BR112020022331A2

BR112020022331A2 - sistemas e métodos para aplicar uma prática agrícola a um campo agrícola alvo

Info

Publication number: BR112020022331A2
Application number: BR112020022331-0A
Authority: BR
Inventors: Zohar Ben-Ner; Leonid Slavkin; Adolfo Gabriel Levin; Agustin Pimstein; Igor Zachs; Liyam Shemesh
Original assignee: Supplant Ltd.
Priority date: 2018-05-02
Filing date: 2019-05-02
Publication date: 2021-02-02
Also published as: US20210136996A1; MX2020011572A; EP3788589A1; AU2019263121A1; WO2019211853A1; EP3788589A4; ZA202007229B

Abstract

  SISTEMAS E MÉTODOS PARA APLICAR UMA PRÁTICA AGRÍCOLA A UM CAMPO AGRÍCOLA ALVO, o referido método compreendendo: computar parâmetro(s) de estado indicativo(s) de um estado de uma lavoura alvo no campo alvo com base na saída de sensor(es) fisiológico(s) de lavoura, e classificar, por um(s) classificador(es), o(s) parâmetro(s) de estado e a(s) prática(s) agrícola(s) em instruções para administração da(s) prática(s) agrícola(s) ao campo alvo, em que a produtividade e/ou qualidade da lavoura alvo em um evento alvo futuro é prevista para ser aumentada quando as instruções são implementadas em relação à produtividade e/ou qualidade da lavoura alvo que é prevista no evento alvo futuro quando uma administração alternativa da(s) prática(s) agrícola(s) é implementada, em que o(s) classificador(es) computa(m) as instruções com base em instruções previamente obtidas associadas com os respectivos campos de referência associados com o(s) respectivo(s) parâmetro(s) de estado, e a produtividade e/ou qualidade das respectivas lavouras de referência nos respectivos campos de referência em eventos de referência históricos correspondentes ao evento alvo futuro.

Description

“SISTEMAS E MÉTODOS PARA APLICAR UMA PRÁTICA AGRÍCOLA A UM CAMPO AGRÍCOLA ALVO” Seção de Pedido Relacionado

[001] Este pedido reivindica o benefício de prioridade do Pedido de Patente Provisório Norte-Americano no 62/665.654 depositado em 2 e maio de 2018, cujos conteúdos estão incorporados aqui pela referência em suas íntegras. Fundamentos da Invenção

[002] A presente invenção, em algumas de suas modalidades, diz respeito a práticas agrícolas e, mais especificamente, mas não exclusivamente, a sistemas e métodos para administração de uma prática agrícola a um campo de lavouras.

[003] Na agricultura moderna, muitas práticas de agricultura ocorrem ao longo da estação de crescimento. O momento da administração da prática agrícola afeta a produtividade de lavoura final em termos de quantidade e qualidade. Breve Descrição da Invenção

[004] De acordo com um primeiro aspecto, um método implementado por computador de prover um terminal de cliente com instruções para administração de pelo menos uma prática agrícola a um campo alvo, compreende: obter uma seleção de pelo menos uma prática agrícola para administração ao campo alvo, computar, com base na saída de pelo menos um sensor fisiológico de lavoura que monitora uma lavoura alvo do campo alvo, pelo menos um parâmetro de estado indicativo de um estado de uma lavoura alvo no campo alvo, alimentar em pelo menos um classificador pelo menos um parâmetro de estado do campo alvo e pelo menos uma prática agrícola, classificar, por pelo menos um classificador, pelo menos um parâmetro de estado e pelo menos uma prática agrícola em instruções para administração de pelo menos uma prática agrícola ao campo alvo, em que pelo menos uma dentre produtividade e qualidade da lavoura alvo em um evento alvo futuro é prevista ser aumentada quando as instruções para administração de pelo menos uma prática agrícola ao campo alvo são implementadas em relação a pelo menos uma dentre produtividade e qualidade da lavoura alvo que é prevista no evento alvo futuro quando uma administração alternativa de pelo menos uma prática agrícola é implementada, em que pelo menos um classificador computa instruções para administração de pelo menos uma prática agrícola com base em instruções previamente obtidas para administração de práticas agrícolas aos respectivos campos de referência associados com o respectivo pelo menos um parâmetro de estado, e pelo menos uma dentre produtividade e qualidade das respectivas lavouras de referência nos respectivos campos de referência em eventos de referência históricos correspondentes ao evento alvo futuro, e prover as instruções para administração de pelo menos uma prática agrícola ao campo alvo ao terminal de cliente.

[005] De acordo com um segundo aspecto, um sistema para prover um terminal de cliente com instruções para administração de pelo menos uma prática agrícola a um campo alvo compreende: uma memória não transitória tendo armazenado na mesma um código para execução por pelo menos um processador de hardware, o código compreendendo: código para obter uma seleção de pelo menos uma prática agrícola para administração ao campo alvo, código para computar, com base na saída de pelo menos um sensor fisiológico de lavoura que monitora uma lavoura alvo do campo alvo, pelo menos um parâmetro de estado indicativo de um estado de uma lavoura alvo no campo alvo, código para alimentar em pelo menos um classificador pelo menos um parâmetro de estado do campo alvo e pelo menos uma prática agrícola, código para classificar, por pelo menos um classificador, pelo menos um parâmetro de estado e pelo menos uma prática agrícola em instruções para administração de pelo menos uma prática agrícola ao campo alvo, em que há previsão de aumento de pelo menos uma dentre produtividade e qualidade da lavoura alvo em um evento alvo futuro quando as instruções para administração de pelo menos uma prática agrícola ao campo alvo são implementadas em relação a pelo menos uma dentre produtividade e qualidade da lavoura alvo que é prevista no evento alvo futuro quando uma administração alternativa de pelo menos uma prática agrícola é implementada, em que pelo menos um classificador computa instruções para administração de pelo menos uma prática agrícola com base em instruções previamente obtidas para administração de práticas agrícolas aos respectivos campos de referência associados com o respectivo pelo menos um parâmetro de estado, e pelo menos uma dentre produtividade e qualidade das respectivas lavouras de referência nos respectivos campos de referência em eventos de referência históricos correspondentes ao evento alvo futuro, e código para prover as instruções para administração de pelo menos uma prática agrícola ao campo alvo ao terminal de cliente.

[006] De acordo com um terceiro aspecto, um método implementado por computador para treinar pelo menos um classificador para classificar pelo menos uma prática agrícola e pelo menos um parâmetro de estado de um campo alvo em instruções para administração de pelo menos uma prática agrícola ao campo alvo compreende: prover um conjunto de dados de treinamento, incluindo um pluralidade de registros para uma pluralidade de campos de referência, cada registro de cada respectivo campo de referência armazenando: instruções de pelo menos uma prática agrícola administrada ao respectivo campo de referência, pelo menos um parâmetro de estresse indicativo de um estado de uma lavoura de referência no respectivo campo de referência computado com base na saída de pelo menos um sensor fisiológico de lavoura que monitora a lavoura de referência, e pelo menos uma dentre produtividade e qualidade da lavoura alvo em um evento de referência histórico, e treinar pelo menos um classificador de acordo com o conjunto de dados de treinamento para classificar pelo menos uma prática agrícola e pelo menos um parâmetro de estado de um campo alvo em instruções para administrar pelo menos uma prática agrícola ao campo alvo, em que há previsão de aumento de pelo menos uma dentre produtividade e qualidade da lavoura alvo em um evento alvo futuro quando as instruções para administração de pelo menos uma prática agrícola ao campo alvo são implementadas em relação a pelo menos uma dentre produtividade e qualidade da lavoura alvo que é prevista no evento alvo futuro quando uma administração alternativa de pelo menos uma prática agrícola é implementada.

[007] Em uma forma de implementação adicional dos primeiro, segundo e terceiro aspectos, pelo menos um parâmetro de estado inclui pelo menos um dentre: pelo menos um parâmetro de estresse indicativo de estresse experimentado pela lavoura alvo, pelo menos um parâmetro de crescimento indicativo de crescimento da lavoura alvo, e pelo menos um parâmetro fisiológico indicativo de uma condição fisiológica da lavoura.

[008] Em uma forma de implementação adicional dos primeiro, segundo e terceiro aspectos, as instruções para administração compreendem um certo tempo para administração de pelo menos uma prática agrícola à lavoura alvo.

[009] Em uma forma de implementação adicional dos primeiro, segundo e terceiro aspectos, o certo tempo é selecionado do grupo que consiste em: um certo estágio fenológico da lavoura alvo, graus-dia, e uma data do calendário.

[010] Em uma forma de implementação adicional dos primeiro, segundo e terceiro aspectos, as instruções para administração compreendem instrução legível por máquina provida a um controlador agrícola para implementação automática de pelo menos uma prática agrícola.

[011] Em uma forma de implementação adicional dos primeiro, segundo e terceiro aspectos, as instruções para administração são apresentadas em um monitor do terminal de cliente como instruções legíveis por humano para implementação manual por um usuário.

[012] Em uma forma de implementação adicional dos primeiro, segundo, terceiro e quarto aspectos, o método e/ou o sistema compreende adicionalmente prover um perfil de campo alvo do campo alvo incluindo uma pluralidade de parâmetros que permanecem substancialmente estáticos na estação de crescimento da lavoura alvo que cresce no campo alvo, e em que o classificador realiza a classificação de acordo com perfis de campo de referência dos respectivos campos de referência correlacionados ao perfil de campo alvo de acordo com uma exigência de correlação.

[013] Em uma forma de implementação adicional dos primeiro, segundo, terceiro e quarto aspectos, o método e/ou o sistema compreende adicionalmente selecionar um subconjunto de campos de referência que correlaciona ao campo alvo de acordo com a correlação do perfil de campo alvo do campo alvo e os perfis de campo de referência dos campos de referência, e treinar dinamicamente pelo menos um classificador de acordo com o subconjunto de campos de referência.

[014] Em uma forma de implementação adicional dos primeiro, segundo, terceiro e quarto aspectos, o método e/ou o sistema compreende adicionalmente monitorar a administração de pelo menos uma prática agrícola de acordo com as instruções iterando a entrada em pelo menos um classificador, e a classificação, para uma pluralidade de parâmetros de estado associados com diferentes intervalos de tempo sequenciais obtidos pelo menos um dentre: durante administração de pelo menos uma prática agrícola de acordo com as instruções classificadas por pelo menos um classificador e após a administração de pelo menos uma prática agrícola de acordo com as instruções classificadas por pelo menos um classificador, em que a classificação da pluralidade de parâmetros de estado ajusta dinamicamente as instruções para administração de pelo menos uma prática agrícola.

[015] Em uma forma de implementação adicional dos primeiro, segundo e terceiro aspectos, pelo menos um parâmetro de estado é adicionalmente associado com uma etiqueta de tempo incluindo um ou mais membros selecionados do grupo que consiste em: dia calendário e hora, estágio fenológico da lavoura alvo, e grau dia em um estação de crescimento, em que o classificador adicionalmente realiza a classificação de acordo com a etiqueta de tempo.

[016] Em uma forma de implementação adicional dos primeiro, segundo e terceiro aspectos, pelo menos um parâmetro de estado é automaticamente selecionado de uma pluralidade de parâmetros de estado de acordo com pelo menos uma prática agrícola selecionada.

[017] Em uma forma de implementação adicional dos primeiro, segundo e terceiro aspectos, pelo menos um classificador busca registros de um conjunto de dados realizando correspondência de pelo menos um parâmetro de estado do campo alvo com pelo menos um parâmetro de estado de pelo menos um campo de referência, em que o conjunto de dados armazena registros, cada qual incluindo: indicações de pelo menos um parâmetro de estado dos respectivos campos de referência, indicações de práticas agrícolas administradas aos respectivos campos de referência, e pelo menos uma dentre produtividade e qualidade das respectivas lavouras de referência dos respectivos campos de referência em eventos de referência históricos, em que as instruções para administração de pelo menos uma prática agrícola ao campo alvo são obtidas de acordo com a indicação de práticas agrícolas administradas ao campo de referência de pelo menos um registro correspondido.

[018] Em uma forma de implementação adicional dos primeiro, segundo e terceiro aspectos, pelo menos um parâmetro de estado inclui um valor normalizado em uma faixa de máximo estado possível e mínimo estado possível.

[019] Em uma forma de implementação adicional dos primeiro, segundo e terceiro aspectos, pelo menos um parâmetro de estado é selecionado do grupo que consiste em: déficit nutricional, nível de toxicidade, déficit hídrico, e bloqueio de fotossíntese.

[020] Em uma forma de implementação adicional dos primeiro, segundo e terceiro aspectos, pelo menos um parâmetro de estado é computado por pelo menos um classificador de estado treinado de acordo com um conjunto de dados de treinamento de saída de sensor fisiológico de lavouras e dados associados indicativos de um certo valor do estado.

[021] Em uma forma de implementação adicional dos primeiro, segundo e terceiro aspectos, pelo menos um parâmetro de estado compreende uma pluralidade de parâmetros de estado cada qual associado com uma respectiva etiqueta de tempo sequencial em um intervalo de tempo, em que a pluralidade de parâmetros de estado denota mudanças dinâmicas para o campo alvo no intervalo de tempo.

[022] Em uma forma de implementação adicional dos primeiro, segundo e terceiro aspectos, as instruções incluem instruções para administração de pelo menos uma outra prática agrícola ao campo alvo, em que as instruções para administração de pelo menos uma outra prática agrícola são selecionadas para ajuste de pelo menos um parâmetro de estado do campo alvo associado com um predição de pelo menos uma dentre produtividade e qualidade da lavoura alvo no evento alvo futuro de acordo com pelo menos um parâmetro de estado ajustado em relação a pelo menos uma dentre produtividade e qualidade da lavoura alvo no evento alvo futuro de acordo com pelo menos um parâmetro de estado sem o ajuste.

[023] Em uma forma de implementação adicional dos primeiro, segundo e terceiro aspectos, pelo menos um sensor fisiológico de lavoura é selecionado do grupo que consiste em: dendrômetro, sensor de diâmetro de caule, sensor de diâmetro de fruto, sensor de diâmetro de folha, sensor de taxa de crescimento de lavoura, sensor de temperatura de folha, sensor de umidade de solo, sensor de temperatura ambiental, sensor de radiação solar, sensor de vento, sensor de umidade relativa e sensor de imagem aéreo ou por satélite.

[024] Em uma forma de implementação adicional dos primeiro, segundo e terceiro aspectos, pelo menos uma prática agrícola é selecionada por um usuário por meio de uma interface gráfica de usuário (GUI) apresentada em um monitor do terminal de cliente, e em que uma versão legível por humano das instruções para administração são apresentadas na GUI.

[025] Em uma forma de implementação adicional dos primeiro, segundo e terceiro aspectos, pelo menos um parâmetro de estado é selecionado pelo usuário por meio da GUI dentre uma pluralidade de parâmetros de estado.

[026] Em uma forma de implementação adicional dos primeiro, segundo e terceiro aspectos, uma pluralidade de práticas agrícolas potenciais para administração ao campo alvo é computada com base em uma análise dos campos de referência, a pluralidade de práticas agrícolas potenciais é apresentada na GUI, e pelo menos uma prática agrícola é selecionada pelo usuário por meio da GUI dentre a pluralidade de práticas agrícolas potenciais apresentadas na GUI.

[027] Em uma forma de implementação adicional dos primeiro, segundo e terceiro aspectos, pelo menos uma prática agrícola é selecionada do grupo que consiste em: irrigação, pesticida químico, adubo químico, poda, desbaste, colheita e bioestimulante.

[028] Em uma forma de implementação adicional dos primeiro, segundo e terceiro aspectos, cada registro de cada respectivo campo de referência armazena uma pluralidade de pelo menos um parâmetro de estado computado em cada um dentre uma pluralidade de intervalos de tempo sequenciais que se estendem por toda a estação de crescimento da respectiva lavoura de referência que cresce no respectivo campo de referência.

[029] Em uma forma de implementação adicional dos primeiro, segundo e terceiro aspectos, o conjunto de dados de treinamento é atualizado com base em uma indicação de pelo menos um parâmetro de estado para cada um dente a pluralidade de intervalos de tempo sequenciais transmitidos por cada um de uma pluralidade de terminais de cliente de referência associados com cada respectivo campo de referência a um servidor que armazena o conjunto de dados de treinamento.

[030] Em uma forma de implementação adicional dos primeiro, segundo e terceiro aspectos, o classificador é treinado em tempo real de acordo com a versão atualizada do conjunto de dados de treinamento.

[031] Em uma forma de implementação adicional dos primeiro, segundo e terceiro aspectos, cada registro de cada respectivo campo armazena um perfil de campo de referência incluindo uma pluralidade de parâmetros que permanecem substancialmente estáticos na estação de crescimento da lavoura de referência que cresce no campo de referência, e em que pelo menos um classificador é treinado de acordo com os perfis de campo de referência.

[032] A menos que de outra forma definido, todos os termos técnicos e/ou científicos usados aqui têm o mesmo significado normalmente entendido pelos versados na técnica aos quais a invenção diz respeito. Embora métodos e materiais similares ou equivalentes aos descritos aqui possam ser usados na prática ou teste de modalidades da invenção, métodos e/ou materiais exemplificativos são descritos a seguir. Em caso de conflito, o relatório descritivo de patente, incluindo definições, prevalecerá. Além do mais, os materiais, métodos, e exemplos são apenas ilustrativos e não devem ser necessariamente limitantes. Breve Descrição das Diversas Vistas dos Desenhos

[033] Algumas modalidades da invenção são aqui descritas, apenas a título de exemplo, com referência aos desenhos anexos. Com referência específica agora aos desenhos em detalhe, salienta-se que as particularidades mostradas são a título de exemplo e para efeitos de discussão ilustrativa de modalidades da invenção. A esse respeito, a descrição feita com os desenhos torna aparente aos versados na técnica como modalidades da invenção podem ser praticadas.

[034] Nos desenhos: - a Figura 1 é um fluxograma de um método para computar instruções para aplicar uma ou mais práticas agrícolas a um campo alvo com base na saída de um ou mais sensor(es) fisiológico(s) de lavoura e computada por um ou mais classificadores com base em instruções previamente obtidas para administração de práticas agrícolas aos respectivos campos de referência, de acordo com algumas modalidades da presente invenção; - a Figura 2 é um diagrama de blocos de componentes de um sistema para computar instruções para aplicar uma ou mais práticas agrícolas a um campo alvo por um ou mais classificadores e/ou para treinar um ou mais classificadores, de acordo com algumas modalidades da presente invenção; - a Figura 3 é um fluxograma de dados representando o fluxo de dados para a criação de um conjunto de dados de referência, de acordo com algumas modalidades da presente invenção;

- a Figura 4 inclui gráficos representando a flutuação de índice de estresse hídrico da lavoura (CWSI) em trigo de inverno em três diferentes regimes de irrigação e em três diferentes abordagens para computação do índice, úteis para ajudar a entender algumas modalidades da presente invenção; - a Figura 5 é um esquema representando o fluxo de dados de um campo alvo para um conjunto de dados de lavoura, e de volta para o campo alvo, de acordo com algumas modalidades da presente invenção; - a Figura 6 é um gráfico representando medições de diâmetro de caule sazonais realizadas como parte de um experimento, de acordo com algumas modalidades da presente invenção; e - a Figura 7 é um gráfico representando datas de aplicação do bioestimulante de acordo com curvas de crescimento do milho durante as estações de experimento de 2016 e 2017, respectivamente, de acordo com algumas modalidades da presente invenção.

Descrição Detalhada da Invenção

[035] A presente invenção, em algumas de suas modalidades, diz respeito à aplicação de práticas agrícolas e, mais especificamente, mas não exclusivamente, a sistemas e métodos para computação de instruções para administração de uma prática agrícola a um campo de lavouras.

[036] Na forma usada aqui, a expressão prática agrícola se refere, por exemplo, a um ou mais do seguinte: aplicações de produtos químicos, fertilização, irrigação, produto agroquímico, bioestimulante, e técnicas de poda. A prática agrícola representa um atividade e/ou evento que é aplicado ao campo com base em uma expectativa de que a prática agrícola melhorará a produtividade e/ou qualidade da lavouras em um evento futuro (por exemplo, colheita) em comparação com a produtividade e/ou qualidade das lavouras que de outra forma seriam obtidas quando a prática agrícola não é aplicada. Nota-se que as práticas agrícolas podem representar atividades e/ou eventos que foram rotineiramente aplicadas com base em anos de experiência em lavouras em crescimento, caso esse em que pelo menos alguns dos sistemas, métodos e/ou instruções de código descritos aqui melhoram a tecnologia de aplicação das práticas agrícolas pelo ajuste fino das instruções para aplicação das práticas agrícolas (como descrito aqui) com base em dados coletados de outros campos de referência similares onde práticas agrícolas similares são aplicadas. Alternativamente, as práticas agrícolas podem representar atividades e/ou eventos que são razoavelmente novos, por exemplo, novas tecnologias. Em tais casos, pelo menos alguns dos sistemas, métodos e/ou instruções de código descritos aqui melhoram as instruções para aplicação da nova tecnologia com base em dados coletados de outros campos de referência similares onde a nova tecnologia de prática agrícola está sendo testada e/ou usada com pouca experiência. Alternativamente, as práticas agrícolas podem representar atividades e/ou eventos que são baseados em decisões objetivas, por exemplo, o controle de peste é baseado na quantidade de pestes individuais capturadas em armadilhas. Em tais casos, pelo menos alguns dos sistemas, métodos e/ou instruções de código descritos aqui melhoram a tecnologia de aplicação das práticas agrícolas pelo ajuste fino das instruções para aplicação das práticas agrícolas (como descrito aqui) de acordo com medidas objetivas com base em dados coletados de outros campos de referência similares onde práticas agrícolas similares são aplicadas de acordo com as medidas objetivas.

[037] Na forma usada aqui, o termo campo e/ou lavoura se refere, por exemplo, a vegetais de campo aberto, lavouras de campo, pomares e/ou estufas.

[038] Na forma usada aqui, os termos lavouras de referência e/ou lavoura alvos se referem a plantas comestíveis e/ou plantas não comestíveis usadas para outros propósitos, por exemplo, manga, maconha medicinal, algodão, trigo, maçãs e alecrim.

[039] Na forma usada aqui, os termos aplicar e administrar, quando se referem à prática agrícola, são intercambiáveis.

[040] Um aspecto de algumas modalidades da presente invenção se refere a sistemas, métodos e/ou instruções de código (isto é, armazenados em um dispositivo de armazenamento de dados e executáveis por uma ou mais processadores de hardware) para prover um terminal de cliente com instruções para aplicar uma ou mais práticas agrícolas a um campo alvo, opcionalmente, o intervalo de tempo para aplicar a(s) prática(s) agrícola(s), por exemplo, em termos de estágio fenológico, graus-dia, e/ou data de calendário.

Uma ou mais práticas agrícolas são selecionadas para administração ao campo alvo.

Um ou mais parâmetros de estado de lavoura indicativos de um estado de uma lavoura alvo que cresce no campo alvo são computados com base na saída de um ou mais sensores fisiológicos de lavoura que monitoram a lavoura alvo.

Os parâmetros de estado de lavoura podem incluir, por exemplo, dados brutos produzidos pelo(s) sensor(es), agregação de dados produzida pelo(s) sensor(es) (por exemplo, computação de um valor médio dos dados produzidos pelo(s) sensor(es) em um intervalo de tempo), e/ou computação de um ou mais valores de acordo com os dados produzidos pelo(s) sensor(es) (por exemplo, computados de acordo com uma função, equação e/ou algoritmo de aprendizagem de máquina). O(s) parâmetro(s) de estado de lavoura pode(m) incluir, por exemplo, um ou mais parâmetros de estresse indicativos de estresse experimentado pela lavoura alvo, um ou mais parâmetros de crescimento indicativos de crescimento da lavoura, e/ou um ou mais parâmetros fisiológicos indicativos de uma condição fisiológica da lavoura.

Um ou mais classificadores para classificar o(s) parâmetro(s) de estado e a(s) prática(s) agrícola(s) em instruções para administração da(s) prática(s) agrícola(s) ao campo alvo.

Há previsão de aumento da produtividade e/ou qualidade da lavoura alvo em um evento alvo futuro (por exemplo, final de estação de crescimento) quando as instruções para administração da(s) prática(s) agrícola(s) ao campo alvo são implementadas, em comparação a quando a(s) prática(s) agrícola(s) é(são) administrada(s) usando uma abordagem alternativa, por exemplo, aplicada durante um intervalo de tempo diferente.

As instruções para administração da(s) prática(s) agrícola(s) pode(m) ser em um código legível por máquina para implementação automática por um controlador agrícola e/ou podem ser apresentadas em um monitor na forma legível por humano para implementação manual por um usuário.

[041] Opcionalmente, o classificador realiza a classificação buscando um conjunto de dados de registros de campos de referência realizando correspondência do(s) parâmetro(s) de estado do campo alvo com parâmetro(s) de estado dos campos de referência. Cada registro do conjunto de dados armazena: (i) uma indicação de parâmetro(s) de estado de um respectivo campo de referência computado com base na saída de sensores fisiológicos de lavoura de referência localizados no respectivo campo de referência, (ii) uma indicação de prática(s) agrícola(s) administrada(s) ao respectivo campo de referência, e (iii) produtividade e/ou qualidade da respectiva lavoura de referência no respectivo campo de referência em um(uns) evento(s) de referência histórico(s). A correspondência pode ser adicionalmente realizada de acordo com uma correlação entre um perfil de campo do campo alvo e perfis de campo dos campos de referência. As instruções para administração da(s) prática(s) agrícola(s) ao campo alvo são obtidas identificando dos registros correspondidos associados com a máxima produtividade e/ou qualidade, e extraindo as instruções que foram usadas para aplicar as práticas agrícolas aos campos alvos que resultam na máxima produtividade e/ou qualidade em um evento de tempo histórico.

[042] Pelo menos alguns dos sistemas e/ou métodos e/ou instruções de código descritos aqui dizem respeito a um processo melhorado no campo tecnológico de administração de práticas agrícolas a lavouras em crescimento e/ou definição de quando aplicar certas práticas agrícolas. Pelo menos alguns dos sistemas e/ou métodos e/ou instruções de código descritos melhoram a produtividade e/ou quantidade de lavoura em um evento alvo (por exemplo, colheita) em comparação com outros processos de aplicação de práticas agrícolas a lavouras, tal como seleção manual com base em prática comum e/ou diretrizes comuns. A melhoria é pelo menos baseada em sensor fisiológico de lavouras que monitora lavouras em múltiplos intervalos de tempo

(por exemplo, continuamente e/ou espaçados um certo intervalo de tempo), por exemplo, em comparação com métodos manuais que são baseados em amostras discretas (por exemplo, valores de tempo). O sensor fisiológico de lavouras provê saída a uma resolução selecionada em múltiplos pontos em um intervalo de tempo, em comparação com sensoriamento baseado em tempo de outros métodos que se baseiam em amostras que são amplamente espaçadas no tempo. A computação do(s) parâmetro(s) de estado de lavoura em múltiplos casos nos intervalos de tempo provê uma indicação dinâmica e/ou em tempo real do atual estado da lavoura, por exemplo, resposta da lavoura de referência a estresse, crescimento da lavoura, e/ou ao estado fisiológico atual da lavoura.

[043] Pelo menos alguns dos sistemas e/ou métodos e/ou instruções de código descritos aqui provêm uma melhoria à tecnologia de administração de práticas agrícolas a lavouras em crescimento com base em ajuste dinâmico da administração das práticas agrícolas de acordo com o estado da lavoura atual, com base no(s) parâmetro(s) de estado computado(s) de sensor(es) fisiológico(s) de lavoura que monitoram a lavoura e/ou campo. Por exemplo, a velocidade de reação e/ou de mudança de parâmetro de estado em decorrência de alteração no teor de água do solo e/ou na presença de outros estressor(s) pode ser rapidamente identificada. Pequenos efeitos do agente estressor na lavoura de referência podem ser identificados. As instruções para administração de práticas agrícolas podem ser ajustadas correspondentemente.

[044] Pelo menos alguns dos sistemas e/ou métodos e/ou instruções de código descritos aqui provêm uma melhoria na tecnologia de administração de práticas agrícolas a lavouras em crescimento com base em uma grande quantidade de dados coletados de sensores locais que monitoram diferentes lavouras de referência que crescem em diferentes campos de referência, armazenados em um conjunto de dados de referência. As instruções para administração de práticas agrícolas a lavouras em crescimento são baseadas em uma análise do conjunto de dados de referência, para identificar as práticas agrícolas aplicadas a um(uns) campo(s) de referência correlacionado(s) que obtiveram produtividades e/ou qualidade ideais das lavouras de referência, com a predição de que uma produtividade e/ou qualidade ideal similar pode ser conseguida para a lavoura alvo. O conjunto de dados de referência é ao contrário, por exemplo, em comparação com outros métodos se se baseiam, por exemplo, em definições pré-programadas de um controlador agrícola, experiência manual obtida pelo cultivador de um pequeno número de campos, e/ou diretrizes publicadas que representam as melhores práticas gerais, mas não são customizadas para o campo alvo.

[045] Pelo menos alguns dos sistemas e/ou métodos e/ou instruções de código descritos aqui provêm uma melhoria na tecnologia de administração de práticas agrícolas para lavouras em crescimento computando instruções customizadas para administração de práticas agrícolas à lavoura alvo e/ou campo alvo, por exemplo, em comparação com outros métodos que se baseiam em diretrizes gerais comuns (isto é, não customizadas) geradas para múltiplos campos variados.

[046] Pelo menos alguns dos sistemas e/ou métodos e/ou instruções de código descritos aqui provêm uma melhoria na tecnologia de administração automática de práticas agrícolas a um campo alvo por um controlador agrícola, por exemplo, um sistema de irrigação automático, um sistema de fertilização automático, e sistema de aplicação de bioestimulante automático. Pelo menos alguns dos sistemas e/ou métodos e/ou instruções de código descritos aqui melhoram a capacidade de o controlador agrícola otimizar a produtividade e/ou qualidade da lavoura alvo no evento alvo (por exemplo, colheita) com base em computação da instrução para administração de práticas agrícolas (como descrito aqui).

[047] Pelo menos alguns dos sistemas e/ou métodos e/ou instruções de código armazenados em um dispositivo de armazenamento de dados executáveis por uma ou mais processadores de hardwares descritos aqui provêm uma solução técnica para o problema técnico de determinar instruções para administração de uma ou mais práticas agrícolas a um campo alvo no qual lavouras alvos cresceram. A prática agrícola comum é que o cultivador, gerente e/ou consultor determine manualmente o momento para administração da(s)

prática(s) agrícola(s) com base em diferentes indicadores e/ou marcos, com base no instinto interno, experiência e/ou treinamento. Além disso, um escolha do tempo adequado manual como esse não considera a real condição fisiológica da planta. Práticas culturais críticas são normalmente realizadas com base em estágio fenológico e/ou condições ambientais, em vez de condições fisiológicas de planta reais. Além disso, interações não são geralmente consideradas, por exemplo, interação entre peste e doenças de planta e a condição fisiológica da lavoura. Tal escolha do tempo adequado manual é geralmente impreciso, levando a resultados de crescimento aquém do ideal em termos de qualidade e/ou qualidade de lavoura. Por exemplo, os resultados da administração de um certo produto químico com base em prática manual e com base em parâmetros tais como condições de tempo não atingem os resultados desejados e/ou atinge resultados aquém dos ideais. Em decorrência disso, quanto maior o número de práticas agrícolas que são aplicadas à lavoura (que são aplicadas sem que o operador esteja certo a respeito do impacto e/ou eficiência real), tanto maior a incerteza a respeito da produtividade e/ou qualidade final da lavoura (por exemplo, na colheita), em decorrência do efeito cumulativo de cada prática agrícola no resultado final. A falta de consistência na resposta de lavouras às diferentes práticas agrícolas é bem documentada por estudos na literatura. Tais estudos atribuem a reduzida eficiência das práticas agrícolas administradas a diferentes lavouras de acordo com as práticas manuais a fatores externos, tais como condições climáticas extremas e/ou erros descontrolados ao longo da gestão.

[048] Ao contrário da prática de escolha do tempo adequado manual comum para administração da(s) prática(s) agrícola(s), pelo menos algumas implementações dos sistemas, métodos e/ou instruções de código descritos aqui computam instruções para administração da(s) prática(s) agrícola(s) ao campo alvo com base na saída de sensor(es) fisiológico(s) de lavoura que provêm uma indicação da condição fisiológica da lavoura alvo no campo alvo. O(s) sensor(es) fisiológico(s) de lavoura coleta(m) dados continuamente e/ou em curtos intervalos ao longo da estação de crescimento. A escolha do tempo adequado para administração da(s) prática(s) agrícola(s) ao campo alvo com base na saída de sensor(es) fisiológico(s) de lavoura prevê resultados gerais de lavoura ideais em termos de quantidade de lavoura e/ou qualidade de lavoura.

[049] Quando sensores fisiológicos de lavouras de alta resolução temporal são implementados, em combinação com frequentes computações do parâmetro de estado (por exemplo, a cada minuto, 10 minutos, hora, ou outro intervalo), instruções de alta resolução para administração da(s) prática(s) agrícola(s) ao campo alvo podem ser obtidas. Por exemplo, o tempo durante o dia para aplicar a(s) prática(s) agrícola(s). O tempo durante o dia pode afetar a condição de estresse da lavoura, por exemplo, de manhã cedo contra o meio-dia, que afetará sua resposta a uma certa aplicação ou prática.

[050] Pelo menos alguns dos sistemas e/ou métodos e/ou instruções de código descritos aqui provêm uma solução técnica para o problema técnico de determinar instruções para administração de uma prática agrícola recém-desenvolvida a um campo alvo no qual lavouras alvos são crescidas. Operadores não podem contar com treinamento e/ou experiência, uma vez que a prática agrícola recém-desenvolvida não foi ainda completamente aplicada por diferentes operadores suficientemente para administração usando os métodos manuais comuns. Um problema é a falta de ferramentas disponíveis e/ou precisas para identificar e quantificar diferentes níveis de estado (por exemplo, estresse) em linha, impedindo sua aplicação a nível comercial.

[051] Pelo menos alguns dos sistemas e/ou métodos e/ou instruções de código descritos aqui abordam o problema técnico provendo instruções para administração de uma ou mais práticas agrícolas com a predição de qualidade e/ou qualidade de lavoura otimizada (por exemplo, no final da estação de crescimento, no momento da colheita). Ao contrário, ferramentas atualmente disponíveis para caracterizar estado (por exemplo, estresse) de lavouras falta a capacidade para identificar os diferentes estressores em dados intervalos de tempo durante a estação de crescimento, que torna tais ferramentas inadequadas para determinar instruções para aplicar a prática agrícola para obter qualidade e/ou qualidade de lavoura ideal. Por exemplo:

- Déficit nutricional ou toxicidade é normalmente realizada como uma análise de sintoma visual e/ou com base em amostragem de folha para análise laboratorial. Embora essas abordagens sejam no geral precisas a um nível quantitativo, essas abordagens são muito limitadas em termos de capacidade de monitorar continuamente o estado nutricional da lavoura durante a estação, ou mesmo em um estágio específico de desenvolvimento, tornando tais abordagens inadequadas para determinar a escolha do tempo adequado para administração de práticas agrícolas às lavouras. Foi tentada a solução dessa limitação usando plataformas remotamente sensoriadas tais como imagens multiespectrais aéreas por satélite ou drone. Entretanto, a resolução temporal de tais imagens é ainda muito baixa para determinar a escolha do tempo adequado de práticas agrícolas. Além disso, por causa dos altos custos operacionais, os intervalos de tempo entre imagens não podem ser aumentados suficientemente.

- Déficit hídrico: Uma abordagem no geral precisa para medir condição hídrica de planta é pela medição do potencial hídrico de planta com câmara de pressão. Na prática, essa abordagem é usada apenas dentre cultivadores de fruta de alta qualidade ou pesquisadores, uma vez que é uma tarefa altamente demorada, mesmo para profissionais muito experimentados, tornando inviável para operações em grande escala e monitoramento contínuo e, portanto, inadequada para determinar instruções para administração de práticas agrícolas. Além do mais, alterações na condutância estomática são também usadas para monitorar o déficit hídrico em muitas lavouras. Promotores de difusão fornecem um bom indicador de estresse hídrica em muitas espécies, mas são de mão de obra extremamente elevada e não práticos para uso em fazenda comercial. Finalmente, alguns cultivadores ainda usam medições de temperatura infravermelha, mas essas medições faltam precisão por causa da alta interferência ambiental. Nenhum desses métodos é adequado para determinar a escolha do tempo adequado para plicar práticas agrícolas para obter resultados de lavoura ideais.

- Fotossíntese: o bloqueio de luz, temperatura, umidade relativa ou poluição do ar compreendem vários fatores que afeta a taxa de fotossíntese de uma planta podem ser identificados e quantificados pelo uso de instrumentação de monitoramento especialmente projetada tal como fluxímetro SAP ou monitores de fotossíntese. A despeito da possibilidade de medir precisamente estresse, seu alto preço limita a aplicação a agricultura comercial em grande escala. Como tal, esses métodos são inadequados para determinar a escolha do tempo adequado para aplicar práticas agrícolas para obter resultados de lavoura ideais.

[052] Pelo menos alguns dos sistemas, métodos, aparelho e/ou instruções de código descritos aqui simplesmente não realizam automação de um procedimento manual, mas realizam recursos automáticos adicionais que não podem ser realizados manualmente por um humano usando caneta e/ou papel.

[053] Pelo menos alguns dos sistemas e/ou métodos e/ou instruções de código descritos aqui provêm uma técnica nova, útil e não convencional para usar sensor(es) fisiológico(s) de lavoura para selecionar e/ou aplicar atividades agrícolas ao campo alvo.

[054] Pelo menos alguns dos sistemas e/ou métodos e/ou instruções de código descritos aqui melhoram o funcionamento de um terminal de cliente (por exemplo, dispositivo móvel) e/ou dispositivo de computação, permitindo que um usuário determine de forma rápida e fácil instruções para aplicação de uma ou mais práticas agrícolas a um campo alvo que crescem lavouras alvos, opcionalmente por meio de uma GUI melhorada que implementa um processo particular para computação de instruções para aplicação de uma ou mais práticas agrícolas ao campo alvo.

[055] Pelo menos alguns dos sistemas e/ou métodos e/ou instruções de código armazenados em um dispositivo de armazenamento executados por uma ou mais processadores descritos aqui melhoram um processo fundamental no campo técnico de agricultura e/ou crescimento de lavoura, em particular, no campo de aplicação de práticas agrícolas para melhora a produtividade e/ou qualidade de lavouras.

[056] Pelo menos alguns dos sistemas e/ou métodos e/ou instruções de código armazenados em um dispositivo de armazenamento executados por um ou mais processadores descritos aqui simplesmente não descrevem a computação de instruções para administração da(s) prática(s) agrícola(s) ao campo alvo usando uma operação matemática e recebendo e armazenando dados, mas combinam os atos de usar saídas de sensor(es) fisiológico(s) de lavoura e usar um classificador com base em um conjunto de dados de dados fisiológicos coletados de sensor(es) fisiológico(s) de lavoura de múltiplos campos de referência. Para isso, pelo menos alguns dos sistemas e/ou métodos e/ou instruções de código armazenados em um dispositivo de armazenamento executados por um ou mais processadores descritos aqui vão além do mero conceito de simplesmente recuperar e combinar dados usando um computador.

[057] Pelo menos alguns dos sistemas e/ou métodos e/ou instruções de código armazenados em um dispositivo de armazenamento executados por um ou mais processadores descritos aqui são ligados a componentes físicos de vida real, incluindo um ou mais de: sensor(es) fisiológico(s) de lavoura, um(uns) processador(es) de hardware que executa(m) instruções de código para computar as instruções para administração da prática agrícola, um dispositivo de armazenamento de dados (por exemplo, servidor), um monitor que apresenta as instruções computadas para administração da prática agrícola, e uma rede que conecta terminais de cliente associados com campos de referência no terminal de cliente associado com o campo alvo.

[058] Dessa forma, pelo menos alguns dos sistemas e/ou métodos e/ou instruções de código descritos aqui são inextricavelmente ligados a tecnologia de computação e/ou tecnologia de rede para superar um problema técnico real que surge na gestão de administração de práticas agrícolas a lavouras que crescem em um campo.

[059] Antes de explicar pelo menos uma modalidade da invenção em detalhe, deve-se entender que a invenção não é necessariamente limitada em sua aplicação aos detalhes de construção e ao arranjo dos componentes e/ou métodos apresentados na descrição seguinte e/ou ilustrados nos desenhos e/ou nos Exemplos. Essa invenção é passível de outras modalidades ou de ser praticada ou realizada de várias maneiras.

[060] A presente invenção pode ser um sistema, um método e/ou um produto programa de computador. O produto programa de computador pode incluir uma mídia de armazenamento legível por computador (ou mídias) tendo instruções de programa legíveis por computador na mesma para fazer com que um processador realize aspectos da presente invenção.

[061] A mídia de armazenamento legível por computador pode ser um dispositivo tangível que pode reter e armazenar instruções para uso por um dispositivo de execução de instrução. A mídia de armazenamento legível por computador pode ser, por exemplo, mas não se limitando a, um dispositivo de armazenamento eletrônico, um dispositivo de armazenamento magnético, um dispositivo de armazenamento óptico, um dispositivo de armazenamento eletromagnético, um dispositivo de armazenamento semicondutor, ou qualquer combinação adequada dos expostos. Uma lista não exaustiva de exemplos mais específicos da mídia de armazenamento legível por computador inclui os seguintes: um disquete de computador portátil, um disco rígido, uma memória de acesso aleatório (RAM), uma memória apenas de leitura (ROM), uma memória apenas de leitura programável apagável (EPROM ou memória Flash), uma memória de acesso aleatório estática (SRAM), um disco compacto memória apenas de leitura portátil (CD-ROM), um disco versátil digital (DVD), um bastão de memória, um disco flexível, e qualquer combinação adequada dos expostos. Uma mídia de armazenamento legível por computador, na forma usada aqui, não é apenas construída sendo sinais transitórios per se, tais como ondas de rádio ou outras ondas eletromagnéticas que propagam livremente através de uma guia de ondas ou outras mídias de transmissão (por exemplo, pulsos de luz que passam por um cabo de fibra óptica), ou sinais elétricos transmitidos através de um fio.

[062] Instruções de programa legíveis por computador descritas aqui podem ser transferidas para os respectivos dispositivos de computação/processamento de uma mídia de armazenamento legível por computador ou para um computador externo ou dispositivo de armazenamento externo por meio de uma rede, por exemplo, a Internet, uma rede de área local, uma rede de área abrangente e/ou uma rede sem fio. A rede pode compreender cabos de transmissão de cobre, fibras de transmissão óptica, transmissão sem fio, roteadores, firewalls, chaves, computadores de porta e/ou servidores de borda. Um cartão adaptador de rede ou interface de rede em cada dispositivo de computação/processamento recebe instruções de programa legíveis por computador da rede e encaminha as instruções de programa legíveis por computador para armazenamento em uma mídia de armazenamento legível por computador no respectivo dispositivo de computação/processamento.

[063] Instruções de programa legíveis por computador para realizar operações da presente invenção podem ser instruções em assemblem, instruções da arquitetura do conjunto de instruções (ISA), instruções de máquina, instruções dependentes de máquina, microcódigo, instruções de firmware, dados de definição de estado, ou qualquer código fonte ou código objeto gravado em qualquer combinação de uma ou mais linguagens de programação, incluindo uma linguagem de programação orientada para objeto tais como Smalltalk, C++ ou similares, e linguagens de programação procedurais convencionais, tal como linguagem de programação “C” ou linguagens de programação similares. As instruções de programa legíveis por computador podem executar inteiramente no computador do usuário, parcialmente no computador do usuário, como um pacote de software independente, parcialmente no computador do usuário e parcialmente em um computador remoto ou inteiramente no computador remoto ou servidor. Nesse último cenário, o computador remoto pode ser conectado ao computador do usuário através de qualquer tipo de rede, incluindo uma rede de área local (LAN) ou uma rede de área abrangente (WAN), ou a conexão pode ser feita a um computador externo (por exemplo, através da Internet usando um Provedor de Serviço de Internet). Em algumas modalidades, o sistema de circuitos eletrônicos incluindo, por exemplo, sistema de circuitos de lógica programável, arranjos de porta programáveis no campo (FPGA), ou arranjos de lógica programável (PLA)

podem executar as instruções de programa legíveis por computador utilizando informação de estado das instruções de programa legíveis por computador para personalizar o sistema de circuitos eletrônicos, a fim de realizar aspectos da presente invenção.

[064] Aspectos da presente invenção são descritos aqui com referência a ilustrações de fluxograma e/ou diagramas de blocos de métodos, aparelho (sistemas), e produtos programa de computador de acordo com modalidades da invenção. Entende-se que cada bloco das ilustrações de fluxograma e/ou diagramas de blocos, e combinações de blocos nas ilustrações de fluxograma e/ou diagramas de blocos, pode ser implementada por instruções de programa legíveis por computador.

[065] Essas instruções de programa legíveis por computador podem ser providas a um processador de um computador de uso geral, computador de uso especial, ou outro aparelho de processamento de dados programável para produzir uma máquina, de maneira tal que as instruções, que executam por meio do processador do computador ou outro aparelho de processamento de dados programável, criem meios para implementar as funções/ações especificadas no fluxograma e/ou bloco ou blocos do diagrama de blocos. Essas instruções de programa legíveis por computador podem também ser armazenadas em uma mídia de armazenamento legível por computador que pode direcionar um computador, um aparelho de processamento de dados programável, e/ou outros dispositivos para funcionar de uma maneira particular, de maneira tal que a mídia de armazenamento legível por computador tendo instruções armazenadas na mesma compreenda um artigo de fabricação incluindo instruções que implementam aspectos da função/ação especificada no fluxograma e/ou bloco ou blocos do diagrama de blocos .

[066] As instruções de programa legíveis por computador podem também ser carregadas em um computador, outro aparelho de processamento de dados programável, ou outro dispositivo para fazer com que uma série de etapas operacionais sejam realizadas no computador, outro aparelho programável ou outro dispositivo para produzir um processo implementado por computador, de maneira tal que as instruções que executam no computador, outro aparelho programável, ou dispositivo implemente as funções/ações especificadas no fluxograma e/ou bloco ou blocos do diagrama de blocos.

[067] O fluxograma e diagramas de blocos nas figuras ilustram a arquitetura, funcionalidade e operação de possíveis implementações de sistemas, métodos e produtos programa de computador de acordo com várias modalidades da presente invenção. A esse respeito, cada bloco no fluxograma ou diagramas de blocos pode representar um módulo, segmento, ou porção de instruções, que compreende uma ou mais instruções executáveis para implementar a(s) função(ões) lógicas especificadas. Em algumas implementações alternativas, as funções notadas no bloco podem ocorrer fora da ordem notada nas figuras. Por exemplo, dois blocos mostrados em sucessão podem, de fato, ser executados de forma substancialmente simultânea, ou os blocos podem algumas vezes ser executados na ordem inversa, dependendo da funcionalidade envolvida. Deve-se notar também que cada bloco dos diagramas de blocos e/ou ilustração de fluxograma, e combinações de blocos nos diagramas de blocos e/ou ilustração de fluxograma, pode ser implementado por sistemas a base de hardware de uso especial que realizam as funções ou ações especificadas ou realizam combinações de instruções de hardware de uso especial e computador.

[068] Na forma usada aqui, as expressões parâmetro de estado e índice de estado são intercambiáveis. As expressões parâmetro de estado de lavoura e parâmetro de estado são intercambiáveis.

[069] Referência é feita agora à Figura 1, que é um fluxograma de um método para computar instruções para aplicar uma ou mais práticas agrícolas a um campo alvo com base na saída de um ou mais sensor(es) fisiológico(s) de lavoura e computadas por um ou mais classificadores com base em instruções previamente obtidas para administração de práticas agrícolas aos respectivos campos de referência, de acordo com algumas modalidades da presente invenção. Referência é também feita à Figura 2, que é um diagrama de blocos de componentes de um sistema 200 para computar instruções para aplicar uma ou mais práticas agrícolas a um campo alvo por um ou mais classificadores e/ou para treinar um ou mais classificadores, de acordo com algumas modalidades da presente invenção. O sistema 200 pode implementar as ações dos métodos descritos com referência à Figura 1, opcionalmente por um(uns) processador(es) de hardware 202 de um dispositivo de computação 204 que executa instruções de código 206A e/ou treinamento de código 206B armazenado em uma memória 206.

[070] O dispositivo de computação 204 recebe, para cada um dos múltiplos campos de referência, parâmetro(s) de estado com base em sensor(es) fisiológico(s) de lavoura de referência 208A localizados nos respectivos múltiplos campos de referência por meio de respectivos terminais de cliente de referência 210A, por uma rede 212. O dispositivo de computação 204 pode armazenar o(s) parâmetro(s) de estado em um conjunto de dados de referência 214A (opcionalmente hospedados por um dispositivo de armazenamento de dados 214 associado com o dispositivo de computação 204). Nota-se que o conjunto de dados de referência 214A pode armazenar os dados brutos produzidos pelo(s) sensor(es) fisiológico(s) de lavoura de referência 208A, e/ou pode armazenar valores computados de acordo com os dados brutos. Os valores podem ser computados de acordo com os dados brutos produzidos pelo(s) sensor(es) fisiológico(s) de lavoura de referência 208A pelos respectivos terminais de cliente de referência 210A e/ou pelo dispositivo de computação 204. Um classificador 214B (opcionalmente armazenado em dispositivo de armazenamento de dados 214) é treinado de acordo com os dados armazenados em base de dados de referência 214A, como descrito aqui. Um terminal de cliente alvo 210B acessa dispositivo de computação 204 para obter instruções para administração de uma ou mais práticas agrícolas a lavouras alvos que crescem em campo alvo, com base em parâmetro(s) de estado do campo alvo indicativo(s) de um estado da lavoura atual (por exemplo, parâmetros de condições fisiológicas indicativos de uma condição fisiológica da lavoura alvo no campo alvo, parâmetro(s) de crescimento indicativo(s) de crescimento da lavoura alvo, e/ou parâmetro(s) de estresse indicativos de estresse experimentado pela lavoura alvo) computados com base na saída de sensor(es) fisiológico(s) de lavoura alvos 208B instalados no campo alvo.

[071] O dispositivo de computação 204 pode ser implementado como, por exemplo, um servidor de rede, uma nuvem de computação, e um servidor virtual.

[072] Cada terminal(s) de cliente alvo de cliente 210B e/ou terminal de cliente de referência 210A pode ser implementado como, por exemplo, uma máquina virtual, um computador de mesa, um cliente magro, um dispositivo móvel (por exemplo, um Smartphone, um computador tipo mesa digitalizadora, um computador de colo, um computador de usar, computador de óculos, e um computador de relógio).

[073] Nota-se que o(s) terminal(is) de cliente alvo(s) 210B e terminal(is) de cliente de referência 210A pode(m) ser implementado(s) como o(s) mesmo(s) terminal(is) de cliente, e/ou como diferente(s) terminal(is) de cliente. Similarmente, sensor(es) fisiológico(s) de lavoura de referência 208A e sensor(es) fisiológico(s) de lavoura alvo(s) 210B pode(m) ser implementado(s) como o(s) mesmo(s) sensor(es) e/ou como diferente(s) sensor(es). Por exemplo, o mesmo dispositivo móvel pode atuar como um certo terminal de cliente de referência durante transmissão de dados de sensor(es) fisiológico(s) de lavoura associado(s) que estão atuando como sensor(es) fisiológico(s) de lavoura de referência para o dispositivo de computação 204. O mesmo dispositivo móvel pode atuar como um certo terminal de cliente alvo durante recebimento de instruções para administração da prática agrícola do dispositivo de computação 204 com base em dados produzidos pelo(s) sensor(es) fisiológico(s) de lavoura associado(s) que estão atuando como sensor(es) fisiológico(s) de lavoura alvo(s).

[074] Cada terminal de cliente alvo de cliente 210B e/ou terminal de cliente de referência 210A pode receber os dados com base nas saídas do(s) respectivo(s) sensor(es) fisiológico(s) de lavoura 208B e 208A por meio de uma ou mais interfaces de dados de sensor, por exemplo, uma interface de rede, uma conexão por fio, uma conexão sem fio, outras implementações de interface física, e/ou interfaces virtuais (por exemplo, interface de software, interface de programação de aplicação (API), kit de desenvolvimento de software (SDK)).

[075] O dispositivo de computação 204 provê serviços (por exemplo, uma ou mais das ações descritas com referência à Figura 1) ao(s) terminal(is) de cliente alvo(s) 210B pela rede 212, por exemplo, provendo software como um serviço (SaaS) ao(s) terminal(is) de cliente alvo(s) 210B, provendo uma aplicação para transferência local para o(s) terminal(is) de cliente alvo(s) 210B, e/ou provendo funções por meio de uma sessão de acesso remoto ao(s) terminal(is) de cliente alvo(s) 210B, tal como através de um navegador de rede e/ou aplicação armazenada em um dispositivo móvel.

[076] O processador de hardware(s) 202 de dispositivo de computação 204 pode ser implementado, por exemplo, como um unidade(s) de processamento central (CPU), uma(s) unidades de processamento gráfico (GPU), arranjo(s) de porta programável(is) no campo (FPGA), processador(es) de sinal digital (DSP), e circuito(s) integrado(s) específico(s) da aplicação (ASIC). O(s) processador(es) 202 pode(m) incluir um ou mais processadores (homogêneos ou heterogêneos), que podem ser arranjados para processamento paralelo, como agrupamentos e/ou como uma ou mais unidades de processamento de múltiplos núcleos.

[077] A memória (que pode também ser referida aqui como um(uns) armazenamento(s) de programa) 206 armazena instruções de código implementável por processador(es) 202. A memória 206 pode ser implementada como, por exemplo, uma memória de acesso aleatório (RAM), memória apenas de leitura (ROM) e/ou um dispositivo de armazenamento, por exemplo, memória não volátil, mídias magnéticas, dispositivos de memória semicondutores, unidade de disco, armazenamento removível, e mídias ópticas (por exemplo, DVD, CD-ROM). A memória 206 armazena código 206A que executa uma ou mais ações do método descrito com referência à Figura 1 e/ou código de treinamento 206B que treina o classificador, como descrito aqui.

[078] O dispositivo de computação 204 pode incluir um dispositivo de armazenamento de dados 214 para armazenar dados, por exemplo, o classificador treinado 214B e/ou conjunto de dados de referência 214A que armazena dados com base na saída do(s) sensor(es) fisiológico(s) de lavoura de referência 208A. O dispositivo de armazenamento de dados 214 pode ser implementado como, por exemplo, uma memória, um disco rígido local, uma unidade de armazenamento removível, um disco óptico, um dispositivo de armazenamento, e/ou como um servidor remoto e/ou nuvem de computação (por exemplo, acessado por meio de uma conexão de rede).

[079] Cada dentre o dispositivo de computação 204, terminal(is) de cliente alvo(s) 210B e/ou terminal(is) de cliente de referência 210A pode incluir uma respectiva interface de rede para conectar à rede 212, por exemplo, uma ou mais dentre um cartão de interface de rede, uma interface sem fio para conectar a uma rede sem fio, uma interface física para conectar a um cabo para conectividade de rede, uma interface virtual implementada em software, software de comunicação de rede para prover camadas superiores de conectividade de rede, e/ou outras implementações.

[080] A rede 212 pode ser implementada como, por exemplo, a internet, uma rede de área local, uma rede virtual, uma rede sem fio, uma rede celular, um barramento local, uma ligação ponto a ponto (por exemplo, por fio) e/ou combinações dos supramencionados.

[081] O(s) terminal(is) de cliente alvo(s) 210B e/ou terminal(is) de cliente de referência 210A pode(m) incluir e/ou ficar em comunicação com uma respectiva interface de usuário 216A-B que inclui um mecanismo para um usuário entrar com dados (por exemplo, selecionar a prática agrícola) e/ou ver dados apresentados (por exemplo, as instruções para administração da prática agrícola), por exemplo, por meio de uma interface gráfica de usuário (GUI). Interfaces de usuário exemplificativas 216A-B incluem, por exemplo, uma ou mais dentre uma tela sensível ao toque, um monitor, um teclado, um mouse, e software ativado por voz usando alto-falantes e microfone. A GUI pode ser armazenada como respectivo código 218A-B nos respectivos dispositivos de armazenamento de dados e/ou memória associada com o(s) respectivo(s) terminal(is) de cliente alvo(s) 210B e terminal(is) de cliente de referência 210A.

[082] O sensor fisiológico de lavouras de referência e/ou alvo exemplificativos 208A-B incluem: dendrometria (isto é, sensor de microvariação de tronco), sensor de diâmetro de caule, sensor de diâmetro de fruto, sensor de diâmetro de folha, sensor de taxa de crescimento de lavoura, sensor de temperatura de copa e/ou de folha, sensor de umidade de solo, sensor de temperatura ambiental, sensor de umidade relativa, sensor de radiação solar, sensor de velocidade e direção do vento, e formação de imagem remotamente sensoriada (por exemplo, por satélite, aéreo ou drone).

[083] Em 102, um conjunto de dados de referência é criado, provido e/ou atualizado. Um ou mais classificadores são treinados de acordo com o conjunto de dados de referência. As expressões conjunto de dados de referência e conjunto de dados de treinamento são intercambiáveis.

[084] O conjunto de dados de referência armazena registros para cada um de múltiplos campos de referência. Cada registro armazena: - Uma indicação de um ou mais parâmetros de estado indicativos do estado da lavoura atual, por exemplo, estresse experimentado por uma lavoura de referência no respectivo campo de referência. Os parâmetros de estado de lavoura podem incluir, por exemplo, dados brutos produzidos pelo(s) sensor(es), agregação de dados produzidos pelo(s) sensor(es) (por exemplo, computação de um valor médio dos dados produzidos pelo(s) sensor(es) em um intervalo de tempo), e/ou computação de um ou mais valores de acordo com os dados produzidos pelo(s) sensor(es) (por exemplo, computados de acordo com uma função, equação e/ou algoritmo de aprendizagem de máquina). O(s) parâmetro(s) de estado de lavoura pode(m) incluir, por exemplo, um ou mais parâmetros de estresse indicativos de estresse experimentado pela lavoura alvo, um ou mais parâmetros de crescimento indicativos de crescimento da lavoura, e/ou um ou mais parâmetros fisiológicos indicativos de um condição fisiológica da lavoura.

[085] Os parâmetros de estado são computados com base na saída de sensor(es) fisiológico(s) de lavoura de referência que monitoram a respectiva lavoura de referência.

Múltiplos parâmetro(s) de estado computados em múltiplos intervalos de tempo sequenciais cobrindo uma ou mais estações de crescimento (ou porções das mesmas) podem ser armazenados em associação com uma indicação dos respectivos intervalos de tempo, por exemplo, uma etiqueta de tempo indicando o estágio fenológico da lavoura de referência, data de calendário e/ou data grau.

Registros armazenando o(s) parâmetro(s) de estado pode iniciar em um certo estágio fenológico de acordo com o tipo e/ou variedade da lavoura de referência.

Pomares efêmeros, por exemplo, podem iniciar os registros dos dias de crescimento com indutor de brotação reprodutivo ou vegetativo dependendo das espécies.

Em um outro exemplo, plantas perenes podem ser estabelecidas para iniciar de acordo com a primeira florescência de folhas.

Em ainda um outro exemplo, para lavouras anuais (isto é, vegetais ou grãos), a começar dos dias de crescimento normalmente iniciam mediante transplante normalmente iniciam mediante transplante ou data de emergência, respectivamente. - Uma indicação de instruções de prática(s) agrícola(s) aplicada(s) ao respectivo campo de referência.

Por exemplo, o intervalo de tempo quando a(s) prática(s) agrícola(s) foi(ram) aplicada(s) ao respectivo campo de referência.

Nota-se que o registro pode armazenar dados dos quais as instruções são dinamicamente computadas, em vez de explicitamente armazenar as instruções.

Por exemplo, armazenando da(s) prática(s) agrícola(s) que foi(ram) aplicada(s) ao campo de referência, e armazenando uma etiqueta de tempo indicando quando a(s) prática(s) agrícola(s) foi(ram) aplicada(s). A indicação da(s) prática(s) agrícola(s) aplicada(s) ao respectivo campo de referência pode ser manualmente alimentada pelo operador do respectivo campo de referência (por exemplo, por meio de uma GUI apresentada em um monitor do respectivo terminal de cliente de referência) e/ou automaticamente provida com base em código de execução (por exemplo, um controlador de sistema de irrigação automático provê uma indicação de irrigação aplicada).

[086] Nota-se que a indicação de instruções de prática(s) agrícola(s) aplicada(s) ao respectivo campo de referência inclui quando a(s) prática(s) agrícola(s) foi(ram) aplicada(s), mas não necessariamente como as práticas agrícolas foram aplicadas (por exemplo, duração). A duração de administração da prática agrícola pode ser determinada de acordo com a dosagem e/ou intensidade, com base em diretrizes de prática comuns. Por exemplo, como definido pelo fabricante (por exemplo, no caso de produtos químicos), de acordo com o tipo de lavoura, com base em critérios determinados por um cultivador (por exemplo, com base em práticas culturais), e/ou de acordo com o tipo de solo (por exemplo, no caso de irrigação).

[087] Opcionalmente, as instruções para administração da(s) prática(s) agrícola(s) ao campo alvo (como descrito aqui) podem ser computadas de acordo com as instruções de armazenado de prática(s) agrícola(s) aplicadas aos respectivos campos de referência, que podem representar um ajuste fino das práticas comuns para melhorar a produtividade e/ou qualidade da lavoura alvo, por exemplo, ajuste em uma faixa. - Uma indicação de produtividade e/ou qualidade da lavoura de referência em um evento de referência histórico, por exemplo, no final da estação de crescimento, e/ou em um certo grau dia ou estágio de crescimento. Indicações de produtividade e/ou qualidade da lavoura de referência exemplificativos incluem, dentre outras que podem ser desenvolvidas no futuro: tamanho, cor, graduação de mercado, conteúdo de proteína, concentração de açúcar ou combinação de metabólitos secundários. - Um perfil de campo de referência incluindo múltiplos parâmetros que permanecem substancialmente estáticos na estação de crescimento da lavoura de referência que cresce no campo de referência. O perfil de campo de referência correlacionada com o perfil de campo alvo discutido em detalhe adicional a seguir, por exemplo, um ou mais parâmetros do perfil de campo de referência são similares ou correspondem a um ou mais parâmetros do perfil de campo alvo.

[088] O conjunto de dados de referência, que pode ser hospedado por um servidor, pode ser criado e/ou atualizado com base em dados transmitidos pelos respectivos terminais de cliente de referência de respectivos campos de referência correspondentes pela rede. Cada terminal de cliente de referência agrega saída de sensor(es) fisiológico(s) de lavoura de referência que monitora(m) a respectiva lavoura de referência. Os terminais de cliente de referência podem computar localizadamente o(s) parâmetro(s) de estado, e transmitir o(s) parâmetro(s) de estado ao servidor, e/ou os terminais de cliente de referência podem transmitir uma indicação da saída do(s) sensor(es), com o servidor computando o(s) parâmetro(s) de estado de acordo com as indicações recebidas.

[089] Os parâmetro(s) de estado podem ser computados para os respectivos campos de referência com base no(s) sensor(es) fisiológico(s) de lavoura de saída de referência, por exemplo, a cada hora, a cada 6 horas, a cada 12 horas, a cada dia, a cada 3 dias, a cada semana, ou outros intervalos de tempo.

[090] Um ou mais classificadores são treinados de acordo com o conjunto de dados de treinamento (isto é, o conjunto de dados de referência) para classificar a(s) prática(s) agrícola(s) e parâmetro(s) de estado selecionado(s) de um campo alvo em instruções para aplicar a(s) prática(s) agrícola(s) ao campo alvo. O classificador é treinado para produzir instruções, onde a produtividade e /ou qualidade da lavoura alvo em um evento alvo futuro é aumentada quando as instruções para administração da(s) prática(s) agrícola(s) ao campo alvo são implementadas em relação à produtividade e/ou qualidade da lavoura alvo que seria obtida no evento alvo futuro correspondente ao(s) evento(s) de referência histórico(s) quando uma administração alternativa da(s) prática(s) agrícola(s) é implementada, por exemplo, quando a(s) prática(s) agrícola(s) é(são) aplicada(s) em um momento diferente das instruções definidas e/ou quando a(s) prática(s) agrícola(s) não é(são) aplicada(s).

[091] Instruções para aplicar a(s) prática(s) agrícola(s) incluem um intervalo de tempo para aplicar a prática agrícola selecionada, por exemplo, em termos de data de calendário, grau dia, e/ou estágio fenológico.

Opcionalmente, as instruções para aplicar a(s) prática(s) agrícola(s) podem incluir uma ou mais instruções adicionais, por exemplo: dosagem (por exemplo, para produtos químicos e/ou bioestimulantes), concentração (por exemplo, para adubo), volume (por exemplo, para irrigação), intensidade (por exemplo, para diferentes práticas culturais, tal como poda), e/ou outra definição quantitativa para uma certa prática agrícola. Nota-se que as instruções adicionais podem representar um ajuste fino de práticas comuns. Quando as instruções adicionais não são computadas (por exemplo, ainda não disponíveis, tal como durante uma primeira estação quando dados estão sendo coletados), as instruções adicionais podem ser determinadas, por exemplo, pelo cultivador, com base em práticas comuns. Por exemplo, com base em instruções do fabricante no caso de produtos químicos ou bioestimulantes, adubos, e outros materiais ou substâncias, e com base em protocolos de agricultura e/ou experiência relativa a outras práticas agrícolas, e outras tecnologias que podem ser disponíveis em relação às quantidades de água a aplicar em irrigação independentemente pelo cultivador, dependendo de suas próprias condições ambientais. As instruções adicionais podem ser computadas, por exemplo, após uma estação de crescimento durante a qual a(s) saída(s) de sensor foi(ram) coletada(s), para ajuste de dosagem, quantidade, intensidade, e/ou outros fatores quantitativos.

[092] Nota-se que o classificador pode ser totalmente automaticamente criado e/ou treinado. Alternativamente, pelo menos uma certa intervenção manual é realizada, por exemplo, o usuário pode projetar recursos enxertados a mão, e/ou adicionar conhecimento agrícola a uma implementação de árvore de decisão do classificador.

[093] Opcionalmente, múltiplos classificadores são treinados, onde cada classificador é treinado de acordo com perfis de campo de referência comuns. Os perfis de campo de referência comuns podem ser determinados de acordo com uma exigência de correlação que define a máxima diferença entre os perfis de campo de referência e/ou define a similaridade exigida entre os perfis de campo de referência. Alternativa ou adicionalmente, um único classificador é treinado com base nos perfis de campo de referência comuns.

[094] O(s) classificador(s) pode(m) ser dinamicamente treinado(s) de acordo com a versão mais atualizada do conjunto de dados de referência (isto é, armazenando os dados mais atualizados), opcionalmente em resposta ao recebimento de uma solicitação para classificação. Alternativa ou adicionalmente, o(s) classificador(es) pode(m) ser pré-treinado(s) com base em uma certa versão do conjunto de dados de referência. O(s) classificador(es) pode(m) ser atualizado(s) (por exemplo, dinamicamente em resposta a novos dados, e/ou em intervalos de tempo predefinidos) de acordo com os dados recém-recebidos.

[095] O(s) classificador(es) pode(m) ser implementado(s) como um ou múltiplos classificadores e/ou código de inteligência artificial. Exemplos de implementações de classificador incluem: instruções de código para buscar registros dos conjuntos de dados de referência (por exemplo, realizando correspondência do(s) parâmetro(s) de estado do campo alvo com parâmetro(s) de estado do(s) registros), um mapa que mapeia entrada nos registros do conjunto de dados de referência, árvores de decisão, regressão logística, k-ésimo vizinho mais próximo, uma ou mais redes neurais de várias arquiteturas (por exemplo, artificial, profunda, convolucional, totalmente conectada), máquina de vetores de suporte (SVM), e/ou combinações dos supramencionados.

[096] Referência é feita agora à Figura 3, que é um fluxograma de dados representando fluxo de dados para a criação de um conjunto de dados de referência 314A, de acordo com algumas modalidades da presente invenção. Sensor(es) fisiológico(s) de lavoura 308 (localizado(s) em respectivos campos de referência) produzem dados 310 de lavouras de referência localizadas no respectivo campo de referência, para armazenamento no conjunto de dados de referência 314A. Uma indicação de práticas agrícolas 312 aplicadas às respectivas lavouras de referência (por exemplo, cultivação, quimigação, fertirrigação, irrigação) é armazenada em conjunto de dados de referência 314A. O conjunto de dados de referência 314A pode ser atualizado em tempo real, continuamente, em eventos pré-definidos, e/ou quando novos dados são providos. Parâmetro(s) de estado 316 é(são) computado(s) de acordo com os dados de sensor. O conjunto de dados de referência 314A pode armazenar, para cada respectivo campo de referência, o(s) parâmetro(s) de estado e/ou dados brutos de sensor em associação com uma referência de tempo (por exemplo, estágio de crescimento da lavoura de referência, grau dia, e/ou dia do calendário) e prática(s) agrícola(s) aplicada(s).

[097] Referindo-se agora novamente à Figura 1, em 104, um perfil de campo alvo do campo alvo pode ser provido. O perfil de campo alvo pode incluir múltiplos parâmetros. O perfil de campo alvo pode ser armazenado em um conjunto de dados hospedado por um dispositivo de armazenamento de dados, e/ou manualmente alimentado por um usuário (por exemplo, por meio de uma GUI), e/ou automaticamente extraído dos conjuntos de dados (por exemplo, hospedado por servidores). O perfil de campo alvo pode incluir parâmetros que permanecem substancialmente estáticos na estação de crescimento da lavoura alvo que cresce no campo alvo. Parâmetros do perfil de campo alvos exemplificativos incluem: - Empresa: denotando o nome da empresa à qual pertence a lavoura e/ou gerencia a irrigação da lavoura.

- Nome do campo: denotando o nome do campo onde a lavoura está crescendo.

- Plot ID: denotando a identificação do campo onde a lavoura está crescendo, por exemplo, definido por um registro de terra.

- Localização & coordenadas: denotando localização geográfica do campo onde a lavoura está crescendo, por exemplo, cidade, rua, coordenadas geográficas (por exemplo, latitude, longitude).

- Elevação: denotando a elevação acima do nível do mar do campo.

- Inclinação e exposição de Inclinação: denotando a inclinação e direção de inclinação do campo.

- Tipo de campo: denotando se os dados estão sendo providos com base em medições de sensor associadas com o campo, ou se a lavoura é uma lavoura alvo para a qual o coeficiente de lavoura dinâmico é solicitado.

- Estufa/campo aberto/pomar/outro: denotando se o campo é aberto, uma estufa, um pomar, ou alguma outra coisa.

- Espécies e/ou variedade de lavoura: denotando as espécies e/ou variedade da lavoura.

- Dados de plantação: denotando os dados de plantação da lavoura, podem ser usados para definir a estação de crescimento.

- Propósito de produção agrícola: denotando o produto final da lavoura, por exemplo, vinho, fruta fresca, e processamento industrial.

- Densidade espacial: denotando a distância entre e/ou ao longo de fileiras e/ou plantas, opcionalmente medida em densidade por metro quadrado.

- Sistema de plantio: denotando o método para plantar as lavouras, por exemplo, treliça, treinamento de árvore, e poda.

- Carga nominal de produtividade (isto é, alta, média, baixa): uma estimativa da quantidade de estresse experimentado pelo campo.

- Descrição física do solo: denotando parâmetros físicos do solo, por exemplo, número e profundidade horizontal, textura e porcentagem separada, porcentagem de pedra, e compactação.

- Descrição química do solo: denotando parâmetros químicos do solo, por exemplo, pH, salinidade (EC), e carbonatos. Opcionalmente uma faixa de valores é provida.

- Métodos de irrigação: denotando o método de irrigar a lavoura, por exemplo, gotejamento, borrifação, pivô, vala e alagamento.

- Vazão de irrigação: denotando a vazão de irrigação para sistema pressurizado, por exemplo, emissor/baixo/alto.

- Condição de copa: denotando parâmetros da copa, por exemplo, biomassa (por exemplo, índice de área de folha (LAI), fração de vegetação) opcionalmente medida em gramas por metro quadrado, condição nutricional, e condição sanitária (por exemplo, pestes, ervas daninhas).

[098] Os perfis de campo de referência dos campos de referência armazenados no conjunto de dados de referência correspondem ao perfil de campo alvo.

[099] O perfil de campo de referência e perfil de campo alvo podem incluir dados respectivamente indicativos dos sensores fisiológicos de lavoura de referência e dos sensores fisiológicos de lavoura alvo. A correlação entre o perfil de campo de referência e o perfil de campo alvo pode incluir uma exigência de similaridade de sensores, para melhorar a precisão dos parâmetros de estado com base em saídas de sensor correspondentes.

[100] O classificador pode realizar a classificação de acordo com registros do conjunto de dados de referência associados com perfis de campo de referência que correlacionam ao perfil de campo alvo de acordo com uma exigência de correlação que define a quantidade de similaridade e/ou diferença entre o(s) perfil(s) de campo de referência e o perfil de campo alvo. A classificação de acordo com a correlação entre o perfil de campo de referência(s) e o perfil de campo alvo pode prover instruções mais precisas e/ou instruções que são mais relevantes para a lavoura alvo.

[101] Opcionalmente, um subconjunto de campos de referência que correlaciona ao campo alvo de acordo com a correlação do perfil de campo alvo do campo alvo e os perfis de campo de referência dos campos de referência são identificados a partir do conjunto de dados de referência. O(s) classificador(es) pode(m) ser dinamicamente treinado(s) de acordo com o subconjunto de campos de referência, por exemplo, o(s) classificador(es) pode(m) buscar o subconjunto de campos de referência. Alternativa ou adicionalmente, o(s) classificador(es) computado de acordo com diferentes perfis de campos de referência foram treinados com antecedência e são armazenados. O(s) classificador(s) relevante(s) pode(m) ser selecionado(s) de acordo com o perfil de campo alvo.

[102] Em 106, uma seleção de uma ou mais prática(s) agrícola(s) para administração ao campo alvo é obtida. Prática(s) agrícola(s) exemplificativas incluem: irrigação, pesticida químico, adubo químico, poda, desbaste, colheita e bioestimulante.

[103] A(s) prática(s) agrícola(s) pode(m) ser selecionada(s) de um conjunto (por exemplo, lista) de práticas agrícolas potenciais. O conjunto de práticas agrícolas potenciais pode representar práticas agrícolas que são relevantes para o campo alvo. O conjunto de práticas agrícolas potenciais relevante para o campo alvo pode ser obtido, por exemplo, de um conjunto de dados que armazena práticas agrícolas de acordo com perfil(s) de campo alvo, e/ou pode ser extraído do conjunto de dados de referência de acordo com uma análise que identifica práticas agrícolas aplicadas a campos de referência associados com perfis de campo referenciados que correlacionam ao perfil de campo alvo.

[104] A(s) prática(s) agrícola(s) pode(m) ser selecionada(s) por um usuário por meio de uma interface gráfica de usuário (GUI) apresentada em um monitor do terminal de cliente alvo. O usuário pode selecionar a prática agrícola a partir das práticas agrícolas potenciais apresentadas pela GUI.

[105] Em 107, a saída do(s) sensor(es) fisiológico(s) de lavoura no campo alvo é obtida. A saída do(s) sensor(es) fisiológico(s) de lavoura pode ser pré-processada, por exemplo, convertida de saída analógica em formato digital, agregado (por exemplo, computando o valor médio em um intervalo de tempo) e/ou decimação.

[106] A saída do(s) sensor(es) fisiológico(s) de lavoura pode ser obtida pelo terminal de cliente alvo para transmissão para o dispositivo de computação.

[107] Em 108, parâmetro(s) de estado indicativo(s) do estado da lavoura alvo atual no campo alvo é(são) computado(s) com base na saída de sensor(es) fisiológico(s) de lavoura alvo(s) que monitora a lavoura alvo. O(s) parâmetro(s) de estado pode(m) ser computado(s) pelo terminal de cliente alvo, e/ou pode(m) ser computado(s) pelo dispositivo de computação (por exemplo,

servidor) com base em uma indicação de saída do(s) sensor(es) fisiológico(s) de lavoura alvo(s) transmitida pelo terminal de cliente alvo ao servidor.

[108] O(s) parâmetro(s) de estado pode(m) incluir parâmetro de estresse, por exemplo, déficit nutricional, nível de toxicidade, déficit hídrico, e bloqueio de fotossíntese, contração do tronco, contração de fruto, taxa de crescimento, fluxo de assimilados, movimento hídrico da planta, desenvolvimento de biomassa etc.

[109] O(s) parâmetro(s) de estado pode(m) ser associado(s) com uma etiqueta de tempo indicativa de um intervalo de tempo durante o qual a saída de sensor(es) fisiológico(s) de lavoura alvo(s) usado(s) para computar o(s) parâmetro(s) de estado é obtida. Por exemplo, dia calendário e hora, estágio fenológico da lavoura alvo, e grau dia em uma estação de crescimento.

[110] Opcionalmente, múltiplos parâmetros de estado são computados, por exemplo, com base em diferentes combinações de saídas de sensor e/ou com base em diferentes funções computacionais. Os múltiplos parâmetros de estado podem ser armazenados como um perfil de estado.

[111] O(s) parâmetro(s) de estado fornecem uma indicação do estado da lavoura alvo atual (por exemplo, condição fisiológica, estado de crescimento, estado de estresse da lavoura alvo), no momento correspondente à etiqueta de tempo, e/ou resposta real da lavoura alvo a condições ambientais e/ou resposta à(s) prática(s) agrícola(s) aplicada(s).

[112] O classificador pode realizar a classificação de acordo com a etiqueta de tempo. Por exemplo, instruções para aplicar a(s) intervenção(ões) agrícola(s) selecionada(s) em um intervalo de tempo antes da etiqueta de tempo são excluídas.

[113] O(s) parâmetro(s) de estado pode(m) ser manualmente selecionado(s) pelo usuário (por exemplo, por meio da GUI), pode(m) ser um parâmetro de sistema predefinido, e/ou pode(m) ser automaticamente selecionado(s) de múltiplos parâmetros de estado de acordo com a prática agrícola selecionada e/ou de acordo com o perfil de campo alvo.

A seleção do(s) parâmetro(s) de estado pode(m) ser de acordo com o tipo e/ou variedade da respectiva lavoura alvo, que pode ser armazenado como um(s) parâmetro(s) da respectiva lavoura alvo. Para uma seleção manual pelo usuário, os parâmetros de estado apresentados podem ser primeiramente automaticamente selecionados de um conjunto de dados de parâmetros de estado para incluir parâmetros de estado que são relevantes para a prática agrícola selecionada e/ou relevante para o perfil de campo alvo.

[114] Opcionalmente, o(s) parâmetro(s) de estado inclui(em) um valor normalizado em uma faixa de máximo estado possível e mínimo estado possível.

[115] Opcionalmente, o(s) parâmetro(s) de estado é(são) computado(s) por código que executa um algoritmo (por exemplo, função(s)) que computa o valor do(s) parâmetro(s) de estado a partir da saída do(s) sensor(es). Alternativa ou adicionalmente, o(s) parâmetro(s) de estado é(são) computado(s) por um ou mais classificadores de estados. O(s) classificador(es) de estado pode(m) ser treinado(s) de acordo com um conjunto de dados de treinamento de estado que armazena saída de sensor fisiológico de lavouras e dados indicativos de um certo valor de estado, por exemplo, uma rede neural treinada com base em imagens de satélite da lavouras e etiquetas de valores do parâmetro de estado que podem ser manualmente alimentados e/ou automaticamente computados por código. Nota-se que os parâmetros de estado podem representar valores intuitivos, por exemplo, com base em uma escala na qual altos valores representam alto estado, e baixos valores representam baixo estado. Alternativa ou adicionalmente, os parâmetros de estado podem não ser necessariamente valores intuitivos, por exemplo, pesos e/ou coeficientes produzidos por uma rede neural.

[116] Opcionalmente, múltiplos parâmetros de estado são computados. Cada parâmetros de estado é associado com uma respectiva etiqueta de tempo sequencial em um intervalo de tempo. Os parâmetros de estado podem ser computados, por exemplo, a cada minuto, com base em saída de sensor coletada no último minuto e/ou com base em saída de sensor coletada em pontos em tempo espaçado por um minuto, a cada 10 minutos, a cada hora, ou outros intervalos de tempo. Os múltiplos parâmetros de estado denotam mudanças dinâmicas para o campo alvo no intervalo de tempo. Os múltiplos parâmetros de estado podem ser alimentados no classificador, por exemplo, como um vetor.

[117] Um parâmetro de estado exemplificativo é ora discutido como um exemplo e não é para ser necessariamente limitante. O índice de estresse hídrico da lavoura (CWSI) é baseado em temperatura da superfície da copa. O cálculo de CWSI se baseia em duas linhas de base: a linha de base não estressada hídrica, que representa uma lavoura totalmente aguada, e a máxima linha de base estressada, que corresponde a uma lavoura não transpirante (estomata totalmente fechada) por causa do baixo suprimento de água à lavoura. Além da temperatura da folha e do ar, a computação pode ser baseada no déficit de pressão de vapor de ar.

[118] Referência é feita agora à Figura 4, que inclui gráficos representando a flutuação de CWSI em trigo de inverno em três diferentes regimes de irrigação (isto é, quanto maior o número de tratamento, tanto maior o nível de estresse) e em três diferente abordagens para computar o índice, útil para ajudar a entender algumas modalidades da presente invenção. Detalhes do CWSI são discutidos adicionalmente com referência a Yuan G, Luo Y, Sun X e Tang D. 2004. Avaliação de um índice de estresse hídrico da lavoura para detectar estresse hídrico em trigo de inverno nas Planícies do Norte da China. Agricultural Water Management 64 (2004) 29–40. doi:10.1016/S0378- 3774(03)00193-8. Como representado pelos gráficos, o valor de índice de estado aumenta à medida que a quantidade de água aplicada diminui, permanecendo na maioria dos casos entre a faixa prevista de 0 – 1, mas diferenças podem ser vistas entre as diferentes abordagens para computar o CWSI. Nota-se que diferentes índices de estado podem ser usados para diferentes localizações e condições de lavoura de referência. O índice de estado mais adequado para as condições específicas de cada lavoura de referência é selecionado, como descritos aqui.

[119] Referindo-se agora novamente à Figura 1, em 110, o(s) parâmetro(s) de estado do campo alvo e a(s) prática(s) agrícola(s) selecionada(s) é(são) alimentada(s) no classificador. O perfil de campo alvo pode ser alimentado no classificador associado com o(s) parâmetro(s) de estado e a(s) prática(s) agrícola(s), ou pode ser provido antecipadamente para seleção do certo classificador e/ou para identificar o subconjunto de registros de campos alvos de referência que correlacionam ao perfil de campo alvo.

[120] O parâmetro de estado pode ser alimentado no classificador, mesmo quando o parâmetro de estado da lavoura alvo não corresponder diretamente ao(s) parâmetro(s) de estado da lavoura de referência, e/ou não corresponder diretamente ao(s) parâmetro(s) de estado da lavoura de referência correspondente à máxima produtividade e/ou qualidade. Como discutido aqui, as instruções para administração da prática agrícola podem ser aplicadas de acordo com o(s) parâmetro(s) de estado, e/ou instruções para realizar outras práticas agrícolas para ajustar o parâmetro de estado podem ser produzidas.

[121] O(s) parâmetro(s) de estado e a(s) prática(s) agrícola(s) pode(m) ser provido(s), por exemplo, como uma mensagem transmitida pela rede ao dispositivo de computação que atua como um servidor, pode(m) ser alimentado(s) por um usuário por meio de uma GUI que acessa o classificador no dispositivo de computação, e/ou provido(s) por meio de uma API que roda no terminal de cliente alvo que comunica com o dispositivo de computação.

[122] O classificador classifica o(s) parâmetro(s) de estado e a(s) prática(s) agrícola(s) em instruções para administração da(s) prática(s) agrícola(s) ao campo alvo. A classificação feita de acordo com a predição de que a produtividade e/ou qualidade da lavoura alvo em um evento alvo futuro (por exemplo, colheita, final de estação de crescimento, um certo data de grau, uma certa data de calendário) é aumentada quando as instruções para administração da prática agrícola ao campo alvo são implementadas, em relação à produtividade e/ou qualidade da lavoura alvo prevista no evento alvo futuro quando uma administração alternativa da(s) prática(s) agrícola(s) é implementada (por exemplo, aplicada em um tempo diferente, não aplicada, aplicada de uma maneira diferente).

[123] O classificador pode fazer a classificação, por exemplo, buscando os registros do conjunto de dados de treinamento, opcionalmente os registros correlacionados ao perfil de campo alvo, para identificar registros associados com parâmetro(s) de estado que correspondem (dentro uma exigência de correlação que define uma tolerância nos valores correspondidos) ao(s) parâmetro(s) de estado alimentado(s) do campo alvo, e registros associados com prática(s) agrícola(s) que correspondem (dentro da exigência de correlação) à(s) prática(s) agrícola(s) alimentada(s). O classificador pode obter a instrução para administração da(s) prática(s) agrícola(s) de acordo com os registros associados com a máxima produtividade e/ou qualidade da lavoura de referência. Os resultados do classificador representam uma predição que implementa a(s) prática(s) agrícola(s) selecionada(s) (que obteve a máxima produtividade e/ou qualidade da lavoura de referência no(s) campo(s) de referência(s)) ao campo alvo, de acordo com as mesmas instruções usadas no campo de referência, fornecem resultados similares para as lavouras alvos em termos de produtividade e/ou qualidade.

[124] Alternativa ou adicionalmente, o classificador computa uma probabilidade de que a implementação da(s) prática(s) agrícola(s) selecionada(s) ao campo alvo de acordo com as instruções produzidas resulta na produtividade e/ou qualidade prevista.

[125] As instruções para administração podem incluir um certo tempo para administração da(s) prática(s) agrícola(s) à lavoura alvo, por exemplo, um certo estágio fenológico da lavoura alvo, graus-dia e uma data de calendário.

[126] As instruções para administração podem incluir fatores quantitativos para como aplicar a(s) prática(s) agrícola(s), por exemplo, dosagem, concentração, quantidade, intensidade e volume. Quando os fatores quantitativos não são incluídos nas instruções, os fatores quantitativos podem ser determinados com base em prática e/ou orientação comum, por exemplo,

com base em orientações do fabricante, o tipo de lavoura, tipo de solo e/ou critérios pessoais do cultivador.

[127] As instruções para administração podem incluir instruções para aplicar outra(s) prática(s) agrícola(s) além da(s) prática(s) agrícola(s) selecionada(s). A(s) outra(s) prática(s) agrícola(s) é(são) selecionada(s) para ajustar o estado da lavoura alvo atual (por exemplo, medida pelo(s) parâmetro(s) de estado a um outro estado da lavoura alvo que é mais adequado para administração da(s) prática(s) agrícola(s) selecionada(s). A(s) outra(s) prática(s) agrícola(s) pode(m) ser selecionada(s) de acordo com uma predição de que outra(s) prática(s) agrícola(s), quando administrada(s) além da(s) prática(s) agrícola(s) selecionada(s), obterá uma maior produtividade e/ou qualidade no evento alvo (por exemplo, colheita, fim de estação) que a administração da(s) prática(s) agrícola(s) selecionada(s) sem a(s) prática(s) agrícola(s) adicional(s). As instruções para aplicar outra(s) prática(s) agrícola(s) podem ser selecionadas para ajuste do(s) parâmetro(s) de estado do campo alvo, opcionalmente de acordo com parâmetro(s) de estado de campos de referência(s) associado(s) com a predição de máxima produtividade e/ou qualidade de produtos de referência. Por exemplo, para aplicar irrigação, fertilização e/ou um produto químico, para ajustar o estado fisiológico da lavoura alvo, de maneira tal que a saída dos sensores fisiológicos de lavoura seja ajustada para resultar no(s) parâmetro(s) de estado ajustado(s). Por exemplo, para um pomar (isto é, lavoura alvo) a ser tratado com um certo hormônio, quando o campo alvo é associado com um valor diferente do parâmetro de estado do que o valor do parâmetro de estado do campo de referência no qual o mesmo hormônio foi aplicado, a resposta ao mesmo tratamento de prática agrícola pode não ser tão efetivo para a lavoura alvo quanto foi para a lavoura de referência. Tal discrepância não indica necessariamente que existe uma exigência para normalizar os valores de índice de estado entre o campo de referência e o campo alvo. O cultivador e/ou gerente do campo alvo pode ser provido com instruções para ajustar o valor do parâmetro de estado da lavoura de referência para corresponder (dentro de uma faixa de tolerância) ao valor do parâmetro de estado do campo de referência antes de aplicar a prática agrícola. Falha no ajuste do valor do parâmetro de estado da lavoura de referência pode resultar em reduzida eficiência da prática agrícola, que pode resultar em menor produtividade e/ou qualidade em comparação com a produtividade e/ou qualidade potencial prevista quando o valor do parâmetro de estado é de acordo com a lavoura de referência. As instruções podem definir quando ajustar o(s) parâmetro(s) de estado da lavoura alvo. O cultivador pode não ser capaz de esperar muito tempo para melhorar o valor do(s) parâmetro(s) de estado da lavoura alvo. Por exemplo, a aplicação do hormônio não pode ser atrasada até depois que o processo de maturidade tiver iniciado, uma vez que, nesse ponto, não haverá efeito do hormônio. As instruções produzidas pelo classificador com base no conjunto de dados provêm o usuário (por exemplo, cultivador) com uma estimativa mais precisa do efeito na produtividade e/ou qualidade final durante aplicação da prática agrícola em um valor diferente do parâmetro de estado (isto é, indicativo de condição fisiológica) do que recomendado. Por exemplo, quando há um menor previsão de uma(s) certa(s) prática(s) agrícola(s) ser menos efetiva(s) por causa de um valor diferente do parâmetro de estado, o usuário (por exemplo, cultivador) pode tomar decisões correspondentemente. Por exemplo, o usuário pode decidir quando é mais conveniente mudar o destino para um mercado menos exigente no que diz respeito a danos físicos na fruta.

[128] Referência é feita agora à Figura 5, que é um esquema representando o fluxo de dados de um campo alvo 502 para um conjunto de dados de lavoura 504, e de volta para o campo alvo 502, de acordo com algumas modalidades da presente invenção. Dados exemplificativos 506 seguindo o campo alvo 502 para conjunto de dados de lavoura 504 incluem: prática(s) agrícola(s) selecionada(s) para administração, saída de sensor(es) fisiológico(s) de lavoura, dados de tempo, produtividade e/ou qualidade histórica das lavouras, e/ou valor computado do(s) parâmetro(s) de estado. O classificador recebe os dados providos e produz, com base no conjunto de dados de lavoura 504, instruções para administração da(s) prática(s) agrícola(s) ao campo alvo 504, como descrito aqui.

[129] Referindo-se novamente agora à Figura 1, em 112, as instruções para administração da(s) prática(s) agrícola(s) ao campo alvo são providas ao terminal de cliente alvo, por exemplo, transmitidas pelo dispositivo de computação ao terminal de cliente como uma mensagem, por meio de uma API, e/ou por meio da GUI. A(s) prática(s) agrícola(s) é(são) administrada(s) automaticamente e/ou manualmente ao campo alvo de acordo com as instruções, por uma implementação de humano e/ou implementação de controlador.

[130] As instruções para administração da(s) prática(s) agrícola(s) podem incluir instruções legíveis por máquina (por exemplo, código, escrita), que são projetadas para serem executadas por um controlador agrícola (por exemplo, processador) para implementação automática da prática agrícola, por exemplo, instruções de código para irrigação automática.

[131] Alternativa ou adicionalmente, as instruções para administração da(s) prática(s) agrícola(s) são apresentadas em um monitor do terminal de cliente alvo, opcionalmente na GUI, como instruções legíveis por humano para implementação manual por um usuário. Por exemplo, uma apresentação de multimídia (por exemplo, texto, vídeo, áudio e/ou animação) instruindo o usuário sobre como implementar as instruções para administração da(s) prática(s) agrícola(s).

[132] Em 114, uma ou mais das ações 107-112 podem ser iteragidas.

[133] A administração da(s) prática(s) agrícola(s) ao campo alvo de acordo com as instruções pode ser monitorada interagindo uma ou mais ações 107-112. Novas instruções podem ser geradas, e/ou instruções previamente computadas podem ser ajustadas.

[134] Múltiplos parâmetros de estado coletados em diferentes intervalos de tempo sequenciais (com base na saída de sensores fisiológicos de lavoura alvos) podem ser dinamicamente classificados para determinar se as instruções para administração da(s) prática(s) agrícola(s) ao campo alvo são adaptadas. Os diferentes intervalos de tempo podem incluir:

antes da administração da(s) prática(s) agrícola(s) ao campo alvo de acordo com as instruções, durante administração da(s) prática(s) agrícola(s) ao campo alvo de acordo com as instruções, e após a administração da(s) prática(s) agrícola(s) ao campo alvo de acordo com as instruções.

[135] Em 116, o conjunto de dados de referência pode ser dinamicamente atualizado, opcionalmente em tempo real, com base em saídas em tempo real do sensores fisiológicos de lavoura de referência nos respectivos campos de referência. A atualização do conjunto de dados de referência ocorre independentemente da execução das ações 104-114.

[136] O campo alvo pode se tornar um campo de referência, por exemplo, após uma análise automatizada e/ou validação manual por um administrador. Quando o campo alvo se torna um campo de referência, saídas dos sensores fisiológicos de lavoura alvo no campo alvo são transferidas para o conjunto de dados de referência.

[137] Várias implementações de pelo menos alguns dos sistemas e/ou métodos e/ou instruções de código armazenados em um dispositivo de armazenamento de dados executada por um ou mais processadores delineados anteriormente e como reivindicado nas reivindicações a seguir encontram suporte experimental nos exemplos seguintes. Exemplos

[138] Referência é feita agora aos exemplos seguintes, que, juntamente com as descrições apresentadas, ilustram algumas implementações dos sistemas e/ou métodos e/ou instruções de código armazenadas em um dispositivo de armazenamento de dados executado por um ou mais processadores descritos aqui de uma maneira não limitante.

[139] Os inventores realizaram um experimento, no qual um bioestimulante recém-desenvolvido (isto é, prática agrícola selecionada) foi avaliado em milho um campo experimental. O experimento durou duas estações consecutivas em 2016-2017. A meta do experimento foi identificar o melhor momento e condição fisiológica da planta para maximizar a eficiência do bioestimulante testado.

[140] Nota-se que, antes do experimento, os desenvolvedores do bioestimulante não tiveram o controle sobre os resultados finais por causa da falta de informação a respeito do nível de estado da planta combinado com os exatos estágios de crescimento. Portanto, um experimento multifatorial foi projetado onde diferentes níveis de estresse hídrico foram aplicados durante as estações, enquanto o bioestimulante foi aplicado durante o estágio fenológico recomendado (pré-formação do cabelo de milho) pelo fabricante mais outros estágios posteriores durante a estação.

[141] O campo experimentado foi irrigado por um sistema de irrigação por gotejamento e monitorado por dois sensores de umidade de solo, um sensor de diâmetro de caule, e um sensor de tamanho de fruta por administração, com três replicações por tratamento e um conjunto de sensores de clima (estação meteorológica) próximos ao campo (isto é, sensores fisiológicos de lavoura). Os dados foram controlados por um controlador de irrigação e transmitidos por meio de unidades de comunicação remota. A colheita foi feita com uma colheitadeira mecânica que mede o peso e a umidade do milho de cada canteiro separadamente. Como pós-processamento, os dados de peso foram normalizados em 20% de umidade.

[142] A significância do monitoramento de planta (por exemplo, contínua) pelo sensor fisiológico de lavouras na escolha do momento mais adequado para aplicação de bioestimulante (isto é, instruções para aplicação da prática agrícola) foi observada a dois níveis. Primeiro, para identificar estresse na lavoura. Segundo, para definir o estágio fenológico ideal para fazer a aplicação de bioestimulante. Em geral, foi observado que o bioestimulante teve um efeito positivo no controle de tratamentos não estressados ou de meio estressado em biomas e desenvolvimento da espiga quando as plantas estiveram sob estresse moderado ou sem estresse.

[143] Referência é feita agora à Figura 6, que é um gráfico representando medições de diâmetro de caule sazonais 602A-C identificando precisamente as diferentes estresses hídricas correspondentes 604A-C, que afetaram diretamente a resposta do bioestimulante, de acordo com algumas modalidades da presente invenção. Para a estação 2016, o efeito do bioestimulante foi 6,6% na biomassa seca e 5,8% no peso de espiga nos tratamentos não estressados, 2,0% e 12,4%, respectivamente, nos tratamentos de meio estresse, em comparação a absolutamente nenhum efeito em tratamentos altamente estressados. Esses resultados mostram que um parâmetro de estado (por exemplo, parâmetro de estresse) pode ser computado de acordo com a saída do sensor fisiológico de lavoura, por exemplo, o(s) valor(es) do diâmetro de caule pode(m) ser mapeado(s) em um certo valor de parâmetro de estado. Além disso, o valor do parâmetro de estado afeta a produtividade e/ou qualidade da lavoura colhida quando o bioestimulante é aplicado ao campo com o certo parâmetro de estado. Portanto, as instruções para administração do bioestimulante podem incluir instruções para ajustar o parâmetro de estado do campo a um parâmetro de estado diferente para obter o melhor resultado. Alternativa ou adicionalmente, as instruções para administração do bioestimulante podem ser afetadas pelo valor de parâmetro de estado atual do campo, por exemplo, nenhum bioestimulante deve ser aplicado a um campo altamente estressado.

[144] Além do mais, os inventores descobriram que o momento para aplicar o bioestimulante foi crítico, afetando significativamente o nível de resposta da lavoura ao bioestimulante aplicado. A caracterização tanto do nível de estresse quanto do estágio fenológico ideal para aplicar o bioestimulante foi precisamente obtida com base nos dados produzidos pelos sensores fisiológicos de lavoura (isto é, sensores de crescimento: caule e fruta). Esses resultados indicam que as instruções para administração do bioestimulante computada de acordo com a saída dos sensores fisiológicos de lavoura podem incluir o momento para aplicação do bioestimulante. Em particular, de acordo com os resultados de ambas as estações, o momento ideal para administração do bioestimulante é a cada final do período de crescimento vegetativo e/ou imediatamente antes do início do período reprodutivo.

[145] O experimento provê evidência de que os sensores fisiológicos de lavoura (isto é, sensores de crescimento) produzem dados que são sensíveis o bastante para descrever claramente o padrão de crescimento de milho (isto é, o(s) parâmetro(s) de estado de lavoura), e identificar a escolha do tempo adequado e/ou nível de estado preciso da planta para máxima produtividade adicional pela aplicação de bioestimulante, como descrito aqui.

[146] Referência é feita agora à Figura 7, que é um gráfico representando dados de aplicação de bioestimulante de acordo com curvas de crescimento 702A-B do milho durante as estações de 2016 e 2017, respectivamente, de acordo com algumas modalidades da presente invenção. As curvas de crescimento 702A-B são diâmetros de caule em milímetro. A aplicação do bioestimulante durante 05/07 e 07/07 forneceu os melhores resultados.

[147] As curvas 702A (isto é, o diâmetro de caule) caracterizam claramente os estágios fenológicos da lavoura durante ambas as estações, mostrando um rápido crescimento durante o estágio vegetativo, uma vez que a emergência até o crescimento atinge um patamar (aproximadamente em 12 de julho para ambas as estações). Posteriormente o caule começou a diminuir de diâmetro, mas ainda estava reagindo ao estresse hídrico através das mudanças na contração diária. As curvas de crescimento 702A-B correspondem a parâmetros de estado 704A-B. Para ambas as estações, os resultados mostram que as aplicações feitas no início de julho (no final do estágio vegetativo) foram as que resultam significativamente em um maior efeito do bioestimulante em relação aos tratamentos de controle.

[148] Nota-se que a escolha do tempo adequado ideal para administração do bioestimulante (isto é, instruções para administração) não pode ser identificado por outros métodos conhecidos, tal como contagem de graus- dia, ou avaliação visual do estágio de crescimento. O experimento fornece evidência de que o uso de sensores fisiológicos de lavoura (por exemplo, sensores de crescimento) para caracterizar os estágios de desenvolvimento e o estado (por exemplo, níveis de estresse) da lavoura podem ser usados para determinar instruções para administração de uma prática agrícola selecionada ao campo alvo para resultados ideais, como descrito aqui.

[149] As descrições das várias modalidades da presente invenção foram apresentadas para efeitos de ilustração, mas não devem ser exaustivas ou limitadas às modalidades descritas. Muitas modificações e variações ficarão aparentes aos versados na técnica sem fugir do escopo e espírito das modalidades descritas. A terminologia usada aqui foi escolhida para explicar melhor os princípios das modalidades, a aplicação prática ou melhoria técnica em relação a tecnologias encontradas no mercado, ou permitir que outros versados na técnica entendam as modalidades descritas aqui.

[150] Espera-se que, durante a vida de patente que madura a partir desse pedido, muitos sensores fisiológicos de lavoura e parâmetro(s) de estado relevante(s) sejam desenvolvidos e o escopo dos termos sensor fisiológico de lavoura e parâmetro(s) de estado deve incluir todas tais novas tecnologias a priori.

[151] Na forma usada aqui, a expressão “cerca de” se refere  10 %.

[152] Os termos “compreende”, “compreendendo”, “inclui”, “incluindo”, “tendo” e seus conjugados significam “incluindo, mas não limitado a”. Esses termos engloba os termos “consistindo em” e “consistindo essencialmente em”.

[153] A expressão “consistindo essencialmente em” significa que a composição ou método pode incluir ingredientes e/ou etapas adicionais, mas apenas se os ingredientes e/ou etapas adicionais não alterarem materialmente as características básicas e inovadoras da composição ou método reivindicado.

[154] Na forma usada aqui, as formas singulares “um”, “uma” e “o”, “a” incluem as referências plurais, a menos que o contexto dite claramente de outra forma. Por exemplo, a expressão “um composto” ou “pelo menos um composto” pode incluir uma pluralidade de compostos, incluindo suas misturas.

[155] A palavra “exemplificativa” é usada aqui para significar “que serve como um exemplo, caso ou ilustração”. Qualquer modalidade descrita como “exemplificativa” não deve ser necessariamente interpretada como preferida ou vantajosa em relação a outras modalidades e/ou para excluir a incorporação de recursos de outras modalidades.

[156] A palavra “opcionalmente” é usada aqui para significar “é provido em algumas modalidades e não provido em outras modalidades”. Qualquer modalidade particular da invenção pode incluir uma pluralidade de recursos “opcionais” a menos que tais recursos sejam conflitantes.

[157] Nessa aplicação, várias modalidades desta invenção podem ser apresentadas em um formato de intervalo. Deve-se entender que a descrição em formato de intervalo é meramente por conveniência e concisão e não deve ser interpretada como uma limitação inflexível ao escopo da invenção. Dessa forma, a descrição de um intervalo deve ser considerada tendo descrito especificamente os subintervalos possíveis vem como valores numéricos individuais no intervalo. Por exemplo, descrição de um intervalo tal como de 1 a 6 deve ser considerada tendo descrito especificamente os subintervalos de 1 a 3, de 1 a 4, de 1 a 5, de 2 a 4, de 2 a 6, de 3 a 6, etc., bem como números individuais nesse intervalo, por exemplo, 1, 2, 3, 4, 5 e 6. Isso se aplica independentemente da abrangência do intervalo.

[158] Sempre que uma faixa numérica for indicada aqui, ela deve incluir qualquer número citado (fracionado ou inteiro) na faixa indicada. As expressões “variando/varia entre” um primeiro número indicado e um segundo número indicado e “variando/varia de” um primeiro número indicado “a” um segundo número indicado são usadas aqui intercambiavelmente e devem incluir os primeiro e segundo números indicados e todos os números fracionais e inteiros entre eles.

[159] Percebe-se que certos recursos da invenção, que são, por questão de clareza, descritos no contexto de modalidades separadas, podem também ser providos em combinação em uma única modalidade. Ao contrário, vários recursos da invenção, que são, por questão de concisão, descritos no contexto de uma única modalidade, podem também ser providos separadamente ou em qualquer subcombinação adequada, ou da forma adequada em qualquer outra modalidade descrita da invenção. Certos recursos descritos no contexto de várias modalidades não devem ser considerados recursos essenciais dessas modalidades, a menos que a modalidade seja inoperante sem esses elementos.

[160] Embora a invenção tenha sido descrita em combinação com suas modalidades específicas, é evidente que muitas alternativas, modificações e variações ficarão aparentes aos versados na técnica. Dessa forma, é intenção abrange todas tais alternativas, modificações e variações que se enquadrem no espírito e escopo amplo das reivindicações anexas.

[161] Todas as publicações, patentes e pedidos de patente mencionados nessa especificação estão aqui incorporados em suas íntegras pela referência no relatório descritivo, como se cada publicação, patente ou pedido de patente individual estivesse especificamente e individualmente indicado para ser incorporado aqui pela referência. Além do mais, citação ou identificação de qualquer referência nesse relatório descritivo não deve ser interpretada como uma admissão de que tal referência é disponível como técnica anterior à presente invenção. Até o ponto em que os títulos dessa seção são usados, eles não devem ser interpretados como necessariamente limitantes.

[162] Além do mais, qualquer(s) documento(s) de prioridade deste relatório descritivo é/são aqui incorporado(s) por referência em sua íntegra.

Claims

REIVINDICAÇÕES

1. MÉTODO IMPLEMENTADO POR COMPUTADOR PARA PROVER UM TERMINAL DE CLIENTE com instruções para administração de pelo menos uma prática agrícola a um campo alvo, caracterizado pelo fato de que compreender: -a obtenção de uma seleção de pelo menos uma prática agrícola para administração ao campo alvo; -o computo, com base na saída de pelo menos um sensor fisiológico de lavoura que monitora uma lavoura alvo do campo alvo, de pelo menos um parâmetro de estado indicativo de um estado de uma lavoura alvo no campo alvo; -a alimentação, a pelo menos um classificador, de pelo menos um parâmetro de estado do campo alvo e pelo menos uma prática agrícola; -a classificação, por pelo menos um classificador, de pelo menos um parâmetro de estado e pelo menos uma prática agrícola em instruções para administração de pelo menos uma prática agrícola ao campo alvo, em que pelo menos uma dentre produtividade e qualidade da lavoura alvo em um evento alvo futuro é prevista de ser aumentada quando as instruções para administração de pelo menos uma prática agrícola ao campo alvo são implementadas em relação a pelo menos uma dentre produtividade e qualidade da lavoura alvo que é prevista no evento alvo futuro quando uma administração alternativa de pelo menos uma prática agrícola é implementada, em que pelo menos um classificador computa instruções para administração de pelo menos uma prática agrícola com base em instruções previamente obtidas para administração de práticas agrícolas aos respectivos campos de referência associados com o respectivo pelo menos um parâmetro de estado, e pelo menos uma dentre produtividade e qualidade das respectivas lavouras de referência nos respectivos campos de referência em eventos de referência históricos correspondentes ao evento alvo futuro; e

-a provisão das instruções para administração de pelo menos uma prática agrícola ao campo alvo ao terminal de cliente.

2. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fato de pelo menos um parâmetro de estado incluir pelo menos um dentre: pelo menos um parâmetro de estresse indicativo de estresse experimentado pela lavoura alvo, pelo menos um parâmetro de crescimento indicativo de crescimento da lavoura alvo, e pelo menos um parâmetro fisiológico indicativo de uma condição fisiológica da lavoura.

3. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fato de as instruções para administração compreenderem um certo tempo para administração de pelo menos uma prática agrícola à lavoura alvo.

4. MÉTODO, de acordo com a reivindicação 3, caracterizado pelo fato de o certo tempo ser selecionado do grupo que consiste em: um certo estágio fenológico da lavoura alvo, graus-dia, e data de calendário.

5. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fato de as instruções para administração compreenderem instrução legível por máquina provida a um controlador agrícola para implementação automática de pelo menos uma prática agrícola.

6. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fato de as instruções para administração serem apresentadas em um monitor do terminal de cliente como instruções legíveis por humano para implementação manual por um usuário.

7. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fato de compreender adicionalmente: - a provisão de um perfil de campo alvo do campo alvo incluindo uma pluralidade de parâmetros que permanecem substancialmente estáticos na estação de crescimento da lavoura alvo que cresce no campo alvo, e em que o classificador realizar a classificação de acordo com perfis de campo de referência de respectivos campos de referência correlacionados ao perfil de campo alvo de acordo com uma exigência de correlação.

8. MÉTODO, de acordo com a reivindicação 7, caracterizado pelo fato de compreender adicionalmente: - a seleção de um subconjunto de campos de referência que se correlaciona ao campo alvo de acordo com a correlação do perfil de campo alvo do campo alvo e os perfis de campo de referência dos campos de referência; e - o treino dinâmico de pelo menos um classificador de acordo com o subconjunto de campos de referência.

9. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fato de compreender adicionalmente: - o monitoramento da administração de pelo menos uma prática agrícola de acordo com as instruções interagindo a entrada em pelo menos um classificador, e a classificação, para uma pluralidade de parâmetros de estado associados com diferentes intervalos de tempo sequenciais obtidos pelo menos um dentre: durante administração de pelo menos uma prática agrícola de acordo com as instruções classificadas por pelo menos um classificador e após a administração de pelo menos uma prática agrícola de acordo com as instruções classificadas por pelo menos um classificador, em que a classificação da pluralidade de parâmetros de estado ajusta dinamicamente as instruções para administração de pelo menos uma prática agrícola.

10. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fato de pelo menos um parâmetro de estado ser adicionalmente associado com uma etiqueta de tempo incluindo um ou mais membros selecionados do grupo que consiste em: dia calendário e hora, estágio fenológico da lavoura alvo e grau dia em uma estação de crescimento,

em que o classificador adicionalmente realiza a classificação de acordo com a etiqueta de tempo.

11. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fato de pelo menos um parâmetro de estado ser automaticamente selecionado de uma pluralidade de parâmetros de estado de acordo com pelo menos uma prática agrícola selecionada.

12. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fato de pelo menos um classificador buscar registros de um conjunto de dados realizando correspondência de pelo menos um parâmetro de estado do campo alvo com pelo menos um parâmetro de estado de pelo menos um campo de referência, em que o conjunto de dados armazena registros cada qual incluindo: indicações de pelo menos um parâmetro de estado de respectivos campos de referência, indicações de práticas agrícolas administradas aos respectivos campos de referência, e pelo menos uma dentre produtividade e qualidade das respectivas lavouras de referência dos respectivos campos de referência em eventos de referência históricos, em que as instruções para administração de pelo menos uma prática agrícola ao campo alvo são obtidas de acordo com a indicação de práticas agrícolas administradas ao campo de referência de pelo menos um registro correspondido.

13. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fato de pelo menos um parâmetro de estado incluir um valor normalizado em uma faixa de máximo estado possível e mínimo estado possível.

14. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fato de pelo menos um parâmetro de estado ser selecionado do grupo que consiste em: déficit nutricional, nível de toxicidade, déficit de água, e bloqueio de fotossíntese.

15. MÉTODO, de acordo com a reivindicação 1,

caracterizado pelo fato de pelo menos um parâmetro de estado ser computado por pelo menos um classificador de estado treinado de acordo com um conjunto de dados de treinamento de saída de sensores fisiológicos de lavouras e dados associados indicativos de um certo valor do estado.

16. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fato de pelo menos um parâmetro de estado compreender uma pluralidade de parâmetros de estado, cada qual associado com uma respectiva etiqueta de tempo sequencial em um intervalo de tempo, em que a pluralidade de parâmetros de estado denota mudanças dinâmicas para o campo alvo no intervalo de tempo.

17. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fato de as instruções incluírem instruções para administração de pelo menos uma outra prática agrícola ao campo alvo, em que as instruções para administração de pelo menos uma outra prática agrícola são selecionadas para ajuste de pelo menos um parâmetro de estado do campo alvo associado com uma predição de pelo menos uma dentre produtividade e qualidade da lavoura alvo no evento alvo futuro de acordo com pelo menos um parâmetro de estado ajustado em relação a pelo menos uma dentre produtividade e qualidade da lavoura alvo no evento alvo futuro de acordo com pelo menos um parâmetro de estado sem o ajuste.

18. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fato de pelo menos um sensor fisiológico de lavoura ser selecionado do grupo que consiste em: dendrometria, sensor de diâmetro de caule, sensor de diâmetro de fruto, sensor de diâmetro de folha, sensor de taxa de crescimento de lavoura, sensor de temperatura de folha, sensor de umidade de solo, sensor de temperatura ambiental, sensor de radiação solar, sensor de vento, sensor de umidade relativa e sensor de imagem aérea ou por satélite.

19. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fato de pelo menos uma prática agrícola ser selecionada por um usuário por meio de uma interface gráfica de usuário (GUI) apresentada em um monitor do terminal de cliente, e em que uma versão legível por humano das instruções para administração é apresentada na GUI.

20. MÉTODO, de acordo com a reivindicação 19, caracterizado pelo fato de pelo menos um parâmetro de estado ser selecionado pelo usuário por meio da GUI dentre uma pluralidade de parâmetros de estado.

21. MÉTODO, de acordo com a reivindicação 19, caracterizado pelo fato de uma pluralidade de práticas agrícolas potenciais para administração ao campo alvo ser computada com base em uma análise dos campos de referência, a pluralidade de práticas agrícolas potenciais é apresentada na GUI, e pelo menos uma prática agrícola é selecionada pelo usuário por meio da GUI dentre a pluralidade de práticas agrícolas potenciais apresentadas na GUI.

22. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fato de pelo menos uma prática agrícola ser selecionada do grupo que consiste em: irrigação, pesticida químico, adubo químico, poda, desbaste, colheita e bioestimulante.

23. MÉTODO IMPLEMENTADO POR COMPUTADOR PARA TREINAR PELO MENOS UM CLASSIFICADOR para classificar pelo menos uma prática agrícola e pelo menos um parâmetro de estado de um campo alvo em instruções para administração de pelo menos uma prática agrícola ao campo alvo, caracterizado pelo fato de compreender: - a provisão de um conjunto de dados de treinamento, incluindo uma pluralidade de registros para uma pluralidade de campos de referência, cada registro de cada respectivo campo de referência armazenando: instruções de pelo menos uma prática agrícola administrada ao respectivo campo de referência, pelo menos um parâmetro de estresse indicativo de um estado de uma lavoura de referência no respectivo campo de referência computado com base na saída de pelo menos um sensor fisiológico de lavoura que monitora a lavoura de referência, e pelo menos uma dentre produtividade e qualidade da lavoura alvo em um evento de referência histórico; e - o treinamento de pelo menos um classificador de acordo com o conjunto de dados de treinamento para classificar pelo menos uma prática agrícola e pelo menos um parâmetro de estado de um campo alvo em instruções para administrar pelo menos uma prática agrícola ao campo alvo, em que pelo menos uma dentre produtividade e qualidade da lavoura alvo em um evento alvo futuro é prevista ser aumentada quando as instruções para administração de pelo menos uma prática agrícola ao campo alvo são implementadas em relação a pelo menos uma dentre produtividade e qualidade da lavoura alvo que é prevista no evento alvo futuro quando uma administração alternativa de pelo menos uma prática agrícola é implementada.

24. MÉTODO, de acordo com a reivindicação 23, caracterizado pelo fato de cada registro de cada respectivo campo de referência armazenar uma pluralidade de pelo menos um parâmetro de estado computado em cada um dentre uma pluralidade de intervalos de tempo sequenciais que cobre toda a estação de crescimento da respectiva lavoura de referência que cresce no respectivo campo de referência.

25. MÉTODO, de acordo com a reivindicação 24, caracterizado pelo fato de o conjunto de dados de treinamento ser atualizado com base em uma indicação de pelo menos um parâmetro de estado para cada um dente a pluralidade de intervalos de tempo sequenciais transmitidos por cada um de uma pluralidade de terminais de cliente de referência associados com cada respectivo campo de referência a um servidor que armazena o conjunto de dados de treinamento.

26. MÉTODO, de acordo com a reivindicação 25, caracterizado pelo fato de o classificador ser treinado em tempo real de acordo com a versão atualizada do conjunto de dados de treinamento.

27. MÉTODO, de acordo com a reivindicação 23, caracterizado pelo fato de cada registro de cada respectivo campo armazenar um perfil de campo de referência incluindo uma pluralidade de parâmetros que permanecem substancialmente estáticos na estação de crescimento da lavoura de referência que cresce no campo de referência, e em que pelo menos um classificador é treinado de acordo com os perfis de campo de referência.

28. SISTEMA PARA PROVER UM TERMINAL DE CLIENTE COM INSTRUÇÕES para administração de pelo menos uma prática agrícola a um campo alvo, caracterizado pelo fato de compreender: - uma memória não transitória tendo armazenado na mesma um código para execução por pelo menos uma processador de hardware, o código compreendendo: - código para obter uma seleção de pelo menos uma prática agrícola para administração ao campo alvo; - código para computar, com base na saída de pelo menos um sensor fisiológico de lavoura que monitora uma lavoura alvo do campo alvo, pelo menos um parâmetro de estado indicativo de um estado de uma lavoura alvo no campo alvo; - código para alimentar em pelo menos um classificador pelo menos um parâmetro de estado do campo alvo e pelo menos uma prática agrícola; - código para classificação por pelo menos um classificador, pelo menos um parâmetro de estado e pelo menos uma prática agrícola em instruções para administração de pelo menos uma prática agrícola ao campo alvo, em que pelo menos uma dentre produtividade e qualidade da lavoura alvo em um evento alvo futuro é prevista ser aumentada quando as instruções para administração de pelo menos uma prática agrícola ao campo alvo são implementadas em relação a pelo menos uma dentre produtividade e qualidade da lavoura alvo que é prevista no evento alvo futuro quando uma administração alternativa de pelo menos uma prática agrícola é implementada, em que pelo menos um classificador computa instruções para administração de pelo menos uma prática agrícola com base em instruções previamente obtidas para administração de práticas agrícolas aos respectivos campos de referência associados com o respectivo pelo menos um parâmetro de estado, e pelo menos uma dentre produtividade e qualidade das respectivas lavouras de referência nos respectivos campos de referência em eventos de referência históricos correspondentes ao evento alvo futuro; e

- código para prover as instruções para administração de pelo menos uma prática agrícola ao campo alvo no terminal de cliente.