BR102022013985A2

BR102022013985A2 - Sistema agrícola, e, método implementado por computador para controlar uma máquina de trabalho agrícola

Info

Publication number: BR102022013985A2
Application number: BR102022013985-7A
Authority: BR
Inventors: Noel W. Anderson; Eric M. Heien; Nathan R. Vandike
Original assignee: Deere & Company
Priority date: 2021-10-01
Filing date: 2022-07-14
Publication date: 2023-04-18
Also published as: US20230107444A1; EP4159016A1

Abstract

Dados históricos e sazonais são obtidos por uma máquina de trabalho agrícola. Os dados históricos proveem valores históricos de características agrícolas, que podem ou não ser geolocalizados, e os dados sazonais proveem valores sazonais de características agrícolas correspondentes a uma estação atual. Um gerador de mapa preditivo gera um mapa preditivo que prediz uma característica agrícola, tal como estado de cultura, em diferentes localizações no campo com base em um relacionamento entre os valores históricos de características agrícolas nos dados históricos e com base nos valores sazonais de características agrícolas nos dados sazonais nessas diferentes localizações. O mapa preditivo pode ser produzido e usado no controle de máquina automático.

Description

SISTEMA 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 turfe.

FUNDAMENTOS

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

[003] Colheitadeiras agrícolas podem operar de forma diferente em áreas de um campo contendo cultura tombada. Cultura tombada refere-se a plantas de cultura que têm seus talos dobrados ou quebrados, por exemplo, por causa de vento, chuva, granizo ou similares. Essas forças dobram ou quebram os talos das plantas de cultura e fazem com que as plantas de cultura tenham uma orientação redobrada e não vertical. O estado de cultura é uma característica agrícola indicativa se uma planta de cultura está em pé, tombada, parcialmente tombada, em restolho, ou faltante, e, se a cultura estiver tombada, a orientação e magnitude do tombamento.

[004] A discussão apresentada é meramente provida para informação de fundamentos gerais e não é para ser usada como um auxílio na determinação do escopo da matéria reivindicada.

SUMÁRIO

[005] Dados históricos e sazonais são obtidos por uma máquina de trabalho agrícola. Os dados históricos proveem valores históricos de características agrícolas, que podem ou não ser geolocalizados, e os dados sazonais proveem valores sazonais geolocalizados de características agrícolas correspondentes a uma estação atual. Um gerador de mapa preditivo gera um mapa preditivo que prediz uma característica agrícola, tal como o estado de cultura, em diferentes localizações no campo com base em um relacionamento entre os valores históricos de características agrícolas nos dados históricos e com base nos valores sazonais de características agrícolas nos dados sazonais nessas diferentes localizações. O mapa preditivo pode ser produzido e usado em controle de máquina automático.

[006] Exemplo 1 é um sistema agrícola compreendendo um sistema de comunicação configurado para obter: dados históricos de estado de cultura indicativos de valores históricos de estado de cultura; dados históricos de característica agrícola indicativos de valores históricos de uma característica agrícola; e dados sazonais indicativos de valores sazonais geolocalizados da característica agrícola correspondente a uma estação atual; e um gerador de mapa preditivo configurado para gerar um mapa de estado de cultura preditivo funcional de um campo a ser colhido por uma máquina de trabalho agrícola que mapeia valores de estado de cultura preditivos para diferentes localizações geográficas no campo a ser colhido com base nos valores históricos de estado de cultura e nos valores históricos da característica agrícola e com base nos valores sazonais da característica agrícola nessas diferentes localizações geográficas; um sensor de posição geográfica configurado para detectar uma localização geográfica da máquina de trabalho agrícola; e um sistema de controle configurado para gerar um sinal de controle para controlar um subsistema controlável da máquina de trabalho agrícola com base em uma localização geográfica detectada da máquina de trabalho agrícola e com base no mapa de estado de cultura preditivo funcional.

[007] Exemplo 2 é o sistema agrícola de qualquer um ou todos os exemplos anteriores, em que os valores de estado de cultura preditivos indicam um ou mais de uma magnitude de derrubamento de cultura da cultura no campo e uma orientação da cultura no campo.

[008] Exemplo 3 é o sistema agrícola de qualquer um ou todos os exemplos anteriores e compreendendo adicionalmente: um gerador de modelo preditivo configurado para gerar um modelo de estado de cultura preditivo histórico que modela um relacionamento entre os valores de estado de cultura históricos e os valores de característica agrícola históricos, em que o gerador de mapa preditivo é configurado para gerar o mapa de estado de cultura preditivo funcional com base nos valores sazonais de característica agrícola nos dados sazonais e com base no modelo de estado de cultura preditivo histórico.

[009] Exemplo 4 é o sistema agrícola de qualquer um ou todos os exemplos anteriores, em que os valores históricos da característica agrícola compreendem valores de plantio de cultura históricos e em que os valores sazonais da característica agrícola compreendem valores de plantio de cultura sazonais.

[0010] Exemplo 5 é o sistema agrícola de qualquer um ou todos os exemplos anteriores, em que os valores históricos da característica agrícola compreendem valores de condições climáticas históricos e em que os valores sazonais da característica agrícola compreendem valores de condições climáticas sazonais.

[0011] Exemplo 6 é o sistema agrícola de qualquer um ou todos os exemplos anteriores, em que os valores históricos da característica agrícola compreendem valores de desenvolvimento de cultura históricos e em que os valores sazonais da característica agrícola compreendem valores de desenvolvimento de cultura sazonal.

[0012] Exemplo 7 é o sistema agrícola de qualquer um ou todos os exemplos anteriores, em que os dados de estado de cultura históricos indicativos de valores históricos de estado de cultura compreendem um ou mais de dados de colheita históricos e dados de sensor in situ históricos indicativos de valores detectados históricos de estado de cultura.

[0013] Exemplo 8 é o sistema agrícola de qualquer um ou todos os exemplos anteriores, e compreendendo adicionalmente: um sensor in situ configurado para detectar um valor de estado de cultura correspondente a uma localização geográfica no campo; e em que o gerador de mapa preditivo é configurado para gerar um mapa de estado de cultura preditivo funcional revisado do campo que mapeia valores de estado de cultura preditivos revisados para diferentes localizações geográficas no campo com base no valor detectado do estado de cultura.

[0014] Exemplo 9 é o sistema agrícola de qualquer um ou todos os exemplos anteriores e compreendendo adicionalmente: um gerador de modelo preditivo configurado para gerar um modelo de estado de cultura preditivo histórico revisado que modela um relacionamento entre valores de estado de cultura, que incluem um valor detectado do estado de cultura in situ durante uma operação atual e os valores de estado de cultura históricos, e valores de característica agrícola, que incluem os valores históricos da característica agrícola e um valor sazonal da característica agrícola correspondente a uma localização do valor detectado do estado de cultura, em que o gerador de mapa preditivo é configurado para gerar um mapa de estado de cultura preditivo funcional revisado do campo que mapeia valores de estado de cultura preditivos revisados para diferentes localizações geográficas no campo com base nos valores sazonais da característica agrícola nos dados sazonais nessas diferentes localizações geográficas e com base no modelo de estado de cultura preditivo histórico revisado.

[0015] Exemplo 10 é o sistema agrícola de qualquer um ou todos os exemplos anteriores, em que o sistema de controle compreende pelo menos um de: um controlador de plataforma/carretilha configurado para gerar um sinal de controle de plataforma com base na localização geográfica detectada da máquina de trabalho agrícola e no mapa de estado de cultura preditivo funcional, e controlar o subsistema controlável com base nos sinal de controle de plataforma para controlar um altura, inclinação ou rolamento de uma plataforma da máquina de trabalho agrícola ou uma posição de carretilha de uma carretilha da máquina de trabalho agrícola; um controlador de definições configurado para gerar um sinal de controle de velocidade com base na localização geográfica detectada da máquina de trabalho agrícola e no mapa de estado de cultura preditivo funcional, e controlar o subsistema controlável com base no sinal de controle de velocidade para controlar uma velocidade da máquina de trabalho agrícola; um controlador de planejamento de trajeto configurado para gerar um sinal de controle de planejamento de trajeto, indicativo de uma rota, com base na localização geográfica detectada da máquina de trabalho agrícola e no mapa de estado de cultura preditivo funcional e controlar o subsistema controlável com base na rota; e um controlador de interface de operador configurado para gerar um sinal de controle de interface de operador para controlar o subsistema controlável para gerar uma representação de mapa de interface de usuário do mapa de estado de cultura preditivo funcional.

[0016] Exemplo 11 é um método implementado por computador para controlar uma máquina de trabalho agrícola compreendendo obter dados de estado de cultura históricos indicativos de valores históricos de estado de cultura; obter dados de característica agrícola históricos indicativos de valores históricos de características agrícolas; obter dados sazonais indicativos de valores sazonais geolocalizados das características agrícolas correspondentes a uma estação atual; gerar um mapa de estado de cultura preditivo funcional de um campo que mapeia valores de estado de cultura preditivos para diferentes localizações geográficas no campo com base nos valores históricos de estado de cultura e nos valores históricos das características agrícolas e com base nos valores sazonais das características agrícolas nessas diferentes localizações geográficas; detectar uma localização geográfica da máquina de trabalho agrícola; controlar um subsistema controlável com base na posição geográfica da máquina de trabalho agrícola e com base no mapa agrícola preditivo funcional.

[0017] Exemplo 12 é o método implementado por computador de qualquer um ou todos os exemplos anteriores e compreendendo adicionalmente: gerar um modelo de estado de cultura preditivo histórico que modela um relacionamento entre os valores históricos de estado de cultura e os valores históricos das características agrícolas, em que gerar o mapa de estado de cultura preditivo funcional compreende gerar o mapa de estado de cultura preditivo funcional com base nos valores sazonais das características agrícolas nos dados sazonais e com base no modelo de estado de cultura preditivo histórico.

[0018] Exemplo 13 é o método implementado por computador de qualquer um ou todos os exemplos anteriores e compreendendo adicionalmente: detectar, com um sensor in situ, um valor in situ de estado de cultura correspondente a uma localização geográfica no campo.

[0019] Exemplo 14 é o método implementado por computador de qualquer um ou todos os exemplos anteriores e compreendendo adicionalmente: gerar um mapa de estado de cultura preditivo funcional revisado do campo que mapeia valores de estado de cultura preditivos revisados para diferentes localizações geográficas no campo com base no valor in situ de estado de cultura detectado.

[0020] Exemplo 15 é o método implementado por computador de qualquer um ou todos os exemplos anteriores e compreendendo adicionalmente: gerar um modelo de estado de cultura preditivo histórico revisado que modela um relacionamento entre valores de estado de cultura, que incluem o valor in situ de estado de cultura detectado e os valores históricos de estado de cultura, e valores de características agrícolas, que incluem os valores históricos das características agrícolas e os valores sazonais das características agrícolas correspondentes à localização geográfica do valor detectado do estado de cultura, em que gerar o mapa de estado de cultura preditivo funcional revisado compreende gerar o mapa de estado de cultura preditivo funcional revisado com base nos valores sazonais das características agrícolas nos dados sazonais e com base no modelo de estado de cultura preditivo histórico revisado.

[0021] Exemplo 16 é o método implementado por computador de qualquer um ou todos os exemplos anteriores, em que obter dados de característica agrícola históricos que incluem valores históricos das características agrícolas compreende um ou mais de: obter dados de plantio de cultura históricos que incluem valores de plantio de cultura históricos; obter dados de condições climáticas históricos que incluem valores de condições climáticas históricos; e obter dados de desenvolvimento de cultura históricos que incluem valores de desenvolvimento de cultura históricos.

[0022] Exemplo 17 é o método implementado por computador de qualquer um ou todos os exemplos anteriores, em que obter dados sazonais que incluem valores sazonais geolocalizados das características agrícolas correspondentes a uma estação atual compreende um ou mais de: obter dados de plantio de cultura sazonal que incluem valores de plantio de cultura sazonais geolocalizados correspondentes à estação atual; obter dados de condições climáticas sazonais que incluem valores de condições climáticas sazonais geolocalizados correspondentes à estação atual; e obter dados de desenvolvimento de cultura sazonais que incluem valores de desenvolvimento de cultura sazonal geolocalizados correspondentes à estação atual.

[0023] Exemplo 18 é o método implementado por computador de qualquer um ou todos os exemplos anteriores, em que controlar um subsistema controlável compreende pelo menos um de: gerar um sinal de controle de plataforma com base na localização geográfica detectada da máquina de trabalho agrícola e no mapa de estado de cultura preditivo funcional e controlar o subsistema controlável com base no sinal de controle de plataforma para controlar um atuador de plataforma da máquina de trabalho agrícola; gerar um sinal de controle de velocidade com base na localização geográfica detectada e no mapa de estado de cultura preditivo funcional e controlar o subsistema controlável com base no sinal de controle de velocidade para controlar uma velocidade da máquina de trabalho agrícola; gerar um sinal de controle de planejamento de trajeto, indicativo de uma rota, com base na localização geográfica detectada da máquina de trabalho agrícola e no mapa de estado de cultura preditivo funcional e controlar o subsistema controlável com base na rota; e gerar um sinal de controle de interface de operador e controlar o subsistema controlável para gerar uma representação de mapa de interface de usuário do mapa de estado de cultura preditivo funcional.

[0024] Exemplo 19 é um sistema agrícola compreendendo: um sistema de comunicação configurado para obter: dados de estado de cultura históricos indicativos de valores históricos de estado de cultura; dados de características agrícolas históricos indicativos de valores históricos de características agrícolas; e dados sazonais indicativos de valores sazonais geolocalizados das características agrícolas correspondentes a uma estação atual; e um gerador de modelo preditivo configurado para gerar um modelo de estado de cultura preditivo histórico que modela um relacionamento entre os valores históricos de estado de cultura e os valores históricos das características agrícolas; um gerador de mapa preditivo configurado para gerar um mapa de estado de cultura preditivo de um campo que mapeia valores de estado de cultura preditivos para diferentes localizações geográficas no campo com base nos valores sazonais das características agrícolas nos dados sazonais nessas diferentes localizações geográficas e no modelo de estado de cultura preditivo histórico; um sensor de posição geográfica configurado para detectar localizações geográficas de uma máquina de trabalho agrícola; e um sistema de controle que gera um sinal de controle para controlar um subsistema controlável da máquina de trabalho agrícola com base em uma localização geográfica detectada da máquina de trabalho agrícola e com base em um valor de estado de cultura preditivo no mapa de estado de cultura preditivo funcional.

[0025] Exemplo 20 é o sistema agrícola de qualquer um ou todos os exemplos anteriores e compreendendo adicionalmente: um sensor in situ configurado para detectar um valor de estado de cultura correspondente a uma localização geográfica no campo; e em que o gerador de modelo preditivo é configurado para gerar um modelo de estado de cultura preditivo histórico revisado que modela um relacionamento entre valores de estado de cultura, que incluem o valor detectado do estado de cultura e os valores de estado de cultura históricos, e valores de características agrícolas, que incluem os valores históricos das características agrícolas e os valores sazonais das características agrícolas correspondentes à localização geográfica do valor detectado do estado de cultura; em que o gerador de mapa preditivo é configurado para gerar um mapa de estado de cultura preditivo funcional revisado que mapeia valores de estado de cultura preditivos revisados para diferentes localizações geográficas no campo com base em valores sazonais das características agrícolas correspondentes às diferentes localizações geográficas e no modelo de estado de cultura preditivo histórico revisado; e em que o sistema de controle gera um sinal de controle adicional para controlar o subsistema controlável com base em uma localização geográfica detectada adicional da máquina de trabalho agrícola e com base em um valor de estado de cultura preditivo revisado no mapa de estado de cultura preditivo funcional revisado.

[0026] Esse Sumário é provido para introduzir uma seleção de conceitos em uma forma simplificada que são adicionalmente descritos a seguir na Descrição Detalhada. Esse Sumário não visa identificar recursos chaves ou recursos essenciais da matéria reivindicada, nem é para ser usado como uma ajuda na determinação do escopo da matéria reivindicada. A matéria reivindicada não está limitada aos exemplos que solucionam todas ou quaisquer desvantagens notadas nos fundamentos.

BREVE DESCRIÇÃO DOS DESENHOS

[0027] A FIG. 1 é uma ilustração parcial pictorial, parcial esquemática de um exemplo de uma colheitadeira agrícola.

[0028] A FIG. 2 é um diagrama de blocos mostrando algumas porções de uma arquitetura de sistema agrícola incluindo uma colheitadeira, em mais detalhe, de acordo com alguns exemplos da presente descrição.

[0029] As FIGS. 3A-3C (coletivamente referidas no presente documento como FIG. 3) mostram um fluxograma ilustrando um exemplo de operação de um sistema agrícola na geração de um mapa.

[0030] A FIG. 4A é um diagrama de blocos mostrando um exemplo de um gerador de modelo preditivo e um gerador de mapa preditivo.

[0031] A FIG. 4B é um diagrama de blocos mostrando um exemplo de um gerador de modelo preditivo e um gerador de mapa preditivo.

[0032] A FIG. 5A é um diagrama de blocos mostrando um exemplo de um gerador de modelo preditivo e um gerador de mapa preditivo.

[0033] A FIG. 5B é um diagrama de blocos mostrando alguns exemplos de sensores em tempo real (in situ).

[0034] A FIG. 6 mostra um fluxograma ilustrando um exemplo de operação de uma colheitadeira agrícola envolvendo gerar um mapa preditivo funcional usando um mapa e um entrada de sensor in situ.

[0035] A FIG. 7 é um diagrama de blocos mostrando um exemplo de um gerador de zona de controle.

[0036] A FIG. 8 é um fluxograma ilustrando um exemplo da operação do gerador de zona de controle mostrado na FIG. 7.

[0037] A FIG. 9 ilustra um fluxograma mostrando um exemplo de operação de um sistema de controle na seleção de um valor de definições alvo para controlar uma colheitadeira agrícola.

[0038] A FIG. 10 é um diagrama de blocos mostrando um exemplo de um controlador de interface de operador.

[0039] A FIG. 11 é um fluxograma ilustrando um exemplo de um controlador de interface de operador.

[0040] A FIG. 12 é uma ilustração pictorial mostrando um exemplo de uma exibição de interface de operador.

[0041] A FIG. 13 é um diagrama de blocos mostrando um exemplo de uma colheitadeira agrícola em comunicação com um ambiente de servidor remoto.

[0042] As FIGS. 14-16 mostram exemplos de dispositivos móveis que podem ser usados em uma colheitadeira agrícola.

[0043] A FIG. 17 é um diagrama de blocos mostrando um exemplo de um ambiente de computação que pode ser usado em uma colheitadeira agrícola.

DESCRIÇÃO DETALHADA

[0044] Para efeitos de promoção de um entendimento dos princípios da presente descrição, será feita agora referência aos exemplos ilustrados nos desenhos, e linguagem específica será usada para descrever os mesmos. Entende-se, no entanto, que nenhuma limitação do escopo da descrição é pretendida. Quaisquer alterações e modificações adicionais nos dispositivos, sistemas, métodos descritos, e qualquer aplicação adicional dos princípios da presente descrição são totalmente contemplados como ocorreria normalmente a um versado na técnica ao qual a descrição diz respeito. Em particular, é totalmente contemplado que os recursos, componentes, etapas, ou uma combinação dos mesmos descritos com relação a um exemplo podem ser combinados com os recursos, componentes, etapas, ou uma combinação dos mesmos descritos com relação a outros exemplos da presente descrição.

[0045] A presente descrição refere-se ao uso de um modelo de estado de cultura histórico em combinação com dados relativos a uma estação atual (referidos no presente documento como “dados sazonais”) para gerar um mapa de estado de cultura preditivo funcional. Em alguns exemplos, estado de cultura refere-se à orientação das hastes ou talos de cultura em relação ao chão ou ao elemento de corte de uma máquina de colheita. Frequentemente hastes e talos de cultura são verticais em relação à superfície do chão. Peso de componentes da cultura, doença de cultura, danos por praga de cultura, ventos fortes, características ambientais, ou outros fatores podem fazer com que as hastes e talos dobrem (algumas vezes referidos como cultura “derrubada” ou “tombada”). O estado de cultura pode compreender sem limitação uma magnitude de dobramento da cultura da vertical em relação ao chão, uma orientação de bússola do dobramento, uma descrição matemática ou outra descrição de um dobramento curvo, ou a ocorrência de um tipo de dano físico tal como quebramento verde. O modelo de estado de cultura histórico pode ser gerado com base em dados de característica agrícola históricos. Por exemplo, o modelo histórico pode modelar um relacionamento entre o estado de cultura histórico indicado pelos dados de característica agrícola históricos e outras características agrícolas históricas indicadas pelos dados de característica agrícola históricos. Dados de característica agrícola podem ser disponíveis como dados de característica agrícola georreferenciados e com marca de tempo. Dados de característica agrícola podem compreender dados estatísticos derivados de dados coletados em múltiplas localizações em um período de tempo, por exemplo, “Em média, vento oeste de 120,7 km/h (75 milhas por hora (mph)) soprando na plantação de milho de norte para sul no estágio de crescimento Vt por cinco minutos resultará no dobramento do milho de 90 graus de leste pelo norte em um ângulo de 35 graus em relação à vertical com um desvio padrão de 5 graus de dobramento”. Dados de característica agrícola podem compreender dados de análise de laboratório, tais como de criadores de plantas, de plantas, experimentos de campo de cultura, e dados agregados de clientes. Dados de característica agrícola pode compreender resistência do talo/haste a derrubamento (por exemplo, resistência ao quebramento verde, resistência ao derrubamento, etc.), impacto do peso do componente de cultura no estado, ou outro. Dados de característica agrícola podem ser coletados in situ por humanos ou por máquinas; por meio de cultura, solo, ambiente, ou outra modelagem; por meio de sensoreamento remoto por veículos aéreos, satélites, radar Doppler, e outro; por meio de interpolação de dados de pontos do chão fixos tais como estações meteorológicas; e outro. Em alguns exemplos, dados de característica agrícola podem ser derivados de uma série temporal de dados de característica agrícola tal como a taxa de mudança de vigor ou senescência de cultura derivada de uma série temporal de imagens de cultura.

[0046] Em alguns exemplos, o mapa de estado de cultura preditivo funcional pode ser usado para controlar uma máquina de trabalho agrícola, tal como uma colheitadeira agrícola. O desempenho de uma colheitadeira agrícola pode ser degradado quando a colheitadeira agrícola engata áreas de estado de cultura variável, a menos que as definições de máquina sejam também alteradas. Por exemplo, em uma área de cultura tombada, a colheitadeira agrícola pode ser controlada para deslocar mais lentamente através do campo para impedir perda de grão. Ou, por exemplo, em uma área de cultura tombada, pode ser benéfico direcionar a colheitadeira agrícola ao longo de um trajeto de maneira que a colheitadeira agrícola colha oposta à direção na qual a cultura tombada está inclinando. Ou seja, um curso da colheitadeira agrícola é selecionado de modo a conduzir a colheitadeira agrícola para as plantas de cultura pela direção oposta à qual as plantas estão tombadas, de modo que a colheitadeira atinja o topo da planta primeiro. Ou por exemplo, em uma área de cultura tombada, pode ser benéfico ajustar a altura da plataforma ou posições da carretilha. Esses são meramente alguns exemplos.

[0047] Em alguns exemplos, a presente descrição também se refere ao uso de um mapa de estado de cultura preditivo funcional em combinação com dados in situ obtidos simultaneamente com uma operação agrícola para gerar um mapa preditivo funcional revisado e, mais particularmente, um mapa de estado de cultura preditivo funcional revisado. Em alguns exemplos, o mapa de estado de cultura preditivo funcional revisado pode ser usado para controlar uma máquina de trabalho agrícola, tal como uma colheitadeira agrícola.

[0048] Um exemplo dos dados que podem ser usados, tanto como dados históricos quanto sazonais, inclui dados de plantio de cultura. Dados de plantio de cultura incluem dados indicativos de características da cultura tal como plantada. Por exemplo, dados de plantio de cultura podem incluir dados indicativos de variedade de cultura, tais como dados de tipo de cultura, por exemplo, dados que indicam que a cultura é milho ou soja, etc. Dados de plantio de cultura podem incluir dados indicativos de dados de genótipo de cultura, tais como dados que indicam que a cultura é híbrida, cultura cultivar, etc. Dados de plantio de cultura podem incluir dados indicativos de dados de característica genética de cultura, tais como dados que indicam resistência do talo genético da cultura, resistência ao quebramento verde genético da cultura, etc. Dados de plantio de cultura podem incluir dados como plantado, tais como dados que indicam as localizações de plantas de cultura no campo, as elevações nas quais as plantas de cultura no campo são plantadas, a direção de fileiras de cultura no campo, o espaçamento de fileiras de cultura no campo, a população de cultura no campo, a profundidade na qual a cultura foi plantada, orientação de semente de cultura, estágio de desenvolvimento de presença, ou estado de cultura de interculturas, etc. Dados de plantio de cultura podem ser obtidos de uma variedade de fontes, tais como operações anteriores no campo (por exemplo, operação de plantio, etc.), dados providos por um provedor de semente, entrada por um usuário (por exemplo, operador, fazendeiro, gestor da fazenda, etc.), bem como uma variedade de outras fontes.

[0049] Outro exemplo de dados que podem ser usados, tanto como dados históricos quanto sazonais, incluem dados climáticos. Dados climáticos incluem dados indicativos de condições climáticas observadas (incluindo eventos climáticos). Por exemplo, dados climáticos podem incluir dados de precipitação, tais como dados que indicam o tipo de precipitação observada (por exemplo, chuva, granizo, neve, etc.), os níveis de precipitação observados (por exemplo, quantidade de chuva, granizo, neve, etc.), etc. Dados climáticos podem incluir dados de vento, tais como dados que indicam a direção do vento observada (por exemplo, norte, sul, leste, oeste, etc.), os níveis de vento observados (por exemplo, milhas por hora (mph), etc.), etc. Dados climáticos podem ser obtidos de uma variedade de fontes, tais como fontes de radar doppler, estações terrestres, interpolação de estações terrestres, alimentados por um usuário (por exemplo, operador, fazendeiro, gestor da fazenda, etc.), fontes terceirizadas (por exemplo, relatórios de clima local, a Internet, etc.), bem como por uma variedade de outras fontes.

[0050] Outro exemplo de dados que podem ser usados, tanto como dados históricos quanto sazonais, incluem dados de desenvolvimento de cultura. Dados de desenvolvimento de cultura incluem dados indicativos do desenvolvimento (por exemplo, crescimento, etc.) e estado (por exemplo, derrubamento, etc.) de cultura. Por exemplo, dados de desenvolvimento de cultura podem incluir vários dados de índice vegetativo, tais como dados de índice de vegetação por diferença normalizada (IVDN), dados de índice de área foliar (IAF), bem como uma variedade de outros dados, incluindo vários outros índices vegetativos. Dados de desenvolvimento de cultura podem ser derivados de vários sensores, tais como leituras de sensor de uma ou mais bandas de radiação eletromagnética refletida pelas plantas, leituras de sensor 3D, etc. As leituras de sensor podem ser feitas em vários períodos de tempo, tais como em diferentes estágios de crescimento da cultura (por exemplo, germinação, fase vegetativa, fase reprodutiva, fase de amadurecimento, etc.). Em um exemplo, os dados de sensor mostram uma série temporal de desenvolvimento de cultura, tal como uma série temporal de dados de índice vegetativo, e indicam huanglongbing de cultura ou escurecimento de cultura. Por exemplo, quando a cultura é derrubada, o fluxo de nutriente é reduzido e dessa forma a planta de cultura escurece ou fica menos verde. Após um evento de fortes ventos em um campo, alguma cultura pode passar por quebramento verde fatal. As plantas podem rapidamente ficar escuras em imagens aéreas. Outra cultura pode passar por derrubamento com dano no talo que não restringe fatalmente o fluxo de nutrientes. Essa cultura pode não morrer e ficar escura, mas um índice vegetativo tal como IVDN pode apresentar uma perda de magnitude de vigor correspondente à magnitude de derrubamento. Ainda outra cultura pode não ser afetada pelo evento de vento e apresentar cor e vigor normais. Além da cor ou valores de índice vegetativo em um momento, as taxas de color ou índice vegetativo mudam em diversas imagens podem indicar estado de cultura. Isso é meramente um exemplo. Adicionalmente, as leituras de sensor podem utilizar vários comprimentos de onda de radiação eletromagnética, tais como micro-ondas, infravermelho, próximo ao infravermelho, visível, ultravioleta, bem como vários outros comprimentos de onda. Adicionalmente, as leituras de sensor podem gerar dados em várias resoluções. Adicionalmente, dados de desenvolvimento de cultura sazonais podem ser derivados de dados de sensor 3D tais como dados de câmeras estéreo, LIDAR, ultrassônicos, bem como uma variedade dos sensores de dados 3D. Os dados 3D podem indicar alturas de plantas de cultura em um campo de interesse, dados de orientação indicativos de uma orientação (por exemplo, vertical, dobrada, direção de derrubamento, etc.) de plantas de cultura em um campo de interesse, bem como uma magnitude de derrubamento. Os sensores podem ser desdobrados em vários veículos que deslocam no campo de interesse ou de outro modo têm acesso de sensoreamento (por exemplo, um campo de visada) ao campo de interesse, tais como máquinas agrícolas que operam no campo antes da colheita (por exemplo, máquina de plantio, máquina de pulverização, etc.), veículos aéreos (por exemplo, aviões, drones, satélites, etc.), bem como uma variedade de outros veículos. Os sensores podem ser desdobrados (por exemplo, estacionados) no campo de interesse ou ser desdobrados de modo que eles tenham acesso de sensoreamento ao campo de interesse. Os sensores podem também ser levados para o campo de interesse por um humano durante uma operação de reconhecimento de cultura. Dados de desenvolvimento de cultura podem ser derivados de entradas de usuário, tais como relatórios de reconhecimento de cultura no chão alimentados por um usuário (por exemplo, operador, fazendeiro, gestor da fazenda, etc.). Além disso, dados de desenvolvimento de cultura podem ser derivados de saídas de modelo de cultura.

[0051] Em um exemplo, os sistemas e métodos descritos no presente documento permitem o uso de sensores de menor resolução e/ou dados de sensor de menor resolução para gerar dados históricos e/ou sazonais. Alguns sistemas atuais geram dados indicativos de estado de cultura em um campo; entretanto, esses sistemas atuais se baseiam em sensores de resolução relativamente alta e/ou dados de sensor de resolução relativamente alta. Por exemplo, sistemas atuais podem se basear em sensores capazes de produzir dados de sensor em resoluções de centímetros (cm) e/ou dados de sensor em resoluções de centímetros, tais como menores ou iguais a 5 cm ou menores ou iguais a 3 cm. A geração desses dados de alta resolução pode exigir sistemas de sensor e/ou operações relativamente mais caros nos campos a uma altitude relativamente baixa. Máquinas com esses sistemas e/ou que são capazes de voar a menores altitudes podem não estar disponíveis para os usuários por vários motivos. Dessa forma, o presente sistema permite mapeamento preditivo de um campo usando dados de resolução relativamente menor, tais como dados em resolução de metros (m), tais como dados entre 3-5 m. Isso permite o uso de máquinas com sistemas de sensor relativamente menos caros e/ou que são capazes de voar a grandes altitudes, por exemplo, VANTs de grandes altitudes e/ou alta persistência, aeronave tripulada, balões de grande altitude e imagem por satélite. Essas máquinas e/ou os dados gerados por meio das mesmas podem estar mais amplamente disponíveis aos usuários. A predição dos níveis de estado de cultura em um campo de interesse com base em um relacionamento identificado entre o estado de cultura histórico e características agrícolas históricas não exige dados em uma resolução na qual o estado (por exemplo, orientação de plantas de cultura, magnitude de derrubamento, etc.) de plantas de cultura individuais pode ser observado, e dessa forma a resolução não precisa ser em um único nível de planta (por exemplo, centímetros), mas pode ser em um multinível de planta (por exemplo, metros).

[0052] Um exemplo de dados históricos que pode ser usado inclui dados de estado de cultura históricos. Dados de estado de cultura históricos incluem dados indicativos do estado de cultura durante estação(ões) anterior(es), tal como no momento de uma operação de colheita anterior. Dados de estado de cultura históricos podem ser derivados de dados de sensor, tais como sensores de bordo em uma máquina de trabalho agrícola (por exemplo, máquina de colheita agrícola), tais como mecanismos de captura de imagem voltados para a frente como discutido a seguir, bem como vários outros sensores. Dados de estado de cultura históricos podem ser derivados de dados de sensor, tais como sensores de bordo em outros veículos (por exemplo, aviões, drones, satélites, etc.), por exemplo, um veículo aéreo que reconhece o campo à frente da colheitadeira agrícola, ou de outro modo antes da operação de colheita agrícola. O estado de cultura histórico pode também ser alimentado por um usuário, tais como um operador, fazendeiro, gestor da fazenda.

[0053] Um exemplo de dados históricos que podem também ser usados para indicar o estado de cultura histórico são dados de colheita históricos. Dados de colheita históricos incluem dados indicativos de parâmetros de colheita de uma operação de colheita anterior. Por exemplo, dados de colheita históricos podem incluir dados indicativos do tipo de cultura(s) colhida(s) (por exemplo, espécie, genótipo, tal como híbrida ou cultivar, etc.), as localizações de culturas, as elevações do campo nas quais as culturas foram localizadas, etc. Dados de colheita históricos podem incluir dados de parâmetros de máquina de colheita tais como dados de direção de colheita (por exemplo, absoluta, relativa às fileiras como plantadas, relativa à orientação da cultura, colheita unidirecional, colheita para frente e para trás, etc.), dados de posição da plataforma (por exemplo, altura, inclinação, rolamento, etc.), dados de velocidade de deslocamento de colheita, tipo de colheitadeira (por exemplo, tipo de plataforma, número de unidades de fileira, etc.), velocidades de componente da plataforma de colheita (por exemplo, velocidades da carretilha, velocidades da correia de lona, velocidades do semfim transversal, velocidades da corrente coletora, velocidades do rolo espigador, etc.), outras definições de máquina (por exemplo, definições do sistema de separação, definições do sistema de limpeza, etc.). Dados de colheita históricos podem incluir dados de desempenho de colheita tais como perdas de colheita (por exemplo, perda de grão) tais como perdas de colheita na frente da máquina de colheita e/ou perdas de colheita na traseira da máquina de colheita, dados da taxa de alimentação, dados de rendimento, bem como vários outros dados de desempenho de operações de colheita anteriores. Os dados de colheita históricos podem ser indicativos, ou de outra forma usados para derivar, estado de cultura da cultura no campo que está sendo colhido. Por exemplo, conhecendo-se uma ou mais definições históricas da colheitadeira (por exemplo, posição da plataforma e velocidade de deslocamento da colheitadeira) e várias métricas de desempenho históricas da colheitadeira (por exemplo, rendimento, perdas, etc.) o estado histórico da cultura pode ser estimado em dadas localizações em um campo. Por exemplo, uma queda súbita no rendimento em uma dada localização do campo durante colheita a uma dada velocidade e posição da plataforma pode indicar que a cultura nessa dada localização foi derrubada. Isso é meramente um exemplo.

[0054] Na forma usada no presente documento, dados sazonais referem-se a dados coletados após a operação de colheita mais recente em um campo de interesse. Dessa forma, dados sazonais são dados coletados após a operação de colheita anterior mais recente em um campo de interesse e até o momento quando uma operação de colheita atual é iniciada. Dessa forma, dados in situ referem-se a dados coletados durante uma operação de colheita atual em um campo de interesse. Dados históricos coletados durante e/ou antes de uma operação de colheita anterior mais recente. Dessa forma, por exemplo, dados in situ históricos são dados coletados durante uma operação de colheita anterior.

[0055] A presente discussão dessa forma prossegue com relação a exemplos nos quais um sistema recebe um ou mais de dados de cultura de planta sazonais, dados de condições climáticas sazonais, ou dados de desenvolvimento de cultura sazonais e usa um modelo de estado de cultura histórico para predizer o estado de cultura de plantas de cultura no campo de interesse na estação atual. O modelo de estado de cultura histórico modela um relacionamento entre valores de dados históricos de uma ou mais fontes de dados históricos e valores de estado de cultura históricos. Os valores de dados sazonais são alimentados no modelo para prover valores preditivos do estado de cultura atual em um campo de interesse. O modelo é usado para gerar um mapa de estado de cultura preditivo funcional que prevê um estado de cultura previsto em várias localizações no campo. O mapa de estado de cultura preditivo funcional pode ser gerado antes da operação de colheita. Adicionalmente, o mapa de estado de cultura preditivo funcional pode ser apresentado a um operador ou outro usuário, usado para controlar automaticamente uma colheitadeira agrícola durante a operação de colheita, ou ambos.

[0056] Em outros exemplos, a presente discussão prossegue com relação a um sistema que recebe o mapa de estado de cultura preditivo funcional e usa um sensor in situ que detecta uma variável indicativa do estado de cultura durante uma operação de colheita. O sistema gera um modelo de estado de cultura revisado que remodela o relacionamento entre valores de estado de cultura e os valores de dados (valores de plantio de cultura, valores de condições climáticas, valores de desenvolvimento de cultura, etc.) com base na adição de valores de estado de cultura in situ e valores de dados sazonais correspondentes às localizações dos valores de estado de cultura in situ. O modelo de estado de cultura revisado é usado para gerar um mapa de estado de cultura preditivo funcional revisado que prediz um estado de cultura previsto no campo. O mapa de estado de cultura preditivo funcional revisado pode ser gerado durante a operação de colheita. Adicionalmente, o mapa de estado de cultura preditivo funcional revisado pode ser apresentado a um operador ou outro usuário, usado para controlar automaticamente uma colheitadeira agrícola durante a operação de colheita, ou ambos.

[0057] Em alguns exemplos, a geração do mapa de estado de cultura preditivo funcional revisado não exige remodelagem, e compreende identificar um deslocamento entre valores de estado de cultura preditivos, providos pelo mapa de estado de cultura preditivo, e valores de estado de cultura in situ, providos pelo sensor in situ, e aplicar o deslocamento identificado (por exemplo, como um valor ou uma função) a outros valores de estado de cultura preditivos no mapa de estado de cultura preditivo funcional em áreas do campo ainda não colhidas pela colheitadeira agrícola.

[0058] A FIG. 1 é uma ilustração parcial pictorial, parcial esquemática de uma colheitadeira agrícola autopropelida 100. No exemplo ilustrado, a colheitadeira agrícola 100 é uma colheitadeira combinada. Adicionalmente, embora colheitadeiras combinadas sejam providas como exemplos em toda a presente descrição, percebe-se que a presente descrição é também aplicável a outros tipos de colheitadeiras, tais como colheitadeiras de algodão, colheitadeiras de cana-de-açúcar, colheitadeiras de forragem autopropelidas, gadanheiras-alinhadoras, ou outras máquinas de trabalho agrícola. Consequentemente, a presente descrição visa englobar os vários tipos de colheitadeiras descritos e, dessa forma, não é limitada a colheitadeiras combinadas. Além disso, a presente descrição é direcionada para outros tipos de máquinas de trabalho, tais como semeadeiras e pulverizadores agrícolas, equipamento de construção, equipamento florestal, e equipamento de gerenciamento de turfe onde a geração de um mapa preditivo pode ser aplicável. Consequentemente, a presente descrição visa englobar esses vários tipos de colheitadeiras e outras máquinas de trabalho e, dessa forma, não está limitada a colheitadeiras combinadas.

[0059] Como mostrado na FIG. 1, a colheitadeira agrícola 100 ilustrativamente inclui um compartimento do operador 101, que pode ter uma variedade de diferentes mecanismos de interface de operador, para controlar a colheitadeira agrícola 100. A colheitadeira agrícola 100 inclui equipamento da extremidade dianteira, tal como uma plataforma 102, e um cortador indicado no geral por 104. A colheitadeira agrícola 100 também inclui um alimentador 106, um acelerador de alimentação 108, e um debulhador indicado no geral por 110. O alimentador 106 e o acelerador de alimentação 108 formam parte de um subsistema de manuseio de material 125. A plataforma 102 é acoplada a pivô a uma armação 103 da colheitadeira agrícola 100 ao longo do eixo pivô 105. Um ou mais atuadores 107 acionam o movimento da plataforma 102 em torno do eixo 105 na direção indicada no geral pela seta 109. Dessa forma, uma posição vertical da plataforma 102 (a altura da plataforma) acima do chão 111 no qual a plataforma 102 desloca é controlável pela atuação do atuador 107. Embora não mostrado na FIG. 1, a colheitadeira agrícola 100 pode também incluir um ou mais atuadores que operam para aplicar um ângulo de inclinação, um ângulo de rolamento, ou ambos, à plataforma 102 ou porções de plataforma 102. Inclinação refere-se a um ângulo no qual o cortador 104 engata a cultura. O ângulo de inclinação é aumentado, por exemplo, controlando a plataforma 102 para apontar uma borda distal 113 do cortador 104 mais em direção ao chão. O ângulo de inclinação é diminuído controlando a plataforma 102 para apontar a borda distal 113 do cortador 104 mais para fora do chão. O ângulo de rolamento refere-se à orientação da plataforma 102 em torno do eixo longitudinal de frente para trás da colheitadeira agrícola 100.

[0060] O debulhador 110 ilustrativamente inclui um rotor de debulha 112 e um conjunto de côncavos 114. Adicionalmente, a colheitadeira agrícola 100 também inclui um separador 116. A colheitadeira agrícola 100 também inclui um subsistema de limpeza ou sapata de limpeza (coletivamente referidas como subsistema de limpeza 118) que incluem um ventilador de limpeza 120, crivo 122 e peneira 124. O subsistema de manuseio de material 125 também inclui batedor de descarga 126, elevador de refugos 128, elevador de grão limpo 130, bem como sem-fim de descarga 134 e bocal 136. O elevador de grão limpo move grão limpo para o tanque de grão limpo 132. A colheitadeira agrícola 100 também inclui um subsistema de resíduos 138 que pode incluir picador 140 e espalhador 142. A colheitadeira agrícola 100 também inclui um subsistema de propulsão que inclui um motor que aciona componentes de engate ao chão 144, tais como rodas ou lagartas. Em alguns exemplos, uma colheitadeira combinada dentro do escopo da presente descrição pode ter mais que um de qualquer dos subsistemas supramencionados. Em alguns exemplos, a colheitadeira agrícola 100 pode ter subsistemas de limpeza esquerdo e direito, separadores, etc., que não são mostrados na FIG. 1.

[0061] Em operação, e a título de visão geral, a colheitadeira agrícola 100 ilustrativamente move em um campo na direção indicada pela seta 147. À medida que a colheitadeira agrícola 100 move, a plataforma 102 (e a carretilha associada 164) engata a cultura a ser colhida e reúne a cultura 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. O operador da colheitadeira agrícola 100 pode determinar um ou mais de uma definição de altura, uma definição de ângulo de inclinação, ou uma definição de ângulo de rolamento para a plataforma 102. Por exemplo, o operador alimenta uma definição ou definições a um sistema de controle, descrito em mais detalhe a seguir, que controla o atuador 107. O sistema de controle pode também receber uma definição do operador para estabelecer o ângulo de inclinação e ângulo de rolamento da plataforma 102 e implementar as definições alimentadas controlando atuadores associados, não mostrados, que operam para mudar o ângulo de inclinação e o ângulo de rolamento da plataforma 102. O atuador 107 mantém a plataforma 102 em uma altura acima do chão 111 com base em uma definição de altura e, onde aplicável, em ângulos de inclinação de rolamento desejados. Cada uma das definições de altura, rolamento e inclinação pode ser implementada independentemente das outras. O sistema de controle responde a erro da plataforma (por exemplo, a diferença entre a definição de altura e a altura medida da plataforma 102 acima do chão 111 e, em alguns exemplos, erros de ângulo de inclinação e 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 maior nível de sensibilidade, o sistema de controle responde a menores erros de posição da plataforma, e tenta reduzir os erros detectados mais rapidamente do que quando a sensibilidade está a um menor nível de sensibilidade.

[0062] De volta à descrição da operação da colheitadeira agrícola 100, após as culturas serem cortadas pelo cortador 104, o material de cultura dividido é movimentado através de um transportador no alimentador 106 para o acelerador de alimentação 108, que acelera o material de cultura para o debulhador 110. O material de cultura é debulhado pelo rotor 112 girando a cultura contra os côncavos 114. O material de cultura debulhado move-se por meio de um rotor de separador no separador 116 onde uma porção do resíduo é movido pelo batedor de descarga 126 para o subsistema de resíduos 138. A porção de resíduo transferida para o subsistema de resíduos 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 uma leira. Em outros exemplos, o subsistema de resíduos 138 pode incluir eliminadores de ervas daninhas (não mostrados) tais como ensacadores de sementes ou outros coletores de semente, ou trituradores de semente ou outros destruidores de semente.

[0063] O grão cai no subsistema de limpeza 118. O crivo 122 separa alguns pedaços maiores de material do grão, e a peneira 124 separa alguns dos pedaços mais finos de material do grão limpo. O grão limpo cai em um semfim 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 em tanque de grão limpo 132. Resíduo é removido do subsistema de limpeza 118 pelo fluxo de ar gerado pelo ventilador de limpeza 120. O ventilador de limpeza 120 direciona o ar ao longo de um trajeto de fluxo de ar para cima através das peneiras e crivos. O fluxo de ar carrega resíduo para trás na colheitadeira agrícola 100 em direção ao subsistema de manuseio de resíduo 138.

[0064] O elevador de refugos 128 retorna os refugos para o debulhador 110 onde os refugos são redebulhados. Alternativamente, os refugos também podem ser passados para um mecanismo de redebulha separado por um elevador de refugos ou outro dispositivo de transporte onde os refugos são igualmente redebulhados.

[0065] A FIG. 1 também mostra que, em um exemplo, a colheitadeira agrícola 100 inclui sensor de velocidade em relação ao solo 146, um ou mais sensores de perda no separador 148, uma câmera de grão limpo 150, um ou mais mecanismos de captura de imagem voltados para a frente 151, que podem ser na forma de uma(s) câmera(s) estéreo ou mono, LIDAR(s), e/ou sensor(es) ultrassônico(s), e um ou mais sensores de perda 152 providos no subsistema de limpeza 118.

[0066] O sensor de velocidade em relação ao solo 146 sensoreia a velocidade de deslocamento da colheitadeira agrícola 100 no chão. O sensor de velocidade em relação ao solo 146 pode sensorear a velocidade de deslocamento da colheitadeira agrícola 100 sensoreando a velocidade de rotação dos componentes de engate ao chão (tais como rodas ou lagartas), de um eixo de acionamento, de um eixo de rodas, ou de outros componentes. Em alguns casos, a velocidade de deslocamento pode ser sensoreada usando um sistema de posicionamento, tais como um sistema de posicionamento global (GPS), um sistema de posicionamento relativo, um sistema de navegação de longo alcance (LORAN), ou uma ampla variedade de outros sistemas ou sensores que proveem uma indicação de velocidade de deslocamento.

[0067] Os sensores de perda 152 ilustrativamente proveem um sinal de saída indicativo da quantidade de perda de grão que ocorre tanto nos lados direito quanto esquerdo do subsistema de limpeza 118. Em alguns exemplos, os sensores 152 são sensores de colisão que contam colisões de grão por unidade de tempo ou por unidade de distância percorrida para prover uma indicação da perda de grão que ocorre no subsistema de limpeza 118. Os sensores de colisão para os lados direito e esquerdo do subsistema de limpeza 118 podem prover sinais individuais ou um sinal combinado ou agregado. Em alguns exemplos, os sensores 152 podem incluir um único sensor, em oposição a sensores separados providos para cada subsistema de limpeza 118.

[0068] O sensor de perda no separador 148 provê um sinal indicativo de perda de grão nos separadores esquerdo e direito, não mostrados separadamente na FIG. 1. Os sensores de perda no separador 148 podem ser associados com os separadores esquerdo e direito e podem prover sinais de perda de grão separados ou um sinal combinado ou agregado. Em alguns casos, o sensoreamento de perda de grão nos separadores pode também ser feito usando uma ampla variedade de diferentes tipos de sensores igualmente.

[0069] A colheitadeira agrícola 100 pode também incluir outros sensores e mecanismos de medição. Por exemplo, a colheitadeira agrícola 100 pode incluir um ou mais dos seguintes sensores: um sensor de altura da plataforma que sensoreia uma altura de plataforma 102 acima do chão 111; sensores de estabilidade que sensoreiam movimento de oscilação ou salto (e amplitude) da colheitadeira agrícola 100; um sensor de definição de resíduo que é configurado para sensorear se a colheitadeira agrícola 100 está configurada para picar o resíduo, produzir uma leira, etc.; um sensor de velocidade do ventilador da sapata de limpeza para sensorear a velocidade do ventilador de limpeza 120; um sensor de folga do côncavo que sensoreia uma folga entre o rotor 112 e os côncavos 114; um sensor de velocidade do rotor de debulha que sensoreia uma velocidade de rotor do rotor 112; um sensor de folga do crivo que sensoreia o tamanho das aberturas no crivo 122; um sensor de folga da peneira que sensoreia o tamanho das aberturas na peneira 124; um sensor de umidade de material sem ser grão (MOG) que sensoreia um nível de umidade do MOG que passa através da colheitadeira agrícola 100; um ou mais sensores de definição de máquina configurados para sensorear várias definições configuráveis da colheitadeira agrícola 100; um sensor de orientação de máquina que sensoreia a orientação da colheitadeira agrícola 100; e sensores de propriedade de cultura que sensoreiam uma variedade de diferentes tipos de propriedades de cultura, tais como tipo de cultura, umidade de cultura e outras propriedades de cultura. Os sensores de propriedade de cultura podem também ser configurados para sensorear características do material de cultura dividido à medida que o material de cultura está sendo processado pela colheitadeira agrícola 100. Por exemplo, em alguns casos, os sensores de propriedade de cultura podem sensorear qualidade de grão tais como grão quebrado, níveis de MOG; constituintes do grão tais como amidos e proteína; e taxa de alimentação de grão à medida que o grão desloca através do alimentador 106, elevador de grão limpo 130, ou em algum outro lugar na colheitadeira agrícola 100. Os sensores de propriedade de cultura podem também sensorear a taxa de alimentação de biomassa através do alimentador 106, através do separador 116 ou em algum outro lugar na colheitadeira agrícola 100. Os sensores de propriedade de cultura podem também sensorear a taxa de alimentação como uma vazão de massa de grão através do elevador 130 ou através de outras porções da colheitadeira agrícola 100 ou prover outros sinais de saída indicativos de outras variáveis sensoreadas. Os sensores de propriedade de cultura podem incluir um ou mais sensores de estado de cultura que sensoreiam o estado de cultura que está sendo colhida pela colheitadeira agrícola.

[0070] Os sensores de estado de cultura podem incluir um sistema de sensor de sistema monocâmera ou multicâmera que captura uma ou mais imagens de plantas de cultura. Por exemplo, mecanismos de captura de imagem voltados para a frente 151 podem formar um sensor de estado de cultura que sensoreia o estado de cultura de plantas de cultura na frente da colheitadeira agrícola 100. Em outro exemplo, um sensor de estado de cultura pode ser colocado na colheitadeira agrícola 100 e ver em uma ou mais direções além de na frente da colheitadeira agrícola 100. Imagens capturadas pelo sensor de estado de cultura podem ser analisadas para determinar se a cultura está em pé, tem alguma magnitude de uma condição tombada, é restolho ou está faltando. Então, se a cultura tiver alguma magnitude de uma condição tombada, então a imagem pode ser analisada para determinar a orientação da cultura tombada. Algumas orientações podem ser relativas à colheitadeira agrícola 100, tais como, mas não limitadas a “por os lados”, “em direção à máquina”, “para longe da máquina”, ou “orientações aleatórias”. Algumas orientações podem ser absolutas (por exemplo, em relação à terra) tal como uma direção de bússola numérica ou desvio numérico da superfície gravimétrica ou vertical em graus. Por exemplo, em alguns casos, a orientação pode ser provida como uma direção em relação ao norte magnético, em relação ao norte verdadeiro, em relação a uma fileira de cultura, em relação a uma direção da colheitadeira ou em relação a outras referências.

[0071] Em outro exemplo, um sensor de estado de cultura, tais como mecanismos de captura de imagem voltados para a frente 151, pode incluir um dispositivo de varredura de alcance, tais como, mas não limitadas a radar, LIDAR, ultrassônico, ou sonar. Um dispositivo de varredura de alcance pode ser usado para sensorear a altura da cultura. A altura da cultura, embora indicativa de outras coisas, pode também indicar cultura tombada, a magnitude de uma condição de cultura tombada, ou uma orientação da cultura tombada.

[0072] Antes de descrever como a colheitadeira agrícola 100 gera um mapa de estado de cultura preditivo funcional e usa o mapa de estado de cultura preditivo funcional para apresentação ou controle, uma breve descrição de alguns dos itens de uma colheitadeira agrícola 100, e suas respectivas operações, será primeiramente apresentada. A descrição das FIG. 2 e 3 descreve o recebimento de tipo geral de informação de característica agrícola histórica (por exemplo, dados de plantio de cultura históricos, dados de condições climáticas históricos, dados de desenvolvimento de cultura históricos, etc.) e combinação de informação histórica com informação de característica agrícola de interesse (por exemplo, informação de estado de cultura histórica). Um relacionamento entre a informação de característica agrícola histórica e a informação de característica agrícola histórica de interesse é identificada, e esse relacionamento é usado para gerar um modelo de característica agrícola histórica preditiva (por exemplo, modelo de estado de cultura histórico preditivo). Dados sazonais (por exemplo, dados de cultura de planta sazonais, dados de condições climáticas sazonais, dados de desenvolvimento de cultura sazonais, etc.) são então recebidos e alimentados no modelo de característica agrícola preditivo histórico para predizer valores de característica agrícola (por exemplo, estado de cultura). Um mapa de característica agrícola preditivo funcional (por exemplo, mapa de estado de cultura preditivo funcional) é gerado que provê valores de característica agrícola preditiva (por exemplo, estado de cultura) em diferentes localizações geográficas em um campo com base no modelo e nos valores de dados sazonais nessas diferentes localizações geográficas, e um ou mais desses valores preditivos podem ser usados para controlar uma máquina, tais como um ou mais subsistemas de uma colheitadeira agrícola. Em alguns casos, um mapa de característica agrícola preditivo funcional pode ser apresentado a um usuário, tal como um operador de uma máquina de trabalho agrícola, que pode ser uma colheitadeira agrícola. Um mapa de característica agrícola preditivo funcional pode ser apresentado a um usuário visualmente, tal como por meio de uma exibição, hapticamente ou audivelmente. O usuário pode interagir com o mapa de característica agrícola preditivo funcional para realizar operações de edição e outras operações de interface de usuário. Em alguns casos, um mapa de característica agrícola preditivo funcional pode ser usado para um ou mais dentre controlar uma máquina de trabalho agrícola, tal como uma colheitadeira agrícola, apresentação a um operador ou outro usuário, e apresentação a um operador ou usuário para interação pelo operador ou usuário.

[0073] Após uma abordagem geral ser descritas com relação às FIGS. 2 e 3, uma abordagem mais específica para gerar um mapa de estado de cultura preditivo funcional que pode ser apresentado a um operador ou usuário, ou usado para controlar a colheitadeira agrícola 100, ou ambos, é descrita com relação às FIGS. 4A-4B. Novamente, embora a presente discussão prossiga com relação à colheitadeira agrícola e, particularmente, uma colheitadeira combinada, o escopo da presente descrição engloba outros tipos de colheitadeiras agrícolas ou outras máquinas de trabalho agrícolas.

[0074] A FIG. 2 é um diagrama de blocos mostrando algumas porções de uma arquitetura de sistema agrícola 200 exemplificativa que inclui, dentre outras coisas, uma colheitadeira agrícola 100. A FIG. 2 mostra que a colheitadeira agrícola 100 ilustrativamente inclui um ou mais processadores ou servidores 201, armazenamento de dados 202, sensor de posição geográfica 204, sistema de comunicação 206, e um ou mais sensores in situ 208 que sensoreiam uma ou mais características agrícolas de um campo simultaneamente a uma operação de colheita. Uma característica agrícola pode incluir qualquer característica que pode ter um efeito na operação de colheita. Alguns exemplos de características agrícolas incluem características da máquina de colheita, do campo, das plantas no campo e das condições climáticas. Outros tipos de características agrícolas são também incluídos. Sem limitação, características agrícolas compreendem alturas de planta, alturas de componente de planta, tais como alturas de grão (por exemplo, espiga de milho) na planta, diâmetros do talo ou haste da planta, teor de lignina do talo ou haste da planta, variedade de planta, direção de fileira de plantio, resistência do genótipo de planta ao derrubamento ou quebramento verde, saúde ou vigor da planta (tais como de imagens de IVDN aéreas), estágio de crescimento da planta, dados de precipitação, dados de temperatura, dados de vento, altura da plataforma da colheitadeira, inclinação da plataforma da colheitadeira, velocidade de componente móvel da plataforma de colheita, rendimento de grão, perdas de grão na extremidade dianteira. Os sensores in situ 208 geram valores correspondentes às características sensoreadas. A colheitadeira agrícola 100 também inclui um leitor de modelo ou relacionamento preditivo (coletivamente referidos 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 mecanismo de interface de operador 218. A colheitadeira agrícola 100 pode também incluir uma ampla variedade de outras funcionalidades de colheitadeira agrícola 220. Os sensores in situ 208 incluem, por exemplo, sensores de bordo 222, sensores remotos 224 e outros sensores 226 que sensoreiam características de um campo durante o curso de uma operação agrícola. O gerador de modelo preditivo 210 ilustrativamente inclui gerador de modelo de variável de variável(is)-para-característica agrícola histórica 228, e o gerador de modelo preditivo 210 pode incluir outros itens 230. O sistema de controle 214 inclui controlador de sistema de comunicação 229, controlador de interface de operador 231, um controlador de definições 232, controlador de planejamento de trajeto 234, controlador de taxa de alimentação 236, controlador de plataforma e carretilha 238, controlador de correia de lona 240, controlador de posição de placa de convés 242, controlador de sistema de resíduo 244, controlador de limpeza de máquina 245, controlador de zona 247, e o sistema de controle 214 podem incluir outros itens 246. Os subsistemas controláveis 216 incluem atuadores de máquina e plataforma 248, subsistema de propulsão 250, subsistema de direção 252, subsistema de resíduos 138, subsistema de limpeza de máquina 254, e os subsistemas controláveis 216 podem incluir uma ampla variedade de outros subsistemas 256. Os atuadores de plataforma 248 podem, sem limitação, controlar a altura da plataforma, inclinação da plataforma, velocidade da carretilha, posição de carretilha, velocidade da corrente de coleta, etc.

[0075] A FIG. 2 também mostra que a colheitadeira agrícola 100 pode receber um ou mais itens de dados históricos 258. Os dados históricos 258 podem incluir dados de característica agrícola históricos, por exemplo, dados de plantio de cultura históricos, dados de condições climáticas históricos, dados de desenvolvimento de cultura históricos, dados de característica agrícola de interesse históricos (por exemplo, estado de cultura histórico), dados de colheita históricos, bem como vários outros dados históricos. A FIG. 2 também mostra que a colheitadeira agrícola 100 pode receber um ou mais itens de dados sazonais 259. Os dados sazonais 259 podem incluir dados de característica agrícola sazonais, por exemplo, dados de plantio de cultura sazonais, dados de condições climáticas sazonais, dados de desenvolvimento de cultura sazonais, bem como vários outros dados sazonais. Tanto dados históricos quanto dados sazonais podem incluir dados geolocalizados que correspondem a dadas localizações geográficas. Em alguns exemplos, dados históricos e dados sazonais podem ser na forma de mapas. A FIG. 2 também mostra que um operador 260 pode operar a colheitadeira agrícola 100. O operador 260 interage com mecanismos de interface de operador 218. Em alguns exemplos, mecanismos de interface de operador 218 podem incluir manetes, alavancas, um volante, articulações, pedais, botões, diais, blocos de teclas, elementos atuáveis pelo usuário (tais como ícones, botões, etc.) em um dispositivo de exibição de interface de usuário, um microfone e alto-falante (onde reconhecimento de voz e síntese de voz são providos), dentre uma ampla variedade de outros tipos de dispositivos de controle. Onde um sistema de exibição sensível ao toque é provido, o operador 260 pode interagir com mecanismos de interface de operador 218 usando gestos de toque. Esses exemplos supradescritos são providos como exemplos ilustrativos e não visam limitar o escopo da presente descrição. Consequentemente, outros tipos de mecanismos de interface de operador 218 podem ser usados e estão dentro do escopo da presente descrição.

[0076] Dados históricos 258 ou dados sazonais 259, ou ambos, podem ser transferidos para a colheitadeira agrícola 100 e armazenados em armazenamento de dados 202, usando o sistema de comunicação 206 ou de outras maneiras. Em alguns exemplos, o sistema de comunicação 206 pode ser um sistema de comunicação celular, um sistema para comunicar por uma rede de longa distância ou uma rede de área local, um sistema para comunicar por uma rede de comunicação de campo próximo, ou um sistema de comunicação configurado para comunicar por qualquer uma de uma variedade de outras redes ou combinações de redes. O sistema de comunicação 206 pode também incluir um sistema que facilita o abaixamento ou transferências de informação entre um cartão digital seguro (SD) ou um cartão de barramento serial universal (USB), ou ambos.

[0077] O sensor de posição geográfica 204 ilustrativamente sensoreia ou detecta a posição ou localização geográfica da colheitadeira agrícola 100. O sensor de posição geográfica 204 pode incluir, mas não é limitado a, um receptor de sistema de navegação global por satélite (GNSS) que recebe sinais de um transmissor de satélite GNSS. O sensor de posição geográfica 204 pode também incluir um componente cinemático em tempo real (RTK) que é configurado para aumentar a precisão de dados de posição derivados do sinal GNSS. O sensor de posição geográfica 204 pode incluir um sistema de posicionamento relativo, um sistema de triangulação celular, ou qualquer um de uma variedade de outros sensores de posição geográfica.

[0078] Os sensores in situ 208 podem ser qualquer um dos sensores supradescritos com relação à FIG. 1. Os sensores in situ 208 incluem sensores de bordo 222 que são montados a bordo da colheitadeira agrícola 100. Tais sensores podem incluir, por exemplo, um sensor de percepção, imagem, sensor em tempo de voo, sensor de deslocamento de fase, ou sensor óptico, tal como um sistema de câmera mono ou estéreo voltado para a frente e sistema de processamento de imagem ou câmeras montadas para visualizar plantas de cultura próximas à colheitadeira agrícola 100 além de à frente da colheitadeira agrícola 100. Os sensores in situ 208 podem também incluir sensores in situ remotos 224 que capturam informação in situ. Dados in situ incluem dados obtidos de um sensor a bordo da colheitadeira agrícola ou obtidos de qualquer sensor onde os dados são detectados durante a operação de colheita. Em um exemplo, sensores in situ 208 incluem sensores de estado de cultura, tais como mecanismos de captura de imagem voltados para a frente 151 na forma de sensores de estado de cultura, como aqui descrito.

[0079] O gerador de modelo preditivo 210 gera um modelo que é indicativo de um relacionamento entre os valores de dados de característica agrícola históricos (por exemplo, valores de plantio de cultura históricos, valores de condições climáticas históricos, valores de desenvolvimento de cultura históricos, etc.) e valores de dados de característica agrícola de interesse históricos (por exemplo, valores de estado de cultura históricos, tais como valores de estado de cultura históricos derivados de dados de estado de cultura históricos e/ou dados de colheita históricos). Os valores históricos podem ser geolocalizados para diferentes localizações geográficas, de maneira que valores de dados característica agrícola históricos correspondentes possam ser ligados a valores de dados de característica agrícola de interesse históricos correspondentes. Por exemplo, se os dados históricos 258 proverem valores de plantio de cultura históricos, valores de condições climáticas históricos, e/ou valores de desenvolvimento de cultura históricos em diferentes localizações (por exemplo, diferentes localizações em campo(s)) e os dados históricos 258 também proverem valores de estado de cultura históricos nessas diferentes localizações, então gerador de modelo de variável(is) de dados históricos-para característica agrícola histórica 228 gera um modelo de estado de cultura preditivo que modela o relacionamento entre os valores de dados de característica agrícola históricos (por exemplo, valores de plantio de cultura históricos, valores de condições climáticas históricos, valores de desenvolvimento de cultura históricos, etc.) e os valores de característica agrícola de interesse históricos (por exemplo, valores de estado de cultura históricos). O gerador de mapa preditivo 212 usa o modelo de estado de cultura preditivo histórico gerado pelo gerador de modelo preditivo 210 para gerar um mapa de estado de cultura preditivo funcional que prediz o valor de estado de cultura em diferentes localizações em um campo com base em valores de dados sazonais (por exemplo, valores de plantio de cultura sazonais, valores de condições climáticas sazonais, valores de desenvolvimento de cultura sazonal, etc.) nessas diferentes localizações providos por dados sazonais 259. O gerador de mapa preditivo 212 pode usar os valores de dados sazonais providos pelos dados sazonais 259 e o modelo de estado de cultura preditivo histórico gerado pelo gerador de modelo preditivo 210 para gerar um mapa preditivo funcional 263 que prediz o estado de cultura em diferentes localizações no campo. O gerador de mapa preditivo 212 dessa forma produz o mapa preditivo 264.

[0080] Como mostrado na FIG. 2, o mapa preditivo 264 prediz o valor de uma característica agrícola, tal como o estado de cultura, em várias localizações através de um campo com base em valores de dados sazonais em dados sazonais 259 nessas localizações e com base em modelo preditivo histórico gerado pelo gerador de modelo preditivo 210. Por exemplo, se o gerador de modelo preditivo 210 gerar um modelo de estado de cultura preditivo histórico indicativo de um relacionamento entre valores de plantio de cultura históricos, valores de condições climáticas históricos e/ou valores de desenvolvimento de cultura históricos e valores de estado de cultura históricos, então, dados os valores de plantio de cultura sazonais, valores de condições climáticas sazonais e/ou valores de desenvolvimento de cultura sazonais em diferentes localizações no campo, o gerador de mapa preditivo 212 gera um mapa preditivo 264 que provê valores preditivos de estado de cultura em diferentes localizações no campo. O(s) valor(es) de dados de característica agrícola sazonais nessas localizações obtido(s) de dados sazonais 259 e do relacionamento entre valor(es) de dados de característica agrícola históricos e valores de característica agrícola de interesse históricos de dados obtidos do modelo preditivo são usados para gerar o mapa preditivo 264.

[0081] Em alguns exemplos, o mapa preditivo 264 pode ser provido ao gerador de zona de controle 213. O gerador de zona de controle 213 agrupa porções adjacentes de uma área em uma ou mais zonas de controle com base em valores de dados de mapa preditivo 264, que são associados com essas porções adjacentes. Uma zona de controle pode incluir duas ou mais porções contíguas de uma área, tal como um campo, para as quais um parâmetro de controle correspondente à zona de controle para controlar um subsistema controlável é constante. Por exemplo, um tempo de resposta para alterar uma definição de subsistemas controláveis 216 pode ser inadequado para responder satisfatoriamente a mudanças nos valores contidos em um mapa, tal como o mapa preditivo 264. Nesse caso, o gerador de zona de controle 213 analisa o mapa e identifica zonas de controle que são de um tamanho definido para acomodar o tempo de resposta dos subsistemas controláveis 216. Em outro exemplo, as zonas de controle podem ser dimensionadas para reduzir o desgaste de movimento excessivo do atuador resultante de ajuste contínuo. Em alguns exemplos, pode haver um conjunto diferente de zonas de controle para cada subsistema controlável 216 ou para grupos de subsistemas controláveis 216. As zonas de controle podem ser adicionadas ao mapa preditivo 264 para obter mapa de zona de controle preditivo 265. O mapa de zona de controle preditivo 265 pode dessa forma ser similar ao mapa preditivo 264, exceto que o mapa de zona de controle preditivo 265 inclui informação de zona de controle definindo as zonas de controle. Dessa forma, um mapa preditivo funcional 263, como descrito no presente documento, pode ou não incluir zonas de controle. Tanto o mapa preditivo 264 quanto o mapa de zona de controle preditivo 265 são mapas preditivos funcionais 263. Em um exemplo, um mapa preditivo funcional 263 não inclui zonas de controle, tal como o mapa preditivo 264. Em outro exemplo, um mapa preditivo funcional 263 inclui zonas de controle, tal como o mapa de zona de controle preditivo 265. Em alguns exemplos, múltiplas culturas podem estar simultaneamente presentes em um campo se um sistema de produção intercultura for implementado. Nesse caso, o gerador de mapa preditivo 212 e o gerador de zona de controle 213 são capazes de identificar a localização e características das duas ou mais culturas e então gerar mapa preditivo 264 e mapa de zona de controle preditivo 265 com zonas de controle de forma correspondente.

[0082] Percebe-se também 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 ambos. Em outros exemplos, as zonas de controle podem ser apresentadas ao operador 260 e usadas para controlar ou calibrar a colheitadeira agrícola 100, e, em outros exemplos, as zonas de controle podem ser apresentadas ao operador 260 ou outro usuário ou armazenadas para uso posterior.

[0083] O mapa preditivo 264 ou mapa de zona de controle preditivo 265, ou ambos, são providos ao sistema de controle 214, que gera sinais de controle com base no mapa preditivo 264 ou mapa de zona de controle preditivo 265, ou ambos. Em alguns exemplos, o controlador de sistema de comunicação 229 controla o sistema de comunicação 206 para comunicar o mapa preditivo 264 ou mapa de zona de controle preditivo 265 ou sinais de controle com base no mapa preditivo 264 ou mapa de zona de controle preditivo 265 a outras colheitadeiras agrícolas que estão colhendo no mesmo campo. Em alguns exemplos, o controlador de sistema de comunicação 229 controla o sistema de comunicação 206 para enviar o mapa preditivo 264, mapa de zona de controle preditivo 265, ou ambos, para outros sistemas remotos.

[0084] O controlador de interface de operador 231 é operável para gerar sinais de controle para controlar mecanismos de interface de operador 218. O controlador de interface de operador 231 é também operável para apresentar o mapa preditivo 264 ou mapa de zona de controle preditivo 265 ou outra informação derivada ou baseada no mapa preditivo 264, mapa de zona de controle preditivo 265, ou ambos, ao operador 260. O operador 260 pode ser um operador local ou um operador remoto. Como um exemplo, o controlador 231 gera sinais de controle para controlar um mecanismo de exibição para exibir um ou ambos de mapa preditivo 264 e mapa de zona de controle preditivo 265 para o operador 260. O controlador 231 pode gerar mecanismos atuáveis pelo operador que são exibidos e podem ser atuados pelo operador para interagir com o mapa exibido. O operador pode editar o mapa, por exemplo, corrigindo um valor de estado de cultura exibido no mapa com base, por exemplo, 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, no mapa de zona de controle preditivo 265, ou ambos. Por exemplo, o controlador de definições 232 pode gerar sinais de controle para controlar os atuadores de máquina e plataforma 248. Em resposta aos sinais de controle gerados, a máquina e atuadores de plataforma 248 operam para controlar, por exemplo, um ou mais de definições de peneira e crivo, folga do côncavo, definições de rotor, definições de velocidade de ventilador de limpeza, altura da plataforma, funcionalidade da plataforma, velocidade da carretilha, posição de carretilha, funcionalidade da correia de lona (onde a colheitadeira agrícola 100 é acoplada a uma plataforma de lona), funcionalidade da plataforma de milho, controle de distribuição interna, e outros atuadores 248 que afetam as outras funções da colheitadeira agrícola 100. O controlador de planejamento de trajeto 234 ilustrativamente gera sinais de controle para controlar o subsistema de direção 252 para dirigir a colheitadeira agrícola 100 de acordo com um trajeto desejado. O controlador de planejamento de trajeto 234 pode controlar um sistema de planejamento de trajeto para gerar uma rota para a colheitadeira agrícola 100 e pode controlar o subsistema de propulsão 250 e subsistema de direção 252 para dirigir a colheitadeira agrícola 100 ao longo dessa rota. Por exemplo, o controlador de planejamento de trajeto 234 pode controlar um sistema de planejamento de trajeto para gerar uma rota para a colheitadeira agrícola 100 para engatar cultura tombada a partir da direção oposta à direção na qual a cultura está tombada de modo que a colheitadeira agrícola engate o topo da cultura primeiro. O controlador de taxa de alimentação 236 pode controlar vários subsistemas, tais como o subsistema de propulsão 250 e atuadores de máquina 248, para controlar uma taxa de alimentação com base no mapa preditivo 264 ou mapa de zona de controle preditivo 265, ou ambos. Por exemplo, à medida que a colheitadeira agrícola 100 aproxima-se de uma área contendo cultura com uma condição de cultura tombada que é maior que um limiar selecionado, o controlador de taxa de alimentação 236 pode reduzir a velocidade da colheitadeira agrícola 100 para assegurar que o desempenho de alimentação de cultura seja aceitável e que o material de cultura seja agrupado. O controlador de plataforma e carretilha 238 pode gerar sinais de controle para controlar uma plataforma ou uma carretilha ou outra funcionalidade da plataforma. Por exemplo, em uma área de cultura tombada, pode ser benéfico ajustar a altura da plataforma ou posições de carretilha. O controlador de correia de lona 240 pode gerar sinais de controle para controlar uma correia de lona ou outra funcionalidade da correia de lona com base no mapa preditivo 264, mapa de zona de controle preditivo 265, ou ambos. O controlador de posição de placa de convés 242 pode gerar sinais de controle para controlar uma posição de uma placa de convés incluída em uma plataforma com base em 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 resíduos 138 com base em 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 que passaram 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, igualmente.

[0085] Como mostrado na FIG. 2, a arquitetura de sistema agrícola 200 pode também incluir um ou mais sistemas de computação remotos 271. Os sistemas de computação remotos 271 podem ser uma ampla variedade de diferentes tipos de sistemas, ou combinações dos mesmos. Por exemplo, os sistemas de computação remotos 271 podem ser em um ambiente de servidor remoto. Adicionalmente, os sistemas de computação remotos 271 podem ser sistemas de computação remotos, tais como dispositivos móveis, uma rede remota, um sistema gestor de fazenda, um sistema de vendas, ou uma ampla variedade de outros sistemas de computação remotos. A colheitadeira agrícola 100 e sistemas de computação remotos 271 se comunica pela rede 270. Embora a FIG. 2 mostre certos componentes disposto na colheitadeira agrícola 100, em outros exemplos um ou mais componentes de FIG. 2 podem ser dispostos em sistemas de computação remotos 271, e dessa forma esses componentes e/ou informação gerada por esses componentes podem ser acessados pela colheitadeira agrícola 100 pela rede 270. Por exemplo, um ou mais dentre armazenamentos de dados 202, seletor de dados 209, gerador de modelo preditivo 210, gerador de mapa preditivo 212, gerador de zona de controle 213 e sistema de controle 214 podem ser localizados em sistemas de computação remotos 271, e dessa forma interagir com a colheitadeira agrícola 100 pela rede 270. Em um exemplo como esse, o sistema de comunicação 206 obtém o(s) modelo(s) preditivo(s) gerado(s) pelo gerador de modelo preditivo 210 e mapa(s) preditivo(s) funcional(is) gerado(s) pelo gerador de mapa preditivo 212 a partir de sistemas de computação remotos 271 pela rede 270. Adicionalmente, em um exemplo como esse, o sistema de controle 214, localizado remotamente da colheitadeira agrícola 100 pode ser usado para controlar a colheitadeira agrícola 100 remotamente. Similarmente, em um exemplo como esse, dados de sensor in situ gerados pelos sensores in situ 208 podem ser providos aos componentes localizados em sistemas de computação remotos 271 pela rede 270. Em alguns exemplos, os vários componentes podem ser distribuídos através de ambos os sistemas de computação remotos 271 e colheitadeira agrícola 100. Entende-se que sistemas de computação remotos 271 podem também incluir um sistema de comunicação, que pode ser similar ao sistema de comunicação 206. O sistema de comunicação de sistemas de computação remotos pode ser usado para obter vários dados, tais como dados de sensor in situ de sensores in situ 208, dados históricos 258, dados sazonais 259, bem como vários outros dados.

[0086] A rede 270 pode compreender uma ampla variedade de diferentes tipos de redes, ou combinações das mesmas. Por exemplo, a rede 270 pode compreender uma ou mais de uma rede celular, uma rede de longa distância, uma rede de área local, uma rede de comunicação de campo próximo, bem como uma ampla variedade de outros tipos de redes.

[0087] As FIGS. 3A – 3C (coletivamente referidas no presente documento como FIG. 3) mostram um fluxograma ilustrando um exemplo da operação de sistema agrícola 200 na geração de um mapa preditivo 264 e mapa de zona de controle preditivo 265 com base em mapa de informação 258.

[0088] Em 280, o sistema agrícola 200 recebe dados agrícolas históricos 258. Exemplos de dados agrícolas históricos 258 ou recebimento de dados agrícolas históricos 258 são discutidos com relação aos blocos 281, 282, 283, 284, 285 e 286. Como aqui discutido, os dados agrícolas históricos 258 podem incluir dados de plantio de cultura históricos, como indicado no bloco 281. Como indicado no bloco 282, dados agrícolas históricos 258 podem incluir dados de condições climáticas históricos. Como indicado no bloco 283, os dados agrícolas históricos 258 podem incluir dados de desenvolvimento de cultura históricos. Como indicado no bloco 284, os dados agrícolas históricos 258 pode incluir dados de estado de cultura históricos. Como indicado no bloco 285, os dados agrícolas históricos 258 pode incluir dados de colheita históricos. Os dados agrícolas históricos 258 podem incluir vários outros dados, como indicado no bloco 286.

[0089] Como indicado no bloco 287, receber os dados agrícolas históricos 258 pode envolver selecionar, com seletor de dados 209, de um ou mais dentre uma pluralidade de possíveis itens de dados agrícolas históricos que são disponíveis. Por exemplo, os dados históricos 258 podem incluir informação contextual que provê contexto para os itens de dados históricos. Por exemplo, itens de dados históricos 258 podem ser selecionados com base no(s) campo(s) ao(s) qual(is) eles correspondem, no tipo de cultura ao qual eles correspondem (por exemplo, espécie, genótipo, etc.), no método de coleta (por exemplo, tipo de sensor, tempo dos dados da estação coletados, resolução, etc.), o frescor dos dados, bem como vários outros critérios de seleção. Por exemplo, durante a geração de um mapa de estado de cultura preditivo funcional para milho de A híbrido no campo X, o seletor de dados 209 pode selecionar dados históricos relativos ao milho de híbrido A no campo X. Isso é meramente um exemplo ilustrativo. O processo pelo qual um ou mais itens de dados históricos sãos selecionados pode ser manual, semiautomático ou automático.

[0090] Dados agrícolas históricos 258 podem ser transmitidos à colheitadeira agrícola 100 usando o sistema de comunicação 206 e armazenados em armazenamento de dados 202. Os dados agrícolas históricos 258 podem ser carregados na colheitadeira agrícola 100 usando o sistema de comunicação 206. Em alguns exemplos, os dados agrícolas históricos 258 podem ser recebidos pelo sistema de comunicação 206 ou um sistema de comunicação de sistemas de computação remotos 271. Os dados agrícolas históricos 258 podem ser transmitidos aos sistemas de computação remotos 271 usando um sistema de comunicação de sistemas de computação remotos 271 e podem ser armazenados em um armazenamento de dados de sistemas de computação remotos 271. Os dados agrícolas históricos 258 podem ser carregados em sistemas de computação remotos 271 usando um sistema de comunicação dos sistemas de computação remotos 271.

[0091] No bloco 288, o gerador de modelo preditivo 210 controla o gerador de modelo de variável(eis) de dados históricos-para-característica agrícola histórica 228 para gerar um modelo que modela um relacionamento entre um ou mais dos valores de dados de característica agrícola históricos (por exemplo, valores de plantio de cultura históricos, valores de condições climáticas históricos, valores de desenvolvimento de cultura históricos, etc.) e os valores de característica agrícola de interesse históricos (por exemplo, valores de estado de cultura históricos). Um exemplo de um modelo como esse é o modelo de estado de cultura preditivo histórico 350, mostrado nas FIGS. 4A-4B.

[0092] No bloco 290, o sistema agrícola 200 recebe dados agrícolas sazonais 259. Exemplos de dados agrícolas sazonais 259 ou recebimento de dados agrícolas sazonais 259 são discutidos com relação aos blocos 291, 292, 293 e 294. Como aqui discutido, dados agrícolas sazonais 259 podem incluir dados de plantio de cultura sazonais, como indicado no bloco 291. Como indicado no bloco 292, dados agrícolas sazonais 259 podem incluir dados de condições climáticas sazonais. Como indicado no bloco 284, dados agrícolas sazonais 259 podem incluir dados de desenvolvimento de cultura sazonais. Dados agrícolas sazonais 259 podem incluir vários outros dados, como indicado no bloco 294.

[0093] Dados agrícolas sazonais 259 podem ser transmitidos à colheitadeira agrícola 100 usando o sistema de comunicação 206 e armazenados em armazenamento de dados 202. Dados agrícolas sazonais 259 podem ser carregados na colheitadeira agrícola 100 usando o sistema de comunicação 206. Em alguns exemplos, os dados agrícolas sazonais 259 podem ser recebidos pelo sistema de comunicação 206 ou um sistema de comunicação dos sistemas de computação remotos 271. Dados agrícolas sazonais 259 podem ser transmitidos aos sistemas de computação remotos 271 usando um sistema de comunicação dos sistemas de computação remotos 271 e podem ser armazenados em um armazenamento de dados de sistemas de computação remotos 271. Dados agrícolas sazonais 259 podem ser carregados nos sistemas de computação remotos 271 usando um sistema de comunicação dos sistemas de computação remotos 271.

[0094] O relacionamento ou modelo gerado pelo gerador de modelo preditivo 210 e os dados agrícolas sazonais 259 é provido ao gerador de mapa preditivo 212. O gerador de mapa preditivo 212 gera um mapa preditivo 264 que prediz um valor da característica agrícola de interesse (por exemplo, estado de cultura) em diferentes localizações geográficas em um campo a ser colhido usando o modelo preditivo gerado pelo gerador de modelo preditivo 210 e os dados agrícolas sazonais 259, como indicado pelo bloco 295. Um exemplo de um mapa preditivo 264 como esse é o mapa de estado de cultura preditivo funcional 360, mostrado nas FIGS. 4A-4B a seguir.

[0095] Deve-se notar que, em alguns exemplos, os dados agrícolas históricos 258 podem incluir dois ou mais diferentes valores de característica agrícola (por exemplo, valores de plantio de cultura históricos, valores de condições climáticas históricos, valores de desenvolvimento de cultura históricos, etc.). Em um exemplo como esse, o gerador de modelo preditivo 210 gera um modelo preditivo que modela o relacionamento entre os valores de característica agrícola de interesse históricos (por exemplo, valores de estado de cultura históricos) e cada um dos diferentes valores de característica agrícola históricos (por exemplo, valores de plantio de cultura históricos, valores de condições climáticas históricos, valores de desenvolvimento de cultura históricos, etc.). Dessa forma, o gerador de modelo preditivo 210 pode gerar uma pluralidade de modelos preditivos, cada modelo preditivo modelando o relacionamento entre um tipo correspondente de valor de característica agrícola histórico e o valor da característica agrícola histórico de interesse. O gerador de mapa preditivo 212 pode gerar um mapa preditivo funcional 263 que prediz um valor da característica agrícola de interesse (por exemplo, estado de cultura) em diferentes localizações no campo a ser colhido usando um respectivo modelo preditivo e os valores de característica agrícola sazonais correspondentes aos valores de característica agrícola históricos usados no respectivo modelo preditivo. Em outros exemplos, o modelo preditivo gerado pelo gerador de modelo preditivo 210 modela um relacionamento entre uma pluralidade de diferentes valores de características agrícolas históricos e o valor da característica agrícola de interesse e, dessa forma, o gerador de mapa preditivo 212 pode gerar um mapa preditivo funcional 263 que prediz um valor da característica agrícola de interesse em diferentes localizações no campo a ser colhido usando o modelo preditivo e uma pluralidade de diferentes valores de característica agrícola sazonais correspondentes à pluralidade de diferente valores de características agrícolas históricos usados no modelo preditivo.

[0096] O gerador de mapa preditivo 212 configura o mapa preditivo 264 de forma que o mapa preditivo 264 seja acionável (ou consumível) pelo sistema de controle 214. O gerador de mapa preditivo 212 pode prover o mapa preditivo 264 ao sistema de controle 214 ou ao gerador de zona de controle 213, ou ambos. Alguns exemplos de diferentes maneiras nas quais o mapa preditivo 264 pode ser configurado ou produzido são descritos com relação aos blocos 296, 297, 298 e 299. Por exemplo, o gerador de mapa preditivo 212 configura o mapa preditivo 264 de forma que o mapa preditivo 264 inclua valores que podem ser lidos pelo sistema de controle 214 e usados como a base para gerar sinais de controle para um ou mais dos diferentes subsistemas controláveis da colheitadeira agrícola 100, como indicado pelo bloco 296.

[0097] 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 para prover um mapa de zona de controle preditivo 265. Um exemplo de um mapa de zona de controle preditivo 265 como esse é um mapa de estado de cultura preditivo funcional 360 com zonas de controle. Valores contiguamente geolocalizados que estão dentro de um valor de limiar de um outro podem ser agrupados em uma zona de controle. O valor de limiar pode ser um valor de limiar padrão, ou o valor de limiar pode ser definido com base em uma entrada de operador, com base em uma entrada de um sistema automático, ou com base em outros critérios. Um tamanho das zonas pode ser baseado em uma capacidade de resposta do sistema de controle 214, dos subsistemas controláveis 216, com base em considerações de desgaste, ou em outros critérios como indicado pelo bloco 297.

[0098] 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 298. Quando apresentado a um operador ou outro usuário, a apresentação do mapa preditivo 264 ou mapa de zona de controle preditivo 265, ou ambos, pode conter um ou mais dos valores preditivos no mapa preditivo 264 correlacionados à localização geográfica, as zonas de controle no mapa de zona de controle preditivo 265 correlacionadas à localização geográfica, e valores de definições ou parâmetros de controle que são usados com base nos valores preditos no mapa preditivo 264 ou zonas no mapa de zona de controle preditivo 265. A apresentação pode, em outro exemplo, incluir informação mais abstrata ou informação mais detalhada. A apresentação pode também incluir um nível de confiança que indica uma precisão com a qual os valores preditivos no mapa preditivo 264 ou nas zonas no mapa de zona de controle preditivo 265 estão de conformidade com os valores medidos que podem ser medidos pelos sensores na colheitadeira agrícola 100 à medida que a colheitadeira agrícola 100 move pelo campo. Adicionalmente, onde informação é apresentada a mais que uma localização, um sistema de autenticação e autorização pode ser provido para implementar processos de autenticação e autorização. Por exemplo, pode haver uma hierarquia de indivíduos que são autorizados a ver e mudar mapas e outra informação apresentada. A título de exemplo, um dispositivo de exibição de bordo pode mostrar os mapas em tempo quase real localmente na máquina, ou os mapas podem também ser gerados em uma ou mais localizações remotas, ou ambos. Em alguns exemplos, cada dispositivo de exibição físico em cada localização pode ser associado com uma pessoa ou um nível de permissão de usuário. O nível de permissão de usuário pode ser usado para determinar quais marcadores de exibição estão 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 visualizar informação correspondente ao mapa preditivo 264 ou fazer qualquer alteração na operação da máquina. Um supervisor, tal como um supervisor em uma localização remota, entretanto, pode ser capaz de visualizar o mapa preditivo 264 na exibição, mas é impedido de fazer qualquer alteração. Um gestor, que pode estar em uma localização remota separada, pode ser capaz de visualizar todos tudo dos elementos no mapa preditivo 264 e também ser capaz de alterar o mapa preditivo 264. Em alguns casos, o mapa preditivo 264 acessível e alterável por um gestor localizado remotamente pode ser usado no controle de máquina. Isso é um exemplo de uma hierarquia de autorização que pode ser implementada. O mapa preditivo 264 ou mapa de zona de controle preditivo 265, ou ambos, pode ser configurado de outras maneiras igualmente, como indicado pelo bloco 299.

[0099] À medida que a operação de colheita é iniciada, no bloco 300, entradas do sensor de posição geográfica 204 e outros sensores in situ 208 são recebidas pelo sistema de controle 214. Particularmente, no bloco 301, o sistema de controle 214 detecta uma entrada do sensor de posição geográfica 204 identificando uma localização geográfica da colheitadeira agrícola 100. O bloco 302 representa o recebimento pelo sistema de controle 214 de entradas de sensor indicativas de trajetória ou direção da colheitadeira agrícola 100, e o bloco 304 representa o recebimento pelo sistema de controle 214 de uma velocidade de colheitadeira agrícola 100. O bloco 306 representa o recebimento pelo sistema de controle 214 de outra informação de vários sensores in situ 208.

[00100] No bloco 308, o sistema de controle 214 gera sinais de controle para controlar os subsistemas controláveis 216 com base no mapa preditivo 264 (por exemplo, mapa de estado de cultura preditivo funcional 360) ou mapa de zona de controle preditivo 265 (por exemplo, mapa de estado de cultura preditivo funcional 360 com zonas de controle), 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 216. Percebe-se que os sinais de controle particulares que são gerados, e os subsistemas controláveis particulares 216 que são controlados, podem variar com base em uma ou mais diferentes coisas. Por exemplo, os sinais de controle que são gerados e os subsistemas controláveis 216 que são controlados podem ser baseados no tipo de mapa preditivo 264 ou mapa de zona de controle preditivo 265, ou ambos, que estão sendo usados. Similarmente, os sinais de controle que são gerados e os subsistemas controláveis 216 que são controlados e o sincronismo dos sinais de controle podem ser baseados em várias latências do fluxo de cultura através da colheitadeira agrícola 100 e na capacidade de resposta dos subsistemas controláveis 216.

[00101] A título de exemplo, um mapa preditivo gerado 264 na forma de um mapa de estado de cultura preditivo funcional (por exemplo, 360 mostrado a seguir) pode ser usado para controlar um ou mais subsistemas controláveis 216. Por exemplo, o mapa de estado de cultura preditivo funcional pode incluir valores de estado de cultura georreferenciados nas localizações no campo que está sendo colhido. O mapa de estado de cultura preditivo funcional pode ser extraído e usado para controlar, por exemplo, os subsistemas de direção e propulsão 252 e 250. Controlando os subsistemas de direção e propulsão 252 e 250, uma taxa de alimentação de material ou grão móvel através da colheitadeira agrícola 100 pode ser controlada. Ou, por exemplo, controlando os subsistemas de direção e propulsão 252 e 250, uma direção oposta à direção que a cultura está inclinando da cultura tombada pode ser mantida. Similarmente, a altura da plataforma pode ser controlada para pegar mais ou menos material (em alguns casos a plataforma tem que ser abaixada para assegurar o contato com a cultura) e dessa forma a altura da plataforma pode também ser controlada para controlar a taxa de alimentação de material através da colheitadeira agrícola 100. Em outros exemplos, se o mapa preditivo 264 mapear um estado de cultura à frente da máquina na qual cultura está em uma condição tombada ao longo de uma porção da plataforma e não na outra porção da plataforma, ou se cultura estiver em uma condição tombada, a uma maior extensão ao longo de uma porção da plataforma, em comparação com a outra porção da plataforma, a plataforma pode ser controlada para inclinar, rolar, ou ambos, para agrupar a cultura tombada de uma maneira mais eficaz. Os exemplos anteriores envolvendo taxa de alimentação e controle de plataforma usando um mapa de estado de cultura preditivo funcional são providos meramente como um exemplo. Consequentemente, uma ampla variedade de outros sinais de controle pode ser gerada usando valores obtidos de um mapa de estado de cultura preditivo ou outro tipo de mapa preditivo funcional para controlar um ou mais dos subsistemas controláveis 216.

[00102] No bloco 312, é feita uma determinação se a operação de colheita foi concluída. Se a operação de colheita tiver sido concluída, a operação move do bloco 312 para o bloco 333 onde um ou mais dentre o 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, mapa de zona de controle preditivo 265 e modelo preditivo podem ser armazenados localmente em armazenamento de dados 202 ou enviados a um sistema remoto usando o sistema de comunicação 206 para uso posterior.

[00103] Se a colheita não estiver concluída, o processamento avança para o bloco 314 onde os dados de sensor in situ do sensor de posição geográfica 204 e sensores in situ 208 (e talvez outros sensores) são lidos. Em um exemplo, no bloco 315, os sensores de estado de cultura in situ (por exemplo, sensores de estado de cultura 336 mostrados a seguir, tais como mecanismos de captura de imagem voltados para a frente 151) geram dados de estado de cultura in situ indicativos de valores de estado de cultura in situ em diferentes localizações no campo que está sendo colhido.

[00104] Em alguns exemplos, no bloco 317, a colheitadeira agrícola 100 pode também detectar critérios de acionamento de aprendizagem para realizar aprendizagem de máquina em um ou mais dentre o mapa preditivo 264, mapa de zona de controle preditivo 265, o modelo gerado pelo gerador de modelo preditivo 210, as zonas geradas pelo gerador de zona de controle 213, um ou mais algoritmos de controle implementados pelos controladores no sistema de controle 214, e outra aprendizagem acionada.

[00105] Os critérios de acionamento de aprendizagem podem incluir qualquer um de uma ampla variedade de diferentes critérios. Alguns exemplos de detecção de critérios de acionamento são discutidos com relação aos blocos 318, 320, 321, 322 e 324. Por exemplo, em alguns exemplos, aprendizagem acionada pode envolver a recriação de um relacionamento usado para gerar um modelo preditivo quando uma quantidade limiar de dados de sensor in situ é obtida de sensores in situ 208, tal como uma quantidade limiar de dados de estado de cultura in situ obtidos de sensores de estado de cultura in situ. Em tais exemplos, o recebimento de uma quantidade de dados de sensor in situ dos sensores in situ 208 que excede um limiar aciona ou faz com que o gerador de modelo preditivo 210 gere um novo modelo preditivo (por exemplo, modelo preditivo revisado) que é usado pelo gerador de mapa preditivo 212 para gerar um novo mapa preditivo (por exemplo, mapa preditivo revisado). Dessa forma, à medida que a colheitadeira agrícola 100 continua uma operação de colheita, o recebimento da quantidade limiar de dados de sensor in situ dos sensores in situ 208 aciona a criação de um novo (por exemplo, revisado) relacionamento representado por um novo (por exemplo, revisado) modelo preditivo gerado pelo gerador de modelo preditivo 210. Adicionalmente, um novo mapa preditivo 264, um novo mapa de zona de controle preditivo 265, ou ambos, podem ser gerados usando o novo modelo preditivo. O bloco 318 representa a detecção de uma quantidade limiar de dados de sensor in situ usados para acionar a criação de um novo modelo preditivo.

[00106] Em outros exemplos, os critérios de acionamento de aprendizagem podem ser baseados no quanto os dados de sensor in situ dos sensores in situ 208 estão mudando, tal como ao longo do tempo, ou em comparação com valores anteriores. Por exemplo, se variações nos dados de sensor in situ (ou no relacionamento entre os dados de sensor in situ, tais como os dados de estado de cultura in situ, e os valores de característica agrícola preditivos, tais como os valores de estado de cultura preditivos) estiverem dentro de uma faixa selecionada ou forem menores que uma quantidade definida, ou abaixo de um valor de limiar, então um novo modelo preditivo não é gerado pelo gerador de modelo preditivo 210. Em decorrência disso, o gerador de mapa preditivo 212 não gera um novo mapa preditivo 264, um novo mapa de zona de controle preditivo 265, ou ambos. Entretanto, se variações nos dados de sensor in situ estiverem fora da faixa selecionada, forem maiores que a quantidade definida, ou estiverem acima do valor de limiar, por exemplo, então o gerador de modelo preditivo 210 gera um novo modelo preditivo usando todos ou uma porção dos dados de sensor in situ recém-recebidos que o gerador de mapa preditivo 212 usa para gerar um novo mapa preditivo 264. No bloco 320, variações nos dados de sensor in situ, tal como uma magnitude de uma quantidade pela qual os dados excede a faixa selecionada ou uma magnitude da variação do relacionamento entre os dados de sensor in situ e os valores de característica agrícola preditivos, podem ser usadas como um gatilho para causar a geração de um novo modelo preditivo e mapa preditivo. De acordo com os exemplos supradescritos, o limiar, a faixa e a quantidade definida podem ser definidos em valores padrões; definidos pela interação do operador ou usuário através de uma interface de usuário; definidos por um sistema automático; ou definidos de outras maneiras.

[00107] Outros critérios de acionamento de aprendizagem podem também ser usados. Por exemplo, se gerador de modelo preditivo 210 comutar para um item diferente de dados históricos 258 (diferente do item de dados históricos 258 originalmente selecionado), então a comutação para o item diferente de dados históricos 258 pode acionar 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 pode ser usada como critérios de acionamento de aprendizagem igualmente.

[00108] Em alguns casos, o operador 260 pode também editar o mapa preditivo 264 ou o mapa de zona de controle preditivo 265, ou ambos. As edições podem mudar um valor no mapa preditivo 264 ou, mudar um tamanho, formato, posição ou existência de uma zona de controle no mapa de zona de controle preditivo 265, ou ambos. O bloco 321 mostra que informação editada pode ser usada como critérios de acionamento de aprendizagem.

[00109] Em alguns casos, pode ser também que o operador 260 observa que o controle automático de um subsistema controlável não é o que o operador deseja. Em tais casos, o operador 260 pode prover um ajuste manual ao subsistema controlável refletindo que o operador 260 deseja que o subsistema controlável opere de uma maneira diferente da que está sendo comandada pelo sistema de controle 214. Dessa forma, alteração manual de uma definição pelo operador 260 pode fazer com que um ou mais dentre o gerador de modelo preditivo 210 reaprenda um modelo, o gerador de mapa preditivo 212 regenere o mapa 264, o gerador de zona de controle 213 regenere uma ou mais zonas de controle no mapa de zona de controle preditivo 265, e o sistema de controle 214 reaprenda um algoritmo de controle ou realize aprendizagem de máquina em um ou mais dos componentes 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.

[00110] Em outros exemplos, a reaprendizagem pode ser feita periodicamente ou intermitentemente com base, por exemplo, em um intervalo de tempo selecionado tal como um intervalo de tempo discreto ou um intervalo de tempo variável, como indicado pelo bloco 326.

[00111] Entende-se que o modelo de estado de cultura preditivo histórico revisado 351, mostrado na FIG. 4B, é um exemplo de um novo (ou revisado) modelo gerado pelo gerador de modelo 210, que o mapa de estado de cultura preditivo funcional revisado 361, mostrado na FIG. 4B, é um exemplo de um novo (ou revisado) mapa preditivo 264 gerado pelo gerador de mapa preditivo 212, e que o mapa de estado de cultura preditivo funcional revisado 361 com zonas de controle é um exemplo de um novo (ou revisado) mapa de zona de controle preditivo 265.

[00112] Se a reaprendizagem for acionada, que com base em critérios de acionamento de aprendizagem quer com base na passagem de um intervalo de tempo, como indicado pelo bloco 326, então um ou mais dentre o gerador de modelo preditivo 210, gerador de mapa preditivo 212, gerador de zona de controle 213 e sistema de controle 214 realizam aprendizagem de máquina para gerar um novo modelo preditivo (por exemplo, modelo de estado de cultura preditivo histórico revisado 351, mostrado na FIG. 4B), um novo mapa preditivo (por exemplo, mapa de estado de cultura preditivo funcional revisado 361, mostrado na FIG. 4B), um novo zona de controle, e um novo algoritmo de controle, respectivamente, com base nos critérios de acionamento de aprendizagem. O novo modelo preditivo, o novo mapa preditivo, a nova zona de controle e o novo algoritmo de controle são gerados usando quaisquer dados adicionais que foram coletados desde que a última operação de aprendizagem foi realizada. A realização da aprendizagem é indicada pelo bloco 328. Em um exemplo, a realização da aprendizagem no bloco 328 resulta na geração de um ou mais dentre um mapa preditivo funcional revisado, tal como o mapa de estado de cultura preditivo histórico revisado 361, como indicado pelo bloco 329, um modelo preditivo revisado, tal como o modelo de estado de cultura preditivo histórico revisado 351, como indicado pelo bloco 330, zona(s) de controle revisada(s), como indicado pelo bloco 331 e/ou um algoritmo de controle revisado, como indicado pelo bloco 332.

[00113] O gerador de mapa preditivo 212 configura o mapa preditivo funcional revisado de forma que o mapa preditivo funcional revisado seja acionável (ou consumível) pelo sistema de controle 214. O gerador de mapa preditivo 212 pode prover o mapa preditivo funcional revisado ao sistema de controle 214 ou ao gerador de zona de controle 213, ou ambos. Alguns exemplos de diferentes maneiras nas quais o mapa preditivo funcional revisado pode ser configurado ou produzido são descritos com relação aos blocos 370, 372, 374 e 376. Por exemplo, o gerador de mapa preditivo 212 configura o mapa preditivo funcional revisado de forma que o mapa preditivo funcional revisado inclua valores que podem ser lidos pelo sistema de controle 214 e usados como a base para a geração de sinais de controle para um ou mais dos diferentes subsistemas controláveis da colheitadeira agrícola 100, como indicado pelo bloco 370.

[00114] O gerador de zona de controle 213 pode dividir o mapa preditivo funcional revisado em zonas de controle com base nos valores no mapa preditivo funcional revisado para gerar um mapa preditivo funcional revisado com zonas de controle, tal como um mapa de estado de cultura preditivo funcional revisado 361 com zonas de controle. Valores contiguamente geolocalizados que estão dentro de um valor de limiar de um outro podem ser agrupados em uma zona de controle. O valor de limiar pode ser um valor de limiar padrão, ou o valor de limiar pode ser definido com base em uma entrada de operador, com base em uma entrada de um sistema automático, ou com base em outros critérios. Um tamanho das zonas pode ser baseado em uma capacidade de resposta do sistema de controle 214, dos subsistemas controláveis 216, com base em considerações de desgaste, ou em outros critérios como indicado pelo bloco 372.

[00115] O gerador de mapa preditivo 212 configura o mapa preditivo funcional revisado para apresentação a um operador ou outro usuário. O gerador de zona de controle 213 pode configurar o mapa preditivo funcional revisado com zonas de controle para apresentação a um operador ou outro usuário. Isso é indicado pelo bloco 374. Quando apresentada a um operador ou outro usuário, a apresentação do mapa preditivo funcional revisado ou do mapa preditivo funcional revisado com zonas de controle, ou ambos, pode conter um ou mais dos valores preditivos no mapa preditivo funcional revisado correlacionados com a localização geográfica, as zonas de controle no mapa preditivo funcional revisado com zonas de controle correlacionadas com a localização geográfica, e valores de definições ou parâmetros de controle que são usados com base nos valores preditos no mapa preditivo funcional revisado ou nas zonas no mapa preditivo funcional revisado com zonas de controle. A apresentação pode, em outro exemplo, incluir informação mais abstrata ou informação mais detalhada. A apresentação pode também incluir um nível de confiança que indica uma precisão com a qual os valores preditivos no mapa preditivo funcional revisado ou nas zonas no mapa preditivo funcional revisado com zonas de controle estão de conformidade com os valores medidos que podem ser medidos por sensores na colheitadeira agrícola 100 à medida que a colheitadeira agrícola 100 move através do campo. Adicionalmente onde informação é apresentada a mais que uma localização, um sistema de autenticação e autorização pode ser provido para implementar processos de autenticação e autorização. Por exemplo, pode haver uma hierarquia de indivíduos que são autorizados a visualizar e alterar mapas e outra informação apresentada. A título de exemplo, um dispositivo de exibição de bordo pode apresentar os mapas em tempo quase real localmente na máquina, ou os mapas podem também ser gerados em uma ou mais localizações remotas, ou ambos. Em alguns exemplos, cada dispositivo de exibição físico em cada localização pode ser associado com uma pessoa ou um nível de permissão de usuário. O nível de permissão de usuário pode ser usado para determinar quais marcadores de exibição são visíveis no dispositivo de exibição físico e quais valores a pessoa correspondente pode alterar. Como um exemplo, um operador de colheitadeira agrícola local 100 pode ser incapaz de visualizar a informação correspondente ao mapa preditivo funcional revisado ou fazer qualquer alteração na operação da máquina. Um supervisor, tal como um supervisor em uma localização remota, entretanto, pode ser capaz de visualizar o mapa preditivo funcional revisado na exibição, mas não pode fazer nenhuma alteração. Um gestor, que pode estar em uma localização remota separada, pode ser capaz de visualizar todos os elementos no mapa preditivo funcional revisado e também ser capaz de alterar o mapa preditivo funcional revisado. Em alguns casos, o mapa preditivo funcional revisado acessível e alterável por um gestor localizado remotamente pode ser usado no controle de máquina. Isso é um exemplo de uma hierarquia de autorização que pode ser implementada. O mapa preditivo funcional revisado ou mapa preditivo funcional revisado com zonas de controle, ou ambos, pode ser configurado de outras maneiras igualmente, como indicado pelo bloco 376.

[00116] À medida que a operação de colheita continua, no bloco 378, entradas do sensor de posição geográfica 204 e outros sensores in situ 208 são recebidas pelo sistema de controle. Particularmente, no bloco 380, o sistema de controle 214 detecta uma entrada do sensor de posição geográfica 204 identificando uma localização geográfica da colheitadeira agrícola 100. O bloco 382 representa o recebimento pelo sistema de controle 214 de entradas de sensor indicativas de trajetória ou direção da colheitadeira agrícola 100, e o bloco 384 representa o recebimento pelo sistema de controle 214 de uma velocidade da colheitadeira agrícola 100. O bloco 386 representa o recebimento pelo sistema de controle 214 de outra informação de vários sensores in situ 208.

[00117] No bloco 388, o sistema de controle 214 gera sinais de controle para controlar os subsistemas controláveis 216 com base no mapa preditivo funcional revisado (por exemplo, mapa de estado de cultura preditivo funcional revisado 361) ou no mapa preditivo funcional revisado com zonas de controle (por exemplo, mapa de estado de cultura preditivo funcional revisado 361 com zonas de controle), ou ambos, e a entrada do sensor de posição geográfica 204 e qualquer outro sensor in situ 208. No bloco 390, o sistema de controle 214 aplica os sinais de controle aos subsistemas controláveis. Percebe-se que os sinais de controle particulares que são gerados, e os subsistemas controláveis particulares 216 que são controlados, podem variar com base em uma ou mais diferentes coisas. Por exemplo, os sinais de controle que são gerados e os subsistemas controláveis 216 que são controlados podem ser baseados no tipo de mapa preditivo funcional revisado ou mapa preditivo funcional revisado com zonas de controle, ou ambos, que estão sendo usados. Similarmente, os sinais de controle que são gerados e os subsistemas controláveis 216 que são controlados e o sincronismo dos sinais de controle podem ser baseados em várias latências do fluxo de cultura através da colheitadeira agrícola 100 e a capacidade de resposta dos subsistemas controláveis 216.

[00118] A título de exemplo, um mapa preditivo revisado gerado na forma de um mapa de estado de cultura preditivo revisado pode ser usado para controlar um ou mais subsistemas controláveis 216. Por exemplo, o mapa de estado de cultura preditivo funcional revisado pode incluir valores de estado de cultura georreferenciados nas localizações no campo que está sendo colhido. O mapa de estado de cultura preditivo funcional revisado pode ser extraído e usado para controlar, por exemplo, os subsistemas de direção e propulsão 252 e 250. Controlando os subsistemas de direção e propulsão 252 e 250, uma taxa de alimentação de material ou grão móvel através da colheitadeira agrícola 100 pode ser controlada. Ou, por exemplo, controlando os subsistemas de direção e propulsão 252 e 250, uma direção oposta à direção que a cultura está inclinando da cultura tombada pode ser mantida. Similarmente, a altura da plataforma pode ser controlada para pegar mais ou menos material (em alguns casos a plataforma tem que ser abaixada para assegurar o contato com a cultura) e dessa forma a altura da plataforma pode também ser controlada para controlar a taxa de alimentação de material através da colheitadeira agrícola 100. Em outros exemplos, se o mapa preditivo revisado mapear um estado de cultura à frente da máquina no qual a cultura está em uma condição tombada ao longo de uma porção da plataforma e não na outra porção da plataforma, ou se cultura está em uma condição tombada a uma maior extensão ao longo de uma porção da plataforma em comparação com outra porção da plataforma, a plataforma pode ser controlada para inclinar, rolar, ou ambos, para coletar a cultura tombada de uma maneira mais eficaz. Os exemplos apresentando envolvendo taxa de alimentação e controle de plataforma usando um mapa de estado de cultura preditivo funcional revisado são providos meramente como um exemplo. Consequentemente, uma ampla variedade de outros sinais de controle pode ser gerada usando valores obtidos de um mapa de estado de cultura preditivo revisado ou outro tipo de mapa preditivo funcional revisado para controlar um ou mais dos subsistemas controláveis 216.

[00119] O processamento retorna para o bloco 312 onde é feita uma determinação se a operação de colheita foi concluída. Se a operação de colheita tiver sido concluída, a operação move do bloco 312 para o bloco 330 onde um ou mais dentre o mapa preditivo revisado, mapa preditivo revisado com zonas de controle e o modelo preditivo revisado gerado pelo gerador de modelo preditivo 210 são armazenados. O mapa preditivo revisado, o mapa preditivo revisado com zonas de controle e o modelo preditivo revisado podem ser armazenados localmente em armazenamento de dados 202 ou enviado a um sistema remoto usando o sistema de comunicação 206 para uso posterior. Se a colheita não estiver concluída, o processamento avança para o bloco 314.

[00120] A FIG. 4A é um diagrama de blocos de uma porção do sistema agrícola 200 mostrado na FIG. 1. Particularmente, a FIG. 4A mostra, dentre outras coisas, exemplos do gerador de modelo preditivo 210 e do gerador de mapa preditivo 212 em mais detalhe. A FIG. 4A também ilustra o fluxo de informação entre os vários componentes mostrados na mesma. Como mostrado, o gerador de modelo preditivo 210 recebe um ou mais de dados de plantio de cultura históricos 334, dados de condições climáticas históricos 335, dados de desenvolvimento de cultura históricos 337, dados de colheita históricos 339, dados de estado de cultura históricos 340, e pode receber vários outros dados 359 igualmente.

[00121] Além de receber um ou mais de dados de plantio de cultura históricos 334, dados de condições climáticas históricos 335, dados de desenvolvimento de cultura históricos 337, dados de colheita históricos 339, ou dados de estado de cultura históricos 340, o gerador de modelo preditivo 210 pode também receber dados de localização geográfica 343, ou uma indicação de uma localização geográfica, correspondente aos dados. Por exemplo, alguns dos dados podem ser geolocalizados. Adicionalmente, em alguns exemplos, os valores de dados históricos, tais como valores de dados de estado de cultura históricos, podem ser baseados em dados históricos de sensor gerados pelos sensores in situ 208, tal como um sensor de estado de cultura de bordo 336 bem como um sistema de processamento 338. O sistema de processamento 338 processa os dados de sensor gerados pelos sensores de estado de cultura de bordo 336 para gerar valores de estado de cultura históricos 341 que são geolocalizados.

[00122] Em alguns exemplos, o sensor de estado de cultura de bordo 336 pode ser um sensor óptico na colheitadeira agrícola 100. O sensor óptico pode ser arranjado na frente da colheitadeira agrícola 100 para coletar imagens do campo na frente da colheitadeira agrícola 100 à medida que a colheitadeira agrícola 100 move através do campo durante uma operação de colheita, tais como mecanismos de captura de imagem voltados para a frente 151. O sistema de processamento 338 processa uma ou mais imagens obtidas por meio do sensor de estado de cultura de bordo 336 para gerar dados de imagem processada identificando uma ou mais características das plantas de cultura na imagem. Por exemplo, a magnitude e orientação de planta de cultura em uma condição tombada. O sistema de processamento 338 pode também geolocalizar os valores recebidos do sensor in situ. Por exemplo, a localização de colheitadeira agrícola 100 no momento em que um sinal do sensor in situ 208 é recebido tipicamente não é a localização precisa do estado de cultura sensoreado. Isso se dá em virtude de levar tempo do sensoreamento à frente até a colheitadeira agrícola 100 (equipada com o sensor de posição geográfica) fazer contato com as plantas de cultura que foram sensoreadas para o estado de cultura. Em alguns exemplos, para levar em conta o sensoreamento à frente, um campo de visada da câmera pode ser calibrado de modo que as áreas de cultura tombadas em uma imagem capturada pela câmera possam ser geolocalizadas com base em sua localização na imagem.

[00123] Outros sensores de estado de cultura podem também ser usados, incluindo qualquer dentre os outros sensores de estado de cultura discutidos no presente documento. Em alguns exemplos, dados brutos ou processados do sensor de estado de cultura de bordo 336 podem ser apresentados ao operador 260 por meio do mecanismo de interface de operador 218. O operador 260 pode estar a bordo da colheitadeira agrícola de trabalho 100 ou em uma localização remota.

[00124] Como mostrado na FIG. 4A, o gerador de modelo preditivo 210 inclui gerador de modelo de dados de plantio de cultura históricos-paraestado de cultura histórico 342, gerador de modelo de dados de condições climáticas históricas-para-estado de cultura histórico 344, e gerador de modelo de dados de desenvolvimento de cultura históricos-para-estado de cultura histórico 346. Como previamente discutido, o estado de cultura histórico pode ser indicado, ou senão derivado, por dados de colheita históricos 339, dados de estado de cultura históricos 340 e/ou dados in situ históricos 341. Em outros exemplos, o gerador de modelo preditivo 210 pode incluir componentes adicionais, em menor quantidade ou diferentes dos mostrados no exemplo da FIG. 4A. Consequentemente, em alguns exemplos, o gerador de modelo preditivo 210 pode incluir outros itens 348 igualmente, que podem incluir outros tipos de geradores de modelo preditivos para gerar outros tipos de modelos de estado de cultura.

[00125] O gerador de modelo 342 identifica um relacionamento entre valores de estado de cultura históricos (como indicados por, ou derivados de, dados de colheita históricos 339, dados de estado de cultura históricos 340, e/ou dados in situ históricos 341, etc.) de cultura e valores de plantio de cultura históricos dos dados de planejamento de cultura históricos 334 correspondentes à mesma localização onde a cultura, à qual os valores de estado de cultura históricos correspondem, foram localizados, ou à mesma cultura à qual os valores de estado de cultura históricos correspondem. Com base nesse relacionamento estabelecido pelo gerador de modelo 342, o gerador de modelo 342 gera um modelo de estado de cultura preditivo histórico. O modelo de estado de cultura histórico é usado para predizer um estado de cultura em diferentes localizações em um campo com base em valores de plantio de cultura sazonais contidos nos dados de cultura de planta sazonais 351 nas mesmas localizações no campo.

[00126] O gerador de modelo 344 identifica um relacionamento entre valores de estado de cultura históricos (como indicados por, ou derivados de, dados de colheita históricos 339, dados de estado de cultura históricos 340, e/ou dados in situ históricos 341, etc.) de cultura e os valores de condições climáticas históricos de dados de condições climáticas históricos 335 correspondentes à mesma localização onde a cultura, à qual os valores de estado de cultura históricos correspondem, foram localizados, ou à mesma cultura à qual os valores de estado de cultura históricos correspondem. Com base nesse relacionamento estabelecido pelo gerador de modelo 344, o gerador de modelo 344 gera um modelo de estado de cultura preditivo histórico. O modelo de estado de cultura histórico é usado para predizer um estado de cultura em diferentes localizações em um campo com base em valores de plantio de cultura sazonais contidos nos dados de cultura de planta sazonais 351 nas mesmas localizações no campo.

[00127] O gerador de modelo 345 identifica um relacionamento entre valores de estado de cultura históricos (como indicados por, ou derivados de, dados de colheita históricos 339, dados de estado de cultura históricos 340, e/ou dados in situ históricos 341, etc.) de cultura e os valores de desenvolvimento de cultura históricos de dados de desenvolvimento de cultura históricos 337 correspondentes à mesma localização onde a cultura, à qual os valores de estado de cultura históricos correspondem, foram localizado, ou à mesma cultura à qual os valores de estado de cultura históricos correspondem. Com base nesse relacionamento estabelecido pelo gerador de modelo 345, o gerador de modelo 345 gera um modelo de estado de cultura preditivo histórico. O modelo de estado de cultura histórico é usado para predizer um estado de cultura em diferentes localizações em um campo com base em valores de desenvolvimento de cultura sazonal contidos nos dados de desenvolvimento de cultura sazonais 355 nas mesmas localizações no campo.

[00128] Sob a luz do exposto, o gerador de modelo preditivo 210 é operável para produzir uma pluralidade de modelos de estado de cultura histórico preditivos, tais como um ou mais dos modelos de estado de cultura preditivo históricos gerados pelo gerador de modelos 342, 344, 345 e 348. Em outro exemplo, dois ou mais dos modelos de estado de cultura preditivo históricos supradescritos podem ser combinados em um único modelo de estado de cultura preditivo histórico que modela um relacionamento entre dois ou mais dentre dados de plantio de cultura históricos 334, dados de condições climáticas históricos 335, e dados de desenvolvimento de cultura históricos 337 e dados de estado de cultura históricos (por exemplo, como indicado por, ou derivado de, dados de colheita históricos 339, dados de estado de cultura históricos 340, e/ou dados in situ históricos 341, etc.). O modelo de estado de cultura preditivo histórico único combinado pode ser usado para predizer um estado de cultura em diferentes localizações em um campo com base em dois ou mais de dados de cultura de planta sazonais 351, dados de condições climáticas sazonais 353, e dados de desenvolvimento de cultura sazonais nas mesmas localizações no campo. Qualquer um desses modelos de estado de cultura, ou combinações dos mesmos, é representado coletivamente pelo modelo de estado de cultura 350 na FIG. 4.

[00129] O modelo de estado de cultura preditivo histórico 350 é provido ao gerador de mapa preditivo 212. No exemplo da FIG. 4A, o gerador de mapa preditivo 212 inclui um gerador de mapa de estado de cultura 352. Em outros exemplos, o gerador de mapa preditivo 212 pode incluir geradores de mapa adicionais ou diferentes e, dessa forma, o gerador de mapa preditivo 212 pode incluir outros itens 358, tais como outros geradores de mapa, igualmente. O gerador de mapa de estado de cultura 352 recebe o modelo de estado de cultura preditivo histórico 350 que prediz estado de cultura com base em valores de dados de característica agrícola sazonais (por exemplo, valores de plantio de cultura sazonais, valores de condições climáticas sazonais, valores de desenvolvimento de cultura sazonal, etc.) e um relacionamento entre valores de característica agrícola históricos (por exemplo, valores de plantio de cultura históricos, valores de condições climáticas históricos, valores de desenvolvimento de cultura históricos, etc.) e valores de estado de cultura históricos (por exemplo, como indicado por, ou senão derivado de, dados de colheita históricos 339, dados de estado de cultura históricos 340 e/ou dados in situ históricos 341, etc.). Dessa forma, o modelo de estado de cultura preditivo histórico 350 pode predizer um estado de cultura em uma dada localização em um campo com base no relacionamento identificado entre valores de dados de característica agrícola históricos e valores de estado de cultura históricos e valores de dados de característica agrícola sazonais correspondentes na dada localização.

[00130] O gerador de mapa de estado de cultura 352 pode também gerar um mapa de estado de cultura preditivo funcional 360 que provê valores de estado de cultura preditivos em diferentes localizações no campo com base nos valores de dados de característica agrícola sazonais nessas localizações no campo e no modelo de estado de cultura preditivo histórico 350. O mapa de estado de cultura preditivo funcional gerado 360 pode ser provido ao gerador de zona de controle 213, sistema de controle 214, ou ambos. Em um exemplo, o mapa preditivo funcional 360 pode ser um mapa preditivo 264 sem zonas de controle. Em outro exemplo, o mapa preditivo funcional 360 pode ser provido ao gerador de zona de controle 213, e o gerador de zona de controle 213 gera zonas de controle e incorpora essas zonas de controle no mapa de estado de cultura preditivo funcional 360 para produzir um mapa de zona de controle preditivo 265 (isto é, produzir um mapa de estado de cultura preditivo funcional 360 com zonas de controle). Um ou ambos do mapa preditivo funcional 264 ou mapa de zona de controle preditivo 265 podem ser apresentados ao operador 260 ou outro usuário ou ser providos ao sistema de controle 214, que gera sinais de controle para controlar um ou mais dos subsistemas controláveis 216 com base no mapa preditivo 264, mapa de zona de controle preditivo 265, ou ambos.

[00131] A FIG. 4B é um diagrama de blocos de uma porção do sistema agrícola 200 mostrado na FIG. 1. A FIG. 4B é similar à FIG. 4A e dessa forma itens similares são similarmente enumerados. Entretanto, a FIG. 4B ilustra o fluxo de informação dentre vários componentes mostrados na mesma após uma operação de colheita ter sido iniciada pela colheitadeira agrícola 100 em um campo durante uma estação atual. A FIG. 4B ilustra exemplos de gerador de modelo preditivo 210 gerando um modelo de estado de cultura preditivo histórico revisado 351 e o gerador de mapa preditivo 212 gerando um mapa de estado de cultura preditivo funcional revisado 361 com base em dados in situ atuais 346 gerados pelo sensores in situ 208 (por exemplo, sensor de estado de cultura de bordo 336) durante a operação de colheita. Os dados in situ atuais 346 sendo indicativos de valores de estado de cultura in situ geolocalizado de cultura em várias localizações no campo.

[00132] Como aqui discutido, com referência à FIG. 3B, a colheitadeira agrícola 100 pode realizar reaprendizagem durante uma operação de colheita com base em dados de estado de cultura in situ gerados durante a operação de colheita. O gerador de modelo preditivo 210 dessa forma remodela um relacionamento entre valores de estado de cultura (agora incluindo valores de estado de cultura in situ atuais e valores de estado de cultura históricos) e valores de dados (por exemplo, valores de plantio de cultura sazonais e históricos correspondentes, valores de condições climáticas sazonais e históricos correspondentes e/ou valores de desenvolvimento de cultura sazonal e históricos correspondentes, etc.) para gerar um modelo de estado de cultura preditivo histórico revisado 351 que pode ser usado para predizer valores de estado de cultura da cultura em localizações não colhidas no campo com base no valores de dados sazonais nessas localizações não colhidas e no modelo de estado de cultura preditivo histórico revisado 351.

[00133] O modelo de estado de cultura revisado preditivo 351 é provido ao gerador de mapa preditivo 212. O gerador de mapa de estado de cultura 352 pode dessa forma gerar um mapa de estado de cultura preditivo funcional revisado 361 que provê valores de estado de cultura preditivos revisados em diferentes localizações no campo com base nos valores de dados de característica agrícola sazonais nessas localizações no campo e no modelo de estado de cultura preditivo histórico revisado 351. O mapa de estado de cultura preditivo funcional revisado gerado 361 pode ser provido ao gerador de zona de controle 213, sistema de controle 214, ou ambos. Em um exemplo, o mapa preditivo funcional revisado 361 pode ser um mapa preditivo 264 sem zonas de controle. Em outro exemplo, o mapa preditivo funcional revisado 361 pode ser provido ao gerador de zona de controle 213, e o gerador de zona de controle 213 gera zonas de controle e incorpora essas zonas de controle no mapa de estado de cultura preditivo funcional revisado 361 para produzir mapa de zona de controle preditivo 265 (isto é, produzir um mapa de estado de cultura preditivo funcional revisado 361 com zonas de controle). Um ou ambos de mapa preditivo funcional 264 ou mapa de zona de controle preditivo 265 podem ser apresentados ao operador 260 ou outro usuário, ou serem providos ao sistema de controle 214, que gera sinais de controle para controlar um ou mais dos subsistemas controláveis 216 com base no mapa preditivo 264, mapa de zona de controle preditivo 265, ou ambos.

[00134] A FIG. 5A é um diagrama de blocos de uma porção exemplificativa do sistema agrícola 200 mostrado na FIG. 1. Particularmente, a FIG. 5A mostra, dentre outras coisas, exemplos de gerador de modelo preditivo 210 e gerador de mapa preditivo 212. No exemplo ilustrado, o gerador de modelo preditivo 210 recebe mapa de estado de cultura preditivo 360 ou mapa de estado de cultura preditivo revisado 361.

[00135] Também, no exemplo mostrado na FIG. 5A, o sensor in situ 208 pode incluir um ou mais de um sensor de característica agrícola 402, um sensor de entrada de operador 404 e um sistema de processamento 406. Sensores in situ 208 podem incluir outros sensores 408 igualmente. O sensor de característica agrícola 402 sensoreia uma variável indicativa de uma característica agrícola. Os sensores mostrados na FIG. 5B são exemplos de sensores de característica agrícola 402.

[00136] O sensor de entrada de operador 404 ilustrativamente sensoreia várias entradas de operador. As entradas podem ser entradas de definição para controlar as definições na colheitadeira agrícola 100 ou outras entradas de controle, tais como entradas de direção e outras entradas. Dessa forma, quando o operador 260 muda uma definição ou provê uma entrada comandada através de um mecanismo de interface de operador 218, tal entrada é detectada pelo sensor de entrada de operador 404, que provê um sinal de sensor indicativo dessa entrada de operador sensoreada. O sistema de processamento 406 pode receber os sinais de sensor do sensor 402 ou sensor de entrada de operador 404, ou ambos, e gerar uma ou mais saídas indicativas da variável sensoreada. Por exemplo, o sistema de processamento 406 pode receber uma entrada de sensor do sensor 402 que inclui um sensor óptico e gerar uma saída indicativa de biomassa. O sistema de processamento 406 pode também receber uma entrada do sensor de entrada de operador 404 e gerar uma saída indicativa da entrada de operador sensoreada.

[00137] O gerador de modelo preditivo 210 inclui gerador de modelo de estado de cultura-para-dados de sensor 416 e gerador de modelo de estado de cultura-para-comando 422. Em outros exemplos, o gerador de modelo preditivo 210 pode incluir geradores de modelos 424 adicionais, em menor quantidade, ou outros. O gerador de modelo preditivo 210 pode receber dados de localização geográfica 343, ou uma indicação de localização geográfica (por exemplo, indicador do sensor de posição geográfica 204 (mostrado na FIG. 2)), e gerar um modelo preditivo 426 que modela um relacionamento entre a informação em um ou mais do mapa de estado de cultura preditivo 360 e mapa de estado de cultura preditivo revisado 361, e um ou mais da característica agrícola sensoreada pelo sensor 402 e comandos de entrada de operador sensoreados pelo sensor de entrada de operador 404. Por exemplo, o gerador de modelo de estado de cultura-para-dados de sensor 416 gera um relacionamento entre o estado de cultura (valores que podem ser no mapa de estado de cultura preditivo 360 ou no mapa de estado de cultura preditivo revisado 361) e os valores de característica agrícola sensoreada pelo sensor 402. O gerador de modelo de estado de cultura-para-comando 422 gera um modelo que modela o relacionamento entre um estado de cultura como refletido no mapa de estado de cultura preditivo 360, no mapa de estado de cultura preditivo revisado 361, ou qualquer combinação dos mesmos, e comandos de entrada de operador que são sensoreados pelo sensor de entrada de operador 404. 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 estado de cultura-para-dados de sensor 416, gerador de modelo de estado de cultura-para-comando 422, e outros geradores de modelo que podem ser incluídos como parte de outros itens 424.

[00138] No exemplo da FIG. 5A, o gerador de mapa preditivo 212 inclui gerador de mapa de dados de sensor preditivos 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 adicional, em menor quantidade, ou outros 434.

[00139] O gerador de mapa de dados de sensor preditivo 428 recebe um modelo preditivo 426 (tal como um modelo preditivo gerado pelo gerador de modelo de estado de cultura-para-dados de sensor 416) que modela o relacionamento entre um estado de cultura e dados de sensor de um ou mais sensor(s) 402 e gera um mapa de dados de sensor preditivo funcional 438 que prediz dados de sensor em diferentes localizações no campo com base nos valores de estado de cultura do mapa de estado de cultura preditivo funcional 360 ou mapa de estado de cultura preditivo revisado 361 e no modelo preditivo 426.

[00140] 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 estado de cultura-para-comando 422) que modela o relacionamento entre o estado de cultura e entradas de comando de operador detectadas pelo sensor de entrada de operador 404 e gera um mapa de comando de operador preditivo funcional 440 que prediz entradas de comando de operador em diferentes localizações no campo com base nos valores de estado de cultura do mapa de estado de cultura preditivo funcional 360 ou mapa de estado de cultura preditivo revisado 361 e no modelo preditivo 426.

[00141] O gerador de mapa preditivo 212 produz um ou mais dos mapas preditivos funcionais, tais como os mapas preditivos funcionais 438 e 440. Cada um dos mapas preditivos funcionais 438 e 440 pode ser provido ao gerador de zona de controle 213, sistema de controle 214, ou ambos. O gerador de zona de controle 213 gera zonas de controle. Essas zonas de controle são incorporadas no mapa preditivo funcional recebido, tais como mapas preditivos funcionais 438 e 440, resultando em um mapa de zona de controle preditivo 265. O gerador de zona de controle 213 produz o mapa de zona de controle preditivo 265 correspondente ao mapa preditivo funcional, tais como mapas preditivos funcionais 438 e 440, que é recebido pelo gerador de zona de controle 213. Qualquer um ou todos os mapas preditivos funcionais 438 ou 440 e os mapas correspondente 265 podem ser providos ao sistema de controle 214, que gera sinais de controle para controlar um ou mais dos subsistemas controláveis 216 com base em um ou todos os mapas preditivos funcionais 438 e 430 ou mapas correspondentes 265 com zonas de controle incluídas nos mesmos. Qualquer um ou todos os mapas preditivos funcionais 438 ou 440 ou mapas correspondentes 265 podem ser apresentados ao operador 260 ou outro usuário.

[00142] A FIG. 5B é um diagrama de blocos mostrando alguns exemplos de sensores em tempo real (in situ) 208. Alguns dos sensores mostrados na FIG. 5B, ou diferentes combinações dos mesmos, podem ter tanto um sensor 336 quanto um sistema de processamento 338. Alguns dos possíveis sensores in situ 208 mostrados na FIG. 5B são mostrados e descritos aqui com relação às FIGS. anteriores e são similarmente enumerados. A FIG. 5B 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 propriedade de campo e solo 985, sensores de característica ambiental 987, e eles podem incluir uma ampla variedade de outros sensores 226. Os sensores de entrada de operador 980 podem ser sensores que sensoreiam entradas de operador através de mecanismos de interface de operador 218. Portanto, os sensores de entrada de operador 980 podem sensorear movimento de usuário de articulações, manetes, um volante, botões, diais ou pedais. Os sensores de entrada de operador 980 podem também sensorear interações de usuário com outros mecanismos de entrada de operador, tal como com uma tela sensível ao toque, com um microfone onde reconhecimento de voz é utilizado, ou qualquer um de uma ampla variedade de outros mecanismos de entrada de operador.

[00143] Os sensores de máquina 982 podem sensorear diferentes características de colheitadeira agrícola 100. Por exemplo, como aqui discutido, os sensores de máquina 982 podem incluir sensores de velocidade de máquina 146, sensor de perda no separador 148, câmera de grão limpo 150, mecanismo de captura de imagem voltado para a frente 151, sensores de perda 152 ou sensor de posição geográfica 204, exemplos dos quais são descritos aqui. Os sensores de máquina 982 podem também incluir sensores de definição de máquina 991 que sensoreiam definições de máquina. Alguns exemplos de definições de máquina foram aqui descritos com relação à FIG. 1. O sensor de posição de equipamento da extremidade dianteira (por exemplo, plataforma) 993 pode sensorear a posição da plataforma 102, carretilha 164, cortador 104, ou outro equipamento da extremidade dianteira em relação à armação da colheitadeira agrícola 100. Por exemplo, os sensores 993 podem sensorear a altura da plataforma 102 acima do chão. Os sensores de máquina 982 podem também incluir sensores de orientação de equipamento da extremidade dianteira (por exemplo, plataforma) 995. Os sensores 995 podem sensorear a orientação da plataforma 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 sensoreiam o movimento de oscilação e salto (e amplitude) da colheitadeira agrícola 100. Os sensores de máquina 982 podem também incluir sensores de definição de resíduo 999 que são configurados para sensorear se a colheitadeira agrícola 100 está configurada para picar o resíduo, produzir uma leira, ou lidar com o resíduo de outra maneira. Os sensores de máquina 982 podem incluir sensor de velocidade do ventilador da sapata de limpeza 951 que sensoreia a velocidade do ventilador de limpeza 120. Os sensores de máquina 982 podem incluir sensores de folga do côncavo 953 que sensoreiam a folga entre o rotor 112 e os côncavos 114 na colheitadeira agrícola 100. Os sensores de máquina 982 podem incluir sensores de folga do crivo 955 que sensoreiam o tamanho das aberturas no crivo 122. Os sensores de máquina 982 podem incluir sensor de velocidade do rotor de debulha 957 que sensoreia uma velocidade de rotor do rotor 112. Os sensores de máquina 982 podem incluir sensor de pressão do rotor 959 que sensoreia a pressão usada para acionar o rotor 112. Os sensores de máquina 982 podem incluir sensor de folga da peneira 961 que sensoreia o tamanho das aberturas na peneira 124. Os sensores de máquina 982 podem incluir sensor de umidade de MOG 963 que sensoreia um nível de umidade do MOG que passa pela colheitadeira agrícola 100. Os sensores de máquina 982 podem incluir sensor de orientação de máquina 965 que sensoreia a orientação da colheitadeira agrícola 100. Os sensores de máquina 982 podem incluir sensores de taxa de alimentação de material 967 que sensoreiam a taxa de alimentação de material à medida que o material desloca através do alimentador 106, elevador de grão limpo 130, ou em algum lugar na colheitadeira agrícola 100. Os sensores de máquina 982 podem incluir sensores de biomassa 969 que sensoreiam a biomassa que desloca através do alimentador 106, através do separador 116, ou em algum lugar na colheitadeira agrícola 100. Os sensores de máquina 982 podem incluir sensor de consumo de combustível 971 que sensoreia uma taxa de consumo de combustível com o tempo da colheitadeira agrícola 100. Os sensores de máquina 982 podem incluir sensor de utilização de potência 973 que sensoreia a utilização de potência na colheitadeira agrícola 100, tal como quais subsistemas estão utilizando potência, ou a taxa na qual os subsistemas estão utilizando potência, ou a distribuição de potência nos subsistemas na colheitadeira agrícola 100. Os sensores de máquina 982 podem incluir sensores de pressão dos pneus 977 que sensoreiam a pressão de inflagem 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, indicado pelo bloco 975. Os sensores de desempenho de máquina e sensores de característica de máquina 975 podem sensorear o desempenho de máquina ou características da colheitadeira agrícola 100.

[00144] Os sensores de propriedade de material colhido 984 podem sensorear características do material de cultura dividido à medida que o material de cultura está sendo processado pela colheitadeira agrícola 100. As propriedades da cultura podem incluir coisas tais como tipo de cultura, umidade de cultura, qualidade de grão (tal como grão quebrado), níveis de MOG, constituintes de grão tais como amidos e proteína, umidade de MOG e outras propriedades de material de cultura. Outros sensores poderiam sensorear “resistência” da palha, adesão de milho às espigas, e outras características que podem ser beneficamente usadas para controlar o processamento para melhor captura de grão, reduzido dano ao grão, reduzido consumo de potência, reduzida perda de grão, etc.

[00145] Os sensores de propriedade de campo e solo 985 podem sensorear características do campo e solo. As propriedades de campo e solo podem incluir umidade do solo, compacidade do solo, a presenta e localização de água parada, tipo de solo, e outras características de solo e campo.

[00146] Os sensores de característica ambiental 987 podem sensorear uma ou mais características ambientais. As características ambientais podem incluir coisas tais como direção do vento e velocidade do vento, precipitação, cerração, nível de poeira ou outros materiais ofuscantes, ou outras características ambientais.

[00147] A FIG. 6 mostra um fluxograma ilustrando um exemplo da operação de 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 438 e 440. No bloco 442, o gerador de modelo preditivo 210 e o gerador de mapa preditivo 212 recebem um mapa. O mapa pode ser mapa de estado de cultura preditivo 360 ou mapa de estado de cultura preditivo revisado 361. 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 sensor in situ pode ser um ou mais dentre sensor de característica agrícola 402, o sensor de entrada de operador 404, ou outro sensor 408. O bloco 446 indica que o sinal de sensor recebido pelo gerador de modelo preditivo 210 inclui dados de um tipo que é indicativo de uma ou mais características agrícolas. O bloco 450 indica que o sinal de sensor recebido pelo gerador de mapa preditivo 210 pode ser um sinal de sensor com dados de um tipo que é indicativo de uma entrada de comando de operador, sensoreado pelo sensor de entrada de operador 404 (uma entrada de comando de operador pode também ser considerada na característica agrícola). O gerador de modelo preditivo 210 pode receber outras entradas de sensor in situ igualmente, como indicado pelo bloco 452.

[00148] No bloco 454, o sistema de processamento 406 processa os dados contidos no sinal de sensor ou sinais recebidos do sensor in situ ou sensores 208 para obter dados processados 409, mostrados na FIG. 5A. Os dados contidos no sinal ou sinais de sensor podem ser 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 digitalizar, codificar, formatar, escalar, filtrar, ou classificar dados. Os dados processados 409 podem ser indicativos de uma ou mais característica(s) agrícola(s) ou um comando de entrada de operador. Os dados processados 409 são providos ao gerador de modelo preditivo 210.

[00149] De volta à FIG. 6, no bloco 456, o gerador de modelo preditivo 210 também recebe dados de localização geográfica 343 do sensor de posição geográfica 204, como mostrado na FIG. 6. Os dados de localização geográfica 343 podem ser usados para identificar a localização geográfica da qual a variável ou variáveis sensoreadas, sensoreadas pelos sensores in situ 208, foi obtida. Por exemplo, o gerador de modelo preditivo 210 pode obter os dados de localização geográfica 343 do sensor de posição geográfica 204 e determinar, com base em atrasos de máquina, velocidade de máquina, etc., uma localização geográfica precisa da qual os dados processados 409 foram derivados.

[00150] No bloco 458, o gerador de modelo preditivo 210 gera um ou mais modelos preditivos 426 que modelam um relacionamento entre um valor mapeado em um mapa recebido e uma característica representada nos dados processados 409. Por exemplo, em alguns casos, o valor mapeado em um mapa recebido pode ser um valor de estado de cultura em mapa de estado de cultura preditivo funcional 360 ou mapa de estado de cultura preditivo funcional revisado 361, e o gerador de modelo preditivo 210 gera um modelo preditivo usando o valor mapeado de um mapa recebido e uma característica sensoreada por sensores in situ 208, representado nos dados processados 409, ou uma característica relacionada, tal como uma característica que correlaciona à característica sensoreada pelos sensores in situ 208.

[00151] Por exemplo, no bloco 462, o gerador de modelo preditivo 210 pode gerar um modelo preditivo 426 que modela um relacionamento entre estado de cultura ou outro valor obtido de um ou mais mapas de informação recebidos e dados de característica agrícola obtidos por um sensor in situ. Em outro exemplo, no bloco 464, o gerador de modelo de estado de cultura-paracomando de operador 422 gera um modelo preditivo 426 que modela um relacionamento entre o estado de cultura e as entradas de comando de operador.

[00152] Um ou mais modelos preditivos 426 são providos ao gerador de mapa preditivo 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 dados de sensor preditivo funcional 438, mapa de comando de operador preditivo funcional 440, ou qualquer combinação de um ou mais desses mapas. O mapa de dados de sensor preditivo funcional 438 prediz uma característica agrícola em diferentes localizações no campo, e o mapa de comando de operador preditivo funcional 440 prediz prováveis entradas de comando de operador em diferentes localizações no campo. As características agrícolas preditas pelo mapa de dados de sensor preditivo funcional 438 podem incluir orientação de bússola da cultura, orientação gravimétrica da cultura, rendimento, biomassa, etc. Adicionalmente, um ou mais dos mapas preditivos funcionais 438 e 440 podem ser gerados durante o curso de uma operação agrícola. Dessa forma, à medida que a colheitadeira agrícola 100 move-se em um campo realizando uma operação agrícola, um ou mais mapas preditivos funcionais 438 e 440 são gerados à medida que a operação agrícola está sendo realizada.

[00153] No bloco 468, o gerador de mapa preditivo 212 produz um ou mais mapas preditivos funcionais 438 e 440. No bloco 470, o gerador de mapa preditivo 212 pode configurar os mapas preditivos 438 e 440 para apresentação e possível interação por um operador 260 ou outro usuário. No bloco 472, o gerador de mapa preditivo 212 pode configurar os mapas preditivos 438 e 440 para consumo pelo sistema de controle 214. No bloco 474, o gerador de mapa preditivo 212 pode prover um ou mais mapas preditivos funcionais 438 e 440 ao gerador de zona de controle 213 para geração de zonas de controle. No bloco 476, o gerador de mapa preditivo 212 configura um ou mais mapas preditivos funcionais 438 e 440 de outras maneiras. Em um exemplo no qual um ou mais mapas preditivos funcionais 438 e 440 são providos ao gerador de zona de controle 213, um ou mais mapas preditivos funcionais 438 e 440, com as zonas de controle incluídas no mesmo, representado por mapas correspondentes 265, descrito acima, podem ser apresentados ao operador 260 ou outro usuário, ou providos ao sistema de controle 214 igualmente.

[00154] 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 438 e 440 (ou nos mapas preditivos funcionais 438 e 440 com zonas de controle) bem como uma entrada do sensor de posição geográfica 204.

[00155] Por exemplo, em que o sistema de controle 214 recebe um mapa preditivo funcional, o controlador de planejamento de trajeto 234 controla o subsistema de direção 252 para dirigir a colheitadeira agrícola 100. Em outro exemplo em que o sistema de controle 214 recebe um mapa preditivo funcional, o controlador de sistema de resíduo 244 controla o subsistema de resíduos 138. Em outro exemplo em que o sistema de controle 214 recebe um mapa preditivo funcional, o controlador de definições 232 controla a definições de debulhador do debulhador 110. Em outro exemplo em que o sistema de controle 214 recebe um mapa preditivo funcional, o controlador de definições 232 ou outro controlador 246 controla o subsistema de manuseio de material 125. Em outro exemplo em que o sistema de controle 214 recebe um mapa preditivo funcional, o controlador de definições 232 controla o subsistema de limpeza de cultura. Em outro exemplo em que o sistema de controle 214 recebe um 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 um mapa preditivo funcional, o controlador de sistema de comunicação 229 controla o sistema de comunicação 206. Em outro exemplo em que o sistema de controle 214 recebe um mapa preditivo funcional, o controlador de interface de operador 231 controla mecanismos de interface de operador 218 na colheitadeira agrícola 100. Em outro exemplo em que o sistema de controle 214 recebe um mapa preditivo funcional, o controlador de posição de placa de convés 242 controla os atuadores de máquina/plataforma para controlar uma placa de convés na colheitadeira agrícola 100. Em outro exemplo em que o sistema de controle 214 recebe um mapa preditivo funcional, o controlador de correia de lona 240 controla os atuadores de máquina/plataforma para controlar uma correia de lona na colheitadeira agrícola 100. Em outro exemplo em que o sistema de controle 214 recebe um mapa preditivo funcional, os outros controladores 246 controlam outros subsistemas controláveis 256 na colheitadeira agrícola 100.

[00156] A FIG. 7 mostra um diagrama de blocos ilustrando um exemplo de gerador de zona de controle 213. O gerador de zona de controle 213 inclui seletor de atuador de máquina de trabalho (WMA) 486, sistema de geração de zona de controle 488 e sistema de geração de zona de regime 490. O gerador de zona de controle 213 pode também incluir outros itens 492. O sistema de geração de zona de controle 488 inclui componente de identificador de critérios de zona de controle 494, componente de definição de limite de zona de controle 496, componente de identificador de definição de alvo 498, e outros itens 520. O sistema de geração de zona de regime 490 inclui componente de identificação de critérios 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 detalhe, uma breve descrição de alguns dos itens no gerador de zona de controle 213 e as respectivas operações do mesmo serão primeiro providas.

[00157] A colheitadeira agrícola 100, ou outras máquinas de trabalho, podem ter uma ampla variedade de diferentes tipos de atuadores controlável que realizam diferente funções. Os atuadores controláveis na colheitadeira agrícola 100 ou outras máquinas de trabalho são coletivamente referidas como atuadores de máquina de trabalho (WMAs). Cada WMA pode ser independentemente controlável com base em valores em um mapa preditivo funcional, ou os WMAs podem ser controlados como conjuntos com base em um ou mais valores em um mapa preditivo funcional. Portanto, o gerador de zona de controle 213 pode gerar zonas de controle correspondentes a cada WMA individualmente controlável ou correspondente aos conjuntos de WMAs que são controlados em coordenação uns com os outros.

[00158] O seletor de WMA 486 seleciona um WMA ou um conjunto de WMAs para os quais as zonas de controle correspondente devem ser geradas. O sistema de geração de zona de controle 488 então gera as zonas de controle para o WMA ou conjunto de WMAs selecionado. Para cada WMA ou conjunto de WMAs, diferentes critérios podem ser usados na identificação de zonas de controle. Por exemplo, para um WMA, o tempo de resposta de WMA pode ser usado como os critérios para a definição dos limites das zonas de controle. Em outro exemplo, características de desgaste (por exemplo, quanto um atuador ou mecanismo particular se desgaste em decorrência de movimento do mesmo) podem ser usadas como os critérios para identificação dos limites de zonas de controle. O componente de identificador de critérios de zona de controle 494 identifica critérios particulares que devem ser usados na definição de zonas de controle para o WMA ou conjunto de WMAs selecionado. O componente de definição de limite de zona de controle 496 processa os valores em um mapa preditivo funcional em análise para definir os limites das zonas de controle nesse mapa preditivo funcional com base nos valores no mapa preditivo funcional em análise e com base nos critérios de zona de controle para o WMA ou conjunto de WMAs selecionado.

[00159] O componente de identificador de definição de alvo 498 define um valor da definição de alvo que será usado para controlar o WMA ou conjunto de WMAs em diferentes zonas de controle. Por exemplo, se o WMA selecionado for sistema de propulsão 250 e o mapa preditivo funcional em análise for um mapa de estado de cultura preditivo funcional (por exemplo, 360 ou 361), então a definição de alvo em cada zona de controle pode ser uma definição de velocidade alvo com base em valores de estado de cultura contidos no mapa de estado de cultura preditivo funcional na zona de controle identificada. Isso é meramente um exemplo.

[00160] Em alguns exemplos, onde a colheitadeira agrícola 100 deve ser controlada com base em uma localização atual ou futura da colheitadeira agrícola 100, múltiplas definições de alvo podem ser possíveis para um WMA em uma dada posição. Nesse caso, as definições de alvo podem ter diferentes valores e podem ser competitivas. Dessa forma, as definições de alvo precisam ser resolvidas de forma que apenas uma única definição de alvo seja usada para controlar o WMA. Por exemplo, onde o WMA é um atuador no sistema de propulsão 250 que está sendo controlado a fim de controlar a velocidade da colheitadeira agrícola 100, múltiplos diferentes conjuntos competitivos de critérios podem existir que são considerados pelo sistema de geração de zona de controle 488 na identificação das zonas de controle e nas definições de alvo para o WMA selecionado nas zonas de controle. Por exemplo, diferentes definições de alvo para controlar a velocidade de máquina podem ser geradas com base, por exemplo, em um valor de taxa de alimentação detectado ou predito, um valor de eficiência de combustível detectado ou preditivo, um valor de perda de grão detectado ou predito, ou uma combinação desses. Entretanto, a qualquer dado momento, a colheitadeira agrícola 100 não pode deslocar no chão a múltiplas velocidades simultaneamente. Em vez disso, a qualquer dado momento, a colheitadeira agrícola 100 desloca a uma única velocidade. Dessa forma, uma das definições de alvo competitivas é selecionada para controlar a velocidade da colheitadeira agrícola 100.

[00161] Portanto, em alguns exemplos, o sistema de geração de zona de regime 490 gera zonas de regime para resolver múltiplas diferentes definições de alvo competitivas. O componente de identificação de critérios de zona de regime 522 identifica os critérios que são usados para estabelecer zonas de regime para o WMA ou conjunto de WMAs selecionado no mapa preditivo funcional em análise. Alguns critérios que podem ser usados para identificar ou definir zonas de regime incluem, por exemplo, tipo de cultura, variedade de cultura, população de cultura, densidade de cultura com base em um mapa como plantado ou outra fonte do tipo de cultura ou variedade de cultura, tipo de erva daninha, intensidade de ervas daninhas, ou estado de cultura, tal como se a cultura está tombada, parcialmente tombada, ou em pé. Uma vez que apenas um 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.

[00162] Em alguns exemplos, as zonas de regime podem se sobrepor uma à outra. Por exemplo, uma zona de regime de variedade de cultura pode se sobrepor a uma porção ou uma totalidade de uma zona de regime de estado de cultura. Em um exemplo como esse, as diferentes zonas de regime podem ser atribuídas a uma hierarquia de prioridade de forma que, onde duas ou mais zonas de regime se sobrepõem, a zona de regime atribuída com uma maior posição hierárquica ou importância na hierarquia de prioridade tem prioridade em relação às zonas de regime que têm menores posições hierárquicas ou importância na hierarquia de prioridade. A hierarquia de prioridade das zonas de regime pode ser manualmente definida ou pode ser automaticamente definida usando um sistema baseado em regras, um sistema baseado em modelo, ou outro sistema. Como um exemplo, onde uma zona de regime de cultura tombada se sobrepõe a uma zona de regime de variedade de cultura, a zona de regime de cultura tombada pode ser atribuída com uma maior importância na hierarquia de prioridade do que a zona de regime de variedade de cultura de forma que a zona de regime de cultura tombada tenha preferência.

[00163] Além disso, cada zona de regime pode ter um resolvedor de definições exclusivo para um dado WMA ou conjunto de WMAs. O componente de identificador de resolvedor de definições 526 identifica um resolvedor de definições particular para cada zona de regime identificada no mapa preditivo funcional em análise e um resolvedor de definições particular para o WMA ou conjunto de WMAs selecionado.

[00164] Uma vez que o resolvedor de definições para uma zona de regime particular é identificado, esse resolvedor de definições pode ser usado para resolver definições de alvo concorrentes, onde mais que uma definição de alvo é identificada com base nas zonas de controle. Os diferentes tipos de resolvedores de definições podem ter diferentes formas. Por exemplo, os resolvedores de definições que são identificados para cada zona de regime podem incluir um resolvedor de escolha humano no qual as definições de alvo concorrentes 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 aprendizagem de máquina. Em tais casos, os resolvedores de definições podem resolver as definições de alvo concorrentes com base em uma métrica de qualidade predita ou histórica correspondente a cada uma das diferentes definições de alvo. Como um exemplo, uma maior definição de velocidade de veículo pode reduzir o tempo para colher um campo e reduzir os custos baseados em equipamento e mãode-obra correspondentes, mas pode aumentar as perdas de grão. Uma reduzida definição de velocidade de veículo pode aumentar o tempo para colher um campo e aumentar os custos de mão-de-obra e equipamento correspondentes, mas pode diminuir as perdas de grão. Quando a perda de grão ou tempo para colher é selecionada como uma métrica de qualidade, o valor predito ou histórico para a métrica de qualidade selecionada, dados os dois valores de definições de velocidade de veículo concorrentes, pode ser usado para resolver a definição de velocidade. Em alguns casos, os resolvedores de definições podem ser um conjunto de regras de limiar que pode ser usado em substituição, ou em adição, às zonas de regime. Um exemplo de uma regra de limiar pode ser expresso como se segue: Se os valores de biomassa preditos dentro de 6,1 metros (20 pés) da plataforma da colheitadeira agrícola 100 forem maiores que x quilos (onde x é um valor selecionado ou predeterminado), então usar o valor de definição de alvo que é escolhido com base na taxa de alimentação em relação a outras definições de alvo concorrentes, senão usar o valor de definição de alvo com base na perda de grão em relação a outros valores de definição de alvo concorrentes.

[00165] Os resolvedores de definições podem ser componentes lógicos que executam regras lógicas na identificação de uma definição de alvo. Por exemplo, o resolvedor de definições pode resolver definições de alvo enquanto tenta minimizar o tempo de colheita ou minimizar o custo de colheita total ou maximizar o grão colhido ou com base em outras variáveis que são computadas em função das diferentes definições de alvo candidatas. Um tempo de colheita pode ser minimizado quando uma quantidade de tempo para completar uma colheita é reduzido a um valor menor ou igual a um limiar selecionado. Um custo de colheita total pode ser minimizado onde o custo de colheita total é reduzido para um valor menor ou igual a um limiar selecionado. O grão colhido pode ser maximizado onde a quantidade de grão colhido é aumentada para um valor maior ou igual a um limiar selecionado.

[00166] A FIG. 8 é um fluxograma ilustrando um exemplo da operação de gerador de zona de controle 213 na geração de zonas de controle e zonas de regime para um mapa que o gerador de zona de controle 213 recebe para processamento de zona (por exemplo, para um mapa em análise).

[00167] 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 360, 361, 438, ou 440. O bloco 534 indica que o mapa em análise pode ser outros mapas igualmente.

[00168] No bloco 536, o seletor de WMA 486 seleciona um WMA ou um conjunto de WMAs para o qual as zonas de controle devem ser geradas no mapa em análise. No bloco 538, o componente de identificação de critérios de zona de controle 494 obtém critérios de definição de zona de controle para o WMA ou conjunto de WMAs selecionados. O bloco 540 indica um exemplo em que os critérios de zona de controle são ou incluem características de desgaste do WMA ou conjunto de WMAs selecionado. O bloco 542 indica um exemplo em que os critérios de definição de zona de controle são ou incluem uma magnitude e variação de dados de fonte de entrada, tais como magnitude e variação dos valores no mapa em análise ou a magnitude e variação de entrada de vários sensores in situ 208. O bloco 544 indica um exemplo em que os critérios de definição de zona de controle são ou incluem características físicas de máquina, tais como as dimensões físicas da máquina, uma velocidade na qual diferentes subsistemas operam, ou outras características físicas de máquina. O bloco 546 indica um exemplo em que os critérios de definição de zona de controle são ou incluem uma capacidade de resposta do WMA ou conjunto de WMAs selecionado em atingir valores de definição recém-comandados. O bloco 548 indica um exemplo em que os critérios de definição de zona de controle são ou incluem métricas de desempenho de máquina. O bloco 550 indica um exemplo em que os critérios de definição de zona de controle são ou incluem preferências de operador. O bloco 552 indica um exemplo em que os critérios de definição de zona de controle são ou incluem outros itens igualmente. O bloco 549 indica um exemplo em que os critérios de definição de zona de controle são baseados em tempo, significando que a colheitadeira agrícola 100 não cruzará o limite de uma zona de controle até que uma quantidade selecionada de tempo tenha decorrido desde que a colheitadeira agrícola 100 entrou em uma zona de controle particular. Em alguns casos, a quantidade de tempo selecionada pode ser uma quantidade de tempo mínimo. Dessa forma, em alguns casos, os critérios de definição de zona de controle podem impedir que a colheitadeira agrícola 100 cruze um limite de uma zona de controle até que pelo menos a quantidade de tempo selecionada tenha decorrido. O bloco 551 indica um exemplo em que os critérios de definição de zona de controle são baseados em um valor de tamanho selecionado. Por exemplo, os critérios de definição de zona de controle que são baseados em um valor de tamanho selecionado podem evitar a definição de uma zona de controle que é menor que o tamanho selecionado. Em alguns casos, o tamanho selecionado pode ser um tamanho mínimo.

[00169] No bloco 554, o componente de identificação de critérios de zona de regime 522 obtém critérios de definição de zona de regime para o WMA ou conjunto de WMAs selecionado. O bloco 556 indica um exemplo em que os critérios de definição de zona de regime são baseados em uma entrada manual do operador 260 ou outro usuário. O bloco 558 ilustra um exemplo em que os critérios de definição de zona de regime são baseados em tipo de cultura ou variedade de cultura. O bloco 562 ilustra um exemplo em que os critérios de definição de zona de regime são baseados em ou incluem estado de cultura. O bloco 564 indica um exemplo em que os critérios de definição de zona de regime são ou incluem outros critérios igualmente.

[00170] No bloco 566, o componente de definição de limite de zona de controle 496 gera os limites de zonas de controle no mapa em análise com base nos critérios de zona de controle. O componente de definição de limite de zona de regime 524 gera os limites de zonas de regime no mapa em análise com base nos critérios de zona de regime. O bloco 568 indica um exemplo em que os limites de zona são identificados para as zonas de controle e as zonas de regime. O bloco 570 mostra que o componente de identificador de definição de alvo 498 identifica as definições de alvo para cada uma das zonas de controle. As zonas de controle e zonas de regime podem ser geradas de outras maneiras igualmente, e isso é indicado pelo bloco 572.

[00171] No bloco 574, o componente de identificador de resolvedor de definições 526 identifica o resolvedor de definições para o WMA selecionado em cada zona de regime definida pelo componente de definição de limite de zona de regimes 524. Como aqui discutido, o resolvedor de zona de regime pode ser um resolvedor humano 576, um resolvedor de inteligência artificial ou sistema de aprendizagem de máquina 578, um resolvedor 580 com base em qualidade predita ou histórica para cada definição de alvo concorrente, um resolvedor baseado em regras 582, um resolvedor baseado em critérios de desempenho 584, ou outros resolvedores 586.

[00172] No bloco 588, o seletor de WMA 486 determina se existem mais WMAs ou conjuntos de WMAs para processar. Se restam WMAs ou conjuntos de WMAs adicionais para serem processados, o processamento reverte para o bloco 536 onde o WMA ou conjunto de WMAs seguinte para os quais zonas de controle e zonas de regime devem ser definidas é selecionado. Quando não restar nenhum WMAs ou conjuntos de WMAs adicionais para os quais zonas de controle ou zonas de regime devem ser gerado, o processamento move para o bloco 590 onde o gerador de zona de controle 213 produz um mapa com zonas de controle, definições de alvo, zonas de regime, e resolvedores de definições para cada um dos WMAs ou conjuntos de WMAs. Como aqui discutido, o mapa produzido pode ser apresentado ao operador 260 ou outro usuário; o mapa produzido pode ser provido ao sistema de controle 214; ou o mapa produzido pode ser produzido de outras maneiras.

[00173] A FIG. 9 ilustra um exemplo da operação de sistema de controle 214 no controle de colheitadeira agrícola 100 com base em um mapa que é produzido pelo gerador de zona de controle 213. Dessa forma, no bloco 592, o sistema de controle 214 recebe um mapa do local de trabalho. Em alguns casos, o mapa pode ser um mapa preditivo funcional que pode incluir zonas de controle e zonas de regime, como representado pelo bloco 594. Em alguns casos, o mapa recebido pode ser um mapa preditivo funcional que exclui zonas de controle e zonas de regime. O bloco 598 indica um exemplo em que o mapa recebido pode incluir múltiplos diferentes mapas ou múltiplas diferentes camadas de mapa, tais como múltiplos diferentes mapas preditivos funcionais, por exemplo, dois ou mais de mapas de estado de cultura preditivos funcionais 360, mapa de estado de cultura preditivo funcional revisado 361, mapa de dados de sensor preditivo funcional 438, e mapa de comando de operador preditivo funcional 440. O bloco 610 indica um exemplo em que o mapa recebido pode assumir outras formas igualmente.

[00174] No bloco 612, o sistema de controle 214 recebe um sinal de sensor do sensor de posição geográfica 204. O sinal de sensor do sensor de posição geográfica 204 pode incluir dados que indicam a localização geográfica 614 da colheitadeira agrícola 100, a velocidade 616 da colheitadeira agrícola 100, a direção 618 da colheitadeira agrícola 100, ou outra informação 620. No bloco 622, o controlador de zona 247 seleciona uma zona de regime, e, no bloco 624, o controlador de zona 247 seleciona uma zona de controle no mapa com base no sinal de sensor de posição geográfica. No bloco 626, o controlador de zona 247 seleciona um WMA ou um conjunto de WMAs a ser controlado. No bloco 628, o controlador de zona 247 obtém uma ou mais definições de alvo para o WMA ou conjunto de WMAs selecionado. As definições de alvo que são obtidas para o WMA ou conjunto de WMAs selecionado podem vir de uma variedade de diferentes fontes. Por exemplo, o bloco 630 mostra um exemplo em que uma ou mais das definições de alvo para o WMA ou conjunto de WMAs selecionado são baseadas em uma entrada das zonas de controle no mapa do local de trabalho. O bloco 632 mostra um exemplo em que uma ou mais das definições de alvo são obtidas de entradas de humano do operador 260 ou outro usuário. O bloco 634 mostra um exemplo em que as definições de alvo são obtidas de um sensor in situ 208. O bloco 636 mostra um exemplo em que uma ou mais definições de alvo são obtidas ou derivadas de um ou mais sensores em outras máquinas que trabalham no mesmo campo tanto simultaneamente com a colheitadeira agrícola 100 quanto de um ou mais sensores nas máquinas que trabalharam no mesmo campo no passado. O bloco 638 mostra um exemplo em que as definições de alvo são obtidas de outras fontes igualmente.

[00175] 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 de alvo concorrentes em uma definição de alvo resolvida. Como aqui discutido, em alguns casos, o resolvedor de definições pode ser um resolvedor humano em cujo caso o controlador de zona 247 controla mecanismos de interface de operador 218 para apresentar as definições de alvo concorrentes ao 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 aprendizagem de máquina, e o controlador de zona 247 submete as definições de alvo concorrentes à rede neural, inteligência artificial, ou sistema de aprendizagem de máquina para seleção. Em alguns casos, o resolvedor de definições pode ser baseado em uma métrica de qualidade predita ou histórica, em regras de limiar, ou em componentes lógicos. Em qualquer desses exemplos posteriores, o controlador de zona 247 executa o resolvedor de definições para obter uma definição de alvo resolvida com base na métrica de qualidade predita ou histórica, com base nas regras de limiar, ou com o uso dos componentes lógicos.

[00176] No bloco 642, com o controlador de zona 247 tendo identificado a definição de alvo resolvida, o controlador de zona 247 provê a definição de alvo resolvida a outros controladores no sistema de controle 214, que gera e aplica sinais de controle ao WMA ou conjunto de WMAs selecionado com base na definição de alvo resolvida. Por exemplo, onde o WMA selecionado é uma máquina ou atuador de plataforma 248, o controlador de zona 247 provê a definição de alvo resolvida ao controlador de definições 232 ou controlador de plataforma/real 238, ou ambos, para gerar sinais de controle com base na definição de alvo resolvida, e esses sinais de controle gerados são aplicados aos atuadores máquina ou plataforma 248. No bloco 644, se WMAs adicionais ou conjuntos de WMAs adicionais tiverem que ser controlados na localização geográfica atual da colheitadeira agrícola 100 (como detectado no bloco 612), então o processamento reverte o bloco 626 onde o WMA ou conjunto de WMAs seguinte é selecionado. Os processos representados pelos blocos 626 a 644 continuam até que todos os WMAs ou sets de WMAs a serem controlados na localização geográfica atual da colheitadeira agrícola 100 tenham sido abordados. Se não permanecer nenhum WMAs ou conjunto de WMAs adicional que tenha que ser controlado na localização geográfica atual da colheitadeira agrícola 100, o determina se existem zonas de controle adicionais a serem consideradas na zona de regime selecionada. Se existirem zonas de controle adicionais a serem consideradas, o processamento reverte para o bloco 624 onde uma zona de controle seguinte é selecionada. Se não restar nenhuma zona de controle adicional a ser considerada, o processamento prossegue para o bloco 648 onde uma determinação de considerar zonas de regime adicional deve ser considerada. O controlador de zona 247 determina se restam zonas de regime adicionais a serem consideradas. Se restarem zona de regime adicional a serem consideradas, o processamento reverte para o bloco 622 onde uma zona de regime seguinte é selecionada.

[00177] No bloco 650, o controlador de zona 247 determina se a operação que a colheitadeira agrícola 100 está realizando foi concluída. Se não, o controlador de zona 247 determina se um critério de zona de controle foi satisfeito para continuar processando, como indicado pelo bloco 652. Por exemplo, como anteriormente mencionado, os critérios de definição de zona de controle podem incluir critérios definindo quando um limite de zona de controle pode ser cruzado pela colheitadeira agrícola 100. Por exemplo, se um limite de zona de controle pode ser cruzado pela colheitadeira agrícola 100 pode ser definido por um período de tempo selecionado, significando que a colheitadeira agrícola 100 é impedida de cruzar um limite de zona selecionado até que uma quantidade de tempo selecionada tenha decorrido. Nesse caso, no bloco 652, o controlador de zona 247 determina se o período de tempo foi decorrido. Além disso, o controlador de zona 247 pode realizar processamento continuamente. Dessa forma, o controlador de zona 247 não espera nenhum período de tempo particular antes de continuar a determinar se uma operação da colheitadeira agrícola 100 foi concluída. No bloco 652, o controlador de zona 247 determina que é hora de continuar o processamento, então o processamento continua no bloco 612 onde o controlador de zona 247 novamente recebe uma entrada do sensor de posição geográfica 204. Percebese também que o controlador de zona 247 pode controlar os WMAs e conjuntos de WMAs simultaneamente usando um controlador de múltiplas entradas, múltiplas saídas, em vez de controlar os WMAs e conjuntos de WMAs sequencialmente.

[00178] A FIG. 10 é um diagrama de blocos mostrando um exemplo de um controlador de interface de operador 231. Em um exemplo ilustrado, o controlador de interface de operador 231 inclui sistema de processamento de comando de entrada de operador 654, outro sistema de interação 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 manipulação de voz 662, sistema de manipulação de gesto de toque 664, e outros itens 666. Outro sistema de interação de controlador 656 inclui sistema de processamento de entrada do controlador 668 e gerador de saída do controlador 670. O sistema de processamento de voz 658 inclui detector de gatilho 672, componente de reconhecimento 674, componente de síntese 676, sistema de entendimento de linguagem natural 678, sistema de gerenciamento de diálogo 680, e outros itens 682. O gerador de sinal de ação 660 inclui gerador de sinal de controle visual 684, gerador de sinal de controle de áudio 686, gerador de sinal de controle háptico 688, e outros itens 690. Antes de descrever a operação do controlador de interface de operador 231 exemplificativo mostrado na FIG. 10 lidando com várias ações de interface de operador, uma breve descrição de alguns dos itens no controlador de interface de operador 231 e a operação associada dos mesmos é primeiramente provida.

[00179] O sistema de processamento de comando de entrada de operador 654 detecta entradas de operador em mecanismos de interface de operador 218 e processa essas entradas para comandos. O sistema de manipulação de voz 662 detecta entradas de voz e manuseia as interações com o sistema de processamento de voz 658 para processar as entradas de voz para comandos. O sistema de manipulação de gesto de toque 664 detecta gestos de toque em elementos sensíveis ao toque em mecanismos de interface de operador 218 e processa essas entradas para comandos.

[00180] Outro sistema de interação de controlador 656 trata interações com outros controladores no sistema de controle 214. O sistema de processamento de entrada do controlador 668 detecta e processa entradas de outros controladores no sistema de controle 214, e o gerador de saída do controlador 670 gera saídas e provê essas a outros controladores no sistema de controle 214. O sistema de processamento de voz 658 reconhece entradas de voz, determina o significado dessas entradas, e provê uma saída indicativa do significado das entradas faladas. Por exemplo, o sistema de processamento de voz 658 pode reconhecer uma entrada de voz de operador 260 como um comando de mudança de definições em qual o operador 260 está comandando o sistema de controle 214 para mudar uma definição para um subsistema controlável 216. Em um exemplo como esse, o sistema de processamento de voz 658 reconhece o conteúdo do comando falado, identifica o significado desse comando como um comando de mudança de definições, e provê o significado dessa entrada de volta ao sistema de manipulação de voz 662. O sistema de manipulação de voz 662, por sua vez, interage com o gerador de saída do controlador 670 para prover a saída comandada ao controlador apropriado no sistema de controle 214 para realizar o comando de mudança de definições falado.

[00181] O sistema de processamento de voz 658 pode ser invocado em uma variedade de diferentes maneiras. Por exemplo, em um exemplo, o sistema de manipulação de voz 662 provê continuamente uma entrada de um microfone (sendo um dos mecanismos de interface de operador 218) ao sistema de processamento de voz 658. O microfone detecta voz do operador 260, e o sistema de manipulação de voz 662 provê a voz detectada ao sistema de processamento de voz 658. O detector de gatilho 672 detecta um gatilho indicando que o sistema de processamento de voz 658 é invocado. Em alguns casos, quando o sistema de processamento de voz 658 está recebendo entradas de voz contínuas do sistema de manipulação de voz 662, o componente de reconhecimento de voz 674 realiza reconhecimento de voz contínuo em toda a voz falada pelo operador 260. Em alguns casos, o sistema de processamento de voz 658 é configurado para invocação usando uma palavra de despertar. Ou seja, em alguns casos, a operação do sistema de processamento de voz 658 pode ser iniciada com base em reconhecimento de uma palavra dita selecionada, referida como a palavra de despertar. Em um exemplo como esse, onde o componente de reconhecimento 674 reconhece a palavra de despertar, o componente de reconhecimento 674 provê uma indicação de que a palavra de despertar foi reconhecida pelo detector de gatilho 672. O detector de gatilho 672 detecta que o sistema de processamento de voz 658 foi invocado ou acionado pela palavra de despertar. Em outro exemplo, o sistema de processamento de voz 658 pode ser invocado por um operador 260 atuando um atuador em um mecanismo de interface de usuário, tal como tocando em um atuador em uma tela de exibição sensível ao toque, pressionando um botão, ou provendo outra entrada de acionamento. Em um exemplo como esse, o detector de gatilho 672 pode detectar que o sistema de processamento de voz 658 foi invocado quando uma entrada de acionamento por meio de um mecanismo de interface de usuário é detectada. O detector de gatilho 672 pode detectar que o sistema de processamento de voz 658 foi invocado de outras maneiras igualmente.

[00182] Uma vez que o sistema de processamento de voz 658 é invocado, a entrada de voz do operador 260 é provida ao componente de reconhecimento de voz 674. O componente de reconhecimento de voz 674 reconhece elementos linguísticos na entrada de voz, tais como palavras, frases, ou outras unidades linguísticas. O sistema de entendimento de linguagem natural 678 identifica um significado da voz reconhecida. O significado pode ser uma saída de linguagem natural, uma saída de comando identificando um comando refletido na voz reconhecida, uma saída de valor identificando um valor na voz reconhecida, ou qualquer uma de uma ampla variedade de outras saídas que refletem o entendimento da voz reconhecida. Por exemplo, o sistema de entendimento de linguagem natural 678 e o sistema de processamento de voz 568, mais geralmente, podem entender o significado da voz reconhecida no contexto de colheitadeira agrícola 100.

[00183] Em alguns exemplos, o sistema de processamento de voz 658 pode também gerar saídas que navegam o operador 260 através de uma experiência de usuário com base na entrada de voz. Por exemplo, o sistema de gerenciamento de diálogo 680 pode gerar e gerenciar um diálogo com o usuário a fim de identificar o que o usuário deseja fazer. O diálogo pode remover ambiguidade de um comando do usuário; identificar um ou mais valores específicos que são necessários para realizar o comando do usuário; ou obter outra informação do usuário ou prover outra informação ao usuário, ou ambos. O componente de síntese 676 pode gerar síntese de voz que pode ser apresentada ao usuário através de um mecanismo de interface de operador de áudio, tal como um alto-falante. Dessa forma, o diálogo gerenciado pelo sistema de gerenciamento de diálogo 680 pode ser exclusivamente um diálogo falado ou uma combinação tanto de um diálogo visual quanto um diálogo falado.

[00184] O gerador de sinal de ação 660 gera sinais de ação para controlar mecanismos de interface de operador 218 com base em saídas de um ou mais dentre o sistema de processamento de comando de entrada de operador 654, outro sistema de interação 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 alerta, ou outros itens visuais. O gerador de sinal de controle de áudio 686 gera saídas que controlam elementos de áudio de mecanismos de interface de operador 218. Os elementos de áudio incluem um alto-falante, mecanismos de alerta audíveis, buzinas, ou outros elementos audíveis. O gerador de sinal de controle háptico 688 gera sinais de controle que são produzidos para controlar elementos hápticos de mecanismos de interface de operador 218. Os elementos hápticos incluem elementos de vibração que podem ser usados para vibrar, por exemplo, o assento do operador, o volante, pedais, ou manetes usados pelo operador. Os elementos hápticos podem incluir elementos de realimentação tátil ou de realimentação de força que proveem realimentação tátil ou realimentação de força ao operador por meio de mecanismos de interface de operador. Os elementos hápticos podem incluir uma ampla variedade de outros elementos hápticos igualmente.

[00185] A FIG. 11 é um fluxograma ilustrando um exemplo da operação de controlador de interface de operador 231 na geração de uma exibição de interface de operador em um mecanismo de interface de operador 218, que pode incluir uma tela de exibição sensível ao toque. A FIG. 11 também ilustra um exemplo de como o controlador de interface de operador 231 pode detectar e processar interações de operador com a tela de exibição sensível ao toque.

[00186] 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 junto 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.

[00187] No bloco 706, o gerador de sinal de controle visual 684 no controlador de interface de operador 231 controla a tela de exibição sensível ao toque nos mecanismos de interface de operador 218 para gerar uma exibição mostrando todo ou uma porção de um campo representado pelo mapa recebido. O bloco 708 indica que o campo exibido pode incluir um marcador de posição atual mostrando uma posição atual da colheitadeira agrícola 100 em relação ao campo. O bloco 710 indica um exemplo em que o campo exibido inclui um marcador de unidade de trabalho seguinte que identifica uma unidade de trabalho seguinte (ou área no campo) na qual a colheitadeira agrícola 100 estará operando. O bloco 712 indica um exemplo em que o campo exibido inclui uma porção de exibição de área seguinte que exibe áreas que devem ainda ser processadas pela colheitadeira agrícola 100, e o bloco 714 indica um exemplo em que o campo exibido inclui porções de exibição previamente visitadas que representam áreas do campo que a colheitadeira agrícola 100 já processou. O bloco 716 indica um exemplo em que o campo exibido exibe várias características do campo com localizações georreferenciadas no mapa. Por exemplo, se o mapa recebido for um mapa de estado de cultura, o campo exibido pode mostrar o estado de cultura de áreas no campo com localizações georreferenciadas no campo exibido. As características mapeadas podem ser mostradas nas áreas previamente visitadas (como mostrado no bloco 714), nas áreas seguintes (como mostrado no bloco 712), e na unidade de trabalho seguinte (como mostrado no bloco 710). O bloco 718 indica um exemplo em que o campo exibido inclui outros itens igualmente.

[00188] A FIG. 12 é uma ilustração pictorial mostrando um exemplo de uma exibição de interface de usuário 720 que pode ser gerada em uma tela de exibição sensível ao toque. Em outros casos, a exibição de interface de usuário 720 pode ser gerada em outros tipos de exibições. A tela de exibição sensível ao toque pode ser montada no compartimento do operador da colheitadeira agrícola 100 ou no dispositivo móvel, ou em outro lugar qualquer. A exibição de interface de usuário 720 será descrita antes de continuar com a descrição do fluxograma mostrado na FIG. 11.

[00189] No exemplo mostrado na FIG. 12, a exibição de interface de usuário 720 ilustra que a tela de exibição sensível ao toque inclui um recurso de exibição para operar um microfone 722 e um alto-falante 724. Dessa forma, a exibição sensível ao toque pode ser acoplada de forma comunicativa ao microfone 722 e ao alto-falante 724. O bloco 726 indica que a tela de exibição sensível ao toque pode incluir uma ampla variedade de atuadores de controle de interface de usuário, tais como botões, teclados, bloco de teclas macias, ligações, ícones, interruptores, etc. O operador 260 pode atuar os atuadores de controle de interface de usuário para realizar várias funções.

[00190] No exemplo mostrado na FIG. 12, a exibição de interface de usuário 720 inclui uma porção de exibição de campo 728 que exibe pelo menos uma porção do campo na qual a colheitadeira agrícola 100 está operando. A porção de exibição de campo 728 é mostrada com um marcador de posição atual 708 que 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 exibição sensível ao toque a fim de realizar uma visão com grande aproximação nas porções de porção de exibição de campo 728 ou panoramizar ou rolar a porção de exibição de campo 728 para mostrar diferentes porções do campo. Uma unidade de trabalho seguinte 730 é mostrada como uma área do campo diretamente na frente do marcador de posição atual 708 da colheitadeira agrícola 100. O marcador de posição atual 708 pode também ser configurado para identificar a direção de deslocamento da colheitadeira agrícola 100, uma velocidade de deslocamento da colheitadeira agrícola 100, ou ambas. Na FIG. 13, o formato do marcador de posição atual 708 provê uma indicação tal como a orientação da colheitadeira agrícola 100 no campo que pode ser usada como uma indicação de uma direção de deslocamento da colheitadeira agrícola 100.

[00191] O tamanho da unidade de trabalho seguinte 730 marcada na porção de exibição de campo 728 pode variar com base em uma ampla variedade de diferentes critérios. Por exemplo, o tamanho da unidade de trabalho seguinte 730 pode variar com base na velocidade de deslocamento da colheitadeira agrícola 100. Dessa forma, quando a colheitadeira agrícola 100 está deslocando de forma mais rápida, a área da unidade de trabalho seguinte 730 pode ser maior que a área da unidade de trabalho seguinte 730 se a colheitadeira agrícola 100 estiver deslocando mais lentamente. A porção de exibição de campo 728 é também mostrada exibindo área previamente visitada 714 e áreas seguintes 712. As áreas previamente visitadas 714 representam áreas que já foram colhidas enquanto áreas seguintes 712 representam áreas que ainda precisam ser colhidas. A porção de exibição de campo 728 é também mostrada exibindo diferentes características do campo. No exemplo ilustrado na FIG. 12, o mapa que está sendo exibido é um mapa de estado de cultura preditivo funcional, tal como o mapa de estado de cultura preditivo funcional 360 ou mapa de estado de cultura preditivo funcional revisado 361. Portanto, uma pluralidade de diferentes elementos de estado de cultura é exibida na porção de exibição de campo 728. Existe um conjunto de marcadores de exibição de estado de cultura 732 mostrado nas áreas já visitadas 714. Existe também um conjunto de marcadores de exibição de estado de cultura 734 mostrado nas áreas seguintes 712, e existe um conjunto de marcadores de exibição de estado de cultura 736 mostrado na unidade de trabalho seguinte 730. A FIG. 12 mostra que os marcadores de exibição de estado de cultura 732, 734 e 736 são constituídos de diferentes símbolos. Cada um dos símbolos representa um estado de cultura diferente. No exemplo mostrado na FIG. 12, o símbolo | representa cultura em pé; o símbolo / representa cultura parcialmente tombada; e o símbolo _ representa cultura totalmente tombada. Dessa forma, a porção de exibição de campo 728 mostra diferentes estados de cultura que são localizados em diferentes áreas no campo.

[00192] No exemplo da FIG. 12, a exibição de interface de usuário 720 também tem uma porção de exibição de controle 738. A porção de exibição de controle 738 permite que o operador visualize informação e interaja com a exibição de interface de usuário 720 de várias maneiras.

[00193] Os atuadores e marcadores de exibição na porção de exibição de controle 738 podem ser exibidos, por exemplo, como itens individuais, listas fixas, listas roláveis, menus suspensos, ou listas pendentes. No exemplo mostrado na FIG. 12, a porção de exibição de controle 738 mostra informação para os três estados de cultura que correspondem aos três símbolos supramencionados. A porção de exibição de controle 738 também inclui um conjunto de atuadores sensíveis ao toque com os quais o operador 260 pode interagir por toque. Por exemplo, o operador 260 pode tocar nos atuadores sensíveis ao toque com um dedo para ativar o respectivo atuador sensível ao toque.

[00194] Uma coluna de sinalizador 739 mostra sinalizadores que foram automaticamente ou manualmente definidos. O atuador de sinalizador 740 permite que o operador 260 marque uma localização, e adicione informação indicando os tipos de estados da cultura que são encontrados na localização. Por exemplo, quando o operador 260 atua o atuador de sinalizador 740 tocando no atuador de sinalizador 740, o sistema de manipulação de gesto de toque 664 no controlador de interface de operador 231 identifica a localização como uma onde cultura em pé está presente. Quando o operador 260 toca no botão 742, o sistema de manipulação de gesto de toque 664 identifica a localização como uma localização onde cultura tombada está presente. Quando o operador 260 toca o botão 744, o sistema de manipulação de gesto de toque 664 identifica a localização como uma localização onde cultura parcialmente tombada está presente. O sistema de manipulação de gesto de toque 664 também controla o gerador de sinal de controle visual 684 para adicionar um símbolo correspondente aos estados de cultura identificados na porção de exibição de campo 728 em uma localização que o usuário identifica antes ou após ou durante atuação dos botões 740, 742 ou 744.

[00195] A coluna 746 exibe os símbolos correspondentes a cada estado de cultura que está sendo rastreado na porção de exibição de campo 728. Coluna de designador 748 mostra o designador (que pode ser um designador textual ou outro designador) identificando o estado de cultura. Sem limitação, os símbolos de estado de cultura na coluna 746 e os designadores na coluna 748 podem incluir quaisquer marcadores de exibição tais como diferentes cores, formatos, padrões, intensidades, texto, ícones, ou outros marcadores de exibição. A coluna 750 mostra valores de estado de cultura. No exemplo mostrado na FIG. 12, os valores de estado de cultura são valores representativos da magnitude do tombamento. Os valores exibidos na coluna 750 podem ser valores preditos (por exemplo, providos por um mapa de estado de cultura preditivo funcional), valores medidos por sensores in situ 208, ou valores designados pelo operador. Em um exemplo, o operador 260 pode selecionar a parte particular da porção de exibição de campo 728 para a qual os valores na coluna 750 devem ser exibidos. Dessa forma, os valores na coluna 750 podem corresponder aos valores em porções de exibição 712, 714 ou 730.

[00196] A coluna 752 exibe valores de limiar de ação. Os valores de limiar de ação na coluna 752 podem ser uma variedade de valores de limiar. No exemplo ilustrado, os valores de limiar de ação na coluna 752 são valores de limiar correspondentes a uma distância à frente da colheitadeira até os valores medidos na coluna 750. Dessa forma, se a colheitadeira agrícola 100 estiver na ou dentro da distância de cultura com um dado valor, então o sistema de controle 214 adota uma ação identificada na coluna 754. Por exemplo, se a colheitadeira agrícola 100 estiver deslocando a uma dada velocidade em direção a uma área de cultura tombada, quando a colheitadeira agrícola 100 está dentro de 9,1 metros (30 pés) da área o controle na coluna 754 pode ser adotado. Os valores de limiar podem mudar com base na velocidade de máquina atual ou alguma outra característica, tal como capacidade de resposta da máquina. Em um exemplo, o operador 260 pode selecionar um valor de limiar, por exemplo, a fim de mudar o valor de limiar tocando no valor de limiar na coluna 752. Uma vez selecionado, o operador 260 pode mudar o valor de limiar. Os valores de limiar na coluna 752 podem ser configurados de forma que a ação designada seja realizada quando o limiar for excedido (por exemplo, menos ou mais) ou for satisfeito (por exemplo, igual a).

[00197] Embora os valores de limiar de ação mostrados na FIG. 12 sejam ilustrativamente distâncias à frente da colheitadeira até os valores medidos, em outros exemplos, os valores de limiar de ação podem ser uma variedade de outros valores de limiar. Por exemplo, os valores de limiar de ação podem ser valores correspondente aos valores mostrados na coluna 750. Por exemplo, em alguns exemplos, os valores de limiar de ação podem ser um “valor de graus em relação à vertical” (por exemplo, 35° da vertical), de modo que, quando a orientação de cultura medida ou predita é maior ou igual aos graus em relação ao limiar vertical, nenhuma ação da coluna 754 é adotada. Como um exemplo ilustrativo, pode ser que um valor de limiar de ação seja “maior que 50 graus com a vertical” (“> 50° com a vertical”), e dessa forma a orientação de cultura medida ou predita maior que 50 graus com a vertical resultará em ação da coluna 754 sendo adotada, tal como redução da velocidade. Isso é meramente um exemplo. Em outros exemplos, os valores de limiar de ação poderiam ser uma faixa de valores, tal como “entre 40°- 50°”.

[00198] Similarmente, o operador 260 pode tocar nos identificadores de ação na coluna 754 para mudar a ação que deve ser adotada. Quando um limiar é satisfeito, múltiplas ações podem ser adotadas. Por exemplo, no botão da coluna 754, uma ação de reduzir a velocidade 762 e uma ação de mudar a rota 764 são identificadas como ações que serão adotadas se a colheitadeira agrícola satisfizer uma distância limiar tanto da cultura tombada quanto da cultura parcialmente tombada.

[00199] As ações que podem ser definidas na coluna 754 podem ser qualquer uma de uma ampla variedade de diferentes tipos de ações. Por exemplo, como indicado pelo item 756, a velocidade pode ser aumentada em áreas de cultura em pé. Ou, por exemplo, como indicado pelo item 758, a plataforma pode ser levantada. Ou, por exemplo, como indicado pelo item 760, a plataforma pode ser abaixada quando a área contiver cultura tombada. Ou, por exemplo, como indicado pelos itens 762, a velocidade pode ser reduzida em áreas de cultura tombada ou parcialmente tombada. Ou, por exemplo, como indicado pelos itens 764, a rota da máquina pode ser alterada em áreas de cultura tombada ou parcialmente tombada. Por exemplo, a rota da colheitadeira agrícola 100 pode ser direcionada de modo que a colheitadeira agrícola 100 dirija oposta à direção que cultura está inclinando.

[00200] Os marcadores de exibição mostrados na exibição de interface de usuário 720 podem ser visualmente controlados. O controle visual da exibição de interface 720 pode ser feito para prender a atenção do operador 260. Por exemplo, os 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 providas como exemplos. 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, prender a atenção do operador 260. Em alguns casos, cada localização do campo pode ter um marcador de exibição associado com a mesma. Dessa forma, em alguns casos, um marcador de exibição pode ser provido em cada localização da porção de exibição de campo 728 para identificar a natureza da característica que está sendo mapeada para cada localização particular do campo. Consequentemente, a presente descrição engloba prover uma marcador de exibição, tal como o marcador de exibição de nível de perda 732 (como no contexto do presente exemplo de FIG. 12), em uma ou mais localizações na porção de exibição de campo 728 para identificar a natureza, grau, etc., da característica que está sendo exibida, por meio disso identificando a característica na localização correspondente no campo que está sendo exibido.

[00201] Várias funções que podem ser realizadas pelo operador 260 usando exibição de interface de usuário 720 podem também ser realizadas automaticamente, tal como por outros controladores no sistema de controle 214. Por exemplo, quando um estado de cultura diferente é identificado por um sensor in situ 208, o controlador de interface de operador 231 pode automaticamente adicionar um sinalizador na localização de colheitadeira agrícola atual 100 (que corresponde à localização do estado de cultura encontrado) e gerar uma exibição na coluna de sinalizador, um símbolo correspondente na coluna de símbolo, e um designador na coluna de designador 748. O controlador de interface de operador 231 pode também gerar um valor na coluna 750 e um valor de limiar na coluna 752 mediante identificação de estados de cultura diferentes. O controlador de interface de operador 231, ou outro controlador, pode também automaticamente identificar uma ação que é adicionada à coluna 754.

[00202] De volta agora ao fluxograma da FIG. 11, a descrição da operação de controlador de interface de operador 231 continua. No bloco 760, o controlador de interface de operador 231 detecta uma entrada definindo um sinalizador e controla a exibição de interface de usuário sensível ao toque 720 para exibir o sinalizador na porção de exibição de campo 728. A entrada detectada pode ser uma entrada de operador, como indicado em 762, ou uma entrada de outro controlador, como indicado em 764. No bloco 766, o controlador de interface de operador 231 detecta uma entrada de sensor in situ indicativa de uma característica medida do campo de um dos sensores in situ 208. No bloco 768, o gerador de sinal de controle visual 684 gera sinais de controle para controlar a exibição de interface de usuário 720 para exibir atuadores para modificar a exibição de interface de usuário 720 e para modificar o controle de máquina. Por exemplo, o bloco 770 representa que um ou mais dos atuadores para definição ou modificação dos valores nas colunas 739, 746 e 748 podem ser exibidos. Dessa forma, o usuário pode definir sinalizadores e modificar características desses sinalizadores. Por exemplo, um usuário pode modificar os estados de cultura e designadores de estado de cultura correspondentes aos sinalizadores. O bloco 772 representa que os valores de limiar 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 valores na coluna 750 são exibidos. O bloco 780 indica que uma ampla variedade de outras informações e atuadores pode ser exibida na exibição de interface de usuário 720 igualmente.

[00203] No bloco 782, o sistema de processamento de comando de entrada de operador 654 detecta e processa entradas de operador correspondentes às interações com a exibição de interface de usuário 720 realizadas pelo operador 260. Onde o mecanismo de interface de usuário no qual a exibição de interface de usuário 720 é exibida é uma tela de exibição sensível ao toque, as entradas de interação com a tela de exibição sensível ao toque pelo operador 260 podem ser gestos de toque 784. Em alguns casos, as entradas de interação de operador podem ser entradas usando um dispositivo de apontamento e clique 786 ou outras entradas de interação de operador 788.

[00204] No bloco 790, o controlador de interface de operador 231 recebe sinais indicativos de uma condição de alerta. Por exemplo, o bloco 792 indica que sinais podem ser recebidos pelo sistema de processamento de entrada do controlador 668 indicando que condições limiares presentes na coluna 752 são satisfeitas. Como explicado anteriormente, a satisfação das condições limiares pode incluir valores sendo abaixo de um limiar, em um limiar, ou acima de um limiar. O bloco 794 mostra que o gerador de sinal de ação 660 pode, em resposta ao recebimento de uma condição de alerta, alertar o operador 260 usando o gerador de sinal de controle visual 684 para gerar alertas visuais, usando o gerador de controle de sinal de áudio 686 para gerar alertas de áudio, usando o gerador de controle de sinal háptico 688 para gerar alertas hápticos, ou usando qualquer combinação desses. Similarmente, como indicado pelo bloco 796, o gerador de saída do controlador 670 pode gerar saídas para outros controladores no sistema de controle 214 de forma que esses controladores realizem a ação correspondente identificada na coluna 754. O bloco 798 mostra que o controlador de interface de operador 231 pode detectar e processar condições de alerta de outras maneiras igualmente.

[00205] O bloco 900 mostra que o sistema de manipulação de voz 662 pode detectar e processar entradas invocando o sistema de processamento de voz 658. O bloco 902 mostra que a realização de processamento de voz pode incluir o uso de sistema de gerenciamento de diálogo 680 para conduzir um diálogo com o operador 260. O bloco 904 mostra que o processamento de voz pode incluir prover sinais ao gerador de saída do controlador 670 de forma que operações de controle sejam automaticamente realizadas com base nas entradas de voz.

[00206] A Tabela 1, a seguir, mostra um exemplo de um diálogo entre o controlador de interface de operador 231 e o operador 260. Na Tabela 1, o operador 260 usa uma palavra gatilho ou uma palavra de despertar que é detectada pelo detector de gatilho 672 para invocar o sistema de processamento de voz 658. No exemplo mostrado na Tabela 1, a palavra de despertar é “Johnny”. Tabela 1

[00207] Operador: “Johnny, diga-me a respeito do estado de cultura atual”

[00208] Controlador de interface de operador: “O estado de cultura atual é em pé, menos que 5% tombada.”

[00209] Operador: “Johnny, o que devo fazer quando o estado de cultura for de pé?”

[00210] Controlador de interface de operador: “Continue operação de colheita normal.”

[00211] A Tabela 2 mostra um exemplo em que o componente de síntese de voz 676 provê uma saída ao gerador de controle de sinal de áudio 686 para prover atualizações audíveis de uma maneira intermitente ou periódica. O intervalo entre atualizações pode ser baseado no tempo, tal como a cada cinco minutos, ou com base em cobertura ou distância, tal como a cada cinco acres, ou com base em exceção, tal como quando um valor medido é maior que um valor de limiar. Tabela 2

[00212] Controlador de interface de operador: “Nos últimos 10 minutos, o estado de cultura ficou em média menos que 10% tombado.”

[00213] Controlador de interface de operador: “Prediz-se que 1 acre seguinte compreende cultura parcialmente tombada com uma condição de 40% tombada.”

[00214] Controlador de interface de operador: “Alerta: o estado de cultura inclui cultura com uma condição de 90% de cultura tombada. Abaixar a plataforma para coletar cultura tombada.”

[00215] O exemplo mostrado na Tabela 3 ilustra que alguns atuadores ou mecanismos de entrada de usuário na exibição sensível ao toque 720 podem ser suplementados com diálogo de voz. O exemplo na Tabela 3 ilustra que o gerador de sinal de ação 660 pode gerar sinais de ação para automaticamente marcar uma área de cultura tombada no campo que está sendo colhido. Tabela 3

[00216] Humano: “Johnny, marcar área de cultura tombada.”

[00217] Controlador de interface de operador: “Área de cultura tombada marcada.”

[00218] 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 parar a marcação de uma área de cultura tombada. Tabela 4

[00219] Humano: “Johnny, comece a marcar área de cultura tombada.”

[00220] Controlador de interface de operador: “Marcando área de cultura tombada.”

[00221] Humano: “Johnny, pare a marcação da área de cultura tombada.”

[00222] Controlador de interface de operador: “Marcação da área de cultura tombada interrompida.”

[00223] O exemplo mostrado na Tabela 5 ilustra que o gerador de sinal de ação 160 pode gerar sinais para marcar uma área de cultura tombada de uma maneira diferente das mostradas nas Tabelas 3 e 4. Tabela 5

[00224] Humano: “Johnny, marcar os próximos 30,5 metros (100 pés) como uma área de cultura tombada.”

[00225] Controlador de interface de operador: “Próximos 30,5 metros (100 pés) marcados como uma área de cultura tombada.”

[00226] De volta novamente à FIG. 11, o bloco 906 ilustra que o controlador de interface de operador 231 pode detectar e processar condições para produzir uma mensagem ou outra informação de outras maneiras igualmente. Por exemplo, outro sistema de interação de controlador 656 pode detectar entradas de outros controladores indicando que alertas ou mensagens de saída devem ser apresentadas ao operador 260. O bloco 908 mostra que as saídas podem ser mensagens de áudio. O bloco 910 mostra que as saídas podem ser mensagens visuais, e o bloco 912 mostra que as saídas podem ser mensagens hápticas. Até o controlador de interface de operador 231 determinar que a operação de colheita atual está concluída, como indicado pelo bloco 914, o processamento reverte para o bloco 698 onde a localização geográfica da colheitadeira 100 é atualizada e o processamento prossegue como anteriormente descrito para atualizar a exibição de interface de usuário 720.

[00227] Uma vez que a operação é concluída, então quaisquer valores desejados que são exibidos, ou foram exibidos na exibição de interface de usuário 720, podem ser salvos. Esses valores podem também ser usados em aprendizagem de máquina para melhorar as diferentes porções do gerador de modelo preditivo 210, gerador de mapa preditivo 212, gerador de zona de controle 213, algoritmos de controle, ou outros itens. O salvamento dos valores desejado é indicado pelo bloco 916. Os valores podem ser salvos localmente na colheitadeira agrícola 100, ou os valores podem ser salvos em uma localização de servidor remoto ou enviados a outro sistema remoto.

[00228] Pode-se dessa forma perceber que os dados históricos são obtidos por uma colheitadeira agrícola. Os dados históricos podem incluir dados de plantio de cultura históricos, dados de condições climáticas históricos, dados de desenvolvimento de cultura históricos, dados de estado de cultura históricos e/ou dados de colheita históricos. Um gerador de modelo preditivo gera um modelo histórico preditivo que modela um relacionamento entre valores de dados históricos (por exemplo, valores de plantio de cultura históricos, valores de condições climáticas históricos, e/ou valores de desenvolvimento de cultura históricos, etc.) e valores de característica agrícola históricos (por exemplo, valores de estado de cultura históricos como indicado pelos dados de estado de cultura históricos e/ou dados de colheita históricos). Dados sazonais são obtidos pela colheitadeira agrícola. Dados sazonais podem incluir dados de plantio de cultura sazonais, dados de condições climáticas sazonais e/ou dados de desenvolvimento de cultura sazonais. Um gerador de mapa preditivo gera um mapa preditivo que prediz valores de característica agrícola (por exemplo, valores de estado de cultura) para diferentes localizações no campo com base no modelo histórico preditivo e nos valores de dados sazonais providos pelos dados sazonais nessas localizações. Um sistema de controle controla subsistema controlável com base nos valores de característica agrícola preditivos (por exemplo, valores de estado de cultura preditivos) no mapa preditivo.

[00229] A presente discussão mencionou processadores e servidores. Em alguns exemplos, os processadores e servidores incluem processadores de computador com memória e conjunto de circuitos de sincronismo associados, não mostrados separadamente. Os processadores e servidores são partes funcionais dos sistemas ou dispositivos aos quais os processadores e servidores pertencem e pelos quais são ativados e facilitam a funcionalidade dos outros componentes ou itens nesses sistemas.

[00230] Também, uma série de exibições de interface de usuário foi discutida. As exibições podem assumir uma ampla variedade de diferentes formas e podem ter uma ampla variedade de diferentes mecanismos de interface de operador atuáveis pelo usuário dispostos nas mesmas. Por exemplo, mecanismos de interface de operador atuáveis pelo usuário podem incluir caixas de texto, caixas de verificação, ícones, ligações, menus pendentes, caixas de busca, etc. Os mecanismos de interface de operador atuáveis pelo usuário podem também ser atuados em uma ampla variedade de diferentes maneiras. Por exemplo, os mecanismos de interface de operador atuáveis pelo usuário podem ser atuados usando mecanismos de interface de operador tal como um dispositivo de apontamento e clique, tais como um mouse tipo esfera ou mouse comum, botões de hardware, interruptores, uma manete ou teclado, interruptores de polegar ou blocos de polegar, etc., um teclado virtual ou outros atuadores virtuais. Além do mais, onde a tela na qual os mecanismos de interface de operador atuáveis pelo usuário são exibidos é uma tela sensível ao toque, os mecanismos de interface de operador atuáveis pelo usuário podem ser atuados usando gestos de toque. Também, mecanismos de interface de operador atuáveis pelo usuário podem ser atuados usando comandos de voz usando funcionalidade de reconhecimento de voz. Reconhecimento de voz pode ser implementado usando um dispositivo de detecção de voz, tal como um microfone, e software que funciona para reconhecer a voz detectada e executar comandos com base na voz recebida.

[00231] Uma série de armazenamentos de dados foi também discutida. Deve-se notar que os armazenamentos de dados podem cada um ser desmembrados em múltiplos armazenamentos de dados. Em alguns exemplos, um ou mais dos armazenamentos de dados podem ser locais aos sistemas que acessam os armazenamentos de dados, um ou mais dos armazenamentos de dados podem todos ser localizados remotos de um sistema utilizando o armazenamento de dados, ou um ou mais armazenamentos de dados podem ser locais enquanto outros são remotos. Todas essas configurações são contempladas pela presente descrição.

[00232] Também, as figuras mostram uma série de blocos com funcionalidade atribuída a cada bloco. Nota-se que uma menor quantidade de blocos pode ser usada para ilustrar que a funcionalidade atribuída a múltiplos diferentes blocos é realizada por menos componentes. também, mais blocos podem ser usados ilustrando que a funcionalidade pode ser distribuída entre mais componentes. Em diferentes exemplos, alguma funcionalidade pode ser adicionada, e alguma pode ser removida.

[00233] Nota-se que a discussão apresentada descreveu uma variedade de diferentes sistemas, componentes, lógica e interações. Percebe-se que qualquer um ou todos tais sistemas, componentes, lógica e interações podem ser implementados por itens de hardware, tais como processadores, memória, ou outros componentes de processamento, incluindo mas não limitados a componentes de inteligência artificial, tais como redes neurais, alguns dos quais são descritos a seguir, que realizam as funções associadas com esses sistemas, componentes, ou lógica, ou interações. Além disso, qualquer um ou todos dos sistemas, componentes, lógica e interações pode ser implementado por software que é carregado em uma memória e é subsequentemente executado por um processor ou servidor ou outro componente de computação, como descrito a seguir. Qualquer um ou todos os sistemas, componentes, lógica e interações pode também ser implementado por diferentes combinações de hardware, software, firmware, etc., alguns exemplos dos quais são descritos a seguir. Esses são alguns exemplos de diferentes estruturas que podem ser usadas para implementar qualquer um ou todos do sistemas, componentes, lógica e interações supradescritos. Outras estruturas podem ser usadas igualmente.

[00234] A FIG. 13 é um diagrama de blocos de colheitadeira agrícola 600, que pode ser similar à colheitadeira agrícola 100 mostrada na FIG. 2. A colheitadeira agrícola 600 comunica com elementos em uma arquitetura de servidor remoto 500. Em alguns exemplos, a arquitetura de servidor remoto 500 provê serviços de computação, software, acesso de dados e armazenamento que não exigem conhecimento pelo usuário final da localização física ou configuração do sistema que entrega os serviços. Em vários exemplos, servidores remotos podem entregar os serviços por uma rede de longa distância, tal como a internet, usando protocolos apropriados. Por exemplo, servidores remotos podem entregar aplicações por uma rede de longa distância e podem ser acessíveis através de um navegador de rede ou qualquer outro componente de computação. Software ou componentes mostrados na FIG. 2 bem como dados associados com o mesmo podem ser armazenados em servidores em uma localização remota. Os recursos de computação em um ambiente de servidor remoto podem ser consolidados em uma localização de centro de dados remoto, ou os recursos de computação podem ser dispersos em uma pluralidade de centros de dados remotos. Infraestruturas de servidor remoto podem entregar serviços através de centros de dados compartilhados, mesmo que os serviços pareçam um único ponto de acesso para o usuário. Dessa forma, os componentes e funções descritos no presente documento podem ser providos por um servidor remoto em uma localização remota usando uma arquitetura de servidor remoto. Alternativamente, os componentes e funções podem ser providos por um servidor, ou os componentes e funções podem ser instalados em dispositivos clientes diretamente, ou de outras maneiras.

[00235] No exemplo mostrado na FIG. 13, alguns itens são similares aos mostrados na FIG. 2 e esses itens são similarmente enumerados. A FIG. 13 especificamente mostra que o gerador de modelo preditivo 210 ou gerador de mapa preditivo 212, ou ambos, podem ser localizados em uma localização de servidor 502 que é remota da colheitadeira agrícola 600. Portanto, no exemplo mostrado na FIG. 13, a colheitadeira agrícola 600 acessa os sistemas através da localização de servidor remota 502.

[00236] A FIG. 13 também representa outro exemplo de uma arquitetura de servidor remoto. A FIG. 13 mostra que alguns elementos da FIG. 2 podem ser dispostos em uma localização de servidor remota 502 enquanto outros podem ser localizados em qualquer 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 na localização 502. Independentemente de onde os elementos são localizados, os elementos podem ser acessados diretamente pela colheitadeira agrícola 600 através de uma rede tal como uma rede de longa distância ou uma rede de área local; os elementos podem ser hospedados em um local remoto por um serviço; ou os elementos podem ser providos como um serviço ou acessados por um serviço de conexão que reside em uma localização remota. também, dados podem ser armazenados em qualquer localização, e os dados armazenados podem ser acessados por operadores, usuários ou sistemas, ou encaminhados a esse. Por exemplo, portadoras físicas podem ser usadas em substituição, ou em adição, a portadoras de ondas eletromagnéticas. Em alguns exemplos, onde cobertura de serviço telecomunicação sem fio é fraca ou inexistente, outra máquina, tal como um caminhão de combustível ou outra máquina móvel ou veículo, pode ter um sistema de coleta de informação automático, semiautomático ou manual. À medida que a colheitadeira agrícola 600 se aproxima da máquina contendo o sistema de coleta de informação, tal como um caminhão de combustível antes do abastecimento, o sistema de coleta de informação coleta a informação da colheitadeira agrícola 600 usando qualquer tipo de conexão sem fio ad-hoc. A informação coletada pode então ser encaminhada a outra rede quando a máquina contendo a informação recebida chega a uma localização onde a cobertura de serviço de telecomunicação sem fio ou outra cobertura sem fio– é disponível. Por exemplo, um caminhão de combustível pode entrar em uma área com cobertura de comunicação sem fio quando desloca para uma localização para abastecer outras máquinas ou quando em uma localização de armazenamento de combustível principal. Todas essas arquiteturas são contempladas no presente documento. Adicionalmente, a informação pode ser armazenada na colheitadeira agrícola 600 até que a colheitadeira agrícola 600 entre em uma área com cobertura de comunicação sem fio. A colheitadeira agrícola 600, em si, pode enviar a informação a outra rede.

[00237] Nota-se também que os elementos da FIG. 2, ou porções da mesma, podem ser dispostos em uma ampla variedade de diferentes dispositivos. Um ou mais desses dispositivos podem incluir um computador de bordo, uma unidade eletrônica de controle, uma unidade de exibição, um servidor, um computador desktop, um computador laptop, um computador tablet, ou outro dispositivo móvel, tal como um computador palm top, um telefone celular, um smartphone, um tocador multimídia, um assistente pessoal digital, etc.

[00238] Em alguns exemplos, a arquitetura de servidor remoto 500 pode incluir medidas de segurança cibernética. Sem limitação, essas medidas podem incluir encriptação de dados em dispositivos de armazenamento, encriptação de dados enviados entre nós de rede, autenticação de pessoas ou processos que acessam dados, bem como o uso de registradores para gravar metadados, dados, transferência de dados, acessos de dados e transformações de dados. Em alguns exemplos, os registradores podem ser distribuídos e imutáveis (por exemplo, implementado como cadeia de blocos).

[00239] A FIG. 14 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, em que o presente sistema (ou partes dele) pode ser desdobrado. Por exemplo, um dispositivo móvel pode ser desdobrado no compartimento do operador de colheitadeira agrícola 100 para uso na geração, processamento ou exibição dos mapas supradiscutidos. As FIGS. 15-16 são exemplos de dispositivos portáteis ou móveis.

[00240] A FIG. 14 provê um diagrama de blocos geral dos componentes de um dispositivo cliente 16 que pode rodar alguns componentes mostrados na FIG. 2, que interage com eles, ou ambos. No dispositivo 16, uma ligação de comunicações 13 é provida que permite que o dispositivo portátil comunique com outros dispositivos de computação e em alguns exemplos provê um canal para receber informação automaticamente, tal como por escaneamento. Exemplos de ligação de comunicações 13 incluem permitir comunicação através de um ou mais protocolos de comunicação, tais como serviços sem fio usados para prover acesso celular a uma rede, bem como protocolos que proveem conexões sem fio locais a redes.

[00241] Em outros exemplos, aplicações podem ser recebidas em um cartão Digital Seguro (SD) removível que é conectado a uma interface 15. A interface 15 e ligações de comunicação 13 comunicam com um processador 17 (que pode também incorporar processadores ou servidores de outras FIGS.) ao longo de um barramento 19 que é também conectado à memória 21 e componentes de entrada/saída (E/S) 23, bem como relógio 25 e sistema de localização 27.

[00242] Os componentes de E/S 23, em um exemplo, são providos para facilitar operações de entrada e saída. Os componentes de E/S 23 para vários exemplos do dispositivo 16 podem incluir componentes de entrada tais como botões, sensores de toque, sensores ópticos, microfones, telas de toque, sensores de proximidade, acelerômetros, sensores de orientação e componentes de saída tais como um dispositivo de exibição, um alto-falante, e/ou uma porta de impressora. Outros componentes de E/S 23 podem ser usados igualmente.

[00243] O relógio 25 ilustrativamente compreende um componente de relógio de tempo real que produz uma hora e uma data. Ele pode também, ilustrativamente, prover funções de sincronismo para o processador 17.

[00244] O sistema de localização 27 ilustrativamente inclui um componente que produz uma localização geográfica atual do dispositivo 16. Isso pode incluir, por exemplo, um receptor de sistema de posicionamento global (GPS), um sistema LORAN, um sistema de posicionamento relativo, um sistema de triangulação celular, ou outro sistema de posicionamento. O sistema de localização 27 pode também incluir, por exemplo, software de mapeamento ou software de navegação que gera mapas, rotas de navegação e outras funções geográficas desejadas.

[00245] A memória 21 armazena sistema operacional 29, definições de rede 31, aplicações 33, definições de configuração de aplicação 35, armazenamento de dados 37, unidades de operação de comunicação 39, e definições de configuração de comunicação 41. A memória 21 pode incluir todos os tipos de dispositivos de memória legíveis por computador tangível volátil e não volátil. A memória 21 pode também incluir mídia de armazenamento por computador (descrita a seguir). A memória 21 armazena instruções legíveis por computador que, quando executadas pelo processador 17, fazem com que o processador realize etapas ou funções implementadas por computador de acordo com as instruções. O processador 17 pode ser ativado por outros componentes para facilitar sua funcionalidade igualmente.

[00246] A FIG. 15 mostra um exemplo em que dispositivo 15 é um computador tablet 600. Na FIG. 15, o computador 601 é mostrado com tela de exibição de interface de usuário 602. A tela 602 pode ser uma tela de toque ou uma interface habilitada por caneta que recebe entradas de uma caneta ou dispositivo tipo caneta. O computador tablet 600 pode também usar um teclado virtual na tela. Certamente, o computador 601 pode também ser ligado a um teclado ou outro dispositivo de entrada de usuário por meio de um mecanismo de ligação adequado, tal como uma ligação sem fio ou porta USB, por exemplo. O computador 601 pode também ilustrativamente receber entradas de voz igualmente.

[00247] A FIG. 16 é similar à FIG. 15, exceto que o dispositivo é um smartphone 71. Smartphone 71 tem uma exibição sensível ao toque 73 que exibe ícones ou azulejos ou outros mecanismos de entrada de usuário 75. Os mecanismos 75 podem ser usados por um usuário para rodar aplicações, fazer chamadas, realizar operações de transferência de dados, etc. Em geral, smartphone 71 é embutido em um sistema operacional móvel e oferece capacidade de computação e conectividade mais avançada do que um telefone de recursos.

[00248] Note que outras formas dos dispositivos 16 são possíveis.

[00249] A FIG. 17 é um exemplo de um ambiente de computação no qual os elementos da FIG. 2 podem ser desdobrados. Com referência à FIG. 17, um sistema exemplificativo para implementar algumas modalidades inclui um dispositivo de computação na forma de um computador 810 programado para operar como aqui discutido. Os componentes de computador 810 podem incluir, mas não são limitados a isso, uma unidade de processamento 820 (que pode compreender processadores ou servidores de FIGS. anteriores), uma memória do sistema 830, e um barramento do sistema 821 que acopla vários componentes do sistema incluindo a memória do sistema à unidade de processamento 820. O barramento do sistema 821 pode ser qualquer um de diversos tipos de estruturas de barramento incluindo um barramento de memória ou controlador de memória, um barramento periférico e um barramento local usando qualquer uma de uma variedade de arquiteturas de barramento. Memória e programas descritos com relação à FIG. 2 podem ser desdobradas em porções correspondentes da FIG. 17.

[00250] O computador 810 tipicamente inclui uma variedade de mídias legíveis por computador. Mídia legível por computador pode ser qualquer mídia disponível que pode ser acessada por computador 810 e inclui tanto mídia volátil quanto não volátil, mídia removível quanto não removível. A título de exemplo, e não de limitação, mídia legível por computador pode compreender mídia de armazenamento por computador e mídia de comunicação. Mídia de armazenamento por computador é diferente, e não inclui, um sinal de dados modulado ou onda portadora. Mídia legível por computador inclui mídia de armazenamento de hardware incluindo mídia tanto volátil quanto não volátil, removível quanto não removível implementada em qualquer método ou tecnologia para armazenamento de informação tais como instruções legíveis por computador, estruturas de dados, módulos de programa ou outros dados. Mídia de armazenamento por computador inclui, mas não é 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 por computador 810. Mídia de comunicação pode incorporar instruções legíveis por computador, estruturas de dados, módulos de programa ou outros dados em um mecanismo de transporte e inclui qualquer mídia de entrega de informação. A expressão “sinal de dados modulado” significa um sinal que tem uma ou mais de suas características definidas ou alteradas de uma maneira tal a codificar informação no sinal.

[00251] O sistema memória 830 inclui mídia de armazenamento por computador na forma de memória volátil e/ou não volátil, ou ambas, tais como memória apenas de leitura (ROM) 831 e memória de acesso aleatório (RAM) 832. Um sistema básico de entrada/saída 833 (BIOS), contendo as rotinas básicas que ajudam a transferir informação entre elementos no computador 810, tal como durante iniciação, é tipicamente armazenada em ROM 831. RAM 832 tipicamente contém dados ou módulos de programa, ou ambos, que são imediatamente acessíveis e/ou que estão atualmente sendo operados pela unidade de processamento 820. A título de exemplo, e não de limitação, a FIG. 17 ilustra sistema operacional 834, programas de aplicação 835, outros módulos de programa 836 e dados de programa 837.

[00252] O computador 810 pode também incluir outra mídia de armazenamento por computador removível/não removível volátil/não volátil. Apenas a título de exemplo, a FIG. 17 ilustra uma unidade de disco rígido 841 que lê ou grava em mídia magnética não removível, não volátil, uma unidade de disco óptico 855 e disco óptico não volátil 856. A unidade de disco rígido 841 é tipicamente conectada ao barramento do sistema 821 por meio de uma interface de memória não removível tal como a interface 840, e unidade de disco óptico 855 são tipicamente conectadas ao barramento do sistema 821 por uma interface de memória removível, tal como a interface 850.

[00253] Alternativamente, ou adicionalmente, a funcionalidade descrita no presente documento pode ser realizada, pelo menos em parte, por um ou mais componentes lógicos de hardware. Por exemplo, e sem limitação, tipos ilustrativos de componentes lógicos de hardware que podem ser usados incluem Arranjos de Porta Programável no Campo (FPGAs), Circuitos Integrados específicos da Aplicação (por exemplo, ASICs), Produtos Padrões específicos da Aplicação (por exemplo, ASSPs), sistemas Sistema-em-umchip (SOCs), Dispositivos de Lógica Programável Complexa (CPLDs), etc.

[00254] As unidades e suas mídias de armazenamento por computador associadas supradiscutidas e ilustradas na FIG. 17 proveem armazenamento de instruções legíveis por computador, estruturas de dados, módulos de programa e outros dados para o computador 810. Na FIG. 17, por exemplo, a unidade de disco rígido 841 é ilustrada armazenando o sistema operacional 844, programas de aplicação 845, outros módulos de programa 846 e dados de programa 847. Note que esses componentes podem ser tanto os mesmos quanto diferentes do sistema operacional 834, programas de aplicação 835, outros módulos de programa 836 e dados de programa 837.

[00255] Um usuário pode entrar com comandos e informação no computador 810 através de dispositivos de entrada tais como um teclado 862, um microfone 863 e um dispositivo de apontamento 861, tal como um mouse, mouse tipo esfera ou bloco de toque. Outros dispositivos de entrada (não mostrados) podem incluir uma manete, bloco de jogos, disco satélite, escâner, ou similares. Esses e outros dispositivos de entrada são frequentemente conectados à unidade de processamento 820 através de uma interface de entrada de usuário 860 que é acoplada ao barramento do sistema, mas pode ser conectada por outras estruturas de interface e barramento. Uma exibição visual 891 ou outro tipo de dispositivo de exibição é também conectado ao barramento do sistema 821 por meio de uma interface, tal como uma interface de vídeo 890. Além do monitor, computadores podem também incluir outros dispositivos de saída periféricos tais como alto-falantes 897 e impressora 896, que podem ser conectados por meio de uma interface periférica de saída 895.

[00256] O computador 810 é operado em um ambiente ligado em rede usando conexões lógicas (tais como uma rede de área do controlador – CAN, rede de área local – LAN, ou rede de longa distância WAN) a um ou mais computadores remotos, tal como um computador remoto 880.

[00257] Quando usado em um ambiente de rede LAN, o computador 810 é conectado à LAN 871 através de uma interface de rede ou adaptador 870. Quando usado em um ambiente de rede WAN, o computador 810 tipicamente inclui um modem 872 ou outro meio para estabelecer comunicações pela WAN 873, tal como a Internet. Em um ambiente ligado em rede, módulos de programa podem ser armazenados em um dispositivo de armazenamento de memória remoto. A FIG. 17 ilustra, por exemplo, que programas de aplicação remotos 885 podem residir em computador remoto 880.

[00258] Deve-se também notar que diferentes exemplos descritos no presente documento podem ser combinados de diferentes maneiras. Ou seja, partes de um ou mais exemplos podem ser combinadas com partes de um ou mais outros exemplos. Tudo isso é contemplado no presente documento.

[00259] Embora a matéria tenha sido descrita em linguagem específica de recursos estruturais ou atos metodológicos, deve-se entender que a matéria definida nas reivindicações anexas não está necessariamente limitada aos recursos ou atos específicos supradescritos. Em vez disso, os recursos e atos específicos supradescritos são descritos como formas exemplificativas das reivindicações.

Claims

Sistema agrícola (200), caracterizado pelo fato de que compreende: um sistema de comunicação (206) configurado para obter: dados de estado de cultura históricos (258/339/340/341) indicativos de valores históricos de estado de cultura; dados de característica agrícola históricos (258/334/335/337) indicativos de valores históricos de uma característica agrícola; e dados sazonais (259/351/353/355) indicativos de valores sazonais geolocalizados da característica agrícola correspondente a uma estação atual; e um gerador de mapa preditivo (212) configurado para gerar um mapa de estado de cultura preditivo funcional (360) de um campo a ser colhido por uma máquina de trabalho agrícola (100) que mapeia valores de estado de cultura preditivos para diferentes localizações geográficas no campo a ser colhido com base nos valores históricos de estado de cultura e nos valores históricos da característica agrícola e com base nos valores sazonais da característica agrícola nessas diferentes localizações geográficas; um sensor de posição geográfica (204) configurado para detectar uma localização geográfica da máquina de trabalho agrícola (100); e um sistema de controle (214) configurado para gerar um sinal de controle para controlar um subsistema controlável (216) da máquina de trabalho agrícola (100) com base em uma localização geográfica detectada da máquina de trabalho agrícola (100) e com base no mapa de estado de cultura preditivo funcional (360).
Sistema agrícola de acordo com a reivindicação 1, caracterizado pelo fato de que os valores de estado de cultura preditivos indicam um ou mais de uma magnitude de derrubamento de cultura da cultura no campo e uma orientação da cultura no campo.
Sistema agrícola de acordo com a reivindicação 1, caracterizado pelo fato de que compreende adicionalmente: um gerador de modelo preditivo (210) configurado para gerar um modelo de estado de cultura preditivo histórico (350) que modela um relacionamento entre os valores de estado de cultura históricos e os valores de característica agrícola históricos, em que o gerador de mapa preditivo (212) é configurado para gerar o mapa de estado de cultura preditivo funcional (360) com base nos valores sazonais de característica agrícola nos dados sazonais (259/351/353/355) e com base no modelo de estado de cultura preditivo histórico (350).
Sistema agrícola de acordo com a reivindicação 1, caracterizado pelo fato de que compreende adicionalmente: um sensor in situ (208) configurado para detectar um valor de estado de cultura correspondente uma localização geográfica no campo; e em que o gerador de mapa preditivo (212) é configurado para gerar um mapa de estado de cultura preditivo funcional revisado (361) do campo que mapeia valores de estado de cultura preditivos revisados para diferentes localizações geográficas no campo com base no valor detectado do estado de cultura.
Sistema agrícola de acordo com a reivindicação 1, caracterizado pelo fato de que compreende adicionalmente: um gerador de modelo preditivo (210) configurado para gerar um modelo de estado de cultura preditivo histórico revisado (351) que modela um relacionamento entre valores de estado de cultura, que incluem um valor detectado do estado de cultura in situ durante uma operação atual e os valores de estado de cultura históricos, e valores de característica agrícola, que incluem os valores históricos da característica agrícola e um valor sazonal da característica agrícola correspondente a uma localização do valor detectado do estado de cultura, em que o gerador de mapa preditivo (212) é configurado para gerar um mapa de estado de cultura preditivo funcional revisado (361) do campo que mapeia valores de estado de cultura preditivos revisados para diferentes localizações geográficas no campo com base nos valores sazonais da característica agrícola nos dados sazonais (259/351/353/355) nessas diferentes localizações geográficas e com base no modelo de estado de cultura preditivo histórico revisado (351).
Sistema agrícola de acordo com a reivindicação 5, caracterizado pelo fato de que o sistema de controle (214) gera um sinal de controle adicional para controlar o subsistema controlável (216) com base em uma localização geográfica detectada adicional da máquina de trabalho agrícola (100) e com base em um valor de estado de cultura preditivo revisado no mapa de estado de cultura preditivo funcional revisado (361).
Sistema agrícola de acordo com a reivindicação 1, caracterizado pelo fato de que o sistema de controle compreende pelo menos um de: um controlador de plataforma/carretilha (238) configurado para gerar um sinal de controle de plataforma com base na localização geográfica detectada da máquina de trabalho agrícola e no mapa de estado de cultura preditivo funcional (360) e controlar o subsistema controlável (216/248) com base no sinal de controle de plataforma para controlar uma altura, inclinação, ou rolamento de uma plataforma da máquina de trabalho agrícola ou uma posição de carretilha de uma carretilha da máquina de trabalho agrícola; um controlador de definições (232) configurado para gerar um sinal de controle de velocidade com base na localização geográfica detectada da máquina de trabalho agrícola e no mapa de estado de cultura preditivo funcional (360) e controlar o subsistema controlável (216/250) com base no sinal de controle de velocidade para controlar uma velocidade da máquina de trabalho agrícola; um controlador de planejamento de trajeto (234) configurado para gerar um sinal de controle de planejamento de trajeto, indicativo de uma rota, com base na localização geográfica detectada da máquina de trabalho agrícola e no mapa de estado de cultura preditivo funcional (360) e controlar o subsistema controlável (216/252) com base no rota; e um controlador de interface de operador (231) configurado para gerar um sinal de controle de interface de operador para controlar o subsistema controlável (216/218) para gerar um representação de mapa de interface de usuário (728) do mapa de estado de cultura preditivo funcional (360).
Método implementado por computador para controlar uma máquina de trabalho agrícola, caracterizado pelo fato de que compreende obter dados de estado de cultura históricos (258/339/340/341) indicativos de valores históricos de estado de cultura; obter dados de característica agrícola históricos (258/334/335/337) indicativos de valores históricos de características agrícolas; obter dados sazonais (259/351/353/355) indicativos de valores sazonais geolocalizados das características agrícolas correspondentes a uma estação atual; gerar um mapa de estado de cultura preditivo funcional (360) de um campo que mapeia valores de estado de cultura preditivos para diferentes localizações geográficas no campo com base nos valores históricos de estado de cultura e nos valores históricos das características agrícolas e com base nos valores sazonais das características agrícolas nessas diferentes localizações geográficas; detectar uma localização geográfica da máquina de trabalho agrícola (100); controlar um subsistema controlável (216) com base na posição geográfica da máquina de trabalho agrícola (100) e com base no mapa de estado de cultura preditivo funcional (360).
Método implementado por computador de acordo com a reivindicação 8, caracterizado pelo fato de que compreende adicionalmente: gerar um modelo de estado de cultura preditivo histórico (350) que modela um relacionamento entre os valores históricos de estado de cultura e os valores históricos das características agrícolas, em que gerar o mapa de estado de cultura preditivo funcional (360) compreende gerar o mapa de estado de cultura preditivo funcional (360) com base nos valores sazonais das características agrícolas nos dados sazonais (259/351/353/355) e com base no modelo de estado de cultura preditivo histórico (350).
Método implementado por computador de acordo com a reivindicação 8, caracterizado pelo fato de que compreende adicionalmente: detectar, com um sensor in situ (208), um valor in situ de estado de cultura correspondente a uma localização geográfica no campo.
Método implementado por computador de acordo com a reivindicação 10, caracterizado pelo fato de que compreende adicionalmente: gerar um mapa de estado de cultura preditivo funcional revisado (361) do campo que mapeia valores de estado de cultura preditivos revisados para diferentes localizações geográficas no campo com base no valor in situ de estado de cultura detectado.
Método implementado por computador de acordo com a reivindicação 11, caracterizado pelo fato de que compreende adicionalmente: gerar um modelo de estado de cultura preditivo histórico revisado (351) que modela um relacionamento entre valores de estado de cultura, que incluem o valor in situ de estado de cultura detectado e os valores históricos de estado de cultura, e valores de características agrícolas, que incluem os valores históricos das características agrícolas e os valores sazonais das características agrícolas correspondentes à localização geográfica do valor detectado do estado de cultura, em que gerar o mapa de estado de cultura preditivo funcional revisado (361) compreende gerar o mapa de estado de cultura preditivo funcional revisado (361) com base nos valores sazonais das características agrícolas nos dados sazonais (259/351/353/355) e com base no modelo de estado de cultura preditivo histórico revisado (350).
Método implementado por computador de acordo com a reivindicação 8, caracterizado pelo fato de que obter dados de característica agrícola históricos (258/334/335/337) que incluem valores históricos das características agrícolas compreende um ou mais de: obter dados de plantio de cultura históricos (334) que incluem valores de plantio de cultura históricos; obter dados de condições climáticas históricos (335) que incluem valores de condições climáticas históricos; e obter dados de desenvolvimento de cultura históricos (337) que incluem valores de desenvolvimento de cultura históricos.
Método implementado por computador de acordo com a reivindicação 8, caracterizado pelo fato de que obter dados sazonais (259/351/353/355) que incluem valores sazonais geolocalizados das características agrícolas correspondentes a uma estação atual compreende um ou mais de: obter dados de cultura de planta sazonais (351) que incluem valores de plantio de cultura sazonais geolocalizados correspondentes à estação atual; obter dados de condições climáticas sazonais (353) que incluem valores de condições climáticas sazonais geolocalizados correspondentes à estação atual; e obter dados de desenvolvimento de cultura sazonais (355) que incluem valores de desenvolvimento de cultura sazonal geolocalizados correspondentes à estação atual.
Método implementado por computador de acordo com a reivindicação 8, caracterizado pelo fato de que controlar um subsistema controlável compreende pelo menos um de: gerar um sinal de controle de plataforma (238) com base na localização geográfica detectada da máquina de trabalho agrícola (100) e no mapa de estado de cultura preditivo funcional (360) e controlar o subsistema controlável (216/248) com base no sinal de controle de plataforma para controlar uma atuador de plataforma da máquina de trabalho agrícola (100); gerar um sinal de controle de velocidade (232) com base na localização geográfica detectada e no mapa de estado de cultura preditivo funcional (360) e controlar o subsistema controlável (216/250) com base no sinal de controle de velocidade para controlar uma velocidade da máquina de trabalho agrícola (100); gerar um sinal de controle de planejamento de trajeto (234), indicativo de uma rota, com base na localização geográfica detectada da máquina de trabalho agrícola (100) e no mapa de estado de cultura preditivo funcional (360) e controlar o subsistema controlável (216/252) com base na rota; e gerar um sinal de controle de interface de operador (231) e controlar o subsistema controlável (216/218) para gerar um representação de mapa de interface de usuário (728) do mapa de estado de cultura preditivo funcional (360).