BR112019009999A2 - identificação de zonas de gerenciamento em campos agrícolas e geração de planos de plantio para as zonas - Google Patents
identificação de zonas de gerenciamento em campos agrícolas e geração de planos de plantio para as zonas Download PDFInfo
- Publication number
- BR112019009999A2 BR112019009999A2 BR112019009999-9A BR112019009999A BR112019009999A2 BR 112019009999 A2 BR112019009999 A2 BR 112019009999A2 BR 112019009999 A BR112019009999 A BR 112019009999A BR 112019009999 A2 BR112019009999 A2 BR 112019009999A2
- Authority
- BR
- Brazil
- Prior art keywords
- data
- options
- zones
- management
- instructions
- Prior art date
Links
- 238000013461 design Methods 0.000 claims abstract description 80
- 238000007726 management method Methods 0.000 claims description 279
- 238000004519 manufacturing process Methods 0.000 claims description 161
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 112
- 238000000034 method Methods 0.000 claims description 107
- 239000002689 soil Substances 0.000 claims description 100
- 229910052757 nitrogen Inorganic materials 0.000 claims description 56
- 230000008569 process Effects 0.000 claims description 43
- 238000012545 processing Methods 0.000 claims description 28
- 238000009331 sowing Methods 0.000 claims description 27
- 239000003337 fertilizer Substances 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 20
- 238000003306 harvesting Methods 0.000 claims description 17
- 238000009499 grossing Methods 0.000 claims description 14
- 238000003973 irrigation Methods 0.000 claims description 13
- 230000002262 irrigation Effects 0.000 claims description 13
- 238000005259 measurement Methods 0.000 claims description 11
- 238000012805 post-processing Methods 0.000 claims description 10
- 230000001186 cumulative effect Effects 0.000 claims description 4
- 238000010899 nucleation Methods 0.000 claims description 2
- 238000013316 zoning Methods 0.000 claims 1
- 238000013459 approach Methods 0.000 description 50
- 230000009418 agronomic effect Effects 0.000 description 45
- 238000013515 script Methods 0.000 description 45
- 238000003860 storage Methods 0.000 description 29
- 238000004891 communication Methods 0.000 description 24
- 239000010410 layer Substances 0.000 description 19
- 238000007781 pre-processing Methods 0.000 description 19
- 238000012360 testing method Methods 0.000 description 14
- 238000004422 calculation algorithm Methods 0.000 description 12
- 238000013479 data entry Methods 0.000 description 12
- 238000012546 transfer Methods 0.000 description 12
- 230000004044 response Effects 0.000 description 11
- 238000004883 computer application Methods 0.000 description 10
- 230000003287 optical effect Effects 0.000 description 10
- 239000000523 sample Substances 0.000 description 10
- 230000001052 transient effect Effects 0.000 description 10
- 235000013339 cereals Nutrition 0.000 description 9
- 230000004927 fusion Effects 0.000 description 9
- 239000005416 organic matter Substances 0.000 description 8
- 238000011160 research Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 230000000295 complement effect Effects 0.000 description 6
- 238000013500 data storage Methods 0.000 description 6
- 230000002452 interceptive effect Effects 0.000 description 6
- 239000000203 mixture Substances 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 241000196324 Embryophyta Species 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 239000000575 pesticide Substances 0.000 description 5
- 238000003971 tillage Methods 0.000 description 5
- 241001124569 Lycaenidae Species 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 4
- 238000002790 cross-validation Methods 0.000 description 4
- 238000013499 data model Methods 0.000 description 4
- 238000012938 design process Methods 0.000 description 4
- 230000037406 food intake Effects 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 230000008676 import Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 235000015097 nutrients Nutrition 0.000 description 4
- 238000000926 separation method Methods 0.000 description 4
- 238000005527 soil sampling Methods 0.000 description 4
- 239000007787 solid Substances 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 240000008042 Zea mays Species 0.000 description 3
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 3
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 3
- 239000008186 active pharmaceutical agent Substances 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 235000005822 corn Nutrition 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 238000013523 data management Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000035558 fertility Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 239000002917 insecticide Substances 0.000 description 3
- PWPJGUXAGUPAHP-UHFFFAOYSA-N lufenuron Chemical compound C1=C(Cl)C(OC(F)(F)C(C(F)(F)F)F)=CC(Cl)=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F PWPJGUXAGUPAHP-UHFFFAOYSA-N 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000001556 precipitation Methods 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 239000004576 sand Substances 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 241000251169 Alopias vulpinus Species 0.000 description 2
- 244000068988 Glycine max Species 0.000 description 2
- 235000010469 Glycine max Nutrition 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 2
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 2
- 241000209140 Triticum Species 0.000 description 2
- 235000021307 Triticum Nutrition 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000004927 clay Substances 0.000 description 2
- 238000011109 contamination Methods 0.000 description 2
- 238000013079 data visualisation Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004720 fertilization Effects 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 230000000855 fungicidal effect Effects 0.000 description 2
- 239000000417 fungicide Substances 0.000 description 2
- 230000012010 growth Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 229910052698 phosphorus Inorganic materials 0.000 description 2
- 239000011574 phosphorus Substances 0.000 description 2
- 239000011591 potassium Substances 0.000 description 2
- 229910052700 potassium Inorganic materials 0.000 description 2
- 230000008929 regeneration Effects 0.000 description 2
- 238000011069 regeneration method Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 239000007921 spray Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000005341 cation exchange Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000012272 crop production Methods 0.000 description 1
- 239000002837 defoliant Substances 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 239000002274 desiccant Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000003891 environmental analysis Methods 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000002986 genetic algorithm method Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000002363 herbicidal effect Effects 0.000 description 1
- 239000004009 herbicide Substances 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000011068 loading method Methods 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000618 nitrogen fertilizer Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000002540 product ion scan Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000004856 soil analysis Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000007858 starting material Substances 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000013518 transcription Methods 0.000 description 1
- 230000035897 transcription Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G22/00—Cultivation of specific crops or plants not otherwise provided for
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
- A01C21/005—Following a specific plan, e.g. pattern
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G25/00—Watering gardens, fields, sports grounds or the like
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G7/00—Botany in general
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/21—Pc I-O input output
- G05B2219/21109—Field programmable gate array, fpga as I-O module
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/25—Pc structure of the system
- G05B2219/25032—CAN, canbus, controller area network bus
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/45—Nc applications
- G05B2219/45017—Agriculture machine, tractor
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Environmental Sciences (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Botany (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Automation & Control Theory (AREA)
- Forests & Forestry (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Soil Sciences (AREA)
- Water Supply & Treatment (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
em uma modalidade, dados de rendimento representando rendimentos de cultivos que foram colhidas de um campo agrícola e dados de características de campo representando características do campo agrícola são recebidos e utilizados para determinar uma pluralidade de opções de delineamento da zona de gestão. cada opção, da pluralidade de opções de delineação de zona de gestão, compreende dados de layout de zona para uma opção. a pluralidade de opções de delineamento de zona de gestão é determinada por: determinar uma pluralidade de valores de contagem para uma contagem de classe de gestão; gerar, para cada valor de contagem, uma opção de delineamento de gestão agrupando os dados de rendimento e os dados das características do campo, atribuindo zonas aos clusters e incluindo as zonas em uma opção de delineação da zona de gestão. uma ou mais opções da pluralidade de opções de delineamento da zona de gestão são selecionadas e usadas para determinar um ou mais planos de plantio. uma representação gráfica das opções e dos planos de plantio é exibida para um usuário.
Description
IDENTIFICAÇÃO DE ZONAS DE GERENCIAMENTO EM CAMPOS AGRÍCOLAS E GERAÇÃO DE PLANOS DE PLANTIO PARA AS ZONAS
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 para a reprodução por fac-símile por qualquer pessoa do documento de patente ou da revelação de patente, tal como aparece no arquivo ou registros de patentes do Escritório de Marcas e Patentes, mas de outro modo reserva todos os direitos autorais ou direitos sejam quais forem. © 2016 The Climate Corporation.
CAMPO DA REVELAÇÃO [002] O campo técnico da presente revelação inclui sistemas de computadores programados com operações que são úteis em gerenciamento agrícola. A revelação também é do campo técnico de sistemas de computadores que são programados ou configurados para gerar opções de delineamento de zonas de gerenciamento para campos agrícolas usando dados de mapas digitais e processamento de dados encadeados, para gerar representações gráficas das opções de delineamento de zonas de gerenciamento, e para gerar recomendações implementadas por computador para uso em agricultura.
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
Petição 870190104741, de 17/10/2019, pág. 8/121
2/99 meramente por causa de sua inclusão nesta seção.
[004] Zonas de gerenciamento se referem a regiões contíguas dentro de um campo agrícola que têm fatores limitantes similares que influenciam produções colhidas de plantações. As regiões de campo que pertencem à mesma zona de gerenciamento usualmente podem ser gerenciadas uniformemente em relação à semeadura, irrigação, aplicação de fertilizante e colheita.
[005] Uma vantagem de identificar zonas de gerenciamento dentro de um campo agrícola é que informação a respeito das zonas pode ajudar agricultores para personalizar suas práticas agrícolas para aumentar a produtividade e produção do campo. Personalização das práticas pode incluir, por exemplo, selecionar híbridos de sementes particulares, populações de sementes e aplicações de nitrogênio para as zonas individuais.
SUMÁRIO [006] As reivindicações anexas podem servir como um sumário da revelação.
DESCRIÇÃO RESUMIDA DOS DESENHOS [007] Nos desenhos:
[008] 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.
[009] 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.
[010] A figura 3 ilustra um processo programado pelo qual
Petição 870190104741, de 17/10/2019, pág. 9/121
3/99 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.
[Oil] A figura 4 é um diagrama de blocos que ilustra um sistema de computador 400 no qual uma modalidade da invenção pode ser implementada.
[012] A figura 5 representa uma modalidade de exemplo de uma vista de linha de tempo para entrada de dados.
[013] A figura 6 representa uma modalidade de exemplo de uma vista de planilha para entrada de dados.
[014] A figura 7 representa uma modalidade de exemplo de um encadeamento de criação de zonas de gerenciamento.
[015] A figura 8 representa um método de exemplo para criar zonas de gerenciamento para um campo agrícola.
[016] A figura 9 representa um método para pósprocessamento de zonas de gerenciamento.
[017] A figura 10 é um instantâneo de tela de uma interface gráfica de usuário de exemplo configurada para delinear zonas de gerenciamento e gerar recomendações de práticas agronômicas.
[018] A figura 11 representa um método de exemplo para delinear zonas de gerenciamento e gerar prescrições.
[019] A figura 12 é um instantâneo de tela de uma interface gráfica de usuário de exemplo configurada para exibir exemplos de zonas de gerenciamento e exemplos de planos de plantio.
[020] A figura 13 é um instantâneo de tela de uma interface gráfica de usuário de exemplo configurada para capacitar solicitação de uma prescrição para um plano de plantio selecionado.
Petição 870190104741, de 17/10/2019, pág. 10/121
4/99 [021] A figura 14 é um instantâneo de tela de uma interface gráfica de usuário de exemplo configurada para exibir exemplos de zonas de gerenciamento e exemplos de planos de plantio.
[022] A figura 15 é um instantâneo de tela de uma interface gráfica de usuário de exemplo configurada para permitir que um usuário personalize plano de plantio.
DESCRIÇÃO DETALHADA [023] Na descrição a seguir, para o propósito de explicação, inúmeros detalhes específicos são 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 as seguintes linhas gerais:
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. EXEMPLO DE IMPLEMENTAÇÃO - VISTA GERAL DE HARDWARE
3. IDENTIFICAÇÃO DE ZONAS DE GERENCIAMENTO BASEADAS EM MAPAS DE PRODUÇÕES, MAPAS DE SOLOS, MAPAS DE TOPOGRAFIA E
Petição 870190104741, de 17/10/2019, pág. 11/121
5/99
DADOS DE SATÉLITE
3.1. ZONAS DE GERENCIAMENTO
3.2. DADOS DE ATRIBUTOS TRANSITÓRIOS - DADOS DE PRODUÇÕES
3.3. DADOS DE ATRIBUTOS PERMANENTES
3.3.1. CARACTERÍSTICAS DE SOLOS
3.3.2. CARACTERÍSTICAS DE TOPOLOGIA
3.3.3 . MAPAS DE LEVANTAMENTOS DE SOLOS
3.3.4. MAPAS DE SATÉLITE
3.3.5. MAPAS DE SOLOS NUS COMO EXEMPLOS DE MAPAS DE SATÉLITE
3.4. ENCADEAMENTO DE CRIAÇÃO DE ZONAS DE
GERENCIAMENTO
3.4.1. PRÉ-PROCESSAMENTO
3.4.2. SUAVIZAÇÃO ESPACIAL
3.4.3. NORMALIZAÇÃO
3.4.4. AGRUPAMENTO
3.4.4.1. IDENTIFICAÇÃO DE ZONAS DE
GERENCIAMENTO
3.4.4.2 . ABORDAGEM K-MEANS
3.4.4.3. ABORDAGEM DE FUSÃO DE REGIÕES
3.4.5. PÓS-PROCESSAMENTO
3.5. CONSIDERAÇÕES DE DESEMPENHO
4. UTILIDADE DE DELINEAMENTO DE ZONAS DE GERENCIAMENTO
5. APLICAÇÃO DE EXEMPLO PARA DELINEAR ZONAS DE GERENCIAMENTO E GERAR RECOMENDAÇÕES
5.1. USOS E APLICAÇÕES DE EXEMPLO
5.2. FLUXO DE TRABALHO DE EXEMPLO
5.3. EXEMPLO DE CRIAÇÃO AUTOMÁTICA DE SCRIPTS
5.4. EXEMPLO DE CRIAÇÃO MANUAL DE SCRIPTS
Petição 870190104741, de 17/10/2019, pág. 12/121
6/99
6. EXTENSÕES E ALTERNATIVAS [024] 1. VISTA GERAL [025] Em uma modalidade, um processo é fornecido para determinar opções de delineamento de zonas de gerenciamento para um campo agrícola e para determinar planos de plantio para as opções de delineamento. O processo inclui receber dados de produções e dados de características de campo. Os dados de produções representam produções de plantações que tenham sido colhidas do campo. Os dados de características de campo representam características do campo propriamente dito. Ambos os tipos de dados podem ser pré-processados ao remover valores discrepantes, dados duplicativos e outros mais. Os dados de características de produções são referidos como características transitórias do campo, enquanto que os dados de características de campo são referidos como características permanentes ou persistentes do campo.
[026] Dados de características de campo para um campo agrícola podem incluir dados de propriedades de solo e dados de propriedades topográficas. Os dados de características de campo podem ser obtidos de mapas de levantamentos de solos, mapas de solos nus e/ou de imagens de satélite.
[027] Com base em dados recebidos para um campo, uma pluralidade de opções de delineamento de zonas de gerenciamento é determinada. Cada opção, da pluralidade de opções de delineamento de zonas de gerenciamento, pode incluir um leiaute das zonas para o campo e informação adicional a respeito das zonas. Por exemplo, uma opção de delineamento de zonas de gerenciamento pode incluir informação indicando como o campo pode ser dividido em zonas e informação indicando características de zonas individuais.
Petição 870190104741, de 17/10/2019, pág. 13/121
7/99 [028] Um processo de determinar uma pluralidade de opções de delineamento de zonas de gerenciamento pode incluir determinar uma pluralidade de valores de contagem para uma contagem de classes de gerenciamento, e gerar a opções de delineamento de zonas de gerenciamento para cada valor de contagem. Gerar uma opção de delineamento de zonas de gerenciamento pode incluir, por exemplo, agrupar os dados de produções e os dados de características de campo associados com base em um valor de contagem, juntar os agrupamentos obtidos em zonas, e incluir as zonas na opção de delineamento de zonas de gerenciamento.
[029] Informação a respeito de uma opção de delineamento de zonas de gerenciamento pode ser pós-processada. Um pósprocessamento de uma opção de delineamento pode incluir fundir zonas de gerenciamento pequenas na opção com suas respectivas zonas grandes vizinhas para gerar uma opção de delineamento de zonas fundidas.
[030] Em uma modalidade, um processo é configurado para gerar planos e recomendações de plantio para uma pluralidade de opções de delineamento de zonas de gerenciamento. Por exemplo, ao receber certos critérios e/ou certa entrada de um usuário, um ou mais planos de plantio para as opções de delineamento de zonas de gerenciamento podem ser gerados.
[031] Informação a respeito de opções de delineamento de zonas de gerenciamento e de planos de plantio associados com as opções pode ser usada para controlar equipamento agrícola, incluindo um aparelho de semeadura, um aparelho de irrigação, um aparelho para aplicar fertilizantes e/ou uma colheitadeira combinada. O equipamento pode ser direcionado para seguir os planos de plantio recomendados em termos de
Petição 870190104741, de 17/10/2019, pág. 14/121
8/99 semeadura, irrigação, aplicação de fertilizantes e/ou colheita.
[032] Leiautes de zonas de gerenciamento e informação a respeito de planos de plantio podem ser exibidos em dispositivos de exibição de computador. Por exemplo, um sistema de computador pode ser configurado para gerar uma interface gráfica de usuário (GUI) e exibir a GUI em um dispositivo de exibição de computador. Além disso, o sistema de computador pode exibir, na GUI, representações gráficas de opções de delineamento de zonas de gerenciamento e de planos de plantio para as opções.
[033] Em uma modalidade, um processo é configurado para receber uma entrada de usuário para personalizar opções de delineamento de zonas de gerenciamento e/ou para personalizar planos de plantio. Por exemplo, o processo pode ser configurado para receber solicitações para fundir as zonas, dividir as zonas, modificar os leiautes das zonas, modificar seleções de híbridos de sementes, modificar produções alvos e/ou modificar detalhes de planos de plantio. O processo pode ser configurado para processar as solicitações recebidas, e gerar novas opções de delineamento de zonas de gerenciamento e/ou novas opções de plantio para as zonas. Por exemplo, o processo pode determinar interrelações entre produções alvos e planos de plantio, modificar os planos de plantio, e exibir os planos de plantio modificados em uma forma gráfica no dispositivo de exibição do usuário.
[034] Usando as técnicas descritas neste documento, um computador pode determinar uma pluralidade de zonas de gerenciamento com base em dados digitais representando
Petição 870190104741, de 17/10/2019, pág. 15/121
9/99 produções históricas e características do campo propriamente dito. As técnicas capacitam computadores para determinar as zonas de gerenciamento que podem ser gerenciadas uniformemente e assim de modo mais eficiente e mais produtivo.
[035] Técnicas apresentadas podem capacitar um sistema de computação de inteligência agrícola para economizar recursos computacionais, tais como armazenamento de dados, potência de computação e memória de computador, ao implementar um encadeamento programável configurado para determinar automaticamente zonas de gerenciamento com base em dados digitais obtidos para um campo. O encadeamento programável pode gerar automaticamente recomendações e alertas para fazendeiros, empresas de seguro e pesquisadores, permitindo desse modo um gerenciamento mais efetivo de programações de semeaduras, programações de fertilizações e de programações de colheitas.
[036] Técnicas apresentadas podem ser úteis em certas práticas agrícolas tais como selecionar uma taxa de semeadura. Informação a respeito de opções de delineamento de zonas de gerenciamento pode ser usada para gerar recomendações para agricultores para sugerir, por exemplo, híbridos de sementes, populações de semeaduras e programações de semeaduras para zonas individuais.
[037] 2. SISTEMA DE COMPUTADOR DE INTELIGÊNCIA AGRÍCOLA DE EXEMPLO [038] 2.1. VISTA GERAL ESTRUTURAL [039] 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
Petição 870190104741, de 17/10/2019, pág. 16/121
10/99 aparelho com o qual ο 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.
[040] Exemplos de 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 plantações e quaisquer outros dados adequados que possam ser usados para identificar terra 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 trato, número de campo, seção, município, e/ou faixa), (b) dados de colheita (por exemplo, tipo de plantação, variedade de plantação, rotação de plantação, se a plantação é desenvolvida organicamente, data de colheita, Histórico de Produção Real (APH), produção esperada, rendimento, preço de safra, rendimento 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 plantio (por exemplo, data de plantio, tipo de semente(s), maturidade relativa (RM) de semente(s)
Petição 870190104741, de 17/10/2019, pág. 17/121
11/99 plantada (s), população de sementes), (e) dados de fertilizantes (por exemplo, tipo de nutriente (nitrogênio, fósforo, potássio), tipo de aplicação, data de aplicação, quantidade, origem, método), (f) dados de pesticidas (por exemplo, pesticida, herbicida, fungicida, outra substância ou mistura de substâncias pretendidas para uso como um regulador de planta, desfolhante, ou dessecante, data de aplicação, quantidade, origem, método), (g) dados de irrigações (por exemplo, data de aplicação, quantidade, origem, método), (h) dados meteorológicos (por exemplo, precipitação, taxa de chuva, chuva predita, região de taxa de escoamento de água, 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 imagens e de espectro de luz de um sensor de aparelho agrícola, câmera, computador, telefone inteligente, tablet, veículo aéreo não tripulado, aviões ou de satélite), (j) observações de explorações (fotos, vídeos, notas de forma livre, gravações de vozes, transcrições de vozes, condições meteorológicas (temperatura, precipitação (corrente e ao longo do tempo), umidade de solo, estágio de crescimento de plantação, velocidade de vento, umidade relativa, ponto de orvalho, camada preta)), e (k) fenologia de solo, semente, plantação, reportação de pestes e doenças, e fontes de predições e bases de dados.
[041] 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
Petição 870190104741, de 17/10/2019, pág. 18/121
12/99 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 do 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 meteorológicos, dados de imagens, dados de solo, ou dados estatísticos se relacionando com produções de plantações, 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 de dados que de outro modo pode ser obtido de fontes de entidades externas, tais como dados meteorológicos. Em algumas modalidades, um servidor de dados externos 108 pode ser realmente incorporado dentro do sistema 130.
[042] Um aparelho agrícola 111 pode ter um ou mais sensores remotos 112 fixados no mesmo, cujos sensores são acoplados comunicativamente de forma direta ou indireta via aparelho agrícola 111 ao sistema de computador de inteligência agrícola 130 e são programados ou configurados para enviar dados de sensores para o sistema de computador de inteligência agrícola 130. Exemplos do aparelho agrícola 111 incluem tratores, colheitadeiras combinadas, colheitadeiras, semeadoras, caminhões, equipamento de
Petição 870190104741, de 17/10/2019, pág. 19/121
13/99 fertilizantes, 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 a uma rede no aparelho; rede de controle de área (CAN) é exemplo de uma rede como esta que pode ser instalada em colheitadeiras combinadas ou colheitadeiras. 0 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 a CLIMATE FIELDVIEW DRIVE, disponível pela The Climate Corporation, São Francisco, Califórnia, é usada. Dados de sensores podem consistir do mesmo tipo de informação dos dados de campo 106. Em algumas modalidades, os sensores remotos 112 podem não ser fixados a um aparelho agrícola 111, e podem ficar localizados remotamente no campo e podem se comunicar com a rede 109.
[043] 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 será descrita adicionalmente em outras seções neste documento. Em uma modalidade, o
Petição 870190104741, de 17/10/2019, pág. 20/121
14/99 computador de cabine 115 compreende um computador compacto, frequentemente um tablet ou telefone inteligente, com um mostrador de tela gráfica, tal como um mostrador colorido, que é montado dentro da cabine de operador do aparelho 111. 0 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.
[044] 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 ampla, interligações de redes ou internets, usando qualquer um de enlaces com fio ou sem fio, incluindo enlaces terrestres ou de satélites. A(s) rede(s) pode(m) ser implementada (s) por qualquer meio 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 diretas (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.
[045] O sistema de computador de inteligência agrícola 130 é programado ou configurado para receber os dados de campo 106 do dispositivo de computação gerenciador de campos 104, os dados externos 110 do computador servidor de dados externos 108 e dados de sensor do sensor remoto 112. O sistema de computador de inteligência agrícola 130 pode ser
Petição 870190104741, de 17/10/2019, pág. 21/121
15/99 configurado adicionalmente para hospedar, usar ou executar um ou mais programas de computador, outros elementos de software, lógica programada digitalmente tal como FPGAs ou ASICs, ou qualquer combinação dos mesmos para executar tradução e armazenamento de valores de dados, construção de modelos digitais de uma ou mais plantações 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.
[046] 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, firmware tais como acionadores e/ou programas de computador ou outros elementos de software.
[047] 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.
[048] Em uma modalidade, o sistema de computador de
Petição 870190104741, de 17/10/2019, pág. 22/121
16/99
| inteligência agrícola | 130 é programado ou | compreende | as |
| instruções de códigos | 180. Por exemplo, as | instruções | de |
| códigos 180 podem incluir as instruções de | recebimento | de |
dados 182 que são programadas para receber, por meio da(s) rede(s) 109, dados digitais eletrônicos compreendendo dados de produções. As instruções de códigos 180 também podem incluir as instruções de processamento de dados 183 que são programadas para pré-processamento dos dados de produções recebidos; as instruções de suavização de dados 184 que são programadas para suavizar os dados de produções préprocessados; as instruções de delineamento de dados 187 que são programadas para delinear zonas de gerenciamento; as instruções de pós-processamento 186 que são programadas para pós-processamento das zonas de gerenciamento delineadas; as instruções de comparação de dados 185 que são programadas para comparar as zonas de gerenciamento pós-processadas; as instruções de geração de mapas de exibição em tela 189 e as outras instruções de detecção 188.
[049] A camada de apresentação 134 pode ser programada ou configurada para gerar uma GUI para ser exibida no dispositivo de computação gerenciador de campos 104, no computador de cabine 115 ou em outros computadores que são acoplados ao sistema 130 por meio da rede 109. A GUI pode compreender controles para introduzir dados para serem 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.
[050] A camada de gerenciamento de dados 140 pode ser programada ou configurada para gerenciar operações de
Petição 870190104741, de 17/10/2019, pág. 23/121
17/99 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 grupo 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 de objetos, bases de dados orientados a objetos, e qualquer outra coleção estruturada de registros ou dados que é armazenada em um sistema de computador. Exemplos de RDBMSs incluem, mas não estão limitados a isto, as bases de dados ORACLE®, MYSQL, IBM® DB2, MICROSOFT® SQL SERVER, SYBASE® e POSTGRESQL. Entretanto, qualquer base de dados pode ser usada que capacite os sistemas e métodos descritos neste documento.
[051] 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
Petição 870190104741, de 17/10/2019, pág. 24/121
18/99 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 mapa 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 Serviço Rural 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.
[052] Em uma modalidade de exemplo, o sistema de computador de inteligência agrícola 130 é programado para gerar e induzir 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 de interface gráfica de usuário que quando selecionados podem identificar mudanças para o campo, solo, plantações 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.
[053] A figura 5 representa uma modalidade de exemplo de
Petição 870190104741, de 17/10/2019, pág. 25/121
19/99 uma vista de linha de tempo para entrada de dados. Usando a exibição representada na figura 5, um computador de usuário pode introduzir uma seleção de um campo particular e uma data particular para a adição de evento. Eventos representados na parte superior da linha de tempo podem incluir 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. 0 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.
[054] 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
Petição 870190104741, de 17/10/2019, pág. 26/121
20/99 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 5, as duas linhas de tempo superiores têm o programa Aplicado no outono selecionado, o qual inclui uma aplicação de 150 libras (68,04 kg) N/ac no inicio 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 tenha selecionado o programa particular é editado. Por exemplo, na figura 5, se o programa Aplicado no outono for editado para reduzir a aplicação de nitrogênio para 130 libras (58,97 kg) N/ac, os dois campos superiores podem ser atualizados com uma aplicação de nitrogênio reduzida com base no programa editado.
[055] Em uma modalidade, em resposta a receber edições para um campo que tenha 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 5, a
Petição 870190104741, de 17/10/2019, pág. 27/121
21/99 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 início de abril possa permanecer, atualizações para o programa Aplicado no outono não alterariam a aplicação de nitrogênio em abril.
[056] A figura 6 representa uma modalidade de exemplo de uma vista de planilha para entrada de dados. Usando a exibição representada na figura 6, 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 6. Para editar uma entrada particular, um computador de usuário pode selecionar a entrada particular na planilha e atualizar os valores. Por exemplo, a figura 6 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.
[057] Em uma modalidade, dados de modelos e de campos são armazenados no repositório de dados de modelos e de campos
Petição 870190104741, de 17/10/2019, pág. 28/121
22/99
160. Dados de modelos compreendem modelos de dados criados para um ou mais campos. Por exemplo, um modelo de plantação pode incluir um modelo construído digitalmente do desenvolvimento de uma plantação no um ou mais campos. Modelo, neste contexto, se refere a um conjunto eletrônico armazenado digitalmente de instruções executáveis e valores de dados, associados uns com os outros, os quais são capazes de receber e responder para um chamado, invocação ou solicitação programática digital ou outro para resolução com base em valores de entrada especificados, para produzir um ou mais valores de saída armazenados que possam 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 sabem que é 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 modelos 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.
[058] A camada de hardware/virtualização 150 compreende uma ou mais unidades centrais de processamento (CPUs),
Petição 870190104741, de 17/10/2019, pág. 29/121
23/99 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/saida tal como ilustrado e descrito, 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.
[059] 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 dos 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 conjuntamente com outros elementos em um centro de dados, estrutura de computação compartilhada ou estrutura de computação em nuvem.
[060] 2.2. VISTA GERAL DE PROGRAMA DE APLICAÇÃO [061] 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
Petição 870190104741, de 17/10/2019, pág. 30/121
24/99 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 em prosa 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 de prosa neste documento e todas as figuras são apresentados conjuntamente 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, dado o nível de conhecimento profissional que é apropriado para invenções e revelações deste tipo.
[062] 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 dispositivo de computação, 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.
Petição 870190104741, de 17/10/2019, pág. 31/121
25/99 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 ao sensor 112 e/ou ao controlador 114. Um usuário particular 102 pode possuir, operar ou possuir e usar, em conexão com o sistema 130, mais de um dispositivo de computação gerenciador de campos 104 em um tempo.
[063] A aplicação móvel pode fornecer funcionalidade de lado 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 cliente ou aplicação. O dispositivo de computação gerenciador de campos 104 pode transmitir dados para, e receber dados de, um ou mais servidores de lado cliente, 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, tal 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
Petição 870190104741, de 17/10/2019, pág. 32/121
26/99 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.
[064] 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
Petição 870190104741, de 17/10/2019, pág. 33/121
27/99 revelação podem ser introduzidos e enviados 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.
[065] Um exemplo comercial da aplicação móvel é a 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 foram revelados anteriormente à 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 melhores e estando mais informado.
[066] 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 nomeado 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-ingestão de dados
Petição 870190104741, de 17/10/2019, pág. 34/121
28/99 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 meteorológicas 212, as instruções de saúde de campo 214 e as instruções de desempenho 216.
[067] Em uma modalidade, uma aplicação de computador móvel 200 compreende as instruções de conta-campos-ingestão de dados-compartilhamento 202 que são programadas para receber, transladar e ingerir dados de campo de sistemas de entidades externas via transferência manual ou APIs. Tipos de dados podem incluir limites de campos, mapas de produções, mapas de como plantado, resultados de testes de solos, mapas de como aplicado 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 via 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.
[068] Em uma modalidade, as instruções de livro de mapas digitais 206 compreendem camadas de dados de mapas de campos
Petição 870190104741, de 17/10/2019, pág. 35/121
29/99 armazenadas em memória de dispositivo e são programadas com ferramentas de visualização de dados e notas de campo geoespaciais. Isto fornece para agricultores 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 de atenção, para economizar tempo e preservar produção por toda a estação do ano. Em uma modalidade, as instruções de sementes e de plantio 208 são programadas para fornecer ferramentas para seleção de sementes, colocação de híbridos e criação de scripts, 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.
[069] 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 plantar. Ao receber uma seleção do tipo de semente, a aplicação de computador móvel 200 pode exibir um ou mais campos divididos nas zonas de gerenciamento, tais como as camadas de dados de mapas de
Petição 870190104741, de 17/10/2019, pág. 36/121
30/99 campos criadas como parte das instruções de livro de mapas digitais 206. Em uma modalidade, as zonas de gerenciamento compreendem zonas de solo junto com um painel identificando cada zona de solo e um nome de solo, textura, drenagem para cada zona, ou outros dados de campo. A aplicação de computador móvel 200 também pode exibir ferramentas para edição ou criação, tais como ferramentas gráficas para desenhar zonas de gerenciamento, tais como zonas de solo, sobre um mapa de um ou mais campos. Procedimentos de plantio podem ser aplicados para todas as zonas de gerenciamento ou procedimentos de plantio diferentes podem ser aplicados para subconjuntos diferentes de zonas de gerenciamento. 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 plantações. Isto capacita agricultores para maximizar produção ou retorno de investimento por meio de aplicação de nitrogênio otimizada durante a estação do ano. 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
Petição 870190104741, de 17/10/2019, pág. 37/121
31/99 (tão fina quanto 10 metros ou menos por causa de sua proximidade para o solo); transferência de zonas definidas por agricultor existentes; fornecer um gráfico de aplicação e/ou um mapa para capacitar ajuste de aplicação (s) de nitrogênio através de múltiplas zonas; saida 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 de 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 de massa se aplica para a 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 para aplicar esses programas através de múltiplos campos. Programas plantio com nitrogênio, neste contexto, se referem a um conjunto nomeado armazenado de dados que associam: um nome, código de cores ou outro identificador, uma ou mais datas de aplicações, tipos de materiais ou produtos para cada uma das datas e quantidades, método de aplicação ou incorporação tal como injetado ou cortado com faca, e/ou quantidades ou taxas de aplicação para cada uma das datas, plantação ou híbrido que é o objeto da aplicação, dentre outros. Programas de práticas de nitrogênio, neste contexto, se referem a um conjunto nomeado armazenado de dados que associam: um nome de prática; uma plantação anterior; um sistema de cultura;
Petição 870190104741, de 17/10/2019, pág. 38/121
32/99 uma data de cultura feita primariamente; um ou mais sistemas de culturas anteriores que foram usados; um ou mais indicadores de tipo de aplicação, tal como adubo, que foi usado. As instruções de nitrogênio 210 também podem ser programadas para gerar e induzir exibição de um gráfico de nitrogênio, o qual indica projeções de uso por planta do nitrogênio especificado e se um excedente ou complemento é predito; em algumas modalidades, indicadores coloridos diferentes podem sinalizar uma magnitude de excedente ou magnitude de complemento. Em uma modalidade, um gráfico de nitrogênio compreende uma exibição gráfica em um dispositivo de exibição de computador compreendendo uma pluralidade de fileiras, cada fileira associada com um campo e identificando o mesmo; dados especificando qual cultura está plantada no campo, o tamanho de campo, a localização de campo, e uma representação gráfica do perímetro de campo; em cada fileira, uma linha de tempo por mês com indicadores gráficos especificando cada aplicação e quantidade de nitrogênio em pontos correlacionados a nomes de meses; e indicadores numéricos e/ou coloridos de excedente ou de complemento, em que cor indica magnitude.
[070] Em uma modalidade, o gráfico de nitrogênio pode incluir um ou mais recursos de entrada de usuário, tais como diais ou barras de deslizamento, 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
Petição 870190104741, de 17/10/2019, pág. 39/121
33/99 de nitrogênio 210 também podem ser programadas para gerar e induzir exibição de um mapa de nitrogênio, o qual indica projeções de uso por planta do nitrogênio especificado e se um excedente ou complemento é predito; em algumas modalidades, indicadores coloridos diferentes podem sinalizar uma magnitude de excedente ou magnitude de complemento. O mapa de nitrogênio pode exibir projeções de uso por planta do nitrogênio especificado e se um excedente ou complemento é predito para tempos diferentes no passado e no futuro (tal como diariamente, semanalmente, mensalmente ou anualmente) usando indicadores numéricos e/ou coloridos de excedente ou de complemento, em que cor indica magnitude. Em uma modalidade, o mapa de nitrogênio pode incluir um ou mais recursos de entrada de usuário, tais como diais ou barras de deslizamento, para mudar dinamicamente os programas de plantio e de práticas de nitrogênio de maneira que um usuário possa otimizar seu mapa de nitrogênio, tal como para obter uma quantidade preferida de excedente ou de complemento. O usuário pode então usar seu mapa 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). 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.
[071] Em uma modalidade, as instruções meteorológicas 212 são programadas para fornecer dados meteorológicos recentes específicos de campo e informação meteorológica prevista. Isto capacita agricultores para economizar tempo e ter uma
Petição 870190104741, de 17/10/2019, pág. 40/121
34/99 exibição integrada eficiente em relação às decisões operacionais tomadas diariamente.
[072] Em uma modalidade, as instruções de saúde de campo 214 são programadas para fornecer na hora certa imagens de detecção remota destacando variação de plantação na estação do ano e potenciais preocupações. Funções programadas de exemplo incluem verificação de nuvens, para identificar possíveis nuvens ou sombreados de nuvens; determinar 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 transferir imagens de satélite de múltiplas fontes e priorizar as imagens para o agricultor, dentre outros.
[073] Em uma modalidade, as instruções de desempenho 216 são programadas para fornecer relatórios, análises e ferramentas de compreensão usando dados a respeito da fazenda para avaliação, compreensões e decisões. Isto capacita o agricultor para procurar resultados aperfeiçoados para o próximo ano por meio de conclusões baseadas em fatos a respeito de porque retorno de investimento foi em níveis anteriores, e compreensão de fatores limitantes de produção. As instruções de desempenho 216 podem ser programadas para se comunicar por meio da(s) rede(s) 109 com programas de analítica de lado servidor executados no sistema de computador de inteligência agrícola 130 e/ou no computador servidor de dados externos 108, e configuradas 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
Petição 870190104741, de 17/10/2019, pág. 41/121
35/99 de produção, benchmarking 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.
[074] Aplicações tendo instruções configuradas deste modo podem ser implementadas para diferentes plataformas de dispositivos de computação enquanto que mantendo a mesma aparência de interface de 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 o mostrador e capacidades 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 vista remota 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 plataforma completa. Esta abordagem capacita o sistema para reconhecer
Petição 870190104741, de 17/10/2019, pág. 42/121
36/99 a experiência de usuário diferente distintamente que é apropriada para um ambiente dentro de cabine e a tecnologia de ambiente diferente daquele da cabine. As instruções de mapas-cabine 222 podem ser programadas para fornecer vistas de mapas de campos, fazendas ou de regiões que são úteis ao direcionar operação de máquina. As instruções de vista remota 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 problemas com operações da máquina ou de ferramentas que são associadas com a cabine e gerar alertas para operador. As instruções de transferência de script 230 podem ser configuradas para transferir scripts de instruções que são configuradas para direcionar operações de máquina ou a coleta de dados. As instruções de exploraçãocabine 230 podem ser programadas para exibir alertas baseados em localização e informação recebida do sistema 130 com base na localização do aparelho agricola 111 ou dos sensores 112 no campo e ingerir, gerenciar e fornecer transferência de observações de explorações baseadas em localização para o sistema 130 com base na localização do aparelho agrícola 111 ou dos sensores 112 no campo.
[075] 2.3. INGESTÃO DE DADOS PARA O SISTEMA DE COMPUTADOR
Petição 870190104741, de 17/10/2019, pág. 43/121
37/99 [076] 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 meteorológicos representando temperatura e precipitação no um ou mais campos. Os dados meteorológicos podem incluir dados meteorológicos passados e presentes assim como previsões para dados meteorológicos futuros. 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 composição de solo enquanto que um segundo servidor pode incluir dados meteorológicos. Adicionalmente, dados de composição de solo podem ser armazenados em múltiplos servidores. Por exemplo, um servidor pode armazenar dados representando porcentagem de areia, silte e de argila no solo enquanto que um segundo servidor pode armazenar dados representando porcentagem de matéria orgânica (OM) no solo.
[077] 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 aplicação de fertilizante ou de inseticida, sensores de colheitadeira, 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
Petição 870190104741, de 17/10/2019, pág. 44/121
38/99 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 colheitadeira ou outros implementos agrícolas tais como uma válvula de água. Outras modalidades podem usar qualquer combinação de sensores e controladores, dos quais os seguintes são meramente exemplos selecionados.
[078] O sistema 130 pode obter ou ingerir dados sob controle do usuário 102, em uma base de massa de um número grande 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 já 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.
[079] Por exemplo, sistemas de monitoramento de sementes podem tanto controlar componentes de aparelho de semeadora quanto obter dados de plantio, incluindo sinais de sensores de sementes por meio de um feixe de fios de sinal 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
Petição 870190104741, de 17/10/2019, pág. 45/121
39/99 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.
[080] Igualmente, sistemas de monitoramento de produção podem conter sensores de produção para aparelho de colheitadeira 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 combinada 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.
[081] Em uma modalidade, exemplos dos sensores 112 que podem ser usados com qualquer veículo ou aparelho em movimento 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 velocidade de roda, acelerômetros ou giroscópios. Sensores de posição podem compreender receptores ou transceptores GPS, ou aplicações de posição ou de mapeamento baseadas em WiFi que são programadas para determinar localização com base em pontos de acesso WiFi próximos, dentre outros.
[082] Em uma modalidade, exemplos dos sensores 112 que podem ser usados com tratores ou outros veículos em movimento incluem sensores de velocidade de motor, sensores de consumo de combustível, calculadores de áreas ou calculadores de
Petição 870190104741, de 17/10/2019, pág. 46/121
40/99 distâncias que interagem com sinais GPS ou de radar, sensores de velocidade PTO (tomada de força), sensores de hidráulica de trator configurados para detectar parâmetros hidráulicos tais como pressão ou fluxo e/ou velocidade de bomba hidráulica, sensores de velocidade de roda ou sensores de deslizamento de roda. 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 velocidade de bomba hidráulica; controladores ou reguladores de velocidades; controladores de posição de obstáculo; ou controladores de posições de rodas que fornecem direção automática.
[083] Em uma modalidade, exemplos dos sensores 112 que podem ser usados com equipamentos de plantio de sementes tais como semeadoras, furadoras, ou semeadoras a ar incluem sensores de sementes, os quais podem ser sensores óticos, eletromagnéticos ou de impacto; sensores de força 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 componentes 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 motores de impulsionamento 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
Petição 870190104741, de 17/10/2019, pág. 47/121
41/99 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 força para baixo, tais como controladores para válvulas associadas com cilindros pneumáticos, airbags ou cilindros hidráulicos, e programadas para aplicar força para baixo em unidades de fileiras individuais ou em uma armação de semeadora total; controladores de profundidade de plantio, tais como acionadores lineares; controladores de dosagem, tais como motores de acionamento de dosador de sementes elétrico, motores de acionamento de dosador de sementes hidráulico, ou embreagens de controle de fileira; controladores de seleção de híbrido, tais como motores de acionamento de dosador de sementes, ou outros acionadores programados para seletivamente permitir ou impedir que semente ou uma mistura de ar-semente seja entregue para ou de dosadores de sementes ou de tremonhas de volume central; controladores de dosagem, tais como motores de acionamento de dosador de sementes elétrico, ou motores de acionamento de dosador de sementes hidráulico; controladores de sistema transportador de sementes, tais como controladores para um motor de correia transportadora de entrega de sementes; controladores de marcadores, tais como um controlador para um acionador pneumático ou hidráulico; ou controladores de taxas de aplicação de pesticida, tais como controladores de acionamento de dosagem, controladores de tamanhos ou de posições de orifícios.
[084] Em uma modalidade, exemplos dos sensores 112 que
Petição 870190104741, de 17/10/2019, pág. 48/121
42/99 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 configurados para detectar profundidade, ângulo de conjunto de ferramentas, ou espaçamento lateral; sensores de força 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 força para baixo ou controladores de posição de ferramenta, tais como controladores configurados para controlar profundidade de ferramenta, ângulo de conjunto de ferramentas ou espaçamento lateral.
[085] 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 de 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, tais como sensores de nível de enchimento; sensores de linha de fornecimento seccional ou de sistema amplo, ou sensores de linha de fornecimento específica de fileira; 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;
Petição 870190104741, de 17/10/2019, pág. 49/121
43/99 ou acionadores de posições, tais como para altura de lança, profundidade de subsolador ou posição de lança.
[086] Em uma modalidade, exemplos dos sensores 112 que podem ser usados com colheitadeiras incluem monitores de produção, tais como medidores de deformações de placa de impacto ou sensores de posição, sensores de fluxo capacitivos, sensores de carga, sensores de peso, ou sensores de torque associados com elevadores ou roscas transportadoras, ou sensores de altura de grão óticos ou outros eletromagnéticos; sensores de umidade de grão, tais como sensores capacitivos; sensores de perda de grão, incluindo sensores de impacto, óticos ou capacitivos; sensores de critérios de operação de cabeça colhedora tais como altura de cabeça colhedora, tipo de cabeça colhedora, folga de placa de estrado, velocidade de alimentador, e sensores de velocidade de carretei; sensores de critérios de operação de separador, tais como sensores de folga de côncavo, velocidade de rotor, folga de sapata ou 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 colhedora para elementos tais como altura de cabeça colhedora, tipo de cabeça colhedora, folga de placa de estrado, velocidade de alimentador, ou velocidade de carretei; controladores de critérios de operação de separador para recursos tais como folga de côncavo, velocidade de rotor, folga de sapata ou folga de debulhador; ou controladores para posição, operação, ou velocidade de rosca transportadora.
Petição 870190104741, de 17/10/2019, pág. 50/121
44/99 [087] 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.
[088] Em uma modalidade, exemplos dos sensores 112 e dos controladores 114 podem ser instalados em aparelho de veiculo aéreo não tripulado (UAV) ou drones. Tais sensores podem incluir câmeras com detectores efetivos para qualquer faixa do espectro eletromagnético incluindo luz visível, infravermelho, ultravioleta, infravermelho próximo (NIR) e outros mais; acelerômetros; altímetros; sensores de temperatura; sensores de umidade; sensores de tubos de pitot ou outros sensores de velocidade em relação ao ar ou de velocidade de vento; sensores de vida de batería; ou emissores de radar e aparelho de detecção de energia de radar refletida. Tais controladores podem incluir aparelho de controle de orientação ou de motor, controladores de superfície de controle, controladores de câmeras, ou controladores programados para ligar, operar, obter dados e 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.
[089] Em uma modalidade, os sensores 112 e os controladores 114 podem ser fixados a um aparelho de amostragem e medição de solo que é configurado ou programado para obter amostras de solo e executar testes de química de
Petição 870190104741, de 17/10/2019, pág. 51/121
45/99 solo, testes de umidade de solo e outros testes relativos a 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.
[090] Em uma outra modalidade, os sensores 112 e os controladores 114 podem compreender dispositivos de condições meteorológicas para monitorar condições meteorológicas de campos. Por exemplo, o aparelho revelado no pedido de patente internacional PCT/US2016/029609 pode ser usado, e a presente revelação assume conhecimento dessa revelação de patente.
[091] 2.4. VISTA GERAL DE PROCESSO - TREINAMENTO DE MODELO AGRONÔMICO [092] 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 plantação, recomendações de irrigação, recomendações de plantio e recomendações de colheita. Os fatores agronômicos também podem ser usados para estimar um ou mais resultados
Petição 870190104741, de 17/10/2019, pág. 52/121
6/99 relacionados com plantação, tais como produção agronômica. A produção agronômica de uma plantação é uma estimativa da quantidade da safra que é produzida, ou em alguns exemplos a receita ou lucro obtido da safra produzida.
[093] 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 plantação 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 meteorológicos. O modelo agronômico pré-configurado pode ter sido validado de forma cruzada para assegurar precisão do modelo. Validação cruzada pode incluir comparação com veracidade de solo que compara resultados preditos com resultados reais em um campo, tal como uma comparação de estimativa de precipitação com um medidor ou sensor de chuva fornecendo dados meteorológicos na mesma ou em localização próxima ou uma estimativa de teor de nitrogênio com uma medição de amostra do solo.
[094] 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 agora são descritas.
[095] No bloco 305, o sistema de computador de
Petição 870190104741, de 17/10/2019, pág. 53/121
47/99 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 distorção nos 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 específicos medidos que são conhecidos para inclinar desnecessariamente para outros valores de dados, técnicas de suavização 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.
[096] 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 todos os modelos de subconjunto, um método de pesquisa sequencial, um método de regressão de forma gradual, um método de otimização de conjunto de partículas e um método de otimização de colônia de formigas. Por exemplo, uma técnica de seleção de algoritmo genético usa um algoritmo de
Petição 870190104741, de 17/10/2019, pág. 54/121
48/99 pesquisa heurística adaptativa, com base em princípios evolucionários de seleção e genética natural, para determinar e avaliar conjuntos de dados dentro dos dados agronômicos pré-processados.
[097] 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 usar 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 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 de propriedades agronômicas históricos coletados e analisados. Em uma modalidade, a lógica de avaliação de conjunto 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 subconjunto de dados (bloco 310).
[098] 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
Petição 870190104741, de 17/10/2019, pág. 55/121
49/99 para criar modelos de dados agronômicos pré-configurados.
[099] 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.
[0100] 2.5. EXEMPLO DE IMPLEMENTAÇÃO - VISTA GERAL DE HARDWARE [0101] De acordo com uma modalidade, as técnicas descritas neste documento são implementadas por 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 conectada fisicamente 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.
[0102] Por exemplo, a figura 4 é um diagrama de blocos que ilustra um sistema de computador 400 no qual uma
Petição 870190104741, de 17/10/2019, pág. 56/121
50/99 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.
[0103] 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 serem executadas pelo processador 404. Tais instruções, quando armazenadas em mídias de armazenamento não transitório acessíveis para o processador 404, renderizam o sistema de computador 400 para uma máquina de uso especial que é personalizada para executar as operações especificadas nas instruções.
[0104] 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.
[0105] O sistema de computador 400 pode ser acoplado via barramento 402 a um mostrador 412, tal como um tubo de raios
Petição 870190104741, de 17/10/2019, pág. 57/121
51/99 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 fornecer informação e comandar seleções 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 fornecer informação de direção e comandar seleções para o processador 404 e para controlar movimento de 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.
[0106] O sistema de computador 400 pode implementar as técnicas descritas neste documento usando lógica conectada fisicamente 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 provenientes de uma outra mídia de armazenamento, tal como o dispositivo de armazenamento 410. Execução das sequências de instruções contidas na memória principal 406 faz com que o processador 404 execute as etapas de processo descritas neste documento. Em modalidades alternativas, conjunto de circuitos conectado fisicamente pode ser usado no lugar ou
Petição 870190104741, de 17/10/2019, pág. 58/121
52/99 em combinação com instruções de software.
[0107] O termo mídias de armazenamento tal como usado neste documento se refere a quaisquer mídias não transitórias que armazenam dados e/ou instruções que induzem uma máquina para operar 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 estado sólido, tal como o dispositivo de armazenamento 410. Mídias voláteis incluem memória dinâmica, tal como a memória principal 406. Formas comuns de mídias de armazenamento incluem, por exemplo, um disco flexível, um disquete, 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.
[0108] Mídia de armazenamento é distinta, mas pode ser usada em combinação com mídia de transmissão. Mídia de transmissão participa na transferência de informação entre mídias de armazenamento. Por exemplo, mídias de transmissão incluem cabos coaxiais, fios de cobre e fibras óticas, incluindo os fios que compreendem o barramento 402. Mídias de transmissão podem ter também a forma de ondas acústicas ou de luz, tais como aquelas geradas durante comunicações de dados de onda de rádio e infravermelho.
[0109] Várias formas de mídias podem ser envolvidas ao carregar uma ou mais sequências de uma ou mais instruções para o processador 404 para execução. Por exemplo, as
Petição 870190104741, de 17/10/2019, pág. 59/121
53/99 instruções podem ser carregadas inicialmente em um disco magnético ou unidade de estado sólido de um computador remoto. 0 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 na linha de telefone e usar um transmissor de 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 apropriados 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.
[0110] O sistema de computador 400 também inclui uma interface de comunicação 418 acoplada ao barramento 402. A interface de comunicação 418 fornece um acoplamento de comunicação de dados bidirecional 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
Petição 870190104741, de 17/10/2019, pág. 60/121
54/99
418 envia e recebe sinais elétricos, eletromagnéticos ou óticos que carregam fluxos de dados digitais representando vários tipos de informação.
[0111] 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 de comunicação de dados de pacotes mundial referida agora comumente como a Internet 428. Tanto a rede local 422 quanto 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 e a partir do sistema de computador 400, são formas de exemplo de mídias de transmissão.
[0112] 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 por meio da Internet 428, ISP 426, rede local 422 e da interface de comunicação 418.
[0113] O código recebido pode ser executado pelo processador 404 à medida que ele é recebido, e/ou armazenado no dispositivo de armazenamento 410, ou em outro armazenamento não volátil para execução mais tarde.
Petição 870190104741, de 17/10/2019, pág. 61/121
55/99 [0114] 3. IDENTIFICAÇÃO DE ZONAS DE GERENCIAMENTO BASEADAS EM MAPAS DE PRODUÇÕES, MAPAS DE SOLOS, MAPAS DE TOPOGRAFIA E DADOS DE SATÉLITE [0115] 3.1. ZONAS DE GERENCIAMENTO [0116] No contexto de agricultura de precisão, zonas de gerenciamento são sub-regiões contíguas dentro de um campo agrícola que têm restrições ou fatores limitantes similares que influenciam produções colhidas de plantações. As regiões de campo que pertencem à mesma zona de gerenciamento usualmente podem ser gerenciadas uniformemente em termos de programações de semeaduras ou de práticas de gerenciamento. Identificar zonas de gerenciamento dentro de um campo pode ajudar agricultores para tomar decisões de gerenciamento personalizadas, tais como escolher híbridos de sementes e população de semeadura que são melhores para cada zona individual.
[0117] Um objetivo ao criar zonas é dividir o campo agrícola total em regiões de produtividades diferentes tendo comportamentos de produção espacial-temporal distintos. Criar, ou identificar, tais zonas pode ajudar a guiar agricultores para melhorar práticas agrícolas. Isto pode incluir prover agricultores com recomendações para seleção de taxa de semeadura, tempo de semeadura, seleção de fertilizante e tempo de fertilização para zonas individuais.
[0118] Recomendações que são personalizadas para as necessidades de zonas individuais para melhorar produção e lucratividade do campo podem incluir prescrições para semeadura, usar certos híbridos de sementes, população de sementes e fertilizante de nitrogênio para sub-regiões diferentes em um campo. As recomendações podem ser
Petição 870190104741, de 17/10/2019, pág. 62/121
56/99 determinadas com base em características de regiões dentro de uma zona.
[0119] Um critério que pode ser usado para determinar a qualidade de zonas de gerenciamento é compacidade. Zonas que são geradas usando uma boa abordagem de delineamento de zonas de gerenciamento usualmente são compactas. Gerar zonas compactas envolve maximizar homogeneidade dentro de zonas. Também deve existir uma separação bem definida entre zonas diferentes para assegurar que as zonas criadas realmente exigem práticas de gerenciamento diferentes. A compacidade e separação das zonas de gerenciamento que foram criadas podem ser avaliadas por meio de uma avaliação visual ao sobrepor diretamente as zonas delineadas com mapas de produções, ou ao representar graficamente uma distribuição de valores de produções em cada zona e ano, usando computadores programados de modo apropriado. A compacidade e separação também podem ser avaliadas por meio de uma avaliação quantitativa que define medidas numéricas para quantificar precisamente a compacidade e separação de observações de produções nas zonas delineadas.
[0120] Zonas de gerenciamento podem ser criadas automaticamente via programas de computador, com base em características transitórias e permanentes de um campo agrícola. Características transitórias podem incluir dados de produções coletados para sub-regiões e usando mapas de produções históricas. Características permanentes podem incluir medições de solo e propriedades topográficas do campo. Os dados de características permanentes podem ser obtidos de mapas SSURGO e de imagens de satélite do campo. Características permanentes podem ser particularmente úteis
Petição 870190104741, de 17/10/2019, pág. 63/121
57/99 quando mapas de produções históricas são indisponíveis para o campo. Usar as características permanentes do campo ao determinar zonas de gerenciamento permite incorporar ao processo de criação de zona as camadas de dados, tais como dados de solo e de elevação, além de dados de produções, e assim refinar o processo de criação de zona.
[0121] Zonas de gerenciamento que são criadas com base em mapas de produções podem agrupar as regiões com padrões de produção similares e propriedades permanentes. Tais zonas de gerenciamento visam elucidar as características de produtividade usando as propriedades subjacentes do solo. Por exemplo, zonas com matéria orgânica baixa ou pH alto podem ambas ter a produção baixa.
[0122] Em uma modalidade, um processo de criar zonas de gerenciamento compreende obter e processar dados de características transitórias e dados de características permanentes para um campo. O processo pode incluir determinar tamanhos desejados das zonas, e uma contagem ideal de zonas para alcançar a produtividade e produção desejadas do campo. O processo pode incluir criar uma ou mais opções de delineamento de zonas de gerenciamento, e separar planos de plantio para as opções individuais.
[0123] Em uma modalidade, um processo de criar zonas de gerenciamento compreende uma ferramenta de computador interativa que é programada para visualizar representações gráficas de opções de delineamento de zonas de gerenciamento e planos de plantio correspondentes. A ferramenta interativa também pode ser configurada para manipular leiautes das zonas nas opções delineadas de zonas.
[0124] Representações gráficas de zonas de gerenciamento
Petição 870190104741, de 17/10/2019, pág. 64/121
58/99 e de planos de plantio podem ser geradas usando uma GUI, e podem representar graficamente leiautes das zonas, informação a respeito das zonas e planos de plantio para as zonas.
[0125] 3.2. DADOS DE ATRIBUTOS TRANSITÓRIOS - DADOS DE PRODUÇÕES [0126] Dados de atributos transitórios representam características de terra ou de campo que variam ocasionalmente. No contexto de zonas de gerenciamento agrícola, exemplos de dados de atributos transitórios podem incluir dados de produções por causa das produções de um campo variarem de uma estação de colheita para uma outra.
[0127] Dados de produções podem incluir mapas de produções históricas que representam padrões de produção espacial e temporal para os subcampos. Dados de produções podem incluir informação a respeito de produções de safras colhidas de um campo agrícola dentro de um ano ou dentro de vários anos. Dados de produções também podem incluir informação adicional tal como um contorno de campo, um tamanho de campo e uma localização de cada subcampo dentro do campo. Dados de produções podem ser fornecidos por fontes diferentes. Exemplos das fontes podem incluir parceiros de pesquisas, agências agrícolas, organizações agrícolas, agricultores, agências governamentais e outros.
[0128] 3.3. DADOS DE ATRIBUTOS PERMANENTES [0129] Dados de atributos permanentes representam características que permanecem inalteradas de uma estação do ano para uma outra. No contexto de zonas de gerenciamento agrícola, exemplos de dados de atributos permanentes para um campo podem incluir características de solo, topologia e
Petição 870190104741, de 17/10/2019, pág. 65/121
59/99 terreno do campo porque tais dados usualmente não mudam de uma estação de colheita para uma outra.
[0130] Dados de atributos permanentes podem incluir características de solos e características de topologia. Eles podem ser obtidos de mapas de levantamentos de solos, mapas de satélite e de mapas de solos nus. Dados de atributos permanentes podem ser fornecidos como conjuntos de dados. Exemplos de conjuntos de dados incluem os conjuntos de dados de amostragem de solo dos Parceiros de Pesquisas 2013 e 2014, imagens Rapid-Eye, contornos de polígonos SSURGO e Conjunto de Dados de Elevação Nacional (NED) .
[0131] 3.3.1. CARACTERÍSTICAS DE SOLOS [0132] Dados para características de solo de um campo podem ser obtidos com base em amostras de solo coletadas do campo. Amostragem de solo para um campo pode ser executada usando várias técnicas de amostragem, tal como coletar amostras de solo em uma resolução aproximada de uma amostra por dois acres. As amostras podem ser coletadas em pontos de malha dentro de um campo e formam aproximadamente um retângulo. Os dados de medições originais podem ficar disponíveis como arquivos de formas armazenados em servidores de computador.
[0133] Quando amostras de solo são fornecidas por fontes diferentes, podem existir algumas diferenças em métodos de amostragem de solo, precisão com a qual as amostras foram coletadas e profundidades de amostragem nas quais o solo foi amostrado. Portanto, os conjuntos de dados podem ser préprocessados. O pré-processamento pode incluir remover amostras duplicadas, amostras sem valores associados, amostras sem informação de coordenadas geográficas e
Petição 870190104741, de 17/10/2019, pág. 66/121
60/99 amostras com informação geográfica e coordenadas incorretas.
[0134] 3.3.2. CARACTERÍSTICAS DE TOPOLOGIA [0135] Características de topologia de um campo podem incluir características geográficas e de elevação do campo. Características de topologia podem incluir dados de elevação para um campo agrícola, e outras propriedades topográficas que podem ser derivadas dos dados de elevação. As propriedades podem incluir um índice de umidade, também referido como um índice Topográfico Composto CTI, um indicador de índice de Posição Topográfica (TPI), um aspecto, uma direção de fluxo e uma inclinação.
[0136] Dados de elevação podem ser obtidos de fontes diferentes, incluindo o Conjunto de Dados de Elevação Nacional (NED). O conjunto de dados NED usualmente fornece uma resolução de cerca de um terço de um segundo de arco.
[0137] 3.3.3. MAPAS DE LEVANTAMENTOS DE SOLOS [0138] Características de levantamentos de solos podem ser fornecidas em forma de mapas de levantamentos de solo. Uma fonte dos mapas de levantamentos de solos é a base de dados SSURGO que contém dados de levantamento de solos de muitas áreas nos Estados Unidos.
[0139] Um conjunto de dados de levantamentos de solos típico é organizado como um conjunto de unidades de mapas individuais, cada uma das quais cobre uma área de polígono. Os dados associados com cada polígono podem incluir propriedades de solo e dados de textura de solo, e os dados podem ser fornecidos em resoluções espaciais diferentes. Os dados podem ser ou não associados com localizações de pontos geográficos específicos.
[0140] Dados de levantamentos de solos podem representar
Petição 870190104741, de 17/10/2019, pág. 67/121
61/99 dados de avaliação qualitativa e de amostras analisadas em laboratório. Uma vez que os mapas SSURGO fornecem uma alta resolução de dados de medições de solos, os dados de texturas de solos disponíveis nos mapas SSURGO podem ser suficientes para o propósito de uma criação de zona. Em uma implementação particular, os dados de texturas de solos aplicáveis estão em um mukey (chave de unidade de mapa) nível 2. Isso significa que o valor das propriedades de textura de solo é uniforme no polígono espacial total.
[0141] Em uma modalidade, os dados SSURGO para um conjunto de campos de interesse são fornecidos como um conjunto de polígonos espaciais. O conjunto de polígonos pode ser processado, por exemplo, ao determinar se os dados de textura de solo foram perdidos para um polígono total, e se assim k pontos de dados mais próximos vizinhos (kNN) podem ser usados para interpolar o ponto de dados perdido. Além disso, as porcentagens de areia, silte e de argila podem ser normalizadas para somar 100%. Exemplos de atributos usados em um processo de criação de zona incluem atributos de areia e de silte.
[0142] 3.3.4. MAPAS DE SATÉLITE [0143] Características de satélite para um campo agrícola tipicamente são determinadas com base em mapas de satélite. Dados de imagens de satélite podem ser fornecidos em resoluções espaciais, espectrais e temporais diferentes. Os mapas de satélite podem fornecer informação a respeito de avaliação de plantação agrícola, saúde de plantação, detecção de mudança, análise ambiental, mapeamento de cenário irrigado, determinação de produção e análise de solo. As imagens podem ser adquiridas em períodos diferentes do
Petição 870190104741, de 17/10/2019, pág. 68/121
62/99 ano e diversas vezes dentro de um ano.
[0144] Imagens de satélite podem representar variações em matéria orgânica e padrões de drenagem. Solos com mais matéria orgânica podem ser diferenciados de solo arenoso mais leve que tem teor de matéria orgânica menor. Esta informação pode ser usada em combinação com outros tipos de mapas para definir zonas de gerenciamento para um campo.
[0145] 3.3.5. MAPAS DE SOLOS NUS COMO EXEMPLOS DE MAPAS DE SATÉLITE [0146] Mapas de solos nus são exemplos de mapas de satélite. Mapas de solos nus incluem características de solos nus determinadas com base em mapas de solos nus. Exemplos de tais mapas podem incluir imagens de satélite RapidEye. Em uma imagem RapidEye típica para um campo, dados podem conter valores de refletância de porcentagem por pixel (5 por 5 metros) para cinco bandas diferentes: vermelho, borda vermelha, azul, verde e infravermelho próximo. Uma vez que os dados RapidEye representam camada superficial melhor do que camadas de solo mais profundas, e que nos campos RP profundidades das amostras de solo podem ser desconhecidas, usar as imagens RapidEye pode fornecer características adicionais do solo.
[0147] Em uma modalidade, um conjunto de imagens de solo nu é pré-processado. Por exemplo, para cada campo, as imagens com contaminações de nuvens podem ser descartadas enquanto que as imagens do ano mais recente podem ser selecionadas.
[0148] 3.4. ENCADEAMENTO PARA CRIAR ZONAS DE GERENCIAMENTO [0149] Um objetivo ao criar zonas de gerenciamento é dividir um campo agrícola total em regiões de produtividades
Petição 870190104741, de 17/10/2019, pág. 69/121
63/99 diferentes com comportamentos de produção espacial-temporal distintos. Criar, ou identificar, tais zonas pode ajudar e guiar os agricultores ao prover os agricultores com recomendações para práticas agrícolas adaptadas para zonas individuais.
[0150] Em uma modalidade, zonas de gerenciamento são delineadas dentro de um campo agrícola usando um encadeamento de criação de zonas de gerenciamento.
[0151] A figura 7 representa uma modalidade de exemplo de um encadeamento de criação de zonas de gerenciamento. O exemplo representa etapas de processamento programadas e um algoritmo para uso ao programar as instruções discutidas antecipadamente em conexão com a figura 1. O encadeamento de criação de zonas de gerenciamento 700 inclui blocos de
| processamento | para | ações | executadas | sequencialmente, | em |
| paralelo ou | que | são | opcionais, | tal como descrito | |
| adicionalmente | nesta | seção | • |
[0152] O bloco 701 representa instruções de programa para armazenar dados representando características transitórias e permanentes de um campo agrícola. Os dados podem ser armazenados em vários repositórios de dados, incluindo computadores servidores, bases de dados, sistemas de armazenamento em nuvem, provedores de serviços, dispositivos de armazenamento de dados externos e outros mais. Dados de características transitórias podem incluir os dados de produções 701a. Dados de características permanentes podem ser fornecidos como os mapas de solos 701b, os mapas de levantamentos de solos 701c, os mapas de topologia 701d, os mapas de solos nus 701e e as imagens de satélite 701f. Outra informação relativa às características permanentes do solo
Petição 870190104741, de 17/10/2019, pág. 70/121
64/99 e campo também podem ser usadas.
[0153] O bloco 702 representa instruções de programa para receber dados. No bloco 702, dados são recebidos; por exemplo, o sistema 130 (figura 1) recebe dados de produções e dados de características permanentes como parte dos dados de campo 106. Os dados podem incluir mapas de produções históricas no nível de campo ou no nível de subcampo, e mapas representando características permanentes do solo. Os mapas representam padrões espaciais e temporais para os subcampos e são usados para classificar um campo em regiões com potenciais de produtividades distintos ou diferentes.
[0154] Dados podem ser recebidos de fontes diferentes tais como parceiros de pesquisas (RP), agências, organizações, agricultores e outros. Dados recebidos podem incluir informação a respeito de produção de safras colhidas de um campo agrícola dentro de um ano ou de vários anos. Em uma modalidade, dados de produções também podem incluir metadados tais como um contorno de campo, um tamanho de campo e uma localização de cada subcampo dentro do campo.
[0155] 3.4.1. PRÉ-PROCESSAMENTO [0156] Os blocos 704, 706 e 708 representam instruções de programa para pré-processamento, processamento de densidade e suavização de dados dos dados de produções recebidos. Instruções para os blocos 704, 706 e 708 podem ser executadas seletivamente, opcionalmente, sequencialmente ou em paralelo. O modo no qual as tarefas são executadas pode variar com base na implementação e na qualidade de dados de produções recebidos. Por exemplo, alguns dos dados recebidos podem precisar de pré-processamento, mas não de suavização. Outros dados podem precisar somente de
Petição 870190104741, de 17/10/2019, pág. 71/121
65/99 processamento de densidade. Selecionar um ou mais dos blocos 704, 706, 708 pode ser com base em inspeção manual ou baseada em máquina dos dados recebidos como parte do bloco 702.
[0157] Pré-processamento pode compreender identificar e remover de maneira programática itens de dados que são valores discrepantes, inválidos, redundantes ou coletados fora de um contorno de campo. Pré-processamento também podem incluir identificar, e remover, as observações de produções se múltiplas lavouras foram plantadas dentro do campo na mesma estação do ano.
[0158] O bloco 704 representa instruções de programa para pré-processar dados recebidos. Pré-processamento no bloco 704 pode ser executado, por exemplo, por causa de algumas das observações de dados para um campo terem sido coletadas fora dos limites de campo correspondentes. O préprocessamento também pode ser recomendado quando os dados são fornecidos de um campo no qual múltiplas lavouras foram plantadas na mesma estação do ano.
[0159] Pré-processamento dos dados de produções pode ser executado para reduzir observações de ruídos das observações de produções, imputar valores de produções perdidos para padronizar a etapa de delineamento de zona e assim por diante. Em uma modalidade, dados de produções recebidos são pré-processados para corrigir certas questões com os dados. O pré-processamento pode incluir vários tipos de limpeza e filtragem de dados.
[0160] Pré-processamento de dados de produções pode incluir remover valores discrepantes dos dados de produções. Dados de produções podem incluir observações de produções de subcampos que consistem de várias contaminações causadas por
Petição 870190104741, de 17/10/2019, pág. 72/121
6/99 erros inevitáveis introduzidos pelo modo no qual as safras são colhidas, ou pelo modo no qual os dados de produções são coletados ou registrados. Remoção de tais erros ou valores discrepantes resulta efetivamente em descontaminar os dados de produções.
[0161] Em uma modalidade, dados de produções recebidos são analisados para determinar se é fornecido menos que dois anos de mapas de produções para um campo. Se for fornecido menos que dois anos de mapas de produções para um campo, então os mapas de produções não são incluídos no delineamento de zonas.
[0162] Pré-processamento e filtragem adicionais dos dados podem ser executados em dados de produções. Um exemplo é ajuste para considerar umidade de grão. Ajuste de umidade de grão permite corrigir os registros de dados de produções para alguns campos e anos em que colheitas foram feitas em um nível de umidade a não ser um nível de umidade padrão tal como 15,5% de umidade.
[0163] Processamento adicional pode ser direcionado para corrigir dados de produtividade de campo induzidos quando os dados de produções experimentais são fornecidos. O processamento adicional pode incluir correção de dados de produções se os dados foram pré-suavizados pelo provedor de dados usando algoritmos ou parâmetros não desejados. Este tipo de processamento adicional é recomendado para reduzir o efeito de dados de produções suavizados inadequadamente nos resultados da criação de zonas de gerenciamento.
[0164] Pré-processamento adicional dos dados pode incluir transformar os dados de coordenadas de latitudelongitude para coordenadas de Universal Transversa de
Petição 870190104741, de 17/10/2019, pág. 73/121
67/99
Mercator (UTM), e mapear em uma malha que tenha sido definida para o campo. Uma malha 10 m x 10 m tem sido usada em uma modalidade. O mapeamento permite padronização de localizações dos registros de produções dentro do campo.
[0165] Pré-processamento de dados de características permanentes pode incluir ajustar as amostras de solo para a resolução de amostras por acre que foi reportada no sistema de coordenadas de longitudes e latitudes se os dados recebidos foram amostrados em uma resolução diferente, e projetar de maneira programática os dados de amostras de solo em coordenadas UTM. Valores de amostras perdidos podem ser interpelados nas coordenadas UTM a partir dos dados disponíveis usando um modelo de processo gaussiano com uma tendência constante cujos parâmetros são obtidos com estimativa de probabilidade máxima.
[0166] Dados de elevação, CTI e de inclinação dos dados de produções podem ser obtidos diretamente de mapas ou de dados de varredura propriedade. Isto pode incluir extrair valores de células da varredura de elevação onde cai um ponto espacial de produção. Se nenhuma varredura de célula for descoberta, então uma indicação de sem valores é retornada.
[0167] Após uma projeção das coordenadas de um polígono espacial para coordenadas UTM ser executada, os polígonos SSURGO podem ser exagerados para as localizações espaciais dos dados de produções.
[0168] Ao projetar os dados de imagens no sistema de coordenadas UTM, valores dos dados de imagens nos pontos de localizações dos dados de produções podem ser obtidos ao rasterizar os dados de produções e os resultados podem ser transferidos para as células de varreduras de produções. Se
Petição 870190104741, de 17/10/2019, pág. 74/121
68/99 uma célula de dados de produções estiver coberta por múltiplos pontos de dados das bandas de imagens, então uma média aritmética dos valores pode ser usada para associar com a célula de varredura.
[0169] O bloco 706 representa instruções de programa para processamento de densidade de dados recebidos. Processamento de densidade de dados pode ser executado para normalizar os dados de produções através de plantações e campos diferentes. Em uma modalidade, processamento de densidade de dados compreende usar uma transformação de função de distribuição cumulativa empírica (ECDF), a qual pode ser executada nos registros de produções para cada campo e ano de maneira que os dados de produções transformados fiquem dentro de uma certa faixa através de plantações e campos diferentes. Por exemplo, a ECDF pode ser aplicada aos dados de produções recebidos para transformar os dados em dados de produções transformados na faixa de [0, 1] . Uma vez que os dados de produções sejam transformados, os dados de produções transformados podem ser comparados através de anos e plantações diferentes, tais como milho, soja ou trigo.
[0170] 3.4.2. SUAVIZAÇÃO ESPACIAL [0171] Suavização espacial é executada para remover ruídos de medições em observações de produções brutas e reduzir fragmentação desnecessária de zonas de gerenciamento delineadas e pode ser executada usando abordagens tais como um suavizador de núcleo ou um processo gaussiano estacionário. Suavização de dados pode ser executada em dados brutos ou em dados processados dependendo da qualidade dos dados brutos recebidos.
[0172] Um suavizador de núcleo é uma técnica estatística
Petição 870190104741, de 17/10/2019, pág. 75/121
9/99 para estimar uma função ao usar suas observações de ruídos quando modelo paramétrico para a função não é conhecido. A função estimada resultante usualmente é suave e pode ser usada para remover as observações de ruídos de um conjunto de observações, tal como os dados de produções. Em uma modalidade, suavizadores de núcleo que são estimadores não paramétricos confiáveis e úteis são selecionados para executar a suavização espacial dos dados de produções. Exemplos de suavizadores de núcleo que podem ser usados para suavizar os dados de produções incluem: núcleo gaussiano, núcleo de ponderação de distância inversa, núcleo retangular, núcleo triangular, núcleo biquadrático, núcleo tricúbico, núcleo triponderado, etc. Além de sua parametrização padrão, todos eles têm um parâmetro de escala h e um parâmetro de extensão H de tal maneira que a distância entre observações de dados de produções pode ser escalada e as observações que estão distantes mais que H do ponto de destino podem ser omitidas no processo de atenuação.
[0173] O bloco 708 representa instruções de programa para suavizar dados recebidos. Suavização de dados pode incluir testar se quaisquer registros de dados de produções estão perdidos, se os registros de dados de produções precisam ser suavizados adicionalmente, ou se certos registros de dados de produções precisam ser removidos ou interpelados.
[0174] 3.4.3. NORMALIZAÇÃO [0175] Em uma modalidade, dados recebidos são normalizados por meio de transformação para uma faixa de dados particular e o processo de delineamento de zonas de gerenciamento pode incluir usar instruções programadas para transformar dados de produções para gerar dados de produções
Petição 870190104741, de 17/10/2019, pág. 76/121
70/99 transformados. Transformar os dados de produções pode compreender aplicar uma função de densidade acumulativa empírica (ECDF) aos dados de produções para normalizar os dados para uma certa faixa, tal como uma faixa de [0, 1]. Os dados de produções transformados podem ser comparáveis através de diferentes anos e tipos de plantações. Por exemplo, a ECDF pode permitir transformar, ou normalizar, registros de produções para cada campo e ano, independente do tipo de plantação e do tempo de coleta, para uma faixa de [0, 1], de maneira que os dados transformados podem ser comparáveis uns aos outros.
[0176] Transformação ECDF pode ser usada para transformar os dados de produções nos dados de produções transformados. Aplicação de ECDF aos dados de produções pode causar transformação dos registros de dados de produções para registros de dados de produções transformados, cada um dos quais está incluído em uma faixa particular. Aplicar ECDF aos dados de produções causa normalização dos dados de produções de maneira que os dados de produções normalizados sejam comparáveis através de diferentes anos e plantações, tais como milho, soja e trigo.
[0177] 3.4.4. AGRUPAMENTO [0178] Agrupamento é executado em dados representando características transitórias e permanentes de um campo agrícola para determinar uma pluralidade de rótulos de agrupamentos associados com pixels representados pelos dados pré-processados. Em uma modalidade, agrupamento k-means pode ser usado. Na etapa final, zonas com tamanhos menores que s, o qual é estabelecido por meio de dados de configuração ou de entrada, são fundidas com as suas zonas vizinhas grandes
Petição 870190104741, de 17/10/2019, pág. 77/121
71/99 mais similares.
[0179] No bloco 710, dados pré-processados representando características transitórias e permanentes de um campo agrícola são usados para delinear um conjunto de zonas de gerenciamento para um campo agrícola. O conjunto de zonas de gerenciamento delineadas pode ser representado usando dados de zonas digitais armazenados, e criados ao aplicar abordagens baseadas em centroides, tais como a abordagem Kmeans, ou uma abordagem C-means difusa. Detalhes destas abordagens serão descritos adicionalmente neste documento em conexão com a figura 8. O processo executado no bloco 710 pode ser repetido, tal como representado pela seta 712, uma ou mais vezes até que a qualidade das zonas de gerenciamento criadas seja satisfatória. O processo pode ser repetido usando critérios diferentes, parâmetros diferentes ou valores de parâmetros diferentes.
[0180] Para alcançar o objetivo de compacidade que foi discutido anteriormente, no bloco 714, um conjunto de zonas de gerenciamento delineadas é analisado para determinar se algumas das zonas podem ser fundidas. Por exemplo, um conjunto de zonas de gerenciamento delineadas pode ser analisado para identificar zonas pequenas e para determinar se as zonas pequenas podem ser fundidas com zonas vizinhas maiores. Zonas pequenas podem ser identificadas automaticamente por um sistema de computador, ou manualmente por um usuário do sistema de computador. Por exemplo, o sistema de computador pode exibir informação a respeito do conjunto de primeiras zonas de gerenciamento para um agricultor em uma interface gráfica de usuário que é programada com símbolos gráficos ou controles para permitir
Petição 870190104741, de 17/10/2019, pág. 78/121
72/99 que o agricultor remova zonas pequenas fragmentadas indesejáveis, ou para fundir as zonas pequenas fragmentadas com zonas maiores. Fusão de zonas resulta na obtenção de um conjunto de zonas de gerenciamento fundidas. Se zonas pequenas não forem identificadas em um conjunto de zonas de
| gerenciamento | delineadas, | então o | conjunto de | zonas de |
| gerenciamento | delineadas é | fornecido | para o bloco | 718 . |
| [0181] 0 | processo executado no | bloco 714 | pode ser | |
| repetido uma | ou mais vezes | até que zonas pequenas | não sejam | |
| identificadas | no conjunto | de zonas | de gerenciamento. 0 |
processo pode ser repetido usando critérios diferentes, parâmetros diferentes ou valores de parâmetros diferentes.
[0182] No bloco 718, um conjunto de zonas de gerenciamento é pós-processado. Pós-processamento das zonas de gerenciamento pode incluir eliminar as zonas que estão fragmentadas ou não utilizáveis.
[0183] O processo executado no bloco 718 pode ser repetido uma ou mais vezes até que a qualidade de zonas de gerenciamento criadas seja satisfatória. O processo pode ser repetido usando critérios diferentes, parâmetros diferentes ou valores de parâmetros diferentes.
[0184] Em uma modalidade, metadados a respeito das zonas de gerenciamento criadas são armazenados. Além disso, um teste pode ser executado para determinar se o processo de delinear zonas de gerenciamento precisa ser repetido. Se o processo de delineamento tiver que ser repetido, então o delineamento das zonas de gerenciamento é repetido no bloco 710 .
[0185] 3.4.4.1. IDENTIFICAÇÃO DE ZONAS DE GERENCIAMENTO [0186] Em uma modalidade, o processo de delineamento de
Petição 870190104741, de 17/10/2019, pág. 79/121
73/99 zonas de gerenciamento é executado para valores diferentes de uma contagem de classes de gerenciamento. Uma classe de gerenciamento se refere às áreas em um campo que têm fatores limitantes de produção relativamente homogêneos, mas que não estão restringidas para serem contíguas espacialmente. Em conceito, várias zonas de gerenciamento que estão separadas espacialmente umas das outras podem pertencer à mesma classe de gerenciamento e podem ser operadas no mesmo modo.
[0187] A figura 8 representa um método de exemplo para criar zonas de gerenciamento para um campo agrícola. Na etapa 810, um primeiro valor de contagem para uma contagem de classes de gerenciamento de uma pluralidade de classes de gerenciamento é determinado. Selecionar um primeiro valor de contagem para as classes de gerenciamento pode incluir selecionar um número de classes de gerenciamento que tem sido mostrado no passado como sendo um número ideal de classes para criar as zonas. Uma contagem de classes de gerenciamento corresponde a um parâmetro de ajuste descrito anteriormente.
[0188] Um número ideal de classes de gerenciamento pode ser descoberto usando uma variedade de abordagens. De acordo com uma abordagem, um número ideal de classes de gerenciamento é selecionado ao usar todos os anos de mapas de produções de treinamento ao mesmo tempo. Nesta abordagem, um algoritmo de agrupamento é aplicado aos mapas de produções de treinamento suavizados com número diferente de classes e para cada classe. Então uma medida de qualidade de zona de treinamento para cada número de classe é determinada e usada para identificar um número ideal de classes.
[0189] De acordo com uma outra abordagem, um número ideal
Petição 870190104741, de 17/10/2019, pág. 80/121
74/99 de classes de gerenciamento é selecionado ao executar uma abordagem de validação cruzada de deixar um ano de fora para mapas de produções de treinamento.
[0190] Uma vez que um primeiro valor de contagem seja determinado para uma contagem de uma pluralidade de classes, um primeiro conjunto de zonas de gerenciamento é gerado na etapa 820. O primeiro conjunto de zonas de gerenciamento pode ser gerado, por exemplo, usando um processo de delineamento de zonas de gerenciamento que é executado usando uma abordagem de agrupamento ou uma abordagem de fusão de regiões. Exemplos de uma abordagem de agrupamento podem incluir abordagens de agrupamentos de múltiplas variáveis baseadas em centroides, tais como uma abordagem K-means e uma abordagem C-means difusa. Exemplos de uma abordagem de fusão de regiões podem incluir abordagens de fusão de regiões aglomerantes, tais como uma abordagem de segmentação baseada em região hierárquica.
[0191] 3.4.4.2. ABORDAGEM K-MEANS [0192] Em uma modalidade, o processo de delineamento de zonas de gerenciamento é implementado usando a abordagem Kmeans, a qual visa particionar um conjunto de observações de dados de produções em k agrupamentos em que cada observação pertence ao agrupamento com a média mais próxima. Um beneficio de usar a abordagem K-means no processo de delineamento de zonas de gerenciamento é sua simplicidade, mas K-means não considera localizações espaciais das observações de dados de produções dentro do campo. Como um resultado, uma saída direta do agrupamento K-means são os rótulos de classes de gerenciamento de cada pixel i, e algumas etapas adicionais podem ser necessárias para
Petição 870190104741, de 17/10/2019, pág. 81/121
75/99 identificar espacialmente zonas contíguas. Além disso, é recomendado usar mapas de produções bem pré-processados antes de usar a abordagem K-means. Se os mapas de produções forem pré-processados de forma insuficiente, então os resultados produzidos pela abordagem K-means pode incluir muitas zonas pequenas fragmentadas.
[0193] 3.4.4.3. ABORDAGEM DE FUSÃO DE REGIÕES [0194] Em uma modalidade, o processo de delineamento de zonas de gerenciamento é programado para usar segmentação baseada em região hierárquica. Nesta abordagem, duas zonas são vizinhas uma da outra se, e somente se, pelo menos um par de pixels entre as duas zonas forem pixels vizinhos com base na regra de 4 vizinhos mais próximos.
[0195] Um benefício da abordagem de fusão de regiões é que ela utiliza uma localização espacial das observações de produções ao criar as zonas de gerenciamento. É esperado que a abordagem gere zonas contíguas espacialmente de forma natural a não ser que o limiar de desigualdade seja estabelecido muito rígido ou que os mapas de produções sejam também grosseiros. Além do mais, como o limiar de desigualdade e é um parâmetro de ajuste contínuo, tal como o oposto a k, o qual assume somente números inteiros positivos em K-means ou C-means difusa, o algoritmo de fusão de região hierárquica pode ter mais flexibilidade para ajustar de modo fino o delineamento de zona resultante, e satisfazer as necessidades distintas de agricultores diferentes.
[0196] Um outro benefício da abordagem de fusão de regiões é que o algoritmo de fusão de regiões gera rótulos de zonas diretamente sem rótulos de classes.
Petição 870190104741, de 17/10/2019, pág. 82/121
76/99 [0197] Entretanto, embora a abordagem de fusão de regiões possa não incluir um processamento adicional para apresentar zonas de gerenciamento, algum processamento posterior das propriedades de zonas pode ser recomendado.
[0198] Na etapa 830, um teste é executado para determinar se uma contagem de classes de gerenciamento é para ser mudada. Se a contagem tiver que ser mudada, então a etapa 840 é executada. De outro modo, as etapas descritas na figura 9 são executadas.
[0199] Na etapa 840, um segundo valor de contagem para uma contagem de classes de gerenciamento dentre uma pluralidade de classes de gerenciamento é determinado, e as etapas 820-840 são repetidas para o segundo valor de contagem.
[0200] 3.4.5. PÓS-PROCESSAMENTO [0201] Em uma modalidade, um conjunto de zonas de gerenciamento é pós-processado, por exemplo, para remover pequenas zonas isoladas para garantir que todas as zonas são contíguas espacialmente e têm tamanhos razoáveis. Pósprocessamento também pode ser executado para remover pequenas zonas fragmentadas. Mesmo com suavização espacial dos mapas de produções durante a fase de pré-processamento de dados de produções, o conjunto de zonas de gerenciamento pode incluir pequenas zonas fragmentadas que podem ser difíceis de gerenciar individualmente.
[0202] Em uma modalidade, um teste é executado para determinar se um tamanho de uma zona é menor que um limiar definido por usuário s. Se o tamanho da zona for menor que o limiar s, então a zona é fundida com sua zona grande vizinha mais similar que é maior que a zona pequena. O rótulo
Petição 870190104741, de 17/10/2019, pág. 83/121
77/99 de zona/classe da zona grande pode ser designado para a zona fundida .
[0203] Se os rótulos de classes forem obtidos das abordagens K-means ou C-means difusa, entretanto, duas etapas adicionais então podem ser executadas. Por exemplo, antes da limpeza de zonas, um conjunto de zonas pode ser construído com base nos rótulos de classes e na localização espacial de pixels de maneira que o tamanho e zonas vizinhas
| de cada zona | de | gerenciamento possam | ser | identificados. | Após |
| a limpeza | de | zonas, os rótulos | de | classes podem | ser |
| recuperados | do | conjunto construído, | e | as fusões de | zonas |
adicionais podem ser executadas.
[0204] A figura 9 representa um método para pósprocessamento de zonas de gerenciamento. Na etapa 910, um teste é executado para determinar se alguma zona pequena está presente perto de uma zona grande em um conjunto de zonas de gerenciamento.
[0205] Se na etapa 920 for determinado que zona pequena perto de uma zona grande não está presente em um conjunto de zonas de gerenciamento, então na etapa 930 o conjunto de zonas de gerenciamento é armazenado. O conjunto de zonas de gerenciamento pode ser armazenado em um dispositivo de armazenamento, uma unidade de memória, um serviço de armazenamento em nuvem ou em qualquer outro dispositivo de armazenamento. O conjunto de zonas de gerenciamento pode ser usado para determinar recomendações de semeadura para agricultores, para propósitos de pesquisa e para fornecer informação para outras agências.
[0206] Entretanto, se na etapa 920 for determinado que pelo menos uma zona pequena está presente perto de uma zona
Petição 870190104741, de 17/10/2019, pág. 84/121
78/99 grande em um conjunto de zonas de gerenciamento, então as zonas pequenas são fundidas com suas respectivas zonas grandes.
[0207] Fusão das zonas pode ser executada para cada zona pequena identificada, tal como indicado nas etapas 950-960. Uma vez que todas as zonas pequenas identificadas estejam fundidas com suas respectivas zonas grandes, na etapa 970 o conjunto resultante de zonas de gerenciamento fundidas é armazenado. O conjunto de zonas de gerenciamento fundidas pode ser armazenado em um dispositivo de armazenamento, uma unidade de memória, um serviço de armazenamento em nuvem ou em qualquer outro dispositivo de armazenamento. O conjunto de zonas de gerenciamento pode ser usado para determinar recomendações de semeadura para agricultores, para propósitos de pesquisa e para fornecer informação para outras agências.
[0208] 3.5. CONSIDERAÇÕES DE DESEMPENHO [0209] Precisão de delineamento de zonas de gerenciamento em um campo agrícola pode ser aumentada com dados adicionais. Por exemplo, assumindo que a qualidade dos mapas de produções é comparável de ano para ano, a qualidade e precisão da abordagem aumentam proporcionalmente com o número de mapas de produções de anos diferentes fornecidos para o sistema. Consequentemente, para um dado campo, quanto mais anos de mapas de produções são fornecidos tanto maiores podem ser a
| qualidade e | precisão | de | delineamento | de | zonas | de |
| gerenciamento. [0210] 4. | UTILIDADE | DE | DELINEAMENTO | DE | ZONAS | DE |
GERENCIAMENTO [0211] Usando as técnicas descritas neste documento, um
Petição 870190104741, de 17/10/2019, pág. 85/121
79/99 computador pode determinar uma pluralidade de zonas de gerenciamento com base em dados digitais representando produções históricas colhidas de um campo agrícola. As técnicas podem capacitar computadores para determinar as regiões contíguas que têm fatores limitantes similares influenciando a produções de plantações colhidas. As técnicas apresentadas também podem capacitar o sistema de computação de inteligência agrícola para gerar automaticamente recomendações para agricultores em relação à semeadura, irrigação, aplicação de fertilizante tal como nitrogênio e/ou colheita.
[0212] Técnicas apresentadas podem capacitar o sistema de computação de inteligência agrícola para economizar recursos computacionais, tais como armazenamento de dados, potência de computação e memória de computador do sistema, ao implementar um encadeamento programável configurado para determinar automaticamente zonas de gerenciamento para um campo com base em dados digitais. O encadeamento programável pode gerar automaticamente recomendações e alertas para fazendeiros, empresas de seguro e pesquisadores, permitindo desse modo um gerenciamento agrícola mais efetivo nas programações de semeaduras, operações de equipamento agrícola e aplicação de produtos químicos para campos, proteção de plantações e outras etapas tangíveis no gerenciamento de campo agrícola. Zonas de gerenciamento criadas com base em dados de produções históricas podem ser particularmente úteis em certas práticas agrícolas tais como selecionar uma taxa de semeadura. Por exemplo, informação a respeito das zonas de gerenciamento criadas pode ser usada para gerar recomendações para agricultores. As recomendações
Petição 870190104741, de 17/10/2019, pág. 86/121
80/99 podem se referir às seleções de sementes e de semeadura. Selecionar uma taxa de semeadura recomendada com base nas zonas de gerenciamento identificadas pode ser muito útil para aumentar produções colhidas.
[0213] 5. APLICAÇÃO DE EXEMPLO PARA DELINEAR ZONAS DE GERENCIAMENTO E GERAR RECOMENDAÇÕES [0214] A abordagem de delineamento de zonas de gerenciamento descrita neste documento pode ser implementada amplamente em uma variedade de aplicações agrícolas. Por exemplo, a abordagem pode ser integrada com ferramentas baseadas em computador que um agricultor pode usar para otimizar suas práticas agronômicas. A abordagem pode ser implementada em uma aplicação que gera uma interface gráfica de usuário para um usuário, e exibe recomendações e opções de estratégia para o agricultor.
[0215] Em uma modalidade, um processo de delinear zonas de gerenciamento para um campo agrícola é implementado em uma ferramenta baseada em computador interativa. A ferramenta pode prover um usuário com a interatividade em termos de fornecer funcionalidades para selecionar um campo agrícola, solicitar e receber representações gráficas de zonas de gerenciamento delineadas para o campo, solicitar e receber recomendações para práticas agronômicas para as zonas de gerenciamento, e modificar as recomendações obtidas.
[0216] Uma ferramenta de delineamento de zonas de gerenciamento pode ser implementada como uma interface gráfica de usuário que é configurada para receber de um usuário uma seleção de um campo agrícola e executar um algoritmo de delineamento de zonas de gerenciamento com base
Petição 870190104741, de 17/10/2019, pág. 87/121
81/99 na entrada recebida. A interface gráfica de usuário pode ser configurada para gerar representações gráficas das zonas delineadas, exibir as representações gráficas geradas das zonas, e interagir com o usuário para gerar opções de recomendações.
[0217] Em uma modalidade, uma aplicação de delineamento de zonas de gerenciamento é configurada para permitir que agricultores criem scripts manuais contendo configurações e parâmetros para especificar detalhes para delinear zonas de gerenciamento. A aplicação também pode fornecer um conjunto de cenários de scripts predefinidos e tornar o conjunto disponível para o agricultor. Os cenários podem incluir um cenário que fornece informação a respeito de, por exemplo, produção predita se o agricultor não mudar sua prática agronômica corrente. Um outro cenário pode fornecer recomendações para alcançar os melhores resultados econômicos. Outro cenário pode incluir um cenário fornecendo recomendações para alcançar produção máxima do campo. Estes cenários de exemplo podem permitir a um agricultor comparar práticas agronômicas diferentes com referência para o campo, comparar resultados de produções se as práticas diferentes forem aplicadas, e no final escolher as recomendações ou cenário que casar melhor com seus objetivos. Exemplo de uma aplicação que implementa delineamento de zonas de gerenciamento e gerador de recomendações é o Script Creator da The Climate Corporation.
[0218] 5.1. USOS E OPERAÇÕES DE EXEMPLO [0219] Em uma modalidade, uma aplicação que integra uma abordagem de delineamento de zonas de gerenciamento e gerador de recomendações agronômicas é configurada para permitir a
Petição 870190104741, de 17/10/2019, pág. 88/121
82/99 um agricultor gerar rapidamente e de modo fácil scripts para obter as recomendações para as zonas delineadas para o campo do agricultor. Um script, ou uma prescrição, é um conjunto de recomendações geradas pela aplicação para um agricultor. Um script pode ser gerado com base em entrada fornecida por um usuário e incluindo um conjunto de definições que a aplicação pode usar para delinear zonas de gerenciamento e gerar as recomendações. As definições podem incluir valores para uma contagem de zonas de gerenciamento a ser delineadas, um identificador das sementes a ser semeadas, produção esperada, uma faixa de semeadura e outros mais.
[0220] Em uma modalidade, uma aplicação de delineamento de zonas de gerenciamento e de recomendações é configurada para gerar um ou mais scripts personalizados para um campo agrícola particular. Os scripts podem refletir tolerância de risco e objetivos especificados por um agricultor.
[0221] A figura 10 é um instantâneo de tela de uma interface gráfica de usuário de exemplo configurada para delinear zonas de gerenciamento e gerar recomendações de práticas agronômicas. O instantâneo de tela de exemplo 1000 pode ser gerado ao executar instruções que fornecem interatividade entre um usuário e a aplicação. Um usuário típico da aplicação é um agricultor que cultiva um campo agrícola. Executar as instruções pode permitir a um agricultor importar em 1002 certa informação a respeito de um campo agrícola para a aplicação. Executar as instruções também pode permitir a um agricultor solicitar em 1004 uma ferramenta interativa que permita ao agricultor definir e exibir na interface gráfica de usuário um ou mais planos de plantio para um campo agrícola do agricultor. Executar a
Petição 870190104741, de 17/10/2019, pág. 89/121
83/99 instrução também pode induzir geração e exibição de um ou mais scripts recomendados para um campo agrícola, permitindo a um agricultor selecionar um ou mais scripts dos scripts exibidos, e exibir recomendações associadas com os scripts selecionados.
[0222] Em termos de importar em 1004 informação para uma aplicação de delineamento de zonas de gerenciamento e de prescrições, a aplicação pode ser configurada para permitir a um agricultor importar a informação de solo para a aplicação e ligar a informação importada com as zonas delineadas. A aplicação também pode ser configurada para recuperar e usar informação de zonas de gerenciamento, por exemplo, dos mapas SSURGO, delineamento de zonas gerado por um agricultor no passado, prescrição velha, e qualquer tipo de informação que o agricultor usou no passado para delinear zonas de gerenciamento. Por exemplo, um agricultor pode ser orientado para fornecer informação a respeito dos tipos de sementes que ele planeja semear em seu campo. Para facilitar introdução da informação, um menu de extração 1022 pode ser fornecido para permitir que o agricultor faça a seleção.
[0223] Um agricultor também pode ser provido com um menu de extração 1024 que permite ao agricultor pesquisar os tipos de sementes, incluindo híbridos e outros mais. Além disso, a um agricultor pode ser apresentado um campo de texto para introduzir, por exemplo, uma quantidade de produção alvo 1032 esperada em um dado ano, uma taxa de semeadura mais baixa 1034 usada normalmente no campo, uma taxa de semeadura média 1036 utilizada normalmente no campo, e uma taxa de semeadura mais alta utilizada normalmente no campo.
[0224] A aplicação também pode permitir a um agricultor
Petição 870190104741, de 17/10/2019, pág. 90/121
84/99 navegar através de telas de introdução de dados. Por exemplo, a aplicação pode ser configurada para permitir a um agricultor retornar em 1042 para uma tela com a informação introduzida anteriormente, ou ir para frente em 1044 e introduzir informação adicional. A aplicação também pode ser configurada para permitir que um agricultor restabeleça as configurações e informações fornecidas anteriormente.
[0225] 5.2. FLUXO DE TRABALHO DE EXEMPLO [0226] A figura 11 representa um método de exemplo para delinear zonas de gerenciamento e gerar prescrições. O método de exemplo pode ser implementado em uma aplicação executada em um dispositivo de computação, tal como um laptop, um telefone inteligente, um tablet, um PDA ou outro dispositivo de computação.
[0227] Em uma modalidade, uma aplicação inclui instruções para um gerador de interface gráfica de usuário, um delineador e um prescritor. O gerador de interface gráfica de usuário pode ser configurado para gerar e exibir uma interface gráfica de usuário em um mostrador de um dispositivo de computação, receber entrada de um usuário, e exibir resultados gerados pelo delineador e pelo prescritor. O delineador pode ser configurado para gerar zonas de gerenciamento para um campo agrícola e com base em dados fornecidos por um usuário. O prescritor pode ser configurado para gerar prescrições para práticas agrícolas e recomendações projetadas para alcançar objetivos expostos pelo usuário para o campo agrícola do usuário.
[0228] Na etapa 1102, uma interface gráfica de usuário é gerada e exibida em um mostrador de um dispositivo de computação de um agricultor. Uma interface gráfica de usuário
Petição 870190104741, de 17/10/2019, pág. 91/121
85/99 de exemplo está representada na figura 10. A interface gráfica de usuário pode ser implementada como uma página de rede de um sitio de rede que o agricultor pode acessar por meio da Internet. A página de rede pode incluir várias teclas, ícones e menus de extração interativos para fornecer dados para a aplicação configurada para executar o método para delinear zonas de gerenciamento e gerar prescrições. O agricultor pode usar as teclas, ícones e menus interativos para fornecer valores de parâmetros para serem usados pelo delineador e pelo prescritor.
[0229] Na etapa 1104, valores para um ou mais parâmetros para um delineador e/ou para um prescritor são recebidos por meio de uma interface gráfica de usuário de um agricultor. Por exemplo, os valores podem especificar um campo agrícola para o qual delineamento de zonas de gerenciamento é solicitado. Os valores também podem especificar os objetivos do agricultor em termos de lucros esperados, quantidades e tipos de sementes para o campo, as taxas de semeadura e outros mais. Exemplos dos parâmetros estão mostrados na figura 10.
[0230] Na etapa 1106, valores recebidos por meio de uma interface gráfica de usuário são usados para iniciar um delineador que é configurado para gerar uma pluralidade de zonas de gerenciamento com base, pelo menos em parte, nos valores fornecidos por um agricultor.
[0231] Na etapa 1108, um teste é executado para determinar se um agricultor deseja fornecer quaisquer valores adicionais para um ou mais parâmetros para um delineador e/ou para um prescritor. Por exemplo, o agricultor pode fornecer alguns valores adicionais para parâmetros
Petição 870190104741, de 17/10/2019, pág. 92/121
86/99 adicionais, ou modificar os valores já fornecidos. Além disso, o agricultor pode solicitar restabelecimento dos valores para valores padrões fornecidos pela aplicação, ou pode importar os valores dos arquivos do agricultor, de bases de dados disponíveis publicamente, das configurações anteriores do agricultor e de outros mais.
[0232] Se for determinado que um agricultor deseja fornecer valores adicionais para parâmetros para o delineador e/ou para um prescritor, então na etapa 1110 os valores adicionais para os parâmetros são recebidos por meio de uma interface gráfica de usuário, e a etapa 1106 é executada.
[0233] Entretanto, se for determinado que valores adicionais não serão fornecidos, então na etapa 1112 uma pluralidade de zonas de gerenciamento delineadas é gerada e uma pluralidade de planos de plantio é gerada. As zonas de gerenciamento podem ser determinadas por um delineador com base, pelo menos em parte, em valores fornecidos, por exemplo, por um agricultor por meio de uma interface gráfica de usuário. Os planos de plantio podem ser gerados por um prescritor com base, pelo menos em parte, nos valores fornecidos pelo agricultor. Os planos de plantio podem ser personalizados para as zonas de gerenciamento individuais e com base nos alvos e objetivos especificados por um agricultor. Exemplos de zonas de gerenciamento delineadas e de planos de plantio estão mostrados na figura 12.
[0234] A figura 12 é um instantâneo de tela de uma interface gráfica de usuário de exemplo configurada para exibir exemplos de zonas de gerenciamento e exemplos de planos de plantio. A interface de exemplo mostra três
Petição 870190104741, de 17/10/2019, pág. 93/121
87/99 exemplos de zonas de gerenciamento delineadas para um campo agrícola particular; entretanto, a abordagem não está limitada a exibir três exemplos. A abordagem pode permitir especificar uma quantidade de modos em que um campo particular pode ser dividido em zonas de gerenciamento. Por exemplo, um usuário pode especificar que ele gostaria de ver os dois melhores modos de dividir o campo particular em zonas. 0 usuário também pode especificar que ele gostaria de ver os três melhores modos, ou os quatro melhores modos, de dividir o campo em zonas e assim por diante.
[0235] Os exemplos representados na figura 12 incluem um primeiro conjunto de zonas de gerenciamento 1210, um segundo conjunto de zonas de gerenciamento 1212 e um terceiro conjunto de zonas de gerenciamento 1214. O primeiro conjunto de zonas de gerenciamento 1210 inclui a zona 2 (elemento 1232), a zona 3 (elemento 1234), a zona 4 (elemento 1236) e a zona 5 (elemento 1238) . O segundo conjunto de zonas de gerenciamento 1212 inclui a zona 1 (elemento 1230), a zona 2 (elemento 1232), a zona 3 (elemento 1234), a zona 4 (elemento 1236) e a zona 5 (elemento 1238) . O terceiro conjunto de zonas de gerenciamento 1214 inclui a zona 1 (elemento 1230), a zona 2 (elemento 1232), a zona 3 (elemento 1234), a zona 4 (elemento 1236) e a zona 5 (elemento 1238). As zonas estão representadas graficamente usando sombreados ou cores diferentes. Distribuição e quantidade das zonas para outros campos podem ser diferentes dessas representadas na figura 12 .
[0236] Além de representações gráficas de zonas de gerenciamento delineadas, planos de plantio e/ou produções esperadas para cada arranjo de zonas de gerenciamento podem
Petição 870190104741, de 17/10/2019, pág. 94/121
88/99 ser fornecidos. A informação adicional pode indicar uma relação entre uma abordagem de plantio particular e produção esperada. Por exemplo, para o primeiro conjunto de zonas de gerenciamento 1210, informação adicional pode incluir uma população média de sementes 1240, uma quantidade de sacos de sementes 1242 e uma relação entre a população de sementes e a produção esperada. A relação pode ser representada usando um gráfico bidimensional; contudo outros modos de representar a relação também podem ser empregados. O gráfico representado na figura 12 inclui um eixo horizontal 1260 rotulado como uma população de sementes, e um eixo vertical 1250 rotulado como uma produção alvo. Os pontos de dados obtidos para vários valores das populações de sementes estão representados como um primeiro ponto de dados 1252, um segundo ponto de dados 1254 e um terceiro ponto de dados 1256. Outros modos de representar os pontos de dados para a relação entre as populações de sementes e produções também podem ser implementados.
[0237] Um agricultor pode analisar os dados exibidos na figura 12, para comparar os três modos diferentes de delinear zonas de gerenciamento, e comparar as produções esperadas geradas para os modos diferentes de delinear zonas de gerenciamento, respectivamente. Além disso, o agricultor, por exemplo, pode decidir ajustar alguns dos valores iniciais. Para assim fazer, o agricultor pode selecionar um ícone 1270 que está rotulado como Anterior, e fornecer valores adicionais para parâmetros e modificar alguns dos valores já fornecidos.
[0238] Um agricultor também pode selecionar um dos três conjuntos 1210, 1212, 1214, e solicitar prescrição agrícola
Petição 870190104741, de 17/10/2019, pág. 95/121
89/99 que, se implementada para o conjunto de zonas de gerenciamento selecionado, permitirá alcançar os objetivos indicados para o conjunto selecionado.
[0239] Uma seleção de um conjunto de gerenciamento delineado particular, de uma pluralidade de conjuntos de gerenciamento delineados disponíveis, pode ser executada em muitos modos. Um modo está representado na figura 13.
[0240] A figura 13 é um instantâneo de tela de uma interface gráfica de usuário de exemplo configurada para capacitar solicitação de uma prescrição para um plano de plantio selecionado. A interface de exemplo mostra três exemplos de zonas de gerenciamento delineadas para um campo agrícola particular; entretanto, a abordagem não está limitada a exibir três exemplos. Os arranjos exibidos correspondem a três modos, ou opções, diferentes de delinear zonas de gerenciamento para o mesmo campo. Para cada opção, alguma informação adicional pode ser fornecida.
[0241] Os três exemplos representados na figura 13 incluem um primeiro conjunto de zonas de gerenciamento 1310, um segundo conjunto de zonas de gerenciamento 1312 e um terceiro conjunto de zonas de gerenciamento 1314. O primeiro conjunto de zonas de gerenciamento 1310 inclui a zona 2 (elemento 1332), a zona 3 (elemento 1334), a zona 4 (elemento 1336) e a zona 5 (elemento 1338). O segundo conjunto de zonas de gerenciamento 1312 inclui a zona 1 (elemento 1330), a zona 2 (elemento 1332), a zona 3 (elemento 1334), a zona 4 (elemento 1336) e a zona 5 (elemento 1338) . O terceiro conjunto de zonas de gerenciamento 1314 inclui a zona 1 (elemento 1330), a zona 2 (elemento 1332), a zona 3 (elemento 1334), a zona 4 (elemento 1336) e a zona 5 (elemento 1338).
Petição 870190104741, de 17/10/2019, pág. 96/121
90/99
As zonas estão representadas graficamente usando sombreados ou cores diferentes. Cada conjunto de zonas de gerenciamento delineadas pode incluir informação adicional. Por exemplo, a informação adicional para o primeiro conjunto de zonas de gerenciamento 1210 pode incluir uma população média de sementes 1340 e uma quantidade de sacos de sementes 1342.
[0242] Em uma modalidade, uma interface gráfica de usuário pode incluir teclas, botões de rádio, ícones ou outros tipos de seletores para selecionar uma opção das opções exibidas na interface. No exemplo representado na figura 13, a interface gráfica de usuário inclui as teclas rotuladas como opção 1, opção 2 e opção 3. Um agricultor pode selecionar qualquer uma das teclas de opções para selecionar a opção, e indicar assim um conjunto particular de zonas de gerenciamento delineadas para o qual o agricultor está solicitando uma prescrição agronômica.
[0243] Referindo-se de novo à figura 11, na etapa 1114, um teste é executado para determinar se qualquer uma de uma pluralidade de opções de zonas de gerenciamento foi selecionada por um agricultor. Se na etapa 1116 for determinado que um conjunto particular de zonas de gerenciamento delineadas foi selecionado, então a etapa 1118 é executada. De outro modo, a etapa 1122 é executada.
[0244] Na etapa 1118, um prescritor é chamado para gerar uma prescrição para uma opção de zonas de gerenciamento selecionada. Em uma modalidade, uma prescrição corresponde a um plano de plantio e indica recomendações para alcançar certos objetivos. Nesta etapa, o prescritor pode gerar uma ou mais prescrições para o agricultor. As prescrições podem fornecer recomendações para alcançar objetivos diferentes.
Petição 870190104741, de 17/10/2019, pág. 97/121
91/99 [0245] Em uma modalidade, a aplicação de delineamento de zonas de gerenciamento e de recomendações é configurada para gerar um ou mais scripts personalizados para um campo agrícola particular. Os scripts podem refletir tolerância de risco e objetivos especificados por um agricultor. A aplicação também pode gerar recomendações com base em dois ou mais scripts, e assim permitir a um agricultor comparar o impacto de objetivos diferentes no script do agricultor, e selecionar as recomendações que melhor satisfazem o agricultor.
[0246] Em uma modalidade, a aplicação de delineamento de zonas de gerenciamento e de recomendações é configurada para permitir a um agricultor gerar um script que maximiza o retorno de investimento (ROI) que o agricultor pode receber com base nos lucros gerados por seu campo. A aplicação também pode permitir a um agricultor determinar recomendação para população de semeadura para maximizar os lucros e obtidos ao pesar custos e riscos contra potenciais aumentos de produção. A aplicação também pode permitir a um agricultor introduzir um preço de semente esperado em termos de dólares por mil sementes, ou em termos de dólares por saco de sementes.
[0247] Além disso, um agricultor pode especificar seu preço de mercado esperado em termos de dólares por alqueire. Ele também pode solicitar geração de um script que maximize produção se um dado híbrido de sementes for plantado no campo do agricultor. O agricultor também pode solicitar criação de um script que represente suas práticas de negócios existentes.
[0248] Referindo-se de novo à figura 11, na etapa 1120, uma ou mais prescrições são geradas e exibidas para um
Petição 870190104741, de 17/10/2019, pág. 98/121
92/99 agricultor. As prescrições podem ser exibidas usando uma interface gráfica de usuário. As prescrições podem ser exibidas de maneira que o agricultor possa fazer comparações através da prescrição exibida, e ver claramente as diferenças entre os scripts. A comparação pode incluir informação a respeito de uma faixa de populações de sementes, uma faixa de produções alvos, uma contagem total de sacos de sementes, e um mapa de populações com uma legenda fixada. Exemplos de prescrições diferentes estão representados na figura 14.
[0249] A figura 14 é um instantâneo de tela de uma interface gráfica de usuário de exemplo configurada para exibir exemplos de zonas de gerenciamento e exemplos de planos de plantio. A interface de exemplo mostra três exemplos de conjuntos de zonas de gerenciamento delineadas para um campo agrícola particular. Entretanto, a abordagem não está limitada a exibir três exemplos. Os conjuntos exibidos correspondem a três modos, ou opções, diferentes de delinear zonas de gerenciamento para o mesmo campo. Para cada opção, alguma informação adicional pode ser fornecida. A informação adicional pode incluir planos de plantio ou recomendações para alcançar certos objetivos agrícolas.
[0250] Os três exemplos representados na figura 14 incluem três opções para delinear um campo agrícola particular. Qualquer uma das opções pode ser selecionada usando, por exemplo, uma tecla ou botão de rádio de seleção. Por exemplo, um primeiro conjunto de zonas de gerenciamento pode ser selecionado ao apontar para uma tecla 1410, um segundo conjunto de zonas de gerenciamento pode ser selecionado ao apontar para uma tecla 1412, e um terceiro conjunto de zonas de gerenciamento pode ser selecionado ao
Petição 870190104741, de 17/10/2019, pág. 99/121
93/99 apontar para uma tecla 1414. 0 primeiro conjunto de zonas de gerenciamento inclui a zona 2 (elemento 1432), a zona 3 (elemento 1434), a zona 4 (elemento 1436) e a zona 5 (elemento 1438) . 0 segundo conjunto de zonas de gerenciamento inclui a zona 1 (elemento 1430), a zona 2 (elemento 1432), a zona 3 (elemento 1434), a zona 4 (elemento 1436) e a zona 5 (elemento 1438). O terceiro conjunto de zonas de gerenciamento inclui a zona 1 (elemento 1430), a zona 2 (elemento 1432), a zona 3 (elemento 1434), a zona 4 (elemento 1436) e a zona 5 (elemento 1438) . As zonas podem ser representadas graficamente usando sombreados ou cores diferentes.
[0251] Cada um dos conjuntos de zonas de gerenciamento exibidos para um usuário pode ser selecionado para o usuário com base em certos critérios. Por exemplo, o primeiro conjunto pode ser selecionado para o usuário com base na informação correspondendo à prática agrícola corrente. Portanto, este plano pode ser referido como um plano corrente. O segundo conjunto pode ser selecionado para o usuário para prover o usuário com um plano de plantio para maximizar a receita e recomendações para permitir ao usuário alcançar um objetivo de maximização de receita. O terceiro conjunto pode ser selecionado para o usuário para prover o usuário com um plano de plantio para maximizar a produção e para fornecer o plano de plantio para permitir ao usuário alcançar um objetivo de maximização de produção.
[0252] Em uma modalidade, um usuário pode selecionar um dos conjuntos de zonas de gerenciamento exibidos em uma GUI. No exemplo representado na figura 14, um usuário selecionou o terceiro conjunto ao apontar para uma tecla 1414 exibida
Petição 870190104741, de 17/10/2019, pág. 100/121
94/99 perto do terceiro conjunto. Em resposta a receber a seleção particular, a GUI pode exibir informação adicional, incluindo recomendações para ajudar o usuário a alcançar um certo objetivo. Informação adicional também pode incluir dados representando produção esperada, custo e receita. Além disso, a informação adicional para o terceiro conjunto de zonas de gerenciamento 1414 pode incluir informação a respeito de uma produção alvo 1420, um tipo de seleção de semente híbrida 1422, um preço de milho esperado 1424, uma custo semente por saco 1426, um custo de semente por saco 1434 e um custo de semente total 1436.
[0253] Referindo-se de novo à figura 11, na etapa 1122, um teste é executado para determinar se um agricultor solicitou qualquer modificação de valores usados por um delineador e/ou prescritor. Se na etapa 1124 for determinado que nenhuma modificação para os valores de um ou mais parâmetros não foi solicitada, então a etapa 1114 é executada. Entretanto, se for determinado que algumas modificações foram solicitadas então a etapa 1104 é executada.
[0254] 5.3. EXEMPLO DE CRIAÇÃO AUTOMÁTICA DE SCRIPTS [0255] Uma aplicação de delineamento de zonas de gerenciamento e de recomendações pode ser configurada para fornecer uma opção autoscript. Uma opção autoscript é uma funcionalidade da aplicação que permite ao usuário solicitar uma prescrição para a prática agrícola. Por exemplo, a aplicação pode ser configurada para permitir ao usuário modificar os parâmetros usados pela aplicação e solicitar que a aplicação gere um mapa de delineamento de zonas de gerenciamento e recomendações. A aplicação também pode ser
Petição 870190104741, de 17/10/2019, pág. 101/121
95/99 configurada para permitir que o usuário ajuste de modo fino prescrições geradas pela aplicação.
[0256] Em uma modalidade, a aplicação de delineamento de zonas de gerenciamento e de recomendações é configurada para permitir que um agricultor use uma opção autoscript. Uma opção autoscript permite ao agricultor solicitar para que pelo menos as três melhores prescrições sejam geradas para o agricultor automaticamente. Além disso, o agricultor pode solicitar que a opção autoscript seja selecionada para o agricultor a cada vez que o agricultor estiver usando a aplicação.
[0257] Além disso, um agricultor pode selecionar uma fonte particular de dados a ser usados pela aplicação. Por exemplo, um agricultor pode confiar no mapa de solos SSURGO mais do que em seus dados de produções. Portanto, o agricultor pode ser capaz de indicar que os dados do mapa de solos SSURGO devem ser usados para aplicação em cada campo quando uma opção autoscript é chamada, ou quando o agricultor solicita manualmente um script, ou quando o agricultor solicita uma prescrição velha.
[0258] Em uma modalidade, a aplicação de delineamento de zonas de gerenciamento e de recomendações é configurada para permitir que um agricultor exclua certos anos de dados de produções do cálculo, desde que uma quantidade suficiente de dados de outros anos esteja disponível para executar os cálculos.
[0259] Além disso, a aplicação pode ser configurada para permitir que um agricultor inclua recomendações de populações personalizadas para um tipo específico de semente ou de plantação. Por exemplo, a aplicação pode ser
Petição 870190104741, de 17/10/2019, pág. 102/121
6/99 configurada para incluir recomendações de populações personalizadas para um conjunto de híbridos Monsanto certificados. Híbridos Monsanto se refere a todos os híbridos que tenham sido submetidos ao teste GENV e para os quais modelos de dados existem para gerar as recomendações. Exemplos de híbridos Monsanto incluem as marcas tais como Dekalb, Channel, Regional Brands e produtos da Agreliant and Croplan.
[0260] 5.4. EXEMPLO DE CRIAÇÃO MANUAL DE SCRIPTS [0261] Uma aplicação de delineamento de zonas de gerenciamento e de recomendações pode ser configurada para fornecer uma opção de criação manual de scripts. Uma opção de criação manual de scripts é uma funcionalidade da aplicação que permite ao usuário personalizar parâmetros usados pela aplicação. Personalização pode incluir ajustar de modo fino manualmente, por exemplo, uma classe de contagem, opções de delineamento de zonas de gerenciamento e prescrições geradas pela aplicação para um campo agrícola. Por exemplo, a aplicação pode ser configurada para permitir ao usuário modificar os parâmetros usados pela aplicação e ajustar de modo fino opções de delineamento de zonas de gerenciamento e recomendações. Por exemplo, a aplicação também pode ser configurada para permitir a um usuário ajustar de modo fino parâmetros do algoritmo de delineamento de zonas de gerenciamento, solicitar regeneração de opções de delineamento de zonas de gerenciamento e solicitar regeneração de prescrições para as opções.
[0262] A figura 15 é um instantâneo de tela de uma interface gráfica de usuário de exemplo configurada para permitir que um usuário personalize plano de plantio. É
Petição 870190104741, de 17/10/2019, pág. 103/121
97/99 assumido aqui que um usuário já selecionou uma opção de delineamento de zonas de gerenciamento particular 1570. A opção de delineamento 1570 representa um campo agrícola particular dividido em um conjunto de zonas de gerenciamento. O conjunto inclui uma zona 1 rotulada como 1530, uma zona 2 rotulada como 1532, uma zona 3 rotulada como 1532, uma zona 4 rotulada como 1536 e uma zona 5 rotulada como 1538.
[0263] Em uma modalidade, uma aplicação de delineamento de zonas de gerenciamento e de recomendações é configurada para fornecer funcionalidades que permitem a um usuário fundir zonas ao selecionar uma tecla fundir zonas 1550, dividir zonas ao selecionar uma tecla 'dividir zonas 1552, desenhar/salvar/cancelar uma forma dentro de um conjunto de zonas de gerenciamento ao selecionar uma tecla desenhar forma 1554, colocar um quadrado ao selecionar uma opção colocar quadrado 1556, e colocar um eixo ao selecionar uma opção colocar eixo 1558. Outras opções também podem ser implementadas pela aplicação de delineamento de zonas de gerenciamento e de recomendações.
[0264] Em uma modalidade, a aplicação de delineamento de zonas de gerenciamento e de recomendações é configurada para permitir que um usuário gere manualmente um script. Um exemplo do processo para gerar manualmente um script está representado na figura 15. O processo para gerar manualmente um script pode ser facilitado usando uma GUI.
[0265] Usando as funcionalidades de uma GUI, um usuário pode indicar o nome do arquivo de dados que o usuário deseja importar para a aplicação. Por exemplo, o usuário pode fornecer em 1510 um nome do arquivo de dados contendo com dados de produções. Além disso, o usuário pode indicar em
Petição 870190104741, de 17/10/2019, pág. 104/121
98/99
1512 o tipo de semente a ser usado. Além disso, o usuário pode indicar em 1514 se qualquer líquido é para ser usado, e em 1516, 1518 em quais zonas deve ser usado. 0 usuário também pode digitar em 1520 a produção alvo esperada e em 1522 a população de sementes esperada para uma das zonas, e em 1524 a produção alvo esperada e em 1524 a população de sementes esperada para uma outra zona e assim por diante. Em resposta a receber a entrada do usuário, a aplicação pode gerar uma prescrição para o usuário. A informação pode ser exibida se um usuário selecionar, por exemplo, um ícone de sumário 1546. Informação adicional, tal como uma população média de sementes 1542 e uma quantidade de sacos com sementes 1544, também pode ser exibida em um GUI para um usuário.
[0266] 6. EXTENSÕES E ALTERNATIVAS [0267] Em uma modalidade, um processo para delinear zonas de gerenciamento para um campo agrícola é aprimorado ao levar em consideração não somente os mapas de produções históricas, mas também informação de previsão de tempo. Nesta abordagem, a informação meteorológica pode ser usada para fornecer explicações para inconsistências em observações de produções recodifiçadas nos mapas de produções históricas.
[0268] Um processo para delinear zonas de gerenciamento para um campo pode ser aprimorado ao fornecer informação a respeito de propriedades de solo e de propriedades topográficas de zonas individuais delineadas em um campo. Usualmente, propriedades de solo e topográficas permanentes representam uma função importante ao determinar variabilidade de produção de subcampo, e algumas vezes podem ser mais importantes do que fatores transitórios tais como condições meteorológicas.
Petição 870190104741, de 17/10/2019, pág. 105/121
99/99 [0269] Precisão de resultados gerados por um processo para delinear zonas de gerenciamento pode ser aperfeiçoada ao fornecer dados de produções históricas ou mapas de produções de subcampos suficientes para o sistema. A precisão dos resultados gerados também pode ser aperfeiçoada quando os dados de produções históricas são fornecidos em um formato de dados particular ou são pré-processados particularmente.
Claims (20)
- REIVINDICAÇÃO1. Método, caracterizado pelo fato de que compreende: usar instruções programadas em um sistema de computador compreendendo um ou mais processadores e memória de computador: receber dados de produções representando produções de plantações que tenham sido colhidas de um campo agrícola, e dados de características de campo representando uma ou mais características do campo agrícola;usar as instruções programadas no sistema de computador, determinar uma pluralidade de opções de delineamento de zonas de gerenciamento, em que cada opção, da pluralidade de opções de delineamento de zonas de gerenciamento, compreende dados digitais de leiaute de zonas para uma opção, em que a pluralidade de opções de delineamento de zonas de gerenciamento é determinada por meio de: determinar uma pluralidade de valores de contagem para uma contagem de classes de gerenciamento; para cada valor de contagem, da pluralidade de valores de contagem, gerar uma opção de delineamento de zonas de gerenciamento ao agrupar, usando um valor de contagem da pluralidade de valores de contagem, os dados de produções e os dados de características de campo, designando zonas para agrupamentos, e incluir a opção de delineamento de zonas de gerenciamento na pluralidade de opções de delineamento de zonas de gerenciamento;usar as instruções programadas no sistema de computador, receber um ou mais critérios de seleção; e com base, pelo menos em parte, no um ou mais critérios de seleção, selecionar uma ou mais opções da pluralidade de opções de delineamento de zonas de gerenciamento, e determinar um ou mais planos de plantio para cada uma da uma ou mais opções;Petição 870190104737, de 17/10/2019, pág. 8/17
- 2/9 usar uma camada de apresentação do sistema de computador, gerar e induzir exibição, em um dispositivo de computação, de uma representação gráfica da uma ou mais opções da pluralidade de opções de delineamento de zonas de gerenciamento e de uma representação gráfica do um ou mais planos de plantio associados com a uma ou mais opções.2. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que compreende adicionalmente, usar as instruções programadas no sistema de computador, receber uma entrada de usuário; usar a entrada de usuário para gerar o um ou mais critérios de seleção; usar o um ou mais critérios de seleção para selecionar a uma ou mais opções da pluralidade de opções de delineamento de zonas de gerenciamento; com base, pelo menos em parte, no um ou mais critérios de seleção, determinar o um ou mais planos de plantio para a uma ou mais opções.
- 3. Método, de acordo com a reivindicação 2, caracterizado pelo fato de que compreende adicionalmente receber uma ou mais de: instruções para fusão de zonas, instruções para divisão de zonas, instruções para modificação de zonas, instruções para seleção de sementes, instruções para produções alvos ou instruções para plantio de sementes históricas;usar as instruções programadas no sistema de computador, com base, pelo menos em parte, nas instruções para produções alvos, determinar, para cada opção da uma ou mais opções, inter-relações entre produções alvos e recomendações de plantio, e exibir as inter-relações em uma forma gráfica no dispositivo de computação.
- 4. Método, de acordo com a reivindicação 3,Petição 870190104737, de 17/10/2019, pág. 9/173/9 caracterizado pelo fato de que compreende adicionalmente: usar as instruções programadas no sistema de computador, com base, pelo menos em parte, nas instruções para produções alvos e em um custo de sementes, determinar, para cada opção da uma ou mais opções, inter-relações entre produções alvos, recomendações de plantio e custos de plantio, e exibir as inter-relações em uma forma gráfica no dispositivo de computação.
- 5. Método, de acordo com a reivindicação 3, caracterizado pelo fato de que compreende adicionalmente: usar as instruções programadas no sistema de computador, com base, pelo menos em parte, nas instruções para produções alvos, nas instruções para seleção de sementes e em um custo de sementes, determinar, para cada opção da uma ou mais opções, inter-relações entre produções alvos, recomendações de plantio e custos de plantio, e exibir as inter-relações em uma forma gráfica no dispositivo de computação.
- 6. Método, de acordo com a reivindicação 3, caracterizado pelo fato de que compreende adicionalmente: usar as instruções programadas no sistema de computador, com base, pelo menos em parte, nas instruções para divisão de zonas, determinar uma segunda pluralidade de opções de delineamento de zonas de gerenciamento; determinar um ou mais segundos critérios; e com base no um ou mais segundos critérios selecionar uma ou mais segundas opções da segunda pluralidade de opções de delineamento de zonas de gerenciamento.
- 7. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que compreende adicionalmente, usar as instruções programadas no sistema de computador,Petição 870190104737, de 17/10/2019, pág. 10/174/9 pré-processar os dados de produções e os dados de características de campo por meio de: gerar dados transformados ao aplicar uma função de densidade acumulativa empírica aos dados de produções e aos dados de características de campo; gerar dados transformados suaves ao suavizar os dados transformados; gerar a pluralidade de opções de delineamento de zonas de gerenciamento a partir dos dados transformados suaves.
- 8. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que compreende adicionalmente, usar as instruções programadas no sistema de computador, pós-processar a pluralidade de opções de delineamento de zonas de gerenciamento ao fundir uma ou mais zonas de gerenciamento pequenas, incluídas na pluralidade de opções de delineamento de zonas de gerenciamento, com suas respectivas zonas vizinhas grandes em uma pluralidade de opções de delineamento de zonas de gerenciamento fundidas.
- 9. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que os dados de características de campo para o campo agrícola compreendem um ou mais de: dados de propriedades de solo, dados de propriedades topográficas, um ou mais mapas de bases de dados geográficos de levantamentos de solos, um ou mais mapas de solos nus, ou uma ou mais imagens de satélite; em que os dados de propriedades de solo compreendem dados de medições de solos; em que os dados de propriedades topográficas compreendem dados de elevações e de propriedades associadas com elevações.
- 10. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que compreende adicionalmente,Petição 870190104737, de 17/10/2019, pág. 11/175/9 usar as instruções, e com base na uma ou mais opções da pluralidade de opções de delineamento de zonas de gerenciamento e no um ou mais planos de plantio associados com a uma ou mais opções, induzir acionamento de um ou mais de: um aparelho de semeadura, um aparelho de irrigação, um aparelho para aplicação de fertilizantes tal como nitrogênio, ou um aparelho de colheita para executar, respectivamente, semeadura, irrigação, aplicação de fertilizantes e/ou colheita do campo agrícola de acordo com uma opção das uma ou mais opções.
- 11. Sistema de processamento de dados, caracterizado pelo fato de que compreende:uma memória;um ou mais processadores acoplados à memória e programados para:receber dados de produções representando produções de plantações que tenham sido colhidas de um campo agrícola, e dados de características de campo representando uma ou mais características do campo agrícola;determinar uma pluralidade de opções de delineamento de zonas de gerenciamento, em que cada opção, da pluralidade de opções de delineamento de zonas de gerenciamento, compreende dados digitais para uma opção, em que a pluralidade de opções de delineamento de zonas de gerenciamento é determinada por meio de: determinar uma pluralidade de valores de contagem para uma contagem de classes de gerenciamento; para cada valor de contagem, da pluralidade de valores de contagem, gerar uma opção de delineamento de zonas de gerenciamento ao agrupar, usando um valor de contagem da pluralidade de valores de contagem, osPetição 870190104737, de 17/10/2019, pág. 12/176/9 dados de produções e os dados de características de campo, designando zonas para agrupamentos, e incluir a opção de delineamento de zonas de gerenciamento na pluralidade de opções de delineamento de zonas de gerenciamento;receber um ou mais critérios de seleção; e com base, pelo menos em parte, no um ou mais critérios de seleção, selecionar uma ou mais opções da pluralidade de opções de delineamento de zonas de gerenciamento, e determinar um ou mais planos de plantio para cada uma da uma ou mais opções;gerar e induzir exibição, em um dispositivo de computação, de uma representação gráfica da uma ou mais opções da pluralidade de opções de delineamento de zonas de gerenciamento e de uma representação gráfica do um ou mais planos de plantio associados com a uma ou mais opções.
- 12. Sistema de processamento de dados, de acordo com a reivindicação 11, caracterizado pelo fato de que o um ou mais processadores são programados adicionalmente para:receber uma entrada de usuário;usar a entrada de usuário para gerar o um ou mais critérios de seleção;usar o um ou mais critérios de seleção para selecionar a uma ou mais opções da pluralidade de opções de delineamento de zonas de gerenciamento;com base, pelo menos em parte, no um ou mais critérios de seleção, determinar o um ou mais planos de plantio para a uma ou mais opções.
- 13. Sistema de processamento de dados, de acordo com a reivindicação 12, caracterizado pelo fato de que o um ou mais processadores são programados adicionalmente para:Petição 870190104737, de 17/10/2019, pág. 13/177/9 receber uma ou mais de: instruções para fusão de zonas, instruções para divisão de zonas, instruções para modificação de zonas, instruções para seleção de sementes, instruções para produções alvos, ou instruções para plantio de sementes históricas;com base, pelo menos em parte, nas instruções para produções alvos, determinar, para cada opção da uma ou mais opções, inter-relações entre produções alvos e recomendações de plantio, e exibir as inter-relações em uma forma gráfica no dispositivo de computação.
- 14. Sistema de processamento de dados, de acordo com a reivindicação 13, caracterizado pelo fato de que o um ou mais processadores são programados adicionalmente para:com base, pelo menos em parte, nas instruções para produções alvos e em um custo de sementes, determinar, para cada opção da uma ou mais opções, inter-relações entre produções alvos, recomendações de plantio e custos de plantio, e exibir as inter-relações em uma forma gráfica no dispositivo de computação.
- 15. Sistema de processamento de dados, de acordo com a reivindicação 13, caracterizado pelo fato de que o um ou mais processadores são programados adicionalmente para:com base, pelo menos em parte, nas instruções para produções alvos, nas instruções para seleção de sementes e em um custo de sementes, determinar, para cada opção da uma ou mais opções, inter-relações entre produções alvos, recomendações de plantio e custos de plantio, e exibir as inter-relações em uma forma gráfica no dispositivo de computação.
- 16. Sistema de processamento de dados, de acordo comPetição 870190104737, de 17/10/2019, pág. 14/178/9 a reivindicação 13, caracterizado pelo fato de que o um ou mais processadores são programados adicionalmente para:com base, pelo menos em parte, nas instruções para divisão de zonas, determinar uma segunda pluralidade de opções de delineamento de zonas de gerenciamento; determinar um ou mais segundos critérios; e com base no um ou mais segundos critérios selecionar uma ou mais segundas opções da segunda pluralidade de opções de delineamento de zonas de gerenciamento.
- 17. Sistema de processamento de dados, de acordo com a reivindicação 11, caracterizado pelo fato de que o um ou mais processadores são programados adicionalmente para:pré-processar os dados de produções e os dados de características de campo por meio de: gerar dados transformados ao aplicar uma função de densidade acumulativa empírica aos dados de produções e aos dados de características de campo; gerar dados transformados suaves ao suavizar os dados transformados; gerar a pluralidade de opções de delineamento de zonas de gerenciamento a partir dos dados transformados suaves.
- 18. Sistema de processamento de dados, de acordo com a reivindicação 11, caracterizado pelo fato de que o um ou mais processadores são programados adicionalmente para:pós-processar a pluralidade de opções de delineamento de zonas de gerenciamento ao fundir uma ou mais zonas de gerenciamento pequenas, incluídas na pluralidade de opções de delineamento de zonas de gerenciamento, com suas respectivas zonas vizinhas grandes em uma pluralidade de opções de delineamento de zonas de gerenciamento fundidas.
- 19. Sistema de processamento de dados, de acordo com aPetição 870190104737, de 17/10/2019, pág. 15/179/9 reivindicação 11, caracterizado pelo fato de que os dados de características de campo para o campo agrícola compreendem um ou mais de: dados de propriedades de solo, dados de propriedades topográficas, um ou mais mapas de bases de dados geográficos de levantamentos de solos, um ou mais mapas de solos nus, ou uma ou mais imagens de satélite; em que os dados de propriedades de solo compreendem dados de medições de solos; em que os dados de propriedades topográficas compreendem dados de elevações e de propriedades associadas com elevações.
- 20. Sistema de processamento de dados, de acordo com a reivindicação 11, caracterizado pelo fato de que o um ou mais processadores são programados adicionalmente para:com base na uma ou mais opções da pluralidade de opções de delineamento de zonas de gerenciamento e no um ou mais planos de plantio associados com a uma ou mais opções, induzir acionamento de um ou mais de: um aparelho de semeadura, um aparelho de irrigação, um aparelho para aplicação de fertilizantes tal como nitrogênio, ou um aparelho de colheita para executar, respectivamente, semeadura, irrigação, aplicação de fertilizantes e/ou colheita do campo agrícola de acordo com uma opção da uma ou mais opções.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US15/352,898 US10398096B2 (en) | 2016-11-16 | 2016-11-16 | Identifying management zones in agricultural fields and generating planting plans for the zones |
| PCT/US2017/061846 WO2018093931A1 (en) | 2016-11-16 | 2017-11-15 | Identifying management zones in agricultural fields and generating planting plans for the zones |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| BR112019009999A2 true BR112019009999A2 (pt) | 2019-10-29 |
| BR112019009999A8 BR112019009999A8 (pt) | 2023-04-25 |
Family
ID=62106194
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| BR112019009999A BR112019009999A8 (pt) | 2016-11-16 | 2017-11-15 | Identificação de zonas de gerenciamento em campos agrícolas e geração de planos de plantio para as zonas |
Country Status (8)
| Country | Link |
|---|---|
| US (3) | US10398096B2 (pt) |
| EP (2) | EP3542325A4 (pt) |
| AR (1) | AR110097A1 (pt) |
| AU (1) | AU2017362975A1 (pt) |
| BR (1) | BR112019009999A8 (pt) |
| CA (1) | CA3044072A1 (pt) |
| WO (1) | WO2018093931A1 (pt) |
| ZA (1) | ZA201903636B (pt) |
Families Citing this family (85)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012167258A1 (en) | 2011-06-03 | 2012-12-06 | Precision Planting, Inc. | Agricultural toolbar apparatus, systems, and methods |
| US9468162B2 (en) | 2012-08-01 | 2016-10-18 | Rain Bird Corporation | Irrigation controller wireless network adapter and networked remote service |
| EP2730159B1 (en) | 2012-11-07 | 2019-03-20 | Rain Bird Corporation | Irrigation control system |
| EP3206179A1 (en) * | 2016-02-09 | 2017-08-16 | Tata Consultancy Services Limited | Method and system for agriculture field clustering and ecological forecasting |
| WO2018013964A1 (en) | 2016-07-15 | 2018-01-18 | Rain Bird Corporation | Wireless remote irrigation control |
| WO2018049289A1 (en) | 2016-09-09 | 2018-03-15 | Cibo Technologies, Inc. | Systems for adjusting agronomic inputs using remote sensing, and related apparatus and methods |
| US10398096B2 (en) | 2016-11-16 | 2019-09-03 | The Climate Corporation | Identifying management zones in agricultural fields and generating planting plans for the zones |
| US10028451B2 (en) | 2016-11-16 | 2018-07-24 | The Climate Corporation | Identifying management zones in agricultural fields and generating planting plans for the zones |
| US10586105B2 (en) | 2016-12-30 | 2020-03-10 | International Business Machines Corporation | Method and system for crop type identification using satellite observation and weather data |
| US10445877B2 (en) * | 2016-12-30 | 2019-10-15 | International Business Machines Corporation | Method and system for crop recognition and boundary delineation |
| US11140807B2 (en) * | 2017-09-07 | 2021-10-12 | Deere & Company | System for optimizing agricultural machine settings |
| AU2018329244A1 (en) * | 2017-09-11 | 2020-03-12 | Farmers Edge Inc. | Generating a yield map for an agricultural field using classification and regression methods |
| US10594817B2 (en) * | 2017-10-04 | 2020-03-17 | International Business Machines Corporation | Cognitive device-to-device interaction and human-device interaction based on social networks |
| US10477756B1 (en) | 2018-01-17 | 2019-11-19 | Cibo Technologies, Inc. | Correcting agronomic data from multiple passes through a farmable region |
| US10800423B2 (en) | 2018-02-20 | 2020-10-13 | Deere & Company | Monitoring steering conditions of an off-road vehicle |
| US10755367B2 (en) * | 2018-05-10 | 2020-08-25 | The Climate Corporation | Analysis and presentation of agricultural data |
| US20200005166A1 (en) * | 2018-07-02 | 2020-01-02 | The Climate Corporation | Automatically assigning hybrids or seeds to fields for planting |
| US20200005401A1 (en) * | 2018-07-02 | 2020-01-02 | The Climate Corporation | Optimal placement and portfolio opportunity targeting |
| AU2019315506A1 (en) * | 2018-08-02 | 2021-03-11 | Climate Llc | Automatic prediction of yields and recommendation of seeding rates based on weather data |
| US11861737B1 (en) * | 2018-08-31 | 2024-01-02 | Climate Llc | Hybrid seed supply management based on prescription of hybrid seed placement |
| GB2576787B (en) * | 2018-09-03 | 2022-05-11 | Ge Aviat Systems Ltd | Measuring weight and balance and optimizing center of gravity |
| EP3853687A4 (en) * | 2018-09-21 | 2022-11-09 | Climate LLC | TUNABLE MODELS FOR DISTRIBUTED GOODS IN AGRICULTURE |
| US10684612B2 (en) * | 2018-10-10 | 2020-06-16 | The Climate Corporation | Agricultural management recommendations based on blended model |
| US11641800B2 (en) | 2020-02-06 | 2023-05-09 | Deere & Company | Agricultural harvesting machine with pre-emergence weed detection and mitigation system |
| US11240961B2 (en) | 2018-10-26 | 2022-02-08 | Deere & Company | Controlling a harvesting machine based on a geo-spatial representation indicating where the harvesting machine is likely to reach capacity |
| US11672203B2 (en) | 2018-10-26 | 2023-06-13 | Deere & Company | Predictive map generation and control |
| US11957072B2 (en) | 2020-02-06 | 2024-04-16 | Deere & Company | Pre-emergence weed detection and mitigation system |
| US11589509B2 (en) | 2018-10-26 | 2023-02-28 | Deere & Company | Predictive machine characteristic map generation and control system |
| US11079725B2 (en) | 2019-04-10 | 2021-08-03 | Deere & Company | Machine control using real-time model |
| US11178818B2 (en) | 2018-10-26 | 2021-11-23 | Deere & Company | Harvesting machine control system with fill level processing based on yield data |
| US11467605B2 (en) | 2019-04-10 | 2022-10-11 | Deere & Company | Zonal machine control |
| US11653588B2 (en) | 2018-10-26 | 2023-05-23 | Deere & Company | Yield map generation and control system |
| US20200163272A1 (en) * | 2018-11-28 | 2020-05-28 | RxMaker, Inc. | Enhanced Management Zones for Precision Agriculture |
| CN111275065B (zh) * | 2018-12-05 | 2023-08-15 | 中国科学院烟台海岸带研究所 | 一种基于海洋环境多属性的水产养殖空间分区方法 |
| US11464177B2 (en) * | 2018-12-10 | 2022-10-11 | Climate Llc | Image-based irrigation recommendations |
| US11487254B2 (en) * | 2018-12-20 | 2022-11-01 | Climate Llc | Utilizing spatial statistical models for implementing agronomic trials |
| WO2020139781A1 (en) * | 2018-12-24 | 2020-07-02 | The Climate Corporation | Predictive seed scripting for soybeans |
| JP7125827B2 (ja) * | 2019-03-28 | 2022-08-25 | ヤンマーパワーテクノロジー株式会社 | 作業マップ提供サーバ |
| US11778945B2 (en) * | 2019-04-10 | 2023-10-10 | Deere & Company | Machine control using real-time model |
| US11234366B2 (en) | 2019-04-10 | 2022-02-01 | Deere & Company | Image selection for machine control |
| CN110852567A (zh) * | 2019-10-14 | 2020-02-28 | 北京智城同创科技有限公司 | 一种能够实时监测的城市园林绿化综合监管系统 |
| US11800829B2 (en) | 2019-12-17 | 2023-10-31 | Deere & Company | Work machine zone generation and control system with geospatial constraints |
| EP3845982A1 (en) * | 2019-12-30 | 2021-07-07 | AGCO Corporation | Control system and method for advanced diagnostics for an automated harvesting machine |
| CN111158326B (zh) * | 2020-01-03 | 2022-11-25 | 重庆特斯联智慧科技股份有限公司 | 一种基于大数据时变分析的智能喷水控制方法和系统 |
| US10878967B1 (en) | 2020-02-21 | 2020-12-29 | Advanced Agrilytics Holdings, Llc | Methods and systems for environmental matching |
| US11684005B2 (en) | 2020-03-06 | 2023-06-27 | Deere & Company | Method and system for estimating surface roughness of ground for an off-road vehicle to control an implement |
| US11718304B2 (en) | 2020-03-06 | 2023-08-08 | Deere & Comoanv | Method and system for estimating surface roughness of ground for an off-road vehicle to control an implement |
| US11667171B2 (en) | 2020-03-12 | 2023-06-06 | Deere & Company | Method and system for estimating surface roughness of ground for an off-road vehicle to control steering |
| US11678599B2 (en) | 2020-03-12 | 2023-06-20 | Deere & Company | Method and system for estimating surface roughness of ground for an off-road vehicle to control steering |
| US11685381B2 (en) | 2020-03-13 | 2023-06-27 | Deere & Company | Method and system for estimating surface roughness of ground for an off-road vehicle to control ground speed |
| US11753016B2 (en) | 2020-03-13 | 2023-09-12 | Deere & Company | Method and system for estimating surface roughness of ground for an off-road vehicle to control ground speed |
| US11477940B2 (en) | 2020-03-26 | 2022-10-25 | Deere & Company | Mobile work machine control based on zone parameter modification |
| US11711995B2 (en) | 2020-10-09 | 2023-08-01 | Deere & Company | Machine control using a predictive map |
| US11871697B2 (en) | 2020-10-09 | 2024-01-16 | Deere & Company | Crop moisture map generation and control system |
| US11895948B2 (en) * | 2020-10-09 | 2024-02-13 | Deere & Company | Predictive map generation and control based on soil properties |
| US12013245B2 (en) | 2020-10-09 | 2024-06-18 | Deere & Company | Predictive map generation and control system |
| US11592822B2 (en) | 2020-10-09 | 2023-02-28 | Deere & Company | Machine control using a predictive map |
| US11675354B2 (en) | 2020-10-09 | 2023-06-13 | Deere & Company | Machine control using a predictive map |
| US11635765B2 (en) | 2020-10-09 | 2023-04-25 | Deere & Company | Crop state map generation and control system |
| US11844311B2 (en) | 2020-10-09 | 2023-12-19 | Deere & Company | Machine control using a predictive map |
| US11927459B2 (en) | 2020-10-09 | 2024-03-12 | Deere & Company | Machine control using a predictive map |
| US11849671B2 (en) | 2020-10-09 | 2023-12-26 | Deere & Company | Crop state map generation and control system |
| US11650587B2 (en) | 2020-10-09 | 2023-05-16 | Deere & Company | Predictive power map generation and control system |
| US11845449B2 (en) | 2020-10-09 | 2023-12-19 | Deere & Company | Map generation and control system |
| US11864483B2 (en) | 2020-10-09 | 2024-01-09 | Deere & Company | Predictive map generation and control system |
| US11825768B2 (en) | 2020-10-09 | 2023-11-28 | Deere & Company | Machine control using a predictive map |
| US11474523B2 (en) | 2020-10-09 | 2022-10-18 | Deere & Company | Machine control using a predictive speed map |
| US11874669B2 (en) | 2020-10-09 | 2024-01-16 | Deere & Company | Map generation and control system |
| US11946747B2 (en) | 2020-10-09 | 2024-04-02 | Deere & Company | Crop constituent map generation and control system |
| US11889788B2 (en) * | 2020-10-09 | 2024-02-06 | Deere & Company | Predictive biomass map generation and control |
| US11849672B2 (en) | 2020-10-09 | 2023-12-26 | Deere & Company | Machine control using a predictive map |
| US11727680B2 (en) | 2020-10-09 | 2023-08-15 | Deere & Company | Predictive map generation based on seeding characteristics and control |
| US11983009B2 (en) | 2020-10-09 | 2024-05-14 | Deere & Company | Map generation and control system |
| US11889787B2 (en) | 2020-10-09 | 2024-02-06 | Deere & Company | Predictive speed map generation and control system |
| US11321347B1 (en) * | 2020-10-20 | 2022-05-03 | X Development Llc | Partitioning agricultural fields for annotation |
| US11622495B2 (en) * | 2021-06-01 | 2023-04-11 | Gint Co., Ltd. | Method of automatically combining farm vehicle and work machine and farm vehicle |
| DE102021114697A1 (de) * | 2021-06-08 | 2022-12-08 | 365Farmnet Group Kgaa Mbh & Co Kg | Verfahren zur Bestimmung einer optimierten landwirtschaftlichen Anbaustrategie |
| US20220391721A1 (en) * | 2021-06-08 | 2022-12-08 | Deere & Company | Milestone prediction of fuel and chemical usage |
| US20230086887A1 (en) * | 2021-09-21 | 2023-03-23 | Cnh Industrial America Llc | Planning system for an autonomous work vehicle system |
| US20230281924A1 (en) * | 2022-03-01 | 2023-09-07 | International Business Machines Corporation | Operational efficiencies in iot agricultural ecosystems |
| CN114663764B (zh) * | 2022-04-01 | 2023-04-07 | 中国科学院地理科学与资源研究所 | 一种耕地土壤环境质量区划方法、装置、介质及终端设备 |
| US20230320259A1 (en) * | 2022-04-08 | 2023-10-12 | Deere & Company | Predictive nutrient map and control |
| EP4339850A1 (en) * | 2022-09-14 | 2024-03-20 | Yara International ASA | Method and device for managing agricultural field areas |
| CN115561415B (zh) * | 2022-09-15 | 2023-12-22 | 西安御风云想网络科技有限公司 | 一种基于大数据的水环境污染监控分析系统及方法 |
| CN118042552B (zh) * | 2024-04-12 | 2024-06-07 | 成都流体动力创新中心 | 一种基于半实物仿真系统的无人机集群自组网算法 |
Family Cites Families (71)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4492111A (en) | 1981-10-07 | 1985-01-08 | Kirkland James L | Rheological penetrometer |
| US5612901A (en) | 1994-05-17 | 1997-03-18 | Gallegos; Sonia C. | Apparatus and method for cloud masking |
| US5897619A (en) * | 1994-11-07 | 1999-04-27 | Agriperil Software Inc. | Farm management system |
| US5751576A (en) | 1995-12-18 | 1998-05-12 | Ag-Chem Equipment Co., Inc. | Animated map display method for computer-controlled agricultural product application equipment |
| US5771169A (en) | 1996-08-29 | 1998-06-23 | Case Corporation | Site-specific harvest statistics analyzer |
| US6732667B1 (en) | 1997-03-14 | 2004-05-11 | Ken Von Muenster | Grain drill with weight sensing device for sensing the weight of seed grain in a hopper |
| US5987383C1 (en) * | 1997-04-28 | 2006-06-13 | Trimble Navigation Ltd | Form line following guidance system |
| US6199000B1 (en) * | 1998-07-15 | 2001-03-06 | Trimble Navigation Limited | Methods and apparatus for precision agriculture operations utilizing real time kinematic global positioning system systems |
| US6058351A (en) * | 1998-09-10 | 2000-05-02 | Case Corporation | Management zones for precision farming |
| US6115481A (en) * | 1998-10-22 | 2000-09-05 | Centrak, Llc | User modifiable land management zones for the variable application of substances thereto |
| WO2001095162A1 (en) * | 2000-06-05 | 2001-12-13 | Ag-Chem Equipment Company, Inc. | System and method for creating demo application maps for site-specific farming |
| WO2003069558A1 (en) | 2002-01-22 | 2003-08-21 | National University Of Singapore | Method for producing cloud free, and cloud-shadow free, images |
| US7349917B2 (en) | 2002-10-01 | 2008-03-25 | Hewlett-Packard Development Company, L.P. | Hierarchical categorization method and system with automatic local selection of classifiers |
| US20050027572A1 (en) | 2002-10-16 | 2005-02-03 | Goshert Richard D.. | System and method to evaluate crop insurance plans |
| US7400770B2 (en) | 2002-11-06 | 2008-07-15 | Hrl Laboratories | Method and apparatus for automatically extracting geospatial features from multispectral imagery suitable for fast and robust extraction of landmarks |
| US7184892B1 (en) | 2003-01-31 | 2007-02-27 | Deere & Company | Method and system of evaluating performance of a crop |
| US7228214B2 (en) * | 2003-03-31 | 2007-06-05 | Deere & Company | Path planner and method for planning a path plan having a spiral component |
| US7058511B2 (en) | 2003-11-24 | 2006-06-06 | The Boeing Company | Sub-visible cloud cover assessment: VNIR-SWIR |
| US6990410B2 (en) | 2003-11-24 | 2006-01-24 | The Boeing Company | Cloud cover assessment: VNIR-SWIR |
| US7097113B2 (en) | 2004-01-20 | 2006-08-29 | Norman Ivans | Irrigation unit including a power generator |
| GB0507928D0 (en) * | 2005-04-20 | 2005-05-25 | Cnh Belgium Nv | Input device for agricultural vehicle information display |
| US20060282467A1 (en) | 2005-06-10 | 2006-12-14 | Pioneer Hi-Bred International, Inc. | Field and crop information gathering system |
| EP2104413B2 (en) | 2007-01-08 | 2020-03-25 | The Climate Corporation | Planter monitor system and method |
| CA2617119A1 (en) | 2008-01-08 | 2009-07-08 | Pci Geomatics Enterprises Inc. | Service oriented architecture for earth observation image processing |
| WO2009149389A1 (en) | 2008-06-06 | 2009-12-10 | Monsanto Technology Llc | Generating agricultural information products using remote sensing |
| US8860754B2 (en) * | 2008-06-22 | 2014-10-14 | Tableau Software, Inc. | Methods and systems of automatically generating marks in a graphical view |
| US9026315B2 (en) | 2010-10-13 | 2015-05-05 | Deere & Company | Apparatus for machine coordination which maintains line-of-site contact |
| US8639408B2 (en) | 2008-10-15 | 2014-01-28 | Deere & Company | High integrity coordination system for multiple off-road vehicles |
| CA2663917C (en) | 2009-04-22 | 2014-12-30 | Dynagra Corp. | Variable zone crop-specific inputs prescription method and systems therefor |
| US8477295B2 (en) | 2009-05-07 | 2013-07-02 | Solum, Inc. | Automated soil measurement device |
| US20110027479A1 (en) | 2009-08-03 | 2011-02-03 | Greg Reineccius | Seed Treatment Apparatus |
| CA2783256C (en) | 2009-12-08 | 2018-06-12 | Justin Buck | Microbially-based sensors for environmental monitoring |
| US8594375B1 (en) | 2010-05-20 | 2013-11-26 | Digitalglobe, Inc. | Advanced cloud cover assessment |
| US8594897B2 (en) | 2010-09-30 | 2013-11-26 | The Curators Of The University Of Missouri | Variable product agrochemicals application management |
| US8694454B2 (en) | 2011-02-17 | 2014-04-08 | Superior Edge, Inc. | Methods, apparatus and systems for generating, updating and executing a vegetation control plan |
| EP3343176B1 (en) * | 2011-06-13 | 2020-01-08 | The Climate Corporation | Method for creating prescription maps |
| US9230308B2 (en) | 2011-06-30 | 2016-01-05 | Weyerhaeuser Nr Company | Method and apparatus for removing artifacts from aerial images |
| US8509476B2 (en) | 2011-09-13 | 2013-08-13 | The United States Of America, As Represented By The Secretary Of The Navy | Automated system and method for optical cloud shadow detection over water |
| WO2013040420A2 (en) | 2011-09-15 | 2013-03-21 | Deka Products Limited Partnership | Systems, apparatus, and methods for a water purification system |
| DE102011086021A1 (de) | 2011-11-09 | 2013-05-16 | Deere & Company | Anordnung und Verfahren zur automatischen Dokumentation von Situationen bei der Feldarbeit |
| US20130174040A1 (en) | 2011-12-30 | 2013-07-04 | Jerome Dale Johnson | Methods, apparatus and systems for generating, updating and executing a crop-planting plan |
| US20130173321A1 (en) | 2011-12-30 | 2013-07-04 | Jerome Dale Johnson | Methods, apparatus and systems for generating, updating and executing a crop-harvesting plan |
| US9338938B2 (en) | 2012-05-15 | 2016-05-17 | Trimble Navigation Limited | Agricultural rate management |
| JP5939041B2 (ja) | 2012-06-01 | 2016-06-22 | 住友電気工業株式会社 | 半導体モジュール及び半導体モジュールの製造方法 |
| US20130332205A1 (en) | 2012-06-06 | 2013-12-12 | David Friedberg | System and method for establishing an insurance policy based on various farming risks |
| WO2014018717A1 (en) | 2012-07-25 | 2014-01-30 | Precision Planting Llc | Systems, methods and apparatus for multi-row agricultural implement control and monitoring |
| US9113590B2 (en) | 2012-08-06 | 2015-08-25 | Superior Edge, Inc. | Methods, apparatus, and systems for determining in-season crop status in an agricultural crop and alerting users |
| US20140067745A1 (en) * | 2012-08-30 | 2014-03-06 | Pioneer Hi-Bred International, Inc. | Targeted agricultural recommendation system |
| US9349148B2 (en) | 2013-07-17 | 2016-05-24 | Sigma Space Corp. | Methods and apparatus for adaptive multisensor analisis and aggregation |
| US9043951B2 (en) | 2013-07-18 | 2015-06-02 | Appareo Systems, Llc | System and method for creating agricultural tramlines |
| US9767521B2 (en) * | 2013-08-30 | 2017-09-19 | The Climate Corporation | Agricultural spatial data processing systems and methods |
| UA123571C2 (uk) | 2013-09-18 | 2021-04-28 | Супрасенсор Текнолоджіз, Ллс | Спосіб приєднання мембранного матеріалу до затвору хімічного польового транзистора (cнемfet) на основі молекулярного рецептора |
| US9449244B2 (en) | 2013-12-11 | 2016-09-20 | Her Majesty The Queen In Right Of Canada, As Represented By The Minister Of National Defense | Methods for in-scene atmospheric compensation by endmember matching |
| CN103941254A (zh) | 2014-03-03 | 2014-07-23 | 中国神华能源股份有限公司 | 一种基于地质雷达的土壤物性类别识别方法和装置 |
| BR112016024772B1 (pt) | 2014-04-25 | 2020-08-25 | Cnh Industrial America Llc. | conjunto de montagem retrátil |
| BR102015010729A2 (pt) | 2014-05-11 | 2015-11-17 | Autonomous Solutions Inc | sistema de controle de missão e método para um sistema agrícola |
| US10107770B2 (en) | 2014-06-18 | 2018-10-23 | Texas Tech University System | Portable apparatus for soil chemical characterization |
| US20160023262A1 (en) * | 2014-07-25 | 2016-01-28 | Champ-Air Refrigeration Hardware Co., Ltd. | Tube expander with positioning structure |
| US9131644B2 (en) | 2014-08-19 | 2015-09-15 | Iteris, Inc. | Continual crop development profiling using dynamical extended range weather forecasting with routine remotely-sensed validation imagery |
| WO2016032956A1 (en) * | 2014-08-27 | 2016-03-03 | Premier Crop Systems, LLC | System and method for controlling machinery for randomizing and replicating predetermined agronomic input levels |
| US10564316B2 (en) | 2014-09-12 | 2020-02-18 | The Climate Corporation | Forecasting national crop yield during the growing season |
| US9652840B1 (en) | 2014-10-30 | 2017-05-16 | AgriSight, Inc. | System and method for remote nitrogen monitoring and prescription |
| US9734400B2 (en) | 2015-01-30 | 2017-08-15 | AgriSight, Inc. | System and method for field variance determination |
| US20160132935A1 (en) | 2014-11-07 | 2016-05-12 | Turn Inc. | Systems, methods, and apparatus for flexible extension of an audience segment |
| US20160232621A1 (en) | 2015-02-06 | 2016-08-11 | The Climate Corporation | Methods and systems for recommending agricultural activities |
| US20180014452A1 (en) | 2015-03-25 | 2018-01-18 | 360 Yield Center, Llc | Agronomic systems, methods and apparatuses |
| US10028426B2 (en) | 2015-04-17 | 2018-07-24 | 360 Yield Center, Llc | Agronomic systems, methods and apparatuses |
| US9721181B2 (en) | 2015-12-07 | 2017-08-01 | The Climate Corporation | Cloud detection on remote sensing imagery |
| US10251347B2 (en) | 2016-01-07 | 2019-04-09 | The Climate Corporation | Generating digital models of crop yield based on crop planting dates and relative maturity values |
| US10028451B2 (en) | 2016-11-16 | 2018-07-24 | The Climate Corporation | Identifying management zones in agricultural fields and generating planting plans for the zones |
| US10398096B2 (en) | 2016-11-16 | 2019-09-03 | The Climate Corporation | Identifying management zones in agricultural fields and generating planting plans for the zones |
-
2016
- 2016-11-16 US US15/352,898 patent/US10398096B2/en active Active
-
2017
- 2017-11-15 EP EP17871031.5A patent/EP3542325A4/en active Pending
- 2017-11-15 CA CA3044072A patent/CA3044072A1/en active Pending
- 2017-11-15 AU AU2017362975A patent/AU2017362975A1/en not_active Abandoned
- 2017-11-15 EP EP22168615.7A patent/EP4138009A1/en active Pending
- 2017-11-15 BR BR112019009999A patent/BR112019009999A8/pt unknown
- 2017-11-15 WO PCT/US2017/061846 patent/WO2018093931A1/en unknown
- 2017-11-16 AR ARP170103195A patent/AR110097A1/es active IP Right Grant
-
2019
- 2019-06-06 ZA ZA2019/03636A patent/ZA201903636B/en unknown
- 2019-08-29 US US16/555,602 patent/US11160220B2/en active Active
-
2021
- 2021-08-31 US US17/462,314 patent/US11751519B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| EP3542325A4 (en) | 2020-05-06 |
| EP4138009A1 (en) | 2023-02-22 |
| EP3542325A1 (en) | 2019-09-25 |
| ZA201903636B (en) | 2020-12-23 |
| AR110097A1 (es) | 2019-02-20 |
| US20220015308A1 (en) | 2022-01-20 |
| AU2017362975A1 (en) | 2019-06-20 |
| US20200008371A1 (en) | 2020-01-09 |
| US11160220B2 (en) | 2021-11-02 |
| CA3044072A1 (en) | 2018-05-24 |
| BR112019009999A8 (pt) | 2023-04-25 |
| US11751519B2 (en) | 2023-09-12 |
| US20180132422A1 (en) | 2018-05-17 |
| US10398096B2 (en) | 2019-09-03 |
| WO2018093931A1 (en) | 2018-05-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11751519B2 (en) | Identifying management zones in agricultural fields and generating planting plans for the zones | |
| US11406071B2 (en) | Identifying management zones in agricultural fields and generating planting plans for the zones | |
| US10761075B2 (en) | Detecting infection of plant diseases by classifying plant photos | |
| US10713542B2 (en) | Detection of plant diseases with multi-stage, multi-scale deep learning | |
| US11785877B2 (en) | Automated sample collection and tracking system | |
| BR122020015963A2 (pt) | método implementado por computador de determinação de um número de grãos a partir de uma imagem de um milho e meios de armazenamento não transitório | |
| BR112020022715A2 (pt) | análise e apresentação de dados agrícolas | |
| EP3496526A1 (en) | Generating pixel maps from non-image data and difference metrics for pixel maps | |
| BR112017026437B1 (pt) | Sistema de computador e método implantado por computador para monitorar operações de um ou mais campos | |
| AU2017310240A1 (en) | Delineating management zones based on historical yield maps | |
| CN113226010B (zh) | 利用空间统计模型实现农艺试验 | |
| BR112021006966A2 (pt) | sistema automático de coleta e rastreamento de amostra | |
| BR112019010837A2 (pt) | determinação de dados de variação de rendimento intracampo com base em dados de características de solo e imagens de satélite | |
| BR112019010837B1 (pt) | Método e sistema de processamento de dados e um ou mais meios de armazenamento legíveis por computador não transitórios |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| B350 | Update of information on the portal [chapter 15.35 patent gazette] | ||
| B25D | Requested change of name of applicant approved |
Owner name: CLIMATE LLC (US) |
|
| B25G | Requested change of headquarter approved |
Owner name: CLIMATE LLC (US) |
|
| B06W | Patent application suspended after preliminary examination (for patents with searches from other patent authorities) chapter 6.23 patent gazette] | ||
| B15K | Others concerning applications: alteration of classification |
Free format text: AS CLASSIFICACOES ANTERIORES ERAM: G06Q 10/06 , G06Q 50/02 , G01N 33/02 , G05B 15/02 , G06K 9/00 Ipc: G05B 19/042 (2006.01), G06Q 10/063 (2023.01), G06Q |
|
| B25G | Requested change of headquarter approved |
Owner name: CLIMATE LLC (US) |