehicular localization and work-site management |
US8195358B2 (en) | 2008-09-11 | 2012-06-05 | Deere & Company | Multi-vehicle high integrity perception |
US9235214B2 (en) | 2008-09-11 | 2016-01-12 | Deere & Company | Distributed knowledge base method for vehicular localization and work-site management |
US8478493B2 (en) | 2008-09-11 | 2013-07-02 | Deere & Company | High integrity perception program |
US8145393B2 (en) | 2008-09-17 | 2012-03-27 | Cnh America Llc | System and method employing short range communications for interactively coordinating unloading operations between a harvester and a grain transport |
GB0817172D0 (en) | 2008-09-19 | 2008-10-29 | Cnh Belgium Nv | Control system for an agricultural harvesting machine |
CN101363833B (zh) | 2008-09-25 | 2012-02-22 | 中国科学院地质与地球物理研究所 | 一种土体击实排水模型试验装置 |
DE102008050460A1 (de) | 2008-10-08 | 2010-04-15 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Einsatzsteuerung von landwirtschaftlichen Maschinen |
US8639408B2 (en) | 2008-10-15 | 2014-01-28 | Deere & Company | High integrity coordination system for multiple off-road vehicles |
DE102008056557A1 (de) | 2008-11-10 | 2010-05-12 | Claas Selbstfahrende Erntemaschinen Gmbh | Erstellung von Bilddatenbanken für Bildauswertung |
DE102008061252A1 (de) | 2008-11-24 | 2010-05-27 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Unterstützung der Automatisierung landwirtschaftlicher Leistungen |
EP2191719A1 (de) | 2008-11-29 | 2010-06-02 | Bayer CropScience AG | Herbizid-Safener-Kombination |
KR101067576B1 (ko) | 2008-12-03 | 2011-09-27 | 한국수자원공사 | 성토재료의 다짐특성 실내 측정방법 및 장치 |
US8577537B2 (en) | 2008-12-16 | 2013-11-05 | Agco Corporation | Methods and systems for optimizing performance of vehicle guidance systems |
EP2210879A1 (de) | 2008-12-30 | 2010-07-28 | Bayer CropScience AG | Pyrimidinderivate und ihre Verwendung zur Bekämpfung unerwünschten Pflanzenwachstums |
DE102009009817A1 (de) | 2009-02-20 | 2010-08-26 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliches Arbeitsfahrzeug und Steuereinheit dafür |
DE102009009767A1 (de) | 2009-02-20 | 2010-08-26 | Claas Selbstfahrende Erntemaschinen Gmbh | Fahrerassistenzsystem für landwirtschaftliche Arbeitsmaschine |
CN101929166B (zh) | 2009-04-14 | 2012-08-08 | 洛阳路为电子科技有限公司 | 便携式土基密实度测量仪 |
US9538714B2 (en) | 2009-04-21 | 2017-01-10 | Deere & Company | Managing resource prescriptions of botanical plants |
US8321365B2 (en) | 2009-04-21 | 2012-11-27 | Deere & Company | Horticultural knowledge base for managing yards and gardens |
US7993188B2 (en) | 2009-06-09 | 2011-08-09 | Deere & Company | Variable rate diverter for a crop residue collecting device carried by a combine harvester |
DE102009025438A1 (de) | 2009-06-16 | 2011-01-05 | Claas Selbstfahrende Erntemaschinen Gmbh | Routenplanungsverfahren und -system |
US20100319941A1 (en) | 2009-06-22 | 2010-12-23 | Agco Corp. | Trenching Device And System |
DE102009027245A1 (de) | 2009-06-26 | 2010-12-30 | Deere & Company, Moline | Steueranordnung zur Kontrolle des Überladens landwirtschaftlichen Ernteguts von einer Erntemaschine auf ein Transportfahrzeug |
KR20110018582A (ko) | 2009-08-18 | 2011-02-24 | 진성기 | 약액형 및 분말형 고화제를 이용한 고화 흙벽돌 및 블록 제작 방법 |
PL2311307T3 (pl) | 2009-09-07 | 2012-09-28 | Claas E Systems Gmbh | Wskaźnik stopnia napełnienia, pojazd rolniczy zawierający taki wskaźnik oraz sposób kontroli napełniania obszaru docelowego |
DE102009041646A1 (de) | 2009-09-17 | 2011-03-24 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliche Maschine mit Autopilot |
US20110224873A1 (en) | 2009-09-17 | 2011-09-15 | Reeve David R | Vehicle assembly controller with automaton framework and control method |
AU2010224431A1 (en) | 2009-09-29 | 2011-04-14 | Riteway Holdings Australia Pty Ltd | An apparatus to be used in conjunction with a grain harvester for collecting weeds, weed seeds, chaff and so forth |
US9345194B2 (en) | 2009-09-30 | 2016-05-24 | Cnh Industrial America Llc | Automatic display of remote camera image |
CZ20252U1 (cs) | 2009-10-06 | 2009-11-16 | Šarec@Petr | Přístroj pro měření utužení půdy s laserovým snímáním hloubky - laserový penetrometr |
US8082809B2 (en) | 2009-10-08 | 2011-12-27 | Pioneer Hi-Bred International, Inc. | Combine harvester and associated method for selectively gathering grain test data |
US8344897B2 (en) | 2009-10-12 | 2013-01-01 | Agco Corporation | System and method for assisting in the refilling of agricultural vehicles |
KR101134075B1 (ko) | 2009-10-13 | 2012-04-13 | 한국건설기술연구원 | 지반다짐장비의 이동에 따른 지반의 연속 다짐정보 제공장치 및 이를 이용한 지반의 연속 다짐정보 제공방법 |
US8521372B2 (en) | 2010-05-28 | 2013-08-27 | Agjunction Llc | System and method for collecting and processing agricultural field data |
US8738238B2 (en) | 2009-11-12 | 2014-05-27 | Deere & Company | Coordination of vehicle movement in a field |
EP2503867B1 (en) | 2009-11-25 | 2018-04-25 | Aarhus Universitet | System for reducing compaction of soil |
US8635903B2 (en) | 2009-12-22 | 2014-01-28 | Caterpillar Paving Products Inc. | Method and system for compaction measurement |
US20110160961A1 (en) | 2009-12-29 | 2011-06-30 | Agco Corporation | Guidance using a worked edge for wayline generation |
DE102010004648A1 (de) | 2010-01-13 | 2011-07-14 | CLAAS Selbstfahrende Erntemaschinen GmbH, 33428 | Erntemaschine, insbesondere Feldhäcksler |
CN102656531A (zh) | 2010-01-15 | 2012-09-05 | 莱卡地球系统公开股份有限公司 | 数据共享的系统和方法 |
CN102138383A (zh) | 2010-01-28 | 2011-08-03 | 中国农业机械化科学研究院 | 一种联合收割机谷物损失空间分布的测量方法及其装置 |
EP2353353A1 (en) | 2010-02-05 | 2011-08-10 | Flander's Mechatronics Technology Centre v.z.w. | In use adaptation of schedule for multi-vehicle ground processing operations |
RU2421744C1 (ru) | 2010-02-15 | 2011-06-20 | Открытое акционерное общество "Научно-исследовательский институт приборостроения имени В.В. Тихомирова" | Компактный полигон для измерения характеристик различных антенных систем |
US10537061B2 (en) | 2010-02-26 | 2020-01-21 | Cnh Industrial America Llc | System and method for controlling harvest operations |
JP5522785B2 (ja) | 2010-03-19 | 2014-06-18 | 株式会社日立ソリューションズ | 農作業車両運行管理システム |
JP2011205967A (ja) | 2010-03-30 | 2011-10-20 | Takayuki Nishida | 水田における雑草の発生防止用ロボット |
US20110257850A1 (en) | 2010-04-14 | 2011-10-20 | Reeve David R | Vehicle assembly control system and method for composing or decomposing a task |
US8527157B2 (en) | 2010-04-28 | 2013-09-03 | Deere & Company | Agricultural combine and draper header |
US8463510B2 (en) | 2010-04-30 | 2013-06-11 | Cnh America Llc | GPS controlled residue spread width |
CN101839906B (zh) | 2010-05-10 | 2013-10-09 | 吉林大学 | 一种具有耐磨几何结构表面的锥形触土部件 |
CA135611S (en) | 2010-05-19 | 2011-05-05 | Rhonda Genest | Weed removing and grooming garden hand tool |
US8380401B2 (en) | 2010-06-09 | 2013-02-19 | Cnh America Llc | Automatic grain transfer control system based on real time modeling of a fill level profile for regions of the receiving container |
DE102010017687A1 (de) | 2010-07-01 | 2012-01-05 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Einstellung zumindest eines Arbeitsorganes einer selbstfahrenden Erntemaschine |
BE1019422A3 (nl) * | 2010-07-14 | 2012-07-03 | Cnh Belgium Nv | Werkwijze en toestel voor voorspellende sturing van een landbouwvoertuigsysteem. |
DE102010038661B4 (de) | 2010-07-29 | 2020-07-02 | Deere & Company | Erntemaschine mit einem an einem Fluggerät befestigten Sensor |
US8544397B2 (en) | 2010-09-15 | 2013-10-01 | Dawn Equipment Company | Row unit for agricultural implement |
DE102010053331A1 (de) | 2010-09-28 | 2012-03-29 | Lacos Computerservice Gmbh | Verfahren und Navigationsvorrichtung zur Optimierung des Transportes landwirtschaftlicher Produkte |
US9043129B2 (en) | 2010-10-05 | 2015-05-26 | Deere & Company | Method for governing a speed of an autonomous vehicle |
US9072227B2 (en) | 2010-10-08 | 2015-07-07 | Deere & Company | System and method for improvement of harvest with crop storage in grain bags |
US8789563B2 (en) | 2010-10-12 | 2014-07-29 | Deere & Company | Intelligent grain bag loader |
US8677724B2 (en) | 2010-10-25 | 2014-03-25 | Deere & Company | Round baler for baling crop residue |
US8596194B2 (en) | 2010-10-28 | 2013-12-03 | Deere & Company | Method and apparatus for determining fraction of hay at different moisture levels |
DE102010043854B4 (de) | 2010-11-12 | 2016-01-14 | Deere & Company | Steueranordnung zur Kontrolle des Überladens landwirtschaftlichen Ernteguts von einer Erntemaschine auf ein Transportfahrzeug |
DE102010052713A1 (de) | 2010-11-26 | 2012-05-31 | Bomag Gmbh | Verfahrbare Vorrichtung zur Verdichtung eines Bodenschichtaufbaus und Verfahren zur Ermittlung eines Schicht-E-Moduls einer obersten Schicht dieses Bodenschichtaufbaus |
GB2492954A (en) | 2010-12-06 | 2013-01-23 | Agco Corp | A system for automatic agricultural reporting |
RU2447640C1 (ru) | 2010-12-08 | 2012-04-20 | Василий Васильевич Ефанов | Способ управления технологическим процессом уборочной машины и система для его осуществления |
CN102080373B (zh) | 2010-12-09 | 2012-07-04 | 西安建筑科技大学 | 用ddc桩和桩基础联合处理黄土地基湿陷性的施工方法 |
AU2011353515B2 (en) | 2011-01-04 | 2015-11-05 | Climate Llc | Methods for generating soil maps and application prescriptions |
ITTO20110133A1 (it) | 2011-02-16 | 2012-08-17 | Cnh Italia Spa | Sistema di comunicazione senza fili per veicoli agricoli |
US9002591B2 (en) | 2011-02-18 | 2015-04-07 | Cnh Industrial America Llc | Harvester spout control system and method |
US8655505B2 (en) | 2011-02-18 | 2014-02-18 | Caterpillar Inc. | Worksite management system implementing remote machine reconfiguration |
US8463460B2 (en) | 2011-02-18 | 2013-06-11 | Caterpillar Inc. | Worksite management system implementing anticipatory machine control |
WO2012110544A1 (en) | 2011-02-18 | 2012-08-23 | Cnh Belgium N.V. | Harvester spout control system and method |
AU2011359328B2 (en) | 2011-02-18 | 2015-06-11 | Cnh Industrial America Llc | System and method for trajectory control of a transport vehicle used with a harvester |
US8606454B2 (en) | 2011-02-18 | 2013-12-10 | Cnh America Llc | System and method for synchronized control of a harvester and transport vehicle |
US8577561B2 (en) | 2011-03-08 | 2013-11-05 | Deere & Company | Control system and method of operating a product distribution machine |
US9631964B2 (en) | 2011-03-11 | 2017-04-25 | Intelligent Agricultural Solutions, Llc | Acoustic material flow sensor |
DE102011005400B4 (de) | 2011-03-11 | 2015-05-28 | Deere & Company | Anordnung und Verfahren zur Abschätzung des Füllgrades beim Überladen landwirtschaftlichen Ernteguts von einer Erntemaschine auf ein Transportfahrzeug |
US9629308B2 (en) | 2011-03-11 | 2017-04-25 | Intelligent Agricultural Solutions, Llc | Harvesting machine capable of automatic adjustment |
US10318138B2 (en) | 2011-03-11 | 2019-06-11 | Intelligent Agricultural Solutions Llc | Harvesting machine capable of automatic adjustment |
US9043096B2 (en) | 2011-03-31 | 2015-05-26 | Ag Leader Technology | Combine bin level monitoring system |
DE102011001858A1 (de) | 2011-04-07 | 2012-10-11 | Claas Selbstfahrende Erntemaschinen Gmbh | Vorrichtung und Verfahren zur Überwachung der Befahrbarkeit eines Bodens |
DE102011016743A1 (de) | 2011-04-12 | 2012-10-18 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliches Transportfahrzeug und Fahrzeugverbund |
DE102011002071A1 (de) | 2011-04-15 | 2012-10-18 | Claas Selbstfahrende Erntemaschinen Gmbh | System und Verfahren zur Steuerung der Erntegutüberladung |
DE102011007511A1 (de) | 2011-04-15 | 2012-10-18 | Deere & Company | Verfahren zur Einstellung einer Reinigungseinrichtung eines Mähdreschers und Reinigungseinrichtung |
CN102277867B (zh) | 2011-05-13 | 2013-10-09 | 西安建筑科技大学 | 一种湿陷性黄土地基的施工方法 |
CN202110103U (zh) | 2011-05-14 | 2012-01-11 | 长沙亚星数控技术有限公司 | 电液伺服车载式混填土压实度快速测定系统 |
DE102011050474A1 (de) | 2011-05-19 | 2012-11-22 | Amazonen-Werke H. Dreyer Gmbh & Co.Kg | Landwirtschaftliches Gerät |
DE102011050629A1 (de) | 2011-05-25 | 2012-11-29 | Claas Selbstfahrende Erntemaschinen Gmbh | Erntevorrichtung |
EP2529610A1 (en) | 2011-05-30 | 2012-12-05 | Agri-Esprit SAS | Method for harvest monitoring |
CN202119772U (zh) | 2011-06-01 | 2012-01-18 | 王新勇 | 一种车载土基密实度在线测量仪 |
EP2718671B1 (en) | 2011-06-13 | 2018-02-21 | The Climate Corporation | Method for creating prescription maps and plots |
US20130022430A1 (en) | 2011-07-20 | 2013-01-24 | Anderson Noel W | Material transfer system |
US20130019580A1 (en) | 2011-07-20 | 2013-01-24 | Anderson Noel W | Bidirectional harvesting system |
DE102011052688B4 (de) | 2011-08-12 | 2021-02-04 | Andreas Reichhardt | Verfahren und System zur Befüllung von Transportfahrzeugen mit Erntegut |
IN2014DN01632A (pt) | 2011-08-12 | 2015-05-15 | Rhodia Operations | |
US8843269B2 (en) | 2011-08-17 | 2014-09-23 | Deere & Company | Vehicle soil pressure management based on topography |
US9511633B2 (en) | 2011-08-17 | 2016-12-06 | Deere & Company | Soil compaction management and reporting |
DE102011082052B4 (de) | 2011-09-02 | 2015-05-28 | Deere & Company | Anordnung und Verfahren zur selbsttätigen Überladung von Erntegut von einer Erntemaschine auf ein Transportfahrzeug |
DE102011082908A1 (de) | 2011-09-19 | 2013-03-21 | Deere & Company | Verfahren und Anordnung zur optischen Beurteilung von Erntegut in einer Erntemaschine |
DE102011054630A1 (de) | 2011-10-20 | 2013-04-25 | Claas Agrosystems GmbH | Visualisierungseinrichtung |
WO2013059602A1 (en) | 2011-10-21 | 2013-04-25 | Pioneer Hi-Bred International, Inc. | Combine harvester and associated method for gathering grain |
EP2771860A4 (en) | 2011-10-24 | 2015-01-21 | Trimble Navigation Ltd | AGRICULTURAL AND GROUND MANAGEMENT |
DE102011085380A1 (de) | 2011-10-28 | 2013-05-02 | Deere & Company | Anordnung und Verfahren zur vorausschauenden Untersuchung von mit einer Erntemaschine aufzunehmenden Pflanzen |
DE102011085977A1 (de) | 2011-11-09 | 2013-05-16 | Deere & Company | Sieb für eine Reinigungseinrichtung eines Mähdreschers |
US20130124239A1 (en) | 2011-11-15 | 2013-05-16 | Uriel Rosa | Crop yield per location measurer |
EP2782438B1 (en) | 2011-11-22 | 2017-06-21 | The Climate Corporation | Stalk sensor apparatus, systems, and methods |
CN202340435U (zh) | 2011-11-28 | 2012-07-25 | 南京工业职业技术学院 | 基于作业路径的玉米产量实时测量系统 |
DE102011120402A1 (de) | 2011-12-03 | 2013-06-06 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Koordinieren einer Transportlogistik sowie Transportlogistiksystem |
BR102012017584B1 (pt) | 2011-12-08 | 2019-03-26 | Agco Do Brasil Máquinas E Equipamentos Agrícolas Ltda. | Sistema e método de auxílio de correção de velocidade |
DE102011121414A1 (de) | 2011-12-17 | 2013-06-20 | Robert Bosch Gmbh | Verfahren und eine Vorrichtung zur Regelung einer Fahrt einer ersten selbstfahrenden Arbeitsmaschine in Bezug zu einer zweiten selbstfahrenden Arbeitsmaschine |
US8801512B2 (en) | 2011-12-19 | 2014-08-12 | Agco Corporation | Method for measuring air efficiency and efficacy in a combine harvester |
US8626406B2 (en) | 2011-12-22 | 2014-01-07 | Deere & Company | Method and system for transferring material between vehicles |
DE102012201333A1 (de) | 2012-01-31 | 2013-08-01 | Deere & Company | Landwirtschaftliche Maschine mit einem System zur selbsttätigen Einstellung eines Bearbeitungsparameters und zugehöriges Verfahren |
US9392746B2 (en) | 2012-02-10 | 2016-07-19 | Deere & Company | Artificial intelligence for detecting and filling void areas of agricultural commodity containers |
US9861040B2 (en) | 2012-02-10 | 2018-01-09 | Deere & Company | Method and stereo vision system for facilitating the unloading of agricultural material from a vehicle |
US8868304B2 (en) | 2012-02-10 | 2014-10-21 | Deere & Company | Method and stereo vision system for facilitating the unloading of agricultural material from a vehicle |
US8649940B2 (en) | 2012-02-10 | 2014-02-11 | Deere & Company | Method and stereo vision system for managing the unloading of an agricultural material from a vehicle |
DE112013000935T5 (de) | 2012-02-10 | 2015-03-12 | Darin E. Bartholomew | System und Verfahren zum Materialtransport mit einem oder mehreren Bildgebungsgeräten am übergebenden Fahrzeug und am übernehmenden Fahrzeug zur Steuerung der Materialverteilung im Transportanhänger des übernehmenden Fahrzeugs |
DE102012208554A1 (de) | 2012-05-22 | 2013-11-28 | Hamm Ag | Verfahren zur Planung und Durchführung von Bodenverdichtungsvorgängen, insbesondere zurAsphaltverdichtung |
US9288938B2 (en) | 2012-06-01 | 2016-03-22 | Rowbot Systems Llc | Robotic platform and method for performing multiple functions in agricultural systems |
US20130319941A1 (en) | 2012-06-05 | 2013-12-05 | American Water Works Company, Inc. | Simultaneous recovery of coagulant and acid |
US8930039B2 (en) | 2012-06-11 | 2015-01-06 | Cnh Industrial America Llc | Combine performance evaluation tool |
US9117790B2 (en) | 2012-06-25 | 2015-08-25 | Marvell World Trade Ltd. | Methods and arrangements relating to semiconductor packages including multi-memory dies |
DE102012211001A1 (de) | 2012-06-27 | 2014-01-02 | Deere & Company | Anordnung zur Kontrolle einer Austrageinrichtung einer Erntemaschine mit einer selbsttätigen Positionierung in einer Ruhestellung bei nicht möglichen bzw. stattfindendem Überladevorgang |
RU2502047C1 (ru) | 2012-07-13 | 2013-12-20 | Федеральное государственное бюджетное учреждение науки Институт геологии и минералогии им. В.С. Соболева Сибирского отделения Российской академии наук (Институт геологии и минералогии СО РАН, ИГМ СО РАН) | Способ оценки проходимости местности вне дорог |
DE102013106128A1 (de) | 2012-07-16 | 2014-06-12 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliche Arbeitsmaschine mit zumindest einer Steuerungseinrichtung |
US20140067745A1 (en) | 2012-08-30 | 2014-03-06 | Pioneer Hi-Bred International, Inc. | Targeted agricultural recommendation system |
US9095090B2 (en) | 2012-08-31 | 2015-08-04 | Deere & Company | Pressure-based control system for an agricultural implement |
WO2014046685A1 (en) | 2012-09-24 | 2014-03-27 | Deere & Company | Bidirectional harvesting system |
WO2014050524A1 (ja) | 2012-09-26 | 2014-04-03 | 株式会社クボタ | 農作管理システム及び農作物収穫機 |
KR102113297B1 (ko) | 2012-09-26 | 2020-05-21 | 가부시끼 가이샤 구보다 | 대지 작업 차량, 대지 작업 차량 관리 시스템, 대지 작업 정보 표시 방법 |
DE202012103730U1 (de) | 2012-09-28 | 2012-10-16 | Agco International Gmbh | Erntemaschine mit einer Überladeeinrichtung |
US20140121882A1 (en) | 2012-10-31 | 2014-05-01 | Brian J. Gilmore | System for Coordinating the Relative Movements of an Agricultural Harvester and a Cart |
CN203053961U (zh) | 2012-11-02 | 2013-07-10 | 昆明理工大学 | 一种土壤压实数据监测装置 |
DE102012220109A1 (de) | 2012-11-05 | 2014-05-08 | Deere & Company | Einrichtung zur Erfassung des Betriebszustands einer Arbeitsmaschine |
DE102012021469A1 (de) | 2012-11-05 | 2014-05-08 | Claas Selbstfahrende Erntemaschinen Gmbh | Assistenzsystem zur Optimierung des Fahrzeugbetriebes |
KR101447197B1 (ko) | 2012-11-07 | 2014-10-06 | 최준성 | 다짐 평가용 동적 관입 시험 장치 및 이를 이용한 다짐 평가 방법 |
DE102012220916A1 (de) | 2012-11-15 | 2014-05-15 | K&K Maschinenentwicklungs GmbH & Co. KG | Verfahren zum Neuherstellen, Sanieren oder Rückbauen einer Schienenfahrbahn |
DE102012221344B3 (de) | 2012-11-22 | 2014-05-15 | Hamm Ag | Umkleidungsanordnung, Bodenbearbeitungswalze und Verfahren zum Anbringen einer Umkleidungsanordnung |
WO2014093814A1 (en) | 2012-12-14 | 2014-06-19 | Agco Corporation | Predictive load estimation through forward vision |
DE102012223434B4 (de) | 2012-12-17 | 2021-03-25 | Deere & Company | Verfahren und Anordnung zur Optimierung eines Betriebsparameters eines Mähdreschers |
US20140172224A1 (en) | 2012-12-19 | 2014-06-19 | Agco Corporation | Speed control in agricultural vehicle guidance systems |
US20140172222A1 (en) | 2012-12-19 | 2014-06-19 | Agco Corporation | Speed control in agricultural vehicle guidance systems |
US20140172225A1 (en) | 2012-12-19 | 2014-06-19 | Agco Corporation | Speed control in agricultural vehicle guidance systems |
DE102012223768B4 (de) | 2012-12-19 | 2014-07-03 | Deere & Company | Fremdkörpernachweiseinrichtung für eine landwirtschaftliche Erntemaschine |
JP6059027B2 (ja) | 2013-01-21 | 2017-01-11 | 株式会社クボタ | 農作業機と農作業管理プログラム |
DE102013001157A1 (de) | 2013-01-24 | 2014-08-07 | Zind Systementwicklungs Gmbh | Fertigungsanlage zur Fertigung von Gefäßen aus Gefäßrohlingen und Fertigungsverfahren |
US9497898B2 (en) | 2013-01-24 | 2016-11-22 | Tribine Industries, LLC | Agricultural harvester unloading assist system and method |
US8955402B2 (en) | 2013-01-25 | 2015-02-17 | Trimble Navigation Limited | Sugar cane yield mapping |
CN203206739U (zh) | 2013-01-25 | 2013-09-25 | 蒋行宇 | 打瓜联合收获机 |
CN104294810B (zh) | 2013-01-30 | 2016-05-11 | 青岛市勘察测绘研究院 | 一种强夯地基加固随夯诊断实时处理方法及强夯实时诊断装置 |
DE102013201996A1 (de) | 2013-02-07 | 2014-08-07 | Deere & Company | Verfahren zur Einstellung von Arbeitsparametern einer Erntemaschine |
WO2014137533A2 (en) | 2013-02-07 | 2014-09-12 | Brown Owen J Jr | Wireless monitor maintenance and control system |
US9326444B2 (en) | 2013-02-08 | 2016-05-03 | Deere & Company | Method and stereo vision system for facilitating the unloading of agricultural material from a vehicle |
GB2510630B (en) | 2013-02-11 | 2015-08-05 | Kverneland Group Les Landes Genusson | Strip tilling system |
GB2510629B (en) | 2013-02-11 | 2015-10-14 | Kverneland Group Les Landes Genusson | Strip tilling system |
ES2678843T3 (es) | 2013-02-19 | 2018-08-17 | Grains Research And Development Corporation | Disposición de desvitalización de semillas de maleza |
US9066465B2 (en) | 2013-02-20 | 2015-06-30 | Deere & Company | Soil compaction reduction system and method |
US11212962B2 (en) | 2013-02-20 | 2022-01-04 | Deere & Company | Field condition determination |
US9668420B2 (en) | 2013-02-20 | 2017-06-06 | Deere & Company | Crop sensing display |
US9693503B2 (en) | 2013-02-20 | 2017-07-04 | Deere & Company | Crop sensing |
US10178828B2 (en) | 2013-02-20 | 2019-01-15 | Deere & Company | Per plant crop sensing resolution |
US20140257911A1 (en) | 2013-03-08 | 2014-09-11 | Deere & Company | Methods and apparatus to schedule refueling of a work machine |
CN103181263A (zh) | 2013-03-11 | 2013-07-03 | 西北农林科技大学 | 一种多机器协作的小麦收割系统 |
US9410840B2 (en) | 2013-03-15 | 2016-08-09 | Raven Industries, Inc. | Multi-variable yield monitor and methods for the same |
US20140277960A1 (en) | 2013-03-18 | 2014-09-18 | Deere & Company | Harvester with fuzzy control system for detecting steady crop processing state |
EP2978665A4 (en) | 2013-03-24 | 2017-04-26 | Bee Robotics Corporation | Aerial farm robot system for crop dusting, planting, fertilizing and other field jobs |
EP2979537B1 (en) | 2013-03-27 | 2019-08-28 | Kubota Corporation | Combine |
US10129528B2 (en) | 2013-04-02 | 2018-11-13 | Deere & Company | Control arrangement and method for controlling a position of a transfer device of a harvesting machine |
AU2014201885B2 (en) | 2013-04-02 | 2018-03-01 | Carnegie Mellon University | Control arrangement and method for controlling a position of a transfer device of a harvesting machine |
US9992932B2 (en) | 2013-04-02 | 2018-06-12 | Deere & Company | Control arrangement and method for controlling a position of a transfer device of a harvesting machine |
DE102014105643A1 (de) | 2013-04-22 | 2014-10-23 | Carnegie Mellon University | Verfahren zur Verbesserung der Robostheit eines automatisierten Endladesystems |
CN203275401U (zh) | 2013-04-24 | 2013-11-06 | 陈金 | 一种新型公路土工击实快速测厚调节仪 |
CN203055121U (zh) | 2013-04-26 | 2013-07-10 | 昆明理工大学 | 一种基于Zigbee技术的土壤压实数据无线传输装置 |
US10740703B2 (en) | 2013-04-29 | 2020-08-11 | Verge Technologies Inc. | Method and system for determining optimized travel path for agricultural implement on land with obstacle |
CA2814599A1 (en) | 2013-04-29 | 2014-10-29 | Fieldstone Land Management Inc. | Method and apparatus for tangible effect calculation and compensation |
EP2798928B1 (en) | 2013-04-29 | 2024-02-07 | CLAAS E-Systems GmbH | Operating system for and method of operating an automatic guidance system of an agricultural vehicle |
DE102013209197A1 (de) | 2013-05-17 | 2014-11-20 | Deere & Company | Erntemaschine mit vorausschauender Vortriebsgeschwindigkeitsregelung |
USD721740S1 (en) | 2013-05-23 | 2015-01-27 | Deere & Company | Display interface or housing thereof |
BE1021150B1 (nl) | 2013-06-03 | 2016-01-13 | Cnh Industrial Belgium Nv | Werkwijze voor het verwerken van belastingssignaal van een balenpers |
DE102013105821A1 (de) | 2013-06-06 | 2014-12-11 | Claas Selbstfahrende Erntemaschinen Gmbh | Erntemaschine zur Aufnahme von Erntegut |
DE102013212151A1 (de) | 2013-06-26 | 2014-12-31 | Robert Bosch Gmbh | Baumaschine mit einer Vibrationseinheit |
DE102013107169A1 (de) | 2013-07-08 | 2015-01-08 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliche Erntemaschine |
US10180328B2 (en) | 2013-07-10 | 2019-01-15 | Agco Coporation | Automating distribution of work in a field |
DE102013012027A1 (de) | 2013-07-19 | 2015-01-22 | Claas Selbstfahrende Erntemaschinen Gmbh | Selbstfahrende Erntemaschine und Fahrzeugverbund |
GB2517049B (en) | 2013-07-28 | 2019-09-11 | Deere & Co | Artificial intelligence for detecting and filling void areas of agricultural commodity containers |
US9301466B2 (en) | 2013-07-29 | 2016-04-05 | Syngenta Participations Ag | Variety corn line HID3259 |
US9188518B2 (en) | 2013-08-19 | 2015-11-17 | Bridgestone Americas Tire Operations, Llc | Ground compaction images |
JP6134609B2 (ja) | 2013-08-28 | 2017-05-24 | ヤンマー株式会社 | 遠隔サーバ |
US9767521B2 (en) | 2013-08-30 | 2017-09-19 | The Climate Corporation | Agricultural spatial data processing systems and methods |
US20160360697A1 (en) | 2013-09-03 | 2016-12-15 | Agco Corporation | System and method for automatically changing machine control state |
WO2015038751A1 (en) | 2013-09-13 | 2015-03-19 | Agco Corporation | Method to automatically estimate and classify spatial data for use on real time maps |
US9234317B2 (en) | 2013-09-25 | 2016-01-12 | Caterpillar Inc. | Robust system and method for forecasting soil compaction performance |
US9804756B2 (en) | 2013-09-27 | 2017-10-31 | Iteris, Inc. | Comparative data analytics and visualization tool for analyzing traffic performance data in a traffic management system |
WO2015048499A1 (en) | 2013-09-27 | 2015-04-02 | John Earl Acheson | Yield monitor calibration method and system |
US9188986B2 (en) | 2013-10-01 | 2015-11-17 | Jaybridge Robotics, Inc. | Computer-implemented method and system for dynamically positioning a vehicle relative to another vehicle in motion for on-the-fly offloading operations |
JP2015070812A (ja) | 2013-10-03 | 2015-04-16 | ヤンマー株式会社 | 農作物情報管理システム |
WO2015051339A1 (en) | 2013-10-03 | 2015-04-09 | Farmers Business Network, Llc | Crop model and prediction analytics |
WO2015057638A1 (en) | 2013-10-14 | 2015-04-23 | Kinze Manufacturing, Inc. | Autonomous systems, methods, and apparatus for ag based operations |
US10362733B2 (en) | 2013-10-15 | 2019-07-30 | Deere & Company | Agricultural harvester configured to control a biomass harvesting rate based upon soil effects |
BE1021164B1 (nl) | 2013-10-28 | 2016-01-18 | Cnh Industrial Belgium Nv | Ontlaadsystemen |
BE1021108B1 (nl) | 2013-10-28 | 2016-01-18 | Cnh Industrial Belgium Nv | Ontlaadsystemen |
JP6087258B2 (ja) | 2013-10-28 | 2017-03-01 | ヤンマー株式会社 | 遠隔配車サーバ |
DE102013222122B4 (de) | 2013-10-30 | 2020-10-15 | Mts Maschinentechnik Schrode Ag | Verfahren zum Betreiben eines Bodenverdichtungs- oder Bodenprüfgeräts, sowie Bodenverdichtungs- oder Verdichtungsprüfgerät |
US10371561B2 (en) | 2013-11-01 | 2019-08-06 | Iowa State University Research Foundation, Inc. | Yield measurement and base cutter height control systems for a harvester |
DE102013019098B3 (de) | 2013-11-11 | 2015-01-08 | Hochschule für Technik und Wirtschaft Dresden | System zum Erfassen von Parametern der Umwelt und Umgebung |
CN203613525U (zh) | 2013-11-25 | 2014-05-28 | 杨振华 | 一种公路灰土基层压实度测定取样机 |
CN203658201U (zh) | 2013-12-09 | 2014-06-18 | 长安大学 | 一种用于测量路基土压实度的装置 |
US9714856B2 (en) | 2013-12-13 | 2017-07-25 | Ag Leader Technology, Inc. | Automatic compensation for the effect of grain properties on mass flow sensor calibration |
JP5986064B2 (ja) | 2013-12-25 | 2016-09-06 | Necプラットフォームズ株式会社 | 冷却システムおよび電子機器 |
DE102014100136A1 (de) | 2014-01-08 | 2015-07-09 | Claas Selbstfahrende Erntemaschinen Gmbh | Erntevorrichtung |
CN203741803U (zh) | 2014-01-10 | 2014-07-30 | 瑞和安惠项目管理集团有限公司 | 工程监理用路基压实度检测取土装置 |
DE102014201203A1 (de) | 2014-01-23 | 2015-07-23 | Deere & Company | Landwirtschaftliches Arbeitsfahrzeug mit einem Fluggerät und zugehöriger Stromversorgung |
US20150211199A1 (en) | 2014-01-24 | 2015-07-30 | Caterpillar Inc. | Device and process to measure ground stiffness from compactors |
EP3104676A4 (en) | 2014-02-10 | 2017-11-08 | The Climate Corporation | Methods and systems for generating shared collaborative maps |
JP6298313B2 (ja) | 2014-02-18 | 2018-03-20 | 鹿島建設株式会社 | 地盤剛性測定装置、締固め機械及び地盤剛性測定方法 |
DE102014203005B3 (de) | 2014-02-19 | 2015-05-13 | Deere & Company | Vibrationsdämpfende Ansteuerung eines Aktors einer landwirtschaftlichen Arbeitsmaschine |
US20150254800A1 (en) | 2014-03-06 | 2015-09-10 | F12 Solutions, Llc | Nitrogen status determination in growing crops |
DE102014205233A1 (de) | 2014-03-20 | 2015-09-24 | Deere & Company | Erntemaschine mit vorausschauender Vortriebsgeschwindigkeitsvorgabe |
NL2012485B1 (en) | 2014-03-20 | 2016-01-18 | Lely Patent Nv | Method and system for navigating an agricultural vehicle on a land area. |
US9529364B2 (en) | 2014-03-24 | 2016-12-27 | Cnh Industrial America Llc | System for coordinating agricultural vehicle control for loading a truck |
DE102014205503A1 (de) | 2014-03-25 | 2015-10-01 | Hamm Ag | Verfahren zur Korrektur eines Messwerteverlaufs durch das Eliminieren periodisch auftretender Messartefakte, insbesondere bei einem Bodenverdichter |
US9489576B2 (en) | 2014-03-26 | 2016-11-08 | F12 Solutions, LLC. | Crop stand analysis |
BR102014007178B1 (pt) | 2014-03-26 | 2020-12-22 | São Martinho S/A | processo de geração de mapas de aplicação de herbicida em função das espécies de plantas daninhas e teores de argila e matéria orgânica de solo |
AU2015240770B2 (en) | 2014-04-01 | 2018-07-19 | Climate Llc | Agricultural implement and implement operator monitoring apparatus, systems, and methods |
CN103954738B (zh) | 2014-04-01 | 2015-11-04 | 中国科学院力学研究所 | 一种测量土体振动传播特性的室内试验装置 |
US9810679B2 (en) | 2014-04-02 | 2017-11-07 | Colorado School Of Mines | Intelligent pad foot soil compaction devices and methods of using same |
DE102014104619A1 (de) | 2014-04-02 | 2015-10-08 | Claas Agrosystems Kgaa Mbh & Co. Kg | Planungssystem und Verfahren zur Planung einer Feldbearbeitung |
WO2015160837A2 (en) | 2014-04-15 | 2015-10-22 | Raven Industries, Inc. | Reaping based yield monitoring system and method for the same |
US9974226B2 (en) | 2014-04-21 | 2018-05-22 | The Climate Corporation | Generating an agriculture prescription |
US9405039B2 (en) | 2014-04-22 | 2016-08-02 | Deere & Company | Ground engaging member accumulation determination |
US9523180B2 (en) | 2014-04-28 | 2016-12-20 | Deere & Company | Semi-automatic material loading |
DE102014208070A1 (de) | 2014-04-29 | 2015-12-17 | Deere & Company | Die Fahrzeugdynamik berücksichtigendes Kontrollsystem zur Positionssteuerung eines Geräts für ein landwirtschaftliches Arbeitsfahrzeug |
DE102014208068A1 (de) | 2014-04-29 | 2015-10-29 | Deere & Company | Erntemaschine mit sensorbasierter Einstellung eines Arbeitsparameters |
WO2015171954A2 (en) | 2014-05-09 | 2015-11-12 | Raven Industries, Inc. | Refined row guidance parameterization with hough transform |
FR3021114B1 (fr) | 2014-05-13 | 2017-08-11 | Sol Solution | Penetrometre dynamique, ensemble de mesure, systeme et methode de determination de la compacite et de la capacite portante d'un sol |
JP6410130B2 (ja) | 2014-05-15 | 2018-10-24 | 株式会社Jsol | 農作物の収穫予測装置、収穫予測システム及び収穫予測方法 |
US9578808B2 (en) | 2014-05-16 | 2017-02-28 | Deere & Company | Multi-sensor crop yield determination |
US10104836B2 (en) | 2014-06-11 | 2018-10-23 | John Paul Jamison | Systems and methods for forming graphical and/or textual elements on land for remote viewing |
BR102015013228B1 (pt) | 2014-06-13 | 2020-11-24 | Cnh Industrial America Llc | SISTEMA E METODO DE CONTROLE PARA UM VEfCULO AGRiCOLA |
DE102014009090B4 (de) | 2014-06-19 | 2017-04-06 | Technische Universität Dresden | Landwirtschaftliches Gerät zur konservierenden Bodenbearbeitung |
WO2015200489A1 (en) | 2014-06-24 | 2015-12-30 | 360 Yield Center, Llc | Agronomic system, methods and apparatuses |
CN204000818U (zh) | 2014-07-02 | 2014-12-10 | 四川农业大学 | 一种土壤坚实度测定装置 |
US10126153B2 (en) | 2014-07-22 | 2018-11-13 | Deere & Company | Particulate matter impact sensor |
US10034423B2 (en) | 2014-07-29 | 2018-07-31 | Deere & Company | Biomass sensing |
FR3024772B1 (fr) | 2014-08-07 | 2016-09-02 | Electricite De France | Procede et dispositif pour la determination de la profondeur de l'origine d'un tassement de sol |
US9717178B1 (en) | 2014-08-08 | 2017-08-01 | The Climate Corporation | Systems and method for monitoring, controlling, and displaying field operations |
WO2016025848A1 (en) | 2014-08-15 | 2016-02-18 | Monsanto Technology Llc | Apparatus and methods for in-field data collection and sampling |
US9131644B2 (en) | 2014-08-19 | 2015-09-15 | Iteris, Inc. | Continual crop development profiling using dynamical extended range weather forecasting with routine remotely-sensed validation imagery |
DE102014216593A1 (de) | 2014-08-21 | 2016-02-25 | Deere & Company | Bedienerassistenzsystem für eine landwirtschaftliche Arbeitsmaschine |
CN107148633B (zh) | 2014-08-22 | 2020-12-01 | 克莱米特公司 | 用于使用无人机系统进行农艺和农业监测的方法 |
BR112017003725A2 (pt) | 2014-08-27 | 2017-12-26 | Premier Crop Systems Llc | sistema operável para aplicar uma entrada agrícola e colher uma saída agrícola em uma zona de gestão e método para randomizar e replicar entradas agrícolas |
US9829364B2 (en) | 2014-08-28 | 2017-11-28 | Raven Industries, Inc. | Method of sensing volume of loose material |
US10109024B2 (en) | 2014-09-05 | 2018-10-23 | The Climate Corporation | Collecting data to generate an agricultural prescription |
DE102014113001A1 (de) | 2014-09-10 | 2016-03-10 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Steuerung eines Überladeprozesses |
US10667456B2 (en) | 2014-09-12 | 2020-06-02 | The Climate Corporation | Methods and systems for managing agricultural activities |
US10564316B2 (en) | 2014-09-12 | 2020-02-18 | The Climate Corporation | Forecasting national crop yield during the growing season |
US11113649B2 (en) | 2014-09-12 | 2021-09-07 | The Climate Corporation | Methods and systems for recommending agricultural activities |
US11080798B2 (en) | 2014-09-12 | 2021-08-03 | The Climate Corporation | Methods and systems for managing crop harvesting activities |
US10085379B2 (en) | 2014-09-12 | 2018-10-02 | Appareo Systems, Llc | Grain quality sensor |
DE102014113335A1 (de) | 2014-09-16 | 2016-03-17 | Claas Tractor Sas | Landwirtschaftliche Arbeitsmaschine mit und Verfahren zur vorausschauenden Regelung einer Antriebsleistung und/oder eines Antriebsstranges |
US9903979B2 (en) | 2014-09-23 | 2018-02-27 | Deere & Company | Yield estimation |
US10126282B2 (en) | 2014-09-23 | 2018-11-13 | Deere & Company | Yield estimation |
DE102014113874A1 (de) | 2014-09-25 | 2016-03-31 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zum Überladen bei Erntemaschinen |
DE102014113887A1 (de) | 2014-09-25 | 2016-03-31 | Claas Selbstfahrende Erntemaschinen Gmbh | Mähdrescher mit einer Verteilvorrichtung |
DE102014113965A1 (de) | 2014-09-26 | 2016-03-31 | Claas Selbstfahrende Erntemaschinen Gmbh | Mähdrescher mit Fahrerassistenzsystem |
JP2016071726A (ja) | 2014-09-30 | 2016-05-09 | 井関農機株式会社 | 作業情報記憶装置 |
US9807933B2 (en) | 2014-10-20 | 2017-11-07 | Cnh Industrial America Llc | Sensor equipped agricultural harvester |
KR102404044B1 (ko) | 2014-11-13 | 2022-05-30 | 얀마 파워 테크놀로지 가부시키가이샤 | 병주 작업 시스템 |
EP3218679A4 (en) | 2014-11-14 | 2018-12-19 | Bitsrata Systems Inc. | System and method for measuring grain cart weight |
GB201421527D0 (en) | 2014-12-04 | 2015-01-21 | Agco Int Gmbh | Automated agriculture system |
WO2016090212A1 (en) | 2014-12-05 | 2016-06-09 | Board Of Trustees Of Michigan State University | Methods and systems for precision crop management |
DE102014226189B4 (de) | 2014-12-17 | 2017-08-24 | Continental Automotive Gmbh | Verfahren zur Ermittlung eines Unkrautanteils und Landtechnik-Steuereinrichtung |
US9563492B2 (en) | 2015-01-09 | 2017-02-07 | Deere & Company | Service diagnostic trouble code sequencer and method |
US9792557B2 (en) | 2015-01-14 | 2017-10-17 | Accenture Global Services Limited | Precision agriculture system |
CN204435344U (zh) | 2015-01-22 | 2015-07-01 | 中交四公局第二工程有限公司 | 一种用于测定土层压实度的可行走式取样机 |
WO2016118686A1 (en) | 2015-01-23 | 2016-07-28 | Iteris, Inc. | Modeling of crop growth for desired moisture content of targeted livestock feedstuff for determination of harvest windows using field-level diagnosis and forecasting of weather conditions and observations and user input of harvest condition states |
US9009087B1 (en) | 2015-01-23 | 2015-04-14 | Iteris, Inc. | Modeling the impact of time-varying weather conditions on unit costs of post-harvest crop drying techniques using field-level analysis and forecasts of weather conditions, facility metadata, and observations and user input of grain drying data |
US9140824B1 (en) | 2015-01-23 | 2015-09-22 | Iteris, Inc. | Diagnosis and prediction of in-field dry-down of a mature small grain, coarse grain, or oilseed crop using field-level analysis and forecasting of weather conditions, crop characteristics, and observations and user input of harvest condition states |
WO2016127094A1 (en) | 2015-02-06 | 2016-08-11 | The Climate Corporation | Methods and systems for recommending agricultural activities |
WO2016134341A1 (en) | 2015-02-20 | 2016-08-25 | Iteris, Inc. | Modeling of soil compaction and structural capacity for field trafficability by agricultural equipment from diagnosis and prediction of soil and weather conditions associated with user-provided feedback |
JP2016160808A (ja) | 2015-02-27 | 2016-09-05 | 井関農機株式会社 | コンバインのエンジン制御システム |
US20160260021A1 (en) | 2015-03-06 | 2016-09-08 | William Marek | System and method for improved agricultural yield and efficiency using statistical analysis |
CN204475304U (zh) | 2015-03-17 | 2015-07-15 | 攀枝花天誉工程检测有限公司 | 土工压实度检测成孔器 |
EP3272205B1 (en) | 2015-03-18 | 2022-11-09 | Kubota Corporation | Combine, and grain-evaluation control device for combine |
RO130713B1 (ro) | 2015-03-19 | 2023-05-30 | Universitatea De Ştiinţe Agronomice Şi Medicină Veterinară Din Bucureşti | Sistem automat gis pentru realizarea hărţilor cu distribuţia speciilor de buruieni |
US20180014452A1 (en) | 2015-03-25 | 2018-01-18 | 360 Yield Center, Llc | Agronomic systems, methods and apparatuses |
US10095200B2 (en) | 2015-03-30 | 2018-10-09 | Uop Llc | System and method for improving performance of a chemical plant with a furnace |
DE102015004344A1 (de) | 2015-04-02 | 2016-10-06 | Claas Selbstfahrende Erntemaschinen Gmbh | Mähdrescher |
DE102015004343A1 (de) | 2015-04-02 | 2016-10-06 | Claas Selbstfahrende Erntemaschinen Gmbh | Mähdrescher |
DE102015004174A1 (de) | 2015-04-02 | 2016-10-06 | Claas Selbstfahrende Erntemaschinen Gmbh | Mähdrescher |
DE102015106302A1 (de) | 2015-04-24 | 2016-10-27 | Claas Selbstfahrende Erntemaschinen Gmbh | Erntesystem mit einer selbstfahrenden Erntemaschine |
US20170270446A1 (en) | 2015-05-01 | 2017-09-21 | 360 Yield Center, Llc | Agronomic systems, methods and apparatuses for determining yield limits |
MX2017014004A (es) | 2015-05-01 | 2018-08-15 | Hyliion Inc | Accesorio de vehiculo motorizado para aumentar suministro de energia y reducir requisitos de combustible. |
US10209235B2 (en) | 2015-05-04 | 2019-02-19 | Deere & Company | Sensing and surfacing of crop loss data |
US9872433B2 (en) | 2015-05-14 | 2018-01-23 | Raven Industries, Inc. | System and method for adjusting harvest characteristics |
WO2016183182A1 (en) | 2015-05-14 | 2016-11-17 | Board Of Trustees Of Michigan State University | Methods and systems for crop land evaluation and crop growth management |
US10039231B2 (en) | 2015-05-19 | 2018-08-07 | Deere & Company | System for measuring plant attributes using a priori plant maps |
EP3095310B1 (en) | 2015-05-21 | 2018-05-16 | Robert Thomas Farms Ltd | Agricultural apparatus |
DE102015006398B3 (de) | 2015-05-21 | 2016-05-04 | Helmut Uhrig Strassen- und Tiefbau GmbH | Bodenverdichtung mit einem Baggeranbauverdichter |
US20160342915A1 (en) | 2015-05-22 | 2016-11-24 | Caterpillar Inc. | Autonomous Fleet Size Management |
DE102015108374A1 (de) | 2015-05-27 | 2016-12-01 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Ansteuerung einer selbstfahrenden Erntemaschine |
EP3307047A4 (en) | 2015-06-05 | 2018-11-14 | The University of Sydney | Automatic target recognition and management system |
BR112017026437B1 (pt) | 2015-06-08 | 2022-01-18 | The Climate Corporation | Sistema de computador e método implantado por computador para monitorar operações de um ou mais campos |
US10064331B2 (en) | 2015-06-18 | 2018-09-04 | Bail & Burnit Pty Ltd | Mechanical weed seed management system |
DE102015109799A1 (de) | 2015-06-18 | 2016-12-22 | Claas E-Systems Kgaa Mbh & Co Kg | Verfahren zur Synchronisation zweier unabhängiger, selbstfahrender landwirtschaftlicher Arbeitsmaschinen |
AU2016287397B2 (en) | 2015-06-30 | 2021-05-20 | Climate Llc | Systems and methods for image capture and analysis of agricultural fields |
US10492369B2 (en) | 2015-07-14 | 2019-12-03 | Dean Mayerle | Weed seed destruction |
CA3101755C (en) | 2015-07-14 | 2023-03-28 | Dean Mayerle | Weed seed destruction with a discharge which combines with a straw spreader |
US9968027B2 (en) | 2015-07-14 | 2018-05-15 | Clemson University | Automated control systems and methods for underground crop harvesters |
US9740208B2 (en) | 2015-07-30 | 2017-08-22 | Deere & Company | UAV-based sensing for worksite operations |
CN204989174U (zh) | 2015-08-05 | 2016-01-20 | 中国农业大学 | 一种用于测量土壤压实的试验平台 |
US10015928B2 (en) | 2015-08-10 | 2018-07-10 | Deere & Company | Method and stereo vision system for managing the unloading of an agricultural material from a vehicle |
US9642305B2 (en) | 2015-08-10 | 2017-05-09 | Deere & Company | Method and stereo vision system for managing the unloading of an agricultural material from a vehicle |
DE102015113527A1 (de) | 2015-08-17 | 2017-02-23 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliche Erntemaschine |
EP3341129B1 (en) | 2015-08-28 | 2024-04-03 | Tecfarm PTY Ltd | Apparatus and method for processing a crop residue |
DE102015217496A1 (de) | 2015-09-14 | 2017-03-16 | Deere & Company | Verfahren zum Ausbringen von Saatgutpartikeln oder Pflanzen auf ein Feld und eine entsprechende Maschine |
JP6502221B2 (ja) | 2015-09-14 | 2019-04-17 | 株式会社クボタ | 作業車支援システム |
US10183667B2 (en) | 2015-09-15 | 2019-01-22 | Deere & Company | Human presence detection on a mobile machine |
US9696162B2 (en) | 2015-09-17 | 2017-07-04 | Deere & Company | Mission and path planning using images of crop wind damage |
CN105205248B (zh) | 2015-09-17 | 2017-12-08 | 哈尔滨工业大学 | 一种基于ode物理引擎的车辆地形通过性仿真分析组件的设计方法 |
US10025983B2 (en) | 2015-09-21 | 2018-07-17 | The Climate Corporation | Ponding water detection on satellite imagery |
US10188037B2 (en) | 2015-09-24 | 2019-01-29 | Deere & Company | Yield estimation |
US9699967B2 (en) | 2015-09-25 | 2017-07-11 | Deere & Company | Crosswind compensation for residue processing |
JP6770300B2 (ja) | 2015-09-29 | 2020-10-14 | 株式会社ミツトヨ | 計測機器用の信号処理回路 |
US9807940B2 (en) | 2015-09-30 | 2017-11-07 | Deere & Company | System for prediction and control of drydown for windrowed agricultural products |
EP3150052B1 (en) | 2015-09-30 | 2018-06-13 | CLAAS E-Systems KGaA mbH & Co KG | Crop harvesting machine |
US10856463B2 (en) | 2015-10-05 | 2020-12-08 | Basf Agro Trademarks Gmbh | Method for operating a harvesting machine with the aid of a plant growth model |
KR20170041377A (ko) | 2015-10-07 | 2017-04-17 | 안범주 | 후방에 설치된 토양 경도 측정 센서를 갖는 차량 |
US10342174B2 (en) | 2015-10-16 | 2019-07-09 | The Climate Corporation | Method for recommending seeding rate for corn seed using seed type and sowing row width |
US9681605B2 (en) | 2015-10-26 | 2017-06-20 | Deere & Company | Harvester feed rate control |
US20170112061A1 (en) | 2015-10-27 | 2017-04-27 | Cnh Industrial America Llc | Graphical yield monitor static (previous) data display on in-cab display |
US10080325B2 (en) | 2015-10-27 | 2018-09-25 | Cnh Industrial America Llc | Predictive overlap control model |
US20170115862A1 (en) | 2015-10-27 | 2017-04-27 | Cnh Industrial America Llc | Graphical yield monitor real-time data display |
US10586158B2 (en) | 2015-10-28 | 2020-03-10 | The Climate Corporation | Computer-implemented calculation of corn harvest recommendations |
DE102015118767A1 (de) | 2015-11-03 | 2017-05-04 | Claas Selbstfahrende Erntemaschinen Gmbh | Umfelddetektionseinrichtung für landwirtschaftliche Arbeitsmaschine |
US20180232674A1 (en) | 2015-11-05 | 2018-08-16 | Agco International Gmbh | Method and system for determining work trajectories for a fleet of working units in a harvest operation |
US20170127606A1 (en) | 2015-11-10 | 2017-05-11 | Digi-Star, Llc | Agricultural Drone for Use in Controlling the Direction of Tillage and Applying Matter to a Field |
DE102016121523A1 (de) | 2015-11-17 | 2017-05-18 | Lacos Computerservice Gmbh | Verfahren zum prädikativen Erzeugen von Daten zur Steuerung eines Fahrweges und eines Betriebsablaufes für landwirtschaftliche Fahrzeuge und Maschinen |
US10890922B2 (en) | 2015-11-19 | 2021-01-12 | Agjunction Llc | Automated multi-vehicle alignment steering |
DK178711B1 (en) | 2015-11-24 | 2016-11-28 | Green Agro And Transp Aps | Flexible wheel track system for in-field trailer |
US11062223B2 (en) | 2015-12-02 | 2021-07-13 | The Climate Corporation | Forecasting field level crop yield during a growing season |
US9721181B2 (en) | 2015-12-07 | 2017-08-01 | The Climate Corporation | Cloud detection on remote sensing imagery |
DE102015121210A1 (de) | 2015-12-07 | 2017-06-08 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliche Arbeitsmaschine |
WO2017096489A1 (en) | 2015-12-09 | 2017-06-15 | Scanimetrics Inc. | Measuring and monitoring a body of granular material |
US10091925B2 (en) | 2015-12-09 | 2018-10-09 | International Business Machines Corporation | Accurately determining crop yield at a farm level |
WO2017099570A1 (es) | 2015-12-11 | 2017-06-15 | Pacheco Sanchez José Antonio | Sistema y método para agricultura de precisión por análisis multiespectral e hiperespectral de imágenes aéreas utilizando vehículos aéreos no tripulados |
CN105432228A (zh) | 2015-12-16 | 2016-03-30 | 无锡同春新能源科技有限公司 | 一种无人玉米收获机 |
DE102015122269A1 (de) | 2015-12-18 | 2017-06-22 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren für den Betrieb eines Mähdreschers |
US9856612B2 (en) | 2015-12-21 | 2018-01-02 | Caterpillar Paving Products Inc. | Compaction measurement using nearby sensors |
EP3397042A1 (en) | 2015-12-29 | 2018-11-07 | Agco Corporation | Integrated driveline slip clutch system for large square baler |
BR102016024151B1 (pt) | 2016-01-06 | 2021-10-13 | Cnh Industrial America Llc | Meio legível por computador não transitório tangível, sistema e método para controlar pelo menos um veículo agrícola autônomo |
BR102016024930B1 (pt) | 2016-01-06 | 2021-08-24 | Cnh Industrial America Llc | Sistema de controle para um veículo de reboque e método para controlar um veículo agrícola |
US10019790B2 (en) | 2016-01-15 | 2018-07-10 | Deere & Company | Fill level indicator for an automated unloading system |
EP3195719B1 (en) | 2016-01-20 | 2018-10-24 | CLAAS E-Systems KGaA mbH & Co KG | Agricultural machine |
EP3195720A1 (en) | 2016-01-21 | 2017-07-26 | CLAAS E-Systems KGaA mbH & Co KG | Crop tank system |
US10529036B2 (en) | 2016-01-22 | 2020-01-07 | The Climate Corporation | Forecasting national crop yield during the growing season using weather indices |
BE1023467B1 (nl) | 2016-02-01 | 2017-03-29 | Cnh Industrial Belgium Nv | Beheer van een restantensysteem van een maaidorser door veldgegevens te gebruiken |
US9891629B2 (en) | 2016-02-04 | 2018-02-13 | Deere & Company | Autonomous robotic agricultural machine and system thereof |
JP6688542B2 (ja) | 2016-02-04 | 2020-04-28 | ヤンマー株式会社 | 追従型コンバイン |
JP6567440B2 (ja) | 2016-02-05 | 2019-08-28 | 鹿島建設株式会社 | 地盤の締固め状態測定装置、締固め状態測定方法、及び締固め機械 |
BE1023485B1 (nl) | 2016-02-23 | 2017-04-06 | Cnh Industrial Belgium Nv | Kafstrooier met zaadkneuzing |
US10588258B2 (en) | 2016-02-25 | 2020-03-17 | Deere & Company | Automatic determination of the control unit parameters of an arrangement to control an actuator for the adjustment of an adjustable element of an agricultural machine |
US9675008B1 (en) | 2016-02-29 | 2017-06-13 | Cnh Industrial America Llc | Unloading arrangement for agricultural harvesting vehicles |
US10201121B1 (en) | 2016-03-01 | 2019-02-12 | Ag Leader Technology | Prediction of amount of crop or product remaining for field |
US10028435B2 (en) | 2016-03-04 | 2018-07-24 | Deere & Company | Sensor calibration using field information |
KR101653750B1 (ko) | 2016-03-10 | 2016-09-02 | 한국건설기술연구원 | 식생매트 고정용 앵커핀의 인발 시험 장치 및 방법 |
BE1023982B1 (nl) | 2016-03-23 | 2017-10-03 | Cnh Industrial Belgium Nv | Geautomatiseerd lossysteem voor het lossen van gewas |
WO2017164097A1 (ja) | 2016-03-25 | 2017-09-28 | 日本電気株式会社 | 情報処理装置、情報処理装置の制御方法、および、情報処理装置の制御プログラムが記録された記録媒体 |
KR102394967B1 (ko) | 2016-03-29 | 2022-05-04 | 얀마 파워 테크놀로지 가부시키가이샤 | 콤바인 |
US9903077B2 (en) | 2016-04-04 | 2018-02-27 | Caterpillar Paving Products Inc. | System and method for performing a compaction operation |
RU164128U1 (ru) | 2016-04-05 | 2016-08-20 | Федеральное государственное автономное образовательное учреждение высшего образования "Крымский федеральный университет имени В.И. Вернадского" | Установка для испытания на изнашиваемость материалов для рабочих органов почвообрабатывающих машин |
WO2017181127A1 (en) | 2016-04-15 | 2017-10-19 | The Regents Of The University Of California | Robotic plant care systems and methods |
CN105741180B (zh) | 2016-04-21 | 2021-06-18 | 江苏大学 | 一种联合收获机谷物产量图绘制系统 |
JP6755117B2 (ja) | 2016-04-26 | 2020-09-16 | ヤンマーパワーテクノロジー株式会社 | コンバイン |
US10275550B2 (en) | 2016-04-27 | 2019-04-30 | The Climate Corporation | Assimilating a soil sample into a digital nutrient model |
US10152891B2 (en) | 2016-05-02 | 2018-12-11 | Cnh Industrial America Llc | System for avoiding collisions between autonomous vehicles conducting agricultural operations |
DE102016118203A1 (de) | 2016-05-10 | 2017-11-16 | Claas Selbstfahrende Erntemaschinen Gmbh | Zugmaschinen-Geräte-Kombination mit Fahrerassistenzsystem |
JP2019520631A (ja) | 2016-05-12 | 2019-07-18 | ビーエーエスエフ ソシエタス・ヨーロピアBasf Se | 自然環境における雑草の認識 |
DE102016108902A1 (de) | 2016-05-13 | 2017-11-16 | Claas Saulgau Gmbh | Verfahren und Steuerungseinrichtung zum Betreiben eines landwirtschaftlichen Transportwagens sowie Transportwagen |
US10051787B2 (en) | 2016-05-17 | 2018-08-21 | Deere & Company | Harvesting head with yield monitor |
CN106053330B (zh) | 2016-05-23 | 2018-12-18 | 北京林业大学 | 土壤紧实度及水分复合测量方法及装置 |
WO2017205410A1 (en) | 2016-05-24 | 2017-11-30 | Cnh Industrial America Llc | Grain cart for continuous conveying agricultural product |
BR112018074180A2 (pt) | 2016-05-24 | 2019-03-06 | Cnh Industrial America Llc | carrinho de grãos autônomo dimensionado para se encaixar atrás de um cabeçote |
US9563852B1 (en) | 2016-06-21 | 2017-02-07 | Iteris, Inc. | Pest occurrence risk assessment and prediction in neighboring fields, crops and soils using crowd-sourced occurrence data |
DE102016111665A1 (de) | 2016-06-24 | 2017-12-28 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliche Arbeitsmaschine und Verfahren zum Betrieb einer landwirtschaftlichen Arbeitsmaschine |
EP3262934A1 (de) | 2016-06-28 | 2018-01-03 | Bayer CropScience AG | Verfahren zur unkrautbekämpfung |
UY36763A (es) | 2016-07-01 | 2018-01-31 | Carlos Hartwich | Roturador y plantador en plataforma motorizada unitaria con navegador automático |
US9563848B1 (en) | 2016-07-06 | 2017-02-07 | Agrian, Inc. | Weighted multi-year yield analysis for prescription mapping in site-specific variable rate applications in precision agriculture |
US9928584B2 (en) | 2016-07-11 | 2018-03-27 | Harvest Moon Automation Inc. | Inspecting plants for contamination |
US10231371B2 (en) | 2016-07-18 | 2019-03-19 | Tribine Industries Llc | Soil compaction mitigation assembly and method |
US10795351B2 (en) | 2016-07-19 | 2020-10-06 | Raven Industries, Inc. | System and method for autonomous control of agricultural machinery and equipment |
CN106248873B (zh) | 2016-07-22 | 2019-04-12 | 黄哲敏 | 一种通过检测设备测定松树坚固程度的方法 |
CN106198879B (zh) | 2016-07-22 | 2018-11-16 | 广东双木林科技有限公司 | 一种检测杉树抗风稳定性能的方法 |
US20180022559A1 (en) | 2016-07-22 | 2018-01-25 | Scott William Knutson | Loader Positioning System |
CN106198877A (zh) | 2016-07-22 | 2016-12-07 | 陈显桥 | 通过测量设备检验杨树稳定性的方法 |
CN106226470B (zh) | 2016-07-22 | 2019-06-11 | 孙红 | 一种通过测量装置测定槐树的稳固性能的方法 |
DE102016009085A1 (de) | 2016-07-26 | 2018-02-01 | Bomag Gmbh | Bodenverdichtungswalze mit Sensoreinrichtung an der Walzbandage und Verfahren zur Ermittlung der Bodensteifigkeit |
US10351364B2 (en) | 2016-08-05 | 2019-07-16 | Deere & Company | Automatic vehicle and conveyor positioning |
DE102016214554A1 (de) | 2016-08-05 | 2018-02-08 | Deere & Company | Verfahren zur Optimierung eines Arbeitsparameters einer Maschine zur Ausbringung von landwirtschaftlichem Material auf ein Feld und entsprechende Maschine |
US10154624B2 (en) | 2016-08-08 | 2018-12-18 | The Climate Corporation | Estimating nitrogen content using hyperspectral and multispectral images |
US10410299B2 (en) | 2016-08-24 | 2019-09-10 | The Climate Corporation | Optimizing split fertilizer application |
EP3287007A1 (de) | 2016-08-24 | 2018-02-28 | Bayer CropScience AG | Bekämpfung von schadorganismen auf basis der vorhersage von befallsrisiken |
US10609856B2 (en) | 2016-08-29 | 2020-04-07 | Troy Oliver | Agriculture system and method |
DE102016116043A1 (de) | 2016-08-29 | 2018-03-01 | Claas Selbstfahrende Erntemaschinen Gmbh | Transportfahrzeug |
CN106327349A (zh) | 2016-08-30 | 2017-01-11 | 张琦 | 一种基于云计算的园林绿化精细化管理装置 |
JP2018033407A (ja) | 2016-09-01 | 2018-03-08 | ヤンマー株式会社 | 配車システム |
DE102016116461A1 (de) | 2016-09-02 | 2018-03-08 | Claas Saulgau Gmbh | Verfahren und Steuerungseinrichtung zum Betreiben eines landwirtschaftlichen Transportwagens sowie Transportwagen |
DE102016117757A1 (de) | 2016-09-21 | 2018-03-22 | Claas Selbstfahrende Erntemaschinen Gmbh | Feldhäcksler |
PL3298873T3 (pl) | 2016-09-21 | 2020-08-24 | Exel Industries | Urządzenie sterujące do pojazdu, odpowiadający mu pojazd i sposób |
DE102016118283A1 (de) | 2016-09-28 | 2018-03-29 | Claas Tractor Sas | Landwirtschaftliche Arbeitsmaschine |
DE102016118297A1 (de) | 2016-09-28 | 2018-03-29 | Claas Tractor Sas | Verfahren und System zur Bestimmung eines Betriebspunktes |
DK3518647T3 (da) | 2016-09-29 | 2021-03-22 | Agro Intelligence Aps | System og fremgangsmåde til bestemmelse af en rute, der skal følges af et landbrugsmæssigt arbejdskøretøj |
US10078890B1 (en) | 2016-09-29 | 2018-09-18 | CHS North LLC | Anomaly detection |
CN106290800B (zh) | 2016-09-30 | 2018-10-12 | 长沙理工大学 | 一种土质边坡抗水流侵蚀能力模拟试验方法及装置 |
DE102016118651A1 (de) | 2016-09-30 | 2018-04-05 | Claas Selbstfahrende Erntemaschinen Gmbh | Selbstfahrende landwirtschaftliche Arbeitsmaschine |
US10165725B2 (en) | 2016-09-30 | 2019-01-01 | Deere & Company | Controlling ground engaging elements based on images |
US20180092301A1 (en) | 2016-10-01 | 2018-04-05 | Deere & Company | Residue spread control using crop deflector commands input by the operator and satnav combine bearing |
US20180092302A1 (en) | 2016-10-01 | 2018-04-05 | Deere & Company | Residue spread control using operator input of wind direction and combine bearing |
WO2018073060A1 (de) | 2016-10-18 | 2018-04-26 | Bayer Cropscience Aktiengesellschaft | PLANUNG UND AUSFÜHRUNG LANDWIRTSCHAFTLICHER MAßNAHMEN |
US20190335674A1 (en) | 2016-10-24 | 2019-11-07 | Board Of Trustees Of Michigan State University | Methods for mapping temporal and spatial stability and sustainability of a cropping system |
JP6832828B2 (ja) | 2016-10-26 | 2021-02-24 | 株式会社クボタ | 走行経路決定装置 |
EP3315005B1 (en) | 2016-10-28 | 2022-04-06 | Deere & Company | Stereo vision system for managing the unloading of an agricultural material from a vehicle |
US11256999B2 (en) | 2016-10-28 | 2022-02-22 | Deere & Company | Methods and systems of forecasting the drying of an agricultural crop |
EP3533008A1 (en) | 2016-10-31 | 2019-09-04 | BASF Agro Trademarks GmbH | Method for mapping crop yields |
US10408645B2 (en) | 2016-11-01 | 2019-09-10 | Deere & Company | Correcting bias in parameter monitoring |
US10832351B2 (en) | 2016-11-01 | 2020-11-10 | Deere & Company | Correcting bias in agricultural parameter monitoring |
US10901420B2 (en) | 2016-11-04 | 2021-01-26 | Intel Corporation | Unmanned aerial vehicle-based systems and methods for agricultural landscape modeling |
CA3043200A1 (en) | 2016-11-07 | 2018-05-11 | The Climate Corporation | Work layer imaging and analysis for implement monitoring, control and operator feedback |
CA3142363C (en) | 2016-11-07 | 2024-03-05 | The Climate Corporation | Agricultural implements for soil and vegetation analysis |
US10398096B2 (en) | 2016-11-16 | 2019-09-03 | The Climate Corporation | Identifying management zones in agricultural fields and generating planting plans for the zones |
US10028451B2 (en) | 2016-11-16 | 2018-07-24 | The Climate Corporation | Identifying management zones in agricultural fields and generating planting plans for the zones |
US20180146624A1 (en) | 2016-11-28 | 2018-05-31 | The Climate Corporation | Determining intra-field yield variation data based on soil characteristics data and satellite images |
US11320279B2 (en) | 2016-12-02 | 2022-05-03 | Kubota Corporation | Travel route management system and travel route determination device |
US10178823B2 (en) | 2016-12-12 | 2019-01-15 | Cnh Industrial Canada, Ltd. | Agricultural implement with automatic shank depth control |
CN106644663B (zh) | 2016-12-12 | 2023-07-21 | 江苏省海洋水产研究所 | 一种紫菜孢子计数用过滤装置及计数方法 |
JP6936356B2 (ja) | 2016-12-19 | 2021-09-15 | 株式会社クボタ | 作業車自動走行システム |
US11300976B2 (en) | 2016-12-19 | 2022-04-12 | Kubota Corporation | Work vehicle automatic traveling system |
KR102532963B1 (ko) | 2016-12-19 | 2023-05-16 | 가부시끼 가이샤 구보다 | 작업차 자동 주행 시스템 |
GB201621879D0 (en) | 2016-12-21 | 2017-02-01 | Branston Ltd | A crop monitoring system and method |
KR101873657B1 (ko) | 2016-12-22 | 2018-08-03 | 현대건설주식회사 | 탄성파 속도를 이용한 성토지반 다짐특성 측정장치와 이를 활용한 다짐관리 방법 |
JP6615085B2 (ja) | 2016-12-22 | 2019-12-04 | 株式会社クボタ | 収穫機 |
WO2018112615A1 (en) | 2016-12-22 | 2018-06-28 | Greentronics Ltd. | Systems and methods for automated tracking of harvested materials |
CN206330815U (zh) | 2017-01-06 | 2017-07-14 | 福建九邦环境检测科研有限公司 | 一种土壤检测用土壤快速压实器 |
US10255670B1 (en) | 2017-01-08 | 2019-04-09 | Dolly Y. Wu PLLC | Image sensor and module for agricultural crop improvement |
US10775796B2 (en) | 2017-01-10 | 2020-09-15 | Cnh Industrial America Llc | Aerial vehicle systems and methods |
DE102017200336A1 (de) | 2017-01-11 | 2018-07-12 | Deere & Company | Modellbasierte prädiktive Geschwindigkeitskontrolle einer Erntemaschine |
KR200485051Y1 (ko) | 2017-01-16 | 2017-11-22 | 서울특별시 | 다짐도 평가장치 |
US10699185B2 (en) | 2017-01-26 | 2020-06-30 | The Climate Corporation | Crop yield estimation using agronomic neural network |
JP6767892B2 (ja) | 2017-02-03 | 2020-10-14 | ヤンマーパワーテクノロジー株式会社 | 収穫量管理システム |
DE102017104009A1 (de) | 2017-02-27 | 2018-08-30 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliches Erntesystem |
US10315655B2 (en) | 2017-03-07 | 2019-06-11 | Deere & Company | Vehicle control based on soil compaction |
CN206515119U (zh) | 2017-03-10 | 2017-09-22 | 南京宁曦土壤仪器有限公司 | 电动击实仪 |
CN206515118U (zh) | 2017-03-10 | 2017-09-22 | 南京宁曦土壤仪器有限公司 | 多功能电动击实仪 |
JP7075787B2 (ja) | 2017-03-14 | 2022-05-26 | 株式会社フジタ | トラフィカビリティ推定装置およびプログラム |
DE102017105490A1 (de) | 2017-03-15 | 2018-09-20 | Amazonen-Werke H. Dreyer Gmbh & Co. Kg | Landwirtschaftliches Terminal |
DE102017105496A1 (de) | 2017-03-15 | 2018-09-20 | Amazonen-Werke H. Dreyer Gmbh & Co. Kg | Landwirtschaftliches Terminal |
DE102017204511A1 (de) | 2017-03-17 | 2018-09-20 | Deere & Company | Landwirtschaftliche Erntemaschine zur Bearbeitung und Förderung von Erntegut mit einer Sensoranordnung zur Erkennung von unerwünschten Gefahr- und Inhaltsstoffen im Erntegut |
CN206616118U (zh) | 2017-03-21 | 2017-11-07 | 嵊州市晟祥盈净水设备有限公司 | 一种多层次深度净水设备 |
EP3582603A4 (en) | 2017-03-21 | 2021-01-06 | Blue River Technology Inc. | COMBINE WITH MACHINE FEEDBACK |
DE102017205293A1 (de) | 2017-03-29 | 2018-10-04 | Deere & Company | Verfahren und Vorrichtung zur Bekämpfung unerwünschter Lebewesen auf einem Feld |
US10152035B2 (en) | 2017-04-12 | 2018-12-11 | Bayer Ag | Value added pest control system with smart learning |
CN206906093U (zh) | 2017-04-21 | 2018-01-19 | 青岛科技大学 | 一种岩土试件压实过程可以测量重量的装置 |
RU2017114139A (ru) | 2017-04-24 | 2018-10-24 | Общество с ограниченной ответственностью "Завод инновационных продуктов "КТЗ" | Способ управления уборочным комбайном |
BR112019022503A2 (pt) | 2017-04-26 | 2020-05-12 | The Climate Corporation | Método para nivelar leituras de sensores através de um implemento |
US10952374B2 (en) | 2017-05-01 | 2021-03-23 | Cnh Industrial America Llc | System and method for monitoring residue output from a harvester |
US10548260B2 (en) | 2017-05-04 | 2020-02-04 | Dawn Equipment Company | System for automatically setting the set point of a planter automatic down pressure control system with a seed furrow sidewall compaction measurement device |
DE102017109849A1 (de) | 2017-05-08 | 2018-11-08 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Abarbeitung eines landwirtschaftlichen Ernteprozesses |
BE1024513B1 (nl) | 2017-05-09 | 2018-03-21 | Cnh Industrial Belgium Nv | Landbouwsysteem |
BE1024475B1 (nl) | 2017-05-09 | 2018-03-01 | Cnh Industrial Belgium Nv | Werkwijze voor het oogsten en oogsttoestel |
US10531603B2 (en) | 2017-05-09 | 2020-01-14 | Cnh Industrial America Llc | Agricultural system |
US10806078B2 (en) * | 2017-05-12 | 2020-10-20 | Deere & Company | Control system for adjusting conditioning rollers of work vehicle |
US10317272B2 (en) | 2017-05-17 | 2019-06-11 | Deere & Company | Automatic wireless wagon detection apparatus and method |
CN206696107U (zh) | 2017-05-18 | 2017-12-01 | 贵州省山地农业机械研究所 | 多用途土壤坚实度测量装置 |
DE102017208442A1 (de) | 2017-05-18 | 2018-11-22 | Deere & Company | Selbstlernende, Korrektureingaben berücksichtigende Anordnung zur selbsttätigen Kontrolle eines Arbeitsparameters einer Erntegutförder- und/oder -bearbeitungseinrichtung |
US10481142B2 (en) | 2017-05-25 | 2019-11-19 | Deere & Company | Sensor system for determining soil characteristics |
US10537062B2 (en) | 2017-05-26 | 2020-01-21 | Cnh Industrial America Llc | Aerial vehicle systems and methods |
CN207079558U (zh) | 2017-05-31 | 2018-03-09 | 中铁二十一局集团第六工程有限公司 | 高速铁路路基沉降监测元件保护装置 |
BE1025282B1 (nl) | 2017-06-02 | 2019-01-11 | Cnh Industrial Belgium Nv | Draagvermogen van de grond |
US9984455B1 (en) | 2017-06-05 | 2018-05-29 | Hana Resources, Inc. | Organism growth prediction system using drone-captured images |
SE542261C2 (en) | 2017-06-05 | 2020-03-31 | Scania Cv Ab | Method and control arrangement for loading |
CN206941558U (zh) | 2017-06-16 | 2018-01-30 | 中石化中原建设工程有限公司 | 一种公路灰土基层压实度测定取样机 |
US10437243B2 (en) | 2017-06-19 | 2019-10-08 | Deere & Company | Combine harvester control interface for operator and/or remote user |
US11589507B2 (en) | 2017-06-19 | 2023-02-28 | Deere & Company | Combine harvester control interface for operator and/or remote user |
US10459447B2 (en) | 2017-06-19 | 2019-10-29 | Cnh Industrial America Llc | System and method for generating partitioned swaths |
US20180359917A1 (en) | 2017-06-19 | 2018-12-20 | Deere & Company | Remote control of settings on a combine harvester |
US10310455B2 (en) | 2017-06-19 | 2019-06-04 | Deere & Company | Combine harvester control and communication system |
US10314232B2 (en) | 2017-06-21 | 2019-06-11 | Cnh Industrial America Llc | System and method for destroying seeds in crop residue prior to discharge from agricultural harvester |
JP6887323B2 (ja) | 2017-06-23 | 2021-06-16 | 株式会社クボタ | コンバイン及び圃場営農マップ生成方法 |
CN110582198B (zh) | 2017-06-23 | 2022-08-23 | 株式会社久保田 | 收割机 |
KR102593355B1 (ko) | 2017-06-26 | 2023-10-25 | 가부시끼 가이샤 구보다 | 포장 맵 생성 시스템 |
JP6827373B2 (ja) | 2017-06-26 | 2021-02-10 | 株式会社クボタ | コンバイン |
DE102017006844B4 (de) | 2017-07-18 | 2019-04-11 | Bomag Gmbh | Bodenverdichter und Verfahren zur Bestimmung von Untergrundeigenschaften mittels eines Bodenverdichters |
US10757859B2 (en) | 2017-07-20 | 2020-09-01 | Deere & Company | System for optimizing platform settings based on crop state classification |
US11263707B2 (en) | 2017-08-08 | 2022-03-01 | Indigo Ag, Inc. | Machine learning in agricultural planting, growing, and harvesting contexts |
DK179454B1 (en) | 2017-08-17 | 2018-10-19 | Agro Intelligence Aps | A system for controlling soil compaction caused by wheels, and use of such system |
US10438302B2 (en) | 2017-08-28 | 2019-10-08 | The Climate Corporation | Crop disease recognition and yield estimation |
CN107576674A (zh) | 2017-08-30 | 2018-01-12 | 曲阜师范大学 | 一种基于探地雷达测量土壤压实程度的方法 |
US11140807B2 (en) | 2017-09-07 | 2021-10-12 | Deere & Company | System for optimizing agricultural machine settings |
US11317562B2 (en) | 2017-09-11 | 2022-05-03 | Farmers Edge Inc. | Generating a yield map for an agricultural field using classification and regression methods |
US10368488B2 (en) | 2017-09-18 | 2019-08-06 | Cnh Industrial America Llc | System and method for sensing harvested crop levels within an agricultural harvester |
DE102017121654A1 (de) | 2017-09-19 | 2019-03-21 | Claas Tractor Sas | Landwirtschaftliche Arbeitsmaschine |
US10883437B2 (en) | 2017-09-19 | 2021-01-05 | Doug Abolt | Horsepower on demand system |
CN107736088B (zh) | 2017-09-22 | 2020-06-26 | 江苏大学 | 一种用于精整地土壤密实度测量与自动调节系统 |
DE102017122300A1 (de) | 2017-09-26 | 2019-03-28 | Claas Selbstfahrende Erntemaschinen Gmbh | Arbeitsmaschine |
DE102017122711A1 (de) | 2017-09-29 | 2019-04-04 | Claas E-Systems Kgaa Mbh & Co. Kg | Verfahren für den Betrieb einer selbstfahrenden landwirtschaftlichen Arbeitsmaschine |
DE102017122710A1 (de) | 2017-09-29 | 2019-04-04 | Claas E-Systems Kgaa Mbh & Co. Kg | Verfahren für den Betrieb einer selbstfahrenden landwirtschaftlichen Arbeitsmaschine |
DE102017122712A1 (de) | 2017-09-29 | 2019-04-04 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren für den Betrieb einer selbstfahrenden landwirtschaftlichen Arbeitsmaschine |
BR122020026057B1 (pt) | 2017-10-02 | 2024-01-16 | Precision Planting Llc | Método de calcular uma medida de uniformidade do sulco, método para determinar um percentual de vazios em um sulco e método para corrigir uma leitura de refletância do solo |
JP7202064B2 (ja) * | 2017-10-04 | 2023-01-11 | 株式会社小松製作所 | 作業機械制御装置および制御方法 |
US10423850B2 (en) | 2017-10-05 | 2019-09-24 | The Climate Corporation | Disease recognition from images having a large field of view |
CN107795095A (zh) | 2017-10-10 | 2018-03-13 | 上海科城建设工程有限公司 | 一种预制混凝土地坪的连接工艺 |
US10517215B2 (en) | 2017-10-12 | 2019-12-31 | Deere & Company | Roll center for attachment frame control arms |
US11308735B2 (en) | 2017-10-13 | 2022-04-19 | Deere & Company | Unmanned aerial vehicle (UAV)-assisted worksite data acquisition |
WO2019079205A1 (en) | 2017-10-17 | 2019-04-25 | Precision Planting Llc | SOIL DETECTION SYSTEMS AND INSTRUMENTS FOR DETECTING DIFFERENT SOIL PARAMETERS |
CA3079773A1 (en) | 2017-10-24 | 2019-05-02 | Basf Agro Trademarks Gmbh | Generation of digital cultivation maps |
CN107957408B (zh) | 2017-10-30 | 2021-01-12 | 汕头大学 | 一种利用光反射理论测量土壤吸力的方法 |
CA3079244A1 (en) | 2017-10-31 | 2019-05-09 | Agjunction Llc | Three-dimensional terrain mapping |
CN108009542B (zh) | 2017-11-01 | 2021-06-15 | 华中农业大学 | 油菜大田环境下杂草图像分割方法 |
US10914054B2 (en) | 2017-11-07 | 2021-02-09 | ModernAg, Inc. | System and method for measurement and abatement of compaction and erosion of soil covering buried pipelines |
US11568340B2 (en) | 2017-11-09 | 2023-01-31 | Climate Llc | Hybrid seed selection and seed portfolio optimization by field |
DK179951B1 (en) | 2017-11-11 | 2019-10-24 | Agro Intelligence Aps | A system and a method for optimizing a harvesting operation |
US10853377B2 (en) | 2017-11-15 | 2020-12-01 | The Climate Corporation | Sequential data assimilation to improve agricultural modeling |
US10521526B2 (en) | 2017-11-20 | 2019-12-31 | Nfl Players, Inc. | Hybrid method of assessing and predicting athletic performance |
US11151500B2 (en) | 2017-11-21 | 2021-10-19 | The Climate Corporation | Digital modeling of disease on crops on agronomic fields |
DE102017221134A1 (de) | 2017-11-27 | 2019-05-29 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Betreiben eines mobilen Systems |
US10412889B2 (en) | 2017-12-05 | 2019-09-17 | Deere & Company | Combine harvester control information for a remote user with visual feed |
US11197405B2 (en) | 2017-12-07 | 2021-12-14 | Kubota Corporation | Harvesting machine and travel mode switching method |
CN207567744U (zh) | 2017-12-08 | 2018-07-03 | 山西省交通科学研究院 | 公路灰土基层压实度测定取样机 |
CA3085012A1 (en) | 2017-12-08 | 2018-12-07 | Camso Inc. | Systems and methods for monitoring off-road vehicles |
DE102017222403A1 (de) | 2017-12-11 | 2019-06-13 | Deere & Company | Verfahren und Vorrichtung zur Kartierung eventuell in einem Feld vorhandener Fremdkörper |
KR102599328B1 (ko) | 2017-12-15 | 2023-11-08 | 가부시끼 가이샤 구보다 | 슬립 판정 시스템, 주행 경로 생성 시스템, 및 포장 작업차 |
US10660268B2 (en) | 2017-12-16 | 2020-05-26 | Deere & Company | Harvester with electromagnetic plane crop material flow sensor |
KR20200096496A (ko) | 2017-12-18 | 2020-08-12 | 가부시끼 가이샤 구보다 | 콤바인 제어 시스템, 콤바인 제어 프로그램, 콤바인 제어 프로그램을 기록한 기록 매체, 콤바인 제어 방법, 수확기 제어 시스템, 수확기 제어 프로그램, 수확기 제어 프로그램을 기록한 기록 매체, 수확기 제어 방법 |
EP3498074A1 (en) | 2017-12-18 | 2019-06-19 | DINAMICA GENERALE S.p.A | An harvest analysis system intended for use in a machine |
KR20200096497A (ko) | 2017-12-18 | 2020-08-12 | 가부시끼 가이샤 구보다 | 자동 주행 시스템, 자동 주행 관리 프로그램, 자동 주행 관리 프로그램을 기록한 기록 매체, 자동 주행 관리 방법, 영역 결정 시스템, 영역 결정 프로그램, 영역 결정 프로그램을 기록한 기록 매체, 영역 결정 방법, 콤바인 제어 시스템, 콤바인 제어 프로그램, 콤바인 제어 프로그램을 기록한 기록 매체, 콤바인 제어 방법 |
KR20200096500A (ko) | 2017-12-18 | 2020-08-12 | 가부시끼 가이샤 구보다 | 자동 조타 시스템 및 자동 조타 방법 |
WO2019124225A1 (ja) | 2017-12-18 | 2019-06-27 | 株式会社クボタ | 農作業車、作業車衝突警戒システム及び作業車 |
KR20200096489A (ko) | 2017-12-20 | 2020-08-12 | 가부시끼 가이샤 구보다 | 작업차, 작업차를 위한 주행 경로 선택 시스템, 및 주행 경로 산출 시스템 |
CN208047351U (zh) | 2017-12-26 | 2018-11-06 | 南安市振邦家庭农场有限公司 | 一种高效率的玉米脱粒机 |
US10568261B2 (en) | 2017-12-28 | 2020-02-25 | Cnh Industrial America Llc | Dynamic combine fire risk index and display |
DK179771B1 (en) | 2017-12-29 | 2019-05-15 | Agro Intelligence Aps | Apparatus and method for improving the yield of grass and clover harvested from an agricultural field |
DK179878B1 (en) | 2017-12-29 | 2019-08-16 | Agro Intelligence Aps | Apparatus and method for improving the quality of grass and clover by tedding |
DK179768B1 (en) | 2017-12-29 | 2019-05-15 | Agro Intelligence Aps | Apparatus and method for improving the conditioning quality of grass and clover prior to the collecting thereof |
CN107941286A (zh) | 2018-01-09 | 2018-04-20 | 东北农业大学 | 一种便携式田间多参数测量装置 |
US10477756B1 (en) | 2018-01-17 | 2019-11-19 | Cibo Technologies, Inc. | Correcting agronomic data from multiple passes through a farmable region |
US10909368B2 (en) | 2018-01-23 | 2021-02-02 | X Development Llc | Crop type classification in images |
US10687466B2 (en) | 2018-01-29 | 2020-06-23 | Cnh Industrial America Llc | Predictive header height control system |
CN108304796A (zh) | 2018-01-29 | 2018-07-20 | 深圳春沐源控股有限公司 | 一种智能杂草警示方法及系统 |
JP7101488B2 (ja) | 2018-01-30 | 2022-07-15 | 株式会社クボタ | 作業車管理システム |
DE102018104286A1 (de) | 2018-02-26 | 2019-08-29 | Claas Selbstfahrende Erntemaschinen Gmbh | Selbstfahrender Feldhäcksler |
US11006577B2 (en) | 2018-02-26 | 2021-05-18 | Cnh Industrial America Llc | System and method for adjusting operating parameters of an agricultural harvester based on estimated crop volume |
JP2019146506A (ja) | 2018-02-26 | 2019-09-05 | 井関農機株式会社 | コンバインの自動走行制御装置 |
DE102018001551A1 (de) | 2018-02-28 | 2019-08-29 | Class Selbstfahrende Erntemaschinen Gmbh | Selbstfahrende Erntemaschine und Betriebsverfahren dafür |
US10830634B2 (en) | 2018-03-06 | 2020-11-10 | Deere & Company | Fill level detection and control |
CN208013131U (zh) | 2018-03-16 | 2018-10-26 | 云南群林科技有限公司 | 一种基于多传感器的农业信息采集系统 |
CN111868782B (zh) | 2018-04-17 | 2024-01-02 | 赫尔实验室有限公司 | 使用彩色图像的盲源分离确定农作物残茬分数的系统和方法 |
DE102018206507A1 (de) | 2018-04-26 | 2019-10-31 | Deere & Company | Schneidwerk mit selbsttätiger Einstellung der Haspelzinkenorientierung |
US11240959B2 (en) | 2018-04-30 | 2022-02-08 | Deere & Company | Adaptive forward-looking biomass conversion and machine control during crop harvesting operations |
EP3563654B1 (en) | 2018-05-02 | 2022-12-21 | AGCO Corporation | Automatic header control simulation |
BE1025780B1 (nl) | 2018-05-07 | 2019-07-08 | Cnh Industrial Belgium Nv | Systeem en werkwijze voor het lokaliseren van een aanhangwagen ten opzichte van een landbouwmachine |
DE102018111077A1 (de) | 2018-05-08 | 2019-11-14 | Claas Selbstfahrende Erntemaschinen Gmbh | Mähdrescher sowie Verfahren zum Betreiben eines Mähdreschers |
DE102018111076A1 (de) | 2018-05-08 | 2019-11-14 | Claas Selbstfahrende Erntemaschinen Gmbh | Mähdrescher |
US10820516B2 (en) | 2018-05-08 | 2020-11-03 | Cnh Industrial America Llc | System and method for monitoring the amount of plant materials entering an agricultural harvester |
CN108614089A (zh) | 2018-05-09 | 2018-10-02 | 重庆交通大学 | 压实土体冻融和风化环境模拟系统及其试验方法 |
US11641790B2 (en) | 2018-05-09 | 2023-05-09 | Deere & Company | Method of planning a path for a vehicle having a work tool and a vehicle path planning system |
US10782672B2 (en) | 2018-05-15 | 2020-09-22 | Deere & Company | Machine control system using performance score based setting adjustment |
DE102018111746A1 (de) | 2018-05-16 | 2019-11-21 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliche Arbeitsmaschine |
US20190351765A1 (en) | 2018-05-18 | 2019-11-21 | Cnh Industrial America Llc | System and method for regulating the operating distance between work vehicles |
JP7039026B2 (ja) | 2018-05-28 | 2022-03-22 | ヤンマーパワーテクノロジー株式会社 | 地図情報生成システム、および作業支援システム |
US10813288B2 (en) | 2018-05-31 | 2020-10-27 | Deere & Company | Automated belt speed control |
DE102018113327A1 (de) | 2018-06-05 | 2019-12-05 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Steuerung einer landwirtschaftlichen Erntekampagne |
CN108881825A (zh) | 2018-06-14 | 2018-11-23 | 华南农业大学 | 基于Jetson TK1的水稻杂草无人机监控系统及其监控方法 |
US11064653B2 (en) | 2018-06-18 | 2021-07-20 | Ag Leader Technology | Agricultural systems having stalk sensors and data visualization systems and related devices and methods |
US11419261B2 (en) | 2018-06-25 | 2022-08-23 | Deere & Company | Prescription cover crop seeding with combine |
US11395452B2 (en) | 2018-06-29 | 2022-07-26 | Deere & Company | Method of mitigating compaction and a compaction mitigation system |
DE102018116578A1 (de) | 2018-07-09 | 2020-01-09 | Claas Selbstfahrende Erntemaschinen Gmbh | Erntesystem |
DE102018116817A1 (de) | 2018-07-11 | 2020-01-16 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Steuerung einer Datenübertragung zwischen einer landwirtschaftlichen Arbeitsmaschine und einer externen Sende-/Empfangseinheit |
WO2020014533A1 (en) | 2018-07-11 | 2020-01-16 | Raven Industries, Inc. | Agricultural control and interface system |
DE102018116990A1 (de) | 2018-07-13 | 2020-01-16 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliche Arbeitsmaschine |
DE102018212150A1 (de) | 2018-07-20 | 2020-01-23 | Deere & Company | Verfahren zur Energieversorgung eines kabelgebundenen betriebenen Feldhäckslers |
US11277956B2 (en) | 2018-07-26 | 2022-03-22 | Bear Flag Robotics, Inc. | Vehicle controllers for agricultural and industrial applications |
CA3106238A1 (en) | 2018-07-26 | 2020-01-30 | The Climate Corporation | Generating agronomic yield maps from field health imagery |
WO2020026578A1 (ja) | 2018-07-31 | 2020-02-06 | 株式会社クボタ | 走行経路生成システム、走行経路生成方法、走行経路生成プログラム、及び走行経路生成プログラムが記録されている記録媒体と、作業管理システム、作業管理方法、作業管理プログラム、及び作業管理プログラムが記録されている記録媒体と、収穫機、走行パターン作成システム、走行パターン作成プログラム、走行パターン作成プログラムが記録されている記録媒体、及び走行パターン作成方法 |
WO2020026651A1 (ja) | 2018-08-01 | 2020-02-06 | 株式会社クボタ | 収穫機、走行システム、走行方法、走行プログラム、及び、記憶媒体 |
WO2020026650A1 (ja) | 2018-08-01 | 2020-02-06 | 株式会社クボタ | 自動走行制御システム、自動走行制御方法、自動走行制御プログラム、及び、記憶媒体 |
US11234357B2 (en) | 2018-08-02 | 2022-02-01 | Cnh Industrial America Llc | System and method for monitoring field conditions of an adjacent swath within a field |
JP6958508B2 (ja) | 2018-08-02 | 2021-11-02 | 井関農機株式会社 | 収穫作業システム |
WO2020031473A1 (ja) | 2018-08-06 | 2020-02-13 | 株式会社クボタ | 外形形状算出システム、外形形状算出方法、外形形状算出プログラム、及び外形形状算出プログラムが記録されている記録媒体と、圃場マップ作成システム、圃場マップ作成プログラム、圃場マップ作成プログラムが記録されている記録媒体、及び圃場マップ作成方法 |
JP7014687B2 (ja) * | 2018-08-07 | 2022-02-01 | 株式会社クボタ | 収穫機 |
US11154008B2 (en) | 2018-08-20 | 2021-10-26 | Cnh Industrial America Llc | System and method for steering an agricultural harvester |
JP7034866B2 (ja) | 2018-08-20 | 2022-03-14 | 株式会社クボタ | 収穫機 |
WO2020039312A1 (en) | 2018-08-22 | 2020-02-27 | Precision Planting Llc | Implements and application units having sensors for sensing data to determine agricultural plant characteristics of agricultural fields |
WO2020038810A1 (en) | 2018-08-22 | 2020-02-27 | Agco International Gmbh | Harvest logistics |
DE102018120741A1 (de) | 2018-08-24 | 2020-02-27 | Claas Selbstfahrende Erntemaschinen Gmbh | Mähdrescher |
WO2020044726A1 (ja) | 2018-08-29 | 2020-03-05 | 株式会社クボタ | 自動操舵システムおよび収穫機、自動操舵方法、自動操舵プログラム、記録媒体 |
JP7121598B2 (ja) | 2018-08-31 | 2022-08-18 | 三菱マヒンドラ農機株式会社 | 収穫機 |
MX2021002202A (es) | 2018-08-31 | 2021-05-14 | Climate Corp | Mejora del modelo de humedad de subcampo utilizando modelado de flujo terrestre con calculos de agua poco profunda. |
US11197417B2 (en) | 2018-09-18 | 2021-12-14 | Deere & Company | Grain quality control system and method |
US20200090094A1 (en) | 2018-09-19 | 2020-03-19 | Deere & Company | Harvester control system |
CA3112950A1 (en) | 2018-09-21 | 2020-03-26 | The Climate Corporation | Method and system for executing machine learning algorithms |
DE102018123478A1 (de) | 2018-09-24 | 2020-03-26 | Claas Tractor Sas | Landwirtschaftliche Arbeitsmaschine |
WO2020076510A2 (en) | 2018-10-11 | 2020-04-16 | Mtd Products Inc | Localized data mapping for indoor and outdoor applications |
US11676244B2 (en) | 2018-10-19 | 2023-06-13 | Mineral Earth Sciences Llc | Crop yield prediction at field-level and pixel-level |
US10729067B2 (en) | 2018-10-20 | 2020-08-04 | Deere & Company | Biomass impact sensor having a conformal encasement enveloping a pressure sensitive film |
CA3116429A1 (en) | 2018-10-24 | 2020-04-30 | Bitstrata Systems Inc. | Machine operational state and material movement tracking |
US11079725B2 (en) | 2019-04-10 | 2021-08-03 | Deere & Company | Machine control using real-time model |
US11178818B2 (en) | 2018-10-26 | 2021-11-23 | Deere & Company | Harvesting machine control system with fill level processing based on yield data |
US11467605B2 (en) | 2019-04-10 | 2022-10-11 | Deere & Company | Zonal machine control |
US11240961B2 (en) | 2018-10-26 | 2022-02-08 | Deere & Company | Controlling a harvesting machine based on a geo-spatial representation indicating where the harvesting machine is likely to reach capacity |
US11399462B2 (en) | 2018-10-31 | 2022-08-02 | Cnh Industrial America Llc | System and method for calibrating alignment of work vehicles |
US20200133262A1 (en) | 2018-10-31 | 2020-04-30 | Cnh Industrial America Llc | System and method for calibrating alignment of work vehicles |
US10986778B2 (en) | 2018-10-31 | 2021-04-27 | Deere & Company | Weed seed devitalizer control |
US20200128738A1 (en) | 2018-10-31 | 2020-04-30 | Cnh Industrial America Llc | System and method for calibrating alignment of work vehicles |
US11564349B2 (en) | 2018-10-31 | 2023-01-31 | Deere & Company | Controlling a machine based on cracked kernel detection |
US11206763B2 (en) | 2018-10-31 | 2021-12-28 | Deere & Company | Weed seed based harvester working member control |
US11175170B2 (en) | 2018-11-07 | 2021-11-16 | Trimble Inc. | Estimating yield of agricultural crops |
US10996656B2 (en) | 2018-11-08 | 2021-05-04 | Premier Crop Systems, LLC | System and method for aggregating test plot results based on agronomic environments |
CN109357804B (zh) | 2018-11-13 | 2023-09-19 | 西南交通大学 | 一种压实土水平应力测试装置及测试方法 |
US20200146203A1 (en) | 2018-11-13 | 2020-05-14 | Cnh Industrial America Llc | Geographic coordinate based setting adjustment for agricultural implements |
CN112996378B (zh) | 2018-11-15 | 2023-04-18 | 株式会社久保田 | 收割机以及路径设定系统 |
CN111201879B (zh) | 2018-11-21 | 2023-10-03 | 金华中科艾特智能科技研究所有限公司 | 基于图像识别的粮食收割、运输一体化装载装置/方法 |
CN113079691B (zh) | 2018-11-26 | 2023-06-16 | 株式会社久保田 | 农作业机及其控制方法、农作业机控制程序及其记录介质 |
US11483970B2 (en) | 2018-11-28 | 2022-11-01 | Cnh Industrial America Llc | System and method for adjusting the orientation of an agricultural harvesting implement based on implement height |
US11067994B2 (en) | 2018-12-06 | 2021-07-20 | Deere & Company | Machine control through active ground terrain mapping |
DE102018131142A1 (de) | 2018-12-06 | 2020-06-10 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliche Arbeitsmaschine sowie Verfahren zum Betreiben einer landwirtschaftlichen Arbeitsmaschine |
DE102018132144A1 (de) | 2018-12-13 | 2020-06-18 | Claas E-Systems Gmbh | Landwirtschaftliche Arbeitssystem |
EP3671590A1 (en) | 2018-12-21 | 2020-06-24 | AGCO Corporation | Method of unloading batch grain quantities for harvesting machines |
JP7182471B2 (ja) | 2019-01-11 | 2022-12-02 | 株式会社クボタ | 作業管理システム及び作業機 |
CN109485353A (zh) | 2019-01-18 | 2019-03-19 | 安徽马钢嘉华新型建材有限公司 | 一种新型钢渣混合土道路基层材料及制备方法 |
DE102019200794A1 (de) | 2019-01-23 | 2020-07-23 | Amazonen-Werke H. Dreyer Gmbh & Co. Kg | System und Verfahren zur Identifizierung von Zeitfenstern und Flächenbereichen eines landwirtschaftlich genutzten Feldes mit günstigen Bedingungen für einen wirkungsvollen und umweltgerechten Einsatz und/oder die Befahrbarkeit von Landmaschinen |
US20200265527A1 (en) | 2019-02-15 | 2020-08-20 | Growers Edge Financial, Inc. | Agronomic prescription product |
CN109961024A (zh) | 2019-03-08 | 2019-07-02 | 武汉大学 | 基于深度学习的小麦田间杂草检测方法 |
CN109763476A (zh) | 2019-03-12 | 2019-05-17 | 上海兰德公路工程咨询设计有限公司 | 一种快速检测填土路基的压实度的装置及方法 |
JP7062610B2 (ja) | 2019-03-26 | 2022-05-06 | ヤンマーパワーテクノロジー株式会社 | 作業制御システム |
CN210585958U (zh) | 2019-03-28 | 2020-05-22 | 宁夏大学 | 霉变玉米识别与分拣的辅助装置 |
JP2020166303A (ja) * | 2019-03-28 | 2020-10-08 | 株式会社小松製作所 | 作業機械の制御システム及び方法 |
DE102019108505A1 (de) | 2019-04-02 | 2020-10-08 | Claas E-Systems Gmbh | Landwirtschaftliche Arbeitsmaschine |
US10677637B1 (en) | 2019-04-04 | 2020-06-09 | Scale Tec, Ltd. | Scale controller with dynamic weight measurement |
CN110232493B (zh) | 2019-04-09 | 2021-07-30 | 丰疆智能科技股份有限公司 | 收割机和物流车智能配合系统和方法 |
CN110232494A (zh) | 2019-04-09 | 2019-09-13 | 丰疆智能科技股份有限公司 | 物流车调度系统和方法 |
US11778945B2 (en) | 2019-04-10 | 2023-10-10 | Deere & Company | Machine control using real-time model |
US11234366B2 (en) | 2019-04-10 | 2022-02-01 | Deere & Company | Image selection for machine control |
US11856882B2 (en) | 2019-04-10 | 2024-01-02 | Kansas Stte University Research Foundation | Autonomous robot system for steep terrain farming operations |
US11016049B2 (en) | 2019-04-17 | 2021-05-25 | Deere & Company | Agricultural moisture and test weight sensor with co-planar electrodes |
US20200337232A1 (en) | 2019-04-24 | 2020-10-29 | Deere & Company | Information inference for agronomic data generation in sugarcane applications |
FR3095572B1 (fr) | 2019-05-02 | 2023-03-17 | Agreenculture | Procédé de gestion de flottes de véhicules agricoles autoguidés |
DE102019206734A1 (de) | 2019-05-09 | 2020-11-12 | Deere & Company | Sämaschine mit vorausschauender Ansteuerung |
US10703277B1 (en) | 2019-05-16 | 2020-07-07 | Cnh Industrial America Llc | Heads-up display for an agricultural combine |
US11674288B2 (en) | 2019-05-30 | 2023-06-13 | Deere & Company | System and method for obscurant mitigation |
DE102019114872A1 (de) | 2019-06-03 | 2020-12-03 | Horsch Leeb Application Systems Gmbh | System und Verfahren zur Simulation und/oder Konfiguration eines mittels einer landwirtschaftlichen Arbeitsmaschine durchzuführenden Arbeitsprozesses und landwirtschaftliche Arbeitsmaschine |
US11457563B2 (en) | 2019-06-27 | 2022-10-04 | Deere & Company | Harvester stability monitoring and control |
CN110262287A (zh) | 2019-07-14 | 2019-09-20 | 南京林业大学 | 用于收获机械割台高度自动控制的冠层高度在线探测方法 |
DE102019119110A1 (de) | 2019-07-15 | 2021-01-21 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Abarbeitung eines landwirtschaftlichen Arbeitsprozesses auf einem Feld |
JP2019216744A (ja) | 2019-09-03 | 2019-12-26 | ヤンマー株式会社 | コンバイン |
US11904871B2 (en) | 2019-10-30 | 2024-02-20 | Deere & Company | Predictive machine control |
CN110720302A (zh) | 2019-11-29 | 2020-01-24 | 河南瑞创通用机械制造有限公司 | 一种谷物收获机智能调节系统及其控制方法 |
US11540447B2 (en) | 2019-12-17 | 2023-01-03 | Deere & Company | Predictive crop characteristic mapping for product application |
US11800829B2 (en) | 2019-12-17 | 2023-10-31 | Deere & Company | Work machine zone generation and control system with geospatial constraints |
US11641801B2 (en) | 2020-04-21 | 2023-05-09 | Deere & Company | Agricultural harvesting machine control using machine learning for variable delays |
CN111406505A (zh) | 2020-04-30 | 2020-07-14 | 江苏大学 | 一种联合收获机粮箱剩余容量及剩余行走距离监测装置和方法 |
-
2020
- 2020-10-09 US US17/067,129 patent/US11675354B2/en active Active
-
2021
- 2021-08-30 BR BR102021017177-4A patent/BR102021017177A2/pt unknown
- 2021-09-28 CN CN202111147426.6A patent/CN114303609A/zh active Pending
-
2023
- 2023-05-02 US US18/310,950 patent/US20230315096A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US20230315096A1 (en) | 2023-10-05 |
CN114303609A (zh) | 2022-04-12 |
US20220113726A1 (en) | 2022-04-14 |
US11675354B2 (en) | 2023-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11592822B2 (en) | Machine control using a predictive map | |
US11849672B2 (en) | Machine control using a predictive map | |
BR102021016550A2 (pt) | Máquina de trabalho agrícola, e, método implementado por computador para controlar uma máquina de trabalho agrícola | |
BR102021015171A2 (pt) | Máquina de trabalho agrícola, e, método implementado por computador para controlar uma máquina de trabalho agrícola | |
BR102021016552A2 (pt) | Máquina de trabalho agrícola, e, método implementado por computador para gerar um mapa agrícola preditivo funcional | |
BR102021017139A2 (pt) | Máquina de trabalho agrícola, e, método implementado por computador para controlar uma máquina de trabalho agrícola | |
BR102022013985A2 (pt) | Sistema agrícola, e, método implementado por computador para controlar uma máquina de trabalho agrícola | |
BR102021017182A2 (pt) | Máquina de trabalho agrícola, e, método implementado por computador para controlar uma máquina de trabalho agrícola | |
BR102021017051A2 (pt) | Máquina de trabalho agrícola, e, método implementado por computador para gerar um mapa agrícola preditivo funcional | |
US20230315096A1 (en) | Machine control using a predictive map | |
BR102021015205A2 (pt) | Máquina de trabalho agrícola, e, método implementado por computador para controlar uma máquina de trabalho agrícola | |
US11711995B2 (en) | Machine control using a predictive map | |
US11983009B2 (en) | Map generation and control system | |
BR102021016563A2 (pt) | Máquina de trabalho agrícola, e, método implementado por computador para gerar um mapa agrícola preditivo funcional | |
BR102021017298A2 (pt) | Máquina de trabalho agrícola, e, método implementado por computador para controlar uma máquina de trabalho agrícola | |
BR102021017308A2 (pt) | Máquina de trabalho agrícola, e, método implementado por computador para controlar uma máquina de trabalho agrícola | |
BR102021016578A2 (pt) | Máquina de trabalho agrícola, e, método implementado por computador para gerar um mapa agrícola preditivo funciona | |
US11474523B2 (en) | Machine control using a predictive speed map | |
BR102021023437A2 (pt) | Método para controlar uma máquina de trabalho agrícola, e, máquina de trabalho agrícola campo da descrição | |
BR102021017257A2 (pt) | Máquina de trabalho agrícola, e, método implementado por computador para gerar um mapa agrícola preditivo funcional | |
EP3981232A1 (en) | Predictive map generation and control system | |
US20220110262A1 (en) | Predictive map generation and control system | |
US20220113733A1 (en) | Predictive power map generation and control system | |
EP3981243A1 (en) | Map generation and control system | |
BR122021019410A2 (pt) | Máquina de trabalho agrícola, e, método implementado por computador para gerar um mapa agrícola preditivo funcional |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
B03A | Publication of a patent application or of a certificate of addition of invention [chapter 3.1 patent gazette] |