BR102021017199A2 - Máquina de trabalho agrícola, e, método implementado por computador para gerar um mapa agrícola - Google Patents
Máquina de trabalho agrícola, e, método implementado por computador para gerar um mapa agrícola Download PDFInfo
- Publication number
- BR102021017199A2 BR102021017199A2 BR102021017199-5A BR102021017199A BR102021017199A2 BR 102021017199 A2 BR102021017199 A2 BR 102021017199A2 BR 102021017199 A BR102021017199 A BR 102021017199A BR 102021017199 A2 BR102021017199 A2 BR 102021017199A2
- Authority
- BR
- Brazil
- Prior art keywords
- map
- agricultural
- predictive
- values
- control
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 34
- 238000011065 in-situ storage Methods 0.000 claims abstract description 130
- 239000002028 Biomass Substances 0.000 claims description 59
- 239000000463 material Substances 0.000 claims description 49
- 238000004891 communication Methods 0.000 claims description 30
- 241000251169 Alopias vulpinus Species 0.000 claims description 11
- 238000012545 processing Methods 0.000 description 62
- 241000196324 Embryophyta Species 0.000 description 51
- 238000005520 cutting process Methods 0.000 description 50
- 230000000875 corresponding effect Effects 0.000 description 46
- 230000007246 mechanism Effects 0.000 description 45
- 230000009471 action Effects 0.000 description 38
- 238000003306 harvesting Methods 0.000 description 33
- 238000004140 cleaning Methods 0.000 description 25
- 230000003993 interaction Effects 0.000 description 22
- 239000002699 waste material Substances 0.000 description 21
- 230000008569 process Effects 0.000 description 19
- 230000008859 change Effects 0.000 description 18
- 241001124569 Lycaenidae Species 0.000 description 16
- 238000004458 analytical method Methods 0.000 description 16
- 230000000007 visual effect Effects 0.000 description 16
- 230000001276 controlling effect Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 15
- 238000003860 storage Methods 0.000 description 15
- 239000002689 soil Substances 0.000 description 13
- 230000002452 interceptive effect Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 239000000446 fuel Substances 0.000 description 9
- 238000010801 machine learning Methods 0.000 description 9
- 238000004519 manufacturing process Methods 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 8
- 230000002829 reductive effect Effects 0.000 description 8
- 230000033001 locomotion Effects 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 5
- 230000015572 biosynthetic process Effects 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 5
- 238000013442 quality metrics Methods 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 238000003786 synthesis reaction Methods 0.000 description 5
- 230000001960 triggered effect Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 244000038559 crop plants Species 0.000 description 4
- 230000003247 decreasing effect Effects 0.000 description 4
- 238000013340 harvest operation Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 239000003550 marker Substances 0.000 description 4
- 230000036961 partial effect Effects 0.000 description 4
- 230000004043 responsiveness Effects 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 238000013475 authorization Methods 0.000 description 3
- 239000000470 constituent Substances 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000035939 shock 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
- 229920002472 Starch Polymers 0.000 description 2
- 240000008042 Zea mays Species 0.000 description 2
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 2
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 239000000969 carrier Substances 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 235000005822 corn Nutrition 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000035611 feeding Effects 0.000 description 2
- 239000004459 forage Substances 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- 235000019698 starch Nutrition 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
- 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
- 230000002411 adverse Effects 0.000 description 1
- 238000005054 agglomeration Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000012010 growth Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000013507 mapping 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
- 238000010899 nucleation Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000010908 plant waste Substances 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 239000010902 straw Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000003813 thumb Anatomy 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- A01D41/1278—Control or measuring arrangements specially adapted for combines for automatic steering
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01B—SOIL WORKING IN AGRICULTURE OR FORESTRY; PARTS, DETAILS, OR ACCESSORIES OF AGRICULTURAL MACHINES OR IMPLEMENTS, IN GENERAL
- A01B79/00—Methods for working soil
- A01B79/005—Precision agriculture
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01D—HARVESTING; MOWING
- A01D41/00—Combines, i.e. harvesters or mowers combined with threshing devices
- A01D41/12—Details of combines
- A01D41/127—Control or measuring arrangements specially adapted for combines
- A01D41/1271—Control or measuring arrangements specially adapted for combines for measuring crop flow
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01D—HARVESTING; MOWING
- A01D41/00—Combines, i.e. harvesters or mowers combined with threshing devices
- A01D41/12—Details of combines
- A01D41/127—Control or measuring arrangements specially adapted for combines
- A01D41/1274—Control or measuring arrangements specially adapted for combines for drives
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0011—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement
- G05D1/0044—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement by providing the operator with a computer generated representation of the environment of the vehicle, e.g. virtual reality, maps
-
- 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
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01B—SOIL WORKING IN AGRICULTURE OR FORESTRY; PARTS, DETAILS, OR ACCESSORIES OF AGRICULTURAL MACHINES OR IMPLEMENTS, IN GENERAL
- A01B69/00—Steering of agricultural machines or implements; Guiding agricultural machines or implements on a desired track
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01B—SOIL WORKING IN AGRICULTURE OR FORESTRY; PARTS, DETAILS, OR ACCESSORIES OF AGRICULTURAL MACHINES OR IMPLEMENTS, IN GENERAL
- A01B79/00—Methods for working soil
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Radar, Positioning & Navigation (AREA)
- Environmental Sciences (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Soil Sciences (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (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 característica agrícola em diferentes locais geográficos de um campo. Um sensor in-situ na máquina de trabalho agrícola sensoreia uma característica agrícola conforme a máquina de trabalho agrícola se move através do campo. Um gerador de mapa preditivo gera um mapa preditivo que prediz uma característica agrícola preditiva em diferentes locais no campo com base em uma relação entre os valores no um ou mais mapas de informação e na característica agrícola sensoreada pelo sensor in-situ. O mapa preditivo pode ser fornecido e usado no controle de máquina automático.
Description
[001] A presente descrição se refere a máquinas agrícolas, máquinas de exploração florestal, máquinas de construção, e máquinas de cultivo de gramados.
[002] Existe uma ampla variedade de tipos diferentes de máquinas agrícolas. Algumas máquinas agrícolas incluem colheitadeiras, tais como colheitadeiras combinadas, colheitadeiras de cana-de-açúcar, as colheitadeiras de algodão, as colheitadeiras de forragem autopropulsionadas, e ceifadeiras alinhadoras. Algumas colheitadeiras podem ser equipadas com diferentes tipos de cabeças para colher diferentes tipos de colheitas.
[003] Áreas de vegetação variada nos campos têm um número de efeitos prejudiciais sobre a operação de colheita. Por exemplo, quando a colheitadeira encontra uma área de vegetação mais densa, como um canteiro de erva daninha em um campo, o material aumentado encontrado pela colheitadeira pode prejudicar o desempenho da colheitadeira. Por conseguinte, um operador pode tentar modificar o controle da colheitadeira ao encontrar áreas de vegetação variável durante a operação de colheita.
[004] A discussão acima é meramente provida para a informação geral dos fundamentos e não é destinada a ser usada como uma ajuda 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 característica agrícola em diferentes locais geográficos de um campo. Um sensor in-situ na máquina de trabalho agrícola sensoreia uma característica agrícola conforme a máquina de trabalho agrícola se move através do campo. Um gerador de mapa preditivo gera um mapa preditivo que prediz uma característica agrícola preditiva em diferentes locais no campo com base em uma relação entre os valores no um ou mais mapas de informação e na característica agrícola sensoreada pelo sensor in-situ. O mapa preditivo pode ser fornecido e usado no controle de máquina automático. Esse sumário é provido para apresentar uma seleção de conceitos de uma forma simplificada, que são descritos mais detalhadamente abaixo na descrição detalhada. Esse sumário não é destinado a identificar as características importantes ou as características essenciais da matéria reivindicada, nem é destinado a ser usado como uma ajuda na determinação do escopo da matéria reivindicada. A matéria reivindicada não é limitada aos exemplos que solucionam qualquer ou todas das desvantagens notadas nos fundamentos.
[006] A figura 1 é uma ilustração parcial pictórica, parcial esquemática de um exemplo de uma colheitadeira combinada.
[007] A figura 2 é um diagrama de blocos mostrando algumas porções de uma colheitadeira agrícola em mais detalhe, de acordo com vários exemplos da presente invenção.
[008] As figuras 3A-3B (coletivamente referidas aqui como a figura 3) mostram um fluxograma ilustrando um exemplo de operação de uma colheitadeira agrícola na geração de um mapa.
[009] A figura 4A é um diagrama de blocos mostrando um exemplo de um gerador de modelo preditivo e um gerador de mapa preditivo.
[0010] A figura 4B é um diagrama de blocos mostrando alguns exemplos de sensores in-situ.
[0011] A figura 5 é um fluxograma mostrando um exemplo de operação de uma colheitadeira agrícola na recepção de um mapa de informação, detectando uma característica, e gerando um mapa preditivo funcional para uso no controle da colheitadeira agrícola durante uma operação de colheita.
[0012] A figura 6 é um diagrama de blocos mostrando um exemplo de um gerador de zona de controle.
[0013] A figura 7 é um fluxograma ilustrando um exemplo da operação do gerador de zona de controle mostrado na figura 6.
[0014] A figura 8 ilustra um fluxograma mostrando um exemplo de operação de um sistema de controle na seleção de um valor de regulagem alvo para controlar uma colheitadeira agrícola.
[0015] A figura 9 é um diagrama de blocos mostrando um exemplo de um controlador de interface de operador.
[0016] A figura 10 é um fluxograma ilustrando um exemplo de um controlador de interface de operador.
[0017] A figura 11 é uma ilustração pictórica mostrando um exemplo de uma exibição de interface de operador.
[0018] A figura 12 é um diagrama de blocos mostrando um exemplo de uma colheitadeira agrícola em comunicação com um ambiente de servidor remoto.
[0019] As figuras 13 a 15 mostram exemplos de dispositivos móveis que podem ser usados em uma colheitadeira agrícola.
[0020] A figura 16 é um diagrama de blocos mostrando um exemplo de um ambiente de computação que pode ser usado em uma colheitadeira agrícola.
[0021] Para as finalidades de promover uma compreensão dos princípios da presente invenção, referência será agora feita aos exemplos ilustrados nos desenhos, e linguagem específica será usada para descrever os mesmos. Não obstante, será entendido que nenhuma limitação do escopo da invenção é pretendida. Quaisquer alterações e outras modificações aos dispositivos, o sistemas, método, descritos, e qualquer outra aplicação dos princípios da presente invenção são totalmente contempladas como ocorreriam normalmente para uma pessoa especializada na técnica à qual a invenção se refere. Em particular, é totalmente contemplado que as características, componentes, e/ou etapas descritos com relação a um exemplo podem ser combinados com as características, componentes, e/ou etapas descritos com relação a outros exemplos da presente invenção.
[0022] A presente descrição se refere ao uso de dados in-situ tomados simultaneamente com uma operação agrícola, em combinação com dados anteriores ou preditos, para gerar um mapa preditivo, tal como um mapa de fluxo de cultivo preditivo, mapa de subalimentação, ou mapa de pressão de acionamento de rotor. Em alguns exemplos, o mapa preditivo pode ser usado para controlar uma máquina de trabalho agrícola, tal como uma colheitadeira agrícola. Conforme discutido acima, o desempenho de uma colheitadeira agrícola pode ser afetado quando a colheitadeira agrícola engata um canteiro de vegetação mais densa, tal como um canteiro de erva daninha ou uma área de plantas de cultivo mais fortes.
[0023] O desempenho de uma colheitadeira agrícola pode ser prejudicialmente afetado com base em um número de diferentes critérios. Por exemplo, quando a vegetação varia através de um campo sem a apropriada ação corretiva, a colheitadeira agrícola pode encontrar um fluxo de cultivo não uniforme. Embora o termo fluxo de cultivo seja usado, o fluxo de cultivo pode se referir a qualquer material se deslocando através da plataforma de corte e não é limitado a somente material de uma planta de cultivo. O fluxo de cultivo não uniforme podem causar porções ou picos de material, que potencialmente causam dano aos componentes em alguns casos e podem impactar o desempenho de máquina, tal como a perda de grão e qualidade por causa do inconsistente fluxo de material. O fluxo não uniforme de cultivo causa com que uma força de acionamento de rotor de debulhe seja também não uniforme. Por conseguinte, a força de acionamento não uniforme pode ser um indicador dos problemas de fluxo de cultivo. A força de acionamento não uniforme pode causar picos de energia ao longo da colheitadeira agrícola, que pode causar problemas para os componentes do sistema de acionamento.
[0024] Ou, por exemplo, quando a vegetação varia através de um campo sem a apropriada ação corretiva, a colheitadeira agrícola pode encontrar a subalimentação. Subalimentação é o fenômeno quando material é descarregado de uma primeira de duas correias draper da plataforma de corte, ultrapassa o sistema de fornecimento traseiro (tipicamente incluindo outra correia) e é descarregado sob a segunda das duas correias draper da plataforma de corte. Um mapa de índice vegetativo ilustrativamente mapeia valores de índice vegetativo (que podem ser indicativos de crescimento vegetativo) através de diferentes locais geográficos em um campo de interesse. Um exemplo de um índice vegetativo inclui um índice de vegetação de diferença normalizado (NDVI). Existem muitos outros índices vegetativos que estão dentro do escopo da presente invenção. Em alguns exemplos, um índice vegetativo pode ser derivado das leituras de sensor de uma ou mais bandas de radiação eletromagnética refletida pelas plantas. Sem limitações, essas bandas podem estar nas porções de microondas, infravermelhas, visíveis, ou ultravioletas, do espectro eletromagnético.
[0025] Um mapa de índice vegetativo pode ser usado para identificar a presença e local de vegetação. Em alguns exemplos, esses mapas permitem que ervas daninhas sejam identificadas e geograficamente referenciadas na presença de solo nu, resíduo de cultivo, ou outras plantas, incluindo cultivo ou outras ervas daninhas. Por exemplo, no final de uma estação de crescimento, quando um cultivo está maduro, as plantas de cultivo podem mostrar um reduzido nível de vida, da vegetação em crescimento. Todavia, as ervas daninhas frequentemente persistem em um estado de crescimento depois da maturidade do cultivo. Por conseguinte, se um mapa de índice vegetativo for gerado relativamente tarde na estação de crescimento, o mapa de índice vegetativo pode ser indicativo do local de ervas daninhas no campo. Em alguns casos, no entanto, o mapa de índice vegetativo pode ser menos útil (ou nada útil) na identificação de uma intensidade de ervas daninhas no canteiro de erva daninha ou dos tipos de ervas daninhas no canteiro de erva daninha. Assim, em alguns casos, um mapa de índice vegetativo pode ter uma utilidade reduzida em predizer como controlar uma colheitadeira agrícola conforme a colheitadeira agrícola se move através do campo.
[0026] A presente discussão também inclui mapas preditivos que predizem uma característica com base em um mapa de informação e uma relação aos dados sensoreados, obtida de um sensor in-situ. Esses mapas preditivos incluem um mapa de biomassa preditivo, e um mapa de velocidade preditivo. Em um exemplo, o mapa de biomassa preditivo é gerado pela recepção de um mapa de índice vegetativo anterior e uma biomassa sensoreada (como dados de biomassa obtidos de um sinal de dado de um sensor de biomassa) e determinação de uma relação entre o mapa de índice vegetativo anterior e uma biomassa sensoreada obtida. A relação determinada, em combinação com o mapa de índice vegetativo anterior, é usada para gerar o mapa de biomassa preditivo baseado. Em um exemplo, o mapa de velocidade preditivo é gerado por recepção de um mapa de produção anterior e um sensor de velocidade da máquina de trabalho agrícola (tal como os dados de velocidade obtidos de um sinal de dado de um sensor de velocidade) e determinação de uma relação entre o mapa de produção e um sensor de velocidade sensoreada; A relação determinada, em combinação com o mapa de produção, é usada para gerar o mapa de velocidade preditivo.
[0027] Os mapas de biomassa e velocidade preditivos podem ser criados com base em outros mapas de informação anteriores ou preditivos ou gerados também de outras maneiras. Por exemplo, os mapas de biomassa e velocidade preditivos podem ser gerados com base em imagens de satélites ou outros veículos aéreos, modelos de crescimento, modelos climáticos etc. Em alguns casos, um mapa de velocidade preditivo ou um mapa de biomassa preditivo pode ser baseado, no total ou em parte, em um mapa topográfico, um mapa de tipo de solo, um mapa de constituintes de solo, ou um mapa de saúde de solo.
[0028] Um mapa de biomassa ilustrativamente mapeia os valores de biomassa através de diferentes locais geográficos em um campo de interesse. Um exemplo de um mapa de biomassa inclui valores em uma unidade de massa vegetativa sobre área. Existem muitos outros mapas de biomassa que estão dentro do escopo da presente invenção. A biomassa pode ser indicativa da massa de um ou mais de material de cultivo e de erva daninha. Em alguns exemplos, a biomassa tem mais que um valor em um local, cada valor correspondente a um componente da biomassa total (por exemplo, distinguindo entre material de erva daninha e material de cultivo).
[0029] Um mapa de velocidade ilustrativamente mapeia os valores de velocidade através de diferentes locais geográficos em um campo de interesse. Os valores de velocidade podem ser indicativos dos valores de velocidade históricos naqueles locais em uma operação no passado. Os valores de velocidade podem ser indicativos dos valores de velocidade, nos quais um sistema de controle automático tentará controlar a colheitadeira agrícola. Os valores de velocidade podem ser indicativos de uma velocidade ideal modelada ou uma velocidade desejável predita. Em alguns exemplos, os valores de velocidade também incluem uma direção de deslocamento.
[0030] A presente discussão, assim, prossegue com relação a sistemas que recebem um mapa de informação de um campo ou mapa gerado durante uma operação anterior ou um mapa predito e também usam um sensor in-situ para detectar uma variável indicativa de uma ou mais de uma característica agrícola, tal como o fluxo de cultivo, subalimentação e força de acionamento de rotor durante uma operação de colheita. Entradas de comando pode ser entradas de regulagem para controlar as regulagens em uma colheitadeira agrícola ou outras entradas de controle, tais como entradas de direção, entradas de velocidade, entradas de altura de plataforma de corte e outras entradas. 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 prediz, por exemplo, o fluxo de cultivo, a subalimentação e a força de acionamento de rotor em diferentes locais no campo. O mapa preditivo funcional, gerado durante a operação de colheita, pode ser apresentado a um operador ou outro usuário ou usado no controle automático de uma colheitadeira agrícola durante a operação de colheita, ou ambos. O mapa preditivo funcional pode ser usado para controlar uma ou mais correias draper.
[0031] A figura 1 é uma ilustração parcial pictórica, parcial esquemática de uma colheitadeira agrícola autopropulsionada 100. No exemplo ilustrado, a colheitadeira agrícola 100 é uma colheitadeira combinada. Ainda, embora as colheitadeiras combinadas sejam providas como exemplos ao longo da presente invenção, será apreciado que a presente descrição é também aplicável a outros tipos de colheitadeiras, como colheitadeiras de algodão, colheitadeiras de cana-de-açúcar, as colheitadeiras de forragem autopropulsionadas, ceifadeiras alinhadoras, ou outras máquinas de trabalho agrícolas. Consequentemente, a presente invenção é destinada a englobar os vários tipos de colheitadeira, conforme descrito, assim, não é limitada as colheitadeiras combinadas. Além disso, a presente invenção é dirigida a outros tipos de máquinas de trabalho, tais como semeadoras e pulverizadores agrícolas, equipamento de construção, equipamento de exploração florestal, e equipamento de cultivo de gramados, onde a geração de um mapa preditivo pode ser aplicável. Consequentemente, a presente invenção é destinada a englobar esses vários tipos de colheitadeiras e outras máquinas de trabalho e, assim, não é limitada as colheitadeiras combinadas.
[0032] Conforme mostrado na figura 1, a colheitadeira agrícola 100 ilustrativamente inclui 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 um equipamento de extremidade dianteira, tal como uma plataforma de corte 102, e um cortador geralmente indicado em 104. No exemplo ilustrado, o cortador 104 é incluído na plataforma de corte 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 sistema de manipulação de material 125. A plataforma de corte 102 é pivotadamente acoplada a uma armação 103 da colheitadeira agrícola 100 ao longo do eixo geométrico de pivô 105. Um ou mais atuadores 107 acionam o movimento da plataforma de corte 102 em torno do eixo geométrico 105 na direção geralmente indicada pela seta 109. Assim, uma posição vertical da plataforma de corte 102 (a altura da plataforma de corte) acima do solo 111 sobre o qual a plataforma de corte 102 se desloca é controlável pela atuação do atuador 107. Embora não mostrado na figura 1, a colheitadeira agrícola 100 pode também incluir um ou mais atuadores que operam para aplicar um ângulo de inclinação, um ângulo de rolamento, ou ambos, à plataforma de corte 102 ou porções da plataforma de corte 102. Inclinação se refere a um ângulo no qual o cortador 104 engata o cultivo. O ângulo de inclinação é aumentado, por exemplo, pelo controle da plataforma de corte 102 para apontar para uma borda distal 113 do cortador 104 mais na direção para o solo. O ângulo de inclinação é diminuído pelo controle da plataforma de corte 102 para apontar a borda distal 113 do cortador 104 mais para longe do solo. O ângulo de rolamento se refere à orientação da plataforma de corte 102 em torno do eixo geométrico longitudinal da frente para trás da colheitadeira agrícola 100.
[0033] O debulhador 110 ilustrativamente inclui um rotor de debulhe 112 e um conjunto de côncavos 114. Ainda, a colheitadeira agrícola 100 também inclui ao 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 uma ventoinha de limpeza 120, o crivo superior 122, e a peneira 124. O sistema de manipulação de material 125also inclui o batedor de descarga 126, elevador de resíduos 128, o elevador de grão limpo 130, bem como o parafuso sem-fim de descarregamento 134 e boca de descarga 136. O elevador de grão limpo move o grão limpo para dentro do tanque de grão limpo 132. A colheitadeira agrícola 100 também inclui um subsistema de resíduo 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 engatando ao solo 144, tais como rodas ou esteiras. Em alguns exemplos, uma colheitadeira combinada dentro do escopo da presente invenção pode ter mais que um dentre qualquer dos subsistemas mencionados acima. Em alguns exemplos, a colheitadeira agrícola 100 pode ter subsistemas de limpeza esquerdo e direito, os separadores etc., que não são mostrados na figura 1.
[0034] Na operação, e a título de visão geral, a colheitadeira agrícola 100 ilustrativamente se move através de um campo na direção indicada pela seta 147. Conforme a colheitadeira agrícola 100 se move, a plataforma de corte 102 (e o carretel associado 164) engata o cultivo to ser colhido e recolhe o cultivo na direção para o cortador 104. Um operador da 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 regulagem de altura, uma regulagem do ângulo de inclinação, ou uma regulagem de ângulo de rolamento para a plataforma de corte 102. Por exemplo, o operador alimenta uma regulagem ou regulagens a um sistema de controle, descrito em maior detalhe abaixo, que controla o atuador 107. O sistema de controle pode também receber uma regulagem do operador para estabelecer o ângulo de inclinação e o ângulo de rolagem da plataforma de corte 102 e pode implementar as regulagens alimentadas pelo controle dos atuadores associados, não mostrados, que operam para alterar o ângulo de inclinação e o ângulo de rolagem da plataforma de corte 102. O atuador 107 mantém a plataforma de corte 102 em uma altura acima do solo 111 com base em uma regulagem de altura e, onde aplicável, nos desejados ângulos de inclinação e de rolagem. Cada uma das regulagens de altura, rolamento, e inclinação, pode ser implementada independentemente das outras. O sistema de controle responde à plataforma de corte erro (por exemplo, a diferença entre a regulagem de altura e a altura da plataforma de corte medida 104 acima do solo 111 e, em alguns exemplos, os erros de ângulo de inclinação e do ângulo de rolagem) com uma responsividade que é determinada com base em um nível de sensibilidade selecionado. Se o nível de sensibilidade é ajustado em um nível maior de sensibilidade, o sistema de controle responde a menores erros da posição de plataforma de corte, e tenta reduzir os erros detectados mais rapidamente do que quando a sensibilidade está a um nível mais baixo de sensibilidade.
[0035] Retornando para a descrição da operação da colheitadeira agrícola 100, depois do cultivo ser cortado pelo cortador 104, o material de cultivo separado é movido através de um transportador no alimentador 106 na direção para o acelerador de alimentação 108, que acelera o de cultivo para dentro do debulhador 110. O material de cultivo é debulhado pelo rotor 112 girando o cultivo contra os côncavos 114. O material de cultivo debulhado é movido por um rotor de separador no separador 116, onde uma porção do resíduo é movida pelo batedor de descarga 126 na direção para o subsistema de resíduo 138. A porção de resíduo transferida para o subsistema de resíduo 138 é picada pelo picador de resíduo 140 e espalhada no campo pelo espalhador 142. Em outras configurações, o resíduo é liberado da colheitadeira agrícola 100 em um depósito em fiada. Em outros exemplos, o subsistema de resíduo 138 pode incluir eliminadores de semente de erva daninha (não mostrados), tais como ensacadores de semente ou outros coletores de semente, ou trituradores de semente ou outros destruidores de semente.
[0036] Grão cai ao subsistema de limpeza 118. O crivo superior 122 separa algumas peças maiores de material do grão, e a peneira 124 separa algumas das peças mais finas de material do grão limpo. Grão limpo cai em um parafuso sem-fim 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 por fluxo de ar gerado pela ventoinha de limpeza 120. A ventoinha de limpeza 120 direcionar o ar ao longo de um trajeto de fluxo de ar para cima através das peneiras e dos crivos superiores. O fluxo de ar transporta resíduo para trás na colheitadeira agrícola 100 na direção para o subsistema de manipulação de resíduo 138.
[0037] O elevador de resíduos 128 retorna os resíduos para o debulhador 110, onde os resíduos são redebulhados. Alternativamente, os resíduos também podem ser passados para um mecanismo de redebulhe separado por um elevador de resíduos ou outro dispositivo de transporte, onde os resíduos são também redebulhados.
[0038] A figura 1 também mostra que, em um exemplo, a colheitadeira agrícola 100 inclui O 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 voltado para frente 151, que pode ser na forma de uma câmera estéreo ou mono, e um ou mais dos sensores de perda 152 providos no subsistema de limpeza 118.
[0039] O sensor de subalimentação e fluxo de cultivo 145 sensoreia um fluxo de cultivo, subalimentação, ou ambos, na plataforma de corte 102. O sensor de subalimentação e fluxo de cultivo 145 pode incluir também uma câmera de outro tipo de sensor. Embora o termo fluxo de cultivo seja usado, o fluxo de cultivo pode se referir a qualquer material se deslocando através da plataforma de corte e não é limitado a somente material de uma planta de cultivo. Algumas das características de fluxo de cultivo que podem ser sensoreadas pelo sensor de subalimentação e fluxo de cultivo 145 incluem o fluxo volumétrico, o fluxo em massa, o teor de material, a uniformidade de fluxo, a aglomeração de material, a estagnação de material, subalimentação, a perda de grão devida à subalimentação etc.
[0040] O sensor de força de acionamento de rotor 149 sensoreia uma força usada para acionar o debulhador 110. A presente invenção se refere ao uso de um sensor de pressão de acionamento de rotor para sensorear um valor indicativo da força usada para acionar o debulhador 110. Todavia, pressão é usada somente como um exemplo e outros sensores de força de acionamento de rotor 149 que podem sensorear outras características indicativas de força que aciona o debulhador 110 em uma velocidade particular são explicitamente contemplados como sendo aplicáveis, onde um sensor de pressão de acionamento de rotor é mencionado.
[0041] O sensor de velocidade de máquina 146 sensoreia a velocidade de deslocamento da colheitadeira agrícola 100 no solo. O sensor de velocidade de máquina 146 pode sensorear a velocidade de deslocamento da colheitadeira agrícola 100 pelo sensoreamento da velocidade de rotação dos componentes engatando no solo (tais como rodas ou esteiras), um eixo de acionamento, um eixo, ou outros componentes. Em alguns casos, a velocidade de deslocamento pode ser sensoreada usando um sistema de posicionamento, tal como um sistema de posicionamento global (GPS), um sistema de reconhecimento passivo, um sistema de navegação a grande distância (LORAN), ou uma ampla variedade de outros sistemas ou sensores que provêm uma indicação de velocidade de deslocamento.
[0042] Os sensores de perda 152 ilustrativamente provêm um sinal de saída indicativo da quantidade de perda de grão que ocorre em ambos os lados direito e esquerdo do subsistema de limpeza 118. Em alguns exemplos, os sensores 152 são os sensores de choque que contam choques de grão por unidade de tempo ou por unidade de distância percorrida para prover uma indicação da perda de grão que ocorre no subsistema de limpeza 118. Os sensores de choque para os lados direito e esquerdo do subsistema de limpeza 118 podem prover sinais individuais ou um sinal combinado ou agregado. Em alguns exemplos, os sensores 152 podem incluir um único sensor, em oposição aos sensores separados providos para cada subsistema de limpeza 118.
[0043] O sensor de perda de separador 148 provê um sinal indicativo de perda de grão nos separadores esquerdo e direito, não separadamente mostrados na figura 1. Os sensores de perda de separador 148 podem ser associados aos separadores esquerdo e direito e podem prover sinais separados de perda de grão ou um sinal combinado ou agregado. Em alguns casos, o sensoreamento de perda de grão nos separadores pode também ser realizado usando também uma ampla variedade de diferentes tipos de sensores.
[0044] A colheitadeira agrícola 100 pode também incluir outros sensores e mecanismos de medição. Por exemplo, a colheitadeira agrícola 100 pode incluir um ou mais dos seguintes sensores: um sensor de altura da plataforma de corte, que sensoreia uma altura da plataforma de corte 102 acima do solo 111; sensores de estabilidade que sensoreiam o movimento de oscilação ou de saltos (e amplitude) da colheitadeira agrícola 100; um sensor de regulagem de resíduo que é configurado para sensorear se a colheitadeira agrícola 100 é configurada para picar o resíduo, produzir um depósito em fiada, etc.; um sensor de velocidade de ventoinha de sapata de limpeza para sensorear a velocidade da ventoinha 120; um sensor de folgas de côncavos, que sensoreia a folga entre o rotor 112 e côncavos 114; um sensor de velocidade de rotor de debulhe que sensoreia uma velocidade de rotor do rotor 112; um sensor de folga de crivo superior que sensoreia o tamanho de aberturas no crivo superior 122; um sensor de folga de a peneira que sensoreia o tamanho de aberturas na peneira 124; um sensor de umidade de material diferente de grão (MOG) que sensoreia um nível de umidade do MOG passando através de colheitadeira agrícola 100; um o mais sensores de regulagem de máquina, configurados para sensorear várias regulagens configuráveis da colheitadeira agrícola 100; um sensor de orientação de máquina que sensoreia a orientação da colheitadeira agrícola 100; e sensores de propriedade de cultivo que sensoreiam uma variedade de diferentes tipos de propriedades de cultivo, tais como o tipo de cultivo, umidade de cultivo, e outras propriedades de cultivo. Os sensores de propriedade de cultivo podem também ser configurados para sensorear as características do material de cultivo separado quando o material de cultivo está sendo processado pela colheitadeira agrícola 100. Por exemplo, em alguns casos, os sensores de propriedade de cultivo podem sensorear a qualidade de grão, tal como grão quebrado, níveis de MOG; os constituintes de grão, tais como amidos e proteína; e taxa de alimentação de grão conforme o grão se desloca através do alimentador 106, o elevador de grão limpo 130, ou em outro lugar na colheitadeira agrícola 100. Os sensores de propriedade de cultivo podem também sensorear o fluxo de cultivo através das correias draper da plataforma de corte 102, através do alimentador 106, através do separador 116, ou em outro lugar na colheitadeira agrícola 100. O sensor de propriedade de cultivo pode também sensorear a subalimentação. Os sensores de propriedade de cultivo podem também sensorear a taxa de alimentação como a taxa de fluxo em massa de grão através do elevador 130 ou através de outras porções da colheitadeira agrícola 100 ou provêm outros sinais e saída indicativos de outras variáveis sensoreadas. Por exemplo, os sensores de propriedade de cultivo podem sensorear o teor, o fluxo em massa, o fluxo volumétrico, subalimentação, e outras características do fluxo de cultivo.
[0045] Antes de descrever como a colheitadeira agrícola 100 gera um mapa preditivo funcional e usa o mapa preditivo funcional para o controle da velocidade de correia draper, uma breve descrição de alguns dos itens na colheitadeira agrícola 100 e da operação dos mesmos será primeiramente descrita. A descrição das figuras 2 e 3 descreve a recepção de um tipo geral de mapa de informação e combinando informação do mapa de informação com um sinal de sensor geograficamente referenciado, gerado por um sensor insitu, onde o sinal de sensor é indicativo de uma característica no campo, como as características de cultivo ou ervas daninhas presentes no campo. As características do campo podem incluir, mas não são limitadas a, as características de um campo como inclinação, intensidade de erva daninha, tipo de erva daninha, umidade do solo, qualidade da superfície; as características de propriedades de cultivo, tais como altura de cultivo, umidade de cultivo, densidade de cultivo, estado do cultivo; as características de propriedades de grão como umidade de grão, tamanho de grão, peso de teste de grão; e as características do desempenho de máquina, tais como níveis de perda, qualidade de trabalho, consumo de combustível, o força de acionamento de rotor, características de fluxo de material, e utilização de energia. Uma relação entre os valores de característica obtidos de sinais de sensor in-situ e os valores de mapa de informação é identificada, e esta relação é usada para gerar um novo mapa preditivo funcional. Um mapa preditivo funcional prediz valores em diferentes locais geográficos em um campo, e um ou mais daqueles 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 intermédio de uma exibição, de forma táctil, 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 usada para um ou mais do controle de uma máquina de trabalho agrícola, tal como uma colheitadeira agrícola, a apresentação para um operador ou outro usuário, e a apresentação para um operador ou usuário para a interação pelo operador ou usuário.
[0046] Depois de a proposta geral ser descrita com relação às figuras 2 e 3, uma proposta mais específica para gerar um mapa preditivo funcional que pode ser apresentado a um operador ou usuário, ou usado para controlar a colheitadeira agrícola 100, ou ambos, é descrita com relação às figuras 4 e 5. Novamente, embora a presente discussão prossiga com relação à colheitadeira agrícola e, particularmente, uma colheitadeira combinada, o escopo da presente invenção compreende outros tipos da colheitadeira agrícolas ou outras máquinas de trabalho agrícolas.
[0047] A figura 2 é um diagrama de blocos mostrando algumas porções de uma colheitadeira agrícola de exemplo 100. A figura 2 mostra que a colheitadeira agrícola 100 ilustrativamente inclui um ou mais processadores ou servidores 201, o banco de dados 202, o sensor de posição geográfica 204, o sistema de comunicação 206, e um ou mais sensores in-situ 208 que sensoreiam uma ou mais características agrícolas de um campo simultaneamente com uma operação de colheita. Uma característica agrícola pode incluir qualquer característica que pode ter um efeito sobre a operação da colheita. Alguns exemplos de características agrícolas incluem as características da máquina de colheita, o campo, as plantas no campo, e o clima. Outros tipos de características agrícolas são também incluídas. Os sensores in-situ 208 geram valores correspondentes às características sensoreadas. A colheitadeira agrícola 100 também inclui um gerador de modelo ou relação preditivo (coletivamente referido daqui em diante como "gerador de modelo preditivo 210"), o gerador de mapa preditivo 212, o gerador de zona de controle 213, o sistema de controle 214, um ou mais subsistemas controláveis 216, e um mecanismo de interface de operador 218. A colheitadeira agrícola 100 pode também incluir uma ampla variedade de outras funcionalidades de colheitadeira agrícola 220. Os sensores in-situ 208 incluem, por exemplo, os sensores a bordo 222, os sensores remotos 224, e outros sensores 226 que sensoreiam as características de um campo durante o curso de uma operação agrícola. O gerador de modelo preditivo 210 ilustrativamente inclui um gerador de modelo de variável de informação-paravariável in-situ 228, e o gerador de modelo preditivo 210 pode incluir outros itens 230. O sistema de controle 214 inclui o controlador de sistema de comunicação 229, o controlador de interface de operador 231, um controlador de regulagens 232, o controlador de planejamento de trajeto 234, o controlador de taxa de alimentação 236, o controlador de plataforma de corte e carretel 238, o controlador de correia draper 240, o controlador de posição de placa de plataforma 242, o controlador de sistema de resíduo 244, o controlador de limpeza de máquina 245, o controlador de zona 247, e sistema 214 pode incluir outros itens 246. Os subsistemas controláveis 216 incluem os atuadores de máquina e a plataforma de corte 248, o subsistema de propulsão 250, o subsistema de direção 252, o subsistema de resíduo 138, o subsistema de limpeza de máquina 254, e os subsistemas 216 podem incluir uma ampla variedade de outros subsistemas 256.
[0048] 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, um mapa de biomassa, ou um mapa de velocidade. Qualquer desses mapas poderia ser um mapa de uma operação anterior ou um mapa preditivo. Todavia, o mapa de informação 258 pode também 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 alavancas de controle, alavancas, um volante, conjuntos de articulação, pedais, botões, mostradores, teclados, elementos atuáveis por usuário (como ícones, botões etc.) em um dispositivo de exibição de interface de usuário, um microfone e alto-falante (onde o reconhecimento de voz e a síntese de voz são providos), dentre uma ampla variedade de outros tipos de dispositivos de controle. Quando um sistema de exibição sensível ao toque é provido, o operador 260 pode interagir com os mecanismos de interface de operador 218 usando gestos de toque. Esses exemplos descritos acima são providos como exemplos ilustrativos e não são destinados a limitar o escopo da presente invenção. Consequentemente, outros tipos de mecanismos de interface de operador 218 podem ser usados e estão dentro do escopo da presente invenção.
[0049] O mapa de informação 258 pode ser baixado à colheitadeira agrícola 100 e armazenado no banco 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 a comunicação sobre uma rede de área larga ou uma rede de área local, um sistema para a comunicação sobre uma rede de comunicação de campo próximo, ou um sistema de comunicação configurado para se comunicar sobre qualquer de uma variedade de outras redes ou combinações de redes. O sistema de comunicação 206 pode também incluir um sistema que facilita os baixamentos ou transferências de informação para, e de, um cartão Secure Digital (SD) ou um cartão de barramento serial universal (USB) ou ambos.
[0050] O sensor de posição geográfica 204 ilustrativamente sensoreia ou detecta a posição geográfica ou o local da colheitadeira agrícola 100. O sensor de posição geográfica 204 pode incluir, mas não é limitado a, 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 pode também incluir um componente cinemático em tempo real (RTK), que é configurado para melhorar a precisão de dados de posição derivados do sinal de GNSS. O sensor de posição geográfica 204 pode incluir um sistema de reconhecimento passivo, um sistema de triangulação celular, ou qualquer de uma variedade de outros sensores de posição geográfica.
[0051] Os sensores in-situ 208 podem ser qualquer dos sensores descritos acima com relação à figura 1. Os sensores in-situ 208 incluem sensores a bordo 222, que são montados a bordo da colheitadeira agrícola 100. Tais sensores podem incluir, por exemplo, um sensor de imagem (por exemplo, um sistema de câmera mono ou estéreo que visualiza o fluxo de material em e fora de várias correias draper e um sistema de processamento de imagem), ou o sensor de força de acionamento de rotor, dentre outros. Os sensores in-situ 208 também incluem sensores in-situ remotos 224 que capturam informação in-situ. Os dados in-situ incluem dados tomados de um sensor a bordo da colheitadeira ou tomados por qualquer sensor no qual os dados são detectados durante a operação de colheita.
[0052] O gerador de modelo preditivo 210 gera um modelo que é indicativo de uma relação entre os valores sensoreados pelo sensor in-situ 208 e um valor mapeado para o campo pelo mapa de informação 258. Por exemplo, se o mapa de informação 258 mapear um valor de índice vegetativo para diferentes locais no campo, e o sensor in-situ 208 estiver sensoreando um valor indicativo de fluxo de cultivo, então o gerador de modelo de variável de informação-para-variável in-situ 228 gera um modelo preditivo que modela a relação entre um valor de índice vegetativo e o fluxo de cultivo valor. O modelo preditivo pode também ser gerado com base em valores de índice vegetativo do mapa de informação 258 e os múltiplos valores de dados in-situ gerados pelos sensores in-situ 208. Então, o gerador de mapa preditivo 212 usa o modelo preditivo gerado pelo gerador de modelo preditivo 210 para gerar um mapa preditivo funcional 263 que prediz o valor de um fluxo de cultivo sensoreado pelos sensores in-situ 208 em diferentes locais no campo, com base no mapa de informação 258.
[0053] Em alguns exemplos, o tipo dos valores no mapa preditivo funcional 263 pode ser o mesmo que o tipo de dado in-situ sensoreado pelos sensores in-situ 208. Em alguns casos, o tipo dos valores no mapa preditivo funcional 263 pode ter unidades diferentes dos dados sensoreados pelos sensores in-situ 208. Em alguns exemplos, o tipo dos valores no mapa preditivo funcional 263 pode ser diferente do tipo de dado sensoreado pelos sensores in-situ 208, mas ter uma relação ao tipo do tipo de dado sensoreado pelos sensores in-situ 208. Por exemplo, em alguns exemplos, o tipo de dado sensoreado pelos sensores in-situ 208 podem ser indicativo do tipo dos valores no mapa preditivo funcional 263. Em alguns exemplos, o tipo de dado no mapa preditivo funcional 263 pode ser diferente do tipo de dado no mapa de informação 258. Em alguns casos, o tipo de dado no mapa preditivo funcional 263 pode ter unidades diferentes dos dados no mapa de informação 258. Em alguns exemplos, o tipo de dado no mapa preditivo funcional 263 pode ser diferente do tipo de dado no mapa de informação 258, mas tem uma relação ao tipo de dado no mapa de informação 258. Por exemplo, em alguns exemplos, o tipo de dado no mapa de informação 258 pode ser indicativo do tipo de dado no mapa preditivo funcional 263. Em alguns exemplos, o tipo de dado no mapa preditivo funcional 263 é diferente do um de, ou ambos, do tipo de dado in-situ sensoreado pelos sensores in-situ 208 e o tipo de dado no mapa de informação 258. Em alguns exemplos, o tipo de dado no mapa preditivo funcional 263 é o mesmo que um de, ou ambos de, o tipo de dado in-situ sensoreado pelos sensores in-situ 208 e o tipo de dado no mapa de informação 258. Em alguns exemplos, o tipo de dado no mapa preditivo funcional 263 é o mesmo que um do tipo de dado in-situ sensoreado pelos sensores in-situ 208 ou o tipo de dado no mapa de informação 258, e diferentes uns dos outros.
[0054] Continuando com o exemplo anterior, no qual o mapa de informação 258 é um mapa de índice vegetativo e o sensor in-situ 208 sensoreia um valor indicativo de fluxo de cultivo, o gerador de mapa preditivo 212 pode usar os valores de índice vegetativo no mapa de informação 258, e o modelo gerado pelo gerador de modelo preditivo 210, para gerar um mapa preditivo funcional 263 que prediz o fluxo de cultivo em diferentes locais no campo. O gerador de mapa preditivo 212 fornece assim o mapa preditivo 264.
[0055] Conforme mostrado na figura 2, o mapa preditivo 264 prediz o valor de uma característica sensoreada (sensoreada pelos sensores in-situ 208), ou uma característica relacionada à característica sensoreada, em vários locais através do campo, com base em um valor de informação no mapa de informação 258 naqueles locais e usando o modelo preditivo. Por exemplo, se gerador de modelo preditivo 210 gerou um modelo indicativo preditivo de uma relação entre um valor de índice vegetativo e intensidade de erva daninha, então, dado um valor de índice vegetativo em diferentes locais através do campo, o gerador de mapa preditivo 212 gera um mapa preditivo 264 que prediz o valor de a intensidade de erva daninha em diferentes locais através do campo. Um valor de índice vegetativo, obtido do mapa de índice vegetativo, naqueles locais e a relação entre valor de índice vegetativo e intensidade de erva daninha, obtida do modelo preditivo, são usados para gerar o mapa preditivo 264.
[0056] Algumas variações no tipo de dado que são mapeadas no mapa de informação 258, o tipo de dado sensoreado pelos sensores in-situ 208, e o tipo de dado predito no mapa preditivo 264 serão agora descritas.
[0057] Em alguns exemplos, o tipo de dado no mapa de informação 258 é diferente do tipo de dado sensoreado pelos sensores in-situ 208, ainda o tipo de dado no mapa preditivo 264 é o mesmo que o tipo de dado sensoreado pelos sensores in-situ 208. Por exemplo, o mapa de informação 258 pode ser um mapa de índice vegetativo, e a variável sensoreada pelos sensores in-situ 208 podem ser a produção. O mapa preditivo 264 pode então ser um mapa de produção preditivo, que mapeia os valores de produção preditos para os diferentes locais geográficos no campo. Em outro exemplo, o mapa de informação 258 pode ser um mapa de índice vegetativo, e a variável sensoreada pelos sensores in-situ 208 podem ser altura de cultivo. O mapa preditivo 264 pode então ser um mapa de altura de cultivo preditivo, que mapeia os valores de altura de cultivo preditos para os diferentes locais geográficos no campo.
[0058] Também, em alguns exemplos, o tipo de dado no mapa de informação 258 é diferente do tipo de dado sensoreado pelos sensores in-situ 208, e o tipo de dado no mapa preditivo 264 é diferente tanto do tipo de dado no mapa de informação 258 quanto do tipo de dado sensoreado pelos sensores in-situ 208. Por exemplo, o mapa de informação 258 pode ser um mapa de índice vegetativo, e a variável sensoreada pelos sensores in-situ 208 podem ser altura de cultivo. O mapa preditivo 264 pode então ser um mapa de biomassa preditivo, que mapeia os valores de biomassa preditos para os diferentes locais geográficos no campo. Em outro exemplo, o mapa de informação 258 pode ser um mapa de índice vegetativo, e a variável sensoreada pelos sensores in-situ 208 podem ser a produção. O mapa preditivo 264 pode então ser um mapa de velocidade preditivo que mapeia os valores de velocidade de colheitadeira preditos para os diferentes locais geográficos no campo.
[0059] Em alguns exemplos, o mapa de informação 258 é de um passe anterior através do campo durante uma operação anterior e o tipo de dado é diferente do tipo de dado sensoreado pelos sensores in-situ 208, ainda o tipo de dado no mapa preditivo 264 é o mesmo que o tipo de dado sensoreado pelos sensores in-situ 208. Por exemplo, o mapa de informação 258 pode ser um mapa de população de semente gerado durante o plantio, e a variável sensoreada pelos sensores in-situ 208 podem ser o tamanho de caule. O mapa preditivo 264 pode então ser um mapa de tamanho de caule preditivo que mapeia os valores de tamanho de caule preditos para os diferentes locais geográficos no campo. Em outro exemplo, o mapa de informação 258 pode ser um mapa híbrido de semeadura, e a variável sensoreada pelos sensores insitu 208 podem ser estado do cultivo como cultivo em pé ou cultivo derrubado. O mapa preditivo 264 pode então ser um mapa de estado de cultivo preditivo que mapeia os valores de estado de cultivo preditos para os diferentes locais geográficos no campo.
[0060] Em alguns exemplos, o mapa de informação 258 é de um passe anterior através do campo durante uma operação anterior e o tipo de dado é o mesmo que o tipo de dado sensoreado pelos sensores in-situ 208, e o tipo de dado no mapa preditivo 264 é também o mesmo que o tipo de dado sensoreado pelos sensores in-situ 208. Por exemplo, o mapa de informação 258 pode ser um mapa de produção gerado durante um ano prévio, e a variável sensoreada pelos sensores in-situ 208 podem ser a produção. O mapa preditivo 264 pode então ser um mapa de produção preditivo, que mapeia os valores de produção preditos para os diferentes locais geográficos no campo. Em um tal exemplo, as diferenças de produção relativas no mapa de informação geograficamente referenciado 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 produção relativas no mapa de informação 258 e os valores de produção sensoreados pelos sensores in-situ 208 durante a operação de colheita atual. O modelo preditivo é então usado pelo gerador de mapa preditivo 210 para gerar um mapa de produção preditivo.
[0061] Em outro exemplo, o mapa de informação 258 pode ser um mapa de intensidade de erva daninha gerado durante uma operação anterior, como de um pulverizador, e a variável sensoreada pelos sensores in-situ 208 podem ser intensidade de erva daninha. O mapa preditivo 264 pode então ser um mapa de intensidade de erva daninha preditivo, que mapeia os valores preditos de erva daninha para os diferentes locais geográficos no campo. Em um tal exemplo, um mapa das intensidade de erva daninha no momento da pulverização gravado de forma geograficamente referenciada e provido para a colheitadeira agrícola 100 como um mapa de informação 258 de intensidade de erva daninha. Os sensores in-situ 208 podem detectar intensidade de erva daninha em locais geográficos no campo e o gerador de modelo preditivo 210 pode então formar um modelo preditivo que modela uma relação entre intensidade de erva daninha no momento da colheita e intensidade de erva daninha no momento de pulverização. Isso é porque o pulverizador terá impactado sobre a intensidade de erva daninha no momento da pulverização, mas as ervas daninhas podem ainda crescer em áreas similares novamente por colheita. Todavia, é provável que as áreas de erva daninha na colheita tenham diferentes intensidades com base na temporização da colheita, clima, tipo de erva daninha, dentre outros fatores.
[0062] Em alguns exemplos, o mapa preditivo 264 pode ser provido para o 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 dado de mapa preditivo 264, que são associados com aquelas porções adjacentes. A zona de controle pode incluir duas ou mais porções contíguas de uma área, tal como um campo, para a 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 regulagem dos subsistemas controláveis 216 pode ser inadequado para responder satisfatoriamente a alterações nos valores contidos em um mapa, tal como o mapa preditivo 264. Nesse caso, o gerador de zona de controle213 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 de atuador excessivo resultante do ajuste contínuo. Em alguns exemplos, pode existir um conjunto diferente de zonas de controle para cada subsistema controlável 216 ou para grupos dos 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 assim ser similar ao mapa preditivo 264, exceto que o mapa de zona de controle preditivo 265 inclui informação de zona de controle definindo as zonas de controle. Assim, um mapa preditivo funcional 263, conforme descrito aqui, pode, ou não pode, incluir zonas de controle. Tanto o mapa preditivo 264 quanto o mapa de zona de controle preditivo 265 são os mapas preditivos funcionais 263. Em um exemplo, um mapa preditivo funcional 263 não inclui zonas de controle, tal como o mapa preditivo 264. Em outro exemplo, um mapa preditivo funcional 263 não inclui zonas de controle, tal como o mapa de zona de controle preditivo 265. Em alguns exemplos, múltiplas colheitas podem estar simultaneamente presentes em um campo, se um sistema de produção de intercultivo para implementado. Nesse caso, o gerador de mapa preditivo 212 e o gerador de zona de controle 213 são capazes de identificar o local e as características das duas ou mais colheitas e então gerar mapa preditivo 264 e o mapa de zona de controle preditivo 265, consequentemente.
[0063] Será também apreciado que o que 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 somente as zonas de controle que são geradas. Em alguns exemplos, as zonas de controle podem ser usadas para controlar ou calibrar colheitadeira agrícola 100 ou ambos. Em outros exemplos, as zonas de controle podem ser apresentadas ao operador 260 e usadas para controlar ou calibrar a colheitadeira agrícola 100, e, em outros exemplos, as zonas de controle podem ser apresentadas ao operador 260 ou a outro usuário ou armazenadas para o uso posterior.
[0064] O mapa preditivo 264 ou o mapa de zona de controle preditivo 265, ou ambos, são providos para o sistema de controle 214, que geram sinais de controle com base no mapa preditivo 264 ou no mapa de zona de controle preditivo 265 ou ambos. Em alguns exemplos, o controlador de sistema de comunicação 229 controla o sistema de comunicação 206 para comunicar o mapa preditivo 264 ou o mapa de zona de controle preditivo 265 ou os sinais de controle com base no mapa preditivo 264 ou no mapa de zona de controle preditivo 265 para outras colheitadeiras agrícolas que estão colhendo no mesmo campo. Em alguns exemplos, o controlador de 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.
[0065] O controlador de interface de operador 231 é operável para gerar sinais de controle para controlar os mecanismos de interface de operador 218. O controlador de interface de operador 231 é também operável para apresentar o mapa preditivo 264 ou o mapa de zona de controle preditivo 265 ou outra informação derivada do, ou com base no, mapa preditivo 264,o 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, do mapa preditivo 264 e do mapa de zona de controle preditivo 265 para o operador 260. O controlador 231 pode gerar mecanismos atuáveis por operador que são exibidos e podem ser atuados pelo operador para interagir com o mapa exibido. O operador pode editar o mapa por, por exemplo, corrigir um tipo de erva daninha exibido no mapa, com base na observação pelo operador. O controlador de regulagens 232 pode gerar sinais de controle para controlar várias regulagens 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 regulagens 232 pode gerar sinais de controle para controlar os atuadores de máquina e a plataforma de corte 248. Em resposta aos sinais de controle gerados, os atuadores de máquina e a plataforma de corte 248 operam para controlar, por exemplo, uma ou mais das regulagens de a peneira e crivo superior, folgas de côncavos, regulagens do rotor, regulagens de velocidade de ventoinha de limpeza, a altura da plataforma de corte, a funcionalidade da plataforma de corte, a velocidade de carretel, posição de carretel, funcionalidade draper (onde a colheitadeira agrícola 100 é acoplada a uma plataforma de corte draper), a funcionalidade da plataforma de corte de milho, o controle de distribuição interna e outros atuadores 248 que afetam outras funções da colheitadeira agrícola 100. O controlador de planejamento de trajeto 234 ilustrativamente gera sinais de controle para controlar o subsistema de direção 252 para direcionar 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 colheitadeira agrícola 100 e pode controlar o subsistema de propulsão 250 e o subsistema de direção 252 para direcionar 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 os atuadores de máquina 248, para controlar uma taxa de alimentação com base no mapa preditivo 264 ou no mapa de zona de controle preditivo 265 ou ambos. Por exemplo, quando a colheitadeira agrícola 100 se aproxima a um canteiro de erva daninha tendo um valor de intensidade acima de um limite selecionado, o controlador de taxa de alimentação 236 pode reduzir a velocidade de máquina 100 para manter constante a taxa de alimentação de biomassa através da máquina. O controlador de plataforma de corte e carretel 238 pode gerar sinais de controle para controlar uma plataforma de corte ou um carretel ou outra funcionalidade da plataforma de corte. O controlador de correia draper 240 pode gerar sinais de controle para controlar uma correia draper ou outra funcionalidade draper com base no mapa preditivo 264, o mapa de zona de controle preditivo 265, ou ambos. O controlador de posição de placa de plataforma 242 pode gerar sinais de controle para controlar a posição da placa de plataforma incluída em uma plataforma de corte com base no mapa preditivo 264 ou no mapa de zona de controle preditivo 265 ou ambos, e o controlador de sistema de resíduo 244 pode gerar sinais de controle para controlar ao subsistema de resíduo 138 com base no mapa preditivo 264 ou no mapa de zona de controle preditivo 265, ou ambos. O controlador de limpeza de máquina 245 pode gerar sinais de controle para controlar o subsistema de limpeza de máquina 254. Por exemplo, com base nos diferentes tipos de sementes ou ervas daninhas passadas através de máquina 100, um tipo particular de operação de limpeza de máquina ou uma frequência com a qual uma operação de limpeza é realizada pode ser controlado. Outros controladores incluídos na colheitadeira agrícola 100 podem controlar outros subsistemas com base no mapa preditivo 264 ou no mapa de zona de controle preditivo 265 ou também em ambos.
[0066] As figuras 3A e 3B (coletivamente referidas aqui como a figura 3) mostram um fluxograma ilustrando um exemplo da operação da colheitadeira agrícola 100 na geração de um mapa preditivo 264 e o mapa de zona de controle preditivo 265 com base no mapa de informação 258.
[0067] Em 280, a colheitadeira agrícola 100 recebe o mapa de informação 258. Os exemplos de mapa de informação 258 ou a recepção do mapa de informação 258 são discutidos com relação aos blocos 281, 282, 284 e 286. Conforme discutido acima, o mapa de informação 258 mapeia valores de uma variável, correspondente a uma primeira característica, para diferentes locais no campo, conforme indicado no bloco 282. Conforme indicado no bloco 281, a recepção do mapa de informação 258 pode envolver selecionar um ou mais de uma pluralidade de possíveis mapas de informação que são disponíveis. Por exemplo, um mapa de informação pode ser um mapa de índice vegetativo gerado de imagens aéreas. Outro mapa de informação pode ser um mapa gerado durante um passe anterior através do campo, que pode ter sido realizado por uma máquina diferente realizando uma operação prévia no campo, tal como um pulverizador ou outra máquina. O processo pelo qual um ou mais mapas de informação são selecionados pode ser manual, semiautomático, ou automático. O mapa de informação 258 é com base em dados coletados anteriores a uma operação de colheita atual. Isso é indicado pelo bloco 284. Por exemplo, os dados podem ser coletados com base em imagens aéreas tomadas durante um ano prévio, ou mais anteriormente na estação de crescimento atual, ou em outros instantes. Os dados podem ser à base de dados detectados de maneiras diferentes do que o uso de imagens aéreas. Por exemplo, a colheitadeira agrícola 100 pode ser equipada com um sensor, tal como um sensor óptico interno, que identifica sementes de ervas daninhas que estão abandonando a colheitadeira agrícola 100. Os dados de sementes de ervas daninhas, detectados pelo sensor durante uma colheita de um ano prévio, podem ser usados como os dados usados para gerar o mapa de informação 258. Os dados de ervas daninhas sensoreados 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 abandonam colheitadeira agrícola 100 em diferentes locais e com base em outros fatores, tais como se as sementes estão sendo espalhadas pelo espalhador ou deixadas cair em um depósito em fiada; as condições climáticas, como o vento, quando as sementes estão sendo deixadas cair ou espalhadas; as condições de drenagem que podem mover as sementes em torno do campo; ou outra informação, o local daquelas sementes de ervas daninhas pode ser predito de forma que o mapa de informação 258 mapeie os locais de semente preditos no campo. Os dados para o mapa de informação 258 podem ser transmitidos para colheitadeira agrícola 100 usando o sistema de comunicação 206 e armazenados no banco de dados 202. Os dados para o mapa de informação 258 podem ser providos para a colheitadeira agrícola 100 usando o sistema de comunicação 206 também de outras maneiras, e isso é indicado pelo bloco 286 no fluxograma da figura 3. Em alguns exemplos, o mapa de informação 258 pode ser recebido pelo sistema de comunicação 206.
[0068] No começo de uma operação de colheita, os sensores in-situ 208 geram sinais de sensor indicativos de um ou mais valores in-situ de dado, indicativos de uma característica, por exemplo, uma característica de planta, como uma característica de erva daninha, conforme indicado pelo bloco 288. Os exemplos de sensores in-situ 288 são discutidos com relação aos blocos 222, 290, e 226. Como explicado acima, os sensores in-situ 208 incluem sensores a bordo 222; sensores in-situ remotos 224, como os sensores baseados em UAV que voaram em um momento para coletar dados in-situ, mostrados no bloco 290; ou outros tipos de sensores in-situ, designados pelos sensores in-situ 226. Em alguns exemplos, dados de sensores a bordo são geograficamente referenciados usando posição, rumo, ou dados de velocidade do sensor de posição geográfica 204.
[0069] O gerador de modelo preditivo 210 controla o gerador de modelo de variável de informação-para-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 sensoreados pelos sensores in-situ 208, conforme indicado pelo bloco 292. As características ou tipos de dado representados pelos valores mapeados no mapa de informação 258 e os valores in-situ sensoreados pelos sensores in-situ 208 podem ser os mesmos que os das características ou tipo de dado ou diferentes que os das características ou tipos de dado.
[0070] A relação ou modelo gerado pelo gerador de modelo preditivo 210 é provido para o gerador de mapa preditivo 212. O gerador de mapa preditivo 212 gera um mapa preditivo 264 que prediz um valor da característica sensoreada pelos sensores in-situ 208 em diferentes locais geográficos em um campo sendo colhido, ou uma característica diferente que é relacionada à característica sensoreada pelos sensores in-situ 208, usando o modelo preditivo e o mapa de informação 258, conforme indicado pelo bloco 294.
[0071] Deve ser notado que, em alguns exemplos, o mapa de informação 258 pode incluir dois ou mais diferentes mapas ou duas ou mais camadas de mapa diferentes de um único mapa. Cada camada de mapa pode representar um tipo diferente de dado do tipo de dado de outra camada de mapa ou as camadas de mapa pode ter os mesmos tipos de dados que foram obtidos em diferentes tempos. Cada mapa nos dois ou mais mapas diferentes ou cada camada nas duas ou mais camadas de mapa diferentes de um mapa mapeia um tipo diferente de variável para os locais geográficos no campo. Em um 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 as duas ou mais camadas de mapa diferentes. Similarmente, os sensores in-situ 208 podem incluir dois ou mais sensores, cada um sensoreando 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 sensoreada pelos sensores in-situ 208. O gerador de mapa preditivo 212 pode gerar um mapa preditivo funcional 263 que prediz um valor para cada característica sensoreada, sensoreada pelos sensores in-situ 208 (ou uma característica relacionada à característica sensoreada) em diferentes locais no campo sendo colhido usando o modelo preditivo e cada dos mapas ou camadas de mapa no mapa de informação 258.
[0072] O gerador de mapa preditivo 212 configura o mapa preditivo 264 de forma que o mapa preditivo 264 seja acionável (ou consumível) pelo sistema de controle 214. O gerador de mapa preditivo 212 pode prover o mapa preditivo 264 para o sistema de controle 214 ou para controlar o gerador de zona 213 ou ambos. Alguns exemplos das diferentes maneiras nas quais o mapa preditivo 264 pode ser configurado ou fornecido são descritas com relação aos blocos 296, 295, 299, e 297. Por exemplo, o gerador de mapa preditivo 212 configura mapa preditivo 264 de forma que o mapa preditivo 264 inclua valores que podem ser lidos pelo sistema de controle 214 e usados como uma base para gerar sinais de controle para um ou mais dos diferentes subsistemas controláveis da colheitadeira agrícola 100, conforme indicado pelo bloco 296.
[0073] 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 geograficamente contiguamente posicionados, 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 ajustado com base em uma entrada de operador, com base em uma entrada de um sistema automatizado, ou com base em outros critérios. Um tamanho das zonas pode ser com base na responsividade do sistema de controle 214, subsistemas controláveis 216, com base em considerações de desgaste, ou em outros critérios, conforme indicado pelo bloco 295. O gerador de mapa preditivo 212 configura mapa preditivo 264 para a apresentação para um operador ou outro usuário. O gerador de zona de controle 213 pode configurar o mapa de zona de controle preditivo 265 para a apresentação para 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 o mapa de zona de controle preditivo 265, ou ambos, pode conter um ou mais dos valores preditivos no mapa preditivo 264, correlacionados ao local geográfico, as zonas de controle no mapa de zona de controle preditivo 265, correlacionadas ao local geográfico, e os valores de regulagem 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 abstrata ou informação detalhada. A apresentação pode também incluir um nível de confiança que indica uma precisão com a qual os valores preditivos no mapa preditivo 264 ou as zonas no mapa de zona de controle preditivo 265 se conformam aos valores medidos que podem ser medidos pelos sensores na colheitadeira agrícola 100 conforme a colheitadeira agrícola 100 se move através do campo. Ainda, onde informação é apresentado a mais que um local, um sistema de autenticação e autorização pode ser provido para implementar processos de autenticação e autorização. Por exemplo, pode haver uma hierarquia de indivíduos que são autorizados a visualizar e alterar os mapas e outras informações apresentadas. A título de exemplo, um dispositivo de exibição a bordo pode mostrar os mapas no tempo próximo ao real localmente na máquina, ou os mapas podem também ser gerados em um ou mais locais remotos, ou ambos. Em alguns exemplos, cada dispositivo de exibição físico em cada local pode ser associado com uma pessoa ou um nível de permissão de usuário. O nível de permissão de 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 de máquina 100 pode ser incapaz de visualizar a informação correspondente ao mapa preditivo 264 ou fazer quaisquer alterações à operação da máquina. Um supervisor, tal como um supervisor em um local remoto, todavia, pode ser capaz de visualizar mapa preditivo 264 na exibição, mas ser impedido de fazer quaisquer alterações. Um gerenciador, que pode estar em um local remoto separado, pode ser capaz de visualizar todos dos elementos no mapa preditivo 264 e também ser capaz de alterar o mapa preditivo 264. Em alguns casos, o mapa preditivo 264 é acessível e alterável por um gerenciador posicionado remotamente e pode ser usado no controle de máquina. Esse é um exemplo de uma hierarquia de autorização que pode ser implementada. O mapa preditivo 264 ou o mapa de zona de controle preditivo 265, ou ambos, podem ser configurados também de outras maneiras, conforme indicado pelo bloco 297.
[0074] No bloco 298, as entradas do sensor de posição geográfica 204 e outros sensores in-situ 208 são recebidas pelo sistema de controle. Particularmente, no bloco 300, o sistema de controle 214 detecta uma entrada do sensor de posição geográfica 204 identificando um local geográfico da colheitadeira agrícola 100. O bloco 302 representa a recepção pelo sistema de controle 214 de entradas de sensor indicativas de trajetória ou rumo da colheitadeira agrícola 100, e o bloco 304 representa a recepção pelo sistema de controle 214 de uma velocidade da colheitadeira agrícola 100. O bloco 306 representa a recepção pelo sistema de controle 214 de outra informação de vários sensores in-situ 208.
[0075] 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 no mapa de zona de controle preditivo 265, ou ambos, e a entrada do sensor de posição geográfica 204 e quaisquer outros sensores insitu 208. No bloco 310, o sistema de controle 214 aplica os sinais de controle aos subsistemas controláveis. Será apreciado que os sinais de controle particulares que são gerados, e os subsistemas controláveis particulares 216 que são controlados, podem variar com base em um ou mais diferentes fatores. Por exemplo, os sinais de controle que são gerados e os subsistemas controláveis 216 que são controlados podem ser com base no tipo de mapa preditivo 264 ou no mapa de zona de controle preditivo 265, ou ambos, que está sendo usado. Similarmente, os sinais de controle, que são gerados, os subsistemas controláveis 216, que são controlados, e a temporização dos sinais de controle, podem ser com base em várias latências de fluxo de cultivo através da colheitadeira agrícola 100 e a responsividade dos subsistemas controláveis 216.
[0076] A título de exemplo, um mapa preditivo gerado 264 na forma de um mapa preditivo pode ser usado para controlar um ou mais subsistemas 216. Por exemplo, o mapa preditivo pode incluir valores de subalimentação, geograficamente referenciados aos locais dentro do campo sendo colhido. Os valores de subalimentação do mapa preditivo podem ser extraídos pelo controlador de correia draper 240 e usados para controlar a velocidades de correia draper na plataforma de corte 102. Uma ampla variedade de outros sinais de controle pode ser gerada usando os valores obtidos de um mapa preditivo ou outro tipo de mapa preditivo para controlar um ou mais dos subsistemas controláveis 216.
[0077] No bloco 312, uma determinação é feita de se a operação de colheita foi completada. Se a colheita não estiver completa, o processamento avança para o bloco 314, onde os dados in-situ de sensor do sensor de posição geográfica 204 e os sensores in-situ 208 (e talvez outros sensores) continuam a ser lidos.
[0078] Em alguns exemplos, no bloco 316, a colheitadeira agrícola 100 pode também detectar critérios de gatilho de aprendizagem para realizar a aprendizagem por máquina em um ou mais do mapa preditivo 264, do mapa de zona de controle preditivo 265, do modelo gerado pelo gerador de modelo preditivo 210, as zonas geradas pelo gerador de zona de controle 213, um ou mais algoritmos de controle implementados pelos controladores no sistema de controle 214, e aprendizagem disparada.
[0079] Os critérios de gatilho de aprendizagem podem incluir qualquer de uma ampla variedade de diferentes critérios. Alguns exemplos de detecção de critérios de gatilho são discutidos com relação aos blocos 318, 320, 321, 322, e 324. Por exemplo, em alguns exemplos, a aprendizagem disparada pode envolver a recreação de uma relação usada 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, a recepção de uma quantidade de dados de sensor in-situ dos sensores in-situ 208 que excede um limite dispara ou causa 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, a recepção da quantidade limite de dados de sensor in-situ dos sensores in-situ 208 dispara a criação de uma nova relação representada por um modelo preditivo gerado pelo gerador de modelo preditivo 210. Ainda, o novo mapa preditivo 264, o 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 de sensor in-situ, usados para disparar a criação de um novo modelo preditivo.
[0080] Em outros exemplos, os critérios de gatilho de aprendizagem podem ser baseados em quanto os dados de sensor in-situ dos sensores in-situ 208 estão se alterando, tal como sobre o tempo ou em comparação com os valores anteriores. Por exemplo, se variações dentro dos dados de sensor insitu (ou a relação entre os dados de sensor in-situ e a informação no mapa de informação 258) estiverem dentro de uma faixa selecionada ou forem menores que a quantidade definida, ou abaixo de um valor limite, então um novo modelo preditivo não é gerado pelo gerador de modelo preditivo 210. Como um resultado, o gerador de mapa preditivo 212 não gera um novo mapa preditivo 264, o mapa de zona de controle preditivo 265, ou ambos. Todavia, se variações dentro dos dados de sensor in-situ são fora da faixa selecionada, são maiores que a quantidade definida, ou estiverem acima do valor limite, por exemplo, então o gerador de modelo preditivo 210 gera um novo modelo preditivo usando todos ou uma porção dos novos dados de sensor in-situ recebidos que o gerador de mapa preditivo 212 usa para gerar um novo mapa preditivo 264. No bloco 320, as variações nos dados de sensor in-situ, tais como a magnitude de uma quantidade pela qual os dados excedem a selecionada faixa ou a magnitude da variação da relação entre os dados de sensor in-situ e a informação no mapa de informação 258, podem ser usadas como um gatilho 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 valores padrões; ajustados por uma interação de operador ou usuário através de uma interface de usuário; ajustados por um sistema automatizado; ou ajustados de outras maneiras.
[0081] Outros critérios de disparo de aprendizagem podem também ser usados. Por exemplo, se gerador de modelo preditivo 210 comutar para um diferente mapa de informação (diferente do mapa de informação originalmente selecionado 258), então a comutação para o diferente mapa de informação pode disparar a reaprendizagem pelo gerador de modelo preditivo 210, o gerador de mapa preditivo 212, o gerador de zona de controle 213, o sistema de controle 214, ou outros itens. Em outro exemplo, a transição da colheitadeira agrícola 100 para uma diferente topografia ou para uma diferente zona de controle pode ser usada também como critérios de gatilho de aprendizagem.
[0082] Em alguns casos, o operador 260 pode também editar o mapa preditivo 264 ou o mapa de zona de controle preditivo 265, ou ambos. As edições podem alterar um valor no mapa preditivo 264; alterar um tamanho, formato, posição, ou existência de uma zona de controle no mapa de zona de controle preditivo 265; ou ambos. O bloco 321 mostra que informação editada pode ser usada como critérios de gatilho de aprendizagem.
[0083] Em alguns casos, pode também 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 prover um ajuste manual para o subsistema controlável refletindo o quê o operador 260 deseja do subsistema controlável para operar de uma maneira diferente do que está sendo comandada pelo sistema de controle 214. Assim, a alteração manual de uma regulagem pelo operador 260 pode fazer com que um ou mais do gerador de modelo preditivo 210 reaprenda um modelo, o gerador de mapa preditivo 212 regenere o mapa 264, o gerador de zona de controle 213 regenere uma ou mais zonas de controle no mapa de zona de controle preditivo 265, e o sistema de controle 214 reaprenda um algoritmo de controle ou realize a aprendizagem por máquina em um ou mais dos componentes de controlador 232 a 246 no sistema de controle 214 com no ajuste pelo operador 260, conforme mostrado no bloco 322. O bloco 324 representa o uso de critérios de aprendizagem disparados.
[0084] Em outros exemplos, a reaprendizagem pode ser realizada periodicamente ou intermitentemente com base, por exemplo, em um selecionado intervalo de tempo, tal como um intervalo de tempo discreto ou um intervalo de tempo variável, conforme indicado pelo bloco 326.
[0085] Se a reaprendizagem for disparada, se com base em critérios de gatilho de aprendizagem ou com base na passagem de um intervalo de tempo, conforme indicado pelo bloco 326, então um ou mais do gerador de modelo preditivo 210, do gerador de mapa preditivo 212, do gerador de zona de controle 213, e do sistema de controle 214 realizam a aprendizagem por máquina para gerar um novo modelo, um novo mapa preditivo, uma nova zona de controle, e um novo algoritmo de controle, respectivamente, com base nos critérios de gatilho de aprendizagem. O novo modelo preditivo, o novo mapa preditivo, e o novo algoritmo de controle são gerados usando quaisquer dados adicionais que foram coletados desde que a última operação de aprendizagem foi realizada. A realização da aprendizagem é indicada pelo bloco 328.
[0086] Se a operação de colheita foi completada, a operação se move do bloco 312 para o bloco 330, onde um ou mais do mapa preditivo 264, do mapa de zona de controle preditivo 265, e do 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 banco de dados 202 ou enviados para um sistema remoto usando o sistema de comunicação 206, para o uso posterior.
[0087] 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 anterior na geração de um modelo preditivo e um mapa preditivo funcional, respectivamente, em outros exemplos, o gerador de modelo preditivo 210 e o gerador de mapa preditivo 212 podem receber, na geração de um modelo preditivo e um mapa preditivo funcional, respectivamente, outros tipos de mapas, incluindo os mapas preditivos, tais como um mapa preditivo funcional gerado durante a operação de colheita.
[0088] A figura 4A é um diagrama de blocos de uma porção da colheitadeira agrícola 100 mostrada na figura 1. Particularmente, a figura 4A mostra, dentre outros fatores, exemplos do gerador de modelo preditivo 210 e do gerador de mapa preditivo 212 em mais detalhe. A figura 4A também ilustra o fluxo de informação entre os vários componentes mostrados. O gerador de modelo preditivo 210 recebe um ou mais de um mapa de índice vegetativo 331, de mapa de biomassa 332 e o mapa de velocidade 333, como um mapa de informação. O mapa de índice vegetativo 331 inclui valores de índice vegetativo geograficamente referenciados.
[0089] O mapa de biomassa 332 inclui valores de biomassa geograficamente referenciados. Um mapa de biomassa 332 pode ser um mapa preditivo gerado usando um processo descrito nas figuras 2 e 3, em que o mapa de informação inclui um mapa de índice vegetativo e o sensor in-situ inclui uma força de acionamento de rotor ou o sensor óptico, que gera sinais de sensor indicativos de biomassa. Um mapa de biomassa 332 pode ser gerado também de outras maneiras. Por exemplo, um sensor pode ser capaz de sensorear os valores de biomassa através de um campo antes de uma operação de colheita.
[0090] O mapa de velocidade 333 inclui valores de velocidade geograficamente referenciados. O mapa de velocidade 333 pode ser um mapa preditivo gerado usando um processo descrito nas figuras 2 e 3, onde o mapa de informação inclui um ou mais de um mapa de índice vegetativo, produção, biomassa, estado do cultivo, topográfico, solo, e o sensor in-situ inclui um sensor de velocidade, que gera sinais de sensor indicativos de velocidade. O mapa de velocidade 333 pode ser gerado também de outras maneiras. Por exemplo, a o mapa de velocidade pode ser a velocidade de uma máquina em uma operação no passado.
[0091] O gerador de modelo preditivo 210 também recebe um local geográfico 334, ou uma indicação de um local geográfico, do sensor de posição geográfica 204. Os sensores in-situ 208 ilustrativamente incluem um sensor 336, bem como um sistema de processamento 338. Em alguns casos, o sensor 336 pode ser posicionado a bordo da colheitadeira agrícola 100. O sistema de processamento 338 processa dados de sensor gerados do sensor 336 para gerar dados processados, alguns exemplos dos quais são descritos abaixo.
[0092] Em alguns exemplos, o sensor 336 pode ser um sensor óptico, tal como uma câmera, que gera imagens das correias draper ou de áreas próximas às correias draper na plataforma de corte para sensorear fluxo de cultivo ou subalimentação. Em outros exemplos, o sensor 336 pode ser um sensor de pressão de acionamento de rotor, que sensoreia uma pressão que está acionando o rotor de debulhe. Em outros exemplos, o sensor 336, pode ser um tipo diferente de sensor que detecta um ou mais do fluxo de material na plataforma de corte, subalimentação de cultivo, ou uma pressão (ou alguma outra força) que aciona o rotor de debulhe.
[0093] Conforme mostrado na figura 4A, o gerador de modelo preditivo de exemplo 210 inclui um ou mais de um gerador de modelo de fluxo de cultivo-para-índice vegetativo 341, um gerador de modelo de subalimentação-para-índice vegetativo 342, um gerador de modelo de pressão de acionamento de rotor-para-índice vegetativo 343, um gerador de modelo de fluxo de cultivo-para-biomassa 344, um gerador de modelo de subalimentação-para-biomassa 345, um gerador de modelo de acionamento de rotor-para-biomassa 346, um gerador de modelo de fluxo de cultivo-paravelocidade 347, um gerador de modelo de subalimentação-para-velocidade 348, e um gerador de modelo de acionamento de rotor-para-velocidade 349. Em outros exemplos, o gerador de modelo preditivo 210 pode incluir componentes adicionais, menos, ou diferentes que aqueles mostrados no exemplo da figura 4A. Consequentemente, em alguns exemplos, o gerador de modelo preditivo 210 pode incluir também outros itens 351, que podem incluir outros tipos de geradores de modelo preditivos para gerar outros tipos de modelos preditivos.
[0094] O gerador de modelo 341 identifica uma relação entre o fluxo de cultivo nos dados de sensor 340, que foram detectados pelo sensor 336 e geograficamente referenciados para um local, e os valores de índice vegetativo do mapa de índice vegetativo 331 correspondentes ao mesmo local no campo, onde o fluxo de cultivo foi geograficamente referenciado. Com base nessa relação estabelecida pelo gerador de modelo 341, o gerador de modelo 341 gera um modelo preditivo 350. O modelo preditivo 350 é usado pelo gerador de mapa de fluxo de cultivo 352 para predizer o fluxo de cultivo em diferentes locais no campo com base no valor geograficamente referenciado de índice vegetativo contido no mapa de índice vegetativo 331 nos mesmos locais no campo.
[0095] O gerador de modelo 342 identifica uma relação entre um valor de subalimentação nos dados de sensor 340, que foram detectados pelo sensor 336 e geograficamente referenciados para um local, e um valor de índice vegetativo do mapa de índice vegetativo 331 correspondente ao mesmo local no campo, onde a subalimentação foi geograficamente referenciada. Com base nessa relação estabelecida pelo gerador de modelo 341, o gerador de modelo 341 gera um modelo preditivo 350. O modelo preditivo 350 é usado pelo gerador de mapa de subalimentação 356 para predizer a subalimentação em diferentes locais no campo com base no valor geograficamente referenciado de índice vegetativo contido no mapa de índice vegetativo 331 nos mesmos locais no campo.
[0096] O gerador de modelo 343 identifica uma relação entre um valor de pressão de acionamento de rotor nos dados de sensor 340, que foram detectados pelo sensor 336 e geograficamente referenciados a um local, e um valor de índice vegetativo do mapa de índice vegetativo 331, correspondente ao mesmo local no campo, onde a pressão de acionamento de rotor foi geograficamente referenciada. Com base nessa 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 força de pressão de acionamento de rotor 354 para predizer a força de acionamento de rotor em diferentes locais no campo com base no valor geograficamente referenciado de índice vegetativo contido no mapa de índice vegetativo 331 nos mesmos locais no campo.
[0097] O gerador de modelo 344 identifica uma relação entre o fluxo de cultivo nos dados de sensor 340, que foram detectados pelo sensor 336 e geograficamente referenciados a um local, e os valores de biomassa do mapa de biomassa 332 correspondente ao mesmo local no campo, onde o fluxo de cultivo foi geograficamente referenciado. Com base nessa relação estabelecida pelo gerador de modelo 344, o gerador de modelo 344 gera um modelo preditivo 350. O modelo preditivo 350 é usado pelo gerador de mapa de fluxo de cultivo 352 para predizer fluxo de cultivo em diferentes locais no campo com base nos valores de biomassa geograficamente referenciados contidos no mapa de biomassa 332 nos mesmos locais no campo.
[0098] O gerador de modelo 345 identifica uma relação entre um valor de subalimentação nos dados de sensor 340, que foram detectados pelo sensor 336 e geograficamente referenciados a um local, e um valor de biomassa do mapa de biomassa 332 correspondente ao mesmo local no campo, onde a subalimentação foi geograficamente referenciada. Com base nessa 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 subalimentação 356 para predizer a subalimentação em diferentes locais no campo com base nos valores de biomassa geograficamente referenciados contidos no mapa de biomassa 332 nos mesmos locais no campo.
[0099] O gerador de modelo 346 identifica uma relação entre um valor de pressão de acionamento de rotor nos dados de sensor 340, que foram detectados pelo sensor 336 e geograficamente referenciados a um local, e um valor de biomassa do mapa de biomassa 332 correspondente ao mesmo local no campo, onde a pressão de acionamento de rotor foi geograficamente referenciada. Com base nessa relação estabelecida pelo gerador de modelo 346, o gerador de modelo 346 gera um modelo preditivo 350. O modelo preditivo 350 é usado pelo gerador de mapa de pressão de acionamento de rotor 354 para predizer a pressão de acionamento de rotor em diferentes locais no campo com base nos valores de biomassa geograficamente referenciados contidos no mapa de biomassa 332 nos mesmos locais no campo.
[00100] O gerador de modelo 347 identifica uma relação entre o fluxo de cultivo nos dados de sensor 340, que foram detectados pelo sensor 336 e geograficamente referenciados a um local, e um valor de velocidade do mapa de velocidade 333 correspondente ao mesmo local no campo, onde o fluxo de cultivo foi geograficamente referenciado. Com base nessa 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 fluxo de cultivo 352 para predizer fluxo de cultivo em diferentes locais no campo com base nos valores de velocidade geograficamente referenciados contidos no mapa de velocidade 333 nos mesmos locais no campo.
[00101] O gerador de modelo 348 identifica uma relação entre um valor de subalimentação nos dados de sensor 340, que foram detectados pelo sensor 336 e geograficamente referenciados a um local, e um valor de velocidade do mapa de velocidade 333 correspondente ao mesmo local no campo, onde a subalimentação foi geograficamente referenciada. Com base nessa relação estabelecida pelo gerador de modelo 348, o gerador de modelo 348 gera um modelo preditivo 350. O modelo preditivo 350 é usado pelo gerador de mapa de subalimentação 354 para predizer subalimentação em diferentes locais no campo com base nos valores de velocidade geograficamente referenciados contidos no mapa de velocidade 333 nos mesmos locais no campo.
[00102] O gerador de modelo 349 identifica uma relação entre um valor de pressão de acionamento de rotor nos dados de sensor 340, que foram detectados pelo sensor 336 e geograficamente referenciados a um local, e um valor de velocidade do mapa de velocidade 333 correspondente ao mesmo local no campo, onde a pressão de acionamento de rotor foi geograficamente referenciada. Com base nessa relação estabelecida pelo gerador de modelo 349, o gerador de modelo 349 gera um modelo preditivo 350. O modelo preditivo 350 é usado pelo gerador de mapa de pressão de acionamento de rotor 354 para predizer a pressão de acionamento de rotor em diferentes locais no campo com base nos valores de velocidade geograficamente referenciados contidos no mapa de velocidade 333 nos mesmos locais no campo.
[00103] À luz do acima, o gerador de modelo preditivo 210 é operável para produzir uma pluralidade de modelos preditivos, como um ou mais dos modelos preditivos gerados pelo gerador de modelos 341, 342, 343, 344, 345, 346, 347, 348, 349, e 351. Em outro exemplo, dois ou mais dos modelos preditivos descritos acima podem ser combinados em um único modelo preditivo que prediz dois ou mais de fluxo de cultivo, subalimentação e a pressão de acionamento de rotor com base nos valores de um ou mais de mapas 331, 332 e 333 em diferentes locais no campo. Quaisquer desses modelos preditivos, ou combinações dos mesmos, são representados coletivamente pelo modelo preditivo 350 na figura 4A.
[00104] O modelo preditivo 350 é provido para o gerador de mapa preditivo 212. No exemplo da figura 4A, o gerador de mapa preditivo 212 inclui um gerador de mapa de fluxo de cultivo 352, um gerador de mapa de pressão de acionamento de rotor 354, e um gerador de mapa de subalimentação 356. Em outros exemplos, o gerador de mapa preditivo 212 pode incluir geradores de mapa adicionais, menos, 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 das características.
[00105] O gerador de mapa 352 recebe o modelo preditivo 350 e gera um mapa preditivo que mapeia predições de fluxo de cultivo com base no modelo preditivo 350 e um ou mais do mapa de índice vegetativo 331, do mapa de biomassa 332 e do mapa de velocidade 333.
[00106] O gerador de mapa 354 recebe o modelo preditivo 350 e gera um mapa preditivo que mapeia predições de força de acionamento de rotor com base no modelo preditivo 350 e um ou mais do mapa de índice vegetativo 331, mapa de biomassa 332 e o mapa de velocidade 333.
[00107] O gerador de mapa 356 recebe o modelo preditivo 350 e gera um mapa preditivo que mapeia predições de subalimentação com base no modelo preditivo 350 e um ou mais do mapa de índice vegetativo 331, mapa de biomassa 332 e o mapa de velocidade 333.
[00108] O gerador de mapa preditivo 212 fornece um ou mais mapas preditivos 360 que são preditivos de um ou mais de fluxo de cultivo, da pressão de acionamento de rotor, e da subalimentação. Cada um dos mapas preditivos 360 prediz uma ou mais características em diferentes locais em um campo. Cada um dos mapas preditivos gerados 360 pode ser provido 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 aquelas zonas de controle ao mapa preditivo 360. Um ou mais mapas preditivos funcionais podem ser providos para o sistema de controle 214, que gera sinais de controle para controlar um ou mais dos subsistemas controláveis 216 com base no um ou mais mapas preditivos funcionais.
[00109] A figura 4B é um diagrama de blocos mostrando alguns exemplos de sensores de tempo real (in-situ) 208. Alguns dos sensores mostrados na figura 4B, ou diferentes combinações dos mesmos, podem ter tanto um sensor 336 quanto um sistema de processamento 338. Alguns dos possíveis sensores in-situ 208 mostrados na figura 4B são mostrados e descritos acima com relação às figuras anteriores e são similarmente enumerados. A figura 4B mostra que sensores in-situ 208 podem incluir sensores de entrada de operador 980, os sensores de máquina 982, os sensores de propriedade de material colhido 984, os sensores de propriedade de campo e solo 985, os sensores de característica ambiental 987, e podem incluir uma ampla variedade de outros sensores 226. Os sensores de entrada de operador 980 podem ser sensores que sensoreiam as entradas de operador através de mecanismos de interface de operador 218. Por conseguinte, os sensores de entrada de operador 980 podem sensorear o movimento de usuário de conjuntos de articulação, alavancas de controle, um volante, botões, mostradores, ou pedais. Os sensores de entrada de operador 980 podem também sensorear as interações de usuário com outros mecanismos de entrada de operador, tais como uma tela sensível ao toque, com um microfone, onde o reconhecimento de voz é utilizado, ou qualquer de uma ampla variedade de outros mecanismos de entrada de operador.
[00110] Os sensores de máquina 982 podem sensorear diferentes características da colheitadeira agrícola 100. Por exemplo, conforme discutido acima, os sensores de máquina 982 podem incluir os sensores de velocidade de máquina 146, o sensor de perda de separador 148, câmera de grão limpo 150, o mecanismo de captura de imagem voltado para frente 151, os sensores de perda 152 ou o sensor de posição geográfica 204, exemplos dos quais são descritos acima. Os sensores de máquina 982 podem também incluir sensores de regulagem de máquina 991 que sensoreiam as regulagens de máquina. Alguns exemplos de regulagens de máquina foram descritos acima com relação à figura 1. O sensor de posição de equipamento de extremidade dianteira (por exemplo, a plataforma de corte) 993 pode sensorear a posição da plataforma de corte 102, do carretel 164, do cortador 104, ou de outro equipamento de extremidade dianteira com relação à armação da colheitadeira agrícola 100. Por exemplo, os sensores 993 podem sensorear a altura da plataforma de corte 102 acima do solo. Os sensores de máquina 982 podem também incluir sensores de orientação de equipamento de extremidade dianteira (por exemplo, a plataforma de corte) 995. Os sensores 995 podem sensorear a orientação da plataforma de corte 102 em relação à colheitadeira agrícola 100, ou com relação ao solo. Os sensores de máquina 982 podem incluir sensores de estabilidade 997. Os sensores de estabilidade 997 sensoreiam o movimento de oscilação ou de saltos (e amplitude) da colheitadeira agrícola 100. Os sensores de máquina 982 podem também incluir os sensores de regulagem de resíduo 999, que são configurados para sensorear se a colheitadeira agrícola 100 é configurada para picar o resíduo, produzir um depósito em fiada, ou tratar o resíduo de outra maneira. Os sensores de máquina 982 podem incluir o sensor de velocidade de ventoinha da sapata de limpeza 951, que sensoreia a velocidade de ventoinha de limpeza 120. Os sensores de máquina 982 podem incluir sensores de folga de côncavo 953, que sensoreiam a folga entre o rotor 112 e os côncavos 114 na colheitadeira agrícola 100. Os sensores de máquina 982 podem incluir os sensores de folga de crivo superior 955 que sensoreiam o tamanho de aberturas no crivo superior 122. Os sensores de máquina 982 podem incluir o sensor de velocidade de rotor de debulhe 957 que sensoreia uma velocidade de rotor do rotor 112. Os sensores de máquina 982 podem incluir o sensor de pressão de rotor 959 que sensoreia a pressão usada para acionar o rotor 112. Os sensores de máquina 982 podem incluir o sensor de folga de peneira 961 que sensoreia o tamanho de aberturas na peneira 124. Os sensores de máquina 982 podem incluir o sensor de umidade de MOG 963, que sensoreia um nível de umidade do MOG passando através da colheitadeira agrícola 100. Os sensores de máquina 982 podem incluir o sensor de orientação de máquina 965, que sensoreia a orientação da colheitadeira agrícola 100. Os sensores de máquina 982 podem incluir os sensores de taxa de alimentação de material 967, que sensoreiam a taxa de alimentação de material quando o material se desloca através do alimentador 106, do elevador de grão limpo 130, ou em outro lugar na colheitadeira agrícola 100. Os sensores de máquina 982 podem incluir os sensores de biomassa 969, que sensoreiam a biomassa se deslocando através do alimentador 106, através do separador 116, ou em outro local na colheitadeira agrícola 100. Os sensores de máquina 982 podem incluir o sensor de consumo de combustível 971 que sensoreia uma taxa de consumo de combustível sobre o tempo da colheitadeira agrícola 100. Os sensores de máquina 982 podem incluir o sensor de utilização de energia 973 que sensoreia a utilização de energia na colheitadeira agrícola 100, tais como quais subsistemas estão utilizando energia, ou a taxa na qual os subsistemas estão utilizando energia, ou a distribuição de energia entre os subsistemas na colheitadeira agrícola 100. Os sensores de máquina 982 podem incluir os sensores de pressão de pneu 977, que sensoreiam a pressão de inflação nos pneus 144 da colheitadeira agrícola 100. O sensor de máquina 982 pode incluir uma ampla variedade de outros sensores de desempenho de máquina, ou sensores de característica de máquina, indicados pelo bloco 975. Os sensores de desempenho de máquina e os sensores de característica de máquina 975 podem sensorear o desempenho de máquina ou as características da colheitadeira agrícola 100.
[00111] Os sensores de propriedade de material colhido 984 podem sensorear características do material de colheita separado quando o cultivo material está sendo processado pela colheitadeira agrícola 100. As propriedades de cultivo podem incluir tais fatores como tipo de cultivo, umidade de cultivo, qualidade de grão (tal como grão quebrado), níveis de MOG, constituintes de grão, tais como amidos e proteína. A umidade de MOG e outras propriedades de material de cultivo. Outros sensores poderiam sensorear a "tenacidade" da palha, adesão de milho às espigas, e outras características, que poderiam ser usadas de forma benéfica para controlar processamento para a melhor captura de grão, reduzido dano ao grão, reduzido consumo de energia, reduzida perda de grãos etc.
[00112] Os sensores de propriedade de campo e solo 985 podem sensorear características do campo e solo. As propriedades de campo e solo podem incluir umidade do solo, compacidade do solo, a presença e o local de água parada, tipo do solo, e outras características do solo e do campo.
[00113] Os sensores de características ambientais 987 podem sensorear uma ou mais características ambientais. As características ambientais podem incluir tais fatores como a direção do vento e a velocidade do vento, precipitação, névoa, nível de poeira ou outros obscurantes, ou outras características ambientais. A figura 5 é um fluxograma de um exemplo de operação de gerador de modelo preditivo 210 e o gerador de mapa preditivo 212 na geração do modelo preditivo 350 e o mapa preditivo 360. No bloco 362, o gerador de modelo preditivo 210 e o gerador de mapa preditivo 212 recebem um mapa de índice vegetativo 331, um mapa de biomassa 332, um mapa de velocidade 333 ou alguma combinação das mesmas. No bloco 364, o sistema de processamento 338 recebe um ou mais sinais do sensor 336. O sensor 336 pode sensorear o fluxo de cultivo, conforme indicado pelo bloco 365; a subalimentação, conforme indicado pelo bloco 366; a pressão de acionamento de rotor, conforme indicado pelo bloco 367; ou outra característica, conforme indicado pelo bloco 368. No bloco 372, o sistema de processamento 338 processa o um ou mais sinais de sensor recebidos para gerar dados indicativos da característica sensoreada no um ou mais sensor sinais. No bloco 374, os dados de sensor podem ser indicativos de fluxo de cultivo. Em alguns casos, conforme indicado no bloco 376, os dados de sensor podem ser indicativos de material subalimentado nas correias draper da plataforma de corte. Em alguns casos, conforme indicado no bloco 378, os dados de sensor podem ser indicativos da pressão de acionamento de rotor. Em alguns casos, conforme indicado no bloco 380, os dados de sensor podem incluir também outros dados. No bloco 382, o gerador de modelo preditivo 210 também obtém o local geográfico 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 retardos de máquina, na velocidade de máquina, nas calibragens de sensor etc. um local geográfico preciso, ao qual os dados de sensor correspondem. Isso é às vezes referido como localização geográfica ou referenciação geográfica dos dados.
[00114] 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 do mapa de informação e uma característica sendo sensoreada pelo sensor in-situ 208 ou uma característica relacionada. Por exemplo, o gerador de modelo preditivo 210 pode gerar um modelo preditivo que modela a relação entre um valor de índice vegetativo e a subalimentação de material indicada pelos dados de sensor obtidos do sensor in-situ 208.
[00115] No bloco 386, o modelo preditivo, tal como o modelo preditivo 350, é provido para o gerador de mapa preditivo 212, que gera um mapa preditivo 360 que mapeia uma característica predita com base no mapa de informação e no modelo preditivo 350. Por exemplo, em alguns exemplos, o mapa preditivo 360 prediz o fluxo de cultivo, conforme indicado pelo bloco 388. Em alguns exemplos, o mapa preditivo 360 prediz a subalimentação, conforme indicado pelo bloco 389. Em alguns exemplos, o mapa preditivo 360 prediz a pressão de acionamento de rotor, conforme indicado pelo bloco 390, e em ainda outros exemplos, o mapa preditivo 360 prediz outros itens, conforme indicado pelo bloco 392. Ainda, o mapa preditivo 360 pode ser gerado durante o curso de uma operação agrícola. Assim, conforme uma colheitadeira agrícola está se movimentando através de um campo realizando uma operação agrícola, o mapa preditivo 360 é gerado quando a operação agrícola está sendo realizada.
[00116] No bloco 394, o gerador de mapa preditivo 212 fornece o mapa preditivo 360. No bloco 391 gerador de mapa preditivo 212 fornece o mapa preditivo para a apresentação para a possível interação pelo operador 260. No bloco 393, o gerador de mapa preditivo 212 pode configurar o mapa para o consumo pelo sistema de controle 214. No bloco 395, o gerador de mapa preditivo 212 pode também provêm o mapa 360 para controlar o gerador de zona 213 para a geração de zonas de controle. No bloco 397, o gerador de mapa preditivo 212 configura o mapa 360 também de outras maneiras. O mapa preditivo 360 (com ou sem as zonas de controle) é provido para o sistema de controle 214.
[00117] No bloco 396, o sistema de controle 214 gera sinais de controle para controlar um ou mais subsistemas controláveis 216 com base no mapa preditivo 360. Conforme indicado pelo bloco 400, a velocidade de correia draper pode ser aumentada. A velocidade de correia draper pode ser aumentada, por exemplo, quando há subalimentação excessiva do material caindo aquém do mecanismo de fornecimento de alimentador (por exemplo, uma correia central perpendicular à correias draper da plataforma de corte). A velocidade de correia draper pode ser aumentada, por exemplo, quando material em excesso está se acumulando nas correias.
[00118] Conforme indicado pelo bloco 401, a velocidade de correia draper pode ser diminuída. A velocidade de correia draper pode ser diminuída, por exemplo, quando há subalimentação excessiva do material ultrapassando o mecanismo de fornecimento de alimentador (por exemplo, uma correia central perpendicular à correias draper da plataforma de corte).
[00119] Conforme indicado pelo bloco 402, as correias draper individuais podem ser controladas independentemente uma da outra. Por exemplo, quando uma quantidade não uniforme de material está sendo cortada em um lado da plataforma de corte com relação ao outro, as correias draper em cada lado podem ser controladas independentemente para levar em conta as quantidades não uniformes de material.
[00120] Um subsistema controlável 216 pode ser controlado também de outras maneiras, conforme indicado pelo bloco 403.
[00121] A figura 6 mostra um diagrama de blocos ilustrando um exemplo de gerador de zona de controle 213. O gerador de zona de controle 213 inclui o seletor de atuador de máquina de trabalho (WMA) 486, o sistema de geração de zona de controle 488, e o sistema de geração de zona de regime 490. O gerador de zona de controle 213 pode também incluir outros itens 492. O sistema de geração de zona de controle 488 inclui o componente identificador de critérios de zona de controle 494, o componente de definição de limite de zona de controle 496, o componente identificador de regulagem 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, o componente de definição de limite de zona de regime 524, o componente identificador de resolvedor de regulagem 526, e outros itens 528. Antes da descrição da operação global de gerador de zona de controle 213 em mais detalhe, uma breve descrição de alguns dos itens no gerador de zona de controle 213 e as suas respectivas operações será primeiramente provida.
[00122] A colheitadeira agrícola 100, ou outras máquinas de trabalho, pode ter uma ampla variedade de diferentes tipos de atuadores controláveis que realizam diferentes funções. Os atuadores controláveis na colheitadeira agrícola 100 ou outras máquinas de trabalho são coletivamente referidos como os atuadores de máquina de trabalho (WMAs). Cada WMA pode ser independentemente controlável com base em valores em um mapa preditivo funcional, ou os WMAs podem ser controlados como conjuntos com base em um ou mais valores em um mapa preditivo funcional. Por conseguinte, o gerador de zona de controle 213 pode gerar zonas de controle correspondentes a cada WMA individualmente controlável ou correspondendo aos conjuntos de WMAS que são controlados em coordenação um com o outro.
[00123] O seletor de WMA 486 seleciona um WMA ou um conjunto de WMAs, para o qual os correspondentes zonas de controle devem ser geradas. O sistema de geração de zona de controle 488 então gera as zonas de controle para o selecionado WMA ou o conjunto de WMAs. Para cada WMA ou conjunto de WMAs, diferentes critérios podem ser usados na identificação das zonas de controle. Por exemplo, para um WMA, o tempo de resposta de WMA pode ser usado como os critérios para definir os limites das zonas de controle. Em outro exemplo, características de desgaste (por exemplo, quanto um atuador ou mecanismo particular se desgasta como um resultado do movimento do mesmo) podem ser usada como os critérios para identificar os limites de 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 selecionado WMA ou o conjunto de WMAs. O componente de definição de limite de zona de controle 496 processa os valores em um mapa preditivo funcional sob análise para definir os limites das zonas de controle nesse mapa preditivo funcional com base nos valores no mapa preditivo funcional sob análise e com base nos critérios de zona de controle para o selecionado WMA ou o conjunto de WMAs.
[00124] O componente identificador de regulagem alvo 498 ajusta um valor da regulagem alvo que será usado para controlar o WMA ou o 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 sob análise for um mapa de velocidade preditivo funcional 438, então a regulagem alvo em cada zona de controle pode ser uma regulagem de velocidade alvo com base nos valores de velocidade contidos no mapa de velocidade preditivo funcional 238 dentro da zona de controle identificada.
[00125] Em alguns exemplos, nos quais a colheitadeira agrícola 100 deve ser controlada com base em um local atual ou futuro da colheitadeira agrícola 100, múltiplas regulagens alvos podem ser possíveis para um WMA em uma dada posição. Nesse caso, as regulagens alvos podem ter diferentes valores e podem estar competindo. Assim, as regulagens alvos precisam ser resolvidas de modo que somente uma única regulagem alvo seja usada para controlar o WMA. Por exemplo, onde o WMA é um atuador no sistema de propulsão 250 que está sendo controlado a fim de controlar a velocidade da colheitadeira agrícola 100, múltiplos diferentes conjuntos de competição de critérios podem existir, que são considerados pelo sistema de geração de zona de controle 488 em identificar as zonas de controle e as regulagens alvos para o WMA selecionado nas zonas de controle. Por exemplo, diferentes regulagens alvos 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 predito, um valor de perda de grão detectado ou predito, ou uma combinação desses. Todavia, em qualquer dado tempo, a colheitadeira agrícola 100 não pode se deslocar sobre o solo em múltiplas velocidades simultaneamente. Ao contrário, em qualquer dado tempo, a colheitadeira agrícola 100 se desloca a uma única velocidade. Assim, uma das regulagens alvos de competição é selecionada para controlar a velocidade da colheitadeira agrícola 100.
[00126] Por conseguinte, em alguns exemplos, o sistema de geração de zona de regime 490 gera zonas de regime para resolver múltiplas diferentes regulagens alvos de competição. O componente de critérios de identificação de zona de regime 522 identifica os critérios que são usados para estabelecer zonas de regime para o WMA selecionado ou conjunto de WMAs selecionado no mapa preditivo funcional sob análise. Alguns critérios que podem ser usados para identificar ou definir zonas de regime incluem, por exemplo, o tipo de cultivo ou a variedade de cultivo com base em um mapa conforme plantado ou outra fonte do tipo de cultivo ou variedade de cultivo, tipo de erva daninha, intensidade de erva daninha, tipo de solo, ou energia, tal como clima, o cultivo está derrubado, parcialmente derrubado ou em pé. Exatamente como cada WMA ou conjunto de WMAs podem ter uma correspondente zona de controle, diferentes WMAs ou conjuntos de WMAs podem ter uma correspondente zona de regime. O componente de definição de limite de zona de regime 524 identifica os limites de zonas de regime no mapa preditivo funcional sob análise com base nos critérios de zona de regime identificados pelo componente de critérios de identificação de zona de regime 522.
[00127] Em alguns exemplos, as zonas de regime podem se sobrepor uma à outra. Por exemplo, a variedade de zonas de regime de cultivo pode se sobre a uma porção de, ou uma totalidade de, um estado de zonas de regime de cultivo. Em um tal exemplo, as diferentes zonas de regime podem ser atribuídas a uma hierarquia de precedência de modo que, onde duas ou mais zonas de regime se sobrepõem, a zona de regime atribuída a uma maior posição ou importância hierárquica na hierarquia de precedência tem precedência sobre as zonas de regime que têm menores posições ou importância hierárquicas na hierarquia de precedência. A hierarquia de precedência das zonas de regime pode ser manualmente ajustada ou pode ser automaticamente ajustada usando um sistema à base de regras, um sistema à base de modelo, ou outro sistema. Como um exemplo, onde uma zona de regime de cultivo caído ou derrubado sobrepõe uma variedade de zonas de regime de cultivo, a zona de regime de cultivo derrubado pode ser atribuída a uma maior importância na hierarquia de precedência que a zona de regime de variedade de cultivo de modo que a zona de regime de cultivo derrubado toma a precedência.
[00128] Além disso, cada zona de regime pode ter um único resolvedor de regulagem para um dado WMA ou conjunto de WMAs. O componente de identificador de resolvedor de regulagens 526 identifica um resolvedor de regulagem particular para cada zona de regime identificada no mapa preditivo funcional sob análise e um resolvedor de regulagem particular para o WMA selecionado ou conjunto de WMAs selecionado.
[00129] Uma vez quando o resolvedor de regulagem para uma zona de regime particular é identificado, este resolvedor de regulagem pode ser usado para resolver regulagens alvos de competição, nas quais mais que uma regulagem alvo é identificada com base nas zonas de controle. Os diferentes tipos de resolvedores de regulagem podem ter diferentes formas. Por exemplo, os resolvedores de regulagem que são identificados para cada zona de regime podem incluir um resolvedor de escolha humano, em que as regulagens alvos de competição são apresentadas a um operador ou outro usuário para resolução. Em outro exemplo, o resolvedor de regulagem pode incluir uma rede neuronal ou outro sistema de inteligência artificial ou de aprendizagem por máquina. Em tais casos, os resolvedores de regulagem podem resolver as regulagens alvos de competição com base em uma métrica de qualidade predita ou histórica, correspondente a cada uma das diferentes regulagens alvos. Como um exemplo, uma regulagem de velocidade de veículo aumentada pode reduzir o tempo para colher um campo e reduzir o correspondente trabalho baseado em tempo e custos de equipamento, mas pode aumentar as perdas de grão. Uma reduzida regulagem de velocidade de veículo pode aumentar o tempo para colher um campo e aumentar o correspondente trabalho baseado em tempo e os custos de equipamento, mas pode reduzir as perdas de grão. Quando a perda de grão ou tempo para colher é selecionado como uma métrica de qualidade, o valor predito ou histórico para a selecionada métrica de qualidade, dados os dois valores de regulagem de velocidade de veículo em competição, pode ser usado para resolver a regulagem de velocidade. Em alguns casos, os resolvedores de regulagem podem ser um conjunto de regras de limite que podem ser usadas em lugar de, ou em adição a, as zonas de regime. Um exemplo de uma regra de limite pode ser expresso como segue: Se os valores de biomassa preditos dentro dos 20 pés da plataforma de corte da colheitadeira agrícola 100 forem maiores que x quilogramas (onde x é um valor selecionado ou predeterminado), então o uso do valor de regulagem alvo que é escolhido com base na taxa de alimentação sobre outras regulagens alvos concorrentes, o uso de outra maneira do valor de regulagem alvo com base na perda de grãos sobre outros valores de ajuste alvo concorrentes.
[00130] Os resolvedores de regulagem podem ser componentes lógicos que executam regras lógicas na identificação de um ajuste alvo. Por exemplo, o resolvedor de regulagem pode resolver regulagens alvos enquanto tenta minimizar o tempo de colheita ou minimizar o custo total da colheita ou maximizar os grãos colhidos ou com base em outras variáveis, que são computadas como uma função das diferentes regulagens alvos candidatas. Um tempo de colheita pode ser minimizado quando uma quantidade para completar a colheita é reduzida para, ou para abaixo de, um limite selecionado. Um custo total de colheita pode ser minimizado, onde o custo total de colheita é reduzido para, ou para abaixo de, um limite selecionado. Grão colhido pode ser maximizado, onde a quantidade de grão colhido é aumentada para, ou acima de, um limite selecionado.
[00131] A figura 7 é um fluxograma ilustrando 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 o processamento de zona (por exemplo, para um mapa sob análise).
[00132] No bloco 530, o gerador de zona de controle 213 recebe um mapa sob análise para o processamento. Em um exemplo, como mostrado no bloco 532, o mapa sob análise é um mapa preditivo funcional. Por exemplo, o mapa sob análise pode ser um dos mapas preditivos funcionais 436, 437, 438, ou 440. O bloco 534 indica que o mapa sob análise pode também ser outros mapas.
[00133] No bloco 536, o seletor de WMA 486 seleciona um WMA ou um conjunto de WMAs para o qual as zonas de controle devem ser geradas no mapa sob análise. No bloco 538, o componente de identificação de critérios de zona de controle 494 obtém os critérios de definição de zona de controle para o WMA selecionado ou o conjunto de WMAs. O bloco 540 indica um exemplo, no qual os critérios de zona de controle são, ou incluem, características de desgaste do WMA selecionado ou o conjunto de WMAs. O bloco 542 indica um exemplo, no qual os critérios de definição de zona de controle são, ou incluem, uma magnitude e variação de dados de fonte de entrada, tal como uma magnitude e variação dos valores no mapa sob análise ou uma magnitude e variação de entradas de vários sensores in-situ 208. O bloco 544 indica um exemplo, no qual os critérios de definição de zona de controle são, ou incluem, características de máquina física, tal como as dimensões físicas da máquina, uma velocidade na qual diferentes subsistemas operam, ou outras características de máquina física. O bloco 546 indica um exemplo, no qual os critérios de definição de zona de controle são, ou incluem, uma responsividade do WMA selecionado ou o conjunto de WMAs ao atingir os novos valores de ajuste comandados. O bloco 548 indica um exemplo, no qual os critérios de definição de zona de controle são, ou incluem, as métricas de desempenho de máquina. O bloco 550 indica um exemplo, no qual os critérios de definição de zona de controle são ou incluem as preferências do operador. O bloco 552 indica um exemplo, no qual os critérios de definição de zona de controle são, ou incluem, também outros itens. O bloco 549 indica um exemplo, no qual os critérios de definição de zona de controle são baseados no tempo, significando que a colheitadeira agrícola 100 não cruzará o limite de uma zona de controle até uma quantidade selecionada de tempo ter decorrido desde que a colheitadeira 100 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 de zona de controle podem prevenir que a colheitadeira agrícola 100 cruze um limite de uma zona de controle até pelo menos a quantidade de tempo selecionada decorreu. O bloco 551 indica um exemplo, no qual os critérios de definição de zona de controle são baseados em um valor de tamanho selecionado. Por exemplo, Uma os critérios de definição de zona de controle que é com base em um valor de tamanho selecionado podem impedir a definição de uma zona de controle que é menor que o tamanho selecionado. Em alguns casos, o tamanho selecionado pode ser um tamanho mínimo.
[00134] No bloco 554, o componente de identificação de critérios de zona de regime 522 obtém critérios de definição de zona de regime para o WMA selecionado ou o conjunto de WMAs. O bloco 556 indica um exemplo, no qual os critérios de definição de zona de regime são baseados em uma entrada manual do operador 260 ou outro usuário. O bloco 558 ilustra um exemplo, no qual os critérios de definição de zona de regime são baseados em tipo de cultivo ou variedade de cultivos. O bloco 560 ilustra um exemplo, no qual os critérios de definição de zona de regime são baseados em tipo de ervas daninhas ou na intensidade de ervas daninhas, ou ambos. O bloco 562 ilustra um exemplo, no qual os critérios de definição de zona de regime são baseados ou incluem a energia. O bloco 564 indica um exemplo, no qual os critérios de definição de zona de regime são, ou incluem, também outros critérios.
[00135] No bloco 566, o componente de definição de limite de zona de controle 496 gera os limites de zonas de controle no mapa sob análise com base nos critérios de zona de controle. O componente de definição de limite de zona de regime 524 gera os limites de zonas de regime no mapa sob análise com base nos critérios de zona de regime. O bloco 568 indica um exemplo, no qual os limites de zona são identificados para as zonas de controle e as zonas de regime. O bloco 570 mostra que o componente identificador de regulagem alvo 498 identifica as regulagens alvos para cada uma das zonas de controle. As zonas de controle e as zonas de regime podem ser geradas também de outras maneiras, e isso é indicado pelo bloco 572.
[00136] No bloco 574, o componente identificador de resolução de regulagens 526 identifica o resolvedor de regulagem para o WMA selecionado em cada zona de regime definida pelo componente de definição de limite de zona de regimes 524. Conforme discutido acima, o resolvedor de zona de regime pode ser um resolvedor humano 576, uma inteligência artificial ou um resolvedor de sistema de aprendizagem por máquina 578, um resolvedor 580 com base em qualidade predita ou histórica para cada ajuste alvo concorrente, um resolvedor baseado em regras 582, um resolvedor baseados em critérios de desempenho 584, ou outros resolvedores 586
[00137] No bloco 588, o seletor de WMA 486 determina se existem mais WMAs ou conjuntos de WMAs para processar. Se WMAs ou conjuntos de WMAs adicionais estão restando a ser processados, o processamento reverte para o bloco 436, onde o próximo WMA ou o conjunto de WMAs, para o qual as zonas de controle e zonas de regime devem ser definidas, é selecionado. Quando nenhum dos WMAs ou dos conjuntos de WMAs adicionais, para os quais as zonas de controle ou zonas de regime devem ser geradas, é restante, o processamento se move para o bloco 590, onde o gerador de zona de controle 213 fornece um mapa com zonas de controle, regulagens alvos, zonas de regime, e resolvedores de regulagens para cada dos WMAs ou conjuntos de WMAs. Conforme discutido acima, o mapa atualizado pode ser apresentado ao operador 260 ou a outro usuário; o mapa atualizado pode ser provido para controlar o sistema 214; ou o mapa atualizado pode ser fornecido de outras maneiras.
[00138] 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 fornecido pelo gerador de zona de controle 213. Assim, no bloco 592, o sistema de controle 214 recebe um mapa do sítio 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, no qual o mapa recebido do sítio de trabalho pode ser um mapa de informação anterior tendo zonas de controle e zonas de regime identificadas no mesmo. O bloco 598 indica um exemplo, no qual o mapa recebido pode incluir múltiplos mapas diferentes ou múltiplas camadas de mapa diferentes. O bloco 610 indica um exemplo, no qual o mapa recebido pode assumir também outras formas.
[00139] No bloco 612, o sistema de controle 214 recebe um sinal de sensor de sensor de posição geográfica 204. O sinal de sensor de sensor de posição geográfica 204 pode incluir dados que indica o local geográfico 614 da colheitadeira agrícola 100, a velocidade 616 da colheitadeira agrícola 100, o rumo 618 ou colheitadeira agrícola 100, ou outra informação 620. No bloco 622, o controlador de zona 247 seleciona a zona de regime, e, no bloco 624, o controlador de zona 247 seleciona Uma zona de controle no mapa com base no sinal de sensor de posição geográfica. No bloco 626, o controlador de zona 247 seleciona um WMA ou um conjunto de WMAs a ser controlado. No bloco 628, o controlador de zona 247 obtém um ou mais regulagens alvos para o WMA selecionado ou o conjunto de WMAs. As regulagens alvos, que são obtidas para o WMA selecionado ou o conjunto de WMAs podem provir de uma variedade de diferentes fontes. Por exemplo, o bloco 630 mostra um exemplo, no qual uma ou mais das regulagens alvos para o WMA selecionado ou o conjunto de WMAs é com base em uma entrada das zonas de controle no mapa do sítio de trabalho. O bloco 632 mostra um exemplo, no qual uma ou mais das regulagens alvos são obtidas de entradas por humano do operador 260 ou outro usuário. O bloco 634 mostra um exemplo, no qual as regulagens alvos são obtidas de um sensor in-situ 208. O bloco 636 mostra um exemplo, no qual a uma ou mais regulagens alvos são obtidas de um ou mais sensores em outras máquinas trabalhando no mesmo campo ou simultaneamente com 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 regulagens alvos são obtidas também de outras fontes.
[00140] No bloco 640, o controlador de zona 247 acessa o resolvedor de regulagem para a zona de regime selecionada e controla o resolvedor de regulagem para resolver regulagens alvos concorrentes para um ajuste alvo resolvido. Conforme discutido acima, em alguns casos, o resolvedor de regulagem pode ser um resolvedor humano, em cujo caso o controlador de zona 247 controla mecanismos de interface de operador 218 para apresentar as regulagens alvos concorrentes para o operador 260 ou outro usuário para resolução. Em alguns casos, o resolvedor de regulagem pode ser uma rede neuronal ou outra inteligência artificial ou um sistema de aprendizagem por máquina, e o controlador de zona 247 submete as regulagens alvos concorrentes à rede neuronal, inteligência artificial, ou um sistema de aprendizagem por máquina para a seleção. Em alguns casos, o resolvedor de regulagem pode ser baseado em uma métrica de qualidade predita ou histórica, em regras de limite, ou em componentes lógicos. Em qualquer dos últimos exemplos, o controlador de zona 247 executa o resolvedor de regulagem para obter um ajuste alvo resolvido com base na métrica de qualidade predita ou histórica, com base nas regras de limite, ou com o uso dos componentes lógicos.
[00141] No bloco 642, com o controlador de zona 247 tendo identificado o ajuste alvo resolvido, o controlador de zona 247 provê o ajuste alvo resolvido para outros controladores no sistema de controle 214, que geram e aplicam sinais de controle ao WMA selecionado ou ao conjunto de WMAs com base no ajuste alvo resolvido. Por exemplo, onde o WMA selecionado é a máquina ou o atuador de plataforma de corte 248, o controlador de zona 247 provê o ajuste alvo resolvido para o controlador de regulagens 232 ou controlador de plataforma de corte/carretel 238 ou ambos para gerar sinais de controle com base no ajuste alvo resolvido, e aqueles sinais de controle gerados são aplicados aos atuadores de máquina ou de plataforma de corte 248. No bloco 644, se WMAs adicionais ou conjuntos de WMAs adicionais devem ser controlados no local geográfico atual da colheitadeira agrícola 100 (como detectado no bloco 612), então o processamento reverte para o bloco 626, onde o próximo WMA ou o conjunto de WMAs é selecionado. Os processos representados pelos blocos 626 através de 644 continuam até todos dos WMAs ou conjuntos de WMAs a serem controlados no local geográfico atual da colheitadeira agrícola 100 terem sido abordados. Se nenhum dos WMAs ou conjuntos de WMAs adicionais deve ser controlado no local geográfico atual da colheitadeira agrícola 100 permanece, o processamento prossegue para o bloco 646, onde o controlador de zona 247 determina se zonas de controle adicionais a serem consideradas existem na zona de regime selecionada. Se existirem zonas de controle a serem consideradas, o processamento reverte para o bloco 624, onde uma próxima zona de controle é selecionada. Se nenhuma das zonas de controle está restando a ser considerada, o processamento prossegue para o bloco 648, onde a determinação de se zonas de regime adicionais são permanecendo a ser consideradas. O controlador de zona 247 determina se zonas de regime adicionais estão permanecendo a ser consideradas. Se zonas de regime adicionais estão permanecendo a ser considerados, o processamento reverte para o bloco 622, onde uma próxima zona de regime é selecionada.
[00142] 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 de zona de controle pode incluir critérios definindo quando um limite de zona de controle pode ser cruzado pela colheitadeira agrícola 100. Por exemplo, se um limite de zona de controle pode ser cruzado pela colheitadeira agrícola 100 puder ser definido por um período de tempo selecionado, significando que a colheitadeira agrícola 100 é prevenida de cruzar um limite de zona até uma quantidade selecionada de tempo ter expirado. Neste caso, no bloco 652, o controlador de zona 247 determina se o período de tempo selecionado decorreu. Adicionalmente, o controlador de zona 247 pode realizar o processamento continuamente. Assim, o controlador de zona 247 não espera por qualquer período de tempo particular antes de continuar a determinar se uma operação da colheitadeira agrícola 100 está completa. No bloco 652, o controlador de zona 247 determina que é o momento para continuar o processamento, então o processamento continua no bloco 612, onde o controlador de zona 247 novamente recebe uma entrada de sensor de posição geográfica 204. Será também apreciado que o controlador de zona 247 pode controlar os WMAs e os conjuntos de WMAs simultaneamente usando um controlador de múltiplas entradas e múltiplas saídas, em vez de controlar as WMAs e os conjuntos de WMAs sequencialmente.
[00143] A figura 9 é um diagrama de blocos mostrando um exemplo de um controlador de interface de operador 231. No exemplo ilustrado, o controlador de interface de operador 231 inclui o sistema de processamento de comando de entrada de operador 654, outro sistema de interação de controlador 656, o sistema de processamento de voz 658, e o gerador de sinal de ação 660. O sistema de processamento de comando de entrada de operador 654 inclui o sistema de manipulação de voz 662, o sistema de manipulação de gestos de toque 664, e outros itens 666. Outro sistema de interação de controlador 656 inclui o sistema de processamento de entrada de controlador 668 e o gerador de saída de controlador 670. O sistema de processamento de voz 658 inclui o detector de disparo 672, o componente de reconhecimento 674, o componente de síntese 676, o sistema de compreensão de linguagem natural 678, o sistema de gerenciamento de diálogo 680, e outros itens 682. O gerador de sinal de ação 660 inclui o gerador de sinal de controle visual 684, o gerador de sinal de controle de áudio 686, o gerador de sinal de controle táctil 688, e outros itens 690. Antes da descrição da operação do exemplo do controlador de interface de operador 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 da operação associada dos mesmos é primeiramente provida.
[00144] O sistema de processamento de comando de entrada de operador 654 detecta as entradas de operador nos mecanismos de interface de operador 218 e processa aquelas entradas para os comandos. O sistema de manipulação de voz 662 detecta entradas de voz e manipula as interações com o sistema de processamento de voz 658 para processar as entradas de voz para os comandos. O sistema de manipulação de gestos de toque 664 detecta gestos de toque nos elementos sensíveis ao toque nos mecanismos de interface de operador 218 e processa aquelas entradas para os comandos.
[00145] Outro sistema de interação de controlador 656 manipula interações com outros controladores no sistema de controle 214. O sistema de processamento de entrada de controlador 668 detecta e processa entradas de outros controladores no sistema de controle 214, e o gerador de saída de controlador 670 gera as saídas e provê aquelas saídas para outros controladores no sistema de controle 214. O sistema de processamento de voz 658 reconhece entradas de voz, determina os significados daquelas entradas, e provê uma saída indicativa dos significados 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 alteração de regulagem e em que o operador 260 está comandando o sistema de controle 214 para alterar uma regulagem para um subsistema controlável 216. Em um tal exemplo, o sistema de processamento de voz 658 reconhece o teor do comando falado, identifica o significado desse comando como um comando de alteração de regulagem, e provê o significado dessa entrada de volta para o sistema de manipulação de voz 662. O sistema de manipulação de voz 662, por sua vez, interage com o gerador de saída de controlador 670 para prover a saída comandada para o controlador apropriado no sistema de controle 214 para realizar o comando de alteração de regulagem falado.
[00146] O sistema de processamento de voz 658 pode ser invocado em uma variedade de maneiras diferentes. Por exemplo, em um exemplo, o sistema de manipulação de voz 662 continuamente provê uma entrada de um microfone (sendo um dos mecanismos de interface de operador 218) ao sistema de processamento de voz 658. O microfone detecta a voz do operador 260, e o sistema de manipulação de voz 662 provê a voz detectada para o sistema de processamento de voz 658. O detector de disparo 672 detecta um gatilho indicando que o sistema de processamento de voz 658 é invocado. Em alguns casos, quando o sistema de processamento de voz 658 está recebendo entradas de voz contínuas do sistema de manipulação de voz 662, o componente de reconhecimento de voz 674 realiza o reconhecimento de voz contínuo em todas as falas proferidas pelo operador 260. Em alguns casos, o sistema de processamento de voz 658 é configurado para invocação usando uma palavra de despertar. Isto é, 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 a palavra de despertar. Em um tal exemplo, onde o componente de reconhecimento 674 reconhece a palavra de despertar, o componente de reconhecimento 674 provê uma indicação que a palavra de despertar foi reconhecida para disparar detector 672. O detector de disparo 672 detecta que o sistema de processamento de voz 658 foi invocado ou disparado por a palavra de despertar. 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 por tocar um atuador em uma tela de exibição sensível ao toque, por compressão de uma tecla, ou por prover outra entrada de disparo. Em um tal exemplo, o detector de disparo 672 pode detectar que o sistema de processamento de voz 658 foi invocado quando uma entrada de disparo por intermédio de um mecanismo de interface de usuário é detectada. O detector de disparo 672 pode detectar que o sistema de processamento de voz 658 foi invocado também de outras maneiras.
[00147] Uma vez quando o sistema de processamento de voz 658 é invocado, a entrada de voz do operador 260 é provida para o componente de reconhecimento de voz 674. O componente de reconhecimento de voz 674 reconhece os elementos linguísticos na entrada de voz, tal como palavras, frases, ou outras unidades linguísticas. O sistema de compreensão de linguagem natural 678 identifica um significado da fala reconhecida. Os significados pode ser uma saída de linguagem natural, uma saída de comando identificando um comando refletido na fala reconhecida, uma saída de valor identificando um valor na fala reconhecida, ou qualquer de uma extensa 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 voz 568, mais geralmente, podem compreender os significados da fala reconhecida no contexto da colheitadeira agrícola 100.
[00148] Em alguns exemplos, o sistema de processamento de voz 658 pode também gerar saídas, que navegam o operador 260 através de uma experiência do usuário com base em a 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. O diálogo pode eliminar a ambiguidade um comando do usuário; identificar um ou mais valores específicos, que são necessários para realizar o comando do usuário; ou obter outra informação do usuário ou prover outra informação ao usuário, ou ambos. O componente de síntese 676 pode gerar síntese de voz que pode ser apresentado ao usuário através de um mecanismo de interface de operador de áudio, tal como um alto-falante. Assim, o diálogo gerenciado pelo sistema de gerenciamento de diálogo 680 pode ser exclusivamente um diálogo falado ou uma combinação tanto de um diálogo visual quanto de um diálogo falado.
[00149] O gerador de sinal de ação 660 gera os sinais de ação para controlar os mecanismos de interface de operador 218 com base em saídas de um ou mais do sistema de processamento de comando de entrada de operador 654, outro sistema de interação de controlador 656, e o 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 as saídas que controlam os elementos de áudio de mecanismos de interface de operador 218. Os elementos de áudio incluem um alto-falante, os mecanismos de alerta audíveis, buzinas, ou outros elementos audíveis. O gerador de sinal de controle táctil 688 gera sinais de controle, que são fornecidos para controlar os elementos tácteis dos mecanismos de interface de operador 218. Os elementos tácteis incluem elementos de vibração que podem ser usados para vibrar, por exemplo, o assento do operador, o volante, pedais, ou alavancas de controle, usados pelo operador. Os elementos tácteis podem incluir elementos de realimentação táctil ou de realimentação de força, que provêm a realimentação táctil ou a realimentação de força para o operador através de mecanismos de interface de operador. Os elementos tácteis podem incluir também uma extensa variedade de outros elementos tácteis.
[00150] A figura 10 é um fluxograma ilustrando um exemplo da operação do controlador de interface de operador 231 na geração de uma exibição de interface de operador em um mecanismo de interface de operador 218, que pode incluir uma tela de exibição sensível ao toque. A 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 de exibição sensível ao toque.
[00151] No bloco 692, o controlador de interface de operador 231 recebe um mapa. O bloco 694 indica um exemplo, no qual o mapa é um mapa preditivo funcional, e o bloco 696 indica um exemplo, no qual o mapa é outro tipo de mapa. No bloco 698, o controlador de interface de operador 231 recebe uma entrada de sensor de posição geográfica 204 identificando o local geográfico da colheitadeira agrícola 100. Como indicado no bloco 700, a entrada do sensor de posição geográfica 204 pode incluir o rumo, ao longo de com o local, da colheitadeira agrícola 100. O bloco 702 indica um exemplo, no qual a entrada do sensor de posição geográfica 204 inclui a velocidade da colheitadeira agrícola 100, e o bloco 704 indica um exemplo, no qual a entrada do sensor de posição geográfica 204 inclui outros itens.
[00152] No bloco 706, o gerador de sinal de controle visual 684 no controlador de interface de operador 231 controla a tela de exibição sensível ao toque em mecanismos de interface de operador 218 para gerar uma exibição mostrando toda ou uma porção de um campo representado pelo mapa recebido. O bloco 708 indica que o campo exibido pode incluir um marcador da posição atual mostrando uma posição atual da colheitadeira agrícola 100 com relação ao campo. O bloco 710 indica um exemplo, no qual o campo exibido inclui um próximo marcador de unidade de trabalho que identifica uma próxima unidade de trabalho (ou área no campo) em que a colheitadeira agrícola 100 estará operando. O bloco 712 indica um exemplo, no qual o campo exibido inclui uma porção de exibição de área próxima que exibe áreas, que ainda devem ser processadas pela colheitadeira agrícola 100, e o bloco 714 indica um exemplo, no qual o campo exibido inclui porções de exibição anteriormente visitadas que representam as áreas do campo, que a colheitadeira agrícola 100 já processou. O bloco 716 indica um exemplo, no qual o campo exibido exibe várias características do campo tendo locais georreferenciados no mapa. Por exemplo, se o mapa recebido for um mapa de produção, o campo exibido pode mostrar os diferentes valores de produção no campo georreferenciado dentro do campo exibido. As características mapeadas podem ser mostradas nas áreas previamente visitadas (conforme mostrado no bloco 714), nas próximas áreas (conforme mostrado no bloco 712), e na próxima unidade de trabalho (conforme mostrado no bloco 710). O bloco 718 indica um exemplo, no qual o campo exibido inclui também outros itens.
[00153] Conforme mostrado na figura 11, a porção de exibição 738 inclui uma porção de exibição de sinalização interativa, indicada geralmente em 741. A porção de exibição de sinalização interativa 741 inclui uma coluna de sinalização 739 que mostra sinalizações que foram automaticamente ou manualmente ajustadas. O atuador de sinalização 740 permite ao operador 260 marcar um local, tal como o local atual da colheitadeira agrícola, ou outro local no campo designado pelo operador e adicionar informação indicando o nível de perda encontrado no local atual, devido a, por exemplo, a subalimentação. Por exemplo, quando o operador 260 atua o atuador de sinalização 740 por tocar o atuador de sinalização 740, o sistema de manipulação de gestos de toque 664 no controlador de interface de operador 231 identifica o local atual como um onde a colheitadeira agrícola 100 encontrou alto nível de perda. Quando o operador 260 toca o botão 742, o sistema de manipulação de gestos de toque 664 identifica o local atual como um local, onde colheitadeira agrícola 100 encontrou nível de perda médio. Quando o operador 260 toca o botão 744, o sistema de manipulação de gestos de toque 664 identifica o local atual como um local, onde colheitadeira agrícola 100 encontrou baixo nível de perda. Na atuação de um dentre os atuadores de sinalização 740, 742, ou 744, o sistema de manipulação de gestos de toque 664 pode controlar o gerador de sinal de controle visual 684 para adicionar um símbolo correspondente ao nível de perda identificado na porção de exibição de campo 728 em um local que o usuário identifica. Desta maneira, as áreas do campo, onde o valor predito não representou precisamente um valor atual, podem ser marcadas para a análise posterior, e podem também ser usadas na aprendizagem por máquina. Em outros exemplos, o operador pode designar áreas à frente da, ou em torno da, colheitadeira agrícola 100 por atuar um dentre os atuadores de sinalização 740, 742, ou 744, de forma que controle da colheitadeira agrícola 100 possa ser realizado com base no valor designado pelo operador 260.
[00154] A porção de exibição 738 também inclui uma porção de exibição de marcador interativa, indicada geralmente em 743. A porção de exibição de marcador interativa 743 inclui uma coluna de símbolo 746 que exibe os símbolos correspondentes a cada categoria dos valores ou características (no caso da figura 11, nível de perda de grão devido à subalimentação) que está sendo rastreada no porção de exibição de campo 728. A porção de exibição 738 também inclui uma porção de exibição de designador interativa, indicada geralmente em 745. A porção de exibição de designador de interador 745 inclui uma coluna de designador 748 que mostra o designador (que pode ser um designador textual ou outro designador) identificando a categoria dos valores ou características (no caso da figura 11, o nível de perda de grão devido à subalimentação). Sem limitação, os símbolos em a coluna de símbolo 746 e os designadores na coluna de designador748 podem incluir qualquer característica de exibição, tal como diferentes cores, formatos, padrões, intensidades, texto, ícones, ou outras características de exibição, e podem ser personalizáveis por interação de um operador da colheitadeira agrícola 100.
[00155] A porção de exibição 738 também inclui uma porção de exibição de valor interativo, indicada geralmente em 747. A porção de exibição de valor interativo 747 inclui uma coluna de exibição de valor 750 que exibe valores selecionados. Os valores selecionados correspondem às características ou valores sendo rastreados ou exibidos, ou ambos, na porção de exibição de campo 728. Os valores selecionados podem ser selecionados por um operador da colheitadeira agrícola 100. Os valores selecionados na coluna de exibição de valor 750 definem uma faixa dos valores ou um valor pelo qual outros valores, tais como os valores preditos, devem ser classificados. Assim, no exemplo na figura 11, um nível de perda de grão predito ou medido encontrando ou maior que 1,5 Bushels/Acre é classificado como "alto nível de perda", um nível de perda predito ou medido encontrando ou maior que 1 Bushels/Acre (mas menor que1,5 Bushels/Acre) é classificado como "nível de perda médio", e um nível de perda predito ou medido encontrando ou menor que 0,5 Bushels/Acre é classificado como "baixo nível de perda". Em alguns exemplos, os valores selecionados podem incluir uma faixa, de modo que um valor predito ou medido que está dentro da faixa do valor selecionado deverá ser classificado sob o designador correspondente. Por exemplo, um nível de perda predito ou medido de 0,8 Bushels/Acre pode, no caso em que o valor selecionado inclui uma faixa, ser designado como um "nível de perda médio", ao invés de um "baixo nível de perda", mesmo quando o nível de perda predito ou medido de 0,8 Bushels/Acre excede o valor de "baixo nível de perda", mas é menor que o valor de "nível de perda médio". Os valores selecionados na coluna de exibição de valor 750 são ajustáveis por um operador da colheitadeira agrícola 100. Em um exemplo, o operador 260 pode selecionar a parte particular da porção de exibição de campo 728, para a qual os valores na coluna 750 devem ser exibidos. Assim, os valores na coluna 750 podem corresponder aos valores nas porções de exibição 712, 714 ou 730.
[00156] A porção de exibição 738 também inclui uma porção de exibição de limite interativa, indicada geralmente em 749. A porção de exibição de limite interativa 749 inclui um coluna de exibição de valor limite 752 que exibe valores limites de ação. Os valores limites de ação na coluna 752 podem ser valores limites correspondentes aos valores selecionados na coluna de exibição de valor 750. Se os valores preditos ou medidos das características sendo rastreadas ou exibidas, ou ambos, satisfizerem os correspondentes valores limites de ação na coluna de exibição de valor limite 752, então o sistema de controle 214 toma a ação identificada na coluna 754. Em alguns casos, um valor medido ou predito pode satisfazer um correspondente valor limite de ação por encontrar ou exceder o correspondente valor limite de ação. Em um exemplo, o operador 260 pode selecionar um valor limite, por exemplo, a fim de alterar o valor limite por tocar o valor limite na coluna de exibição de valor limite 752. Uma vez selecionado, o operador 260 pode alterar o valor limite. Os valores limites na coluna 752 podem ser configurados de modo que a ação designada seja realizada quando o valor medido ou predito da característica excede o valor limite, é igual ao valor limite, ou é menor que o valor limite. Em alguns casos, o valor limite pode representar uma faixa dos valores, ou faixa de desvio dos valores selecionados na coluna de exibição de valor 750, de modo que um valor de característica predito ou medido, que encontra ou cai dentro da faixa satisfaça o valor limite. Por exemplo, no exemplo da figura 11, um valor predito que cai dentro de 10% de 1,5 Bushels/Acre irá satisfazer o correspondente valor limite de ação (de dentro 10% de 1,5 Bushels/Acre) e uma ação, tal como a redução da velocidade de correia draper, será tomada pelo sistema de controle 214. Em outros exemplos, os valores limites na coluna de exibição de valor limite 752 são separados dos valores selecionados na coluna de exibição de valor 750, de modo que os valores na coluna de exibição de valor 750 definam a classificação e exibam os valores preditos ou medidos, enquanto que os valores limites de ação definem quando uma ação deve ser tomada com base nos valores medidos ou preditos. Por exemplo, embora um valor de perda predito ou medido de 1,0 Bushels/Acre possa ser designado como um "nível de perda médio" para as finalidades de classificação e exibição, o valor limite de ação pode ser 1,2 Bushels/Acre, de forma que nenhuma ação será tomada até o valor de perda satisfazer o valor limite. Em outros exemplos, os valores limites na coluna de exibição de valor limite 752 podem incluir distâncias ou tempos. Por exemplo, no exemplo de uma distância, o valor limite pode ser uma distância limite da área do campo, onde o valor medido ou predito é geograficamente referenciado aquele que a colheitadeira agrícola 100 deve estar antes de uma ação ser tomada. Por exemplo, um valor de distância limite de 3,05 m (10 pés) significaria que uma ação será tomada quando a colheitadeira agrícola está em, ou dentro de, 3,05 m (10 pés) da área do campo, onde o valor medido ou predito é geograficamente referenciado. Em um exemplo, onde o valor limite é o tempo, o valor limite pode ser um tempo limite para a colheitadeira agrícola 100 chegar à área do campo, onde o valor medido ou preditivo é geograficamente referenciado. Por exemplo, um valor limite de 5 segundos significaria que uma ação será tomada quando a colheitadeira agrícola 100 está a 5 segundos longe da área do campo, onde o valor medido ou predito é geograficamente referenciado. Em tal exemplo, o local atual e a velocidade de deslocamento da colheitadeira agrícola podem ser considerados.
[00157] A porção de exibição 738 também inclui uma porção de exibição de ação interativa, indicada geralmente em 751. A porção de exibição de ação interativa 751 inclui uma coluna de exibição de ação 754 que exibe identificadores de ação que indicam ações a serem tomadas quando um valor predito ou medido satisfaz um valor limite de ação na coluna de exibição de valor limite 752. O operador 260 pode tocar os identificadores de ação na coluna 754 para alterar a ação que deve ser tomada. Em alguns exemplos, então, um limite é encontrado, múltiplas ações podem ser tomadas. Por exemplo, uma velocidade de correia draper pode ser aumentada, enquanto uma segunda velocidade de correia draper pode ser diminuída em resposta a um limite sendo satisfeito.
[00158] As ações que podem ser colocadas na coluna 754 podem ser qualquer de uma ampla variedade de diferentes tipos de ações. Por exemplo, as ações podem incluir uma ação de alteração de regulagem para alterar uma regulagem de um atuador interno ou outro WMA ou outro conjunto de WMAs ou para implementar uma ação de alteração de regulagem que altera uma regulagem de uma velocidade de rotor de debulhe, uma velocidade de ventoinha de limpeza, uma posição (por exemplo, inclinação, altura, rolamento etc.) da plataforma de corte, juntamente com vários outros ajustes. Esses são somente exemplos, e uma ampla variedade de outras ações é contemplada aqui.
[00159] Os itens mostrados na exibição de interface de usuário 720 podem ser visualmente controlados. O controle visual da exibição 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 os quais os marcadores de exibição são exibidos. Adicionalmente, os marcadores de exibição podem ser controlados para piscar. As alterações descritas à aparência visual dos marcadores de exibição são providas como exemplos. Consequentemente, outros aspectos da aparência visual dos marcadores de exibição podem ser alterados. Por conseguinte, os marcadores de exibição podem ser modificados sob várias circunstâncias de uma maneira desejada, a fim de, por exemplo, capturar a atenção do operador 260. Adicionalmente, embora um número particular de itens seja mostrado na exibição de interface de usuário 720, esse não precisa ser o caso. Em outros exemplos, mais ou menos itens, incluindo mais ou menos de um item particular, podem ser incluídos na exibição de interface de usuário 720.
[00160] Retornando agora para o fluxograma 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 entrada regulando uma sinalização e controla a exibição de interface de usuário sensível ao toque 720 para exibir a sinalização na porção de exibição de campo 728. A entrada detectada pode ser uma entrada de operador, como indicado em 762, ou uma entrada de outro controlador, como indicado em 764. No bloco 766, o controlador de interface de operador 231 detecta uma entrada de sensor in-situ, indicativa de uma característica 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 exibição de interface de usuário 720 para exibir atuadores para modificar a exibição de interface de usuário 720 e para modificar o controle de máquina. Por exemplo, o bloco 770 representa que um ou mais dos atuadores para regular ou modificar os valores nas colunas 739, 746, e 748 podem ser exibidos. Assim, o usuário pode colocar sinalizações e modificar as características daquelas sinalizações. Por exemplo, um usuário pode modificar os níveis de perda e os designadores de nível de perda correspondentes às sinalizações. O bloco 772 representa quais valores limites de ação na coluna 752 são exibidos. O bloco 776 representa quais as ações na coluna 754 são exibidas, e o bloco 778 representa que os dados in-situ medidos na coluna 750 são exibidos. O bloco 780 indica que uma ampla variedade de outras informações e atuadores pode ser também exibida na exibição de interface de usuário 720.
[00161] No bloco 782, o sistema de processamento de comando de entrada de operador 654 detecta e processa as entradas de operador correspondentes a interações com a exibição de interface de usuário 720 realizadas pelo operador 260. Onde o mecanismo de interface de usuário, em que a exibição de interface de usuário 720 é exibida é uma tela de exibição sensível ao toque, as entradas de interação com a tela de exibição sensível ao toque pelo operador 260 podem ser gestos de toque 784. Em alguns casos, as entradas de interação de operador podem ser entradas usando um dispositivo de apontar e clicar 786 ou outras entradas de interação de operador 788.
[00162] No bloco 790, o controlador de interface de operador 231 recebe sinais indicativos de uma condição de alerta. Por exemplo, o bloco 792 indica que sinais podem ser recebidos pelo sistema de processamento de entrada de 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 que estão 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 uma recepção de uma condição de alerta, alertar o operador 260 por meio do uso do gerador de sinal de controle visual 684 para gerar alertas visuais, por meio do uso do gerador de sinal de controle de áudio 686 para gerar alertas de áudio, por meio do uso do gerador de sinal de controle táctil 688 para gerar alertas tácteis, ou por meio do uso de qualquer combinação desses. Similarmente, conforme indicado pelo bloco 796, o gerador de saída de controlador 670 pode gerar saídas para outros controladores no sistema de controle 214 de forma que aqueles controladores realizem a correspondente ação identificada na coluna 754. O bloco 798 mostra que o controlador de interface de operador 231 pode detectar e processar as condições de alerta também de outras maneiras.
[00163] O bloco 900 mostra que o sistema de manipulação de voz 662 pode detectar e processar entradas invocando o sistema de processamento de voz 658. O bloco 902 mostra que a realização 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 prover sinais para o gerador de saída de controlador 670 de forma que as operações de controle sejam automaticamente realizadas com base nas entradas de voz.
[00164] 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 gatilho ou uma palavra de despertar que é detectada pelo detector de disparo 672 para invocar o sistema de processamento de voz 658. No exemplo mostrado na tabela 1, a palavra de despertar é “Johnny”.
Tabela 1
Operador: "Johnny, fale-me sobre a velocidade atual de correia draper"
O controlador de interface de operador: "Velocidade atual duma correia draper é 180 RPM"
Operador: "Johnny, há alguma subalimentação?"
Controlador de interface de operador: "Atualmente existe uma quantidade indetectável de subalimentação".
Tabela 1
Operador: "Johnny, fale-me sobre a velocidade atual de correia draper"
O controlador de interface de operador: "Velocidade atual duma correia draper é 180 RPM"
Operador: "Johnny, há alguma subalimentação?"
Controlador de interface de operador: "Atualmente existe uma quantidade indetectável de subalimentação".
[00165] A tabela 2 mostra um exemplo, no qual o componente de síntese de voz 676 provê uma saída para o gerador de sinal de controle de áudio 686 para prover atualizações audíveis em uma base intermitentes ou periódica. O intervalo entre as atualizações pode ser com base no tempo, tal como a cada cinco minutos, ou à base de cobertura ou distância, tal como a cada cinco acres, ou à base de exceção, tal como quando um valor medido é maior que um valor de limite.
Tabela 2
Controlador de interface de operador: "Nos últimos 10 minutos, a velocidade de correia draper esquerda foi em média: 190 RPM; a velocidade de correia draper direita foi em média: 150 RPM"
Controlador de interface de operador: "O próximo 1 acre compreende velocidade de correia draper esquerda é predita em média: 210 RPM; velocidade de correia draper direita é predita em média: 130 RPM"
Tabela 2
Controlador de interface de operador: "Nos últimos 10 minutos, a velocidade de correia draper esquerda foi em média: 190 RPM; a velocidade de correia draper direita foi em média: 150 RPM"
Controlador de interface de operador: "O próximo 1 acre compreende velocidade de correia draper esquerda é predita em média: 210 RPM; velocidade de correia draper direita é predita em média: 130 RPM"
[00166] O exemplo mostrado na Tabela 3 ilustra que alguns atuadores ou mecanismos de entrada de usuário na exibição sensível ao toque 720 podem ser suplementados com diálogo de voz. O exemplo na Tabela 3 ilustra que o gerador de sinal de ação 660 pode gerar sinais de ação para automaticamente alterar uma velocidade de correia no campo sendo colhido.
Tabela 3
Humano: "Johnny, altere a velocidade da correia para 150 RPM".
Controlador de interface de operador: "Velocidade da correia ajustada para 150 RPM".
Tabela 3
Humano: "Johnny, altere a velocidade da correia para 150 RPM".
Controlador de interface de operador: "Velocidade da correia ajustada para 150 RPM".
[00167] O exemplo mostrado na Tabela 4 ilustra que o gerador de sinal de ação 660 pode conduzir um diálogo com o operador 260 para começar e terminar o controle de uma velocidade de correia.
Tabela 4
Humano: "Johnny, comece a marcar a alimentação de porções".
O Controlador de interface de operador: "Marcando a alimentação de porções".
Humano: "Johnny, aumente lentamente a velocidade de correia para 250 RPM". Controlador de interface de operador: "Aumentando a velocidade de correia lentamente para 250 RPM". Humano: "Johnny, pare de marcar a alimentação de porções".
Controlador de interface de operador: "marcação da alimentação de porções parada. As velocidades de correia atuais é 195 RPM".
Tabela 4
Humano: "Johnny, comece a marcar a alimentação de porções".
O Controlador de interface de operador: "Marcando a alimentação de porções".
Humano: "Johnny, aumente lentamente a velocidade de correia para 250 RPM". Controlador de interface de operador: "Aumentando a velocidade de correia lentamente para 250 RPM". Humano: "Johnny, pare de marcar a alimentação de porções".
Controlador de interface de operador: "marcação da alimentação de porções parada. As velocidades de correia atuais é 195 RPM".
[00168] O exemplo mostrado na Tabela 5 ilustra que o gerador de sinal de ação160 pode gerar sinais para marcar um canteiro de ervas daninhas de uma maneira diferente que aquelas mostradas nas Tabelas 3 e 4.
Tabela 5
Humano: "Johnny, aumente a velocidade de correia para 200 RPM pelos próximos 30,48 m (100 pés)".
Controlador de interface de operador: "Nos próximos 30,48 m (100 pés), a velocidade da correia será aumentada para 200 RPM".
Tabela 5
Humano: "Johnny, aumente a velocidade de correia para 200 RPM pelos próximos 30,48 m (100 pés)".
Controlador de interface de operador: "Nos próximos 30,48 m (100 pés), a velocidade da correia será aumentada para 200 RPM".
[00169] Retornando novamente para a figura 10, o bloco 906 ilustra que o controlador de interface de operador 231 pode detectar e processar condições para fornecer uma mensagem ou outra informação também de outras maneiras. 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 tácteis. Até o controlador de interface de operador 231 determinar que a operação atual de colheita está completa, como indicado pelo bloco 914, o processamento reverte para o bloco 698, onde o local geográfico da colheitadeira 100 é atualizado e o processamento prossegue conforme descrito acima para atualizar a exibição de interface de usuário 720.
[00170] Uma vez quando a operação está completa, então quaisquer valores desejados que são exibidos, ou foram exibidos na exibição de interface de usuário 720, podem ser salvos. Aqueles valores podem também ser usados na aprendizagem por máquina para melhorar as diferentes porções de gerador de modelo preditivo 210, do gerador de mapa preditivo 212, do gerador de zona de controle 213, dos algoritmos de controle, ou outros itens. O salvamento dos valores desejados é indicado pelo bloco 916. Os valores podem ser salvos localmente na colheitadeira agrícola 100, ou os valores podem ser salvos em um local de servidor remoto ou enviado para outro sistema remoto.
[00171] Assim, pode ser visto que o mapa de índice de informação anterior é obtido por uma colheitadeira agrícola e mostra valores de característica topográfica em diferentes locais geográficos de um campo sendo colhido. Um sensor in-situ na colheitadeira sensoreia uma velocidade de correia draper quando a colheitadeira agrícola se move através do campo. Um gerador de mapa preditivo gera um mapa preditivo que prediz os valores de controle para diferentes locais no campo com base nos valores da característica topográfica no mapa de informação anterior e a velocidade do sensor de correia draper pelo sensor in-situ. Um sistema de controle controla subsistema controlável com base nos valores de controle no mapa preditivo.
[00172] Um valor de controle é um valor no qual uma ação pode ser baseada. Um valor de controle, conforme descrito aqui, pode incluir qualquer valor (ou as características indicadas pelo, 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 dos valores providos por um mapa, tal como qualquer dos mapas descritos aqui, por exemplo, um valor de controle pode ser um valor provido por um mapa de informação, um valor provido por mapa de informação anterior, ou um valor provido por mapa preditivo, como um mapa preditivo funcional. Um valor de controle pode também incluir qualquer das características indicadas pelos, ou derivadas dos, valores detectados por qualquer do sensores descritos aqui. Em outros exemplos, um valor de controle pode ser provido por um operador da máquina agrícola, tal como uma entrada de comando por um operador da máquina agrícola.
[00173] A presente discussão mencionou processadores e servidores. Em alguns exemplos, os processadores e servidores incluem processadores de computador com memória associada e circuito de temporização, não separadamente mostrados. Os processadores e servidores são partes funcionais dos sistemas ou dispositivos aos quais os processadores e servidores pertencem e pelos quais são ativados e facilitam a funcionalidade dos outros componentes ou itens naqueles sistemas.
[00174] Também, inúmeras exibições de interface de usuário foram discutidas. As exibições podem assumir uma extensa variedade de diferentes formas e pode ter uma extensa variedade de diferentes mecanismos de interface de operador atuáveis por usuário, dispostos nas mesmas. Por exemplo, os mecanismos de interface de operador atuáveis por usuário podem incluir caixas de texto, caixas de verificação, ícones, conexões, menus pendentes, caixas de pesquisa etc. Os mecanismos de interface de operador atuáveis por usuário podem também ser atuados em uma extensa variedade de maneiras diferentes. Por exemplo, os mecanismos de interface de operador atuáveis por usuário podem ser atuados usando mecanismos de interface de operador tal como um dispositivo de apontar e clicar, tal como uma esfera rolante ou Mouse, botões de hardware, interruptores, uma alavanca de controle ou teclado, alavancas livres ou painéis para polegar etc., um teclado virtual ou outros atuadores virtuais. Além disso, quando a tela na qual os mecanismos de interface de operador atuáveis por usuário são exibidos é uma tela sensível ao toque, os mecanismos de interface de operador atuáveis por usuário podem ser atuados usando gestos de toque. Também, os mecanismos de interface de operador atuáveis por usuário podem ser atuados usando comandos de voz usando funcionalidade de reconhecimento de voz. O reconhecimento de voz pode ser implementado usando um dispositivo de detecção de voz, tal como um microfone, e software que funciona para reconhecer a voz detectada e executar comandos com base na voz recebida.
[00175] Inúmeros bancos de dados também foram discutidos. Será notado que os bancos de dados podem, cada, ser desmembrados em múltiplos bancos de dados. Em alguns exemplos, um ou mais dos bancos de dados podem ser locais aos sistemas que acessam os bancos de dados, um ou mais dos bancos de dados podem, todos, ser localizados remotos, de forma um sistema que utiliza o banco de dados, ou um ou mais dos bancos de dados podem ser locais enquanto outros são remotos. Todas dessas configurações são contempladas pela presente invenção.
[00176] Também, as figuras mostram um número de blocos com funcionalidade atribuída a cada bloco. Será notado que menos blocos podem ser usados para ilustrar que a funcionalidade atribuída a múltiplos blocos diferentes é realizada por menos componentes. Também, mais blocos podem ser usados, ilustrando que a funcionalidade pode ser distribuída entre mais componentes. Nos diferentes exemplos, alguma funcionalidade pode ser acrescentada, e alguma pode ser removida.
[00177] Será notado que a discussão acima descreveu uma variedade de diferentes sistemas, componentes, lógica, e interações. Será apreciado que qualquer ou todos de tais sistemas, componentes, lógicas e interações podem ser implementados por itens de hardware, tais como processadores, memória, ou outros componentes de processamento, incluindo, mas não limitados aos componentes de inteligência artificial, tais como redes neuronais, alguns dos quais são descritos abaixo, que realizam as funções associadas àqueles sistemas, componentes, ou lógica, ou interações. Além disso, qualquer ou todos dos sistemas, componentes, lógicas e interações podem ser implementados por software que é carregado à memória e é subsequentemente executado por um processador ou servidor ou outro componente de computação, conforme descrito abaixo. Qualquer ou todos dos sistemas, componentes, lógicas e interações podem também ser implementados por diferentes combinações de hardware, software, firmware etc., alguns exemplos dos quais são descritos abaixo. Esses são alguns exemplos de diferentes estruturas que podem ser usadas para implementar qualquer ou todos dos sistemas, componentes, lógica e interações descritos acima. Outras estruturas podem ser também usadas.
[00178] A figura 12 é um diagrama de blocos da colheitadeira agrícola 600, que pode ser similar 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 provê computação, software, acesso de dados, e serviços de armazenamento que não requerem o conhecimento pelo usuário final do local físico ou configuração do sistema que fornece os serviços. Em vários exemplos, os servidores remotos podem fornecer os serviços sobre uma rede de área larga, tal como a Internet, usando protocolos apropriados. Por exemplo, os servidores remotos podem fornecer aplicativos sobre uma rede de área larga e podem ser acessíveis através de um navegador da Web ou qualquer outro componente de computação. O software ou componentes mostrados na figura 2 bem como os dados associados aos mesmos podem ser armazenados nos servidores em um local remoto. Os recursos de computação em um ambiente de servidor remoto podem ser consolidados em um local de centro de dados remoto, ou os recursos de computação podem ser dispersos para uma pluralidade de centros de dados remotos. As infraestruturas de servidor remoto podem fornecer serviços através de centros de dados compartilhados, mesmo se os serviços aparecerem como um único ponto de acesso para o usuário. Assim, os componentes e funções descritos aqui podem ser providos de um servidor remoto em um local remoto usando uma arquitetura de servidor remoto. Alternativamente, os componentes e funções podem ser providos de um servidor, ou os componentes e funções podem ser instalados nos dispositivos de cliente diretamente, ou de outras maneiras.
[00179] No exemplo mostrado na figura 12, alguns itens são similares àqueles mostrados na figura 2 e aqueles itens são similarmente enumerados. A figura 12 especificamente mostra que o gerador de modelo preditivo 210 ou o gerador de mapa preditivo 212, ou ambos, podem ser posicionados em um servidor local 502, que é remoto à colheitadeira agrícola 600. Por conseguinte, no exemplo mostrado na figura 14, a colheitadeira agrícola 600 acessa os sistemas através do local de servidor remoto 502.
[00180] A figura 12 também representa também representa outro exemplo de uma arquitetura de servidor remoto. A figura 14 mostra que alguns elementos da figura 2 podem ser dispostos em um local de servidor remoto 502, enquanto outros podem ser posicionados em outro lugar. A título de exemplo, o banco de dados 202 pode ser disposto em um local separado do local 502 e acessado por intermédio do servidor remoto no local 502. Independentemente de onde os elementos estão localizados, os elementos podem ser acessados diretamente pela colheitadeira agrícola 600 através de uma rede, tal como uma rede de área larga ou uma rede de área local; os elementos podem ser hospedados em um sítio remoto por um serviço; ou os elementos podem ser providos como um serviço ou acessados por um serviço de conexão que reside em um local remoto. Também, dados podem ser armazenados em qualquer local, e os dados armazenados podem ser acessados por, ou transmitidos para, os operadores, usuários, ou sistemas. Por exemplo, portadores físicos podem ser usados em vez de, ou em adição a, portadores de ondas eletromagnéticas. Em alguns exemplos, onde a cobertura de serviço de telecomunicação sem fio é deficiente ou inexistente, outra máquina, tal como um caminhão de combustível ou outro veículo ou máquina móvel, pode ter um sistema de coleta de informação automático, semiautomático, ou manual. Conforme a colheitadeira combinada 600 se aproxima à máquina contendo o sistema de coleta de informação, tal como um caminhão de combustível antes do abastecimento, o sistema de coleta de informação coleta a informação da colheitadeira combinada 600 usando qualquer tipo de conexão sem fio para essa finalidade. A informação coletada pode então ser transmitida para outra rede, quando a máquina contendo a informação recebida chegar a um local, onde a cobertura de serviço de telecomunicação sem fio ou outra cobertura sem fio é disponível. Por exemplo, um caminhão de combustível pode entrar em uma área tendo cobertura de comunicação sem fio quando se desloca para um local para abastecer outras máquinas ou quando em um local de armazenamento de combustível principal. Todas dessas arquiteturas são contempladas aqui. Além disso, a informação pode ser armazenada na colheitadeira agrícola 600 até a colheitadeira agrícola 600 entrar em uma área tendo cobertura de comunicação sem fio. A colheitadeira agrícola 600, propriamente dita, pode enviar a informação para outra rede.
[00181] Será também notado que os elementos da figura 2, ou as porções dos mesmos, podem ser dispostos em uma extensa variedade de diferentes dispositivos. Um ou mais daqueles dispositivos podem incluir um computador a bordo, uma unidade de controle eletrônica, uma unidade de exibição, um servidor, um computador de mesa, um computador portátil, um computador táblete, ou outro dispositivo móvel, tal como um computador de bolso, um telefone celular, um telefone inteligente, um reprodutor de multimídia, um assistente digital pessoal etc.
[00182] Em alguns exemplos, a arquitetura de servidor remoto 500 pode incluir medidas de segurança cibernética. Sem limitação, essas medidas podem incluir criptografia de dados nos dispositivos de armazenamento, criptografia de dados enviados entre os nós de rede, autenticação de pessoas ou dados de acesso a processos, bem como o uso de registros para gravar metadados, dados, transferências de dados, acessos de dados, e transformações de dados. Em alguns exemplos, os registros podem ser distribuídos e imutáveis (por exemplo, implementados como corrente de blocos).
[00183] 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 do usuário ou do cliente 16, em que o presente sistema (ou partes do mesmo) pode ser implementado. Por exemplo, um dispositivo móvel pode ser implementado no compartimento de operador da colheitadeira agrícola 100 para uso na geração de, ou o processamento, ou a exibição dos mapas discutidos acima. As figuras 16 e 17 são exemplos de dispositivos portáteis ou móveis.
[00184] A figura 13 provê um diagrama de blocos geral dos componentes de um dispositivo de cliente 16 que pode rodar alguns componentes mostrados na figura 2, que interagem com os mesmos, ou ambos. No dispositivo 16, uma conexão de comunicação 13 é provida, que permite ao dispositivo portátil se comunicar com outros dispositivos de computação e, em alguns exemplos, provê um canal para receber informação automaticamente, tal como por varredura. Exemplos de conexão de comunicações 13 incluem permitir a comunicação através de um ou mais protocolos de comunicação, tais como os serviços sem fio usados para prover o acesso celular a uma rede, bem como protocolos que provêm conexões sem fio locais às redes.
[00185] Em outros exemplos, aplicativos podem ser recebidos em um cartão Secure Digital (SD) removível, que é conectado a uma interface 15. A interface 15 e conexões de comunicação 13 se comunicam com um processador 17 (que pode também incorporar os processadores ou servidores das outras figuras) ao longo de um barramento 19 que é também conectado à memória 21 e componentes de entrada/saída (E/S) 23, bem como o relógio 25 e o sistema local 27.
[00186] Os componentes de E/S 23, em um exemplo, são providos para facilitar as operações de entrada e saída. Os componentes de E/S 23 para vários exemplos do dispositivo 16 pode incluir componentes de entrada, tais como botões, os sensores sensíveis ao toque, os sensores ópticos, microfones, telas sensíveis ao toque, os sensores de proximidade, acelerômetros, os sensores de orientação, e componentes de saída, tais como um dispositivo de exibição, um alto-falante, e ou uma porta de impressora. Outros componentes de E/S 23 podem ser também usados.
[00187] O relógio 25 ilustrativamente compreende um componente de relógio de tempo real, que fornece a hora e a data. Ilustrativamente, ele pode também prover funções de temporização para processador 17.
[00188] O sistema de localização 27 ilustrativamente inclui um componente que fornece um local geográfico atual do dispositivo 16. Esse pode incluir, por exemplo, um receptor de sistema de posicionamento global (GPS), um sistema LORAN, um sistema de reconhecimento passivo, um sistema de triangulação celular, ou ouro sistema de posicionamento. O sistema de localização 27 pode também incluem, por exemplo, software de mapeamento ou software de navegação que gera os desejados mapas, as desejadas rotas de navegação e outras funções geográficas.
[00189] A memória 21 armazena o sistema operacional 29, as regulagens de rede 31, aplicativos 33, as regulagens de configuração de aplicativo 35, o banco de dados 37, os controladores de comunicação 39, e as regulagens de configuração de comunicação 41. A memória 21 pode incluir todos os tipos de dispositivos de memória legíveis por computador, voláteis e não voláteis, tangíveis. A memória 21 pode também incluir meios de armazenamento em computador (descritos abaixo). A memória 21 armazena instruções legíveis por computador que, quando executadas pelo processador 17, fazem com que o processador realize as etapas ou funções implementadas por computador de acordo com as instruções. O processador 17 pode ser ativado por outros componentes para facilitar também sua funcionalidade.
[00190] A figura 14 mostra um exemplo, no qual o dispositivo 16 é um computador táblete 600. Na figura 16, o computador 601 é mostrado com a tela de exibição de interface de usuário 602. A tela 602 pode ser uma tela sensível ao toque ou uma interface ativada por caneta, que recebe entradas de uma caneta ou agulha. O computador táblete 600 pode também uso um teclado virtual na tela. Naturalmente, o computador 601 poderia também ser afixado a um teclado ou a outro dispositivo de entrada de usuário através de um mecanismo de afixação apropriado, tal como uma conexão sem fio ou porta USB, por exemplo. O computador 601 pode também ilustrativamente recebem entradas de voz.
[00191] A figura 15 é similar à figura 14, exceto que o dispositivo é um telefone inteligente 71. O telefone inteligente 71 tem uma exibição sensível ao toque 73 que exibe ícones ou azulejos ou outros mecanismos de entrada de usuário 75. Os mecanismos 75 podem ser usados por um usuário para rodar aplicativos, fazer chamadas, realizar operações de transferência de dados etc. Em geral, o telefone inteligente 71 é construído em um sistema operacional móvel e oferece capacidade de computação e conectividade mais avançadas que um telefone comum.
[00192] Note que outras formas dos dispositivos são possíveis.
[00193] A figura 16 é um exemplo de um ambiente de computação no qual os elementos da figura 2 podem ser implementados. Com referência à figura 18, 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 de computador 810 podem incluir, mas não são limitados a, uma unidade de processamento 820 (que pode compreender os processadores ou servidores das figuras anteriores), uma memória de sistema 830, e um barramento de sistema 821 que acopla vários componentes do sistema incluindo a memória de sistema à unidade de processamento 820. O barramento de sistema 821 pode ser qualquer de vários tipos de estruturas de barramento incluindo um barramento de memória ou controlador de memória, um barramento periférico, e um barramento local usando qualquer de uma variedade de arquiteturas de barramento. A memória e programas descritos com relação à figura 2 podem ser implementados em porções correspondentes da figura 16.
[00194] O computador 810 tipicamente inclui uma variedade de meios legíveis por computador. Os meios legíveis por computador podem ser quaisquer meios disponíveis que podem ser acessados pelo computador 810 e inclui meios tanto voláteis quanto não voláteis, meios removíveis e não removíveis. A título de exemplo, e não de limitação, o meios legíveis por computador pode compreender meios de armazenamento em computador e meios de comunicação. Os meios de armazenamento em computador são diferentes de, e não incluem, um sinal de dado modulado ou onda portadora. Os meios legíveis por computador incluem meios de armazenamento de hardware incluindo meios removíveis e não removíveis, tanto voláteis quanto não voláteis, implementados em qualquer método ou tecnologia para o armazenamento de informação, tal como instruções legíveis por computador, estruturas de dados, os módulos de programa ou outros dados. Os meios de armazenamento em computador incluem, mas não é limitados 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 em disco magnético ou outros dispositivos de armazenamento magnéticos, ou qualquer outro meio que pode ser usado para armazenar a informação desejada e que pode ser acessado por computador 810. Os meios de comunicação podem incorporar instruções legíveis por computador, estruturas de dados, os módulos de programa ou outros dados em um mecanismo de transporte e incluem quaisquer meios de fornecimento de informação. O termo “sinal de dado modulado” significa um sinal que tem um ou mais de suas características ajustadas ou alteradas de tal maneira a codificar informação no sinal.
[00195] A memória de sistema 830 inclui meios de armazenamento em computador na forma de memória volátil e/ou não volátil, ou ambas, tais como memória exclusivamente de leitura (ROM) 831 e memória de acesso aleatório (RAM) 832. Um sistema de entrada/saída básico 833 (BIOS), contendo as rotinas básicas que ajudam a transferir a informação entre os elementos dentro do computador 810, tal como durante a inicialização, é tipicamente armazenado no ROM 831. A RAM 832 tipicamente contém dados ou módulos de programa ou ambos, que são imediatamente acessíveis à, e/ou atualmente sendo operado pela, unidade de processamento 820. A título de exemplo, e não de limitação, a figura 18 ilustra o sistema operacional 834, os programas de aplicativo 835, outros módulos de programa 836, e os dados de programa 837.
[00196] O computador 810 pode também incluir outros meios de armazenamento em computador removíveis/não removíveis, voláteis/não voláteis. Somente a título de exemplo, a figura 18 ilustra uma unidade de disco rígido 841 que lê ou inscreve em meios magnéticos não voláteis, não removíveis, uma unidade de disco óptico 855, e o disco óptico não volátil 856. A unidade de disco rígido 841 é tipicamente conectada ao barramento de sistema 821 através de uma interface de memória não removível, tal como a interface 840, e a unidade de disco óptico 855 é tipicamente conectada ao barramento de sistema 821 por uma interface de memória removível, tal como a interface 850.
[00197] Alternativamente, ou além disso, a funcionalidade descrita aqui pode ser realizada, pelo menos em parte, por um ou mais componentes lógicos de hardware. Por exemplo, e sem limitação, tipos ilustrativos dos componentes lógicos de hardware que podem ser usados incluem redes de portas lógicas programáveis (FPGAs), circuitos integrados específicos de aplicação (por exemplo, ASICs), circuitos integrados específicos de aplicação (por exemplo, ASSPs), os sistemas de sistema em uma pastilha (SOCs), dispositivos lógicos programáveis complexos (CPLDs), etc.
[00198] Os controladores e seus meios de armazenamento em computador associados discutidos acima e ilustrados na figura 18, provêm o armazenamento de instruções legíveis por computador, estruturas de dados, módulos de programa e outros dados para o computador 810. Na figura 18, por exemplo, a unidade de disco rígido 841 é ilustrada como armazenando o sistema operacional 844, os programas de aplicativo 845, outros módulos de programa 846, e os dados de programa 847. Note que esses componentes podem ser ou os mesmos que, ou diferentes, os do sistema operacional 834, os programas de aplicativo 835, outros módulos de programa 836, e os dados de programa 837.
[00199] Um usuário pode alimentar comandos e informação ao computador 810 através de dispositivos de entrada, tais como um teclado 862, um microfone 863, e um dispositivo de apontar 861, tal como um Mouse, esfera rolante ou painel sensível ao toque. Outros dispositivos de entrada (não mostrados) podem incluir uma alavanca de controle, painéis de jogos, antena parabólica, escâner, ou semelhante. Esses e outros dispositivos de entrada são frequentemente conectados à unidade de processamento 820 através de uma interface de entrada de usuário 860 que é acoplada ao barramento de sistema, mas podem ser conectados por outras estruturas de interface e barramento. Uma exibição visual 891 ou outro tipo de dispositivo de exibição é também conectado ao barramento de sistema 821 por intermédio de uma interface, tal como uma interface de vídeo 890. Em adição ao monitor, os computadores podem também incluir outros dispositivos de saída periféricos, tais como altofalantes 897 e impressora 896, que podem ser conectados através de uma interface periférica de saída 895.
[00200] O computador 810 é operado em um ambiente conectado em rede usando conexões lógicas (tal como uma rede de área de controlador, – CAN, rede de área local, – LAN, ou rede de área larga WAN) a um ou mais computadores remotos, tais como um computador remoto 880.
[00201] Quando usado em um ambiente conectado em rede LAN, o computador 810 é conectado à LAN 871 através de uma rede, interface ou adaptador 870. Quando usado em um ambiente conectado em rede WAN, o computador 810 tipicamente inclui um Modem 872 ou outros meios para estabelecer comunicações sobre a WAN 873, tal como a Internet. Em um ambiente conectado em rede, os módulos de programa podem ser armazenados no um dispositivo de armazenamento de memória remoto. A figura 18 ilustra, por exemplo, que os programas de aplicativo remotos 885 podem residir no computador remoto 880.
[00202] Deve ser também notado que os diferentes exemplos descritos aqui pode ser combinados de maneiras diferentes. Isto é, partes de um ou mais exemplos pode ser combinadas com partes de um ou mais outros exemplos. Tudo disso é contemplado aqui.
[00203] O exemplo 1 é uma máquina de trabalho agrícola compreendendo um sistema de comunicação que recebe um mapa de informação que inclui valores de uma primeira característica agrícola correspondente a diferentes locais geográficos em um campo; um sensor de posição geográfica que detecta um local geográfico da máquina de trabalho agrícola (100); um sensor in-situ que detecta um valor de uma segunda característica agrícola correspondente ao local geográfico; um gerador de mapa preditivo que gera um mapa agrícola preditivo funcional do campo do campo que mapeia os valores de controle preditivos para os diferentes locais geográficos no campo com base nos valores da primeira característica agrícola no mapa de informação e com base no valor da segunda característica agrícola correspondente ao local geográfico; uma ou mais correias draper controláveis; e um sistema de controle que gera um sinal de controle para controlar a uma ou mais correias draper com base na posição geográfica da máquina de trabalho agrícola e com base nos valores de controle preditivos no mapa agrícola preditivo funcional.
[00204] O exemplo 2 é a máquina de trabalho agrícola de acordo com qualquer ou todos dos exemplos anteriores, em que o sistema de controle controla a velocidade de a uma ou mais correias draper.
[00205] O exemplo 3 é a máquina de trabalho agrícola de acordo com qualquer ou todos dos exemplos anteriores, em que a uma ou mais correias draper compreendem uma primeira correia draper e uma segunda correia draper e o sistema de controle controla a velocidade da primeira correia draper independente da segunda correia draper.
[00206] O exemplo 4 é a máquina de trabalho agrícola de acordo com qualquer ou todos dos exemplos anteriores, em que o sensor in-situ compreende um sensor de fluxo de material que sensoreia um fluxo de material na uma ou mais correias draper as a segunda característica agrícola.
[00207] O exemplo 5 é a máquina de trabalho agrícola de acordo com qualquer ou todos dos exemplos anteriores, em que o sensor in-situ compreende um sensor de subalimentação que sensoreia um material subalimentado correspondente a uma ou mais correias draper, as a segunda característica agrícola
[00208] O exemplo 6 é a máquina de trabalho agrícola de acordo com qualquer ou todos dos exemplos anteriores, em que o sensor in-situ compreende o sensor de força de acionamento de rotor que sensoreia a força de acionamento de rotor que aciona ao debulhador, as a segunda característica agrícola.
[00209] O exemplo 7 é a máquina de trabalho agrícola de acordo com qualquer ou todos dos exemplos anteriores, em que o mapa de informação compreende um mapa de índice vegetativo que mapeia, como a primeira característica agrícola, valores de índice vegetativo para os diferentes locais geográficos no campo.
[00210] O exemplo 8 a máquina de trabalho agrícola de acordo com qualquer ou todos dos exemplos anteriores, em que o mapa de informação compreende um mapa de biomassa que mapeia, como a primeira característica agrícola, valores de biomassa para os diferentes locais geográficos no campo.
[00211] O exemplo 9 é a máquina de trabalho agrícola de acordo com qualquer ou todos dos exemplos anteriores, em que o mapa de informação compreende um mapa de velocidade que mapeia, como a primeira característica agrícola, valores de velocidade de solo de máquina para os diferentes locais geográficos no campo.
[00212] O exemplo 10 é a máquina de trabalho agrícola de acordo com qualquer ou todos dos exemplos anteriores, em que o sistema de controle compreende adicionalmente: um controlador de interface de operador que gera uma representação de mapa de interface de usuário do mapa agrícola preditivo funcional, a representação de mapa de interface de usuário compreendendo uma porção de campo com um ou mais marcadores indicando os valores de controle preditivos em um ou mais locais geográficos no porção de campo.
[00213] O exemplo 11 é um método implementado por computador para controlar uma máquina de trabalho agrícola compreendendo obter um mapa de informação que inclui valores de uma primeira característica agrícola correspondente a diferentes locais geográficos em um campo; detectar um local geográfico da máquina de trabalho agrícola (100); detectar, com um sensor in-situ, um valor de uma segunda característica agrícola correspondente ao local geográfico; gerar um mapa agrícola preditivo funcional de um campo que mapeia os valores de controle preditivos para os diferentes locais geográficos no campo com base nos valores da primeira característica agrícola no mapa de informação e com base no valor da segunda característica agrícola correspondente ao local geográfico; e controlar uma correia draper com base na posição geográfica da máquina de trabalho agrícola e com base nos valores de controle no mapa agrícola preditivo funcional.
[00214] O exemplo 12 é o método implementado por computador de acordo com qualquer ou todos dos exemplos anteriores, em que detectar, com o sensor in-situ compreende: detectar, como a segunda característica agrícola, um ou mais de um fluxo de cultivo, subalimentação de cultivo e força de acionamento de rotor.
[00215] O exemplo 13 é o método implementado por computador de acordo com qualquer ou todos dos exemplos anteriores, em que obter o mapa de informação compreende: obter, como o mapa de informação, um mapa de índice vegetativo que inclui, como os valores da primeira característica agrícola, valores de índice vegetativo.
[00216] O exemplo 14 é o método implementado por computador de acordo com qualquer ou todos dos exemplos anteriores, em que obter o mapa de informação compreende: obter, como o mapa de informação, um mapa de biomassa que inclui, como os valores da primeira característica agrícola, valores de biomassa.
[00217] O exemplo 15 é o método implementado por computador de acordo com qualquer ou todos dos exemplos anteriores, em que obter o mapa de informação compreende: obter, como o mapa de informação, um mapa de velocidade que inclui, como os valores da primeira característica agrícola, os valores de velocidade.
[00218] O exemplo 16 é o método implementado por computador de acordo com qualquer ou todos dos exemplos anteriores, em que controlar uma correia draper compreende controlar uma velocidade de uma correia draper.
[00219] O exemplo 17 é o método implementado por computador de acordo com qualquer ou todos dos exemplos anteriores, e compreendendo adicionalmente controlar uma segunda correia draper compreende controlar uma velocidade de uma segunda correia draper com base na posição geográfica da máquina de trabalho agrícola e com base nos valores de controle no mapa agrícola preditivo funcional.
[00220] O exemplo 18 é o método implementado por computador de acordo com qualquer ou todos dos exemplos anteriores e compreendendo adicionalmente controlar uma exibição para exibir uma representação de mapa de interface de usuário do mapa agrícola preditivo funcional, a representação de mapa de interface de usuário compreendendo uma porção de campo com um ou mais marcadores indicando os valores de controle preditivos em um ou mais locais geográficos no porção de campo.
[00221] O exemplo 19 é uma máquina de trabalho agrícola compreendendo: um sistema de comunicação que recebe um mapa de informação que inclui valores de uma primeira característica agrícola correspondente a diferentes locais geográficos em um campo; um sensor de posição geográfica que detecta um local geográfico da máquina de trabalho agrícola (100); um sensor in-situ que detecta um valor de uma segunda característica agrícola correspondente a um local geográfico; um gerador de modelo preditivo que gera um modelo agrícola preditivo que modela uma relação entre a primeira característica agrícola e a segunda característica agrícola com base em um valor da primeira característica agrícola no mapa de informação no local geográfico e no valor da segunda característica agrícola sensoreada pelo sensor in-situ no local geográfico; um gerador de mapa preditivo que gera um mapa agrícola preditivo funcional do campo do campo que mapeia os valores de controle preditivos para os diferentes locais geográficos no campo com base nos valores da primeira característica agrícola no mapa de informação e com base no valor da segunda característica agrícola correspondente ao local geográfico; uma correia draper; e um sistema de controle que gera um sinal de controle para controlar uma velocidade de uma correia draper com base na posição geográfica da máquina de trabalho agrícola e com base nos valores de controle no mapa agrícola preditivo funcional.
[00222] O exemplo 20 é a máquina de trabalho agrícola de acordo com qualquer ou todos dos exemplos anteriores, em que os valores de controle compreendem valores de um ou mais de um fluxo de cultivo, uma subalimentação e a força de acionamento de rotor.
[00223] Embora a matéria tenha sido descrita em linguagem específica às características estruturais ou atos metodológicos, deve ser entendido que a matéria definida nas reivindicações anexas não é necessariamente limitada às características ou atos específicos acima. Ao contrário, as características e atos específicos descritos acima são expostos 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 locais geográficos em um campo; um sensor de posição geográfica (204) que detecta um local geográfico da máquina de trabalho agrícola (100); um sensor in-situ (208) que detecta um valor de uma segunda característica agrícola correspondente ao local geográfico; um gerador de mapa preditivo (212) que gera um mapa agrícola preditivo funcional do campo, que mapeia valores de controle preditivos para os diferentes locais geográficos no campo com base nos valores da primeira característica agrícola no mapa de informação e com base no valor da segunda característica agrícola correspondente ao local geográfico; uma ou mais correias draper controláveis; e um sistema de controle (214) que gera um sinal de controle para controlar a uma ou mais correias draper com base na posição geográfica da máquina de trabalho agrícola (100) e com base nos valores de controle preditivos no mapa agrícola preditivo funcional.
- Máquina de trabalho agrícola de acordo com a reivindicação 1, caracterizada pelo fato de que o sistema de controle controla a velocidade da uma ou mais correias draper.
- Máquina de trabalho agrícola de acordo com a reivindicação 2, caracterizada pelo fato de que a uma ou mais correias draper compreendem uma primeira correia draper e uma segunda correia draper e o sistema de controle controla a velocidade da primeira correia draper independente da segunda correia draper.
- Máquina de trabalho agrícola de acordo com a reivindicação 1, caracterizada pelo fato de que o sensor in-situ compreende um sensor de fluxo de material que sensoreia um fluxo de material na uma ou mais correias draper como a segunda característica agrícola.
- Máquina de trabalho agrícola de acordo com a reivindicação 1, caracterizada pelo fato de que o sensor in-situ compreende um sensor de subalimentação que sensoreia um material subalimentado correspondente à uma ou mais correias draper, como a segunda característica agrícola.
- Máquina de trabalho agrícola de acordo com a reivindicação 1, caracterizada pelo fato de que o sensor in-situ compreende um sensor de força de acionamento de rotor que sensoreia uma força de acionamento de rotor que aciona um debulhador, como a segunda característica agrícola.
- Máquina de trabalho agrícola de acordo com a reivindicação 1, caracterizada pelo fato de que o mapa de informação compreende um mapa de índice vegetativo que mapeia, como a primeira característica agrícola, valores de índice vegetativo para os diferentes locais geográficos no campo.
- Máquina de trabalho agrícola de acordo com a reivindicação 1, caracterizada pelo fato de que o mapa de informação compreende um mapa de biomassa que mapeia, como a primeira característica agrícola, valores de biomassa para os diferentes locais geográficos no campo.
- Máquina de trabalho agrícola de acordo com a reivindicação 1, caracterizada pelo fato de que o mapa de informação compreende um mapa de velocidade que mapeia, como a primeira característica agrícola, valores de velocidade de solo de máquina para os diferentes locais geográficos no campo.
- Máquina de trabalho agrícola de acordo com a reivindicação 1, caracterizada pelo fato de que o sistema de controle compreende adicionalmente: um controlador de interface de operador que gera uma representação de mapa de interface de usuário do mapa agrícola preditivo funcional, a representação de mapa de interface de usuário compreendendo uma porção de campo com um ou mais marcadores indicando os valores de controle preditivos em um ou mais locais geográficos na porção de campo.
- 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 locais geográficos em um campo; detectar um local geográfico da máquina de trabalho agrícola (100); detectar, com um sensor in-situ (208), um valor de uma segunda característica agrícola correspondente ao local geográfico; gerar um mapa agrícola preditivo funcional de um campo que mapeia valores de controle preditivos para os diferentes locais geográficos no campo com base nos valores da primeira característica agrícola no mapa de informação e com base no valor da segunda característica agrícola correspondente ao local geográfico; e controlar uma correia draper 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 o sensor in-situ compreende: detectar, como a segunda característica agrícola, um ou mais de um fluxo de cultivo, subalimentação de material e força de acionamento de rotor.
- Método implementado por computador de acordo com a reivindicação 12, caracterizado pelo fato de que obter o mapa de informação compreende: obter, como o mapa de informação, um mapa de índice vegetativo que inclui, as os valores da primeira característica agrícola, valores de índice vegetativo.
- Método implementado por computador de acordo com a reivindicação 12, caracterizado pelo fato de que obter o mapa de informação compreende: obter, como o mapa de informação, um mapa de biomassa que inclui, as os valores da primeira característica agrícola, valores de biomassa.
- 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 locais geográficos em um campo; um sensor de posição geográfica (204) que detecta um local geográfico da máquina de trabalho agrícola; um sensor in-situ (208) que detecta um valor de uma segunda característica agrícola correspondente a um local geográfico; um gerador de modelo preditivo (210) que gera um modelo agrícola preditivo que modela uma relação entre a primeira característica agrícola e a segunda característica agrícola com base em um valor da primeira característica agrícola no mapa de informação no local geográfico e o valor da segunda característica agrícola sensoreada pelo sensor in-situ no local geográfico; um gerador de mapa preditivo (212) que gera um mapa agrícola preditivo funcional do campo, que mapeia valores de controle preditivos para os diferentes locais geográficos no campo com base nos valores da primeira característica agrícola no mapa de informação e com base no modelo agrícola preditivo; uma correia draper; e um sistema de controle (214) que gera um sinal de controle para controlar uma velocidade da correia draper com base na posição geográfica da máquina de trabalho agrícola (210) e com base nos valores de controle no mapa agrícola preditivo funcional.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/066,904 US11849672B2 (en) | 2020-10-09 | 2020-10-09 | Machine control using a predictive map |
US17/066,904 | 2020-10-09 |
Publications (1)
Publication Number | Publication Date |
---|---|
BR102021017199A2 true BR102021017199A2 (pt) | 2022-04-26 |
Family
ID=81045514
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
BR102021017199-5A BR102021017199A2 (pt) | 2020-10-09 | 2021-08-30 | Máquina de trabalho agrícola, e, método implementado por computador para gerar um mapa agrícola |
Country Status (3)
Country | Link |
---|---|
US (2) | US11849672B2 (pt) |
CN (1) | CN114303598A (pt) |
BR (1) | BR102021017199A2 (pt) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11874669B2 (en) * | 2020-10-09 | 2024-01-16 | Deere & Company | Map generation and control system |
US11927459B2 (en) * | 2020-10-09 | 2024-03-12 | Deere & Company | Machine control using a predictive map |
US11845449B2 (en) * | 2020-10-09 | 2023-12-19 | Deere & Company | Map generation and control system |
US11825768B2 (en) * | 2020-10-09 | 2023-11-28 | Deere & Company | Machine control using a predictive map |
US11983009B2 (en) * | 2020-10-09 | 2024-05-14 | Deere & Company | Map generation and control system |
US11592822B2 (en) * | 2020-10-09 | 2023-02-28 | Deere & Company | Machine control using a predictive map |
WO2024035410A1 (en) * | 2022-08-11 | 2024-02-15 | Deere & Company | Systems and methods for predictive harvesting logistics |
WO2024035409A1 (en) * | 2022-08-11 | 2024-02-15 | Deere & Company | Systems and methods for coordinating work machines during material transfer |
US20240138284A1 (en) * | 2022-10-31 | 2024-05-02 | Deere & Company | Map based farming for windrower operation |
CN116977112B (zh) * | 2023-09-20 | 2023-12-08 | 上海寰果信息科技有限公司 | 植株培育的方法、装置以及系统 |
Family Cites Families (956)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FI5533A (fi) | 1913-11-06 | Williamstown Glass Company | Anordningar vid glasbearbetningsmaskiner och sätt att tillverka buteljer med sådana | |
DE441597C (de) | 1927-03-05 | Paul Frenzel | Vorrichtung fuer Grasmaehmaschinen, um diese zum Maehen des Kartoffelkrautes geeignet zu machen | |
DE504035C (de) | 1930-07-31 | Hermann Lindstaedt | Kartoffelerntemaschine mit an das Schar anschliessendem Foerderwerk und hinter diesem angeordnetem Ablegerost | |
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 |
DE3476195D1 (en) | 1983-05-18 | 1989-02-23 | Ciba Geigy Ag | Cyclohexanedione-carboxylic-acid derivatives having a herbicidal and plant growth regulating activity |
SU1134669A1 (ru) | 1983-09-30 | 1985-01-15 | Всесоюзный научно-исследовательский институт транспортного строительства | Устройство дл непрерывного контрол степени уплотнени грунта |
US4687505A (en) | 1983-11-02 | 1987-08-18 | Sylling Truman V | Method for desalination and rehabilitation of irrigated soil |
EP0158600B1 (de) | 1984-04-11 | 1991-04-03 | Ciba-Geigy Ag | Verfahren zur selektiven Unkrautbekämpfung 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 |
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 |
JP2927532B2 (ja) | 1989-11-09 | 1999-07-28 | 塩野義製薬株式会社 | 含窒素異項環オキシーフェノキシ酢酸誘導体およびその除草剤としての用途 |
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 |
DK0639050T3 (da) | 1992-05-06 | 2001-04-23 | Novartis Ag | Synergistisk middel og fremgangsmåde til selektiv ukrudtsbekæmpelse |
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 |
EP0777960A3 (en) | 1993-06-28 | 1999-05-12 | New Holland Belgium N.V. | Process for the control of selfpropelled agricultural harvesting machines |
JP3359702B2 (ja) | 1993-06-28 | 2002-12-24 | 株式会社前川製作所 | 異種植物検出方法と該検出方法を用いた雑草駆除方法 |
US5592606A (en) | 1993-07-30 | 1997-01-07 | Myers; Allen | Method and apparatus for storage and display of hierarchally organized data |
EP0735820B1 (en) | 1993-12-22 | 1999-06-23 | Zeneca Limited | 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., Coventry | 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 |
CA2229751A1 (en) | 1995-09-29 | 1997-04-03 | Ingersoll-Rand Company | A soil compactor and traction control system thereon |
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 |
US6604432B1 (en) | 1996-02-01 | 2003-08-12 | Bbn Corporation | Soil compaction measurement |
PL178299B1 (pl) | 1996-02-13 | 2000-04-28 | Jan Liszkowski | Sposób renowacji wałów przeciwpowodziowych |
ES2116215B1 (es) | 1996-02-22 | 1999-02-16 | Zuniga Escobar Orlando | Electrosonda para medir el contenido de humedad del suelo y la compactacion del mismo, metodo de medida correspondiente y utilizacion de dicha electrosonda. |
US7032689B2 (en) | 1996-03-25 | 2006-04-25 | Halliburton Energy Services, Inc. | Method and system for predicting performance of a drilling system of a given formation |
DE29607846U1 (de) | 1996-04-30 | 1996-07-25 | Neuhaus Neotec Maschinen- und Anlagenbau GmbH, 21465 Reinbek | Vorrichtung zum Dosieren von Mahlkaffee in Kaffeeverpackungen |
DE19629618A1 (de) | 1996-07-23 | 1998-01-29 | Claas Ohg | Routenplanungssystem für landwirtschaftliche Arbeitsfahrzeuge |
US5771169A (en) | 1996-08-29 | 1998-06-23 | Case Corporation | Site-specific harvest statistics analyzer |
WO1998017865A1 (de) | 1996-10-21 | 1998-04-30 | Ammann Verdichtung Ag | Verfahren zur messung mechanischer daten eines bodens sowie zu dessen verdichtung und mess- bzw. bodenverdichtungsvorrichtung |
US5789741A (en) | 1996-10-31 | 1998-08-04 | Patchen, Inc. | Detecting plants in a field by detecting a change in slope in a reflectance characteristic |
DE19647523A1 (de) | 1996-11-16 | 1998-05-20 | Claas Ohg | Landwirtschaftliches Nutzfahrzeug mit einem in seiner Lage und/oder Ausrichtung gegenüber dem Fahrzeug verstellbar angeordneten Bearbeitungsgerät |
US6029106A (en) | 1996-11-22 | 2000-02-22 | Case Corporation | Global position correction for the electronic display of field maps |
US5978723A (en) | 1996-11-22 | 1999-11-02 | Case Corporation | Automatic identification of field boundaries in a site-specific farming system |
US5902343A (en) | 1996-11-22 | 1999-05-11 | Case Corporation | Automatic scaling of GPS field maps |
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 |
EP1005593B1 (en) | 1997-08-20 | 2004-07-28 | Roxbury Limited | Ground treatment |
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 |
UA85827C2 (uk) | 1999-10-14 | 2009-03-10 | Басф Акцієнгезелльшафт | Синергетичні гербіцидні композиції та спосіб боротьби з небажаною рослинністю |
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 |
FI114171B (fi) | 2000-05-12 | 2004-08-31 | Antti Paakkinen | Menetelmä ja laite maamassojen ja muiden niiden kaltaisten massojen tiivistysominaisuuksien mittaamiseksi |
DE10023443A1 (de) | 2000-05-12 | 2001-11-15 | Deere & Co | Fördervorrichtung |
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 |
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 |
DE10064862A1 (de) | 2000-12-23 | 2002-07-11 | Claas Selbstfahr Erntemasch | Vorrichtung und Verfahren zur Koordination und Einstellung von landwirtschaftlichen Fahrzeugen |
GB2372105B (en) | 2001-02-13 | 2004-10-27 | Agco Ltd | Improvements in Mapping Techniques |
ATE322151T1 (de) | 2001-03-08 | 2006-04-15 | Deere & Co | 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 |
DE10129133A1 (de) | 2001-06-16 | 2002-12-19 | Deere & Co | Einrichtung zur selbsttätigen Lenkung eines landwirtschaftlichen Arbeitsfahrzeugs |
DE10129135B4 (de) | 2001-06-16 | 2013-10-24 | Deere & Company | Einrichtung zur Positionsbestimmung eines landwirtschaftlichen Arbeitsfahrzeugs sowie ein landwirtschaftliches Arbeitsfahrzeug mit dieser |
US6549849B2 (en) | 2001-06-25 | 2003-04-15 | Trimble Navigation Ltd. | Guidance pattern allowing for access paths |
DE10130665A1 (de) | 2001-06-28 | 2003-01-23 | Deere & Co | Vorrichtung zur Messung der Menge von auf einem Feld stehenden Pflanzen |
DE10133191A1 (de) | 2001-07-07 | 2003-01-16 | Deere & Co | Landwirtschaftliche Bestellkombination |
DE10134141A1 (de) | 2001-07-13 | 2003-02-06 | Deere & Co | Verteilvorrichtung für aus einer Erntemaschine austretendes Häckselgut |
US6553300B2 (en) | 2001-07-16 | 2003-04-22 | Deere & Company | Harvester with intelligent hybrid control system |
US6591591B2 (en) | 2001-07-30 | 2003-07-15 | Deere & Company | Harvester speed control with header position input |
US6834550B2 (en) | 2001-09-10 | 2004-12-28 | The Regents Of The University Of California | Soil profile force measurement using an instrumented tine |
US6592453B2 (en) | 2001-09-27 | 2003-07-15 | Deere & Company | Harvester feedrate control with tilt compensation |
US6741921B2 (en) | 2001-10-05 | 2004-05-25 | Caterpillar Inc | Multi-stage truck assignment system and method |
US6655351B2 (en) | 2001-10-24 | 2003-12-02 | Deere & Company | Vehicle engine control |
US7034666B2 (en) | 2002-02-20 | 2006-04-25 | Scott William Knutson | Device used to aid in the loading and unloading of vehicles and implements |
US6943824B2 (en) | 2002-03-13 | 2005-09-13 | Deere & Company | Image processing spout control system |
US7761334B2 (en) | 2002-03-20 | 2010-07-20 | Deere & Company | Method and system for automated tracing of an agricultural product |
US6726559B2 (en) | 2002-05-14 | 2004-04-27 | Deere & Company | Harvester with control system considering operator feedback |
NL1020792C2 (nl) | 2002-06-06 | 2003-12-09 | Lely Entpr Ag | Landbouwmachine voor het uitvoeren van een landbouwbewerking. |
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. |
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 |
US7255016B2 (en) | 2003-03-13 | 2007-08-14 | 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 |
US7073374B2 (en) | 2003-07-30 | 2006-07-11 | 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 |
WO2005061443A2 (de) | 2003-12-19 | 2005-07-07 | Basf Aktiengesellschaft | Benzoylsubstituierte phenylalanin-amide |
US7191062B2 (en) | 2003-12-22 | 2007-03-13 | Caterpillar Inc | Method and system of forecasting compaction performance |
US8407157B2 (en) | 2003-12-22 | 2013-03-26 | Deere & Company | Locating harvested material within a work area |
US20050150202A1 (en) | 2004-01-08 | 2005-07-14 | Iowa State University Research Foundation, Inc. | Apparatus and method for monitoring and controlling an agricultural harvesting machine to enhance the economic harvesting performance thereof |
JP2005227233A (ja) | 2004-02-16 | 2005-08-25 | Taisei Corp | 地盤密度の測定システム |
DE102004011789A1 (de) | 2004-03-09 | 2005-09-29 | Claas Selbstfahrende Erntemaschinen Gmbh | Vorrichtung zum Erfassen eines Ladewagens |
PT1740051E (pt) | 2004-03-27 | 2009-03-24 | Bayer Cropscience Ag | Utilização de sulfonilureias |
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. |
PE20071001A1 (es) | 2005-12-22 | 2007-10-26 | Basf Ag | Derivados de 1-(azolin-2-il)-amino-1-fenil-2-hetaril-etano con actividad pesticida |
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 |
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 |
ATE546991T1 (de) | 2007-08-03 | 2012-03-15 | Agrocom Gmbh & Co Agrarsystem Kg | Landwirtschaftliche arbeitsmaschine |
US8073235B2 (en) | 2007-08-13 | 2011-12-06 | Pioneer Hi-Bred International, Inc. | Method and system for digital image analysis of ear traits |
JP5356387B2 (ja) | 2007-08-13 | 2013-12-04 | ダウ アグロサイエンシィズ エルエルシー | 2−(2−フルオロ−置換フェニル)−6−アミノ−5−クロロ−4−ピリミジンカルボキシレートおよびそれらの除草剤としての使用 |
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 |
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 |
EP2052616A1 (de) | 2007-10-24 | 2009-04-29 | Bayer CropScience AG | Herbizid-Safener-Kombination |
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 |
PE20100014A1 (es) | 2008-02-13 | 2010-02-17 | Raymond Brian Harrington | Destruccion de maleza y semillas de poblaciones voluntarias |
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 |
US9235214B2 (en) | 2008-09-11 | 2016-01-12 | Deere & Company | Distributed knowledge base method 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 |
US8195358B2 (en) | 2008-09-11 | 2012-06-05 | Deere & Company | Multi-vehicle high integrity perception |
US8224500B2 (en) | 2008-09-11 | 2012-07-17 | Deere & Company | Distributed knowledge base program for vehicular localization and work-site management |
US8195342B2 (en) | 2008-09-11 | 2012-06-05 | Deere & Company | Distributed knowledge base 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 |
DE102009009767A1 (de) | 2009-02-20 | 2010-08-26 | Claas Selbstfahrende Erntemaschinen Gmbh | Fahrerassistenzsystem für landwirtschaftliche Arbeitsmaschine |
DE102009009817A1 (de) | 2009-02-20 | 2010-08-26 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliches Arbeitsfahrzeug und Steuereinheit dafür |
CN101929166B (zh) | 2009-04-14 | 2012-08-08 | 洛阳路为电子科技有限公司 | 便携式土基密实度测量仪 |
US8321365B2 (en) | 2009-04-21 | 2012-11-27 | Deere & Company | Horticultural knowledge base for managing yards and gardens |
US9538714B2 (en) | 2009-04-21 | 2017-01-10 | Deere & Company | Managing resource prescriptions of botanical plants |
US7993188B2 (en) | 2009-06-09 | 2011-08-09 | Deere & Company | Variable rate diverter for a crop residue collecting device carried by a combine harvester |
DE102009025438A1 (de) | 2009-06-16 | 2011-01-05 | Claas Selbstfahrende Erntemaschinen Gmbh | Routenplanungsverfahren und -system |
US20100319941A1 (en) | 2009-06-22 | 2010-12-23 | Agco Corp. | Trenching Device And System |
DE102009027245A1 (de) | 2009-06-26 | 2010-12-30 | Deere & Company, Moline | Steueranordnung zur Kontrolle des Überladens landwirtschaftlichen Ernteguts von einer Erntemaschine auf ein Transportfahrzeug |
KR20110018582A (ko) | 2009-08-18 | 2011-02-24 | 진성기 | 약액형 및 분말형 고화제를 이용한 고화 흙벽돌 및 블록 제작 방법 |
EP2311307B1 (en) | 2009-09-07 | 2011-12-07 | CLAAS Agrosystems GmbH & Co. KG | A filling degree gauge, an agricultural vehicle comprising such gauge, and a method of controlling filling of a target area |
US20110224873A1 (en) | 2009-09-17 | 2011-09-15 | Reeve David R | Vehicle assembly controller with automaton framework and control method |
DE102009041646A1 (de) | 2009-09-17 | 2011-03-24 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliche Maschine mit Autopilot |
US9345194B2 (en) | 2009-09-30 | 2016-05-24 | Cnh Industrial America Llc | Automatic display of remote camera image |
CZ20252U1 (cs) | 2009-10-06 | 2009-11-16 | Šarec@Petr | Přístroj pro měření utužení půdy s laserovým snímáním hloubky - laserový penetrometr |
US8082809B2 (en) | 2009-10-08 | 2011-12-27 | Pioneer Hi-Bred International, Inc. | Combine harvester and associated method for selectively gathering grain test data |
US8344897B2 (en) | 2009-10-12 | 2013-01-01 | Agco Corporation | System and method for assisting in the refilling of agricultural vehicles |
KR101134075B1 (ko) | 2009-10-13 | 2012-04-13 | 한국건설기술연구원 | 지반다짐장비의 이동에 따른 지반의 연속 다짐정보 제공장치 및 이를 이용한 지반의 연속 다짐정보 제공방법 |
US8738238B2 (en) | 2009-11-12 | 2014-05-27 | Deere & Company | Coordination of vehicle movement in a field |
WO2011063814A1 (en) | 2009-11-25 | 2011-06-03 | 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 |
US20120271489A1 (en) | 2010-01-15 | 2012-10-25 | Leica Geosystems Ag | System and method of data sharing |
CN102138383A (zh) | 2010-01-28 | 2011-08-03 | 中国农业机械化科学研究院 | 一种联合收割机谷物损失空间分布的测量方法及其装置 |
EP2353353A1 (en) | 2010-02-05 | 2011-08-10 | Flander's Mechatronics Technology Centre v.z.w. | In use adaptation of schedule for multi-vehicle ground processing operations |
RU2421744C1 (ru) | 2010-02-15 | 2011-06-20 | Открытое акционерное общество "Научно-исследовательский институт приборостроения имени В.В. Тихомирова" | Компактный полигон для измерения характеристик различных антенных систем |
US10537061B2 (en) | 2010-02-26 | 2020-01-21 | Cnh Industrial America Llc | System and method for controlling harvest operations |
JP5522785B2 (ja) | 2010-03-19 | 2014-06-18 | 株式会社日立ソリューションズ | 農作業車両運行管理システム |
JP2011205967A (ja) | 2010-03-30 | 2011-10-20 | Takayuki Nishida | 水田における雑草の発生防止用ロボット |
US20110257850A1 (en) | 2010-04-14 | 2011-10-20 | Reeve David R | Vehicle assembly control system and method for composing or decomposing a task |
US8527157B2 (en) | 2010-04-28 | 2013-09-03 | Deere & Company | Agricultural combine and draper header |
US8463510B2 (en) | 2010-04-30 | 2013-06-11 | Cnh America Llc | GPS controlled residue spread width |
CN101839906B (zh) | 2010-05-10 | 2013-10-09 | 吉林大学 | 一种具有耐磨几何结构表面的锥形触土部件 |
CA135611S (en) | 2010-05-19 | 2011-05-05 | Rhonda Genest | Weed removing and grooming garden hand tool |
WO2011150351A2 (en) | 2010-05-28 | 2011-12-01 | Gvm, Inc. | System and method for collecting and processing agricultural field data |
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 |
US10475212B2 (en) | 2011-01-04 | 2019-11-12 | The Climate Corporation | Methods for generating soil maps and application prescriptions |
ITTO20110133A1 (it) | 2011-02-16 | 2012-08-17 | Cnh Italia Spa | Sistema di comunicazione senza fili per veicoli agricoli |
US8606454B2 (en) | 2011-02-18 | 2013-12-10 | Cnh America Llc | System and method for synchronized control of a harvester and transport vehicle |
US8655505B2 (en) | 2011-02-18 | 2014-02-18 | Caterpillar Inc. | Worksite management system implementing remote machine reconfiguration |
WO2012112205A1 (en) | 2011-02-18 | 2012-08-23 | Cnh America Llc | System and method for trajectory control of a transport vehicle used with a harvester |
US9002591B2 (en) | 2011-02-18 | 2015-04-07 | Cnh Industrial America Llc | Harvester spout control system and method |
WO2012110544A1 (en) | 2011-02-18 | 2012-08-23 | Cnh Belgium N.V. | Harvester spout control system and method |
US8463460B2 (en) | 2011-02-18 | 2013-06-11 | Caterpillar Inc. | Worksite management system implementing anticipatory machine control |
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 |
US9629308B2 (en) | 2011-03-11 | 2017-04-25 | Intelligent Agricultural Solutions, Llc | Harvesting machine capable of automatic adjustment |
DE102011005400B4 (de) | 2011-03-11 | 2015-05-28 | Deere & Company | Anordnung und Verfahren zur Abschätzung des Füllgrades beim Überladen landwirtschaftlichen Ernteguts von einer Erntemaschine auf ein Transportfahrzeug |
US10318138B2 (en) | 2011-03-11 | 2019-06-11 | Intelligent Agricultural Solutions Llc | Harvesting machine capable of automatic adjustment |
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 |
AU2012271708A1 (en) | 2011-06-13 | 2013-12-12 | Precision Planting Llc | Systems and methods 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 |
US9511633B2 (en) | 2011-08-17 | 2016-12-06 | Deere & Company | Soil compaction management and reporting |
US8843269B2 (en) | 2011-08-17 | 2014-09-23 | Deere & Company | Vehicle soil pressure management based on topography |
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 |
IN2014DN03397A (pt) | 2011-10-21 | 2015-06-05 | Pioneer Hi Bred Int | |
CN103930919A (zh) | 2011-10-24 | 2014-07-16 | 天宝导航有限公司 | 农业和土壤管理 |
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 |
CA2856418C (en) | 2011-11-22 | 2019-01-08 | Precision Planting Llc | 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 |
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 |
GB2511714B (en) | 2012-02-10 | 2017-12-27 | Deere & Co | Method of material handling using one or more imaging devices on the transferring vehicle and on the receiving vehicle to control the material distribution |
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 |
US9392746B2 (en) | 2012-02-10 | 2016-07-19 | Deere & Company | Artificial intelligence for detecting and filling void areas of agricultural commodity containers |
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 |
US10410149B2 (en) | 2012-09-26 | 2019-09-10 | Kubota Corporation | Agricultural work management system and agricultural crop harvester |
US9639998B2 (en) | 2012-09-26 | 2017-05-02 | Kubota Corporation | Ground work vehicle, ground work vehicle management system, and ground work information display method |
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 |
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 |
US20140172224A1 (en) | 2012-12-19 | 2014-06-19 | Agco Corporation | Speed control in agricultural vehicle guidance systems |
JP6059027B2 (ja) | 2013-01-21 | 2017-01-11 | 株式会社クボタ | 農作業機と農作業管理プログラム |
DE102013001157A1 (de) | 2013-01-24 | 2014-08-07 | Zind Systementwicklungs Gmbh | Fertigungsanlage zur Fertigung von Gefäßen aus Gefäßrohlingen und Fertigungsverfahren |
US9497898B2 (en) | 2013-01-24 | 2016-11-22 | Tribine Industries, LLC | Agricultural harvester unloading assist system and method |
CN203206739U (zh) | 2013-01-25 | 2013-09-25 | 蒋行宇 | 打瓜联合收获机 |
US8955402B2 (en) | 2013-01-25 | 2015-02-17 | Trimble Navigation Limited | Sugar cane yield mapping |
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 |
GB2510629B (en) | 2013-02-11 | 2015-10-14 | Kverneland Group Les Landes Genusson | Strip tilling system |
GB2510630B (en) | 2013-02-11 | 2015-08-05 | Kverneland Group Les Landes Genusson | Strip tilling system |
AR094713A1 (es) | 2013-02-19 | 2015-08-19 | Grains Res & Dev Corp | Dispositivo de desvitalización de semillas de malezas |
US10178828B2 (en) | 2013-02-20 | 2019-01-15 | Deere & Company | Per plant crop sensing resolution |
US9066465B2 (en) | 2013-02-20 | 2015-06-30 | Deere & Company | Soil compaction reduction system and method |
US9693503B2 (en) | 2013-02-20 | 2017-07-04 | Deere & Company | Crop sensing |
US9668420B2 (en) | 2013-02-20 | 2017-06-06 | Deere & Company | Crop sensing display |
US11212962B2 (en) | 2013-02-20 | 2022-01-04 | Deere & Company | Field condition determination |
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 |
US9382003B2 (en) | 2013-03-24 | 2016-07-05 | Bee Robotics Corporation | Aerial farm robot system for crop dusting, planting, fertilizing and other field jobs |
WO2014156387A1 (ja) | 2013-03-27 | 2014-10-02 | 株式会社クボタ | コンバイン |
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 |
AU2014201885B2 (en) | 2013-04-02 | 2018-03-01 | Carnegie Mellon University | Control arrangement and method for controlling a position of a transfer device of a harvesting machine |
US10129528B2 (en) | 2013-04-02 | 2018-11-13 | Deere & Company | Control arrangement and method for controlling a position of a transfer device of a harvesting machine |
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 |
WO2015006600A1 (en) | 2013-07-10 | 2015-01-15 | Agco Corporation | 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 |
WO2015051339A1 (en) | 2013-10-03 | 2015-04-09 | Farmers Business Network, Llc | Crop model and prediction analytics |
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 |
WO2015057630A1 (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 |
BE1021108B1 (nl) | 2013-10-28 | 2016-01-18 | Cnh Industrial Belgium Nv | Ontlaadsystemen |
BE1021164B1 (nl) | 2013-10-28 | 2016-01-18 | Cnh Industrial Belgium Nv | Ontlaadsystemen |
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 |
US20150211199A1 (en) | 2014-01-24 | 2015-07-30 | Caterpillar Inc. | Device and process to measure ground stiffness from compactors |
WO2015120470A1 (en) | 2014-02-10 | 2015-08-13 | Precision Planting Llc | Methods and systems for generating shared collaborative maps |
JP6298313B2 (ja) | 2014-02-18 | 2018-03-20 | 鹿島建設株式会社 | 地盤剛性測定装置、締固め機械及び地盤剛性測定方法 |
DE102014203005B3 (de) | 2014-02-19 | 2015-05-13 | Deere & Company | Vibrationsdämpfende Ansteuerung eines Aktors einer landwirtschaftlichen Arbeitsmaschine |
US20150254800A1 (en) | 2014-03-06 | 2015-09-10 | F12 Solutions, Llc | Nitrogen status determination in growing crops |
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 |
US10515425B2 (en) | 2014-04-01 | 2019-12-24 | The Climate Corporation | 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 |
DE102014104619A1 (de) | 2014-04-02 | 2015-10-08 | Claas Agrosystems Kgaa Mbh & Co. Kg | Planungssystem und Verfahren zur Planung einer Feldbearbeitung |
US9810679B2 (en) | 2014-04-02 | 2017-11-07 | Colorado School Of Mines | Intelligent pad foot soil compaction devices and methods of using same |
WO2015160837A2 (en) | 2014-04-15 | 2015-10-22 | Raven Industries, Inc. | Reaping based yield monitoring system and method for the same |
US9974226B2 (en) | 2014-04-21 | 2018-05-22 | The Climate Corporation | Generating an agriculture prescription |
US9405039B2 (en) | 2014-04-22 | 2016-08-02 | Deere & Company | Ground engaging member accumulation determination |
US9523180B2 (en) | 2014-04-28 | 2016-12-20 | Deere & Company | Semi-automatic material loading |
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 |
BR112016030260A2 (pt) | 2014-06-24 | 2017-08-22 | 360 Yield Center Llc | Sistema, métodos e equipamentos agronômicos |
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 |
US10568316B2 (en) | 2014-08-15 | 2020-02-25 | Monsanto Technology Llc | Apparatus and methods for in-field data collection and sampling |
US9131644B2 (en) | 2014-08-19 | 2015-09-15 | Iteris, Inc. | Continual crop development profiling using dynamical extended range weather forecasting with routine remotely-sensed validation imagery |
DE102014216593A1 (de) | 2014-08-21 | 2016-02-25 | Deere & Company | Bedienerassistenzsystem für eine landwirtschaftliche Arbeitsmaschine |
UA123573C2 (uk) | 2014-08-22 | 2021-04-28 | Зе Клаймет Корпорейшн | Способи агрономічного та сільськогосподарського моніторингу із застосуванням безпілотних літальних систем |
EP3185666B1 (en) | 2014-08-27 | 2019-11-13 | Premier Crop Systems, LLC | System and method for controlling machinery for randomizing and replicating predetermined agronomic input levels |
US9829364B2 (en) | 2014-08-28 | 2017-11-28 | Raven Industries, Inc. | Method of sensing volume of loose material |
US10109024B2 (en) | 2014-09-05 | 2018-10-23 | The Climate Corporation | Collecting data to generate an agricultural prescription |
DE102014113001A1 (de) | 2014-09-10 | 2016-03-10 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Steuerung eines Überladeprozesses |
US10667456B2 (en) | 2014-09-12 | 2020-06-02 | The Climate Corporation | Methods and systems for managing agricultural activities |
US11113649B2 (en) | 2014-09-12 | 2021-09-07 | The Climate Corporation | Methods and systems for recommending agricultural activities |
US10564316B2 (en) | 2014-09-12 | 2020-02-18 | The Climate Corporation | Forecasting national crop yield during the growing season |
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 |
EP3219184B1 (en) | 2014-11-13 | 2020-04-15 | Yanmar Co., Ltd. | Agricultural work vehicle |
AU2014411244B2 (en) | 2014-11-14 | 2018-11-29 | Bitstrata Systems Inc. | System and method for measuring grain cart weight |
GB201421527D0 (en) | 2014-12-04 | 2015-01-21 | Agco Int Gmbh | Automated agriculture system |
WO2016090212A1 (en) | 2014-12-05 | 2016-06-09 | Board Of Trustees Of Michigan State University | Methods and systems for precision crop management |
DE102014226189B4 (de) | 2014-12-17 | 2017-08-24 | Continental Automotive Gmbh | Verfahren zur Ermittlung eines Unkrautanteils und Landtechnik-Steuereinrichtung |
US9563492B2 (en) | 2015-01-09 | 2017-02-07 | Deere & Company | Service diagnostic trouble code sequencer and method |
US9792557B2 (en) | 2015-01-14 | 2017-10-17 | Accenture Global Services Limited | Precision agriculture system |
CN204435344U (zh) | 2015-01-22 | 2015-07-01 | 中交四公局第二工程有限公司 | 一种用于测定土层压实度的可行走式取样机 |
US9140824B1 (en) | 2015-01-23 | 2015-09-22 | Iteris, Inc. | Diagnosis and prediction of in-field dry-down of a mature small grain, coarse grain, or oilseed crop using field-level analysis and forecasting of weather conditions, crop characteristics, and observations and user input of harvest condition states |
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 |
US20160232621A1 (en) | 2015-02-06 | 2016-08-11 | The Climate Corporation | Methods and systems for recommending agricultural activities |
US20160247075A1 (en) | 2015-02-20 | 2016-08-25 | Iteris, Inc. | Modeling of soil tilth and mechanical strength for field workability of cultivation activity 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 |
JP6444491B2 (ja) | 2015-03-18 | 2018-12-26 | 株式会社クボタ | コンバイン及びコンバインのための穀粒評価制御装置 |
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 |
WO2016154482A1 (en) | 2015-03-25 | 2016-09-29 | 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 |
DE102015004174A1 (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 |
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 |
WO2016179122A1 (en) | 2015-05-01 | 2016-11-10 | Healy Thomas Joseph | Motor vehicle accessory to increase power supply and reduce fuel requirements |
US10209235B2 (en) | 2015-05-04 | 2019-02-19 | Deere & Company | Sensing and surfacing of crop loss data |
US11216758B2 (en) | 2015-05-14 | 2022-01-04 | Board Of Trustees Of Michigan State University | Methods and systems for crop land evaluation and crop growth management |
US9872433B2 (en) | 2015-05-14 | 2018-01-23 | Raven Industries, Inc. | System and method for adjusting harvest characteristics |
US10039231B2 (en) | 2015-05-19 | 2018-08-07 | Deere & Company | System for measuring plant attributes using a priori plant maps |
DE102015006398B3 (de) | 2015-05-21 | 2016-05-04 | Helmut Uhrig Strassen- und Tiefbau GmbH | Bodenverdichtung mit einem Baggeranbauverdichter |
EP3095310B1 (en) | 2015-05-21 | 2018-05-16 | Robert Thomas Farms Ltd | Agricultural apparatus |
US20160342915A1 (en) | 2015-05-22 | 2016-11-24 | Caterpillar Inc. | Autonomous Fleet Size Management |
DE102015108374A1 (de) | 2015-05-27 | 2016-12-01 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Ansteuerung einer selbstfahrenden Erntemaschine |
US10701852B2 (en) | 2015-06-05 | 2020-07-07 | The University Of Sydney | Automatic target recognition and management system |
EP3861844B1 (en) | 2015-06-08 | 2023-08-30 | Climate LLC | Agricultural data analysis |
DE102015109799A1 (de) | 2015-06-18 | 2016-12-22 | Claas E-Systems Kgaa Mbh & Co Kg | Verfahren zur Synchronisation zweier unabhängiger, selbstfahrender landwirtschaftlicher Arbeitsmaschinen |
DK3310150T3 (da) | 2015-06-18 | 2021-08-02 | Bail&Burnit Pty Ltd | Mekanisk ukrudtsfrøhåndteringssystem |
UA126111C2 (uk) | 2015-06-30 | 2022-08-17 | Зе Клаймат Корпорейшн | Системи та методи для фіксування зображення та аналізу сільськогосподарських полів |
US9968027B2 (en) | 2015-07-14 | 2018-05-15 | Clemson University | Automated control systems and methods for underground crop harvesters |
CA3101755C (en) | 2015-07-14 | 2023-03-28 | Dean Mayerle | Weed seed destruction with a discharge which combines with a straw spreader |
US10492369B2 (en) | 2015-07-14 | 2019-12-03 | Dean Mayerle | Weed seed destruction |
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 |
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 |
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 |
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 |
CN105205248B (zh) | 2015-09-17 | 2017-12-08 | 哈尔滨工业大学 | 一种基于ode物理引擎的车辆地形通过性仿真分析组件的设计方法 |
US9696162B2 (en) | 2015-09-17 | 2017-07-04 | Deere & Company | Mission and path planning using images of crop wind damage |
US10025983B2 (en) | 2015-09-21 | 2018-07-17 | The Climate Corporation | Ponding water detection on satellite imagery |
US10188037B2 (en) | 2015-09-24 | 2019-01-29 | Deere & Company | Yield estimation |
US9699967B2 (en) | 2015-09-25 | 2017-07-11 | Deere & Company | Crosswind compensation for residue processing |
JP6770300B2 (ja) | 2015-09-29 | 2020-10-14 | 株式会社ミツトヨ | 計測機器用の信号処理回路 |
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 |
WO2017060168A1 (de) | 2015-10-05 | 2017-04-13 | Bayer Cropscience Ag | Verfahren zum betreiben einer erntemaschine mit hilfe eines pflanzenwachstumsmodells |
KR20170041377A (ko) | 2015-10-07 | 2017-04-17 | 안범주 | 후방에 설치된 토양 경도 측정 센서를 갖는 차량 |
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 |
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 |
US20170112061A1 (en) | 2015-10-27 | 2017-04-27 | Cnh Industrial America Llc | Graphical yield monitor static (previous) data display on in-cab display |
US10586158B2 (en) | 2015-10-28 | 2020-03-10 | The Climate Corporation | Computer-implemented calculation of corn harvest recommendations |
DE102015118767A1 (de) | 2015-11-03 | 2017-05-04 | Claas Selbstfahrende Erntemaschinen Gmbh | Umfelddetektionseinrichtung für landwirtschaftliche Arbeitsmaschine |
EP3371756A1 (en) | 2015-11-05 | 2018-09-12 | AGCO International GmbH | Method and system for determining work trajectories for a fleet of working units in a harvest operation |
US20170127606A1 (en) | 2015-11-10 | 2017-05-11 | Digi-Star, Llc | Agricultural Drone for Use in Controlling the Direction of Tillage and Applying Matter to a Field |
DE102016121523A1 (de) | 2015-11-17 | 2017-05-18 | Lacos Computerservice Gmbh | Verfahren zum prädikativen Erzeugen von Daten zur Steuerung eines Fahrweges und eines Betriebsablaufes für landwirtschaftliche Fahrzeuge und Maschinen |
US10890922B2 (en) | 2015-11-19 | 2021-01-12 | Agjunction Llc | Automated multi-vehicle alignment steering |
DK178711B1 (en) | 2015-11-24 | 2016-11-28 | Green Agro And Transp Aps | Flexible wheel track system for in-field trailer |
US11062223B2 (en) | 2015-12-02 | 2021-07-13 | The Climate Corporation | Forecasting field level crop yield during a growing season |
DE102015121210A1 (de) | 2015-12-07 | 2017-06-08 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliche Arbeitsmaschine |
US9721181B2 (en) | 2015-12-07 | 2017-08-01 | The Climate Corporation | Cloud detection on remote sensing imagery |
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 |
WO2017116913A1 (en) | 2015-12-29 | 2017-07-06 | Agco Corporation | Integrated driveline slip clutch system for large square baler |
BR102016024930B1 (pt) | 2016-01-06 | 2021-08-24 | Cnh Industrial America Llc | Sistema de controle para um veículo de reboque e método para controlar um veículo agrícola |
BR102016024151B1 (pt) | 2016-01-06 | 2021-10-13 | Cnh Industrial America Llc | Meio legível por computador não transitório tangível, sistema e método para controlar pelo menos um veículo agrícola autônomo |
US10019790B2 (en) | 2016-01-15 | 2018-07-10 | Deere & Company | Fill level indicator for an automated unloading system |
EP3195719B1 (en) | 2016-01-20 | 2018-10-24 | CLAAS E-Systems KGaA mbH & Co KG | Agricultural machine |
EP3195720A1 (en) | 2016-01-21 | 2017-07-26 | CLAAS E-Systems KGaA mbH & Co KG | Crop tank system |
US10529036B2 (en) | 2016-01-22 | 2020-01-07 | The Climate Corporation | Forecasting national crop yield during the growing season using weather indices |
BE1023467B1 (nl) | 2016-02-01 | 2017-03-29 | Cnh Industrial Belgium Nv | Beheer van een restantensysteem van een maaidorser door veldgegevens te gebruiken |
US9891629B2 (en) | 2016-02-04 | 2018-02-13 | Deere & Company | Autonomous robotic agricultural machine and system thereof |
JP6688542B2 (ja) | 2016-02-04 | 2020-04-28 | ヤンマー株式会社 | 追従型コンバイン |
JP6567440B2 (ja) | 2016-02-05 | 2019-08-28 | 鹿島建設株式会社 | 地盤の締固め状態測定装置、締固め状態測定方法、及び締固め機械 |
BE1023485B1 (nl) | 2016-02-23 | 2017-04-06 | Cnh Industrial Belgium Nv | Kafstrooier met zaadkneuzing |
US10588258B2 (en) | 2016-02-25 | 2020-03-17 | Deere & Company | Automatic determination of the control unit parameters of an arrangement to control an actuator for the adjustment of an adjustable element of an agricultural machine |
US9675008B1 (en) | 2016-02-29 | 2017-06-13 | Cnh Industrial America Llc | Unloading arrangement for agricultural harvesting vehicles |
US10201121B1 (en) | 2016-03-01 | 2019-02-12 | Ag Leader Technology | Prediction of amount of crop or product remaining for field |
US10028435B2 (en) | 2016-03-04 | 2018-07-24 | Deere & Company | Sensor calibration using field information |
KR101653750B1 (ko) | 2016-03-10 | 2016-09-02 | 한국건설기술연구원 | 식생매트 고정용 앵커핀의 인발 시험 장치 및 방법 |
BE1023982B1 (nl) | 2016-03-23 | 2017-10-03 | Cnh Industrial Belgium Nv | Geautomatiseerd lossysteem voor het lossen van gewas |
JP7124697B2 (ja) | 2016-03-25 | 2022-08-24 | 日本電気株式会社 | 情報処理装置、制御方法、および、制御プログラム |
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 |
EP3455783A1 (en) | 2016-05-12 | 2019-03-20 | Basf Se | Recognition of weed in a natural environment |
DE102016108902A1 (de) | 2016-05-13 | 2017-11-16 | Claas Saulgau Gmbh | Verfahren und Steuerungseinrichtung zum Betreiben eines landwirtschaftlichen Transportwagens sowie Transportwagen |
US10051787B2 (en) | 2016-05-17 | 2018-08-21 | Deere & Company | Harvesting head with yield monitor |
CN106053330B (zh) | 2016-05-23 | 2018-12-18 | 北京林业大学 | 土壤紧实度及水分复合测量方法及装置 |
WO2017205406A1 (en) | 2016-05-24 | 2017-11-30 | Cnh Industrial America Llc | Autonomous grain cart dimensioned to fit behind header |
WO2017205410A1 (en) | 2016-05-24 | 2017-11-30 | Cnh Industrial America Llc | Grain cart for continuous conveying agricultural product |
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 |
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 |
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 |
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 |
DE102016009085A1 (de) | 2016-07-26 | 2018-02-01 | Bomag Gmbh | Bodenverdichtungswalze mit Sensoreinrichtung an der Walzbandage und Verfahren zur Ermittlung der Bodensteifigkeit |
DE102016214554A1 (de) | 2016-08-05 | 2018-02-08 | Deere & Company | Verfahren zur Optimierung eines Arbeitsparameters einer Maschine zur Ausbringung von landwirtschaftlichem Material auf ein Feld und entsprechende Maschine |
US10351364B2 (en) | 2016-08-05 | 2019-07-16 | Deere & Company | Automatic vehicle and conveyor positioning |
US10154624B2 (en) | 2016-08-08 | 2018-12-18 | The Climate Corporation | Estimating nitrogen content using hyperspectral and multispectral images |
EP3287007A1 (de) | 2016-08-24 | 2018-02-28 | Bayer CropScience AG | Bekämpfung von schadorganismen auf basis der vorhersage von befallsrisiken |
US10410299B2 (en) | 2016-08-24 | 2019-09-10 | The Climate Corporation | Optimizing split fertilizer application |
DE102016116043A1 (de) | 2016-08-29 | 2018-03-01 | Claas Selbstfahrende Erntemaschinen Gmbh | Transportfahrzeug |
US10609856B2 (en) | 2016-08-29 | 2020-04-07 | Troy Oliver | Agriculture system and method |
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 |
PL3298873T3 (pl) | 2016-09-21 | 2020-08-24 | Exel Industries | Urządzenie sterujące do pojazdu, odpowiadający mu pojazd i sposób |
DE102016117757A1 (de) | 2016-09-21 | 2018-03-22 | Claas Selbstfahrende Erntemaschinen Gmbh | Feldhäcksler |
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 |
CA3038768A1 (en) | 2016-09-29 | 2018-04-05 | Agro Intelligence Aps | A system and a method for determining a trajectory to be followed by an agricultural work vehicle |
US10078890B1 (en) | 2016-09-29 | 2018-09-18 | CHS North LLC | Anomaly detection |
DE102016118651A1 (de) | 2016-09-30 | 2018-04-05 | Claas Selbstfahrende Erntemaschinen Gmbh | Selbstfahrende landwirtschaftliche Arbeitsmaschine |
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 |
US10165725B2 (en) | 2016-09-30 | 2019-01-01 | Deere & Company | Controlling ground engaging elements based on images |
US20180092302A1 (en) | 2016-10-01 | 2018-04-05 | Deere & Company | Residue spread control using operator input of wind direction and combine bearing |
US20180092301A1 (en) | 2016-10-01 | 2018-04-05 | Deere & Company | Residue spread control using crop deflector commands input by the operator and satnav combine bearing |
CN109922651A (zh) | 2016-10-18 | 2019-06-21 | 巴斯夫农化商标有限公司 | 规划和实施农业措施 |
EP4245126A3 (en) | 2016-10-24 | 2023-11-22 | Board of Trustees of Michigan State University | Method for mapping temporal and spatial sustainability of a cropping system |
JP6832828B2 (ja) | 2016-10-26 | 2021-02-24 | 株式会社クボタ | 走行経路決定装置 |
US11256999B2 (en) | 2016-10-28 | 2022-02-22 | Deere & Company | Methods and systems of forecasting the drying of an agricultural crop |
EP3315005B1 (en) | 2016-10-28 | 2022-04-06 | Deere & Company | Stereo vision system for managing the unloading of an agricultural material from a vehicle |
CN109891440A (zh) | 2016-10-31 | 2019-06-14 | 巴斯夫农化商标有限公司 | 用于绘制作物产量的方法 |
US10408645B2 (en) | 2016-11-01 | 2019-09-10 | Deere & Company | Correcting bias in parameter monitoring |
US10832351B2 (en) | 2016-11-01 | 2020-11-10 | Deere & Company | Correcting bias in agricultural parameter monitoring |
US10928821B2 (en) | 2016-11-04 | 2021-02-23 | Intel Corporation | Unmanned aerial vehicle-based systems and methods for generating landscape models |
BR112019009310B8 (pt) | 2016-11-07 | 2023-04-04 | Climate Corp | Sistemas de geração de imagem de solo |
CA3043170C (en) | 2016-11-07 | 2022-02-08 | The Climate Corporation | Agricultural implements for soil and vegetation analysis |
US10028451B2 (en) | 2016-11-16 | 2018-07-24 | The Climate Corporation | Identifying management zones in agricultural fields and generating planting plans for the zones |
US10398096B2 (en) | 2016-11-16 | 2019-09-03 | The Climate Corporation | Identifying management zones in agricultural fields and generating planting plans for the zones |
US20180146624A1 (en) | 2016-11-28 | 2018-05-31 | The Climate Corporation | Determining intra-field yield variation data based on soil characteristics data and satellite images |
US11320279B2 (en) | 2016-12-02 | 2022-05-03 | Kubota Corporation | Travel route management system and travel route determination device |
CN106644663B (zh) | 2016-12-12 | 2023-07-21 | 江苏省海洋水产研究所 | 一种紫菜孢子计数用过滤装置及计数方法 |
US10178823B2 (en) | 2016-12-12 | 2019-01-15 | Cnh Industrial Canada, Ltd. | Agricultural implement with automatic shank depth control |
KR102532963B1 (ko) | 2016-12-19 | 2023-05-16 | 가부시끼 가이샤 구보다 | 작업차 자동 주행 시스템 |
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 |
WO2018116770A1 (ja) | 2016-12-19 | 2018-06-28 | 株式会社クボタ | 作業車自動走行システム |
GB201621879D0 (en) | 2016-12-21 | 2017-02-01 | Branston Ltd | A crop monitoring system and method |
JP6615085B2 (ja) | 2016-12-22 | 2019-12-04 | 株式会社クボタ | 収穫機 |
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 |
US20180271015A1 (en) | 2017-03-21 | 2018-09-27 | Blue River Technology Inc. | Combine Harvester Including Machine Feedback Control |
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 |
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 |
CA3061173C (en) | 2017-04-26 | 2021-01-19 | The Climate Corporation | Method for leveling sensor readings across an implement |
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 |
US10531603B2 (en) | 2017-05-09 | 2020-01-14 | Cnh Industrial America Llc | Agricultural system |
BE1024513B1 (nl) | 2017-05-09 | 2018-03-21 | Cnh Industrial Belgium Nv | Landbouwsysteem |
BE1024475B1 (nl) | 2017-05-09 | 2018-03-01 | Cnh Industrial Belgium Nv | Werkwijze voor het oogsten en oogsttoestel |
US10317272B2 (en) | 2017-05-17 | 2019-06-11 | Deere & Company | Automatic wireless wagon detection apparatus and method |
CN206696107U (zh) | 2017-05-18 | 2017-12-01 | 贵州省山地农业机械研究所 | 多用途土壤坚实度测量装置 |
DE102017208442A1 (de) | 2017-05-18 | 2018-11-22 | Deere & Company | Selbstlernende, Korrektureingaben berücksichtigende Anordnung zur selbsttätigen Kontrolle eines Arbeitsparameters einer Erntegutförder- und/oder -bearbeitungseinrichtung |
US10481142B2 (en) | 2017-05-25 | 2019-11-19 | Deere & Company | Sensor system for determining soil characteristics |
US10537062B2 (en) | 2017-05-26 | 2020-01-21 | Cnh Industrial America Llc | Aerial vehicle systems and methods |
CN207079558U (zh) | 2017-05-31 | 2018-03-09 | 中铁二十一局集团第六工程有限公司 | 高速铁路路基沉降监测元件保护装置 |
BE1025282B1 (nl) | 2017-06-02 | 2019-01-11 | Cnh Industrial Belgium Nv | Draagvermogen van de grond |
SE542261C2 (en) | 2017-06-05 | 2020-03-31 | Scania Cv Ab | Method and control arrangement for loading |
US9984455B1 (en) | 2017-06-05 | 2018-05-29 | Hana Resources, Inc. | Organism growth prediction system using drone-captured images |
CN206941558U (zh) | 2017-06-16 | 2018-01-30 | 中石化中原建设工程有限公司 | 一种公路灰土基层压实度测定取样机 |
US11589507B2 (en) | 2017-06-19 | 2023-02-28 | Deere & Company | Combine harvester control interface for operator and/or remote user |
US20180359917A1 (en) | 2017-06-19 | 2018-12-20 | Deere & Company | Remote control of settings on a combine harvester |
US10459447B2 (en) | 2017-06-19 | 2019-10-29 | Cnh Industrial America Llc | System and method for generating partitioned swaths |
US10310455B2 (en) | 2017-06-19 | 2019-06-04 | Deere & Company | Combine harvester control and communication system |
US10437243B2 (en) | 2017-06-19 | 2019-10-08 | Deere & Company | Combine harvester control interface for operator and/or remote user |
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 |
CN110582198B (zh) | 2017-06-23 | 2022-08-23 | 株式会社久保田 | 收割机 |
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 |
JP6827373B2 (ja) | 2017-06-26 | 2021-02-10 | 株式会社クボタ | コンバイン |
CN110622200B (zh) | 2017-06-26 | 2023-10-27 | 株式会社久保田 | 农田地图生成系统 |
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 |
AU2018329244A1 (en) | 2017-09-11 | 2020-03-12 | 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 |
DE102017122712A1 (de) | 2017-09-29 | 2019-04-04 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren für den Betrieb einer selbstfahrenden landwirtschaftlichen Arbeitsmaschine |
DE102017122710A1 (de) | 2017-09-29 | 2019-04-04 | Claas E-Systems Kgaa Mbh & Co. Kg | Verfahren für den Betrieb einer selbstfahrenden landwirtschaftlichen Arbeitsmaschine |
DE102017122711A1 (de) | 2017-09-29 | 2019-04-04 | Claas E-Systems Kgaa Mbh & Co. Kg | Verfahren für den Betrieb einer selbstfahrenden landwirtschaftlichen Arbeitsmaschine |
EP4233506A3 (en) | 2017-10-02 | 2023-09-06 | Precision Planting LLC | Systems and apparatuses for soil and seed monitoring |
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 |
EP4205520A1 (en) | 2017-10-17 | 2023-07-05 | Precision Planting LLC | Soil sensing systems and implements for sensing 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 |
US20190129430A1 (en) | 2017-10-31 | 2019-05-02 | Agjunction Llc | Vehicle control optimization |
CN108009542B (zh) | 2017-11-01 | 2021-06-15 | 华中农业大学 | 油菜大田环境下杂草图像分割方法 |
US10914054B2 (en) | 2017-11-07 | 2021-02-09 | ModernAg, Inc. | System and method for measurement and abatement of compaction and erosion of soil covering buried pipelines |
US11568340B2 (en) | 2017-11-09 | 2023-01-31 | Climate Llc | Hybrid seed selection and seed portfolio optimization by field |
DK179951B1 (en) | 2017-11-11 | 2019-10-24 | Agro Intelligence Aps | A system and a method for optimizing a harvesting operation |
US10853377B2 (en) | 2017-11-15 | 2020-12-01 | The Climate Corporation | Sequential data assimilation to improve agricultural modeling |
US10521526B2 (en) | 2017-11-20 | 2019-12-31 | Nfl Players, Inc. | Hybrid method of assessing and predicting athletic performance |
US11151500B2 (en) | 2017-11-21 | 2021-10-19 | The Climate Corporation | Digital modeling of disease on crops on agronomic fields |
DE102017221134A1 (de) | 2017-11-27 | 2019-05-29 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Betreiben eines mobilen Systems |
US10412889B2 (en) | 2017-12-05 | 2019-09-17 | Deere & Company | Combine harvester control information for a remote user with visual feed |
KR20200091859A (ko) | 2017-12-07 | 2020-07-31 | 가부시끼 가이샤 구보다 | 수확기 및 주행 모드 전환 방법 |
CA3085012A1 (en) | 2017-12-08 | 2018-12-07 | Camso Inc. | Systems and methods for monitoring off-road vehicles |
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 |
DE102017222403A1 (de) | 2017-12-11 | 2019-06-13 | Deere & Company | Verfahren und Vorrichtung zur Kartierung eventuell in einem Feld vorhandener Fremdkörper |
WO2019117094A1 (ja) | 2017-12-15 | 2019-06-20 | 株式会社クボタ | スリップ判定システム、走行経路生成システム及び圃場作業車 |
US10660268B2 (en) | 2017-12-16 | 2020-05-26 | Deere & Company | Harvester with electromagnetic plane crop material flow sensor |
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 |
CN111386033B (zh) | 2017-12-18 | 2023-05-23 | 株式会社久保田 | 联合收割机控制系统及其程序、方法、存储介质 |
EP3498074A1 (en) | 2017-12-18 | 2019-06-19 | DINAMICA GENERALE S.p.A | An harvest analysis system intended for use in a machine |
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 |
WO2019124217A1 (ja) | 2017-12-20 | 2019-06-27 | 株式会社クボタ | 作業車、作業車のための走行経路選択システム、及び、走行経路算出システム |
CN208047351U (zh) | 2017-12-26 | 2018-11-06 | 南安市振邦家庭农场有限公司 | 一种高效率的玉米脱粒机 |
US10568261B2 (en) | 2017-12-28 | 2020-02-25 | Cnh Industrial America Llc | Dynamic combine fire risk index and display |
DK179768B1 (en) | 2017-12-29 | 2019-05-15 | Agro Intelligence Aps | Apparatus and method for improving the conditioning quality of grass and clover prior to the collecting thereof |
DK179878B1 (en) | 2017-12-29 | 2019-08-16 | Agro Intelligence Aps | Apparatus and method for improving the quality of grass and clover by tedding |
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 |
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 |
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 |
US10687466B2 (en) | 2018-01-29 | 2020-06-23 | Cnh Industrial America Llc | Predictive header height control system |
JP7101488B2 (ja) | 2018-01-30 | 2022-07-15 | 株式会社クボタ | 作業車管理システム |
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 |
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 |
DE102018104286A1 (de) | 2018-02-26 | 2019-08-29 | Claas Selbstfahrende Erntemaschinen Gmbh | Selbstfahrender Feldhäcksler |
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 |
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 |
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 |
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 |
CA3105725A1 (en) | 2018-07-11 | 2020-01-16 | Raven Industries, Inc. | Agricultural control and interface system |
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 |
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 |
MX2021000907A (es) | 2018-07-26 | 2021-03-31 | Climate Llc | Generacion de mapas de rendimiento agronomico a partir de imagenes de salud del campo. |
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 |
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 |
EP3840563A1 (en) | 2018-08-22 | 2021-06-30 | AGCO International GmbH | Harvest logistics |
EP3840560A1 (en) | 2018-08-22 | 2021-06-30 | Precision Planting LLC | Implements and application units having sensors for sensing data to determine agricultural plant characteristics of agricultural fields |
DE102018120741A1 (de) | 2018-08-24 | 2020-02-27 | Claas Selbstfahrende Erntemaschinen Gmbh | Mähdrescher |
KR20210039452A (ko) | 2018-08-29 | 2021-04-09 | 가부시끼 가이샤 구보다 | 자동 조타 시스템 및 수확기, 자동 조타 방법, 자동 조타 프로그램, 기록 매체 |
WO2020047240A1 (en) | 2018-08-31 | 2020-03-05 | The Climate Corporation | Subfield moisture model improvement using overland flow modeling with shallow water computations |
JP7121598B2 (ja) | 2018-08-31 | 2022-08-18 | 三菱マヒンドラ農機株式会社 | 収穫機 |
US11197417B2 (en) | 2018-09-18 | 2021-12-14 | Deere & Company | Grain quality control system and method |
US20200090094A1 (en) | 2018-09-19 | 2020-03-19 | Deere & Company | Harvester control system |
US11475359B2 (en) | 2018-09-21 | 2022-10-18 | Climate Llc | Method and system for executing machine learning algorithms on a computer configured on an agricultural machine |
DE102018123478A1 (de) | 2018-09-24 | 2020-03-26 | Claas Tractor Sas | Landwirtschaftliche Arbeitsmaschine |
AU2019358788A1 (en) | 2018-10-11 | 2021-05-06 | Mtd Products Inc. | Localized data mapping for indoor and outdoor applications |
US11676244B2 (en) | 2018-10-19 | 2023-06-13 | Mineral Earth Sciences Llc | Crop yield prediction at field-level and pixel-level |
US10729067B2 (en) | 2018-10-20 | 2020-08-04 | Deere & Company | Biomass impact sensor having a conformal encasement enveloping a pressure sensitive film |
AU2019368545A1 (en) | 2018-10-24 | 2021-05-06 | Bitstrata Systems Inc. | Machine operational state and material movement tracking |
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 |
US11079725B2 (en) | 2019-04-10 | 2021-08-03 | Deere & Company | Machine control using real-time model |
US11399462B2 (en) | 2018-10-31 | 2022-08-02 | Cnh Industrial America Llc | System and method for calibrating alignment of work vehicles |
US11206763B2 (en) | 2018-10-31 | 2021-12-28 | Deere & Company | Weed seed based harvester working member control |
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 |
US20200133262A1 (en) | 2018-10-31 | 2020-04-30 | Cnh Industrial America Llc | System and method for calibrating alignment of work vehicles |
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 |
KR20210093873A (ko) | 2018-11-26 | 2021-07-28 | 가부시끼 가이샤 구보다 | 농작업기, 농작업기 제어 프로그램, 농작업기 제어 프로그램을 기록한 기록 매체, 농작업기 제어 방법, 수확기, 수확기 제어 프로그램, 수확기 제어 프로그램을 기록한 기록 매체, 수확기 제어 방법 |
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 |
DE102018131142A1 (de) | 2018-12-06 | 2020-06-10 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliche Arbeitsmaschine sowie Verfahren zum Betreiben einer landwirtschaftlichen Arbeitsmaschine |
US11067994B2 (en) | 2018-12-06 | 2021-07-20 | Deere & Company | Machine control through active ground terrain mapping |
DE102018132144A1 (de) | 2018-12-13 | 2020-06-18 | Claas E-Systems Gmbh | Landwirtschaftliche Arbeitssystem |
EP3671590A1 (en) | 2018-12-21 | 2020-06-24 | AGCO Corporation | Method of unloading batch grain quantities for harvesting machines |
JP7182471B2 (ja) | 2019-01-11 | 2022-12-02 | 株式会社クボタ | 作業管理システム及び作業機 |
CN109485353A (zh) | 2019-01-18 | 2019-03-19 | 安徽马钢嘉华新型建材有限公司 | 一种新型钢渣混合土道路基层材料及制备方法 |
DE102019200794A1 (de) | 2019-01-23 | 2020-07-23 | Amazonen-Werke H. Dreyer Gmbh & Co. Kg | System und Verfahren zur Identifizierung von Zeitfenstern und Flächenbereichen eines landwirtschaftlich genutzten Feldes mit günstigen Bedingungen für einen wirkungsvollen und umweltgerechten Einsatz und/oder die Befahrbarkeit von Landmaschinen |
CN109633127B (zh) | 2019-01-24 | 2024-06-04 | 山东省农业机械科学研究院 | 一种土壤压实度测定机构、装置及方法 |
US20200265527A1 (en) | 2019-02-15 | 2020-08-20 | Growers Edge Financial, Inc. | Agronomic prescription product |
WO2020181073A1 (en) | 2019-03-07 | 2020-09-10 | Alibaba Group Holding Limited | Method, apparatus, terminal, capturing system and device for setting capturing devices |
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 |
CN109763476B (zh) | 2019-03-12 | 2024-06-28 | 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 |
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 |
WO2020210607A1 (en) | 2019-04-10 | 2020-10-15 | Kansas State University Research Foundation | Autonomous robot system for steep terrain farming operations |
US11234366B2 (en) | 2019-04-10 | 2022-02-01 | Deere & Company | Image selection for machine control |
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 |
US20230263110A1 (en) | 2020-06-25 | 2023-08-24 | The Toro Company | Turf management systems and methods |
-
2020
- 2020-10-09 US US17/066,904 patent/US11849672B2/en active Active
-
2021
- 2021-08-30 BR BR102021017199-5A patent/BR102021017199A2/pt unknown
- 2021-10-08 CN CN202111173897.4A patent/CN114303598A/zh active Pending
-
2023
- 2023-09-13 US US18/466,453 patent/US20240016090A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US20240016090A1 (en) | 2024-01-18 |
US20220110255A1 (en) | 2022-04-14 |
US11849672B2 (en) | 2023-12-26 |
CN114303598A (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US12013698B2 (en) | Machine control using a predictive map | |
BR102021017199A2 (pt) | Máquina de trabalho agrícola, e, método implementado por computador para gerar um mapa agrícola | |
BR102021015171A2 (pt) | Máquina de trabalho agrícola, e, método implementado por computador para controlar uma máquina de trabalho agrícola | |
US11983009B2 (en) | Map generation and control system | |
BR102021016552A2 (pt) | Máquina de trabalho agrícola, e, método implementado por computador para gerar um mapa agrícola preditivo funcional | |
US20220113729A1 (en) | Predictive map generation and control system | |
US11711995B2 (en) | Machine control using a predictive map | |
US11474523B2 (en) | Machine control using a predictive speed map | |
US20220110249A1 (en) | Map generation and control system | |
US20230315096A1 (en) | Machine control using a predictive map | |
BR102021017182A2 (pt) | Máquina de trabalho agrícola, e, método implementado por computador para controlar uma máquina de trabalho agrícola | |
BR102021015205A2 (pt) | Máquina de trabalho agrícola, e, método implementado por computador para controlar uma máquina de trabalho agrícola | |
BR102021023437A2 (pt) | Método para controlar uma máquina de trabalho agrícola, e, máquina de trabalho agrícola campo da descrição | |
US11946747B2 (en) | Crop constituent map generation and control system | |
CA3130117A1 (en) | Predictive map generation and control system | |
BR102021016578A2 (pt) | Máquina de trabalho agrícola, e, método implementado por computador para gerar um mapa agrícola preditivo funciona | |
BR102021017308A2 (pt) | Máquina de trabalho agrícola, e, método implementado por computador para controlar uma máquina de trabalho agrícola | |
US20220113141A1 (en) | Predictive map generation and control system | |
EP3981232B1 (en) | Predictive map generation and control system | |
EP3981243A1 (en) | Map generation and control system | |
US20220113733A1 (en) | Predictive power map generation and control system | |
BR122021019410A2 (pt) | Máquina de trabalho agrícola, e, método implementado por computador para gerar um mapa agrícola preditivo funcional | |
BR102021015594A2 (pt) | Máquina de trabalho agrícola, e, método implementado por computador para controlar uma máquina de trabalho agrícola |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
B03A | Publication of a patent application or of a certificate of addition of invention [chapter 3.1 patent gazette] |