BR112020025328A2 - Direcionamento de oportunidade ideal de localização e portfólio - Google Patents

Abstract

“direcionamento de oportunidade ideal de localização e portfólio”. a presente invenção refere-se a técnicas para receber um primeiro conjunto de dados agrícolas históricos para um ou mais campos de um produtor e um segundo conjunto de dados agrícolas históricos compreendendo um conjunto de dados de propriedades de semente híbrida; fazer referência cruzada do primeiro conjunto e do segundo conjunto de dados agrícolas históricos para gerar uma recomendação de aprimoramento de faixa de produção para cada um dos um ou mais campos, onde a recomendação de aprimoramento de produção compreende uma alteração recomendada na população de sementes ou uma alteração recomendada na densidade de sementes; gerar dados preditivos de produção para o um ou mais campos pela aplicação da recomendação de aprimoramento de produção para o primeiro conjunto de dados agrícolas históricos; gerar dados de comparação de produção utilizando os dados de produção do produtor e os dados preditivos de produção para o um ou mais campos; e causar a exibição dos dados de comparação de produção para o produtor.

Description

Relatório Descritivo da Patente de Invenção para “DIRECIONAMENTO DE OPORTUNIDADE IDEAL DE LOCALIZAÇÃO E PORTFÓLIO”.

AVISO DE DIREITOS AUTORAIS

[001] Uma parte da divulgação deste documento de patente con- tém material que é sujeito à proteção de direitos autorais. Os proprie- tários dos direitos autorais não têm objeção quanto à reprodução fac- símile por qualquer pessoa do documento de patente ou da divulgação de patente, à medida que ela apareça no arquivo ou registros do Pa- tent and Trademark Office, mas de outro modo reserva todos os direi- tos autorais ou direitos quaisquer que sejam.  2020 The Climate Corporation.

CAMPO DA DIVULGAÇÃO

[002] A presente invenção refere-se a sistemas de computador úteis na agricultura. A presente divulgação se relaciona mais especifi- camente com sistemas de computador que são programados para uti- lizar dados agrícolas relacionados com sementes hibridas em um ou mais campos desejados para proporcionar um conjunto de sementes híbridas recomendas identificadas para produzir valores de produção com sucesso que excedem os valores médios de produção para o um ou mais campos desejados. A presente divulgação também se relaci- ona com sistemas de computador que são programados para utiliza- dos dados agrícolas relacionados com sementes híbridas e um ou mais campos para proporcionar recomendações na população de se- mentes e na densidade de sementes que aprimoram a produção e ge- ram dados preditivos de produção e de comparação.

ANTECEDENTES

[003] As abordagens descritas nesta seção são abordagens que poderiam ser seguidas, mas não necessariamente abordagens que têm sido anteriormente concebidas ou seguidas. Portando, a não ser que de outro modo indicado, não deve ser assumido que qualquer uma das abordagens descritas nesta seção se qualifiquem como téc- nica anterior simplesmente em virtude de sua inclusão nesta seção.

[004] Uma colheita com sucesso depende de vários fatores, in- cluindo seleção híbrida, fertilização do solo, irrigação, e controle de pragas, cada um dos quais contribui para a taxa de desenvolvimento de plantações de milho. Um dos mais importantes fatores de gerenci- amento agrícola é escolher quais sementes híbridas plantar nos cam- pos desejados. Variedades de sementes híbridas variam de híbridos adequados para temporadas de curto desenvolvimento até tempora- das de desenvolvimento mais longas, temperaturas mais quentes ou mais frias, climas mais secos ou mais únicos, e diferentes híbridos adequados para composições específicas de solo. Alcançar perfor- mance ideal para uma semente híbrida específica depende de se as condições do campo se alinham com as condições ideais de cultivo para a semente de hibrido específica. Por exemplo, um híbrido de mi- lho específico pode ser classificado como produzindo uma quantidade específica de produção para um agricultor, entretanto, se as condições do campo não corresponderem às condições ideais utilizadas para classificar o híbrido de milho específico, é improvável que o híbrido de milho irá atender às expectativas de produção para o agricultor.

[005] Uma vez que um conjunto de sementes do híbrido seja es- colhido para plantação, um agricultor deve então determinar uma es- tratégia de plantio. As estratégias de plantio incluem determinar a quantidade e a localização de cada uma das sementes híbridas esco- lhidas. Estratégias para determinar a quantidade e a localização pode ditar se a produção da colheita atende às expectativas. Por exemplo, cultivar sementes híbridas que possuem resistências e vulnerabilidade similares pode resultar em uma boa produção se condições forem fa- voráveis. Entretanto, se as condições flutuarem, tal como ter menos chuva do que esperado ou experimentar temperaturas mais altas do que o normal, então a produção como um todo para sementes híbridas similares pode ser diminuída. Uma estratégia de cultivo diversificada pode ser preferida para superar as flutuações ambientais não previs- tas.

[006] Técnicas descritas neste documento ajudam a aliviar algu- mas destas questões e ajudam aos agricultores a determinar quais sementes plantar em quais campos.

SUMÁRIO

[007] As reivindicações anexas podem servir como um sumário da divulgação.

BREVE DESCRIÇÃO DOS DESENHOS

[008] Nos desenhos:

[009] A FIG. 1 é um diagrama de um sistema de computador ilus- trativo que é configurado para executar as funções descritas neste do- cumento, apresentado em um ambiente de campo com outros apare- lhos com os quais o sistema pode interoperar.

[0010] A FIG. 2 ilustra duas vistas de uma organização lógica ilus- trativa de conjuntos de instruções na memória principal quando um aplicativo móvel ilustrativo é carregado para execução.

[0011] A FIG. 3 ilustra um processo programado pelo qual o siste- ma de computador de inteligência agrícola gera um ou mais modelos agronômicos pré-configurados utilizando dados agronômicos proporci- onados por uma ou mais fontes de dados.

[0012] A FIG. 4 é um diagrama de blocos que ilustra um sistema de computador no qual uma modalidade da invenção pode ser imple- mentada.

[0013] A FIG. 5 representa uma modalidade ilustrativa de um cro- nograma para entrada de dados.

[0014] A FIG. 6 representa uma modalidade ilustrativa de uma vis-

ta de planilha eletrônica para entrada de dados.

[0015] A FIG. 7 representa um fluxograma ilustrativo para gerar um grupo de produção alvo com sucesso de sementes híbridas identi- ficadas para performance de produção ideal em campos desejados baseado nos registros de dados agrícolas das sementes híbridas e nos dados de geolocalização associados com os campos alvo.

[0016] A FIG. 8 representa um exemplo de diferentes regiões den- tro de um estado que possuem diferentes maturidades relativas atribu- ídas baseadas nas durações de épocas de cultivo.

[0017] A FIG. 9 representa um gráfico descrevendo uma variação de valores de produção normalizados para sementes híbridas dentro de uma maturidade relativa classificada.

[0018] A FIG. 10 representa um fluxograma ilustrativo para gerar um conjunto de sementes híbridas alvo identificadas para performance ideal de produção e risco gerenciado em campos alvo baseado nos registros de dados agrícolas das sementes híbridas e nos dados de geolocalização associados com os campos alvo.

[0019] A FIG. 11 representa um gráfico ilustrativo de valores de produção versus valores de risco para uma ou mais sementes híbri- das.

[0020] A FIG. 12 representa um fluxograma ilustrativo para gerar recomendações de aprimoramento de produção por campo por utilizar distribuições históricas de produção e classificações de produção para cada campo.

[0021] A FIG. 13A representa uma distribuição em formato de sino para a produção histórica de um agricultor.

[0022] A FIG. 13 representa uma distribuição em formato de sino para a produção histórica de um agricultor com variações de campo alvo.

[0023] A FIG. 14 representa uma tabela ilustrativa para classifica-

ção e atribuição de produções alvo específicas por campo.

[0024] A FIG. 15A representa um gráfico de recomendação ilustra- tivo para alteração percentual em várias sacas encomendadas pelo agricultor.

[0025] A FIG. 15B representa um gráfico de recomendação ilustra- tivo para uma alteração percentual na densidade de sementes pelo agricultor.

[0026] A FIG. 16 representa um fluxograma ilustrativo para gerar uma produção preditiva utilizando dados agrícolas históricos e uma recomendação de aprimoramento de produção por campo.

[0027] A FIG. 17 representa um gráfico ilustrativo comparando o histórico de produção com a produção preditiva a partir de um aplicati- vo retroativo de recomendações para o histórico de produção.

DESCRIÇÃO DETALHADA

[0028] Na descrição seguinte, para o propósito de explicação, vá- rios detalhes específicos são expostos de modo a proporcionar um en- tendimento completo da presente divulgação. Entretanto, será aparen- te que modalidades podem ser praticadas sem estes detalhes especí- ficos. Em outros casos, estruturas e dispositivos bem conhecidos são apresentados em forma de diagrama de blocos de modo a evitar obs- curecer desnecessariamente a presente divulgação. Modalidades são divulgadas em seções de acordo com o seguinte esquema de tópicos:

1. VISTA GERAL

2. SISTEMA DE COMPUTADOR DE INTELIGÊNCIA

AGRÍCOLA ILUSTRATIVO

2.1 VISTA GERAL ESTRUTURAL

2.2 VISTA GERAL DE PROGRAMA APLICATIVO

2.3 INGESTÃO DE DADOS PARA O SISTEMA DE

COMPUTADOR

2.4 VISTA GERAL DE PROCESSO – TREINAMENTO

DE MODELO AGRONÔMICO

2.5 SUBSISTEMA DE CLASSIFICAÇÃO DE SEMENTE

HÍBRIDA

2.6 SUBSISTEMA DE RECOMENDAÇÃO DE

SEMENTE HÍBRIDA

2.7 EXEMPLO DE IMPLEMENTAÇÃO – VISTA GERAL

DO HARDWARE

3. VISTA GERAL FUNCIONAL – GERA E EXIBE GRUPO

ALVO DE PRODUÇÃO COM SUCESSO DE SEMENTES HÍBRIDAS

3.1 ENTRADA DE DADOS

3.2 PROCESSAMENTO DE DADOS AGRÍCOLAS

3.3 APRESENTA GRUPO ALVO DE PRODUÇÃO COM

SUCESSO

4. VISTA GERAL FUNCIONAL – GERAÇÃO E EXIBIÇÃO

DE SEMENTES HÍBRIDAS ALVO PARA PLANTIO

4.1 ENTRADA DE DADOS

4.2 SELEÇÃO DE SEMENTE HÍBRIDA

4.3 GERA VALORES DE RISCO PARA SEMENTES

HÍBRIDAS

4.4 GERA CONJUNTO DE DADOS DE SEMENTES

HÍBRIDAS ALVO

4.5 ANÁLISE DE PORTFÓLIO DE SEMENTES

4.6 APRESENTA CONJUNTO DE SEMENTES

HÍBRIDAS ALVO

5. VISTA GERAL FUNCIONAL – GERA E EXIBE

RECOMENDAÇÃO DE APRIMORAMENTO DE PRODUÇÃO DO CAMPO POR CAMPO

5.1 ENTRADA DE DADOS

5.2 DISTRIBUIÇÃO DE PRODUÇÃO E PRODUÇÃO

ALVO PROJETADA

5.3 GERA PONTUAÇÕES DE CLASSIFICAÇÃO DE

PRODUÇÃO

5.4 OTIMIZAÇÃO DE SEMENTE E GERAÇÃO DE

RECOMENDAÇÃO

5.5 APRESENTA RECOMENDAÇÃO DE

APRIMORAMENTO DE PRODUÇÃO

6. VISTA GERAL FUNCIONAL - APLICAÇÃO

RETROATIVA DIRECIONADA DE RECOMENDAÇÕES

6.1 ENTRADA DE DADOS

6.2 RECOMENDAÇÕES E PRODUÇÕES PREDITIVAS

6.3 GERA E EXIBE COMPARAÇÃO

1. VISTA GERAL

[0029] Um sistema de computador e um método implementado por computador que são divulgados neste documento para gerar um con- junto de grupos alvo de produção com sucesso de sementes híbridas que possuem uma alta probabilidade de uma produção com sucesso em um ou mais campos alvos. Em uma modalidade, um grupo alvo de produção com sucesso de sementes de hibrido pode ser gerado utili- zando um sistema de computador servidor que é configurado para re- ceber, através de uma rede de comunicação de dados digitais, um ou ais registros de dados agrícolas que representam dados de semente de cultivo descrevendo propriedades da semente e de produção de uma ou mais sementes híbridas e primeiros dados de geolocalização para um ou mais campos agrícolas em que a uma ou mais sementes híbridas foram plantadas. O sistema de computador servidor então recebe segundos dados de geolocalização para um ou mais campos alvo onde as sementes híbridas são para ser plantadas.

[0030] O sistema de computador servidor inclui instruções de nor- malização de semente híbrida configuradas para gerar um conjunto de dados de propriedades de semente híbrida que descrevem um valor de produção representativo e uma classificação ambiental para cada semente híbrida a partir do um ou mais registros de dados agrícolas. Instruções de geração de probabilidade de sucesso no sistema de computador servidor são configuradas para então gerar um conjunto de dados de pontuações de probabilidade de sucesso que descrevem a probabilidade de uma produção com sucesso em um ou mais cam- pos alvo. Uma produção com sucesso pode ser definida como um va- lor de produção estimado para uma semente híbrida específica para uma classificação ambiental que excede a produção média para a mesma classificação ambiental por uma quantidade de produção es- pecífica. Os valores de probabilidade de sucesso para cada semente híbrida são baseados no conjunto de dados de propriedades da se- mente do híbrido e nos dados de geolocalização para o um ou mais campos alvo.

[0031] O sistema de computador servidor inclui instruções de clas- sificação do campo configuradas para gerar um grupo alvo de produ- ção com sucesso constituído de um subconjunto das uma ou mais sementes híbridas e dos valores de probabilidade de sucesso associ- ados com cada uma do subconjunto das uma ou mais sementes híbri- das. A geração do grupo alvo de produção com sucesso é baseada no conjunto de dados de pontuações de probabilidade de sucesso pa- ra cada semente híbrida e em um limite configurado de produção com sucesso, onde sementes híbridas são adicionadas para o grupo alvo de produção com sucesso se o valor de probabilidade de sucesso para uma semente híbrida exceder o limite de produção com sucesso.

[0032] O sistema de computador servidor é configurado para cau- sar a exibição, em um dispositivo de vídeo comunicativamente acopla- do com o sistema de computador servidor, do grupo alvo de produção com sucesso e dos valores de produção associados com cada semen- te híbrida no grupo alvo de produção com sucesso.

[0033] Em uma modalidade, o grupo alvo de produção com suces- so (ou outro conjunto de sementes e campos) pode ser utilizado para gerar um conjunto de sementes híbridas alvo selecionadas para plan- tio no um ou mais campos alvo. O sistema de computador servidor é configurado para receber o grupo alvo de produção com sucesso de sementes híbridas candidatas que podem ser candidatas para plantio no um ou mais campos alvo. Incluídos no grupo alvo de produção com sucesso estão a uma ou mais sementes híbridas, os valores de probabilidade de sucesso associados com cada uma das uma ou mais sementes híbridas que descrevem uma probabilidade de uma produ- ção com sucesso, e histórico de dados agrícolas associados com cada uma das uma ou mais sementes híbridas. O computador servidor en- tão recebe informação de propriedade relacionada com o um ou mais campos alvo.

[0034] Instruções de filtragem de semente híbrida dentro do siste- ma de computador servidor são configuradas para selecionar um sub- conjunto das sementes híbridas que possuem os valores de sucesso maiores do que um limite alvo de filtragem de probabilidade. O siste- ma de computador servidor inclui instruções de normalização de se- mente híbrida configuradas para gerar valores de produção represen- tativa para sementes do híbrido no subconjunto das uma ou mais se- mentes híbridas baseado nos dados agrícolas históricos.

[0035] O sistema de computador servidor inclui instruções de ge- ração de risco configuradas para gerar um conjunto de dados de valo- res de risco para o subconjunto das uma ou mais sementes híbridas. O conjunto de dados de valores de risco descreve o risco associado com cada semente híbrida baseado nos dados agrícolas históricos. O sistema de computador servidor inclui instruções de classificação de otimização configuradas para gerar um conjunto de dados de semen- tes híbridas alvo para plantio no um ou mais campos alvo baseado no conjunto de dados de valores de risco, nos valores de produção repre- sentativa para o subconjunto das uma ou mais sementes híbridas, e nas uma ou mais propriedades para os um ou mais campos alvo. O conjunto de dados de sementes híbridas alvo inclui sementes híbridas alvo que possuem os valores de produção representativa que atendem a um limite alvo específico para uma variação de valores de risco a partir do conjunto de dados de valores de risco através do um ou mais campos alvo.

[0036] O sistema de computador servidor é configurado para exi- bir, no dispositivo de vídeo comunicativamente acoplado com o siste- ma de computador servidor, o conjunto de dados de sementes híbridas alvo incluindo valores de produção representativa e valores de risco a partir do conjunto de dados de valores de risco associados com cada semente híbrida alvo no conjunto de dados de sementes híbridas alvo e com o um ou mais campos alvo.

[0037] Em outra modalidade, um método implementado por com- putador compreende receber, através de uma rede de comunicação de dados digitais em um computador servidor, um primeiro conjunto de dados agrícolas históricos compreendendo dados de produção do agricultor e dados de localização de semente do agricultor para um ou mais campos de um agricultor, e um segundo conjunto de dados agrí- colas históricos compreendendo dados de produção da região e dados de localização de sementes da região para um ou mais campos simila- res com condições similares. O método ainda compreender gerar, uti- lizando o computador servidor, varias faixas de produção alvo projeta- das para o agricultor utilizando o primeiro conjunto e o segundo con- junto de dados agrícolas históricos por gerar uma distribuição histórica de produção. O método ainda compreender gerar, utilizando o compu- tador servidor, uma ou mais pontuações de classificação de produção para o um ou mais campos do agricultor utilizando o primeiro conjunto de dados agrícolas históricos, e atribuir uma faixa de produção alvo projetada das várias faixas de produção alvo projetadas para cada um dos um ou mais campos baseado na uma ou mais pontuações de classificação de produção para gerar faixas de produção alvo projeta- das designadas. O método ainda compreende receber, no computa- dor servidor, um terceiro conjunto de dados agrícolas históricos com- preendendo dados de otimização de semente, e gerar uma recomen- dação de aprimoramento de produção para cada um dos um ou mais campos baseado nas faixas de produção alvo projetadas designadas e no terceiro conjunto de dados agrícolas históricos, em que a recomen- dação de aprimoramento de produção compreende uma alteração re- comendada na população de sementes ou uma alteração recomenda- das na densidade de sementes. O método ainda compreende causar a exibição, em um vídeo comunicativamente acoplado com o compu- tador servidor, a recomendação de aprimoramento de produção para cada um dos um ou mais campos.

[0038] Em outra modalidade, um método implementado por com- putador compreende receber, através de uma rede de comunicação de dados digitais em um computador servidor, um primeiro conjunto de dados agrícolas históricos compreendendo dados de faixa de produ- ção do agricultor e dados de condição ambiental para um ou mais campos de um agricultor, e um segundo conjunto de dados agrícolas históricos compreendendo um conjunto de dados de propriedades de sementes híbridas que descrevem um valor de produção representati- vo e uma classificação ambiental para cada semente híbrida das uma ou mais sementes híbridas. O método ainda compreende fazer refe- rência cruzada utilizando o computador servidor, do primeiro conjunto e do segundo conjunto de dados agrícolas históricos para gerar uma recomendação de aprimoramento de faixa de produção para cada um dos um ou mais campos, em que a recomendação de aprimoramento de produção compreende uma alteração recomendada na população de sementes ou uma alteração recomendada na densidade de semen- tes. O método ainda compreende gerar, utilizando o computador ser- vidor, dados preditivos de produção para o um ou mais campos pela aplicação da recomendação de aprimoramento de produção para o primeiro conjunto de dados agrícolas históricos. O método ainda com- preende gerar, utilizando o computador servidor, dados de compara- ção de produção utilizando os dados de produção do agricultor e os dados preditivos de produção para o um ou mais campos. O método ainda compreende causar a exibição em um vídeo comunicativamente acoplado com o computador servidor, dos dados de comparação de produção para o agricultor.

2. SISTEMA DE INTELIGÊNCIA AGRÍCOLA ILUSTRATIVO

2.1 VISTA GERAL ESTRUTURAL

[0039] A FIG. 1 ilustra um sistema de computador ilustrativo que é configurado para executar as funções descritas neste documento, apresentado em um ambiente de campo com outro aparelho com o qual o sistema pode interoperar. Numa modalidade, um usuário 102 possui, opera ou controla um dispositivo de computação gerenciador de campo 104 em uma localização de campo ou associado a uma lo- calização de campo, tal como um campo destinado a atividades agrí- colas ou uma localização de gerenciamento para um ou mais campos agrícolas. O dispositivo de computação gerenciador de campo 104 é programado ou configurado para proporcionar dados de campo 106 para um veículo ou um sistema de computador de inteligência agrícola 130 via uma ou mais redes 109.

[0040] Exemplos de dados de campo 106 incluem (a) dados de identificação (por exemplo, área cultivada, nome de campo, identifica- dores de campo, identificadores geográficos, identificadores de frontei- ra, identificadores de plantação e quaisquer outros dados adequados que podem ser utilizados para identificar terras agrícolas, tal como uma unidade de terra comum (CLU), um número de lote e de bloco, um número de terreno, coordenadas e fronteiras geográficas, Número Serial de Propriedade Agrícola (FSN), número da propriedade agríco- la, número do trato, número do campo, seção, município e/ou distân- cia), (b) dados de colheita (por exemplo, tipo de plantação, variedade de plantação, rotação de plantação, se a plantação é cultivada organi- camente, data de colheita, Histórico de Produção Real (APH), rendi- mento esperado, rendimento, preço da plantação, receita da planta- ção, umidade do grão, prática de cultivo e informação da estação de crescimento anterior), (c) dados do solo (por exemplo, tipo, composi- ção, pH, matéria orgânica (OM), capacidade de troca catiônica (CEC)), (d) dados de plantio (por exemplo, data de plantio, tipo de semente (s), maturidade relativa (RM) de semente (s) plantada, população de se- mentes), (e) dados de fertilizantes (por exemplo, tipo de nutriente (Ni- trogênio, Fósforo, Potássio), tipo de aplicação, data de aplicação, quantidade, fonte, método), (f) dados de aplicação química (por exem- plo, pesticida, herbicida, fungicida, outra substância ou mistura de substâncias pretendidas para utilização como um regulador vegetal, desfolhante ou dessecante, data de aplicação, quantidade, fonte, mé- todo), (g) dados de irrigação (por exemplo, data de aplicação, quanti- dade, fonte, método), (h) dados meteorológicos (por exemplo, precipi- tação, taxa de precipitação pluviométrica, precipitação pluviométrica prevista, região da taxa de escoamento da água, temperatura, vento, previsão, pressão, visibilidade, nuvens, índice de calor, ponto de orva- lho, umidade, profundidade da neve, qualidade do ar, nascer do sol, pôr do sol), (i) dados de imagística (por exemplo, imagística e informa- ções do espectro de luz a partir de um sensor de aparelho agrícola, câmera, computador, smartphone, tablet, veículo aéreo não tripulado, aviões ou satélite), (j) observações de reconhecimento (fotos, vídeos,

notas irregulares, gravações de voz, transcrições de voz, condições climáticas (temperatura, precipitação (atual e ao longo do tempo), umi- dade do solo, estágio de crescimento da plantação, velocidade do ven- to, umidade relativa, ponto de orvalho, camada preta)) e (k) solo, se- mentes, fenologia de plantação, relatórios de pragas e de doenças e fontes e bancos de dados de previsões.

[0041] Um computador servidor de dados 108 está acoplado co- municativamente ao sistema de computador de inteligência agrícola 130 e é programado ou configurado para enviar dados externos 110 para o sistema de computador de inteligência agrícola 130 via a rede (s) 109. O computador servidor de dados externos 108 pode ser pos- suído ou operado pela mesma pessoa jurídica ou entidade que o sis- tema de computador de inteligência agrícola 130, ou por uma pessoa ou entidade diferente, tal como uma agência governamental, organiza- ção não governamental (ONG) e/ou um provedor de serviços de dados privado. Exemplos de dados externos incluem dados meteorológicos, dados de imagística, dados do solo ou dados estatísticos relativos à produtividade das plantações, dentre outros. Os dados externos 110 podem consistir no mesmo tipo de informação de que os dados de campo 106. Em algumas modalidades, os dados externos 110 são proporcionados por um servidor de dados externo 108 possuído pela mesma entidade que possui e/ou opera o sistema de computador de inteligência agrícola 130. Por exemplo, o sistema de computador de inteligência agrícola 130 pode incluir um servidor de dados focado ex- clusivamente em um tipo de dados que, de outra forma, poderia ser obtido a partir de fontes de terceiros, tal como dados meteorológicos. Em algumas modalidades, um servidor de dados externo 108 pode realmente ser incorporado dentro do sistema 130.

[0042] Um aparelho agrícola 111 pode possuir um ou mais senso- res remotos 112 fixados no mesmo, sensores estes que são acoplados comunicativamente diretamente ou indiretamente via o aparelho agrí- cola 111 ao sistema de computador de inteligência agrícola 130 e são programados ou configurados para enviar dados de sensor para o sis- tema de computador de inteligência agrícola 130. Exemplos de apare- lhos agrícolas 111 incluem tratores, ceifeiro-debulhadora, colheitadei- ras, plantadeiras, caminhões, equipamentos de fertilizantes, veículos aéreos, incluindo veículos aéreos não tripulados e qualquer outro item de maquinário ou hardware físico, tipicamente maquinário móvel, o qual que pode ser utilizado em tarefas associadas à agricultura. Em algumas modalidades, uma única unidade do aparelho 111 pode com- preender vários sensores 112 que são acoplados localmente em uma rede no aparelho; a rede de área do controlador (CAN) é um exemplo de tal rede que pode ser instalada em ceifeira-debulhadoras, colheita- deiras, pulverizadores e cultivadores. O controlador de aplicativo 114 é acoplado comunicativamente ao sistema de computador de inteli- gência agrícola 130 via a rede (s) 109 e é programado ou configurado para receber um ou mais scripts que são utilizados para controlar um parâmetro operacional de um veículo ou máquina agrícola a partir do sistema de computador de inteligência agrícola 130. Por exemplo, uma interface de barramento de rede de área de controlador (CAN) pode ser utilizada para permitir comunicações a partir do sistema de computador de inteligência agrícola 130 para o aparelho agrícola 111, tal como o CLIMATE FIELD VIEW DRIVE, disponível a partir da The Climate Corporation, São Francisco, Califórnia. Os dados do sensor podem consistir no mesmo tipo de informação do que os dados de campo 106. Em algumas modalidades, os sensores remotos 112 po- dem não ser fixados a um aparelho agrícola 111, mas podem estar localizados remotamente no campo e podem se comunicar com a rede

109.

[0043] O aparelho 111 pode compreender um computador de bor-

do 115 que é programado com um aplicativo de bordo, o qual pode compreender uma versão ou variante do aplicativo móvel para o dis- positivo 104 que ainda é descrito em outras seções neste documento. Em uma modalidade, o computador de bordo 115 compreende um computador compacto, muitas vezes um computador do tamanho de um tablet ou smartphone, com uma tela do vídeo gráfica, tal como um vídeo colorido, que é montado dentro de uma cabine do operador do aparelho 111. O computador de bordo 115 pode implementar algumas ou todas as operações e funções que são descritas mais adiante neste documento para o dispositivo de computador móvel 104.

[0044] A rede (s) 109 representa amplamente qualquer combina- ção de uma ou mais redes de comunicação de dados, incluindo redes locais, redes de longa distância, internetworks ou internets, utilizando qualquer link com ou sem uso de fios, incluindo links terrestres ou links via satélite. A rede (s) pode ser implementada por qualquer meio ou mecanismo que proporcione a troca de dados entre os vários elemen- tos da FIG. 1. Os vários elementos da FIG. 1 também podem possuir links de comunicação diretos (com ou sem uso de fios). Os sensores 112, o controlador 114, o computador servidor de dados externo 108 e cada um dos outros elementos do sistema compreende uma interface compatível com a rede (s) 109 e são programados ou configurados para utilizar protocolos padronizados para comunicação através das redes, tais como TCP / IP, Bluetooth, protocolo CAN e protocolos de camada superior, tais como HTTP, TLS e similares.

[0045] O sistema de computador de inteligência agrícola 130 é programado ou configurado para receber dados de campo 106 a partir do dispositivo de computação gerenciador de campo 104, dados ex- ternos 110 do computador servidor de dados externo 108 e dados de sensor a partir do sensor remoto 112. O sistema de computador de inteligência agrícola 130 ainda pode ser configurado para hospedar,

utilizar ou executar um ou mais programas de computador, outros elementos de software, lógica digitalmente programada, tal como FPGAs ou ASICs, ou qualquer combinação dos mesmos para executar tradução e armazenamento de valores de dados, construção de mode- los digitais de uma ou mais plantações em um ou mais campos, gera- ção de recomendações e de notificações e geração e envio de scripts para o controlador de aplicativo 114, da maneira descrita adicional- mente em outras seções desta divulgação.

[0046] Em uma modalidade, o sistema de computador de inteli- gência agrícola 130 é programado com ou compreende uma camada de comunicação 132, a camada de apresentação 134, a camada de gerenciamento de dados 140, a camada de hardware / virtualização 150 e o repositório de modelos e de dados de campo 160. A "Cama- da", neste contexto, refere-se a qualquer combinação de circuitos ele- trônicos de interface digital, microcontroladores, firmware, tais como controladores e/ou programas de computador ou outros elementos de software.

[0047] A camada de comunicação 132 pode ser programada ou configurada para executar funções realizando interface de entrada / saída, incluindo enviar solicitações para o dispositivo de computação gerenciador de campo 104, para o computador servidor de dados ex- terno 108 e para o sensor remoto 112 para dados de campo, dados externos e dados do sensor, respectivamente. A camada de comuni- cação 132 pode ser programada ou configurada para enviar os dados recebidos para o repositório de modelos e de dados de campo 160 pa- ra serem armazenados como dados de campo 106.

[0048] A camada de apresentação 134 pode ser programada ou configurada para gerar uma interface gráfica com o usuário (GUI) para ser exibida no dispositivo de computação gerenciador de campo 104, no computador de bordo 115 ou em outros computadores que estão acoplados ao sistema 130 através da rede 109. A GUI pode compre- ender controles para inserir dados a serem enviados ao sistema de computador de inteligência agrícola 130, gerar solicitações para mode- los e/ou recomendações e/ou exibir recomendações, notificações, mo- delos e outros dados de campo.

[0049] A camada de gerenciamento de dados 140 pode ser pro- gramada ou configurada para gerenciar operações de leitura e de gra- vação envolvendo o repositório 160 e outros elementos funcionais do sistema, incluindo consultas e conjuntos de resultados comunicados entre os elementos funcionais do sistema e o repositório. Exemplos da camada de gerenciamento de dados 140 incluem JDBC, código de interface com o servidor SQL e/ou código de interface HADOOP, entre outros. O repositório 160 pode compreender um banco de dados. Conforme utilizado neste documento, o termo "banco de dados" pode se referir a um corpo de dados, um sistema de gerenciamento de ban- co de dados relacional (RDBMS) ou a ambos. Conforme utilizado nes- te documento, um banco de dados pode compreender qualquer cole- ção de dados, incluindo bancos de dados hierárquicos, bancos de da- dos relacionais, bancos de dados de arquivo simples, bancos de da- dos orientados a objeto - relacionais, bancos de dados orientados a objetos, bancos de dados distribuídos e qualquer outra coleção estru- turada de registros ou dados que sejam armazenados em um sistema de computador. Exemplos de RDBMSs incluem, mas não estão limi- tados a incluir, Bancos de dados ORACLE®, MYSQL, IBM® DB2, MICROSOFT® SQL SERVER, SYBASE® e POSTGRESQL. Entre- tanto, qualquer banco de dados pode ser utilizado, o qual permita os sistemas e métodos descritos neste documento.

[0050] Quando os dados de campo 106 não são proporcionados diretamente ao sistema de computador de inteligência agrícola via uma ou mais máquinas agrícolas ou dispositivos de máquina agrícola que interagem com o sistema de computador de inteligência agrícola, o usuário pode ser solicitado via uma ou mais interfaces com o usuário no dispositivo do usuário (servido pelo sistema de computação de inte- ligência agrícola) a inserir tais informações. Em uma modalidade ilus- trativa, o usuário pode especificar dados de identificação por acessar um mapa no dispositivo do usuário (servido pelo sistema de computa- dor de inteligência agrícola) e selecionar CLUs específicas que foram apresentadas graficamente no mapa. Em uma modalidade alternativa, o usuário 102 pode especificar dados de identificação por acessar um mapa no dispositivo do usuário (servido pelo sistema de computador de inteligência agrícola 130) e desenhar os limites do campo sobre o mapa. Tal seleção CLU ou desenhos de mapa representam identifica- dores geográficos. Em modalidades alternativas, o usuário pode es- pecificar dados de identificação por acessar dados de identificação de campo (proporcionados como arquivos de formato ou em um formato similar) da Agência de Serviços Agrícolas do Departamento de Agricul- tura dos EUA ou outra fonte via o dispositivo do usuário e proporcio- nando tais dados de identificação de campo para o sistema de compu- tador de inteligência agrícola.

[0051] Em uma modalidade ilustrativa, o sistema de computador de inteligência agrícola 130 é programado para gerar e causar a exibi- ção de uma interface gráfica com o usuário compreendendo um ge- renciador de dados para entrada de dados. Depois de um ou mais campos terem sido identificados utilizando os métodos descritos aci- ma, o gerenciador de dados pode proporcionar uma ou mais unidades de produto da interface gráfica com o usuário que, quando seleciona- das, podem identificar alterações no campo, solo, plantações, lavoura ou prática de nutrientes. O gerenciador de dados pode incluir uma vis- ta de linha do tempo, uma vista de planilha e/ou um ou mais progra- mas editáveis.

[0052] A FIG. 5 representa uma modalidade ilustrativa de uma vis- ta de cronograma para entrada de dados. Utilizando a tela represen- tado na FIG. 5, um computador do usuário pode informar uma seleção de um campo particular e uma data particular para a adição de evento. Eventos representados na parte de cima do cronograma podem incluir Nitrogen, Planting, Practices, e Soil. Para adicionar um evento de aplicação de nitrogênio, um computador do usuário pode proporcionar entrada para selecionar a aba de nitrogênio. O computador do usuário pode então selecionar uma localização no cronograma para um campo particular de modo a indicar uma aplicação de nitrogênio no campo selecionado. Em resposta a receber uma seleção de uma localização no cronograma para um campo particular, o gerenciador de dados po- de exibir uma sobreposição de entrada de dados, permitindo ao com- putador do usuário informar dados pertencendo às aplicações de ni- trogênio, aos procedimentos de cultivo, aplicação de solo, procedimen- tos de lavoura, práticas de irrigação, ou outras informações se relacio- nando com o campo particular. Por exemplo, se um computador do usuário selecionar uma parte do cronograma e indicar uma aplicação de nitrogênio, então a sobreposição de entrada de dados pode incluir campos para entrada de uma quantidade de nitrogênio aplicado, uma data de aplicação, um tipo de fertilizante utilizado, e qualquer outra in- formação relacionada com a aplicação de nitrogênio.

[0053] Em uma modalidade, o gerenciador de dados proporciona uma interface para criar um ou mais programas. “Programa” neste contexto se refere a um conjunto de dados pertencendo às aplicações de nitrogênio, procedimentos de plantio, aplicação no solo, procedi- mentos de lavoura, práticas de irrigação, ou qualquer outra informação que possa estar relacionada com um ou mais campos, e que possa ser armazenada em armazenamento de dados digital para reutilização como um conjunto em outras operações. Após um programa ter sido criado, ele pode ser conceitualmente aplicado para um ou mais cam- pos e referências ao programa podem ser armazenadas no armaze- namento digital em associação com dados identificando os campos. Assim, ao invés de manualmente entrar com dados idênticos se relaci- onando com a mesma aplicação de nitrogênio para vários campos di- ferentes, um computador do usuário pode criar um programa que indi- ca uma aplicação particular de nitrogênio e então aplicar o programa para vários campos diferentes. Por exemplo, na vista de cronograma da FIG. 5, os dois cronogramas de cima possuem o programa “Spring applied” selecionado, o qual inclui uma aplicação de 150 lbs. N/ac in early April. O gerenciador de dados pode proporcionar uma interface para editar um programa. Em uma modalidade, quando um programa particular é editado, cada campo que tem o programa particular seleci- onado é editado. Por exemplo, na FIG.5 se o programa “Spring appli- ed” for editado para reduzir a aplicação de nitrogênio para 130 lbs. N/ac, os dois campos de cima podem ser atualizados com uma aplica- ção reduzida de nitrogênio baseado no programa editado.

[0054] Em uma modalidade, em resposta a receber edições para um campo que possui um programa selecionado, o gerenciador de dados remove a correspondência do campo para o programa selecio- nado. Por exemplo, se uma aplicação de nitrogênio for adicionada pa- ra o campo de cima na FIG. 5, a interface pode atualizar para indicar que o programa “Spring applied” não está sendo mais aplicado para o campo de cima. Enquanto a aplicação de nitrogênio em early April pode permanecer, atualizar o programa “Spring applied” não alteraria a aplicação de nitrogênio em abril.

[0055] A FIG. 6 representa uma modalidade ilustrativa de uma vis- ta de planilha eletrônica para entrada de dados. Utilizando a tela re- presentada na FIG. 6, um usuário pode criar e editar informações para um ou mais campos. O gerenciador de dados pode incluir planilhas eletrônicas para entrar com informações com respeito a NItrogen, Planting, Practices, e Soil como representado na FIG. 6. Para editar uma entrada particular, um computador do usuário pode selecionar a entrada particular na planilha eletrônica e atualizar os valores. Por exemplo, a FIG.6 representa uma atualização em andamento para um calor de campo alvo para o segundo campo. Adicionalmente, um computador do usuário pode selecionar um ou mais campos de modo a aplicar um ou mais programas. Em resposta a receber uma seleção de um programa para um campo particular, o gerenciador de dados pode automaticamente completar as entradas para o campo particular baseado no programa selecionado. Como com a vista do cronograma, o gerenciador de dados pode atualizar as entradas para cada campo associado com um programa particular em resposta a receber uma atualização para o programa. Adicionalmente, o gerenciador de dados pode remover a correspondência do programa selecionado para o campo em resposta a receber uma edição para uma das entradas para o campo.

[0056] Em uma modalidade, os dados de modelo e de campo são armazenados no repositório de dados de modelo e de campo 160. Os dados de modelo compreendem modelos de dados de dados criados para um ou mais campos. Por exemplo, um modelo de plantação po- de incluir um modelo digitalmente construído do desenvolvimento de uma plantação no um ou mais campos. “Modelo”, neste contexto, se refere a um conjunto eletrônico digitalmente armazenado de instruções executáveis e de valores de dados, associados uns com os outros, os quais são capazes de receber e responder a uma chamada programá- tica ou a outra chamada, invocação, ou solicitação digital para resolu- ção baseada em valores de entrada específicos, para produzir um ou mais valores de saída armazenados ou calculados que podem servir como a base de recomendações implementadas por computador, telas de dados de saída, ou controle de máquina, entre outras coisas. Os versados na técnica acham conveniente para expressar modelos utili- zando equações matemáticas, mas esta forma de expressão não se confina aos modelos divulgados neste documento para abstrair concei- tos; ao invés disso, cada modelo neste documento possui uma aplica- ção prática em um computador na forma de instruções executáveis e dados armazenados que implementam o modelo utilizando o compu- tador. O modelo pode incluir um modelo de eventos passados no um ou mais campos, um modelo de condição atual do um ou mais cam- pos, e/ou um modelo de eventos previstos no um ou mais campos. Os dados de modelo e de dados podem ser armazenados em estruturas de dados na memória, fileiras em tabelas de banco de dados, em ar- quivos simples ou planilhas eletrônicas, ou em outras formas de dados digitais armazenados.

[0057] Em uma modalidade, um subsistema de classificação de semente híbrida 170 contém lógica especialmente configurada, inclu- indo, mas não limitado às instruções de normalização de semente hí- brida 172, instruções de geração de probabilidade de sucesso 174, e instruções de classificação de produção 176 que compreende um con- junto de uma ou mais páginas de memória principal, tal como RAN, no sistema de computador de inteligência agrícola 130 dentro do qual ins- truções executáveis foram carregadas e que quando executadas cau- sam que o sistema de computação de inteligência agrícola execute as funções ou operações que são descritas neste documento com refe- rência a estes módulos. Em uma modalidade, um subsistema de re- comendação de semente híbrida 180 contém lógica especialmente configurada, incluindo, mas não limitada a instruções de filtragem de sêmen te de híbrido 182, instruções de geração de risco 184, e instru- ções de classificação de otimização 186 compreende um conjunto de uma ou mais páginas de memória principal, tal como RAM, no sistema de computador de inteligência agrícola 130 dentro do qual instruções executáveis foram carregadas e as quais quando executadas causam que o sistema de computação de inteligência agrícola execute as fun- ções ou operações que são descritas neste documento com referência a estes módulos.

Por exemplo, as instruções de normalização de se- mente híbrida 172 pode compreende um conjunto de páginas na RAM que contêm instruções que quando executadas causam a execução das funções de identificação de alvo que são descritas neste docu- mento.

As instruções podem estar em código executável por máquina no conjunto de instruções de uma CPU e podem ter sido compiladas baseadas em código fonte escrito em JAVA, C, C++, OBJECTIVE-C, ou qualquer outra linguagem ou ambiente de programação legível por humanos, sozinhas ou em combinação com scripts em JAVASCRIPT, outras linguagens de geração de script e outro texto fonte de progra- mação.

O termo “páginas” é pretendido para se referir, de forma am- pla, a qualquer região dentro da memória principal e a terminologia específica utilizada em um sistema pode variar dependendo da arqui- tetura de memória ou da arquitetura do processador.

Em outra moda- lidade, cada uma dentre as instruções de normalização de semente híbrida 172, instruções de geração de probabilidade de sucesso 174, instruções de classificação de produção 176, instruções de filtragem de semente híbrida 182, instruções de geração de risco 184, e instru- ções de classificação de otimização 186 também pode representar um ou mais arquivos ou projetos de código fonte que são digitalmente ar- mazenados em um dispositivo de armazenamento em massa tal como RAM não volátil ou armazenamento em disco, no sistema de compu- tador de inteligência agrícola 130 ou em um sistema de repositórios separado, a quais, quando compiladas ou interpretadas, causam a ge- ração de instruções executáveis que quando executadas causam que o sistema de computação de inteligência agrícola execute as funções ou operações que são descritas neste documento com referência a estes módulos. Em outras palavras, a figura do desenho pode repre- sentar a maneira na qual programadores ou desenvolvedores de sof- tware organizam e dispõem código fonte para compilação posterior em um executável, ou interpretação em código de byte ou equivalente, para execução pelo sistema de computador de inteligência agrícola.

[0058] A camada de hardware / virtualização 150 compreende uma ou mais unidades centrais de processamento (CPUs), controlado- res de memória, e outros dispositivos, componentes, ou elementos de um sistema de computador tal como memória volátil ou não volátil, ar- mazenamento não volátil tal como disco, e dispositivos ou interfaces de E/S como ilustrado e descrito, por exemplo, em conexão com a FIG. 4. A camada 150 também pode compreender instruções progra- madas que são configuradas para suportar virtualização, conteineriza- ção, ou outras tecnologias.

[0059] Para propósitos de ilustrar um exemplo claro, a FIG. 1 apresenta um número limitado de instâncias de alguns elementos fun- cionais. Entretanto, em outras modalidades, pode existir qualquer nú- mero de tais elementos. Por exemplo, modalidades podem utilizar mi- lhares ou milhões de diferentes dispositivos de computação móvel 104 associados com diferentes usuários. Além disso, o sistema 130 e/ou o computador servidor de dados externo 108 pode ser implementado utilizando dois ou mais processadores, núcleos, agrupamentos, ou ins- tâncias de máquinas físicas ou de máquinas virtuais, configuradas em uma localização separada ou co-localizadas com outros elementos em um centro de dados, instalação de computação compartilhada ou ins- talação de computação em nuvem.

2.2 VISTA GERAL DE PROGRAMA APLICATIVO

[0060] Em uma modalidade, a implementação de funções descri- tas neste documento utilizando um ou mais programas de computador ou outros elementos de software que são carregados e executados utilizando um ou mais computadores de propósito geral irá causar que os computadores de propósito geral sejam configurados como uma máquina particular ou como um computador que é especialmente adaptado para executar as funções descritas neste documento. Além disso, cada um dos fluxogramas que são ainda descritos neste docu- mento pode servir, sozinho ou em combinação com as descrições de processos em funções em prosa neste documento, como algoritmos, planos ou direções que podem ser utilizados para programar um com- putador ou lógica para implementar as funções que são descritas. Em outras palavras, toda o texto de prosa neste documento, e todas as figuras dos desenhos, juntos são pretendidos para proporcionar divul- gação de algoritmos, planos ou direções que são suficientes para permitir aos versados na técnica programar um computador para exe- cutar as funções que são descritas neste documento, em combinação com o conhecimento e reconhecimento de tal pessoa dado o nível de conhecimento que é apropriado para invenções e divulgações deste tipo.

[0061] Em uma modalidade, o usuário 102 interage com o sistema de computador de inteligência agrícola 130 utilizando um dispositivo de computação de gerenciamento de campo 104 configurado com um sistema operacional e um ou mais programas aplicativos ou aplicati- vos; o dispositivo de computação gerenciador de campo 104 também pode interoperar com o sistema de computador de inteligência agrícola de forma independente e automática sob o controle de programa ou controle lógico e a interação direta do usuário nem sempre é necessá- ria. O dispositivo de computação gerenciador de campo 104 represen- ta amplamente um ou mais dentre um smartphone, PDA, dispositivo de computação tablet, computador laptop, computador de mesa, esta- ção de trabalho ou qualquer outro dispositivo de computação capaz de transmitir e receber informações e executar as funções descritas neste documento. O dispositivo de computação gerenciador de campo 104 pode se comunicar via uma rede utilizando um aplicativo móvel arma- zenado no dispositivo de computação gerenciador de campo 104, e em algumas modalidades, o dispositivo pode ser acoplado utilizando um cabo 113 ou conector ao sensor 112 e/ou ao controlador 114. Um usuário particular 102 pode possuir, operar ou controlar e utilizar, em conexão com o sistema 130, mais de um dispositivo de computação gerenciador de campo 104 de uma vez.

[0062] O aplicativo móvel pode proporcionar funcionalidade do la- do do cliente, via a rede para um ou mais dispositivos de computação móvel. Em uma modalidade ilustrativa, o dispositivo de computação gerenciador de campo 104 pode acessar o aplicativo móvel via um na- vegador da web ou um aplicativo de cliente local ou aplicativo. O dis- positivo de computação gerenciador de campo 104 pode transmitir da- dos para, e receber dados a partir de, um ou mais servidores front- end, utilizando protocolos ou formatos baseados na web, como HTTP, XML e/ou JSON, ou protocolos específicos de aplicativo. Em uma modalidade ilustrativa, os dados podem assumir a forma de solicita- ções e de entrada de informações do usuário, tais como dados de campo, no dispositivo de computação móvel. Em algumas modalida- des, o aplicativo móvel interage com hardware e software de rastrea- mento de localização no dispositivo de computação gerenciador de campo 104 que determina a localização do dispositivo de computação gerenciador de campo 104 utilizando técnicas de rastreamento padrão, tal como multilateração de sinais de rádio, o sistema de posicionamen- to global (GPS), sistemas de posicionamento Wi-Fi, ou outros métodos de posicionamento móvel. Em alguns casos, os dados de localização ou outros dados associados com o dispositivo 104, com o usuário 102 e/ou com contas de usuário podem ser obtidos por meio de consultas para um sistema operacional do dispositivo ou por solicitar um aplicati- vo no dispositivo para obter dados a partir do sistema operacional.

[0063] Em uma modalidade, o dispositivo de computação gerenci- ador de campo 104 envia dados de campo 106 para o sistema de computador de inteligência agrícola 130 compreendendo ou incluindo, mas não se limitando a valores de dados representando um ou mais dentre: uma localização geográfica de um ou mais campos, informa- ção de lavoura para um ou mais campos, plantações plantadas em um ou mais campos e dados de solo extraídos a partir de um ou mais campos. O dispositivo de computação gerenciador de campo 104 po- de enviar dados de campo 106 em resposta à entrada do usuário a partir do usuário 102 especificando os valores de dados para um ou mais campos. Além disso, o dispositivo de computação gerenciador de campo 104 pode enviar automaticamente dados de campo 106 quando um ou mais dos valores de dados se tornam disponíveis para o dispositivo de computação gerenciador de campo 104. Por exemplo, o dispositivo de computação gerenciador de campo 104 pode ser aco- plado comunicativamente ao sensor remoto 112 e/ou ao controlador de aplicativo 114 os quais incluem um sensor de irrigação e/ou contro- lador de irrigação. Em resposta a receber dados indicando que o con- trolador de aplicativo 114 liberou água no um ou mais campos, o dis- positivo de computação gerenciador de campo 104 pode enviar dados de campo 106 para o sistema de computador de inteligência agrícola 130 indicando que a água foi liberada em um ou mais campos. Os dados de campo 106 identificados nesta divulgação podem ser inseri- dos e comunicados utilizando dados digitais eletrônicos que são co- municados entre dispositivos de computação utilizando URLs parame- trizados através de HTTP ou outro protocolo de comunicação ou de troca de mensagem adequado.

[0064] Um exemplo comercial do aplicativo móvel é CLIMATE

FIELD VIEW, disponível comercialmente a partir da The Climate Cor- poration, São Francisco, Califórnia. O aplicativo CLIMATE FIELD VIEW, ou outros aplicativos, podem ser modificados, estendidos ou adaptados para incluir recursos, funções e programação que não fo- ram divulgadas antes da data de depósito desta divulgação. Em uma modalidade, o aplicativo móvel compreende uma plataforma de sof- tware integrada que permite a um produtor tomar decisões baseadas em fatos para sua operação, porque combina dados históricos sobre os campos do produtor com quaisquer outros dados que o produtor deseja comparar. As combinações e comparações podem ser execu- tadas em tempo real e são baseadas em modelos científicos que pro- porcionam cenários potenciais para permitir que o produtor tome deci- sões melhores e mais informadas.

[0065] A FIG. 2 ilustra duas vistas de uma organização lógica ilus- trativa de conjuntos de instruções na memória principal quando um aplicativo móvel ilustrativo é carregado para execução. Na FIG. 2, ca- da elemento nomeado representa uma região de uma ou mais páginas de RAM ou de outra memória principal, ou um ou mais blocos de ar- mazenamento em disco ou outro armazenamento não volátil, e as ins- truções programadas dentro destas regiões. Em uma modalidade, na vista (a), um aplicativo de computador móvel 200 compreende instru- ções de compartilhamento de ingestão de dados de campos conside- rados 202. Instruções de vista geral e de alerta 204, instruções de di- cionário de mapa digital 206, instruções de sementes e plantio 208, instruções de nitrogênio 210, instruções meteorológicas 212, instru- ções de saúde do campo 214, e instruções de performance 216.

[0066] Em uma modalidade, o aplicativo de computador móvel 200 compreende as instruções de conta, campos, ingestão de dados, compartilhamento 202 que são programadas para receber, traduzir, e ingerir campos de dados a partir de sistemas de terceiros via carrega-

mento manual ou APIs. Os tipos de dados podem incluir limites do campo, mapas de produção, mapas de como plantado, resultados de teste de solo, mapas de como aplicado, e/ou zonas de gerenciamento, entre outros. Os formatos de dados podem incluir arquivos de forma- to, formatos de dados nativos de terceiros, e/ou exportações do siste- ma de informação de gerenciamento da fazenda (FMIS), entre outros. A recepção dos dados pode ocorrer via carregamento manual, email com anexo, APIs externas que enviam dados para o aplicativo móvel, ou instruções que chamam APIs de sistemas externos para enviar da- dos para o aplicativo móvel. Em resposta a receber uma seleção da caixa de entrada de dados, o aplicativo de computador móvel 200 po- de exibir uma interface gráfica com o usuário para manualmente car- regar arquivos de dados e importar arquivos de dados carregados para um gerenciador de dados.

[0067] Em uma modalidade, as instruções de dicionário de mapas digital 206 compreende camadas de dados de mapa de campo arma- zenadas na memória do dispositivo e são programadas com ferramen- tas de visualização de dados e notas de campo geoespacial. Isto pro- porcionar aos produtores informação conveniente próxima para refe- rência, registro de ocorrência e observação visual da performance do campo. Em uma modalidade, as instruções de vista geral e de alerta 204 são programadas para proporcionar uma vista de operação ampla do qual é importante para o produtor, e recomendações oportunas pa- ra executar ação ou focar em questões particulares. Isto permite ao produtor focar tempo no que precisa atenção, para economizar tempo e preservar a produção através de toda a estação. Em uma modalida- de, instruções de sementes e plantio 208 são programadas para pro- porcionar ferramentas para seleção de semente, localização do híbri- do, e criação de scripts, incluindo criação de scripts de taxa variável (VR), baseado em modelos científicos e em dados empíricos. Isto permite aos produtores maximizarem a produção ou o retorno no in- vestimento através de compra, localização e população otimizadas de semente.

[0068] Em uma modalidade, as instruções de geração de scripts 205 são programadas para proporcionar uma interface para gerar scripts, incluindo scripts de fertilização com taxa variável (VR). A inter- face permite aos produtores criarem scripts para implementos do cam- po, tais como aplicações de nutrientes, plantio, e irrigação. Por exem- plo, a interface de scripts de plantio pode compreender ferramentas para identificar um tipo de semente para plantio. Ao receber uma se- leção do tipo de semente, o aplicativo de computador móvel 200 pode exibir um ou mais campos divididos em zonas de gerenciamento, tais como camadas de dados de mapa de campo criadas como parte de instruções de dicionário de mapas digital 206. Em uma modalidade, as zonas de gerenciamento compreendem zonas de solo junto com um painel identificando cada zona de solo e um nome, textura, drena- gem do solo para cada zona, ou outros dados do campo. O aplicativo de computador móvel 200 também pode exibir ferramentas para edi- ção ou criação, tais como ferramentas gráficas para desenhar zonas de gerenciamento, tais como zonas de solo, através de um mapa de um ou mais campos. Os procedimentos de plantio podem ser aplica- dos para todas as zonas de gerenciamento ou procedimentos de plan- tio diferentes podem ser aplicados para diferentes subconjuntos de zonas de gerenciamento. Quando um script é criado, o aplicativo de computação móvel 200 pode tornar o scripts disponível para transfe- rência em um formato legível por um controlador do aplicativo, tal co- mo um formato arquivado ou compactado. Adicionalmente, e/ou alter- nativamente, um script pode ser enviado diretamente para o computa- dor de bordo 115 a partir do aplicativo de computador móvel 200 e/ou carregado em um ou mais servidores e armazenado para uso adicio-

nal.

[0069] Em uma modalidade, instruções de nitrogênio 210 são pro- gramadas para proporcionar ferramentas para informar decisões de nitrogênio por visualizar a disponibilidade de nitrogênio para planta- ções. Isto permite aos produtores maximizar produção ou retorno de investimento através de aplicação otimizada de nitrogênio durante a estação. Funções programadas ilustrativas incluem exibir imagens tais como imagens SSURGO para permitir o desenho de zonas de aplicação de fertilizante e/ou imagens geradas a partir de dados de solo de subcampo, tais como dados obtidos a partir de sensores, em uma alta resolução espacial (tão refinada quanto milímetros ou menor dependendo da proximidade e da resolução do sensor); o carregamen- to de zonas existentes definidas pelo produtor; proporcionar um gráfico de disponibilidade de nutrientes da plantação e/ou um mapa para per- mitir aplicações de sintonização de nitrogênio através de várias zonas; saída de scripts para direcionar maquinário; ferramentas para entrada e ajuste de dados em massa; e/ou mapas para visualização de dados, entre outros. “Entrada de dados em massa”, neste contexto, pode sig- nificar entrada de dados de uma vez e então a aplicação dos mesmos dados para vários campos e/ou zonas que foram definidas no sistema; dados ilustrativos podem incluir dados de aplicação de nitrogênio que são os mesmos para vários campos e/ou zona do mesmo produtor, mas tal entrada de dados em massa se aplica para a entrada de qual- quer tipo de dados de campo no aplicativo de computador móvel 200. Por exemplo, as instruções de nitrogênio 210 podem ser programadas para aceitar definições de aplicação e programas de prática de nitro- gênio e aceitar entrada do usuário especificando aplicar estes progra- mas através de vários campos. “Programas de aplicação de nitrogê- nio, neste contexto, se refere aos conjuntos nomeados armazenados de dados que associam: um nome, código por cor ou outro identifica-

dor, uma ou mais datas de aplicação, tipos de material ou produto para cada uma das datas e quantidades, método de aplicação ou incorpo- ração tais como injetado ou difundido, e/ou quantidades ou taxas de aplicação para cada uma das datas, plantação ou híbrido que é o su- jeito da aplicação, entre outros. “Programas de prática de nitrogênio”, neste contexto, se refere aos conjuntos nomeados armazenados de dados que associam: um nome da prática; uma plantação anterior; um sistema de lavoura; uma data de lavoura primária; um ou mais siste- mas de lavoura anteriores que foram utilizados; um ou mais indicado- res de tipo de aplicação, tal como esterco, que foram utilizados. As instruções de nitrogênio 210 também podem ser programadas para gerar e causar a exibição de um gráfico de nitrogênio, o qual indica projeções de utilização de plantio do nitrogênio especificado e se um excedente ou um déficit é previsto; em algumas modalidades, diferen- tes indicadores por cor podem sinalizar uma magnitude de excesso ou magnitude de déficit. Em uma modalidade, um gráfico de nitrogênio compreende uma exibição gráfica em um dispositivo de vídeo do com- putador compreendendo várias fileiras, cada fileira associada com e identificando um campo; dados especificando qual plantação é planta- da no campo, o tamanho do campo, a localização do campo, e uma representação gráfica do perímetro do campo; em cada fileira, um cro- nograma por mês com indicadores gráficos especificando cada aplica- ção de nitrogênio e quantidade em pontos correlacionados com os nomes de mês; e indicadores numéricos e/ou por cor de excesso ou déficit, nos quais a cor indica a magnitude.

[0070] Em uma modalidade, o gráfico de nitrogênio pode incluir um ou mais componentes de entrada do usuário, tais como seletores ou barras deslizantes, para dinamicamente alterar os programas de plan- tio e de práticas de nitrogênio de modo que um usuário possa otimizar seu gráfico de nitrogênio. O usuário então pode utilizar seu gráfico de nitrogênio otimizado e os programas de plantio e de práticas de nitro- gênio relacionados para implementar um ou mais scripts, incluindo scripts de fertilidade com taxa variável (VR). As instruções de nitrogê- nio 210 também podem ser programadas para gerar e causar a exibi- ção de um mapa de nitrogênio, o qual indica projeções de uso de plan- tações do nitrogênio especificado e se um excesso ou déficit é previs- to; em algumas modalidades, diferentes indicadores por cor podem sinalizar uma magnitude de excesso ou magnitude de déficit. O mapa de nitrogênio pode exibir projeções de uso da plantação do nitrogênio especificado e se um excesso ou déficit é previsto para diferentes momentos no passado e no futuro (tal como diariamente, semanal- mente, mensalmente ou anualmente) utilizando indicadores numéricos ou por cores de excesso e déficit, no qual a cor indica a magnitude. Em uma modalidade, o mapa de nitrogênio pode incluir um ou mais componentes de entrada do usuário, tais como seletores ou barras deslizantes, para dinamicamente alterar os programas de plantio e de práticas de nitrogênio de modo que um usuário pode otimizar seu ma- pa de nitrogênio, tal como para obter uma quantidade preferida de ex- cesso ou déficit. O usuário então pode utilizar seu mapa de nitrogênio otimizado e os programas de plantio e de práticas de nitrogênio relaci- onados para implementar um ou mais scripts, incluindo scripts de ferti- lizante com taxa variável (VR). Em outras modalidades, instruções similares às instruções de nitrogênio 210 poderiam ser utilizadas para aplicação de outros nutrientes (tais como fósforo e potássio), aplica- ções de pesticida, e programas de irrigação.

[0071] Em uma modalidade, instruções meteorológicas 212 são programadas para proporcionar dados metrológicos recentes específi- cos do campo e informação metrológica prevista. Isto permite aos produtores economizar tempo e possuírem uma exibição integrada efi- ciente com respeito às decisões operacionais diárias.

[0072] Em uma modalidade, as instruções de saúde do campo 214 são programadas para proporcionar imagens de detecção remota oportunas realçando a variação da plantação dentro da estação e po- tenciais problemas. Funções programadas ilustrativas incluem verifi- cação de nuvens, para identificar possíveis nuvens ou sombras de nu- vens; determinar índices de nitrogênio baseado nas imagens do cam- po; visualização gráfica de camadas de reconhecimento, incluindo, por exemplo, estas relacionadas com saúde do campo, e visualização e/ou compartilhamento de notas de reconhecimento; e/ou transferir ima- gens de satélite a partir de várias fontes e priorizar as imagens para o produtor, entre outras.

[0073] Em uma modalidade, as instruções de desempenho 216 são programadas para proporcionar ferramentas de relatórios, análise, e observação utilizando dados da fazenda para avaliação, observa- ções e decisões. Isto permite ao produtor buscar resultados aprimora- dos para o próximo ano através de conclusões baseadas em fato so- bre por que o retorno do investimento estava em níveis prévios, e ob- servações em relação a fatores de limitação de produção. As instru- ções de desempenho 216 podem ser programadas para se comunica- rem via a rede (s) 109 para programas analíticos back-end executados no sistema de computador de inteligência agrícola 130 e/ou no compu- tador servidor de dados externo 108 e configuradas para analisar mé- tricas tais como produção, diferencial de produção, híbrido, população, zona SSURGO, propriedades de teste de solo, ou elevação, entre ou- tras. Os relatórios programados e a análise podem incluir análise de variabilidade de produção, estimativa de efeito de tratamento, compa- ração de produção e outras métricas em relação a outros produtores baseado em dados preservados em anonimato coletados a partir de vários produtores, ou dados para sementes e plantio, entre outros.

[0074] Aplicativos possuindo instruções configuradas deste modo podem ser implementados para diferentes plataformas de dispositivo de computação enquanto retendo a mesma aparência geral da interfa- ce com o usuário.

Por exemplo, o aplicativo móvel pode ser progra- mado para execução em tablets, smartphones, ou computadores ser- vidores que são acessados utilizando navegadores nos computadores clientes.

Além disso, o aplicativo móvel como configurado para com- putadores tablet ou smartphones pode proporcionar uma experiência completa do aplicativo ou uma experiência do aplicativo de bordo que é adequada as capacidades de exibição e de processamento do com- putador de bordo 115. Por exemplo, referindo-se agora à vista (b) da FIG. 2, em uma modalidade, um aplicativo do computador de bordo 220 pode compreende instruções da cabina – de mapas 222, instru- ções de visualização remota 224, instruções de coleta e transferência de dados 226, instruções de alerta da máquina 228, instruções de transferência de script 230, e instruções de reconhecimento – da cabi- na 232. A base do código para as instruções da vista (b) pode ser o mesmo que para a vista (a) e executáveis implementando o código podem ser programados para detectar o tipo de plataforma na qual eles estão executando e para expor, através da interface gráfica com o usuário, somente as funções que são apropriadas para uma platafor- ma da cabina ou para a plataforma completa.

Esta abordagem permi- te ao sistema reconhecer a experiência do usuário distintamente dife- rente que é apropriada para um ambiente dentro da cabina e o ambi- ente de tecnologia diferente da cabina.

As instruções de mapas – ca- bina 222 podem ser programadas para proporcionar vistas de mapa de campos, fazendas ou regiões que são úteis em direcionar a operação da máquina.

As instruções de vista remota 224 podem ser programa- das para ligar, gerenciar, e proporcionar vistas da atividade da máqui- na em tempo real ou quase em tempo real para outros dispositivos de computação conectados ao sistema 130 via redes sem uso de fios,

conectores ou adaptadores com uso de fios, e similares. As instruções de coleta e transferência de dados 226 podem ser programadas para ligar, gerenciar, e proporcionar transferência de dados coletados nos sensores e controladores para o sistema 130 via redes sem uso de fios, conectores ou adaptadores com uso de fios, e similares. As ins- truções de alertas da máquina 228 podem ser programadas para de- tectar problemas com operações da máquina ou ferramentas que es- tão associadas com a cabina e gerar alertas para o operador. As ins- truções de transferência de script 230 podem ser configuradas para transferir scripts de instruções estão configurados para direcionar as operações da máquina ou a coleta de dados. As instruções de reco- nhecimento – da cabina 232 podem ser programadas para exibir aler- tas baseados em localização e informações recebidas a partir do sis- tema 130 baseado na localização do dispositivo de computação ge- renciador de campo 104, no aparelho agrícola 111, ou nos sensores 112 no campo e ingerir, gerenciar, e proporcionar transferência de ob- servações de reconhecimento baseadas na localização para o sistema 130 baseado na localização do aparelho agrícola 111 ou nos sensores 112 no campo.

2.3. INGESTÃO DE DADOS PARA O SISTEMA DE COMPUTADOR

[0075] Em uma modalidade, o computador de servidor de dados externo 108 armazena dados externos 110, incluindo dados do solo representando a composição do solo para um ou mais campos e da- dos meteorológicos representando a temperatura e a precipitação em um ou mais campos. Os dados meteorológicos podem incluir dados meteorológicos passados e presentes, bem como previsões para da- dos meteorológicos futuros. Em uma modalidade, o computador ser- vidor de dados externo 108 compreende vários servidores hospedados por diferentes entidades. Por exemplo, um primeiro servidor pode con- ter dados de composição do solo, enquanto um segundo servidor pode incluir dados meteorológicos. Além disso, os dados de composição do solo podem ser armazenados em vários servidores. Por exemplo, um servidor pode armazenar dados representando a porcentagem de areia, limo e argila no solo, enquanto um segundo servidor pode arma- zenar dados representando a porcentagem de matéria orgânica (MO) no solo.

[0076] Em uma modalidade, o sensor remoto 112 compreende um ou mais sensores que são programados ou configurados para produzir uma ou mais observações. O sensor remoto 112 pode ser sensores aéreos, tais como satélites, sensores de veículos, sensores de equi- pamentos de plantio, sensores de preparo do solo, sensores de apli- cação de fertilizantes ou de inseticidas, sensores de colheitadeira e qualquer outra máquina capaz de receber dados a partir de um ou mais campos. Em uma modalidade, o controlador de aplicativo 114 é programado ou configurado para receber instruções a partir do sistema de computador de inteligência agrícola 130. O controlador de aplicati- vo 114 também pode ser programado ou configurado para controlar um parâmetro operacional de um veículo ou máquina agrícola. Por exemplo, um controlador de aplicativo pode ser programado ou confi- gurado para controlar um parâmetro operacional de um veículo, tal como um trator, equipamento de plantio, equipamento de cultivo, equi- pamento de fertilizante ou inseticida, equipamento de colheitadeira ou outras máquinas agrícolas, tal como uma válvula de água. Outras modalidades podem utilizar qualquer combinação de sensores e de controladores, dos quais os seguintes são meramente exemplos sele- cionados.

[0077] O sistema 130 pode obter ou ingerir dados sob o controle do usuário 102, em massa, a partir de um grande número de produto- res que contribuíram com dados para um sistema de banco de dados compartilhado. Esta forma de obter dados pode ser denominada "in-

gestão manual de dados", uma vez que uma ou mais operações de computador controladas pelo usuário são solicitadas ou acionadas pa- ra obter dados para utilização pelo sistema 130. Como um exemplo, o aplicativo CLIMATE FIELDVIEW, comercialmente disponível a partir da Climate Corporation, São Francisco, Califórnia, pode ser operado para exportar dados para o sistema 130 para armazenamento no re- positório 160.

[0078] Por exemplo, os sistemas de monitoramento de sementes podem tanto controlar os componentes do aparelho plantadeira como obter dados de plantio, incluindo sinais a partir de sensores de semen- tes via um cabo de sinais que compreende uma espinha dorsal CAN e conexões ponto a ponto para registro e/ou diagnóstico. Os sistemas de monitoramento de sementes podem ser programados ou configura- dos para exibir o espaçamento das sementes, a população de semen- tes e outras informações para o usuário via o computador de bordo 115 ou por outros dispositivos dentro do sistema 130. Exemplos são divulgados na Patente US No. 8.738.243 e na Publicação de Patente US. 20150094916, e a presente divulgação assume o conhecimento dessas outras divulgações de patentes.

[0079] Da mesma forma, os sistemas monitores de rendimento podem conter sensores de rendimento para aparelhos colheitadeiras que enviam dados de medição de rendimento para o computador de bordo 1315 ou para outros dispositivos dentro do sistema 1330. Os sistemas de monitoramento de rendimento podem utilizar um ou mais sensores remotos 112 para obter medições de umidade de grãos em uma ceifeira-debulhadora ou outra colheitadeira e transmitir estas me- dições para o usuário via o computador de bordo 115 ou outros dispo- sitivos dentro do sistema 130.

[0080] Em uma modalidade, exemplos de sensores 112 que po- dem ser utilizados com qualquer veículo em movimento ou aparelho do tipo descrito em outro lugar neste documento incluem sensores ci- nemáticos e sensores de posição. Os sensores cinemáticos podem compreender qualquer um dos sensores de velocidade, tal como radar ou sensores de velocidade da roda, acelerômetros ou giroscópios. Os sensores de posição podem compreender receptores ou transceptores de GPS, ou aplicativos de posicionamento ou mapeamento baseados em Wi-Fi que são programados para determinar a localização baseado em pontos de acesso Wi-Fi próximos, dentre outros.

[0081] Em uma modalidade, exemplos de sensores 112 que po- dem ser utilizados com tratores ou outros veículos em movimento in- cluem sensores de velocidade do motor, sensores de consumo de combustível, contadores de área ou contadores de distância que inte- ragem com GPS ou sinais de radar, sensores de velocidade PTO (to- mada de força), sensores hidráulicos do trator configurados para de- tectar parâmetros hidráulicos, tal como pressão ou fluxo e/ou velocida- de da bomba hidráulica, sensores de velocidade das rodas ou senso- res de patinagem das rodas. Em uma modalidade, exemplos de con- troladores 114 que podem ser utilizados com tratores incluem contro- ladores direcionais hidráulicos, controladores de pressão e/ou contro- ladores de fluxo; controladores de velocidade da bomba hidráulica; controladores ou reguladores de velocidade; controladores de posição de engate; ou controladores de posição de roda proporcionam direção automática.

[0082] Em uma modalidade, exemplos de sensores 112 que po- dem ser utilizados com equipamentos de plantio de sementes, tais como plantadeiras, semeadoras ou semeadoras aéreas, incluem sen- sores de sementes, os quais podem ser ópticos, eletromagnéticos ou sensores de impacto; sensores de força descendente, tais como pinos de carga, células de carga, sensores de pressão; sensores de proprie- dade do solo, tais como sensores de refletividade, sensores de umida-

de, sensores de condutividade elétrica, sensores ópticos de resíduos ou sensores de temperatura; sensores de critérios operacionais de componentes, tais como sensores de profundidade de plantio, senso- res de pressão do cilindro de força descendente, sensores de veloci- dade de disco de sementes, codificadores do motor elétrico de semen- tes, sensores de velocidade do sistema de transporte de sementes ou sensores de nível de vácuo; ou sensores de aplicação de pesticidas, tais como sensores ópticos ou outros sensores eletromagnéticos, ou sensores de impacto.

Em uma modalidade, exemplos de controlado- res 114 que podem ser utilizados com tal equipamento de plantio de sementes incluem: controladores de dobra da barra de ferramentas, tais como controladores para válvulas associadas com cilindros hidráu- licos; controladores de força descendente, tais como controladores pa- ra válvulas associadas a cilindros pneumáticos, airbags ou cilindros hidráulicos e programados para aplicar força descendente a unidades de linha individuais ou a toda uma estrutura da plantadeira; controlado- res de profundidade de plantio, tais como atuadores lineares; controla- dores de medição, tais como motores elétricos de acionamento do medidor de sementes, motores elétricos do medidor de sementes hi- dráulico, ou embreagens de controle de faixa; controladores de sele- ção de híbrido, tais como motores elétricos de acionamento de medi- dores de sementes ou outros atuadores programados para permitir ou impedir seletivamente a semente ou uma mistura de ar-semente de distribuir sementes para ou a partir de medidores de sementes ou tre- monhas centrais a granel; controladores de medição, tais como moto- res elétricos de acionamento de medidor de sementes ou motores elé- tricos hidráulicos de medidor de sementes; controladores de sistema de transporte de sementes, tais como controladores para um motor elétrico por correia do transportador de distribuição de sementes; con- troladores de marcador, tais como um controlador para um atuador pneumático ou hidráulico; ou controladores de taxa de aplicação de pesticidas, tais como controladores de unidade de medição, e contro- ladores de tamanho ou posição de orifício.

[0083] Em uma modalidade, exemplos de sensores 112 que po- dem ser utilizados com equipamento de lavoura incluem sensores de posição para ferramentas, tais como hastes ou discos; sensores de posição de ferramenta para tais ferramentas que são configuradas pa- ra detectar profundidade, ângulo de ataque ou espaçamento lateral; sensores de força descendente; ou sensores de força de tração. Em uma modalidade, exemplos de controladores 114 que podem ser utili- zados com equipamento de lavoura incluem controladores de força descendente ou controladores de posição de ferramenta, tais como controladores configurados para controlar a profundidade da ferramen- ta, ângulo de ataque ou espaçamento lateral.

[0084] Em uma modalidade, exemplos de sensores 112 que po- dem ser utilizados em relação a aparelhos para aplicar fertilizantes, inseticidas, fungicidas e similares, tais como sistemas de fertilizantes iniciais na plantadeira, aplicadores de fertilizantes de subsolo ou pulve- rizadores de fertilizantes, incluem: sensores de critérios do sistema de fluído, tais como sensores de fluxo ou sensores de pressão; sensores indicando quais válvulas de pulverizador ou válvulas de linha de fluido estão abertas; sensores associados a tanques, tais como sensores de nível de enchimento; sensores de linha de alimentação de seção ou de todo o sistema ou sensores de linha de alimentação específicos de fileira; ou sensores cinemáticos, tais como acelerômetros dispostos nas lanças do pulverizador. Em uma modalidade, exemplos de contro- ladores 114 que podem ser utilizados com tal aparelho incluem contro- ladores de velocidade de bomba; controladores de válvula que são programados para controlar pressão, fluxo, direção, PWM e similares; ou atuadores de posição, tais como para altura da lança, profundidade do subsolador ou posição da lança.

[0085] Em uma modalidade, exemplos de sensores 112 que po- dem ser utilizados com colheitadeiras incluem monitores de rendimen- to, tais como medidores de tensão de placa de impacto ou sensores de posição, sensores de fluxo capacitivos, sensores de carga, senso- res de peso ou sensores de torque associados a elevadores ou bro- cas, ou sensores ópticos ou outros sensores eletromagnéticos de altu- ra de grãos; sensores de umidade de grãos, tais como sensores capa- citivos; sensores de perda de grãos, incluindo sensores de impacto, ópticos ou capacitivos; sensores de critérios de operação do descabe- çador de cereais, tais como altura do descabeçador de cereais, tipo de descabeçador de cereais, abertura da placa de piso, velocidade do alimentador e sensores de velocidade de bobina; sensores de critérios de operação do separador, tais como sensores de folga axial côncava, velocidade do rotor, folga axial da sapata ou folga axial do cortador de palha; sensores de trado para posição, operação ou velocidade; ou sensores de velocidade do motor. Em uma modalidade, exemplos de controladores 114 que podem ser utilizados com colheitadeiras inclu- em controladores de critérios operacionais do descabeçador de cere- ais para elementos tais como a altura do descabeçador de cereais, o tipo de descabeçador de cereais, abertura da placa do piso, velocida- de do alimentador ou velocidade da bobina; controladores de critérios de operação de separadores para recursos tais como folga axial côn- cava, velocidade do rotor, folga axial da sapata ou folga axial do corta- dor de palha; ou controladores para posição, operação ou velocidade do trado.

[0086] Em uma modalidade, exemplos de sensores 112 que po- dem ser utilizados com carrinhos de grãos incluem sensores de peso ou sensores para posição, operação ou velocidade do trado. Em uma modalidade, exemplos de controladores 114 que podem ser utilizados com carrinhos de grãos incluem controladores para a posição, opera- ção ou velocidade do trado.

[0087] Em uma modalidade, exemplos de sensores 112 e contro- ladores 114 podem ser instalados em aparelhos de veículos aéreos não tripulados (UAV) ou "drones". Tais sensores podem incluir câme- ras com detectores eficazes para qualquer variação do espectro ele- tromagnético, incluindo luz visível, infravermelho, ultravioleta, infra- vermelho próximo (NIR) e similares; acelerômetros; altímetros; senso- res de temperatura; sensores de umidade; sensores de tubo de Pitot ou outros sensores de velocidade do ar ou do vento; sensores de vida útil de bateria; ou emissores de radar e aparelhos de detecção de energia de radar refletida; outros emissores de radiação eletromagné- tica e aparelhos de detecção de radiação eletromagnética refletida. Tais controladores podem incluir aparelho de controle de motor ou de orientação, controladores de superfície de controle, controladores de câmera ou controladores programados para ligar, operar, obter dados, gerenciar e configurar qualquer um dos sensores anteriores. Exem- plos são divulgados no Pedido de Patente U.S. No. 14/831.165 e a presente divulgação assume o conhecimento dessa outra divulgação de patente.

[0088] Em uma modalidade, os sensores 112 e os controladores 114 podem ser fixados ao aparelho de medição e amostragem de solo que é configurado ou programado para amostrar solo e executar testes de química do solo, testes de umidade do solo e outros testes relativos ao solo. Por exemplo, o aparelho divulgado na Patente U.S. No.

8.767.194 e na Patente U.S. No. 8.712.148 pode ser utilizado, e a pre- sente divulgação assume o conhecimento dessas divulgações de pa- tente.

[0089] Em uma modalidade, os sensores 112 e os controladores 114 podem compreender dispositivos meteorológicos para monitorar as condições meteorológicas dos campos. Por exemplo, o aparelho divulgado no Pedido Provisório U.S. No 62/154.207, depositado em 29 de abril de 2015, no Pedido Provisório U.S. No 62/175.160, depositado em 12 de junho de 2015, no Pedido Provisório U.S. N o 62/198.060, depositado em 28 de julho de 2015, e no Pedido Provisório U.S. N o 62/220.852, depositado em 18 de setembro de 2015, pode ser utiliza- do, e a presente divulgação assume o conhecimento dessas divulga- ções de patente.

2.4. VISA GERAL DE PROCESSO – TREINAMENTO DE MODELO

AGRONÔMICO

[0090] Em uma modalidade, o sistema de computador de inteli- gência agrícola 130 é programado ou configurado para criar um mode- lo agronômico. Neste contexto, um modelo agronômico é uma estrutu- ra de dados na memória do sistema de computador de inteligência agrícola 130 que compreende os dados de campo 106, tais como da- dos de identificação e dados de colheita para um ou mais campos. O modelo agronômico também pode compreender propriedades agro- nômicas calculadas que descrevem condições que podem afetar o de- senvolvimento de uma ou mais plantações em um campo, ou proprie- dades da uma ou mais plantações, ou ambas. Adicionalmente, um modelo agronômico pode compreender recomendações baseadas em fatores agronômicos tais como recomendações de plantação, reco- mendações de irrigação, recomendações de plantio, recomendações de fertilizantes, recomendações de fungicidas, recomendações de pes- ticidas, recomendações de colheita e outras recomendações de ge- renciamento da plantação. Os fatores agronômicos também podem ser utilizados para estimar um ou mais resultados relacionados com a plantação, tais como rendimento agronômico. O rendimento agronô- mico de uma plantação é uma estimativa de quantidade da plantação que é produzida, ou em alguns exemplos a receita ou lucro obtido a partir da plantação produzida.

[0091] Em uma modalidade, o sistema de computador de inteli- gência agrícola 130 pode utilizar um modelo agronômico pré- configurado para calcular propriedades agronômicas relacionadas com a localização atualmente recebida e a informação da plantação para um ou mais campos. O modelo agronômico pré-configurado é basea- do em dados de campos anteriormente processados, incluindo, mas não limitados aos dados de identificação, dados de colheita, dados de fertilizantes, e dados meteorológicos. O modelo agronômico pré- configurado pode ter sido validado de forma cruzada para garantir pre- cisão do modelo. A validação cruzada pode incluir comparação com veracidade do solo que compara resultados previstos com resultados reais em um campo, tal como uma comparação de estimativa de pre- cipitação com um medidor ou sensor de chuva proporcionando dados meteorológicos no mesmo ou em localização próxima ou uma estima- tiva de conteúdo de nitrogênio com uma medição de amostra do solo.

[0092] A FIG. 3 ilustra um processo programado pelo qual o siste- ma de computador de inteligência agrícola gera um ou mais modelos agronômicos pré-configurados utilizando dados de campo proporcio- nados por uma ou mais fontes de dados. A FIG. 3 pode servir como um algoritmo ou instruções para programar os elementos funcionais do sistema de computador de inteligência agrícola 130 para executar as operações que são agora descritas.

[0093] No bloco 305, o sistema de computador de inteligência agrícola 130 é configurado ou programado para implementar pré- processamento de dados agronômicos de dados de campo recebidos a partir de uma ou mais fontes de dados. Os dados de campo recebi- dos a partir da uma ou mais fontes de dados podem ser pré- processados para o propósito de remover ruído, efeitos de distorção, e fatores de confusão dentro dos dados agronômico incluindo valores discrepantes medidos que poderiam de forma adversa afetar os valo- res de dados do campo recebidos. Modalidades de pré-processamento de dados agronômicos podem incluir, mas não estão limitadas a remo- ver valores de dados normalmente associados com valores de dados de valores discrepantes, pontos de dados específicos medidos que são conhecidos como desnecessariamente deformando outros valores de dados, suavização de dados, agregação, ou técnicas de amostra- gem utilizadas para remover ou reduzir efeitos aditivos ou multiplicati- vos a partir de ruído, e outras técnicas de filtragem ou de derivação de dados utilizadas para proporcionar distinções claras entre entradas de dados positivas e negativas.

[0094] No bloco 310, o sistema de computador de inteligência agrícola 130 é configurado ou programado para executar seleção de subconjunto de dados utilizando dados de campo pré-processados de modo a identificar conjuntos de dados úteis para a geração do modelo agronômico inicial. O sistema de computador de inteligência agrícola 130 pode implementar técnicas de seleção de subconjunto de dados incluindo, mas não limitadas a um método de algoritmo genético, um método de todos os modelos de subconjunto, um método de pesquisa seqüencial, um método de regressão passo a passo, um método de otimização de agregação de partículas, e um método de otimização de colônia de formigas. Por exemplo, uma técnica de seleção de algorit- mo genético utiliza um algoritmo de pesquisa heurística adaptável, ba- seado nos princípios evolutivos de seleção natural e na genética, para determinar e avaliar conjuntos de dados dentro dos dados agronômi- cos pré-processados.

[0095] No bloco 315, o sistema de computador de inteligência agrícola 130 é configurado ou programado para implementar avaliação de conjuntos de dados de campo. Em uma modalidade, um conjunto de dados de campo específico é avaliado pela criação de um modelo agronômico e pela utilização de limites específicos de qualidade para o modelo agronômico criado. Os modelos agronômicos podem ser comparados e/ou validados utilizando uma ou mais técnicas de com- paração, tais como, mas não limitadas erro quadrático médico de vali- dação cruzada (RMSECV), erro absoluto médio, e erro percentual mé- dico. Por exemplo, a RMSECV pode validar de forma cruzada mode- los agronômicos por comparar valores de propriedade agronômica previstos criados pelo modelo agronômico em relação aos valores his- tóricos de propriedade agronômica coletados e analisados. Em uma modalidade, a lógica de avaliação de conjunto de dados agronômico é utilizada como um laço de realimentação onde os conjuntos de dados agronômicos que não atendem aos limites de qualidade configurados são utilizados durante as etapas futuras de seleção de conjunto de da- dos (bloco 310).

[0096] No bloco 320, o sistema de computador de inteligência agrícola 130 é configurado ou programado para implementar criação de modelo agronômico em relação aos conjuntos de dados agronômi- cos validados de forma cruzada. Em uma modalidade, a criação de modelo agronômico pode implementar técnicas de regressão com mul- tivariáveis para criar modelos de dados agronômicos pré-configurados.

[0097] No bloco 325, o sistema de computador de inteligência agrícola 130 é configurado ou programado para armazenar os mode- los de dados agronômicos pré-configurados para avaliação futura de dados de campo.

2.5. SUBSISTEMA DE CLASSIFICAÇÃO DE SEMENTE HÍBRIDA

[0098] Em uma modalidade, o sistema de computador de inteli- gência agrícola 130, entre outros componentes, inclui o subsistema de classificação de semente híbrida 170, o subsistema de classificação de semente híbrida 170 é configurado para gerar um grupo de produ- ção com sucesso alvo de sementes híbridas identificado para desem-

penho ideal nos campos alvo. Como utilizado neste documento, o termo “ideal” e termos relacionados (por exemplo, “otimizar”, “otimiza- ção”, etc.) são termos amplos que se referem ao “melhor ou mais efe- tivo” com respeito a qualquer resultado, sistema, dados, etc. (“otimi- zação universal”) bem como aprimoramentos que são “melhores ou mais efetivos (“otimização relativa”). O grupo de produção com suces- so alvo inclui um subconjunto de uma ou mais sementes híbridas, uma previsão de produção estimada para cada semente híbrida , e uma probabilidade de sucesso de exceder a produção estimada média para sementes híbridas similarmente classificadas.

[0099] Em uma modalidade, identificar sementes híbridas que irão de forma ideal atuar em relação aos campos alvo é baseado na entra- da recebida pelo sistema de computador e inteligência agrícola 130 incluindo, mas não limitado aos registros de dados agrícolas para vá- rias diferentes sementes híbridas e dados de geolocalização relacio- nados com campos onde os registros de dados agrícolas foram cole- tados. Por exemplo, se os registros de dados agrícolas forem recebi- dos para uma centena de sementes híbridas, então os registros de dados agrícolas incluiriam dados de crescimento e de produção para a uma centena de sementes híbridas e dados de geolocalização sobre os campos onde a uma centena de sementes híbridas foram planta- das. Em uma modalidade, o sistema de computador de inteligência agrícola 130 também recebe dados de geolocalização e agrícolas para um segundo conjunto de campos. O segundo conjunto de campos são campos alvo onde o produtor pretender plantar sementes híbridas se- lecionadas. A informação sobre os campos alvo são particularmente relevantes para associar as sementes híbridas específicas com o am- biente dos campos alvo.

[00100] As instruções de normalização de semente híbrida 172 pro- porcionam instruções para gerar um conjunto de dados de proprieda-

des de semente híbrida que descrevem valores de rendimento repre- sentativos e classificações ambientais das condições ambientais prefe- ridas para cada uma das sementes híbridas recebidas pelo sistema de computador de inteligência agrícola 130. A probabilidade de instru- ções de geração de sucesso 174 proporcionarem instruções para ge- rar um conjunto de dados de pontuações de probabilidade de sucesso com cada uma das semente híbridas. As pontuações de probabilidade de sucesso descrevem a probabilidade de uma produção com sucesso nos campos alvos. As instruções de classificação de produção 176 proporcionam instruções para gerar um grupo de produção com su- cesso alvo de sementes híbridas que foram identificadas para desem- penho ideal nos campos alvo baseado nas pontuações de probabilida- de de sucesso associadas com cada uma das sementes híbridas.

[00101] Em uma modalidade, o sistema de computador de inteli- gência agrícola 130 é configurado para apresentar, via a camada de apresentação 134, o grupo de produção com sucesso alvo das semen- tes híbridas selecionadas e seus valores de produção normalizados e pontuações de probabilidade de sucesso.

[00102] O subsistema de classificação de semente híbrida 170 e instruções relacionadas são adicionalmente descritos em outros luga- res neste documento.

2.6. SUBSISTEMA DE RECOMENDAÇÃO DE SEMENTE HÍBRIDA

[00103] Em uma modalidade, o sistema de computador de inteli- gência agrícola 130, dentre outros componentes, inclui o subsistema de recomendação de semente híbrida 180. O subsistema de reco- mendação de semente híbrida 180 é configurado para gerar um con- junto de sementes hibridas alvo especificamente selecionadas para desempenho ideal nos campos alvo com risco minimizado. O conjunto de sementes híbridas alvo inclui um subconjunto de uma ou mais se- mentes híbridas que possuem previsões de produção estimada acima de um limite específico de produção e possuem um valor de risco as- sociado que está abaixo de um alvo específico de risco.

[00104] Em uma modalidade, identificar um conjunto de sementes híbridas alvo que irá de forma ideal desempenhar nos campos alvo é baseado em um conjunto de entradas de sementes híbridas que foram identificadas como possuindo uma probabilidade específica de produ- zir uma produção com sucesso nos campos alvo. O sistema de com- putador de inteligência agrícola 130 pode ser configurado para receber um conjunto de sementes híbridas como parte de um grupo de produ- ção com sucesso alvo gerado pelo subsistema de classificação de semente híbrida 170. O grupo de produção com sucesso alvo também pode incluir dados agrícolas especificando a probabilidade de sucesso para cada semente híbrida e outros dados agrícolas tais como um va- lor de produção, maturidade relativa, e observações ambientais a partir de colheitas anteriores observadas. Em uma modalidade, o sistema de computador de inteligência agrícola 130 também recebe dados de geolocalização e agrícolas para um conjunto de campos alvo. Os “campos alvo” são campos onde o produtor está considerando ou pre- tende plantar as sementes híbridas alvo.

[00105] As instruções de filtragem de semente híbrida 182 propor- cionam instruções para filtrar e identificar um subconjunto de sementes híbridas que possui uma probabilidade de valor de sucesso que esteja acima de um limite especificado de produção com sucesso. As instru- ções de geração de risco 184 proporcionam instruções para gerar um conjunto de dados de valores de risco associados com cada uma das sementes híbridas. Os valores de risco descrevem a quantidade de risco associado com cada semente híbrida com respeito ao valor de produção estimado para cada semente híbrida. As instruções de clas- sificação de otimização 186 proporcionam instruções para gerar um conjunto de dados de sementes híbridas alvo que possuem valores médios de produção acima de um limite alvo para uma faixa de valores de riscos a partir do conjunto de dados de valores de risco.

[00106] Em uma modalidade, o sistema de computador de inteli- gência agrícola 130 é configurado para apresentar, via a camada de apresentação 134, o conjunto de sementes híbridas alvo e incluindo seus valores médios de produção.

[00107] O subsistema de recomendação de semente híbrida 180 e as instruções relacionadas são adicionalmente descritos em outros lugares neste documento.

2.7. IMPLEMENTAÇÃO ILUSTRATIVA – VISTA GERAL DE

HARDWARE

[00108] De acordo com uma modalidade, as técnicas descritas nes- te documento são implementadas por um ou mais dispositivos de computação de propósito especial. Os dispositivos de computação de propósito especial podem estar fisicamente conectados para executar as técnicas ou podem incluir dispositivos eletrônicos digitais, tais como um ou mais circuitos integrados específicos de aplicação (ASICs) ou arranjos de portas programáveis em campo (FPGAs) que são persis- tentemente programados para executar as técnicas ou podem incluir um ou mais processadores de hardware de propósito geral programa- dos para executar as técnicas de acordo com as instruções de pro- grama em firmware, memória, outro armazenamento ou uma combina- ção. Tais dispositivos de computação para propósito especial também podem combinar lógica fisicamente gravadas customizada, ASICs ou FPGAs com programação customizada para realizar as técnicas. Os dispositivos de computação de propósito especial podem ser sistemas de computador de mesa, sistemas de computador portátil, dispositivos de mão, dispositivos de rede ou qualquer outro dispositivo que incor- pore lógica fisicamente gravada e/ou de programa para implementar técnicas.

[00109] Por exemplo, a FIG. 4 é um diagrama de blocos que ilustra um sistema de computador 400 no qual uma modalidade da invenção pode ser implementada. O sistema de computador 400 inclui um bar- ramento 402 ou outro mecanismo de comunicação para comunicar in- formação e um processador de hardware 404 acoplado ao barramento 402 para processar informação. O processador de hardware 404 pode ser, por exemplo, um microprocessador de propósito geral.

[00110] O sistema de computador 400 também inclui uma memória principal 406, tal como uma memória de acesso aleatório (RAM) ou outro dispositivo de armazenamento dinâmico, acoplado ao barramen- to 402 para armazenar informações e instruções a serem executadas pelo processador 404. A memória principal 406 também pode ser utili- zada para armazenar variáveis temporárias ou outras informações in- termediárias durante a execução de instruções a serem executadas pelo processador 404. Tais instruções, quando armazenadas em mí- dia de armazenamento não temporária acessível ao processador 404, transformam o sistema de computador 400 em uma máquina de pro- pósito especial que é customizada para executar as operações especi- ficadas nas instruções.

[00111] O sistema de computador 400 inclui ainda uma memória somente para leitura (ROM) 408 ou outro dispositivo de armazena- mento estático acoplado ao barramento 402 para armazenar informa- ção estática e instruções para o processador 404. Um dispositivo de armazenamento 410, tal como um disco magnético, disco óptico ou unidade de estado sólido é proporcionado e acoplado ao barramento 402 para armazenar informação e instruções.

[00112] O sistema de computador 400 pode ser acoplado via bar- ramento 402 a um vídeo 412, tal como um tubo de raios catódicos (CRT), para exibir informação para um usuário de computador. Um dispositivo de entrada 414, incluindo teclas alfanuméricas e outras, é acoplado ao barramento 402 para comunicar informação e seleções de comando ao processador 404. Outro tipo de dispositivo de entrada do usuário é o controle de cursor 416, tal como um mouse, um track- ball ou teclas de direção do cursor para comunicar informações de di- reção e seleções de comando para o processador 404 e para controlar o movimento do cursor no vídeo 412. Este dispositivo de entrada normalmente possui dois graus de liberdade em dois eixos geométri- cos, um primeiro eixo geométrico (por exemplo, x) e um segundo eixo geométrico (por exemplo, y), que permite que o dispositivo especifique posições em um plano.

[00113] O sistema de computador 400 pode implementar as técni- cas descritas neste documento utilizando lógica gravada fisicamente customizada, um ou mais ASICs ou FPGAs, firmware e/ou lógica de programa que em combinação com o sistema de computador causa ou programa o sistema de computador 400 para ser um máquina de pro- pósito especial. De acordo com uma modalidade, as técnicas neste documento são executadas pelo sistema de computador 400 em res- posta ao processador 404 executando uma ou mais sequências de uma ou mais instruções contidas na memória principal 406. Tais ins- truções podem ser lidas para a memória principal 406 a partir de outro meio de armazenamento, tal como dispositivo de armazenamento 410. A execução das sequências de instruções contidas na memória princi- pal 406 causa que o processador 404 execute as etapas do processo descritas neste documento. Em modalidades alternativas, os circuitos gravados fisicamente podem ser utilizados no lugar ou em combinação com as instruções do software.

[00114] O termo "mídia de armazenamento", conforme utilizado neste documento, refere-se a qualquer mídia não temporária que ar- mazena dados e/ou instruções que causam que uma máquina opere de uma maneira específica. Tal mídia de armazenamento pode com-

preender mídia não volátil e/ou mídia volátil. A mídia não volátil inclui, por exemplo, discos ópticos, discos magnéticos ou unidades de estado sólido, tal como o dispositivo de armazenamento 410. A mídia volátil inclui memória dinâmica, tal como a memória principal 406. Formas comuns de mídia de armazenamento incluem, por exemplo, um dis- quete, um disco flexível, um disco rígido, uma unidade de estado sóli- do, uma fita magnética ou qualquer outro meio de armazenamento de dados magnético, um CD-ROM, qualquer outro meio de armazena- mento de dados óptico, qualquer meio físico com padrões de furos, uma RAM, uma PROM e EPROM, uma FLASH-EPROM, uma NVRAM, qualquer outro chip de memória ou cartucho.

[00115] A mídia de armazenamento é diferente, mas pode ser utili- zada em conjunto com a mídia de transmissão. A mídia de transmis- são participa em transferir informação entre a mídia de armazenamen- to. Por exemplo, a mídia de transmissão inclui cabos coaxiais, fio de cobre e fibra óptica, incluindo os fios que compõem o barramento 402. A mídia de transmissão também pode assumir a forma de ondas acús- ticas ou de luz, tais como aquelas geradas durante as comunicações de dados de ondas de rádio e infravermelho.

[00116] Várias formas de mídia podem estar envolvidas em trans- portar uma ou mais sequências de uma ou mais instruções para o pro- cessador 404 para execução. Por exemplo, as instruções podem ser inicialmente transportadas em um disco magnético ou em uma unida- de de estado sólido de um computador remoto. O computador remoto pode carregar as instruções em sua memória dinâmica e enviar as ins- truções através de uma linha telefônica utilizando um modem. Um modem local ao sistema de computador 400 pode receber os dados na linha telefônica e utilizar um transmissor infravermelho para converter os dados em um sinal infravermelho. Um detector de infravermelho pode receber os dados transportados no sinal infravermelho e o siste-

ma de circuitos apropriados pode colocar os dados no barramento

402. O barramento 402 transporta os dados para a memória principal 406, a partir da qual o processador 404 recupera e executa as instru- ções. As instruções recebidas a partir da memória principal 406 po- dem ser opcionalmente armazenadas no dispositivo de armazenamen- to 410 tanto antes como após a execução pelo processador 404.

[00117] O sistema de computador 400 também inclui uma interface de comunicação 418 acoplada ao barramento 402. A interface de co- municação 418 proporciona um acoplamento de comunicação de da- dos bidirecional para um link de rede 420 que está conectado a uma rede local 422. Por exemplo, a interface de comunicação 418 pode ser uma placa de rede digital de serviços integrados (ISDN), modem a cabo, modem via satélite ou um modem para proporcionar uma cone- xão de comunicação de dados para um tipo correspondente de linha telefônica. Como outro exemplo, a interface de comunicação 418 po- de ser uma placa de rede de área local (LAN) para proporcionar uma conexão de comunicação de dados para uma LAN compatível. Links sem uso de fios também podem ser implementados. Em qualquer im- plementação, a interface de comunicação 418 envia e recebe sinais elétricos, eletromagnéticos ou ópticos que transportam fluxos de dados digitais representando vários tipos de informações.

[00118] O link de rede 420 normalmente proporciona comunicação de dados através de uma ou mais redes para outros dispositivos de dados. Por exemplo, o link de rede 420 pode proporcionar uma cone- xão através da rede local 422 para um computador hospedeiro 424 ou para um equipamento de dados operado por um Provedor de Serviços de Internet (ISP) 426. O ISP 426, por sua vez, proporciona serviços de comunicação de dados através da rede mundial de comunicação de pacote de dados agora comumente referida como "Internet" 428. Ambas a rede local 422 e a Internet 428 utilizam sinais elétricos, ele-

tromagnéticos ou ópticos que transportam fluxos de dados digitais. Os sinais através das várias redes e os sinais no link de rede 420 e atra- vés da interface de comunicação 418, os quais transportam os dados digitais de e para o sistema de computador 400, são formas ilustrativas de mídia de transmissão.

[00119] O sistema de computador 400 pode enviar mensagens e receber dados, incluindo código de programa, através da rede (s), do link de rede 420 e da interface de comunicação 418. No exemplo da Internet, um servidor 430 pode transmitir um código solicitado para um programa aplicativo por meio da Internet 428, do ISP 426, da rede lo- cal 422 e da interface de comunicação 418.

[00120] O código recebido pode ser executado pelo processador 404 conforme é recebido e/ou armazenado no dispositivo de armaze- namento 410 ou em outro armazenamento não volátil para execução posterior.

3. VISTA GERAL FUNCIONAL – GERA E EXIBE GRUPO DE

PRODUÇÃO COM SUCESSO ALVO DE SEMENTES HÍBRIDAS

[00121] A FIG. 7 representa um exemplo detalhado de geração de um grupo de produção com sucesso alvo de sementes híbridas identi- ficado para desempenho ideal de produção nos campos alvo baseado nos registros de dados agrícolas dos dados de sementes híbridas e de geolocalização associados com os campos alvo.

3.1. ENTRADA DE DADOS

[00122] Na etapa 705, o sistema de computador de inteligência agrícola 130 recebe registros de dados agrícolas a partir de um ou mais campos para várias diferentes sementes híbridas. Em uma mo- dalidade, os registros de dados agrícolas podem incluir dados de se- mente para cultivo para uma ou mais sementes híbridas. Os dados de semente para cultivo incluem dados agrícolas históricos relacionados com o plantio, desenvolvimento, e colheita de sementes híbridas es-

pecíficas em um ou mais campos. Exemplos de dados de semente para cultivo pode incluir, mas não estão limitados aos valores históri- cos de produção, informação de momento de colheita, e maturidade relativa de uma semente híbrida, e quaisquer outros dados de obser- vação sobre o ciclo de vida da planta. Por exemplo, os registros de dados agrícolas podem incluir dados de semente híbrida para duzen- tos (ou mais) diferentes tipos de híbridos de milho disponíveis. Os da- dos de semente para cultivo associados com cada um dos híbridos de milho incluiriam valores históricos de produção associados com colhei- tas observadas, informação de momento de colheita em relação ao plantio, e maturidade relativa observada para cada um dos híbridos de milho em cada um dos campos observados. Por exemplo, o híbrido de milho 001 pode possuir registros de dados agrícolas que incluem da- dos de histórico de produção coletados a partir de vinte (ou mais) campos diferentes através dos dez (ou mais) últimos anos.

[00123] Em uma modalidade, os registros de dados agrícolas po- dem incluir dados específicos do campo relacionados com os campos onde os dados de semente para cultivo foram observados. Por exem- plo, os dados específicos do campo podem incluir, mas não estão limi- tados à informação de geolocalização, maturidade relativa observada baseado na geolocalização do campo, dados históricos de índice me- teorológico, propriedades observadas do solo, umidade observada do solo e níveis de água, e quaisquer outras observações ambientais que podem ser específicas para os campos onde os dados históricos de semente para cultivo são coletados. Os dados específicos do campo podem ser utilizados para ainda quantificar e classificar os dados de semente para cultivo à medida que eles se relacionam com cada uma das sementes híbridas. Por exemplo, diferentes campos em diferentes geolocalizações podem ser mais bem adequados para diferentes se- mentes híbridas baseado na maturidade relativa das sementes híbri-

das e na duração da estação de desenvolvimento. Campos dentro de regiões e sub-regiões específicas podem possuir uma maturidade rela- tiva atribuída para a estação de desenvolvimento que é baseada no clima associado com ma geolocalização específica e com a quantida- de de dias de grau de desenvolvimento (GDDs) disponíveis durante a estação de desenvolvimento.

[00124] A FIG. 8 representa um exemplo de diferentes regiões den- tro de um estado que possuem diferentes maturidades relativas atribu- ídas baseadas nas durações de estação de desenvolvimento. O esta- do 805 é o estado de Illinois e é dividido em várias regiões e sub- regiões diferentes. Exemplos de sub-regiões podem incluir áreas ba- seadas no condado, cidade, ou limites da cidade. Cada uma das regi- ões 810, 815, 820, 825 e 830 representa regiões de geolocalização específica que possuem diferentes durações de estação de desenvol- vimento. Por exemplo, a região 810 representa uma região de campos que, baseado em suas geolocalizações e no clima associado, possu- em uma estação de desenvolvimento mais curta devido aos climas mais frios. Como resultado, a região 810 pode ser classificada como campos que são adequados para sementes híbridas com maturidade relativa de 100 dias (apresentado como uma legenda sombreada e o respectivo GDD na Figura 8). A região 815 está localização ao sul da região 100 e como resultado pode possuir climas geralmente mais quentes. Campos na região 815 podem ser classificados como cam- pos adequados para sementes híbridas com uma maturidade relativa de 105 dias. Similarmente, as regiões 820, 825 e 830 estão localiza- das mais ao sul do que as regiões 810 e 815, e como resultado, são classificadas com classificações de maturidade relativa de 110, 115, e 120 dias, respectivamente. As classificações de maturidade relativa para diferentes regiões podem ser utilizadas com dados históricos de produção para sementes híbridas para avaliar o quanto bem as se-

mentes híbridas desempenham nos campos baseado nas maturidades relativas classificadas.

[00125] Em uma modalidade, dados de campo específico dentro dos registros de dados agrícolas também podem incluir dados de rota- ção de cultivo. O gerenciamento de nutrientes para o solo para cam- pos pode depender de fatores tais como estabelecer diversas rotações de cultivo e gerenciamento de quantidade de lavoura do solo. Por exemplo, algumas observações históricas têm apresentado que um “efeito de rotação” de rotação entre diferentes cultivos em um campo pode aumentar a produção do cultivo de 5 a 15% através do plantio do mesmo cultivo ano a ano. Como resultado, os dados de rotação de cultivo dentro dos registros de dados agrícolas podem ser utilizados para ajudar a determinar estimativa de produção mais precisa.

[00126] Em uma modalidade, dados de campo específico podem incluir dados de lavoura e práticas de gerenciamento utilizados durante a estação de cultivo. Os dados de lavoura e as práticas de gerencia- mento se referem à maneira e cronograma de lavoura executados em relação a um campo particular. A qualidade do solo e a quantidade de nutrientes úteis no solo variam baseado na quantidade do solo superi- or. A erosão do solo se refere à remoção do solo superior, o qual é a camada mais rica do solo tanto em matéria orgânica como em valor de nutriente. Uma prática que causa a erosão do solo é a lavoura. A La- voura decompõe os agregados do solo e aumenta a aeração do solo, o que pode acelerar a decomposição de matéria orgânica. Portanto, rastrear as práticas de gerenciamento de lavoura pode considerar en- tender a quantidade de erosão do solo que ocorre, a qual pode afetar a produção como um todo do cultivo plantado.

[00127] Em uma modalidade, os registros de dados agrícolas inclu- em dados históricos de semente para cultivo e dados específicos do campo a partir de um conjunto de campos de teste utilizados para de-

terminar propriedades de semente híbrida pelos fabricantes. Por exemplo, a Monsanto Corporation produz várias sementes híbridas comerciais e testam seu desenvolvimento de semente em vários cam- pos de teste. Os campos de teste da Monsanto Corp. podem servir como um exemplo de um conjunto de campos de teste onde registros de dados agrícolas são coletados e recebidos pelo sistema de compu- tador de inteligência agrícola 130. Em outra modalidade, os registros de dados agrícolas podem incluir dados históricos de semente para cultivo e dados específicos de campo a partir de conjuntos de campos possuídos e operados por produtores individuais. Estes conjuntos de campos onde registros de dados agrícolas são coletados também po- dem ser os mesmos campos designados como campos alvo para plan- tio de sementes recentemente selecionadas. Ainda em outras modali- dades, os conjuntos de campos possuídos e operados por um produtor podem proporcionar registros de dados agrícolas utilizados por outros produtores quando determinando o grupo de produção com sucesso alvo de sementes híbridas.

[00128] Referindo-se novamente à FIG. 7, na etapa 710, o sistema de computador de inteligência agrícola 130 recebe informação de geo- localização para um ou mais campos alvo. Os campos alvo represen- tam os campos onde o produtor está considerando plantar ou planeja plantar o conjunto de sementes híbridas selecionadas a partir do grupo de produção com sucesso alvo. Em uma modalidade, a informação de geolocalização para o um ou mais campos alvo pode ser utilizada em conjunto com os registros de dados agrícolas de campos específicos para determinar quais sementes híbridas, baseadas na maturidade relativa e no clima, são mais bem adequadas para os campos alvo.

3.2. PROCESSAMENTO DE DADOS AGRÍCOLAS

[00129] Na etapa 715, as instruções de normalização de semente híbrida 172 proporcionam instrução para gerar um conjunto de dados de propriedades da semente híbrida que descrevem valores de produ- ção representativa e classificações ambientais para cada semente hí- brida recebida como parte dos registros de dados agrícolas. Em uma modalidade, os registros de dados agrícolas associados com as se- mentes híbridas são utilizados para calcular um valor de produção re- presentativo e uma classificação ambiental para cada uma das semen- tes híbridas. O valor de produção representativa é um valor de produ- ção esperado para uma semente híbrida específica se plantada em um campo baseado nos valores históricos de produção e em outros dados agrícolas observados a partir de colheitas passadas.

[00130] Em uma modalidade, o valor de produção normalizado po- de ser calculado por normalizar várias diferentes observações de pro- dução a partir de diferentes campos através de diferentes anos de de- senvolvimento observados. Por exemplo, campos onde uma semente híbrida específica foi primeiro plantada podem ser utilizados para cal- cular uma produção média de ciclo de desenvolvimento do primeiro ano para uma semente híbrida específica. A produção média de ciclo de desenvolvimento do primeiro ano para a semente híbrida específica pode incluir combinar valores de produção a partir de diferentes cam- pos através de diferentes anos. Por exemplo, a semente híbrida es- pecífica pode ter sido plantada em campos testados durante o estágio de produto do ciclo de produto comercial da Monsanto (PS3, PS4, MD1, e MD2) através de um período de tempo de 2009 até 2015. En- tretanto, o primeiro ciclo da semente híbrida específica pode ter sido plantado em cada um dos campos em anos diferentes. A tabela se- guinte ilustra um exemplo: 2009 2010 2011 2012 2013 2014 2015 Ciclo 1 PS3 PS4 MD1 MD2 Ciclo 2 PS3 PS4 MD1 MD2 Ciclo 3 PS3 PS4 MD1 MD2 Ciclo 4 PS3 PS4 MD1 MD2

[00131] As colunas da tabela representam anos de colheita e as fileiras da tabela representam os ciclos de desenvolvimento de produto comercial da Monsanto, onde o ciclo 1 representa os 4 anos das se- mentes híbridas que foram plantadas em vários campos e o ciclo 2 re- presenta o segundo ciclo de 4 anos para outro conjunto de sementes híbridas plantadas nos mesmos ambientes de campo e assim por di- ante.

[00132] Em uma modalidade, calcular os valores de produção nor- malizados pode ser baseado em ciclos similares para a semente híbri- da plantada em vários campos. Por exemplo, o valor de produção normalizado para o ciclo 1 pode ser calculado como uma média dos valores de produção observados nos campos PS3 (2009), PS4 (2010), MD1 (2011), e MD2 (2012). Por fazer isso, os valores de produção podem ter a média calculada baseado na característica comum de quantos ciclos de desenvolvimento ocorreram nos campos particula- res. Em outras modalidades, calcular valores de produção normaliza- dos pode ser baseado em outras propriedades agrícolas a partir dos registros de dados agrícolas tais como mesmo ano ou mesma região / campo.

[00133] Em uma modalidade, a classificação ambiental para cada uma das sementes híbridas pode ser calculada utilizando uma propri- edade de campo de maturidade relativa associada com registros de dados agrícolas das sementes híbridas. Por exemplo, a semente hí- brida específica pode ter sido plantada através de vários campos den- tro da região 820. Cada um dos campos dentro da região 820 é classi- ficado como possuindo uma estação de desenvolvimento observada que se alinha com a maturidade relativa de 110 dias. Portanto, base- ado nos campos associados com a semente híbrida específica, a clas- sificação ambiental para a semente híbrida específica pode ser rece- ber uma maturidade relativa que é igual a esta da região 820, a qual é

110 dias. Em outras modalidades, se os campos associados com as observações históricas da semente híbrida específica contiverem campos classificados dentro de várias regiões, então a classificação ambiental pode ser calculada como uma média dos diferentes valores de maturidade relativa atribuídos.

[00134] Em uma modalidade, o conjunto de dados de propriedades de semente híbrida contém valores de produção normalizados para cada semente híbrida e uma classificação ambiental que descreve os valores de maturidade relativa associados com o valor de produção normalizado. Em outras modalidades, o conjunto de dados de propri- edades de semente híbrida também pode incluir propriedades relacio- nadas com o ciclo de desenvolvimento da semente híbrida e proprie- dades de campo tais como rotações de cultivo, lavoura, observações meteorológicas, composição do solo, e quaisquer outras observações agrícolas.

[00135] Referindo-se novamente à FIG. 7, na etapa 720, as instru- ções de probabilidade de geração com sucesso 174 proporcionam ins- trução para gerar um conjunto de dados de pontuações de probabili- dade de sucesso para cada uma das sementes híbridas as quais des- crevem uma probabilidade de uma produção com sucesso como um valor probabilístico para alcançar uma produção com sucesso em rela- ção às produções médias de outras sementes híbridas com a mesma maturidade relativa. Em uma modalidade, as pontuações de probabili- dade de sucesso para as sementes híbridas são baseadas no conjunto de dados de propriedades de semente híbrida com respeito às geolo- calizações associadas com os campos alvo. Por exemplo, valores de maturidade relativa associados com as geolocalizações dos campos alvo são utilizados em parte para determinar o conjunto de sementes híbridas para utilizar como avaliação de modo a calcular uma pontua- ção de probabilidade de sucesso para uma semente híbrida particular.

Por exemplo, o híbrido de milho 002 pode ser uma semente híbrida com uma produção normalização calculada como 0,5 t/ha (7,5 bushels por acre) e uma maturidade relativa atribuída de 100 GDD. O híbrido de milho 002 é então comparado com outras sementes híbridas que possuem maturidade relativa similar de modo a determinar se o híbrido de milho 002 é um bom candidato para plantio baseado no valor de produção normalizado do híbrido de milho 002 e nas outras sementes híbridas.

[00136] Técnicas de aprendizado de máquina são implementadas para determinar pontuações de probabilidade de sucesso para as se- mentes híbridas nas geolocalizações associadas com os campos alvo. Em uma modalidade, os valores de produção normalizados e os valo- res de maturidade relativa atribuídos são utilizados como variáveis de previsão para modelos de aprendizado de máquina. Em outras moda- lidades, propriedades adicionais de semente híbrida tais como rotação de cultivo, lavoura, observações meteorológicas, composição do solo, também podem ser utilizadas como variáveis de previsão adicionais para os modelos de aprendizado de máquina. A variável alvo dos mo- delos de aprendizado de máquina é um valor probabilístico variando de 0 a 1, onde 0 é igual a uma probabilidade de 0% de uma produção com sucesso e 1 é igual a uma probabilidade de 100% de uma produ- ção com sucesso. Em outras modalidades, a variável alvo pode ser um valor probabilístico que pode ser dimensionado de 0 a 10, de 1 a 10, ou qualquer outra escala de medição. Uma produção com suces- so é descrita como a probabilidade de que a produção de uma semen- te híbrida específica esteja em algum valor acima da produção média para sementes híbridas similarmente classificadas. Por exemplo, uma produção com sucesso pode ser definida como uma produção que é 0,34 t/ha (5 bushels por acre) acima da produção média de sementes híbridas que possuem o mesmo valor de maturidade relativa atribuído.

[00137] A FIG. 9 representa um gráfico de amostra descrevendo a faixa de valores de produção normalizados para sementes híbridas dentro de uma maturidade relativa classificada. O valor médio 905 re- presenta o valor de produção médio calculado para sementes híbridas que possuem a mesma maturidade relativa, tal como 110 GDD. Em uma modalidade, determinar quais sementes híbridas possuem uma produção normalizada significante acima do valor médio 905 pode ser calculado por implementar um cálculo de diferença menos significativa. A diferença menos significativa é um valor em um nível particular de probabilidade estatística. Se o valor for excedido pela diferença entre duas médias, então as duas médias são ditas como sendo distintas. Por exemplo,se a diferença entre os valores de produção de uma se- mente hibrida e o valor médio calculado exceder o valor de diferença menos significativa, então o valor para a semente híbrida é visto como distinto. Em outras modalidades, determinar as diferenças significati- vas entre valores de produção e o valor médio 905 pode ser determi- nado utilizando qualquer outro algoritmo estatístico.

[00138] A faixa 910 representa uma faixa de valores de produção que são considerados dentro do valor de diferença menos significativa, e, portanto, não são significativamente distintos. O limite 915 repre- senta o limite superior da faixa 910. Os valores de produção normali- zados acima do limite 915 são então considerados como sendo signifi- cativamente distintos a partir do valor médio 905. Em uma modalida- de, a faixa 910 e o limite 915 podem ser configurados para representar um limite para determinar quais produções de semente hibrida são consideradas como sendo significativamente maiores do que o valor médio 905 e, portanto, um valor de produção com sucesso. Por exemplo, o limite 915 pode ser configurado para ser igual a um valor que é 0,34 t/ha (5 bushels por acre) acima do valor médio 905. Em uma modalidade, o limite 915 pode ser configurado como um valor de produção que é dependente do valor médio 905, da faixa 910, e da faixa geral de valores de produção para as sementes híbridas especí- ficas que possuem a mesma maturidade relativa.

[00139] A faixa 920 representa uma faia de valores de produção para sementes híbridas que são consideradas produções com suces- so. A semente híbrida 925 representa uma semente híbrida específica dentro da faixa 920 que possui um valor de produção normalizado acima do limite 915. Em uma modalidade, modelos de aprendizado de máquina podem ser configurados para utilizar a faixa 910 e o limite 915 quando calculando pontuações de probabilidade de sucesso entre 0 e 1. Diferentes modelos de aprendizado de máquina podem incluir, mas não estão limitados à regressão logística, previsão aleatória, mo- delagem de máquina de vetor, e modelagem de intensificação de gra- diente.

[00140] Em uma modalidade, a regressão logística pode ser imple- mentada como a técnica de aprendizado de máquina para determinar pontuações de probabilidade de sucesso para cada uma das semen- tes híbridas para os campos alvo. Para regressão logística, os valores de entrada para cada semente híbrida são o valor de produção norma- lizado e a classificação ambiental, a qual é especificada como em re- lação à maturidade. A fórmula funcional da regressão logística é: , onde é a probabilidade de sucesso (y = 1) para o produto i com valor de produção normalizado e no campo alvo j com uma dada maturidade relativa; as constantes a, b e c são coeficientes de regressão estimados através de dados históricos. A saída da re- gressão logística é um conjunto de pontuações de probabilidade entre 0 e 1 para cada semente híbrida especificando sucesso no campo alvo baseado na maturidade relativa atribuída para a geolocalização asso-

ciada com os campos alvos.

[00141] Em outra modalidade, um algoritmo de previsão aleatório pode ser implementado como a técnica de aprendizado de máquina para determinar pontuações de probabilidade de sucesso para cada uma das sementes híbridas para os campos alvo. O algoritmo de pre- visão aleatória é um método de aprendizado de máquina conjunto que opera pela construção de várias árvores de decisão durante um perío- do de treinamento e então emite a classe que é a regressão média das árvores individuais. Os valores de entrada para cada semente híbrida são valor de produção normalizado e a classificação ambiental como maturidade relativa. A saída é um conjunto de pontuações de probabi- lidade para cada semente híbrida entre 0 e 1.

[00142] Em outra modalidade, a modelagem de máquina de vetor de suporte (SVM) pode ser implementada como a técnica de aprendi- zado de máquina para determinar pontuações de probabilidade de su- cesso para cada uma das sementes híbridas para os campos alvos. A modelagem de máquina de vetor de suporte é um modelo de aprendi- zado supervisionado utilizado para classificar seja a entrada utilizando classificação e análise de regressão. Valores de entrada para o mode- lo de máquina de vetor de suporte são os valores de produção norma- lizados e os valores de maturidade relativa da classificação ambiental para cada semente híbrida. A saída é um conjunto de pontuações de probabilidade para cada semente híbrida entre 0 e 1. Ainda em outra modalidade, a modelagem de intensificação de gradiente (GBM) pode ser implementada como a técnica de aprendizado de máquina, em que os valores de entrada são os valores de produção normalizados e va- lores de maturidade relativa de classificação ambiental para cada se- mente híbrida. A intensificação de gradiente é uma técnica para pro- blemas de regressão e classificação, a qual produz um modelo de predição na forma de um conjunto de modelos de predição fracos, tais como árvores de decisão.

[00143] Referindo-se à FIG. 7, na etapa 725, as instruções de clas- sificação de campo 176 geram um grupo de produção com sucesso alvo constituído de um subconjunto das sementes híbridas que foram identificadas como possuindo uma alta probabilidade de produzir uma produção que é significativamente mais alta do que a produção média para outras sementes híbridas dentro da mesma classificação de ma- turidade relativa para os campos alvo. Em uma modalidade, o grupo de produção com sucesso alvo contém sementes híbridas que possu- em valores de probabilidade de sucesso que estão acima de um limite específico de probabilidade de sucesso. O limite de probabilidade de sucesso pode ser valor de probabilidade configurado que está associ- ado com produções que são significativamente maiores do que a pro- dução média de outras sementes híbridas. Por exemplo, se na etapa 720 o limite de produção para produções com sucesso for igual a 0,34 t/ha (cinco bushels por acre) acima do valor médio, então o limite de probabilidade de sucesso pode ser associado com um valor de proba- bilidade de sucesso igual a este do limite de produção. Por exemplo, se o limite de produção for igual a 0,34 t/ha (cinco bushels por acre) acima da produção média e possuir um valor de probabilidade de su- cesso como 0,80, então o limite de probabilidade de sucesso pode re- ceber 0,80. Neste exemplo, o grupo de produção com sucesso alvo conteria sementes híbridas que possuem valores de probabilidade de sucesso iguais ou maiores do que 0,80.

[00144] Em outras modalidades, o limite de probabilidade de suces- so pode ser configurado para ser maior ou menor dependendo de se o produtor deseja um grupo de produção com sucesso alvo menor ou maior, respectivamente.

3.3. APRESENTA GRUPO DE PRODUÇÃO COM SUCESSO ALVO

[00145] Em uma modalidade, o grupo de produção com sucesso alvo contém sementes híbridas que têm designado um valor de matu- ridade relativa que é igual à maturidade relativa associada com os campos alvo. Na etapa 730, a camada de apresentação 134 do sis- tema de computador de Inteligência agrícola 130 é configurado para exibir ou causar a exibição, em um dispositivo de vídeo no dispositivo de computação gerenciador de campo 104, do grupo de produção com sucesso alvo e de valores de produção normalizados para cada se- mente híbrida dentro do grupo de produção com sucesso alvo. Em outra modalidade, a camada de apresentação 134 pode comunicar a exibição do grupo de produção com sucesso alvo para quaisquer ou- tros dispositivos de vídeo que possam estar comunicativamente aco- plados com o sistema de computador de inteligência agrícola 130, tais como dispositivos de computador remotos, dispositivos de vídeo den- tro da cabine, ou quaisquer outros dispositivos móveis conectados. Ainda em outra modalidade, a camada de apresentação 134 pode co- municar o grupo de produção com sucesso alvo para outros sistemas e subsistemas com o sistema de computador de inteligência agrícola 130 para processamento e apresentação adicionais.

[00146] Em uma modalidade, a camada de apresentação 134 pode exibir dados de propriedade de semente híbrida adicionais e outros dados agrícolas que podem ser relevantes para o produtor. A camada de apresentação 134 também pode classificar a semente híbrida no grupo de produção com sucesso alvo baseada nos valores de probabi- lidade de sucesso. Por exemplo, a exibição de sementes híbridas po- de ser classificada em ordem descendente de valores de sucesso de probabilidade de modo que o produtor esteja apto a visualizar as se- mentes híbridas com mais sucesso para seus campos alvo primeiro.

[00147] Em algumas modalidades, após receber a informação exi- bida, um produtor pode atuar sobre a informação e plantar as semen- tes híbridas sugeridas. Em algumas modalidades, os produtores po-

dem operar como parte da organização que está determinando o gru- po de produção com sucesso alvo, e/ou podem ser separados. Por exemplo, os produtores podem ser clientes da organização determi- nando o grupo de produção com sucesso alvo e podem plantar a se- mente baseados no grupo de produção com sucesso alvo.

4. VISTA GERAL FUNCIONAL – GERAÇÃO E EXIBIÇÃO DE

SEMENTES HÍBRIDAS ALVO PARA PLANTIO

[00148] A FIG. 10 representa um exemplo detalhado de gerar um conjunto de sementes híbridas alvo identificado para desempenho ide- al de produção e risco gerenciado nos campos alvo baseado nos re- gistros de dados agrícolas das sementes híbridas e nos dados de geo- localização associados com os campos alvo.

4.1. ENTRADA DE DADOS

[00149] Na etapa 1005, o sistema de computador de inteligência agrícola 130 recebe um conjunto de dados de sementes híbridas can- didatas incluindo uma ou mais sementes híbridas adequadas para plantio nos campos alvo, valores de probabilidade de sucesso associ- ados com cada semente híbrida, e dados agrícolas históricos associa- dos com cada semente híbrida. Em uma modalidade, o conjunto de dados de sementes híbridas candidatas pode incluir um conjunto de uma ou mais sementes híbridas identificadas pelo subsistema de clas- sificação de semente híbrida 170 como possuindo uma alta probabili- dade de produzir valores de produção com sucesso nos campos alvo e de dados agrícolas históricos associados com cada semente híbrida no conjunto de sementes híbridas candidatas. O grupo de produção com sucesso alvo gerado na etapa 725 na FIG. 7 pode representar um conjunto de dados de sementes híbridas candidatas.

[00150] Em uma modalidade, os dados agrícolas históricos podem incluir dados agrícolas relacionados com plantio, desenvolvimento, e colheita de sementes híbridas específicas em um ou mais campos.

Exemplos de dados agrícolas podem incluir, mas não estão limitados aos valores históricos do campo, informação de momento de colheita, e maturidade relativa de uma semente híbrida, e quaisquer outros da- dos de observação sobre o ciclo de vida da planta. Por exemplo, se o conjunto de dados de sementes híbridas candidatas for o grupo de produção com sucesso alvo a partir do subsistema de classificação de semente híbrida 170, então, os dados agrícolas podem incluir um valor médio de produção e uma maturidade relativa designada para cada semente híbrida.

[00151] Na etapa 1010, o sistema de computador de inteligência agrícola 130 recebe dados sobre os campos alvo onde o produtor está planejando plantar o conjunto de sementes híbridas alvo. Em uma modalidade, os dados sobre os campos alvo são informação da pro- priedade que incluem, mas não estão limitados à informação de geolo- calização para os campos alvo e informação de dimensão e de tama- nho para cada um dos campos alvo. Em uma modalidade, a informa- ção de geolocalização para os campos alvo pode ser utilizada em con- junto com os dados agrícolas históricos para determinar o conjunto ideal de sementes híbridas e a quantidade de cada uma das sementes híbridas alvo a plantar em cada um dos campos alvo baseado na ma- turidade relativa e no clima dos campos alvo.

[00152] Em uma modalidade, o sistema de computador de inteli- gência agrícola 130 recebe dados agrícolas históricos para o campo do produtor. Os dados agrícolas históricos para o campo do produtor podem incluir, por exemplo, dados históricos de produção do produtor detalhando a produção para cada produto plantado através de qual- quer número de estações e dados de localização de sementes do pro- dutor detalhando uma geolocalização para cada produto plantado em um ou mais campos de um produtor particular. Em outra modalidade, o primeiro conjunto de dados agrícolas históricos também pode incluir dados de tipo de semente, dados de população de sementes, dados de quantidade de acres plantados, dados de rotação de cultivo, dados de condição ambiental, ou quaisquer outros dados agrícolas.

4.2. SELEÇÃO DE SEMENTE HÍBRIDA

[00153] Na etapa 1015, as instruções de filtragem de semente hí- brida 182 proporcionam instrução para selecionar um subconjunto de uma ou mais semente híbridas a partir do conjunto de sementes híbri- das candidatas que possuem um valor de probabilidade de sucesso maior ou igual a um limite de filtragem de probabilidade alvo. Em uma modalidade, o limite de filtragem de probabilidade alvo é um limite con- figurado do valor de probabilidade de sucesso associado com cada uma das sementes híbridas no conjunto de sementes híbridas candi- datas. O limite de filtragem de probabilidade alvo pode ser utilizado para ainda estreitar o conjunto de seleção de sementes híbridas base- ado somente em selecionar as sementes híbridas que possuem algu- ma probabilidade de sucesso. Em uma modalidade, se o conjunto de sementes híbridas candidatas representar o grupo de produção com sucesso alvo gerado na etapa 725, então, é provável que o conjunto de sementes híbridas já tenha sido filtrado para somente incluir se- mentes híbridas com um alto valor de probabilidade de sucesso. Em um exemplo, o limite de filtragem de probabilidade alvo pode possuir o mesmo valor limite que o limite de produção com sucesso utilizado pa- ra gerar o grupo de produção com sucesso alvo. Se este for o caso, então, o subconjunto das uma ou mais sementes híbridas pode incluir todo o conjunto de sementes híbridas. Em outro exemplo, o produtor pode desejar uma lista mais estreitada de sementes híbridas, a qual pode ser obtida por configurar um valor de probabilidade de sucesso mais alto para o limite de filtragem de probabilidade alvo para retirar sementes híbridas que possuem valores de probabilidade de sucesso menores que desejados.

[00154] Na etapa 1020, as instruções de normalização de semente 172 proporcionam instrução para gerar um valor de produção repre- sentativo para cada semente híbrida no subconjunto de uma ou mais sementes híbridas baseado nos valores de produção a partir de dados agrícolas históricos para cada uma das sementes híbridas. Em uma modalidade, o valor de produção representativo é um valor de produ- ção esperado para uma semente híbrida específica se plantada em um campo baseado nos valores de produção históricos e em outros dados agrícolas observados a partir de colheitas passadas. Em uma modali- dade, o valor de produção representativo é uma média calculada de produções a partir de várias diferentes estações de desenvolvimento observadas em vários campos. Por exemplo, o valor de produção re- presentativo pode ser calculado como uma média de diferentes anos de ciclo de desenvolvimento observados, onde uma produção médica de ciclo de desenvolvimento do primeiro ano para a semente híbrida específica pode incorporar combinar valores de produção observados a partir de diferentes campos através de diferentes anos. Após calcu- lar produções médias de ciclo de desenvolvimento para diferentes anos de ciclo de desenvolvimento, cada uma das médias pode ser combinada para gerar uma produção média representativa para cada semente híbrida específica. Em outra modalidade, o valor de produ- ção representativo pode ser o valor de produção normalizado calcula- do na etapa 715.

[00155] Em uma modalidade, as instruções de normalização de semente híbrida 172 ainda proporcionam instruções para reforçar o cálculo de produção representativa por utilizar os dados agrícolas his- tóricos para o campo do produtor. Por exemplo,o valor de produção representativo pode ser calculado como uma média ponderada onde um peso da produção no campo do produtor é maior do que o peso das produções nos outros campos alvo. Como outro exemplo, a dife-

rença na produção entre o campo do produtor e a média de outros campos na mesma região plantando a mesma semente híbrida pode ser utilizada para calcular uma representação específica do campo de produção. Assim, se o campo do produtor produzir uma produção que é 80% de campos similares desenvolvendo a mesma semente híbrida dentro da região, a produção representativa pode ser multiplicada por 0,8 para produzir uma produção representativa específica do campo.

4.3. GERA VALORES DE RISCO PARA SEMENTES HÍBRIDAS

[00156] Na etapa 1025, a instrução de geração de risco 184 propor- ciona instruções para gerar um conjunto de dados de valores de risco para cada semente híbrida no subconjunto de uma ou mais sementes híbridas baseados nos dados agrícolas históricos associados com ca- da uma das sementes híbridas. Os valores de risco descrevem uma quantidade de risco, em termos de variabilidade de produção, para ca- da semente híbrida baseada no valor de produção representativa. Por exemplo, se para o híbrido de milho 002 a produção representativa for 1,01 t/ha (quinze bushels por acre), entretanto, a variabilidade para o híbrido de semente 002 é alta de modo que a produção pode variar de 0,34 t/ha (cinco bushels por acre) até 1,68 t/ha (vinte e cinco brushels por acre), e então, é provável que a produção representativa para o híbrido de milho 002 não seja uma boa representação de produção real devido à produção poder variar entre 0,34 e 1,68 t/ha (cinco e vin- te e cinco bushels por acre). Valores de alto risco estão associados com alta variabilidade no retorno de produção, ao passo que valores de baixo risco estão associados com baixa variabilidade no retorno de produção e nos resultados de produção que são mais estritamente ali- nhados com a produção representativa.

[00157] Em uma modalidade, valores de risco para sementes híbri- das são baseados na variabilidade entre retornos de produção ano a ano para uma semente híbrida específica através de dois ou mais anos. Por exemplo, calcular um valor de risco para o híbrido de milho 002 inclui calcular a variabilidade dos valores de produção a partir de vários anos de saída de produção a partir dos dados agrícolas históri- cos. A variação na saída de produção a partir de 2015 e 2016 para o híbrido de milho 002 pode ser utilizada para determinar um valor de riso que pode ser associado com o valor de produção representativo para o híbrido de milho 002. Determinar a variação de saída de pro- dução não está limitado a utilizar saída de produção a partir de dois anos anteriores, a variação pode ser calculada com o resultado de produção a partir de vários anos. Em uma modalidade, os valores de risco calculados podem ser representados em termos de desvio pa- drão do bushel por acre, em que o desvio padrão é calculado como a raiz quadrada da variação de risco calculada.

[00158] Em uma modalidade, valores de risco para sementes híbri- das podem ser baseados na variabilidade de resultado de produção a partir de observações de campo para campo para um ano específico. Por exemplo, calcular um valor de risco associado com a variabilidade do campo pode incluir determinar a variabilidade de produções a partir de cada campo observado para uma semente híbrida específica du- rante um ano específico. Se para uma semente híbrida específica o resultado de produção observado através de vários campos variar de 0,34 até 3,36 t/ha (cinco até cinqüenta bushels por acre), então a se- mente híbrida específica pode possuir alta variabilidade do campo. Como resultado, a semente híbrida específica pode receber um fator de alto risco baseado na variabilidade do campo devido ao resultado esperado em qualquer dado campo poder variar entre 0,34 e 3,36 t/ha (cinco e cinqüenta bushels por acre) ao invés de estar mais próximo do valor de produção representativo.

[00159] Em outra modalidade, valores de risco para sementes hí- bridas podem ser baseados na variabilidade entre retornos de produ-

ção ano a ano e na variabilidade entre observados de campo para campo. Tanto os valores de risco de ano para ano como os valores de risco de campo para campo podem ser combinados para representar um valor de risco que incorpora variabilidade de resultado do campo através de vários campos observados e várias estações observadas. Ainda em outra modalidade, valores de risco podem incorporar outros dados de semente de cultivo observados associados com o desenvol- vimento histórico do cultivo e com o campo.

4.4. GERA CONJUNTO DE DADOS DE SEMENTES HÍBRIDAS ALVO

[00160] Na etapa 1030, as instruções de classificação de otimiza- ção 186 proporcionam instrução para gerar um conjunto de dados de sementes híbridas alvo para plantio nos campos alvo baseado no con- junto de dados de valores de risco, nos valores de produção represen- tativa para as sementes de híbrido, e na uma ou mais propriedades para os campos alvo. Em uma modalidade, as sementes híbridas alvo no conjunto de sementes híbridas alvo são selecionadas baseadas em seus valores de produção representativa e nos valores de risco asso- ciados a partir do conjunto de dados de valores de risco.

[00161] Determinar tal combinação de sementes híbridas para in- cluir no conjunto de dados de sementes híbridas alvo envolve determi- nar uma relação entre a produção representativa para uma semente híbrida específica e o valor de risco associado com a semente híbrida específica. Escolher sementes híbridas que possuem altas produções representativas pode não resultar em um conjunto ideal de sementes híbridas se as sementes híbridas de alta produção também transporta- rem um alto valor de risco. Inversamente, escolher sementes híbridas que possuem baixos valores de risco pode não possuir uma retorno de produção alto suficiente no investimento.

[00162] Em uma modalidade, as sementes híbridas a partir do sub- conjunto de uma ou mais sementes híbridas pode ser representado graficamente baseado em seus respectivos valores de produção re- presentativa versus seus valores de risco associados. A FIG. 11 re- presenta um gráfico ilustrativo 1105 de produção versus risco para o subconjunto de uma ou mais sementes híbridas. O eixo geométrico y 1110 representa a produção representativa, como produção esperada, para as sementes híbridas e o eixo geométrico x 1115 representa os valores de risco para as sementes híbridas expresso como desvio pa- drão. Por representar valores de risco como desvio padrão, a unidade dos valores de risco pode ser a mesma que as unidades para produ- ção representativa, o qual é bushels por acre. Cada um dos pontos no gráfico 1105 representados pelo grupo 1125 e o grupo 1130 represen- ta cada uma das sementes híbridas a partir do subconjunto de uma ou mais sementes híbridas. Por exemplo, o gráfico 1105 apresenta que a semente híbrida 1135 possui um valor de produção representativa de 13,45 t/ha (duas centenas de bushels por acre) e um valor de risco possuindo um desvio padrão de um 12,84 t/ha (cento e noventa e um bushels por acre). Em outras modalidades, o gráfico 1105 pode ser gerado utilizando unidades diferentes tais como lucro por acre medido em dólares ou qualquer outra unidade de medição derivada.

[00163] Em uma modalidade, determinar quais sementes híbridas pertencem ao conjunto de dados de sementes híbridas alvo envolve determinar um retorno de produção esperado para uma quantidade especificada de risco. Para gerar o conjunto de sementes híbridas al- vo que irá provavelmente ser resiliente a vários fatores e ambientais e outros fatores, é preferível gerar um conjunto diverso de sementes hí- bridas que contenha sementes híbridas tanto com maior e menores valores de risco bem como resultado de produção de moderado a alto. Referindo-se à FIG. 10, a etapa 1032 representa a geração de um limi- te alvo de valores de produção representativa para uma faixa de valo- res de risco. Em uma modalidade, as instruções de classificação de otimização 186 proporcionam instrução para calcular uma curva de fronteira ideal que representa um limite de resultado ideal de produção com uma quantidade gerenciável de tolerância ao risco através da fai- xa de valores de risco. Uma curva de fronteira é uma curva ajustada que representa o retorno ideal com respeito aos valores de entrada representados graficamente considerando eficiência ideal. Por exem- plo, o gráfico 1105 contém sementes híbridas baseadas na produção representativa versus valor de risco, onde pode ser deduzido que uma semente híbrida específica que possui uma produção mais alta é pro- vável de também possuir maior risco. Inversamente, sementes híbri- das que possuem menores valores de risco são prováveis de possuir valores de produção representativa menores. A curva de fronteira 1120 representa uma curva ideal que rastreia a quantidade ideal de produção baseada em uma faixa de valores de risco.

[00164] Na etapa 1034, as instruções de classificação de otimiza- ção 186 proporcionam instrução para selecionar sementes híbridas que constituem o conjunto de sementes híbridas alvo por selecionar as sementes híbridas que possuem uma produção representativa e valor de risco que atendem ao limite definido pela curva de fronteira 1120. As sementes híbridas que se situam ou estão próximas da curva de fronteira 1120 proporcional o nível ideal de produção no nível de risco desejado. As sementes híbridas alvo 1140 representam o conjunto ideal de sementes híbridas para o conjunto de dados de sementes hí- bridas alvo. As sementes híbridas que se situam sob a curva de fron- teira 1120 possuem resultado de produção abaixo do ideal para o nível de risco ou possuem risco mais alto do que desejado para o nível de resultado de produção produzido. Por exemplo, a semente híbrida 1135 está sob a curva de fronteira 1120 e pode ser interpretada como possuindo produção menor do que ideal para sua quantidade de risco, como apresentado pela colocação da semente híbrida 1135 estando verticalmente abaixo da curva de fronteira 1120. Além disso, a semen- te híbrida 1135 pode ser interpretada como possuindo risco esperado mais alto do que seu resultado de produção, como apresentado pela colocação da semente hibrida 1135 estando horizontalmente à direita da curva de fronteira 1120 para esta quantidade de produção repre- sentativa. As sementes híbridas 1135 que não estão na curva de fron- teira nem próximas da curva de fronteira 1120 possuem produção re- presentativa abaixo do ideal para seus valores de risco associados e, portanto, não estão incluídas no conjunto de sementes híbridas alvo. Adicionalmente, as sementes híbridas 1135 representam sementes híbridas que possuem um valor de risco mais alto do que desejado e, portanto, não estão incluídas no conjunto de sementes híbridas alvo.

[00165] Em uma modalidade, as instruções de classificação de oti- mização 186 proporcionam instrução para gerar instruções e alocação para cada semente híbrida alvo no conjunto de sementes híbridas al- vo. Instruções de alocação descrevem uma quantidade de alocação de sementes para cada semente híbrida alvo no conjunto de sementes híbridas alvo que proporcionam uma estratégia de alocação ideal para um produtor baseado na quantidade e na localização dos campos al- vo. Por exemplo, as instruções de alocação para um conjunto de se- mentes híbridas alvo que inclui as sementes (CN-001, CN-002, SOY- 005, CN-023) pode incluir uma alocação de 75% de CN-001, 10% de CN-002, 13% de SOY-005, e 2% de CN-023. Modalidades das instru- ções de alocação podem incluir, mas não estão limitadas ao número de sacos de sementes, uma porcentagem do total de sementes a se- rem plantadas através dos campos alvo, ou um número de partes de acres para cada semente híbrida alvo a ser plantada. Em uma moda- lidade, determinar quantidades de alocação pode ser calculado por utilizar o produto de solução de otimização de terceiros, tal como o CPLEX Optimizer da IBM. O CPLEX Optimizer é um meio de solução de programação matemática para programação linear, programação de número inteiro misturado, e programação quadrática. Os meios de solução de otimização, tal como CPLEX Optimizer, são configurados para avaliar os valores de produção representativa e os valores de ris- co associados com as sementes híbridas alvo e determinar um conjun- to de instruções de alocação para alocar quantidades de sementes para cada uma das sementes híbridas alvo no conjunto de sementes híbridas alvo. Em uma modalidade, o meio de solução de otimização pode utilizar a soma dos valores de produção representativa de se- mentes híbridas alvo e uma soma calculada de valores de risco das sementes híbridas alvo para calcular um limite total de risco configura- do que pode ser utilizado para determinar os limites superiores de ris- co permitido e resultado de produção para o conjunto de sementes hí- bridas alvo.

[00166] Em outra modalidade, o meio de solução de otimização também pode informar dados de campo alvo descrevendo tamanho, formato, e geolocalização de cada um dos campos alvo, de modo a determinar instruções de alocação que incluem instruções de localiza- ção para cada uma das partes de sementes híbridas alvo. Por exem- plo, se um campo alvo particular for formatado ou dimensionado de um modo particular, o meio de solução de otimização pode determinar que a parte de uma semente híbrida alvo é preferível em relação ao campo particular oposto ao plantio de várias sementes híbridas alvo no campo particular. O meio de solução de otimização não está limitado ao CPLEX optimizer, e outras modalidades podem implementar outros meios de solução de otimização ou outros algoritmos de otimização para determinar conjuntos de instruções de alocação para o conjunto de sementes híbridas alvo.

4.5. ANÁLISE DE PORTFÓLIO DE SEMENTES

[00167] A etapa 1030 descreve determinar e gerar o conjunto de sementes híbridas alvo para um produtor baseado nos campos alvo utilizando uma curva de fronteira para determinar o resultado de pro- dução ideal para o nível de risco desejado. Em uma modalidade, as instruções de classificação de otimização 186 proporcionam instrução para configurar a curva de fronteira para determinar desempenho ideal como um todo para o portfólio de sementes de um produtor em relação a outros produtores dentro da mesma região ou sub-região. Por exemplo, resultado de produção representativa e valores de risco geral podem ser calculados para cada produtor dentro de uma região espe- cífica. Por exemplo, utilizando dados agrícolas históricos para vários produtores, os valores de produção representativa em os valores de risco associados para as sementes híbridas plantadas por cada produ- tor podem ser agregados para gerar um valor agregado de resultado de produção e valor agregado de risco associados com cada produtor. Os valores agregados para cada produtor podem ser representados graficamente em um gráfico de portfólio de sementes, similar ao gráfi- co 1105, onde os pontos individuais no gráfico podem representar o resultado agregado de produção da semente híbrida e o risco agrega- do de um produtor. Em uma modalidade, a curva de fronteira pode ser gerada para determinar um resultado agregado de produção ideal e o valor agregado de risco para os produtores na região específica. Os produtores que estão próximos ou na curva de fronteira podem repre- sentar produtores cujo portfólio de sementes produz a quantidade ideal de produção com uma quantidade de risco gerenciada. Produtores que estão abaixo da curva de fronteira representam produtores que não estão maximizando seu resultado baseado em seu risco.

[00168] Em uma modalidade, as instruções de classificação de oti- mização 186 proporcionam instrução para gerar uma mensagem de alerta para um produtor particular se o resultado agregado de produ- ção e o risco agregado para o portfólio de sementes do produtor não atenderem ao limite ideal para o portfólio de sementes como descrito pela curva de fronteira em um gráfico de portfólio de sementes. A ca- mada de apresentação 134 pode ser configurada para apresentar e enviar a mensagem de alerta para o dispositivo de computação geren- ciador de campo 104 para o produtor. O produtor pode então ter a op- ção de solicitar um conjunto de sementes híbridas alvo que podem proporcionar resultado de produção ideal para épocas de plantio e germinação.

4.6. APRESENTA CONJUNTO DE SEMENTES HÍBRIDAS ALVO

[00169] Em uma modalidade, o conjunto de dados de sementes hí- bridas alvo pode conter os valores de produção representativa e os valores de risco, a partir do conjunto de dados de valores de risco, as- sociados com cada semente híbrida alvo no conjunto de dados de se- mentes híbridas alvo para os campos alvo. Referindo-se à FIG. 10, na etapa 1035, a camada de apresentação 134 do sistema de computa- dor de inteligência agrícola 130 é configurada para comunicar uma exibição, em um dispositivo de vídeo no dispositivo de computação gerenciador de campo 104, do conjunto de dados de sementes híbri- das alvo incluindo os valores de produção representativa e os valores de risco associados para cada semente híbrida alvo. Em outra moda- lidade, a camada de apresentação 134 pode comunicar a exibição do conjunto de dados de sementes híbridas alvo para quaisquer outros dispositivos de vídeo que possam estar comunicativamente acoplados com o sistema de computador de inteligência agrícola 130, tal como dispositivos de computador remotos, dispositivos de vídeo dentro de uma cabine, ou quaisquer outros dispositivos móveis conectados. Ainda em outra modalidade, a camada de apresentação 134 pode co- municar o conjunto de dados de sementes híbridas alvo para outros sistemas e subsistemas com o sistema de computador de inteligência agrícola 130 para processamento e apresentação adicional.

[00170] Em uma modalidade, a camada de apresentação 134 pode exibir instruções de alocação, incluindo informação de repartição de terreno e localização de sementes, para cada semente híbrida alvo. A camada de apresentação 134 também pode classificar as sementes híbridas alvo baseada na quantidade de repartições de terreno ou po- de apresentar as sementes híbridas alvo baseada na estratégia de lo- calização nos campos alvo. Por exemplo, a exibição das sementes híbridas alvo e das instruções de alocação podem ser sobrepostas em um mapa nos campos alvo de modo que o produtor pode visualizar a estratégia de plantio para a época vindoura.

[00171] Em algumas modalidades, os produtores podem pegar a informação apresentada relacionada com as instruções de alocação e plantar as sementes baseado nas instruções de alocação. Os produ- tores podem operar como parte da organização que está determinan- do as instruções de alocação, e/ou podem ser separados. Por exem- plo, os produtores podem ser clientes da organização determinando as instruções de alocação e podem plantar a semente baseados nas ins- truções de alocação.

5. VISTA GERAL FUNCIONAL – GERA E EXIBE RECOMENDAÇÃO

DE APRIMORAMENTO DE CAMPO POR CAMPO

[00172] A FIG. 12 representa um fluxograma ilustrativo detalhado 1200 para gerar faixas de produção alvo projetada e recomendações de aprimoramento de produção por campo utilizando distribuições his- tóricas do campo e classificações do campo de cada campo. Especifi- camente, modalidades proporcionam geração de uma produção alvo geral do produtor utilizando tanto dados agrícolas históricos a partir do produtor como de outros produtores com condições ambientais simila- res. A produção alvo geral do produtor é então analisada e categori- zada em várias faixas de produção alvo projetada baseado nas por- centagens de resultado de produção projetado. Utilizando os dados agrícolas históricos do produtor, cada campo é então classificado e designado para uma faixa de produção alvo projetada. Os dados de otimização de semente para selecionar sementes híbridas ideais são então utilizados para recomendar uma alteração na população de se- mente ou na densidade de sementes por campo baseado nas faixas de produção alvo projetada designada.

5.1 ENTRADA DE DADOS

[00173] Na etapa 1205, um computador servidor 108 recebe um primeiro conjunto de dados agrícolas históricos através de uma rede de comunicação de dados digitais 109. O computador servidor 108 pode ser integrado com o sistema de computador de inteligência agrí- cola 130, em uma modalidade ilustrativa. O primeiro conjunto de da- dos agrícolas históricos pode incluir, por exemplo, dados históricos de produção do produtor detalhando a produção para cada produtor plan- tada através de qualquer número de estações e dados de localização de sementes do produtor detalhando uma geolocalização para cada produtor plantado em um ou mais campos de um produtor particular. Em outra modalidade, o primeiro conjunto de dados agrícolas históri- cos também pode incluir dados de tipo de semente, dados de popula- ção de semente, dados de quantidades de acres plantados, dados de rotação de cultivo, dados de condição ambiental, ou quaisquer outros dados agrícolas.

[00174] O computador servidor 108 pode também receber um se- gundo conjunto de dados agrícolas históricos. O segundo conjunto de dados agrícolas históricos podem ser dados regionais que incluem, por exemplo, dados de produção da região detalhando a produção para cada produto plantado através de qualquer número de estações para uma região particular. O segundo conjunto de dados agrícolas históri- cos pode também incluir dados de localização de sementes da região detalhando uma geolocalização para cada produtor plantado. Em uma modalidade, os dados de produção da região e os dados de localiza- ção das sementes da região podem ser vários dos conjuntos de dados obtidos para um ou mais campos similares com condições similares como o um ou mais campos do produtor particular. Por exemplo, um produtor pode estar localizado em uma região com geolocalização si- milar que os produtores vizinhos que plantam em campos similares sob condições ambientais similares. Em outra modalidade, dados re- gionais podem incluir conjuntos de dados para campos similares com condições similares em áreas não vizinhas do produtor. O segundo conjunto de dados agrícolas históricos pertencendo aos dados regio- nais podem ser utilizados para normalizar o primeiro conjunto de da- dos agrícolas históricos pertencendo a um produtor particular, como ainda descrito neste documento.

5.2 DISTRIBUIÇÃO DE PRODUÇÃO E PRODUÇÃO ALVO

PROJETADA

[00175] Na etapa 1210 da FIG. 12, o computador servidor 108 gera várias faixas de produção alvo projetada para o produtor utilizando o primeiro conjunto e o segundo conjunto de dados agrícolas históricos por gerar uma distribuição de produção histórica. A FIG. 13A repre- senta uma distribuição em formato de sinal ilustrativa detalhada 1300 para uma produção histórica de um produtor. A FIG. 13B representa uma distribuição em formato de sino ilustrativa detalhada 1300 para a produção histórica de um produtor com faixas de produção alvo.

[00176] No exemplo da FIG. 13A, o computador servidor 108 nor- maliza o primeiro conjunto de dados agrícolas históricos pertencendo a um produtor particular por utilizar o segundo conjunto de dados agríco- las históricos pertencendo aos dados regionais. Por exemplo, o com- putador servidor 108 pode gerar uma distribuição em formato de sino onde as produções médias em nível de campo são normais. O com- putador servidor 108 pode ser programado para estimar o centro e a amplitude da distribuição utilizando o método de Melhor Predição Sem Tendência Linear (BLUP), ou qualquer outro método. A produção po- de ser medida em bushels por acre, em uma modalidade. No exemplo da FIG. 13A, a linha 1305 ilustra a delineação de produção de 5% da distribuição em formato de sino, a qual representa aproximadamente 12,58 t/ha (187 bushels por acre) de produção. A linha 1310 ilustra a delineação de produção de 95% da distribuição em formato de sino, a qual representa aproximadamente 14,32 t/ha (213 bushels por acre) de produção. A área 1315 representa uma faixa de valores de produ- ção de 90% da distribuição em formato de sino, a qual cobre uma faixa de 12,58 t/ha (187 bushels por acre) até 14,32 t/ha (213 bushels por acre).

[00177] Subsequentemente, o computador servidor 108 pode gerar varas faixas de produção alvo 1335, 1340,1345, 1350 para o produtor. No exemplo da FIG. 13B, a distribuição em formato de sinal 1300 da FIG. 13A é dividida em quatro faixas de produção iguais, cada uma representando 22,5% da distribuição de produção entre a delineação de produção de 5% da linha 1305 e a delineação de produção de 95% da linha 1310. Por exemplo, a faixa de produção baixa 1335 cobre a área de produção de 22,5% entre a linha 1305 representando a deli- neação de produção de 5% e a linha 1320 representando a delineação de produção de 27,5% da distribuição em formato de sinal. A faixa de produção média 1340 cobre a área de produção de 22,5% entre a li- nha 1320 representando a delineação de produção de 27,5% e a linha 1325 representando a delineação de produção de 50% da distribuição em formato de sino. A faixa de produção média – alta 1345 cobre a área de produção de 22,5% entre a linha 1325 representando a deli- neação de produção de 50% e a linha 1330 representando a delinea- ção de produção de 72,5% da distribuição em formato de sinal. A fai- xa de alta produção 1350 cobre a área de produção de 22,5% entre a linha 1330 e a linha 1310, a qual representa a delineação de produção de 95% da distribuição em formato de sino. Embora o exemplo da FIG. 13A apresente quatro faias de produção alvo projetada 1335, 1340, 1345, 1350, qualquer número de faixas de produção alvo proje- tada pode ser gerado. As faixas de produção alvo projetada 1335, 1340, 1345, 1350 podem ser subsequentemente designadas para campos específicos para gerar recomendações de aprimoramento de produção, como ainda descrito neste documento.

5.3 GERA PONTUAÇÕES DE CLASSIFICAÇÃO DE PRODUÇÃO

[00178] Na etapa 1215 da FIG. 12, o computador servidor 108 gera uma ou mais pontuações de classificação de campo para o um ou mais campos do produtor utilizando o primeiro conjunto de dados agrí- colas históricos. Em uma modalidade, o computador servidor 108 acessa os dados de campo do produtor, os dados de tipo de semente, os dados de população de semente, os dados de quantidade de acres plantados, os dados de rotação de cultivo, os dados de condição am- biental, e quaisquer outros dados a partir do primeiro conjunto de da- dos agrícolas históricos e calcula uma pontuação de classificação para cada campo. A pontuação de classificação pode ser um valor decimal entre zero e um. Um valor décima que está mais próximo de zero in- dica uma menor classificação enquanto um valor decimal que está mais próximo de um indica uma classificação mais alta. Em uma mo- dalidade, campos que têm resultado historicamente em produções mais altas podem receber um valor de pontuação de classificação mais alto. Em uma modalidade, o computador servidor 108 pode en- tão designar para cada campo uma faixa de produção alvo projetada 1335, 1340, 1345, 1350 baseado na pontuação de classificação. Por exemplo, um campo com uma pontuação de classificação que corres- ponde a um percentil dentro da área de produção de 5% a 27,5% da distribuição do produtor é designado para uma faixa de produção baixa

1335. Um campo com uma pontuação de classificação que corres- ponde a um percentil dentro da área de produção de 27,5% a 50% da distribuição do produtor é designado para uma faixa média – baixa

1340. Um campo com uma pontuação de classificação que corres- ponde a um percentil dentro da área de produção de 50% a 72,5% da distribuição do produtor é designado para uma faixa média – alta 1345. Um campo com uma pontuação de classificação que corresponde a um percentil dentro da área de produção de 72,5% da distribuição do produtor é designado para uma faixa alta 1350. Em uma modalidade, mais do que um campo pode ser designado para uma faixa de produ- ção alvo projetada 1335, 1340, 1345, 1350.

[00179] A FIG. 14 representa uma tabela ilustrativa 1400 para clas- sificação e designação de produções alvo específicas por campo. Em uma modalidade, a tabela 1400 apresenta uma categoria “Campo” 1405, uma categoria “Pontuação de Classificação” 1410, uma catego- ria “Classificação” 1415, uma categoria “Percentil de Distribuição do Produtor” 1420, uma categoria “Faixa de Produção” 1425, e uma cate- goria “Produção Alvo” 1430.

[00180] No exemplo da FIG. 14, a fileira 1435 especifica os valores para cada categoria para o Campo D. O Campo D recebe a pontua- ção de classificação mais alta em 0,92, a qual fornece ao Campo D uma classificação 1415 de um. A pontuação de classificação 1410 de 0,92 corresponde a um 80o percentil da distribuição em sino do produ- tor 1420, o que corresponde a uma faixa de produção alta 1350. Por- tanto, a faixa de produção 1425 listada para o Campo D é designada como “H” para alta. A produção alvo 1430 é uma produção alvo calcu- lada de bushel por acre baseada no percentil de distribuição do produ- tor 1420. No exemplo, da FIG.14, a produção alvo 1430 para o Cam- po D é 14,05 t/ha (208,95 bushels por acre).

[00181] A fileira 1440 especifica o valor para cada categoria para o

Campo A. A pontuação de classificação do Campo A é designada pa- ra a segunda pontuação de classificação mais alta em 0,70, a qual for- nece para o Campo A uma classificação 1415 de dois. A pontuação de classificação 1410 de 0,70 corresponde a um 65 o percentil da dis- tribuição em formato de sino do produtor 1420, a qual corresponde a uma faixa de produção média – alta 1345. Portanto, a faixa de produ- ção alvo projetada designada 1425 listada para o Campo A é designa- da como “M.H” para média – alta. A produção alvo 1430 para o Cam- po A é 13,61 t/ha (202,4 bushels por acre).

[00182] A fileira 1445 especifica o valor para cada categoria para Campo B. A pontuação de classificação de Campo B é designada pa- ra a segunda pontuação de classificação mais baixa em 0,65, a qual fornece para o Campo B uma classificação 1415 de três. A pontuação de classificação 1410 de 0,65 corresponde a um 50 o percentil da dis- tribuição em formato de sino do produtor 1420, a qual corresponde a uma faixa de produção média – baixa 1340. Portanto, a faixa de pro- dução alvo projetada designada 1425 listada para o Campo B é “M.L” para média – baixa. A produção alvo 1430 para o Campo B é 13,29 t/ha (197,6 bushels por acre).

[00183] A fileira 1450 especifica o valor para cada categoria para o Campo C. A pontuação de classificação 1410 do Campo C também é designada para a segunda pontuação de classificação mais baixa em 0,45, a qual fornece para o Campo C uma classificação 1415 de qua- tro. A pontuação de classificação 1410 de 0,45 corresponde a um 35 o percentil da distribuição em formato de sino do produtor 1420, a qual corresponde a uma faixa de produção média – baixa 1340. Portanto, a faixa de produção alvo projetada designada 1425 listada para Campo C é “M.L” para média – baixa. Desde que tanto o Campo B como o Campo C se situam entre a delineação de produção de 27,5% e a de- lineação de produção de 50%, eles são ambos designados para a fai-

xa de produção média – baixa 1340. A produção alvo 1430 para o Campo C também é 13,29 t/ha (197,6 bushels por acre).

[00184] A fileira 1455 especifica o valor para cada categoria para o Campo E. A pontuação de classificação 1410 do Campo E é designa- da para a menor pontuação de classificação em 0,12, a qual fornece para o Campo E uma classificação 1415 de cinco. A pontuação de classificação 1410 de 0,12 corresponde a uma faixa de produção baixa

1335. Portanto, a faixa de produção alvo projetada designada 1425 listada para Campo E é “L” para baixa. A produção alvo 1430 para o Campo E é 12,85 t/ha (191,04 bushels por acre).

5.4 OTIMIZAÇÃO DE SEMENTE E GERAÇÃO DE RECOMENDAÇÃO

[00185] Na etapa 1220 da FIG. 12, o computador servidor 108 re- cebe um terceiro conjunto de dados agrícolas históricos compreen- dendo dados de otimização de semente. Os dados de otimização de semente podem incluir, por exemplo, dados históricos de desempenho compreendendo dados de classificação de semente híbrida, valores de risco associados com algumas classificações de semente híbrida, da- dos ambientais associados com o desempenho da semente híbrida, recomendações de semente baseadas no desempenho da semente híbrida sob várias condições ambientais, e outros dados agrícolas his- tóricos relacionados com sementes híbridas como ainda descrito aci- ma neste documento. Em uma modalidade, a otimização de semente pode também incluir um conjunto de dados de pontuações de probabi- lidade de sucesso para cada semente híbrida baseadas nas proprie- dades da semente híbrida. As propriedades da semente híbrida po- dem descrever um valor de produção representativa e uma classifica- ção ambiental para cada semente híbrida. O computador servidor 108 pode utilizar os dados de otimização de semente e as faixas de produ- ção alvo projetada designadas determinadas durante a etapa 1215 pa- ra gerar recomendações de aprimoramento de produção de campo específico para cada um dos campos do produtor. Por exemplo, os dados de otimização de semente podem ser utilizados para caracteri- zar uma taxa de semeadura por valor de densidade. A taxa de seme- adura por valor de densidade pode então ser utilizada para recomen- dar o uso de sementes híbridas específicas de modo a obter as faixas de produção alvo projetadas designadas. Em uma modalidade, a taxa de semeadura por densidade também pode ser utilizada para reco- mendar uma alteração na população de sementes ou uma alteração na densidade de sementes. Uma alteração na população de semen- tes pode ser obtida por aumentar ou diminuir um número total de sa- cos de sementes que são distribuídos e plantados. Em uma modali- dade, a recomendação pode ser manter o mesmo número total de sa- cas de sementes que são distribuídas e plantadas. Uma alteração na densidade de sementes pode ser obtida por aumentar ou diminuir o número de sementes plantadas por acre. Em uma modalidade, a re- comendação pode ser manter a mesma densidade de sementes por manter o mesmo número de sementes plantadas por acre. A reco- mendação (recomendações) pode ser aplicada para qualquer número de produtores para aplicação customizada para campos específicos.

[00186] A FIG. 15A representa um gráfico de recomendação ilustra- tivo 1500 para uma alteração percentual em um número de sacas compradas pelo produtor. Em uma modalidade, o gráfico 1500 apre- senta uma chave 1505 representando um número de produtores por nome e um código de cor associado com cada produtor. Cada produ- tor é listado de acordo com a alteração percentual recomendada na compra de sacas 1515. A contagem total 1510 do número total de produtores que possuem algumas alterações percentuais recomenda- das na compra de sacas 1515 também é apresentada. Em uma mo- dalidade, a recomendação pode apresentar um aumento no número de sacas, uma diminuição no número de sacas, ou nenhuma alteração no número de sacas.

[00187] A FIG. 15B representa um gráfico de recomendação ilustra- tivo 1500 para uma alteração percentual na densidade de sementes por produtor. Em uma modalidade, o gráfico 1500 apresenta a mesma chave 1505 representando um número de produtores por nome e um código de cor associado com cada produtor. Cada produtor é listado de acordo com a alteração percentual recomendada na densidade de sementes 1525 em um número de sementes por acre. Em uma moda- lidade, o número de sementes pode ser dúzia, centenas, milhares, dez mil, ou qualquer outro número incremental. Uma contagem total 1520 do número total de produtores que possuem algumas alterações per- centuais recomendas na densidade de sementes 1525 também é apresentado. Em uma modalidade, a recomendação pode apresentar um aumento na densidade de sementes, uma diminuição na densida- de de sementes, ou nenhuma alteração na densidade de sementes. Subsequentemente, as recomendações podem ser exibidas em uma interface gráfica com o usuário e podem ser a base para iniciar altera- ções automáticas nas compras de sacas ou na densidade de semen- tes no plantio, como ainda descrito neste documento.

5.5 APRESENTA RECOMENDAÇÃO DE APRIMORAMENTO DE

PRODUÇÃO

[00188] Na etapa 1225 da FIG. 12, o computador servidor 108 pode causar a exibição das recomendações de aprimoramento de produção para cada campo em um vídeo acoplado com o computador servidor

108. Em uma modalidade, qualquer uma dentre a FIG. 13A, FIG. 13B, FIG. 14, FIG. 15A, e FIG. 15B pode ser exibida em uma interface grá- fica com o usuário em associação com a recomendação de aprimora- mento de produção.

[00189] Em uma modalidade, em resposta a gerar a recomendação de aprimoramento de produção para cada campo, o computador servi-

dor 108 pode automaticamente comprar um número aumentado, dimi- nuído, ou o mesmo número de sacas de sementes baseado na altera- ção recomendada na população de sementes gerada na etapa 1220. Por exemplo, se a recomendação para um produtor particular for o aumento da população de uma semente no total para um ou mais campos, então o computador servidor 108 pode automaticamente ajustar uma compra de sementes para aumentar o número de sacas compradas e entregues para o produtor particular.

[00190] Em outra modalidade, o computador servidor 108 pode au- tomaticamente causar que uma máquina agrícola aumente, diminua, ou mantenha o plantio de uma população total de um tipo de semente baseado na alteração recomendada na população de sementes para cada um dos campos. Por exemplo, o computador servidor 108 pode ser comunicativamente acoplado com um computador de bordo 115 do aparelho agrícola 111 via a rede 109. O computador servidor 108 po- de sinalizar para o aparelho agrícola 111 para ajustar o plantio de mo- do que a população total de sementes aumente.

[00191] Em outra modalidade, o computador servidor 108 pode au- tomaticamente causar que uma máquina agrícola aumente, diminua, ou mantenha um número de sementes plantadas por acre baseado na alteração recomendada na densidade de sementes para os campos. Por exemplo, o computador servidor 108 que está comunicativamente acoplado com um computador de bordo 115 de um aparelho agrícola 111 pode sinalizar para o aparelho agrícola 111 para ajustar a densi- dade de sementes plantadas por acre de modo que a densidade de sementes aumente.

[004] Utilizando as técnicas precedentes, o sistema de computa- dor programado pode transferir, receber, armazenar, e utilizar dados agrícolas históricos para determinar recomendações de aprimoramen- to de produção baseado nas pontuações de classificação de produção geradas e nas faixas de produção alvo projetada. Abordagens anterio- res envolviam repetidamente obter dados agrícolas gerais sem análise ou recomendação para o campo específico, resultando em uso exces- sivo ou desperdiçador de recursos de processamento tais como ciclos de CPU, memória, e largura de banda de rede ao analisar e calcular grandes quantidades de informações. Entretanto, a presente aborda- gem utiliza uma abordagem direcionada específica para o campo para reduzir o uso excessivo de recursos de computador, assim aperfeiço- ando a eficiência como um todo do sistema de computação.

6. VISTA GERAL FUNCIONAL – APLICAÇÃO RETROATIVA

DIRECIONADA DE RECOMENDAÇÃO

[005] A FIG. 16 representa um fluxograma ilustrativo 1600 para gerar uma produção preditiva utilizando dados agrícolas históricos e uma recomendação de aprimoramento de campo por campo. Em uma modalidade ilustrativa, o fluxograma 1600 utiliza as mesmas técnicas ou técnicas similares a estas representadas na FIG. 12 para gerar uma recomendação para aumentar, diminuir, ou manter uma população de sementes e/ou densidade de sementes. Especificamente, modalida- des proporcionam receber um conjunto de dados agrícolas históricos pertencendo a um produtor particular, bem como um conjunto de da- dos agrícolas históricos pertencendo às propriedades da semente hí- brida. O computador servidor 108 pode fazer referência cruzada do primeiro conjunto com o segundo conjunto de dados agrícolas históri- cos para gerar um aprimoramento da faixa de produção que compre- ende uma alteração na população de sementes e/ou uma alteração na densidade de sementes. O computador servidor 108 pode então utili- zar as recomendações para gerar dados preditivos de produção para cada campo pela aplicação da recomendação para os dados agrícolas históricos. Os dados preditivos de produção são gerados através de uma aplicação retroativa da recomendação para os dados agrícolas históricos do produtor e indica o qual teria sido a produção caso a re- comendação tivesse sido aplicada. Subsequentemente, uma compa- ração lado a lado pode ser gerada e exibida para comparar qual teria sido a produção para a produção real do produtor.

6.1 ENTRADA DE DADOS

[006] Na etapa 1605 da FIG. 16, um computador servidor 108 recebe um primeiro conjunto de dados agrícolas históricos através de uma rede de comunicação de dados digitais 109. O computador ser- vidor 108 pode ser integrado com o sistema de computador de inteli- gência agrícola 130, em uma modalidade ilustrativa. O primeiro con- junto de dados agrícolas históricos pode incluir, por exemplo, dados históricos de faixa de produção do produtor detalhando uma faixa de produção para cada produto plantado através de qualquer número de épocas, bem como dados de condição ambiental para cada produto plantado em um ou mais campos de um produtor particular. Em outra modalidade, o primeiro conjunto de dados agrícolas históricos também pode incluir dados de tipo de semente, dados de população de semen- tes, dados de quantidade de acres plantados, dados de rotação de cul- tivo, dados de geolocalização de sementes plantadas, ou quaisquer outros dados agrícolas.

[007] O computador servidor 108 também pode receber um se- gundo conjunto de dados agrícolas históricos. O segundo conjunto de dados agrícolas históricos pode ser um conjunto de dados de proprie- dades da semente híbrida que descrevem um valor de produção re- presentativa para tipos particulares de sementes híbridas, bem como classificações ambientais para cada semente híbrida baseadas no de- sempenho histórico de cada semente híbrida. Em uma modalidade, os dados de condição ambiental para um produtor particular podem ser os mesmos ou similares à classificação ambiental para cada semente híbrida. Por exemplo, os dados de condição ambiental podem apre-

sentar um conjunto de dados descrevendo condições ambientais ári- das experimentadas pelo produtor dentro de três épocas passadas. A classificação ambiental para cada semente híbrida pode indicar que uma semente híbrida particular é classificada especificamente para condições ambientais áridas.

6.2 RECOMENDAÇÕES E PRODUÇÕES PREDITIVAS

[008] Na etapa 1610 da FIG. 16, o computador servidor 108 faz referência cruzada do primeiro conjunto e do segundo conjunto de da- dos agrícolas históricos para gerar uma recomendação de aprimora- mento de faixa de produção para cada um dos campos do produtor. A referência cruzada pode incluir, por exemplo, a associação exata dos dados de condição ambiental do primeiro conjunto de dados agrícolas históricos com a classificação ambiental para cada semente híbrida do segundo conjunto de dados agrícolas históricos. A referência cruzada também pode incluir associação difusa, várias consultas diferentes com várias substituições de coringa, uma árvore de decisão treinada, ou quaisquer outras técnicas de associação. Em uma modalidade, qualquer tipo de algoritmo de aprendizado de máquina pode ser utili- zado como uma parte da etapa 1610.

[009] Em uma modalidade, a recomendação de aprimoramento de produção pode incluir, por exemplo, uma alteração recomendada na população de sementes ou uma alteração recomendada na densi- dade de sementes. Uma alteração na população de sementes pode ser obtida por aumentar ou diminuir um número total de sacas de se- mentes que são entregues e plantadas. Em uma modalidade, a reco- mendação pode ser manter o mesmo número total de sacas de se- mentes que são distribuídas e plantadas. Uma alteração na densidade de sementes pode ser obtida por aumentar ou diminuir o número de sementes plantadas por acre. Em uma modalidade, a recomendação pode ser manter a mesma densidade de sementes por manter o mes-

mo número de sementes plantadas por acre. A recomendação (reco- mendações) pode ser aplicada para qualquer número de produtores para aplicação customizada para campos específicos.

[0010] Na etapa 1615 da FIG. 16, o computador servidor gera da- dos preditivos de produção para os campos pela aplicação da reco- mendação de aprimoramento de produção para o primeiro conjunto de dados agrícolas históricos. Em uma modalidade ilustrativa, o compu- tador servidor 108 identifica os dados agrícolas históricos do produtor, os quais incluem os dados de condição ambiental experimentados pe- lo produtor. O computador servidor 108 então retroativamente aplica a recomendação gerada na etapa 1601 para os dados agrícolas históri- cos do produtor para gerar uma predição de produção que poderia ter sido alcançada caso a recomendação tivesse sido implementada. Por exemplo, se a recomendação tivesse sido aumentar uma densidade de sementes para 1.000 sementes por acre de uma semente híbrida particular que não se adapta bem às condições ambientais úmidas ba- seadas nas condições ambientais úmidas experimentadas pelo produ- tor, então, o computador servidor 108 aplica o aumento recomendado para os dados agrícolas históricos para gerar os dados preditivos de produção. Neste exemplo, os dados preditivos de produção podem indicar que aumentar a densidade de sementes para 1.000 sementes por acre teria resultado em uma produção aumentada de 0,34 t/ha (5 bushels por acre). Os dados preditivos também podem indicar uma faixa de produções que poderiam ser alcançadas caso as recomenda- ções tivessem sido aplicadas.

6.3 GERA E EXIBE COMPARAÇÃO

[0011] Na etapa 1620, o computador servidor 108 gera dados de comparação de produção utilizando os dados de produção do produtor e os dados preditivos de produção para os campos. Em uma modali- dade, os dados preditivos de produção podem indicar uma faixa dimi-

nuída de valores de produção por campo comparada com dados histó- ricos. Por exemplo, ao invés de uma faixa de 10,76 t/ha (160 bushels por acre) até 20,18 t/ha (300 bushels por acre) através de alguns cam- pos, como historicamente experimentado pelo produtor, a aplicação da recomendação pode resultar em uma faixa preditiva menor de 6,73 t/ha (100 bushels por acre) a 10,09 t/ha (150 bushels por acre). Uma faixa de produção preditiva menor permite uma avaliação mais precisa da quantidade de produção por campo.

[0012] Na etapa 1630, o computador servidor 108 causa a exibi- ção, em uma interface gráfica com o usuário, dos dados de compara- ção de produção para o produtor em um vídeo que está comunicati- vamente acoplado ao computador servidor. A FIG. 17 representa um gráfico ilustrativo 1700 que visualmente representa uma comparação entre faixas de produção histórica com faixas de produção preditiva a partir de uma aplicação retroativa de recomendações para as faias de produção histórica para vários produtores. No exemplo da FIG. 17, o gráfico 1700 indica duas faixas de produção codificadas por cores 1705 para cada produtor 1710. A primeira faixa indica faixas histori- camente observadas. A segunda faixa indica uma faixa de produção preditiva que foi determinada na etapa 1620. Por exemplo, a faixa 1715 indica uma faixa historicamente observada para o produtor 9038 que varia entre 18,16 t/ha (270 bushels por acre) e 10,42 t/ha (155 bushels por acre). Em contraste, a faixa 1720 indica a faixa de produ- ção preditiva para o produtor 9038 que varia entre 12,11 t/ha (180 bushels por acre) e 8,40 t/ha (125 bushels por acre).

[0013] Utilizando as técnicas precedentes, sistemas de computa- dor programados podem transferir, receber, armazenar, e utilizar da- dos agrícolas históricos para determinar recomendações de aprimo- ramento de produção baseados nas pontuações e classificação de produção geradas e nas faixas de produção alvo projetada. Aborda-

gens anteriores envolviam repetidamente obter dados agrícolas gerais sem análise ou recomendação para o campo específico, resultando em uso excessivo ou com desperdício de recursos de processamento tais como ciclos de CPU, memória, e largura de banda de rede ao ana- lisar e calcular grandes quantidades de informações. Entretanto, a presente abordagem utiliza uma abordagem direcionada para o campo específico para reduzir o uso excessivo de recursos de computador, assim aprimorando a eficiência como um todo do sistema de computa- ção.

7.0 COMPARAÇÃO DE HÍBRIDO

[0014] Em uma modalidade, os sistemas e métodos descritos nes- te documento são utilizados para gerar uma comparação entre dois híbridos. Por exemplo, o sistema de computador pode identificar pri- meiras sementes híbridas selecionadas por um produtor particular e segundas sementes híbridas para comparar as sementes híbridas se- lecionadas. As primeiras sementes híbridas compreendem sementes híbridas utilizadas pelo produtor no passado e identificadas no sistema de computador e/ou sementes que o produtor pretende utilizar, tais como sementes híbridas identificadas pelo produtor para o sistema de computador e/ou sementes híbridas já compradas pelo produtor. As segundas sementes híbridas podem compreender sementes híbridas de portfólio otimizado que podem ser comparadas com as sementes selecionadas do produtor, tais como sementes híbridas que são reco- mendadas pelo sistema de computador.

[0015] O sistema de computador pode armazenar um modelo de aprendizado de máquina treinado que é programado para gerar dados de saída especificando uma respectiva probabilidade de sucesso (POS) de plantar um tipo de semente híbrida em relação a outro utili- zando as características das sementes como entrada. Os dados de treinamento podem incluir valores de produção em localizações simila-

res e características das sementes híbridas utilizadas. Em uma moda- lidade, os dados de produção a partir do campo do produtor são ainda utilizados para treinar o modelo de aprendizado de máquina e/ou para modificar o modelo de aprendizado de máquina para ser mais especí- fico para o campo do produtor. Adicionalmente ou alternativamente, dados de produção passados para um campo particular utilizando um tipo particular de semente híbrida podem ser utilizados para predizer uma produção futura para o campo utilizando o tipo particular de se- mente híbrida que pode então ser comparada com a produção atual se um tipo diferente de semente híbrida fosse utilizado.

[0016] O sistema de computador pode utilizar o modelo de apren- dizado de máquina para calcular o POS com a utilização das segun- das sementes híbridas em relação às primeiras sementes híbridas. Em uma modalidade, o modelo de aprendizado de máquina prediz a probabilidade de que uma semente híbrida particular irá superar em desempenho uma semente diferente utilizando valores POS calcula- dos, diferenças em produções preditas utilizando diferentes sementes híbridas, erros de anos anteriores em predizer produções utilizando as sementes híbridas diferentes, e/ou porcentagem de casos nos quais a semente híbrida particular superou em desempenho outra semente híbrida. Os valores POS de produto podem ser calculados, por exem- plo, utilizando técnicas reveladas nas seções 3 e 4 deste documento, e/ou no pedido 15/807.875, depositado em 14 de novembro de 2017 e/ou no pedido 15/807.872, depositado em 14 de novembro de 2017, cujos conteúdos na totalidade são incorporados neste documento por referência como se totalmente expostos neste documento.

[0017] O sistema de computador pode calcular POS e/ou predi- ções para vários emparelhamentos de sementes. Por exemplo, com quatro diferentes tipos de semente híbrida, o sistema de computador pode calcular seis valores POS e/ou predições correspondendo às seis combinações possíveis.

O sistema de computador pode então causar exibição de um gráfico, diagrama, tabela, ou outro elemento visual de comparação que representa os diferentes valores POS e/ou predições para diferentes pares de híbridos.

Adicionalmente ou alter- nativamente, as comparações podem ser exibidas em um mapa com pontos no mapa indicando uma localização onde a primeira semente híbrida foi plantada enquanto uma cor do ponto indica se a segunda semente híbrida foi identificada como superando em desempenho a primeira semente híbrida.

Utilizando estas abordagens, modelos de computador programados podem efetivamente comunicar, para produ- tores que têm experimentado plantio de uma primeira semente ou hí- brido específico, um segundo híbrido ou semente recomendadas para emparelhar com a primeira semente ou híbrido e possuindo um apri- moramento conhecido na produção prevista com um nível de confian- ça limite particular.

Ou seja, a segunda semente ou híbrido será co- nhecida, com nível de confiança particular, como superando a primeira semente ou híbrido na produção do cultivo quando plantada lado a la- do em um campo especificado.

Modalidades podem comparar pares de híbridos ou sementes originários do mesmo fornecedor ou a partir de fornecedores diferentes.

Claims (20)

REIVINDICAÇÕES

1. Método implementado por computador, caracterizado pe- lo fato de que compreende: receber, através de uma rede de comunicação de dados di- gitais em um computador servidor, um primeiro conjunto de dados agrícolas históricos compreendendo dados de faixa de produção do produtor e dados de condição ambiental para um ou mais campos de um produtor, e um segundo conjunto de dados agrícolas históricos compreendendo um conjunto de dados de propriedades de semente híbrida que descrevem um valor de produção representativa e uma classificação ambiental para cada semente híbrida das uma ou mais sementes híbridas; fazer referência cruzada, utilizando o computador servidor, do primeiro conjunto e do segundo conjunto de dados agrícolas histó- ricos para gerar uma recomendação de aprimoramento de faixa de produção para cada um dos um ou mais campos, em que a recomen- dação de aprimoramento de produção compreende uma alteração re- comendada na população de sementes ou uma alteração recomenda- da na densidade de sementes; gerar, utilizando o computador servidor, dados preditivos de produção para o um ou mais campos pela aplicação da recomendação de aprimoramento de produção para o primeiro conjunto de dados agrícolas históricos; gerar, utilizando o computador servidor, dados de compara- ção de produção utilizando os dados de produção do produtor e os dados preditivos de produção para o um ou mais campos; e causar a exibição, em um vídeo comunicativamente aco- plado com o computador servidor, dos dados de comparação de pro- dução para o produtor.

2. Método implementado por computador, de acordo com a reivindicação 1, caracterizado pelo fato de que a referência cruzada do primeiro conjunto e do segundo conjunto de dados agrícolas históricos compreende associar os dados de condição ambiental do primeiro conjunto de dados agrícolas históricos com a classificação ambiental para cada semente híbrida do segundo conjunto de dados agrícolas históricos.

3. Método implementado por computador, de acordo com a reivindicação 1, caracterizado pelo fato de que ainda compreende: em resposta a gerar a recomendação de aprimoramento de faixa de produção para cada um dos um ou mais campos, automati- camente encomendar um número aumentado, diminuído, ou o mesmo número de sacas de semente baseado na alteração recomendada na população de sementes para o um ou mais campos.

4. Método implementado por computador, de acordo com a reivindicação 1, caracterizado pelo fato de que ainda compreende: em resposta a gerar as recomendações de aprimoramento de faixa de produção para cada um dos um ou mais campos, causar que uma máquina agrícola aumente, diminua, ou mantenha o plantio de uma população total de um tipo de semente baseado na alteração recomendada na população de sementes para o um ou mais campos.

5. Método implementado por computador, de acordo com a reivindicação 1, caracterizado pelo fato de que ainda compreende: em resposta a gerar as recomendações de aprimoramento de faixa de produção para cada um dos um ou mais campos, causar que uma máquina agrícola aumente, diminua, ou mantenha um núme- ro de sementes plantadas por acre baseada na alteração recomenda- da na densidade de sementes para o um ou mais campos.

6. Método implementado por computador, de acordo com a reivindicação 1, caracterizado pelo fato de que o primeiro conjunto de dados agrícolas históricos ainda compreende dados de população de sementes híbridas, dados de quantidade de acres plantados, e dados de rotação de cultivo para o um ou mais campos do produtor.

7. Método implementado por computador, de acordo com a reivindicação 1, caracterizado pelo fato de que o segundo conjunto de dados agrícolas históricos ainda compreende dados agregados de po- pulação de sementes, dados agregados de quantidade de acres plan- tados, e dados agregados de rotação de cultivo a partir de vários pro- dutores.

8. Mídias de armazenamento não temporário legíveis por computador, caracterizadas pelo fato de que armazenam uma ou mais instruções que, quando executadas por um ou mais dispositivos de computação servidores, causam: recepção, através de uma rede de comunicação de dados digitais em um computador servidor, de um primeiro conjunto de dados agrícolas históricos compreendendo dados de faixa de produção do produtor e dados de condição ambiental para um ou mais campos de um produtor, e um segundo conjunto de dados agrícolas históricos compreendendo um conjunto de dados de propriedades de semente híbrida que descrevem um valor de produção representativa e uma classificação ambiental para cada semente híbrida das uma ou mais sementes híbridas; referência cruzada, utilizando o computador servidor, do primeiro conjunto e do segundo conjunto de dados agrícolas históricos para gerar uma recomendação de aprimoramento de faixa de produ- ção para cada um dos um ou mais campos, em que a recomendação de aprimoramento de produção compreende uma alteração recomen- dada na população de sementes ou uma alteração recomendada na densidade de sementes; geração, utilizando o computador servidor, de dados predi- tivos de produção para o um ou mais campos pela aplicação da reco-

mendação de aprimoramento de produção para o primeiro conjunto de dados agrícolas históricos; geração, utilizando o computador servidor, de dados de comparação de produção utilizando os dados de produção do produtor e os dados preditivos de produção para o um ou mais campos; e causar a exibição, em um vídeo comunicativamente aco- plado ao computador servidor, dos dados de comparação de produção para o produtor.

9. Mídias de armazenamento não temporário legíveis por computador, de acordo com a reivindicação 8, caracterizadas pelo fato de que a referência cruzada do primeiro conjunto e do segundo con- junto de dados agrícolas históricos compreender associar os dados de condição ambiental do primeiro conjunto de dados agrícolas históricos com a classificação ambiental para cada semente híbrida do segundo conjunto de dados agrícolas históricos.

10. Mídias de armazenamento não temporário legíveis por computador, de acordo com a reivindicação 9, caracterizadas pelo fato de que ainda compreendem: em resposta a gerar as recomendações de aprimoramento de faixa de produção para cada um dos um ou mais campos, automa- ticamente encomendar um número aumentado, diminuído, ou o mes- mo número de sacas de sementes baseado na alteração recomenda na população de sementes para o um ou mais campos.

11. Mídias de armazenamento não temporário legíveis por computador, de acordo com a reivindicação 9, caracterizadas pelo fato de que ainda compreende: em resposta a gerar as recomendações de aprimoramento de faixa de produção para cada um dos um ou mais campos, causar que uma máquina agrícola aumente, diminua, ou mantenha o plantio de uma população total de um tipo de semente baseada na alteração recomendada na população de sementes para o um ou mais campos.

12. Mídias de armazenamento não temporário legíveis por computador, de acordo com a reivindicação 9, caracterizadas pelo fato de que ainda compreende: em resposta a gerar as recomendações de aprimoramento de faixa de produção para cada um dos um ou mais campos, causar que uma máquina agrícola aumente, diminua, ou mantenha um núme- ro de sementes plantadas por acre baseada na alteração recomenda- da na densidade de sementes para o um ou mais campos.

13. Mídias de armazenamento não temporário legíveis por computador, de acordo com a reivindicação 9, caracterizadas pelo fato de que o primeiro conjunto de dados agrícolas históricos ainda com- preende dados de população de sementes híbridas, dados de quanti- dade de acres plantados, e dados de rotação de cultivo para o um ou mais campos do produtor.

14. Mídias de armazenamento não temporário legíveis por computador, de acordo com a reivindicação 9, caracterizadas pelo fato de que o segundo conjunto de dados agrícolas históricos ainda com- preende dados agregados de população de sementes, dados agrega- dos de quantidade de acres plantados, e dados agregados de rotação de cultivo a partir de vários produtores.

15. Sistema de computador servidor, caracterizado pelo fa- to de que compreende: um ou mais processadores; uma ou mais mídias de armazenamento não temporário le- gíveis por computador armazenando uma ou mais instruções que, quando executadas utilizando o um ou mais processadores, causam que o um ou mais processadores executem: receber, através de uma rede de comunicação de dados di- gitais em um computador servidor, um primeiro conjunto de dados agrícolas históricos compreendendo dados de faixa de produção do produtor e dados de condição ambiental para um ou mais campos de um produtor, e um segundo conjunto de dados agrícolas históricos compreendendo um conjunto de dados de propriedades de semente híbrida que descrevem um valor de produção representativa e uma classificação ambiental para cada semente híbrida das uma ou mais sementes híbridas; referência cruzada, utilizando o computador servidor, do primeiro conjunto e do segundo conjunto de dados agrícolas históricos para gerar uma recomendação de aprimoramento de faixa de produ- ção para cada um dos um ou mais campos, em que a recomendação de aprimoramento de produção compreende uma alteração recomen- dada na população de sementes ou uma alteração recomendada na densidade de sementes; gerar, utilizando o computador servidor, dados preditivos de produção para o um ou mais campos pela aplicação da recomendação de aprimoramento de produção para o primeiro conjunto de dados agrícolas históricos; gerar, utilizando o computador servidor, dados de compara- ção de produção utilizando os dados de produção do produtor e os dados preditivos de produção para o um ou mais campos; e causar a exibição, em um vídeo comunicativamente aco- plado ao computador servidor, dos dados de comparação de produção para o produtor.

16. Sistema de computador servidor, de acordo com a rei- vindicação 15, caracterizado pelo fato de que a referência cruzada do primeiro conjunto e do segundo conjunto de dados agrícolas históricos compreende associar os dados de condição ambiental do primeiro conjunto de dados agrícolas históricos com a classificação ambiental para cada semente híbrida do segundo conjunto de dados agrícolas históricos.

17. Sistema de computador servidor, de acordo com a rei- vindicação 16, caracterizado pelo fato de que a uma ou mais mídias de armazenamento não temporário legíveis por computador armazenam uma ou mais instruções adicionais que quando executadas utilizando o um ou mais processadores, causam que o um ou mais processadores executem: em resposta a gerar as recomendações de aprimoramento de faixa de produção para cada um dos um ou mais campos, causar que uma máquina agrícola aumente, diminua, ou mantenha o plantio de uma população total de um tipo de semente baseada na alteração recomendada na população de sementes para o um ou mais campos.

18. Sistema de computador servidor, de acordo com a rei- vindicação 17, caracterizado pelo fato de que a uma ou mais mídias de armazenamento não temporário legíveis por computador armazenam uma ou mais instruções adicionais que quando executadas utilizando o um ou mais processadores, causam que o um ou mais processadores executem: em resposta a gerar as recomendações de aprimoramento de faixa de produção para cada um dos um ou mais campos, causar que uma máquina agrícola aumente, diminua, ou mantenha um núme- ro de sementes plantadas por acre baseada na alteração recomenda- da na densidade de sementes para o um ou mais campos.

19. Sistema de computador servidor, de acordo com a rei- vindicação 18, caracterizado pelo fato de que o primeiro conjunto de dados agrícolas históricos ainda compreende dados de população de sementes híbridas, dados de quantidade de acres plantados, e dados de rotação de cultivo para o um ou mais campos do produtor.

20. Sistema de computador servidor, de acordo com a rei- vindicação 19, caracterizado pelo fato de que o segundo conjunto de dados agrícolas históricos ainda compreende dados agregados de po- pulação de sementes, dados agregados de quantidade de acres plan- tados, e dados agregados de rotação de cultivo a partir de vários pro- dutores.