BR102021017308A2

BR102021017308A2 - Máquina de trabalho agrícola, e, método implementado por computador para controlar uma máquina de trabalho agrícola

Info

Publication number: BR102021017308A2
Application number: BR102021017308-4A
Authority: BR
Inventors: Noel W. Anderson; Nathan R. Vandike; Bhanu Kiran Reddy Palla
Original assignee: Deere & Company
Priority date: 2020-10-09
Filing date: 2021-08-31
Publication date: 2022-11-29
Also published as: US20220110253A1; CN114303615A

Abstract

.Um ou mais mapas de informação são obtidos por uma máquina de trabalho agrícola. O um ou mais mapas de informação mapeiam um ou mais valores de características agrícolas em diferentes localizações geográficas de um campo. Um sensor in situ na máquina de trabalho agrícola detecta uma característica agrícola enquanto a máquina de trabalho agrícola se move pelo campo. Um gerador de mapa preditivo gera um mapa preditivo que prevê uma característica agrícola preditiva em diferentes localizações no campo com base em uma relação entre os valores em um ou mais mapas de informação e a característica agrícola detectada pelo sensor in situ. O mapa preditivo pode ser gerado e usado no controle de máquina automatizado.

Description

MÁQUINA DE TRABALHO AGRÍCOLA, E, MÉTODO IMPLEMENTADO POR COMPUTADOR PARA CONTROLAR UMA MÁQUINA DE TRABALHO AGRÍCOLA

CAMPO DA DESCRIÇÃO

[001] A presente descrição refere-se a máquinas agrícolas, máquinas florestais, máquinas de construção e máquinas de gerenciamento de turfa.

ANTECEDENTES

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

[003] Uma variedade de condições diferentes nos campos tem vários efeitos deletérios sobre a operação de colheita. Portanto, um operador pode tentar modificar o controle da colheitadeira ao encontrar tais condições durante a operação de colheita.

[004] A discussão acima é fornecida apenas para informação de antecedentes gerais e não se destina a ser usada como um auxílio na determinação do escopo da matéria reivindicada.

SUMÁRIO DA INVENÇÃO

[005] Um ou mais mapas de informação são obtidos por uma máquina de trabalho agrícola. O um ou mais mapas de informação mapeiam um ou mais valores de características agrícolas em diferentes localizações geográficas de um campo. Um sensor in-situ na máquina de trabalho agrícola detecta uma característica agrícola enquanto a máquina de trabalho agrícola se move pelo campo. Um gerador de mapa preditivo gera um mapa preditivo que prevê uma característica agrícola preditiva em diferentes localizações no campo com base em uma relação entre os valores em um ou mais mapas de informação e a característica agrícola detectada pelo sensor in-situ. O mapa preditivo pode ser gerado e usado no controle de máquina automatizado.

[006] Este sumário é fornecido para introduzir uma seleção de conceitos de forma simplificada que são adicionalmente descritos abaixo na Descrição Detalhada. Este Sumário não é destinado a identificar recursos-chave ou recursos essenciais da matéria reivindicada, nem é destinado a ser usado como um auxílio na determinação do escopo da matéria reivindicada. A matéria reivindicada não se limita a exemplos que resolvem qualquer ou todas as desvantagens observadas nos antecedentes.

BREVE DESCRIÇÃO DOS DESENHOS

[007] A Figura 1 é uma ilustração parcial pictórica, esquemática parcial de um exemplo de uma colheitadeira agrícola.

[008] A Figura 2 é um diagrama de blocos que mostra algumas porções de uma colheitadeira agrícola em mais detalhes, de acordo com alguns exemplos da presente descrição.

[009] As Figuras 3A-3B (coletivamente referidos aqui como Figura 3) mostram um diagrama de fluxo que ilustra um exemplo de operação de uma colheitadeira agrícola na geração de um mapa.

[0010] A Figura 4 é um diagrama de blocos que mostra um exemplo de um gerador de modelo preditivo e um gerador de mapa preditivo.

[0011] A Figura 5 é um diagrama de fluxo que mostra um exemplo de operação de uma colheitadeira agrícola ao receber um mapa, detectando uma característica in situ e gerando um mapa preditivo funcional para apresentação ou uso no controle da colheitadeira agrícola durante uma operação de colheita ou ambos.

[0012] A Figura 6 é um diagrama de blocos que mostra um exemplo de um gerador de modelo preditivo e um gerador de mapa preditivo.

[0013] A Figura 7 mostra um diagrama de fluxo que ilustra um exemplo da operação de uma colheitadeira agrícola ao receber um mapa de informação anterior e detectar uma entrada de sensor in situ na geração de um mapa preditivo funcional.

[0014] A Figura 8 é um diagrama de blocos que mostra um exemplo de sensor(es) in situ.

[0015] A Figura 9 é um diagrama de blocos que mostra um exemplo de um gerador de zona de controle.

[0016] A Figura 10 é um diagrama de fluxo que ilustra um exemplo da operação do gerador de zona de controle mostrado na Figura 8.

[0017] A Figura 11 é um diagrama de fluxo que mostra um exemplo da operação de um sistema de controle na seleção de um valor de definições alvo para controlar a colheitadeira agrícola.

[0018] A Figura 12 é um diagrama de blocos que mostra um exemplo de um controlador de interface de operador.

[0019] A Figura 13 é um diagrama de fluxo que ilustra um exemplo de um controlador de interface de operador.

[0020] A Figura 14 é uma ilustração pictórica que mostra um exemplo de um visor de interface de operador.

[0021] A Figura 15 é um diagrama de blocos que mostra um exemplo de uma colheitadeira agrícola em comunicação com um ambiente de servidor remoto.

[0022] As Figuras 16-18 mostram exemplos de dispositivos móveis que podem ser usados em uma colheitadeira agrícola.

[0023] A Figura 19 é um diagrama de blocos que mostra um exemplo de um ambiente de computação que pode ser usado em uma colheitadeira agrícola e as arquiteturas ilustradas nas figuras anteriores.

DESCRIÇÃO DETALHADA

[0024] Com a finalidade de promover uma compreensão dos princípios da revelação, agora será feita referência aos exemplos ilustrados nos desenhos e linguagem específica será usada para descrever as mesmas. No entanto, será entendido que nenhuma limitação do escopo da descrição é pretendida. Quaisquer alterações e modificações adicionais aos dispositivos, sistemas, métodos descritos e qualquer aplicação adicional dos princípios da presente descrição são totalmente contemplados como ocorreria normalmente a um versado na técnica à qual a descrição se refere. Em particular, é totalmente contemplado que os recursos, componentes, etapas ou uma combinação dos mesmos descritos em relação a um exemplo podem ser combinados com os recursos, componentes, etapas ou uma combinação dos mesmos descritos em relação a outros exemplos da presente descrição.

[0025] A presente descrição se refere ao uso de dados in situ obtidos simultaneamente com uma operação agrícola, em combinação com dados fornecidos por um mapa, para gerar um mapa preditivo funcional e, mais particularmente, um mapa de tamanho de espiga preditivo funcional. Em alguns exemplos, o mapa de tamanho de espiga preditivo funcional pode ser usado para controlar uma máquina de trabalho agrícola, como uma colheitadeira agrícola. O desempenho de uma colheitadeira agrícola pode ser degradado quando a colheitadeira agrícola entra em áreas de tamanhos variados de espiga, a menos que as definições da máquina também sejam alteradas. Por exemplo, se as chapas de plataforma no coletor da colheitadeira agrícola não estiverem devidamente espaçadas, a espiga ou uma porção da espiga pode se deslocar através do vão definido pelo espaçamento das chapas de plataforma, resultando na perda de grãos a partir do contato com os rolos de talo posicionados abaixo das chapas de plataforma.

[0026] Um mapa de índice vegetativo mapeia ilustrativamente os valores de índice vegetativo, que podem ser indicativos de crescimento vegetativo, em diferentes localizações geográficas em um campo de interesse. Um exemplo de índice vegetativo inclui um índice de vegetação de diferença normalizada (NDVI). Existem muitos outros índices vegetativos e todos esses índices vegetativos estão abrangidos no escopo da presente descrição. Em alguns exemplos, um índice vegetativo pode ser derivado de leituras de sensor de uma ou mais bandas de radiação eletromagnética refletida pelas plantas. Sem limitações, essas bandas podem estar nas porções de micro-ondas, infravermelho, visível ou ultravioleta do espectro eletromagnético.

[0027] Um mapa de índice vegetativo pode, portanto, ser usado para identificar a presença e localização da vegetação. Em alguns exemplos, um mapa de índice vegetativo permite que as safras sejam identificadas e georreferenciadas na presença de solo nu, resíduos da safra ou outras plantas, incluindo safra ou ervas daninhas. Por exemplo, no início de uma estação de crescimento, quando uma safra está em crescimento, o índice vegetativo pode mostrar o progresso do desenvolvimento da safra. Portanto, se um mapa de índice vegetativo for gerado no início da estação de crescimento ou no meio da estação de crescimento, o mapa de índice vegetativo pode ser indicativo do progresso do desenvolvimento das plantas de safra. Por exemplo, o mapa de índice vegetativo pode indicar se a planta está atrofiada, estabelecendo um dossel suficiente ou outros atributos da planta que são indicativos do desenvolvimento da planta.

[0028] Um mapa de rendimento histórico mapeia ilustrativamente os valores de rendimento em diferentes localizações geográficas em um ou mais campos de interesse. Esses mapas de rendimento histórico são coletados de operações de colheita anteriores no(s) campo(s). Um mapa de rendimento pode mostrar o rendimento em unidades de valor de rendimento. Um exemplo de unidade de valor de rendimento inclui alqueires secos por acre. Em alguns exemplos, um mapa de rendimento histórico pode ser derivado de leituras de sensor de um ou mais sensores de rendimento. Sem limitação, esses sensores de rendimento podem incluir sensores de atenuação de raios gama, sensores de chapa de impacto, células de carga, câmeras ou outros sensores ópticos e sensores ultrassônicos, dentre outros.

[0029] Um mapa de semeadura mapeia de forma ilustrativa as características de semeadura em diferentes localizações geográficas em um campo de interesse. Esses mapas de semeadura são tipicamente coletados de operações anteriores de plantio de sementes no campo. Em alguns exemplos, o mapa de semeadura pode ser derivado de sinais de controle usados por uma semeadora ao plantar as sementes ou de sensores na semeadora, como sensores que confirmam que uma semente foi entregue a um sulco gerado pela semeadora. As semeadoras podem incluir sensores de posição geográfica que geolocalizam as localizações em que as sementes foram plantadas, bem como sensores topográficos que geram informação topográfica do campo. A informação gerada durante uma operação anterior de plantio de sementes podem ser usadas para determinar várias características de semeadura, como localização (por exemplo, localização geográfica das sementes plantadas no campo), espaçamento (por exemplo, o espaçamento entre as sementes individuais, o espaçamento entre as linhas de sementes, ou ambos), população (que pode ser derivada de características de espaçamento), orientação (por exemplo, orientação da semente em uma cova, bem como ou orientação das linhas de sementes), profundidade (por exemplo, profundidade da semente ou, bem como profundidade do sulco), dimensões (como tamanho da semente) ou genótipo (como espécie de semente, híbrido de semente, cultivar de semente, etc.). Uma variedade de outras características de semeadura também pode ser determinada.

[0030] Alternativamente, ou além dos dados de uma operação anterior, várias características de semeadura nos mapas de semeadura podem ser geradas com base em dados de terceiros, como fornecedores de sementes terceirizados que fornecem as sementes para a operação de plantio de sementes. Esses terceiros podem fornecer vários dados que indicam várias características de semeadura, por exemplo, dados de dimensão, como tamanho da semente, ou dados de genótipo, como espécie de semente, híbrido de semente ou cultivar de semente. Além disso, os vendedores de sementes podem fornecer vários dados relativos a características particulares das plantas resultantes de cada genótipo de semente diferente. Por exemplo, dados sobre o crescimento da planta, como diâmetro do talo, tamanho de espiga, altura da planta, massa da planta, etc., resposta da planta às condições climáticas, resposta da planta a substâncias aplicadas, como herbicida, fungicida, pesticida, inseticida, fertilizante, etc., resposta da planta a pragas, fungo, ervas daninhas, doenças, etc., bem como inúmeras outras características da planta.

[0031] Em alguns exemplos, um mapa de semeadura pode ser derivado de leituras de sensor de uma ou mais bandas de radiação eletromagnética refletida pelas sementes. Sem limitação, essas bandas podem estar nas porções de micro-ondas, infravermelho, visível ou ultravioleta do espectro eletromagnético.

[0032] A presente discussão prossegue em relação aos sistemas que recebem um mapa, como um mapa de informação anterior, um mapa gerado com base em uma operação anterior ou um mapa preditivo (por exemplo, um mapa de rendimento preditivo). Os sistemas também usam um sensor in-situ para detectar uma variável indicativa de uma ou mais características, como uma característica agrícola. Uma característica agrícola é qualquer característica que possa afetar uma operação agrícola, como uma operação de colheita. Em um exemplo, um ou mais sensores in situ detectam uma ou mais variáveis indicativas de um tamanho de espigas de vegetação, como um diâmetro ou outra dimensão representativa de um tamanho transversal da espiga (coletivamente referidos aqui como "diâmetro”), um comprimento ou peso de espigas de safra, por exemplo, um ou mais sensores de tamanho de espiga que detectam um diâmetro, um comprimento ou um peso de espigas de milho. Será notado, no entanto, que o sensor in situ pode detectar uma variável indicativa de qualquer número de outras características agrícolas e não está limitado às características descritas aqui. Os sistemas geram um modelo que modela uma relação entre os valores no mapa recebido e os valores de saída do sensor in-situ. O modelo é usado para gerar um mapa preditivo funcional que prevê, por exemplo, o tamanho de espiga, uma característica agrícola ou entrada de comando de operador, em diferentes áreas do campo com base nos valores do mapa recebido nessas localizações. O mapa preditivo funcional, gerado durante a operação de colheita, pode ser apresentado a um operador ou outro usuário, utilizado no controle automático de uma colheitadeira agrícola durante a operação de colheita, ou ambos. O mapa preditivo funcional pode ser usado para controlar um ou mais dos subsistemas controláveis na colheitadeira agrícola. Por exemplo, um controlador de posição de chapa de plataforma que gera sinais de controle para controlar um subsistema de atuador de máquina para ajustar uma posição ou espaçamento de chapas de plataforma na colheitadeira agrícola.

[0033] As chapas de plataforma, também chamadas de chapas separadoras, são incluídas nas unidades de linha dos coletores de colheitadeiras agrícolas, como coletores de milho. Geralmente, uma chapa de plataforma esquerda e direita é incluída em cada unidade de linhas. Cada chapa de plataforma tem uma borda interna e as bordas internas das chapas esquerda e direita de plataforma são afastadas. O espaçamento entre as chapas esquerda e direita de plataforma define um vão que recebe vegetação, como plantas de milho. O vão pode ser afilado, por exemplo, afilado a partir de trás (mais perto da traseira da colheitadeira agrícola) para a frente (onde o talo entra) de modo que o espaçamento entre a frente das chapas de plataforma seja mais estreito do que o espaçamento na parte de trás das chapas de plataforma. À medida que a colheitadeira agrícola se desloca através de um campo, o vão definido pelo espaçamento das chapas de plataforma recebe os talos de milho de uma linha alinhada de plantas de milho à medida que a unidade da linha se move ao longo da linha. À medida que a unidade de linhas é movida ao longo da linha, os talos de milho são puxados através da passagem com a ajuda de correntes de coleta (geralmente localizadas acima das chapas de plataforma), ou rolos de talo, às vezes chamados de rolos apanhadores, (geralmente localizados abaixo das chapas de plataforma), ou ambos na unidade de linhas de modo que as espigas carregadas pelo talo colidam com as chapas de plataforma e sejam separadas do talo. As espigas de milho separadas são transportadas adicionalmente através da colheitadeira agrícola enquanto o material de talo cortado é deixado no campo, em que o material de talo permanece ou é posteriormente recolhido, como parte de um processo de coleta de palha.

[0034] Ter as definições adequadas, como posição e espaçamento, das chapas de plataforma na colheitadeira agrícola é importante para reduzir a perda, como a perda de grãos de coletor devido ao descasque da extremidade quando a espiga passa pela abertura e entra em contato com os rolos de talo ou do lançamento de espiga, e para reduzir a admissão de material além de grãos (MOG). Em condições de campo em que o tamanho de espiga pode variar significativamente, a posição e o espaçamento da chapa de plataforma podem ter impactos significativos no desempenho. Por exemplo, se o espaçamento entre as chapas de plataforma for muito grande, pode ocorrer o descasque (ou seja, o descasque ou remoção dos grãos de milho de um sabugo quando a extremidade da espiga entra em contato com os rolos apanhadores) pode ocorrer, o que leva à perda de grãos no coletor, deixando grãos de milho descascado no campo. Se o espaçamento entre as chapas de plataforma for muito estreito, os talos podem ser apanhados muito cedo e a colheitadeira agrícola admitirá muito MOG ao carregar MOG juntamente com a espiga para a colheitadeira, o que pode sobrecarregar o separador e tornar a separação de grãos de MOG nos crivos mais difícil, levando à perda de grãos da parte traseira da colheitadeira agrícola à medida que o resíduo é expelido. Com o aumento das velocidades de colheita e o tamanho do coletor cada vez maior, deixar de fazer ajustes adequados e oportunos na posição e no espaçamento da chapa de plataforma pode afetar negativamente o desempenho da colheitadeira agrícola.

[0035] A Figura 1 é uma ilustração parcial pictórica e esquemática parcial de uma colheitadeira agrícola autopropelida 100. No exemplo ilustrado, a colheitadeira agrícola 100 é uma colheitadeira combinada. Além disso, embora as colheitadeiras sejam fornecidas como exemplos ao longo da presente descrição, será reconhecido que a presente descrição também é aplicável a outros tipos de colheitadeiras, como colheitadeiras de algodão, colheitadeiras de canade-açúcar, colheitadeiras de forragem autopropelidas, enfardadeiras ou outras máquinas de trabalho agrícola. Consequentemente, a presente descrição se destina a abranger os vários tipos de colheitadeiras descritos e, portanto, não está limitada a colheitadeiras combinadas. Além disso, a presente descrição é direcionada a outros tipos de máquinas de trabalho, como semeadoras e pulverizadores agrícolas, equipamentos de construção, equipamentos florestais e equipamentos de gerenciamento de turfa em que a geração de um mapa preditivo pode ser aplicável. Consequentemente, a presente descrição se destina a abranger esses vários tipos de colheitadeiras e outras máquinas de trabalho e, portanto, não está limitada a colheitadeiras combinadas.

[0036] Como mostrado na Figura 1, a colheitadeira agrícola 100 inclui ilustrativamente um compartimento de operador 101, que pode ter uma variedade de diferentes mecanismos de interface de operador, para controlar a colheitadeira agrícola 100. A colheitadeira agrícola 100 inclui equipamento de extremidade dianteira, como um coletor 102 e um cortador geralmente indicado em 104. A colheitadeira agrícola 100 também inclui um alimentador 106, um acelerador de alimentação 108 e um debulhador geralmente indicado em 110. O alimentador 106 e o acelerador de alimentação 108 fazem parte de um subsistema de manipulação de material 125. O coletor 102 é pivotalmente acoplado a um chassi 103 da colheitadeira agrícola 100 ao longo do eixo geométrico pivô 105. Um ou mais atuadores 107 acionam o movimento do coletor 102 em torno do eixo geométrico 105 na direção geralmente indicada pela seta 109. Assim, uma posição vertical do coletor 102 (a altura do coletor) acima do solo 111 sobre o qual o coletor 102 se desloca é controlável pela atuação do atuador 107. Embora não seja mostrado na Figura 1, a colheitadeira agrícola 100 também pode incluir um ou mais atuadores que operam para aplicar um ângulo de inclinação, um ângulo de rolamento ou ambos ao coletor 102 ou porções do coletor 102. A inclinação se refere a um ângulo no qual o cortador 104 engata na safra. O ângulo de inclinação é aumentado, por exemplo, controlando o coletor 102 para apontar uma borda distal 113 do cortador 104 mais em direção ao solo. O ângulo de inclinação é diminuído controlando o coletor 102 para apontar a borda distal 113 do cortador 104 mais longe do solo. O ângulo de rolamento se refere à orientação do coletor 102 sobre o eixo geométrico longitudinal de frente para trás da colheitadeira agrícola 100.

[0037] A debulhadora 110 inclui ilustrativamente um rotor de debulha 112 e um conjunto de contrabatedores 114. Além disso, a colheitadeira agrícola 100 também inclui um separador 116. A colheitadeira agrícola 100 também inclui um subsistema de limpeza ou sapata de limpeza (coletivamente referido como subsistema de limpeza 118) que inclui um ventilador de limpeza 120, peneira 122 e crivo 124. O subsistema de manipulação de material 125 também inclui batedor de descarga 126, elevador de rejeitos 128, elevador de grãos limpos 130, bem como trado de descarga 134 e bico 136. O elevador de grãos limpos move os grãos limpos para o interior do tanque de grãos limpos 132. A colheitadeira agrícola 100 também inclui um subsistema de resíduos 138 que pode incluir o picador 140 e o espalhador 142. A colheitadeira agrícola 100 também inclui um subsistema de propulsão que inclui um motor que aciona os componentes de engate ao solo 144, como rodas ou lagartas. Em alguns exemplos, uma colheitadeira combinada no escopo da presente descrição pode ter mais de um dentre qualquer um dos subsistemas mencionados acima. Em alguns exemplos, a colheitadeira agrícola 100 pode ter subsistemas de limpeza esquerdo e direito, separadores, etc., que não são mostrados na Figura 1.

[0038] Em operação, e a título de visão geral, a colheitadeira agrícola 100 se move ilustrativamente através de um campo na direção indicada pela seta 147. À medida que colheitadeira agrícola 100 se move, o coletor 102 (e o cilindro associada 164) engata a safra a ser colhida e reúne a safra em direção ao cortador 104. Um operador de colheitadeira agrícola 100 pode ser um operador humano local, um operador humano remoto ou um sistema automatizado. Um comando de operador é um comando de um operador. O operador da colheitadeira agrícola 100 pode determinar uma ou mais de uma definição de altura, uma definição de ângulo de inclinação ou uma definição de ângulo de rolamento para o coletor 102. Por exemplo, o operador insere uma definição ou definições a um sistema de controle, descrito em mais detalhes abaixo, que controla o atuador 107. O sistema de controle também pode receber uma definição do operador para estabelecer o ângulo de inclinação e ângulo de rolamento do coletor 102 e implementar as definições inseridas controlando atuadores associados, não mostrados, que operam para alterar o ângulo de inclinação e ângulo de rolamento do coletor 102. O atuador 107 mantém o coletor 102 a uma altura acima do solo 111 com base em uma definição de altura e, quando aplicável, nos ângulos de inclinação e rolamento desejados. Cada uma das definições de altura, rolamento e inclinação podem ser implementadas independentemente das outras. O sistema de controle responde ao erro de coletor (por exemplo, a diferença entre a definição de altura e altura medida do coletor 104 acima do solo 111 e, em alguns exemplos, ângulo de inclinação e erros de ângulo de rolamento) com uma capacidade de resposta que é determinada com base em um nível de sensibilidade selecionado. Se o nível de sensibilidade for definido em um nível maior de sensibilidade, o sistema de controle responde a erros menores de posição de coletor e tenta reduzir os erros detectados mais rapidamente do que quando a sensibilidade está em um nível mais baixo de sensibilidade.

[0039] Voltando à descrição da operação da colheitadeira agrícola 100, após as safras serem cortadas pelo cortador 104, o material de safra cortado é movido através de um transportador no alimentador 106 em direção ao acelerador de alimentação 108, que acelera o material de safra para o debulhador 110. O material de safra é debulhado pelo rotor 112 girando a colheita contra os contrabatedores 114. O material de safra debulhado é movido por um rotor separador no separador 116, em que uma porção do resíduo é movida pelo batedor de descarga 126 em direção ao subsistema de resíduo 138. A porção de resíduo transferida para o subsistema de resíduo 138 é picada pelo picador de resíduo 140 e espalhada no campo pelo espalhador 142. Em outras configurações, o resíduo é liberado da colheitadeira agrícola 100 em um amontoado de feno. Em outros exemplos, o subsistema de resíduo 138 pode incluir eliminadores de sementes de ervas daninhas (não mostrados), como ensacadores de sementes ou outros coletores de sementes, ou trituradores de sementes ou outros destruidores de sementes.

[0040] O grão cai para o subsistema de limpeza 118. A peneira 122 separa alguns pedaços maiores do material do grão e o crivo 124 separa alguns dos pedaços mais finos do material do grão limpo. O grão limpo cai para um trado que move o grão para uma extremidade de entrada do elevador de grão limpo 130 e o elevador de grão limpo 130 move o grão limpo para cima, depositando o grão limpo no tanque de grão limpo 132. O resíduo é removido do subsistema de limpeza 118 pelo fluxo de ar gerado pelo ventilador de limpeza 120. O ventilador de limpeza 120 direciona o ar ao longo de um caminho de fluxo de ar para cima através dos crivos e peneiras. O fluxo de ar carrega resíduos para trás na colheitadeira agrícola 100 em direção ao subsistema de manipulação de resíduos 138.

[0041] O elevador de rejeitos 128 retorna rejeitos para o debulhador 110, em que os rejeitos são novamente debulhados. Alternativamente, os rejeitos também podem ser passados para um mecanismo de nova debulha separado por um elevador de rejeitos ou outro dispositivo de transporte em que os rejeitos também são novamente debulhados.

[0042] A Figura 1 também mostra que, em um exemplo, a colheitadeira agrícola 100 inclui sensor de velocidade terrestre 146, um ou mais sensores de perda de separador 148, uma câmera de grão limpo 150, um mecanismo de captura de imagem de visão frontal 151, que pode estar na forma de uma câmera aparelho estéreo ou mono e um ou mais sensores de perda 152 fornecidos no subsistema de limpeza 118.

[0043] O sensor de velocidade no solo 146 detecta a velocidade de deslocamento da colheitadeira agrícola 100 no solo. O sensor de velocidade do solo 146 pode detectar a velocidade de deslocamento da colheitadeira agrícola 100 detectando a velocidade de rotação dos componentes de engate ao solo (como rodas ou lagartas), um eixo acionador, um eixo ou outros componentes. Em alguns casos, a velocidade de deslocamento pode ser detectada usando um sistema de posicionamento, como um sistema de posicionamento global (GPS), um sistema de cálculo morto, um sistema de navegação de longo alcance (LORAN) ou uma grande variedade de outros sistemas ou sensores que fornecem uma indicação da velocidade de deslocamento.

[0044] Os sensores de perda 152 fornecem ilustrativamente um sinal de saída indicativo da quantidade de perda de grãos que ocorre em ambos os lados direito e esquerdo do subsistema de limpeza 118. Em alguns exemplos, os sensores 152 são sensores de colisão que contam colisões de grãos por unidade de tempo ou por unidade de distância percorrida para fornecer uma indicação da perda de grãos que ocorre no subsistema de limpeza 118. Os sensores de colisão para os lados direito e esquerdo do subsistema de limpeza 118 podem fornecer sinais individuais ou um sinal combinado ou agregado. Em alguns exemplos, os sensores 152 podem incluir um único sensor em oposição a sensores separados fornecidos para cada subsistema de limpeza 118.

[0045] O sensor de perda de separador 148 fornece um sinal indicativo de perda de grão nos separadores esquerdo e direito, não mostrado separadamente na Figura 1. Os sensores de perda do separador 148 podem ser associados aos separadores esquerdo e direito e podem fornecer sinais de perda de grãos separados ou um sinal combinado ou agregado. Em alguns casos, a detecção de perda de grãos nos separadores também pode ser realizada usando uma ampla variedade de diferentes tipos de sensores.

[0046] A colheitadeira agrícola 100 também pode incluir outros sensores e mecanismos de medição. Por exemplo, a colheitadeira agrícola 100 pode incluir um ou mais dos seguintes sensores: um sensor de altura do coletor que detecta uma altura do coletor 102 acima do solo 111; sensores de estabilidade que detectam oscilação ou movimento de salto (e amplitude) da colheitadeira agrícola 100; um sensor de definição de resíduo que é configurado para detectar se a colheitadeira agrícola 100 está configurada para cortar o resíduo, produzir uma amontoado de feno, etc; um sensor de velocidade de ventilador de sapata de limpeza para detectar a velocidade do ventilador de limpeza 120; um sensor de folga de contrabatedor que detecta folga entre o rotor 112 e contrabatedores 114; um sensor de velocidade de rotor de debulha que detecta uma velocidade de rotor do rotor 112; um sensor de folga de peneira que detecta o tamanho das aberturas na peneira 122; um sensor de folga que detecta o tamanho das aberturas no crivo 124; um material diferente do sensor de umidade de grãos (MOG) que detecta um nível de umidade do MOG passando pela colheitadeira agrícola 100; um ou mais sensores de configuração da máquina configurados para detectar várias definições da colheitadeira agrícola 100; um sensor de orientação de máquina que detecta a orientação da colheitadeira agrícola 100; e sensores de propriedade de safra que detectam uma variedade de diferentes tipos de propriedades da safra, como tipo de safra, umidade da safra e outras propriedades da safra. Sensores de propriedade de colheita também podem ser configurados para detectar características do material de safra cortado à medida que o material de safra está sendo processado pela colheitadeira 100. Por exemplo, em alguns casos, os sensores de propriedade de safra podem detectar a qualidade do grão, como grãos quebrados, níveis de MOG; constituintes de grãos, como amidos e proteínas; e taxa de alimentação de grão conforme o grão viaja através do alimentador 106, elevador de grão limpo 130 ou em outro lugar na colheitadeira agrícola 100. Os sensores de propriedade de colheita também podem detectar a taxa de alimentação de biomassa através do alimentador 106, através do separador 116 ou em outro lugar na colheitadeira agrícola 100. Os sensores de propriedade de safra também podem detectar a taxa de alimentação como uma taxa de fluxo de massa de grãos através do elevador 130 ou através de outras porções da colheitadeira agrícola 100 ou fornecer outros sinais de saída indicativos de outras variáveis detectadas. Os sensores de propriedade de colheita podem incluir um ou mais sensores de rendimento que detectam o rendimento da colheita sendo colhido pela colheitadeira agrícola.

[0047] O(s) sensor(es) de rendimento pode(m) incluir um sensor de fluxo de grãos que detecta um fluxo de safra, como grãos, no subsistema de manipulação de material 125 ou outras porções da colheitadeira agrícola 100. Por exemplo, um sensor de rendimento pode incluir um sensor de atenuação de raios gama que mede a taxa de fluxo de grãos colhidos. Em outro exemplo, um sensor de rendimento inclui um sensor de chapa de impacto que detecta o impacto de grãos contra uma chapa ou superfície de detecção de modo a medir a taxa de fluxo de massa dos grãos colhidos. Em outro exemplo, um sensor de rendimento inclui uma ou mais células de carga que medem ou detectam uma carga ou massa de grão colhido. Por exemplo, uma ou mais células de carga podem estar localizadas em um fundo do tanque de grãos 132, em que mudanças no peso ou massa de grãos dentro do tanque de grãos 132 durante um intervalo de medição indicam o rendimento agregado durante o intervalo de medição. O intervalo de medição pode ser aumentado para calcular a média ou diminuído para medições mais instantâneas. Em outro exemplo, um sensor de rendimento inclui câmeras ou dispositivos de detecção óptica que detectam o tamanho ou a forma de uma massa agregada de grãos colhidos, como a forma do monte ou a altura de um monte de grãos no tanque de grãos 132. A mudança na forma ou altura do monte durante o intervalo de medição indica um rendimento agregado durante o intervalo de medição. Em outros exemplos, outras tecnologias de detecção de rendimento são empregadas. Por exemplo, em um exemplo, um sensor de rendimento inclui dois ou mais dos sensores descritos acima e o rendimento para um intervalo de medição é determinado a partir de sinais emitidos por cada um dos vários tipos diferentes de sensores. Por exemplo, o rendimento é determinado com base em sinais de um sensor de atenuação de raios gama, um sensor de chapa de impacto, células de carga dentro do tanque graneleiro 132 e sensores ópticos ao longo do tanque graneleiro 132.

[0048] Os sensores de propriedade de cultivo também podem incluir um ou mais sensores de tamanho de espiga que detectam um tamanho, como diâmetro, comprimento ou peso, de espigas de vegetação, como espigas de milho no campo.

[0049] Os sensores de tamanho de espiga podem ser sensores configurados para detectar um impacto ou o resultado de um impacto (por exemplo, deslocamento da (s) chapa (s)) da espiga contra as chapas de plataforma. Os sensores de tamanho de espiga podem incluir acelerômetros, sensores de medidor de tensão e qualquer número de outros sensores configurados para detectar um impacto entre a espiga e as chapas de plataforma. O(s) sensor(es) de tamanho de espiga, em outros exemplos, pode(m) consistir em um sensor ótico, como uma câmera ou outro dispositivo de detecção ótica (por exemplo, radar, lidar, sonar, etc.), que captura imagens da vegetação ao redor da colheitadeira agrícola. As imagens, que incluem indicações das espigas, podem ser processadas usando qualquer uma das várias técnicas de processamento de imagem para derivar os tamanhos das espigas da vegetação ao redor da colheitadeira agrícola. Estes e vários outros sensores de tamanho de espiga podem ser usados para fornecer indicações in-situ de tamanhos de espiga no campo no qual a colheitadeira 100 está operando. Será reconhecido que estes são apenas alguns exemplos de sensores de tamanho de espiga e aqueles versados na técnica apreciarão que vários outros sensores de tamanho de espiga podem ser usados sem se desviar do espírito e escopo da descrição. Em alguns exemplos, a colheitadeira agrícola pode ter um ou mais sensores de tamanho de espiga, como um sensor de tamanho de espiga para cada unidade de linhas no coletor 102 da colheitadeira agrícola 100. Em alguns exemplos, a colheitadeira agrícola pode ter um ou mais dos diferentes tipos de sensores de tamanho de espiga.

[0050] Antes de descrever como a colheitadeira agrícola 100 gera um mapa preditivo funcional e usa o mapa preditivo funcional para apresentação ou controle, uma breve descrição de alguns dos itens na colheitadeira agrícola 100 e sua operação será primeiro descrita. A descrição da Figura 2 e 3 descrevem o recebimento de um tipo geral de mapa de informação anterior e a combinação de informação do mapa de informação anterior com um sinal de sensor georreferenciado gerado por um sensor in situ, em que o sinal do sensor é indicativo de uma característica no campo, como características de safra ou ervas daninhas presentes no campo. As características do campo podem incluir, mas não estão limitadas a, características de um campo, como declive, intensidade da erva daninha, tipo de erva daninha, umidade do solo, qualidade da superfície; características das propriedades da safra, como altura da safra, umidade da safra, densidade da safra, tamanho de espiga, estado da safra; características das propriedades do grão, como umidade do grão, tamanho do grão, peso de teste do grão; e características de desempenho da máquina, como níveis de perda, qualidade do trabalho, consumo de combustível e utilização de energia. Uma relação entre os valores característicos obtidos a partir de sinais do sensor in situ e os valores do mapa de informação anterior é identificada e essa relação é usada para gerar um novo mapa preditivo funcional. Um mapa preditivo funcional prevê valores em diferentes localizações geográficas em um campo e um ou mais desses valores podem ser usados para controlar uma máquina, como um ou mais subsistemas de uma colheitadeira agrícola. Em alguns casos, um mapa preditivo funcional pode ser apresentado a um usuário, como um operador de uma máquina de trabalho agrícola, que pode ser uma colheitadeira agrícola. Um mapa preditivo funcional pode ser apresentado a um usuário visualmente, como por meio de uma tela, ao toque ou de forma audível. O usuário pode interagir com o mapa preditivo funcional para realizar operações de edição e outras operações de interface de usuário. Em alguns casos, um mapa preditivo funcional pode ser usado para um ou mais de controlar uma máquina de trabalho agrícola, como uma colheitadeira agrícola, apresentação a um operador ou outro usuário e apresentação a um operador ou usuário para interação pelo operador ou usuário.

[0051] Após a abordagem geral ser descrita em relação às Figuras. 2 e 3, uma abordagem mais específica para gerar um mapa de tamanho de espiga preditivo funcional que pode ser apresentado a um operador ou usuário, ou usado para controlar a colheitadeira agrícola 100, ou ambos, é descrita em relação às Figuras. 4 e 5. Novamente, enquanto a presente discussão prossegue com relação à colheitadeira agrícola e, particularmente, uma colheitadeira combinada, o escopo da presente descrição abrange outros tipos de colheitadeiras agrícolas ou outras máquinas de trabalho agrícolas.

[0052] A Figura 2 é um diagrama de blocos que mostra algumas porções de uma colheitadeira agrícola de exemplo 100. A Figura 2 mostra que a colheitadeira agrícola 100 inclui ilustrativamente um ou mais processadores ou servidores 201, armazenamento de dados 202, sensor de posição geográfica 204, sistema de comunicação 206 e um ou mais sensores in-situ 208 que detectam uma ou mais características de um campo simultâneo com uma operação de colheita. Os sensores in situ 208 geram valores correspondentes às características detectadas. A colheitadeira agrícola 100 também inclui um modelo preditivo ou gerador de relacionamento (coletivamente referido a seguir como "gerador de modelo preditivo 210"), gerador de mapa preditivo 212, gerador de zona de controle 213, sistema de controle 214, um ou mais subsistemas controláveis 216 e um operador mecanismo de interface 218. A colheitadeira agrícola 100 também pode incluir uma grande variedade de outras funcionalidades de colheitadeira agrícola 220. Os sensores in situ 208 incluem, por exemplo, sensores integrados 222, sensores remotos 224 e outros sensores 226 que detectam características de um campo durante o curso de uma operação agrícola. Alguns outros exemplos de sensores in situ 208 são mostrados na Figura 8. O gerador de modelo preditivo 210 inclui ilustrativamente um gerador de modelo de variável para variável in situ de informação anterior 228 e o gerador de modelo preditivo 210 pode incluir outros itens 230. O sistema de controle 214 inclui controlador de sistema de comunicação 229, controlador de interface de operador 231, um controlador de definições 232, controlador de planejamento de caminho 234, controlador de taxa de alimentação 236, controlador de cabeçote e carretel 238, controlador de esteira de esteira 240, controlador de posição de chapa de plataforma 242, controlador de sistema de resíduo 244 , o controlador de limpeza de máquina 245, o controlador de zona 247 e o sistema de controle 214 podem incluir outros itens 246. Subsistemas controláveis 216 incluem máquina e atuadores de coletor 248, subsistema de propulsão 250, subsistema de direção 252, subsistema de resíduo 138, subsistema de limpeza de máquina 254 e subsistemas controláveis 216 podem incluir uma ampla variedade de outros subsistemas 256.

[0053] A Figura 2 também mostra que a colheitadeira agrícola 100 pode receber um ou mais mapas de informação anterior 258. Como descrito abaixo, os mapas de informação anterior incluem, por exemplo, um mapa de índice vegetativo, um mapa de rendimento, um mapa de semeadura ou um mapa de uma operação anterior no campo. No entanto, os mapas de informação anterior 258 também podem abranger outros tipos de dados que foram obtidos antes de uma operação de colheita ou um mapa de uma operação anterior, como mapas de rendimento históricos de anos anteriores que contêm informação contextuais associadas ao rendimento histórico. A informação contextual pode incluir, sem limitação, uma ou mais das condições climáticas ao longo de uma estação de cultivo, presença de pragas, localização geográfica, tipos de solo, irrigação, aplicação de tratamento, etc. As condições climáticas podem incluir, sem limitação, precipitação durante a estação, presença de granizo capaz de danificar a safra, presença de ventos fortes, temperatura durante a temporada, etc. Alguns exemplos de pragas incluem insetos, fungos, ervas daninhas, bactérias, vírus, etc. Alguns exemplos de aplicações de tratamento incluem herbicida, pesticida, fungicida, fertilizante, suplementos minerais, etc. Figura 2 também mostra que um operador 260 pode operar a colheitadeira agrícola 100. O operador 260 interage com os mecanismos de interface de operador 218. Em alguns exemplos, os mecanismos de interface de operador 218 podem incluir joysticks, alavancas, um volante, ligações, pedais, botões, mostradores, teclados, elementos acionáveis pelo usuário (como ícones, botões, etc.) em um dispositivo de exibição de interface de usuário, um microfone e alto-falante (em que o reconhecimento de fala e a síntese de fala são fornecidos), entre uma ampla variedade de outros tipos de dispositivos de controle. Onde um sistema de tela sensível ao toque é fornecido, o operador 260 pode interagir com os mecanismos de interface de operador 218 usando gestos de toque. Esses exemplos descritos acima são fornecidos como exemplos ilustrativos e não se destinam a limitar o escopo da presente descrição. Consequentemente, outros tipos de mecanismos de interface de operador 218 podem ser usados e estão dentro do escopo da presente descrição.

[0054] O mapa de informação anterior 258 pode ser baixado para a colheitadeira agrícola 100 e armazenado no armazenamento de dados 202, usando o sistema de comunicação 206 ou de outras maneiras. Em alguns exemplos, o sistema de comunicação 206 pode ser um sistema de comunicação celular, um sistema para comunicação através de uma rede de área ampla ou uma rede de área local, um sistema para comunicação através de uma rede de comunicação de campo próximo ou um sistema de comunicação configurado para se comunicar através de qualquer um dos uma variedade de outras redes ou combinações de redes. O sistema de comunicação 206 também pode incluir um sistema que facilita downloads ou transferências de informação de e para um cartão digital seguro (SD) ou um cartão de barramento serial universal (USB), ou ambos.

[0055] O sensor de posição geográfica 204 detecta ou detecta de forma ilustrativa a posição geográfica ou localização da colheitadeira agrícola 100. O sensor de posição geográfica 204 pode incluir, porém sem limitação, um receptor de sistema de navegação global por satélite (GNSS) que recebe sinais de um transmissor de satélite GNSS. O sensor de posição geográfica 204 também pode incluir um componente cinemático em tempo real (RTK) que é configurado para aumentar a precisão dos dados de posição derivados do sinal GNSS. O sensor de posição geográfica 204 pode incluir um sistema de cálculo morto, um sistema de triangulação celular ou qualquer um de uma variedade de outros sensores de posição geográfica.

[0056] Os sensores in situ 208 podem ser qualquer um dos sensores aqui descritos. Os sensores in-situ 208 incluem sensores on-board 222 que são montados integrados na colheitadeira agrícola 100. Tais sensores podem incluir, por exemplo, um sensor de chapa de impacto, um sensor de atenuação de radiação ou um sensor de imagem que é interno ao colhedor agrícola 100 (como uma câmera de grãos limpos). Os sensores in-situ 208 também podem incluir sensores remotos in-situ 224 que capturam informação in-situ. Os dados in-situ incluem dados obtidos de um sensor a bordo da colheitadeira agrícola ou obtidos por qualquer sensor em que os dados são detectados durante a operação de colheita. Alguns exemplos de sensores in situ 208 são mostrados na Figura 8.

[0057] Depois de ser recuperado pela colheitadeira agrícola 100, o seletor de mapa de informação anterior 209 pode filtrar ou selecionar um ou mais mapas de informação anterior específicos 258 para uso pelo gerador de modelo preditivo 210. Em um exemplo, o seletor de mapa de informação anterior 209 seleciona um mapa com base em uma comparação da informação contextual no mapa de informação anterior versus a informação contextual presente. Por exemplo, um mapa de rendimento histórico pode ser selecionado de um dos anos anteriores, em que as condições climáticas durante a estação de cultivo foram semelhantes às condições climáticas do ano atual. Ou, por exemplo, um mapa de rendimento histórico pode ser selecionado de um dos anos anteriores quando a informação de contextual não é semelhante. Por exemplo, um mapa de rendimento histórico pode ser selecionado para um ano anterior que foi relativamente “seco”, enquanto o ano atual é relativamente “úmido”. Ainda pode haver uma relação histórica útil, mas a relação pode ser inversa. Por exemplo, áreas com espigas grandes em um ano relativamente úmido podem ser áreas com espigas pequenas em um ano seco. A informação contextual presente pode incluir informação contextual além da informação contextual imediata. Por exemplo, a informação contextual presente pode incluir, mas não por limitação, um conjunto de informações correspondentes à estação de crescimento atual, um conjunto de dados correspondente a um inverno antes da estação de crescimento atual ou um conjunto de dados correspondente a vários anos anteriores entre outros.

[0058] A informação contextual também pode ser utilizada para correlações entre áreas com características contextuais semelhantes, independentemente de a posição geográfica corresponder à mesma posição no mapa de informação anterior 258. Por exemplo, os valores de rendimento histórico de área com tipos de solo semelhantes em outros campos podem ser usados como mapa de informação anterior 258 para criar o mapa preditivo do tamanho de espiga. Por exemplo, a informação de características contextuais associadas a uma localização diferente pode ser aplicada ao local no mapa de informação anterior 258 tendo informação de características semelhantes.

[0059] O gerador de modelo preditivo 210 gera um modelo que é indicativo de uma relação entre os valores detectados pelo sensor in-situ 208 e uma característica mapeada para o campo pelo mapa de informação anterior 258. Por exemplo, se o mapa de informação anterior 258 mapeia um valor de índice vegetativo para diferentes locais no campo, e o sensor in-situ 208 está detectando um valor indicativo do tamanho de espiga, então, gerador de modelo de variável in situ de variável de informação anterior 228 gera um modelo preditivo do tamanho de espiga que modela a relação entre os valores de índice vegetativo e os valores do tamanho de espiga. Então, o gerador de mapa preditivo 212 usa o modelo de tamanho de espiga preditivo gerado pelo gerador de modelo preditivo 210 para gerar um mapa de tamanho de espiga preditivo funcional que prevê o valor do tamanho de espiga que se espera ser detectado pelos sensores in-situ 208, em diferentes locais no campo, com base no mapa de informação anterior 258. Ou, por exemplo, se o mapa de informação anterior 258 mapeia um valor de rendimento histórico para diferentes locais no campo e o sensor in-situ 208 está detectando um valor indicativo do tamanho de espiga, então o modelo de variável de informação anterior variável para in situ o gerador 228 gera um modelo preditivo do tamanho de espiga que modela a relação entre os valores de rendimento histórico (com ou sem informação contextual) e os valores do tamanho de espiga in-situ. Em seguida, o gerador de mapa preditivo 212 usa o modelo de tamanho de espiga preditivo gerado pelo gerador de modelo preditivo 210 para gerar um mapa de tamanho de espiga preditivo funcional que prevê o valor do tamanho de espiga que se espera ser detectado pelos sensores in-situ 208, em diferentes locais em o campo, com base no mapa de informação anterior 258.

[0060] Em alguns exemplos, o tipo de dados no mapa preditivo funcional 263 pode ser o mesmo que o tipo de dados in situ detectado pelos sensores in situ 208. Em alguns casos, o tipo de dados no mapa preditivo funcional 263 pode ter unidades diferentes dos dados detectados pelos sensores in-situ 208. Em alguns exemplos, o tipo de dados no mapa preditivo funcional 263 pode ser diferente do tipo de dados detectado pelos sensores in situ 208, mas tem uma relação com o tipo de dados detectado pelos sensores in situ 208. Por exemplo, em alguns exemplos, o tipo de dados in situ pode ser indicativo do tipo de dados no mapa preditivo funcional 263. Em alguns exemplos, o tipo de dados no mapa preditivo funcional 263 pode ser diferente do tipo de dados no mapa de informação anterior 258. Em alguns casos, o tipo de dados no mapa preditivo funcional 263 pode ter unidades diferentes dos dados no mapa de informação anterior 258. Em alguns exemplos, o tipo de dados no mapa preditivo funcional 263 pode ser diferente do tipo de dados no mapa de informação anterior 258, mas tem uma relação com o tipo de dados no mapa de informação anterior 258. Por exemplo, em alguns exemplos, o tipo de dados no mapa de informação anterior 258 pode ser indicativo do tipo de dados no mapa preditivo funcional 263. Em alguns exemplos, o tipo de dados no mapa preditivo funcional 263 é diferente de um ou ambos do tipo de dados in situ detectados pelos sensores in situ 208 e o tipo de dados no mapa de informação anterior 258. Em alguns exemplos, o tipo de dados no mapa preditivo funcional 263 é o mesmo que um ou ambos do tipo de dados in situ detectados pelos sensores in situ 208 e o tipo de dados no mapa de informação anterior 258. Em alguns exemplos, o tipo de dados no mapa preditivo funcional 263 é o mesmo que um do tipo de dados in situ detectado pelos sensores in situ 208 ou o tipo de dados no mapa de informação anterior 258 e diferente do outro.

[0061] Continuando com o exemplo de índice vegetativo anterior, o gerador de mapa preditivo 212 pode usar os valores de índice vegetativo no mapa de informação anterior 258 e o modelo gerado pelo gerador de modelo preditivo 210 para gerar um mapa preditivo funcional 263 que prevê o tamanho de espiga em diferentes locais no campo. O gerador de mapa preditivo 212, portanto, emite o mapa preditivo 264.

[0062] Como mostrado na Figura 2, o mapa preditivo 264 prevê o valor de uma característica, que pode ser a mesma característica detectada pelo (s) sensor(es) in situ 208, ou uma característica relacionada à característica detectada pelo (s) sensor(es) in situ 208, em vários locais em todo o campo com base em um valor de informação anterior no mapa de informação anterior 258 nessas localizações (ou locais com informação contextuais semelhantes, mesmo se em um campo diferente) e usando o modelo preditivo. Por exemplo, se o gerador de modelo preditivo 210 gerou um modelo preditivo indicativo de uma relação entre um valor de índice vegetativo e tamanho de espiga, então, dado o valor de índice vegetativo em diferentes locais ao longo do campo, o gerador de mapa preditivo 212 gera um mapa preditivo 264 que prevê o valor do tamanho de espiga em diferentes locais do campo. O valor do índice vegetativo, obtido a partir do mapa de informação anterior 258, nessas localizações e a relação entre o valor do índice vegetativo e o tamanho de espiga, obtido a partir do modelo preditivo, são usados para gerar o mapa preditivo 264.

[0063] Algumas variações nos tipos de dados que são mapeados no mapa de informação anterior 258, os tipos de dados detectados por sensores in situ 208 e os tipos de dados previstos no mapa preditivo 264 serão agora descritos.

[0064] Em alguns exemplos, o tipo de dados no mapa de informação anterior 258 é diferente do tipo de dados detectado por sensores in-situ 208, mas o tipo de dados no mapa preditivo 264 é o mesmo que o tipo de dados detectado pelos sensores in situ 208 Por exemplo, o mapa de informação anterior 258 pode ser um mapa de índice vegetativo e a variável detectada pelos sensores in situ 208 pode ser o tamanho de espiga. O mapa preditivo 264 pode, então, ser um mapa preditivo do tamanho de espiga que mapeia os valores previstos do tamanho de espiga para diferentes localizações geográficas no campo. Em outro exemplo, o mapa de informação anterior 258 pode ser um mapa de semeadura e a variável detectada pelos sensores in-situ 208 pode ser o tamanho de espiga. O mapa preditivo 264 pode, então, ser um mapa preditivo do tamanho de espiga que mapeia os valores previstos do tamanho de espiga para diferentes localizações geográficas no campo.

[0065] Além disso, em alguns exemplos, o tipo de dados no mapa de informação anterior 258 é diferente do tipo de dados detectado por sensores in situ 208 e o tipo de dados no mapa preditivo 264 é diferente de ambos os tipos de dados no mapa de informação anterior 258 e o tipo de dados detectado pelos sensores in-situ 208. Por exemplo, o mapa de informação anterior 258 pode ser um mapa de índice vegetativo e a variável detectada pelos sensores in-situ 208 pode ser uma entrada de comando de operador indicativa de uma configuração de espaçamento de chapa de plataforma. O mapa preditivo 264 pode, então, ser um mapa preditivo do tamanho de espiga que mapeia os valores previstos do tamanho de espiga para diferentes localizações geográficas no campo. Em outro exemplo, o mapa de informação anterior 258 pode ser um mapa de índice vegetativo e a variável detectada pelos sensores in-situ 208 pode ser o tamanho de espiga. O mapa preditivo 264 pode, então, ser uma configuração de espaçamento preditivo da chapa de plataforma que mapeia as definições de espaçamento previsto da chapa de plataforma para diferentes localizações geográficas no campo.

[0066] Em alguns exemplos, o mapa de informação anterior 258 é de uma passagem anterior através do campo durante uma operação anterior e o tipo de dados é diferente do tipo de dados detectado por sensores in-situ 208, ainda que o tipo de dados no mapa preditivo 264 seja o mesmo que o tipo de dados detectado pelos sensores in-situ 208. Por exemplo, o mapa de informação anterior 258 pode ser um mapa de população de sementes gerado durante o plantio e a variável detectada pelos sensores in situ 208 pode ser o tamanho de espiga. O mapa preditivo 264 pode, então, ser um mapa preditivo do tamanho de espiga que mapeia os valores previstos do tamanho de espiga para diferentes localizações geográficas no campo. mapa preditivo 264

[0067] Em alguns exemplos, o mapa de informação anterior 258 é de uma passagem anterior através do campo durante uma operação anterior e o tipo de dados é o mesmo que o tipo de dados detectado por sensores in-situ 208 e o tipo de dados no mapa preditivo 264 é também o mesmo que o tipo de dados detectado pelos sensores in situ 208. Por exemplo, o mapa de informação anterior 258 pode ser um mapa de tamanho de espiga gerado durante um ano anterior e a variável detectada pelos sensores in-situ 208 pode ser o tamanho de espiga. O mapa preditivo 264 pode, então, ser um mapa preditivo do tamanho de espiga que mapeia os valores previstos do tamanho de espiga para diferentes localizações geográficas no campo. Em tal exemplo, as diferenças de tamanho de espiga relativas no mapa de informação anterior georreferenciado 258 do ano anterior podem ser usadas pelo gerador de modelo preditivo 210 para gerar um modelo preditivo que modela uma relação entre as diferenças de tamanho de espiga relativas no mapa de informação anterior 258 e os valores de tamanho de espiga detectados por sensores in-situ 208 durante a operação de colheita atual. O modelo preditivo é então usado pelo gerador de mapa preditivo 212 para gerar um mapa preditivo do tamanho de espiga.

Mapa preditivo 264

[0068] Em alguns exemplos, o mapa preditivo 264 pode ser fornecido ao gerador de zona de controle 213. O gerador de zona de controle 213 agrupa porções adjacentes de uma área em uma ou mais zonas de controle com base em valores de dados do mapa preditivo 264 que estão associados a essas porções adjacentes. Uma zona de controle pode incluir duas ou mais porções contíguas de uma área, como um campo, para o qual um parâmetro de controle correspondente à zona de controle para controlar um subsistema controlável é constante. Por exemplo, um tempo de resposta para alterar uma configuração de subsistemas controláveis 216 pode ser inadequado para responder satisfatoriamente às mudanças nos valores contidos em um mapa, como o mapa preditivo 264. Nesse caso, o gerador de zona de controle 213 analisa o mapa e identifica as zonas de controle que são de um tamanho definido para acomodar o tempo de resposta dos subsistemas controláveis 216. Em outro exemplo, as zonas de controle podem ser dimensionadas para reduzir o desgaste do movimento excessivo do atuador resultante do ajuste contínuo. Em alguns exemplos, pode haver um conjunto diferente de zonas de controle para cada subsistema controlável 216 ou para grupos de subsistemas controláveis 216. As zonas de controle podem ser adicionadas ao mapa preditivo 264 para obter o mapa de zona de controle preditivo 265. O mapa de zona de controle preditivo 265 pode, portanto, ser semelhante ao mapa de zona de controle preditivo 264, exceto que o mapa de zona de controle preditivo 265 inclui informação de zona de controle que definem as zonas de controle. Assim, um mapa preditivo funcional 263, conforme descrito aqui, pode ou não incluir zonas de controle. Tanto o mapa preditivo 264 quanto o mapa de zona de controle preditivo 265 são mapas preditivos funcionais 263. Em um exemplo, um mapa preditivo funcional 263 não inclui zonas de controle, como o mapa preditivo 264. Em outro exemplo, um mapa preditivo funcional 263 inclui zonas de controle, como o mapa de zona de controle preditivo 265. Em alguns exemplos, várias safras podem estar simultaneamente presentes em um campo se um sistema de produção consorciado for implementado. Nesse caso, o gerador de mapa preditivo 212 e o gerador de zona de controle 213 são capazes de identificar a localização e as características das duas ou mais safras e, em seguida, gerar o mapa preditivo 264 e o mapa de zona de controle preditivo 265 em conformidade.

[0069] Também será reconhecido que o gerador de zona de controle 213 pode agrupar valores para gerar zonas de controle e as zonas de controle podem ser adicionadas ao mapa de zona de controle preditivo 265, ou um mapa separado, mostrando apenas as zonas de controle que são geradas. Em alguns exemplos, as zonas de controle podem ser usadas para controlar ou calibrar a colheitadeira agrícola 100 ou ambas. Em outros exemplos, as zonas de controle podem ser apresentadas ao operador 260 e usadas para controlar ou calibrar a colheitadeira agrícola 100 e, em outros exemplos, as zonas de controle podem ser apresentadas ao operador 260 ou outro usuário ou armazenadas para uso posterior.

[0070] Mapa preditivo 264 ou mapa de zona de controle preditivo 265 ou ambos são fornecidos para o sistema de controle 214, que gera sinais de controle com base no mapa preditivo 264 ou mapa de zona de controle preditivo 265 ou ambos. Em alguns exemplos, o controlador do sistema de comunicação 229 controla o sistema de comunicação 206 para comunicar o mapa preditivo 264 ou mapa de zona de controle preditivo 265 ou sinais de controle com base no mapa de zona de controle preditivo 264 ou mapa de zona de controle preditivo 265 para outras colheitadeiras agrícolas que estão colhendo no mesmo campo. Em alguns exemplos, o controlador do sistema de comunicação 229 controla o sistema de comunicação 206 para enviar o mapa preditivo 264, o mapa de zona de controle preditivo 265 ou ambos para outros sistemas remotos.

[0071] O controlador de interface de operador 231 é operável para gerar sinais de controle para controlar os mecanismos de interface de operador 218. O controlador de interface de operador 231 também é operável para apresentar o mapa preditivo 264 ou mapa de zona de controle preditivo 265 ou outra informação derivada de ou com base no mapa preditivo 264, mapa de zona de controle preditivo 265 ou ambos para o operador 260. O operador 260 pode ser um operador local ou um operador remoto. Como um exemplo, o controlador 231 gera sinais de controle para controlar um mecanismo de exibição para exibir um ou ambos o mapa preditivo 264 e o mapa de zona de controle preditivo 265 para o operador 260. O controlador 231 pode gerar mecanismos acionáveis pelo operador que são exibidos e podem ser acionados pelo operador para interagir com o mapa exibido. O operador pode editar o mapa, por exemplo, corrigindo um valor de rendimento exibido no mapa com base na observação do operador. O controlador de definições 232 pode gerar sinais de controle para controlar várias definições na colheitadeira agrícola 100 com base no mapa preditivo 264, o mapa de zona de controle preditivo 265 ou ambos. Por exemplo, o controlador de definições 232 pode gerar sinais de controle para controlar a máquina e os atuadores de coletor 248. Em resposta aos sinais de controle gerados, a máquina e os atuadores do coletor 248 operam para controlar, por exemplo, uma ou mais das definições da crivo e do forro, definições da chapa de plataforma, como espaçamento da chapa de plataforma ou posição da chapa de plataforma, ou ambos, folga côncava , definições do rotor, definições de velocidade do ventilador de limpeza, altura do coletor, funcionalidade do coletor, velocidade do molinete, posição do molinete, funcionalidade da esteira (em que a colheitadeira 100 agrícola é acoplada a um coletor da esteira), funcionalidade do coletor de milho, controle de distribuição interna e outros atuadores 248 que afetam as outras funções da colheitadeira agrícola 100. O controlador de planejamento de caminho 234 gera, de forma ilustrativa, sinais de controle para controlar o subsistema de direção 252 para orientar a colheitadeira agrícola 100 de acordo com um caminho desejado. O controlador de planejamento de caminho 234 pode controlar um sistema de planejamento de caminho para gerar uma rota para a colheitadeira agrícola 100 e pode controlar o subsistema de propulsão 250 e o subsistema de direção 252 para orientar a colheitadeira agrícola 100 ao longo dessa rota. O controlador de taxa de alimentação 236 pode controlar vários subsistemas, como o subsistema de propulsão 250 e atuadores de máquina 248, para controlar uma taxa de alimentação com base no mapa preditivo 264 ou mapa de zona de controle preditivo 265 ou ambos. Por exemplo, conforme a colheitadeira agrícola 100 se aproxima de uma área que produz acima de um limite selecionado, o controlador de taxa de alimentação 236 pode reduzir a velocidade da colheitadeira agrícola 100 para manter a taxa de alimentação constante de grãos ou biomassa através da máquina. O controlador de plataforma e carretel 238 pode gerar sinais de controle para controlar um coletor ou um cilindro ou outra funcionalidade de plataforma. O controlador de esteira de esteira 240 pode gerar sinais de controle para controlar uma esteira de esteira ou outra funcionalidade de esteira com base no mapa preditivo 264, mapa de zona de controle preditivo 265 ou ambos. O controlador de posição de chapa de plataforma 242 pode gerar sinais de controle para controlar uma posição de uma chapa de plataforma incluída em um coletor com base no mapa preditivo 264 ou mapa de zona de controle preditivo 265 ou ambos, e o controlador de sistema de resíduo 244 pode gerar sinais de controle para controlar um subsistema de resíduo 138 com base no mapa preditivo 264 ou mapa de zona de controle preditivo 265, ou ambos. O controlador de limpeza de máquina 245 pode gerar sinais de controle para controlar o subsistema de limpeza de máquina 254. Por exemplo, com base nos diferentes tipos de sementes ou ervas daninhas passadas pela colheitadeira agrícola 100, um tipo particular de operação de limpeza de máquina ou uma frequência com a qual uma operação de limpeza é realizada pode ser controlada. Outros controladores incluídos na colheitadeira agrícola 100 podem controlar outros subsistemas com base no mapa preditivo 264 ou mapa de zona de controle preditivo 265 ou ambos também.

[0072] A Figura 3A e 3B (coletivamente referidos aqui como Figura 3) mostram um diagrama de fluxo que ilustra um exemplo da operação da colheitadeira agrícola 100 na geração de um mapa preditivo 264 e mapa de zona de controle preditivo 265 com base no mapa de informação anterior 258.

[0073] Em 280, a colheitadeira agrícola 100 recebe o mapa de informação prévia 258. Exemplos de mapa de informação anterior 258 ou recepção de mapa de informação anterior 258 são discutidos em relação aos blocos, 282, 284 e 286. Como discutido acima, o mapa de informação anterior 258 mapeia valores de uma variável, correspondendo a uma primeira característica, para diferentes locais no campo, conforme indicado no bloco 282. Por exemplo, os dados podem ser coletados com base em imagens aéreas ou características medidas tomadas durante um ano anterior. A informação também pode ser baseada em dados detectados de outras maneiras (além do uso de imagens aéreas). Por exemplo, em um ano anterior, uma colheitadeira agrícola 100 pode ter sido equipada com um sensor que detectou e geolocalizou uma característica enquanto a colheitadeira agrícola 100 viajava através de um campo. A informação também pode ser baseada em dados detectados de outras maneiras (além do uso de imagens aéreas). Os dados coletados antes da operação de colheita atual, seja por meio de imagens aéreas ou de outra forma, são indicados pelo bloco 284. O mapa de informação anterior 258 pode ser baixado pela colheitadeira agrícola 100 usando o sistema de comunicação 206 e armazenado no armazenamento de dados 202. O mapa de informação anterior 258 pode ser carregado na colheitadeira agrícola 100 usando o sistema de comunicação 206 de outras maneiras também, e o carregamento do mapa de informação anterior 258 na colheitadeira agrícola 100 é indicado pelo bloco 286 no diagrama de fluxo da Figura 3. Em alguns exemplos, o mapa de informação anterior 258 pode ser recebido pelo sistema de comunicação 206.

[0074] No bloco 287, o seletor de mapa de informação anterior 209 pode selecionar um ou mais mapas da pluralidade de mapas de informação anterior candidatos recebidos no bloco 280. Por exemplo, vários anos de mapas de rendimento histórico podem ser recebidos como candidatos a mapas de informação anterior. Cada um desses mapas pode conter informação contextuais, como padrões climáticos ao longo de um período de tempo, como um ano, surtos de pragas em um período de tempo, como um ano, tipos de solo, etc. A informação contextual pode ser usada para selecionar qual mapa de rendimento histórico deve ser selecionado. Por exemplo, as condições climáticas ao longo de um período de tempo, como em um ano atual, ou os tipos de solo para o campo atual podem ser comparados com as condições climáticas e o tipo de solo na informação contextual para cada mapa de informação prévia candidato. Os resultados de tal comparação podem ser usados para selecionar qual mapa de rendimento histórico deve ser selecionado. Por exemplo, anos com condições climáticas semelhantes podem geralmente produzir safras semelhantes ou tendências de safra em um campo. Em alguns casos, anos com condições climáticas opostas também podem ser úteis para prever o tamanho de espiga com base no rendimento histórico. Por exemplo, uma área com espigas pequenas em um ano seco pode ter espigas grandes em um ano chuvoso. O processo pelo qual um ou mais mapas de informação anterior são selecionados pelo seletor de mapas de informação anterior 209 pode ser manual, semiautomático ou automatizado. Em alguns exemplos, durante uma operação de colheita, o seletor de mapa de informação anterior 209 pode continuamente ou intermitentemente determinar se um mapa de informação anterior diferente tem uma relação melhor com o valor do sensor in situ. Se um mapa de informação anterior diferente está correlacionado com os dados in situ mais de perto, então o seletor de mapa de informação anterior 209 pode substituir o mapa de informação anterior atualmente selecionado com o mapa de informação anterior mais correlativo.

[0075] Após o início de uma operação de colheita, os sensores in situ 208 geram sinais de sensor indicativos de um ou mais valores de dados in situ indicativos de uma característica da planta, como um tamanho de espiga, conforme indicado pelo bloco 288. Exemplos de sensores in situ 288 são discutidos em relação aos blocos 222, 290 e 226. Como explicado acima, os sensores in situ 208 incluem sensores integrados 222; sensores remotos in-situ 224, tais como sensores baseados em UAV operados em um momento para reunir dados in-situ, mostrados no bloco 290; ou outros tipos de sensores in situ, designados por sensores in situ 226. Alguns exemplos de sensores in situ 208 são mostrados na Figura 8. Em alguns exemplos, os dados dos sensores de bordo são georreferenciados usando o título de posição ou dados de velocidade do sensor de posição geográfica 204.

[0076] O gerador de modelo preditivo 210 controla a variável de informação anterior para o gerador de modelo variável in situ 228 para gerar um modelo que modela uma relação entre os valores mapeados contidos no mapa de informação anterior 258 e os valores in situ detectados pelo in-situ sensores 208 como indicado pelo bloco 292. As características ou tipos de dados representados pelos valores mapeados no mapa de informação anterior 258 e os valores in situ detectados pelos sensores in situ 208 podem ser as mesmas características ou tipo de dados ou características ou tipos de dados diferentes.

[0077] A relação ou modelo gerado pelo gerador de modelo preditivo 210 é fornecido ao gerador de mapa preditivo 212. O gerador de mapa preditivo 212 gera um mapa preditivo 264 que prevê um valor da característica detectada pelos sensores in-situ 208 em diferentes localizações geográficas em um campo sendo colhido, ou uma característica diferente que está relacionada à característica detectada pelo in-situ sensores 208, usando o modelo preditivo e o mapa de informação anterior 258, conforme indicado pelo bloco 294.

[0078] Deve-se notar que, em alguns exemplos, o mapa de informação anterior 258 pode incluir dois ou mais mapas diferentes ou duas ou mais camadas de mapa diferentes de um único mapa. Cada camada do mapa pode representar um tipo de dados diferente do tipo de dados de outra camada do mapa ou as camadas do mapa podem ter o mesmo tipo de dados que foram obtidos em momentos diferentes. Cada mapa em dois ou mais mapas diferentes ou cada camada em duas ou mais camadas de mapa diferentes de um mapa mapeia um tipo diferente de variável para as localizações geográficas no campo. Em tal exemplo, o gerador de modelo preditivo 210 gera um modelo preditivo que modela a relação entre os dados in situ e cada uma das diferentes variáveis mapeadas pelos dois ou mais mapas diferentes ou pelas duas ou mais camadas de mapas diferentes. Da mesma forma, os sensores in situ 208 podem incluir dois ou mais sensores, cada um detectando um tipo diferente de variável. Assim, o gerador de modelo preditivo 210 gera um modelo preditivo que modela as relações entre cada tipo de variável mapeada pelo mapa de informação anterior 258 e cada tipo de variável detectada pelos sensores in situ 208. O gerador de mapa preditivo 212 pode gerar um mapa preditivo funcional 263 que prevê um valor para cada característica detectada pelos sensores in-situ 208 (ou uma característica relacionada à característica detectada) em diferentes locais no campo sendo colhidos usando o modelo preditivo e cada um dos mapas ou camadas de mapa no mapa de informação anterior 258.

[0079] O gerador de mapa preditivo 212 configura o mapa preditivo 264 de modo que o mapa preditivo 264 seja acionável (ou consumível) pelo sistema de controle 214. O gerador de mapa preditivo 212 pode fornecer o mapa preditivo 264 para o sistema de controle 214 ou para controlar o gerador de zona 213 ou ambos. Alguns exemplos de diferentes maneiras em que o mapa preditivo 264 pode ser configurado ou de saída são descritos em relação aos blocos 296, 295, 299 e 297. Por exemplo, o gerador de mapa preditivo 212 configura o mapa preditivo 264 de modo que o mapa preditivo 264 inclua valores que podem ser lidos pelo sistema de controle 214 e usados como base para gerar sinais de controle para um ou mais dos diferentes subsistemas controláveis da colheitadeira agrícola 100, como indicado pelo bloco 296.

[0080] O gerador de zona de controle 213 pode dividir o mapa preditivo 264 em zonas de controle com base nos valores no mapa preditivo 264. Os valores geolocalizados de forma contígua que estão dentro de um valor limite um do outro podem ser agrupados em uma zona de controle. O valor limite pode ser um valor limite padrão ou o valor limite pode ser definido com base em uma entrada do operador, com base em uma entrada de um sistema automatizado ou com base em outros critérios. Um tamanho das zonas pode ser baseado em uma capacidade de resposta do sistema de controle 214, os subsistemas controláveis 216 ou com base em considerações de desgaste ou em outros critérios, conforme indicado pelo bloco 295. O gerador de mapa preditivo 212 configura o mapa preditivo 264 para apresentação a um operador ou outro usuário. O gerador de zona de controle 213 pode configurar o mapa de zona de controle preditivo 265 para apresentação a um operador ou outro usuário. Isso é indicado pelo bloco 299. Quando apresentado a um operador ou outro usuário, a apresentação do mapa preditivo 264 ou mapa de zona de controle preditivo 265 ou ambos podem conter um ou mais dos valores preditivos no mapa preditivo 264 correlacionados à localização geográfica, as zonas de controle na zona de controle preditivo mapa 265 correlacionado com a localização geográfica e valores de definições ou parâmetros de controle que são usados com base nos valores previstos no mapa preditivo 264 ou zonas no mapa de zona de controle preditivo 265. A apresentação pode, em outro exemplo, incluir informação mais abstratas ou informação mais detalhadas. A apresentação também pode incluir um nível de confiança que indica uma precisão com a qual os valores preditivos no mapa preditivo 264 ou as zonas no mapa de zona de controle preditivo 265 estão em conformidade com os valores medidos que podem ser medidos por sensores na colheitadeira 100 conforme a colheitadeira 100 se move. o campo. Além disso, quando a informação é apresentada a mais de uma localização, um sistema de autenticação/autorização pode ser fornecido para implementar processos de autenticação e autorização. Por exemplo, pode haver uma hierarquia de indivíduos autorizados a visualizar e alterar mapas e outra informação apresentada. A título de exemplo, um dispositivo de exibição a bordo pode mostrar os mapas em tempo quase real localmente na máquina, apenas, ou os mapas também podem ser gerados em um ou mais locais remotos. Em alguns exemplos, cada dispositivo de exibição física em cada local pode ser associado a uma pessoa ou a um nível de permissão do usuário. O nível de permissão do usuário pode ser usado para determinar quais marcadores de exibição são visíveis no dispositivo de exibição físico e quais valores a pessoa correspondente pode alterar. Como um exemplo, um operador local da colheitadeira agrícola 100 pode ser incapaz de ver a informação correspondente ao mapa preditivo 264 ou fazer qualquer alteração na operação da máquina. Um supervisor, em uma localização remoto, no entanto, pode ser capaz de ver o mapa preditivo 264 no visor, mas não pode fazer alterações. Um gerente, que pode estar em uma localização remoto separado, pode ser capaz de ver todos os elementos no mapa preditivo 264 e também alterar o mapa preditivo 264 que é usado no controle da máquina. Este é um exemplo de uma hierarquia de autorização que pode ser implementada. O mapa preditivo 264 ou mapa de zona de controle preditivo 265 ou ambos podem ser configurados de outras maneiras também, conforme indicado pelo bloco 297.

[0081] No bloco 298, a entrada do sensor de posição geográfica 204 e outros sensores in situ 208 são recebidos pelo sistema de controle. O bloco 300 representa o recebimento pelo sistema de controle 214 de uma entrada do sensor de posição geográfica 204 identificando uma localização geográfica da colheitadeira agrícola 100. O bloco 302 representa o recebimento pelo sistema de controle 214 de entradas de sensor indicativas da trajetória ou direção da colheitadeira agrícola 100 e o bloco 304 representa o recebimento pelo sistema de controle 214 de uma velocidade da colheitadeira agrícola 100. O bloco 306 representa o recebimento pelo sistema de controle 214 de outra informação de vários sensores in-situ 208.

[0082] No bloco 308, o sistema de controle 214 gera sinais de controle para controlar os subsistemas controláveis 216 com base no mapa preditivo 264 ou mapa de zona de controle preditivo 265 ou ambos e a entrada do sensor de posição geográfica 204 e quaisquer outros sensores in situ 208. No bloco 310, o sistema de controle 214 aplica os sinais de controle aos subsistemas controláveis. Será reconhecido que os sinais de controle específicos que são gerados e os subsistemas controláveis 216 que são controlados podem variar com base em uma ou mais coisas diferentes. Por exemplo, os sinais de controle que são gerados e os subsistemas controláveis 216 que são controlados podem ser baseados no tipo de mapa preditivo 264 ou mapa de zona de controle preditivo 265 ou ambos que estão sendo usados. Da mesma forma, os sinais de controle que são gerados e os subsistemas controláveis 216 que são controlados e a temporização dos sinais de controle podem se basear em várias latências de fluxo de colheita através da colheitadeira agrícola 100 e a capacidade de resposta dos subsistemas controláveis 216.

[0083] A título de exemplo, um mapa preditivo gerado 264 na forma de um mapa preditivo do tamanho de espiga pode ser usado para controlar um ou mais subsistemas controláveis 216. Por exemplo, o mapa de tamanho de espiga preditivo funcional pode incluir valores de tamanho de espiga georreferenciados para locais dentro do campo que está sendo colhido. O mapa de tamanho de espiga preditivo funcional pode ser extraído e usado para controlar o espaçamento ou posição de um ou mais conjuntos de chapas de plataforma no coletor 102 da colheitadeira agrícola 100. mapa preditivo 264 O exemplo anterior envolvendo espaçamento de chapa de plataforma ou controle de posição de chapa de plataforma usando um o mapa de tamanho de espiga preditivo funcional é fornecido apenas como um exemplo. Consequentemente, uma grande variedade de outros sinais de controle pode ser gerada usando valores obtidos a partir de um mapa preditivo do tamanho de espiga ou outro tipo de mapa preditivo funcional 263 para controlar um ou mais dos subsistemas controláveis 216.

[0084] No bloco 312, é feita uma determinação se a operação de colheita foi concluída. Se a colheita não for concluída, o processamento avança para o bloco 314, em que os dados do sensor in-situ do sensor de posição geográfica 204 e sensores in-situ 208 (e talvez outros sensores) continuam a ser lidos.

[0085] Em alguns exemplos, no bloco 316, a colheitadeira agrícola 100 também pode detectar critérios de engatilhamento de aprendizagem para realizar a aprendizagem de máquina em um ou mais do mapa preditivo 264, mapa de zona de controle preditivo 265, o modelo gerado pelo gerador de modelo preditivo 210, as zonas geradas por gerador de zona de controle 213, um ou mais algoritmos de controle implementados pelos controladores no sistema de controle 214 e outro aprendizado acionado.

[0086] Os critérios de engatilhamento de aprendizagem podem incluir qualquer um de uma ampla variedade de critérios diferentes. Alguns exemplos de critérios de detecção de engatilhamento são discutidos em relação aos blocos 318, 320, 321, 322 e 324. Por exemplo, em alguns exemplos, o aprendizado desencadeado pode envolver a recriação de um relacionamento usado para gerar um modelo preditivo quando uma quantidade limite de dados de sensor in-situ são obtidos de sensores in-situ 208. Em tais exemplos, o recebimento de uma quantidade de dados de sensor in-situ dos sensores in-situ 208 que excede um limite aciona ou faz com que o gerador de modelo preditivo 210 gere um novo modelo preditivo que é usado pelo gerador de mapa preditivo 212. Assim, conforme a colheitadeira agrícola 100 continua uma operação de colheita, o recebimento da quantidade limite de dados do sensor in-situ dos sensores in-situ 208 desencadeia a criação de uma nova relação representada por um modelo preditivo gerado pelo gerador de modelo preditivo 210. Além disso, o novo mapa preditivo 264, mapa de zona de controle preditivo 265 ou ambos podem ser regenerados usando o novo modelo preditivo. O bloco 318 representa a detecção de uma quantidade limite de dados do sensor in-situ usados para acionar a criação de um novo modelo preditivo.

[0087] Em outros exemplos, os critérios de engatilhamento de aprendizagem podem se basear em quanto os dados do sensor in-situ dos sensores in-situ 208 estão mudando, como ao longo do tempo ou em comparação com os valores anteriores. Por exemplo, se as variações nos dados do sensor insitu (ou a relação entre os dados do sensor in-situ e as informação no mapa de informação anterior 258) estiverem dentro de um intervalo selecionado ou for menor do que uma quantidade definida ou estiver abaixo de um valor limite, então, um novo modelo preditivo não é gerado pelo gerador de modelo preditivo 210. Como resultado, o gerador de mapa preditivo 212 não gera um novo mapa preditivo 264, mapa de zona de controle preditivo 265 ou ambos. No entanto, se as variações dentro dos dados do sensor in situ estiverem fora do intervalo selecionado, forem maiores do que a quantidade definida ou estiverem acima do valor de limite, por exemplo, então o gerador de modelo preditivo 210 gera um novo modelo preditivo usando todos ou uma porção dos dados do sensor in situ recém-recebidos que o gerador de mapa preditivo 212 usa para gerar um novo mapa preditivo 264. No bloco 320, variações nos dados do sensor in situ, tais como uma magnitude de uma quantidade pela qual os dados excedem o intervalo selecionado ou uma magnitude da variação da relação entre os dados do sensor in situ e as informação anterior mapa de informação 258, pode ser usado como um engatilhamento para causar a geração de um novo modelo preditivo e mapa preditivo. Mantendo os exemplos descritos acima, o limite, a faixa e a quantidade definida podem ser ajustados para os valores padrão; definido por um operador ou interação do usuário por meio de uma interface do usuário; definido por um sistema automatizado; ou definido de outras maneiras.

[0088] Outros critérios de engatilhamento de aprendizagem também podem ser usados. Por exemplo, se o gerador de modelo preditivo 210 mudar para um mapa de informação anterior diferente (diferente do mapa de informação anterior originalmente selecionado 258), então, mudar para o mapa de informação anterior diferente pode desencadear a reaprendizagem pelo gerador de modelo preditivo 210, gerador de mapa preditivo 212, gerador de zona de controle 213, sistema de controle 214 ou outros itens. Em outro exemplo, a transição da colheitadeira agrícola 100 para uma topografia diferente ou para uma zona de controle diferente também pode ser usada como critério de engatilhamento de aprendizagem.

[0089] Em alguns casos, o operador 260 também pode editar o mapa preditivo 264 ou mapa de zona de controle preditivo 265 ou ambos. As edições podem alterar um valor no mapa preditivo 264; alterar um tamanho, forma, posição ou existência de uma zona de controle no mapa de zona de controle preditivo 265; ou ambos. O bloco 321 mostra que a informação editada pode ser usada como critérios de ativação de aprendizagem.

[0090] Em alguns casos, também pode ser que o operador 260 observe que o controle automatizado de um subsistema controlável não é o que o operador deseja. Em tais casos, o operador 260 pode fornecer um ajuste manual ao subsistema controlável refletindo que o operador 260 deseja que o subsistema controlável opere de uma maneira diferente daquela que está sendo comandada pelo sistema de controle 214. Assim, a alteração manual de uma configuração pelo operador 260 pode fazer com que um ou mais do gerador de modelo preditivo 210 reaprenda um modelo, gerador de mapa preditivo 212 para regenerar o mapa 264, gerador de zona de controle 213 para regenerar uma ou mais zonas de controle na zona de controle preditivo mapa 265 e sistema de controle 214 para reaprender um algoritmo de controle ou para realizar aprendizado de máquina em um ou mais dos componentes do controlador 232 a 246 no sistema de controle 214 com base no ajuste pelo operador 260, como mostrado no bloco 322. O bloco 324 representa o uso de outros critérios de aprendizagem acionados.

[0091] Em outros exemplos, a reaprendizagem pode ser realizada periodicamente ou intermitentemente com base, por exemplo, em um intervalo de tempo selecionado, como um intervalo de tempo discreto ou um intervalo de tempo variável, conforme indicado pelo bloco 326.

[0092] Se a reaprendizagem for acionada, seja com base em critérios de engatilhamento de aprendizagem ou com base na passagem de um intervalo de tempo, conforme indicado pelo bloco 326, então um ou mais dentre o gerador de modelo preditivo 210, gerador de mapa preditivo 212, gerador de zona de controle 213 e sistema de controle 214 realiza aprendizado de máquina para gerar um novo modelo preditivo, um novo mapa preditivo, uma nova zona de controle e um novo algoritmo de controle, respectivamente, com base nos critérios de engatilhamento de aprendizado. O novo modelo preditivo, o novo mapa preditivo e o novo algoritmo de controle são gerados usando quaisquer dados adicionais que foram coletados desde a última operação de aprendizado realizada. A realização da reaprendizagem é indicada pelo bloco 328.

[0093] Se a operação de colheita foi concluída, a operação se move do bloco 312 para o bloco 330, em que um ou mais do mapa preditivo 264, mapa de zona de controle preditivo 265 e modelo preditivo gerado pelo gerador de modelo preditivo 210 são armazenados. O mapa preditivo 264, o mapa de zona de controle preditivo 265 e o modelo preditivo podem ser armazenados localmente no armazenamento de dados 202 ou enviados para um sistema remoto usando o sistema de comunicação 206 para uso posterior.

[0094] 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 pode receber, ao gerar um modelo preditivo e um mapa preditivo funcional, respectivamente, outros tipos de mapas, incluindo mapas preditivos, como um mapa preditivo funcional gerado durante a operação de colheita.

[0095] A Figura 4 é um diagrama de blocos de uma porção da colheitadeira agrícola 100 mostrada na Figura 1. Particularmente, a Figura 4 mostra, entre outras coisas, exemplos do gerador de modelo preditivo 210 e do gerador de mapa preditivo 212 em mais detalhes. A Figura 4 também ilustra o fluxo de informação entre os vários componentes nele mostrados. Como mostrado, o gerador de modelo preditivo 210 recebe, como um mapa, um ou mais de um mapa de índice vegetativo 332, um mapa de rendimento 333 (tal como um mapa de rendimento preditivo 335 ou um mapa de rendimento histórico 337), um mapa de semeadura 399, ou um mapa de operação anterior 400. Em alguns exemplos, o gerador de modelo 210 pode receber vários outros mapas 401. O mapa de rendimento preditivo 335 inclui valores de rendimento preditivo georreferenciados. O mapa de rendimento preditivo 335 pode ser gerado usando um processo descrito na Figura 3, em que o mapa de informação anterior inclui um mapa de índice vegetativo ou um mapa de rendimento histórico e o sensor in situ inclui um sensor de rendimento. O mapa de rendimento preditivo 335 também pode ser gerado de outras maneiras. O mapa de rendimento histórico 337 inclui valores de rendimento históricos indicativos de valores de rendimento em todo o campo durante uma colheita anterior. O mapa de rendimento histórico 337 também inclui dados contextuais que indicam o contexto ou as condições que podem ter influenciado o valor de rendimento no(s) ano (s) anterior (es). Por exemplo, os dados contextuais podem incluir tipo de solo, elevação, declive, data da planta, data de colheita, aplicação de fertilizante, tipo de semente (por exemplo, híbridos, etc.), uma medida da presença de ervas daninhas, uma medida da presença de pragas, condições climáticas (por exemplo, precipitação, cobertura de neve, granizo, vento, temperatura, etc.). O mapa de rendimento histórico 337 pode incluir outros itens também. [adicionar informação do mapa de semeadura]

[0096] Além de receber um ou mais mapas, o gerador de modelo preditivo 210 também recebe uma localização geográfica 334, ou uma indicação de uma localização geográfica, a partir do sensor de posição geográfica 204. Sensores in situ 208 ilustrativamente incluem um sensor de tamanho de espiga 336, bem como um sistema de processamento 338. Em alguns exemplos, o sensor de tamanho de espiga 336 pode ser uma colheitadeira agrícola 100 a bordo. O sistema de processamento 338 processa dados de sensor gerados a partir dos sensores de tamanho de espiga 336. Alguns outros exemplos de sensores in situ 208 também são mostrados na Figura 8.

[0097] Em alguns exemplos, o sensor de tamanho de espiga 336 pode ser um sensor óptico na colheitadeira agrícola 100. Em alguns casos, o sensor óptico pode ser uma câmera ou outro dispositivo que realiza detecção óptica. O sistema de processamento 338 processa uma ou mais imagens obtidas por meio do sensor de tamanho de espiga 336 para gerar dados de imagem processados que identificam uma ou mais características da vegetação, como plantas de cultivo, na imagem. As características de vegetação detectadas pelo sistema de processamento 338 podem incluir características de tamanho das espigas das plantas, como espigas de milho. Por exemplo, o sistema de processamento 338 pode detectar um diâmetro, um comprimento ou um peso de espigas contidas em uma imagem.

[0098] O sistema de processamento 338 também pode localizar geograficamente os valores recebidos do sensor in-situ 208. Por exemplo, a localização da colheitadeira agrícola no momento em que um sinal do sensor insitu 208 pode não representar com precisão a localização do valor no campo. Isso ocorre porque uma quantidade de tempo pode decorrer entre o momento em que a colheitadeira agrícola faz o contato inicial com a característica e quando a característica é detectada pelo sensor in-situ 208 ou inversamente, particularmente no caso de um sensor óptico de tamanho de espiga voltado para a frente, um quantidade de tempo pode decorrer entre o momento em que a característica é detectada pelo sensor in-situ 208 e o momento em que a colheitadeira agrícola faz contato com a característica. Assim, um tempo transitório entre quando uma característica é encontrada e quando a característica é detectada por um sensor in-situ 208 (ou vice-versa) é levado em consideração ao georreferenciar os dados detectados. Ao fazer isso, o valor da característica pode ser georreferenciado com precisão para uma localização no campo.

[0099] A título de ilustração, no contexto dos valores de rendimento, devido ao deslocamento da colheita cortada ao longo de um coletor em uma direção que é transversal a uma direção de deslocamento da colheitadeira agrícola, os valores de rendimento normalmente se localizam em uma área em forma de chevron atrás da colheitadeira agrícola à medida que a colheitadeira agrícola se desloca para a frente. O sistema de processamento 338 aloca ou distribui um rendimento agregado detectado por um sensor de rendimento durante cada tempo ou intervalo de medição de volta às regiões georreferenciadas anteriores com base nos tempos de viagem da colheita de diferentes porções da colheitadeira agrícola, como diferentes locais laterais ao longo de uma largura de um coletor da colheitadeira agrícola. Por exemplo, o sistema de processamento 338 aloca um rendimento agregado medido a partir de um intervalo de medição ou tempo de volta para regiões georreferenciadas que foram percorridas por um coletor da colheitadeira agrícola durante diferentes intervalos de medição ou tempos. O sistema de processamento 338 distribui ou aloca o rendimento agregado de um determinado intervalo de medição ou tempo para regiões georreferenciadas previamente percorridas que fazem parte da área de forma de chevron.

[00100] Em outros exemplos, o sensor de tamanho de espiga 336 pode contar com diferentes tipos de radiação e a maneira como a radiação é refletida, absorvida, atenuada ou transmitida através da vegetação. O sensor de tamanho de espiga 336 pode detectar outras propriedades eletromagnéticas de grãos e biomassa, como permissividade elétrica quando o material passa entre duas placas capacitivas. O sensor de tamanho de espiga 336 também pode contar com propriedades mecânicas da vegetação, como um sinal gerado quando a espiga impacta um elemento piezoelétrico ou quando o impacto é detectado por um microfone ou acelerômetro. Outras propriedades de materiais e sensores também podem ser usadas. Em alguns exemplos, dados brutos ou processados do sensor de tamanho de espiga 336 podem ser apresentados ao operador 260 por meio do mecanismo de interface do operador 218. O operador 260 pode estar a bordo da colheitadeira agrícola de trabalho 100 ou em uma localização remoto. O sensor de tamanho de espiga 336 pode incluir quaisquer outros exemplos aqui descritos, bem como qualquer outro sensor configurado para gerar um sinal de sensor indicativo de um tamanho de espigas de vegetação, como espigas de milho. Em alguns exemplos, os dados de vários sensores podem ser usados para determinar o tamanho e as dimensões da espiga. Para dimensionar uma determinada espiga, uma abordagem pode ser selecionada a partir de um conjunto de abordagens com base na espiga sendo descascada, parcialmente descascada ou não descascada, doente, danificada ou algum outro atributo definidor.

[00101] A presente discussão prossegue com relação a um exemplo em que um sensor de tamanho de espiga 336 gera sinais de sensor indicativos de uma característica de tamanho, tal como um diâmetro, um comprimento ou um peso de espigas de planta, tal como um diâmetro, um comprimento ou um peso das espigas de milho. Como mostrado na Figura 4, o gerador de modelo preditivo 210 inclui um gerador de modelo de tamanho de índice vegetativo para espiga 342, um gerador de modelo de tamanho de rendimento para espiga 344 e um gerador de modelo de tamanho de característica de semeadura para espiga 346. Em outros exemplos, o gerador de modelo preditivo 210 pode incluir componentes adicionais, menos ou diferentes do que aqueles mostrados no exemplo da Figura 4. Consequentemente, em alguns exemplos, o gerador de modelo preditivo 210 pode incluir outros itens 348 também, que podem incluir outros tipos de geradores de modelo preditivo para gerar outros tipos de modelos de tamanho de espiga. Por exemplo, o gerador de modelo preditivo 210 pode incluir um gerador de modelo de característica para espiga de operação anterior, por exemplo, a característica de operação anterior pode ser um tamanho de espiga histórico detectado durante uma operação de colheita anterior e, assim, o gerador de modelo de previsão 210 pode incluir um gerador de modelo de tamanho de espiga a espiga histórico que identifica uma relação entre os valores históricos do tamanho de espiga e um valor do tamanho de espiga detectado in-situ.

[00102] O gerador de modelo de índice vegetativo para tamanho de espiga 342 identifica uma relação entre os dados de tamanho de espiga in-situ 340 em localizações geográficas correspondentes a em que os dados de tamanho de espiga in-situ 340 foram geolocalização e valores de índice vegetativo do mapa de índice vegetativo 332 correspondendo aos mesmos locais no campo em que os dados do tamanho de espiga 340 foram geolocalização. Com base nesta relação estabelecida pelo gerador de modelo de índice vegetativo para tamanho de espiga 342, o gerador de modelo de índice vegetativo para tamanho de espiga 342 gera um modelo de tamanho de espiga preditivo. O modelo de tamanho de espiga é usado pelo gerador de mapa preditivo 212 para prever um tamanho de espiga em diferentes locais no campo com base nos valores de índice vegetativo georreferenciado contidos no mapa de índice vegetativo 332 nos mesmos respectivos locais no campo.

[00103] O gerador de modelo de tamanho de rendimento-para-espiga 344 identifica uma relação entre os dados de tamanho de espiga in-situ 340 em localizações geográficas correspondentes a em que os dados de tamanho de espiga in-situ 340 foram geolocalização e valores de rendimento do mapa de rendimento 333 correspondendo aos mesmos locais no campo em que os dados de tamanho de espiga 340 foram geolocalização. Com base nesta relação estabelecida pelo gerador de modelo de rendimento para espiga 344, o gerador de modelo de rendimento para espiga 344 gera um modelo de tamanho de espiga preditivo. O modelo de tamanho de espiga é usado pelo gerador de mapa preditivo 212 para prever um tamanho de espiga em diferentes locais no campo com base nos valores de rendimento georreferenciados contidos no mapa de rendimento 333 nos mesmos respectivos locais no campo.

[00104] O gerador de modelo de tamanho de característica para espiga de semeadura 346 identifica uma relação entre os dados de tamanho de espiga insitu 340 em localizações geográficas correspondentes a em que os dados de tamanho de espiga in-situ 340 foram geolocalização e valores de característica de semeadura do mapa de semeadura 339 correspondendo ao mesmo local no campo em que os dados do tamanho de espiga 340 foram geolocalização. Com base nesta relação estabelecida semeando o gerador de modelo de tamanho de característica para espiga 346, o gerador de modelo de tamanho de característica para espiga de semeadura 346 gera um modelo de tamanho de espiga preditivo. O modelo de tamanho de espiga é usado pelo gerador de mapa preditivo 212 para prever um tamanho de espiga em diferentes locais no campo com base nos valores de característica de semeadura georreferenciados contidos no mapa de semeadura 339 nos mesmos respectivos locais no campo.

[00105] Em outros exemplos, o gerador de modelo 210 pode incluir outros geradores de modelo 348. Com base na relação estabelecida pelos outros geradores de modelo, o gerador de modelo gera um modelo preditivo do tamanho de espiga. O modelo de tamanho de espiga é usado pelo gerador de mapa preditivo 212 para prever um tamanho de espiga em diferentes locais no campo com base no valor de característica georreferenciado contido em um mapa nos mesmos locais no campo.

[00106] À luz do acima, o gerador de modelo preditivo 210 é operável para produzir uma pluralidade de modelos de tamanho de espiga preditivos, como um ou mais dos modelos de tamanho de espiga preditivos gerados pelos geradores de modelo 342, 344, 346 e 348. Em outro exemplo, dois ou mais dos modelos preditivos de tamanho de espiga descritos acima podem ser combinados em um único modelo preditivo de tamanho de espiga que prevê o tamanho de espiga com base no valor do índice vegetativo, o valor da característica de semeadura, o valor da característica de operação anterior ou o rendimento valor em locais diferentes no campo, ou combinações dos mesmos. Qualquer um desses modelos de tamanho de espiga, ou combinações dos mesmos, são representados coletivamente pelo modelo de tamanho de espiga 350 na Figura 4.

[00107] O modelo de tamanho de espiga preditivo 350 é fornecido ao gerador de mapa preditivo 212. No exemplo da Figura 4, o gerador de mapa preditivo 212 inclui um gerador de mapa de tamanho de espiga 352. Em outros exemplos, o gerador de mapa preditivo 212 pode incluir geradores de mapa adicionais ou diferentes. Consequentemente, em alguns exemplos, o gerador de mapa preditivo 212 pode incluir outros itens 358 também, que podem incluir outros tipos de geradores de mapa preditivo para gerar outros tipos de mapas preditivos. O gerador de mapa de tamanho de espiga 352 recebe o modelo de tamanho de espiga preditivo 350 que prevê o tamanho de espiga com base em dados in situ 340 juntamente com um ou mais do mapa de índice vegetativo 332, o mapa de rendimento 333, o mapa de semeadura 399, o mapa de operação anterior 400, ou outros mapas 401.

[00108] O gerador de mapa de tamanho de espiga 352 pode gerar um mapa de tamanho de espiga preditivo funcional 360 que prevê valores de tamanho de espiga em diferentes locais no campo com base no valor de índice vegetativo, o valor de rendimento, o valor de característica de semeadura, o valor de característica de operação anterior ou outros valores característicos nessas localizações no campo e o modelo de tamanho de espiga preditivo 350. O mapa de tamanho de espiga preditivo funcional gerado 360 pode ser fornecido para controlar o gerador de zona 213, o sistema de controle 214 ou ambos, como mostrado na Figura 2. O gerador de zona de controle 213 gera zonas de controle e incorpora essas zonas de controle para fornecer um mapa de tamanho de espiga preditivo funcional 360 com zonas de controle. O mapa de tamanho de espiga preditivo funcional 360 (com ou sem zonas de controle) pode ser apresentado ao operador 260 ou outro usuário ou ser fornecido ao sistema de controle 214, que gera sinais de controle para controlar um ou mais dos subsistemas controláveis 216 com base no sistema funcional mapa preditivo do tamanho de espiga 360 (com ou sem zonas de controle).

[00109] A Figura 5 é um diagrama de fluxo de um exemplo de operação do gerador de modelo preditivo 210 e gerador de mapa preditivo 212 na geração do modelo preditivo do tamanho de espiga 350 e do mapa preditivo do tamanho de espiga funcional 360. No bloco 362, o gerador de modelo preditivo 210 e o gerador de mapa preditivo 212 recebem um ou mais mapas, como um ou mais mapas de índice vegetativo 332, um ou mais mapas de rendimento 333, um ou mais mapas de semeadura 399, um ou mais mapas de operação anteriores 400, ou um ou mais outros mapas 401, ou qualquer combinação dos mesmos. No bloco 364, um sinal de sensor in-situ é recebido de um sensor in-situ 208. Como discutido acima, o sensor in-situ 208 pode incluir um sensor de tamanho de espiga 336 que gera um sinal de sensor indicativo de características de tamanho de espigas, tais como diâmetros, comprimentos ou pesos de espigas de milho no campo. Em alguns exemplos, o sensor in situ 208 pode incluir vários outros sensores, conforme indicado pelo bloco 370. Alguns outros exemplos de outros sensores in situ 208 são mostrados na Figura 8.

[00110] No bloco 372, o sistema de processamento 338 processa um ou mais sinais de sensor recebidos do sensor de tamanho de espiga 336 para gerar um valor de tamanho de espiga indicativo de um tamanho de espiga de vegetação no campo, como o tamanho de uma espiga de milho.

[00111] No bloco 382, o gerador de modelo preditivo 210 também obtém a localização geográfica correspondente ao sinal do sensor. Por exemplo, o gerador de modelo preditivo 210 pode obter a posição geográfica do sensor de posição geográfica 204 e determinar, com base em atrasos da máquina (por exemplo, velocidade de processamento da máquina, atributos do sensor, etc.) e velocidade da máquina, uma localização geográfica precisa em que o tamanho de espiga detectada em local deve ser atribuído. Por exemplo, a localização da colheitadeira agrícola 100 no momento em que um sinal do sensor de tamanho de espiga é capturado pode não corresponder à localização precisa da espiga detectada (ou planta tendo a espiga detectada) no campo. Assim, uma posição da colheitadeira agrícola 100 quando o sinal do sensor de tamanho de espiga é obtido pode não corresponder à localização da espiga (ou da planta que tem a espiga).

[00112] No bloco 384, o gerador de modelo preditivo 210 gera um ou mais modelos preditivos de tamanho de espiga, como o modelo de tamanho de espiga 350, que modelam uma relação entre pelo menos um de um valor de índice vegetativo, um valor de característica de semeadura, um valor de característica de operação anterior ou um valor de rendimento obtido a partir de um mapa, tal como mapa de índice vegetativo 332, mapa de semeadura 399, mapa de operação anterior 400 ou mapa de rendimento 333 e um valor de tamanho de espiga detectado pelo sensor in-situ 208. Por exemplo, o gerador de modelo preditivo 210 pode gerar um modelo de tamanho de espiga preditivo com base em um valor de índice vegetativo, um valor de característica de semeadura, um valor de característica de operação anterior ou um valor de rendimento e um valor de tamanho de espiga detectado indicado pelo sinal do sensor obtido de sensor in-situ 208.

[00113] No bloco 386, o modelo preditivo do tamanho de espiga, como o modelo preditivo do tamanho de espiga 350, é fornecido ao gerador de mapa preditivo 212, que gera um mapa de tamanho de espiga preditivo funcional que mapeia um valor previsto do tamanho de espiga para diferentes localizações geográficas no campo com base no mapa de índice vegetativo, o mapa de semeadura, o mapa de operação anterior ou o mapa de rendimento e o modelo de tamanho de espiga preditivo 350. Por exemplo, em alguns exemplos, o mapa de tamanho de espiga preditivo funcional 360 prevê as características do tamanho de espiga, como um dímero, um comprimento ou um peso ou valor indicativo das características do tamanho de espiga. Em outros exemplos, o mapa de tamanho de espiga preditivo funcional 360 prevê outros itens, conforme indicado pelo bloco 392. Além disso, o mapa de tamanho de espiga preditivo funcional 360 pode ser gerado durante o curso de uma operação de colheita agrícola. Assim, conforme uma colheitadeira agrícola está se movendo através de um campo realizando uma operação de colheita agrícola, o mapa de tamanho de espiga preditivo funcional 360 é gerado.

[00114] No bloco 394, o gerador de mapa preditivo 212 produz o mapa funcional preditivo de tamanho de espiga 360. No bloco 393, o gerador de mapa preditivo 212 configura o mapa de tamanho de espiga preditivo funcional 360 para consumo pelo sistema de controle 214. No bloco 395, o gerador de mapa preditivo 212 também pode fornecer o mapa de tamanho de espiga preditivo funcional 360 para controlar o gerador de zona 213 para geração e incorporação de zonas de controle. No bloco 397, o gerador de mapa preditivo 212 configura o mapa de tamanho de espiga preditivo funcional 360 de outras maneiras também. O mapa de tamanho de espiga preditivo funcional 360 (com ou sem as zonas de controle) é fornecido para o sistema de controle 214. No bloco 396, o sistema de controle 214 gera sinais de controle para controlar os subsistemas controláveis 216 com base no mapa de tamanho de espiga preditivo funcional 360.

[00115] O sistema de controle 214 pode gerar sinais de controle para controlar o coletor ou outro (s) atuador (es) de máquina 248, como para controlar uma posição ou espaçamento das chapas de plataforma. O sistema de controle 214 pode gerar sinais de controle para controlar o subsistema de propulsão 250. O sistema de controle 214 pode gerar sinais de controle para controlar o subsistema de direção 252. O sistema de controle 214 pode gerar sinais de controle para controlar o subsistema de resíduos 138. O sistema de controle 214 pode gerar sinais de controle para controlar o subsistema de limpeza de máquina 254. O sistema de controle 214 pode gerar sinais de controle para controlar o debulhador 110. O sistema de controle 214 pode gerar sinais de controle para controlar o subsistema de manipulação de material 125. O sistema de controle 214 pode gerar sinais de controle para controlar o subsistema de limpeza de colheita 118. O sistema de controle 214 pode gerar sinais de controle para controlar o sistema de comunicação 206. O sistema de controle 214 pode gerar sinais de controle para controlar os mecanismos de interface de operador 218. O sistema de controle 214 pode gerar sinais de controle para controlar vários outros subsistemas controláveis 256. Em outros exemplos, o sistema de controle 214 pode gerar sinais de controle para controlar uma velocidade de debulha do rotor 112, pode gerar sinais de controle para controlar uma folga côncava ou pode gerar sinais de controle para ajustar a saída de energia para alguns dos sistemas de processamento da planta, como o recolhendo correntes ou rolos de talo.

[00116] A Figura 6 é um diagrama de blocos de uma porção exemplificativa da colheitadeira agrícola 100 mostrada na Figura 1. Particularmente, a Figura 6 mostra, entre outras coisas, exemplos de gerador de modelo preditivo 210 e gerador de mapa preditivo 212. No exemplo ilustrado, o mapa de informação anterior 258 pode ser um mapa de índice vegetativo 332, um mapa de semeadura 399, um mapa de rendimento 333 (como o mapa de rendimento histórico 337) ou um mapa de operação anterior 400. O mapa de operação anterior 400 pode incluir valores característicos indicativos de uma característica em vários locais no campo. Os valores característicos podem ser valores característicos que foram coletados durante uma operação anterior, como uma operação anterior por outra máquina de trabalho agrícola, como um pulverizador, no campo. O mapa de informação anterior 258 pode incluir outros mapas de informação anterior 401 também, por exemplo, um mapa de tamanho de espiga anterior gerado ou de outra forma fornecido em uma variedade de maneiras. Em um exemplo, um mapa de tamanho de espiga anterior pode ser um mapa de tamanho de espiga histórico gerado com base em dados coletados durante uma operação de colheita anterior, como a operação de colheita anterior em uma colheita anterior. A Figura 6 também mostra que o gerador de modelo preditivo 210 e o gerador de mapa preditivo 212 podem receber, além do mapa de informação anterior 258, mapa de tamanho de espiga preditivo funcional 360 e mapa de rendimento 333 (tal como mapa de rendimento preditivo 335). O mapa de tamanho de espiga preditivo funcional 360 e o mapa preditivo de rendimento 335 podem ser usados de forma semelhante ao mapa de informação anterior 258 naquele modelo gerador 210 modela uma relação entre a informação fornecida pelo mapa de tamanho de espiga preditivo funcional 360 ou o mapa de rendimento preditivo 335 e as características detectadas por sensores situ 208 para gerar um modelo preditivo. O gerador de mapa 212 pode usar o modelo preditivo gerado pelo gerador de modelo 210 para gerar um mapa preditivo funcional que prevê as características detectadas pelos sensores in situ 208, ou uma característica relacionada, em diferentes locais no campo com base em um ou mais dos valores no mapa de tamanho de espiga preditivo funcional 360 ou no mapa de rendimento preditivo 335 nessas localizações no campo e com base no modelo preditivo. Em alguns exemplos, o mapa de rendimento 333 é um mapa de informação anterior, como o mapa de rendimento 337, ou é um mapa de rendimento preditivo, como o mapa de rendimento preditivo 335. O gerador de modelo preditivo 210 e o gerador de mapa preditivo 212 também podem receber vários outros mapas 401, como outros mapas preditivos de tamanho de espiga gerados de maneiras diferentes do mapa de tamanho de espiga preditivo funcional 360.

[00117] Além disso, no exemplo mostrado na Figura 6, o sensor in situ 208 pode incluir um ou mais sensores de característica agrícola 402, um sensor de entrada do operador 404 e um sistema de processamento 406. Os sensores in situ 208 podem incluir outros sensores 408 também. Alguns outros exemplos de sensores in situ 208 são mostrados na Figura 8. Sensores de característica agrícola 402 podem incluir um ou mais dos sensores in situ 208 aqui descritos. Sensores de característica agrícola 402 detectam uma ou mais variáveis indicativas de uma característica agrícola.

[00118] O sensor de entrada do operador 404, de forma ilustrativa, detecta várias entradas do operador. As entradas podem ser entradas de configuração para controlar as definições na colheitadeira 100 ou outras entradas de controle, como entradas de direção e outras entradas. Assim, quando um operador da colheitadeira agrícola 100, como o operador 260, altera uma configuração ou fornece uma entrada comandada, como por meio de um mecanismo de interface do operador 218, tal entrada é detectada pelo sensor de entrada do operador 404, que fornece um sinal de sensor indicativo dessa entrada do operador detectada. Para o propósito desta descrição, uma entrada do operador também pode ser referida como uma característica, tal como uma característica agrícola e, assim, uma entrada do operador pode ser uma característica agrícola detectada por um sensor in-situ 208. O sistema de processamento 406 pode receber um ou mais sinais de sensor de sensores de característica agrícola 402 ou sensor de entrada do operador 404 ou ambos e gerar uma saída indicativa da característica detectada. Por exemplo, o sistema de processamento 406 pode receber uma entrada de sensor de um sensor de característica agrícola 402 e gerar uma saída indicativa de uma característica agrícola. O sistema de processamento 406 também pode receber uma entrada do sensor de entrada do operador 404 e gerar uma saída indicativa da entrada do operador detectada.

[00119] O gerador de modelo preditivo 210 pode incluir o gerador de modelo de característica agrícola de tamanho de espiga 416 modelo de tamanho de espiga para comando 422 e outro gerador de modelo de característica de comando 423. Em outros exemplos, o gerador de modelo preditivo 210 pode incluir geradores de modelo adicionais, menos ou outro modelo 424, como geradores de modelo de característica agrícola específica. Além disso, outro gerador de modelo de característica para comando 423 pode incluir, como a outra característica, valores de índice vegetativo fornecidos pelo mapa de índice vegetativo 332, valores de características de semeadura fornecidos pelo mapa de semeadura 399, valores de características de operação anterior fornecidos pelo mapa de operação anterior 400, ou valores de rendimento fornecidos pelo mapa de rendimento 333. O gerador de modelo preditivo 210 pode receber uma localização geográfica 334 ou uma indicação de uma localização geográfica do sensor de posição geográfica 204 e gerar um modelo preditivo 426 que modela uma relação entre a informação em um ou mais dos mapas e uma ou mais características agrícolas detectadas por um sensor de característica agrícola 402 ou um ou mais comandos de entrada do operador detectados pelo sensor de entrada do operador 404, ou ambos. Por exemplo, o gerador de tamanho de espiga para característica agrícola 416 gera um modelo que modela uma relação entre os valores de tamanho de espiga (que podem estar ativados ou indicados por um ou mais dos mapas) e valores de características agrícolas detectados por sensores de características agrícolas 402. O gerador de modelo de tamanho de espiga para comando 422 gera um modelo que modela uma relação entre os valores de tamanho de espiga (que podem estar ativados ou indicados por um ou mais dos mapas) e comandos de entrada do operador que são detectados pelo sensor de entrada do operador 404. Outro gerador de modelo de característica para comando 423 gera um modelo que modela uma relação entre outros valores de característica (como valores de índice vegetativo, valores de características de operação anteriores, valores de características de semeadura ou valores de rendimento) e comandos de entrada do operador que são detectados pela entrada do operador sensor, como um comando de entrada do operador indicativo de um espaçamento da chapa de plataforma ou configuração de posição para um ou mais conjuntos de chapas de plataforma na colheitadeira agrícola.

[00120] O modelo preditivo 426 gerado pelo gerador de modelo preditivo 210 pode incluir um ou mais dos modelos preditivos que podem ser gerados pelo gerador de modelo de característica agrícola de tamanho de espiga 416, gerador de modelo de tamanho para comando de espiga 422, outra característica para gerador de modelo de comando 423 e outros geradores de modelo que podem ser incluídos como parte de outros itens 424.

[00121] No exemplo da Figura 6, o gerador de mapa preditivo 212 inclui gerador de mapa de característica agrícola preditivo 428 e um gerador de mapa de comando de operador preditivo 432. Em outros exemplos, o gerador de mapa preditivo 212 pode incluir geradores de mapa adicionais, menos ou outros 434. O gerador de mapa de característica agrícola preditivo 428 recebe um ou mais dos mapas e um modelo de previsão 426 que modela uma relação entre um ou mais valores fornecidos por um ou mais dos mapas e um ou mais valores de característica agrícola detectados por sensores de característica agrícola 402 (tal como um modelo preditivo gerado pelo gerador de modelo de característica de tamanho de espiga para agricultura 416). O gerador de mapa de característica agrícola preditiva 428 gera um mapa de característica agrícola preditiva funcional 436 que prevê, em qualquer local do campo, uma característica agrícola naquele local no campo, com base em um valor, como um valor de tamanho de espiga, contido em um ou mais dos mapas, correspondendo a essa localização no campo e com base no modelo preditivo 426.

[00122] O gerador de mapa de comando de operador preditivo 432 recebe um modelo preditivo 426 (tal como um modelo preditivo gerado pelo gerador de modelo de característica de praga em comando 422), que modela a relação entre a característica de praga e as entradas de comando de operador detectadas pelo sensor de entrada do operador 404 e gera um mapa de comando de operador preditivo funcional 439 que prevê entradas de comando de operador em diferentes localizações no campo com base nos valores de características de praga de um ou mais mapas de informação 258 e o modelo preditivo 426.

[00123] Outros geradores de mapa 434 podem receber um modelo preditivo 426 de outro gerador de modelo 424 que modela uma relação entre a característica de praga e uma característica agrícola detectada por outro sensor 408. Outro gerador de mapa 434 gera um mapa preditivo de característica agrícola funcional 440 que prevê características agrícolas em diferentes localizações no campo com base nos valores de característica de praga de um ou mais mapas de informação 258 e o modelo preditivo 426.

[00124] O gerador de mapa preditivo 212 emite um ou mais dos mapas preditivos funcionais 436, 437, 438, 439 e 440. Cada um dos mapas preditivos funcionais 436, 437, 438, 439 e 440 pode ser fornecido para controlar o gerador de zona 213, o sistema de controle 214 ou ambos. O gerador de zona de controle 213 gera zonas de controle para fornecer um mapa de zona de controle preditivo 265 correspondente a cada mapa 436, 437, 438, 439 e 440 que é recebido pelo gerador de zona de controle 213. Qualquer um ou todos os mapas preditivos funcionais 436, 437, 438 ou 440 e os mapas correspondentes 265 podem ser fornecidos para o sistema de controle 214, que gera sinais de controle para controlar um ou mais dos subsistemas controláveis 216 com base em um ou todos os mapas preditivos 436, 437, 438, 439 e 430 ou mapas correspondentes 265 com zonas de controle incluídas nos mesmos. Qualquer um ou todos os mapas 436, 437, 438, 439 ou 440 ou mapas correspondentes 265 podem ser apresentados ao operador 260 ou outro usuário.

[00125] A Figura 6B é um diagrama de blocos que mostra alguns exemplos de sensores em tempo real (in situ) 208. Alguns dos sensores mostrados na Figura 6B, ou diferentes combinações deles, podem ter um sensor 336 e um sistema de processamento 338. Alguns dos possíveis sensores in situ 208 mostrados na Figura 6B são mostrados e descritos acima em relação às Figuras anteriores. e são numerados de forma semelhante. A Figura 6B mostra que os sensores in situ 208 podem incluir sensores de entrada de operador 980, sensores de máquina 982, sensores de propriedade de material colhido 984, sensores de campo e de propriedade de solo 985, sensores de característica ambiental 987 e os mesmos podem incluir uma grande variedade de outros sensores 226. Os sensores não pertencentes à máquina 983 incluem, sensor (es) de entrada do operador 980, sensor (es) de propriedade de material colhido 984, sensor (es) de propriedade de campo e solo 985, sensor (es) de característica ambiental 987 e podem incluir outros sensores 226 também. Os sensores de entrada de operador 980 podem ser sensores que detectam as entradas do operador por meio dos mecanismos de interface de operador 218. Portanto, os sensores de entrada de operador 980 podem detectar o movimento do usuário de ligações, alavancas de direção, um volante, botões, mostradores ou pedais. Os sensores de entrada de operador 980 também podem detectar as interações do usuário com outros mecanismos de entrada de operador, como uma tela sensível ao toque, um microfone em que o reconhecimento de voz é utilizado ou qualquer um de uma ampla variedade de outros mecanismos de entrada de operador.

[00126] Os sensores de máquina 982 podem detectar características diferentes da colheitadeira agrícola 100. Por exemplo, como discutido acima, os sensores de máquina 982 podem incluir sensores de velocidade de máquina 146, sensor de perda de separador 148, câmera de grão limpo 150, mecanismo de captura de imagem de visão frontal 151, sensores de perda 152 ou sensor de posição geográfica 204, exemplos dos quais são descritos acima. Os sensores de máquina 982 também podem incluir sensores de definição de máquina 991 que detectam as definições da máquina. Alguns exemplos de definições de máquina foram descritos acima em relação à Figura 1. O sensor de posição 993 do equipamento de extremidade dianteira (por exemplo, plataforma) pode detectar a posição do coletor 102, carretel 164, cortador 104 ou outro equipamento de extremidade dianteira em relação ao chassi da colheitadeira agrícola 100. Por exemplo, os sensores 993 podem detectar a altura do coletor 102 acima do solo. Os sensores de máquina 982 também podem incluir sensores de orientação de equipamento de front-end (por exemplo, plataforma) 995. Os sensores 995 podem detectar a orientação do coletor 102 em relação à colheitadeira agrícola 100 ou em relação ao chão. Os sensores de máquina 982 podem incluir sensores de estabilidade 997. Os sensores de estabilidade 997 detectam oscilação ou movimento de salto (e amplitude) da colheitadeira agrícola 100. Os sensores de máquina 982 também podem incluir sensores de definição de resíduo 999 que são configurados para detectar se a colheitadeira agrícola 100 está configurada para cortar o resíduo, produzir um amontoado de feno ou lidar com o resíduo de outra maneira. Os sensores de máquina 982 podem incluir o sensor de velocidade de ventilador de sapata de limpeza 951 que detecta a velocidade do ventilador de limpeza 120. Os sensores de máquina 982 podem incluir sensores de folga côncava 953 que detectam a folga entre o rotor 112 e contrabatedores 114 na colheitadeira agrícola 100. Os sensores de máquina 982 podem incluir sensores de folga de peneira 955 que detectam o tamanho das aberturas na peneira 122. Os sensores de máquina 982 podem incluir o sensor de velocidade de rotor de debulha 957 que detecta uma velocidade de rotor do rotor 112. Os sensores de máquina 982 podem incluir o sensor de pressão de rotor 959 que detecta a pressão usada para acionar o rotor 112. Os sensores de máquina 982 podem incluir sensor de folga 961 que detecta o tamanho das aberturas no crivo 124. Os sensores da máquina 982 podem incluir o sensor de umidade MOG 963 que detecta um nível de umidade do MOG passando pela colheitadeira agrícola 100. Os sensores de máquina 982 podem incluir o sensor de orientação de máquina 965 que detecta a orientação da colheitadeira agrícola 100. Os sensores de máquina 982 podem incluir sensores de taxa de alimentação de material 967 que detectam a taxa de alimentação de material conforme o material se desloca através do alimentador 106, elevador de grãos limpos 130 ou em outro lugar na colheitadeira agrícola 100. Os sensores de máquina 982 podem incluir sensores de biomassa 969 que detectam a biomassa se deslocando através da casa de alimentação 106, através do separador 116 ou em outro lugar na colheitadeira agrícola 100. Os sensores de máquina 982 podem incluir sensor de consumo de combustível 971 que detecta uma taxa de consumo de combustível ao longo do tempo da colheitadeira agrícola 100. Os sensores de máquina 982 podem incluir o sensor de utilização de energia 973 que detecta a utilização de energia na colheitadeira agrícola 100, como quais subsistemas estão utilizando energia, ou a taxa em que os subsistemas estão utilizando energia ou a distribuição de energia entre os subsistemas na colheitadeira agrícola 100. Os sensores de máquina 982 podem incluir sensores de pressão de pneu 977 que detectam 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 da máquina e os sensores de características da máquina 975 podem detectar o desempenho da máquina ou as características da colheitadeira agrícola 100.

[00127] Sensores de propriedade de material colhido 984 podem detectar características do material de safra cortado conforme o material de safra está sendo processado pela colheitadeira 100. As propriedades da safra podem incluir coisas como tipo de safra, umidade da safra, qualidade do grão (como grãos quebrados), níveis de MOG, constituintes do grão como amido e proteína, umidade MOG e outras propriedades do material da safra. Outros sensores podem detectar a "tenacidade" da palha, a adesão do milho às espigas e outras características que podem ser utilizadas de forma benéfica para controlar o processamento para uma melhor captura de grãos, danos de grãos reduzidos, consumo de energia reduzido, perda de grãos reduzida, etc.

[00128] Os sensores de campo e de propriedade do solo 985 podem detectar características do campo e do solo. O campo e as propriedades do solo podem incluir umidade do solo, compactação do solo, a presença e localização de água parada, tipo de solo e outras características do solo e do campo.

[00129] Sensores de característica ambiental 987 podem detectar uma ou mais características ambientais. As características ambientais podem incluir coisas como direção e velocidade do vento, precipitação, neblina, nível de poeira ou outros obscurantes, ou outras características ambientais.

[00130] Em alguns exemplos, um ou mais dos sensores mostrados na Figura 6B são processados para receber dados processados 309 e entradas usadas para modelar o gerador 210. O gerador de modelo 210 gera um modelo indicativo da relação entre os dados do sensor e um ou mais dos mapas de informação anterior ou preditivas. O modelo é fornecido para mapear o gerador 212 que gera um mapa que mapeia valores de dados de sensor preditivos correspondentes ao sensor da Figura 6B ou uma característica relacionada.

[00131] A Figura 7 mostra um diagrama de fluxo que ilustra um exemplo da operação do gerador de modelo preditivo 210 e gerador de mapa preditivo 212 na geração de um ou mais modelos preditivos 426 e um ou mais mapas preditivos funcionais 436, 437, 438, 439 e 440.

[00132] No bloco 442, o gerador de modelo preditivo 210 e o gerador de mapa preditivo 212 recebem um mapa de informação anterior 258. O mapa de informação anterior 258 pode ser um mapa de praga detectado 337, mapa de praga preditivo 360 ou um mapa de operação anterior 400 criado usando dados obtidos durante uma operação anterior em um campo.

[00133] No bloco 444, o gerador de modelo preditivo 210 recebe um sinal de sensor contendo dados de sensor de um sensor in situ 208. O bloco 446 indica que o sinal do sensor recebido pelo gerador de modelo preditivo 210 inclui dados de um tipo que é indicativo de rendimento. O bloco 448 indica que os dados do sinal do sensor podem ser indicativos da qualidade do grão. O bloco 449 indica que os dados do sinal do sensor podem ser indicativos do estado de safra. O bloco 450 indica que o sinal do sensor recebido pelo gerador de mapa preditivo 210 pode ser um sinal do sensor com dados de um tipo que é indicativo de uma entrada de comando de operador, conforme detectado pelo sensor de entrada do operador 404. O gerador de modelo preditivo 210 também pode receber outras entradas de sensor in situ, conforme indicado pelo bloco 452.

[00134] No bloco 454, sistema de processamento 406 processa os dados contidos no sinal do sensor ou sinais recebidos do sensor in situ ou sensores 208 para obter dados processados 409, mostrados na Figura 6A. Os dados contidos no sinal ou sinais do sensor podem estar em um formato bruto que é processado para receber dados processados 409. Por exemplo, um sinal de sensor de temperatura inclui dados de resistência elétrica, esses dados de resistência elétrica podem ser processados em dados de temperatura. Em outros exemplos, o processamento pode compreender digitalização, codificação, formatação, dimensionamento, filtragem ou classificação de dados. Os dados processados 409 podem ser indicativos de um ou mais dentre rendimento, qualidade do grão, estado da colheita, um comando de entrada do operador ou outra característica agrícola. Os dados processados 409 são fornecidos ao gerador de modelo preditivo 210.

[00135] Retornando à Figura 7, no bloco 456, o gerador de modelo preditivo 210 também recebe uma localização geográfica 334 do sensor de posição geográfica 204, como mostrado na Figura 6A. A localização geográfica 334 pode ser correlacionada à localização geográfica a partir da qual a variável ou variáveis detectadas, detectadas por sensores in situ 208, foram tomadas ou às quais correspondem. Por exemplo, o gerador de modelo preditivo 210 pode obter a localização geográfica 334 a partir do sensor de posição geográfica 204 e determinar, com base em atrasos da máquina, velocidade da máquina, etc., uma localização geográfica precisa à qual os dados processados 409 correspondem.

[00136] No bloco 458, o gerador de modelo preditivo 210 gera um ou mais modelos preditivos 426 que modelam uma relação entre um valor mapeado em um mapa de informação anterior e uma característica representada nos dados processados 409. Por exemplo, em alguns casos, o valor mapeado em um mapa de informação anterior pode ser uma característica de praga e o gerador de modelo preditivo 210 gera um modelo preditivo usando o valor mapeado de um mapa de informação anterior recebido e uma característica detectada por sensores in situ 208, como representado nos dados processados 490, ou uma característica relacionada, tal como uma característica que se correlaciona com a característica detectada por sensores in situ 208.

[00137] Por exemplo, no bloco 460, o gerador de modelo preditivo 210 pode gerar um modelo preditivo 426 que modela uma relação entre uma ou mais características de praga obtidas a partir de um ou mais mapas de informação anterior e rendimento. Em outro exemplo, o gerador de modelo preditivo 210 pode gerar um modelo preditivo 426 que modela uma relação entre uma característica de praga obtida a partir de um ou mais mapas de informação anterior e a qualidade do grão obtida a partir de um sensor in situ. Em outro exemplo, o gerador de modelo preditivo 210 pode gerar um modelo preditivo 426 que modela uma relação entre uma característica de praga e o estado de safra. Em ainda outro exemplo, o gerador de modelo preditivo 210 pode gerar um modelo preditivo 426 que modela uma relação entre uma característica de praga e entradas de comando de operador.

[00138] Os um ou mais modelos preditivos 426 são fornecidos para o gerador de mapas preditivos 212. No bloco 466, o gerador de mapa preditivo 212 gera um ou mais mapas preditivos funcionais. Os mapas preditivos funcionais podem ser mapa de rendimento preditivo funcional 437, mapa de qualidade de grão preditivo funcional 436, mapa de estado de safra de máquina preditiva funcional 438, mapa de comando de operador preditivo funcional 439, mapa de característica agrícola preditivo de função 440 ou qualquer combinação desses mapas. O mapa preditivo funcional da qualidade do grão 436 prevê uma qualidade do grão que será encontrada pela colheitadeira agrícola 100 em diferentes localizações no campo. O mapa de rendimento preditivo funcional 437 prevê um rendimento que se espera que seja encontrado pela colheitadeira agrícola 100 em diferentes localizações no campo. O mapa preditivo funcional do estado de safra 438 prevê um estado de safra que se espera que seja encontrado pela colheitadeira agrícola 100 em diferentes localizações no campo. O mapa de comando de operador preditivo funcional 439 prevê entradas de comando de operador prováveis em diferentes localizações no campo. O mapa de características agrícolas preditivas funcionais 440 prevê uma ou mais características agrícolas em diferentes localizações no campo. Um ou mais dos mapas preditivos funcionais 436, 437, 438, 439 e 440 podem ser gerados durante o curso de uma operação agrícola. Assim, conforme a colheitadeira agrícola 100 está se movendo através de um campo realizando uma operação agrícola, um ou mais mapas preditivos 436, 437, 438 439 e 440 são gerados conforme a operação agrícola está sendo executada.

[00139] No bloco 468, o gerador de mapa preditivo 212 emite um ou mais mapas preditivos funcionais 436, 437, 438, 439 e 440. No bloco 470, o gerador de mapa preditivo 212 pode configurar o mapa para apresentação e possível interação por um operador 260 ou outro usuário. No bloco 472, o gerador de mapa preditivo 212 pode configurar o mapa para consumo pelo sistema de controle 214. No bloco 474, o gerador de mapa preditivo 212 pode fornecer um ou mais mapas preditivos 436, 437, 438 439 e 440 para controlar o gerador de zona 213 para geração de zonas de controle. No bloco 476, o gerador de mapa preditivo 212 configura o um ou os mapas preditivos 436, 437, 438, 439 e 440 de outras maneiras. Em um exemplo em que um ou mais mapas preditivos funcionais 436, 437, 438 439 e 440 são fornecidos para controlar o gerador de zona 213, o um ou mais mapas preditivos funcionais 436, 437, 438 439 e 440, com as zonas de controle incluídas nos mesmos, representadas pelos mapas correspondentes 265, descritos acima, pode ser apresentado ao operador 260 ou outro usuário ou fornecido ao sistema de controle 214 também.

[00140] No bloco 478, o sistema de controle 214, então, gera sinais de controle para controlar os subsistemas controláveis, com base em um ou mais mapas preditivos funcionais 436, 437, 438 439 e 440 (ou os mapas preditivos funcionais 436, 437, 438 439 e 440 tendo zonas de controle), bem como uma entrada do sensor de posição geográfica 204.

[00141] Em outros exemplos, a colheitadeira agrícola 100 pode ser controlada de outras maneiras também. Por exemplo, por exemplo, os atuadores de coletor 248 podem ser controlados com base em um estado de safra predito. Ou, por exemplo, o subsistema de propulsão 250 pode ser controlado para evitar áreas em que as pragas são previstas, por exemplo. Ou, por exemplo, um subsistema de limpeza pode ser controlado para fechar uma peneira e aumentar a velocidade do ventilador para manter as pragas fora do tanque de grãos limpos. Ou, por exemplo, o subsistema de limpeza pode ser controlado para abrir uma peneira e diminuir a velocidade do ventilador para evitar que as pragas se depositem no campo. Ou, por exemplo, o subsistema de resíduos 253 pode ser controlado para que o material possa ser segregado.

[00142] Em um exemplo em que o sistema de controle 214 recebe o mapa preditivo funcional, o controlador de planejamento de caminho 234 controla o subsistema de direção 252 para orientar a colheitadeira agrícola 100. Em outro exemplo em que o sistema de controle 214 recebe o mapa preditivo funcional, o controlador do sistema de resíduo 244 controla o subsistema de resíduo 138. Em outro exemplo em que o sistema de controle 214 recebe o mapa preditivo funcional, o controlador de configurações 232 controla as configurações do debulhador 110. Em outro exemplo em que o sistema de controle 214 recebe o mapa preditivo funcional, o controlador de configurações 232 ou outro controlador 246 controla o subsistema de manipulação de material 125. Em outro exemplo em que o sistema de controle 214 recebe o mapa preditivo funcional, o controlador de configurações 232 controla o subsistema de limpeza da colheita. Em outro exemplo em que o sistema de controle 214 recebe o mapa preditivo funcional, o controlador de limpeza de máquina 245 controla o subsistema de limpeza de máquina 254 na colheitadeira agrícola 100. Em outro exemplo em que o sistema de controle 214 recebe o mapa preditivo funcional, o controlador do sistema de comunicação 229 controla o sistema de comunicação 206. Em outro exemplo em que o sistema de controle 214 recebe o mapa preditivo funcional, o controlador de interface de operador 231 controla os mecanismos de interface de operador 218 na colheitadeira agrícola 100. Em outro exemplo em que o sistema de controle 214 recebe o mapa preditivo funcional, o controlador de posição da chapa de plataforma 242 controla os atuadores da máquina/coletor para controlar uma chapa de plataforma na colheitadeira agrícola 100. Em outro exemplo em que o sistema de controle 214 recebe o mapa preditivo funcional, o controlador de correia da esteira 240 controla os atuadores da máquina / coletor para controlar uma correia da esteira na colheitadeira agrícola 100. Em outro exemplo em que o sistema de controle 214 recebe o mapa preditivo funcional, os outros controladores 246 controlam outros subsistemas controláveis 256 na colheitadeira agrícola 100.

[00143] A Figura 8 mostra um diagrama de blocos que ilustra um exemplo de gerador de zona de controle 213. O gerador de zona de controle 213 inclui seletor de atuador de máquina de trabalho (WMA) 486, sistema de geração de zona de controle 488 e sistema de geração de zona de regime 490. O gerador de zona de controle 213 também pode incluir outros itens 492. O sistema de geração de zona de controle 488 inclui o componente identificador de critérios de zona de controle 494, componente de definição de limite de zona de controle 496, componente de identificador de definição alvo 498 e outros itens 520. O sistema de geração de zona de regime 490 inclui o componente de identificação de critérios de zona de regime 522, componente de definição de limite de zona de regime 524, componente de identificador de resolvedor de definições 526 e outros itens 528. Antes de descrever a operação geral do gerador de zona de controle 213 em mais detalhes, uma breve descrição de alguns dos itens no gerador de zona de controle 213 e as respectivas operações do mesmo será fornecida primeiro.

[00144] A colheitadeira agrícola 100, ou outras máquinas de trabalho, podem ter uma grande variedade de diferentes tipos de atuadores controláveis que executam diferentes funções. Os atuadores controláveis na colheitadeira agrícola 100 ou outras máquinas de trabalho são coletivamente chamados de atuadores de máquina de trabalho (WMAs). Cada WMA pode ser controlável de forma independente com base em valores em um mapa preditivo funcional, ou os WMAs podem ser controlados como conjuntos com base em um ou mais valores em um mapa preditivo funcional. Portanto, o gerador de zona de controle 213 pode gerar zonas de controle correspondentes a cada WMA controlável individualmente ou correspondentes aos conjuntos de WMAs que são controlados em coordenação um com o outro.

[00145] O seletor 486 WMA seleciona um WMA ou um conjunto de WMAs para os quais as zonas de controle correspondentes devem ser geradas. O sistema de geração de zona de controle 488, então, gera as zonas de controle para o WMA selecionado ou conjunto de WMAs. Para cada WMA ou conjunto de WMAs, diferentes critérios podem ser usados na identificação de zonas de controle. Por exemplo, para um WMA, o tempo de resposta do WMA pode ser usado como o critério para definir os limites das zonas de controle. Em outro exemplo, as características de desgaste (por exemplo, quanto um determinado atuador ou mecanismo desgasta como resultado do movimento do mesmo) podem ser usadas como os critérios para identificar os limites das zonas de controle. O componente identificador de critérios de zona de controle 494 identifica critérios particulares que devem ser usados na definição de zonas de controle para o WMA selecionado ou conjunto de WMAs. O componente de definição de limite de zona de controle 496 processa os valores em um mapa preditivo funcional em análise para definir os limites das zonas de controle nesse mapa preditivo funcional com base nos valores no mapa preditivo funcional em análise e com base nos critérios de zona de controle para o selecionado WMA ou conjunto de WMAs.

[00146] O componente identificador de configuração de destino 498 define um valor da configuração de destino que será usado para controlar o WMA ou conjunto de WMAs em diferentes zonas de controle. Por exemplo, se o WMA selecionado for o sistema de propulsão 250 e o mapa preditivo funcional em análise for um mapa de velocidade preditivo funcional 438, então a definição alvo em cada zona de controle pode ser uma configuração de velocidade alvo com base nos valores de velocidade contidos no mapa de velocidade preditivo funcional 238 dentro da zona de controle identificada.

[00147] Em alguns exemplos, em que a colheitadeira agrícola 100 deve ser controlada com base em uma localização atual ou futura da colheitadeira agrícola 100, múltiplas definições alvo podem ser possíveis para um WMA em uma determinado localização. Nesse caso, as definições alvo podem ter valores diferentes e podem ser concomitantes. Portanto, as definições alvo precisam ser resolvidas de forma que apenas uma única configuração de destino seja usada para controlar o WMA. Por exemplo, em que o WMA é um atuador no sistema de propulsão 250 que está sendo controlado a fim de controlar a velocidade da colheitadeira agrícola 100, vários conjuntos diferentes de critérios concomitantes podem existir que são considerados pelo sistema de geração de zona de controle 488 na identificação das zonas de controle e as definições alvo para o WMA selecionado nas zonas de controle. Por exemplo, diferentes configurações de alvo para controlar a velocidade da máquina podem ser geradas com base em, por exemplo, um valor de taxa de alimentação detectado ou predito, um valor de eficiência de combustível detectado ou preditivo, um valor de perda de grão detectado ou predito ou uma combinação destes. No entanto, a qualquer momento, a colheitadeira agrícola 100 não pode se deslocar sobre o solo em várias velocidades simultaneamente. Em vez disso, a qualquer momento, a colheitadeira agrícola 100 se desloca em uma única velocidade. Assim, uma das definições alvo concomitantes é selecionada para controlar a velocidade da colheitadeira agrícola 100.

[00148] Portanto, em alguns exemplos, o sistema de geração de zona de regime 490 gera zonas de regime para resolver várias definições alvo concomitantes diferentes. O componente 522 de identificação de critérios de zona de regime identifica os critérios que são usados para estabelecer zonas de regime para o WMA selecionado ou conjunto de WMAs no mapa preditivo funcional em análise. Alguns critérios que podem ser usados para identificar ou definir zonas de regime incluem, por exemplo, tipo de safra ou variedade de safra com base em um mapa conforme plantado ou outra fonte do tipo de safra ou variedade de safra, tipo de praga, intensidade de praga ou estado de safra, como se a safra está baixa, parcialmente baixa ou em pé. Assim como cada WMA ou conjunto de WMAs pode ter uma zona de controle correspondente, diferentes WMAs ou conjuntos de WMAs podem ter uma zona de regime correspondente. O componente de definição de limite de zona de regime 524 identifica os limites de zonas de regime no mapa preditivo funcional em análise com base nos critérios de zona de regime identificados pelo componente de identificação de critérios de zona de regime 522.

[00149] Em alguns exemplos, as zonas de regime podem se sobrepor umas às outras. Por exemplo, uma zona de regime de variedade de safra pode se sobrepor a uma porção ou a totalidade de uma zona de regime de estado de safra. Em tal exemplo, as diferentes zonas de regime podem ser atribuídas a uma hierarquia de precedência de modo que, em que duas ou mais zonas de regime se sobrepõem, a zona de regime atribuída com uma posição hierárquica maior ou importância na hierarquia de precedência tem precedência sobre as zonas de regime que têm posições hierárquicas menores ou importância na hierarquia de precedência. A hierarquia de precedência das zonas de regime pode ser configurada manualmente ou pode ser configurada automaticamente usando um sistema baseado em regras, um sistema baseado em modelo ou outro sistema. Como um exemplo, em que uma zona de regime de safra caída se sobrepõe a uma zona de regime de variedade de safra, a zona de regime de safra caída pode receber uma importância maior na hierarquia de precedência do que a zona de regime de variedade de safra de modo que a zona de regime de safra caída tenha precedência.

[00150] Além disso, cada zona de regime pode ter um resolvedor de definições exclusivo para um determinado WMA ou conjunto de WMAs. O componente identificador do resolvedor de definições 526 identifica um resolvedor de definições específico para cada zona de regime identificada no mapa preditivo funcional em análise e um resolvedor de definições específico para o WMA selecionado ou conjunto de WMAs.

[00151] Uma vez que o resolvedor de definições para uma determinada zona de regime é identificado, esse resolvedor de definições pode ser usado para resolver definições alvo concomitantes, em que mais de uma configuração de destino é identificada com base nas zonas de controle. Os diferentes tipos de resolvedores de definições podem ter formas diferentes. Por exemplo, os resolvedores de definições que são identificados para cada zona de regime podem incluir um resolvedor de escolha humana no qual as definições alvo concomitantes são apresentadas a um operador ou outro usuário para resolução. Em outro exemplo, o resolvedor de definições pode incluir uma rede neural ou outra inteligência artificial ou sistema de aprendizado de máquina. Em tais casos, os resolvedores de definições podem resolver as definições alvo concomitantes com base em uma métrica de qualidade predita ou histórica correspondente a cada uma das diferentes definições alvo. Por exemplo, uma configuração de velocidade elevada do veículo pode reduzir o tempo de colheita em um campo e reduzir os custos de equipamento e trabalho com base no tempo correspondentes, mas pode aumentar as perdas de grãos. Uma configuração de velocidade reduzida do veículo pode aumentar o tempo para a colheita de um campo e aumentar os custos de trabalho e equipamento com base no tempo correspondentes, mas pode diminuir as perdas de grãos. Quando a perda de grãos ou o tempo de colheita for selecionada como uma métrica de qualidade, o valor predito ou histórico para a métrica de qualidade selecionada, dados os dois valores de configurações de velocidade do veículo concorrentes, pode ser usado para resolver a configuração de velocidade. Em alguns casos, os resolvedores de definições podem ser um conjunto de regras de limite que podem ser usados em vez de, ou além, das zonas de regime. Um exemplo de regra de limite pode ser expresso da seguinte forma:

[00152] Se os valores de biomassa preditos dentro de 6,1 metros (20 pés) do coletor da colheitadeira agrícola 100 forem maiores do que x quilogramas (em que x é um valor selecionado ou predeterminado), então use o valor de configuração alvo que é escolhido com base na taxa de alimentação em relação a outras definições alvo concomitantes, caso contrário, use o valor de configuração de destino com base na perda de grãos em relação a outros valores de configuração de destino concomitantes.

[00153] Os resolvedores de definições podem ser componentes lógicos que executam regras lógicas na identificação de uma configuração de destino. Por exemplo, o resolvedor de definições pode resolver as definições do alvo enquanto tenta minimizar o tempo de colheita ou minimizar o custo total da colheita ou maximizar o grão colhido ou com base em outras variáveis que são calculadas como uma função das diferentes definições do alvo candidato. Um tempo de colheita pode ser minimizado quando uma quantidade para completar uma colheita é reduzida a ou abaixo de um limite selecionado. Um custo total de colheita pode ser minimizado em que o custo total de colheita é reduzido para um valor igual ou inferior a um limite selecionado. Os grãos colhidos podem ser maximizados em que a quantidade de grãos colhidos é aumentada para igual ou acima de um limite selecionado.

[00154] A Figura 9 é um diagrama de fluxo que ilustra um exemplo da operação do gerador de zona de controle 213 na geração de zonas de controle e zonas de regime para um mapa que o gerador de zona de controle 213 recebe para processamento de zona (por exemplo, para um mapa em análise).

[00155] No bloco 530, o gerador de zona de controle 213 recebe um mapa em análise para processamento. Em um exemplo, como mostrado no bloco 532, o mapa em análise é um mapa preditivo funcional. Por exemplo, o mapa em análise pode ser um dos mapas preditivos funcionais 436, 437, 438 ou 440. O bloco 534 indica que o mapa em análise também pode ser outros mapas.

[00156] No bloco 536, o seletor WMA 486 seleciona um WMA ou um conjunto de WMAs para os quais as zonas de controle devem ser geradas no mapa em análise. No bloco 538, o componente de identificação de critérios de zona de controle 494 obtém critérios de definição de zona de controle para os WMAs selecionados ou conjunto de WMAs. O bloco 540 indica um exemplo em que os critérios da zona de controle são ou incluem características de desgaste do WMA selecionado ou conjunto de WMAs. O bloco 542 indica um exemplo em que os critérios de definição da zona de controle são ou incluem uma magnitude e variação de dados de origem de entrada, como a magnitude e variação dos valores no mapa em análise ou a magnitude e variação de entradas de vários dados sensores in situ 208. O bloco 544 indica um exemplo em que os critérios de definição da zona de controle são ou incluem características físicas da máquina, como as dimensões físicas da máquina, uma velocidade na qual diferentes subsistemas operam ou outras características físicas da máquina. O bloco 546 indica um exemplo em que os critérios de definição da zona de controle são ou incluem uma capacidade de resposta do WMA selecionado ou conjunto de WMAs para atingir os valores de configuração recém-comandados. O bloco 548 indica um exemplo em que os critérios de definição da zona de controle são ou incluem métricas de desempenho da máquina. O bloco 550 indica um exemplo em que os critérios de definição da zona de controle são ou incluem as preferências do operador. O bloco 552 indica um exemplo em que os critérios de definição da zona de controle são ou incluem outros itens também. O bloco 549 indica um exemplo no qual os critérios de definição da zona de controle se baseiam no tempo, o que significa que a colheitadeira agrícola 100 não cruzará o limite de uma zona de controle até que uma quantidade de tempo selecionada tenha decorrido desde que a colheitadeira 100 agrícola entrou em uma zona de controle particular. Em alguns casos, a quantidade de tempo selecionada pode ser uma quantidade mínima de tempo. Assim, em alguns casos, os critérios de definição da zona de controle podem evitar que a colheitadeira agrícola 100 cruze um limite de uma zona de controle até que pelo menos a quantidade de tempo selecionada tenha decorrido. O bloco 551 indica um exemplo no qual os critérios de definição da zona de controle se baseiam em um valor de tamanho selecionado. Por exemplo, um critério de definição de zona de controle que é baseado em um valor de tamanho selecionado pode impedir a definição de uma zona de controle que seja menor do que o tamanho selecionado. Em alguns casos, o tamanho selecionado pode ser um tamanho mínimo.

[00157] No bloco 554, componente de identificação de critérios de zona de regime 522 obtém critérios de definição de zona de regime para o WMA selecionado ou conjunto de WMAs. O bloco 556 indica um exemplo no qual os critérios de definição da zona de regime se baseiam em uma entrada manual do operador 260 ou outro usuário. O bloco 558 ilustra um exemplo no qual os critérios de definição da zona de regime se baseiam no tipo de safra ou variedade de safra. O bloco 560 ilustra um exemplo em que os critérios de definição da zona de regime se baseiam no tipo de praga ou intensidade da praga ou ambos. O bloco 562 ilustra um exemplo em que os critérios de definição da zona de regime se baseiam em ou incluem estado de safra. O bloco 564 indica um exemplo em que os critérios de definição da zona de regime são ou incluem outros critérios também.

[00158] No bloco 566, o componente de definição de limiar de zona de controle 496 gera os limiares de zonas de controle no mapa em análise com base nos critérios de zona de controle. O componente 524 de definição de fronteira de zona de regime gera as fronteiras de zonas de regime no mapa em análise com base nos critérios de zona de regime. O bloco 568 indica um exemplo em que os limites da zona são identificados para as zonas de controle e as zonas de regime. O bloco 570 mostra que o componente identificador de configuração de destino 498 identifica as definições alvo para cada uma das zonas de controle. As zonas de controle e zonas de regime também podem ser geradas de outras maneiras, e isso é indicado pelo bloco 572.

[00159] No bloco 574, o componente identificador do resolvedor de definições 526 identifica o resolvedor de definições para os WMAs selecionados em cada zona de regime definida pelo componente de definição de limite de zona de regimes 524. Como discutido acima, o resolvedor de zona de regime pode ser um resolvedor humano 576, uma inteligência artificial ou resolvedor de sistema de aprendizado de máquina 578, um resolvedor 580 com base na qualidade predita ou histórica para cada definição alvo concorrente, um resolvedor com base em regras 582, um critério de desempenho com base em resolvedor 584 ou outros resolvedores 586.

[00160] No bloco 588, o seletor WMA 486 determina se há mais WMAs ou conjuntos de WMAs para processar. Se WMAs adicionais ou conjuntos de WMAs estão restantes para serem processados, o processamento reverte para o bloco 436 em que o próximo WMA ou conjunto de WMAs para os quais zonas de controle e zonas de regime devem ser definidas é selecionado. Quando nenhum WMAs ou conjuntos de WMAs adicionais para os quais zonas de controle ou zonas de regime devem ser geradas são restantes, o processamento se move para o bloco 590, em que o gerador de zona de controle 213 produz um mapa com zonas de controle, definições alvo, zonas de regime e resolvedores de definições para cada dos WMAs ou conjuntos de WMAs. Como discutido acima, o mapa gerado pode ser apresentado ao operador 260 ou a outro usuário; o mapa emitido pode ser fornecido para o sistema de controle 214; ou o mapa gerado pode ser gerado de outras maneiras.

[00161] A Figura 10 ilustra um exemplo da operação do sistema de controle 214 no controle da colheitadeira agrícola 100 com base em um mapa que é emitido pelo gerador de zona de controle 213. Assim, no bloco 592, o sistema de controle 214 recebe um mapa da localização de trabalho. Em alguns casos, o mapa pode ser um mapa preditivo funcional que pode incluir zonas de controle e zonas de regime, conforme representado pelo bloco 594. Em alguns casos, o mapa recebido pode ser um mapa preditivo funcional que exclui zonas de controle e zonas de regime. O bloco 596 indica um exemplo em que o mapa recebido da localização de trabalho pode ser um mapa de informação anterior com zonas de controle e zonas de regime identificadas nele. O bloco 598 indica um exemplo no qual o mapa recebido pode incluir vários mapas diferentes ou várias camadas de mapas diferentes. O bloco 610 indica um exemplo em que o mapa recebido também pode assumir outras formas.

[00162] No bloco 612, o sistema de controle 214 recebe um sinal do sensor do sensor de posição geográfica 204. O sinal do sensor do sensor de posição geográfica 204 pode incluir dados que indicam a localização geográfica 614 da colheitadeira agrícola 100, a velocidade 616 da colheitadeira agrícola 100, a direção 618 da colheitadeira agrícola 100 ou outra informação 620. No bloco 622, o controlador de zona 247 seleciona uma zona de regime e, no bloco 624, o controlador de zona 247 seleciona uma zona de controle no mapa com base no sinal do sensor de posição geográfica. No bloco 626, o controlador de zona 247 seleciona um WMA ou um conjunto de WMAs a serem controlados. No bloco 628, o controlador de zona 247 obtém uma ou mais definições alvo para o WMA selecionado ou conjunto de WMAs. As definições alvo obtidas para o WMA selecionado ou conjunto de WMAs podem vir de uma variedade de fontes diferentes. Por exemplo, o bloco 630 mostra um exemplo em que uma ou mais das definições alvo para o WMA selecionado ou conjunto de WMAs é baseado em uma entrada das zonas de controle no mapa da localização de trabalho. O bloco 632 mostra um exemplo no qual uma ou mais das definições alvo são obtidas a partir de entradas humanas do operador 260 ou de outro usuário. O bloco 634 mostra um exemplo no qual as definições alvo são obtidas a partir de um sensor in situ 208. O bloco 636 mostra um exemplo em que uma ou mais definições alvo são obtidas de um ou mais sensores em outras máquinas trabalhando no mesmo campo simultaneamente com a colheitadeira agrícola 100 ou de um ou mais sensores em máquinas que trabalharam no mesmo campo no passado. O bloco 638 mostra um exemplo no qual as definições alvo também são obtidas de outras fontes.

[00163] No bloco 640, o controlador de zona 247 acessa o resolvedor de definições para a zona de regime selecionada e controla o resolvedor de definições para resolver definições alvo concomitantes em uma configuração de alvo resolvida. Como discutido acima, em alguns casos, o resolvedor de definições pode ser um resolvedor humano, em cujo caso o controlador de zona 247 controla os mecanismos de interface de operador 218 para apresentar as definições alvo concomitantes para o operador 260 ou outro usuário para resolução. Em alguns casos, o resolvedor de definições pode ser uma rede neural ou outra inteligência artificial ou sistema de aprendizado de máquina e o controlador de zona 247 envia as definições alvo concomitantes para a rede neural, inteligência artificial ou sistema de aprendizado de máquina para seleção. Em alguns casos, o resolvedor de definições pode se basear em uma métrica de qualidade predita ou histórica, em regras de limite ou em componentes lógicos. Em qualquer um destes últimos exemplos, o controlador de zona 247 executa o resolvedor de definições para obter uma configuração de destino resolvida com base na métrica de qualidade prevista ou histórica, com base nas regras de limite ou com o uso dos componentes lógicos.

[00164] No bloco 642, com o controlador de zona 247 tendo identificado a configuração de destino resolvido, o controlador de zona 247 fornece a configuração de destino resolvido para outros controladores no sistema de controle 214, que geram e aplicam sinais de controle para o WMA selecionado ou conjunto de WMAs com base no alvo resolvido configuração. Por exemplo, em que o WMA selecionado é uma máquina ou atuador de coletor 248, o controlador de zona 247 fornece a definição alvo resolvida para definições de controlador 232 ou coletor/controlador real 238 ou ambos para gerar sinais de controle com base na definição alvo resolvido e aqueles gerados de controle sinais são aplicados à máquina ou aos atuadores de coletor 248. No bloco 644, se WMAs adicionais ou conjuntos adicionais de WMAs devem ser controlados na localização geográfica atual da colheitadeira agrícola 100 (conforme detectado no bloco 612), então o processamento reverte para o bloco 626 em que o próximo WMA ou conjunto de WMAs é selecionado. Os processos representados pelos blocos 626 a 644 continuam até que todos os WMAs ou conjuntos de WMAs a serem controlados na localização geográfica atual da colheitadeira agrícola 100 tenham sido tratados. Se nenhum WMAs ou conjuntos de WMAs adicionais forem controlados na localização geográfica atual da colheitadeira agrícola 100 permanecer, o processamento prossegue para o bloco 646 em que o controlador de zona 247 determina se zonas de controle adicionais a serem consideradas existem na zona de regime selecionada. Se zonas de controle adicionais a serem consideradas existem, o processamento reverte para o bloco 624, em que uma próxima zona de controle é selecionada. Se não houver zonas de controle adicionais a serem consideradas, o processamento prossegue para o bloco 648, em que uma determinação quanto a se as zonas de regime adicionais devem ser consideradas. O controlador de zona 247 determina se zonas de regime adicionais ainda precisam ser consideradas. Se a zona de regime adicional ainda precisa ser considerada, o processamento reverte para o bloco 622, em que uma próxima zona de regime é selecionada.

[00165] No bloco 650, o controlador de zona 247 determina se a operação que a colheitadeira agrícola 100 está realizando está completa. Se não, o controlador de zona 247 determina se um critério de zona de controle foi satisfeito para continuar o processamento, conforme indicado pelo bloco 652. Por exemplo, como mencionado acima, os critérios de definição da zona de controle podem incluir critérios que definem quando um limite da zona de controle pode ser cruzado pela colheitadeira agrícola 100. Por exemplo, se um limite de zona de controle pode ser cruzado pela colheitadeira agrícola 100 pode ser definido por um período de tempo selecionado, o que significa que a colheitadeira agrícola 100 é impedida de cruzar um limite de zona até que uma quantidade de tempo selecionada tenha transcorrido. Nesse caso, no bloco 652, o controlador de zona 247 determina se o período de tempo selecionado já passou. Além disso, o controlador de zona 247 pode realizar o processamento continuamente. Assim, o controlador de zona 247 não espera por qualquer período de tempo específico antes de continuar a determinar se uma operação da colheitadeira agrícola 100 foi concluída. No bloco 652, o controlador de zona 247 determina que é hora de continuar o processamento, então o processamento continua no bloco 612, em que o controlador de zona 247 recebe novamente uma entrada do sensor de posição geográfica 204. Também será reconhecido que o controlador de zona 247 pode controlar os WMAs e conjuntos de WMAs simultaneamente usando um controlador de múltiplas entradas e saídas em vez de controlar os WMAs e conjuntos de WMAs sequencialmente.

[00166] A Figura 11 é um diagrama de blocos que mostra um exemplo de um controlador de interface de operador 231. Em um exemplo ilustrado, o controlador de interface de operador 231 inclui sistema de processamento de comando de entrada de operador 654, outro sistema de interação de controlador 656, sistema de processamento de voz 658 e gerador de sinal de ação 660. O sistema de processamento de comando de entrada de operador 654 inclui sistema de gerenciamento de fala 662, sistema de gerenciamento de toque e gesto 664 e outros itens 666. Outro sistema de interação do controlador 656 inclui o sistema de processamento de entrada do controlador 668 e o gerador de saída do controlador 670. O sistema de processamento de fala 658 inclui detector de engatilhamento 672, componente de reconhecimento 674, componente de síntese 676, sistema de compreensão de linguagem natural 678, sistema de gerenciamento de diálogo 680 e outros itens 682. O gerador de sinal de ação 660 inclui gerador de sinal de controle visual 684, gerador de sinal de controle de áudio 686, gerador de sinal de controle háptico 688 e outros itens 690. Antes de descrever a operação do controlador de interface de operador de exemplo 231 mostrado na Figura 11 na manipulação de várias ações de interface de operador, uma breve descrição de alguns dos itens no controlador de interface de operador 231 e a operação associada do mesmo é fornecida em primeiro lugar.

[00167] O sistema de processamento de comando de entrada de operador 654 detecta as entradas do operador nos mecanismos de interface de operador 218 e processa essas entradas para comandos. O sistema de tratamento de voz 662 detecta entradas de voz e lida com as interações com o sistema de processamento de voz 658 para processar as entradas de voz para comandos. O sistema de gerenciamento de gestos de toque 664 detecta gestos de toque em elementos sensíveis ao toque nos mecanismos de interface de operador 218 e processa essas entradas para comandos.

[00168] Outro sistema de interação de controlador 656 lida com interações com outros controladores no sistema de controle 214. O sistema de processamento de entrada do controlador 668 detecta e processa as entradas de outros controladores no sistema de controle 214 e o gerador de saída do controlador 670 gera saídas e fornece essas saídas para outros controladores no sistema de controle 214. O sistema de processamento de voz 658 reconhece entradas de voz, determina o significado dessas entradas e fornece uma saída indicativa do significado das entradas faladas. Por exemplo, o sistema de processamento de voz 658 pode reconhecer uma entrada de voz do operador 260 como um comando de mudança de definições em que o operador 260 está comandando o sistema de controle 214 para alterar uma configuração para um subsistema controlável 216. Em tal exemplo, o sistema de processamento de voz 658 reconhece o conteúdo do comando falado, identifica o significado desse comando como um comando de alteração de definições e fornece o significado dessa entrada de volta ao sistema de tratamento de voz 662. O sistema de tratamento de fala 662, por sua vez, interage com o gerador de saída do controlador 670 para fornecer a saída comandada ao controlador apropriado no sistema de controle 214 para realizar o comando de alteração das definições faladas.

[00169] O sistema de processamento de voz 658 pode ser chamado de uma variedade de maneiras diferentes. Por exemplo, em um exemplo, o sistema de tratamento de fala 662 fornece continuamente uma entrada de um microfone (sendo um dos mecanismos de interface de operador 218) para o sistema de processamento de fala 658. O microfone detecta a fala do operador 260 e o sistema de gerenciamento de fala 662 fornece a fala detectada para o sistema de processamento de fala 658. O detector de engatilhamento 672 detecta um engatilhamento indicando que o sistema de processamento de fala 658 é invocado. Em alguns casos, quando o sistema de processamento de fala 658 está recebendo entradas de fala contínuas do sistema de tratamento de fala 662, o componente de reconhecimento de fala 674 realiza o reconhecimento de fala contínuo em toda a fala falada pelo operador 260. Em alguns casos, o sistema de processamento de voz 658 é configurado para invocação usando uma palavra de ativação. Ou seja, em alguns casos, a operação do sistema de processamento de voz 658 pode ser iniciada com base no reconhecimento de uma palavra falada selecionada, referida como palavra de despertar. Em tal exemplo, em que o componente de reconhecimento 674 reconhece a palavra de despertar, o componente de reconhecimento 674 fornece uma indicação de que a palavra de despertar foi reconhecida para acionar o detector 672. O detector de engatilhamento 672 detecta que o sistema de processamento de fala 658 foi invocado ou disparado pela palavra de ativação. Em outro exemplo, o sistema de processamento de voz 658 pode ser invocado por um operador 260 atuando um atuador em um mecanismo de interface de usuário, como tocando um atuador em uma tela sensível ao toque, pressionando um botão ou fornecendo outra entrada de engatilhamento. Em tal exemplo, o detector de engatilhamento 672 pode detectar que o sistema de processamento de fala 658 foi invocado quando uma entrada de engatilhamento por meio de um mecanismo de interface de usuário é detectada. O detector de engatilhamento 672 pode detectar que o sistema de processamento de fala 658 foi invocado de outras maneiras também.

[00170] Uma vez que o sistema de processamento de voz 658 é invocado, a entrada de voz do operador 260 é fornecida ao componente de reconhecimento de voz 674. O componente 674 de reconhecimento de fala reconhece elementos linguísticos na entrada de fala, como palavras, frases ou outras unidades linguísticas. O sistema de compreensão de linguagem natural 678 identifica um significado da fala reconhecida. O significado pode ser uma saída de linguagem natural, uma saída de comando que identifica um comando refletido na fala reconhecida, uma saída de valor que identifica um valor na fala reconhecida ou qualquer uma de uma ampla variedade de outras saídas que refletem a compreensão da fala reconhecida. Por exemplo, o sistema de compreensão de linguagem natural 678 e o sistema de processamento de fala 568, de forma mais geral, podem compreender o significado da fala reconhecida no contexto da colheitadeira agrícola 100.

[00171] Em alguns exemplos, o sistema de processamento de voz 658 também pode gerar saídas que navegam o operador 260 através de uma experiência de usuário com base na entrada de voz. Por exemplo, o sistema de gerenciamento de diálogo 680 pode gerar e gerenciar um diálogo com o usuário a fim de identificar o que o usuário deseja fazer. A caixa de diálogo pode eliminar a ambiguidade do comando de um usuário; identificar um ou mais valores específicos que são necessários para executar o comando do usuário; ou obter outra informação do usuário ou fornecer outra informação ao usuário ou ambos. O componente de síntese 676 pode gerar a síntese de voz que pode ser apresentada ao usuário por meio de um mecanismo de interface de operador de áudio, como um alto-falante. Assim, o diálogo gerenciado pelo sistema de gerenciamento de diálogo 680 pode ser exclusivamente um diálogo falado ou uma combinação de um diálogo visual e um diálogo falado.

[00172] O gerador de sinal de ação 660 gera sinais de ação para controlar os mecanismos de interface de operador 218 com base nas saídas de um ou mais do sistema de processamento de comando de entrada de operador 654, outro sistema de interação de controlador 656 e sistema de processamento de voz 658. O gerador de sinal de controle visual 684 gera sinais de controle para controlar itens visuais em mecanismos de interface de operador 218. Os itens visuais podem ser luzes, uma tela de exibição, indicadores de advertência ou outros itens visuais. O gerador de sinal de controle de áudio 686 gera saídas que controlam elementos de áudio de mecanismos de interface de operador 218. Os elementos de áudio incluem um alto-falante, mecanismos de alerta sonoro, buzinas ou outros elementos audíveis. O gerador de sinal de controle háptico 688 gera sinais de controle que são emitidos para controlar elementos hápticos de mecanismos de interface de operador 218. Os elementos hápticos incluem elementos de vibração que podem ser usados para vibrar, por exemplo, o assento do operador, o volante, pedais ou alavancas de direção usados pelo operador. Os elementos hápticos podem incluir feedback tátil ou elementos de feedback de força que fornecem feedback tátil ou feedback de força para o operador por meio de mecanismos de interface de operador. Os elementos hápticos também podem incluir uma grande variedade de outros elementos hápticos.

[00173] A Figura 12 é um diagrama de fluxo que ilustra um exemplo da operação do controlador de interface de operador 231 na geração de um visor de interface de operador em um mecanismo de interface de operador 218, que pode incluir uma tela de tela sensível ao toque. A Figura 12 também ilustra um exemplo de como o controlador de interface de operador 231 pode detectar e processar as interações do operador com a tela sensível ao toque.

[00174] No bloco 692, o controlador de interface de operador 231 recebe um mapa. O bloco 694 indica um exemplo em que o mapa é um mapa preditivo funcional e o bloco 696 indica um exemplo em que o mapa é outro tipo de mapa. No bloco 698, o controlador de interface de operador 231 recebe uma entrada do sensor de posição geográfica 204 identificando a localização geográfica da colheitadeira agrícola 100. Como indicado no bloco 700, a entrada do sensor de posição geográfica 204 pode incluir a direção, juntamente com a localização, da colheitadeira agrícola 100. O bloco 702 indica um exemplo em que a entrada do sensor de posição geográfica 204 inclui a velocidade da colheitadeira agrícola 100 e o bloco 704 indica um exemplo em que a entrada do sensor de posição geográfica 204 inclui outros itens.

[00175] No bloco 706, o gerador de sinal de controle visual 684 no controlador de interface de operador 231 controla a tela de tela sensível ao toque nos mecanismos de interface de operador 218 para gerar uma tela mostrando todo ou uma porção de um campo representado pelo mapa recebido. O bloco 708 indica que o campo exibido pode incluir um marcador de posição atual mostrando uma posição atual da colheitadeira agrícola 100 em relação ao campo. O bloco 710 indica um exemplo no qual o campo exibido inclui um marcador de próxima unidade de trabalho que identifica uma próxima unidade de trabalho (ou área no campo) na qual a colheitadeira 100 estará operando. O bloco 712 indica um exemplo em que o campo exibido inclui uma próxima porção de exibição de área que exibe áreas que ainda não foram processadas pela colheitadeira agrícola 100 e o bloco 714 indica um exemplo em que o campo exibido inclui porções de exibição visitadas anteriormente que representam áreas de o campo que a colheitadeira 100 já processou. O bloco 716 indica um exemplo no qual o campo exibido exibe várias características do campo tendo localizações georreferenciadas no mapa. Por exemplo, se o mapa recebido for um mapa de pragas, o campo exibido pode mostrar os diferentes tipos de pragas existentes no campo georreferenciado dentro do campo exibido. As características mapeadas podem ser mostradas nas áreas previamente visitadas (como mostrado no bloco 714), nas próximas áreas (como mostrado no bloco 712) e na próxima unidade de trabalho (como mostrado no bloco 710). O bloco 718 indica um exemplo em que o campo exibido também inclui outros itens.

[00176] A Figura 13 é uma ilustração pictórica que mostra um exemplo de uma tela de interface de usuário 720 que pode ser gerada em uma tela de tela sensível ao toque. Em outras implementações, o visor de interface de usuário 720 pode ser gerado em outros tipos de monitores. A tela sensível ao toque pode ser montada no compartimento de operador da colheitadeira agrícola 100 ou no dispositivo móvel ou em outro lugar. O visor de interface de usuário 720 será descrito antes de continuar com a descrição do diagrama de fluxo mostrado na Figura 12.

[00177] No exemplo mostrado na Figura 13, a tela de interface de usuário 720 ilustra que a tela de tela sensível ao toque inclui um recurso de tela para operar um microfone 722 e um alto-falante 724. Assim, a tela sensível ao toque pode ser acoplada de forma comunicável ao microfone 722 e ao alto-falante 724. O bloco 726 indica que a tela sensível ao toque pode incluir uma ampla variedade de atuadores de controle de interface de usuário, como botões, teclados, teclados virtuais, enlaces, ícones, interruptores, etc. O operador 260 pode atuar os atuadores de controle de interface de usuário para executar várias funções.

[00178] No exemplo mostrado na Figura 13, a tela de interface de usuário 720 inclui uma porção de tela de campo 728 que exibe pelo menos uma porção do campo em que a colheitadeira agrícola 100 está operando. A porção de exibição de campo 728 é mostrada com um marcador de posição atual 708 que corresponde a uma posição atual da colheitadeira agrícola 100 na porção do campo mostrada na porção de exibição de campo 728. Em um exemplo, o operador pode controlar a tela sensível ao toque a fim de aumentar o zoom em porções da porção de exibição de campo 728 ou para deslocar ou rolar a porção de exibição de campo 728 para mostrar diferentes porções do campo. Uma próxima unidade de trabalho 730 é mostrada como uma área do campo diretamente na frente do marcador de posição atual 708 da colheitadeira agrícola 100. O marcador de posição atual 708 também pode ser configurado para identificar a direção de deslocamento da colheitadeira agrícola 100, uma velocidade de deslocamento da colheitadeira agrícola 100 ou ambos. Na Figura 13, a forma do marcador de posição atual 708 fornece uma indicação quanto à orientação da colheitadeira agrícola 100 dentro do campo que pode ser usada como uma indicação de uma direção de deslocamento da colheitadeira agrícola 100.

[00179] O tamanho da próxima unidade de trabalho 730 marcada na porção de exibição de campo 728 pode variar com base em uma ampla variedade de critérios diferentes. Por exemplo, o tamanho da próxima unidade de trabalho 730 pode variar com base na velocidade de deslocamento da colheitadeira agrícola 100. Assim, quando a colheitadeira agrícola 100 está se deslocando mais rápido, então a área da próxima unidade de trabalho 730 pode ser maior do que a área da próxima unidade de trabalho 730 se a colheitadeira agrícola 100 estiver se deslocando mais lentamente. A porção de exibição de campo 728 também é mostrada exibindo a área visitada anteriormente 714 e as próximas áreas 712. As áreas 714 visitadas anteriormente representam áreas que já foram colhidas, enquanto as áreas 712 futuras representam áreas que ainda precisam ser colhidas. A porção de exibição de campo 728 também é mostrada exibindo diferentes características do campo. No exemplo ilustrado na Figura 13, o mapa que está sendo exibido é um mapa de pragas. Portanto, uma pluralidade de marcadores de praga diferentes é exibida na porção de exibição de campo 728. Há um conjunto de marcadores de exibição de característica de praga 732 mostrado nas áreas já visitadas 714. Há também um conjunto de marcadores de exibição de característica de praga 734 mostrado nas próximas áreas 712, e há um conjunto de marcadores de exibição de característica de praga 736 mostrado na próxima unidade de trabalho 730. A Figura 13 mostra que os marcadores de exibição de característica de praga 732, 734 e 736 são feitos de símbolos diferentes. Cada um dos símbolos representa um tipo de praga. No exemplo mostrado na Figura 3, o símbolo @ representa um animal ativo no campo; o símbolo * representa plantas infectadas com doenças; e o símbolo # representa fungos. Assim, a porção de exibição de campo 728 mostra diferentes tipos de pragas que estão localizadas em diferentes áreas dentro do campo. Estes são apenas exemplos e outras pragas também podem ser exibidas no monitor 720. Como descrito anteriormente, os marcadores de exibição 732 podem ser compostos de diferentes símbolos e, conforme descrito abaixo, os símbolos podem ser qualquer recurso de exibição, como diferentes cores, formas, padrões, intensidades, texto, ícones ou outros recursos de exibição. Em alguns casos, cada localização do campo pode ter um marcador de exibição associado ao mesmo. Assim, em alguns casos, um marcador de exibição pode ser fornecido em cada local da porção de exibição de campo 728 para identificar a natureza da característica sendo mapeada para cada local particular do campo. Consequentemente, a presente descrição abrange o fornecimento de um marcador de exibição, como o marcador de exibição de nível de perda 732 (como no contexto do presente exemplo da Figura 11), em um ou mais localizações na porção de exibição de campo 728 para identificar a natureza, grau, etc., da característica sendo exibida, identificando assim a característica no local correspondente no campo sendo exibido.

[00180] No exemplo da Figura 13, o visor de interface de usuário 720 também tem uma porção de exibição de controle 738. A porção de exibição de controle 738 permite ao operador visualizar informação e interagir com a exibição de interface de usuário 720 de várias maneiras.

[00181] Os atuadores e marcadores de exibição na porção 738 podem ser exibidos como, por exemplo, itens individuais, listas fixas, listas roláveis, menus suspensos ou listas suspensas. No exemplo mostrado na Figura 13, a porção de exibição 738 mostra informação para os três tipos de pragas diferentes que correspondem aos três símbolos mencionados acima. A porção de exibição 738 também inclui um conjunto de atuadores sensíveis ao toque com os quais o operador 260 pode interagir pelo toque. Por exemplo, o operador 260 pode tocar os atuadores sensíveis ao toque com um dedo para ativar o respectivo atuador sensível ao toque.

[00182] Uma coluna de sinalização 739 mostra sinalizadores que foram definidos automática ou manualmente. O atuador de bandeira 740 permite que o operador 260 marque um local e, em seguida, adicione informação indicando os tipos de pragas que são encontrados naquela localização. Por exemplo, quando o operador 260 aciona o atuador de bandeira 740 tocando o atuador de bandeira 740, o sistema de manipulação de gestos de toque 664 no controlador de interface de operador 231 identifica o local como aquele em que um cervo está ou esteve presente. Quando o operador 260 toca o botão 742, o sistema de manipulação de gestos de toque 664 identifica o local como um local em que uma ou mais plantas doentes estão presentes. Quando o operador 260 toca o botão 744, o sistema de manipulação de gestos de toque 664 identifica o local como um local em que fungos ou uma ou mais plantas afetadas por fungos estão presentes. O sistema de manipulação de gestos de toque 664 também controla o gerador de sinal de controle visual 684 para adicionar um símbolo correspondente ao tipo de praga identificado na porção de exibição de campo 728 em uma localização que o usuário identifica antes ou depois ou durante a atuação dos botões 740, 742 ou 744.

[00183] A coluna 746 exibe os símbolos correspondentes a cada tipo de praga que está sendo rastreado na porção de exibição de campo 728. A coluna 748 do designador mostra o designador (que pode ser um designador textual ou outro designador) identificando o tipo de praga. Sem limitação, os símbolos de tipo de praga na coluna 746 e os designadores na coluna 748 podem incluir quaisquer marcadores de exibição, como diferentes cores, formas, padrões, intensidades, texto, ícones ou outros marcadores de exibição. A coluna 750 mostra os valores característicos da praga. No exemplo mostrado na Figura 13, os valores característicos da praga são valores representativos da densidade da praga. Os valores exibidos na coluna 750 podem ser valores previstos ou valores medidos por sensores in situ 208. Os valores na coluna 750 podem incluir qualquer um dos valores de qualquer uma das propriedades da praga incluídas no escopo da intensidade de praga, bem como o tipo de praga e outros valores. Em um exemplo, o operador 260 pode selecionar a parte particular da porção de exibição de campo 728 para a qual os valores na coluna 750 devem ser exibidos. Assim, os valores na coluna 750 podem corresponder a valores nas porções de exibição 712, 714 ou 730. A coluna 752 exibe os valores de limite de ação. Os valores de limite de ação na coluna 752 podem ser valores de limite correspondentes aos valores medidos na coluna 750. Se os valores medidos na coluna 750 satisfizerem os valores de limite de ação correspondentes na coluna 752, então o sistema de controle 214 executa a ação identificada na coluna 754. Em alguns casos, um valor medido pode satisfazer um valor de limite de ação correspondente ao atingir ou exceder o valor de limite de ação correspondente. Em um exemplo, o operador 260 pode selecionar um valor de limite, por exemplo, a fim de alterar o valor de limite tocando o valor de limite na coluna 752. Uma vez selecionado, o operador 260 pode alterar o valor limite. Os valores de limite na coluna 752 podem ser configurados de modo que a ação designada seja realizada quando o valor medido 750 excede o valor de limite, é igual ao valor de limite ou é menor que o valor de limite.

[00184] De forma semelhante, o operador 260 pode tocar nos identificadores de ação na coluna 754 para alterar a ação que deve ser executada. Quando um limite for atingido, várias ações podem ser tomadas. Por exemplo, na parte inferior da coluna 754, uma ação de redução de velocidade e uma ação de aumento do ventilador são identificadas como ações que serão tomadas se o valor medido na coluna 750 atingir o valor limite na coluna 752.

[00185] As ações que podem ser definidas na coluna 754 podem ser qualquer uma de uma ampla variedade de diferentes tipos de ações. Por exemplo, as ações podem incluir uma ação de manter fora que, quando executada, inibe a colheitadeira 100 de colheita adicional em uma área. As ações podem incluir ativação de mitigação que, quando executada, realiza uma ação de mitigação, como um coletor de grãos ruins, soprando os grãos. As ações podem incluir uma ação de alteração de definição para alterar uma configuração de um atuador interno ou outro WMA ou conjunto de WMAs ou para implementar uma ação de alteração de configuração que altera uma configuração de um coletor. Estes são apenas exemplos, e uma ampla variedade de outras ações são contempladas aqui.

[00186] Os marcadores de exibição mostrados no visor de interface de usuário 720 podem ser controlados visualmente. O controle visual da tela de interface 720 pode ser realizado para capturar a atenção do operador 260. Por exemplo, os marcadores de exibição podem ser controlados para modificar a intensidade, cor ou padrão com o qual os marcadores de exibição são exibidos. Além disso, os marcadores de exibição podem ser controlados para piscar. As alterações descritas na aparência visual dos marcadores de exibição são fornecidas a título de exemplo. Consequentemente, outros aspectos da aparência visual dos marcadores de exibição podem ser alterados. Portanto, os marcadores de exibição podem ser modificados em várias circunstâncias de uma maneira desejada, a fim de, por exemplo, captar a atenção do operador 260.

[00187] Várias funções que podem ser realizadas pelo operador 260 usando o visor de interface de usuário 720 também podem ser realizadas automaticamente, como por outros controladores no sistema de controle 214. Por exemplo, quando um tipo diferente de praga é identificado por um sensor in situ 208, o controlador de interface de operador 231 pode adicionar automaticamente um sinalizador na localização atual da colheitadeira agrícola 100 (que corresponde à localização do tipo de praga encontrada) e gerar uma exibição na coluna da bandeira, um símbolo correspondente na coluna do símbolo e um designador na coluna do designador 748. O controlador de interface de operação 231 também pode gerar um valor medido na coluna 750 e um valor limite na coluna 752 mediante identificação de um tipo diferente de praga. O controlador de interface de operação 231, ou outro controlador, também pode identificar automaticamente uma ação que é adicionada à coluna 754.

[00188] Voltando agora ao diagrama de fluxo da Figura 12, a descrição da operação do controlador de interface de operador 231 continua. No bloco 760, o controlador de interface de operador 231 detecta uma configuração de entrada de uma bandeira e controla a tela de interface de usuário sensível ao toque 720 para exibir a bandeira na porção de tela de campo 728. A entrada detectada pode ser uma entrada de operador, conforme indicado em 762, ou uma entrada de outro controlador, conforme indicado em 764. No bloco 766, o controlador de interface de operador 231 detecta uma entrada de sensor in situ indicativa de uma característica medida do campo de um dos sensores in situ 208. No bloco 768, o gerador de sinal de controle visual 684 gera sinais de controle para controlar a tela de interface de usuário 720 para exibir atuadores para modificar a tela de interface de usuário 720 e para modificar o controle da máquina. Por exemplo, o bloco 770 representa que um ou mais dos atuadores para definir ou modificar os valores nas colunas 739, 746 e 748 podem ser exibidos. Assim, o usuário pode definir sinalizadores e modificar as características desses sinalizadores. Por exemplo, um usuário pode modificar os tipos e designadores de pragas correspondentes aos sinalizadores. O bloco 772 representa que os valores de limite de ação na coluna 752 são exibidos. O bloco 776 representa que as ações na coluna 754 são exibidas e o bloco 778 representa que os dados in situ medidos na coluna 750 é exibido. O bloco 780 indica que uma grande variedade de outra informação e atuadores também podem ser exibidos no visor de interface de usuário 720.

[00189] No bloco 782, o sistema de processamento de comando de entrada de operador 654 detecta e processa as entradas do operador correspondentes às interações com o visor de interface de usuário 720 realizadas pelo operador 260. Onde o mecanismo de interface de usuário no qual o visor de interface de usuário 720 é exibido é uma tela de visor sensível ao toque, as entradas de interação com a tela de visor sensível ao toque pelo operador 260 podem ser gestos de toque 784. Em alguns casos, as entradas de interação do operador podem ser entradas usando um dispositivo de apontar e clicar 786 ou outras entradas de interação do operador 788.

[00190] No bloco 790, o controlador de interface de operador 231 recebe sinais indicativos de uma condição de alerta. Por exemplo, o bloco 792 indica que os sinais podem ser recebidos pelo sistema de processamento de entrada do controlador 668, indicando que os valores detectados na coluna 750 satisfazem as condições de limite presentes na coluna 752. Como explicado anteriormente, as condições de limite podem incluir valores abaixo de um limite, em um limite ou acima de um limite. O bloco 794 mostra que o gerador de sinal de ação 660 pode, em resposta ao recebimento de uma condição de alerta, alertar o operador 260 usando o gerador de sinal de controle visual 684 para gerar alertas visuais, usando o gerador de sinal de controle de áudio 686 para gerar alertas de áudio, usando o controle tátil gerador de sinal 688 para gerar alertas táteis, ou usando qualquer combinação destes. Da mesma forma, como indicado pelo bloco 796, o gerador de saída do controlador 670 pode gerar saídas para outros controladores no sistema de controle 214 de modo que esses controladores executem a ação correspondente identificada na coluna 754. O bloco 798 mostra que o controlador de interface de operador 231 pode detectar e processar condições de alerta de outras maneiras também.

[00191] O bloco 900 mostra que o sistema de tratamento de fala 662 pode detectar e processar entradas que invocam o sistema de processamento de fala 658. O bloco 902 mostra que a execução do processamento de voz pode incluir o uso do sistema de gerenciamento de diálogo 680 para conduzir um diálogo com o operador 260. O bloco 904 mostra que o processamento de voz pode incluir o fornecimento de sinais para o gerador de saída do controlador 670 de modo que as operações de controle sejam realizadas automaticamente com base nas entradas de voz.

[00192] A Tabela 1, abaixo, mostra um exemplo de um diálogo entre o controlador de interface de operador 231 e o operador 260. Na Tabela 1, o operador 260 usa uma palavra de engatilhamento ou uma palavra de ativação que é detectada pelo detector de engatilhamento 672 para invocar o sistema de processamento de fala 658. No exemplo mostrado na Tabela 1, a palavra de ativação é “Johnny”

Tabela 1

[00193] Operador: “Johnny, fale-me sobre as pragas atuais”

[00194] Controlador de Interface de Operador: “A safra infestada de fungos está em 65% com limite de 10%.”

[00195] Operador: "Johnny, o que devo fazer devido às pragas?"

[00196] Controlador de Interface de Operador: “A safra infestada de fungos é muito alta. Pare de colher nesta região e reduza os grãos ruins mais tarde.”

[00197] A Tabela 2 mostra um exemplo em que o componente de síntese de voz 676 fornece uma saída para o gerador de sinal de controle de áudio 686 para fornecer atualizações audíveis em uma base intermitente ou periódica. O intervalo entre as atualizações pode se basear no tempo, como a cada cinco minutos, ou na cobertura ou na distância, como a cada dois hectares (cinco acres), ou baseado na exceção, como quando um valor medido é maior do que um valor limite.

TABELA 2

[00198] Controlador de Interface de Operador: “Nos últimos 10 minutos, a colheita compreendeu 90% da safra normal, 10% da safra doente.”

[00199] Controlador de Interface de Operador: “Próximo 0,4 hectare (1 acre) estimado por compreender 95% da safra, 5% da safra doente.”

[00200] O exemplo mostrado na Tabela 3 ilustra que alguns atuadores ou mecanismos de entrada do usuário na tela sensível ao toque 720 podem ser complementados com diálogo de voz. O exemplo na Tabela 3 ilustra que o gerador de sinal de ação 660 pode gerar sinais de ação para marcar automaticamente um trecho de safra afetada por praga no campo que está sendo colhido.

TABELA 3

[00201] Humano: "Johnny, marque o trecho de pragas."

[00202] Controlador de Interface de Operador: “Área de cultivo infectada por pragas marcada.”

[00203] O exemplo mostrado na Tabela 4 ilustra que o gerador de sinal de ação 660 pode conduzir um diálogo com o operador 260 para iniciar e terminar a marcação de uma área de praga.

TABELA 4

[00204] Humano: “Johnny, comece a marcar a safra infectada por uma praga.”

[00205] Controlador de Interface de Operador: “Marcando a área infectada por pragas.”

[00206] Humano: "Johnny, pare de marcar trecho com praga."

[00207] Controlador de Interface de Operador: “A marcação da área infectada por pragas foi interrompida.”

[00208] O exemplo mostrado na Tabela 5 ilustra que o gerador de sinal de ação 160 pode gerar sinais para marcar um trecho de praga de uma maneira diferente daquela mostrada nas Tabelas 3 e 4.

TABELA 5

[00209] Humano: “Johnny, marque os próximos 30 metros como trecho com praga.”

[00210] Controlador de Interface de Operador: “Próximos 30 metros marcados como área infectada por pragas.”

[00211] Voltando novamente à Figura 12, o bloco 906 ilustra que o controlador de interface de operador 231 pode detectar e processar condições para emitir uma mensagem ou outra informação de outras maneiras também. Por exemplo, outro sistema de interação de controlador 656 pode detectar entradas de outros controladores, indicando que alertas ou mensagens de saída devem ser apresentados ao operador 260. O bloco 908 mostra que as saídas podem ser mensagens de áudio. O bloco 910 mostra que as saídas podem ser mensagens visuais e o bloco 912 mostra que as saídas podem ser mensagens hápticas. Até que o controlador de interface de operador 231 determine que a operação de colheita atual está concluída, conforme indicado pelo bloco 914, o processamento reverte para o bloco 698, em que a localização geográfica da colheitadeira 100 é atualizada e o processamento prossegue conforme descrito acima para atualizar a tela de interface de usuário 720.

[00212] Uma vez que a operação estiver concluída, então quaisquer valores desejados que são exibidos, ou que foram exibidos no visor de interface de usuário 720, podem ser salvos. Esses valores também podem ser usados em aprendizado de máquina para melhorar diferentes porções do gerador de modelo preditivo 210, gerador de mapa preditivo 212, gerador de zona de controle 213, algoritmos de controle ou outros itens. Salvar os valores desejados é indicado pelo bloco 916. Os valores podem ser salvos localmente na colheitadeira agrícola 100 ou os valores podem ser salvos em uma localização de servidor remoto ou enviados para outro sistema remoto.

[00213] Assim, pode-se ver que o mapa de informação anterior é obtido por uma colheitadeira agrícola e mostra os valores característicos da praga em diferentes localizações geográficas de um campo que está sendo colhido. Um sensor in situ na colheitadeira detecta uma característica que tem valores indicativos de uma característica agrícola conforme a colheitadeira agrícola se move pelo campo. Um gerador de mapa preditivo gera um mapa preditivo que prevê valores de controle para diferentes localizações no campo com base nos valores da característica de praga no mapa de informação anterior e na característica agrícola detectada pelo sensor in situ. Um sistema de controle controla o subsistema controlável com base nos valores de controle no mapa preditivo.

[00214] Um valor de controle é um valor no qual uma ação pode se basear. Um valor de controle, conforme descrito aqui, pode incluir qualquer valor (ou características indicadas por ou derivadas do valor) que pode ser usado no controle da colheitadeira agrícola 100. Um valor de controle pode ser qualquer valor indicativo de uma característica agrícola. Um valor de controle pode ser um valor predito, um valor medido ou um valor detectado. Um valor de controle pode incluir qualquer um dos valores fornecidos por um mapa, como qualquer um dos mapas descritos aqui, por exemplo, um valor de controle pode ser um valor fornecido por um mapa de informação, um valor fornecido por um mapa de informação anterior ou um valor mapa preditivo fornecido, como um mapa preditivo funcional. Um valor de controle também pode incluir qualquer uma das características indicadas por ou derivadas dos valores detectados por qualquer um dos sensores descritos aqui. Em outros exemplos, um valor de controle pode ser fornecido por um operador da máquina agrícola, como uma entrada de comando por um operador da máquina agrícola.

[00215] A presente discussão mencionou processadores e servidores. Em alguns exemplos, os processadores e servidores incluem processadores de computador com memória associada e circuitos de temporização, não mostrados separadamente. Os processadores e servidores são partes funcionais dos sistemas ou dispositivos aos quais os processadores e servidores pertencem e são ativados por e facilitam a funcionalidade dos outros componentes ou itens nesses sistemas.

[00216] Além disso, várias telas de interface do usuário foram discutidas. Os visores podem assumir uma grande variedade de formas diferentes e podem ter uma grande variedade de diferentes mecanismos de interface de operador acionáveis pelo usuário dispostos neles. Por exemplo, os mecanismos de interface de operador acionáveis pelo usuário podem incluir caixas de texto, caixas de seleção, ícones, enlaces, menus suspensos, caixas de pesquisa, etc. Os mecanismos da interface de operador acionáveis pelo usuário também podem ser acionados de uma ampla variedade de maneiras diferentes. Por exemplo, os mecanismos de interface de operador acionáveis pelo usuário podem ser acionados usando mecanismos de interface de operador, como um dispositivo de apontar e clicar, como um mouse de esfera ou mouse, botões de hardware, interruptores, uma alavanca de direção ou teclado, interruptores ou thumbpads, etc., um teclado virtual ou outros atuadores virtuais. Além disso, em que a tela na qual os mecanismos de interface de operador acionáveis pelo usuário são exibidos é uma tela sensível ao toque, os mecanismos da interface de operador acionáveis pelo usuário podem ser acionados usando gestos de toque. Além disso, os mecanismos de interface de operador que podem ser acionados pelo usuário podem ser acionados usando comandos de voz usando a funcionalidade de reconhecimento de voz. O reconhecimento de fala pode ser implementado usando um dispositivo de detecção de fala, como um microfone, e um software que funciona para reconhecer a fala detectada e executar comandos com base na fala recebida.

[00217] Vários armazenamentos de dados também foram discutidos. Deve-se observar que cada armazenamento de dados pode ser dividido em vários armazenamentos de dados. Em alguns exemplos, um ou mais dos armazenamentos de dados podem ser localizações para os sistemas que acessam os armazenamentos de dados, um ou mais dos armazenamentos de dados podem estar todos localizados remotos de um sistema que utiliza o armazenamento de dados, ou um ou mais armazenamentos de dados podem ser local, enquanto outros são remotos. Todas essas configurações são contempladas pela presente descrição.

[00218] Além disso, as figuras mostram uma série de blocos com funcionalidade atribuída a cada bloco. Será notado que menos blocos podem ser usados para ilustrar que a funcionalidade atribuída a vários blocos diferentes é realizada por menos componentes. Além disso, mais blocos podem ser usados, ilustrando que a funcionalidade pode ser distribuída entre mais componentes. Em diferentes exemplos, algumas funcionalidades podem ser adicionadas e algumas podem ser removidas.

[00219] Será notado que a discussão acima descreveu uma variedade de diferentes sistemas, componentes, lógicas e interações. Será reconhecido que qualquer um ou todos esses sistemas, componentes, lógica e interações podem ser implementados por itens de hardware, como processadores, memória ou outros componentes de processamento, incluindo, sem limitação, componentes de inteligência artificial, alguns dos quais são descritos abaixo, que executam as funções associadas a esses sistemas, componentes, lógica ou interações. Além disso, qualquer um ou todos os sistemas, componentes, lógica e interações podem ser implementados por software que é carregado em uma memória e é subsequentemente executado por um processador ou servidor ou outro componente de computação, conforme descrito abaixo. Qualquer um ou todos os sistemas, componentes, lógica e interações também podem ser implementados por diferentes combinações de hardware, software, firmware, etc., alguns exemplos dos quais são descritos abaixo. Estes são alguns exemplos de diferentes estruturas que podem ser usadas para implementar qualquer um ou todos os sistemas, componentes, lógica e interações descritos acima. Outras estruturas também podem ser usadas.

[00220] A Figura 14 é um diagrama de blocos da colheitadeira agrícola 600, que pode ser semelhante à colheitadeira agrícola 100 mostrada na Figura 2. A colheitadeira agrícola 600 se comunica com elementos em uma arquitetura de servidor remoto 500. Em alguns exemplos, a arquitetura de servidor remoto 500 fornece serviços de computação, software, acesso a dados e armazenamento que não requerem o conhecimento do usuário final da localização física ou configuração do sistema que entrega os serviços. Em vários exemplos, os servidores remotos podem fornecer os serviços em uma rede de área ampla, como a Internet, usando protocolos apropriados. Por exemplo, os servidores remotos podem fornecer aplicativos em uma rede de área ampla e podem ser acessíveis por meio de um navegador da web ou qualquer outro componente de computação. Software ou componentes mostrados na Figura 2, bem como os dados associados aos mesmos, podem ser armazenados em servidores em uma localização remoto. Os recursos de computação em um ambiente de servidor remoto podem ser consolidados em uma localização de centro de dados remoto ou os recursos de computação podem ser dispersos em uma pluralidade de centros de dados remotos. As infraestruturas de servidor remoto podem fornecer serviços por meio de centros de dados compartilhados, mesmo que os serviços apareçam como um único ponto de acesso para o usuário. Assim, os componentes e funções aqui descritos podem ser fornecidos a partir de um servidor remoto em uma localização remoto usando uma arquitetura de servidor remoto. Alternativamente, os componentes e funções podem ser fornecidos a partir de um servidor, ou os componentes e funções podem ser instalados em dispositivos clientes diretamente ou de outras maneiras.

[00221] No exemplo mostrado na Figura 14, alguns itens são semelhantes aos mostrados na Figura 2 e esses itens são numerados de forma semelhante. A figura 14 mostra especificamente que o gerador de modelo preditivo 210 ou gerador de mapa preditivo 212, ou ambos, podem estar localizados em uma localização de servidor 502 que é remoto da colheitadeira agrícola 600. Portanto, no exemplo mostrado na Figura 14, a colheitadeira agrícola 600 acessa os sistemas por meio da localização do servidor remoto 502.

[00222] A Figura 14 também descreve outro exemplo de uma arquitetura de servidor remoto. A Figura 14 mostra que alguns elementos da Figura 2 podem ser dispostos em uma localização de servidor remoto 502, enquanto outros podem estar localizados em outro lugar. A título de exemplo, o armazenamento de dados 202 pode ser disposto em uma localização separada da localização 502 e acessado por meio do servidor remoto no local 502. Independentemente de em que os elementos estão localizados, eles podem ser acessados diretamente pela colheitadeira agrícola 600 por meio de uma rede como uma rede de área ampla ou uma rede de área local; os elementos podem ser hospedados em um site remoto por um serviço; ou os elementos podem ser fornecidos como um serviço ou acessados por um serviço de conexão que reside em uma localização remoto. Além disso, os dados podem ser armazenados em qualquer local e os dados armazenados podem ser acessados ou encaminhados para operadores, usuários ou sistemas. Por exemplo, portadores físicos podem ser usados em vez de, ou além de, portadores de ondas eletromagnéticas. Em alguns exemplos, em que a cobertura do serviço de telecomunicações sem fio é pobre ou inexistente, outra máquina, como um caminhão de combustível ou outra máquina ou veículo móvel, pode ter um sistema de coleta de informação automatizado, semiautomático ou manual. Na medida em que a colheitadeira combinada 600 se aproxima da máquina que contém o sistema de coleta de informação, como um caminhão de combustível antes do abastecimento, o sistema de coleta de informação coleta a informação da colheitadeira combinada 600 usando qualquer tipo de conexão sem fio ad-hoc. A informação coletada pode então ser encaminhada para outra rede quando a máquina que contém a informação recebida chega a uma localização em que a cobertura do serviço de telecomunicações sem fio ou outra cobertura sem fio está disponível. Por exemplo, um caminhão de combustível pode entrar em uma área com cobertura de comunicação sem fio ao se deslocar para uma localização para abastecer outras máquinas ou quando em uma localização de armazenamento de combustível principal. Todas essas arquiteturas são contempladas aqui. Além disso, a informação pode ser armazenada na colheitadeira agrícola 600 até que a colheitadeira agrícola 600 entre em uma área com cobertura de comunicação sem fio. A própria colheitadeira agrícola 600 pode enviar a informação para outra rede.

[00223] Também será notado que os elementos da Figura 2, ou porções dos mesmos, podem ser dispostos em uma ampla variedade de dispositivos diferentes. Um ou mais desses dispositivos podem incluir um computador de bordo, uma unidade de controle eletrônico, uma unidade de exibição, um servidor, um computador desktop, um laptop, um computador tablet ou outro dispositivo móvel, como um computador palm top, um telefone celular, um smartphone, um reprodutor multimídia, um assistente digital pessoal, etc.

[00224] Em alguns exemplos, a arquitetura de servidor remoto 500 pode incluir medidas de segurança cibernética. Sem limitação, essas medidas podem incluir criptografia de dados em dispositivos de armazenamento, criptografia de dados enviados entre nós de rede, autenticação de pessoas ou processos que acessam dados, bem como o uso de livros para registrar metadados, dados, transferências de dados, acessos de dados e transformações de dados. Em alguns exemplos, os registradores podem ser distribuídos e imutáveis (por exemplo, implementados como blockchain).

[00225] A Figura 15 é um diagrama de blocos simplificado de um exemplo ilustrativo de um dispositivo de computação portátil ou móvel que pode ser usado como um dispositivo portátil de usuário ou cliente 16, no qual o presente sistema (ou partes dele) pode ser implantado. Por exemplo, um dispositivo móvel pode ser implantado no compartimento de operador da colheitadeira agrícola 100 para uso na geração, processamento ou exibição dos mapas discutidos acima. As Figuras 16-17 são exemplos de dispositivos portáteis ou móveis.

[00226] A Figura 15 fornece um diagrama de blocos geral dos componentes de um dispositivo cliente 16 que pode executar alguns componentes mostrados na Figura 2, que interage com eles, ou ambos. No dispositivo 16, um enlace de comunicação 13 é fornecido que permite que o dispositivo portátil se comunique com outros dispositivos de computação e, em alguns exemplos, fornece um canal para receber informação automaticamente, como por varredura. Exemplos de enlace de comunicação 13 incluem permitir a comunicação por meio de um ou mais protocolos de comunicação, como serviços sem fio usados para fornecer acesso celular a uma rede, bem como protocolos que fornecem conexões sem fio localizações a redes.

[00227] Em outros exemplos, os aplicativos podem ser recebidos em um cartão Digital Seguro (SD) removível que está conectado a uma interface 15. A interface 15 e os enlaces de comunicação 13 se comunicam com um processador 17 (que também pode incorporar processadores ou servidores de outras Figuras.) Ao longo de um barramento 19 que também está conectado à memória 21 e aos componentes de entrada/saída (E/S) 23, bem como relógio 25 e sistema de localização 27.

[00228] Os componentes de E/S 23, em um exemplo, são fornecidos para facilitar as operações de entrada e saída. Os componentes de E/S 23 para vários exemplos do dispositivo 16 podem incluir componentes de entrada, como botões, sensores de toque, sensores ópticos, microfones, telas de toque, sensores de proximidade, acelerômetros, sensores de orientação e componentes de saída, como um dispositivo de exibição, um alto-falante, e ou uma porta de impressora. Outros componentes de E/S 23 também podem ser usados.

[00229] O relógio 25 compreende, de forma ilustrativa, um componente de relógio em tempo real que emite uma hora e uma data. Ele também pode, ilustrativamente, fornecer funções de temporização para o processador 17.

[00230] O sistema de localização 27 ilustrativamente inclui um componente que fornece uma localização geográfica atual do dispositivo 16. Isso pode incluir, por exemplo, um receptor de sistema de posicionamento global (GPS), um sistema LORAN, um sistema de cálculo morto, um sistema de triangulação celular ou outro sistema de posicionamento. O sistema de localização 27 também pode incluir, por exemplo, software de mapeamento ou software de navegação que gera mapas desejados, rotas de navegação e outras funções geográficas.

[00231] A memória 21 armazena o sistema operacional 29, as definições de rede 31, os aplicativos 33, as definições de configuração de aplicativo 35, o armazenamento de dados 37, os drivers de comunicação 39 e as definições de configuração de comunicação 41. A memória 21 pode incluir todos os tipos de dispositivos de memória legíveis por computador tangíveis, voláteis e não voláteis. A memória 21 também pode incluir mídia de armazenamento de computador (descrita abaixo). A memória 21 armazena instruções legíveis por computador que, quando executadas pelo processador 17, fazem com que o processador execute etapas ou funções implementadas por computador de acordo com as instruções. O processador 17 pode ser ativado por outros componentes para facilitar sua funcionalidade também.

[00232] A Figura 16 mostra um exemplo em que o dispositivo 16 é um computador tablet 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 de toque ou uma interface habilitada para caneta que recebe entradas de uma caneta ou stylus. O computador Tablet 600 também pode usar um teclado virtual na tela. Obviamente, o computador 601 também pode ser conectado a um teclado ou outro dispositivo de entrada do usuário por meio de um mecanismo de conexão adequado, como uma ligação sem fio ou porta USB, por exemplo. O computador 601 também pode receber entradas de voz de forma ilustrativa.

[00233] A Figura 17 é semelhante à Figura 16 exceto que o dispositivo é um smartphone 71. O smartphone 71 possui um visor sensível ao toque 73 que exibe ícones ou blocos ou outros mecanismos de entrada do usuário 75. Os mecanismos 75 podem ser usados por um usuário para executar aplicativos, fazer chamadas, realizar operações de transferência de dados, etc. Em geral, o smartphone 71 é construído em um sistema operacional móvel e oferece conectividade e capacidade de computação mais avançada do que um telefone convencional.

[00234] Observe que outras formas dos dispositivos 16 são possíveis.

[00235] A Figura 18 é um exemplo de um ambiente de computação no qual os elementos da Figura 2 podem ser implantados. 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 do computador 810 podem incluir, porém sem limitação, uma unidade de processamento 820 (que pode compreender processadores ou servidores das Figuras anteriores), uma memória do sistema 830 e um barramento do sistema 821 que acopla vários componentes do sistema, incluindo a memória do sistema para a unidade de processamento 820. O barramento de sistema 821 pode ser qualquer um dos vários tipos de estruturas de barramento, incluindo um barramento de memória ou controlador de memória, um barramento periférico e um barramento local usando qualquer uma de uma variedade de arquiteturas de barramento. Memória e programas descritos em relação à Figura 2 pode ser implantado em porções correspondentes da Figura 18.

[00236] O computador 810 normalmente inclui uma variedade de mídias legíveis por computador. A mídia legível por computador pode ser qualquer mídia disponível que pode ser acessada pelo computador 810 e inclui mídia volátil e não volátil, mídia removível e não removível. A título de exemplo, e não como limitação, a mídia legível por computador pode compreender mídia de armazenamento de computador e mídia de comunicação. A mídia de armazenamento do computador é diferente e não inclui um sinal de dados modulado ou onda portadora. A mídia legível por computador inclui mídia de armazenamento de hardware incluindo mídia volátil e não volátil, removível e não removível implementada em qualquer método ou tecnologia para armazenamento de informação, como instruções legíveis por computador, estruturas de dados, módulos de programa ou outros dados. A mídia de armazenamento de computador inclui, mas não está limitada a, RAM, ROM, EEPROM, memória flash ou outra tecnologia de memória, CD-ROM, discos versáteis digitais (DVD) ou outro armazenamento de disco óptico, cassetes magnéticos, fita magnética, armazenamento de disco magnético ou outros dispositivos de armazenamento magnético, ou qualquer outra mídia que pode ser usada para armazenar a informação desejada e que pode ser acessada pelo computador 810. Os meios de comunicação podem incorporar instruções legíveis por computador, estruturas de dados, módulos de programa ou outros dados em um mecanismo de transporte e inclui qualquer meio de entrega de informação. O termo “sinal de dados modulado” significa um sinal que tem uma ou mais características definidas ou alteradas de tal maneira a codificar a informação no sinal.

[00237] A memória do sistema 830 inclui mídia de armazenamento de computador na forma de memória volátil e/ou não volátil ou ambas, como memória somente leitura (ROM) 831 e memória de acesso aleatório (RAM) 832. Um sistema básico de entrada/saída 833 (BIOS), contendo as rotinas básicas que ajudam a transferir informação entre os elementos dentro do computador 810, como durante a inicialização, é normalmente armazenado no ROM 831. RAM 832 normalmente contém dados ou módulos de programa ou ambos que são imediatamente acessíveis e/ou atualmente sendo operados pela unidade de processamento 820. A título de exemplo, e não como limitação, a Figura 18 ilustra o sistema operacional 834, programas de aplicativo 835, outros módulos de programa 836 e dados de programa 837.

[00238] O computador 810 também pode incluir outra mídia de armazenamento de computador removível/não removível volátil/não volátil. A título de exemplo apenas, a Figura 18 ilustra uma unidade de disco rígido 841 que lê ou grava em mídia magnética não removível e não volátil, uma unidade de disco óptico 855 e disco óptico não volátil 856. A unidade de disco rígido 841 é normalmente conectada ao barramento do sistema 821 por meio de uma interface de memória não removível, como a interface 840, e a unidade de disco óptico 855 é normalmente conectada ao barramento do sistema 821 por uma interface de memória removível, como a interface 850.

[00239] Alternativamente, ou além disso, a funcionalidade aqui descrita pode ser realizada, pelo menos em parte, por um ou mais componentes lógicos de hardware. Por exemplo, e sem limitação, os tipos ilustrativos de componentes lógicos de hardware que podem ser usados incluem Matrizes de Porta Programável em Campo (FPGAs), Circuitos integrados específicos de aplicativos (por exemplo, ASICs), produtos padrão específicos de aplicativos (por exemplo, ASSPs), sistemas de Sistema em um chip (SOCs), dispositivos lógicos programáveis complexos (CPLDs), etc.

[00240] As unidades e suas mídias de armazenamento de computador associadas discutidas acima e ilustradas na Figura 18, fornecem 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, programas de aplicativos 845, outros módulos de programa 846 e dados de programa 847. Observe que esses componentes podem ser iguais ou diferentes do sistema operacional 834, programas de aplicativos 835, outros módulos de programa 836 e dados de programa 837.

[00241] Um usuário pode inserir comandos e informação no computador 810 por meio de dispositivos de entrada, como um teclado 862, um microfone 863 e um dispositivo apontador 861, como um mouse, mouse de esfera ou dispositivo sensível ao toque. Outros dispositivos de entrada (não mostrados) podem incluir uma alavanca de direção, game pad, antena parabólica, scanner ou semelhantes. Estes e outros dispositivos de entrada são frequentemente conectados à unidade de processamento 820 através de uma interface de entrada de usuário 860 que é acoplada ao barramento do sistema, mas pode ser conectada por outra interface e estruturas de barramento. Um visor visual 891 ou outro tipo de dispositivo de exibição também é conectado ao barramento de sistema 821 por meio de uma interface, como uma interface de vídeo 890. Além do monitor, os computadores também podem incluir outros dispositivos de saída periféricos, como alto-falantes 897 e impressora 896, que podem ser conectados através de uma interface periférica de saída 895.

[00242] O computador 810 é operado em um ambiente de rede usando conexões lógicas (como uma rede de área de controlador - CAN, rede de área local - LAN ou WAN de rede de longa distância) para um ou mais computadores remotos, como um computador remoto 880.

[00243] Quando usado em um ambiente de rede LAN, o computador 810 é conectado à LAN 871 através de uma interface ou adaptador de rede 870. Quando usado em um ambiente de rede WAN, o computador 810 normalmente inclui um modem 872 ou outro meio para estabelecer comunicação pela WAN 873, como a Internet. Em um ambiente de rede, os módulos do programa podem ser armazenados em um dispositivo de armazenamento de memória remoto. A Figura 18 ilustra, por exemplo, que os programas de aplicativos remotos 885 podem residir no computador remoto 880.

[00244] Também deve ser notado que os diferentes exemplos descritos aqui podem ser combinados de maneiras diferentes. Ou seja, partes de um ou mais exemplos podem ser combinadas com partes de um ou mais outros exemplos. Tudo isso é contemplado aqui.

[00245] O Exemplo 1 é uma máquina de trabalho agrícola que compreende: um sistema de comunicação que recebe um mapa de informação que inclui valores de uma característica de praga correspondente a diferentes localizações geográficas em um campo; um sensor de posição geográfica que detecta uma localização geográfica da máquina de trabalho agrícola; um sensor in situ que detecta um valor de uma característica agrícola correspondente à localização geográfica; um gerador de mapa preditivo que gera um mapa agrícola preditivo funcional do campo que mapeia valores de controle preditivos para as diferentes localizações geográficas no campo com base nos valores da característica de praga no mapa de informação e com base no valor da característica agrícola; um subsistema controlável; e um sistema de controle que gera um sinal de controle para controlar o subsistema controlável com base na posição geográfica da máquina de trabalho agrícola e com base nos valores de controle no mapa agrícola preditivo funcional.

[00246] O exemplo 2 é a máquina de trabalho agrícola de qualquer ou todos os exemplos anteriores, em que o gerador de mapa preditivo compreende: um gerador de mapa de rendimento preditivo que gera o mapa agrícola preditivo funcional que mapeia valores de rendimento preditivo como os valores de controle para as diferentes localizações geográficas no campo.

[00247] O exemplo 3 é a máquina de trabalho agrícola de qualquer ou todos os exemplos anteriores, em que o sistema de controle compreende: um controlador de taxa de alimentação que gera um sinal de controle de taxa de alimentação com base na localização geográfica detectada e no mapa agrícola preditivo funcional e controla o subsistema controlável com base no sinal de controle de taxa de alimentação para controlar uma taxa de alimentação de material através da máquina de trabalho agrícola.

[00248] O Exemplo 4 é a máquina de trabalho agrícola da reivindicação 1, em que o gerador de mapa preditivo compreende: um gerador de mapa de qualidade de grão preditivo que gera o mapa agrícola preditivo funcional que mapeia valores de qualidade de grão preditivo como os valores de controle para as diferentes localizações geográficas no campo.

[00249] O exemplo 5 é a máquina de trabalho agrícola de qualquer ou todos os exemplos anteriores, em que o sistema de controle compreende: um controlador de resíduo que gera um sinal de controle de resíduo, com base na localização geográfica detectada e no mapa agrícola preditivo funcional, e controla um subsistema de resíduo com base no sinal de controle de resíduo para controlar uma operação de manipulação de resíduo da máquina de trabalho agrícola.

[00250] O Exemplo 6 é a máquina de trabalho agrícola de qualquer ou todos os exemplos anteriores, em que o sistema de controle controla um coletor de grãos para reter grãos infectados com pragas de baixa qualidade.

[00251] O exemplo 7 é a máquina de trabalho agrícola de qualquer ou todos os exemplos anteriores, em que o sistema de controle compreende: um controlador de definições que gera um sinal de controle de comando de operador indicativo de um comando de operador com base na localização geográfica detectada e no mapa de comando de operador preditivo funcional e controla o subsistema controlável com base no sinal de controle de comando de operador para executar o comando de operador.

[00252] O exemplo 8 é a máquina de trabalho agrícola de qualquer ou todos os exemplos anteriores e que compreende adicionalmente: um gerador de modelo preditivo que gera um modelo agrícola preditivo que modela uma relação entre a característica de praga e a característica agrícola com base em um valor da característica de praga no mapa de informação anterior na localização geográfica e o valor da característica agrícola detectada pelo sensor in situ na localização geográfica, em que o gerador de mapa preditivo gera o mapa agrícola preditivo funcional com base nos valores da característica de praga no mapa de informação anterior e com base no modelo agrícola preditivo.

[00253] O exemplo 9 é a máquina de trabalho agrícola de qualquer ou todos os exemplos anteriores, em que o sistema de controle compreende adicionalmente: um controlador de interface de operação que gera uma representação de mapa de interface de usuário do mapa agrícola preditivo funcional, em que a representação de mapa de interface de usuário compreende uma porção de campo com um indicador de localização atual indicando a localização geográfica da máquina de trabalho agrícola na porção de campo e um símbolo característico de praga indicando um valor da característica de praga em uma ou mais localizações geográficas na porção do campo.

[00254] O Exemplo 10 é a máquina de trabalho agrícola de qualquer ou todos os exemplos anteriores, em que o controlador de interface de operador gera a representação de mapa de interface de usuário para incluir uma porção de exibição interativa que exibe uma exibição de característica detectada indicativa da característica agrícola detectada, uma porção de exibição de limite interativo indicativa de um limite de ação, e um indicador de ação interativa indicativo de uma ação de controle a ser tomada quando a característica agrícola detectada satisfaz o limite de ação, em que o sistema de controle gera o sinal de controle para controlar o subsistema controlável com base na ação de controle.

[00255] O Exemplo 11 é um método implementado por computador para controlar uma máquina de trabalho agrícola que compreende obter um mapa de informação que inclui valores de uma característica de praga correspondente a diferentes localizações geográficas em um campo; detectar uma localização geográfica da máquina de trabalho agrícola; detectar, com um sensor in situ, um valor de uma característica agrícola correspondente à localização geográfica; gerar um mapa agrícola preditivo funcional do campo que mapeia valores de controle preditivos para as diferentes localizações geográficas no campo com base nos valores da característica de praga no mapa de informação e com base na característica agrícola; e controlar um subsistema controlável com base na posição geográfica da máquina de trabalho agrícola e com base nos valores de controle no mapa agrícola preditivo funcional.

[00256] O exemplo 12 é o método implementado por computador de qualquer ou todos os exemplos anteriores, em que a geração de um mapa preditivo funcional compreende: gerar um mapa de rendimento preditivo funcional que mapeia os valores de rendimento preditivo como os valores de controle.

[00257] O exemplo 13 é o método implementado por computador de qualquer ou todos os exemplos anteriores, em que o controle de um subsistema controlável compreende: gerar um sinal de controle de taxa de alimentação com base na localização geográfica detectada e no mapa de rendimento preditivo funcional; e controlar o subsistema controlável com base no sinal de controle de taxa de alimentação para controlar uma taxa de alimentação de material através da máquina de trabalho agrícola.

[00258] O exemplo 14 é o método implementado por computador de qualquer ou todos os exemplos anteriores, em que a geração de um mapa preditivo funcional compreende: gerar um mapa de qualidade de grão preditivo funcional que mapeia os valores de qualidade de grão preditivo como os valores de controle.

[00259] O exemplo 15 é o método implementado por computador de qualquer ou todos os exemplos anteriores, em que o controle de um subsistema controlável compreende: gerar um sinal de controle de resíduo com base na localização geográfica detectada e no mapa de qualidade de grão funcional preditivo; e controlar o subsistema controlável com base no sinal de controle de resíduo para controlar um subsistema de manipulação de resíduo da máquina de trabalho agrícola.

[00260] O exemplo 16 é o método implementado por computador de qualquer ou todos os exemplos anteriores, em que a geração de um mapa preditivo funcional compreende: gerar um mapa de comando de operador preditivo funcional que mapeia comandos de operador preditivos para as diferentes localizações geográficas no campo.

[00261] O exemplo 17 é o método implementado por computador de qualquer ou todos os exemplos anteriores, em que o controle do subsistema controlável compreende: gerar um sinal de controle de comando de operador indicativo de um comando de operador, com base na localização geográfica detectada e no mapa de comando de operador preditivo funcional; e controlar o subsistema controlável com base no sinal de controle de comando de operador para executar o comando de operador.

[00262] O Exemplo 18 é o método implementado por computador de qualquer ou todos os exemplos anteriores e que compreende adicionalmente: gerar um modelo agrícola preditivo que modela uma relação entre a característica de praga e a característica agrícola com base em um valor da característica de praga no mapa de informação na localização geográfica e o valor da característica agrícola detectada pelo sensor in situ na localização geográfica, em que gerar o mapa agrícola preditivo funcional compreende gerar o mapa agrícola preditivo funcional com base nos valores da característica de praga no mapa de informação e com base no modelo agrícola preditivo.

[00263] O Exemplo 19 é uma máquina de trabalho agrícola que compreende: um sistema de comunicação que recebe um mapa de informação interior que inclui valores de uma característica agrícola correspondente a diferentes localizações geográficas em um campo; um sensor de posição geográfica que detecta uma localização geográfica da máquina de trabalho agrícola; um sensor in situ que detecta um valor de uma característica de praga correspondente à localização geográfica; um gerador de modelo preditivo que gera um modelo agrícola preditivo que modela uma relação entre a característica de praga e a característica agrícola com base em um valor da característica agrícola no mapa de informação anterior na localização geográfica e o valor da característica de praga detectada pelo sensor in situ na localização geográfica; um gerador de mapas preditivos que gera um mapa preditivo agrícola funcional do campo, que mapeia valores de controle preditivos para as diferentes localizações geográficas no campo, com base nos valores da característica agrícola no mapa de informação anterior e com base no modelo agrícola preditivo; um subsistema controlável; e um sistema de controle que gera um sinal de controle para controlar o subsistema controlável com base na posição geográfica da máquina de trabalho agrícola e com base nos valores de controle no mapa agrícola preditivo funcional.

[00264] O exemplo 20 é a máquina de trabalho agrícola de qualquer ou todos os exemplos anteriores, em que o mapa de informação anterior inclui valores de uma característica de praga histórica, uma característica óptica, um índice vegetativo, uma característica de observação e uma atividade animal.

[00265] Embora a matéria tenha sido descrita em linguagem específica para recursos estruturais ou ações metodológicas, deve ser entendido que a matéria definida nas reivindicações anexas não é necessariamente limitada aos recursos ou ações específicos descritos acima. Em vez disso, os recursos e ações específicos descritos acima são descritos como formas de exemplo das reivindicações.

Claims

.Máquina de trabalho agrícola (100), caracterizada pelo fato de que compreende: um sistema de comunicação (206) que recebe um mapa de informação que inclui valores de uma característica de praga correspondente a diferentes localizações geográficas em um campo; um sensor de posição geográfica (204) que detecta uma localização geográfica da máquina de trabalho agrícola; um sensor in situ (208) que detecta um valor de uma característica agrícola correspondente à localização geográfica; um gerador de mapa preditivo (212) que gera um mapa agrícola preditivo funcional do campo que mapeia valores de controle preditivos para as diferentes localizações geográficas no campo com base nos valores da característica de praga no mapa de informação e com base no valor da característica agrícola; um subsistema controlável (216); e um sistema de controle (214) que gera um sinal de controle para controlar o subsistema controlável (216) com base na posição geográfica da máquina de trabalho agrícola e com base nos valores de controle no mapa agrícola preditivo funcional.
Máquina de trabalho agrícola de acordo com a reivindicação 1, caracterizada pelo fato de que o gerador de mapa preditivo compreende: um gerador de mapa de rendimento preditivo que gera o mapa agrícola preditivo funcional que mapeia valores de rendimento preditivo como os valores de controle para as diferentes localizações geográficas no campo.
Máquina de trabalho agrícola de acordo com a reivindicação 2, caracterizada pelo fato de que o sistema de controle compreende: um controlador de taxa de alimentação que gera um sinal de controle de taxa de alimentação com base na localização geográfica detectada e no mapa agrícola preditivo funcional e controla o subsistema controlável com base no sinal de controle de taxa de alimentação para controlar uma taxa de alimentação de material através da máquina de trabalho agrícola.
Máquina de trabalho agrícola de acordo com a reivindicação 1, caracterizada pelo fato de que o gerador de mapa preditivo compreende: um gerador de mapa de qualidade de grão preditivo que gera o mapa agrícola preditivo funcional que mapeia valores de qualidade de grão preditivo como os valores de controle para as diferentes localizações geográficas no campo.
Máquina de trabalho agrícola de acordo com a reivindicação 4, caracterizada pelo fato de que o sistema de controle compreende: um controlador de resíduo que gera um sinal de controle de resíduo, com base na localização geográfica detectada e no mapa agrícola preditivo funcional, e controla um subsistema de resíduo com base no sinal de controle de resíduo para controlar uma operação de manipulação de resíduo da máquina de trabalho agrícola.
Máquina de trabalho agrícola de acordo com a reivindicação 1, caracterizada pelo fato de que o sistema de controle controla um coletor de grãos para reter grãos infectados com pragas de baixa qualidade.
Máquina de trabalho agrícola de acordo com a reivindicação 1, caracterizada pelo fato de que o sistema de controle compreende: um controlador de definições que gera um sinal de controle de comando de operador indicativo de um comando de operador com base na localização geográfica detectada e no mapa de comando de operador preditivo funcional e controla o subsistema controlável com base no sinal de controle de comando de operador para executar o comando de operador.
Máquina de trabalho agrícola de acordo com a reivindicação 1, caracterizada pelo fato de que compreende adicionalmente: um gerador de modelo preditivo que gera um modelo agrícola preditivo que modela uma relação entre a característica de praga e a característica agrícola com base em um valor da característica de praga no mapa de informação anterior na localização geográfica e o valor da característica agrícola detectada pelo sensor in situ na localização geográfica, em que o gerador de mapa preditivo gera o mapa agrícola preditivo funcional com base nos valores da característica de praga no mapa de informação anterior e com base no modelo agrícola preditivo.
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 operação que gera uma representação de mapa de interface de usuário do mapa agrícola preditivo funcional, em que a representação de mapa de interface de usuário compreende uma porção de campo com um indicador de localização atual indicando a localização geográfica da máquina de trabalho agrícola na porção de campo e um símbolo característico de praga indicando um valor da característica de praga em uma ou mais localizações geográficas na porção do campo.
Máquina de trabalho agrícola de acordo com a reivindicação 9, caracterizada pelo fato de que o controlador de interface de operador gera a representação de mapa de interface de usuário para incluir uma porção de exibição interativa que exibe uma exibição de característica detectada indicativa da característica agrícola detectada, uma porção de exibição de limite interativo indicativa de um limite de ação, e um indicador de ação interativa indicativo de uma ação de controle a ser tomada quando a característica agrícola detectada satisfaz o limite de ação, em que o sistema de controle gera o sinal de controle para controlar o subsistema controlável com base na ação de controle.
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 característica de praga correspondente a diferentes localizações geográficas em um campo; detectar uma localização geográfica da máquina de trabalho agrícola (100); detectar, com um sensor in situ (208), um valor de uma característica agrícola correspondente à localização geográfica; gerar um mapa agrícola preditivo funcional do campo que mapeia valores de controle preditivos para as diferentes localizações geográficas no campo com base nos valores da característica de praga no mapa de informação e com base na característica agrícola; e controlar um subsistema controlável (216) 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 gerar um mapa preditivo funcional compreende: gerar um mapa de rendimento preditivo funcional que mapeia os valores de rendimento preditivo como os valores de controle.
Método implementado por computador de acordo com a reivindicação 12, caracterizado pelo fato de que controlar um subsistema controlável compreende: gerar um sinal de controle de taxa de alimentação com base na localização geográfica detectada e no mapa de rendimento preditivo funcional; e controlar o subsistema controlável com base no sinal de controle de taxa de alimentação para controlar uma taxa de alimentação de material através da máquina de trabalho agrícola.
Método implementado por computador de acordo com a reivindicação 11, caracterizado pelo fato de que gerar um mapa preditivo funcional compreende: gerar um mapa de qualidade de grão preditivo funcional que mapeia os valores de qualidade de grão preditivo como os valores de controle.
Máquina de trabalho agrícola (100), caracterizada pelo fato de que compreende: um sistema de comunicação (206) que recebe um mapa de informação interior que inclui valores de uma característica agrícola correspondente a diferentes localizações geográficas em um campo; um sensor de posição geográfica (204) que detecta uma localização geográfica da máquina de trabalho agrícola; um sensor in situ (208) que detecta um valor de uma característica de praga correspondente à localização geográfica; um gerador de modelo preditivo (210) que gera um modelo agrícola preditivo que modela uma relação entre a característica de praga e a característica agrícola com base em um valor da característica agrícola no mapa de informação anterior na localização geográfica e o valor da característica de praga detectada pelo sensor in situ na localização geográfica; um gerador de mapas preditivos (212) que gera um mapa preditivo agrícola funcional do campo, que mapeia valores de controle preditivos para as diferentes localizações geográficas no campo, com base nos valores da característica agrícola no mapa de informação anterior e com base no modelo agrícola preditivo; um subsistema controlável (216); e um sistema de controle (214) que gera um sinal de controle para controlar o subsistema controlável (216) com base na posição geográfica da máquina de trabalho agrícola e com base nos valores de controle no mapa agrícola preditivo funcional.