BR112018008750B1 - Método implementado por computador de recomendações de colheita de milho e mídia de armazenamento não transitório - Google Patents

Abstract

método implementado por computador de recomendações de colheita de milho e mídia de armazenamento não transitório. técnicas implementadas por computador para determinar períodos de colheita de safra durante uma estação de crescimento com base em propriedades de sementes híbridas e condições meteorológicas são fornecidas. um sistema de computador servidor recebe dados representando propriedades de sementes híbridas, incluindo tipo de semente, maturidade relativa, e dados de condições meteorológicas. o sistema de computador cria e armazena uma série temporal de teor de umidade de equilíbrio para a geolocalização específica com base em dados de condições meteorológicas, a qual é usada para determinar a taxa de secagem de grãos. o sistema de computador calcula teor de umidade de r6 para uma semente híbrida específica com base em uma pluralidade de dados de sementes híbridas. o sistema de computador cria um modelo de série temporal de taxa de secagem de grãos, com base na série temporal de teor de umidade de equilíbrio, na data de r6, no teor de umidade de r6 e em propriedades de sementes híbridas. o sistema de computador determina e exibe uma recomendação de período de colheita com base na série temporal de taxa de secagem de grãos e no nível de umidade desejado pelo agricultor.

Description

AVISO DE DIREITOS AUTORAIS

[001] Uma parte da revelação deste documento de patente contém material que está sujeito à proteção de direitos autorais. O proprietário dos direitos autorais não tem objeção à reprodução por meio de fac-símile por qualquer pessoa do documento de patente ou da revelação de patente, tal como ele aparece no arquivo ou gravações de patentes do Escritório de Marcas e Patentes, mas de outro modo reserva todos os direitos autorais ou direitos sejam quais forem. © 2015 The Climate Corporation.

CAMPO DA REVELAÇÃO

[002] A presente revelação diz respeito às técnicas implementadas por computador para modelar umidade de grão relacionada com determinar período de colheita ideal para sementes de milho híbrido com base em tipo de semente, dados de campo agrícola e dados de condições meteorológicas.

ANTECEDENTES

[003] As abordagens descritas nesta seção são abordagens que podem ser seguidas, mas não são necessariamente abordagens que tenham sido concebidas ou seguidas anteriormente. Portanto, a não ser que indicado de outro modo, não deve ser assumido que qualquer uma das abordagens descritas nesta seção se qualifica como técnica anterior meramente por causa de sua inclusão nesta seção.

[004] Grão de milho colhido é classificado em cinco graus, com o grau de qualidade mais alta, o Grau No. 1, sendo o mais caro. Classificar grão de milho envolve classificar um peso mínimo por alqueire e uma porcentagem de grãos danificados por alqueire. Embora umidade de grão não seja usada ao determinar graus de qualidade de grãos de milho, ela é usada para determinar um preço de venda por alqueire de um grau particular. Umidade de grão se refere a e é medida como a razão de massa de água para massa de grão úmido, referida neste documento como “base úmida”. Nível de umidade de grão é importante para compradores porque o nível de umidade em grão pode afetar a quantidade de degradação de grão durante armazenamento e expedição. Portanto, compradores de uma maneira geral solicitam que umidade de grão seja de cerca de 15,5% ou menor. Se um agricultor tiver colhido milho que tenha mais que a umidade de grão desejada, então compradores podem querer um desconto para o milho colhido. O custo pode ser significativo.

[005] Por exemplo, o impacto econômico de um agricultor que colheu 1.000 lb (453,59 kg) de milho com umidade de grão de 20% é que o preço por alqueire seria reduzido com base no peso de colheita após secar a colheita para o nível de umidade desejado. Neste caso, secar 1.000 lb (453,59 kg) de colheita em um nível de umidade de 20% para um nível de umidade de 15,5% diminuiria o peso de colheita total para aproximadamente 955 lb (433,18 kg). Esta perda em peso total equipararia a uma redução de cerca 4,5% no valor. Portanto, o impacto econômico pode ser significativo se uma colheita não estiver no nível de umidade de grão desejado.

[006] À medida que um grão cresce, a planta de milho transfere água e nutrientes para o grão. Durante maturação a quantidade de umidade de grão começa a diminuir lentamente. Quando o grão alcança a maturidade fisiológica, referida como estágio R6, existe uma troca passiva de umidade entre o grão e o ar externo. O estágio R6 também é referido como “camada preta” porque maturidade fisiológica ocorre quando uma camada preta se forma na base dos grãos. A camada preta é uma camada de amido dura que fica preta ou marrom e corta a água e transfere matéria seca para o grão. Uma vez que o estágio R6 seja alcançado a diminuição na umidade de grão é primariamente por causa da taxa de perda de água do grão propriamente dito para o ar externo. Esta taxa é referida como taxa de secagem de grãos.

[007] Taxa de secagem de grãos é influenciada por muitos fatores. Um fator como este é a temperatura e umidade de ar ambiente. Umidade mais alta ou temperaturas mais baixas podem diminuir a taxa de secagem de grãos porque existe menos diferença entre a umidade no grão e o ar ambiente. De modo oposto, áreas onde a umidade e/ou temperatura são baixas a taxa de secagem de grãos pode ser acelerada. Portanto, agricultores devem considerar condições meteorológicas correntes e futuras ao estimar o período de colheita ideal com base na taxa de secagem de grãos.

[008] Produtores de sementes de milho híbrido fornecem classificações de maturidades relativas para ajudar agricultores a predizer quando devem colher seus grãos com base no ambiente e no tipo de semente híbrida. Maturidade relativa é um método para classificar uma semente híbrida de milho com base no mega-ambiente onde ela é plantada. Maturidade relativa é um sistema de classificação que ajuda a determinar quando um híbrido pode ser colhido seguramente com perda de colheita mínima por causa de umidade excessiva ou danos de grãos, usualmente com base na suposição de que perda de umidade de grãos se iguala aproximadamente a 0,5 ponto porcentual por dia. Portanto, dois dias de secagem de campo se iguala um dia de maturidade relativa. Por exemplo, se ao híbrido A for designada uma maturidade relativa de 110 e ao híbrido B for designada uma maturidade relativa de 114, e se o híbrido A e o híbrido B forem plantados no mesmo dia, então é entendido que na média o híbrido B tem dois pontos porcentuais a mais de umidade do que o híbrido A quando o híbrido A completa sua taxa de secagem. Agricultores usam os dados de maturidade relativa para definir quando devem colher seu milho com base em valores de maturidade relativa.

[009] Um outro fator ao determinar períodos de colheita ideais é determinar quando R6 começa, já que a camada preta física na base do grão não é visível a não ser que o milho seja dissecado. Portanto, agricultores estimam o começo do estágio R6 com base em aproximações fornecidas por produtores e dados históricos observados das diferentes sementes híbridas. Entretanto, conhecer a taxa de secagem de grãos e a data de início aproximada do estágio R6 é útil somente se agricultores conhecerem o teor de umidade de grão inicial no início do R6. Produtores e agricultores estimam a umidade média para híbridos de milho em cerca de 30%. Ao usar teor de umidade de grãos generalizado no R6, predições de taxa de secagem estão propensas a erro se o teor de umidade de início não estiver perto do estimado de 30%. Oscilações individuais entre teor de umidade de grãos no R6 para variedades de sementes híbridas específicas podem resultar em erros ao predizer períodos de colheita com base em um teor de umidade de grãos alvo na colheita.

DESCRIÇÃO RESUMIDA DOS DESENHOS

[010] Nos desenhos: A figura 1 ilustra um sistema de computador de exemplo que é configurado para executar as funções descritas neste documento, mostrado em um ambiente de campo com outro aparelho com o qual o sistema pode operar em conjunto. A figura 2 ilustra duas vistas de uma organização lógica de exemplo de conjuntos de instruções em memória principal quando uma aplicação móvel de exemplo é carregada para execução. A figura 3 ilustra um processo programado pelo qual o sistema de computador de inteligência agrícola gera um ou mais modelos agronômicos pré-configurados usando dados agronômicos fornecidos por uma ou mais fontes de dados. A figura 4 é um diagrama de blocos que ilustra um sistema de computador 400 no qual uma modalidade da invenção pode ser implementada. A figura 5 representa um algoritmo ou processo programado de exemplo para determinar período de colheita ideal para um milho específico plantado em uma geolocalização específica com base em teor de umidade de grãos alvo na colheita. A figura 6 representa um algoritmo ou processo programado de exemplo para receber dados agrícolas de fontes externas. A figura 7 representa um algoritmo ou processo programado de exemplo pelo qual lógica de umidade de grãos é usada para estimar teor de umidade de grãos para a semente híbrida específica no R6. A figura 8 representa um algoritmo ou processo programado de exemplo pelo qual lógica de taxa de secagem de grãos é usada para calcular diariamente taxas de secagem iniciando no R6. A figura 9 mostra uma representação gráfica de um modelo de recomendação de coleta de amostras que pode ser exibida de forma digital em um mostrador de computador. A figura 10 representa uma modalidade de exemplo de uma vista de linha de tempo para entrada de dados. A figura 11 representa uma modalidade de exemplo de uma vista de planilha para entrada de dados.

DESCRIÇÃO DETALHADA

[011] Na descrição a seguir, para o propósito de explicação, inúmeros detalhes específicos estão expostos a fim de fornecer um entendimento completo da presente revelação. Estará aparente, entretanto, que modalidades podem ser praticadas sem estes detalhes específicos. Em outras instâncias, estruturas e dispositivos bem conhecidos estão mostrados em forma de diagrama de blocos a fim de evitar obscurecer desnecessariamente a presente revelação. Modalidades são reveladas em seções de acordo com o seguinte esboço: 1. VISTA GERAL 2. SISTEMA DE COMPUTADOR DE INTELIGÊNCIA AGRÍCOLA DE EXEMPLO 2.1. VISTA GERAL ESTRUTURAL 2.2. VISTA GERAL DE PROGRAMA DE APLICAÇÃO 2.3. INGESTÃO DE DADOS PARA O SISTEMA DE COMPUTADOR 2.4. VISTA GERAL DE PROCESSO - TREINAMENTO DE MODELO AGRONÔMICO 2.5. SUBSISTEMA DE ESTIMATIVA DE PROPRIEDADE DE SOLO 2.6. EXEMPLO DE IMPLEMENTAÇÃO - VISTA GERAL DE HARDWARE 3. VISTA GERAL FUNCIONAL 3.1. RECEBIMENTO DE DADOS 3.2. LÓGICA DE TEOR DE UMIDADE DE EQUILÍBRIO 3.3. LÓGICA DE UMIDADE DE GRÃOS 3.4. LÓGICA DE TAXA DE SECAGEM DE GRÃOS 3.5. LÓGICA DE RECOMENDAÇÃO DE COLHEITA

1. VISTA GERAL

[012] Um sistema de computador e técnicas implementadas por computador são fornecidos para determinar períodos de colheita de safra durante uma estação de crescimento com base em propriedades de sementes híbridas, condições meteorológicas e geolocalização de campos plantados. Em uma modalidade, determinação de períodos de colheita de safra para campos de milho pode ser executada usando um sistema de computador servidor que é programado para receber, por meio de uma rede de comunicação digital, dados digitais eletrônicos representando propriedades de sementes híbridas, incluindo tipo de semente e maturidade relativa, e dados de condições meteorológicas para a geolocalização específica do campo agrícola. Dados de condições meteorológicas incluem temperatura, umidade e ponto de orvalho para um período especificado de dias. Usando lógica de teor de umidade de equilíbrio programada digitalmente dentro do sistema de computador, o sistema é programado para criar e armazenar, em memória de computador, uma série temporal de teor de umidade de equilíbrio para a geolocalização específica que é baseada em dados de condições meteorológicas. Teor de umidade de equilíbrio em um dia particular representa a fração de teor de umidade de equilíbrio em base seca esperada que seria encontrada no grão na geolocalização específica se uma quantidade ilimitada de tempo fosse permitida para troca de umidade no grão e no ar e para alcançar equilíbrio de acordo com a condição meteorológica desse dia particular. O teor de umidade de equilíbrio é usado para determinar a taxa de secagem de grãos com base em cálculos implementados por computador de quão fortemente vapor de água dissipará de um grão para o ar aberto em um dia específico.

[013] Usando lógica de umidade de grãos programada digitalmente, o sistema de computador é programado para calcular e armazenar em memória de computador teor de umidade de R6 para uma semente híbrida específica com base em uma pluralidade de dados de sementes híbridas. O teor de umidade de R6 é importante para determinar a umidade inicial estimada dos grãos para o modelo de série temporal de taxa de secagem de grãos que é discutida a seguir.

[014] Usando lógica de taxa de secagem de grãos programada digitalmente, o sistema de computador também é programado para criar e armazenar em memória de computador um modelo de série temporal de taxa de secagem de grãos para a semente híbrida específica na geolocalização específica que representa o teor de umidade estimado do grão em pontos de dados no tempo especificados. “Modelo”, neste contexto, se refere a um conjunto de instruções executáveis por computador e dados associados que podem ser invocados, chamados, executados, resolvidos ou calculados para produzir dados de saída armazenados digitalmente com base em dados de entrada que são recebidos em forma digital eletrônica. É conveniente, de vez em quando, nesta revelação especificar um modelo usando uma ou mais equações matemáticas, mas qualquer tal modelo é pretendido para ser implementado em instruções programadas executáveis por computador que são armazenadas em memória com dados associados. A série temporal de taxa de secagem de grãos é baseada na série temporal de teor de umidade de equilíbrio, na data de R6 estimada, no teor de umidade de R6 estimado e em propriedades específicas de sementes híbridas.

[015] Usando lógica de recomendação de colheita programada digitalmente, o sistema de computador é programado para determinar e exibir uma recomendação de período de colheita para colher safra germinada de uma planta de semente híbrida específica com base na série temporal de taxa de secagem de grãos e no nível de umidade desejado do agricultor.

2. SISTEMA DE COMPUTADOR DE INTELIGÊNCIA AGRÍCOLA DE EXEMPLO 2.1 VISTA GERAL ESTRUTURAL

[016] A figura 1 ilustra um sistema de computador de exemplo que é configurado para executar as funções descritas neste documento, mostrado em um ambiente de campo com outro aparelho com o qual o sistema pode operar em conjunto. Em uma modalidade, um usuário 102 possui, opera ou controla um dispositivo de computação gerenciador de campos 104 em uma localização de campo ou associado com uma localização de campo tal como um campo pretendido para atividades agrícolas ou uma localização de gerenciamento para um ou mais campos agrícolas. O dispositivo de computação gerenciador de campos 104 é programado ou configurado para fornecer os dados de campo 106 para um sistema de computador de inteligência agrícola 130 por meio de uma ou mais redes 109.

[017] Exemplos dos dados de campo 106 incluem (a) dados de identificação (por exemplo, tamanho da área em acres, nome de campo, identificadores de campos, identificadores geográficos, identificadores de limites, identificadores de safra e quaisquer outros dados adequados que possam ser usados para identificar a região de fazenda, tal como uma unidade de terra comum (CLU), número de lote e de bloco, um número de terreno, coordenadas e limites geográficos, Número Serial de Fazenda (FSN), número de fazenda, número de área, número de campo, seção, município e/ou área), (b) dados de colheita (por exemplo, tipo de safra, variedade de safra, rotação de safra, se a safra é desenvolvida organicamente, data de colheita, Histórico de Produção Real (APH), rendimento esperado, produção, preço de safra, receita de safra, umidade de grão, prática de cultura e informação de estação de crescimento anterior), (c) dados de solo (por exemplo, tipo, composição, pH, matéria orgânica (OM), capacidade de troca de cátions (CEC)), (d) dados de plantação (por exemplo, data de plantação, tipo(s) de semente(s), maturidade relativa (RM) de sementes plantadas, população de sementes), (e) dados de fertilizantes (por exemplo, tipo de nutriente (nitrogênio, fósforo, potássio), tipo de aplicação, data de aplicação, quantidade, fonte, método), (f) dados de pesticidas (por exemplo, pesticida, herbicida, fungicida outra substância ou mistura de substâncias pretendida para uso como um regulador de planta, desfolhante ou dessecante, data de aplicação, quantidade, fonte, método), (g) dados de irrigação (por exemplo, data de aplicação, quantidade, fonte, método), (h) dados de condições meteorológicas (por exemplo, precipitação, temperatura, vento, previsão, pressão, visibilidade, nuvens, índice de calor, ponto de orvalho, umidade, profundidade de neve, qualidade do ar, nascer do sol, pôr do sol), (i) dados de imagens (por exemplo, informação de espectro de imagens e de luz de um sensor de aparelho agrícola, câmera, computador, telefone inteligente, tablet, veículo aéreo não tripulado, planos ou satélite), (j) observações de exploração (fotos, vídeos, notas de forma livre, gravações de voz, transcrições de voz, condições meteorológicas (temperatura, precipitação (corrente e ao longo do tempo), umidade de solo, estágio de crescimento de safra, velocidade de vento, umidade relativa, ponto de orvalho, camada preta)), e (k) solo, semente, fenologia de safra, reportação de pestes e doenças, e fontes de predições e bases de dados.

[018] Um computador servidor de dados 108 é acoplado comunicativamente ao sistema de computador de inteligência agrícola 130 e é programado ou configurado para enviar os dados externos 110 para o sistema de computador de inteligência agrícola 130 por meio da(s) rede(s) 109. O computador servidor de dados externos 108 pode pertencer ou ser operado pela mesma pessoa ou entidade legal que opera o sistema de computador de inteligência agrícola 130, ou por uma pessoa ou entidade diferente tal como uma agência de governo, organização não governamental (NGO) e/ou um provedor de serviços de dados privado. Exemplos de dados externos incluem dados de condições meteorológicas, dados de imagens, dados de solo ou dados estatísticos se relacionando com produções de safras, dentre outros. Os dados externos 110 podem consistir do mesmo tipo de informação dos dados de campo 106. Em algumas modalidades, os dados externos 110 são fornecidos por um servidor de dados externos 108 pertencente à mesma entidade que possui e/ou opera o sistema de computador de inteligência agrícola 130. Por exemplo, o sistema de computador de inteligência agrícola 130 pode incluir um servidor de dados focalizado exclusivamente em um tipo que de outro modo pode ser obtido de fontes de entidades externas, tais como dados de condições meteorológicas. Em algumas modalidades, um servidor de dados externos 108 pode ser realmente incorporado ao sistema 130.

[019] Um aparelho agrícola 111 tem um ou mais sensores remotos 112 ligados ao mesmo, cujos sensores são acoplados comunicativamente diretamente ou indiretamente via aparelho agrícola 111 ao sistema de computador de inteligência agrícola 130, e que são programados ou configurados para enviar dados de sensor para o sistema de computador de inteligência agrícola 130. Exemplos do aparelho agrícola 111 incluem tratores, colheitadeiras de grãos, colheitadeiras, semeadoras, caminhões, equipamento de fertilizante, veículos aéreos não tripulados e qualquer outro item de maquinário ou hardware físico, tipicamente maquinário móvel, e que possa ser usado em tarefas associadas com agricultura. Em algumas modalidades, uma única unidade do aparelho 111 pode compreender uma pluralidade dos sensores 112 que são acoplados localmente em uma rede ao aparelho; rede de controle de área (CAN) é um exemplo de uma rede como esta que pode ser instalada em combinadora de grãos ou colheitadeiras. O controlador de aplicação 114 é acoplado comunicativamente ao sistema de computador de inteligência agrícola 130 por meio da(s) rede(s) 109 e é programado ou configurado para receber um ou mais scripts para controlar um parâmetro de operação de um veículo ou implemento agrícola do sistema de computador de inteligência agrícola 130. Por exemplo, uma interface de barramento de rede de controle de área (CAN) pode ser usada para capacitar comunicações do sistema de computador de inteligência agrícola 130 para o aparelho agrícola 111, tal como o CLIMATE FIELDVIEW DRIVE, disponível pela The Climate Corporation, São Francisco, Califórnia, é usado. Dados de sensor podem consistir do mesmo tipo de informação dos dados de campo 106.

[020] O aparelho 111 pode compreender um computador de cabine 115 que é programado com uma aplicação de cabine, a qual pode compreender uma versão ou variante da aplicação móvel para o dispositivo 104 que é descrita adicionalmente em outras seções neste documento. Em uma modalidade, o computador de cabine 115 compreende um computador compacto, frequentemente um tablet ou telefone inteligente, com um mostrador de tela gráfica colorida que é montado dentro da cabine do operador do aparelho 111. O computador de cabine 115 pode implementar todas ou algumas das operações e funções que são descritas adicionalmente neste documento para o dispositivo de computação móvel 104.

[021] A(s) rede(s) 109 de um modo geral representa(m) qualquer combinação de uma ou mais redes de comunicação de dados incluindo redes de área local, redes de área estendida, interligações de redes ou internets, usando qualquer um de enlaces com fio ou sem fio, incluindo enlaces terrestres ou de satélite. A(s) rede(s) pode(m) ser implementada(s) por meio de qualquer mídia ou mecanismo que permita a troca de dados entre os vários elementos da figura 1. Os vários elementos da figura 1 também podem ter enlaces de comunicações diretos (com fio ou sem fio). Cada um de os sensores 112, o controlador 114, o computador servidor de dados externos 108 e outros elementos do sistema compreende uma interface compatível com a(s) rede(s) 109 e é programado ou configurado para usar protocolos padronizados para comunicação através das redes tais como TCP/IP, Bluetooth, protocolo CAN e protocolos de camadas mais altas tais como HTTP, TLS e outros mais.

[022] O sistema de computador de inteligência agrícola 130 é programado ou configurado para receber dados de campo 106 do dispositivo de computação gerenciador de campos 104, os dados externos 110 de computador servidor de dados externos 108 e dados de sensor do sensor remoto 112. O sistema de computador de inteligência agrícola 130 pode ser configurado adicionalmente para hospedar, usar ou executar um ou mais programas de computador, outros elementos de software, lógicas programadas digitalmente tais como FPGAs ou ASICs, ou qualquer combinação dos mesmos para executar translação e armazenamento de valores de dados, construção de modelos digitais de uma ou mais safras em um ou mais campos, geração de recomendações e notificações, e geração e envio de scripts para o controlador de aplicação 114, no modo descrito adicionalmente em outras seções desta revelação.

[023] Em uma modalidade, o sistema de computador de inteligência agrícola 130 é programado ou compreende uma camada de comunicação 132, a camada de apresentação 134, a camada de gerenciamento de dados 140, a camada de hardware/virtualização 150 e o repositório de dados de modelos e de campos 160. “Camada”, neste contexto, se refere a qualquer combinação de circuitos eletrônicos de interfaces digitais, microcontroladores, firmwares tais como acionadores e/ou programas de computador ou outros elementos de software.

[024] A camada de comunicação 132 pode ser programada ou configurada para executar funções de conexão por meio de interface de entrada/saída incluindo enviar solicitações para o dispositivo de computação gerenciador de campos 104, o computador servidor de dados externos 108 e para o sensor remoto 112 para dados de campo, dados externos e dados de sensor respectivamente. A camada de comunicação 132 pode ser programada ou configurada para enviar os dados recebidos para o repositório de dados de modelos e de campos 160 para serem armazenados como os dados de campo 106.

[025] A camada de apresentação 134 pode ser programada ou configurada para gerar uma interface gráfica de usuário (GUI) para ser exibida no dispositivo de computação gerenciador de campos 104, no computador de cabine 115 ou em outros computadores que estejam acoplados ao sistema 130 por meio da rede 109. A GUI pode compreender controles para introduzir dados a ser enviados para o sistema de computador de inteligência agrícola 130, gerar solicitações para modelos e/ou recomendações, e/ou exibir recomendações, notificações, modelos e outros dados de campo.

[026] A camada de gerenciamento de dados 140 pode ser programada ou configurada para gerenciar operações de leitura e operações de gravação envolvendo o repositório 160 e outros elementos funcionais do sistema, incluindo consultas e conjuntos de resultados comunicados entre os elementos funcionais do sistema e o repositório. Exemplos da camada de gerenciamento de dados 140 incluem JDBC, código de interface de servidor SQL e/ou código de interface HADOOP, dentre outros. O repositório 160 pode compreender uma base de dados. Tal como usado neste documento, o termo “base de dados” pode se referir a um acervo de dados, um sistema de gerenciamento de base de dados relacionais (RDBMS) ou a ambos. Tal como usado neste documento, uma base de dados pode compreender qualquer coleção de dados incluindo bases de dados hierárquicos, bases de dados relacionais, bases de dados de arquivos simples, bases de dados relacionais a objetos, bases de dados orientados a objetos, e qualquer outra coleção estruturada de gravações ou dados que são armazenados em um sistema de computador. Exemplos de RDBMSs incluem, mas não estão limitados a isto, ORACLE®, MYSQL, IBM® DB2, MICROSOFT® SQL SERVER, SYBASE® e bases de dados POSTGRESQL. Entretanto, qualquer base de dados que capacite os sistemas e métodos descritos neste documento pode ser usada.

[027] Quando os dados de campo 106 não são fornecidos diretamente para o sistema de computador de inteligência agrícola por meio de uma ou mais máquinas agrícolas ou dispositivos de máquinas agrícolas que interagem com o sistema de computador de inteligência agrícola, o usuário pode ser orientado por meio de uma ou mais interfaces de usuário no dispositivo de usuário (servido pelo sistema de computador de inteligência agrícola) para introduzir tal informação. Em uma modalidade de exemplo, o usuário pode especificar dados de identificação ao acessar um mapa no dispositivo de usuário (servido pelo sistema de computador de inteligência agrícola) e selecionar CLUs específicas que tenham sido mostradas graficamente no mapa. Em uma modalidade alternativa, o usuário 102 pode especificar dados de identificação ao acessar um mapa no dispositivo de usuário (servido pelo sistema de computador de inteligência agrícola 130) e desenhar limites do campo sobre o mapa. Tal seleção de CLU ou desenhos de mapas representam identificadores geográficos. Em modalidades alternativas, o usuário pode especificar dados de identificação ao acessar dados de identificação de campo (fornecidos como arquivos de formas ou em um formato similar) da Agência de Serviços Agrícolas do Departamento de Agricultura dos EUA ou de outra fonte por meio do dispositivo de usuário e fornecer tais dados de identificação de campo para o sistema de computador de inteligência agrícola.

[028] Em uma modalidade de exemplo, o sistema de computador de inteligência agrícola 130 é programado para gerar e causar exibição de uma interface gráfica de usuário compreendendo um gerenciador de dados para entrada de dados. Após um ou mais campos terem sido identificados usando os métodos descritos anteriormente, o gerenciador de dados pode fornecer um ou mais símbolos gráficos de interface gráfica de usuário que quando selecionados podem identificar mudanças para o campo, solo, safras, lavoura ou práticas de nutrientes. O gerenciador de dados pode incluir uma vista de linha de tempo, uma vista de planilha e/ou um ou mais programas editáveis.

[029] A figura 10 representa uma modalidade de exemplo de uma vista de linha de tempo para entrada de dados. Usando a exibição representada na figura 10, um computador de usuário pode introduzir uma seleção de um campo particular e uma data particular para a adição de evento. Eventos representados no topo da linha de tempo incluem Nitrogênio, Plantio, Práticas e Solo. Para adicionar um evento de aplicação de nitrogênio, um computador de usuário pode fornecer entrada para selecionar a aba de nitrogênio. O computador de usuário pode então selecionar uma localização na linha de tempo para um campo particular a fim de indicar uma aplicação de nitrogênio no campo selecionado. Em resposta a receber uma seleção de uma localização na linha de tempo para um campo particular, o gerenciador de dados pode exibir uma sobreposição de entrada de dados, permitindo ao computador de usuário introduzir dados relativos às aplicações de nitrogênio, procedimentos de plantio, aplicação de solo, procedimentos de lavoura, práticas de irrigação ou outra informação se relacionando com o campo particular. Por exemplo, se um computador de usuário selecionar uma parte da linha de tempo e indicar uma aplicação de nitrogênio, então a sobreposição de entrada de dados pode incluir campos para introduzir uma quantidade de nitrogênio aplicado, uma data de aplicação, um tipo de fertilizante usado e qualquer outra informação relacionada com a aplicação de nitrogênio.

[030] Em uma modalidade, o gerenciador de dados fornece uma interface para criar um ou mais programas. “Programa”, neste contexto, se refere a um conjunto de dados relativos às aplicações de nitrogênio, procedimentos de plantio, aplicação de solo, procedimentos de lavoura, práticas de irrigação ou outra informação que possa estar relacionada com um ou mais campos, e que possa ser armazenada em armazenamento de dados digitais para reutilização como um conjunto em outras operações. Após um programa ter sido criado, ele pode ser aplicado conceitualmente para um ou mais campos e referências para o programa podem ser armazenadas em armazenamento digital em associação com dados identificando os campos. Assim, em vez de introduzir manualmente dados idênticos se relacionando com as mesmas aplicações de nitrogênio para múltiplos campos diferentes, um computador de usuário pode criar um programa que indica uma aplicação particular de nitrogênio e então aplicar o programa para múltiplos campos diferentes. Por exemplo, na vista de linha de tempo da figura 10, as duas linhas de tempo superiores têm o programa “Aplicado no outono” selecionado, o qual inclui uma aplicação de 150 lb (68,04 kg) N/ac (0,037 lb (0,017 kg) N/m2) no começo de abril. O gerenciador de dados pode fornecer uma interface para editar um programa. Em uma modalidade, quando um programa particular é editado, cada campo que tem o programa particular selecionado é editado. Por exemplo, na figura 10, se o programa “Aplicado no outono” for editado para reduzir a aplicação de nitrogênio para 130 lb (58,97 kg) N/ac (0,032 lb (0,015 kg) N/m2), os dois campos superiores podem ser atualizados com uma aplicação de nitrogênio reduzida com base no programa editado.

[031] Em uma modalidade, em resposta a receber edições para um campo que tem um programa selecionado, o gerenciador de dados remove a correspondência do campo para o programa selecionado. Por exemplo, se uma aplicação de nitrogênio for adicionada ao campo superior na figura 10, a interface pode atualizar para indicar que o programa “Aplicado no outono” não está mais sendo aplicado ao campo superior. Embora a aplicação de nitrogênio no começo de abril possa permanecer, atualizações para o programa “Aplicado no outono” não alterariam a aplicação de nitrogênio de abril.

[032] A figura 11 representa uma modalidade de exemplo de uma vista de planilha para entrada de dados. Usando a exibição representada na figura 11, um usuário pode criar e editar informação para um ou mais campos. O gerenciador de dados pode incluir planilhas para introduzir informação em relação a Nitrogênio, Plantio, Práticas e Solo tal como representado na figura 11. Para editar uma entrada particular, um computador de usuário pode selecionar a entrada particular na planilha e atualizar os valores. Por exemplo, a figura 11 representa uma atualização em andamento para um valor de produção alvo para o segundo campo. Adicionalmente, um computador de usuário pode selecionar um ou mais campos a fim de aplicar um ou mais programas. Em resposta a receber uma seleção de um programa para um campo particular, o gerenciador de dados pode completar automaticamente as entradas para o campo particular com base no programa selecionado. Tal como com a vista de linha de tempo, o gerenciador de dados pode atualizar as entradas para cada campo associado com um programa particular em resposta a receber uma atualização para o programa. Adicionalmente, o gerenciador de dados pode remover a correspondência do programa selecionado para o campo em resposta a receber uma edição para uma das entradas para o campo.

[033] Em uma modalidade, dados de modelos e de campos são armazenados no repositório de dados de modelos e de campos 160. Dados de modelos compreendem modelos de dados criados para um ou mais campos. Por exemplo, um modelo de safra pode incluir um modelo construído digitalmente do desenvolvimento de uma safra no um ou mais campos. “Modelo”, neste contexto, se refere a um conjunto armazenado digitalmente de instruções executáveis e valores de dados, associados uns com os outros, os quais são capazes de receber e responder a uma programática ou outra chamada digital, invocação ou solicitação para resolução com base em valores de entrada especificados, para produzir um ou mais valores de saída armazenados que podem servir como a base de recomendações implementadas por computador, exibições de dados de saída ou controle de máquina, dentre outras coisas. Pessoas com conhecimento profissional no campo consideram como conveniente expressar modelos usando equações matemáticas, mas essa forma de expressão não limita os modelos revelados neste documento a conceitos abstratos; em vez disto, cada modelo neste documento tem uma aplicação prática em um computador na forma de instruções e dados executáveis armazenados que implementam o modelo usando o computador. Os dados de modelo podem incluir um modelo de eventos passados no um ou mais campos, um modelo do status corrente do um ou mais campos e/ou um modelo de eventos preditos no um ou mais campos. Dados de modelos e de campos podem ser armazenados em estruturas de dados em memória, linhas em uma tabela de base de dados, em arquivos simples ou planilhas, ou em outras formas de dados digitais armazenados.

[034] A camada de hardware/virtualização 150 compreende uma ou mais unidades centrais de processamento (CPUs), controladores de memória, e outros dispositivos, componentes ou elementos de um sistema de computador tais como memória volátil ou não volátil, armazenamento não volátil tal como disco, e dispositivos ou interfaces de entrada/saída tais como ilustrados e descritos, por exemplo, em conexão com a figura 4. A camada 150 também pode compreender instruções programadas que são configuradas para suportar virtualização, conteinerização, ou outras tecnologias.

[035] Para o propósito de ilustrar um exemplo claro, a figura 1 mostra um número limitado de instâncias de certos elementos funcionais. Entretanto, em outras modalidades, pode existir qualquer número de tais elementos. Por exemplo, modalidades podem usar milhares ou milhões de dispositivos de computação móveis 104 diferentes associados com usuários diferentes. Adicionalmente, o sistema 130 e/ou o computador servidor de dados externos 108 podem ser implementados usando dois ou mais processadores, núcleos, agrupamentos ou instâncias de máquinas físicas ou máquinas virtuais, configurados em uma localização distinta ou localizados juntamente com outros elementos em um centro de dados, instalação de computação compartilhada ou instalação de computação em nuvem.

2.2 . VISTA GERAL DE PROGRAMA DE APLICAÇÃO

[036] Em uma modalidade, a implementação das funções descritas neste documento usando um ou mais programas de computador, ou outros elementos de software que são carregados e executados usando um ou mais computadores de uso geral, induzirá os computadores de uso geral para serem configurados como uma máquina particular ou como um computador que é adaptado especialmente para executar as funções descritas neste documento. Adicionalmente, cada um dos fluxogramas que são descritos adicionalmente neste documento pode servir, sozinho ou em combinação com as descrições de processos e funções expostos neste documento, como algoritmos, planos ou direções que podem ser usados para programar um computador ou lógica para implementar as funções que são descritas. Em outras palavras, todo o texto exposto neste documento e todas as figuras conjuntamente são pretendidos para fornecer revelação de algoritmos, planos ou direções que são suficientes para permitir que uma pessoa qualificada programe um computador para executar as funções que são descritas neste documento, em combinação com o conhecimento profissional e conhecimento de uma pessoa como esta considerando o nível de conhecimento profissional que é apropriado para invenções e revelações deste tipo.

[037] Em uma modalidade, o usuário 102 interage com o sistema de computador de inteligência agrícola 130 usando o dispositivo de computação gerenciador de campos 104 configurado com um sistema operacional e um ou mais programas de aplicação ou aplicações; o dispositivo de computação gerenciador de campos 104 também pode operar em conjunto com o sistema de computador de inteligência agrícola independentemente e automaticamente sob controle de programa ou controle lógico e interação direta de usuário nem sempre é exigida. O dispositivo de computação gerenciador de campos 104 de um modo geral representa um ou mais de um telefone inteligente, PDA, tablet, laptop, computador de mesa, estação de trabalho ou qualquer outro dispositivo de computação capaz de transmitir e receber informação e executar as funções descritas neste documento. O dispositivo de computação gerenciador de campos 104 pode se comunicar por meio de uma rede usando uma aplicação móvel armazenada no dispositivo de computação gerenciador de campos 104, e em algumas modalidades o dispositivo pode ser acoplado usando um cabo 113 ou conector para o sensor 112 e/ou para o controlador 114. Um usuário particular 102 pode possuir, operar ou controlar e usar, em conexão com o sistema 130, mais de um dispositivo de computação gerenciador de campos 104 em um tempo.

[038] A aplicação móvel pode fornecer funcionalidade de lado de cliente, por meio da rede para um ou mais dispositivos de computação móveis. Em uma modalidade de exemplo, o dispositivo de computação gerenciador de campos 104 pode acessar a aplicação móvel por meio de um navegador de rede ou de uma aplicação local de cliente. O dispositivo de computação gerenciador de campos 104 pode transmitir dados para, e receber dados de, um ou mais servidores de extremidade frontal, usando protocolos ou formatos baseados em rede tais como HTTP, XML e/ou JSON, ou protocolos específicos de aplicações. Em uma modalidade de exemplo, os dados podem ter a forma de solicitações e informação de entrada de usuário, tais como dados de campo, para o dispositivo de computação móvel. Em algumas modalidades, a aplicação móvel interage com hardware e software de rastreamento de localização no dispositivo de computação gerenciador de campos 104 que determina a localização do dispositivo de computação gerenciador de campos 104 usando técnicas de rastreamento padrões tais como multilateração de sinais de rádio, o sistema de posicionamento global (GPS), sistemas de posicionamento WiFi ou outros métodos de posicionamento móvel. Em alguns casos, dados de localização ou outros dados associados com o dispositivo 104, o usuário 102 e/ou com conta(s) de usuário podem ser obtidos por meio de consulta a um sistema operacional do dispositivo ou ao solicitar uma aplicação no dispositivo para obter dados do sistema operacional.

[039] Em uma modalidade, o dispositivo de computação gerenciador de campos 104 envia os dados de campo 106 para o sistema de computador de inteligência agrícola 130 compreendendo ou incluindo, mas não limitado a isto, valores de dados representando um ou mais de: uma localização geográfica do um ou mais campos, informação de lavoura para o um ou mais campos, culturas plantadas no um ou mais campos e dados de solo extraídos do um ou mais campos. O dispositivo de computação gerenciador de campos 104 pode enviar os dados de campo 106 em resposta à entrada de usuário do usuário 102 especificando os valores de dados para o um ou mais campos. Adicionalmente, o dispositivo de computação gerenciador de campos 104 pode enviar automaticamente os dados de campo 106 quando um ou mais dos valores de dados se tornam disponíveis para o dispositivo de computação gerenciador de campos 104. Por exemplo, o dispositivo de computação gerenciador de campos 104 pode ser acoplado comunicativamente ao sensor remoto 112 e/ou ao controlador de aplicação 114. Em resposta a receber dados indicando que o controlador de aplicação 114 liberou água para o um ou mais campos, o dispositivo de computação gerenciador de campos 104 pode enviar os dados de campo 106 para o sistema de computador de inteligência agrícola 130 indicando que água foi liberada para o um ou mais campos. Os dados de campo 106 identificados nesta revelação podem ser introduzidos e transmitidos usando dados digitais eletrônicos que são transmitidos entre dispositivos de computação usando URLs parametrizados em HTTP, ou um outro protocolo de comunicação ou de mensagens adequado.

[040] Um exemplo comercial da aplicação móvel é CLIMATE FIELDVIEW, disponível comercialmente pela The Climate Corporation, São Francisco, Califórnia. A aplicação CLIMATE FIELDVIEW, ou outras aplicações, pode ser modificada, estendida ou adaptada para incluir recursos, funções e programação que não tenham sido revelados mais cedo que a data de depósito desta revelação. Em uma modalidade, a aplicação móvel compreende uma plataforma de software integrada que permite a um agricultor tomar decisões baseadas em fatos para sua operação porque ela combina dados históricos a respeito dos campos do agricultor com quaisquer outros dados que o agricultor deseja comparar. As combinações e comparações podem ser executadas em tempo real e são baseadas em modelos científicos que fornecem potenciais cenários para permitir que o agricultor tome decisões estando mais bem informado.

[041] A figura 2 ilustra duas vistas de uma organização lógica de exemplo de conjuntos de instruções em memória principal quando uma aplicação móvel de exemplo é carregada para execução. Na figura 2, cada elemento identificado representa uma região de uma ou mais páginas de RAM ou de outra memória principal, ou um ou mais blocos de armazenamento de disco ou de outro armazenamento não volátil, e as instruções programadas dentro dessas regiões. Em uma modalidade, na vista (a), uma aplicação de computador móvel 200 compreende as instruções de conta- campos-dados ingestão-compartilhamento 202, as instruções de vista geral e de alertas 204, as instruções de livro de mapas digitais 206, as instruções de sementes e de plantio 208, as instruções de nitrogênio 210, as instruções de condições meteorológicas 212, as instruções de saúde de campo 214 e as instruções de desempenho 216.

[042] Em uma modalidade, uma aplicação de computador móvel 200 compreende as instruções de conta-campos-dados ingestão-compartilhamento 202 que são programadas para receber, traduzir e ingerir dados de campo provenientes de sistemas de entidades externas via transferência manual ou APIs. Tipos de dados podem incluir limites de campo, mapas de produção, mapas tais como plantados, resultados de testes de solo, mapas tais como aplicados e/ou zonas de gerenciamento, dentre outros. Formatos de dados podem incluir arquivos de formas, formatos de dados naturais de entidades externas e/ou exportações de sistema de informação de gerenciamento de fazenda (FMIS), dentre outros. Recebimento de dados pode ocorrer via transferência manual, e-mail com anexo, APIs externas que empurram dados para a aplicação móvel, ou instruções que chamam APIs de sistemas externos para puxar dados para a aplicação móvel. Em uma modalidade, a aplicação de computador móvel 200 compreende uma caixa de entrada de dados. Em resposta a receber uma seleção da caixa de entrada de dados, a aplicação de computador móvel 200 pode exibir uma interface gráfica de usuário para transferir manualmente arquivos de dados e importar arquivos transferidos para um gerenciador de dados.

[043] Em uma modalidade, as instruções de livro de mapas digitais 206 compreendem camadas de dados de mapas de campos armazenadas em memória de dispositivo e são programadas com ferramentas de visualização de dados e notas de campo geoespaciais. Isto provê agricultores com informação conveniente muito próxima para referência, login e critérios visuais para desempenho de campo. Em uma modalidade, as instruções de vista geral e de alertas 204 são programadas para fornecer uma vista ampla de operação do que é importante para o agricultor, e recomendações na hora certa para executar ação ou focalizar em problemas particulares. Isto permite ao agricultor focalizar a tempo no que precisa atenção, para economizar tempo e preservar produção por toda a estação. Em uma modalidade, as instruções de sementes e de plantio 208 são programadas para fornecer ferramentas para seleção de semente, colocação de híbrido e criação de script, incluindo criação de script de taxa variável (VR), com base em modelos científicos e dados empíricos. Isto capacita agricultores para maximizar produção ou retorno de investimento por meio de compra, colocação e população de sementes otimizadas.

[044] Em uma modalidade, as instruções de geração de script 205 são programadas para fornecer uma interface para gerar scripts, incluindo scripts de fertilidade de taxa variável (VR). A interface capacita agricultores para criar scripts para implementos de campo, tais como aplicações de nutrientes, plantio e irrigação. Por exemplo, uma interface de script de plantio pode compreender ferramentas para identificar um tipo de semente para plantio. Ao receber uma seleção do tipo de semente, a aplicação de computador móvel 200 pode exibir um ou mais campos divididos em zonas de terra junto com um painel identificando cada zona de terra e um nome de terra, textura e drenagem para cada zona. A aplicação de computador móvel 200 também pode exibir ferramentas para edição ou criação, tais como ferramentas gráficas para desenhar zonas de terra sobre um mapa de um ou mais campos. Procedimentos de plantio podem ser aplicados para todas as zonas de terra ou procedimentos de plantio diferentes podem ser aplicados para subconjuntos diferentes de zonas de terra. Quando um script é criado, a aplicação de computador móvel 200 pode tornar o script disponível para transferência em um formato legível por um controlador de aplicação, tal como um formato arquivado ou compactado. Adicionalmente e/ou alternativamente, um script pode ser enviado diretamente para o computador de cabine 115 pela aplicação de computador móvel 200 e/ou transferido para um ou mais servidores de dados e armazenado para uso adicional. Em uma modalidade, as instruções de nitrogênio 210 são programadas para fornecer ferramentas para informar a respeito de decisões de nitrogênio ao visualizar a disponibilidade de nitrogênio para safras. Isto capacita agricultores para maximizar produção ou retorno de investimento por meio de aplicação de nitrogênio otimizada durante a estação. Funções programadas de exemplo incluem exibir imagens tais como imagens SSURGO para capacitar desenho de zonas de aplicação e/ou imagens geradas de dados de solo de subcampo, tais como dados obtidos de sensores, em uma resolução espacial alta (tão refinada quanto 10 metros ou menos por causa de sua proximidade para o solo); transferência de zonas existentes definidas pelo agricultor; fornecer um gráfico de aplicação e/ou um mapa para permitir o ajuste de aplicação(s) de nitrogênio através de múltiplas zonas; produção de scripts para acionar maquinário; ferramentas para entrada e ajuste de dados de massa; e/ou mapas para visualização de dados, dentre outros. “Entrada de dados em massa”, neste contexto, pode significar introduzir dados uma vez e então aplicar os mesmos dados para múltiplos campos que tenham sido definidos no sistema; dados de exemplo podem incluir dados de aplicação de nitrogênio que são os mesmos para muitos campos do mesmo agricultor, mas tal entrada de dados em massa aplica à entrada de qualquer tipo de dados de campo para a aplicação de computador móvel 200. Por exemplo, as instruções de nitrogênio 210 podem ser programadas para aceitar definições de programas de plantio e de práticas de nitrogênio e para aceitar entrada de usuário especificando aplicação desses programas através de múltiplos campos. “Programas de plantio de nitrogênio”, neste contexto, se referem a um conjunto de dados nomeados e armazenados que associam: um nome, código de cores ou outro identificador, uma ou mais datas de aplicação, tipos de material ou produto para cada uma das datas e quantidades, método de aplicação ou incorporação tal como injetado ou por corte, e/ou quantidades ou taxas de aplicação para cada uma das datas, safra ou híbrido que é submetido à aplicação, dentre outros. “Programas de práticas de nitrogênio”, neste contexto, se referem a um conjunto de dados nomeados e armazenados que associam: um nome de prática; uma safra anterior; um sistema de lavoura; uma data de lavoura primariamente; um ou mais sistemas de lavouras anteriores que foram usados; um ou mais indicadores de tipo de aplicação, tal como adubo, que foram usados. As instruções de nitrogênio 210 também podem ser programadas para gerar e causar exibição de um gráfico de nitrogênio, o qual indica projeções de uso de planta do nitrogênio especificado e se um excedente ou déficit é predito; em algumas modalidades, indicadores coloridos diferentes podem sinalizar uma magnitude do excedente ou magnitude do déficit. Em uma modalidade, um gráfico de nitrogênio compreende uma exibição gráfica em um dispositivo de exibição de computador compreendendo uma pluralidade de linhas, cada linha associada com um campo e identificando o mesmo; dados especificando que lavoura está plantada no campo, o tamanho de campo, a localização de campo e uma representação gráfica do perímetro de campo; em cada linha, uma linha de tempo por mês com indicadores gráficos especificando cada aplicação de nitrogênio e quantidade em pontos correlacionados aos nomes de meses; e indicadores numéricos e/ou coloridos de excedente ou déficit, nos quais cor indica magnitude.

[045] Em uma modalidade, o gráfico de nitrogênio pode incluir um ou mais recursos de entrada de usuário, tais como diais ou controles deslizantes, para mudar dinamicamente os programas de plantio e de práticas de nitrogênio de maneira que um usuário possa otimizar seu gráfico de nitrogênio. O usuário pode então usar seu gráfico de nitrogênio otimizado e os programas de plantio e de práticas de nitrogênio relacionados para implementar um ou mais scripts, incluindo scripts de fertilidade de taxa variável (VR). As instruções de nitrogênio 210 também podem ser programadas para gerar e causar exibição de um mapa de nitrogênio, o qual indica projeções de uso de planta do nitrogênio especificado e se um excedente ou déficit é predito; em algumas modalidades, indicadores coloridos diferentes podem sinalizar uma magnitude de excedente ou magnitude de déficit. O mapa de nitrogênio pode exibir projeções de uso de planta do nitrogênio especificado e se um excedente ou déficit é predito para períodos diferentes no passado e no futuro (tal como diariamente, semanalmente, mensalmente ou anualmente) usando indicadores numéricos e/ou coloridos de excedente ou déficit, nos quais cor indica magnitude. Em uma modalidade, o mapa de nitrogênio pode incluir um ou mais recursos de entrada de usuário, tais como diais ou controles deslizantes, para mudar dinamicamente o plantio de nitrogênio e programas de práticas de maneira que um usuário possa otimizar seu mapa de nitrogênio, tal como para obter uma quantidade preferida de excedente para complemento. O usuário pode então usar seu mapa de nitrogênio otimizado e o plantio de nitrogênio e programas de práticas relacionados para implementar um ou mais scripts, incluindo scripts de fertilidade de taxa variável (VR). Em outras modalidades, instruções similares às instruções de nitrogênio 210 podem ser usadas para aplicação de outros nutrientes (tais como fósforo e potássio), aplicação de pesticida e programas de irrigação.

[046] Em uma modalidade, as instruções de condições meteorológicas 212 são programadas para fornecer dados de condições meteorológicas recentes específicas de campo e informação meteorológica prevista. Isto capacita agricultores para economizar tempo e ter uma exibição integrada eficiente em relação às decisões operacionais diárias.

[047] Em uma modalidade, as instruções de saúde de campo 214 são programadas para fornecer na hora certa imagens de detecção remota destacando variação de safra na estação e potenciais preocupações. Funções programadas de exemplo incluem verificação de nuvens, para identificar possíveis nuvens ou sombreados de nuvens; determinação de índices de nitrogênio com base em imagens de campo; visualização gráfica de camadas de exploração, incluindo, por exemplo, aquelas relacionadas com saúde de campo, e observação e/ou compartilhamento de notas de exploração; e/ou transferência de imagens de satélite de múltiplas fontes e priorizando as imagens para o agricultor, dentre outros.

[048] Em uma modalidade, as instruções de desempenho 216 são programadas para fornecer relatórios, análises e ferramentas de compreensão usando dados da fazenda para avaliação, critérios e decisões. Isto capacita o agricultor para procurar resultados aperfeiçoados para o próximo ano por meio de conclusões baseadas em fatos a respeito de porquê retorno de investimento esteve em níveis anteriores, e compreensão para fatores limitantes de produção. As instruções de desempenho 216 podem ser programadas para se comunicar por meio da(s) rede(s) 109 com programas analíticos de lado servidor executados no sistema de computador de inteligência agrícola 130 e/ou no computador servidor de dados externos 108 e configurados para analisar métricas tais como produção, híbrido, população, SSURGO, testes de solo ou elevação, dentre outros. Relatórios e análises programados podem incluir análise de variabilidade de produção, avaliação comparativa de produção e outras métricas contra outros agricultores com base em dados coletados anônimos de muitos agricultores, ou dados para sementes e plantio, dentre outros.

[049] Aplicações tendo instruções configuradas deste modo podem ser implementadas para plataformas de dispositivos de computação diferentes enquanto que mantendo a mesma forma externa de interface usuário comum. Por exemplo, a aplicação móvel pode ser programada para execução em tablets, telefones inteligentes ou em computadores servidores que são acessados usando navegadores em computadores clientes. Adicionalmente, a aplicação móvel tal como configurada para tablets ou telefones inteligentes pode fornecer uma experiência de aplicação completa ou uma experiência de aplicação de cabine que é adequada para as capacidades de exibição e de processamento do computador de cabine 115. Por exemplo, se referindo agora à vista (b) da figura 2, em uma modalidade uma aplicação de computador de cabine 220 pode compreender as instruções de mapas-cabine 222, as instruções de vistas remotas 224, as instruções de coleta e transferência de dados 226, as instruções de alertas de máquina 228, as instruções de transferência de script 230 e as instruções de exploração-cabine 232. A base de código para as instruções da vista (b) pode ser a mesma da vista (a) e executáveis implementando o código podem ser programados para detectar o tipo de plataforma na qual eles estão executando e para expor, por meio de uma interface gráfica de usuário, somente aquelas funções que são apropriadas para uma plataforma de cabine ou para uma plataforma completa. Esta abordagem capacita o sistema para reconhecer distintamente a experiência de usuário diferente que é apropriada para um ambiente de cabine e a tecnologia de ambiente diferente da cabine. As instruções de mapas-cabine 222 podem ser programadas para fornecer vistas de mapas de campos, fazendas ou regiões que são úteis ao direcionar operação de máquina. As instruções de vistas remotas 224 podem ser programadas para ligar, gerenciar e fornecer vistas de atividade de máquina em tempo real ou quase em tempo real para outros dispositivos de computação conectados ao sistema 130 por meio de redes sem fio, conectores ou adaptadores com fio e outros mais. As instruções de coleta e transferência de dados 226 podem ser programadas para ligar, gerenciar e fornecer transferência de dados coletados em sensores e controladores de máquina para o sistema 130 por meio de redes sem fio, conectores ou adaptadores com fio e outros mais. As instruções de alertas de máquina 228 podem ser programadas para detectar questões com operações da máquina ou ferramentas que estão associadas com a cabine e gerar alertas para operador. As instruções de transferência de script 230 podem ser configuradas para transferir em scripts de instruções que são configurados para direcionar operações de máquina ou a coleta de dados. As instruções de exploração-cabine 232 podem ser programadas para exibir alertas baseados em localização e informação recebida do sistema 130 com base na localização do aparelho agrícola 111 ou dos sensores 112 no campo e ingerir, gerenciar e fornecer transferência de observações de exploração baseadas em localização para o sistema 130 com base na localização do aparelho agrícola 111 ou dos sensores 112 no campo.

2.3 . INGESTÃO DE DADOS PARA O SISTEMA DE COMPUTADOR

[050] Em uma modalidade, o computador servidor de dados externos 108 armazena os dados externos 110, incluindo dados de solo representando composição de solo para o um ou mais campos e dados de condições meteorológicas representando temperatura e precipitação no um ou mais campos. Os dados de condições meteorológicas podem incluir dados de condições meteorológicas passadas e presentes assim como previsões para dados de condições meteorológicas futuras. Em uma modalidade, o computador servidor de dados externos 108 compreende uma pluralidade de servidores hospedados por entidades diferentes. Por exemplo, um primeiro servidor pode conter dados de composições de solos enquanto que um segundo servidor pode incluir dados de condições meteorológicas. Adicionalmente, dados de composições de solos podem ser armazenados em múltiplos servidores. Por exemplo, um servidor pode armazenar dados representando porcentagem de areia, de lama e de argila no solo enquanto que um segundo servidor pode armazenar dados representando porcentagem de matéria orgânica (OM) no solo.

[051] Em uma modalidade, o sensor remoto 112 compreende um ou mais sensores que são programados ou configurados para produzir uma ou mais observações. O sensor remoto 112 pode ser sensores aéreos, tais como satélites, sensores de veículo, sensores de equipamento de plantio, sensores de lavoura, sensores de aplicação de fertilizante ou de inseticida, sensores de colheitadeiras, e qualquer outro implemento capaz de receber dados do um ou mais campos. Em uma modalidade, o controlador de aplicação 114 é programado ou configurado para receber instruções do sistema de computador de inteligência agrícola 130. O controlador de aplicação 114 também pode ser programado ou configurado para controlar um parâmetro de operação de um veículo ou implemento agrícola. Por exemplo, um controlador de aplicação pode ser programado ou configurado para controlar um parâmetro de operação de um veículo, tal como um trator, equipamento de plantio, equipamento de lavoura, equipamento de fertilizante ou de inseticida, equipamento de colheita, ou outros implementos de fazenda tais como uma válvula de água. Outras modalidades podem usar qualquer combinação de sensores e controladores, dos quais os seguintes são meramente exemplos selecionados.

[052] O sistema 130 pode obter ou ingerir dados sob controle do usuário 102, em uma base de massa de um grande número de agricultores que tenham contribuído com dados para um sistema de base de dados compartilhado. Esta forma de obter dados pode ser denominada de “ingestão de dados manual” à medida que uma ou mais operações de computador controladas por usuário são solicitadas ou ativadas para obter dados para uso pelo sistema 130. Como um exemplo, a aplicação CLIMATE FIELDVIEW, disponível comercialmente pela The Climate Corporation, São Francisco, Califórnia, pode ser operada para exportar dados para o sistema 130 para armazenamento no repositório 160.

[053] Por exemplo, sistemas de monitoramento de sementes podem controlar tanto os componentes de aparelho semeador quanto obter dados de plantio, incluindo sinais de sensores de sementes por meio de um feixe de fios de sinais que compreende uma rede principal CAN e conexões ponto a ponto para registro e/ou diagnósticos. Sistemas de monitoramento de sementes podem ser programados ou configurados para exibir espaçamento de semente, população e outra informação para o usuário por meio do computador de cabine 115 ou de outros dispositivos dentro do sistema 130. Exemplos são revelados na patente US 8.738.243 e na publicação de patente US 20150094916, e a presente revelação assume conhecimento dessas outras revelações de patentes.

[054] Igualmente, sistemas de monitoramento de produção podem conter sensores de produção para aparelho de colheita que enviam dados de medição de produção para o computador de cabine 115 ou para outros dispositivos dentro do sistema 130. Sistemas de monitoramento de produção podem utilizar um ou mais sensores remotos 112 para obter medições de umidade de grão em uma colheitadeira de grãos ou em outra colheitadeira e transmitir estas medições para o usuário por meio do computador de cabine 115 ou de outros dispositivos dentro do sistema 130.

[055] Em uma modalidade, exemplos dos sensores 112 que podem ser usados com qualquer veículo ou aparelho móvel do tipo descrito em outro lugar neste documento incluem sensores cinemáticos e sensores de posição. Sensores cinemáticos podem compreender qualquer um de sensores de velocidade tais como radar ou sensores de velocidades de rodas, acelerômetros ou giroscópios. Sensores de posição podem compreender receptores ou transceptores GPS, ou aplicações de posicionamento ou de mapeamento baseadas em WiFi que são programadas para determinar localização com base em pontos de acesso WiFi próximos a uma rede, dentre outros.

[056] Em uma modalidade, exemplos dos sensores 112 que podem ser usados com tratores ou outros veículos móveis incluem sensores de velocidade de motor, sensores de consumo de combustível, contadores de áreas ou contadores de distâncias que interagem com sinais GPS ou de radar, sensores de velocidade PTO (força de partida), sensores hidráulicos de trator configurados para detectar parâmetros hidráulicos tais como pressão ou fluxo e/ou velocidade de bomba hidráulica, sensores de velocidades de rodas ou sensores de deslizamento de rodas. Em uma modalidade, exemplos dos controladores 114 que podem ser usados com tratores incluem controladores direcionais hidráulicos, controladores de pressão e/ou controladores de fluxo; controladores de velocidades de bombas hidráulicas; controladores ou reguladores de velocidades; controladores de posicionamento de obstáculos; ou controladores de posicionamento de rodas que fornecem direção automática.

[057] Em uma modalidade, exemplos dos sensores 112 que podem ser usados com equipamento de plantio de sementes tais como semeadoras, perfuradoras ou semeadoras a ar incluem sensores de semente, os quais podem ser sensores óticos, eletromagnéticos ou de impacto; sensores de forças para baixo tais como pinos de carga, células de carga, sensores de pressão; sensores de propriedades de solo tais como sensores de refletividade, sensores de umidade, sensores de condutividade elétrica, sensores de resíduo ótico ou sensores de temperatura; sensores de critérios de operação de componente tais como sensores de profundidade de plantio, sensores de pressão de cilindro de força para baixo, sensores de velocidade de disco de sementes, codificadores de motor de acionamento de sementes, sensores de velocidade de sistema transportador de sementes ou sensores de nível a vácuo; ou sensores de aplicação de pesticida tais como sensores óticos ou outros eletromagnéticos, ou sensores de impacto. Em uma modalidade, exemplos dos controladores 114 que podem ser usados com tal equipamento de plantio de sementes incluem: controladores de dobramento de barra de ferramentas, tais como controladores para válvulas associadas com cilindros hidráulicos; controladores de forças para baixo, tais como controladores para válvulas associadas com cilindros pneumáticos, bolsas de ar comprimido ou cilindros hidráulicos, e programadas para aplicar força para baixo às unidades de fileiras individuais ou a uma armação de semeadora total; controladores de profundidade de plantio, tais como acionadores lineares; controladores de medição, tais como motores de acionamento de dosadores de sementes elétricos, motores de acionamento de dosadores de sementes hidráulicos, ou embreagens de controle de fileira; controladores de seleção de híbrido, tais como motores de acionamento de dosadores de sementes, ou outros acionadores programados para seletivamente permitir ou impedir que semente ou uma mistura ar-semente seja entregue para ou de dosadores de sementes ou de tremonhas de volume central; controladores de medição, tais como motores de acionamento de dosadores de sementes elétricos, ou motores de acionamento de dosadores de sementes hidráulicos; controladores de sistema transportador de sementes, tais como controladores para um motor de transportador de correia de entrega de sementes; controladores de marcadores, tais como um controlador para um acionador pneumático ou hidráulico; ou controladores de taxas de aplicação de pesticidas, tais como controladores de acionamento de medição, controladores de tamanhos ou posições de orifícios.

[058] Em uma modalidade, exemplos dos sensores 112 que podem ser usados com equipamento de lavoura incluem sensores de posição para ferramentas tais como hastes ou discos; sensores de posição de ferramenta para tais ferramentas que são configuradas para detectar profundidade, ângulo de ferramentas que trabalham em conjunto ou espaçamento lateral; sensores de forças para baixo; ou sensores de força de arrasto. Em uma modalidade, exemplos dos controladores 114 que podem ser usados com equipamento de lavoura incluem controladores de forças para baixo ou controladores de posições de ferramentas, tais como controladores configurados para controlar profundidade de ferramenta, ângulo de ferramentas que trabalham em conjunto ou espaçamento lateral.

[059] Em uma modalidade, exemplos dos sensores 112 que podem ser usados em relação ao aparelho para aplicar fertilizante, inseticida, fungicida e outros mais, tais como sistemas fertilizantes iniciadores em semeadora, aplicadores de fertilizantes de subsolo ou pulverizadores de fertilizantes, incluem: sensores de critérios de sistema de fluido, tais como sensores de fluxo ou sensores de pressão; sensores indicando que válvulas de cabeça de pulverização ou válvulas de linha de fluido estão abertas; sensores associados com tanques, tal como sensores de nível de enchimento; sensores de linhas de fornecimento seccionais ou de sistema total, ou sensores de linhas de fornecimento específicas de fileiras; ou sensores cinemáticos tais como acelerômetros dispostos em lanças pulverizadoras. Em uma modalidade, exemplos dos controladores 114 que podem ser usados com tal aparelho incluem controladores de velocidades de bombas; controladores de válvulas que são programadas para controlar pressão, fluxo, direção, PWM e outros mais; ou acionadores de posições, tais como para altura de lança, profundidade de escavador ou posição de lança.

[060] Em uma modalidade, exemplos dos sensores 112 que podem ser usados com colheitadeiras incluem monitores de produção, tais como medidores de deformações de placas de impacto ou sensores de posição, sensores de fluxos capacitivos, sensores de carga, sensores de peso, ou sensores de torque associados com elevadores ou roscas transportadoras, ou sensores óticos ou outros sensores eletromagnéticos de alturas de grãos; sensores de umidade de grãos, tais como sensores capacitivos; sensores de perda de grãos, incluindo sensores de impacto, óticos ou capacitivos; sensores de critérios de operação de cabeça de colheita tais como altura de cabeça, tipo de cabeça, folga de placa, velocidade de alimentador, e sensores de velocidade de tambor; sensores de critérios de operação de separador, tais como folga côncava, velocidade de rotor, folga de sapata, ou sensores de folga de debulhador; sensores de rosca transportadora para posição, operação ou velocidade; ou sensores de velocidade de motor. Em uma modalidade, exemplos dos controladores 114 que podem ser usados com colheitadeiras incluem controladores de critérios de operação de cabeça de colheita para elementos tais como altura de cabeça, tipo de cabeça, folga de placa, velocidade de alimentador, ou velocidade de tambor; controladores de critérios de operação de separador para recursos tais como folga côncava, velocidade de rotor, folga de sapata, ou folga de debulhador; ou controladores para posição, operação ou velocidade de rosca transportadora.

[061] Em uma modalidade, exemplos dos sensores 112 que podem ser usados com carrinhos de grãos incluem sensores de peso, ou sensores para posição, operação ou velocidade de rosca transportadora. Em uma modalidade, exemplos dos controladores 114 que podem ser usados com carrinhos de grãos incluem controladores para posição, operação, ou velocidade de rosca transportadora.

[062] Em uma modalidade, exemplos dos sensores 112 e dos controladores 114 podem ser instalados em aparelhos de veículos aéreos não tripulados (UAV) ou “drones”. Tais sensores podem incluir câmeras com detectores efetivos para qualquer faixa do espectro eletromagnético incluindo luz visível, infravermelho, ultravioleta, próximo ao infravermelho (NIR) e outros mais; acelerômetros; altímetros; sensores de temperatura; sensores de umidade; sensores de tubo de pitot ou outros sensores de velocidade em relação ao ar ou de velocidade de vento; sensores de vida de bateria; ou emissores de radar e aparelho de detecção de energia refletida por radar. Tais controladores podem incluir aparelho de guia ou de controle de motor, controladores de superfícies de controle, controladores de câmeras, ou controladores programados para ligar, operar, obter dados, gerenciar e configurar qualquer um dos sensores indicados anteriormente. Exemplos são revelados no pedido de patente US 14/831.165 e a presente revelação assume conhecimento dessa outra revelação de patente.

[063] Em uma modalidade, os sensores 112 e os controladores 114 podem ser fixados ao aparelho de amostragem e de medição de solo que é configurado ou programado para recolher amostras de solo e executar testes químicos de solo, testes de umidade de solo e outros testes relativos ao solo. Por exemplo, o aparelho revelado na patente US 8.767.194 e na patente US 8.712.148 pode ser usado, e a presente revelação assume conhecimento dessas revelações de patentes.

2.4 VISTA GERAL DE PROCESSO-TREINAMENTO DE MODELO AGRONÔMICO

[064] Em uma modalidade, o sistema de computador de inteligência agrícola 130 é programado ou configurado para criar um modelo agronômico. Neste contexto, um modelo agronômico é uma estrutura de dados na memória do sistema de computador de inteligência agrícola 130 que compreende os dados de campo 106, tais como dados de identificação e dados de colheita para um ou mais campos. O modelo agronômico também pode compreender propriedades agronômicas calculadas que descrevem condições que podem afetar o crescimento de uma ou mais plantações em um campo, ou propriedades da uma ou mais plantações ou ambos. Adicionalmente, um modelo agronômico pode compreender recomendações baseadas em fatores agronômicos tais como recomendações de safra, recomendações de irrigação, recomendações de plantio e recomendações de colheita. Os fatores agronômicos também podem ser usados para estimar um ou mais resultados relacionados com safra, tais como produção agronômica. A produção agronômica de uma safra é uma estimativa de quantidade da safra que é produzida, ou em alguns exemplos da receita ou lucro obtido com a safra produzida.

[065] Em uma modalidade, o sistema de computador de inteligência agrícola 130 pode usar um modelo agronômico pré-configurado para calcular propriedades agronômicas relacionadas com informação de localização e de safra recebida correntemente para um ou mais campos. O modelo agronômico pré-configurado é baseado em dados de campo processados anteriormente, incluindo, mas não limitado a isto, dados de identificação, dados de colheita, dados de fertilizantes e dados de condições meteorológicas. O modelo agronômico pré-configurado pode ter sido validado de forma cruzada para assegurar precisão do modelo. Validação cruzada pode incluir comparação para fundamentar precisão, a qual compara resultados preditos com resultados reais em um campo, tal como uma comparação de estimativa de precipitação com um medidor de chuva na mesma localização ou uma estimativa de conteúdo de nitrogênio com uma medição de amostra de solo.

[066] A figura 3 ilustra um processo programado pelo qual o sistema de computador de inteligência agrícola gera um ou mais modelos agronômicos pré-configurados usando dados de campo fornecidos por uma ou mais fontes de dados. A figura 3 pode servir como um algoritmo ou instruções para programar os elementos funcionais do sistema de computador de inteligência agrícola 130 para executar as operações que são descritas agora.

[067] No bloco 305, o sistema de computador de inteligência agrícola 130 é configurado ou programado para implementar pré-processamento de dados agronômicos de dados de campo recebidos de uma ou mais fontes de dados. Os dados de campo recebidos de uma ou mais fontes de dados podem ser pré-processados para o propósito de remover efeitos de ruído e distorções dentro dos dados agronômicos incluindo valores discrepantes medidos que predisporiam valores de dados de campo recebidos. Modalidades de pré-processamento de dados agronômicos podem incluir, mas não estão limitadas a isto, remover valores de dados associados comumente com valores de dados discrepantes, pontos de dados medidos específicos que são conhecidos para distorcer desnecessariamente outros valores de dados, técnicas de uniformização de dados usadas para remover ou reduzir efeitos aditivos ou multiplicativos de ruído, e outras técnicas de filtragem ou de derivação de dados usadas para fornecer distinções claras entre entradas de dados positivas e negativas.

[068] No bloco 310, o sistema de computador de inteligência agrícola 130 é configurado ou programado para executar seleção de subconjunto de dados usando os dados de campo pré-processados a fim de identificar conjuntos de dados úteis para geração de modelo agronômico inicial. O sistema de computador de inteligência agrícola 130 pode implementar técnicas de seleção de subconjunto de dados incluindo, mas não limitado a isto, um método de algoritmo genético, um método de modelos de todos os subconjuntos, um método de pesquisa sequencial, um método de regressão de forma gradual, um método de otimização de grupo de partículas e um método de otimização de colônia de formigas. Por exemplo, uma técnica de seleção de algoritmo genético usa um algoritmo de pesquisa heurístico adaptativo, com base em princípios evolucionários de seleção e genética naturais, para determinar e avaliar conjuntos de dados dentro dos dados agronômicos pré- processados.

[069] No bloco 315, o sistema de computador de inteligência agrícola 130 é configurado ou programado para implementar avaliação de conjunto de dados de campo. Em uma modalidade, um conjunto de dados de campo específico é avaliado ao criar um modelo agronômico e usando limiares de qualidade específicos para o modelo agronômico criado. Modelos agronômicos podem ser comparados usando técnicas de validação cruzada incluindo, mas não limitadas a isto, validação cruzada de raiz do erro quadrático médio de deixar um de fora (RMSECV), erro absoluto médio e erro de porcentagem média. Por exemplo, RMSECV pode validar de forma cruzada modelos agronômicos ao comparar valores de propriedades agronômicas preditos criados pelo modelo agronômico com valores históricos de propriedades agronômicas coletados e analisados. Em uma modalidade, a lógica de avaliação de conjuntos de dados agronômicos é usada como um laço de realimentação onde conjuntos de dados agronômicos que não satisfazem limiares de qualidade configurados são usados durante futuras etapas de seleção de subconjuntos de dados (bloco 310).

[070] No bloco 320, o sistema de computador de inteligência agrícola 130 é configurado ou programado para implementar criação de modelo agronômico com base nos conjuntos de dados agronômicos validados de forma cruzada. Em uma modalidade, criação de modelo agronômico pode implementar técnicas de regressão de múltiplas variáveis para criar modelos de dados agronômicos pré-configurados.

[071] No bloco 325, o sistema de computador de inteligência agrícola 130 é configurado ou programado para armazenar os modelos de dados agronômicos pré-configurados para futura avaliação de dados de campo.

2.5 SUBSISTEMA DE ESTIMATIVA DE PERÍODO DE COLHEITA

[072] Em uma modalidade, o sistema de computador de inteligência agrícola 130, dentre outros componentes, inclui um subsistema de estimativa de período de colheita 170. O subsistema de estimativa de período de colheita 170 é configurado para fornecer uma recomendação de período de colheita para colher lavoura plantada usando valores de dados agrícolas provenientes de uma ou mais fontes. O subsistema de estimativa de período de colheita 170 usa os dados de campo 106 e os dados externos 110 para criar modelos digitais de taxas de secagem de grãos para sementes híbridas específicas de milho.

[073] Em uma modalidade, o subsistema de estimativa de período de colheita 170 contém lógica configurada especialmente incluindo, mas não limitada a isto, a lógica de teor de umidade de equilíbrio 172, a lógica de umidade de grãos 173, a lógica de taxa de secagem de grãos 174, a lógica de recomendação de colheita 175 e a lógica de aplicação de período de colheita 171. Cada um dos elementos mencionados anteriormente é descrito adicionalmente em estrutura e função em outras seções neste documento. “Lógica”, tal como usada na figura 1, se refere pelo menos em uma modalidade às regiões de memória principal no sistema de computador de inteligência agrícola 130 nas quais instruções executáveis e programadas tenham sido carregadas, e cujas instruções são configuradas, quando executadas, para induzir o computador para executar as funções que são descritas neste documento para esse elemento lógico. Por exemplo, a lógica de teor de umidade de equilíbrio 172 indica uma região de memória principal na qual o computador tenha carregado instruções, as quais quando executadas causam execução das funções de interface que são descritas adicionalmente neste documento. Estes elementos da figura 1 também indicam indiretamente como um técnico programador ou de software típico organizaria o código fonte de programas que implementam as funções que são descritas; o código pode ser organizado em módulos lógicos, métodos, sub-rotinas, derivações ou em outras unidades usando uma arquitetura correspondendo à figura 1.

[074] Em uma modalidade, a lógica de teor de umidade de equilíbrio 172 de uma maneira geral é configurada ou programada para construir série temporal de teor de umidade de equilíbrio (EMC) com base em propriedades de sementes híbridas e dados de condições meteorológicas diárias para uma geolocalização específica. Uma série temporal EMC é uma coleção de valores EMC diários, onde um valor EMC representa o teor de umidade que um grão específico alcançará eventualmente se o valor EMC for mantido constante. Valor EMC é uma função de temperatura e umidade relativa de ar ambiente. A lógica de umidade de grãos 173 de uma maneira geral é configurada ou programada para calcular o teor de umidade de grãos de uma semente híbrida específica no início da camada preta (na maturidade de grão R6) com base em dados de propriedades de sementes híbridas observados e estimados de múltiplas variedades de sementes híbridas. A lógica de taxa de secagem de grãos 174 de uma maneira geral é configurada ou programada para construir uma série temporal de taxa de secagem de grãos baseada na série temporal EMC, no teor de umidade de grãos de uma semente híbrida específica no R6, maturidade relativa de uma semente híbrida específica e em coeficientes de secagem calculados com base em dados históricos de variedades de sementes híbridas. A lógica de recomendação de colheita 175 de uma maneira geral é configurada ou programada para avaliar a série temporal de taxa de secagem de grãos e calcular a data de colheita ideal.

[075] Cada uma de a lógica de aplicação de período de colheita 171, a lógica EMC 172, a lógica de umidade de grãos 173, a lógica de taxa de secagem de grãos 174 e a lógica de recomendação de colheita 175 pode ser implementada usando um ou mais programas de computador ou outros elementos de software que são carregados e executados usando um ou mais computadores de uso geral, lógica implementada em matrizes de portas programáveis em campo (FPGAs) ou circuitos integrados de aplicação específica (ASICs). Embora a figura 1 represente a lógica de aplicação de período de colheita 171, a lógica de taxa de secagem de grãos 174, a lógica EMC 172, a lógica de umidade de grãos 173 e a lógica de recomendação de colheita 175 em um sistema de computação, em várias modalidades, as lógicas 171, 172, 173, 174 e 175 podem operar em múltiplos sistemas de computação.

[076] Em uma modalidade, a implementação das funções descritas neste documento para a lógica de aplicação de período de colheita 171, lógica EMC 172, lógica de umidade de grãos 173, lógica de taxa de secagem de grãos 174 e para a lógica de recomendação de colheita 175 usando um ou mais programas de computador ou outros elementos de software que são carregados e executados usando um ou mais computadores de uso geral induzirá os computadores de uso geral para serem configurados como uma máquina particular ou como um computador que é adaptado especialmente para executar as funções descritas neste documento. Cada um dos itens de lógica na figura 1, e em todas as outras figuras neste documento, pode representar uma região ou conjunto de uma ou mais páginas de memória principal armazenando instruções programadas que, quando executadas, causam execução das etapas de processo ou de etapas de algoritmo que são reveladas neste documento. Assim, os elementos lógicos não representam meras abstrações, mas representam páginas reais de memória que tenham sido carregadas com instruções executáveis. Adicionalmente, cada um dos fluxogramas que são descritos adicionalmente neste documento pode servir como algoritmos, planos ou direções que podem ser usados para programar um computador ou lógica para implementar as funções que são descritas. Em outras palavras, todo o texto apresentado neste documento e todos os desenhos conjuntamente são pretendidos para fornecer revelação de algoritmos, planos ou direções que são suficientes para permitir que uma pessoa qualificada programe um computador para executar as funções que são descritas neste documento, em combinação com o conhecimento profissional e experiência de uma pessoa como esta, dado o nível de conhecimento profissional que é apropriado para invenções e revelações deste tipo.

[077] Em uma modalidade, o computador servidor de dados externos 108 armazena os dados externos 110, incluindo umidade de grão histórica para uma variedade de sementes híbridas e dados de condições meteorológicas representando diariamente temperaturas e umidade em um ou mais campos. Umidade de grão histórica pode incluir, mas não está limitada a isto, datas de R6 estimadas para variedades de sementes híbridas, maturidade relativa para variedades de sementes híbridas, umidade de grãos observada em colheita e dados específicos de geolocalização para cada variedade de semente híbrida gravada. Os dados de condições meteorológicas podem incluir temperaturas diárias do passado e presente incluindo temperaturas altas, baixas e de ponto de orvalho. Em uma modalidade, o servidor de dados externos 108 compreende uma pluralidade de servidores hospedados por entidades diferentes. Por exemplo, um primeiro servidor pode conter dados de propriedades de sementes híbridas enquanto que um segundo servidor pode incluir dados de condições meteorológicas.

2.6 EXEMPLO DE IMPLEMENTAÇÃO - VISTA GERAL DE HARDWARE

[078] De acordo com uma modalidade, as técnicas descritas neste documento são implementadas por meio de um ou mais dispositivos de computação de uso especial. Os dispositivos de computação de uso especial podem ser conectados fisicamente para executar as técnicas, ou podem incluir dispositivos eletrônicos digitais tais como um ou mais circuitos integrados de aplicação específica (ASICs) ou matrizes de portas programáveis em campo (FPGAs) que são programados persistentemente para executar as técnicas, ou podem incluir um ou mais processadores de hardware de uso geral programados para executar as técnicas de acordo com instruções de programa em firmware, memória, outro armazenamento ou em uma combinação. Tais dispositivos de computação de uso especial também podem combinar lógica incorporada personalizada, ASICs ou FPGAs com programação personalizada para executar as técnicas. Os dispositivos de computação de uso especial podem ser sistemas de computadores de mesa, sistemas de computadores portáteis, dispositivos portáteis, dispositivos de rede ou qualquer outro dispositivo que incorpore lógica conectada fisicamente e/ou de programa para implementar as técnicas.

[079] Por exemplo, a figura 4 é um diagrama de blocos que ilustra um sistema de computador 400 no qual uma modalidade da invenção pode ser implementada. O sistema de computador 400 inclui um barramento 402 ou outro mecanismo de comunicação para transmitir informação, e um processador de hardware 404 acoplado ao barramento 402 para processar informação. O processador de hardware 404 pode ser, por exemplo, um microprocessador de uso geral.

[080] O sistema de computador 400 também inclui uma memória principal 406, tal como uma memória de acesso aleatório (RAM) ou outro dispositivo de armazenamento dinâmico, acoplada ao barramento 402 para armazenar informação e instruções para serem executadas pelo processador 404. A memória principal 406 também pode ser usada para armazenar variáveis temporárias ou outra informação intermediária durante execução de instruções para ser executada pelo processador 404. Tais instruções, quando armazenadas em mídias de armazenamento não transitório acessíveis para o processador 404, renderizam o sistema de computador 400 em uma máquina de uso especial que é personalizada para executar as operações especificadas nas instruções.

[081] O sistema de computador 400 inclui adicionalmente uma memória somente de leitura (ROM) 408 ou outro dispositivo de armazenamento estático acoplado ao barramento 402 para armazenar informação estática e instruções para o processador 404. Um dispositivo de armazenamento 410, tal como um disco magnético, disco ótico ou unidade de estado sólido, é fornecido e acoplado ao barramento 402 para armazenar informação e instruções.

[082] O sistema de computador 400 pode ser acoplado via barramento 402 a um mostrador 412, tal como um tubo de raios catódicos (CRT), para exibir informação para um usuário de computador. Um dispositivo de entrada 414, incluindo alfanumérico e outras teclas, é acoplado ao barramento 402 para enviar informação e seleções de comando para o processador 404. Um outro tipo de dispositivo de entrada de usuário é o controle de cursor 416, tal como um mouse, um mouse estacionário ou teclas de direção de cursor, para enviar informação de direção e seleções de comando para o processador 404 e para controlar movimento do cursor no mostrador 412. Este dispositivo de entrada tipicamente tem dois graus de liberdade em dois eixos, um primeiro eixo (por exemplo, x) e um segundo eixo (por exemplo, y), que permitem ao dispositivo especificar posições em um plano.

[083] O sistema de computador 400 pode implementar as técnicas descritas neste documento usando lógica incorporada personalizada, um ou mais ASICs ou FPGAs, firmware e/ou lógica de programa que em combinação com o sistema de computador induzem ou programam o sistema de computador 400 para ser uma máquina de uso especial. De acordo com uma modalidade, as técnicas neste documento são executadas pelo sistema de computador 400 em resposta ao processador 404 executar uma ou mais sequências de uma ou mais instruções contidas na memória principal 406. Tais instruções podem ser lidas na memória principal 406 de uma outra mídia de armazenamento, tal como o dispositivo de armazenamento 410. Execução das sequências de instruções contidas na memória principal 406 induz o processador 404 para executar as etapas de processo descritas neste documento. Em modalidades alternativas, conjunto de circuitos conectado fisicamente pode ser usado no lugar ou em combinação com instruções de software.

[084] O termo “mídias de armazenamento” tal como usado neste documento se refere a quaisquer mídias não transitórias que armazenam dados e/ou instruções que fazem com que uma máquina opere em um modo específico. Tais mídias de armazenamento podem compreender mídias não voláteis e/ou mídias voláteis. Mídias não voláteis incluem, por exemplo, discos óticos, discos magnéticos ou unidades de estados sólidos tais como o dispositivo de armazenamento 410. Mídia volátil inclui memória dinâmica, tal como a memória principal 406. Formas comuns de mídias de armazenamento incluem, por exemplo, um disco flexível, disco rígido, unidade de estado sólido, fita magnética, ou qualquer outra mídia de armazenamento de dados magnéticos, um CD-ROM, qualquer outra mídia de armazenamento de dados óticos, qualquer mídia física com padrões de furos, uma RAM, uma PROM e EPROM, uma FLASH-EPROM, NVRAM, qualquer outro chip ou cartucho de memória.

[085] Mídia de armazenamento é distinta de mídia de transmissão, mas pode ser usada em combinação com ela. Mídia de transmissão participa na transferência de informação entre mídias de armazenamento. Por exemplo, mídias de transmissão incluem cabos coaxiais, fio de cobre e fibras óticas, incluindo os fios que compreendem barramento 402. Mídias de transmissão também podem ter a forma de ondas acústicas ou de luz, tais como aquelas geradas durante comunicações de dados de onda de rádio e de infravermelho.

[086] Várias formas de mídias podem ser envolvidas ao carregar uma ou mais sequências de uma ou mais instruções no processador 404 para execução. Por exemplo, as instruções podem ser carregadas inicialmente em um disco magnético ou unidade de estado sólido de um computador remoto. O computador remoto pode carregar as instruções na sua memória dinâmica e enviar as instruções por meio de uma linha de telefone usando um modem. Um modem local para o sistema de computador 400 pode receber os dados pela linha de telefone e usar um transmissor infravermelho para converter os dados em um sinal infravermelho. Um detector de infravermelho pode receber os dados carregados no sinal infravermelho e conjunto de circuitos apropriado pode colocar os dados no barramento 402. O barramento 402 carrega os dados na memória principal 406, da qual o processador 404 recupera e executa as instruções. As instruções recebidas pela memória principal 406 opcionalmente podem ser armazenadas no dispositivo de armazenamento 410 antes ou depois da execução pelo processador 404.

[087] O sistema de computador 400 também inclui uma interface de comunicação 418 acoplada ao barramento 402. A interface de comunicação 418 fornece um acoplamento bidirecional de comunicação de dados para um enlace de rede 420 que é conectado a uma rede local 422. Por exemplo, a interface de comunicação 418 pode ser uma placa de rede digital de serviços integrados (ISDN), modem a cabo, modem de satélite ou um modem para fornecer uma conexão de comunicação de dados para um tipo correspondente de linha de telefone. Como um outro exemplo, a interface de comunicação 418 pode ser uma placa de rede de área local (LAN) para fornecer uma conexão de comunicação de dados para uma LAN compatível. Enlaces sem fio também podem ser implementados. Em qualquer tal implementação, a interface de comunicação 418 envia e recebe sinais elétricos, eletromagnéticos ou óticos que carregam fluxos de dados digitais representando vários tipos de informação.

[088] O enlace de rede 420 tipicamente possibilita comunicação de dados por meio de uma ou mais redes para outros dispositivos de dados. Por exemplo, o enlace de rede 420 pode fornecer uma conexão por meio da rede local 422 para um computador hospedeiro 424 ou para equipamento de dados operado por um Provedor de Serviços de Internet (ISP) 426. O ISP 426 por sua vez fornece serviços de comunicação de dados por meio da rede mundial de comunicação de dados de pacotes agora referida comumente como “Internet” (428). A rede local 422 e a Internet 428 usam sinais elétricos, eletromagnéticos ou óticos que carregam fluxos de dados digitais. Os sinais através das várias redes e os sinais no enlace de rede 420 e através da interface de comunicação 418, os quais carregam os dados digitais para o sistema de computador 400 e a partir dele, são formas de exemplo de mídias de transmissão.

[089] O sistema de computador 400 pode enviar mensagens e receber dados, incluindo código de programa, por meio da(s) rede(s), do enlace de rede 420 e da interface de comunicação 418. No exemplo de Internet, um servidor 430 pode transmitir um código solicitado para um programa de aplicação pela Internet 428, ISP 426, rede local 422 e pela interface de comunicação 418.

[090] O código recebido pode ser executado por o processador 404 as ele é recebido, e/ou armazenado em dispositivo de armazenamento 410, ou outro armazenamento não volátil para mais tarde execução.

3.0 VISTA GERAL FUNCIONAL

[091] A figura 5 é um fluxograma que representa um processo para determinar período de colheita ideal para uma semente híbrida específica de milho plantada em uma geolocalização específica com base em teor de umidade de grãos alvo na colheita. A figura 5 pode ser implementada, em uma modalidade, ao programar os elementos do sistema de computador de inteligência agrícola 130 para executar as funções que são descritas nesta seção, o que pode representar revelação de um algoritmo para implementação por computador das funções que são descritas. Para o propósito de ilustrar um exemplo claro, a figura 5 é descrita em conexão com certos elementos da figura 1. Entretanto, outras modalidades da figura 5 podem ser praticadas em muitos outros contextos e referências neste documento para unidades da figura 1 são meramente exemplos que não são pretendidos para limitar o escopo mais amplo da figura 5.

3.1 RECEBIMENTO DE DADOS

[092] No bloco 502, dados de sementes de plantação e dados de condições meteorológicas relacionados com um campo são recebidos pelo sistema de computador de inteligência agrícola 130. Por exemplo, o sistema de computador de inteligência agrícola 130 pode receber os dados de campo 106 do dispositivo de computação gerenciador de campos 104 e os dados externos 110 do servidor de dados externos 108. Os dados de campo 106 podem incluir, mas não estão limitados a isto, dados de sementes de plantação que identificam qual híbrido específico foi plantado pelo usuário 102 e informação de geolocalização relacionada com o campo do usuário 102.

[093] Os dados externos 110 recebidos do servidor de dados externos 108 podem incluir informação de propriedade histórica para uma variedade de sementes híbridas e dados históricos de condições meteorológicas específicas de geolocalização. Em uma modalidade, dados históricos de condições meteorológicas específicas de geolocalização podem ser usados ao determinar coeficientes usados ao calcular R6 e taxa de secagem de grãos. Em uma modalidade, os dados externos 110 podem estar disponíveis de um ou mais servidores externos 108 diferentes. Por exemplo, os dados externos 110 relacionados com informação de propriedade histórica de sementes para uma variedade de sementes híbridas podem estar disponíveis no repositório de dados do Farmer’s Independent Research of Seed Technologies (FIRST). O FIRST é um programa de teste de sementes colaborativo que utiliza agricultores e produtores de sementes para rastrear plantio e colheita de uma variedade de produtos de sementes híbridas através de múltiplos campos em vários estados produtores de milho nos Estados Unidos. Medições de sementes híbridas incluem produção de milho e umidade de grãos no tempo de colheita para cada campo e tipo de semente híbrida. As medições históricas são coletadas e armazenadas em uma base de dados acessível publicamente. Em uma outra modalidade, informação meteorológica específica de geolocalização pode estar disponível em um ou mais servidores externos 108 diferentes que armazenam especificamente informação meteorológica histórica.

[094] Em uma modalidade, os dados de campo específico 106 recebidos podem ser usados para determinar quais dados externos 110 devem ser recebidos pelo sistema de computador de inteligência agrícola 130. A figura 6 representa uma modalidade de um diagrama de fluxo detalhado para receber os dados de campo 106 e os dados externos 110. No bloco 602, a camada de comunicação 132 recebe os dados de campo 106 do dispositivo de computação gerenciador de campos 104. A camada de comunicação 132 então retransmite os dados de campo 106, os quais incluem tipo de semente híbrida e informação de geolocalização, para a lógica de aplicação de período de colheita 171.

[095] No bloco 604, a lógica de aplicação de período de colheita 171 determina se os dados externos 110 precisam ser recebidos do servidor de dados externos 108. Por exemplo, os dados externos específicos 110 relacionados com as condições meteorológicas e propriedades do tipo de semente híbrida específica são exigidos para predizer precisamente períodos de colheita ideais. Em uma modalidade, a lógica de aplicação de período de colheita 171 pode primeiro consultar o repositório de dados de modelos e de campos 160, para determinar se e para qual extensão os dados externos 110 são exigidos. Por exemplo, se o repositório de dados de modelos e de campos 160 tiver armazenado anteriormente condições meteorológicas e dados de propriedades de sementes para a semente híbrida específica, então a lógica de aplicação de período de colheita 171 pode não precisar de quaisquer novos dados externos 110. Em um outro exemplo, a lógica de aplicação de período de colheita 171 pode consultar o repositório de dados de modelos e de campos 160 e determinar que somente os dados externos 110 relacionados com as condições meteorológicas da semana anterior são exigidos do servidor de dados externos 108.

[096] No bloco 606, se a lógica de aplicação de período de colheita 171 tiver determinado que os dados externos 110 são exigidos, então a lógica de aplicação de período de colheita 171 cria uma consulta para um servidor de dados externos 108.

[097] No bloco 608, a lógica de aplicação de período de colheita 171 solicita, usando a consulta criada, os dados externos 110 do servidor de dados externos 108. No bloco 610, a lógica de aplicação de período de colheita 171 armazena os dados de campo 106 e os dados externos 110 recebidos no repositório de dados de modelos e de campos 160.

[098] Se no bloco 604 a lógica de aplicação de período de colheita 171 determinar que uma consulta para os dados externos 110 não é exigida, então os dados de campo 106 recebidos são armazenados no repositório de dados de modelos e de campos 160 (bloco 610).

3.2 LÓGICA DE TEOR DE UMIDADE DE EQUILÍBRIO

[099] No bloco 504 na figura 5, a lógica EMC 172 cria uma série temporal EMC usando os dados externos 110 armazenados no repositório de dados de modelos e de campos 160. A lógica EMC 172 calcula valores EMC de base seca para cada dia com base em pontos de dados de condições meteorológicas disponíveis diariamente dos dados externos 110 armazenados. Um valor EMC de base seca representa uma porcentagem do teor de umidade de uma dada amostra dividido pela massa seca da dada amostra.

[0100] Em uma modalidade, a lógica EMC 172 usa os dados externos 110 incluindo: valores de temperatura relacionados com máxima, mínima, média diariamente, e em ponto de orvalho; uma fração de umidade relativa derivada diariamente; e constantes dependentes de grãos derivadas empiricamente. A lógica EMC 172 determina o valor EMC em um tempo específico usando a equação de Chung-Pfost:onde Meq(t) é igual à fração EMC de base seca diariamente média no tempo t; Tméd(t) é igual à temperatura média diariamente no tempo t, em Celsius; RH(t) é igual à fração de umidade relativa média diariamente no tempo t; E, F e C são constantes da equação de Chung-Pfost específicas para milho.

[0101] Em uma modalidade, umidade relativa, RH(t), pode ser calculada usando a seguinte equação: onde Tpdo(t), Tmáx(t), Tmín(t) são iguais às temperaturas de ponto de orvalho, máxima e mínima no tempo t, em Celsius.

[0102] Pv(T) é igual à pressão de vapor saturado, em kPa, para uma dada temperatura T, onde PV(T) é calculada para uma dada temperatura usando a seguinte equação: PV(T) = 0,6i08(17’27T/<r+237’3» onde 0,6108 é igual a uma pressão de vapor de saturação de referência, em kPa, em 0 grau Celsius, e 17,27 e 237,3 são constantes usadas para determinar pressão parcial de vapor de água.

[0103] Em outras modalidades, umidade relativa pode ser calculada usando a equação de Oswna Modificada, equação de Strohman-Yoerger, equação de Halsey Modificada, equação de Chen-Clayton ou a equação de Henderson Modificada.

[0104] Em uma modalidade, a lógica EMC 172 calcula o valor EMC de base seca para cada dia na série temporal começando em uma data de R6 estimada e terminando na última data para a qual dados de condições meteorológicas são fornecidos. Em uma modalidade, a data de R6 estimada para a semente híbrida específica é incluída nos dados externos 110 armazenados no repositório de dados de modelos e de campos 160. Em uma modalidade, a lógica EMC 172 envia a série temporal EMC para a lógica de aplicação de período de colheita 171 para armazenamento no repositório de dados de modelos e de campos 160.

3.3 LÓGICA DE UMIDADE DE GRÃOS

[0105] No bloco 506, a lógica de umidade de grãos 173 calcula o teor de umidade de grãos no R6 com base na maturidade relativa da semente híbrida específica, em um coeficiente de umidade inicial, em um coeficiente de ajuste e na maturidade relativa média de sementes de milho. O propósito de calcular um teor de umidade de semente híbrida específica no R6 é que ele fornece um ponto de partida de umidade de grãos para determinar a taxa de secagem de grãos e período de colheita ideal.

[0106] Em uma modalidade, a lógica de umidade de grãos 173 determina a data de início do R6 com base nos dados externos 110, onde os dados externos 110 incluem uma data de R6 estimada para a semente híbrida específica. A data de R6 estimada pode ser baseada em uma base de dados de fenologia de ciclos de vida observados de variedades de milho híbrido. Em uma outra modalidade, a data de início de R6 pode ser recuperada de uma base de dados de fenologia interna mantida no repositório de dados de modelos e de campos 160.

[0107] Em uma modalidade, a lógica de umidade de grãos 173 é programada para usar os seguintes parâmetros para determinar umidade de grão de semente híbrida específica no R6: 1) Uma distribuição estimada de teor de umidade de grãos para variedades de sementes de milho. 2) Uma distribuição estimada de um fator de ajuste de R6 com base em ajustes de maturidade relativa observados de variedades de sementes de milho. 3) Maturidade relativa estimada para o híbrido específico em questão. 4) Uma maturidade relativa média para o conjunto de variedades de sementes de milho observadas.

[0108] A figura 7 representa uma modalidade pela qual a lógica de umidade de grãos 173 estima teor de umidade de grãos para a semente híbrida específica no R6, usando os parâmetros indicados acima. No bloco 702, a lógica de umidade de grãos 173 cria uma distribuição posterior de teor de umidade de grãos usando os dados externos 110 armazenados no repositório de dados de modelos e de campos 160. Por exemplo, os dados externos 110 podem incluir dados de umidades medidas e/ou calculadas no R6 para cada uma das variedades de sementes híbridas. Em uma modalidade, a lógica de umidade de grãos 173 pode usar o método de amostragem de Gibbs para amostrar observações em uma distribuição de probabilidades que se torna a distribuição posterior de umidade de grão no R6. O método de amostragem de Gibbs é um método de Monte Carlo via cadeia de Markov para obter uma sequência de amostras aleatórias de uma distribuição de probabilidades quando amostragem direta de outro modo é difícil. Outras modalidades podem implementar métodos de Monte Carlo via cadeia de Markov diferentes, tais como Hamiltonian Monte Carlo ou o algoritmo de Metropolis-Hastings. Também em outras modalidades, simulações do processo de taxa de secagem de grãos podem ser executadas com uma faixa de valores paramétricos possíveis para levar em conta suas incertezas. Em uma modalidade, a lógica de umidade de grãos 173 usa o valor médio da distribuição posterior de umidade de grão no R6 como a umidade inicial de grão no R6. Em uma modalidade alternativa, a lógica de umidade de grãos 173 pode usar o valor mediano da distribuição posterior de umidade de grão no R6 como a umidade inicial de grão no R6. Também em uma outra modalidade, a lógica de umidade de grãos 173 usa o conjunto de dados de distribuição posterior total de umidade de grãos no R6 para criar um conjunto de valores de umidade de grãos de R6 para ser avaliado.

[0109] No bloco 704, a lógica de umidade de grãos 173 cria uma distribuição posterior de um fator de ajuste de R6, onde o fator de ajuste de R6 é um valor calculado para obter o quanto a maturidade relativa de cada variedade de semente híbrida precisa ser ajustada com base na umidade de grãos observada na colheita. Por exemplo, a lógica de umidade de grãos 173 pode calcular a maturidade relativa observada de cada amostra de semente híbrida e então determinar quanto a maturidade relativa estimada precisaria ser ajustada a fim de alinhar com o valor observado. Em uma modalidade, a lógica de umidade de grãos 173 pode usar métodos de Monte Carlo via cadeia de Markov para amostrar o fator de ajuste observado em uma distribuição posterior para um coeficiente de ajuste de maturidade relativa. Em uma modalidade, a lógica de umidade de grãos 173 usa o valor mediano da distribuição posterior para o coeficiente de ajuste de maturidade relativa como o coeficiente de ajuste de maturidade relativa. Em uma modalidade alternativa, a lógica de umidade de grãos 173 pode usar o valor médio da distribuição posterior para o coeficiente de ajuste de maturidade relativa como o coeficiente de ajuste de maturidade relativa.

[0110] No bloco 706, a lógica de umidade de grãos 173 define uma maturidade relativa de linha de base como a maturidade relativa média para todas as variedades de sementes de milho observadas. O valor de maturidade relativa de linha de base é usado para determinar quanto se deve ajustar a umidade de uma dada semente híbrida com base na diferença da maturidade relativa da dada semente híbrida para a maturidade relativa de linha de base. Por exemplo, a maturidade relativa de linha de base pode ser definida como a maturidade relativa média de todas as variedades de sementes híbridas.

[0111] No bloco 708, a lógica de umidade de grãos 173 calcula a umidade de grão de semente híbrida no R6 como uma função da maturidade relativa da semente híbrida versus a maturidade relativa de linha de base de todas as variedades de sementes híbridas observadas. Em uma modalidade, a lógica de umidade de grãos 173 usa a equação seguinte para determinar umidade de grão de semente híbrida no R6:onde M(t=R6) é igual ao teor de umidade de base úmida de semente híbrida no R6; a é igual ao mediano posterior de teor de umidade de grãos no R6 para todas as variedades de sementes de milho; b é igual ao mediano posterior do coeficiente de ajuste de maturidade relativa para todas as variedades de sementes de milho; rmhíbrida é igual à maturidade relativa da semente híbrida; rmlinha de base é igual à maturidade relativa média de todas as variedades de sementes de milho.

[0112] Em uma modalidade, a lógica de umidade de grãos 173 envia o teor de umidade de grãos calculado no R6 da semente híbrida para a lógica de aplicação de período de colheita 171 para ser armazenado no repositório de dados de modelos e de campos 160.

3.4 LÓGICA DE TAXA DE SECAGEM DE GRÃOS

[0113] No bloco 508, a lógica de taxa de secagem de grãos 174 cria uma série temporal de taxa de secagem de grãos para a semente híbrida específica. A série temporal de taxa de secagem de grãos é um conjunto de taxas de secagem e teor de umidade de semente híbrida correspondendo a um dia específico durante o processo de taxa de secagem. Taxa de secagem de grãos se refere à troca de umidade do núcleo de semente híbrida para o ar exterior.

[0114] Em uma modalidade, os dados externos 110 usados para calcular taxa de secagem de grãos diariamente incluem: o valor de umidade de grão da semente híbrida específica no R6 tal como calculado pela lógica de umidade de grãos 173 como M(t=R6), o teor de umidade do ar ambiente em datas específicas tais como fornecidas pela série temporal EMC, e dados históricos de taxas de secagem para variedades de sementes híbridas. Em uma modalidade, a lógica de taxa de secagem de grãos 174 calcula diariamente a taxa de secagem de grãos como a diferença entre a umidade de grão e a umidade de ar ambiente nessa data específica, multiplicada por um coeficiente de secagem.

[0115] Em uma modalidade, a lógica de taxa de secagem de grãos 174 calcula a taxa de secagem de grãos iniciando da data de R6 da semente híbrida específica. Em uma modalidade, a taxa de secagem diária é calculada usando a seguinte equação: onde é igual à taxa de secagem no tempo t, onde t representa um dia específico eé igual ao coeficiente de secagem; M(t) é igual ao teor de umidade de grãos da semente híbrida específica no tempo t; EMC(t) é igual ao teor de umidade de equilíbrio do ar ambiente no tempo t.

[0116] Em uma modalidade, o coeficiente de secagem é calculado como uma função da maturidade relativa da semente híbrida específica e de parâmetros derivados de dados históricos de umidades coletados de variedades de sementes de milho. Em uma modalidade, os parâmetros k e p descrevem como coeficientes de secagem devem ser ajustados de acordo com maturidade relativa. Em uma outra modalidade, múltiplos parâmetros, juntamente com os parâmetros k e p, podem ser usados para descrever a relação entre taxas de secagem e maturidade relativa. Estes parâmetros podem descrever distribuições posteriores criadas a partir de dados históricos de umidades coletados de variedades de sementes de milho, onde os parâmetros k e p são os respectivos medianos posteriores das distribuições posteriores. Por exemplo, se os medianos posteriores forem k = 0,030 e p = 3,6 e a maturidade relativa da semente híbrida específica for 95, então o coeficiente de secagem para semente híbrida95 seria igual a:

[0117] Entretanto, usando os mesmos parâmetros medianos posteriores, se a maturidade relativa de semente híbrida for 115, então o coeficiente de secagem para semente híbrida115 seria igual a:

[0118] Portanto, o coeficiente de secagem é dependente da maturidade relativa porque sementes híbridas com maturidade relativa menor tendem a secar com um coeficiente de secagem mais alto que o de sementes híbridas com maturidade relativa maior.

[0119] A figura 8 representa um exemplo de calcular a taxa de secagem diária iniciando no R6. No bloco 802, a lógica de taxa de secagem de grãos 174 identifica os parâmetros para determinar a taxa de secagem diária iniciando no R6. Por exemplo, quando t = R6 a lógica de taxa de secagem de grãos 174 usa o teor de umidade de semente híbrida calculado pela lógica de umidade de grãos 173 como M(t=R6) e pesquisa na série temporal EMC o valor para EMC(t=R6). Em uma modalidade, a lógica de taxa de secagem de grãos 174 calcula o parâmetro de coeficiente de secagem usando a maturidade relativa para a semente híbrida específica e medianos posteriores para os coeficientes k e p. Em uma outra modalidade, a lógica de taxa de secagem de grãos 174 pode recuperar um coeficiente de secagem armazenado anteriormente desde que a maturidade relativa da semente híbrida e medianos posteriores dos coeficientes k e p não tenham mudado.

[0120] No bloco 804, a lógica de taxa de secagem de grãos 174 calcula a taxa de secagem diária no tempo t usando a equação de taxa de secagem diária apresentada anteriormente. Por exemplo, se os parâmetros forem: M(t=R6) = 28% EMC(t=R6) = 12% k = 0,030 p = 3,6 rm = 95

[0121] Então a taxa de secagem é calculada tal como se segue:

[0122] No bloco 806, a lógica de taxa de secagem de grãos 174 adiciona a taxa de secagem calculada no tempo t (bloco 804) e o teor de umidade de semente híbrida M(t) à série temporal de taxa de secagem de grãos. A lógica de taxa de secagem de grãos 174 então determina se existem mais pontos de dados disponíveis para taxas de secagem diárias adicionais calculadas. Em uma modalidade, a lógica de taxa de secagem de grãos 174 calcula diariamente taxas de secagem para cada ponto de dados dentro da série temporal EMC porque a série temporal EMC representa cada dia medido até o dia medido mais recente. Ao calcular os dados mais recentes, a série temporal de taxa de secagem de grãos refletirá a informação mais precisa para calcular níveis atuais de umidade.

[0123] Se no bloco 806 a lógica de taxa de secagem de grãos 174 determinar que existem mais pontos de dados então a lógica de taxa de secagem de grãos 174 prossegue para o bloco 802, onde tempo t é igual a “t+1”. Em uma modalidade, no bloco 802 a lógica de taxa de secagem de grãos calcula a teor de umidade de semente híbrida M(t+1) ao usar M(t) e subtrair a taxa de secagem calculada, dM/dt, no tempo t. Por exemplo, o teor de umidade de semente híbrida em t=R6+1 é:

[0124] Em uma modalidade, a lógica de taxa de secagem de grãos 174 pesquisa na série temporal EMC o valor para EMC(t=R6+1) e usa o mesmo coeficiente de secagem usado anteriormente. Então a lógica de taxa de secagem de grãos 174 prossegue para o bloco 804 para calcular a taxa de secagem em R6+1.

[0125] Em uma modalidade, se no bloco 806 a lógica de taxa de secagem de grãos 174 determinar que não existem mais pontos de dados disponíveis para calcular a taxa de secagem, então a lógica de taxa de secagem de grãos 174 retorna a série temporal de taxa de secagem de grãos para a lógica de aplicação de período de colheita 171 para ser armazenada no repositório de dados de modelos e de campos 160.

3.5 LÓGICA DE RECOMENDAÇÃO DE COLHEITA

[0126] No bloco 510, a lógica de recomendação de colheita 175 determina período de colheita ideal com base na série temporal de taxa de secagem de grãos e em um nível de umidade desejado. Em uma modalidade, a lógica de aplicação de período de colheita 171 envia a série temporal de taxa de secagem de grãos e um valor de umidade de grãos ideal para a lógica de recomendação de colheita 175. Um valor de umidade de grão ideal é um valor de umidade de base úmida configurável para grão com base no teor de umidade desejado do usuário 102. Em uma modalidade, o usuário 102 pode especificar o valor de umidade de grão ideal como parte dos dados de campo 106 recebidos pelo dispositivo de computação gerenciador de campos 104. Em uma outra modalidade, o teor de umidade ideal pode ser pré- configurado com base em valores de umidades de grãos desejados por compradores de grãos de milho.

[0127] Em uma modalidade, a lógica de recomendação de colheita 175 representa graficamente os valores de teor de umidade de semente híbrida na série temporal de taxa de secagem de grãos e extrapola futuros valores de teor de umidade com base em uma linha de tendência. Em uma modalidade, extrapolação de teor de umidade futuro pode ser baseada em dados de condições meteorológicas previstas que são usados para calcular valores EMC e a taxa de secagem de grãos variável, onde a taxa de secagem de grãos diminui regularmente à medida que o valor de teor de umidade se aproxima do valor EMC. Em uma outra modalidade, a lógica de recomendação de colheita 175 pode extrapolar valores de teor de umidade com base em valores EMC de dados históricos para o período do ano e geolocalização e valores EMC com base em dados de condições meteorológicas previstas.

[0128] Em uma modalidade, a lógica de recomendação de colheita 175 retorna um modelo de dados de recomendação para a lógica de aplicação de período de colheita 171. O modelo de dados de recomendação inclui, mas não está limitado a isto, um gráfico extrapolado dos valores de teor de umidade da semente híbrida, incluindo valores preditos, e uma data de colheita recomendada que é baseada no valor de teor de umidade desejado da semente híbrida. Ao fornecer tanto a data de recomendação quanto o gráfico de taxas de secagem de teor de umidade, o usuário 102 pode entender melhor a tendência de taxa de secagem de grãos de sua plantação.

[0129] A figura 9 representa um modelo de dados de recomendação de amostra, onde o gráfico 902 representa um modelo de dados de recomendação para o campo X. A linha 904 é a linha de tendência extrapolada com base em valores de teor de umidade calculados a partir da série temporal de taxa de secagem de grãos. O ponto 906 é a data predita (dia R6+50) onde o teor de umidade da semente híbrida alcança 15% de umidade de base úmida.

[0130] Em uma modalidade, a lógica de aplicação de período de colheita 171 retransmite o modelo de dados de recomendação para a camada de apresentação 134. A camada de apresentação 134 empacota e envia o modelo de dados de recomendação em um formato que é exibível no dispositivo de computação gerenciador de campos 104. Em outras modalidades, a lógica de aplicação de período de colheita 171 armazena o modelo de dados de recomendação em memória. Modelos de dados de recomendação armazenados podem ser usados mais tarde para melhorar métodos usados pela lógica de recomendação de colheita 175 e podem ser usados para validação cruzada de futuros modelos de dados de recomendação.

[0131] No relatório descritivo exposto anteriormente, modalidades da invenção foram descritas com referência para inúmeros detalhes específicos que podem variar de implementação para implementação. O relatório descritivo e desenhos, portanto, são para ser considerados em um sentido ilustrativo em vez de restritivo. O único e exclusivo indicador do escopo da invenção, e o que é pretendido pelos requerentes para ser o escopo da invenção, é o escopo literal e equivalente do conjunto de reivindicações que resultam deste pedido, na forma específica em que tais reivindicações resultam, incluindo qualquer correção subsequente.

Claims (20)

1. Método implementado por computador, caracterizado pelo fato de que compreende: receber dados de sementes de colheita e dados climáticos que foram medidos em um ou mais campos agrícolas; receber, por meio de uma rede de comunicação de dados digitais em um sistema de computador de inteligência agrícola compreendendo um ou mais processadores e memória digital, dados digitais eletrônicos compreendendo uma pluralidade de valores representando dados de sementes de plantação medidos e dados de condições meteorológicas que foram medidos para um ou mais campos agrícolas; usando lógica programada digitalmente em uma lógica de teor de umidade de equilíbrio do sistema de computador de inteligência agrícola, criar e armazenar em memória de computador uma série temporal de teor de umidade de equilíbrio para uma geolocalização específica com base, pelo menos em parte, na pluralidade de valores representando dados de sementes de plantação e dados de condições meteorológicas, onde a série temporal de teor de umidade de equilíbrio representa fração de teor de umidade de equilíbrio diária média em base seca em uma série de pontos de dados no tempo; usando lógica programada digitalmente em uma lógica de umidade de grãos do sistema de computador de inteligência agrícola, calcular e armazenar em memória de computador um teor de umidade de R6 inicial para uma semente híbrida específica com base, pelo menos em parte, em uma distribuição probabilística estimada do teor de umidade inicial de R6 para a semente híbrida específica usando a pluralidade de valores representando dados de sementes de plantação a distribuição probabilística estimada sendo gerada usando um algoritmo de Monte Carlo da cadeia de Markov para seleção de uma sequência de valores aleatórios da pluralidade de valores;; usando lógica programada digitalmente em uma lógica de taxa de secagem de grãos do sistema de computador de inteligência agrícola, criar e armazenar em memória de computador uma série temporal de taxa de secagem de grãos para a semente híbrida específica na geolocalização específica com base, pelo menos em parte, na série temporal de teor de umidade de equilíbrio, no teor de umidade de R6 inicial para a semente híbrida específica e em um coeficiente de secagem calculado para a semente híbrida específica, onde a série temporal de taxa de secagem de grãos representa níveis de umidade da semente híbrida específica em pontos dados no tempo; usando lógica programada digitalmente em uma lógica de recomendação de colheita do sistema de computador de inteligência agrícola, determinar uma recomendação de período de colheita para colher safra cultivada da semente híbrida específica plantada com base, pelo menos em parte, na série temporal de taxa de secagem de grãos; transmitir através de uma rede de comunicação de dados digitais a recomendação de tempo de colheita para um dispositivo cliente configurado para exibir a recomendação de tempo de colheita para um gerente de campo agrícola de um ou mais campos agrícolas.

2. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que os dados de sementes de plantação incluem dados digitais representando maturidade relativa estimada da semente híbrida específica e dados de R6 para a semente híbrida específica que são baseados em dados de modelagem de fenologia históricos.

3. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que os dados de condições meteorológicas compreendem dados digitais representando valores para temperatura diária histórica média, máxima e mínima, temperaturas diárias históricas de pontos de orvalho, umidade relativa média histórica e pressão de vapor saturado histórica para uma dada temperatura para o um ou mais campos.

4. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que criação da série temporal de teor de umidade de equilíbrio pela lógica de teor de umidade de equilíbrio compreende: derivar um valor de fração de teor de umidade de equilíbrio diária média em base seca em um tempo específico usando execução de computador de uma representação digital de uma equação de Chung-Pfost; compilar a série temporal de teor de umidade de equilíbrio usando valores de fração de teor de umidade de equilíbrio diária média em base seca derivados em uma série de pontos de dados no tempo.

5. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que cálculo do teor de umidade de R6 compreende: derivar a distribuição estimada probabilística do teor de umidade dos grãos com base, pelo menos em parte, nos dados de R6 para a semente híbrida específica; derivar um fator de ajuste de R6 com base, pelo menos em parte, em maturidade relativa da semente híbrida específica; calcular um teor de umidade de R6 inicial para a semente híbrida específica usandoa distribuição estimada do teor de umidade dos grãos, o R6 , o fator de ajuste de R6, a maturidade relativa da semente híbrida específica e um intervalo de tempo de duração de maturidade de linha de base.

6. Método, de acordo com a reivindicação 5, caracterizado pelo fato de que a distribuição estimada probabilística do teor de umidade dos grãos compreende uma distribuição posterior de datas de R6 para a semente híbrida específica, onde a distribuição posterior de teor de umidade inicial R6 é uma compilação de teor de umidade inicial R6 históricas para a semente híbrida específica medidas através de um ou mais campos e em que o cálculo de um teor de umidade inicial de R6 compreende o cálculo de uma mediana da distribuição estimada probabilística.

7. Método, de acordo com a reivindicação 5, caracterizado pelo fato de que o fator de ajuste R6 é calculado como um mediano de uma distribuição posterior de variação entre datas de maturidades observadas e datas de R6 estimadas para a semente híbrida específica medidas através de um ou mais campos.

8. Método, de acordo com a reivindicação 5, caracterizado pelo fato de que o intervalo de tempo de duração de maturidade de linha de base é configurado com base em um tipo da semente híbrida.

9. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que criação da série temporal de taxa de secagem de grãos compreende: calcular uma taxa de mudança em valor de umidade para a semente híbrida específica em um tempo específico, onde a taxa de mudança em umidade é igual a uma diferença entre o teor de umidade dentro da semente híbrida específica e o teor de umidade de equilíbrio em um tempo específico, multiplicada por um coeficiente de taxa de secagem; determinar o teor de umidade dentro da semente híbrida específica com base no teor de umidade inicial de R6 para a semente híbrida específica; derivar o teor de umidade de equilíbrio da série temporal de teor de umidade de equilíbrio no tempo específico para a qual a taxa de variação da umidade é calculada; determinar o coeficiente de taxa de secagem com base em uma função de maturidade relativa expressada em dias; compilar a taxa calculada de mudança em valores de umidade para criar a série temporal de taxa de secagem de grãos.

10. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que determinar a recomendação de colheita é com base em selecionar uma data da série temporal de taxa de secagem de grãos onde a umidade de grão é igual a um valor de umidade alvo.

11. Uma ou mais mídias de armazenamento não transitório, caracterizadas pelo fato de que armazenam instruções que, quando executadas por um ou mais dispositivos de computação, causam desempenho de um método compreendendo as etapas de: receber dados de sementes de colheita e dados climáticos que foram medidos em um ou mais campos agrícolas; receber, por meio de uma rede de comunicação de dados digitais em um sistema de computador de inteligência agrícola compreendendo um ou mais processadores e memória digital, dados digitais eletrônicos compreendendo uma pluralidade de valores representando dados de sementes de plantação medidos e dados de condições meteorológicas que foram medidas para um ou mais campos agrícolas; usando lógica programada digitalmente em uma lógica de teor de umidade de equilíbrio do sistema de computador de inteligência agrícola, criar e armazenar em memória de computador uma série temporal de teor de umidade de equilíbrio para uma geolocalização específica com base, pelo menos em parte, na pluralidade de valores representando dados de sementes de plantação e dados de condições meteorológicas, onde a série temporal de teor de umidade de equilíbrio representa fração de teor de umidade de equilíbrio diária média em base seca em uma série de pontos de dados no tempo; usando lógica programada digitalmente em uma lógica de umidade de grãos do sistema de computador de inteligência agrícola, calcular e armazenar em memória de computador um teor de umidade inicial de R6 para uma semente híbrida específica com base, pelo menos em parte, em uma distribuição probabilística estimada do teor de umidade inicial de R6 para a semente híbrida específica usando a pluralidade de valores que representam dados de sementes da colheita, a distribuição probabilística estimada sendo gerada usando um algoritmo Monte Carlo da cadeia de Markov para seleção de uma sequência de valores aleatórios da pluralidade de valores;; usando lógica programada digitalmente em uma lógica de taxa de secagem de grãos do sistema de computador de inteligência agrícola, criar e armazenar em memória de computador uma série temporal de taxa de secagem de grãos para a semente híbrida específica na geolocalização específica com base, pelo menos em parte, na série temporal de teor de umidade de equilíbrio, no teor de umidade inicial de R6 para a semente híbrida específica e em um coeficiente de secagem calculado para a semente híbrida específica, onde a série temporal de taxa de secagem de grãos representa níveis de umidade da semente híbrida específica em pontos dados no tempo; usando lógica programada digitalmente em uma lógica de recomendação de colheita do sistema de computador de inteligência agrícola, determinar uma recomendação de período de colheita para colher safra cultivada da semente híbrida específica plantada com base, pelo menos em parte, na série temporal de taxa de secagem de grãos transmitir através de uma rede de comunicação de dados digitais a recomendação de tempo de colheita para um dispositivo cliente configurado para exibir a recomendação de tempo de colheita para um gerente de campo agrícola de um ou mais campos agrícolas.

12. Uma ou mais mídias de armazenamento não transitório, de acordo com a reivindicação 11, caracterizadas pelo fato de que os dados de sementes de plantação incluem dados digitais representando maturidade relativa estimada da semente híbrida específica e dados de R6 para a semente híbrida específica que são baseados em dados de modelagem de fenologia históricos.

13. Uma ou mais mídias de armazenamento não transitório, de acordo com a reivindicação 11, caracterizadas pelo fato de que os dados de condições meteorológicas compreendem dados digitais representando valores para temperatura diária histórica média, máxima e mínima, temperaturas diárias históricas de pontos de orvalho, umidade relativa média histórica e pressão de vapor saturado histórica para uma dada temperatura para o um ou mais campos.

14. Uma ou mais mídias de armazenamento não transitório, de acordo com a reivindicação 11, caracterizadas pelo fato de que criação da série temporal de teor de umidade de equilíbrio pela lógica de teor de umidade de equilíbrio compreende: derivar um valor de fração de teor de umidade de equilíbrio diária média em base seca em um tempo específico usando execução de computador de uma representação digital de uma equação de Chung-Pfost; compilar a série temporal de teor de umidade de equilíbrio usando valores de fração de teor de umidade de equilíbrio diária média em base seca derivados em uma série de pontos de dados no tempo.

15. Uma ou mais mídias de armazenamento não transitório, de acordo com a reivindicação 11, caracterizadas pelo fato de que cálculo do teor de umidade inicial de R6 compreende: derivar a distribuição estimada probabilística do teor de umidade de grãos com base, pelo menos em parte, nos dados de R6 para a semente híbrida específica; derivar um fator de ajuste de R6 com base, pelo menos em parte, em maturidade relativa da semente híbrida específica; calcular o teor de umidade de R6 para a semente híbrida específica usando a distribuição estimada do teor de umidade dos grãos, o R6, o fator de ajuste de taxa de secagem, a maturidade relativa da semente híbrida específica e um intervalo de tempo de duração de maturidade de linha de base.

16. Uma ou mais mídias de armazenamento não transitório, de acordo com a reivindicação 15, caracterizadas pelo fato de que a distribuição estimada probabilística do teor de umidade dos grãos compreende uma distribuição posterior de teor de umidade inicial R6 para a semente híbrida específica, onde a distribuição posterior de teor de umidade inicial R6 é uma compilação de datas de R6 históricas para a semente híbrida específica medidas através de um ou mais campos e em que o cálculo de um teor de umidade inicial de R6 compreende o cálculo de uma mediana da distribuição estimada probabilística.

17. Uma ou mais mídias de armazenamento não transitório, de acordo com a reivindicação 15, caracterizadas pelo fato de que o fator de ajuste R6 é calculado como um mediano de uma distribuição posterior de variação entre datas de maturidades observadas e datas de R6 estimadas para a semente híbrida específica medidas através de um ou mais campos.

18. Uma ou mais mídias de armazenamento não transitório, de acordo com a reivindicação 15, caracterizadas pelo fato de que o intervalo de tempo de duração de maturidade de linha de base é configurado com base em um tipo da semente híbrida.

19. Uma ou mais mídias de armazenamento não transitório, de acordo com a reivindicação 11, caracterizadas pelo fato de que criação da série temporal de taxa de secagem de grãos compreende: calcular uma taxa de mudança em valor de umidade para a semente híbrida específica em um tempo específico, onde a taxa de mudança em umidade é igual a uma diferença entre o teor de umidade dentro da semente híbrida específica e o teor de umidade de equilíbrio em um tempo específico, multiplicada por um coeficiente de taxa de secagem; determinar o teor de umidade dentro da semente híbrida específica com base no teor de umidade de R6 para a semente híbrida específica; derivar o teor de umidade de equilíbrio da série temporal de teor de umidade de equilíbrio no tempo específico para a qual a taxa de variação da umidade é calculada; determinar o coeficiente de taxa de secagem com base em uma função de maturidade relativa expressada em dias; compilar a taxa calculada de mudança em valores de umidade para criar a série temporal de taxa de secagem de grãos.

20. Uma ou mais mídias de armazenamento não transitório, de acordo com a reivindicação 11, caracterizadas pelo fato de que determinar a recomendação de colheita é com base em selecionar uma data da série temporal de taxa de secagem de grãos onde a umidade de grão é igual a um valor de umidade alvo.