BR112021002681A2

BR112021002681A2 - sistemas e métodos para monitorar e regular a produtividade das plantas

Info

Publication number: BR112021002681A2
Application number: BR112021002681-9A
Authority: BR
Inventors: Jocelyn Boudreau; Vincent Pelletier; Yann Périard Larrivée; Rock Chabot
Original assignee: Hortau Inc.
Priority date: 2018-08-17
Filing date: 2019-08-16
Publication date: 2021-05-11
Also published as: CN112739198A; EP3836776A4; EP3836776A1; US20210235641A1; CL2021000391A1; US11833313B2; CA3109715A1; AU2019322265A1; WO2020034039A1

Abstract

A presente invenção refere-se a um sistema para monitorar e regular a produtividade das plantas, que compreende: uma memória para armazenar instruções; um processador para executar as instruções para fazer com que um método de monitorar e de regular a produtividade das plantas seja executado, o método compreendendo: receber dados de campo originários de sensores de monitoramento; computar, por pelo menos um processador que executa um algoritmo de aprendizado de máquina, um valor previsto para uma variável associada com a condição do ambiente de produção de um campo de cultivo, o algoritmo de aprendizado de máquina tendo sido treinado com base em um conjunto de treinamento que compreende um ou ambos de: (a) os dados de campo originários de sensores de monitoramento, e (b) um recurso gerado derivado dos dados de campo: e determinar, com base em um limiar associado com a variável, que o valor previsto para a variável indica que uma intervenção no campo de cultivo deve ser iniciada; e, em resposta à determinação, fazer com que um dispositivo controlável varie a condição de ambiente de produção.

Description

Relatório Descritivo da Patente de Invenção para "SISTEMAS E MÉTODOS PARA MONITORAR E REGULAR A PRODUTIVIDADE DAS PLANTAS".

CAMPO

[0001] A presente invenção refere-se, de modo geral, a sistemas e a métodos para monitorar a produtividade das plantas, e, mais particularmente, a sistemas e métodos para facilitar a regulação baseada em dados da produtividade das plantas.

ANTECEDENTES

[0002] Várias técnicas têm sido utilizadas para melhorar a produtividade das plantas. Em particular, são conhecidos sistemas e métodos que visam aumentar o rendimento das culturas. Por exemplo, um sistema de irrigação pode ser controlado para ajustar o nível de umidade no solo. Como outro exemplo, aperfeiçoamentos genéticos podem ser feitos às plantas para aumentar sua resistência à seca ou aos insetos.

SUMÁRIO

[0003] O seguinte sumário se dá para fins ilustrativos apenas, e não se destina a limitar ou restringir a descrição detalhada. O seguinte sumário apresenta meramente vários aspectos descritos em uma forma simplificada como um prelúdio à descrição mais detalhada provida abaixo.

[0004] De acordo com vários aspectos, a presente tecnologia refere-se a um sistema para monitorar e regular a produtividade das plantas. O sistema é comunicativamente acoplável a uma pluralidade de sensores de monitoramento implantáveis em pelo menos um campo de cultivo. O sistema é ainda acoplável comunicativamente a pelo menos um dispositivo controlável que é operável para variar pelo menos uma condição do ambiente de produção de pelo menos um campo de cultivo, em que o sistema compreende: pelo menos uma memória para armazenar uma pluralidade de instruções, e; pelo menos um processador para executar a pluralidade de instruções para fazer com que um método de monitorar e regular a produtividade de plana seja executado. De acordo com vários aspectos, o método compreende: receber dados de campo da pluralidade de sensores de monitoramento, os dados de campo associados com condições de pelo menos um campo de cultivo detectado durante um período de monitoramento; computar, por pelo menos um processador que executa um algoritmo de aprendizado de máquina, um valor previsto para pelo menos uma variável associada com pelo menos uma condição de ambiente de produção de pelo menos um campo de cultivo, o algoritmo de aprendizado de máquina tendo sido treinado com base em um conjunto de treinamento que compreende um ou ambos de (a) os dados de campo da pluralidade de sensores de monitoramento, e (b) pelo menos um recurso gerado derivado dos dados de campo; e determinar, com base em um limiar associado com pelo menos uma variável, que o valor previsto para pelo menos uma variável indica que uma intervenção em pelo menos um campo de cultivo é iniciada; e, em resposta à determinação, fazer com que pelo menos um dispositivo controlável varie de pelo menos uma condição do ambiente de produção.

[0005] Os dados de campo podem compreender múltiplos fatores relacionados à produtividade das plantas e apresentando múltiplas interações entre si. Por exemplo, os dados de campo podem compreender dados relacionados ao solo do campo de cultivo (tal como o conteúdo de água do solo, o potencial osmótico, os níveis de nitrato do solo, a temperatura do solo), ao ar (tal como a temperatura do ar, a umidade relativa, a velocidade e a direção do vento, a pressão atmosférica, a umidade das folhas, a radiação solar e precipitação pluviométrica), à vida selvagem (tal como quantificação de esporo, quantificação de inseto, atividade de abelha forrageira), e à água de irrigação (tal como a quantidade de água de irrigação, a temperatura da água de irrigação, o pH, a salinidade, o conteúdo de nitrato, o conteúdo de fertilizante).

[0006] Pelo menos uma variável compreende um ou mais de: tensão do solo, conteúdo de água do solo, temperatura do solo, pH, conteúdo de nitrato do solo, salinidade do solo, quantidade de água de irrigação, pH da água de irrigação, temperatura da água de irrigação e semelhantes.

[0007] Em certas concretizações, o algoritmo de aprendizado de máquina leva em conta simultaneamente as interações entre múltiplos fatores dos dados de campo e/ou de pelo menos um dado gerado.

[0008] Em certas concretizações, os limiares associados com pelo menos uma variável são dinamicamente ajustados, em tempo real, a fim de aperfeiçoar, otimizar ou manter a produtividade das plantas.

[0009] De acordo com outros aspectos, o sistema é disposto para receber os dados de campo de outras fontes, tal como outro processador.

[0010] De acordo com pelo menos uma concretização, o método ainda compreende o treinamento do algoritmo de aprendizado de máquina com base no conjunto de treinamento.

[0011] De acordo com pelo menos uma concretização, o método ainda compreende receber dados de pelo menos um tipo de dados externos, e o conjunto de treinamento ainda compreende pelo menos um subconjunto dos dados de pelo menos um tipo de dados externos.

[0012] De acordo com pelo menos uma concretização, o conjunto de treinamento ainda compreende dados de pelo menos um tipo de dados externos selecionado do seguinte grupo: dados de campos de cultivo que não pelo menos um campo de cultivo, dados de satélite, dados de drone, dados ambientais, dados de condições climáticas, dados do preço de estoque, dados de custo de recursos, dados de disponibilidade de recursos e dados econômicos.

[0013] De acordo com pelo menos uma concretização, o método ainda compreende armazenar dados do conjunto de treinamento em pelo menos uma matriz multivariável.

[0014] De acordo com pelo menos uma concretização, o método ainda compreende ajustar, por pelo menos um processador que executa o algoritmo de aprendizado de máquina, o limiar associado com pelo menos uma variável antes de determinar que o valor previsto indica que uma intervenção em pelo menos um campo de cultivo deve ser iniciada.

[0015] De acordo com pelo menos uma concretização, pelo menos alguns atos do método são repetidos por pelo menos uma iteração subsequente, de modo que, para cada iteração subsequente, no recebimento, os dados de campo sejam associados com condições de pelo menos um campo de cultivo sobre um respectivo período de monitoramento subsequente.

[0016] De acordo com pelo menos uma concretização, o fazer com que pelo menos um dispositivo controlável varie a pelo menos uma condição do ambiente de produção é realizado automaticamente em resposta à determinação.

[0017] De acordo com pelo menos uma concretização, o método ainda compreende emitir um alerta que a intervenção em pelo menos um campo de cultivo é desejável, e receber confirmação do usuário em resposta ao alerta antes de fazer com que pelo menos um dispositivo controlável varie pelo menos uma condição do ambiente de produção.

[0018] De acordo com pelo menos uma concretização, o método ainda compreende gerar um cronograma de intervenção para permitir uma avaliação manual de se é desejável a intervenção pelo menos no campo de cultivo.

[0019] De acordo com pelo menos uma concretização, o método ainda compreende gerar pelo menos um relatório de avaliação de desempenho para permitir uma avaliação manual de desempenho do campo de cultivo de pelo menos um campo de cultivo durante o período de monitoramento.

[0020] De acordo com pelo menos uma concretização, a determinação de que o valor previsto para pelo menos uma variável indica que a intervenção em pelo menos um campo de cultivo deve ser iniciada compreende: avaliar um ou mais valores para pelo menos uma variável que otimiza a produtividade das plantas com base em pelo menos um parâmetro de saída.

[0021] De acordo com pelo menos uma concretização, pelo menos um parâmetro de saída compreende um ou mais dos parâmetros de saída selecionados do seguinte grupo: rendimento das culturas, lucratividade, uso de água, uso de energia, lixiviação de fertilizantes e emissões de gás de efeito estufa.

[0022] De acordo com pelo menos uma concretização, pelo menos um parâmetro de saída compreende uma pluralidade de parâmetros de saída, em que o método ainda compreende priorizar a pluralidade de parâmetros de saída, e em que a avaliação de um ou mais valores para pelo menos uma variável que otimiza a produtividade da plana se baseia na pluralidade de parâmetros de saída que foram priorizados.

[0023] De acordo com pelo menos uma concretização, o método ainda compreende padronizar os dados de campo, em que a padronização compreende alinhar os dados de campo em pelo menos uma dimensão espacial ou uma dimensão temporal, e em que o valor previsto para pelo menos uma variável compreende pelo menos um componente espacial ou um componente temporal.

[0024] De acordo com pelo menos uma concretização, pelo menos um recurso gerado derivado dos dados de campo compreende uma pluralidade de elementos computados a partir de uma decomposição de pelo menos uma série de tempo associada com os dados de campo.

[0025] De acordo com pelo menos uma concretização, o fazer com que pelo menos um dispositivo controlável varie pelo menos uma condição do ambiente de produção compreende iniciar uma mudança, em pelo menos um campo de cultivo, em pelo menos um dos seguintes elementos selecionados do seguinte grupo: água, energia, nitrogênio, outros elementos, insumos químicos. Em certas concretizações, os insumos químicos compreendem pesticidas.

[0026] A partir de outros aspectos, é provido um dispositivo de computação que compreende pelo menos um processador de dispositivo e pelo menos uma memória de dispositivo, pelo menos um processador de dispositivo para iniciar o desempenho do método de monitorar e regular a produtividade das plantas por pelo menos um processador do sistema acima, em que um ou mais atos do método são executados em um ou mais dispositivos ligados em rede comuni- cativamente acoplados ao dispositivo de computação mediante pelo menos uma conexão de rede.

[0027] A partir dos aspectos adicionais, é provido um método de monitorar e regular a produtividade das plantas que compreende: receber dados de campo de uma pluralidade de sensores de monitoramento, os dados de campo associados com condições de pelo menos um campo de cultivo detectado durante um período de monitoramento; computar, por pelo menos um processador que executa um algoritmo de aprendizado de máquina, um valor previsto para pelo menos uma variável associada com pelo menos uma condição do ambiente de produção de pelo menos um campo de cultivo, o algoritmo de aprendizado de máquina tendo sido treinado com base em um conjunto de treinamento que compreende um ou ambos de (a) os dados de campo da pluralidade de sensores de monitoramento, e (b) pelo menos um recurso gerado derivado dos dados de campo; e determinar, com base em um limiar associado com pelo menos uma variável, que o valor previsto para pelo menos uma variável indica que uma intervenção em pelo menos um campo de cultivo deve ser iniciada; e, em resposta à determinação, fazer com que pelo menos um dispositivo controlável varie de pelo menos uma condição do ambiente de produção.

[0028] A partir de aspectos adicionais, é provido um método de monitorar e regular a produtividade de planta, que compreende: computar, por pelo menos um processador que executa um algoritmo de aprendizado de máquina, um valor previsto para pelo menos uma variável associada com pelo menos uma condição do ambiente de produção de pelo menos um campo de cultivo, o algoritmo de aprendizado de máquina tendo sido treinado com base em um conjunto de treinamento que compreende um ou ambos de (a) dados de campo de uma pluralidade de sensores de monitoramento, os dados de campo associados com condições de pelo menos um campo de cultivo detectado durante um período de monitoramento, e (b) pelo menos um recurso gerado derivado dos dados de campo; e determinar, com base em um limiar associado com pelo menos uma variável, que o valor previsto para pelo menos uma variável indica que uma intervenção em pelo menos um campo de cultivo deve ser iniciada; e, em resposta à determinação, fazer com que um dispositivo controlável varie pelo menos uma condição do ambiente de produção.

[0029] De acordo com pelo menos uma concretização, o método ainda compreende: treinar o algoritmo de aprendizado de máquina com base no conjunto de treinamento.

[0030] De acordo com pelo menos uma concretização, o método ainda compreende: receber dados de pelo menos um tipo de dados externos, e em que o conjunto de dados ainda compreende pelo menos um subconjunto dos dados de pelo menos um tipo de dados externos.

[0031] De acordo com pelo menos uma concretização, o método ainda compreende: receber os dados de campo de uma pluralidade de sensores de monitoramento.

[0032] De acordo com pelo menos uma concretização, em que o conjunto de treinamento ainda compreende dados de pelo menos um tipo de dados externos selecionado do seguinte grupo: dados de campos de cultivos que não pelo menos um campo de cultivo, dados de satélite, dados de drone, dados ambientais, dados do tempo, dados do preço de estoque, dados de custo de recursos, dados de disponibilidade de recursos e dados econômicos.

[0033] De acordo com pelo menos uma concretização, o método ainda compreende: armazenar dados do conjunto de treinamento em pelo menos uma matriz multivariável.

[0034] De acordo com pelo menos uma concretização, o método ainda compreende: ajustar, por pelo menos um processador que executa o algoritmo de aprendizado de máquina, o limiar associado com pelo menos uma variável antes de determinar que o valor previsto indica que uma intervenção em pelo menos um campo de cultivo deve ser iniciada.

[0035] De acordo com pelo menos uma concretização, pelo menos alguns atos do método são repetidos por pelo menos uma iteração subsequente, de tal modo que, para cada iteração subsequente, no recebimento, os dados de campo são associados com condições de pelo menos um campo de cultivo sobre um respectivo período de monitoramento subsequente.

[0036] De acordo com pelo menos uma concretização, fazer com que pelo menos um dispositivo controlável varie pelo menos uma condição do ambiente de produção é executado automaticamente em resposta à determinação.

[0037] De acordo com pelo menos uma concretização, o método ainda compreende: emitir um alerta que uma intervenção em pelo menos um campo de cultivo é desejável, e receber confirmação de usuário em resposta ao alerta anterior para fazer com que pelo menos um dispositivo controlável varie pelo menos uma condição do ambiente de produção.

[0038] De acordo com pelo menos uma concretização, o método ainda compreende: gerar um cronograma de intervenção para permitir uma avaliação manual de se a intervenção pelo menos no campo de cultivo é desejável.

[0039] De acordo com pelo menos uma concretização, o método ainda compreende: gerar pelo menos um relatório de avaliação de desempenho para permitir uma avaliação manual do desempenho de campo de cultivo de pelo menos um campo de cultivo durante o período de monitoramento.

[0040] De acordo com pelo menos uma concretização, a determinação de que o valor previsto para pelo menos uma variável indica que a intervenção em pelo menos um campo de cultivo deve ser iniciada compreende: avaliar um ou mais valores para pelo menos uma variável que otimiza a produtividade das plantas com base em pelo menos um parâmetro de saída.

[0041] De acordo com pelo menos uma concretização, pelo menos um parâmetro de saída compreende um ou mais parâmetros de saída selecionados do seguinte grupo: rendimento das culturas, lucratividade, uso de água, uso de energia, lixiviação de fertilizantes, e emissões de gás de efeito estufa.

[0042] De acordo com pelo menos uma concretização, pelo menos um parâmetro de saída compreende uma pluralidade de parâmetros de saída, e em que o método ainda compreende: priorizar a pluralidade de parâmetros de saída, e em que a avaliação de um ou mais valores para pelo menos uma variável que otimiza a produtividade das plantas se baseia na pluralidade de parâmetros de saída que foram priorizados.

[0043] De acordo com pelo menos uma concretização, o método ainda compreende: padronizar os dados de campo, em que a padronização compreende alinhar os dados de campo em pelo menos uma dimensão espacial ou uma dimensão temporal, e em que o valor previsto para pelo menos uma variável compreende pelo menos um componente espacial e um componente temporal.

[0044] De acordo com pelo menos uma concretização, pelo menos um recurso gerado derivado dos dados de campo compreende uma pluralidade de elementos computados a partir de uma decomposição de pelo menos uma série de tempo associada com os dados de campo.

[0045] De acordo com pelo menos uma concretização, fazer com que pelo menos um dispositivo controlável varie pelo menos uma condição do ambiente de produção compreende iniciar uma mudança, em pelo menos em um campo de cultivo, em pelo menos um dos seguintes elementos selecionados do seguinte grupo: água, energia, nitrogênio, outros elementos, insumos químicos.

[0046] A partir de outros aspectos, é provido um meio legível por computador não transitório que armazena instruções que, quando executadas por um computador compreendendo pelo menos um processador e pelo menos uma memória, fazem com que pelo menos um processador execute o método conforme acima descrito.

[0047] Ainda a partir de aspectos adicionais, é provido um sistema para monitorar e regular a produtividade das plantas, em que o sistema é comunicativamente acoplável a uma pluralidade de sensores de monitoramento implantáveis em pelo menos um campo de cultivo, em que o sistema é ainda acoplável comunicativamente a pelo menos um dispositivo controlável que é operável para variar pelo menos uma condição do ambiente de produção de pelo menos um campo de cultivo, o sistema configurado para fazer com que pelo menos uma condição do ambiente de produção seja variada com base na comparação de pelo menos uma medida de pelo menos uma condição do ambiente de produção e pelo menos um limiar automaticamente ajustado para pelo menos uma medida.

[0048] De acordo com vários aspectos, a presente tecnologia também se refere a um dispositivo de computação compreendendo pelo menos um processador de dispositivo e pelo menos uma memória de dispositivo. O processador de dispositivo inicia o desempenho de um método de monitorar e regular a produtividade das plantas pelo processador do sistema de acordo com pelo menos uma concretização aqui descrita, em que um ou mais atos do método são executados em um ou mais dispositivos ligados em rede comunicativamente acoplados ao dispositivo de computação mediante pelo menos uma conexão de rede.

[0049] Em certos aspectos e concretizações do acima exposto, é possível um método automatizado ou semiautomatizado. O método pode ser executado em tempo real. Nenhuma caracterização física anterior do solo é necessária em certas concretizações. Vantajosa- mente, em certas concretizações, muitas condições do ambiente de produção do campo de cultivo são levadas em conta para determinar se uma intervenção se faz necessária. Inter-relações entre as condições do ambiente de produção são contabilizadas de modo que não apenas parâmetros diretamente relacionados a pelo menos uma variável sejam levados em conta, mas também parâmetros secundários com efeito indireto.

[0050] O sumário aqui não é uma listagem exaustiva dos novos recursos descritos aqui, e não é limitante das reivindicações. Estes e outros recursos são descritos abaixo em maiores detalhes.

BREVE DESCRIÇÃO DOS DESENHOS

[0051] Estes e outros recursos, aspectos e vantagens da presente descrição serão mais bem entendidos com relação à seguinte descrição, reivindicações e desenhos. A presente descrição é ilustrada por meio de exemplo, e não limitada pelas figuras anexas nas quais os numerais semelhantes indicam elementos similares.

[0052] A Figura 1 mostra um sistema de computação exemplifi- cativo que pode ser usado para implementar qualquer dos métodos aqui descritos.

[0053] A Figura 2 mostra um dispositivo sensor exemplificativo.

[0054] A Figura 3 mostra uma implementação exemplificativa na qual dados são coletados dos dispositivos sensores.

[0055] A Figura 4 é um diagrama de um sistema para monitorar e regular a produtividade das plantas de acordo com um ou mais aspectos ilustrativos da descrição.

[0056] As Figuras 5A e 5B são diagramas que ilustram algumas diferenças entre certos sistemas de monitoramento convencionais e recursos de pelo menos uma concretização de um sistema para monitorar e regular a produtividade das plantas de acordo com um ou mais aspectos ilustrativos da descrição.

[0057] As Figuras 6A a 6C são diagramas de blocos que ilustram quatro fases exemplificativas de um método para monitorar e regular a produtividade das plantas de acordo com um ou mais aspectos ilustrativos da descrição.

[0058] A Figura 7 é um diagrama de fluxo direcionado a um método de monitorar e regular a produtividade das plantas de acordo com um ou mais aspectos ilustrativos da descrição.

[0059] A Figura 8 é um diagrama de fluxo direcionado a um método de processar dados de campo e dados externos de acordo com um ou mais aspectos ilustrativos da descrição.

[0060] A Figura 9 é um diagrama de fluxo direcionado a um método de preparar os dados de treinamento de acordo com um ou mais aspectos ilustrativos da descrição.

[0061] A Figura 10 é um diagrama que ilustra a análise de uma série de tempo de acordo com um ou mais aspectos ilustrativos da descrição.

[0062] A Figura 11 é um gráfico exemplificativo no qual os dados de tensão são traçados contra o tempo.

[0063] A Figura 12 é um diagrama de fluxo direcionado a um método de gerar um plano de ação com base em um ou mais modelos de acordo com um ou mais aspectos ilustrativos da descrição.

[0064] A Figura 13 é um diagrama de fluxo direcionado a um método de controlar dispositivos para variar condições do ambiente de acordo com um ou mais aspectos ilustrativos da descrição.

[0065] A Figura 14 é um diagrama de fluxo direcionado a um método de reportar de acordo com um ou mais aspectos ilustrativos da descrição.

[0066] As Figuras 15A a 15C ilustram detalhes de uma implemen- tação exemplificativa de um sistema de computação de produtividade das plantas, operado de acordo com um ou mais aspectos ilustrativos da descrição.

[0067] Será expressamente entendido que a descrição e os desenhos se dão apenas para fins de ilustrar certas concretizações da presente tecnologia e são um meio de entendimento. Eles não se destinam a ser uma definição dos limites da tecnologia.

DESCRIÇÃO DETALHADA

[0068] Na seguinte descrição de várias concretizações ilustrativas, é feita referência aos desenhos anexos, que fazem parte das mesmas, e nos quais são mostradas, por meio de ilustração, várias concretiza- ções nas quais aspectos da descrição podem ser praticados. Será entendido que outras concretizações podem ser utilizadas, e modifi- cações estruturais ou funcionais podem ser feitas, sem se afastar do escopo da presente descrição.

[0069] Conforme aqui usado, a forma singular de "um/uma" e "o/a" incluem referentes plurais a menos que o contexto claramente indique o contrário.

[0070] A expressão "e/ou", quando usada aqui deve ser conside- rada como descrição específica de cada dos dois recursos ou componentes especificados com ou sem o outro. Por exemplo, "A e/ou B" deve ser considerado como descrição específica de cada de (i) A, (ii) B e (iii) A e B, exatamente como se cada fosse definido individualmente aqui.

[0071] Pelo menos, alguns métodos convencionais para aumentar os rendimentos das culturas focam em detectar e corrigir para meramente um ou um pequeno número de fontes de tensão. Entretanto, perdas de rendimento das culturas são frequentemente causadas por inúmeras tensões às quais as culturas são submetidas, durante seu crescimento ou durante os períodos dormentes e de pós-colheita. Focar principal ou exclusivamente, por exemplo, na modificação de práticas de irrigação pode deixar de levar em contar os efeitos interativos entre níveis de umidade do solo e outros fatores que potencialmente afetam a produtividade das plantas.

[0072] Em um amplo aspecto, são descritos aqui sistemas e métodos capazes de contabilizar uma multiplicidade de fatores que podem afetar a produtividade das plantas. Em relação a pelo menos uma concretização exemplificativa, não apenas os sistemas e os métodos facilitam o monitoramento de condições de campo através da coleta de dados obtidos de sensores de campo, mas eles também são capazes de regular a produtividade das plantas de maneira autônoma ao controlar diretamente dispositivos que podem variar essas condições que são esperadas como impactando a produtividade das plantas. Os dispositivos controlados podem atuar, por exemplo, para minimizar a tensão hídrica, tensão do calor, danos de geada, deficiências de nutriente do solo, danos devido à doença ou pragas, e assim por diante.

[0073] Por meio de ilustração, pelo menos algumas concretizações de um sistema e um método para monitorar e regular a produtividade das plantas podem avaliar as interações entre dados do sensor (históricos e/ou tempo real), quantidades ou recursos derivados dos dados do sensor, dados de uma ampla variedade de fontes externas, e combinações variadas dos mesmos. Em algumas concretizações, produtividade, eficiência e/ou fatores de lucratividade podem ser também avaliados.

[0074] Além disso, a análise executada pode compreender aplica- ções de algoritmos de aprendizado, incluindo algoritmos de aprendizado de máquina preditivos, o desempenho dos quais é esperado como sendo aperfeiçoado ao longo do tempo na medida em que dados associados com respostas a ações corretivas iniciadas pelo sistema são realimentados no sistema. Consequentemente, os dispositivos podem ser controlados não apenas para reduzir níveis de tensão detectados, mas também para iniciar medidas preventivas a fim de endereçar aumentos potenciais em tensões determinadas como sendo prováveis na ausência de intervenção, ou para de outro modo aumentar as proteções contra condições previstas que podem adversamente afetar o crescimento. Os limiares que podem definir quando devem ser consideradas ações preventivas e/ou corretivas podem ser dinâmica- mente ajustados. Isto pode levar a uma redução total no nível de tensões experimentadas por uma cultura, que pode, por sua vez resultar em uma melhoria acentuada da saúde da cultura e/ou rendimentos das culturas. O sistema pode também facilitar a otimização de um ou mais outros parâmetros de interesse, incluindo a qualidade de cultura, o tamanho (ou grau), o desenvolvimento da raiz (por exemplo, para árvores novas ou videiras), etc.

[0075] Estes e outros aspectos exemplificativos e concretizações ficarão evidentes a partir da seguinte descrição.

[0076] A Figura 1 mostra um sistema de computação exemplificativo 100 que pode ser usado para implementar qualquer dos vários dispositivos de computação aqui discutidos. Em uma implementação exemplificativa, é empregado um servidor que pode compreender alguns ou todos os componentes do sistema 1000, tipicamente além de outros componentes (não mostrados para fins de brevidade), conforme será apreciado por aqueles versados na técnica. Funções de um servidor ou outro dispositivo de computação podem ser executadas em diversos dispositivos, incluindo, mas não limitados a: um computador pessoal, um computador notebook, um computador tablet e/ou um dispositivo de comunicações móveis, como exemplos.

[0077] O sistema de computação 100 pode incluir um ou mais processadores, coletivamente indicados como um processador 101 na Figura 1. O processador 101 pode executar instruções de um programa de computador para executar qualquer dos recursos aqui descritos. O processador 101 pode compreender, por exemplo, uma ou mais unidades de processamento central (CPUs), uma ou mais unidades de processamento gráfico (GPUs), e/ou uma ou mais unidades de processamento de tensor (TPUs). As instruções podem ser armazenadas em qualquer tipo de meio legível por computador ou memória, para configurar a operação do processador 101. Por exemplo, as instruções podem ser armazenadas em uma ou mais de: memória apenas de leitura (ROM) 102, memória de acesso aleatório (RAM) 103, meios removíveis 104, tal como uma unidade de Barra Serial Universal (USB), disco compacto (CD) ou disco versátil digital (DVD), unidade de disco flexível, memória flash, ou qualquer outro meio de armazenamento desejado. Instruções podem também ser armazenadas em um disco rígido conectado ou interno 105. O sistema de computação 100 pode incluir um ou mais dispositivos de saída, tal como um ou mais telas, coletivamente indicadas como a tela 106 na Figura 1, e pode incluir um ou mais controladores de dispositivo de saída 107, tal como um processador de vídeo. Pode haver também um ou mais dispositivos de entrada de usuário 108, tal como um teclado, um mouse, uma tela de toque, um microfone, etc. Dispositivos de entrada 108 podem também compreender ou ser comunicativamente acoplados a dispositivos que proveem dados de sensor, tal como um acelerômetro, um sensor de temperatura do dispositivo, e assim por diante. O sistema de computação 100 pode também incluir uma ou mais interfaces de rede, tal como um circuito de entrada/saída (I/O) de rede 109, por exemplo, um cartão de rede, para se comunicar com uma rede externa 110 e/ou outros dispositivos de rede. O circuito I/O de rede 109 pode ser uma interface com fio, uma interface sem fio, ou uma combinação das duas. O sistema de computação 100 pode compreender um dispositivo de detecção de localização, tal como um microprocessador de um sistema de posicionamento global (GPS) 111, que pode ser configurado para receber e processar sinais de posicionamento global e determinar, com possível assistência de um servidor externo e antena, uma posição geográfica do sistema de computação 100.

[0078] A Figura 1 ilustra uma configuração de hardware de um dispositivo de computação em uma implementação exemplificativa do sistema de computação 100, mas deve ser entendido que alguns ou todos os componentes ilustrados podem ser implementados como software. Em algumas implementações, elementos de hardware e de software podem coexistir em uma plataforma física comum. Além disso, modificações podem ser feitas para acrescentar, remover, combinar ou distribuir componentes do sistema de computação 100.

[0079] Um ou mais aspectos da descrição podem ser concretizados em dados usáveis por computador ou instruções executáveis por computador, tal como em um ou mais módulos de programa, executados por um ou mais dispositivos de computação e/ou outros dispositivos. De modo geral, módulos de programa incluem rotinas,

programas, objetos, componentes, estruturas de dados, e outros elementos que executam tarefas específicas ou implementa tipos de dados abstratos específicos quando executados por um processador em um dispositivo de computação ou outro dispositivo. As instruções executáveis por computador podem ser armazenadas em um ou mais meios legíveis por computador incluindo, mas não limitados a um disco rígido, um disco óptico, uma memória de estado sólido, RAM, ROM, meios de armazenamento removíveis, memória flash, e assim por diante. Em várias concretizações, a funcionalidade dos módulos de programa pode ser combinada em um ou mais módulos que residem em um ou mais dispositivos ou distribuída entre eles; a funcionalidade pode ser também concretizada no todo ou em parte em equivalentes de firmware ou hardware, incluindo, mas não limitado a circuitos integra- dos, arranjos de portas programáveis em campo (FPGA) e assim por diante.

[0080] A Figura 2 mostra um dispositivo sensor exemplificativo 200 que pode ser usado em uma ou mais concretizações aqui descritas. O dispositivo sensor 200 pode compreender um relé 206 e um sensor 212. O dispositivo sensor pode se comunicar com uma rede de comunicação 202, que pode ser parte da rede 110 ou acoplada à mesma (Figura 1). A rede de comunicação 202 pode ser conectada a um ou mais sistemas de processamento de dados ou estar em comunicação com um ou mais sistemas de processamento (por exemplo, sistema de computação 100 da Figura 1), e cada sistema de processamento de dados pode gerenciar alguns ou todos os dados recebidos do dispositivo sensor 200. Os dados recebidos do dispositivo senso 200 podem ser armazenados em um banco de dados (não explicitamente mostrados na Figura 2).

[0081] O relé 206 (que pode ser referido como uma "porta de ligação") pode estabelecer uma conexão de comunicação 208 entre o sensor 212 e o relé 206. O relé 206 pode estabelecer uma conexão de comunicação 204 entre o relé 206 e a rede de comunicação 202, ou um sistema acessado usando a rede de comunicação 202, tal como um sistema de processamento de dados. Em certos exemplos de operação, tanto a conexão de comunicação 204 quanto a conexão de comuni- cação 208 podem ser inicializadas e/ou estar ativas, ou um maior número de conexões de comunicação pode ser inicializado e/ou estar ativo. Em algumas implementações, as conexões de comunicação 204 e/ou 208 podem ser sem fio, com comunicações nas mesmas governadas por um ou mais protocolos de comunicação sem fio. Um protocolo de comunicação sem fio pode ser usado para trocar dados entre o relé 206, que pode ser instalado acima do solo, e o sensor 212, que pode estar acima do solo ou enterrado subterrâneo. As comunica- ções com fio ou sem fio podem ser usadas para transmitir dados através de uma área terrestre 210. O protocolo de comunicação sem fio pode usar um baixo consumo de energia. O sensor 212 pode se comunicar com outros sensores (por exemplo, pelo menos um outro sensor 212). Os dados comunicados entre o relé 206, o(s) sensor(es) 212, e/ou a rede de comunicação 202 podem ser criptografados.

[0082] O sensor 212 (que pode ser também referido como um "sensor de campo" ou "sonda") pode ser autocontido e/ou compreender uma fonte e energia elétrica. O sensor 212 pode medir uma ou mais variáveis associadas com condições do solo. Exemplos de variáveis que podem ser medidas incluem, mas não são limitadas à tensão do solo, ao conteúdo de água do solo, à temperatura do solo, ao pH, ao conteúdo de nitrato do solo e à salinidade do solo. Outros exemplos podem ser identificados e descritos em algum outro lugar na presente descrição.

[0083] Os dados medidos pelo sensor 212 podem ser transmitidos, através do relé 206, para a rede de comunicação 202. O sensor 212 pode ser localizado acima do piso e/ou pode ser enterrado em uma profundidade. A profundidade do sensor 212 pode ser selecionada com base em um tipo de variável a ser medida. Uma localização e/ou profundidade do sensor 212 podem ser selecionadas com base em se o sensor 212 deve manter o elo de comunicação 208 com o relé 206. As comunicações entre o sensor 212 e a rede de comunicação 202 podem ocorrer sem passar através do relé 206 ou de uma porta de ligação ou semelhante.

[0084] Em algumas implementações, o dispositivo sensor 200 pode medir os dados continuamente e/ou em tempo real. Além disso, um ou mais dispositivos sensores 200, ou uma ou mais porções de dispositivos sensores 200, podem ser agrupados entre si para formar uma estação de sensor. Dependendo da implementação específica, uma estação de sensor pode compreender um ou mais relés, e pode se conectar, direta ou indiretamente, a um ou mais sistemas de processamento de dados.

[0085] A Figura 3 mostra uma implementação exemplificativa onde os dados são coletados dos dispositivos sensores. A Figura 3 ilustra múltiplos dispositivos sensores (por exemplo, o dispositivo sensor 200 da Figura 2) que se comunica com um sistema de processamento de dados 302 sobre uma rede de comunicação 202. Os dispositivos sensores são localizados em uma área que compreende quatros lotes de terra 310, 320, 330 e 340. O lote 310 compreende um sensor 312 e um relé 314, que formam um dispositivo sensor. O lote 320 compreende dois sensores 322 e 326 e um relé 324. O lote 330 compreende três sensores 332, 337 e 338 e três relés 334, 336 e 339. O lote 340 compreende um sensor 346 e um relé 342.

[0086] Os sensores 312, 322, 326, 332, 337, 338, e 346 são implantáveis em lotes 310, 320, 330 e 340, e podem medir variáveis, tais como as variáveis que indicam condições do solo nos lotes 310, 320, 330 e 340. Cada dos sensores 312, 322, 326, 332, 337, 338 e 346 pode medir uma ou mais variáveis associadas com as condições do solo de sua respectiva área. Os relés 314, 324, 334, 336, 339 e 342 podem transmitir dados usando a rede de comunicação 202. O sistema de processamento de dados 302 pode receber dados transmitidos pelos relés 314, 324, 334, 336, 339 e 342. O sistema de processamento de dados 302 pode transmitir os dados recebidos, analisar os dados recebidos, armazenar os dados recebidos em um banco de dados, e/ou executar quaisquer outras funções com todos os dados recebidos ou uma porção dos mesmos.

[0087] O sistema de processamento de dados 302 pode receber e/ou armazenar vários tipos de dados, tais como dados topográficos, dados do solo, dados hidrográficos, dados de uso do solo, dados da vida selvagem, dados da planta, dados meteorológicos e/ou outros tipos de dados. Por exemplo, o sistema de processamento de dados 302 pode receber e/ou armazenar dados espectrais visíveis e/ou dados espectrais não visíveis das áreas 310, 320, 330 e 340. Os dados espectrais não visíveis da área podem compreender medições de comprimentos de ondas que variam de ultravioleta a micro-ondas.

[0088] Os dados medidos pelos dispositivos sensores e/ou gerenciados pelo sistema de processamento de dados 302 podem ser usados, conforme descrito em maiores detalhes abaixo, para gerenciar a produtividade das plantas.

[0089] A Figura 4 é um diagrama de blocos que ilustra componentes exemplificativos de um sistema de produtividade das plantas 400 para monitorar e regular a produtividade das plantas de acordo com um ou mais aspectos ilustrativos da descrição. O sistema ilustrado na Figura 4 pode usar sensores, tais como sensores de tempo real. Além disso, o sistema 400 pode empregar análise estatística e numérica e/ou técnica de aprendizado de máquina para regular as condições que afetam a produtividade das plantas. Em pelo menos uma concretização, o sistema 400 é operável para recomendar mudanças para as operações atuais ou futuras para otimizar a produtividade das plantas, ou, mais amplamente, para otimizar uma saída desejada.

[0090] Os sensores de monitoramento 420 podem coletar dados de campo 430 (também referidos aqui, em geral, como dados de sensor), tais como dados que indicam as condições do solo, as condições climáticas, a qualidade da água, ou quaisquer outros dados relacio- nados a fatores que possam ter um impacto sobre a produtividade das plantas, potencialmente em tempo real ou próximo do tempo real. Os sensores de monitoramento 420 podem compreender dispositivos sensores 200 (Figura 2) descritos acima, ou podem ser qualquer outro tipo de sensor. Os dados de campo 430 podem compreender múltiplos fatores relacionados à produtividade das plantas, pelo menos alguns dos múltiplos fatores apresentando interação entre si. Em outras concretizações, os múltiplos fatores apresentam múltiplas interações.

[0091] Os sensores de monitoramento 420 podem conduzir, cada qual, medições e obter dados de sensor relacionados a uma ou mais variáveis. Por exemplo, os sensores de monitoramento 420 podem avaliar a capacidade de o solo prover água e nutrientes para as culturas e, mais geralmente, detectar a presença de condições favoráveis ou indesejáveis. Os sensores de monitoramento 420 podem ser localizados acima ou abaixo do solo, na água, em uma superfície ou conectada à mesma, ou em qualquer outra localização apropriada para medir variáveis. Os sensores de monitoramento 420 podem ser integrados em dispositivos ou sistemas. Qualquer número e tipo de sensores de monitoramento 420 pode ser usado no sistema 400.

[0092] Os sensores de monitoramento 420 podem ser localizados em diferentes localizações de locais de produção e/ou em um equipamento diferente ou máquinas e/ou integrados dentro dos mesmos. Os dados de sensor recebidos pelos sensores de monito- ramento 420 podem refletir mudanças nas condições do campo através de diferentes localizações e/ou ao longo do tempo.

[0093] Por meio de ilustração, os dados de sensor podem ser coletados em associação com uma ou mais condições do solo, incluindo, mas não limitadas à tensão hídrica, ao conteúdo da água, ao conteúdo de nitratos, ao conteúdo de nutrientes, à condutividade elétrica, à salinidade, ao potencial osmótico, à profundidade do lençol freático, à temperatura, ao nível de aeração ou ao conteúdo de ar, e ao nível do pH.

Os dados de sensor podem ser coletados em associação com uma ou mais condições da água, incluindo mas não limitadas ao nível da água, à temperatura, à condutividade elétrica, à salinidade, ao conteúdo de nitratos, ao conteúdo de nutrientes, aos níveis de contaminante, e ao nível do pH.

Os dados de sensor podem ser coletados em associação com uma ou mais condições ou atividade fisiológica da planta, incluindo, mas não limitadas à temperatura de copa, aos dados de dendrometria, à umidade da folha, à temperatura da folha, ao fluxo de seiva, ao diâmetro do caule ou ao crescimento do caule, e potencial de xilema.

Os dados de sensor podem ser coletados em associação com uma ou mais atividades biológicas, incluindo, mas não limitadas a níveis de praga, níveis de doença, níveis de esporo, níveis de erva daninha, níveis de atividade microbiana, e níveis de atividade de polinizadores.

Os dados de sensor podem ser coletados em associação com uma ou mais condições climáticas, incluindo, mas não limitadas à temperatura, à umidade relativa, à pressão atmosférica, à radiação solar, a níveis de precipitação, à velocidade do vento e à direção do vento.

Os dados sensores podem ser coletados em associação com uma ou mais medidas de desempenho de equipa- mento, incluindo, mas não limitadas a níveis de pressão de bomba e níveis de pressão de óleo.

Os vários tipos de dados recebidos pelos sensores de monitoramento 420 acima descritos não se destinam a ser limitativos; em particular, o sistema 400 pode se adaptar ao monito- ramento, à coleta e à análise de outros dados que possam ser conhecidos como potencialmente impactando a produtividade das plantas. Em alguns exemplos, os dados de sensor recebidos dos sensores de monitoramento 420 podem ser suplementados por dados adicionais originários, por exemplo, da inspeção visual de uma determinada condição no campo.

[0094] Em pelo menos uma concretização, funções de processa- mento de núcleo do sistema 400 podem ser providas por um sistema de computação 440. Em algumas implementações, o sistema de computação 440 pode compreender um ou mais sistemas ou disposi- tivos, tal como aquele representado como 100 na Figura 1. O sistema de computação 440 pode compreender um receptor de dados 442, um regulador de produtividade das plantas inteligente 444, um controlador de equipamento 446 e/ou um assessor de desempenho 448.

[0095] O receptor de dados 442 pode receber dados dos sensores de monitoramento 420. Por exemplo, o receptor de dados 442 pode receber dados de campo 430 de sensores de monitoramento 420, como é medido (por exemplo, em tempo real) e/ou em vários intervalos. Por exemplo, alguns sensores de monitoramento 420 podem transmitir dados de campo 430 para o sistema de computação 440 continuamente na medida em que os dados são medidos, enquanto outros sensores de monitoramento 420 podem transmitir dados de campo 430 em intervalos preestabelecidos, tal como diária ou semanalmente. Quando os dados de sensor forem transmitidos em certos intervalos, os dados poderão refletir condições no momento de uma determinada transmissão e/ou condições durante um período de tempo que precede a determinada transmissão.

[0096] Nas concretizações variantes, o sistema de monitoramento 420 pode transmitir dados de campo 430 em um tempo diferente de um intervalo preestabelecido, visto que um ou mais componentes de sistema de computação 440 determinam que certas condições sejam satisfeitas. Por exemplo, com relação à temperatura do ar, os dados de temperatura podem, por padrão, ser transmitidos em um intervalo preestabelecido de 30 minutos, mas mais frequentemente quando geada for iminente. Consequentemente, quando um certo limiar (por exemplo, temperatura) for atendido, a frequência de transmissão poderá ser modificada e/ou uma transmissão poderá ser feita em momentos que não aqueles definidos pelo intervalo preestabelecido. Como um exemplo adicional, os dados de tensão hídrica podem ser transmitidos mais frequentemente do que o intervalo de padrão, durante a irrigação.

[0097] Conforme representado na Figura 4, o receptor de dados 442 pode também receber e/ou coletar dados externos 450. Os dados externos podem compreender dados relacionados à produtividade das plantas que podem ser coletados de fontes que não o que é diretamente medido por sensores de monitoramento 420 desenvolvidos em um campo específico ou local de interesse. Como exemplos, os dados externos não podem se originar de um sensor de capo, ou podem se originar de dados (por exemplo, em tempo real, históricos, e/ou previstos) obtidos por sensores implantáveis em um ou mais locais fora do local de interesse. Consequentemente, dados externos podem pertencer a uma ou mais categorias de dados que incluem, mas não limitados a dados de local externo dados ambientais, dados de satélite, dados de recurso, e dados econômicos. Os dados podem se tornar acessíveis via um site da web, um serviço da web, um banco de dados, uma interface de cronograma de aplicativo (API), um servidor, um sistema de computação, um dispositivo e/ou outra fonte de dados.

[0098] Por exemplo, os dados externos 450 podem compreender dados de condições climáticas, tais como dados de condições climáticas locais, regionais e/ou previstos. Os dados de condições climáticas podem compreender a velocidade do vento, a umidade do ar, a temperatura, a precipitação, o índice de cobertura de nuvem, a pressão atmosférica, o ponto de condensação da água, a evapotranspiração (ET), e/ou quaisquer outros dados de condições climáticas medidos ou previstos. Os dados externos 450 podem compreender dados de imagem e de espectrografia obtidos por vários métodos, tais como câmeras fixas, drones, aviões, satélites, etc. Os dados externos 450 podem compreender dados de perfil do solo, dados de textura ou classe do solo, dados de granulometria do solo, dados de compactação do solo, e outros dados descritivos de certas recursos (por exemplo, previamente medidos e/ou relatados) e propriedades físico-químicas, hidráulicas e/ou biológicas do solo no determinado local, etc. Dados externos 450 podem compreender dados descritivos da cultura no local, tais como a espécie, a variedade, a densidade do plantio, a data do plantio, o estágio fisiológico, o objetivo de colheita, o tipo de sistema de irrigação, etc.; dados históricos, tais como dados de rendimento históricos, podem também ser providos. Dados externos 450 podem compreender dados relacionados a variáveis econômicas, tais como preços do mercado de ações, insumos, energia, e custos trabalhistas, etc. Dados externos 450 podem compreender dados que descrevem restrições legais e reguladoras, tais como restrições sobre o uso de certos recursos ou insumos. Os dados externos 450 podem compreen- der dados associados com restrições de irrigação, restrições de cronograma, práticas culturais, etc.

[0099] Com referência novamente à Figura 4, o sistema de computação 440 compreende um regulador inteligente de produtividade das plantas 444, que pode analisar os dados de campo 430, os dados externos 450, e/ou quaisquer outros dados coletados. O controlador de equipamento 446 se comunica com dispositivos controláveis 452. Os dispositivos controláveis 452, que podem compreender equipamento e/ou maquinário, podem ser construídos, pelo controlador de equipa- mento 446, para controlar a partida, a operação e a paralisação de vários subsistemas, tais como a irrigação, a fertirrigação e aplicações de vários produtos, incluindo sua disponibilidade em tanques. Por exemplo, o controlador de equipamento 446 pode ser usado para automatizar a introdução de água e fertilizante no campo, intervir na prevenção de doenças e pragas, e/ou iniciar outras intervenções, tais como semeadura, corte de planta, preparo do solo, etc. Os dispositivos controláveis 452 podem compreender um atuador que controla uma bomba (liga/desliga) e/ou um solenoide que controla (abre/fecha) uma válvula para irrigar um campo. Quaisquer mudanças resultantes da operação do dispositivo controlável 452 podem ser subsequentemente detectadas por sensores de monitoramento 420, completando assim um circuito de feedback. Pelo menos, alguns dispositivos (motores, bombas, injetores de fertilizante, filtros, etc.) dispõem de sensores que proveem dados que podem ser transmitidos novamente para componentes do sistema de computação 440 que podem ser usados como feedback. Quando dispositivos não forem equipados com tais sensores (ou quando feedback adicional for útil mesmo quando tais dispositivos forem equipados com tais sensores), um ou mais sensores de feedback poderão ser empregados para auxiliar em determinar se um determinado dispositivo está operando adequadamente. Estes dados de feedback podem ser outra fonte de dados que pode ser usada em um aprendizado de máquina e tarefas de otimização, conforme será discutido abaixo.

[00100] O assessor de desempenho 448 pode gerar um ou mais status e/ou relatórios de atividade 454.

[00101] Pelo menos algumas das funções do receptor de dados 442, do regulador inteligente de produção de plantas 444, do controlador de equipamento 446, e/ou do assessor de desempenho 448 podem ser executadas em um ou mais dispositivos ligados em rede 460, que podem incluir dispositivos acessíveis via a Internet (por exemplo, a

"nuvem"). Similarmente, pelo menos alguns dados utilizados pelo receptor de dados 442, pelo regulador de produção de planta inteligente 444, pelo controlador de equipamento 446 e/ou pelo assessor de desempenho 448 podem ser armazenados temporariamente e/ou permanentemente em um ou mais dispositivos de rede 460, que podem incluir dispositivos acessíveis via a Internet (por exemplo, a "nuvem"). Detalhes adicionais destes e de outros componentes do sistema de computação 440 serão descritos aqui com referência às Figuras apresentadas a seguir.

[00102] As Figuras 5A e 5B são diagramas que ilustram algumas diferenças entre certos sistemas de monitoramento convencionais e recursos de pelo menos uma concretização de um sistema para monitorar e regular a produtividade das plantas de acordo com um ou mais aspectos ilustrativos da descrição. Em particular, a partir de uma ampla perspectiva do usuário, o usuário do sistema será central ao processo de tomada de decisão e intervenção quando o sistema de monitoramento convencional da Figura 5A for empregado. O usuário considera as medições que são recebidas, que podem incluir dados de sensor, mas tipicamente determina limiares a serem aplicados e toma decisões quanto a que mudanças se fazem necessárias. O usuário será, em geral, responsável por determinar os cronogramas apropriados (por exemplo, cronogramas de operação para equipamentos) e planos de ação, e pode subsequentemente operar o equipamento de acordo com essas ações planejadas. Em contraste, novamente a partir de uma ampla perspectiva do usuário, em pelo menos uma concretização dos sistemas e métodos aqui descritos, o usuário pode desempenhar um papel mais passivo onde a intervenção do usuário é minimizada. Por exemplo, conforme mostrado na Figura 5B, o sistema pode determinar e dinamicamente ajustar limiares para otimizar o desempenho para uma ampla variedade de variáveis suportadas. Dependendo da implementação e do nível de interação do usuário desejada, o sistema pode estabelecer calendários provisionais, executar itens de ação, prover alertas e relatórios para usuários, e ajustar planos de ação e cronogramas em resposta às condições de mudança que podem afetar a produtividade das plantas. O usuário pode ser provido com informação variada (por exemplo, incluindo dados em tempo real, históricos e previstos) para auxiliar em determinar se a intervenção manual, caso desejado, se faz necessária.

[00103] As Figuras 6A a 6C são diagramas de bloco, mostrados geralmente como 600, que ilustram quatro fases exemplificativas de um método para monitorar e regular a produtividade das plantas de acordo com um ou mais aspectos ilustrativos da descrição, e os tipos de dados que podem ser recebidos, coletados, computados, controlados, emiti- dos e/ou de outro modo processados nas respectivas fases. Deve ser enfatizado que os itens identificados nestas Figuras (particularmente nas Figuras 6B e 6C) sejam providos e descritos aqui como exemplos apenas, e não se destinam a ser exaustivos ou limitativos de maneira alguma.

[00104] Uma primeira fase 610 (Figuras 6A e 6B) pode ser referida como uma fase de alimentação de modelo. Inúmeros tipos de dados, incluindo dados de sensor (por exemplo, dados de monitoramento de campo; vide também a Figura 4 e a descrição anexa), dados externos (por exemplo, dados de descrição de local), e/ou outros itens de dados (por exemplo, dados de sensor remoto) podem ser medidos ou de outro modo obtidos para processamento adicional (por exemplo, sistema de computação 440 da Figura 4).

[00105] Uma segunda fase 620 (Figuras 6A e 6B) pode ser referida como um plano de ação ou fase de computação de cronograma. Conforme será discutido em detalhes adicionais com referência às Figuras subsequentes, dados adicionais podem ser calculados (por exemplo, geração de recursos) com base nos dados recebidos na primeira fase 610. Modelos estatísticos e/ou algoritmos de aprendizado de máquina podem ser empregados para determinar um plano de ação otimizado ou cronograma para controlar o ambiente (por exemplo, via dispositivos controláveis) no local de interesse. Interações de usuário entre o sistema e os usuários podem ser facilitadas, onde a entrada de usuário pode ser considerada na determinação do plano de ação ou cronograma otimizada.

[00106] Uma terceira fase 630 (Figuras 6A e 6C) pode ser referida como um plano de ação ou fase de execução de cronograma. Conforme será discutido em maiores detalhes com referência às Figuras subsequentes, vários equipamentos, maquinário e outros dispositivos (por exemplo, dispositivos controláveis 452 da Figura 4) podem ser controlados pelo sistema para executar (por exemplo, de maneira automatizada, ou potencialmente de maneira semiautomatizada permitindo certo grau de controle do usuário) o plano de ação otimizado ou o cronograma determinado na segunda fase 620. Isto pode acarretar, por exemplo, a injeção controlada de água e fertilizantes, e tarefas de cronograma para um ótimo consumo de energia. Tarefas de gestão de inventário automatizadas podem ser também executadas pelo sistema nesta terceira fase 630.

[00107] Uma quarta fase 640 (Figuras 6A e 6C) pode ser referida como uma fase de análise de desempenho. Conforme será discutido em maiores detalhes com referência às Figuras subsequentes, várias análises podem ser conduzidas e relatadas ao usuário. Podem ser providos certos dados relatados nesta fase que refletem o estado atual da produtividade das plantas (por exemplo, o rendimento das culturas) no local de interesse. Os dados podem ser também providos em relação aos dados históricos e/ou projeções futuras referentes à produtividade das plantas no local de interesse. Por meio de exemplo adicional, os níveis de recursos (por exemplo, água, nutrientes, energia, trabalho, etc.) e o uso podem ser também relatados.

[00108] Quando mudanças no ambiente e na produtividade das plantas forem afetadas, pelo menos em parte, devido ao plano de ação ou cronograma executado na terceira fase 630, pelo menos alguns dos dados (vide primeira fase 610) usados como entrada no sistema (por exemplo, conforme processados na segunda fase 620) irão sofrer mudança, provendo assim um circuito de feedback natural (por exemplo, conforme mostrado na Figura 6A). O feedback pode também ser recebido diretamente via um ou mais sensores de campo, por exemplo. Consequentemente, pelo menos algumas concretizações de um método de monitorar e regular a produtividade das plantas irão envolver ciclos contínuos através das quatro fases. Contudo, deve ser notado que o número de fases, a sequência de fases, as categorias descritivas identificadas, o processamento executado em cada fase, e os dados processados em cada fase, conforme pode ser descrito com referência às Figuras de 6A a 6C e outras Figuras são providos para fins de ilustração; aqueles versados na técnica entenderão que modifi- cações às inúmeras fases, à sequência de fases, às categorias identificadas, ao processamento executado em cada fase, e/ou aos dados processados em cada fase podem ser definidas diferentemente em implementações variantes. Isto pode incluir, por exemplo, a combinação e/ou a distribuição de certas tarefas de processamento através do mesmo número ou de um número diferente de fases; a consideração de menos itens de dados adicionais e/ou diferentes; variações na ordenação de certas tarefas ou computações (por exemplo, certas tarefas podem ser executadas em uma sequência diferente e/ou certas tarefas podem ser sequenciadas para permitir a computação paralela, potencialmente em diferentes unidades de processamento, etc.), e assim por diante. Por meio de exemplo adicional, em pelo menos algumas concretizações, uma determinada fase, conforme representado em qualquer das Figuras de 6A a 6C, não precisa ser completada em sua totalidade para uma determinada iteração antes das tarefas para uma fase diferente em uma iteração diferente sejam iniciadas. Em certas concretizações, um sistema para monitorar e regular a produtividade das plantas, conforme ainda descrito aqui, pode ser adaptado para automaticamente determinar que o monitoramento de certos dados não mais precisa ser executado em um ponto específico no tempo, e consequentemente abandonar a coleta e/ou o registro deste tipo de dados. Similarmente, se certos dados não forem coletados ou não estiverem sendo coletados e/ou registrados, o sistema poderá ser adaptado para determinar que o monitoramento dos dados precisa ser coletado (ou a coleta precisa ser resumida) a partir de um ponto específico no tempo para a frente, e consequentemente iniciar (ou reiniciar) a coleta e/ou o registro deste tipo de dados.

[00109] A Figura 7 é um diagrama de fluxo de um método, mostrado geralmente como 700, para monitorar e regular a produtividade das plantas de acordo com um ou mais aspectos ilustrativos da descrição. Em uma ou mais concretizações, o método 700 ou um ou mais atos do mesmo podem ser executados por um ou mais dispositivos de computação ou entidades. Por exemplo, um ou mais atos do método 700 podem ser executados por componentes do sistema de compu- tação 440 da Figura 4, ou pelo dispositivo de computação 100 da Figura

1. O método 700 ou um ou mais atos do mesmo podem ser concre- tizados em instruções executáveis por computador armazenadas em meios legíveis por computador, tal como um meio legível por compu- tador não transitório. Alguns atos ou porções de atos no diagrama de fluxo podem ser omitidos, ou executados em uma ordem diferente.

[00110] Em 710, dados de campo (por exemplo, 430 da Figura 4) e/ou dados externos (por exemplo, 450 da Figura 4) podem ser recebidos. Os dados de campo podem ser medidos por sensores localizados em um local de interesse ("campo"). Por exemplo, uma pluralidade de medições indicativas de desempenho do sistema (por exemplo, como referente à comunicação, à energia, ao funcionamento de eletrônica, etc.) de transmissores e sensores pode ser recebida, e pode potencialmente ser usada para identificar e/ou prever exemplos e/ou causas de mau funcionamento do equipamento. Os dados recebidos podem passar por um pré-processamento adicional, incluin- do, por exemplo, padronização e/ou limpeza de dados. A validação dos dados recebidos pode ser também executada em 710. Esta tarefa pode corresponder à primeira fase 610 da Figura 6. Detalhes adicionais em relação a esta tarefa serão descritos abaixo com referência à Figura 8.

[00111] Em 720, pode ser gerado um conjunto de treinamento compreendendo dados para modelos de treinamento (por exemplo, aprendizado de máquina). Os dados de campo e/ou dados externos (por exemplo, compreendendo dados históricos) recebidos em 710 podem ser usados para gerar o conjunto de treinamento. Dados adicionais (por exemplo, recursos) podem ser derivados ou de outro modo gerados dos dados de campo e/ou dados externos recebidos em 710, para inclusão no jogo de treinamento. Contrariamente, dados para certos recursos podem ser seletivamente excluídos do conjunto de treinamento (por exemplo, com a redução de dimensão). O sistema de computação 440 em seu curso de operação pode determinar que certos recursos sejam excluídas. Esta tarefa pode corresponder à segunda fase 620 da Figura

6. Detalhes adicionais em relação a esta tarefa serão descritos abaixo com referência à Figura 9.

[00112] Em 730, os dados do conjunto de treinamento gerado em 720 podem ser empregados para gerar um plano de ação ou crono- grama. Isto pode acarretar determinar valores excelentes para vários fatores controláveis sob certas restrições, bem como um conjunto de ações correspondentes para otimizar a produtividade das plantas. Interações entre variáveis associadas com a produtividade das plantas podem ser contabilizadas, e valores previstos para uma ou mais variáveis associadas com a produtividade das plantas podem ser computados. Por exemplo, pelo menos alguns dados do conjunto de treinamento podem ser usados para treinar um algoritmo de aprendi- zado de máquina e/ou para criar um modelo estatístico, que pode ser então usado para gerar previsões para variáveis de interesse. Esta tarefa pode corresponder à segunda fase 620 da Figura 6. Detalhes adicionais em relação a esta tarefa serão descritos abaixo com referência à Figura 12.

[00113] Por meio de exemplo, quando o sistema for disposto para gerar um plano de ação que leva em conta os dados referentes aos parâmetros, tal como a tensão do solo e a salinidade do solo, métodos da presente tecnologia poderão compreender avaliar os diferentes modelos para os dois parâmetros individualmente, bem como avaliar a interação entre todas as combinações dos modelos para a tensão do solo e a salinidade do solo para diferentes contextos. Um contexto é uma combinação de uma cultura, uma região, um estágio de desenvol- vimento, uma condição ambiental, etc. As avaliações ("métrica") são salvas em uma matriz multidimensional para os diferentes contextos para a tensão do solo e a salinidade do solo individualmente, bem como a tensão do solo e a salinidade do solo testadas em combinação. A métrica usada pode ser erro absoluto médio (MAE), erro de raiz quadrada (RMRE), ou semelhante. O sistema computa uma previsão para a tensão do solo e a salinidade do solo para prover um plano de ação em um contexto específico. Isto é gerado com base em uma seleção dos melhores modelos de acordo com as avaliações anteriores. Um otimizador pode ser usado para gerar o plano de ação com base nos impactos menos negativos. Quando um novo contexto for detectado ou um limiar predeterminado for alcançado, o sistema irá recalcular a previsão para os parâmetros levando em conta o novo contexto ou o limiar atualizado. Pelo menos, algumas destas operações podem ser executadas em paralelo entre si. Pelo menos, algumas destas opera- ções podem ser pré-computadas a fim de aumentar o desempenho do sistema em tempo real.

[00114] Em 740, é gerado o plano de ação ou o cronograma gerado em 730. Isto pode implicar em fazer com que dispositivos controláveis (por exemplo, 452 da Figura 4) variem as condições do ambiente de produção de planta de acordo com o plano de ação. Por exemplo, um sistema de irrigação pode ser instruído para operar de acordo com o plano de ação. Esta tarefa pode corresponder à terceira fase 630 da Figura 6. Detalhes adicionais em relação a esta tarefa serão descritos abaixo com referência à Figura 13.

[00115] Em 750, o desempenho do sistema de produtividade das plantas pode ser analisado, e relatórios associados podem ser gerados. Esta tarefa pode corresponder à quarta fase 640 da Figura 6. Detalhes adicionais em relação a esta tarefa serão descritos abaixo com referência à Figura 14.

[00116] A Figura 8 é um diagrama de fluxo para ilustrar aspectos adicionais de 710 do método 700 em pelo menos uma concretização exemplificativa. Um ou mais atos do mesmo poderão ser executados por um ou mais dispositivos ou entidades de computação; um ou mais atos do mesmo poderão ser concretizados em instruções executáveis por computador armazenadas em meios legíveis por computador, tal como um meio legível por computador não transitório. Alguns atos ou porções do mesmo poderão ser omitidos ou executados em uma ordem diferente.

[00117] Em 810, dados de campo são recebidos de sensores, tais como sensores de monitoramento 420 (Figura 4). Os dados podem sofrer certos atos de pré-processamento (por exemplo, limpeza de dados), conforme mostrado em 815.

[00118] Em 820, a detecção de anomalia pode ser executada nos dados, tais como os dados de campo recebidos em 810. Um ou mais algoritmos ou técnicas de aprendizado de máquina podem ser empregados para executar a detecção de anomalia. Por exemplo, árvores de regressão, análises de grupos, várias análises de séries de tempo e/ou abordagens de aprendizado profundo podem ser execu- tadas para identificar anomalias nos dados.

[00119] Em 830, os dados externos (por exemplo, compreendendo dados históricos) podem ser recebidos. Fontes de dados externos podem incluir, por exemplo, dados de imagem de satélite, dados de inspeção topográfica, dados do mapa do solo, e dados de previsão de condições climáticas (vide também a Figura 4 e a Figura 6 e a descrição anexa para exemplos adicionais). Os dados podem sofrer certos procedimentos (por exemplo, limpeza de dados), conforme mostrado em 825.

[00120] Em 840, os dados externos recebidos em 830 podem ser armazenados (por exemplo, para fins de backup e/ou de arquivo). Por exemplo, os dados externos recebidos podem ser armazenados em um banco de dados, que pode estar presente total ou parcialmente em dispositivos remotos (por exemplo, armazenamento em nuvem).

[00121] Em 850, os dados externos recebidos em 830 podem ser padronizados. Para padronizar os dados, os dados podem ser alinhados espacial e temporariamente, tal como mediante a interpolação e/ou a extrapolação inteligente, o que pode resultar na criação de dados adicionais. A técnica de padronização empregada pode ser específica a um tipo de dados que são padronizados. Sistemas especialistas podem ser empregados para auxiliar na determinação de como a padronização pode ser executada.

[00122] Em 860, limiares podem ser inicializados, tais como limiares de produtividade. Limiares podem ser inicializados para cada variável do conjunto de variáveis que levam em conta a determinada cultura, o estágio de crescimento e a área geográfica, o tipo de solo etc. Dados conhecidos e/ou históricos podem ser recuperados dos dados externos, tal como a literatura científica e/ou outros dados, para auxiliar na definição do limiar inicial. Alguns limiares podem ser também supridos pelo usuário. Alguns limiares podem ser também inferidos ou apren- didos pelo sistema (por exemplo, como resultado de uma execução anterior de um algoritmo de aprendizado de máquina e/ou treinamento de um módulo de aprendizado de máquina). Alguns limiares podem ser determinados com base em uma análise de situações similares em um ou mais outros locais.

[00123] Em 870, é compilado um cronograma de produção padrão. O cronograma de produção pode indicar projeções de operação para a temporada atual ou futura. O cronograma de produção pode compreen- der informação relacionada a corte, à semeadura, ao preparo do solo, à manutenção de infraestrutura e máquina, à colheita, ou outras a operações que possam impactar a produtividade das plantas.

[00124] A Figura 9 é um diagrama de fluxo para ilustrar aspectos adicionais de 720 do método em pelo menos uma concretização exemplificativa. Um ou mais atos do mesmo podem ser executados por um ou mais dispositivos ou entidades de computação; um ou mais atos do mesmo podem ser concretizados em instruções executáveis por computador armazenadas em meios legíveis por computador, tal como um meio legível por computador não transitório. Alguns atos ou porções do mesmo podem ser omitidos ou executados em uma ordem diferente.

[00125] Em 910, dados de campo e/ou dados externos podem ser recebidos. Os dados recebidos podem ter sido processados, por exemplo, executando um ou mais atos de 710 (vide Figura 7 e Figura

8). Quando os dados para variáveis primárias forem coletados diretamente do local de interesse (por exemplo, por meio de sensores 420 de Figura 4) ou obtidos de fontes externas, cálculos poderão ser executados para gerar dados adicionais, que podem ser referidos como variáveis secundárias. Esta tarefa pode ser também referida como geração de recurso.

[00126] Variáveis secundárias podem ser calculadas a partir de duas ou mais variáveis primárias ou externas. Variáveis secundárias podem ser também geradas não apenas combinando variáveis primárias, mas também ainda combinado variáveis secundárias e primárias entre si, ou variáveis secundárias e terciárias entre si, e assim por diante. Para facilidade de exposição, dados que são derivados direta ou indireta- mente de uma variável primária são referidos aqui como uma variável secundária.

[00127] Cada variável secundária pode representar um fator que pode ser complementar ou diferente das variáveis nas quais se baseia a variável secundária, e sua construção pode auxiliar em otimizar o desempenho de algoritmos de aprendizado. Por exemplo, variáveis secundárias podem compreender graus-dia de crescimento, déficit de pressão de vapor, evapotranspiração (ET), etc.

[00128] Em 920, uma análise espacial e/ou temporal pode ser executada em alguns ou em todos os dados recebidos em 910. A análise executada pode compreender um agrupamento, uma classifi- cação e/ou uma análise de similaridade. Um modelo apropriado pode ser selecionado de um banco de dados para aplicação a uma primeira iteração de dados, iniciando assim um processo de aprendizado. A análise pode ser executada para cada local recém-implantado.

[00129] Em 930, recursos gerados podem ser derivadas dos dados de campo e/ou dados externos recebidos em 910. A identificação automatizada de recurso de série espaço-temporal de todas as variáveis pode ser executada. Análises temporal e espacial podem ser execu- tadas para sintetizar a informação na forma de múltiplos parâmetros. Estes múltiplos parâmetros podem ser salvos em uma matriz multidimensional. Conforme usado aqui, os parâmetros referem-se a elementos, atividades ou condições do sistema de produtividade ou de seu ambiente que influenciam a produtividade das plantas e que podem ser medidos ou definidos por uma ou mais variáveis. Exemplos de parâmetros incluem, mas não limitados à necessidade de água para a cultura, à necessidade de nutrientes, e à ocorrência ou à presença de doença e pragas ("m & r"). Tais parâmetros são, cada qual, avaliados por diversas variáveis medidas ou calculadas.

[00130] O sistema pode também permitir a identificação de circunstâncias que estão fazendo com que variáveis alcancem limites críticos. Vários recursos de uma determinada série de tempo podem ser avaliados para identificar estas circunstâncias e como eles fazem com que as variáveis alcancem seus limites críticos, incluindo, mas não limitadas a mínimos e máximos locais, a pontos de inflexão, à amplitude, à variância, à média, a derivativas de primeira ordem, segunda ordem e de ordem maior, à tendência, à frequência, à estrutura de autocorrela- ção, à sazonalidade, à estacionariedade, à transformação de Fourier, à decomposição de pequenas ondas, a análises fractais, a valores passados, etc. (vide, por exemplo, Figura 10 na qual é mostrado um método exemplificativo de dissecar uma série de tempo para uma determinada variável). Em alguns exemplos, as circunstâncias surgem e são mostradas por causa da interação entre diversas variáveis. Por exemplo, a Figura 11 ilustra como uma decomposição de uma série de tempo com relação à tensão pode auxiliar na identificação da dinâmica de certo fenômeno que afeta essa variável. No caso de tensão, o histórico de ciclos de drenagem e de umedecimento do solo, as condições climáticas, o tipo de cultura, o estágio fisiológico, a presença de doença ou de insetos, a temperatura do solo, a salinidade, etc. podem ter um impacto. Quanto a quaisquer outras variáveis, a tensão é influenciada pela interação entre todas as outras variáveis, sejam elas atuais, passadas ou futuras.

[00131] Em 940, uma ou mais matrizes multivariadas são construí- das para armazenar os dados (por exemplo, se obtidos diretamente de sensores ou de uma fonte externa, ou através de um processo de geração de recurso) no qual modelos de aprendizado serão subsequen- temente treinados.

[00132] A Figura 12 é um diagrama de fluxo para ilustrar aspectos adicionais de 730 do método 700 em pelo menos uma concretização exemplificativa. Um ou mais atos do mesmo podem ser executados por um ou mais dispositivos ou entidades de computação; um ou mais atos do mesmo podem ser concretizados em instruções executáveis por computador armazenadas em meios legíveis por computador, tal como um meio legível por computador não transitório. Alguns procedimentos ou porções do mesmo podem ser omitidos ou executados em uma ordem diferente.

[00133] Em 1210, pode ser recebido um conjunto de treinamento compreendendo dados de treinamento. Este pode estar na forma de uma matriz ou matrizes multivariadas, como pode ter sido gerado em 940 (Figura 9). Em 1220, podem ser executadas análises de importância de recurso. Recursos, ou características, podem ser identificados e selecionados. Uma estrutura relacional e de múltiplos modelos pode ser definida. Os recursos podem ser classificados ou agrupadas com base na importância para a produtividade das plantas. A classificação de recursos pode ser executada usando sensibilidade local e global, árvores de regressão, classificação, agrupamento, matrizes de correla- ção, componentes principais, posicionamento multidimensional, e/ou regressão sequencial, entre outras técnicas. A classificação de recurso pode ajudar na interpretação de modelo, e pode ser também empregada a fim de identificar um menor subconjunto de dados que podem ser subsequentemente usados para aumentar a eficiência quando do treinamento de modelo, por exemplo. Resultados diferentes podem ser independentemente integrados para selecionar recursos. Estes recursos selecionados podem ser usados para definir a estrutura relacional de modelos multivariados. As relações entre os recursos podem ser identificadas durante a análise de importância de recurso. Uma estrutura lógica para uso na definição de modelos multivariados pode ser determinada. Estes modelos multivariados podem ser usados para prever variáveis.

[00134] Em 1230, um ou mais modelos multivariados podem ser gerados. Isto pode envolver a aplicação de vários algoritmos de aprendizado de máquina e/ou a construção de modelos estatísticos. Podem ser empregadas várias técnicas estatísticas (análise de variância, regressão linear e não linear, semivariograma), análises composicionais, soluções de equações diferenciais e integrais, volume e elementos finitos, uso de redes neurais (por exemplo, aprendizado profundo), máquinas de vetor de suporte, e/ou outros algoritmos.

[00135] Em 1240, componentes temporais e/ou espaciais de variáveis de interesse podem ser previstos, e comparados a limiares correspondentes em 1250. A seleção de uma ou mais variáveis de interesse pode ser executada de acordo com uma medida determinada ou esperada de importância que pode ser relevante para uma ação e/ou atividade específica. Por exemplo, na gestão de nutrientes, 'Nitratos' podem ser considerados como a variável mais importante. Limiares para autorregulação de uma zona de produtividade podem ser determinados e priorizados. A hierarquização pode ser executada usando métodos de otimização interativa com base em simulações combinadas com análises de sensibilidade, árvores de decisão, análises de risco e/ou outros métodos para ação de priorização. Os limiares podem ser projetados para otimizar efeitos positivos sobre todas as variáveis simultaneamente, o que pode minimizar efeitos negativos sobre as variáveis.

[00136] Prioridades para ação podem ser determinadas mesmo quando mais de uma variável se beneficiaria da intervenção. Cronogra- mas de intervenção podem ser produzidos, os quais satisfazem múltiplos limiares simultaneamente. Os cronogramas de intervenção podem também satisfazer outras restrições, tais como restrições de infraestrutura, restrições pessoas ou restrições econômicas. Estas restrições podem ser variadas e podem ser causadas por uma infraestrutura de produção que não suporta a automação de certos componentes, tais como horários de pessoal, acessibilidade a insumos limitados (tais como água, fertilização, pesticida e/ou energia) e/ou custos de operação e projeções sobre preços de venda, entre outras restrições.

[00137] Uma sequência lógica de operações das ações priorizadas pode ser gerada. A sequência de operações pode se apresentar na forma de um cronograma de produção, ou a sequência de operações pode ser usada para gerar a produção de produção. O cronograma de produção pode ser continuamente atualizado, ou atualizado em um intervalo definido.

[00138] Por meio de exemplo, dois exemplos de restrições podem ser: (1) não se pode irrigar no final de semana visto que não há nenhum irrigador disponível; (2) a bomba X tem a capacidade de irrigar apenas 100 acres no momento. Neste contexto, um usuário pode ter a escolha (em contraste a situações em que a consideração do sistema está configurada para aprender como considerar estas restrições) para otimizar o cronograma de acordo com cada restrição. Por exemplo, o usuário pode ser capaz de prover entrada que reflete uma resposta ao prompt: "Se um evento de irrigação for programado para o domingo, você deseja adiá-lo para segunda-feira ou executá-lo mais cedo na sexta-feira?".

[00139] Dois outros exemplos de restrições podem ser: (1) um nível de nitratos no solo que excede o nível permitido por lei e/ou regulações que impediria a fertirrigação como um meio de mediação ou (2) em condições de tensão hídrica, restrições no uso de água, o que impediria que a irrigação fosse executada. Depois de ser alimentado com uma destas restrições, o sistema consideraria e sugeriria ao usuário uma intervenção alternativa para mitigar o nível de tensão e manter a produtividade das plantas com base na análise de outros dados de campo e/ou interações entre múltiplos fatores dos dados de campo e/ou dados gerados.

[00140] A Figura 13 é um diagrama de fluxo que ilustra aspectos adicionais de 740 do método 700 em pelo menos uma concretização exemplificativa. Um ou mais atos do mesmo podem ser executados por um ou mais dispositivos ou entidades de computação; um ou mais atos do mesmo podem ser concretizados em instruções executáveis por computador armazenadas em meios legíveis por computador, tal como um meio legível por computador não transitório. Alguns atos ou porções do mesmo podem ser omitidos ou executados em uma ordem diferente.

[00141] Em 1310, um cronograma (ou plano de ação) pode ser recebido. O cronograma recebido pode ser um cronograma gerado a partir da saída de 730 (vide Figura 7 e Figura 12). O cronograma pode indicar várias atividades a serem executadas. O cronograma pode compreender atividades que podem ser executadas automaticamente e/ou atividades que podem ser executadas por usuários. Os cronogra- mas de operação podem ser direcionados a operações automatizadas, pedidos de insumos, recomendações agronômicas e instruções para atividades não automaticamente suportadas.

[00142] Em 1320, dispositivos controláveis (por exemplo, 452 da Figura 4) podem ser operados para automaticamente variar condições ambientais. O cronograma recebido em 1310 pode compreender informação para operar estes dispositivos controlados.

[00143] Em 1330, outras operações automatizadas podem ser executadas. Por exemplo, pode ser inicializado um processo automati- zado para encher um reservatório/tanque com água, combustível, fertilizantes, etc. para solicitar fertilizantes e/ou manter uma bomba preparada para ficar pronta quando necessário.

[00144] Em 1340, instruções de usuário podem ser emitidas para atividades que não são automaticamente suportadas. As instruções podem se referir, por exemplo, à gestão de insumos ou à manutenção de infraestrutura de produção, tal como o inventário de insumos para a preparação de pedidos, o enchimento de tanques de água, e o status e a qualidade de água para irrigação. As instruções podem compreender um cronograma de atividades a serem executadas pelos usuários. As instruções podem compreender recomendações, solicitações de intervenção, índices de risco, avisos, ou qualquer outro tipo de instrução ou notificação.

[00145] Ajustes de usuário podem ser feitos ao cronograma em

1350. Antes de qualquer ação automatizada ou não automatizada que é aplicada ou recomendada (vide, por exemplo, 1320 a 1340), o usuário pode ser solicitado e/ou autorizado a fazer ajustes operacionais. Por exemplo, o cronograma pode ser emitido para o usuário por uma interface de usuário, e ajustes para o cronograma podem ser recebidos pela interface de usuário.

[00146] A Figura 14 é um diagrama de fluxo para ilustrar aspectos adicionais de 750 do método 700 em pelo menos uma concretização exemplificativa. Um ou mais atos do mesmo podem ser executados por um ou mais dispositivos ou entidades de computação; um ou mais atos do mesmo podem ser concretizados em instruções executáveis por computador armazenadas em meios legíveis por computador, tal como um meio legível por computador não transitório. Alguns atos ou porções do mesmo podem ser omitidos ou executados em uma ordem diferente.

[00147] Em 1410, o desempenho do sistema de produtividade das plantas pode ser analisado. Uma completa avaliação do desempenho e da eficiência do sistema pode ser executada. A análise de desempenho pode compreender a compilação de todas as variáveis disponíveis, tais como medições em tempo real, variáveis descritivas, dados externos, e variáveis secundárias em relação aos limiares determinados e cronograma, para gerar e emitir dados de desempenho e/ou relatórios a um usuário do sistema em 1410, potencialmente para exibir em um painel mediante uma interface do usuário, em forma impressa, ou algum outro formato de saída. Por exemplo, o sistema pode aprender que restrições sobre a capacidade de bombeamento podem estar tendo um maior impacto de custo do que o custo de comprar uma maior bomba que aumentaria a capacidade de bombeamento.

[00148] Medidas ou indicadores de rendimentos ou rendimentos potenciais podem estar disponíveis durante a temporada de crescimento e/ou no final da colheita, e estas medidas ou indicadores podem ser usados para aperfeiçoar os modelos usados pelo sistema. Por exemplo, limiares podem ser ajustados dependendo de novos dados recebidos; operações podem ser também modificadas com base na entrada de usuário em resposta à informação exibida.

[00149] A avaliação pode determinar que dados adicionais aperfei- çoariam o desempenho do sistema. A avaliação pode compreender determinar se sensores ou outro equipamento devam ser acrescen- tados ou removidos do sistema. Por exemplo, se no processo de determinar a importância de cada das múltiplas variáveis, se uma variável medida por um sensor for determinada como não tendo nenhum impacto ou um impacto insignificante sobre o modelo, o sistema poderá recomendar a remoção deste sensor. Como um exemplo adicional, pode ser determinado que dois dispositivos estejam relatando os mesmos dados exatos em dois campos lado a lado; o sistema pode recomendar a remoção de um dos dois dispositivos.

[00150] Níveis de compliance podem ser calculados para parâmetros relevantes com relação aos objetivos e ao cronograma. Os recursos podem ser avaliados, tais como as quantidades de energia e insumos. Desempenho técnico e econômico pode ser definido através da provisão da estatísticas de eficiência, e de índices disponíveis de cultu- ras regionais comparáveis, de desempenhos passados, ou de qualquer outra comparável para referência Um loop retroativo do desempenho do sistema pode ser implementado para continuamente otimizar algoritmos usados no sistema de produtividade das plantas com base em dados recém-adquiridos. Modelos podem ser retreinados em intervalos pré- definidos (por exemplo, diariamente), levado em conta novos dados de treinamento. Através destas avaliações, limiares precisos de autorregu- lação podem ser determinados.

EXEMPLO

[00151] Para mais claramente ilustrar como certas concretizações descritas aqui podem ser realizadas, uma implementação exemplificati- va fictícia de um sistema de controle da produtividade das plantas de acordo com um ou mais aspectos ilustrativos da descrição será agora descrita com referência às Figuras de 15A a 15C. Estes detalhes são providos para fins ilustrativos apenas, e não devem ser construídos como concretizações limitativas de qualquer maneira. Em particular, implementações variantes não precisam conter todas os recursos, ou qualquer combinação de recursos, descritos neste exemplo.

[00152] Aqui são providos os detalhes de um estudo de caso baseado em um bloco de amêndoas de 40 acres de 4 anos localizado no Vale Central da Califórnia. A cultura é gerida por método de gestão de cultura tradicional. A superfície do solo é relativamente plana e o solo compreende areia argilosa homogênea nos primeiros 0,9144 m (3 pés), o que corresponde à profundidade da zona da raiz.

[00153] Todo o campo é irrigado a partir da divisão dos dados de evapotranspiração semanal potencial calculados por um provedor público de condições climáticas em três eventos de irrigação. Água é bombeada diretamente de um poço equipado com um motor elétrico iniciado e parado manualmente (custo de $A/acre/h). O poço tem 201,168 m (660 pés) de profundidade e a profundidade da água é de 91,44 m (300 pés). Um tanque de gipsita é conectado ao sistema de irrigação a fim de aplicar gipsita para aperfeiçoar a taxa de infiltração de água quando fica limitado. Pelo fato da análise de água mensalmente do passado mostrar uma tendência de a água originária do poço ser básica demais (alto pH), um queimador de ácido foi instalado. Gipsita (para aperfeiçoar a taxa de infiltração; custo de $V/h/acre) e ácido (para aumentar o pH e a disponibilidade de nutrientes; custo de $B/h/acre) são sistematicamente injetados em cada evento de irrigação.

[00154] Fertilizantes são estocados próximos à bomba em um tanque cilíndrico de 10.000 litros de 3 metros de altura e, além da bomba de irrigação principal, uma bomba de injeção precisa ser acionada para prover fertirrigação (isto é, fertilizante líquido dispensado mediante o sistema de irrigação) em um custo de $Z/acre/h. Um programa de fertirrigação criado por um agrônomo (ST/acre/ano) a partir de amostras do solo e de folhas analisadas no início da temporada é fornecido ao plantador e consiste basicamente em um evento de fertirrigação por semana.

[00155] Colmeias são instaladas ao longo do perímetro do campo durante o período de floração para ajudar com a polinização. Os pesticidas podem ser aplicados ($C/acre) no campo com um veículo motorizado dirigido por um trabalhador quando o Consultor de Controle de Praga (PCA) recomendar a pulverização após sua exploração semanal ($U/acre/ano). Mesmo que sejam necessários 3 trabalhadores em tempo integral para realizar todas as tarefas acima, uma equipe técnica de apenas 2 trabalhadores está disponível das 7 h da manhã até as 4 horas da tarde, de segunda a sexta-feira (custo de $D/h/traba- lhador) devido à escassez de trabalho na área. Durante os períodos de trabalho de horas extras, o custo aumenta para 1,5*$D/h/trabalhador. Durante a exploração, o PCA também toma nota sobre a cobertura de ervas daninhas. A receita da produção é estimada no início da temporada como sendo de $E/lb na colheita. A Tabela 1 abaixo apresenta os particulares do estudo do caso: Talela 1: Particulares do estudo de caso Custo (com Gestão Operação Custo (com o Sistema) Tradicional) Irrigação $A/acre/h $A/acre/h – 0,25*$D/acre/h Injeção de gipsita $V/acre/h $V/acre/h Queimador de ácido $B/acre/h $B/acre/h Fertirrigação $Z/acre/h $Z/acre/h – 0,25*$D/acre/h Aplicação de pesticida $C/acre/evento $C/acre/evento Assessoria e trabalho Custo Exploração $U/acre/ano 0 Programa de Fertirrigação $T/acre/ano 0 Mão de obra (horário normal) $D/h/trabalhador $D/h/trabalhador Mão de obra (horas extras) 1,5*$D/h/trabalhador 1,5*$D/h/trabalhador Receita Rendimento $E/lb

[00156] A informação mencionada acima é provida para o sistema de produtividade das plantas (por exemplo, o sistema 400 da Figura 4) para determinar quantas estações de sensores são recomendados para serem instalados. A estação de bomba é equipada com relés para ativar a bomba, o queimador de ácido, e o injetor de gipsita sem intervenção humana. A profundidade da água no poço e a temperatura, a salinidade, o conteúdo de nitratos, e o pH da água são monitorados com sensores apropriados. Um sensor para monitorar o nível de fertilizante é também instalado no tanque.

[00157] Com a consulta de mapas topográficos e imagens de satélite históricas de fontes externas (por exemplo, dados externos 450 da Figura 4), o sistema recomenda que uma estação de campo seja instalada no centro do campo. A estação é equipada com tensiômetros, sondas de conteúdo de água do solo, sondas potenciais osmóticas, sensores de nitratos e sensores de temperatura do solo em uma profundidade de 30,48 cm (12 polegadas), 60,96 cm (24 polegadas) e (91,44 cm) 36 polegadas no solo para monitorar todas as condições da zona de raiz. Nesta estação, a temperatura do ar e a umidade relativa são medidas na copa. Um esporo e um analisador de inseto são instalados entre árvores para detectar e quantificar os esporos e os insetos sem nenhuma intervenção humana. Um contador de atividade de abelha forrageira é instalado nas colmeias. Finalmente, uma estação de condições climáticas é instalada na fronteira do campo para medir a temperatura do ar, a umidade relativa, a velocidade e a direção do vento, a pressão atmosférica, a umidade das folhas, a radiação solar e a precipitação pluviométrica.

[00158] A partir destas variáveis, o sistema calcula variáveis secun- dárias. Os fluxos de água no solo são computados do conteúdo de água do solo e dados de tensão. O potencial total do solo é calculado a partir da soma de dados potenciais de tensão, osmóticos e gravitacionais. A partir da temperatura do ar e da umidade relativa na copa, são calculados o déficit de pressão de vapor e o ponto de condensação da água. A partir dos dados da estação de condições climáticas, a evapotranspiração, o ponto de condensação da água, horas e porções de frio são calculadas, e os riscos de desenvolvimento de pragas e de doenças são avaliados (por exemplo, Mancha da folha de Alternaria, Verme do umbigo, Sarna, Buraco da Bala, Praga do Coryneum, etc.). O volume de fertilizantes no tanque é calculado. Como todas as variáveis primárias são relatadas continuamente em tempo real, as variáveis complementares podem ser também calculadas continuamente.

[00159] Com a previsão da interação entre estas variáveis dinâmicas multivariadas, o sistema dinamicamente ajusta automaticamente os limiares (condições) de lucratividade considerando a receita de uma ação contra o custo de uma inação a fim de prever, programar e operar ações (irrigação, lixiviação, fertirrigação, suprimento de fertilizantes, ajuste do pH da água, etc.) para maximizar a lucratividade da cultura.

[00160] O sistema continuamente confirma o impacto do cronograma (plano de ação) usando algumas variáveis de validação. O potencial de água do caule é instalado em torno das folhas de uma árvore e um dendrômetro é instalado para medir o crescimento ou o encolhimento do tronco. Estes sensores não poderiam ser usados para programar ações, visto que eles são reativos e não preditivos, mas o sistema pode contar com eles para validar os resultados e a estratégia. Índices externos, tais como valores de Índice de Vegetação de Diferença Normalizada (NDVI) originários das imagens de satélite, podem também ser usados para validar a eficácia da estratégia e para extrapolar os dados em uma base espaço-temporal. Estas imagens podem também servir para avaliar a cobertura de ervas daninhas no solo a fim de programar as operações de remoção de ervas daninhas.

[00161] Uma vez que o equipamento descrito acima esteja instalado, o sistema começa a coletar dados de campo. O sistema usa limiares predefinidos com base na literatura acadêmica e nos dados obtidos de outros locais similares encontrados em seu banco de dados. Tão logo o sistema colete novos dados locais, os limiares de lucratividade são ajustados a partir do aprendizado do sistema com condições locais e dados. As árvores estão ainda dormentes e o sistema considera o rendimento potencial como ainda sendo de 100% e, portanto, uma lucratividade potencial maior.

[00162] A Figura 15A ilustra níveis de tensão depois de um mês de atividade. Durante esse mês, os limiares de lucratividade foram conti- nuamente ajustados para refletir condições locais aprendidas pelo sistema. O rendimento potencial na colheita caiu para 97% porque uma falha mecânica da bomba de irrigação prejudicou a irrigação durante 3 dias e condições de tensão hídrica estavam presentes durante estes dias. O sistema aprendeu a partir da análise dos dados em outros locais similares que a perda de rendimento estará alcançando 1% por dia quando a tensão hídrica ocorrer durante o despertar das árvores. A tensão hídrica foi validada com medições de dendrômetros, já que o tronco encolheu durante esses 3 dias. O sistema acionou o queimador de ácido ocasionalmente para diminuir o pH quando era lucrativo, mas não injetou gipsita ainda, visto que a análise dos dados da taxa de infiltração não mostrou nenhuma restrição.

[00163] O período de tempo ilustrado na Figura 15A está no meio do período de floração. O cronograma da operação de agricultura para a semana seguinte é o seguinte: Nada é planejado antes do dia 28. No dia 28, a irrigação será colocada em funcionamento no período das 7h até as 11h da manhã. Os dados históricos da última semana, os dados atuais e os dados previstos que resultarem neste cronograma são mostrados na Figura 15A.

[00164] A Figura 15B ilustra o período de tempo do dia 25 de fevereiro às 4 h da tarde. O sistema estava continuamente verificando e validando o cronograma, e o cronograma ilustrado na Figura 15B mudou para ativar a irrigação via o modo automatizado para aplicar água das 6 h às 10 h da noite no dia 25, ativar a fertirrigação via o modo automatizado às 9:30 h da noite até o dia 27 até as 3 h da manhã no dia 28, aplicar fungicida por parte do trabalhador com borrifadores montados em um veículo motorizado no dia 28 às 8 h da manhã. Nenhuma outra ação está programada para os 7 dias seguintes.

[00165] O sistema considerou o cronograma ilustrado na Figura 15B como sendo apropriado com base na seguinte análise:

[00166] i) As condições predeterminadas para iniciar a irrigação durante o período de floração não foram alcançadas e a irrigação não foi planejada antes do dia 28, mas o sistema está detectando uma mudança repentina nos fluxos de tensão e de água medidos na zona da raiz. Pelo fato de o sistema jamais ter encarado as atuais condições neste local antes, esta mudança repentina não foi prevista. Entretanto, o sistema reconhece esta mudança repentina (por exemplo, vide Figura 15b, no contexto dos processos representados nas Figuras 10 e 11) como sendo um presságio de condições hídricas para limitar a absorção de água pelas raízes o suficiente para afetar os rendimentos no final da temporada em 0,1%/acre por hora de condições de tensão hídrica que ocorrem durante a floração. O sistema é imediatamente iniciado para avaliar a lucratividade de disparar um evento de irrigação agora, preven- do de forma dinâmica e simultânea a interação entre todas as variáveis multivariadas.

[00167] ii) Devido ao fato de o impacto sobre as abelhas forrageiras quando os microaspersores forem acionados por mais de 15 minutos ser tal que o rendimento diminui em 0,15%/acre por hora, a irrigação utilizada não seria lucrativa até que as abelhas parassem suas atividades às 6 h da noite. Sem um sistema automatizado para controlar a irrigação, a irrigação teria começado às 7 h da manhã do dia seguinte, visto que nenhum trabalhador estava disponível antes disso para dar início à irrigação. Essa irrigação durante o dia teria impactado a atividade das abelhas das 8 h da manhã à meia noite e resultado em perdas de produção suplementares. Em um sistema de gestão de cultura monovariável com base apenas na tensão do solo, o tempo de execução apropriado teria sido computado como sendo de 6 horas, para diminuir a tensão do solo para um limiar fixo sem considerar o impacto sobre a polinização. Com um gerenciamento tradicional de cultura, tudo isso teria sido perdido. Em contraste, o sistema 400 determinou o tempo de execução apropriado como sendo de 4 horas. Neste caso específico, o evento de irrigação não teria um impacto significativo sobre outras variáveis, exceto o conteúdo de nutrientes. Com o pH da água estando em um nível adequado, nenhum ajuste seria necessário aqui. Consi- derando o custo do bombeamento da água de irrigação, o conteúdo de nutrientes no solo e o custo da injeção de fertilizantes, o sistema determinou que 4 horas de irrigação é o limite mais longo, a fim de não empurrar os nitratos para baixo de forma muito rápida e profunda. O sistema avaliou a taxa de nitratos que se move para baixo como sendo acelerada quando a irrigação não demorar mais do que 4 horas. Devido ao fato de o conteúdo de nitrato antes da irrigação ter sido ligeiramente baixo, a irrigação de mais de 4 horas irá resultar na necessidade de injeção de nutriente no sistema de irrigação. O custo de acrescentar fertilizantes não é atualmente lucrativo nestas condições comparado à interrupção da irrigação depois de 4 horas.

[00168] iii) Depois de executar iterações no processo de cronograma, o sistema programou um evento de fertirrigação no dia 27 às 9:30 h da noite, embora o sistema previsse que há nutrientes e água suficientes até a noite do dia 28. Contudo, uma aplicação de fungicida é progra- mada na manhã do dia 28 às 8 h da manhã e as folhas terão que permanecer secas pelas 24 horas seguintes após a aplicação de fungicida, o que significa que nenhuma fertirrigação é permitida durante esse intervalo. Um trabalhador foi então notificado pelo sistema desta nova tarefa em seu cronograma. O sistema identificou a necessidade dessa aplicação de fungicida porque, mesmo que o número de esporos contados pelo sensor de esporos tenha ficado próximo a 0 durante os últimos 8 dias, o sistema está prevendo que o limiar onde a pulverização é lucrativa seja alcançado em 3 dias por causa dos ventos fortes que sopram do Oeste onde o número de esporos nesta área é efetivamente muito alto de acordo com a análise do sistema de outros locais. O limiar onde a pulverização é lucrativa é ajustado em um valor inferior comparado ao que foi o dia anterior, porque a previsão do tempo externo foi atualizada e as condições climáticas em 3 dias são agora adequadas para o desenvolvimento da doença. Em suma, para que a pulverização seja lucrativa em 3 dias, o sistema analisou o custo do evento de pulverização (custo da mão de obra + custo de pesticida + custo colate- ral) e determinou este custo como sendo inferior à perda de rendimento associada com o desenvolvimento da doença sobre as folhas da planta (10%/acre). Neste caso, apenas o custo colateral teve impacto sobre a polinização. O sistema automaticamente notifica o apicultor a fechar a porta das colmeias para impedir as abelhas forrageiras nas folhas tratadas por 24 horas depois da pulverização, o que resultaria em uma perda de rendimento de 2,5%/acre. A pulverização deste pesticida impede que os trabalhadores entrem no campo, visto que o intervalo de um novo insumo é de 24 horas, embora isto não esteja impactando nenhuma operação porque nada foi programado para os trabalhadores nesse dia.

[00169] iv) Antes de concluir que o evento de fertirrigação seja programado na noite do dia 27, o sistema avaliou outros cenários, tal como adiar a fertirrigação para o sábado (1°), mas isto irá causar mais danos (3%/acre) do que programá-la para a noite do dia 27. A noite do dia 27 foi então identificada como sendo o cenário mais lucrativo. O sistema também considerou simultaneamente o impacto desse evento de fertirrigação em todas as outras variáveis antes de programar esta ação. O acréscimo de nutrientes irá aumentar o potencial osmótico na zona de raiz, mas o potencial total ainda permanecerá em um nível adequado porque a tensão irá diminuir. No entanto, o tempo de execução da fertirrigação foi otimizado para permitir o conteúdo de ar suficiente e impedir tensão hipóxica e aplicação excessiva de nutrientes. Para essa otimização, o sistema analisou as taxas de movimento da água e dos nitratos durante e depois de todos os eventos de fertirrigação histórico. Com as temperaturas do solo, da água e do ar excepcional- mente altas previstas, o sistema está prevendo que a condutividade hidráulica seja maior do que foi durante a irrigação no dia 25. Estas condições levaram um tempo de execução calculado de 5,5 horas. Se calculado com um modelo monovariável baseado apenas na tensão do solo, o tempo de execução ainda teria sido de 6 horas como foi para a irrigação no dia 25, porque a tensão é similar hoje às condições no dia

25. Entretanto, um evento de irrigação de 6 horas teria levado a uma perda de água e nutrientes abaixo da zona de raiz durante 0,5 horas, porque a água e os nitratos estão infiltrando mais rápido devido às condições de temperatura mais alta. O sistema não determinou que haveria algum impacto significativo sobre todas as outras variáveis. O tempo de 9:30 h da noite foi computado como sendo o tempo apropriado para dar partida à bomba, visto que o sistema analisou a partir da umidade da folha os dados que as folhas precisam de pelo menos 5 horas para secarem depois de um evento de irrigação. Pelo fato de o pesticida ser programado para ser aplicado sobre as folhas secas às 8 h da manhã, a irrigação deve ser interrompida antes da 3 h da manhã e iniciada não mais tarde do que às 9:30 da noite.

[00170] v) Às 7 h da noite no dia 25, o sistema determinou que a água bombeada nas 2 primeiras horas do evento de irrigação tinha um nível de pH aceitável, mas os últimos pontos de dados mostraram que o nível de pH estava rapidamente subindo. Desse modo, o pH precisa ser abaixado pelo queimador de ácido. Se a bomba estiver regando enquanto o pH estiver subindo, o sistema preverá que o pH do solo irá alcançar um limiar em que a absorção de nutriente será limitada, causando a perda de rendimento de 0,2%/dia até o próximo evento de irrigação. O sistema automaticamente inicia o queimador de ácido, já que o custo ($Y/acre/hora) de funcionamento é realmente mais baixo do que a perda de rendimento associada com a água de bombeamento acima do limiar de pH. Como o sistema simulou todos os outros parâmetros como não sendo afetados pela injeção de ácido, o resto do cronograma permanece igual.

[00171] vi) Às 5 h da tarde do dia 28 de fevereiro, o sistema aplicou uma correção à definição de limiar relacionada à temperatura na copa para impedir o estresse por calor. Não há nenhum dado disponível na literatura acerca deste limiar durante a floração. O sistema analisou dados de todos os sites e encontrou grandes variações na resposta de amendoeiras ao estresse por calor durante a floração mesmo que o limiar tenha considerado a interação das temperaturas do ar e da copa com condições hídricas e de nutriente do solo. A temperatura, a umidade relativa e o déficit de pressão do vapor (VPD) alcançaram os números de previsão na parte da tarde e, de acordo com a informação obtida pelo sistema, nenhuma irrigação de resfriamento se fez neces- sária. Entretanto, o sistema recém mediu o encolhimento do tronco durante o processo de validação descrito acima em relação à Figura 13. A água e os fluxos de nutriente não estavam limitando a absorção de raízes; assim o sistema atribuiu então o encolhimento do tronco ao estresse por calor. Como o dia está chegando ao fim e a temperatura já parou de cair, é tarde demais para reagir a este estresse, mas o sistema aprendeu a partir desta experiência e irá ajustar seus limiares de acordo no futuro.

[00172] A Figura 15C ilustra o status do sistema à 1 h da tarde no dia 29 de fevereiro. A temperatura atual do ar de 32°C não estava prevista, já que a fonte de previsão de condições climáticas externas previu uma temperatura de 30°C. A temperatura do ar na copa é de 34°C. O sistema determinou, a partir dos dados coletados desde o início do período de floração, uma relação significativamente forte entre o número de abelhas forrageiras fora das colmeias e a temperatura na copa. A atividade das abelhas estará em seu ponto máximo quando a temperatura da copa estiver entre 23-33°C, começará a cair linearmente em 33°C, e será seguida por uma queda acelerada depois de 37°C. O sistema determinou, com a avaliação dos números de rendimento de todos os outros campos de amêndoas nos anos anteriores, uma perda de rendimento de 3%/acre na colheita resultante de cada dia quando a alta temperatura afetou a atividade das abelhas linearmente e 5%/acre por dia depois de a queda da curva começar a acelerar. Com a água no poço em 6°C e a temperatura do ar em 33°C, o sistema prevê que a água saia das cabeças dos microaspersores em 19°C e diminua a temperatura de copa em 7°C por 3 horas depois de um evento de irrigação de 15 minutos e que impede a redução da atividade das abelhas. O sistema está então reagindo a esta nova condição iniciando um evento de irrigação de 15 minutos depois de ter simulado que este evento de irrigação não irá impactar negativamente quaisquer outros parâmetros ou condições do sistema, e que o custo relacionado a este evento de irrigação é menor do que a perda monetária associada à perda de rendimento.

[00173] Nos 3 primeiros anos da cultura, as operações de remoção de ervas daninhas foram necessárias neste momento do ano. No entanto, este ano, com o sistema aperfeiçoando a gestão da água, uma redução de 25% na irrigação foi alcançada. Isto resulta em uma cobertura de ervas daninhas ainda abaixo do limiar onde a remoção de ervas daninhas é lucrativa. A primeira operação de remoção de ervas daninhas da temporada não é prevista pelo sistema antes do mês a seguir. Visto que o sistema ainda não mediu nenhum problema de infiltração, o injetor de gipsita jamais foi ativado nesta temporada. Com o sistema tomando conta de muitas operações, a equipe técnica de 2 trabalhadores é agora suficiente para alcançar todas as operações manuais na fazenda. Durante a semana deste estudo de caso exempli- ficativo, o preço previsto para amêndoas na colheita não mudou.

[00174] Enquanto a presente tecnologia descreveu em conexão com concretizações específicas da mesma, será entendido que ela é capaz de modificações adicionais, este pedido destinando-se a cobrir quaisquer variações, usos ou adaptações que seguem, em geral, os princípios da presente tecnologia e incluindo os afastamentos da presente descrição, conforme está dentro da prática conhecida e costumeira dentro da técnica à qual pertence a presente tecnologia e como pode ser aplicado aos recursos essenciais anteriormente apresentados, e como segue no escopo das reivindicações anexas.

INCORPORAÇÃO PARA REFERÊNCIA

[00175] Todas as referências citadas nesta especificação, e suas referências, são incorporadas para referência aqui em sua totalidade, quando apropriado para os ensinamentos de detalhes adicionais ou alternativos, recursos e/ou antecedente técnico.

EQUIVALENTES

[00176] Enquanto a descrição foi particularmente mostrada e descrita com referência às concretizações preferidas, será apreciado que variações dos recursos e da função acima descritas, bem como outras, ou alternativas das mesmas possam ser desejavelmente combi- nadas em muitos outros sistemas ou aplicações diferentes. Também várias alternativas, modificações, variações ou aperfeiçoamentos atual- mente inesperados ou imprevistos podem ser aqui subsequentemente feitos por aqueles versados na técnica, os quais se destinam também a ser abrangidos pelas seguintes concretizações.

Claims

REIVINDICAÇÕES

1. Sistema para monitorar e regular a produtividade das plan- tas, caracterizado pelo fato de o sistema ser comunicativamente aco- plável a uma pluralidade de sensores de monitoramento implantáveis em pelo menos um campo de cultivo, o sistema ser ainda comunicativa- mente acoplável a pelo menos um dispositivo controlável que é operável para variar pelo menos uma condição de ambiente de produção de pelo menos um campo de cultivo, e de o sistema compreender: pelo menos uma memória para armazenar uma pluralidade de instruções, e; pelo menos um processador para executar a pluralidade de instruções para fazer com que um método de monitorar e regular a produtividade das plantas seja executado, o método compreendendo: receber dados de campo da pluralidade de sensores de monitoramento, os dados de campo associados com condições de pelo menos um campo de cultivo detectado durante um período de monitoramento; computar, por pelo menos um processador que executa um algoritmo de aprendizado de máquina, um valor previsto para pelo menos uma variável associada com pelo menos uma condição do ambiente de produção de pelo menos um campo de cultivo, o algoritmo de aprendizado de máquina tendo sido treinado com base em um conjunto de treinamento que compreende um ou ambos de (a) os dados de campo da pluralidade de sensores de monitoramento, e (b) pelo menos um recurso gerado derivado do dados de campo; e determinar, com base em um limiar associado com pelo menos uma variável, que o valor previsto para pelo menos uma variável indica que uma intervenção em pelo menos um campo de cultivo deve ser iniciada; e em resposta à determinação, fazer com que pelo menos um dispositivo controlável varie pelo menos uma condição do ambiente de produção.

2. Sistema, de acordo com a reivindicação 1, caracterizado pelo fato de o método ainda compreender treinar o algoritmo de aprendizado de máquina baseado no conjunto de treinamento.

3. Sistema, de acordo com a reivindicação 1 ou 2, caracte- rizado pelo fato de o método ainda compreender receber dados de pelo menos um tipo de dados externos, e de o conjunto de treinamento ainda compreender pelo menos um subconjunto dos dados de pelo menos um tipo de dados externos.

4. Sistema, de acordo com qualquer uma das reivindicações 1 a 3, caracterizado pelo fato de o conjunto de treinamento ainda compreender dados de pelo menos um tipo de dados externos selecionado do seguinte grupo: dados de campos de cultivo que não pelo menos um campo de cultivo, dados de satélite, dados de drone, dados ambientais, dados do condições climáticas, dados do preço de estoque, dados do custo de recursos, dados de disponibilidade de recursos e dados econômicos.

5. Sistema, de acordo com qualquer uma das reivindicações 1 a 4, caracterizado pelo fato de o método ainda compreender armazenar dados do conjunto de treinamento em pelo menos uma matriz multivariável.

6. Sistema, de acordo com qualquer uma das reivindicações 1 a 5, caracterizado pelo fato de o método ainda compreender ajustar, por pelo menos um processador que executa o algoritmo de apren- dizado de máquina, o limiar associado com pelo menos uma variável antes de determinar que o valor previsto indica que uma intervenção em pelo menos um campo de cultivo deve ser iniciada.

7. Sistema, de acordo com qualquer uma das reivindicações 1 a 6, caracterizado pelo fato de pelo menos alguns atos do método serem repetidos para pelo menos uma iteração subsequente, de tal modo que, para cada iteração subsequente, no recebimento, os dados de campo sejam associados com condições de pelo menos um campo de cultivo sobre um respectivo período de monitoramento subsequente.

8. Sistema, de acordo com qualquer uma das reivindicações 1 a 7, caracterizado pelo fato de o fazer com que pelo menos um dispositivo controlável varie pelo menos uma condição do ambiente de produção ser executado automaticamente em resposta à determinação.

9. Sistema, de acordo com qualquer uma das reivindicações 1 a 8, caracterizado pelo fato de o método ainda compreender emitir um alerta que a intervenção em pelo menos um campo de cultivo é desejável, e receber confirmação do usuário em resposta ao alerta anterior para fazer com que pelo menos um dispositivo controlável varie pelo menos uma condição do ambiente de produção.

10. Sistema, de acordo com qualquer uma das reivindi- cações 1 a 9, caracterizado pelo fato de o método ainda compreender gerar um cronograma de intervenção para permitir uma avaliação manual de se a intervenção pelo menos no campo de cultivo é desejável.

11. Sistema, de acordo com qualquer uma das reivindi- cações 1 a 10, caracterizado pelo fato de o método ainda compreender gerar pelo menos um relatório de avaliação de desempenho para permitir uma avaliação manual do desempenho do campo de cultivo de pelo menos um campo de cultivo durante o período de monitoramento.

12. Sistema, de acordo com qualquer uma das reivindi- cações 1 a 11, caracterizado pelo fato de a determinação de que o valor previsto para pelo menos uma variável indicar que a intervenção em pelo menos um campo de cultivo deve ser iniciada compreender: avaliar um ou mais valores para pelo menos uma variável que otimiza a produtividade das plantas com base em pelo menos um parâmetro de saída.

13. Sistema, de acordo com a reivindicação 12, caracte- rizado pelo fato de pelo menos um parâmetro de saída compreender um ou mais dos parâmetros de saída selecionados do seguinte grupo: rendimento das culturas, lucratividade, uso de água, uso de energia, lixiviação de fertilizantes, e emissões de gás de efeito estufa.

14. Sistema, de acordo com a reivindicação 12, caracteri- zado pelo fato de pelo menos um parâmetro de saída compreender uma pluralidade de parâmetros de saída, em que o método ainda compre- ende priorizar a pluralidade de parâmetros de saída, e em que a avaliação de um ou mais valores de pelo menos uma variável que otimiza a produtividade das plantas se baseia na pluralidade de parâmetros de saída que foram priorizados.

15. Sistema, de acordo com qualquer uma das reivindi- cações 1 a 14, caracterizado pelo fato de o método ainda compreender padronizar os dados de campo, em que a padronização compreende alinhar os dados de campo em pelo menos uma dimensão espacial ou uma dimensão temporal, e em que o valor previsto para pelo menos uma variável compreende pelo menos um componente espacial ou um componente temporal.

16. Sistema, de acordo com qualquer uma das reivindica- ções 1 a 15, caracterizado pelo fato de pelo menos um recurso gerado derivado dos dados de campo compreender uma pluralidade de elementos computados a partir de uma decomposição de pelo menos uma série de tempo associada com os dados de campo.

17. Sistema, de acordo com qualquer uma das reivindica- ções 1 a 16, caracterizado pelo fato de o fazer com que pelo menos um dispositivo de computação varie pelo menos uma condição do ambiente de produção compreender iniciar uma mudança, em pelo menos um campo de cultivo, em pelo menos um dos seguintes elementos selecionados do seguinte grupo: água, energia, nitrogênio, outros elementos, insumos químicos.

18. Dispositivo de computação, caracterizado pelo fato de que compreende pelo menos um processador de dispositivo e pelo menos uma memória de dispositivo, pelo menos um processador de dispositivo para iniciar o desempenho do método de monitorar e regular a produtividade das plantas por pelo menos um processador do sistema, como definido em qualquer uma das reivindicações 1 a 17, em que um ou mais atos do método serem executados em um ou mais dispositivos ligados em rede comunicativamente acoplados ao dispositivo de computação mediante pelo menos uma conexão de rede.

19. Método de monitorar e regular a produtividade das plan- tas, caracterizado pelo fato de compreender: receber dados de campo de uma pluralidade de sensores de monitoramento, os dados de campo associados com condições de pelo menos um campo de cultivo detectado durante um período de monito- ramento; computar, por pelo menos um processador que executa um algoritmo de aprendizado de máquina, um valor previsto para pelo menos uma variável associada com pelo menos uma condição do ambiente de produção de pelo menos um campo de cultivo, o algoritmo de aprendizado de máquina tendo sido treinado com base em um conjunto de treinamento que compreende um ou ambos de (a) os dados de campo da pluralidade de sensores de monitoramento, e (b) pelo menos um recurso gerado derivado dos dados de campo; e determinar, com base em um limiar associado com pelo menos uma variável, que o valor previsto para pelo menos uma variável indica que uma intervenção em pelo menos um campo de cultivo deve ser iniciada; e em resposta à determinação, fazer com que pelo menos um dispositivo controlável varie pelo menos uma condição do ambiente de produção.

20. Método de monitorar e regular a produtividade das plantas, caracterizado pelo fato de compreender: computar, por pelo menos um processador que executa um algoritmo de aprendizado de máquina, um valor previsto para pelo menos uma variável associada com pelo menos uma condição do ambiente de produção pelo menos um campo de cultivo, o algoritmo de aprendizado de máquina tendo sido treinado com base em um conjunto de treinamento que compreende um ou ambos de (a) dados de campo de uma pluralidade de sensores de monitoramento, os dados de campo associados com condições de pelo menos um campo de cultivo detectado durante um período de monitoramento, e (b) pelo menos um recurso gerado derivado dos dados de campo; e determinar, com base em um limiar associado com pelo menos uma variável, que o valor previsto para pelo menos uma variável indica que uma intervenção em pelo menos um campo de cultivo deve ser iniciada; e em resposta à determinação, fazer com que pelo menos um dispositivo controlável varie pelo menos uma condição do ambiente de produção.

21. Método, de acordo com a reivindicação 19 ou 20, caracterizado pelo fato de compreender: treinar o algoritmo de apren- dizado de máquina com base no conjunto de treinamento.

22. Método, de acordo com qualquer uma das reivindicações 19 a 21, caracterizado pelo fato de ainda compreender: receber dados de pelo menos um tipo de dados externos, e de o conjunto de trei- namento ainda compreender pelo menos um subconjunto dos dados de pelo menos um tipo de dados externos.

23. Método, de acordo com qualquer uma das reivindicações

20 a 22, caracterizado pelo fato de ainda compreender receber os dados de campo de uma pluralidade de sensores de monitoramento.

24. Método, de acordo com qualquer uma das reivindicações 19 a 22, caracterizado pelo fato de o conjunto de treinamento ainda compreender dados de pelo menos um tipo de dados externos selecionado do seguinte grupo: dados de campos de cultivo que não pelo menos um campo de cultivo, dados de satélite, dados de drone, dados ambientais, dados de condições climáticas, dados do preço de estoque, dados do custo de recursos, dados de disponibilidade de recursos e dados econômicos.

25. Método, de acordo com qualquer uma das reivindicações 19 a 24, caracterizado pelo fato de ainda compreender: armazenar dados do conjunto de treinamento em pelo menos uma matriz multivariável.

26. Método, de acordo com qualquer uma das reivindicações 19 a 25, caracterizado pelo fato de compreender: ajustar, por pelo menos um processador que executa o algoritmo de aprendizado de máquina, o limiar associado com pelo menos uma variável antes de determinar que o valor previsto indica que uma intervenção em pelo menos um campo de cultivo deve ser iniciada.

27. Método, de acordo com qualquer uma das reivindicações 19 a 26, caracterizado pelo fato de pelo menos alguns atos do método serem repetidos para pelo menos uma iteração subsequente, de tal modo que, para cada iteração subsequente, no recebimento, os dados de campo sejam associados com condições de pelo menos um campo de cultivo sobre um respectivo período de monitoramento subsequente.

28. Método, de acordo com qualquer uma das reivindicações 19 a 27, caracterizado pelo fato de fazer com que pelo menos um dispositivo controlável varie pelo menos uma condição do ambiente de produção ser executado automaticamente em resposta à determinação.

29. Método, de acordo com a reivindicação 19 a 28, carac- terizado pelo fato de compreender: emitir um alerta que a intervenção em pelo menos um campo de cultivo é desejável, e receber a confirmação do usuário em resposta ao alerta antes de fazer com que pelo menos um dispositivo controlável varie pelo menos uma condição do ambiente de produção.

30. Método, de acordo com qualquer uma das reivindicações 19 a 29, caracterizado pelo fato de ainda compreender: gerar um cronograma de intervenção para permitir uma avaliação manual de se a intervenção em pelo menos um campo de cultivo é desejável.

31. Método, de acordo com qualquer uma das reivindicações 19 a 30, caracterizado pelo fato de ainda compreender: gerar pelo menos um relatório de avaliação de desempenho para permitir uma avaliação manual do desempenho do campo de cultivo de pelo menos um campo de cultivo durante o período de monitoramento.

32. Método, de acordo com qualquer uma das reivindicações 19 a 31, caracterizado pelo fato de a determinação de que o valor previsto para pelo menos uma variável indica que a intervenção em pelo menos um campo de cultivo deve ser iniciada compreender: avaliar um ou mais valores para pelo menos uma variável que otimiza a produ- tividade das plantas com base em pelo menos um parâmetro de saída.

33. Método, de acordo com a reivindicação 32, caracterizado pelo fato de pelo menos um parâmetro de saída compreender um ou mais dos parâmetros de saída selecionados do seguinte grupo: rendimento das culturas, lucratividade, uso de água, uso de energia, lixiviação de fertilizantes e emissões de gás de efeito estufa.

34. Método, de acordo com a reivindicação 32, caracterizado pelo fato de pelo menos um parâmetro de saída compreender uma pluralidade de parâmetros de saída, e de o método ainda compreender: priorizar a pluralidade de parâmetros de saída, e de a avaliação de um ou mais valores para pelo menos uma variável que otimiza a produ- tividade das plantas se basear na pluralidade de parâmetros de saída que foram priorizados.

35. Método, de acordo com qualquer uma das reivindicações 19 a 34, caracterizado pelo fato de ainda compreender padronizar os dados de campo, em que a padronização compreende alinhar os dados de campo em pelo menos uma dimensão espacial ou uma dimensão temporal, e em que o valor previsto para pelo menos uma variável compreende pelo menos um componente espacial e um componente temporal.

36. Método, de acordo com qualquer uma das reivindicações 19 a 35, caracterizado pelo fato de pelo menos um recurso gerado derivado dos dados de campo compreender pelo menos uma plurali- dade de elementos computador de uma decomposição de pelo menos uma série de tempo associada com os dados de campo.

37. Método, de acordo com qualquer uma das reivindicações 19 a 36, caracterizado pelo fato de fazer com que pelo menos um dispositivo controlável varie pelo menos uma condição do ambiente de produção compreender iniciar uma mudança, em pelo menos um campo de cultivo, em pelo menos um dos seguintes elementos selecionados do seguinte grupo: água, energia, nitrogênio, outros elementos, insumos químicos.

38. Instruções de armazenamento de meio legível por com- putador não transitório, caracterizado pelo fato de, quando executadas por um computador compreendendo pelo menos um processador e pelo menos uma memória, fazerem com que pelo menos um processador execute o método como definido em qualquer uma das reivindicações 19 a 37.

39. Sistema para monitorar e regular a produtividade das plantas, caracterizado pelo fato de o sistema ser comunicativamente acoplável a uma pluralidade de sensores de monitoramento implan- táveis em pelo menos um campo de cultivo, o sistema ser ainda acoplável comunicativamente a pelo menos um dispositivo controlável que é operável para variar pelo menos uma condição do ambiente de produção de pelo menos um campo de cultivo, o sistema configurado para fazer com que pelo menos uma condição do ambiente de produção seja variada com base na comparação de pelo menos uma medida de pelo menos uma condição do ambiente de produção e pelo menos um limiar automaticamente ajustado para pelo menos uma medida.