BR112019018015A2 - seleção de local para amostragem de avaliação de modelo - Google Patents
seleção de local para amostragem de avaliação de modelo Download PDFInfo
- Publication number
- BR112019018015A2 BR112019018015A2 BR112019018015A BR112019018015A BR112019018015A2 BR 112019018015 A2 BR112019018015 A2 BR 112019018015A2 BR 112019018015 A BR112019018015 A BR 112019018015A BR 112019018015 A BR112019018015 A BR 112019018015A BR 112019018015 A2 BR112019018015 A2 BR 112019018015A2
- Authority
- BR
- Brazil
- Prior art keywords
- agricultural
- data
- values
- management zone
- fact
- Prior art date
Links
- 238000005070 sampling Methods 0.000 title claims abstract description 89
- 238000011156 evaluation Methods 0.000 title description 6
- 238000000034 method Methods 0.000 claims abstract description 62
- 239000002689 soil Substances 0.000 claims description 46
- 238000003860 storage Methods 0.000 claims description 34
- 238000010606 normalization Methods 0.000 claims description 4
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 106
- 238000007726 management method Methods 0.000 description 61
- 229910052757 nitrogen Inorganic materials 0.000 description 53
- 230000009418 agronomic effect Effects 0.000 description 37
- 238000004891 communication Methods 0.000 description 27
- 238000013515 script Methods 0.000 description 21
- 230000006870 function Effects 0.000 description 20
- 239000003337 fertilizer Substances 0.000 description 13
- 238000013479 data entry Methods 0.000 description 12
- 230000000875 corresponding effect Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 238000004883 computer application Methods 0.000 description 10
- 238000005259 measurement Methods 0.000 description 10
- 230000003287 optical effect Effects 0.000 description 10
- 230000004044 response Effects 0.000 description 9
- 230000006735 deficit Effects 0.000 description 8
- 238000003973 irrigation Methods 0.000 description 8
- 230000002262 irrigation Effects 0.000 description 8
- 238000003971 tillage Methods 0.000 description 8
- 238000012546 transfer Methods 0.000 description 8
- 238000011282 treatment Methods 0.000 description 8
- 229910002651 NO3 Inorganic materials 0.000 description 6
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 description 6
- 239000000203 mixture Substances 0.000 description 6
- 241000196324 Embryophyta Species 0.000 description 5
- 241001124569 Lycaenidae Species 0.000 description 5
- 238000013459 approach Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000003306 harvesting Methods 0.000 description 5
- 239000000575 pesticide Substances 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000013480 data collection Methods 0.000 description 4
- 238000013213 extrapolation Methods 0.000 description 4
- 230000037406 food intake Effects 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 235000015097 nutrients Nutrition 0.000 description 4
- 239000005416 organic matter Substances 0.000 description 4
- 238000001556 precipitation Methods 0.000 description 4
- 239000007787 solid Substances 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 239000008186 active pharmaceutical agent Substances 0.000 description 3
- 238000002790 cross-validation Methods 0.000 description 3
- 238000013523 data management Methods 0.000 description 3
- 238000013499 data model Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000035558 fertility Effects 0.000 description 3
- 239000000417 fungicide Substances 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
- 238000012545 processing Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 238000010200 validation analysis Methods 0.000 description 3
- 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
- 238000004220 aggregation Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000013079 data visualisation Methods 0.000 description 2
- 230000005670 electromagnetic radiation Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000012530 fluid Substances 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
- 229910052698 phosphorus Inorganic materials 0.000 description 2
- 239000011574 phosphorus Substances 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 239000011591 potassium Substances 0.000 description 2
- 229910052700 potassium Inorganic materials 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 239000004016 soil organic matter Substances 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
- 238000012876 topography Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 244000028344 Primula vulgaris Species 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
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000005341 cation exchange Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000003967 crop rotation 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
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000000855 fungicidal effect Effects 0.000 description 1
- 238000002986 genetic algorithm method Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012248 genetic selection Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000004009 herbicide Substances 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000010871 livestock manure Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010899 nucleation Methods 0.000 description 1
- 235000021232 nutrient availability Nutrition 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000011045 prefiltration Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 239000002881 soil fertilizer Substances 0.000 description 1
- 238000005527 soil sampling Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000013518 transcription Methods 0.000 description 1
- 230000035897 transcription Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
- G01V11/002—Details, e.g. power supply systems for logging instruments, transmitting or recording data, specially adapted for well logging, also if the prospecting method is irrelevant
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/15—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation specially adapted for use during transport, e.g. by a person, vehicle or boat
- G01V3/16—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation specially adapted for use during transport, e.g. by a person, vehicle or boat specially adapted for use from aircraft
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01B—SOIL WORKING IN AGRICULTURE OR FORESTRY; PARTS, DETAILS, OR ACCESSORIES OF AGRICULTURAL MACHINES OR IMPLEMENTS, IN GENERAL
- A01B79/00—Methods for working soil
- A01B79/005—Precision agriculture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Remote Sensing (AREA)
- Geology (AREA)
- Environmental & Geological Engineering (AREA)
- Aviation & Aerospace Engineering (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
Abstract
um método implementado por computador é divulgado. o método compreende receber dados de entrada incluindo um mapa para uma zona de gerenciamento em um campo indicando um ou mais valores de um conjunto de características agrícolas para cada um de uma pluralidade de locais; identificar um conjunto de valores para o conjunto de características agrícolas para cada um dos grupos de locais baseados no mapa; normalizar um conjunto de valores de modelo para o conjunto de características agrícolas utilizado por uma ferramenta de modelagem agrícola e o conjunto de valores do conjunto de características agrícolas para cada um dos grupos de locais; selecionar um dos grupos de locais como um local de amostragem com base no conjunto normalizado de valores de modelo, os conjuntos de valores normalizados para o grupo de locais, e uma primeira restrição de distância relacionada a uma distância até um limite da zona de gerenciamento; causar exibição de informações sobre o local selecionado.
Description
SELEÇÃO DE LOCAL PARA AMOSTRAGEM DE AVALIAÇÃO DE MODELO
AVISO DE DIREITOS AUTORAIS [001] Uma parte da divulgação deste documento de patente contém material que está sujeito à proteção de direitos autorais. O proprietário dos direitos autorais não tem objeções à reprodução fac-simile feita por qualquer pessoa do documento de patente ou da divulgação de patente, como aparece nos arquivos ou registros de patentes do Escritório de Patentes e Marcas Registradas, mas reserva todos os direitos autorais ou outros direitos. © 2015-2017 The Climate Corporation .
CAMPO DA DIVULGAÇÃO [002] A presente divulgação refere-se ao campo técnico de amostragem agricola. A divulgação relaciona-se mais especificamente ao campo técnico da seleção de locais de amostragem implementada por computador para avaliação de desempenho adequada da modelagem agricola.
FUNDAMENTOS [003] As abordagens descritas nesta seção são abordagens que poderiam ser perseguidas, mas não necessariamente abordagens que foram previamente concebidas ou perseguidas. Portanto, salvo indicação em contrário, não se deve presumir que qualquer uma das abordagens descritas nesta seção se qualifique como técnica anterior meramente em virtude de sua inclusão nesta seção.
[004] A aplicação de um tratamento agricola a um campo de cultura, tal como um fertilizante de solo, pode ajudar a melhorar a saúde do campo de cultura e aumentar o rendimento. Como um tratamento agricola pode exigir um investimento substancial de tempo, trabalho ou dinheiro, uma ferramenta
Petição 870190084586, de 29/08/2019, pág. 18/99
2/65 de modelagem agrícola poderia auxiliar na aplicação de tal tratamento agrícola de maneira precisa e econômica. Por exemplo, a ferramenta de modelagem agrícola pode prever a quantidade de nitrato atualmente no solo com base nas propriedades físicas do solo, topografia de campo, ou outros fatores ambientais, e os produtores poderiam usar os níveis de nitrato previstos pelo modelo para determinar a quantidade de fertilizantes nitrogenados que precisa ser adicionada ao
| solo para alcançar um | certo | rendimento de | cultura | . No | |
| entanto, a | variabilidade geralmente existe | em uma | das | ||
| propriedades | físicas do | solo | em um campo de | cultura, | por |
| exemplo. Os | resultados | de | modelagem produzidos | pela |
ferramenta de modelagem agrícola seriam mais precisos quando a condição real do campo fosse semelhante à condição de campo assumida pela ferramenta de modelagem agrícola.
SUMÁRIO [005] As reivindicações anexas podem servir como um resumo da divulgação.
BREVE DESCRIÇÃO DOS DESENHOS [006] Nos desenhos:
[007] A Figura 1 ilustra um exemplo de sistema de computador que é configurado para executar as funções descritas aqui, mostradas em um ambiente de campo com outros aparelhos com os quais o sistema pode interoperar.
[008] A Figura 2 ilustra duas vistas de uma organização lógica de exemplo de conjuntos de instruções na memória principal quando uma aplicação móvel de exemplo é carregada para execução.
[009] A Figura 3 ilustra um processo programado pelo qual o sistema de computador de inteligência agrícola gera um ou
Petição 870190084586, de 29/08/2019, pág. 19/99
3/65 mais modelos agronômicos pré-configurados utilizando dados agronômicos fornecidos por uma ou mais fontes de dados.
[0010] A Figura 4 é um diagrama de blocos que ilustra um sistema de computador no qual uma modalidade da invenção pode ser implementada.
| [0011] | A | Figura | 5 | representa | uma modalidade | exemplar | de |
| uma vista | de | linha | de | tempo para | entrada de dados. | ||
| [0012] | A | Figura | 6 | representa | uma modalidade | exemplar | de |
| uma vista | de | planilha | para entrada de dados. | ||||
| [0013] | A | Figura | 7 | ilustra um | exemplo de disposição de | um |
campo.
[0014] A Figura 8 ilustra um exemplo de mapa refinado obtido pela interpelação ou extrapolação de valores de um determinado mapa.
[0015] A Figura 9 ilustra um exemplo de exibição gráfica de dados relacionados a locais de amostragem selecionados.
[0016] A Figura 10 ilustra um exemplo de processo de seleção de um local de amostragem em uma zona de gerenciamento.
DESCRIÇÃO DETALHADA [0017] Na descrição que segue, para fins de explicação, são apresentados numerosos detalhes específicos de modo a fornecer uma compreensão completa da presente divulgação. Será evidente, no entanto, que as modalidades podem ser praticadas sem estes detalhes específicos. Em outros casos, estruturas e dispositivos bem conhecidos são mostrados na forma de diagrama de blocos, a fim de evitar obscurecer desnecessariamente a presente divulgação. Modalidades são divulgadas nas seções de acordo com o seguinte perfil:
1. VISÃO GERAL
Petição 870190084586, de 29/08/2019, pág. 20/99
4/65
2. EXEMPLO DO SISTEMA COMPUTADOR DE INTELIGÊNCIA AGRÍCOLA
2.1. VISÃO GERAL ESTRUTURAL
2.2. VISÃO GERAL DE PROGRAMA DE APLICAÇÃO
2.3. INGESTÃO DE DADOS PARA O SISTEMA DE COMPUTADOR
2.4. VISÃO GERAL DE PROCESSO - TREINAMENTO DE MODELO AGRONÔMICO
2.5. EXEMPLO DE IMPLEMENTAÇÃO - VISÃO GERAL DE HARDWARE
3. DESCRIÇÃO FUNCIONAL
3.1 GERAÇÃO DE DADOS DE CAMPO OU DADOS DE MODELO
3.2 NORMALIZAÇÃO OU PONDERAÇÃO DOS VALORES DE
CARACTERÍSTICAS AGRÍCOLAS
3.3 SELEÇÃO DE LOCAIS DE AMOSTRAGEM
3.4 EXEMPLO DE PROCESSOS
1. VISÃO GERAL [0018] As modalidades podem ser aplicadas no campo do gerenciamento agricola em que os processos de modelagem agricola implementados por computador são usados para determinar a condição de campo atual e identificar possíveis tratamentos a serem aplicados aos campos. Embora possa existir uma grande variabilidade em um campo ou subcampo em uma característica agricola, como uma das propriedades fisicas do solo, um produtor tende a trabalhar em um pequeno número de subcampos, em cada um dos quais o produtor aplicaria uma ferramenta de modelagem agricola uma vez ou um pequeno número de vezes e adotaria os resultados de modelagem para todo o subcampo. Os subcampos serão referidos como zonas de gerenciamento a seguir. Nesse caso, os parâmetros de modelagem da ferramenta de modelagem agricola
Petição 870190084586, de 29/08/2019, pág. 21/99
5/65 correspondentes às características agrícolas podem ser definidos para valores agregados das características agrícolas sobre a zona de gerenciamento. Ao receber os resultados de modelagem, como o fato de que o solo contém atualmente uma certa quantidade de nitrato, o produtor pode então querer seletivamente fazer uma medição para validar a ferramenta de modelagem agrícola.
[0019] Em várias modalidades, um sistema de amostragem, processo ou produto de programa de computador para a seleção de um local em uma zona de gerenciamento para validar uma ferramenta de modelagem agrícola é divulgado. O sistema de amostragem é configurado para selecionar locais de amostragem que são semelhantes à condição de campo assumida por uma ferramenta de modelagem agrícola para avaliar adequadamente o desempenho da ferramenta de modelagem agrícola. Mais especificamente, o sistema de amostragem é configurado para identificar um local dentro da zona de gerenciamento possuindo valores das características agrícolas que são similares aos valores agregados ou quaisquer valores de modelo usados pela ferramenta de modelagem agrícola.
[0020] Em algumas modalidades, a partir de um determinado mapa indicando valores das características agrícolas para determinados locais dentro de uma zona de gerenciamento, o sistema de amostragem é configurado para identificar um conjunto de locais de amostragem candidatos e determinar os valores de características agrícolas para esses locais de amostragem candidatos. O objetivo geral é aumentar o número de locais de amostragem candidatos sujeitos a certas distâncias ou outras restrições. Em seguida, o sistema de
Petição 870190084586, de 29/08/2019, pág. 22/99
6/65 amostragem é configurado para normalizar ou ponderar valores das características agrícolas para os locais de amostragem candidatos e também os valores de modelo para a ferramenta de modelagem agrícola para aumentar a eficácia da comparação de dois conjuntos de valores de características agrícolas. Por exemplo, uma mudança de unidade em uma característica agrícola tendo um intervalo global menor pode ser mais significativa do que uma mudança de unidade em uma característica agrícola tendo um intervalo global maior.
[0021] Em algumas modalidades, o sistema de amostragem é programado para, em seguida, identificar um ou mais locais de amostragem candidatos a partir da zona de gerenciamento tendo valores de características agrícolas que são otimamente semelhantes aos valores de modelo. A seleção pode estar sujeita a restrições adicionais, como favorecer uma pequena distância para o limite da zona de gerenciamento ou ter uma distância mínima até o limite da zona de gerenciamento entre os locais de amostragem candidatos em consideração. O sistema de amostragem é ainda programado para emitir informações referentes a um local selecionado, como sua coordenada geográfica, distância para o limite da zona de gerenciamento, valores de características agrícolas ou suas diferenças em relação aos valores de modelo. Além disso, o sistema de amostragem pode ser configurado para permitir que um produtor descreva um resultado medido a partir do local selecionado correspondente ao resultado de modelagem, como o nível real de nitrato, compare o resultado medido com o resultado de modelagem e forneça mais informações a um produtor ou de volta à ferramenta de modelagem agrícola.
Petição 870190084586, de 29/08/2019, pág. 23/99
7/65 [0022] O sistema de amostragem tem muitos benefícios técnicos. Em primeiro lugar, o sistema de amostragem permite que um produtor valide uma ferramenta de modelagem agrícola, o que pode dar ao produtor confiança na generalização dos resultados de modelagem para um campo ou subcampo inteiro. Em segundo lugar, o sistema de amostragem oferece flexibilidade na sintonia de seu desempenho, aceitando diferentes pesos para diferentes características agrícolas e restrições adicionais para a seleção do local como dados de entrada. Terceiro, o sistema de amostragem é altamente escalonável, pois geralmente não é limitado pelo tamanho ou escopo dos dados de entrada, que podem incluir o número ou tamanho das zonas de gerenciamento ou o número ou complexidade das características agrícolas.
2. EXEMPLO DE SISTEMA DE COMPUTADOR DE INTELIGÊNCIA AGRÍCOLA
2.1 VISÃO GERAL ESTRUTURAL [0023] A Figura 1 ilustra um exemplo de sistema de computador que é configurado para executar as funções descritas aqui, mostrado em um ambiente de campo com outros aparelhos com os quais o sistema pode interoperar. Em uma modalidade, um usuário 102 possui, opera ou tem a posse de um dispositivo de computação de gerenciador de campo 104 em uma localização de campo ou associado a uma localização de campo tal como um campo destinado a atividades agrícolas ou uma localização de gestão para um ou mais campos agrícolas. O dispositivo de computador de gerenciador de campo 104 é programado ou configurado para fornecer dados de campo 106 a um sistema de computador de inteligência agrícola 130 através de uma ou mais redes 109.
Petição 870190084586, de 29/08/2019, pág. 24/99
8/65 [0024] Exemplos de dados de campo 106 incluem (a) dados de identificação (por exemplo, área, nome de campo, identificadores de campo, identificadores geográficos, identificadores de fronteira, identificadores de cultura e quaisquer outros dados adequados que possam ser usados para identificar terras de fazenda, como uma unidade de terra comum (CLU) , número de lote e bloco, um número de parte da propriedade, coordenadas geográficas e fronteiras, Número de Série de Fazenda (FSN), número de fazenda, número de área, número de campo, seção, município e / ou faixa) , (b) dados de colheita (por exemplo, tipo de cultura, variedade de culturas, rotação de cultura, se a cultura é cultivada organicamente, data da colheita, Histórico Real de Produção (APH), rendimento esperado, rendimento, preço de cultura, receita de cultura, umidade dos grãos, prática de lavoura e informação de estação de crescimento anterior), (c) dados do 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) da semente (s) plantada (s), população de sementes) , (e) dados de fertilizantes (por exemplo, tipo de nutriente (nitrogênio, fósforo, potássio), tipo de aplicação, data de aplicação, quantidade, fonte, método), f) dados de aplicação quimica (por exemplo, pesticidas, herbicidas, fungicidas, outras substâncias ou misturas de substâncias destinadas a serem utilizadas como um regulador vegetal, desfolhante ou dessecante, data de aplicação, quantidade, fonte, método), (g) dados de irrigação (por exemplo, data de aplicação, quantidade, fonte, método) , (h) dados meteorológicos (por exemplo,
Petição 870190084586, de 29/08/2019, pág. 25/99
9/65 precipitação, taxa de chuva, precipitação prevista, região de taxa de escoamento de água, temperatura, vento, previsão, pressão, visibilidade, nuvens, índice de calor, ponto de orvalho, umidade, profundidade da neve, qualidade do ar, nascer do sol, pôr do sol) , (i) dados de imagens (por exemplo, informação de espectro de imagens e luz de um sensor de aparelho agrícola, câmera, computador, telefone inteligente, tablet, veículo aéreo não tripulado, aviões ou satélite), (j) observações de reconhecimento (fotos, vídeos, notas de forma livre, gravações de voz, transcrições de voz, condições climáticas (temperatura, precipitação (atual e ao longo do tempo), umidade do solo, estágio de crescimento de cultura, velocidade do vento, umidade relativa, ponto de orvalho, camada preta)), e k) solo, semente, fenologia de cultura, relatórios de pragas e doenças, e fontes de previsão e bancos de dados.
[0025] Um computador servidor de dados 108 é comunicativamente acoplado ao sistema de computador de inteligência agrícola 130 e é programado ou configurado para enviar dados externos 110 para o sistema de computador de inteligência agrícola 130 através da (s) rede (s) 109. O computador servidor de dados externo 108 pode ser possuído ou operado pela mesma pessoa jurídica ou entidade que o sistema de computador de inteligência agrícola 130, ou por uma pessoa ou entidade diferente, tal como uma agência governamental, organização não governamental (ONG) e / ou um fornecedor privado de serviços de dados. Exemplos de dados externos incluem dados meteorológicos, dados de imagens, dados de solo ou dados estatísticos relacionados ao rendimento de culturas, entre outros. Os dados externos 110
Petição 870190084586, de 29/08/2019, pág. 26/99
10/65 podem consistir no mesmo tipo de informação que os dados de campo 106. Em algumas modalidades, os dados externos 110 são fornecidos por um servidor de dados externo 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 focado exclusivamente em um tipo de dados que poderiam, de outro modo, ser obtidos de fontes de terceiros, tais como dados meteorológicos. Em algumas modalidades, um servidor de dados externo 108 pode realmente ser incorporado dentro do sistema 130.
[0026] Um aparelho agrícola 111 pode ter um ou mais sensores remotos 112 nele fixados, sensores esses que são comunicativamente acoplados, direta ou indiretamente via aparelho agrícola 111 ao sistema de computador de inteligência agrícola 130 e são programados ou configurados para enviar dados de sensores ao sistema de computador de inteligência agrícola 130. Exemplos de aparelhos agrícolas
111 incluem tratores, ceifeiras, colheitadeiras, plantadeiras, caminhões, equipamento fertilizador, veículos aéreos incluindo veículos aéreos não tripulados, e qualquer outro item de maquinaria física ou hardware, tipicamente maquinaria móvel, e que pode ser usado em tarefas associadas à agricultura. Em algumas modalidades, uma única unidade do aparelho 111 pode compreender uma pluralidade de sensores
112 que são acoplados localmente em uma rede no aparelho; rede de área de controlador (CAN) é um exemplo dessa rede que pode ser instalada em ceifeiras, colheitadeiras, pulverizadores e cultivadores. O controlador de aplicação 114 é acoplado de forma comunicativa ao sistema de computador
Petição 870190084586, de 29/08/2019, pág. 27/99
11/65 de inteligência agricola 130 através da (s) rede (s) 109 e é programado ou configurado para receber um ou mais scripts que são usados para controlar um parâmetro operacional de um veiculo ou implemento agricola a partir do sistema de computador de inteligência agricola 130. Por exemplo, uma interface de barramento de rede de área de controlador (CAN) pode ser usada para permitir comunicações a partir do sistema de computador de inteligência agricola 130 para o aparelho agricola 111, tal como o modo CLIMATE FIELDVIEW DRIVE, disponibilizado pela The Climate Corporation, San Francisco, Califórnia, é usada. Os dados de sensor podem consistir no mesmo tipo de informação que os dados de campo 10 6. Em algumas modalidades, os sensores remotos 112 podem não ser fixados a um aparelho agricola 111, mas podem estar localizados remotamente no campo e podem comunicar com a rede 109.
[0027] O aparelho 111 pode compreender um computador de cabine 115 que é programado com uma aplicação de cabine, que pode compreender uma versão ou variante da aplicação móvel para o dispositivo 104 que é descrita adicionalmente em outras seções aqui. Em uma modalidade, o computador da cabine 115 compreende um computador compacto, frequentemente um computador do tamanho de tablets ou Smartphone, com uma exibição gráfica, tal como uma exibição a cores, que é montada dentro da cabine de um operador 111. O computador de cabine 115 pode implementar algumas ou todas as operações e funções que são aqui descritas mais adiante para o dispositivo de computador móvel 104.
[0028] A (s) rede (s) 109 representa (m) , em termos gerais, qualquer combinação de uma ou mais redes de
Petição 870190084586, de 29/08/2019, pág. 28/99
12/65 comunicação de dados, incluindo redes de área local, redes de área ampla, redes internet (internetworks') ou internets, utilizando qualquer um de enlaces com ou sem fio, incluindo enlaces terrestres ou de satélite. A (s) rede (s) pode ser implementada por qualquer meio ou mecanismo que proporcione a troca de dados entre os vários elementos da Figura 1. Os vários elementos da Figura 1 também podem ter enlaces de comunicação diretos (com ou sem fio) . Os sensores 112, o controlador 114, o computador servidor de dados externo 108 e outros elementos do sistema compreendem, cada um, uma interface compatível com a (s) rede (s) 109 e são programados ou configurados para utilizar protocolos padronizados de comunicação através das redes, tais como TCP / IP, Bluetooth, Protocolo CAN e protocolos de camada superior, como HTTP, TLS, e semelhantes.
[0029] Sistema de computação de inteligência agricola 130 é programado ou configurado para receber dados de campo 106 do dispositivo de computação de gerenciador de campo 104, dados externos 110 do computador servidor de dados externo 108, e dados de sensor do sensor remoto 112. Sistema de computador de inteligência agricola 130 pode ser ainda configurado para hospedar, usar ou executar um ou mais programas de computador, outros elementos de software, lógica digitalmente programada, como FPGAs ou ASICs, ou qualquer combinação dos mesmos para realizar a conversão e armazenamento de valores de dados, construção de modelos digitais de uma ou mais culturas em um ou mais campos, geração de recomendações e notificações, e geração e envio de scripts para o controlador de aplicação 114, da maneira descrita mais adiante em outras seções desta divulgação.
Petição 870190084586, de 29/08/2019, pág. 29/99
13/65 [0030] Em uma modalidade, o sistema de computador de inteligência agrícola 130 é programado com ou compreende uma camada de comunicação 132, camada de apresentação 134, camada de gestão de dados 140, camada de hardware / virtualização 150, e repositório de dados de campo e modelo 160. Camada, neste contexto, refere-se a qualquer combinação de circuitos de interface digital eletrônica, microcontroladores, firmware, como controladores e / ou programas de computador ou outros elementos de software.
[0031] A camada de comunicação 132 pode ser programada ou configurada para executar funções de interface de entrada / saída, incluindo solicitações de envio ao dispositivo de computação de gerenciador de campo 104, computador servidor de dados externo 108 e 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 campo e de modelo 160 para serem armazenados como dados de campo 106.
[0032] A camada de apresentação 134 pode ser programada ou configurada para gerar uma interface gráfica de usuário (GUI) a ser exibida no dispositivo de computação de gerenciador de campo 104, computador de cabine 115 ou outros computadores que são acoplados ao sistema 130 através da rede 109. A GUI pode compreender controles para entrada de dados a serem enviados para o sistema de computador de inteligência agrícola 130, gerar pedidos de modelos e / ou recomendações, e / ou exibir recomendações, notificações, modelos e outros dados de campo.
[0033] A camada de gerenciamento de dados 140 pode ser
Petição 870190084586, de 29/08/2019, pág. 30/99
14/65 programada ou configurada para gerenciar operações de leitura e operações de gravação envolvendo o repositório 160 e outros elementos funcionais do sistema, incluindo consultas e conjuntos de resultados comunicados entre os elementos funcionais do sistema e o repositório. Exemplos de camada de gerenciamento de dados 140 incluem JDBC, código de interface de servidor SQL e / ou código de interface HADOOP, entre outros. O repositório 160 pode compreender um banco de dados. Como usado aqui, o termo banco de dados pode referir-se a um corpo de dados, a um sistema de gestão de banco de dados relacionai (RDBMS) ou a ambos. Como usado aqui, um banco de dados pode compreender qualquer coleção de dados incluindo bancos de dados hierárquicos, bancos de dados relacionais, bancos de dados de arquivos simples, bancos de dados de objeto-relacionais, bancos de dados orientados a objetos, bancos de dados distribuídos, e qualquer outra coleção estruturada de registros ou dados que são armazenados em um sistema de computador. Exemplos de RDBMSs incluem, mas não são limitados a incluir, bancos de dados ORACLE, MYSQL, IBM® DB2, MICROSOFT® SQL SERVER, SYBASE® e POSTGRESQL. No entanto, qualquer banco de dados pode ser usado para habilitar os sistemas e métodos descritos aqui.
[0034] Quando os dados de campo 106 não são fornecidos diretamente ao sistema de computador de inteligência agrícola através 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 solicitado através de uma ou mais interfaces de usuário no dispositivo de usuário (servido pelo sistema de computador de inteligência agrícola) para introduzir essa
Petição 870190084586, de 29/08/2019, pág. 31/99
15/65 informação. Em uma modalidade exemplar, o usuário pode especificar dados de identificação, acessando um mapa no dispositivo de usuário (servido pelo sistema de computador de inteligência agricola) e selecionando CLUs especificas que foram mostradas graficamente no mapa. Em uma modalidade alternativa, o usuário 102 pode especificar dados de identificação acessando um mapa no dispositivo de usuário (servido pelo sistema de computador de inteligência agricola 130) e desenhando fronteiras 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 acessando dados de identificação de campo (fornecidos como arquivos de forma ou em um formato similar) a partir da Agência de Serviços Agricolas do Departamento de Agricultura dos EUA ou outra fonte via dispositivo de usuário e fornecendo esses dados de identificação de campo ao sistema de computador de inteligência agricola.
[0035] Em uma modalidade exemplar, o sistema de computador de inteligência agricola 130 é programado para gerar e causar a exibição de uma interface gráfica de usuário compreendendo um gerenciador de dados para entrada de dados. Depois de um ou mais campos terem sido identificados usando os métodos descritos acima, o gerenciador de dados pode fornecer um ou mais widgets de interface gráfica de usuário que, quando selecionados, podem identificar alterações nas práticas de campo, solo, culturas, lavouras ou nutrientes. O gerenciador de dados pode incluir uma visualização de linha do tempo, uma visualização de planilha e / ou um ou mais programas editáveis.
Petição 870190084586, de 29/08/2019, pág. 32/99
16/65 [0036] A Figura 5 representa uma modalidade exemplar de uma vista de linha do tempo para entrada de dados. Utilizando a exibição representada na Figura 5, um computador de usuário pode inserir uma seleção de um campo específico e uma data específica para a adição de evento. Eventos descritos no topo da linha do 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. O computador de usuário pode então selecionar uma localização na linha do tempo para um determinado campo a fim de indicar uma aplicação de nitrogênio no campo selecionado. Em resposta a receber uma seleção de uma localização na linha do tempo de um determinado campo, o gerenciador de dados pode exibir uma sobreposição de entrada de dados, permitindo que o computador de usuário insira dados referentes a aplicações de nitrogênio, procedimentos de plantio, aplicação de solo, procedimentos de lavoura, práticas de irrigação, ou outras informações relacionadas ao campo específico. Por exemplo, se um computador de usuário seleciona uma parte da linha do tempo e indica uma aplicação de nitrogênio, então a sobreposição de entrada de dados pode incluir campos para inserir uma quantidade de nitrogênio aplicada, uma data de aplicação, um tipo de fertilizante usado, e qualquer outra informação relacionada à aplicação de nitrogênio.
[0037] Em uma modalidade, o gerenciador de dados fornece uma interface para criar um ou mais programas. Programa, neste contexto, refere-se a um conjunto de dados referentes a aplicações de nitrogênio, procedimentos de plantio, aplicação de solo, procedimentos de lavoura, práticas de
Petição 870190084586, de 29/08/2019, pág. 33/99
17/65 irrigação ou outras informações que podem estar relacionadas a um ou mais campos e que podem ser armazenadas em armazenamento de dados digitais para reutilização como um conjunto em outras operações. Após a criação de um programa, ele pode ser aplicado conceitualmente a um ou mais campos e as referências ao programa podem ser armazenadas em armazenamento digital em associação com os dados que identificam os campos. Assim, em vez de inserir manualmente dados idênticos relacionados às mesmas aplicações de nitrogênio para vários campos diferentes, um computador de usuário pode criar um programa que indica uma aplicação particular de nitrogênio e depois aplicar o programa a vários campos diferentes. Por exemplo, na vista da linha do tempo da Figura 5, as duas linhas do tempo superiores têm o programa Primavera aplicada selecionado, que inclui uma aplicação de 150 lbs N/ac (168,1 kg/ha) no início 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 selecionou o programa particular é editado. Por exemplo, na Figura 5, se o programa Primavera aplicada for editado para reduzir a aplicação de nitrogênio para 130 lbs N/ac (145,7 kg/ha), os dois campos superiores podem ser atualizados com uma aplicação reduzida de nitrogênio com base no programa editado.
[0038] Em uma modalidade, em resposta a receber edições em 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 é adicionada ao campo superior na Figura 5, a interface pode ser atualizada para indicar que o programa Primavera
Petição 870190084586, de 29/08/2019, pág. 34/99
18/65 aplicada não está mais sendo aplicado ao campo superior. Embora a aplicação de nitrogênio no início de abril possa permanecer, as atualizações do programa Primavera aplicada não alterariam a aplicação de nitrogênio em abril.
[0039] A Figura 6 representa uma modalidade exemplar de uma vista de planilha para entrada de dados. Utilizando 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, como representado na Figura 6. Para editar uma entrada específica, um computador de usuário pode selecionar a entrada específica na planilha e atualizar os valores. Por exemplo, a Figura 6 mostra uma atualização em andamento para um valor de rendimento alvo para o segundo campo. Além disso, um computador de usuário pode selecionar um ou mais campos para aplicar um ou mais programas. Em resposta à recepção de uma seleção de um programa para um campo específico, o gerenciador de dados pode preencher automaticamente as entradas para o campo específico com base no programa selecionado. Assim como na visualização de linha do tempo, o gerenciador de dados pode atualizar as entradas para cada campo associado a um programa específico em resposta a receber uma atualização para o programa. Além disso, o gerenciador de dados pode remover a correspondência do programa selecionado para o campo em resposta à recepção de uma edição em uma das entradas do campo.
[0040] Em uma modalidade, os dados de modelo e de campo são armazenados no repositório de dados de modelo e campo 160. Os dados de modelo compreendem modelos de dados criados
Petição 870190084586, de 29/08/2019, pág. 35/99
19/65 para um ou mais campos. Por exemplo, um modelo de cultura pode incluir um modelo construído digitalmente do desenvolvimento de uma cultura em um ou mais campos. Modelo, neste contexto, refere-se a um conjunto eletrônico digitalmente armazenado de instruções executáveis e valores de dados, associados uns aos outros, que são capazes de receber e responder a uma chamada programática ou outra chamada digital, invocação ou solicitação para resolução com base em valores de entrada especificados, para produzir um ou mais valores de saída armazenados ou calculados que podem servir como base de recomendações implementadas por computador, exibições de dados de saída, ou controle de máquina, entre outras coisas. Pessoas habilitadas no campo acham conveniente expressar modelos usando equações matemáticas, mas essa forma de expressão não limita os modelos aqui divulgados a conceitos abstratos; em vez disso, cada modelo aqui tem uma aplicação prática em um computador na forma de instruções executáveis armazenadas e dados que implementam o modelo usando o computador. 0 modelo pode incluir um modelo de eventos passados em um ou mais campos, um modelo do estado atual do um ou mais campos, e / ou um modelo de eventos previstos em um ou mais campos. Dados de modelo e campo podem ser armazenados em estruturas de dados na memória, linhas em uma tabela de banco de dados, em arquivos simples ou planilhas, ou outras formas de dados digitais armazenados.
[0041] Em uma modalidade, o sistema de computador de inteligência agrícola 130 é programado com ou compreende um servidor de amostragem (servidor) 170. O servidor 170 é ainda configurado para compreender um módulo de seleção de
Petição 870190084586, de 29/08/2019, pág. 36/99
20/65 local 174 e uma interface de cliente 176. O módulo de seleção de local 174 é configurado para selecionar locais para validar os resultados de modelagem. Os locais selecionados podem depender das necessidades de modelagem. O módulo de seleção de local 174 também pode ser configurado para avaliar os locais selecionados. A interface de cliente 176 é configurada para comunicar com um dispositivo cliente, tal como um dispositivo de computação de gerenciador de campo 104 ou um computador de cabine 115, através de uma rede de comunicação, através da camada de comunicação 132. A comunicação pode incluir receber dados de entrada, tais como dados de campo, dados de modelo ou objetivos de usuário e transmitir de dados de saida, como informações sobre locais selecionados. A interface de cliente 176 também pode ser configurada para se comunicar com um dispositivo de exibição ou um sistema remoto que desenvolve ou mantém uma ferramenta de modelagem agricola.
[0042] Cada componente do servidor 170 compreende um conjunto de uma ou mais páginas de memória principal, tal como RAM, no sistema de computador de inteligência agricola 130 no qual foram carregadas instruções executáveis e que, quando executadas, fazem com que o sistema de computador de informação agricola execute as funções ou operações aqui descritas com referência a esses módulos. Por exemplo, o módulo de seleção de local 174 pode compreender um conjunto de páginas na RAM que contém instruções que, quando executadas, causam a realização das funções de seleção de local aqui descritas. As instruções podem estar no código executável por máquina no conjunto de instruções de uma CPU e podem ter sido compiladas com base no código-fonte escrito
Petição 870190084586, de 29/08/2019, pág. 37/99
21/65 em JAVA, C, C ++, OBJECTIVE-C ou qualquer outra linguagem ou ambiente de programação legível por humano, sozinhas ou em combinação com scripts em JAVASCRIPT, outras linguagens de script e outros textos fonte de programação. 0 termo páginas pretende referir-se amplamente a qualquer região dentro da memória principal e a terminologia específica usada em um sistema pode variar dependendo da arquitetura da memória ou da arquitetura do processador. Em outra modalidade, cada componente do servidor 170 também pode representar um ou mais arquivos ou projetos de código fonte que são armazenados digitalmente em um dispositivo de
| armazenamento | em massa, | tal | como RAM | não | volátil | ou |
| armazenamento | em disco, | no | sistema de | computador | de | |
| informação agrícola 130 | ou em | um sistema | de | repositório |
separado, que quando compilados ou interpretados causam geração de instruções executáveis que quando executadas fazem com que o sistema de computador de informação agrícola execute as funções ou operações aqui descritas com referência a esses módulos. Em outras palavras, a Figura do desenho pode representar a maneira pela qual programadores ou desenvolvedores de software organizam e arranjam o código fonte para posterior compilação em um executável, ou interpretação em código de byte ou equivalente, para execução pelo sistema de computador de inteligência agrícola 130.
[0043] A camada de hardware / virtualização 150 compreende uma ou mais unidades de processamento central (CPUs), controladores de memória e outros dispositivos, componentes ou elementos de um sistema de computador, como memória volátil ou não volátil, armazenamento não volátil, como disco, e dispositivos de E / S ou interfaces como
Petição 870190084586, de 29/08/2019, pág. 38/99
22/65 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.
[0044] Para fins de ilustrar um exemplo claro, a Figura 1 mostra um número limitado de instâncias de certos elementos funcionais. No entanto, em outras modalidades, pode haver qualquer número desses elementos. Por exemplo, as modalidades podem usar milhares ou milhões de diferentes dispositivos de computação móveis 104 associados a diferentes usuários. Além disso, o sistema 130 e / ou o computador servidor de dados externo 108 podem ser implementados usando dois ou mais processadores, núcleos, agrupamentos ou instâncias de máquinas físicas ou máquinas virtuais, configurados em uma localização discreta ou colocalizados com outros elementos em um centro de dados (datacenter), instalação de computação compartilhada ou instalação de computação em nuvem.
[0045] 2.2. VISÃO GERAL DO PROGRAMA DE APLICAÇÃO [0046] Em uma modalidade, a implementação das funções descritas aqui 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 farão com que os computadores de uso geral sejam configurados como uma determinada máquina ou como um computador que é especialmente adaptado para executar as funções descritas aqui. Além disso, cada um dos fluxogramas que são descritos aqui pode servir, sozinho ou em combinação com as descrições de processos e funções em prosa aqui, como algoritmos, planos ou direções que podem ser usados para programar um computador ou lógica
Petição 870190084586, de 29/08/2019, pág. 39/99
23/65 para implementar as funções que são descritas. Em outras palavras, todo o texto em prosa aqui, e todas as figuras, juntos pretendem fornecer a divulgação de algoritmos, planos ou direções que são suficientes para permitir que uma pessoa qualificada possa programar um computador para executar as funções descritas aqui, em combinação com a habilidade e conhecimento de tal pessoa, dado o nivel de habilidade que é apropriado para invenções e divulgações deste tipo.
[0047] Em uma modalidade, o usuário 102 interage com o sistema de computador de inteligência agricola 130 utilizando o dispositivo de computação de gerenciador de campo 104 configurado com um sistema operacional e um ou mais programas de aplicação ou aplicações; o dispositivo de computação de gerenciador de campo 104 também pode interoperar com o sistema de computador de inteligência agricola independentemente e automaticamente sob o controle do programa ou controle lógico e a interação de usuário direta nem sempre é necessária. O dispositivo de computação de gerenciador de campo 104 representa, em geral, um ou mais de um telefone inteligente, PDA, dispositivo de computação tablet, laptop, computador de mesa, estação de trabalho, ou qualquer outro dispositivo de computação capaz de transmitir e receber informação e executar as funções aqui descritas. O dispositivo de computador de gerenciador de campo 104 pode comunicar através de uma rede utilizando uma aplicação móvel armazenada no dispositivo de computador de gerenciador de campo 104, e em algumas modalidades, o dispositivo pode ser acoplado utilizando um cabo 113 ou conector 112 e / ou controlador 114. Um usuário particular 102 pode possuir, operar ou ter a posse e utilizar, em conexão com o sistema
Petição 870190084586, de 29/08/2019, pág. 40/99
24/65
130, mais do que um dispositivo de computação de gerenciador de campo 104 de cada vez.
[0048] A aplicação móvel pode fornecer funcionalidade de lado de cliente, através da rede para um ou mais dispositivos de computação móveis. Em uma modalidade exemplar, o dispositivo de computação de gerenciador de campo 104 pode acessar a aplicação móvel através de um navegador Web ou de uma aplicação ou app de cliente local. O dispositivo de computação de gerenciador de campo 104 pode transmitir dados para, e receber dados de, um ou mais servidores de terminal frontal, utilizar protocolos ou formatos baseados na web como HTTP, XML e / ou JSON, ou protocolos específicos de app. Em uma modalidade exemplar, os dados podem tomar a forma de solicitações e entrada de informação de usuário, como dados de campo, no dispositivo de computação móvel. Em algumas modalidades, a aplicação móvel interage com o hardware e software de rastreamento de localização no dispositivo de computação de gerenciador de campo 104 que determina a localização do dispositivo de computação de gerenciador de campo 104 usando técnicas de rastreamento padrão, como multilateração de sinais de rádio, o sistema de posicionamento global (GPS), sistemas de posicionamento por Wi-Fi, ou outros métodos de posicionamento móvel. Em alguns casos, os dados de localização ou outros dados associados ao dispositivo 104, usuário 102 e/ou conta (s) de usuário podem ser obtidos por meio de consultas a um sistema operacional do dispositivo ou por solicitar que um app no dispositivo obtenha dados a partir do sistema operacional.
[0049] Em uma modalidade, dispositivo de computação de gerenciador de campo 104 envia dados de campo 106 para
Petição 870190084586, de 29/08/2019, pág. 41/99
25/65 sistema de computador de inteligência agrícola 130 compreendendo ou incluindo, mas não limitado a, valores de dados representando um ou mais de: uma localização geográfica do um ou mais campos, informação de lavoura para um ou mais campos, culturas plantadas no um ou mais campos, e dados de solo extraídos do um ou mais campos. O dispositivo de informação de gerenciador de campo 104 pode enviar dados de campo 10 6 em resposta à entrada de usuário a partir do usuário 102 especificando os valores de dados para o um ou mais campos. Adicionalmente, o dispositivo de computação de gerenciador de campo 104 pode enviar automaticamente dados de campo 10 6 quando um ou mais dos valores de dados ficam disponíveis para o dispositivo de computação de gerenciador de campo 104. Por exemplo, o dispositivo de computação de gerenciador de campo 104 pode ser comunicativamente acoplado ao sensor remoto 112 e / ou controlador de aplicação 114 que inclui um sensor de irrigação e / ou controlador de irrigação. Em resposta à recepção de dados indicando que o controlador de aplicação 114 liberou água para o um ou mais campos, o dispositivo de computação de gerenciador de campo 104 pode enviar dados de campo 106 ao sistema de computador de inteligência agrícola 130 indicando que a água foi liberada no um ou mais campos. Dados de campo 106 identificados nesta divulgação podem ser introduzidos e comunicados usando dados digitais eletrônicos que são comunicados entre dispositivos de computação usando URLs parametrizadas sobre HTTP, ou outro protocolo de comunicações ou de mensagem adequado.
[0050] Um exemplo comercial da aplicação móvel é CLIMATE FIELD VIEW, disponível comercialmente pela The Climate
Petição 870190084586, de 29/08/2019, pág. 42/99
26/65
Corporation, São Francisco, Califórnia. A aplicação CLIMATE FIELD VIEW, ou outras aplicações, podem ser modificadas, estendidas ou adaptadas para incluir recursos, funções e programação que não tenham sido divulgados antes da data de apresentação desta divulgação. Em uma modalidade, a aplicação móvel compreende uma plataforma de software integrada que permite a um produtor tomar decisões baseadas em fatos para a sua operação porque combina dados históricos sobre os campos do produtor com quaisquer outros dados que o produtor deseje comparar. As combinações e comparações podem ser realizadas em tempo real e são baseadas em modelos científicos que fornecem cenários potenciais para permitir que o produtor tome decisões melhores e mais informadas.
[0051] A Figura 2 ilustra duas vistas de uma organização lógica de exemplo de conjuntos de instruções na 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 outra memória principal, ou um ou mais blocos de armazenamento em disco ou outro armazenamento não volátil, e as instruções programadas dentro dessas regiões. Em uma modalidade, na vista (a), uma aplicação de computador móvel 200 compreende instruções de compartilhamento de ingestão de dados de campos de conta 202, instruções de visão geral e alerta 204, instruções de livro de mapa digitais 206, instruções de sementes e plantio 208, instruções de nitrogênio 210, instruções de condições meteorológicas 212, instruções de saúde de campo 214 e instruções de desempenho 216.
[0052] Em uma modalidade, uma aplicação de computador móvel 200 compreende instruções de compartilhamento de
Petição 870190084586, de 29/08/2019, pág. 43/99
27/65 ingestão de dados de campos de conta 202 que são programadas para receber, traduzir e ingerir dados de campo a partir de sistemas de terceiros via carregamento manual ou APIs. Os tipos de dados podem incluir fronteiras de campo, mapas de rendimento, mapas como plantado, resultados de testes de solo, mapas como aplicado e / ou zonas de gerenciamento, entre outros. Os formatos de dados podem incluir arquivos de forma, formatos de dados nativos de terceiros, e / ou exportações de sistema de informação de gerenciamento de fazenda (FMIS), entre outros. A recepção de dados pode ocorrer por meio de carregamento manual, e-mail com anexo, APIs externas que enviam dados à aplicação móvel ou instruções que chamam APIs de sistemas externos para extrair dados para a aplicação móvel. Em uma modalidade, a aplicação de computador móvel 200 compreende uma caixa de entrada de dados. Em resposta à recepção de uma seleção da caixa de entrada de dados, a aplicação de computador móvel 200 pode exibir uma interface gráfica de usuário para fazer o carregamento manual de arquivos de dados e importar arquivos enviados para um gerenciador de dados.
[0053] Em uma modalidade, as instruções de livro de mapa digitais 206 compreendem camadas de dados de mapa de campo armazenadas na memória de dispositivo e são programadas com ferramentas de visualização de dados e notas de campo geoespaciais. Isso fornece aos produtores informação conveniente à mão para referência, registros e sugestões visuais para desempenho do campo. Em uma modalidade, instruções de visão geral e de alerta 204 são programadas para fornecer uma visão de toda a operação do que é importante para o produtor, e recomendações atempadas para
Petição 870190084586, de 29/08/2019, pág. 44/99
28/65 agir ou focar em questões especificas. Isso permite que o produtor concentre o tempo no que precisa de atenção, para economizar tempo e preservar o rendimento durante toda a estação. Em uma modalidade, instruções de sementes e plantio 208 são programadas para fornecer ferramentas para seleção de sementes, colocação hibrida, e criação de script, incluindo criação de script de taxa variável (VR), com base em modelos científicos e dados empíricos. Isso permite que os produtores maximizem o rendimento ou o retorno do investimento por meio da compra, colocação e população de sementes otimizadas.
[0054] 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 permite que os produtores criem scripts para implementos de campo, como aplicações de nutrientes, plantio e irrigação. Por exemplo, uma interface de script de plantio pode incluir ferramentas para identificar um tipo de semente para plantio. Ao receber uma seleção do tipo de semente, a aplicação de computador móvel 200 pode exibir um ou mais campos divididos em zonas de gerenciamento, tal como as camadas de dados de mapa de campo criadas como parte das instruções de livro de mapa digitais 206. Em uma modalidade, as zonas de gestão compreendem zonas de solo juntamente 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 de tais, como ferramentas gráficas para desenhar zonas de gerenciamento, como zonas de solo, sobre um mapa de um ou
Petição 870190084586, de 29/08/2019, pág. 45/99
29/65 mais campos. Os procedimentos de plantio podem ser aplicados a todas as zonas de gerenciamento ou diferentes procedimentos de plantio podem ser aplicados a diferentes subconjuntos de zonas de gerenciamento. Quando um script é criado, a aplicação de computador móvel 200 pode disponibilizar o script para descarregamento em um formato legível por um controlador de aplicação, como um formato arquivado ou compactado. Adicionalmente e / ou alternativamente, um script pode ser enviado diretamente para o computador de cabine 115 a partir da aplicação de computador móvel 200 e / ou carregado para um ou mais servidores de dados e armazenado para uso posterior.
[0055] Em uma modalidade, as instruções de nitrogênio 210 são programadas para fornecer ferramentas para informar as decisões de nitrogênio através da visualização da disponibilidade de nitrogênio nas culturas. Isso permite que os produtores maximizem o rendimento ou o retorno do investimento por meio da aplicação de nitrogênio otimizada durante a estação. Exemplos de funções programadas incluem a exibição de imagens como imagens SSURGO para permitir o desenho de zonas de aplicação de fertilizante e / ou imagens geradas a partir de dados de solo de subcampo, como dados obtidos de sensores, em alta resolução espacial (tão fina quanto milímetros ou menor dependendo da proximidade de sensor e resolução); carregamento de zonas definidas por produtor existentes; fornecer um gráfico de disponibilidade de nutriente de planta e / ou um mapa para permitir aplicação (ões) de sintonia de nitrogênio através de múltiplas zonas; saída de scripts para dirigir máquinas; ferramentas para entrada e ajuste de dados em massa; e/ou mapas para
Petição 870190084586, de 29/08/2019, pág. 46/99
30/65 visualização de dados, entre outros. Entrada de dados em massa, neste contexto, pode significar inserir dados uma vez e, em seguida, aplicar os mesmos dados a vários campos e / ou zonas que foram definidos no sistema; exemplos de dados podem incluir dados de aplicação de nitrogênio que são os mesmos para muitos campos e / ou zonas do mesmo produtor, mas tal entrada de dados em massa se aplica à entrada de qualquer tipo de dados de campo na aplicação de computador móvel 200. Por exemplo, instruções de nitrogênio 210 podem ser programadas, aceitar definições de programas de aplicação e práticas de nitrogênio e aceitar entrada de usuário especificando para aplicar esses programas em vários campos. Programas de aplicação de nitrogênio, neste contexto, referem-se a conjuntos armazenados e nominados de dados que associam: um nome, código de cor ou outro identificador, uma ou mais datas de aplicação, tipos de material ou produto para cada uma das datas e quantidades, método de aplicação ou incorporação, tal como injetado ou difundido em, e / ou quantidades ou taxas de aplicação para cada uma das datas, cultura ou híbrido que é o objeto do pedido, entre outros. Programas de práticas de nitrogênio, neste contexto, referem-se a conjuntos armazenados e nominados de dados que associam: um nome de práticas; uma cultura anterior; um sistema de lavoura; uma data de principalmente lavoura; um ou mais sistemas de lavoura anteriores que foram usados; um ou mais indicadores do tipo de aplicação, como estrume, que foram usados. As instruções de nitrogênio 210 também podem ser programadas para gerar e causar a exibição de um gráfico de nitrogênio, o qual indica projeções de utilização de plantas do nitrogênio
Petição 870190084586, de 29/08/2019, pág. 47/99
31/65 especificado e se é previsto um excedente ou déficit; em algumas modalidades, diferentes indicadores de cor podem sinalizar uma magnitude do excedente ou magnitude do déficit. Em uma modalidade, um gráfico de nitrogênio compreende uma exibição gráfica em um dispositivo de exibição de computador compreendendo uma pluralidade de linhas, cada linha associada e identificando um campo; dados especificando qual cultura é plantada no campo, o tamanho do campo, a localização do campo, e uma representação gráfica do perímetro do campo; em cada linha, uma linha do tempo por mês com indicadores gráficos especificando cada aplicação de nitrogênio e quantidade em pontos correlacionados aos nomes dos meses; e indicadores numéricos e / ou coloridos de excedentes ou déficits, nos quais a cor indica magnitude.
[0056] Em uma modalidade, o gráfico de nitrogênio pode incluir um ou mais recursos de entrada de usuário, como discadores ou barras deslizantes, para alterar dinamicamente os programas de plantio e práticas de nitrogênio de modo 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 práticas de nitrogênio relacionados para implementar um ou mais scripts, incluindo scripts de fertilidade de taxa variável (RV). As instruções de nitrogênio 210 também podem ser programadas para gerar e causar a exibição de um mapa de nitrogênio, o que indica projeções do uso de planta do nitrogênio especificado e se um excedente ou déficit é previsto; em algumas modalidades, diferentes indicadores de cor podem sinalizar uma magnitude do excedente ou magnitude do déficit. O mapa de nitrogênio pode exibir projeções de uso de planta do nitrogênio
Petição 870190084586, de 29/08/2019, pág. 48/99
32/65 especificado e se um excedente ou déficit é previsto para diferentes tempos no passado e no futuro (como diário, semanal, mensal ou anual) usando indicadores numéricos e / ou coloridos de excedente ou déficit, onde cor indica magnitude. Em uma modalidade, o mapa de nitrogênio pode incluir um ou mais recursos de entrada de usuário, como discadores ou barras deslizantes, para alterar dinamicamente os programas de plantio e práticas de nitrogênio de modo que um usuário possa otimizar seu mapa de nitrogênio, como para obter uma quantidade preferida de excedente para déficit. 0 usuário pode então usar seu mapa de nitrogênio otimizado e os programas de plantio e práticas de nitrogênio relacionados para implementar um ou mais scripts, incluindo scripts de fertilidade de taxa variável (RV) . Em outras modalidades, instruções semelhantes às instruções de nitrogênio 210 podem ser utilizadas para aplicação de outros nutrientes (tais como fósforo e potássio) aplicação de pesticidas, e programas de irrigação.
[0057] Em uma modalidade, as instruções meteorológicas 212 são programadas para fornecer dados meteorológicos recentes específicos de campo e informações meteorológicas previstas. Isso permite que os produtores economizem tempo e tenham uma exibição integrada eficiente em relação às decisões operacionais diárias.
[0058] Em uma modalidade, as instruções de saúde de campo 214 são programadas para fornecer imagens de sensoriamento remoto atempadas destacando a variação de cultura na estação e preocupações potenciais. Exemplos de funções programadas incluem verificação de nuvens, para identificar possíveis nuvens ou sombras de nuvens; determinação de índices de
Petição 870190084586, de 29/08/2019, pág. 49/99
33/65 nitrogênio com base em imagens de campo; visualização gráfica de camadas de reconhecimento, incluindo, por exemplo, aquelas relacionadas à saúde de campo, e visualização e/ou compartilhamento de notas de reconhecimento; e / ou descarregar imagens de satélite a partir de múltiplas fontes e priorizar as imagens para o produtor, entre outros.
[0059] Em uma modalidade, as instruções de desempenho 216 são programadas para fornecer relatórios, análise e ferramentas de sugestões usando dados na fazenda para avaliação, sugestões e decisões. Isso permite que o produtor busque melhores resultados para o próximo ano, por meio de conclusões baseadas em fatos sobre o motivo pelo qual o retorno sobre o investimento ocorreu em niveis anteriores, e uma sugestão para fatores limitantes do rendimento. As instruções de desempenho 216 podem ser programadas para comunicar através da (s) rede (s) 109 a programas analíticos de terminal posterior executados no sistema de computador de inteligência agricola 130 e / ou computador servidor de dados externo 108 e configurados para analisar métricas como rendimento, diferencial de rendimento, hibrido, população, zona de SSURGO, propriedades de teste de solo, ou elevação, entre outros. Relatórios e análises programados podem incluir análises de variabilidade de rendimento, estimativa de efeito de tratamento, avaliação comparativa de rendimento e outras métricas contra outros produtores com base em dados anônimos coletados a partir de muitos produtores, ou dados para sementes e plantio, entre outros.
[0060] Aplicações tendo instruções configuradas desta forma podem ser implementadas para diferentes plataformas de dispositivos de computação enquanto mantendo a mesma
Petição 870190084586, de 29/08/2019, pág. 50/99
34/65 aparência de interface de usuário geral. Por exemplo, a aplicação móvel pode ser programada para execução em tablets, smartphones ou computadores servidores que são acessados usando navegadores em computadores clientes. Além disso, a aplicação móvel, conforme configurada para computadores tablet ou smartphones, pode fornecer uma experiência de app completa ou uma experiência de app de cabine que seja adequada para as capacidades de exibição e processamento do computador de cabine 115. Por exemplo, referindo-se agora a vista (b) da Figura 2, em uma modalidade, uma aplicação de computador de cabine 220 pode compreender instruções de cabine de mapas 222, instruções de visualização remota 224, instruções de coleta e transferência de dados 226, instruções de alertas de máquina 228, instruções de transferência de script 230, e instruções de cabine de reconhecimento 232. A base de código para as instruções de vista (b) pode ser a mesma que para vista (a) e implementando executáveis no código que podem ser programados para detectar o tipo de plataforma na qual eles estão executando e expor, através de uma interface gráfica de usuário, apenas aquelas funções que são apropriados para uma plataforma de cabine ou plataforma completa. Essa abordagem permite que o sistema reconheça a experiência de usuário distintamente diferente que é apropriada para um ambiente dentro de cabine e o ambiente de tecnologia diferente da cabine. As instruções de cabine de mapas 222 podem ser programadas para fornecer vistas de mapa de campos, fazendas ou regiões que são úteis no direcionamento da operação de máquina. As instruções de visualização remota 224 podem ser programadas para ligar, gerenciar e fornecer visualizações da atividade da máquina
Petição 870190084586, de 29/08/2019, pág. 51/99
35/65 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 semelhantes. As instruções de coleta e transferência de dados 226 podem ser programadas para ligar, gerir e fornecer a transferência de dados coletados nos sensores e controladores da máquina para o sistema 130 através de redes sem fio, conectores ou adaptadores com fio e semelhantes. As instruções de alerta de máquina 228 podem ser programadas para detectar problemas com as operações da máquina ou ferramentas que estão associadas à cabine e gerar alertas de operador. As instruções de transferência de script 230 podem ser configuradas para transferir para dentro scripts de instruções que são configurados para direcionar as operações de máquina ou a coleta de dados. As instruções de cabine de reconhecimento 232 podem ser programadas para exibir alertas com base em localização e informação recebida a partir do sistema 130 com base na localização do dispositivo de computação de gerenciador de campo 104, aparelho agricola 111 ou sensores 112 no campo e ingerir, gerenciar e fornecer transferência de observações de reconhecimento baseado em localização ao sistema 130 com base na localização do aparelho agricola 111 ou sensores 112 no campo.
2.3. INGESTÃO DE DADOS DE SISTEMA DE COMPUTADOR [0061] Em uma modalidade, o computador servidor de dados externo 108 armazena dados externos 110, incluindo dados de solo que representam a composição do solo para um ou mais campos e dados meteorológicos que representam temperatura e precipitação no um ou mais campos. Os dados meteorológicos podem incluir dados meteorológicos passados e presentes, bem
Petição 870190084586, de 29/08/2019, pág. 52/99
36/65 como previsões de dados meteorológicos futuros. Em uma modalidade, o computador servidor de dados externo 108 compreende uma pluralidade de servidores hospedados por entidades diferentes. Por exemplo, um primeiro servidor pode conter dados de composição de solo, enquanto um segundo servidor pode incluir dados meteorológicos. Além disso, os dados de composição de solo podem ser armazenados em vários servidores. Por exemplo, um servidor pode armazenar dados representando a porcentagem de areia, lodo e argila no solo, enquanto um segundo servidor pode armazenar dados representando a porcentagem de matéria orgânica (OM) no solo.
[0062] 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 veiculares, sensores de equipamentos de plantio, sensores de lavoura, sensores de aplicação de fertilizantes ou inseticidas, sensores de colheitadeira e qualquer outro implemento capaz de receber dados de um ou mais campos. Em uma modalidade, o controlador de aplicação 114 é programado ou configurado para receber instruções a partir do sistema de computador de inteligência agrícola 130. O controlador de aplicação 114 pode também ser programado ou configurado para controlar um parâmetro operacional de um veículo ou implemento agrícola. Por exemplo, um controlador de aplicação pode ser programado ou configurado para controlar um parâmetro operacional de um veículo, como um trator, equipamento de plantio, equipamento de lavoura, equipamento fertilizante ou inseticida, equipamento de colheitadeira, ou outros implementos agrícolas, como uma válvula de água.
Petição 870190084586, de 29/08/2019, pág. 53/99
37/65
Outras modalidades podem utilizar qualquer combinação de sensores e controladores, dos quais os seguintes são meramente exemplos selecionados.
[0063] O sistema 130 pode obter ou ingerir dados sob o controle do usuário 102, em uma base de massa de um grande número de produtores que contribuíram com dados para um sistema de banco de dados compartilhado. Essa forma de obtenção de dados pode ser denominada ingestão de dados manual, pois uma ou mais operações de computador controladas pelo usuário são solicitadas ou acionadas para obter dados para uso pelo sistema 130. Como exemplo, a aplicação CLEVIATE FIELDVIEW, disponível comercialmente pela The Climate Corporation, San Francisco, Califórnia, pode ser operada para exportar dados para o sistema 130 para armazenamento no repositório 160.
[0064] Por exemplo, os sistemas de monitoramento de sementes podem tanto controlar componentes de aparelho plantador e obter dados de plantio, incluindo sinais a partir de sensores de sementes via um cabeamento de sinal que compreende um backbone CAN e conexões ponto-a-ponto para registro e / ou diagnósticos. Os sistemas de monitor de sementes podem ser programados ou configurados para exibir espaçamento de sementes, população e outras informações ao usuário através do computador de cabine 115 ou outros dispositivos dentro do sistema 130. Os exemplos são divulgados na Patente dos EUA No. 8.738.243 e Publicação de Patente dos EUA No. 20150094916, e a presente divulgação pressupõe conhecimento dessas outras divulgações de patentes.
[0065] Da mesma forma, sistemas de monitor de rendimento
Petição 870190084586, de 29/08/2019, pág. 54/99
38/65 podem conter sensores de rendimento para aparelhos de colheitadeira que enviam dados de medição de rendimento para o computador de cabine 115 ou outros dispositivos dentro do sistema 130. Os sistemas de monitor de rendimento podem utilizar um ou mais sensores remotos 112 para obter medições de umidade de grãos em uma ceifeira ou outra colheitadeira e transmitir estas medições para o usuário através de computador de cabine 115 ou outros dispositivos dentro do sistema 130.
[0066] Em uma modalidade, exemplos de sensores 112 que podem ser usados com qualquer veículo ou aparelho em movimento do tipo descrito em outro local neste incluem sensores cinemáticos e sensores de posição. Os sensores cinemáticos podem incluir qualquer um dos sensores de velocidade, como sensores de velocidade de roda ou radar, acelerômetros ou giroscópios. Os sensores de posição podem incluir receptores ou transceptores de GPS, ou apps de mapeamento ou posição baseados em Wi-Fi que são programados para determinar a localização com base em pontos de acesso Wi-Fi próximos, entre outros.
[0067] Em uma modalidade, exemplos de sensores 112 que podem ser usados com tratores ou outros veículos em movimento incluem sensores de velocidade de motor, sensores de consumo de combustível, contadores de área ou contadores de distância que interagem com sinais de GPS ou radar, sensores de velocidade de PTO (tomada de força), sensores hidráulicos de trator configurados para detectar parâmetros hidráulicos, 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 de controladores 114
Petição 870190084586, de 29/08/2019, pág. 55/99
39/65 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 velocidade; controladores de posição de engate; ou controladores de posição de roda fornecem direcionamento automático.
[0068] Em uma modalidade, exemplos de sensores 112 que podem ser usados com equipamentos de plantio de sementes tais como plantadeiras, brocas ou semeadoras de ar incluem sensores de sementes, que podem ser sensores óticos, eletromagnéticos ou de impacto; sensores de força descendente, como pinos de carga, células de carga, sensores de pressão; sensores de propriedade de solo, como sensores de refletividade, sensores de umidade, sensores de condutividade elétrica, sensores de resíduos óticos ou sensores de temperatura; sensores de critérios operacionais de componentes, tais como sensores de profundidade de plantio, sensores de pressão de cilindro descendente, sensores de velocidade de disco de sementes, codificadores de motor de acionamento de sementes, sensores de velocidade de sistema de transportador de sementes ou sensores de nível de vácuo; ou sensores de aplicação de pesticidas, como sensores óticos ou outros sensores eletromagnéticos, ou sensores de impacto. Em uma modalidade, exemplos de controladores 114 que podem ser usados com tal equipamento de plantio de sementes incluem: controladores de dobragem de barra de ferramentas (toolbar fold), tais como controladores para válvulas associadas com cilindros hidráulicos; controladores de força descendente, como controladores para válvulas associadas a cilindros pneumáticos, airbags ou
Petição 870190084586, de 29/08/2019, pág. 56/99
40/65 cilindros hidráulicos, e programados para aplicar força descendente a unidades de linha individuais ou uma estrutura de plantadeira inteira; controladores de profundidade de
| plantio, como atuadores | lineares; controladores | de | medição, | |||
| tais como | motores | de | acionamento | de medidor | de | sementes |
| elétricos, | motores | de | acionamento | de medidor | de | sementes |
| hidráulicos | , ou | embreagens de | controle | de | faixa; |
controladores de seleção híbridos, tais como motores de acionamento de medidor de sementes, ou outros atuadores programados para permitir ou impedir seletivamente que a semente ou uma mistura de ar-semente distribua sementes para ou a partir de medidores de sementes ou funis a granel centrais; controladores de medição, tais como motores de acionamento de medidor de sementes elétricos ou motores de acionamento de medidor de sementes hidráulicos; controladores de sistema de transportador de sementes, tais como controladores para um motor de transportador de entrega de sementes de correia; controladores de marcadores, como um controlador para um atuador pneumático ou hidráulico; ou controladores de taxa de aplicação de pesticidas, como controladores de acionamento de medição, controladores de tamanho ou posição de orifício.
[0069] Em uma modalidade, exemplos de sensores 112 que podem ser usados com equipamento de lavoura incluem sensores de posição para ferramentas tais como hastes ou discos; sensores de posição de ferramenta para tais ferramentas que são configurados para detectar profundidade, ângulo de gangue ou espaçamento lateral; sensores de força descendente; ou sensores de força de tração. Em uma modalidade, exemplos de controladores 114 que podem ser
Petição 870190084586, de 29/08/2019, pág. 57/99
41/65 usados com equipamento de lavoura incluem controladores de força descendente ou controladores de posição de ferramenta, tais como controladores configurados para controlar a profundidade da ferramenta, ângulo de gangue ou espaçamento lateral.
[0070] Em uma modalidade, exemplos de sensores 112 que podem ser utilizados em relação a aparelhos para aplicação de fertilizantes, inseticidas, fungicidas e semelhantes, tais como sistemas de fertilizante iniciante no plantador, aplicadores de fertilizantes de subsolo, ou pulverizadores de fertilizantes, incluem: sensores de critérios de sistema de fluido, como sensores de fluxo ou sensores de pressão; sensores que indicam quais as válvulas de cabeça de pulverização ou válvulas de linha de fluido estão abertas; sensores associados a tanques, como sensores de nivel de enchimento; sensores de linha de abastecimento seccionais ou em todo o sistema, ou sensores de linha de abastecimento específicos de linha; ou sensores cinemáticos, como acelerômetros dispostos em barras de pulverização. Em uma modalidade, exemplos de controladores 114 que podem ser utilizados com esses aparelhos incluem controladores de velocidade da bomba; controladores de válvulas que são programados para controlar a pressão, fluxo, direção, PWM e semelhantes; ou atuadores de posição, como a altura de barra, profundidade de subsolador, ou a posição de barra.
[0071] Em uma modalidade, exemplos de sensores 112 que podem ser usados com colheitadeiras incluem monitores de rendimento, tais como medidores de tensão de placa de impacto ou sensores de posição, sensores de fluxo capacitivos, sensores de carga, sensores de peso, ou sensores de torque
Petição 870190084586, de 29/08/2019, pág. 58/99
42/65 associados a elevadores ou trades, ou sensores de altura de grãos óticos ou outros eletromagnéticos; sensores de umidade de grãos, como sensores capacitivos; sensores de perda de grãos, incluindo sensores de impacto, óticos ou capacitivos; sensores de critérios de operação de cabeçalho (header), como altura de cabeçalho, tipo de cabeçalho, distância de placa de deck, velocidade de alimentador e sensores de velocidade de bobina; sensores de critérios de operação de separador, como a folga côncava, a velocidade de rotor, a folga de sapata ou os sensores de folga amortecedor; sensores de trado para posição, operação, ou velocidade; ou sensores de velocidade de motor. Em uma modalidade, exemplos de controladores 114 que podem ser utilizados com colheitadeiras incluem controladores de critérios operacionais de cabeçalho para elementos tais como altura de cabeçalho, tipo de cabeçalho, lacuna de placa de plataforma, velocidade de alimentador ou velocidade de bobina; controladores de critérios de operação de separador para recursos como folga côncava, velocidade de rotor, folga de sapata ou folga amortecedor; ou controladores para posição, operação ou velocidade de trado.
[0072] Em uma modalidade, exemplos de sensores 112 que podem ser usados com carrinhos de grãos incluem sensores de peso, ou sensores para posição, operação ou velocidade de trado. Em uma modalidade, exemplos de controladores 114 que podem ser usados com carrinhos de grãos incluem controladores para posição, operação ou velocidade de trado.
[0073] Em uma modalidade, exemplos de sensores 112 e controladores 114 podem ser instalados em aparelhos de veículos aéreos não tripulados (UAV) ou drones. Tais
Petição 870190084586, de 29/08/2019, pág. 59/99
43/65 sensores podem incluir câmaras com detectores eficazes para qualquer intervalo do espectro eletromagnético incluindo luz visível, infravermelha, ultravioleta, quase infravermelha (NIR) e semelhantes; acelerômetros; altímetros; sensores de temperatura; sensores de umidade; sensores de tubo de pitot ou outros sensores de velocidade ou velocidade de ar; sensores de vida de batería; ou emissores de radar e aparelhos de detecção de energia de radar refletida; outros emissores de radiação eletromagnética e aparelho de detecção de radiação eletromagnética refletida. Tais controladores podem incluir aparelhos de orientação ou controle de motor, controladores de superfície de controle, controladores de câmera, ou controladores programados para ligar, operar, obter dados, gerenciar e configurar qualquer um dos sensores anteriores. Exemplos são divulgados no Pedido de Patente dos EUA No. 14/831.165 e a presente divulgação assume o conhecimento dessa outra divulgação de patente.
[0074] Em uma modalidade, os sensores 112 e controladores 114 podem ser afixados ao aparelho de amostragem e medição de solo que é configurado ou programado para amostrar o solo e realizar testes químicos do solo, testes de umidade de solo, e outros testes relativos ao solo. Por exemplo, o aparelho divulgado na Patente dos EUA No. 8.767.194 e Patente dos EUA No. 8.712.148 pode ser usado, e a presente divulgação pressupõe conhecimento dessas divulgações de patente.
[0075] Em uma modalidade, os sensores 112 e os controladores 114 podem compreender dispositivos meteorológicos para monitorizar as condições meteorológicas dos campos. Por exemplo, o aparelho divulgado no Pedido Provisório dos EUA No. 62/154.207, depositado em 29 de abril
Petição 870190084586, de 29/08/2019, pág. 60/99
44/65 de 2015, Pedido Provisório dos EUA No. 62/175.160, depositado em 12 de junho de 2015, Pedido Provisório dos EUA No. 62/198.060, depositado em 28 de julho de 2015, e o Pedido Provisório dos EUA 62/220.852, depositado em 18 de setembro de 2015, pode ser utilizado, e a presente divulgação pressupõe conhecimento dessas divulgações de patente.
2.4 VISÃO GERAL DO PROCESSO - TREINAMENTO DE MODELO AGRONÔMICO [0076] 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 em memória do sistema de computador de inteligência agrícola 130 que compreende dados de campo 10 6, tais como dados de identificação e dados de colheita para um ou mais campos. O modelo agronômico pode também compreender propriedades agronômicas calculadas que descrevem as condições que podem afetar o crescimento de uma ou mais culturas em um campo, ou propriedades da uma ou mais culturas, ou ambas. Além disso, um modelo agronômico pode incluir recomendações baseadas em fatores agronômicos, como recomendações de culturas, recomendações de irrigação, recomendações de plantio, recomendações de fertilizante, recomendações de fungicida, recomendações de pesticida, recomendações de colheita, e outras recomendações de gestão de cultura. Os fatores agronômicos também podem ser usados para estimar um ou mais resultados relacionados a cultura tal como rendimento agronômico. O rendimento agronômico de uma cultura é uma estimativa da quantidade da cultura que é produzida ou, em alguns exemplos, a receita ou lucro obtido a partir da cultura produzida.
Petição 870190084586, de 29/08/2019, pág. 61/99
45/65 [0077] Em uma modalidade, o sistema de computador de inteligência agricola 130 pode usar um modelo agronômico pré-configurado para calcular as propriedades agronômicas relacionadas com a localização atualmente recebida e informação de cultura para um ou mais campos. O modelo agronômico pré-configurado é baseado em dados de campo previamente processados, incluindo, mas não se limitando a, dados de identificação, dados de colheita, dados de fertilizantes, e dados meteorológicos. O modelo agronômico pré-configurado pode ter sido validado para garantir a precisão do modelo. A validação cruzada pode incluir a comparação com dados de realidade de solo que comparam resultados previstos com resultados reais em um campo, assim como uma comparação da estimativa de precipitação com um pluviômetro ou sensor fornecendo dados meteorológicos no mesmo local ou próximo ou uma estimativa do conteúdo de nitrogênio com uma medição de amostra de solo.
[0078] A Figura 3 ilustra um processo programado através do qual o sistema de computador de inteligência agricola gera um ou mais modelos agronômicos pré-configurados utilizando 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 agricola 130 para realizar as operações que são agora descritas.
[0079] No bloco 305, o sistema de computador de inteligência agricola 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
Petição 870190084586, de 29/08/2019, pág. 62/99
46/65 pré-processados com a finalidade de remover ruído, efeitos de distorção, e fatores de confusão dentro dos dados agronômicos incluindo discrepâncias medidas que poderíam afetar adversamente os valores de dados de campo recebidos. Modalidades de pré-processamento de dados agronômicos podem incluir, mas não estão limitadas a remover valores de dados comumente associados a valores de dados de discrepância, pontos de dados medidos específicos que são conhecidos por distorcer desnecessariamente outros valores de dados, técnicas de suavização, agregação, ou amostragem de dados usadas para remover ou reduzir efeitos aditivos ou multiplicativos a partir de ruído, e outras técnicas de filtragem ou derivação de dados usadas para fornecer distinções claras entre entradas de dados positivas e negativas.
[0080] No bloco 310, o sistema de computador de inteligência agrícola 130 é configurado ou programado para realizar a seleção de subconjunto de dados usando os dados de campo pré-processados a fim de identificar conjuntos de dados úteis para a geração de modelo agronômico inicial. O sistema de computador de inteligência agrícola 130 pode implementar técnicas de seleção de subconjuntos de dados incluindo, mas não limitado a, um método de algoritmo genético, um método de modelos de todos os subconjuntos, um método de pesquisa sequencial, um método de regressão escalonado, um método de otimização de enxame de partículas e uma método de otimização de colônia de formigas. Por exemplo, uma técnica de seleção de algoritmo genético usa um algoritmo de busca heurística adaptativa, com base em princípios evolutivos de seleção natural e genética, para
Petição 870190084586, de 29/08/2019, pág. 63/99
47/65 determinar e avaliar conjuntos de dados dentro dos dados agronômicos pré-processados.
[0081] No bloco 315, o sistema de computador de agrícola 130 é configurado ou programado para implementar a avaliação de conjunto de dados de campo. Em uma modalidade, um conjunto de dados de campo específico é avaliado através da criação de um modelo agronômico e utilizando limiares de qualidade específicos para o modelo agronômico criado. Modelos agronômicos podem ser comparados e / ou validados usando uma ou mais técnicas de comparação, tais como, mas não se limitando a, erro quadrático médio com validação cruzada de deixar-um-fora (RMSECV), erro absoluto médio, e erro percentual médio. Por exemplo, RMSECV pode realizar validação cruzada de modelos agronômicos por comparar valores de propriedades agronômicas preditos criados pelo modelo agronômico com os valores de propriedades agronômicas de histórico coletados e analisados. Em uma modalidade, a lógica de avaliação de conjunto de dados agronômicos é utilizada como um circuito de retorno em que conjuntos de dados agronômicos que não atendem a limiares de qualidade configurados são usados durante passos de seleção de subconjunto de dados futuros (bloco 310).
[0082] No bloco 320, o sistema de computador de inteligência agrícola 130 é configurado ou programado para implementar a criação de modelos agronômicos com base nos conjuntos de dados agronômicos com validação cruzada. Em uma modalidade, a criação de modelos agronômicos pode implementar técnicas de regressão multivariadas para criar modelos de dados agronômicos pré-configurados.
[0083] No bloco 325, o sistema de computador de
Petição 870190084586, de 29/08/2019, pág. 64/99
48/65 inteligência agrícola 130 é configurado ou programado para armazenar os modelos de dados agronômicos pré-configurados para avaliação futura de dados de campo.
2.5 EXEMPLO DE IMPLEMENTAÇÃO - VISÃO GERAL DO HARDWARE [0084] De acordo com uma modalidade, as técnicas aqui descritas são implementadas por um ou mais dispositivos de computação de propósito especial. Os dispositivos de computação de propósito especial podem ser conectados fisicamente para executar as técnicas ou podem incluir dispositivos eletrônicos digitais, como um ou mais circuitos integrados de aplicação específica (ASICs) ou matrizes de portas de campo programável (FPGAs) que são programados persistentemente para executar técnicas, ou podem incluir um ou mais processadores de hardware de propósito geral programados para executar as técnicas de acordo com as instruções de programa em firmware, memória, outro armazenamento ou uma combinação. Esses dispositivos de computação de propósito especial também podem combinar lógica customizada física, ASICs ou FPGAs com programação personalizada para realizar as técnicas. Os dispositivos de computação de propósito especial podem ser sistemas de computadores de mesa, sistemas de computadores portáteis, dispositivos portáteis, dispositivos de rede ou qualquer outro dispositivo que incorpora lógica de hardware e / ou programa para implementar as técnicas.
[0085] Por exemplo, a Figura 4 é um diagrama de blocos que ilustra um sistema de computador 400, no qual uma modalidade da invenção pode ser implementada. O sistema de computador 400 inclui um barramento 402 ou outro mecanismo de comunicação para comunicar informação, e um processador
Petição 870190084586, de 29/08/2019, pág. 65/99
49/65 de hardware 404 acoplado com o barramento 402 para processamento de informação. O processador de hardware 404 pode ser, por exemplo, um microprocessador de propósito geral.
[0086] 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, acoplado ao barramento 402 para armazenar informações e instruções a serem executadas pelo processador 404. A memória principal 406 também pode ser usada para armazenar variáveis temporárias ou outras informações intermediárias durante a execução de instruções a serem executadas pelo processador 404. Tais instruções, quando armazenadas em meio de armazenamento não transitório acessível por processador 404, renderizam o sistema de computador 400 em uma máquina de propósito especial que é personalizada para executar as operações especificadas nas instruções.
[0087] O sistema de computador 400 inclui ainda uma memória somente de leitura (ROM) 408 ou outro dispositivo de armazenamento estático acoplado ao barramento 402 para armazenar informações estáticas 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 informações e instruções.
[0088] Sistema de computador 400 pode ser acoplado via barramento 402 para uma exibição 412, tal como um tubo de raios catódicos (CRT), para exibir informação para um usuário de computador. Um dispositivo de entrada 414, incluindo
Petição 870190084586, de 29/08/2019, pág. 66/99
50/65 teclas alfanuméricas e outras, é acoplado ao barramento 402 para comunicar informação e seleções de comandos para o processador 404. Outro tipo de dispositivo de entrada de usuário é o controle de cursor 416, como um mouse, uma bola de comando (trackball) ou teclas de direção de cursor para comunicar informação de direção e selecionar comandos para o processador 404 e para controlar o movimento do cursor na exibição 412. Este dispositivo de entrada tem tipicamente dois graus de liberdade em dois eixos, um primeiro eixo (por exemplo, x) e um segundo eixo (por exemplo, y) permite que o dispositivo especifique posições em um plano.
[0089] O sistema de computador 400 pode implementar as técnicas descritas aqui usando lógica com fio personalizada, um ou mais ASICs ou FPGAs, firmware e / ou lógica de programa que em combinação com o sistema de computador faz ou programa o sistema de computador 400 para ser uma máquina de propósito especial. De acordo com uma modalidade, as técnicas são executadas pelo sistema de computador 400 em resposta ao processador 404 executando uma ou mais sequências de uma ou mais instruções contidas na memória principal 406. Tais instruções podem ser lidas na memória principal 406 a partir de outro meio de armazenamento, como dispositivo de armazenamento 410. A execução das sequências de instruções contidas na memória principal 406 faz com que o processador 404 execute os passos de processo aqui descritos. Em modalidades alternativas, podem ser usados circuitos com fio em vez de ou em combinação com instruções de software.
[0090] O termo meio de armazenamento, como usado aqui, refere-se a qualquer meio não transitório que armazena dados e / ou instruções que fazem com que uma máquina opere de uma
Petição 870190084586, de 29/08/2019, pág. 67/99
51/65 maneira especifica. Esses meios de armazenamento podem compreender meios não voláteis e / ou meios voláteis. 0 meio não volátil inclui, por exemplo, discos óticos, discos magnéticos ou unidades de estado sólido, como dispositivo de armazenamento 410. Meio volátil inclui memória dinâmica, como a memória principal 40 6. Formas comuns de meio de armazenamento incluem, por exemplo, um disquete, um disco flexível, disco rígido, unidade de estado sólido, fita magnética ou qualquer outro meio de armazenamento de dados magnético, um CD-ROM, qualquer outro meio de armazenamento de dados ótico, qualquer meio físico com padrões de furos, uma RAM, uma PROM e EPROM, uma FLASH-EPROM, NVRAM, qualquer outro chip ou cartucho de memória.
[0091] O meio de armazenamento é distinto, mas pode ser usado em conjunto com o meio de transmissão. O meio de transmissão participa da transferência de informação entre o meio de armazenamento. Por exemplo, o meio de transmissão inclui cabos coaxiais, fios de cobre e fibras óticas, incluindo os fios que compõem o barramento 402. O meio de transmissão também pode assumir a forma de ondas acústicas ou de luz, como aquelas geradas durante comunicações de dados por ondas de rádio e infravermelho.
[0092] Várias formas de meio podem estar envolvidas no transporte de uma ou mais sequências de uma ou mais instruções para o processador 404 para execução. Por exemplo, as instruções podem inicialmente ser transportadas em um disco magnético ou em uma unidade de estado sólido de um computador remoto. O computador remoto pode carregar as instruções em sua memória dinâmica e enviar as instruções por uma linha telefônica usando um modem. Um modem local
Petição 870190084586, de 29/08/2019, pág. 68/99
52/65 para o sistema de computador 400 pode receber os dados na linha telefônica e usar um transmissor de infravermelho para converter os dados em um sinal de infravermelho. Um detector de infravermelho pode receber os dados transportados no sinal de infravermelho e circuitos apropriados podem colocar os dados no barramento 402. O barramento 402 transporta os dados para a memória principal 406, a partir da qual o processador 404 recupera e executa as instruções. As instruções recebidas pela memória principal 406 podem, opcionalmente, ser armazenadas no dispositivo de armazenamento 410 antes ou após a execução pelo processador 404.
[0093] 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 a um enlace de rede 420 que está 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 via satélite, ou um modem para fornecer uma conexão de comunicação de dados a um tipo correspondente de linha telefônica. Como 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 implementação deste tipo, a interface de comunicação 418 envia e recebe sinais elétricos, eletromagnéticos ou óticos que transportam fluxos de dados digitais representando vários tipos de informação.
[0094] O enlace de rede 420 fornece tipicamente comunicação de dados através de uma ou mais redes para outros
Petição 870190084586, de 29/08/2019, pág. 69/99
53/65 dispositivos de dados. Por exemplo, o enlace de rede 420 pode fornecer uma conexão através da rede local 422 para um computador hospedeiro 424 ou para um 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 através da rede de comunicação de dados por pacotes mundial, agora comumente chamada de Internet 428. A rede local 422 e a Internet 428 usam sinais elétricos, eletromagnéticos ou óticos que transportam 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, que transportam os dados digitais de e para o sistema de computador 400, são formas de exemplo de meios de transmissão.
[0095] O sistema de computador 400 pode enviar mensagens e receber dados, incluindo código de programa, através da (s) rede (s), enlace de rede 420 e interface de comunicação 418. No exemplo da Internet, um servidor 430 pode transmitir um código solicitado para um programa de aplicação através da Internet 428, ISP 426, rede local 422 e interface de comunicação 418.
[0096] O código recebido pode ser executado pelo processador 404 à medida que é recebido, e / ou armazenado no dispositivo de armazenamento 410, ou outro armazenamento não volátil para execução posterior.
3. DESCRIÇÃO FUNCIONAL [0097] Em algumas modalidades, o servidor de amostragem é programado ou configurado com estruturas de dados e / ou registros de banco de dados que são organizados para receber um ou mais dos seguintes itens como dados de entrada: um
Petição 870190084586, de 29/08/2019, pág. 70/99
54/65 conjunto de características agrícolas com seus intervalos globais e sensibilidades relativas, uma lista de zonas de gerenciamento, uma lista correspondente de conjuntos de valores de modelo para as características agrícolas usadas por uma ferramenta de modelagem agrícola, uma lista correspondente de resultados de modelagem (por exemplo, previsões) produzidos pela ferramenta de modelagem agrícola, um mapa incluindo valores de características agrícolas associados a uma lista de locais, uma largura de uma área de tampão(buffer) em torno de cada zona de gerenciamento e uma distância mínima entre pontos de amostragem adjacentes.
[0098] Em algumas modalidades, o servidor é programado para produzir um ou mais dos seguintes itens como dados de saída: um conjunto de locais selecionados, uma comparação entre os valores das características agrícolas associadas com os locais selecionados e valores representativos das características agrícolas para as zonas de gerenciamento utilizadas na ferramenta de modelagem agrícola, possíveis explicações para quaisquer discrepancies reveladas na comparação entre os resultados medidos nos locais selecionados e o resultado previsto pelo modelo, ou recomendações relacionadas à ferramenta de modelagem agrícola.
3.1 GERAÇÃO DE DADOS DE CAMPO OU DADOS DE MODELO [0099] A Figura 7 ilustra um exemplo de disposição de um campo.
[00100] Em algumas modalidades, o campo 704 pode compreender um número de zonas de gerenciamento, tais como as zonas de gerenciamento 706, 708, 710, 712 ou 714. O campo pode conter uma área de tampão de nível de campo, onde um
Petição 870190084586, de 29/08/2019, pág. 71/99
55/65 plantador ou outra máquina faz uma curva. 0 tráfego frequente torna o tampão de nivel de campo inadequado para coleta de dados. Cada zona de gerenciamento também pode conter uma área de tampão regional. Uma área de tampão regional geralmente identifica os lados de uma zona de gerenciamento que pode ser contaminada por tratamentos em zonas de gerenciamento vizinhas ou pode ser reservada para experimentos específicos de plantadores, como taxas de semeadura ajustadas. Portanto, uma área de tampão regional geralmente não é adequada para amostragem sistemática. Dada uma lista de zonas de gerenciamento que não se sobrepõem à área de tampão de nível de campo e a largura da área de tampão regional para cada zona de gerenciamento, o servidor pode ser programado para refinar cada zona de gerenciamento, removendo a área de tampão regional da consideração. A largura de uma área de tampão regional pode variar entre diferentes zonas de gerenciamento ou até mesmo entre extremidades diferentes de uma única zona de gerenciamento. Um exemplo de largura é seis metros.
[00101] Em algumas modalidades, o servidor é programado para definir uma unidade de amostragem no campo, tal como a unidade de amostragem 702, e delineia unidades de amostragem dentro de cada zona de gerenciamento. O tamanho ou a forma de uma unidade de amostragem pode ser determinada com base em como uma amostra de solo é coletada ou como um tratamento de solo é aplicado. Por exemplo, uma amostra de solo normalmente não é coletada em um ponto, mas pela mistura de núcleos obtidos de uma área de amostra circular. O raio de tal área de amostra circular pode então ditar o tamanho de uma unidade de amostragem, que por sua vez determina a
Petição 870190084586, de 29/08/2019, pág. 72/99
56/65 distância entre dois locais de amostragem. Por exemplo, o tamanho de uma unidade de amostragem pode ser configurado para ser maior do que substancialmente uma ou mais de uma dessas áreas de amostra circular. Um raio de exemplo é de três metros.
[00102] Em algumas modalidades, um determinado mapa pode conter um ou mais valores de um conjunto de características agrícolas para uma pluralidade de locais disponíveis a partir de bancos de dados disponíveis, como o Banco de Dados Geográficos de Pesquisa de Solo (SSURGO) mantido pelo Serviço de Conservação Nacional de Recursos. O mapa fornecido também pode conter dados medidos com um dispositivo sensor com um produtor no campo ou operando remotamente um veículo não tripulado.
[00103] Em algumas modalidades, um determinado mapa pode incluir nenhum conjunto completo de valores de características agrícolas para uma unidade de amostragem delineada (uma unidade de amostragem não coberta) ou pelo menos um conjunto completo de valores de características agrícolas para uma unidade de amostragem delineada (uma unidade de amostragem coberta). Quando mais de um conjunto de valores de características agrícolas estão disponíveis para uma unidade de amostragem, o servidor pode ser programado para determinar um conjunto de valores de característica agrícola a partir de uma seleção ou agregação de mais de um conjunto de valores de característica agrícola. Para uma unidade de amostragem não coberta, o servidor pode ser programado para determinar um conjunto completo de valores de características agrícolas com base nos conjuntos de valores de características agrícolas incluídos pelo mapa
Petição 870190084586, de 29/08/2019, pág. 73/99
57/65 ou previamente determinados. Por exemplo, a determinação pode ser uma seleção do conjunto de valores de características agrícolas para a unidade de amostragem coberta mais próxima. Quando o intervalo global de uma característica agrícola é contínuo, a determinação pode ser uma interpelação ou extrapolação dos conjuntos de valores de características agrícolas para unidades de amostragem próximas.
[00104] A Figura 8 ilustra um exemplo de mapa refinado obtido pela interpelação ou extrapolação de valores de um determinado mapa.
[00105] No exemplo da Figura 8, um mapa refinado 802 do campo 704 (Figura 7) é ilustrado como um gráfico 2D de topografia de campo usando um eixo vertical ou Y mostrando valores de latitude e um eixo horizontal ou X mostrando valores de longitude. O mapa refinado 802 agora contém valores de matéria orgânica do solo representados por diferentes níveis de sombreamento para locais contínuos dentro do campo 802, com base na legenda 804, resultando em um grande número de unidades de amostragem disponíveis para processamento adicional. Na legenda 804, os valores 4,0,
4,5, 5,0 referem-se à concentração da matéria orgânica do solo no solo em termos da porcentagem de massa total do solo. Uma unidade de amostragem para a qual um conjunto de valores de características agrícolas é incluído no mapa ou determinado pelo servidor será referida como um local de amostragem candidato daqui em diante.
[00106] Em algumas modalidades, em vez de receber a lista de conjuntos de valores de modelo usados pela ferramenta de modelagem agrícola e a lista correspondente de resultados de
Petição 870190084586, de 29/08/2019, pág. 74/99
58/65 modelagem produzidos pela ferramenta de modelagem agrícola, o servidor pode ser configurado para receber uma lista de conjuntos de valores de modelo e a ferramenta de modelagem agrícola ao invés e executar a ferramenta de modelagem agrícola nos conjuntos de valores de modelo para gerar os resultados de modelagem. Além disso, o servidor pode ser configurado para receber a ferramenta de modelagem agrícola e gerar conjuntos de valores de modelo e resultados de modelagem correspondentes. Especificamente, valores agregados podem ser calculados sobre o mapa refinado ou valores representativos específicos podem ser selecionados a partir do mapa refinado para cada zona de gerenciamento e, em seguida, usados como valores de modelo para a ferramenta de modelagem agrícola.
3.2 NORMALIZAÇÃO OU PONDERAÇÃO DE VALORES DE CARACTERÍSTICAS AGRÍCOLAS [00107] Em algumas modalidades, o servidor é programado para normalizar valores de cada característica agrícola para conciliar diferentes unidades usadas para uma única característica agrícola e para unificar as escalas de todas as características agrícolas. Especificamente, o servidor pode converter cada valor de característica agrícola em um quociente da diferença do valor mínimo global para a característica agrícola para o intervalo global. Em outras palavras, o vetor escalonado Zs. de valores de características agrícolas para um local de amostragem candidato e o vetor escalonado Zo. de valores de modelo usados por uma ferramenta de modelagem agrícola podem ser calculados da seguinte forma:
v _ Zsj~ZÍmin f, _ Z°j~Zimin
Zç . — ------------r Z η . — -----------J 7 . 7 . U j 7 . 7 .
Jmax~ Jmin Jmax~ Jrnin
Petição 870190084586, de 29/08/2019, pág. 75/99
59/65 onde j designa o índice de uma característica agrícola e s indica o índice de um local de amostragem candidato na zona de gerenciamento S, onde z,· indica o máximo global e Zjmin indica o mínimo global para a j-ésima característica agrícola, onde zs. indica o valor da j-ésima característica agrícola para o s-ésima local de amostragem candidato e z0. indica o valor de modelo da j-ésima característica agrícola utilizada pela ferramenta de modelagem agrícola.
[00108] Em algumas modalidades, o servidor é programado para ainda ponderar valores das diferentes características agrícolas. Os pesos para as diferentes características agrícolas podem ser constantes predeterminadas ou recebidas como dados de entrada. Por exemplo, os pesos podem refletir sensibilidades relativas ou outros valores de significância das características agrícolas, de modo que um peso maior para uma característica agrícola exigiria uma diferença menor entre esse valor de característica agrícola para um local de amostragem candidato e o valor de modelo correspondente usado pela ferramenta de modelagem agrícola para que o local de amostragem candidato seja selecionado.
3.3 SELEÇÃO DE LOCAIS DE AMOSTRAGEM [00109] Em algumas modalidades, o servidor é então configurado para selecionar o local de amostragem candidato u para cada zona de gerenciamento que minimiza a seguinte distância métrica:
_arqmin \ ' . ~ ~ .
u=sá
J [00110] Em algumas modalidades, cada componente da soma acima pode ser o valor absoluto da diferença entre ou o quadrado dessa diferença. Podem ser utilizadas outras
Petição 870190084586, de 29/08/2019, pág. 76/99
60/65 métricas de distância conhecidas por alguém perito na técnica. Uma função de distância personalizada, que pode incorporar a normalização ou ponderação discutida acima ou uma sua variante, também pode ser usada. Por exemplo, algumas características agrícolas podem ser correlacionadas, e a função de distância personalizada pode incluir pesos dinâmicos que dependem da força das correlações de uma característica agricola com outras características agrícolas incluídas na comparação.
[00111] Em algumas modalidades, quando mais de um local de amostragem candidato minimiza a métrica de distância para uma zona de gerenciamento, o servidor pode então ser programado para aplicar critérios adicionais para escolher um dentre mais de um local de amostragem candidato. Exemplos de critérios ou restrições adicionais incluem ter uma distância minima até o limite da zona de gerenciamento ou ter um valor de característica agricola em um intervalo especifico. Esses critérios ou restrições adicionais também podem ser aplicados anteriormente para filtrar antecipadamente os locais de amostragem candidatos. O servidor também pode ser configurado para reavaliar a métrica de distância com pesos ajustados para mais de um local de amostragem candidato.
[00112] Em algumas modalidades, o servidor é configurado para transmitir dados sobre os locais de amostragem selecionados para um dispositivo de exibição ou um dispositivo cliente remoto. Para cada local de amostragem selecionado, os dados podem incluir a coordenada geográfica (por exemplo, longitude e latitude), indice da zona de gerenciamento envolvente, distância a partir do limite da
Petição 870190084586, de 29/08/2019, pág. 77/99
61/65 zona de gerenciamento envolvente, o conjunto correspondente de valores de característica agrícola ou o valor correspondente da métrica de distância.
[00113] A Figura 9 ilustra um exemplo de exibição gráfica de dados relacionados a locais de amostragem selecionados.
[00114] No exemplo da Figura 9, os locais selecionados para as zonas de gerenciamento do campo 704, como mostrado na Figura 7 e campo 802 como mostrado na Figura 8 são marcados pelos sinais + . Para cada local selecionado, a exibição gráfica indica a coordenada geográfica aproximada em relação ao eixo de longitude e eixo de latitude, o índice da zona de gerenciamento envolvente (1 a 5), e a distância aproximada até o limite da zona de gerenciamento envolvente. Com base nessa exibição gráfica ou em outros dados relacionados aos locais selecionados, um produtor pode fazer uma medição em um local selecionado para avaliar o desempenho da ferramenta de modelagem agrícola usada para a zona de gerenciamento.
[00115] Em algumas modalidades, o servidor é ainda configurado para receber informações sobre a validação da ferramenta de modelagem agrícola nos locais de amostragem selecionados. Por exemplo, a ferramenta de modelagem agrícola pode determinar o nível atual de nitrato no solo. O produtor pode então medir o nível de nitrato no solo no local de amostragem selecionado e relatar essa medição. O servidor pode ser configurado para gerar e transmitir dados relevantes para um dispositivo de exibição, um dispositivo cliente remoto, ou um computador servidor remoto que mantém a ferramenta de modelagem agrícola, para uma compreensão ou melhoria do desempenho da ferramenta de modelagem agrícola.
[00116] Em algumas modalidades, o servidor pode ser
Petição 870190084586, de 29/08/2019, pág. 78/99
62/65 configurado para gerar e transmitir dados indicando qualquer diferença entre os valores de características agrícolas para um local de amostragem selecionado e os valores de modelo correspondentes, qualquer discrepância entre o desempenho real do solo e o resultado de modelagem, uma possível relação entre a diferença e a discrepância, uma explicação para a discrepância, ou uma recomendação para se generalizar os resultados de modelagem para uma zona de gerenciamento inteira.
[00117] Em algumas modalidades, explicações potenciais para qualquer discrepância entre o desempenho real do solo e o resultado de modelagem, ou fatores que podem afetar a qualidade dos locais selecionados para validação de modelo ou finalidades relacionadas, incluem os pesos atribuídos às características agrícolas, a uniformidade de valores nestas características agrícolas através de uma zona de gerenciamento, a precisão dos intervalos globais dados das características agrícolas, a precisão ou resolução do mapa dado, a precisão do método de refinamento de mapa, a complexidade da relação entre as características agrícolas e os resultados de modelagem, ou a precisão da ferramenta de modelagem agrícola. A qualidade dos locais selecionados pode, por sua vez, determinar se os resultados de modelagem devem ser geralmente adotados. Por exemplo, o servidor pode ser configurado para determinar que para uma zona de gerenciamento tendo valores altamente uniformes nas características agrícolas e em um dado mapa que reflete com precisão os valores reais das características agrícolas, o local selecionado deverá ser ideal para validação de modelo e o resultado de modelagem deve ser prontamente aplicado a
Petição 870190084586, de 29/08/2019, pág. 79/99
63/65 toda a zona de gerenciamento.
3.4 EXEMPLO DE PROCESSOS [00118] A Figura 10 ilustra um exemplo de processo de seleção de um local de amostragem em uma zona de gerenciamento.
[00119] Em algumas modalidades, no passo 1002, o servidor é programado para receber dados de entrada incluindo um ou mais dos seguintes: um conjunto de características agrícolas com seus intervalos globais, um mapa para a zona de gerenciamento indicando um ou mais valores do conjunto de características agrícolas para cada um de uma pluralidade de locais na zona de gerenciamento, ou um conjunto de valores de modelo do conjunto de características agrícolas usado por uma ferramenta de modelagem agrícola. Os dados de entrada também podem incluir um resultado desejado, uma largura de tampão para a zona de gerenciamento, ou uma distância mínima entre os pontos de amostragem adjacentes.
[00120] Em algumas modalidades, o servidor pode ser programado para gerar dados de campo ou dados de modelo. Especificamente, o servidor pode ser configurado para definir unidades de amostragem que estão sujeitas a várias restrições de distância, como ter quaisquer dois pontos de amostragem separados por uma distância mínima ou não ter pontos de amostragem dentro de uma distância mínima a partir do limite da zona de gerenciamento. O servidor também pode ser configurado para expandir o conjunto de valores de características agrícolas incluídos no mapa através de duplicação, interpelação, extrapolação, imputação ou outras técnicas para aumentar o número de locais de amostragem candidatos, bem como o número de valores de características
Petição 870190084586, de 29/08/2019, pág. 80/99
64/65 agrícolas para cada local de amostragem candidato. Além disso, com o mapa atualizado, o servidor pode ser configurado para alimentar a ferramenta de modelagem agrícola com novos valores de modelo para as características agrícolas e receber novos resultados de modelagem.
[00121] Em algumas modalidades, no passo 1004, o servidor é programado para normalizar ou ponderar os valores de características agrícolas para eliminar problemas causados por diferentes unidades de medida, enquanto permite flexibilidade no tratamento de diferentes características agrícolas. A normalização pode ser feita com base nos intervalos globais das características agrícolas. A ponderação pode ser feita com base em sensibilidades relativas ou outros valores de significância relevantes das características agrícolas.
[00122] Em algumas modalidades, no passo 1006, o servidor é programado para, em seguida, selecionar um dos locais de amostragem candidatos na zona de gerenciamento com base nos valores normalizados e ponderados. O servidor é configurado para identificar primeiro aqueles locais de amostragem candidatos que minimizam uma métrica de distância medindo a distância entre os valores para as características agrícolas nesses locais de amostragem candidatos e os valores de modelo para as características agrícolas. A métrica de distância pode incluir uma soma de diferenças absolutas ponderadas ou diferenças quadradas sobre todas as características agrícolas. A métrica de distância também pode compreender outra função de distância conhecida por alguém perito na técnica.
[00123] Em algumas modalidades, quando múltiplos locais
Petição 870190084586, de 29/08/2019, pág. 81/99
65/65 de amostragem candidatos minimizam a métrica de distância, o servidor pode ser configurado para relatar todos esses locais de amostragem candidatos. Como alternativa, o servidor é configurado para selecionar um dos múltiplos locais de amostragem com a menor distância para o limite da zona de gerenciamento. Outros critérios ou restrições podem ser usados para restringir a lista de locais de amostragem candidatos, como ter uma menor distância para um lado específico da zona de gerenciamento ou ter um valor de característica agrícola em um intervalo específico.
[00124] Em algumas modalidades, no passo 1008, o servidor é programado para transmitir resultados do local de amostragem para um dispositivo de exibição, um dispositivo cliente remoto, ou um servidor remoto que mantém a ferramenta de modelagem agrícola. Os resultados podem incluir, para cada local de amostragem selecionado, a coordenada geográfica, o índice da zona de gerenciamento envolvente, a distância para o limite da zona de gerenciamento envolvente, o conjunto de valores de característica agrícola, a diferença a partir dos valores de modelo, ou resultado de modelagem.
[00125] Em algumas modalidades, depois que um usuário adota o resultado de modelagem para o local selecionado, o servidor pode ser configurado para receber o resultado medido da adoção, comparar o resultado medido com o resultado desejado, identificar possíveis razões para qualquer discrepância entre o resultado medido e o resultado desejado, e ainda comunicar as possíveis razões para o dispositivo de exibição, o dispositivo cliente remoto, ou o servidor remoto para melhorar o entendimento ou o desenvolvimento da ferramenta de modelagem agrícola.
Claims (20)
- REIVINDICAÇÕES1. Método implementado por computador de seleção de locais de amostragem em um campo, caracterizado pelo fato de que compreende:receber, por um processador, dados de entrada incluindo um mapa para uma zona de gerenciamento em um campo indicando um ou mais valores de um conjunto de características agrícolas para cada um de uma pluralidade de locais na zona de gerenciamento;identificar, pelo processador, um conjunto de valores para o conjunto de características agrícolas para cada um dos grupos de locais na zona de gerenciamento com base no mapa;normalizar um conjunto de valores de modelo para o conjunto de características agrícolas usado por uma ferramenta de modelagem agricola e o conjunto de valores do conjunto de características agrícolas para cada um dos grupos de locais na zona de gerenciamento;selecionar um dos grupos de locais como um local de amostragem com base no conjunto normalizado de valores de modelo, os conjuntos de valores normalizados para o grupo de locais, e uma primeira restrição de distância relacionada a uma distância até um limite da zona de gerenciamento;causar exibição de informações sobre o local selecionado.
- 2. Método implementado por computador, de acordo com a reivindicação 1, caracterizado pelo fato de que o conjunto de características agrícolas inclui uma característica física do solo ou uma característica topológica.
- 3. Método implementado por computador, de acordo com aPetição 870190084586, de 29/08/2019, pág. 83/992/6 reivindicação 1, caracterizado pelo fato de que o conjunto de valores de modelo para o conjunto de características agrícolas são valores agregados sobre a zona de gerenciamento.
- 4. Método implementado por computador, de acordo com a reivindicação 1, caracterizado pelo fato de que a identificação compreende:determinar o grupo de locais com base em uma segunda restrição de distância relacionada a uma distância entre dois pontos de amostragem ou uma terceira restrição de distância relacionada a uma distância para o limite da zona de gerenciamento;selecionar, interpolar ou extrapolar o um ou mais valores para cada um dos vários locais na zona de gerenciamento.
- 5. Método implementado por computador, de acordo com a reivindicação 1, caracterizado pelo fato de que os dados de entrada incluem ainda um intervalo global para cada um dos conjuntos de características agrícolas, a normalização sendo baseada nos intervalos globais.
- 6. Método implementado por computador, de acordo com a reivindicação 1, caracterizado pelo fato de que os dados de entrada incluem ainda um conjunto de pesos para o conjunto de características agrícolas, a seleção compreendendo identificar uma lista do grupo de locais que minimizam uma soma de diferenças ponderadas sobre o conjunto de características agrícolas entre o valor normalizado para um dos grupos de locais e o valor de modelo normalizado correspondente, as diferenças sendo ponderadas usando o conjunto de pesos.Petição 870190084586, de 29/08/2019, pág. 84/993/6
- 7. Método implementado por computador, de acordo com a reivindicação 6, caracterizado pelo fato de que a seleção compreende ainda aplicar a primeira restrição de distância para a lista de locais.
- 8. Método implementado por computador, de acordo com a reivindicação 1, caracterizado pelo fato de que a primeira restrição de distância favorece uma pequena distância para o limite da zona de gerenciamento.
- 9. Método implementado por computador, de acordo com a reivindicação 1, caracterizado pelo fato de que a informação indica uma coordenada geográfica, uma distância para o limite da zona de gerenciamento, ou o conjunto de valores de características agrícolas para a localização selecionada.
- 10. Método implementado por computador, de acordo com a reivindicação 1, caracterizado pelo fato de que compreende ainda:receber um valor medido a partir do local selecionado que corresponde a um valor de saída produzido pela ferramenta de modelagem agrícola;calcular uma diferença entre o valor medido e o valor de saída;causar exibição de informações sobre a diferença.
- 11. Um ou mais meios de armazenamento não transitórios armazenando instruções que, quando executadas por um ou mais dispositivos de computação, causam o desempenho de um método de seleção de locais de amostragem em um campo, o método caracterizado pelo fato de que compreende:receber dados de entrada incluindo um mapa para uma zona de gerenciamento em um campo indicando um ou mais valores de um conjunto de características agrícolas para cada um de umaPetição 870190084586, de 29/08/2019, pág. 85/994/6 pluralidade de locais na zona de gerenciamento;identificar um conjunto de valores para o conjunto de características agrícolas para cada um dos grupos de locais na zona de gerenciamento com base no mapa;normalizar um conjunto de valores de modelo para o conjunto de características agrícolas usado por uma ferramenta de modelagem agrícola e o conjunto de valores do conjunto de características agrícolas para cada um dos grupos de locais na zona de gerenciamento;selecionar um dos grupos de locais como um local de amostragem com base no conjunto normalizado de valores de modelo, os conjuntos de valores normalizados para o grupo de locais, e uma primeira restrição de distância relacionada a uma distância até um limite da zona de gerenciamento;causar exibição de informações sobre o local selecionado.
- 12. Um ou mais meios de armazenamento não transitórios, de acordo com a reivindicação 11, caracterizado pelo fato de que o conjunto de características agrícolas inclui uma característica física do solo ou uma característica topológica.
- 13. Um ou mais meios de armazenamento não transitórios, de acordo com a reivindicação 11, caracterizado pelo fato de que o conjunto de valores de modelo para o conjunto de características agrícolas são valores agregados sobre a zona de gerenciamento.
- 14. Um ou mais meios de armazenamento não transitórios, de acordo com a reivindicação 11, caracterizado pelo fato de que a identificação compreende:determinar o grupo de locais com base em uma segundaPetição 870190084586, de 29/08/2019, pág. 86/995/6 restrição de distância relacionada a uma distância entre dois pontos de amostragem ou uma terceira restrição de distância relacionada a uma distância para o limite da zona de gerenciamento;selecionar, interpolar ou extrapolar o um ou mais valores para cada um dos vários locais na zona de gerenciamento.
- 15. Um ou mais meios de armazenamento não transitórios, de acordo com a reivindicação 11, caracterizado pelo fato de que os dados de entrada incluem ainda um intervalo global para cada um dos conjuntos de características agrícolas, a normalização sendo baseada nos intervalos globais.
- 16. Um ou mais meios de armazenamento não transitórios, de acordo com a reivindicação 11, caracterizado pelo fato de que os dados de entrada incluem ainda um conjunto de pesos para o conjunto de características agrícolas, a seleção compreende por identificar uma lista do grupo de locais que minimizam uma soma de diferenças ponderadas sobre o conjunto de características agrícolas entre o valor normalizado para um dos grupos de locais e o valor do modelo normalizado correspondente, as diferenças sendo ponderadas usando o conjunto de pesos.
- 17. Um ou mais meios de armazenamento não transitórios, de acordo com a reivindicação 16, caracterizado pelo fato de que a seleção compreende ainda aplicar a primeira restrição de distância à lista de locais.
- 18. Um ou mais meios de armazenamento não transitórios, de acordo com a reivindicação 11, caracterizado pelo fato dePetição 870190084586, de 29/08/2019, pág. 87/996/6 que a primeira restrição de distância favorece uma pequena distância para o limite da zona de gerenciamento.
- 19. Um ou mais meios de armazenamento não transitórios, de acordo com a reivindicação 11, caracterizado pelo fato de que a informação indica uma coordenada geográfica, uma distância para o limite da zona de gerenciamento, ou o conjunto de valores de características agrícolas para o local selecionado.
- 20. Um ou mais meios de armazenamento não transitórios, de acordo com a reivindicação 11, caracterizado pelo fato de que o método compreende ainda:receber um valor medido a partir do local selecionado que corresponde a um valor de saída produzido pela ferramenta de modelagem agrícola;calcular uma diferença entre o valor medido e o valor de saída;causar exibição de informações sobre a diferença.
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201762468896P | 2017-03-08 | 2017-03-08 | |
| US62/468,896 | 2017-03-08 | ||
| US15/729,549 US10990716B2 (en) | 2017-03-08 | 2017-10-10 | Location selection for model assessment sampling |
| US15/729,549 | 2017-10-10 | ||
| PCT/US2018/021598 WO2018165464A1 (en) | 2017-03-08 | 2018-03-08 | Location selection for model assessment sampling |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| BR112019018015A2 true BR112019018015A2 (pt) | 2020-04-28 |
| BR112019018015B1 BR112019018015B1 (pt) | 2021-12-14 |
Family
ID=63444797
Family Applications (3)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| BR122021014810-4A BR122021014810B1 (pt) | 2017-03-08 | 2018-03-06 | Método implementado por computador para selecionar localizações em um campo para amostragem de tratamento |
| BR112019018057-5A BR112019018057B1 (pt) | 2017-03-08 | 2018-03-06 | Método implementado por computador para selecionar localizações em um campo para amostragem de tratamento |
| BR112019018015-0A BR112019018015B1 (pt) | 2017-03-08 | 2018-03-08 | Método implementado por computador para selecionar locais de amostragem em um campo e melhorar crescimento no campo |
Family Applications Before (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| BR122021014810-4A BR122021014810B1 (pt) | 2017-03-08 | 2018-03-06 | Método implementado por computador para selecionar localizações em um campo para amostragem de tratamento |
| BR112019018057-5A BR112019018057B1 (pt) | 2017-03-08 | 2018-03-06 | Método implementado por computador para selecionar localizações em um campo para amostragem de tratamento |
Country Status (9)
| Country | Link |
|---|---|
| US (3) | US10509872B2 (pt) |
| EP (2) | EP3593130B1 (pt) |
| AR (3) | AR111168A1 (pt) |
| BR (3) | BR122021014810B1 (pt) |
| CA (1) | CA3054065C (pt) |
| ES (1) | ES2961902T3 (pt) |
| PL (1) | PL3593130T3 (pt) |
| WO (2) | WO2018165181A1 (pt) |
| ZA (1) | ZA201906280B (pt) |
Families Citing this family (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018049289A1 (en) | 2016-09-09 | 2018-03-15 | Cibo Technologies, Inc. | Systems for adjusting agronomic inputs using remote sensing, and related apparatus and methods |
| CA3142363C (en) | 2016-11-07 | 2024-03-05 | The Climate Corporation | Agricultural implements for soil and vegetation analysis |
| US10509872B2 (en) | 2017-03-08 | 2019-12-17 | The Climate Corporation | Location selection for treatment sampling |
| KR102593355B1 (ko) * | 2017-06-26 | 2023-10-25 | 가부시끼 가이샤 구보다 | 포장 맵 생성 시스템 |
| CN110998642A (zh) * | 2017-08-18 | 2020-04-10 | 巴斯夫农化商标有限公司 | 使用来自作物保护中田地试验的数据校准和优化预测模型 |
| US10477756B1 (en) | 2018-01-17 | 2019-11-19 | Cibo Technologies, Inc. | Correcting agronomic data from multiple passes through a farmable region |
| JP7250457B2 (ja) * | 2018-08-23 | 2023-04-03 | キヤノン株式会社 | 情報処理装置、情報処理方法及びプログラム |
| EP3869933A4 (en) * | 2018-10-24 | 2022-09-14 | Climate LLC | SYSTEMS AND METHODS FOR IDENTIFYING AND USING TEST LOCATIONS IN AGRICULTURAL FIELDS |
| WO2020086601A1 (en) | 2018-10-24 | 2020-04-30 | The Climate Corporation | In-ground sensor systems with modular sensors and wireless connectivity components |
| US10996656B2 (en) * | 2018-11-08 | 2021-05-04 | Premier Crop Systems, LLC | System and method for aggregating test plot results based on agronomic environments |
| US11631040B2 (en) | 2019-02-21 | 2023-04-18 | Climate Llc | Digital modeling and tracking of agricultural fields for implementing agricultural field trials |
| AT16964U1 (de) * | 2019-10-29 | 2021-01-15 | Maschinenring Agrar Concept Gmbh | Verfahren zur Analyse und/oder Kartierung einer landwirtschaftlich genutzten Fläche |
| BR112022011889A2 (pt) * | 2019-12-19 | 2022-09-06 | Basf Agro Trademarks Gmbh | Método implementado por computador para fornecer dados de projeto de teste, uso de dados de campo, uso de um método para fornecer dados de projeto de teste, sistema e elemento de programa de computador |
| CN111148110A (zh) * | 2020-03-30 | 2020-05-12 | 汉腾汽车有限公司 | 一种基于遗传蚁群混合算法的车联网路侧单元部署方法 |
| EP4208000A1 (en) * | 2020-09-02 | 2023-07-12 | Climate LLC | Detecting contamination or feature mixing within harvest polygons at a vector level |
| CN112801553B (zh) * | 2021-03-31 | 2021-06-22 | 江西省生态环境科学研究与规划院 | 建设用地全生命周期使用决策系统、方法、装置及介质 |
| CN113837813A (zh) * | 2021-10-15 | 2021-12-24 | 浪潮云信息技术股份公司 | 一种基于人口库和法人库的商业选址推荐方法 |
| CN115486247B (zh) * | 2022-08-30 | 2023-08-22 | 中联智慧农业股份有限公司 | 用于确定肥料配比的方法、存储介质及处理器 |
Family Cites Families (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DK176273B1 (da) | 2004-05-10 | 2007-05-21 | Frank Poulsen | Selektiv behandling af planter i række |
| BRPI0806559B1 (pt) | 2007-01-08 | 2018-04-10 | Precision Planting, Inc. | Sistema de monitor para semeadeira de sementes agrícolas |
| US8319165B2 (en) | 2007-07-03 | 2012-11-27 | Holland Kyle H | Variable rate chemical management for agricultural landscapes |
| WO2009149396A1 (en) | 2008-06-06 | 2009-12-10 | Monsanto Technology Llc | Generating agricultural information products using remote sensing |
| US8477295B2 (en) | 2009-05-07 | 2013-07-02 | Solum, Inc. | Automated soil measurement device |
| US8412419B1 (en) | 2009-09-17 | 2013-04-02 | Helena Chemical Company | System for mapping GIS layers |
| US8521372B2 (en) | 2010-05-28 | 2013-08-27 | Agjunction Llc | System and method for collecting and processing agricultural field data |
| US10115158B2 (en) * | 2010-10-25 | 2018-10-30 | Trimble Inc. | Generating a crop recommendation |
| US9213905B2 (en) * | 2010-10-25 | 2015-12-15 | Trimble Navigation Limited | Automatic obstacle location mapping |
| US8855937B2 (en) * | 2010-10-25 | 2014-10-07 | Trimble Navigation Limited | Crop characteristic estimation |
| US9408342B2 (en) * | 2010-10-25 | 2016-08-09 | Trimble Navigation Limited | Crop treatment compatibility |
| US9131642B2 (en) | 2011-05-13 | 2015-09-15 | Hydrobio, Inc. | Method and system to control irrigation across large geographic areas using remote sensing, weather and field level data |
| US10096073B2 (en) | 2011-05-13 | 2018-10-09 | The Climate Corporation | Systems to prescribe and deliver fertilizer over agricultural fields and related methods |
| BR112015001540B1 (pt) | 2012-07-25 | 2020-02-04 | Prec Planting Llc | sistema de monitoramento para uma implantação agrícola que tem uma pluralidade de unidades de fileira e método para monitorar uma implantação agrícola |
| EP2883020B2 (en) | 2012-08-10 | 2021-09-22 | The Climate Corporation | Systems and methods for control, monitoring and mapping of agricultural applications |
| WO2015051339A1 (en) * | 2013-10-03 | 2015-04-09 | Farmers Business Network, Llc | Crop model and prediction analytics |
| US10109024B2 (en) | 2014-09-05 | 2018-10-23 | The Climate Corporation | Collecting data to generate an agricultural prescription |
| US20160125331A1 (en) * | 2014-10-30 | 2016-05-05 | AgriSight, Inc. | Automated agricultural activity determination system and method |
| US9792557B2 (en) * | 2015-01-14 | 2017-10-17 | Accenture Global Services Limited | Precision agriculture system |
| AU2016211305B2 (en) | 2015-01-30 | 2020-01-02 | Climate Llc | Soil quality measurement device |
| WO2016127094A1 (en) | 2015-02-06 | 2016-08-11 | The Climate Corporation | Methods and systems for recommending agricultural activities |
| US9667710B2 (en) * | 2015-04-20 | 2017-05-30 | Agverdict, Inc. | Systems and methods for cloud-based agricultural data processing and management |
| US9813512B2 (en) * | 2015-04-20 | 2017-11-07 | Agverdict, Inc. | Systems and methods for efficiently generating a geospatial data map for use in agricultural operations |
| US10509872B2 (en) | 2017-03-08 | 2019-12-17 | The Climate Corporation | Location selection for treatment sampling |
-
2017
- 2017-09-22 US US15/713,507 patent/US10509872B2/en active Active
- 2017-10-10 US US15/729,549 patent/US10990716B2/en active Active
-
2018
- 2018-03-06 CA CA3054065A patent/CA3054065C/en active Active
- 2018-03-06 ES ES18763107T patent/ES2961902T3/es active Active
- 2018-03-06 WO PCT/US2018/021180 patent/WO2018165181A1/en active Application Filing
- 2018-03-06 BR BR122021014810-4A patent/BR122021014810B1/pt active IP Right Grant
- 2018-03-06 EP EP18763107.2A patent/EP3593130B1/en active Active
- 2018-03-06 PL PL18763107.2T patent/PL3593130T3/pl unknown
- 2018-03-06 BR BR112019018057-5A patent/BR112019018057B1/pt active IP Right Grant
- 2018-03-06 EP EP22177486.2A patent/EP4089602A1/en active Pending
- 2018-03-08 WO PCT/US2018/021598 patent/WO2018165464A1/en active Application Filing
- 2018-03-08 AR ARP180100545A patent/AR111168A1/es active IP Right Grant
- 2018-03-08 BR BR112019018015-0A patent/BR112019018015B1/pt active IP Right Grant
- 2018-03-08 AR ARP180100546A patent/AR111127A1/es active IP Right Grant
-
2019
- 2019-09-23 ZA ZA2019/06280A patent/ZA201906280B/en unknown
- 2019-12-13 US US16/714,567 patent/US10963606B2/en active Active
-
2021
- 2021-06-25 AR ARP210101778A patent/AR122765A2/es unknown
Also Published As
| Publication number | Publication date |
|---|---|
| BR112019018057B1 (pt) | 2021-10-26 |
| AR111168A1 (es) | 2019-06-12 |
| CA3054065A1 (en) | 2018-09-13 |
| BR112019018057A2 (pt) | 2020-03-31 |
| EP3593130A4 (en) | 2020-12-02 |
| AR111127A1 (es) | 2019-06-05 |
| ES2961902T3 (es) | 2024-03-14 |
| WO2018165181A1 (en) | 2018-09-13 |
| BR112019018015B1 (pt) | 2021-12-14 |
| EP3593130B1 (en) | 2023-08-02 |
| US20180260504A1 (en) | 2018-09-13 |
| US20200184128A1 (en) | 2020-06-11 |
| EP3593130A1 (en) | 2020-01-15 |
| WO2018165464A1 (en) | 2018-09-13 |
| PL3593130T3 (pl) | 2024-02-05 |
| AR122765A2 (es) | 2022-10-05 |
| ZA201906280B (en) | 2021-02-24 |
| BR122021014810B1 (pt) | 2022-04-26 |
| EP4089602A1 (en) | 2022-11-16 |
| US10963606B2 (en) | 2021-03-30 |
| CA3054065C (en) | 2023-03-07 |
| US20180259674A1 (en) | 2018-09-13 |
| US10509872B2 (en) | 2019-12-17 |
| US10990716B2 (en) | 2021-04-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230169428A1 (en) | Hybrid seed selection and seed portfolio optimization by field | |
| US10963606B2 (en) | Location selection for treatment sampling | |
| US10853377B2 (en) | Sequential data assimilation to improve agricultural modeling | |
| US20230177622A1 (en) | Hybrid seed selection and seed portfolio optimization by field | |
| BR112020022324A2 (pt) | visualização digital de prescrições de fertilidade agrícola sazonais atualizadas periodicamente | |
| BR112020010226A2 (pt) | modelagem digital de doenças em culturas em campos agronômicos | |
| BR112021007321A2 (pt) | detecção de infecção de doenças de plantas por meio da classificação de fotos de plantas | |
| BR112020003688A2 (pt) | modelagem digital e rastreamento de campos para implementação de testes de campo agrícola | |
| BR112019000719B1 (pt) | Método para geração de mapas de pixel a partir de dados de não imagem e métricas de diferença para mapas de pixel | |
| BR112020025328A2 (pt) | Direcionamento de oportunidade ideal de localização e portfólio | |
| BR112021001667A2 (pt) | previsão automática de rendimentos e recomendação de taxas de semeadura com base em dados meteorológicos | |
| BR112020010224A2 (pt) | cálculo de risco de fator de dano à cultura para cultura em campo agronômico | |
| BR112019002763A2 (pt) | detecção automática de valores de discrepância em dados coletados | |
| BR112020025113A2 (pt) | designação automática de híbridos ou sementes a campos para plantio | |
| BR112021004345A2 (pt) | seleção de sementes híbridas ajustada por risco e otimização de rendimento de cultura por campo | |
| US20170300602A1 (en) | Estimating rainfall adjustment values | |
| BR112021006110A2 (pt) | sistemas e métodos para identificar e utilizar locais de teste em campos agrícolas | |
| BR112021002525A2 (pt) | aprimoramento de modelos de nutrientes digitais usando valores espacialmente distribuídos exclusivos para um campo agronômico | |
| BR112021010115A2 (pt) | Utilizando modelos estatísticos espaciais para implementar ensaios agronômicos | |
| BR112019010837A2 (pt) | determinação de dados de variação de rendimento intracampo com base em dados de características de solo e imagens de satélite | |
| BR112018071870B1 (pt) | Método e sistema de processamento de dados |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| B07A | Application suspended after technical examination (opinion) [chapter 7.1 patent gazette] | ||
| B15K | Others concerning applications: alteration of classification |
Free format text: AS CLASSIFICACOES ANTERIORES ERAM: A01B 79/00 , A01C 21/00 , A01G 1/00 , G01N 33/24 , G07C 5/08 Ipc: A01B 79/00 (2006.01), A01C 21/00 (2006.01), ... |
|
| B09A | Decision: intention to grant [chapter 9.1 patent gazette] | ||
| B350 | Update of information on the portal [chapter 15.35 patent gazette] | ||
| B16A | Patent or certificate of addition of invention granted [chapter 16.1 patent gazette] |
Free format text: PRAZO DE VALIDADE: 20 (VINTE) ANOS CONTADOS A PARTIR DE 08/03/2018, OBSERVADAS AS CONDICOES LEGAIS. |
|
| B25D | Requested change of name of applicant approved |
Owner name: CLIMATE LLC (US) |
|
| B25G | Requested change of headquarter approved |
Owner name: CLIMATE LLC (US) |