BR112020008086A2 - método para criação de mapa de cultivo digital, mapa de cultivo digital, sistema de computador e produto de programa de computador - Google Patents
método para criação de mapa de cultivo digital, mapa de cultivo digital, sistema de computador e produto de programa de computador Download PDFInfo
- Publication number
- BR112020008086A2 BR112020008086A2 BR112020008086-1A BR112020008086A BR112020008086A2 BR 112020008086 A2 BR112020008086 A2 BR 112020008086A2 BR 112020008086 A BR112020008086 A BR 112020008086A BR 112020008086 A2 BR112020008086 A2 BR 112020008086A2
- Authority
- BR
- Brazil
- Prior art keywords
- cultivation
- field
- map
- image
- digital
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000004590 computer program Methods 0.000 title claims abstract description 13
- 238000012545 processing Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 11
- 244000038559 crop plants Species 0.000 claims description 9
- 238000000926 separation method Methods 0.000 claims description 9
- 238000003973 irrigation Methods 0.000 claims description 4
- 230000002262 irrigation Effects 0.000 claims description 4
- 230000003936 working memory Effects 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 2
- 238000004162 soil erosion Methods 0.000 claims description 2
- 238000003703 image analysis method Methods 0.000 claims 1
- 241000196324 Embryophyta Species 0.000 description 29
- 238000010191 image analysis Methods 0.000 description 12
- 239000011814 protection agent Substances 0.000 description 11
- 235000015097 nutrients Nutrition 0.000 description 10
- 239000002689 soil Substances 0.000 description 10
- 239000003337 fertilizer Substances 0.000 description 7
- 239000000203 mixture Substances 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 238000005457 optimization Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 239000003795 chemical substances by application Substances 0.000 description 4
- 238000003306 harvesting Methods 0.000 description 4
- 230000015654 memory Effects 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 238000013500 data storage Methods 0.000 description 3
- 238000009472 formulation Methods 0.000 description 3
- 238000002513 implantation Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000009331 sowing Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000012010 growth Effects 0.000 description 2
- 239000004009 herbicide Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000000575 pesticide Substances 0.000 description 2
- 230000008635 plant growth Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 206010061217 Infestation Diseases 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- RKTYLMNFRDHKIL-UHFFFAOYSA-N copper;5,10,15,20-tetraphenylporphyrin-22,24-diide Chemical compound [Cu+2].C1=CC(C(=C2C=CC([N-]2)=C(C=2C=CC=CC=2)C=2C=CC(N=2)=C(C=2C=CC=CC=2)C2=CC=C3[N-]2)C=2C=CC=CC=2)=NC1=C3C1=CC=CC=C1 RKTYLMNFRDHKIL-UHFFFAOYSA-N 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 238000012364 cultivation method Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 239000000417 fungicide Substances 0.000 description 1
- 239000003630 growth substance Substances 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 239000002917 insecticide Substances 0.000 description 1
- 238000002386 leaching Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Classifications
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- 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
- A01B76/00—Parts, details or accessories of agricultural machines or implements, not provided for in groups A01B51/00 - A01B75/00
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Environmental Sciences (AREA)
- Soil Sciences (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Diaphragms For Electromechanical Transducers (AREA)
- Image Processing (AREA)
Abstract
A presente invenção refere-se ao campo técnico da agricultura de precisão. A presente invenção fornece um método, um sistema de computador e um produto de programa de computador com o qual é criado um mapa de cultivo digital para um campo, o referido mapa de cultivo compreendendo múltiplas zonas, com pelo menos uma característica de pelo menos uma zona correspondente a pelo menos um valor de um parâmetro de trabalho da máquina que foi obtido a partir de uma imagem do campo.
Description
[001] A presente invenção refere-se ao campo técnico da agricultura de precisão. A presente invenção fornece um método, um sistema de computador e um produto de programa de computador com o qual é criado um mapa de cultivo digital para um campo, o referido mapa de cultivo compreendendo várias zonas, com pelo menos uma característica de pelo menos uma zona correspondente a pelo menos um valor de um parâmetro de trabalho da máquina que foi obtido a partir de uma imagem do campo.
[002] O termo “agricultura de precisão” é entendido como o cultivo local diferenciado e direcionado de terras agrícolas. O objetivo é levar em consideração as diferenças no solo e na capacidade de produção em um campo utilizado para a agricultura.
[003] Há uma avaliação crescente das imagens de satélite, por exemplo, a fim de identificar não homogeneidades em um campo utilizado para a agricultura e combinar o cultivo posterior do campo com essas não homogeneidades. Por exemplo, existem regiões favoritas em todos os campos em que o rendimento é maior do que nas outras regiões (menos favorecidas). A fim de aumentar o rendimento nessas regiões favorecidas, é concebível, por exemplo, plantar plantas de cultivo mais densamente ali e/ ou supri-las com mais nutrientes. Por outro lado, pode haver “regiões problemáticas” nas quais não vale a pena usar nutrientes e/ ou agentes de proteção de culturas por razões econômicas. Se tais regiões são conhecidas, é possível dispensar o uso de nutrientes e/ ou agentes de proteção de culturas.
[004] Para o cultivo automático ou semiautomático de campos com referência a circunstâncias específicas da área da parte, é possível utilizar mapas de cultivo digitais. Um mapa de cultivo digital é uma representação do campo e das várias regiões presentes no campo e de informações sobre como essas regiões devem ser cultivadas, por exemplo, para obter um rendimento máximo. O documento WO 00/23937 descreve um exemplo para geração de um mapa de cultivo digital. A base é um mapa digital de um campo que é baseado em uma imagem fotográfica e inclui figuras geográficas de comprimento e largura, de modo que a determinação da posição é possível. Um usuário pode definir zonas de gerenciamento neste mapa digital. O usuário pode atribuir formulações de substâncias (fertilizantes, pesticidas, herbicidas) e quantidades dessas formulações de substâncias a serem aplicadas nas zonas de manejo. O sistema do computador pode gerar um conjunto de dados. Este conjunto de dados (mapa de cultivo digital) permite que um agricultor, com a ajuda de um veículo apropriado, dirija-se às diferentes áreas do campo que correspondem às zonas de manejo no mapa e aplique as quantidades apropriadas de formulações de acordo com as atribuições feitas.
[005] Um outro exemplo de geração de mapas de cultivo digital é divulgado no documento WO 2016/032956. Neste exemplo, além das zonas de gerenciamento conhecidas no documento WO 00/23937, “blocos de aprendizado” são gerados. Por meio dos blocos de aprendizado, o agricultor é capaz de realizar variações no cultivo do campo para verificar se tais variações têm um efeito positivo ou negativo no rendimento. O agricultor é capaz de testar, por exemplo, se uma quantidade menor ou elevada de um agente aplicado exerce um efeito positivo ou negativo. Para esse propósito, regiões de tamanho definido (blocos) são distribuídas no campo e, em seguida, diferentes quantidades de agentes aplicados são atribuídas a esses blocos. O número de blocos e as variações nas quantidades de agentes aplicados são selecionados de modo que uma análise estatística dos rendimentos forneça informações sobre se uma variação específica é favorável ou desfavorável. Dessa maneira, um agricultor é capaz de otimizar o cultivo de seu campo por um longo período e, portanto, buscar um rendimento máximo.
[006] Na definição de zonas de gerenciamento e blocos de aprendizado, o equipamento da máquina disponível e suas limitações devem ser levados em consideração. Máquinas de cultivo agrícola têm uma largura de trabalho definida, por exemplo. A largura de uma zona e/ ou um bloco de aprendizado deve, se possível, ser um múltiplo da largura de trabalho da máquina de cultivo agrícola. Além disso, as zonas e/ ou blocos de aprendizado devem ser alinhados de acordo com a direção ideal do movimento (pista de condução) da máquina de cultivo agrícola.
[007] O documento WO 2016/032956 afirma que a definição dos blocos de aprendizado envolve a orientação manual dos caminhos de condução das máquinas de cultivo por parte de um usuário ou a avaliação de pontos de plantio anteriores. Se o agricultor não registrou os pontos de plantio anteriores ou eles não estão mais disponíveis, a segunda opção desaparece e o usuário é forçado a inserir a orientação manualmente. Mas a entrada manual é propensa a erros e complexa, especialmente quando zonas diferentes têm orientações diferentes nas pistas de direção.
[008] Seria desejável que os valores dos parâmetros de trabalho das máquinas de cultivo agrícola pudessem ser determinados automaticamente e levados em consideração na criação de mapas digitais de cultivo.
[009] Isto é conseguido pela presente invenção.
[0010] A presente invenção fornece primeiramente um método que compreende as etapas de - fornecer uma imagem de um campo para plantas de cultivo - analisar a imagem e identificar características de cultivo que fornecem informações sobre como o campo foi cultivado por máquinas no passado
- determinar pelo menos um valor para pelo menos um parâmetro de trabalho com referência às características de cultivo, especialmente a partir das características de cultivo, - criar um mapa de cultivo digital para o campo, o referido mapa de cultivo compreendendo múltiplas zonas, com pelo menos uma característica de pelo menos uma zona correspondente ao pelo menos um valor determinado para o pelo menos um parâmetro de trabalho.
[0011] A presente invenção fornece ainda um sistema de computador compreendendo - uma unidade receptora para receber uma imagem de um campo para plantas de cultivo e - uma unidade de processamento configurada para i. analisar uma imagem de um campo para plantas de cultivo e identificar características de cultivo que fornecem informações sobre como o campo foi cultivado por máquina no passado, ii. determinar pelo menos um valor para pelo menos um parâmetro de trabalho com referência às características de cultivo, especialmente a partir das características de cultivo, iii. criar um mapa de cultivo digital para o campo, o referido mapa de cultivo compreendendo múltiplas zonas, com pelo menos uma característica de pelo menos uma zona correspondente ao pelo menos um valor determinado para o pelo menos um parâmetro de trabalho.
[0012] A presente invenção fornece ainda um produto de programa de computador que compreende um programa de computador que pode ser carregado em uma ou mais memórias de trabalho de um sistema de computador e faz com que o sistema de computador execute as seguintes etapas: - receber uma imagem de um campo para plantas de cultivo - analisar a imagem e identificar características de cultivo que fornecem informações sobre como o campo foi cultivado por máquinas no passado - determinar pelo menos um valor para pelo menos um parâmetro de trabalho com referência às características de cultivo, especialmente a partir das características de cultivo, - criar um mapa de cultivo digital para o campo, o referido mapa de cultivo compreendendo múltiplas zonas, com pelo menos uma característica de pelo menos uma zona correspondente ao pelo menos um valor determinado para o pelo menos um parâmetro de trabalho.
[0013] Formas de realização preferidas da invenção podem ser encontradas nas reivindicações dependentes e na presente descrição.
[0014] A invenção é explicada em detalhes a seguir sem distinguir entre as matérias objeto da invenção (método, sistema de computador, produto de programa de computador). Em vez disso, as elucidações a seguir se destinam a ser analogamente aplicáveis a todas as matérias objeto, independentemente de seu contexto (método, sistema de computador, produto de programa de computador).
[0015] Se as etapas são mencionadas em uma sequência específica na descrição ou nas reivindicações, isso não significa necessariamente que as etapas devem realmente ser executadas na sequência especificada. Em vez disso, a invenção deve ser entendida de modo que as etapas listadas em uma sequência possam ser executadas em qualquer sequência ou ainda paralelamente entre si, a menos que uma etapa seja baseada em outra etapa, o que fica claro em cada caso a partir da descrição das etapas. As sequências listadas especificamente neste documento são, portanto, formas de realização meramente preferidas da invenção.
[0016] De acordo com a presente invenção, uma imagem ou múltiplas imagens de um campo para plantas de cultivo são utilizadas para determinar pelo menos um valor de pelo menos um parâmetro de trabalho para o cultivo com máquina do campo e introduzir esse valor na criação de um mapa de cultivo digital.
[0017] O termo “planta de cultivo” é entendido como uma planta que é propositalmente cultivada como planta útil ou ornamental por meio de intervenção humana.
[0018] O termo “campo” é entendido como uma região espacialmente delimitável da superfície da Terra que está em uso agrícola plantando plantas de cultivo em tal campo, fornecendo-lhes nutrientes e colhendo-os. Uma variedade individual de uma planta de cultivo pode ser cultivada em um campo; no entanto, diferentes variedades de uma planta de cultivo e/ ou diferentes plantas de cultivo também podem ser cultivadas. Também é concebível que um campo compreenda uma região ou uma pluralidade de regiões nas quais nenhuma planta de cultivo é cultivada e/ ou está sendo cultivada.
[0019] O termo “imagem” é entendido como uma imagem de um campo ou uma região de um campo. A imagem é tipicamente bidimensional; mas uma imagem tridimensional também é concebível.
[0020] A imagem é tipicamente uma imagem digital; mas o uso de imagens analógicas também é concebível em princípio.
[0021] O termo “digital” significa que a imagem possui pixels discretos e está em uma forma em que pode ser enviada ao processamento da máquina, geralmente por um sistema de computador. Para minimizar a demanda por memória, é habitual que a imagem digital seja codificada em binário e opcionalmente compactada.
[0022] “Processamento da máquina”, é entendido como os métodos conhecidos de processamento eletrônico de dados (EDP).
[0023] As imagens utilizadas no contexto da presente invenção mostram um campo ou parte de um campo, tipicamente visto de cima. Elas são tipicamente geradas com a ajuda de um ou mais sensores remotos; uma imagem digital compreende portanto, por exemplo, dados de sensoriamento remoto.
[0024] “Dados de sensoriamento remoto” são informações digitais obtidas remotamente da superfície da Terra, por exemplo, por satélites. Também é concebível o uso de aeronaves (não tripuladas (drones) ou tripuladas) para registrar dados de sensoriamento remoto.
[0025] Em uma primeira etapa do método da invenção, é fornecida pelo menos uma imagem de um campo para plantas de cultivo.
[0026] As imagens podem ser provenientes, por exemplo, de bancos de dados publicamente disponíveis ou comerciais. Há vários fornecedores de dados de sensoriamento remoto em várias etapas de processamento. Normalmente, inicialmente com base nas geocoordenadas de um campo em questão, pelo menos uma imagem digital que mostra o campo ou parte do campo em uma conjuntura passada é carregada de um banco de dados no sistema de computador da invenção, por exemplo, via Internet.
[0027] Também é concebível que a imagem seja gerada como uma imagem aérea por uma aeronave tripulada ou não tripulada (drone).
[0028] É dada preferência ao uso de imagens de satélite da superfície da Terra.
[0029] As imagens utilizadas de acordo com a invenção incluem características que se originam do cultivo passado do campo. Em uma etapa adicional do método da invenção, a pelo menos uma imagem é analisada para identificar tais características de cultivo.
[0030] As imagens podem ser criadas usando qualquer mecanismo de contraste que permita qualquer tipo de conclusão sobre como o campo foi cultivado no passado. Por exemplo, o cultivo pode, por exemplo, deixar traços topográficos, por exemplo sulcos, no campo que, por exemplo, reflete a luz visível de maneira diferente e causa um contraste em uma imagem óptica do campo. No entanto, o cultivo também pode, por exemplo, alterar a densidade da vegetação, o teor de umidade do solo ou outros parâmetros, que por sua vez podem alterar a emissão de luz do campo em outras regiões de comprimento de onda, por exemplo, no espectro infravermelho.
[0031] O método aqui também não é fundamentalmente restrito à geração de imagens por sensoriamento remoto. A geração de imagem óptica também pode ser efetuada com um smartphone, por exemplo, caso em que também é possível, por exemplo, usar smartphones que possuem adicionalmente uma câmera infravermelha. O método também pode ser realizado sem utilizar fontes de dados externas correspondentes para imagens, por exemplo, quando apenas uma conexão de rede estreita ou mesmo nenhuma conexão de rede está disponível no local do campo.
[0032] O termo “imagem” também não deve ser interpretado de maneira restritiva, pois a luz de uma região espacial específica é projetada por um sistema óptico em um sensor de imagem analógico ou digital, por exemplo dividido em pixels. Em vez disso, o campo também pode, por exemplo, ser digitalizado gradualmente com um feixe de laser. É possível, em qualquer ponto da digitalização, examinar o efeito do campo no feixe de laser e atribuí-lo a esse ponto na imagem, por exemplo, na forma de um valor cinza.
[0033] O mecanismo de contraste usado para a imagem também não se restringe à ação física no próprio campo, ou seja, no solo. Em vez disso, também é possível, por exemplo, que o cultivo do campo tenha um efeito sobre a atmosfera acima, que por sua vez pode ser medida por sensoriamento remoto.
Por exemplo, de acordo com as respectivas características locais do campo, é possível que diferentes quantidades de umidade sejam liberadas na atmosfera ou um coeficiente alterado de reflexão da luz solar leve a um aquecimento localmente diferente da atmosfera, o que pode em seguida, ser detectado por sensoriamento remoto em cada caso.
[0034] A pelo menos uma imagem é preferencialmente analisada pelo sistema de computador/ programa de computador da invenção. A análise de imagem pode ser realizada usando métodos padrão de reconhecimento de padrões. Métodos de aprendizado de máquina também são concebíveis, por exemplo, o uso de redes neurais artificiais. O objetivo da análise de imagem é identificar características na imagem que resultam do cultivo anterior do campo.
[0035] Para a análise da imagem, é possível usar qualquer método de visão de máquina. Por exemplo, a imagem pode ser classificada por uma rede neural artificial ou outro módulo de IA para saber se tipos específicos de traços de cultivo estão presentes nela. Quando as características de cultivo são aquelas que podem ter uma extensão maior ou menor em termos quantitativos, essa extensão também pode ser verificada, por exemplo, por uma análise de regressão.
[0036] As características típicas do cultivo são: limites de campo, pistas de condução, faixas de rodagem, cabeceiras, margens de campo, faixas de lavoura, faixas de flores, rotas de acesso, separações de plantas, características de drenagem, por exemplo, canais de irrigação e/ ou de drenagem, cercas, demarcações, meios de proteção da erosão do solo (por exemplo, madeiras) e similares. Mais particularmente, todas as características de cultivo podem ser selecionadas a partir desta lista. Como indicado acima, no entanto, o termo “característica de cultivo” não se limita a tais características topograficamente visíveis, mas também pode incluir, por exemplo, uma alteração no teor de umidade, na densidade da vegetação ou na composição química do solo.
[0037] “Faixa de rodagem” refere-se à parte do campo percorrida repetidamente para medidas de cuidado durante o crescimento da planta de cultivo. Geralmente, as tiras passadas não são semeadas para economizar sementes. As faixas de rodagem geralmente são alinhadas paralelamente a uma distância de 12 a 36 metros. Isso depende particularmente do equipamento em operação. Pulverizadores de campo e distribuidores de fertilizantes, em particular, definem a separação das faixas de rodagem através de suas larguras de trabalho. Normalmente, a semeadura começa na metade da faixa de rodagem (ou seja, 6-18 metros, dependendo da operação, veja acima) a partir da borda.
Uma faixa de rodagem também está incluída no cabeceira. Posteriormente, as faixas restantes são alinhadas em uma separação da largura total da faixa de rodagem, paralela ao lado mais longo do campo.
[0038] É particularmente vantajoso que pelo menos um limite de uma zona corresponda a pelo menos parte de um limite de uma faixa de rodagem. Isso tem o efeito de que a faixa de rodagem não é cultivada pela máquina de cultivo. O material consumível, por exemplo, semente, nutriente ou agente de proteção de culturas, não ajuda o crescimento de plantas na faixa de rodagem. A aplicação de água ou mesmo o arado pode até prejudicar a usabilidade da faixa de rodagem.
[0039] “Cabeceira” na agricultura refere-se à região marginal de um campo para girar no decorrer do cultivo, por exemplo, por trator durante o arado.
No caso do cultivo em faixa habitual, um campo tem portanto uma cabeceira em cada um dos dois lados opostos. Estas são geralmente os dois lados mais curtos, uma vez que o cultivo longitudinal está associado a menos operações de giro em geral e, portanto, é mais econômico. As áreas de cabeceira são cultivadas em ângulo reto em relação a direção normal do cultivo e paralelamente à borda do campo e, dependendo da operação, antes (colheita, semeadura de milho) ou depois (colheita normal) do cultivo da parcela principal.
[0040] Uma “faixa marginal” é uma região marginal de campos que são cultivados sem o uso de agentes de proteção de culturas, para que as plantas selvagens possam se espalhar por lá. Em contraste com as “tiras de flores” que são semeadas com uma mistura de flores na primavera, o objetivo das tiras marginais é promover as plantas do campo silvestres (plantas segetais) suportadas pelo solo local.
[0041] As características de cultivo mostram, de maneira apropriada, como o campo foi cultivado no passado e como o campo também poderia ser cultivado no futuro. Em uma etapa adicional, é determinado pelo menos um valor para pelo menos um parâmetro de trabalho com referência às características de cultivo identificadas, especialmente a partir das características de cultivo identificadas. Isto é preferencialmente determinado por meio do sistema de computador/ programa de computador da invenção.
[0042] Um parâmetro de trabalho determina como uma máquina de cultivo agrícola é usada no campo. Entende-se por significar, por exemplo, um programa para o movimento da máquina de cultivo em termos de local e/ ou tempo, mas também, por exemplo, um programa para a natureza ou intensidade das medidas de cultivo realizadas pela máquina, como aração ou introdução de quaisquer substâncias, em termos de local e/ ou tempo.
[0043] O termo “máquina de cultivo agrícola” abrange qualquer aparelho que se mova ou seja movido sobre ou através de um campo enquanto executa uma medida agrícola.
[0044] Exemplos de máquinas de cultivo agrícola são, por exemplo, distribuidor de fertilizantes, cortador de grama, triturador, plantador, arado, semeadora, pulverizador de campo e similares (consulte também, por exemplo, http://www.wikiwand.com/de/Liste_landwirtschaftlicher_Geräte_und_Maschinen ).
[0045] O termo “medida agrícola” é entendido como qualquer medida no campo para plantas de cultivo necessária e/ ou economicamente viável e/ ou ambientalmente aconselhável, a fim de obter um produto vegetal.
Exemplos de medidas agrícolas são: cultivo do solo (por exemplo, aração),
implantação de sementes (semeadura), irrigação, remoção de plantas daninhas/ ervas daninhas, fertilização, controle de organismos prejudiciais, implantação de agentes de proteção de culturas, colheita e similares.
[0046] O termo “agente de proteção de culturas” é entendido como um agente que é usado para proteger plantas ou produtos de plantas de organismos prejudiciais ou para impedir seu efeito, destruir plantas ou partes de plantas indesejadas, inibir o crescimento indesejado de plantas ou impedir esse crescimento e/ ou influenciar os processos vitais das plantas de maneira diferente dos nutrientes (por exemplo, reguladores de crescimento). Exemplos de agentes de proteção de culturas são herbicidas, fungicidas e pesticidas (por exemplo, inseticidas).
[0047] Alguns dos valores para os parâmetros de trabalho são definidos pelas máquinas de cultivo agrícola disponíveis, por exemplo, a largura da esteira; outros são variáveis e, portanto, podem ser otimizados, por exemplo, rotas e direções de condução. Os parâmetros de trabalho sob consideração de acordo com a invenção incluem especialmente aqueles que exercem influência sobre a extensão e/ ou forma e/ ou alinhamento e/ ou localização de uma região que é cultivada por uma máquina de cultivo agrícola, especialmente rotas de condução, instruções de direção, larguras de esteira, larguras de trabalho, separações de plantas e similares. O que esses parâmetros de trabalho têm em comum é que eles podem ser ajustados apenas com dificuldade, se houver, durante o cultivo do campo com a máquina de cultivo.
[0048] No entanto, os parâmetros de trabalho disponíveis também incluem, por exemplo, a velocidade de condução, a profundidade de penetração ou a pressão aplicada por um arado e/ ou a taxa de implantação de um tipo de semente, de um nutriente, de um fertilizante, de um agente de proteção de planta ou de água, embora esses parâmetros de trabalho possam variar comparativamente rapidamente, mesmo durante o cultivo.
[0049] Em uma etapa adicional do método da invenção, um mapa de cultivo digital é criado para o campo. O mapa de cultivo digital é uma representação digital do campo ou de parte do campo. Ele possui informações de localização geográfica que podem ser verificadas com a ajuda de um sistema de posicionamento, por exemplo, para poder navegar em uma máquina de cultivo agrícola no campo com base no mapa de cultivo. Sistemas de posicionamento adequados são frequentemente resumidos pelo termo GPS (sistema de posicionamento global).
[0050] O mapa de cultivo digital possui diversas zonas. Isso significa que o campo ou a parte do campo representada pelo mapa de cultivo é dividida em múltiplas regiões correspondentes às zonas. Geralmente, é um atributo característico de uma zona que a região do campo representada pela zona seja relativamente homogênea em relação a um ou mais fatores de rendimento que influenciam o rendimento da região. As zonas são frequentemente definidas de modo que o pelo menos um fator de rendimento varie menos dentro da zona do que entre duas zonas diferentes. É um atributo característico de uma zona que a região do campo representada pela zona seja cultivada de maneira agricolamente homogênea, enquanto pelo menos um valor de um parâmetro de trabalho da máquina de cultivo agrícola deve ser alterado na transição de uma zona para outra zona. É concebível, por exemplo, que diferentes quantidades ou concentrações de um agente de proteção de culturas sejam aplicadas ou diferentes quantidades de nutrientes ou diferentes composições de meios de aplicação ou diferentes métodos de cultivo ou diferentes quantidades de água para irrigação ou similares sejam atribuídos ou sejam atribuído a diferentes zonas.
[0051] As zonas podem ser zonas de gerenciamento “convencionais”, como descrito, por exemplo, no documento WO 00/23937. As zonas também podem ser blocos de aprendizado, como divulgado, por exemplo,
no documento WO 2016/032956.
[0052] Na definição das zonas, o pelo menos um valor determinado do pelo menos um parâmetro de trabalho agora é levado em consideração ao combinar pelo menos uma característica de pelo menos uma zona ao pelo menos um valor determinado para o pelo menos um parâmetro de trabalho.
[0053] As características de uma zona são, por exemplo: localização, extensão, tamanho, forma, alinhamento e similares.
[0054] Como já descrito, uma zona no mapa de cultivo digital representa uma região de um campo no mundo real. Em outras palavras, uma zona no mapa de cultivo digital corresponde a uma região no campo.
Consequentemente, a localização da zona no mapa de cultivo corresponde à posição geográfica da região correspondente no campo.
[0055] As características de cultivo identificadas fornecem informações sobre o cultivo de máquinas passado no campo. Esse cultivo de máquina incorpora o conhecimento empírico das pessoas que definiram ou controlaram esse cultivo até o momento. Esse conhecimento geralmente não é registrado na forma escrita e nem pode ser facilmente expresso em palavras para esse registro. Assim, é frequentemente armazenado apenas nas memórias das pessoas envolvidas. Como as características de cultivo agora entram na definição dos parâmetros de trabalho, o conhecimento empírico pode ser registrado e estabelecido. Assim, é possível garantir que o conhecimento empírico não seja perdido se as pessoas envolvidas até o momento, por exemplo, morrerem ou mudarem de empregador. Mais particularmente, fica mais fácil entregar o cultivo do campo de uma pessoa para outra, por exemplo, no caso de uma mudança de geração. O cultivo do campo pode ser continuado de forma reproduzível de acordo com o referido conhecimento empírico, cultivando o campo por máquina de acordo com os parâmetros de trabalho que por sua vez foram determinados com referência às características de cultivo.
[0056] Mesmo que o cultivo do campo não mude de uma pessoa para outra, a reprodutibilidade do cultivo da máquina já será aumentada. Até o momento, muitas máquinas usadas para cultivo agrícola foram operadas manualmente. Para muitos parâmetros de trabalho, não havia um programa de tempo definido a priori que tenha sido implementado, nem um programa de tempo que era realmente executado por atuação manual disponível para reutilização. Uma vez criado, um mapa digital de cultivo, por outro lado, pode ser usado repetidamente.
[0057] A referência de parâmetros de cultivo para a determinação de parâmetros de trabalho também pode se estender a uma história de parâmetros de cultivo ao longo do tempo. Por exemplo, é frequentemente aconselhável na agricultura, para evitar a lixiviação do solo, o cultivo de diferentes plantas de cultivo em uma rotação específica. Consequentemente, uma história de múltiplos cultivos executados sucessivamente em uma e mesma região do campo pode ser relevante para a determinação de parâmetros de trabalho para cultivo futuro.
[0058] Conforme elucidado acima, o programa de tempo dos parâmetros de trabalho executado especificamente no cultivo mecânico de um campo não depende apenas das circunstâncias biológicas do próprio campo, por exemplo, as não homogeneidades nas características do solo. Em vez disso, muitos parâmetros de trabalho também estão vinculados a máquinas especificamente usadas. Se, no cultivo do campo, é feita uma troca de uma máquina usada até hoje para uma nova máquina com maior largura de trabalho, por exemplo, ou que emite um meio de pulverização com uma distribuição espacial diferente, os parâmetros de trabalho devem ser adaptados para a nova máquina. Se os parâmetros de trabalho são determinados de maneira automatizada com referência às características de cultivo, o ajuste para uma nova máquina também pode ser efetuado da mesma maneira. Isso evita qualquer necessidade de adaptar os parâmetros de trabalho às características alteradas da nova máquina por tentativa e erro manual.
[0059] Os parâmetros de trabalho, uma vez determinados, não precisam permanecer inalterados para o cultivo posterior do campo. Em vez disso, também é possível, por exemplo, usar esses parâmetros de trabalho como ponto de partida para otimização assistida por computador. Assim, é possível, por exemplo, ler efetivamente o conhecimento empírico existente na forma das características de cultivo e, a partir disso, determinar parâmetros de trabalho que não apenas reproduzem o cultivo com mais ou menos precisão até o momento, mas oferecem valor agregado por comparação. Os parâmetros de trabalho otimizados podem, por exemplo, acelerar o cultivo, melhorar o rendimento alcançado das plantas de cultivo ou minimizar o uso de materiais consumíveis, como nutrientes, fertilizantes ou meios de pulverização.
[0060] Na definição dos parâmetros de trabalho para o mapa de cultivo digital, é adicionalmente possível consultar outras informações adicionais, se disponíveis. Por exemplo, a densidade de plantas de cultivo ou de infestação de plantas daninhas pode ser analisada a partir de imagens ou outras medidas.
Também é possível, por exemplo, fazer referência a dados sobre as características do solo, por exemplo, uma distribuição espacialmente não homogênea da composição ou do teor de umidade determinado nas medições.
[0061] Assim, as zonas também devem ser distinguidas das regiões associadas aparentes na imagem que foram cultivadas de maneira semelhante no passado. Especialmente no caso descrito em que o campo deve ser cultivado no futuro com diferentes máquinas de cultivo do que antes, o mapa de cultivo digital pode muito possivelmente resultar em uma subdivisão totalmente nova do campo em zonas.
[0062] De acordo com a forma da zona, as coordenadas de um número diferente de pontos podem ser necessárias para fixar sem ambiguidade a localização da zona no mapa de cultivo (e, portanto, a localização da região correspondente no campo). No caso de um mapa de cultivo bidimensional e uma zona retangular com arestas retas (sem cortes), por exemplo, as coordenadas dos quatro cantos são suficientes para fixar inequivocamente a localização da zona.
[0063] A extensão da zona no mapa de cultivo corresponde à extensão da região correspondente no campo. Entende-se por “extensão” a extensão em pelo menos uma direção. A extensão pode, por exemplo, ser o comprimento ou a largura da zona. A extensão também pode ser a extensão máxima ou a extensão mínima. De preferência, a extensão é a extensão em ângulos retos em relação a direção de cultivo da região correspondente. A direção de cultivo é aquela na qual uma máquina de cultivo agrícola se move ou é movida quando está implementando uma medida agrícola na região correspondente.
[0064] O tamanho da zona no mapa de cultivo corresponde ao tamanho da região correspondente no campo, com “tamanho” normalmente sendo entendido como a área.
[0065] Há um ótimo em relação ao tamanho das zonas. Quanto menores as zonas individuais escolhidas, mais acuradamente a distribuição espacial do cultivo real no campo pela máquina de cultivo pode ser comparada a uma distribuição alvo previamente determinada. Por outro lado, quanto maiores as zonas individuais escolhidas, mais rapidamente o campo pode ser cultivado em geral.
[0066] A otimização assistida por computador do mapa de cultivo digital, ou seja, a obtenção de uma distribuição espacial alvo de um ou mais parâmetros de trabalho sobre a área do campo, pode ser realizada de várias maneiras, utilizando o conhecimento empírico incorporado nas características de cultivo e anteriormente lida na análise de imagem. O método de otimização pode ser especialmente guiado pelo valor que é atribuído ao referido conhecimento empírico.
[0067] O objetivo da otimização pode incluir especialmente uma função de qualidade que contém um termo para cada uma das propriedades a serem otimizadas, com ponderação relativa dos termos, por exemplo, na forma de uma soma ponderada. As propriedades a serem otimizadas podem, por exemplo, ser um rendimento geral do campo, um tempo necessário para o cultivo do campo completo e um ou mais consumos de sementes, água, fertilizante, nutriente, agente de proteção de culturas ou sementes. A função de qualidade também pode ser limitada por condições de limites, por exemplo, regulações ambientais para carga máxima de fertilizantes ou agentes de proteção de culturas no solo ou para consumo máximo de água. Os termos na função de qualidade podem ser independentes entre si ou podem interagir entre si.
[0068] Por exemplo, as ponderações na função de qualidade podem ser determinadas total ou parcialmente a partir das características de cultivo que são obtidas a partir da análise da imagem. No entanto, as características de cultivo determinadas também podem ser referidas, por exemplo, para determinar valores iniciais para aqueles parâmetros de trabalho que são objeto da otimização.
[0069] No entanto, também pode ser um objetivo da otimização para determinadas características de cultivo definidas por conta da análise da imagem a ser conservada se o futuro cultivo do campo estiver em conformidade com o novo mapa de cultivo digital. A função de qualidade pode incluir um termo, por exemplo, que penaliza uma mudança nessas características de cultivo. A motivação por trás disso não é exagerar completamente o conhecimento empírico com o qual o sucesso passado foi alcançado.
[0070] A forma da zona no mapa de cultivo corresponde à forma da região correspondente no campo. Uma zona é tipicamente uma área. A área pode ser n-angular onde n é um número inteiro maior que dois (por exemplo, triangular, tetragonal, pentagonal etc.); pode ser retangular, quadrado, trapezoidal, em forma de diamante, redondo, oval, elíptico ou ter qualquer outra forma. A área tem preferencialmente uma forma na qual dois lados correm paralelos um ao outro a uma distância constante. A área é preferencialmente retangular, em forma de diamante, trapezoidal ou tem a forma de um paralelogramo.
[0071] O alinhamento da zona no mapa de cultivo corresponde ao alinhamento da região correspondente no campo. Entende-se por alinhamento a orientação de dois lados de uma zona bidimensional que correm paralelos um ao outro. A orientação indica as direções (por exemplo, na forma dos pontos da bússola) nas quais os lados paralelos se estendem. O alinhamento normalmente corresponde à direção do cultivo (enquanto a extensão é perpendicular à mesma).
[0072] De acordo com a invenção, pelo menos uma característica de pelo menos uma zona é assim correspondida a pelo menos um valor determinado para pelo menos um parâmetro de trabalho. Entende-se por “correspondência” que o valor determinado é usado para definir a característica.
[0073] Por exemplo, é concebível permitir que os limites de uma zona coincidam com os limites das pistas de rodagem.
[0074] Normalmente, a característica é calculada a partir do valor ou com a ajuda do valor. Por exemplo, é concebível fixar a extensão de uma zona em uma direção, por exemplo, em ângulos retos em relação a direção de cultivo, com um múltiplo, especialmente um múltiplo inteiro, da largura de trabalho de uma máquina de cultivo agrícola. Desta forma, a capacidade de trabalho da máquina de cultivo é explorada de maneira ideal, pois a zona pode ser então cultivada pela máquina de cultivo em faixas sem sobreposição, sem deixar nenhuma região da zona sem cultivo.
[0075] Uma outra contribuição vantajosa pode ser feita para essa exploração ideal quando dois limites de pelo menos uma zona que correm paralelos um ao outro correm paralelos à uma direção de cultivo de uma máquina de cultivo agrícola.
[0076] O mapa de cultivo digital criado pode ser exibido para um usuário em uma tela ou o usuário pode baixá-lo em uma mídia de armazenamento ou em um sistema de computador móvel (por exemplo, um tablet ou smartphone). Também é concebível que o mapa de cultivo digital seja transmitido para um sistema de computador que faz parte de uma máquina de cultivo agrícola. Se uma máquina de cultivo agrícola tendo um sistema de posicionamento é movida (ou se move autonomamente) através de um campo ou por um campo, a posição real pode ser verificada com as informações de localização no mapa de cultivo digital, a fim de determinar a zona em que a máquina de cultivo agrícola está presente no momento. Normalmente, as zonas (ou as regiões correspondentes no campo) são cultivadas de maneira diferente.
As instruções de trabalho são tipicamente registradas no mapa de cultivo.
Quando um limite de zona é ultrapassado, é dada preferência ao ajuste/ alteração de um parâmetro de trabalho de acordo com as instruções de trabalho.
[0077] O método da invenção pode ser executado total ou parcialmente em um sistema de computador (por exemplo, o sistema de computador da invenção).
[0078] Um sistema de computador compreende um ou mais computadores. O termo “computador” é entendido como uma máquina universalmente controlada por programa para processamento de informações.
Um computador possui pelo menos uma unidade de entrada por meio da qual os comandos de dados e controle podem ser inseridos (mouse, trackpad, teclado, scanner, webcam, joystick, microfone, leitor de código de barras etc.), uma unidade de processamento que compreende memória e processador de trabalho nos quais dados e comandos são processados e uma unidade de saída para transmitir dados do sistema (por exemplo, tela, impressora, alto-falante etc.). Os computadores modernos geralmente são divididos em computadores de mesa, computadores portáteis, laptops, notebooks, netbooks e computadores tablet, e os chamados computadores de mão (por exemplo, smartphones, smartwatches). No entanto, o termo “computador” também inclui, por exemplo, sistemas incorporados usados nas modernas máquinas de cultivo agrícola.
[0079] No entanto, o termo “sistema de computador” não implica que todos os componentes deste sistema estejam em um único local. Por exemplo, também é possível que diferentes partes da unidade de processamento estejam presentes em diferentes computadores físicos em diferentes locais. Por exemplo, a análise da imagem pode ser realizada no servidor externo de um fornecedor especializado para a aquisição dessas imagens e sua análise por quaisquer características. A tradução das características de cultivo em parâmetros de trabalho pode envolver, por exemplo, um fabricante de máquinas de cultivo que atua como fonte de informações sobre como as mudanças nos parâmetros de trabalho afetam o resultado do cultivo.
[0080] O sistema de computador da invenção inclui uma unidade receptora para receber uma imagem de um campo para plantas de cultivo.
Tipicamente, o sistema de computador da invenção é conectado a um banco de dados por meio de uma rede (por exemplo, a Internet). Nesse caso, o sistema de computador da invenção é configurado de modo que possa chamar imagens de um campo ou de parte de um campo do banco de dados e lê-las na memória de trabalho do sistema de computador da invenção ou armazená-las em um meio de armazenamento de dados (por exemplo, um disco rígido) do sistema de computador da invenção. Também é concebível que um usuário do sistema de computação da invenção mantenha uma imagem em um meio de armazenamento de dados separado (por exemplo, um cartão de memória USB) e a conecte ao sistema de computação da invenção por meio de uma interface (por exemplo, através do soquete USB) a fim de transferir a imagem para o sistema de computador da invenção.
[0081] O sistema de computador da invenção também inclui uma unidade de processamento configurada para analisar a imagem e identificar características de cultivo que fornecem informações sobre o cultivo por máquina do campo passado, para determinar pelo menos um valor para pelo menos um parâmetro de trabalho das características de cultivo, e para criar um mapa de cultivo digital para o campo, o referido mapa de cultivo compreendendo múltiplas zonas, com pelo menos uma característica de pelo menos uma zona correspondente ao pelo menos um valor determinado para pelo menos um parâmetro de trabalho.
[0082] O sistema de computador da invenção normalmente possui uma unidade de exibição (por exemplo, uma tela) para que um usuário possa controlar e verificar as etapas que o sistema de computador implementa e/ ou exibir uma exibição da imagem digital e/ ou do mapa de cultivo digital.
[0083] O sistema de computador da invenção possui tipicamente uma unidade de saída com a qual um mapa de cultivo digital pode ser transmitido para outro sistema de computador e/ ou uma unidade de armazenamento.
[0084] Segue uma descrição detalhada da invenção com referência a exemplos e figuras, mas sem desejar restringir a invenção às características ou combinações de características mencionadas nos exemplos.
[0085] A Figura 1 mostra uma imagem de satélite (1) de parte de um campo visto de cima. A imagem do satélite é mostrada em uma representação em preto e branco.
[0086] Uma infinidade de características de cultivo são aparentes, indicando o cultivo passado do campo.
[0087] A parte do campo mostrada pode ser dividida em três regiões que são delimitadas uma pela outra por diferentes direções de cultivo.
Uma primeira região (10) possui linhas horizontais que indicam que essa região foi cultivada da esquerda para a direita e/ ou da direita para a esquerda ao longo das linhas. As linhas, o seu alinhamento, a separação entre si e seu número constituem características de cultivo que podem ser identificadas por meio da análise de imagens.
[0088] Uma segunda região (11) possui linhas verticais que indicam que essa região foi cultivada de cima para baixo e/ ou de baixo para cima. As linhas, o seu alinhamento, a separação entre si e o seu número constituem características de cultivo que podem ser identificadas por meio da análise de imagens.
[0089] Uma terceira região (12a, 12b, 12c) possui linhas que se estendem da parte superior esquerda para a parte inferior direita e indicam que essa região foi cultivada da parte superior esquerda para a parte inferior direita e/ ou da parte inferior direita para a parte superior esquerda ao longo das linhas.
As linhas, o seu alinhamento, a separação entre si e o seu número constituem características de cultivo que podem ser identificadas por meio da análise de imagens. A terceira região (12a, 12b, 12c) pode ser dividida em três sub-regiões (12a, 12b e 12c) que são separadas uma da outra pelas faixas de rodagem (14a, 14b). Além disso, aparentes na região da interface entre as regiões (10) e (12b, 12c) estão as cabeceiras (15).
[0090] A localização e a largura das faixas de rodagem e cabeceiras são características de cultivo que podem ser identificadas por análise de imagem.
[0091] O campo mostrado em parte na imagem de satélite é delimitado em dois lados pelas rotas de acesso (13a e 13b). A localização e a largura das rotas de acesso são características de cultivo que podem ser identificados por análise de imagem.
[0092] A Figura 2 mostra, a título de exemplo, os parâmetros de trabalho cujos valores podem ser determinados a partir das características de cultivo na Figura 1.
[0093] As distâncias A1 e A2 podem ser usadas, por exemplo, para determinar valores para a largura de trabalho da máquina de cultivo agrícola.
[0094] As larguras das faixas de rodagem, cabeceiras e vias de acesso podem ser usadas para determinar valores para larguras máximas de faixas da máquina de cultivo agrícola. As direções nas quais as linhas correm nas regiões de campo (10, 11 e 12) podem ser usadas para determinar as direções de cultivo preferidas.
[0095] A Figura 3 mostra um esquema da definição de zonas. Duas zonas (Z1) e (Z2) são desenhadas no mapa. As características das zonas são correspondentes aos valores dos parâmetros de trabalho. É a extensão da zona (Z1) em uma direção (em ângulos retos à direção do cultivo) exatamente metade da largura de trabalho (A1) e a extensão da zona (Z2) em uma direção (em ângulos retos à direção do cultivo) exatamente a largura de trabalho (A2).
[0096] A Figura 4 mostra um esquema de um exemplo da construção de um sistema de computador da invenção.
[0097] O sistema de computador (30) compreende uma unidade de entrada (35) com a qual um usuário pode inserir dados e controlar comandos.
Ele compreende uma unidade de processamento (31) para processar dados e comandos de controle. A unidade de processamento (31) possui uma memória de trabalho (32) e um processador (33). O processador (33) compreende uma unidade de controle (33a) e uma unidade aritmética (33b). A unidade de computador (30) compreende ainda uma unidade de saída (37) com a qual os dados podem ser enviados. A unidade de computador (30) compreende ainda um meio de armazenamento de dados (39), uma unidade de recepção (36) com a qual os sinais e/ ou os dados podem ser recebidos de dispositivos externos e uma unidade de transmissão (39) com a qual os sinais e/ ou dados pode ser enviado para dispositivos externos.
[0098] Segue uma descrição a título de exemplo de uma forma de realização do método da invenção. Um usuário utiliza o sistema de computador da invenção no qual o programa de computador da invenção está instalado.
[0099] O sistema do computador fornece ao usuário um mapa digital. Por meio de um dispositivo de entrada, por exemplo, um mouse, o usuário pode alterar a seção do mapa e aplicar zoom no mapa ou diminuir o zoom no mapa, de forma que ele possa exibir um campo específico no mapa. No mapa, o usuário pode selecionar um campo específico, por exemplo, desenhando os limites do campo. Como alternativa, é concebível que os limites do campo sejam reconhecidos automaticamente por meio de análise de imagem e o usuário possa selecionar um campo reconhecido, por exemplo, clicando nele com o mouse.
[00100] Com base no campo selecionado, o sistema de computador chama uma ou mais imagens digitais de um banco de dados, por exemplo, via Internet, que mostra o campo em um momento anterior. É concebível que o usuário insira datas passadas ou um período de interesse particular no sistema de computador. É concebível que uma ou mais imagens acessadas sejam exibidas para o usuário e ele selecione aquelas/ quais as características de cultivo que mostram como o campo foi cultivado no passado e como também deve ser cultivado no futuro.
[00101] O sistema de computador analisa uma ou mais imagens digitais e identifica as características de cultivo.
[00102] É concebível que o sistema de computador exiba as características de cultivo identificadas na tela. É concebível que o usuário selecione aquelas características de cultivo que devem formar a base de valores determinantes para os parâmetros de trabalho.
[00103] O sistema de computador verifica pelo menos um valor para pelo menos um parâmetro de trabalho das características de cultivo.
[00104] O sistema de computador cria um mapa de cultivo digital para o campo, o referido mapa de cultivo compreendendo múltiplas zonas, com pelo menos uma característica de pelo menos uma zona correspondente ao pelo menos um valor determinado para pelo menos um parâmetro de trabalho.
[00105] É concebível que o sistema de computador exiba o mapa de cultivo digital na tela.
[00106] É concebível que o usuário carregue o mapa de cultivo digital em um sistema de controle para uma máquina de cultivo agrícola.
[00107] É concebível que o usuário execute uma medida agrícola com o auxílio da máquina de cultivo agrícola, com uma alteração de pelo menos um parâmetro de trabalho da máquina de cultivo agrícola ao passar de uma região do campo correspondente a uma zona no mapa de cultivo para outra região do campo correspondente a outra zona no mapa de cultivo.
[00108] A criação do mapa de cultivo digital pode ser oferecida, por exemplo, como um serviço externo, uma vez que, em princípio, pode ser criado com base no sensoriamento remoto do campo, ou seja, sem presença física no campo. Portanto, a invenção também se refere a um mapa de cultivo digital para o cultivo agrícola de um campo que foi obtido pelo método descrito.
Claims (12)
1. MÉTODO, caracterizado por compreender as etapas de - fornecer uma imagem de um campo para plantas de cultivo - analisar a imagem e identificar características de cultivo que fornecem informações sobre como o campo foi cultivado por máquinas no passado - determinar pelo menos um valor para pelo menos um parâmetro de trabalho com referência às características de cultivo - criar um mapa de cultivo digital para o campo, o referido mapa de cultivo compreendendo múltiplas zonas, com pelo menos uma característica de pelo menos uma zona correspondente ao pelo menos um valor determinado para o pelo menos um parâmetro de trabalho.
2. MÉTODO, de acordo com a reivindicação 1, caracterizado pela imagem ser analisada de maneira automatizada por meio de métodos de análise de imagem implementados por computador.
3. MÉTODO, de acordo com qualquer uma das reivindicações 1 a 2, caracterizado pela imagem ser uma imagem aérea ou uma imagem de satélite.
4. MÉTODO, de acordo com qualquer uma das reivindicações 1 a 3, caracterizado por pelo menos uma característica de cultivo ser selecionada a partir da lista a seguir: limites de campo, pistas de condução, faixas de rodagem, cabeceiras, margens de campo, faixas de lavoura, faixas de flores, rotas de acesso, separações de planta, canais de irrigação e/ ou drenagem, cercas, demarcações e/ ou meios de proteção contra a erosão do solo.
5. MÉTODO, de acordo com qualquer uma das reivindicações 1 a 4, caracterizado por pelo menos um parâmetro de trabalho ser selecionado a partir da lista a seguir: rota de condução, direção de condução, largura da pista, largura de trabalho, separação de plantas.
6. MÉTODO, de acordo com qualquer uma das reivindicações 1 a 5, caracterizado pela extensão de pelo menos uma zona em ângulos retos em relação a uma direção de cultivo ser um múltiplo inteiro da largura de trabalho de uma máquina de cultivo agrícola.
7. MÉTODO, de acordo com qualquer uma das reivindicações 1 a 6, caracterizado por pelo menos um limite de uma zona coincidir com pelo menos parte de um limite de uma faixa de rodagem.
8. MÉTODO, de acordo com qualquer uma das reivindicações 1 a 7, caracterizado por dois limites da pelo menos uma zona que correm paralelos um ao outro correrem paralelos a uma direção de cultivo de uma máquina de cultivo agrícola.
9. MÉTODO, de acordo com qualquer uma das reivindicações 1 a 8, caracterizado por compreender as seguintes etapas: - chamar um mapa digital de um campo para uma tela de um sistema de computador por parte de um usuário - recuperar pelo menos uma imagem digital mostrando o campo em um momento anterior a partir de um banco de dados no sistema de computador - analisar automaticamente a imagem e identificar as características de cultivo que fornecem informações sobre como o campo foi cultivado por máquinas no passado - exibir características de cultivo na tela - selecionar as características de cultivo exibidas por parte do usuário - determinar automaticamente pelo menos um valor para pelo menos um parâmetro de trabalho a partir das características de cultivo selecionadas - criar automaticamente um mapa de cultivo digital para o campo, o referido mapa de cultivo compreendendo múltiplas zonas, com pelo menos uma característica de pelo menos uma zona correspondente ao pelo menos um valor determinado para o pelo menos um parâmetro de trabalho - exibir o mapa de cultivo digital na tela - opcionalmente, carregar o mapa de cultivo digital em um sistema de controle para uma máquina de cultivo agrícola - opcionalmente, executar uma medida agrícola com o auxílio da máquina de cultivo agrícola, com uma alteração de pelo menos um parâmetro de trabalho da máquina de cultivo agrícola ao passar de uma região do campo correspondente a uma zona no mapa de cultivo para outra região do campo correspondente a outra zona no mapa de cultivo.
10. MAPA DE CULTIVO DIGITAL, caracterizado por ser para o cultivo agrícola de um campo, obtido por um método, conforme definido em qualquer uma das reivindicações 1 a 9.
11. SISTEMA DE COMPUTADOR, caracterizado por compreender - uma unidade receptora para receber uma imagem de um campo para plantas de cultivo e - uma unidade de processamento configurada para i. analisar uma imagem de um campo para plantas de cultivo e identificar características de cultivo que fornecem informações sobre o cultivo por máquina anterior do campo, ii. determinar pelo menos um valor para pelo menos um parâmetro de trabalho com referência às características de cultivo, e iii. criar um mapa de cultivo digital para o campo, o referido mapa de cultivo compreendendo múltiplas zonas, com pelo menos uma característica de pelo menos uma zona correspondente ao pelo menos um valor determinado para o pelo menos um parâmetro de trabalho.
12. PRODUTO DE PROGRAMA DE COMPUTADOR,
caracterizado por compreender um programa de computador que pode ser carregado em uma ou mais memórias de trabalho de um sistema de computador e faz com que o sistema de computador execute as seguintes etapas nele:
- receber uma imagem de um campo para plantas de cultivo
- analisar a imagem e identificar características de cultivo que fornecem informações sobre como o campo foi cultivado por máquinas no passado
- determinar pelo menos um valor para pelo menos um parâmetro de trabalho com referência às características de cultivo
- criar um mapa de cultivo digital para o campo, o referido mapa de cultivo compreendendo múltiplas zonas, com pelo menos uma característica de pelo menos uma zona correspondente ao pelo menos um valor determinado para o pelo menos um parâmetro de trabalho.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP17198036 | 2017-10-24 | ||
EP17198036.0 | 2017-10-24 | ||
PCT/EP2018/078632 WO2019081349A1 (de) | 2017-10-24 | 2018-10-18 | Erstellung digitaler bearbeitungskarten |
Publications (1)
Publication Number | Publication Date |
---|---|
BR112020008086A2 true BR112020008086A2 (pt) | 2020-11-03 |
Family
ID=60162136
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
BR112020008086-1A BR112020008086A2 (pt) | 2017-10-24 | 2018-10-18 | método para criação de mapa de cultivo digital, mapa de cultivo digital, sistema de computador e produto de programa de computador |
Country Status (8)
Country | Link |
---|---|
EP (2) | EP3700320B1 (pt) |
CN (1) | CN111526710B (pt) |
AR (1) | AR113461A1 (pt) |
BR (1) | BR112020008086A2 (pt) |
CA (1) | CA3079773A1 (pt) |
ES (1) | ES2947014T3 (pt) |
RU (1) | RU2020116146A (pt) |
WO (1) | WO2019081349A1 (pt) |
Families Citing this family (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11467605B2 (en) | 2019-04-10 | 2022-10-11 | Deere & Company | Zonal machine control |
US11672203B2 (en) | 2018-10-26 | 2023-06-13 | Deere & Company | Predictive map generation and control |
US11178818B2 (en) | 2018-10-26 | 2021-11-23 | Deere & Company | Harvesting machine control system with fill level processing based on yield data |
US11240961B2 (en) | 2018-10-26 | 2022-02-08 | Deere & Company | Controlling a harvesting machine based on a geo-spatial representation indicating where the harvesting machine is likely to reach capacity |
US11079725B2 (en) | 2019-04-10 | 2021-08-03 | Deere & Company | Machine control using real-time model |
US11641800B2 (en) | 2020-02-06 | 2023-05-09 | Deere & Company | Agricultural harvesting machine with pre-emergence weed detection and mitigation system |
US11957072B2 (en) | 2020-02-06 | 2024-04-16 | Deere & Company | Pre-emergence weed detection and mitigation system |
US11653588B2 (en) | 2018-10-26 | 2023-05-23 | Deere & Company | Yield map generation and control system |
US11589509B2 (en) | 2018-10-26 | 2023-02-28 | Deere & Company | Predictive machine characteristic map generation and control system |
US11778945B2 (en) | 2019-04-10 | 2023-10-10 | Deere & Company | Machine control using real-time model |
US11234366B2 (en) | 2019-04-10 | 2022-02-01 | Deere & Company | Image selection for machine control |
DE102019215522A1 (de) * | 2019-10-10 | 2021-04-15 | Robert Bosch Gmbh | Verfahren zum Aktualisieren von Attributen in einer digitalen Karte |
US11477940B2 (en) | 2020-03-26 | 2022-10-25 | Deere & Company | Mobile work machine control based on zone parameter modification |
US11650587B2 (en) | 2020-10-09 | 2023-05-16 | Deere & Company | Predictive power map generation and control system |
US11635765B2 (en) | 2020-10-09 | 2023-04-25 | Deere & Company | Crop state map generation and control system |
US11983009B2 (en) | 2020-10-09 | 2024-05-14 | Deere & Company | Map generation and control system |
US11825768B2 (en) | 2020-10-09 | 2023-11-28 | Deere & Company | Machine control using a predictive map |
US11871697B2 (en) | 2020-10-09 | 2024-01-16 | Deere & Company | Crop moisture map generation and control system |
US11874669B2 (en) | 2020-10-09 | 2024-01-16 | Deere & Company | Map generation and control system |
US11864483B2 (en) | 2020-10-09 | 2024-01-09 | Deere & Company | Predictive map generation and control system |
US11474523B2 (en) | 2020-10-09 | 2022-10-18 | Deere & Company | Machine control using a predictive speed map |
US11675354B2 (en) | 2020-10-09 | 2023-06-13 | Deere & Company | Machine control using a predictive map |
US12013245B2 (en) | 2020-10-09 | 2024-06-18 | Deere & Company | Predictive map generation and control system |
US11895948B2 (en) | 2020-10-09 | 2024-02-13 | Deere & Company | Predictive map generation and control based on soil properties |
US11727680B2 (en) | 2020-10-09 | 2023-08-15 | Deere & Company | Predictive map generation based on seeding characteristics and control |
US11592822B2 (en) | 2020-10-09 | 2023-02-28 | Deere & Company | Machine control using a predictive map |
US11845449B2 (en) | 2020-10-09 | 2023-12-19 | Deere & Company | Map generation and control system |
US11946747B2 (en) | 2020-10-09 | 2024-04-02 | Deere & Company | Crop constituent map generation and control system |
US11889788B2 (en) | 2020-10-09 | 2024-02-06 | Deere & Company | Predictive biomass map generation and control |
US11927459B2 (en) | 2020-10-09 | 2024-03-12 | Deere & Company | Machine control using a predictive map |
US11844311B2 (en) | 2020-10-09 | 2023-12-19 | Deere & Company | Machine control using a predictive map |
US11849672B2 (en) | 2020-10-09 | 2023-12-26 | Deere & Company | Machine control using a predictive map |
US11711995B2 (en) | 2020-10-09 | 2023-08-01 | Deere & Company | Machine control using a predictive map |
US11849671B2 (en) | 2020-10-09 | 2023-12-26 | Deere & Company | Crop state map generation and control system |
US11889787B2 (en) | 2020-10-09 | 2024-02-06 | Deere & Company | Predictive speed map generation and control system |
CN112462756B (zh) * | 2020-10-29 | 2022-11-25 | 久瓴(上海)智能科技有限公司 | 农林作业任务生成方法、装置、计算机设备和存储介质 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2083068C1 (ru) * | 1994-09-21 | 1997-07-10 | Всероссийский научно-исследовательский институт орошаемого земледелия | Способ возделывания кормовых культур |
US6115481A (en) | 1998-10-22 | 2000-09-05 | Centrak, Llc | User modifiable land management zones for the variable application of substances thereto |
CN2406458Y (zh) * | 2000-05-26 | 2000-11-22 | 任建中 | 便携式山地耕作机 |
DE102012010912B3 (de) * | 2012-06-04 | 2013-08-14 | Yara International Asa | Verfahren zum berührungslosen Bestimmen des aktuellen Ernährungszustandes eines Pflanzenbestandes und zum Verarbeiten dieser Information |
DE102013201996A1 (de) * | 2013-02-07 | 2014-08-07 | Deere & Company | Verfahren zur Einstellung von Arbeitsparametern einer Erntemaschine |
DE102014104619A1 (de) * | 2014-04-02 | 2015-10-08 | Claas Agrosystems Kgaa Mbh & Co. Kg | Planungssystem und Verfahren zur Planung einer Feldbearbeitung |
WO2016032956A1 (en) | 2014-08-27 | 2016-03-03 | Premier Crop Systems, LLC | System and method for controlling machinery for randomizing and replicating predetermined agronomic input levels |
US20180082223A1 (en) * | 2015-05-25 | 2018-03-22 | Agromentum Ltd. | Closed Loop Integrated Pest Management |
CN106105446A (zh) * | 2016-07-08 | 2016-11-16 | 黄光瑜 | 一种庄稼耕作打印机 |
-
2018
- 2018-10-18 WO PCT/EP2018/078632 patent/WO2019081349A1/de active Application Filing
- 2018-10-18 EP EP18785682.8A patent/EP3700320B1/de active Active
- 2018-10-18 EP EP23156618.3A patent/EP4218381A1/de active Pending
- 2018-10-18 CA CA3079773A patent/CA3079773A1/en not_active Abandoned
- 2018-10-18 BR BR112020008086-1A patent/BR112020008086A2/pt active Search and Examination
- 2018-10-18 CN CN201880068515.1A patent/CN111526710B/zh active Active
- 2018-10-18 ES ES18785682T patent/ES2947014T3/es active Active
- 2018-10-18 RU RU2020116146A patent/RU2020116146A/ru unknown
- 2018-10-22 AR ARP180103079A patent/AR113461A1/es unknown
Also Published As
Publication number | Publication date |
---|---|
AR113461A1 (es) | 2020-05-06 |
CN111526710A (zh) | 2020-08-11 |
RU2020116146A3 (pt) | 2022-03-10 |
EP3700320B1 (de) | 2023-03-22 |
US20200242358A1 (en) | 2020-07-30 |
CN111526710B (zh) | 2022-09-20 |
EP4218381A1 (de) | 2023-08-02 |
ES2947014T3 (es) | 2023-07-31 |
CA3079773A1 (en) | 2019-05-02 |
RU2020116146A (ru) | 2021-11-25 |
WO2019081349A1 (de) | 2019-05-02 |
EP3700320A1 (de) | 2020-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
BR112020008086A2 (pt) | método para criação de mapa de cultivo digital, mapa de cultivo digital, sistema de computador e produto de programa de computador | |
ES2883327T3 (es) | Planificación e implementación de medidas agrícolas | |
Balafoutis et al. | Smart farming technologies–description, taxonomy and economic impact | |
Jiménez-Brenes et al. | Quantifying pruning impacts on olive tree architecture and annual canopy growth by using UAV-based 3D modelling | |
Pedersen et al. | Precision agriculture–from mapping to site-specific application | |
BR112019003692B1 (pt) | Método e sistema para o controle de organismos nocivos | |
Pérez-Ruiz et al. | Optimization of agrochemical application in olive groves based on positioning sensor | |
BR122022022492B1 (pt) | Método para determinar a quantidade requerida por plantas de cultura em um campo, método e sistema para tratar plantas de cultura em um campo e suporte de dados | |
Ahmad et al. | Satellite Farming | |
BR112020003723A2 (pt) | método para determinar rendimentos esperados no crescimento de plantas agrícolas, sistema de computador e produto de programa de computador | |
EP4075941A1 (en) | Computer implemented method for providing test design and test instruction data for comparative tests on yield, gross margin, efficacy or vegetation indices for at least two products or different application timings of the same product | |
AU2022271449B2 (en) | Dynamic tank management based on previous environment and machine measurements | |
Nabi et al. | Precision farming in vegetables | |
WO2018178468A1 (es) | Procedimiento de tratamiento de cultivos | |
US12026944B2 (en) | Generation of digital cultivation maps | |
ES2918007T3 (es) | Procedimiento para determinar las propiedades vegetales de una planta útil | |
Guan et al. | Unmanned Aerial Vehicle-Based Techniques for Monitoring and Prevention of Invasive Apple Snails (Pomacea canaliculata) in Rice Paddy Fields | |
EP4201184A1 (en) | Crop yield component map | |
BR102022024397A2 (pt) | Gerenciamento dinâmico de tanques com base em ambiente anterior e medições de máquina | |
BR102022022160A2 (pt) | Mapa de componentes de rendimento de cultura | |
CN114846483A (zh) | 用于提供测试设计和测试指令数据以用于针对一种产品的不同的速率或施用模式对田地上的产量、毛利率、功效和/或植被指数的影响的比较测试的计算机实现的方法 | |
Zhang | Control of Precision Agriculture Production | |
WO2023170222A1 (en) | Computer-implemented method for providing variable application rate data | |
Shahbazi | Use of Light Detection and Ranging (LiDAR) to detect and map weeds that grow taller than crops at harvest | |
BR102023004056A2 (pt) | Máquinas agrícolas configuradas para tratar plantas com combinação de mecanismos de tratamento |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
B350 | Update of information on the portal [chapter 15.35 patent gazette] | ||
B06W | Patent application suspended after preliminary examination (for patents with searches from other patent authorities) chapter 6.23 patent gazette] | ||
B06A | Patent application procedure suspended [chapter 6.1 patent gazette] | ||
B09A | Decision: intention to grant [chapter 9.1 patent gazette] |