BR112021009316A2 - recomendações de irrigação com base em imagem - Google Patents
recomendações de irrigação com base em imagem Download PDFInfo
- Publication number
- BR112021009316A2 BR112021009316A2 BR112021009316-8A BR112021009316A BR112021009316A2 BR 112021009316 A2 BR112021009316 A2 BR 112021009316A2 BR 112021009316 A BR112021009316 A BR 112021009316A BR 112021009316 A2 BR112021009316 A2 BR 112021009316A2
- Authority
- BR
- Brazil
- Prior art keywords
- field
- data
- pixel data
- sector
- sectors
- Prior art date
Links
- 238000003973 irrigation Methods 0.000 title claims abstract description 76
- 230000002262 irrigation Effects 0.000 title claims abstract description 76
- 238000011282 treatment Methods 0.000 claims abstract description 96
- 238000000034 method Methods 0.000 claims abstract description 75
- 238000012360 testing method Methods 0.000 claims abstract description 41
- 238000009826 distribution Methods 0.000 claims abstract description 21
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 28
- 238000003860 storage Methods 0.000 claims description 24
- 230000012010 growth Effects 0.000 claims description 11
- 238000012986 modification Methods 0.000 claims description 3
- 230000004048 modification Effects 0.000 claims description 3
- 241000282414 Homo sapiens Species 0.000 claims 3
- 230000000153 supplemental effect Effects 0.000 claims 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 106
- 229910052757 nitrogen Inorganic materials 0.000 description 53
- 230000009418 agronomic effect Effects 0.000 description 37
- 238000007726 management method Methods 0.000 description 34
- 239000002689 soil Substances 0.000 description 29
- 238000004891 communication Methods 0.000 description 25
- 238000013515 script Methods 0.000 description 19
- 230000006870 function Effects 0.000 description 16
- 238000013459 approach Methods 0.000 description 15
- 239000003337 fertilizer Substances 0.000 description 11
- 238000004883 computer application Methods 0.000 description 10
- 230000003287 optical effect Effects 0.000 description 10
- 238000005259 measurement Methods 0.000 description 9
- 230000004044 response Effects 0.000 description 9
- 238000003971 tillage Methods 0.000 description 9
- 238000013500 data storage Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000012546 transfer Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 230000000875 corresponding effect Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000003306 harvesting Methods 0.000 description 6
- 239000000203 mixture Substances 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 239000000575 pesticide Substances 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 235000015097 nutrients Nutrition 0.000 description 4
- 239000005416 organic matter Substances 0.000 description 4
- 239000008186 active pharmaceutical agent Substances 0.000 description 3
- 238000002790 cross-validation Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 238000013523 data management Methods 0.000 description 3
- 238000013499 data model Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000035558 fertility Effects 0.000 description 3
- 230000000855 fungicidal effect Effects 0.000 description 3
- 239000000417 fungicide Substances 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 239000002917 insecticide Substances 0.000 description 3
- 238000011068 loading method Methods 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 238000001556 precipitation Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 2
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 2
- 230000003466 anti-cipated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000013079 data visualisation Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000005670 electromagnetic radiation Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 239000003292 glue Substances 0.000 description 2
- PWPJGUXAGUPAHP-UHFFFAOYSA-N lufenuron Chemical compound C1=C(Cl)C(OC(F)(F)C(C(F)(F)F)F)=CC(Cl)=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F PWPJGUXAGUPAHP-UHFFFAOYSA-N 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 229910052698 phosphorus Inorganic materials 0.000 description 2
- 239000011574 phosphorus Substances 0.000 description 2
- 230000008635 plant growth Effects 0.000 description 2
- 239000011591 potassium Substances 0.000 description 2
- 229910052700 potassium Inorganic materials 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 239000007921 spray Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 150000001768 cations Chemical class 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 239000002837 defoliant Substances 0.000 description 1
- 238000001739 density measurement Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 239000002274 desiccant Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000011496 digital image analysis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000002986 genetic algorithm method Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000004009 herbicide Substances 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000010871 livestock manure Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 235000021232 nutrient availability Nutrition 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000005527 soil sampling Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000007858 starting material Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G25/00—Watering gardens, fields, sports grounds or the like
- A01G25/16—Control of watering
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/028—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using expert systems only
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/26—Pc applications
- G05B2219/2625—Sprinkler, irrigation, watering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Environmental Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Medical Informatics (AREA)
- Automation & Control Theory (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Processing (AREA)
Abstract
RECOMENDAÇÕES DE IRRIGAÇÃO COM BASE EM IMAGEM.
As técnicas de fornecimento de aperfeiçoamentos na ciência agrícola pela otimização das localizações de tratamento de irrigação para testes são fornecidas, incluindo a análise de uma pluralidade de imagens digitais de um campo para determinar as mudanças na densidade da vegetação em um setor do campo. As técnicas prosseguem pela comparação de uma distribuição de características de pixel nas imagens digitais para cada setor de campo para determinar os setores nos quais os desvios de densidade mínimos estão presentes. As instruções para localizações de irrigação e teste podem ser exibidas ou modificadas com base nos resultados das determinações de setor.
Description
Relatório Descritivo da Patente de Invenção para "RECO- MENDAÇÕES DE IRRIGAÇÃO COM BASE EM IMAGEM". Nota de Direito Autoral
[0001] Uma parte da descrição desse documento de patente con- tém material que está sujeito à proteção de direitos autorais. O detentor dos direitos autorais não faz objeção à reprodução por fac-símile do do- cumento de patente, ou da descrição de patente, por qualquer pessoa, como aparece no arquivo ou nos registros do Escritório de Marcas e Patentes, mas, do contrário, reserva todos os direitos autorais ou outros direitos. 2015-2018 The Climate Corporation. Campo da Descrição
[0002] Um campo técnico da presente descrição são os métodos e sistemas implementados por computador para recomendar temporiza- ção e quantidade de irrigação em agricultura de grande escala. Outro campo técnico é a análise implementada por computador de imagens digitais de campos agrícolas realizada em grande altitude e o uso de imagens digitais nas recomendações de irrigação. Outro campo técnico adicional são os sistemas de recomendação implementados por com- putador para uso com campos agrícolas que utilizam irrigação articulada centralizada. Fundamentos
[0003] As abordagens descritas nessa seção são abordagens que podem ser seguidas, mas não necessariamente abordagens que foram previamente concebidas ou seguidas. Portanto, a menos que indicado o contrário, deve-se considerar que qualquer uma das abordagens des- critas nessa seção qualificam como técnica anterior meramente em vir- tude de sua inclusão nessa seção.
[0004] A inovação na irrigação com o objetivo de maximizar a pro- dutividade dos campos, enquanto se gerencia de forma eficiente o uso da água, é um objetivo contínuo na agrociência. Os sistemas de reco- mendação de irrigação implementados por computador podem ajudar os agricultores a evitar o desperdício de água enquanto também mini- mizam as perdas da plantação e aperfeiçoam os rendimentos. O desen- volvimento de sistemas de suporte implementados por computador para a agricultura envolve comumente a execução de testes de novas técni- cas, tal como as recomendações de tratamento de campo incluindo irri- gação, utilizando os campos de agricultores comerciais. Por exemplo, o vendedor pode formular uma disposição de duas recomendações dife- rentes e testar as recomendações lado a lado em duas partes de um campo com uma terceira parte do campo devotada para a prática pa- drão do agricultor. O vendedor do sistema de suporte precisa pagar os agricultores pelo uso de seus campos para fins de testes.
[0005] Até agora, os agricultores que tipicamente utilizam o equipa- mento de irrigação de articulação centralizada têm se deparado com o obstáculo da tecnologia articulada que impede o uso de abordagens de localização de tratamento tradicionais enquanto testam os novos siste- mas de gerenciamento de irrigação. Por exemplo, uma localização ran- domizada dos tratamentos, dispostos de forma retangular ou até mesmo em setores pequenos dentro de um campo, que é um padrão industrial para fins de comparação justa da prática agrícola, não seria possível com uma base agrícola grande. Tais disposições exigiriam um equipa- mento de irrigação altamente avançado acessível apenas a uma fração muito pequena das instalações de pesquisa. Em vez disso, com o equi- pamento de irrigação articulado típico, os agricultores precisavam utili- zar de forma desperdiçada vários campos para realizar testes de sis- tema de gerenciamento, frequentemente com diferentes condições de crescimento, o que complica a interpretação dos resultados dos testes. Esse aumento desnecessário na utilização de áreas para experimentos resulta frequentemente em riscos e custos majorados para o agricultor e para o vendedor do serviço de irrigação.
[0006] Dessa forma, quando da comparação dos resultados de dois ou mais sistemas de gerenciamento de irrigação diferentes, existe a ne- cessidade de se realizar uma nova disposição ou modificar a localização dos tratamentos dentro de um único campo, de modo que englobem as condições de crescimento de plantação coincidentes no campo. Essa modificação de localização também precisaria coincidir com a capaci- dade do equipamento disponível para a base de irrigação mais ampla do agricultor. Os detalhes de uma abordagem vislumbrada para corres- ponder a esses desafios são descritos. Essa nova abordagem configura a promessa de distribuir uma localização justa dos tratamentos de irri- gação, de economizar recursos e custos para o agricultor, e reduzir o risco e custos para o vendedor associados com testes tipicamente ne- cessários para os agricultores pela participação.
[0007] Com base no acima exposto, para a realização de testes de tratamentos nos campos com irrigação articulada central, métodos me- lhores são necessários para se realizar tratamentos diferenciais tanto para reduzir o impacto nos agricultores quanto para reduzir a compen- sação necessária paga pelo vendedor. Técnicas melhores também são necessárias para se determinar os resultados dos testes. Sumário
[0008] As reivindicações em anexo podem servir como um resumo da descrição. Breve Descrição dos Desenhos
[0009] Nos desenhos:
[0010] A figura 1 ilustra um sistema de computador ilustrativo que é configurado para realizar as funções descritas aqui, ilustradas em um ambiente de campo com outro aparelho com o qual o sistema pode in- teroperar.
[0011] A figura 2 ilustra duas vistas de uma organização lógica ilus- trativa de conjuntos de instruções na memória principal quando um apli- cativo móvel ilustrativo é carregado para execução.
[0012] A figura 3 ilustra um processo programado pelo qual o sis- tema de computador de inteligência agrícola gera um ou mais modelos agronômicos pré-configurados utilizando dados agronômicos fornecidos por uma ou mais fontes de dados.
[0013] A figura 4 é um diagrama em bloco que ilustra um sistema de computador através do qual uma modalidade da invenção pode ser implementada.
[0014] A figura 5 apresenta uma modalidade ilustrativa de uma vista de linha de tempo para o registro de dados.
[0015] A figura 6 apresenta uma modalidade ilustrativa de uma vista de planilha para o registro de dados.
[0016] A figura 7 ilustra um método implementado por computador, ilustrativo, de geração de recomendações de irrigação.
[0017] A figura 8 ilustra um processo implementado por computa- dor, ilustrativo, que pode ser utilizado para gerar recomendações de ir- rigação na forma da figura 7.
[0018] A figura 9 ilustra um método implementado por computador, ilustrativo, de geração de recomendações de irrigação. Descrição Detalhada
[0019] Na descrição a seguir, para fins de explicação, inúmeros de- talhes específicos são apresentados a fim de se fornecer uma compre- ensão profunda da presente descrição. Será aparente, no entanto, que as modalidades podem ser praticadas sem esses detalhes específicos. Em outros casos, estruturas e dispositivos bem conhecidos são ilustra- dos na forma de diagrama em bloco a fim de evitar obscurecer desne- cessariamente a presente descrição.
[0020] DOCUMENTO DE APRESENTAÇÃO. Adicionalmente, essa especificação inclui o conteúdo de um documento de apresentação que é submetido simultaneamente com o presente pedido. Até onde neces- sário sob a lei aplicável de se fornecer uma descrição completa das mo- dalidades, o documento de apresentação é incorporado aqui por refe- rência em sua totalidade para todas as finalidades como se totalmente apresentado aqui.
[0021] As modalidades são descritas em seções de acordo com as linhas gerais abaixo:
1. VISÃO GERAL
2. SISTEMA DE COMPUTADOR DE INTELIGÊNCIA AGRÍ-
2.1. VISÃO GERAL ESTRUTURAL
2.2. VISÃO GERAL DO PROGRAMA DE APLICATIVO
2.3. REGISTRO DE DADOS NO SISTEMA DE COM-
2.4. VISÃO GERAL DO PROCESSO – SEQUENCIA-
2.5. EXEMPLO DE IMPLEMENTAÇÃO – VISÃO GE-
3. MÉTODO ILUSTRATIVO DE RECOMENDAÇÃO DE CO-
[0022] 1. VISÃO GERAL
[0023] Imagens digitais capturadas por satélite ou aeronaves po- dem servir como uma fonte útil de dados sobre a densidade do cresci- mento da planta em um campo agrícola, além de outros aspectos do crescimento biológico ou produtividade. Em uma modalidade, medidas com base em imagens de produtividade biológica são utilizadas como a medida das condições de crescimento. Pela inspeção da variação na produtividade biológica dentro de uma combinação de tratamentos, as medidas de dissimilaridade entre histogramas de densidade podem ser utilizadas para se escolher a disposição com a menor diferença em con- dições de crescimento de plantação, sob o controle de programa com computadores digitais. Essa solução implementada por computador for- nece uma melhor disposição de tratamentos dentro de um campo que está utilizando a irrigação articulada centralizada, sem precisar restringir os tratamentos por área.
[0024] Um objetivo das modalidades é se comparar três sistemas diferentes de gerenciamentos de irrigação em área mínima, o que po- deria minimizar a compensação para os agricultores. A colocação dos tratamentos em diferentes articulações triplicaria a área e compensa- ção. Portanto, todos os três tratamentos foram localizados em um campo articulado central através de condições de crescimento de plan- tação coincidentes. O desafio com a recomendação de irrigação é adi- cionalmente complicado pela limitação da tecnologia de articulação cen- tral que pode distribuir diferentes tratamentos para a plantação apenas de forma setorial.
[0025] Outros objetivos incluem a combinação de técnicas de reco- mendação e sua avaliação com relação às capacidades do equipa- mento do agricultor; disposição de setores de gerenciamento de campo para alcançar o rendimento igual por setor sob as mesmas práticas de gerenciamento; a garantia de que os resultados podem ser reproduzi- dos pelos agricultores e vendedores; e o aperfeiçoamento da riqueza e quantidade de dados que estão disponíveis para os sistemas de reco- mendação.
[0026] 2. SISTEMA DE COMPUTADOR DE INTELIGÊNCIA AGRÍ-
[0027] 2.1 VISÃO GERAL ESTRUTURAL
[0028] A figura 1 ilustra um sistema de computador ilustrativo que é configurado para realizar as funções descritas aqui, ilustradas em um ambiente de campo com outro aparelho com o qual o sistema pode in- teroperar. Em uma modalidade, um usuário 102 é proprietário, opera ou possui um dispositivo de computação de gerenciador de campo 104 em um local de campo, ou associado a um local de campo, tal como um campo destinado a atividades agrícolas ou um local de gerenciamento para um ou mais campos agrícolas. O dispositivo de computador de ge- renciamento de campo 104 é programado ou configurado para fornecer dados de campo 106 para um sistema de computador de inteligência agrícola 130 através de uma ou mais redes 109.
[0029] Exemplos de dados de campo 106 incluem (a) dados de identificação (por exemplo, área, nome do campo, identificadores de campo, identificadores geográficos, identificadores de limite, identifica- dores de plantação, e quaisquer outros dados adequados que possam ser utilizados para identificar terra agriculturável, tal como uma unidade de terra comum (CLU), número de lote e bloco, número de parcela, co- ordenadas e limites geográficos, Número Serial da Fazenda (FSN), nú- mero da fazenda, número de trato, número de campo, seção, cidade e/ou faixa) (b) dados de colheita (por exemplo, tipo de plantação, varie- dade de plantação, rotação de plantação, se a plantação é orgânica, data de colheita, Histórico de Produção Real (APH), rendimento espe- rado, rendimento, preço da plantação, receita da plantação, umidade do grão, prática de lavoura e informação sobre a estação de crescimento anterior), (c) dados do solo (por exemplo, tipo, composição, pH, matéria orgânica (OM), capacidade de permuta de cátion (CEC)), (d) dados de planejamento (por exemplo, data de plantio, tipo de semente, maturi- dade relativa (RM) das sementes plantadas, população de sementes), (e) dados de fertilizante (por exemplo, tipo de nutriente (Nitrogênio, Fós- foro, Potássio), tipo de aplicação, data de aplicação, quantidade, fonte, método), (f) dados de aplicação química (por exemplo, pesticida, herbi-
cida, fungicida, outras substâncias ou mistura de substâncias destina- das ao uso como um regulador de planta, desfolhante, ou dessecante, data de aplicação, quantidade, fonte, método), (g) dados de irrigação (por exemplo, data de aplicação, quantidade, fonte, método), (h) dados climáticos (por exemplo, precipitação, taxa de chuva, chuva prevista, re- gião com taxa de escoamento de chuva, temperatura, vento, previsão, pressão, visibilidade, nuvens, índice de calor, ponto de orvalho, umi- dade, profundidade de neve, qualidade do ar, nascer do sol, pôr do sol), (i) dados de imagens (por exemplo, informação de espectro de imagem e luz de um sensor de aparelho agrícola, câmera, computador, smar- tphone, tablet, veículo aéreo não tripulado, aeronaves ou satélites), (j) observações de aferição (fotografias, vídeos, notas em formato livre, gravações de voz, transcrições de voz, condições climáticas (tempera- tura, precipitação (corrente e com o tempo), umidade do solo, estágio de crescimento da plantação, velocidade do vento, umidade relativa, ponto de orvalho, black layer)), e (k) solo, semente, fenologia de planta- ção, registro de pragas e doenças, e fontes e bases de dados de previ- são.
[0030] Um computador de servidor de dados 108 é acoplado de forma comunicativa ao sistema de computador de inteligência agrícola 130 e é programado ou configurado para enviar dados externos 110 para o sistema de computador de inteligência agrícola 130 através das redes 109. O computador de servidor de dados externos 108 pode ser de propriedade de, ou operado, pela mesma pessoa ou entidade legal que o sistema de computador de inteligência agrícola 130, ou por uma pessoa ou entidade diferente, tal como uma agência governamental, or- ganização não governamental (NGO), e/ou um provedor de serviço de dados privado. Exemplos de dados externos incluem dados climáticos, dados de imagem, dados de solo, ou dados estatísticos referentes aos rendimentos da plantação, entre outros. Os dados externos 110 podem consistir no mesmo tipo de informação que os dados de campo 106. Em algumas modalidades, os dados externos 110 são fornecidos por um servidor de dados externos 108 de propriedade da mesma entidade que é proprietária, e/ou opera, o sistema de computador de inteligência agrí- cola 130. Por exemplo, o sistema de computador de inteligência agrícola 130 pode incluir um servidor de dados focado exclusivamente em um tipo de dados que pode, de outra forma, ser obtido a partir das fontes de terceira parte, tal como dados climáticos. Em algumas modalidades, um servidor de dados externo 108 pode, de fato, ser incorporado ao sistema 130.
[0031] Um aparelho agrícola 111 pode possuir um ou mais sensores remotos 112 fixados ao mesmo, sensores esses que são acoplados de forma comunicativa, direta ou indiretamente, através do aparelho agrí- cola 111 ao sistema de computador de inteligência agrícola 130 e são programados ou configurados para enviar dados de sensor para o sis- tema de computador de inteligência agrícola 130. Exemplos do aparelho agrícola 111 incluem tratores, colheitadeiras, plantadores, caminhões, equipamento de fertilizantes, veículos aéreos incluindo veículos aéreos não tripulados, e qualquer outro item de maquinário ou hardware físico, tipicamente maquinário móvel, e que possa ser utilizado em tarefas as- sociadas à agricultura. Em algumas modalidades, uma unidade do apa- relho 111 pode compreender uma pluralidade de sensores 112 que são acoplados localmente a uma rede no aparelho; a rede de área de con- trole (CAN) é um exemplo de tal rede que pode ser instalada em colhei- tadeiras, pulverizadores e cultivadores. O controlador de aplicação 114 é acoplado de forma comunicativa ao sistema de computador de inteli- gência agrícola 130 através das redes 109 e é programado, ou configu- rado, para receber um ou mais scripts que são utilizados para controlar um parâmetro operacional de um veículo agrícola ou implemento do sis-
tema de computador de inteligência agrícola 130. Por exemplo, uma in- terface de barramento de rede de área de controlador (CAN) pode ser utilizada para permitir as comunicações do sistema de computador de inteligência agrícola 130 para o aparelho agrícola 111, tal como CLI- MATE FIELD VIEW DRIVE, disponível a partir da The Climate Corpora- tion, São Francisco, Califórnia, é utilizado. Os dados de sensor podem consistir no mesmo tipo de informação que os dados de campo 106. Em algumas modalidades, os sensores remotos 112 podem não ser fixados a um aparelho agrícola 111, mas podem estar localizados remotamente no campo e podem se comunicar com a rede 109.
[0032] O aparelho 111 pode compreender um computador de ca- bine 115 que é programado com um aplicativo de cabine, que pode com- preender uma versão ou variante do aplicativo móvel para o dispositivo 104 que é adicionalmente descrito em outras seções aqui. Em uma mo- dalidade, o computador de cabine 115 compreende um computador compacto, frequentemente um computador do tamanho de um tablet ou smartphone, com um display de tela gráfica, tal como um display colo- rido, que é montado dentro da cabine do operador do aparelho 111. O computador de cabine 115 pode implementar algumas ou todas as ope- rações e funções que são descritas aqui adicionalmente para o disposi- tivo de computador móvel 104.
[0033] As redes 109 representam de forma ampla qualquer combi- nação de uma ou mais redes de comunicação de dados incluindo redes de área local, redes de área ampla, inter-redes ou internets, utilizando qualquer um dos links com ou sem fio, incluindo links terrestres ou via satélite. As redes podem ser implementadas por qualquer meio ou me- canismo que forneça a permuta de dados entre os vários elementos da figura 1. Os vários elementos da figura 1 também podem possuir links de comunicações diretos (com ou sem fio). Os sensores 112, o contro- lador 114, o computador de servidor de dados externos 108, e outros elementos do sistema compreendem, cada um, uma interface compatí- vel com as redes 109 e são programados ou configurados para utilizar os protocolos padronizados para comunicação através das redes, tal como TCP/IP, Bluetooth, protocolo CAN e protocolos de camada supe- rior, tal como HTTP, TLS e similares.
[0034] O sistema de computador de inteligência agrícola 130 é pro- gramado ou configurado para receber dados de campo 106 do disposi- tivo de computação de gerenciador de campo 104, dados externos 110 do computador de servidor de dados externos 108, e dados de sensor do sensor remoto 112. O sistema de computador de inteligência agrícola 130 pode ser adicionalmente configurado para hospedar, utilizar ou exe- cutar um ou mais programas de computador, outros elementos de sof- tware, lógica digitalmente programada, tal como FPGAs ou ASICs, ou qualquer combinação dos mesmos para realizar a translação e armaze- namento de valores de dados, construção de modelos digitais de uma ou mais plantações em um ou mais campos, geração de recomenda- ções e notificações, e geração e envio de scripts para o controlador de aplicação 114, da forma descrita adicionalmente em outras seções dessa descrição.
[0035] Em uma modalidade, o sistema de computador de inteligên- cia agrícola 130 é programado com ou compreende uma camada de comunicação 132, uma camada de apresentação 134, uma camada de gerenciamento de dados 140, uma camada de hardware/virtualização 150, e um depósito de dados de modelo e campo 160. "Camada", nesse contexto, se refere a qualquer combinação de circuitos de interface di- gital eletrônica, microcontroladores, firmware tal como drivers, e/ou pro- gramas de computador ou outros elementos de software.
[0036] A camada de comunicação 132 pode ser programada ou configurada para realizar as funções de interface de entrada/saída in-
cluindo o envio de solicitações para o dispositivo de computação de ge- renciador de campo 104, computador servidor de dados externos 108, e sensor remoto 112 para dados de campo, dados externos, e dados de sensor, respetivamente. A camada de comunicação 132 pode ser pro- gramada ou configurada para enviar os dados recebidos para o depósito de dados de modelo e campo 160 para serem armazenados como da- dos de campo 106.
[0037] A camada de apresentação 134 pode ser programada ou configurada para gerar uma interface de usuário gráfica (GUI) a ser exi- bida no dispositivo de computação de gerenciador de campo 104, com- putador de cabine 115 ou outros computadores que são acoplados ao sistema 130 através da rede 109. A GUI pode compreender controles para registrar dados a serem enviados para o sistema de computador de inteligência agrícola 130, gerando solicitações por modelos e/ou re- comendações, e/ou exibindo recomendações, notificações, modelos e outros dados de campo.
[0038] A camada de gerenciamento de dados 140 pode ser progra- mada ou configurada para gerenciar as operações de leitura e opera- ções de escrita envolvendo o depósito 160 e outros elementos funcio- nais do sistema, incluindo conjuntos de pesquisas e resultados comuni- cados entre os elementos funcionais do sistema e do depósito. Exem- plos da camada de gerenciamento de dados 140 incluem JDBC, código de interface de servidor SQL e/ou código de interface HADOOP, entre outros. O depósito 160 pode compreender uma base de dados. Como utilizado aqui, o termo "base de dados" pode se referir a um corpo de dados, a um sistema de gerenciamento de base de dados relacional (RDBMS), ou a ambos. Como utilizado aqui, uma base de dados pode compreender qualquer coleção de dados incluindo bases de dados hie- rárquicas, bases de dados relacionais, bases de dados de arquivo plano, bases de dados relacionais de objeto, bases de dados orientadas por objeto, bases de dados distribuídas, e qualquer outra coleção estru- turada de registros ou dados que são armazenados em um sistema de computador. Exemplos de RDBMS incluem, mas não estão limitados a incluir, bases de dados ORACLE,MYSQL, IBM DB2, MICROSOFT SQL SERVER, SYBASE e POSTGRESQL. No entanto, qualquer base de dados pode ser utilizada para permitir os sistemas e métodos descritos aqui.
[0039] Quando os dados de campo 106 não são fornecidos direta- mente para o sistema de computador de inteligência agrícola através de uma ou mais máquinas agrícolas ou dispositivos de máquina agrícola que interagem com o sistema de computador de inteligência agrícola, o usuário pode ser solicitado, através de uma ou mais interfaces de usu- ário no dispositivo de usuário (servido pelo sistema de computador de inteligência agrícola), a registrar tal informação. Em uma modalidade ilustrativa, o usuário pode especificar os dados de identificação pelo acesso a um mapa no dispositivo de usuário (servido pelo sistema de computador de inteligência agrícola) e selecionar CLUs específicas que foram graficamente ilustradas no mapa. Em uma modalidade alterna- tiva, o usuário 102 pode especificar os dados de identificação pelo acesso a um mapa no dispositivo de usuário (servido pelo sistema de computador de inteligência agrícola 130) e limites de desenho do campo sobre o mapa. Tal seleção de CLU ou desenhos de mapa representa identificadores geográficos. Em modalidades alternativas, o usuário pode especificar os dados de identificação pelo acesso aos dados de identificação de campo (fornecidos como arquivos de formato ou em um formato similar) do Departamento Norte Americano de Agência de Ser- viços Agrícolas ou outra fonte através do dispositivo de usuário e forne- cendo tais dados de identificação de campo para o sistema de compu- tador de inteligência agrícola.
[0040] Em uma modalidade ilustrativa, o sistema de computador de inteligência agrícola 130 é programado para gerar e causar a exibição de uma interface de usuário gráfica compreendendo um gerenciador de dados para o registro de dados. Depois que um ou mais campos foram identificados utilizando-se os métodos descritos acima, o gerenciador de dados pode fornecer uma ou mais ferramentas de interface que, quando selecionadas, podem identificar as mudanças nas práticas de campo, solo, plantações, lavoura ou nutrientes. O gerenciador de dados pode incluir uma visão da linha de tempo, uma visão de planilha, e/ou um ou mais programas editáveis.
[0041] A figura 5 apresenta uma modalidade ilustrativa de uma vista da linha do tempo para o registro de dados. Utilizando-se o display apre- sentado na figura 5, um computador de usuário pode registrar uma se- leção de um campo particular e uma data particular para a adição do evento. Eventos apresentados no topo da linha do tempo podem incluir Nitrogênio, Plantio, Práticas e Solo. Para se adicionar um evento de apli- cação de nitrogênio, um computador de usuário pode fornecer o registro para selecionar a aba de nitrogênio. O computador de usuário pode, então, selecionar uma localização na linha do tempo para um campo particular a fim de indicar uma aplicação de nitrogênio no campo seleci- onado. Em resposta ao recebimento de uma seleção de uma localização na linha do tempo para um campo particular, o gerenciador de dados pode exibir uma sobreposição de registro de dados, permitindo que o computador de usuário registre dados pertencentes às aplicações de nitrogênio, procedimentos de plantio, aplicação de solo, procedimentos de lavoura, práticas de irrigação, ou outra informação referente ao campo em particular. Por exemplo, se um computador de usuário sele- cionar uma parte da linha do tempo e indicar uma aplicação de nitrogê- nio, então, a sobreposição de registro de dados pode incluir campos para o registro de uma quantidade de nitrogênio aplicada, uma data de aplicação, um tipo de fertilizante utilizado, e qualquer outra informação relacionada com a aplicação de nitrogênio.
[0042] Em uma modalidade, o gerenciador de dados fornece uma interface para a criação de um ou mais programas. "Programa", nesse contexto, se refere a um conjunto de dados pertencentes às aplicações de nitrogênio, procedimentos de plantio, aplicação de solo, procedimen- tos de lavoura, práticas de irrigação, ou outra informação que possa es- tar relacionada com um ou mais campos, e que possa ser armazenada no armazenador de dados digitais para reutilização como um conjunto em outras operações. Depois que um programa foi criado, o mesmo pode ser conceitualmente aplicado a um ou mais campos e referências ao programa podem ser armazenadas no armazenador digital em asso- ciação com os dados que identificam os campos. Dessa forma, em vez de registrar manualmente dados idênticos referentes às mesmas apli- cações de nitrogênio para múltiplos campos diferentes, um computador de usuário pode criar um programa que indica uma aplicação particular de nitrogênio e, então, aplica o programa a múltiplos campos diferentes. Por exemplo, na vista de linha de tempo da figura 5, as duas linhas de tempo superiores possuem o programa "Aplicação de Primavera" sele- cionado, que inclui uma aplicação de 150 lbs de N/ac no início de abril. O gerenciador de dados pode fornecer uma interface para edição de um programa. Em uma modalidade, quando um programa em particular é editado, cada campo que selecionou o programa em particular é edi- tado. Por exemplo, na figura 5, se o programa "Aplicação de Primavera" for editado para reduzir a aplicação de nitrogênio para 130 lbs N/ac, os dois campos superiores podem ser atualizados com uma aplicação re- duzida de nitrogênio com base no programa editado.
[0043] Em uma modalidade, em resposta ao recebimento de edi- ções a um campo que possui um programa selecionado, o gerenciador de dados remove a correspondência do campo com o programa seleci- onado. Por exemplo, se uma aplicação de nitrogênio for adicionada ao campo superior na figura 5, a interface pode ser atualizada para indicar que o programa "Aplicação de Primavera" não está mais sendo aplicado ao campo superior. Enquanto a aplicação de nitrogênio no início de abril pode permanecer, as atualizações do programa "Aplicação de prima- vera" não alteram a aplicação de nitrogênio em abril.
[0044] A figura 6 apresenta uma modalidade ilustrativa de uma vista de planilha para o registro de dados. Utilizando-se o display apresen- tado na figura 6, um usuário pode criar e editar informação para um ou mais campos. O gerenciador de dados pode incluir planilhas para enviar informação com relação a Nitrogênio, Plantio, Práticas e Solo, como apresentado na figura 6. Para editar um registro em particular, um com- putador de usuário pode selecionar o registro particular na planilha e atualizar os valores. Por exemplo, a figura 6 apresenta uma atualização em andamento de um valor de rendimento alvo para o segundo campo. Adicionalmente, um computador de usuário pode selecionar um ou mais campos a fim de aplicar um ou mais programas. Em resposta ao rece- bimento de uma seleção de um programa para um campo em particular, o gerenciador de dados pode, automaticamente, completar os registros para o campo em particular com base no programa selecionado. Como com a vista de linha de tempo, o gerenciador de dados pode atualizar os registros para cada campo associados a um programa em particular, em resposta ao recebimento de uma atualização do programa. Adicio- nalmente, o gerenciador de dados pode remover a correspondência do programa selecionado com o campo em resposta ao recebimento de uma edição de um dos registros para o campo.
[0045] Em uma modalidade, os dados de modelo e campo são ar- mazenados no depósito de dados de modelo e campo 160. Os dados de modelo compreendem modelos de dados criados para um ou mais campos. Por exemplo, um modelo de plantação pode incluir um modelo digitalmente construído de desenvolvimento de uma plantação em um ou mais campos. "Modelo", nesse contexto, se refere a um conjunto ele- trônico digitalmente armazenado de instruções executáveis e valores de dados, associado a outro, que são capazes de receber e responder a uma chamada programática ou outra chamada digital, invocação ou so- licitação por resolução com base nos valores de entrada especificados, para resultar em um ou mais valores de saída armazenados ou calcula- dos que podem servir como base para as recomendações implementa- das por computador, exibições de dados de saída, ou controle de má- quina, entre outras coisas. Os versados na técnica no campo conside- ram conveniente se expressar os modelos utilizando-se equações ma- temáticas, mas essa forma de expressão não confina os modelos des- critos aqui a conceitos abstratos; em vez disso, cada modelo apresen- tado aqui possui uma aplicação prática em um computador na forma de instruções executáveis armazenadas e dados que implementam o mo- delo utilizando o computador. O modelo pode incluir um modelo de eventos passados em um ou mais campos, um modelo da situação atual de um ou mais campos, e/ou um modelo de eventos previstos em um ou mais campos. Os dados de modelo e campo podem ser armazena- dos nas estruturas de dados na memória, fileiras em uma tabela de base de dados, em arquivos ou planilhas planos ou outras formas de dados digitais armazenados.
[0046] Em uma modalidade, as instruções de recomendação de ir- rigação 135 compreendem um conjunto de uma ou mais páginas da me- mória principal, tal como RAM, no sistema de computador de inteligên- cia agrícola 130, no qual as instruções executáveis foram carregadas e que, quando executadas, fazem com que o sistema de computador de inteligência agrícola realize as funções ou operações que são descritas aqui com referência a esses módulos. As instruções podem estar no código executável por máquina no conjunto de instruções de uma CPU e podem ter sido compiladas com base no código fonte escrito em
JAVA, C, C++, OBJECTIVE-C, ou qualquer outra linguagem ou ambi- ente de programação legível por humanos, sozinhas ou em combinação com scripts em JAVASCRIPT, outras linguagens de roteirização, e outro texto fonte de programação. O termo "páginas" deve se referir de forma ampla a qualquer região dentro da memória principal e a terminologia específica utilizada em um sistema pode variar dependendo da arquite- tura da memória ou da arquitetura do processador. Em outra modali- dade, as instruções de recomendação de irrigação 135 também podem representar um ou mais arquivos ou projetos de código fonte que são digitalmente armazenados em um dispositivo de armazenamento em massa tal como RAM não volátil ou armazenamento em disco, no sis- tema de computador de inteligência agrícola 130 ou em um sistema de depósito separado, que, quando compilados ou interpretados causam a geração de instruções executáveis para realizar as funções ou opera- ções que são descritas aqui com referência a esses módulos. Em outras palavras, a figura do desenho pode representar a forma na qual os pro- gramadores ou projetistas de software organizam e dispõem o código fonte para compilação posterior em um elemento executável, ou inter- pretação em código de byte ou equivalente, para execução pelo sistema de computador de inteligência agrícola 130.
[0047] A camada de hardware/virtualização 150 compreende uma ou mais unidades de processamento central (CPUs), controladores de memória, e outros dispositivos, componentes ou elementos de um sis- tema de computador, tal como memória volátil ou não volátil, armaze- namento não volátil, tal como disquete, e dispositivos I/O ou interfaces, como ilustrado e descrito, por exemplo, com relação à figura 4. A ca- mada 150 também pode compreender instruções programadas que são configuradas para suportar a virtualização, contentorização, ou outras tecnologias.
[0048] Para fins de ilustração de um exemplo claro, a figura 1 ilustra um número limitado de casos de determinados elementos funcionais. No entanto, em outras modalidades, pode haver qualquer número de tais elementos. Por exemplo, as modalidades podem utilizar milhares ou milhões de diferentes dispositivos de computação móveis 104 asso- ciados a diferentes usuários. Adicionalmente, o sistema 130 e/ou o com- putador de servidor de dados externos 108 pode ser implementado uti- lizando-se dois ou mais processadores, núcleos, agrupamentos ou ca- sos de máquinas físicas ou máquinas virtuais, configuradas em um local discreto ou no mesmo local com outros elementos em um centro de da- dos, instalação de computação compartilhada ou instalação de compu- tação em nuvem.
[0049] 2.2. VISÃO GERAL DO PROGRAMA DE APLICAÇÃO
[0050] Em uma modalidade, a implementação das funções descri- tas aqui, utilizando um ou mais programas de computador ou outros ele- mentos de software que são carregados em e executados utilizando-se um ou mais computadores de finalidade geral, fará com que os compu- tadores de finalidade geral sejam configurados como uma máquina par- ticular ou como um computador que é especialmente adaptado para re- alizar as funções descritas aqui. Adicionalmente, cada um dos fluxogra- mas que são descritos adicionalmente aqui pode servir, sozinho, ou em combinação com as descrições dos processos e funções apresentados aqui, como algoritmos, planos ou instruções que podem ser utilizados para programar um computador ou lógica para implementar as funções que são descritas. Em outras palavras, todo o texto apresentado aqui, e todas a figuras dos desenhos, juntos, devem fornecer a descrição dos algoritmos, planos ou instruções que são suficientes para se permitir que os versados na técnica programem um computador para realizar as funções que são descritas aqui, em combinação com a especialização e conhecimento de tal pessoa de acordo com o nível de especialização que é adequado para as invenções e descrições desse tipo.
[0051] Em uma modalidade, o usuário 102 interage com o sistema de computador de inteligência agrícola 130 utilizando o dispositivo de computação de gerenciador de campo 104 configurado com um sistema operacional e um ou mais programas de aplicativo ou aplicativos; o dis- positivo de computação de gerenciamento de campo 104 também pode interoperar com o sistema de computador de inteligência agrícola inde- pendentemente, e automaticamente, sob o controle de programa ou controle lógico e a interação direta do usuário nem sempre é necessária. O dispositivo de computação do gerenciador de campo 104 representa de forma ampla um ou mais dentre o smartphone, PDA, dispositivo de computação tablet, computador laptop, computador desktop, estação de trabalho, ou qualquer outro dispositivo de computação capaz de trans- mitir e receber informação e realizar as funções descritas aqui. O dispo- sitivo de computação de gerenciamento de campo 104 pode se comu- nicar através de uma rede utilizando um aplicativo móvel armazenado no dispositivo de computação de gerenciamento de campo 104, e, em algumas modalidades, o dispositivo pode ser acoplado utilizando-se um cabo 113 ou conector ao sensor 112 e/ou controlador 114. Um usuário em particular 102 pode ser proprietário de, operar ou processar e utili- zar, com relação ao sistema 130, mais de um dispositivo de computação de gerenciador de campo 104 de cada vez.
[0052] O aplicativo móvel pode fornecer a funcionalidade de lado de cliente, através da rede para um ou mais dispositivos de computação móvel. Em uma modalidade ilustrativa, o dispositivo de computação de gerenciamento de campo 104 pode acessar o aplicativo móvel através de um navegador de rede ou um aplicativo de cliente local ou app. O dispositivo de computação de gerenciamento de campo 104 pode trans- mitir dados para, e receber dados de, um ou mais servidores de extre- midade dianteira, utilizando protocolos ou formatos com base em rede,
tal como HTTP, XML e/ou JSON, ou protocolos específicos de aplica- tivo. Em uma modalidade ilustrativa, os dados assumem a forma de so- licitações e registro de informação de usuário, tal como dados de campo, no dispositivo de computação móvel. Em algumas modalidades, o aplicativo móvel interage com o hardware e software de rastreamento de localização no dispositivo de computação de gerenciamento de campo 104 que determina a localização do dispositivo de computação de gerenciamento de campo 104 utilizando técnicas de rastreamento padrão, tal como multilateração de sinais de rádio, sistema de posicio- namento global (GPS), sistemas de posicionamento WiFi, ou outros mé- todos de posicionamento móvel. Em alguns casos, os dados de locali- zação ou outros dados associados ao dispositivo 104, usuário 102 e/ou contas de usuário podem ser obtidos por meio de pesquisas a um sis- tema operacional do dispositivo ou pela solicitação de um app no dispo- sitivo para obtenção de dados a partir do sistema operacional.
[0053] Em uma modalidade, o dispositivo de computação de geren- ciamento de campo 104 envia dados de campo 106 para o sistema de computador de inteligência agrícola 130 compreendendo, ou incluindo, mas não limitado a valores de dados representando um ou mais dentre: uma localização geográfica de um ou mais campos, a informação de lavoura para um ou mais campos, plantações semeadas nos um ou mais campos, e dados de solo extraídos de um ou mais campos. O dis- positivo de computação de gerenciamento de campo 104 pode enviar os dados de campo 106, em resposta ao registro do usuário, a partir do usuário 102 especificando os valores de dados para um ou mais cam- pos. Adicionalmente, o dispositivo de computação de gerenciamento de campo 104 pode enviar automaticamente os dados de campo 106 quando um ou mais dos valores de dados se tornam disponíveis para o dispositivo de computação de gerenciamento de campo 104. Por exem- plo, o dispositivo de computação de gerenciamento de campo 104 pode ser acoplado de forma comunicativa ao sensor remoto 112 e/ou ao con- trolador de aplicação 114 que inclui um sensor de irrigação e/ou um controlador de irrigação. Em resposta aos recebimentos dos dados que indicam que o controlador de aplicação 114 libera água em um ou mais campos, o dispositivo de computação de gerenciamento de campo 104 pode enviar dados de campo 106 para o sistema de computador de in- teligência agrícola 130 indicando que água foi liberada em um ou mais campos. Os dados de campo 106 identificados nessa descrição podem ser registrados e comunicados utilizando-se os dados digitais eletrôni- cos que são comunicados entre os dispositivos de computação utili- zando URLs parametrizados através de HTTP, ou outro protocolo de comunicação ou envio de mensagem adequado.
[0054] Um exemplo comercial do aplicativo móvel é o CLIMATE FI- ELDVIEW, comercialmente disponível através da The Climate Corpora- tion, São Francisco, Califórnia. O aplicativo CLIMATE FIELDVIEW, ou outros aplicativos, podem ser modificados, estendidos ou adaptados para incluir características, funções e programação que não foram des- critas antes da data de depósito desse pedido. Em uma modalidade, o aplicativo móvel compreende uma plataforma de software integrada que permite que um agricultor tome decisões baseadas em fatos para sua operação visto que combina os dados de histórico sobre os campos do agricultor com quaisquer outros dados que o agricultor deseje comparar. As combinações e comparações podem ser realizadas em tempo real e são baseadas em modelos específicos que fornecem situações em po- tencial para permitir que o agricultor tome decisões melhores e mais informadas.
[0055] A figura 2 ilustra duas vistas de uma organização lógica ilus- trativa dos conjuntos de instruções na memória principal quando um aplicativo móvel ilustrativo é carregado para fins de execução. Na figura 2, cada elemento citado representa uma região de uma ou mais páginas da RAM ou outra memória principal, ou um ou mais blocos de armaze- namento em disco, ou outro armazenamento não volátil, e as instruções programadas dentro dessas regiões. Em uma modalidade, na vista (a), um aplicativo de computador móvel 200 compreende instruções de com- partilhamento de registro de dados de campos contabilizados 202, ins- truções gerais e de alerta 204, instruções de livro de mapa digital 206, instruções de sementes e plantio 208, instruções de nitrogênio 210, ins- truções climáticas 212, instruções de saúde de campo 214, e instruções de desempenho 216.
[0056] Em uma modalidade, um aplicativo de computador móvel 200 compreende instruções de conta, campos, registro de dados, e compartilhamento 202 que são programadas para receber, traduzir e registrar dados de campo a partir de sistemas de terceiras partes, atra- vés de carregamento manual ou APIs. Os tipos de dados podem incluir limites de campo, mapas de rendimento, mapas de terreno como plan- tado, resultados de testes de solo, mapas como aplicados, e/ou zonas de gerenciamento, entre outros. Os formatos de dados podem incluir arquivos de formato, formatos de dados nativos de terceiras partes e/ou exportações do sistema de informação de gerenciamento da fazenda (FMIS), entre outros. O recebimento dos dados pode ocorrer através de carregamento manual, e-mail com anexo, APIs externas que enviam da- dos para o aplicativo móvel, ou instruções que chamam APIs dos siste- mas externos para puxar dados para o aplicativo móvel. Em uma moda- lidade, o aplicativo de computador móvel 200 compreende uma caixa de entrada de dados. Em resposta ao recebimento de uma seleção da caixa de entrada de dados, o aplicativo de computador móvel 200 pode exibir uma interface de usuário gráfica para carregar manualmente os arquivos de dados e importar os arquivos carregados para um gerenci- ador de dados.
[0057] Em uma modalidade, as instruções de livro de mapa digital
206 compreendem camadas de dados de mapa de campo armazena- das na memória de dispositivo e são programadas com ferramentas de visualização de dados e notas de campo geoespacial. Isso fornece aos agricultores informação conveniente à mão para referência, arquiva- mento e ideias visuais sobre o desempenho do campo. Em uma moda- lidade, instruções gerais e de alerta 204 são programadas para fornecer uma visão ampla da operação do que é importante para o agricultor, e recomendações temporais para que se realize ação ou se foque em questões particulares. Isso permite que o agricultor concentre tempo no que precisa de atenção, economize tempo e preserve o rendimento da estação. Em uma modalidade, as instruções de semente e plantio 208 são programadas para fornecer ferramentas para a seleção de semen- tes, colocação híbrida, e criação de script, incluindo a criação de script de taxa variável (VR), com base em modelos científicos e dados empí- ricos. Isso permite que o agricultor maximize o rendimento ou retorno do investimento através da compra, colocação e população otimizadas das sementes.
[0058] Em uma modalidade, as instruções de geração de script 205 são programadas para fornecer uma interface para a geração de scripts, incluindo scripts de fertilidade de taxa variável (VR). A interface permite que os agricultores criem scripts para implementos de campo, tal como aplicação de nutrientes, plantio e irrigação. Por exemplo, uma interface de script de plantio pode compreender ferramentas para identificar um tipo de semente para plantio. Depois de receber uma seleção de tipos de sementes, o aplicativo de computador móvel 200 pode exibir um ou mais campos divididos em zonas de gerenciamento, tal como camadas de dados de mapa de campo criadas como parte das instruções de livro de mapa digital 206. Em uma modalidade, as zonas de gerenciamento compreendem zonas de solo juntamente com um painel de identificação de cada zona de solo e um nome, textura, drenagem de solo para cada zona, ou outros dados de campo. O aplicativo de computador móvel 200 também pode exibir ferramentas para edição ou criação, tal como ferra- mentas gráficas para projetar zonas de gerenciamento, tal como zonas de solo, através de um mapa de um ou mais campos. Os procedimentos de plantio podem ser aplicados a todas as zonas de gerenciamento, ou procedimentos de plantio diferentes podem ser aplicados a diferentes subconjuntos de zonas de gerenciamento. Quando um script é criado, o aplicativo de computador móvel 200 pode disponibilizar o script para download em um formato legível por um controlador de aplicativo, tal como um formato arquivado ou comprimido. Adicionalmente, e/ou alter- nativamente, um script pode ser enviado diretamente para o computa- dor de cabine 115 a partir do aplicativo de computador móvel 200 e/ou carregado em um ou mais servidores de dados e armazenados para uso posterior.
[0059] Em uma modalidade, as instruções de nitrogênio 210 são programadas para fornecer ferramentas para informar sobre as deci- sões sobre o nitrogênio pela visualização da disponibilidade de nitrogê- nio para as plantações. Isso permite que os agricultores maximizem o rendimento ou retorno do investimento através da aplicação de nitrogê- nio otimizada durante a estação. Funções programadas ilustrativas in- cluem a exibição de imagens, tal como imagens SSURGO, para permitir o projeto de zonas de aplicação de fertilizante e/ou imagens geradas a partir dos dados de solo de subcampo, tal como os dados obtidos a par- tir dos sensores, com uma alta resolução espacial (a nível milimétrico ou menor, dependendo da proximidade e resolução do sensor); carre- gamento das zonas existentes definidas pelo agricultor; fornecimento de um gráfico de disponibilidade de nutrientes para as plantas e/ou um mapa para permitir a sintonia das aplicações de nitrogênio através de múltiplas zonas; o envio dos scripts para acionar o maquinário; ferra- mentas para o registro e ajuste de dados em massa; e/ou mapas para visualização de dados, entre outros. "Registro de dados em massa", nesse contexto, pode significar o registro de dados uma vez e, então, a aplicação dos mesmos dados a múltiplos campos e/ou zonas que foram definidos no sistema; dados ilustrativos podem incluir dados de aplica- ção de nitrogênio que são os mesmos para muitos campos e/ou zonas do mesmo agricultor, mas tal registro de dados em massa se aplica ao registro de qualquer tipo de dados de campo ao aplicativo de computa- dor móvel 200. Por exemplo, as instruções de nitrogênio 210 podem ser programadas para aceitar as definições da aplicação de nitrogênio e programas de práticas e para aceitar o registro de usuário especificando a aplicação desses programas através de vários campos. "Programas de aplicação de nitrogênio", nesse contexto, se referem a conjuntos ar- mazenados e nomeados de dados que associam: um nome, código de cor ou outro identificador, uma ou mais datas de aplicação, tipos de ma- terial ou de produto para cada uma das datas e quantidades, método de aplicação ou incorporação, tal como injetados ou difundidos, e/ou quan- tidades ou taxas de aplicação para cada uma das datas, plantações ou híbridos, que seja submetido à aplicação, entre outros. "Programas de práticas de nitrogênio", nesse contexto, se referem a conjuntos armaze- nados e nomeados de dados que associam: um nome das práticas; uma plantação anterior; um sistema de lavoura; uma data de lavoura primá- ria; um ou mais sistemas anteriores de lavoura que foram utilizados; um ou mais indicadores do tipo de aplicação, tal como esterco, que foram utilizados.
Instruções de nitrogênio 210 também podem ser programa- das para gerar e causar a exibição de um gráfico de nitrogênio, que indica as projeções de utilização da planta de nitrogênio especificado e se um excedente ou uma carência é previsto; em algumas modalidades, indicadores de cores diferentes podem sinalizar uma magnitude de ex- cedente ou magnitude de carência.
Em uma modalidade, o gráfico de nitrogênio compreende uma exibição gráfica em um dispositivo de exi- bição em computador compreendendo uma pluralidade de fileiras, cada fileira sendo associada a e identificando um campo; dados especifi- cando qual plantação é plantada no campo, o tamanho do campo, a localização do campo, e uma representação gráfica do perímetro do campo; em cada fileira, uma linha de tempo por mês, com indicadores gráficos especificando cada aplicação de nitrogênio e quantidade em pontos correlacionados aos nomes dos meses; e indicadores numéricos e/ou coloridos do excedente ou carência, cor com a qual se indica a magnitude.
[0060] Em uma modalidade, o gráfico de nitrogênio pode incluir uma ou mais características de registro de usuário, tal como discos ou barras deslizantes, para alterar dinamicamente os programas de plantio e prá- ticas de nitrogênio, de modo que um usuário possa otimizar seu gráfico de nitrogênio. O usuário pode, então, utilizar seu gráfico de nitrogênio otimizado e os programas de plantio e práticas de nitrogênio relaciona- dos para implementar um ou mais scripts, incluindo os scripts de fertili- dade de taxa variável (VR). As instruções de nitrogênio 210 também podem ser programadas para gerar e causar a exibição de um mapa de nitrogênio, que indica as projeções do uso da planta de nitrogênio espe- cificadas e se um excedente ou carência é previsto; em algumas moda- lidades, diferentes indicadores de cores podem sinalizar uma magnitude de excedente ou magnitude de carência. O mapa de nitrogênio pode exigir projeções de uso da planta de nitrogênio especificado e se um excedente ou carência é previsto para momentos diferentes no passado e no futuro (tal como diariamente, semanalmente, mensalmente ou anu- almente) utilizando indicadores numéricos e/ou de cores do excedente ou carência, onde a cor indica a magnitude. Em uma modalidade, o mapa de nitrogênio pode incluir uma ou mais características de registro de usuário, tal como discos ou barras deslizantes, para alterar dinami- camente os programas de plantio e práticas de nitrogênio, de modo que um usuário possa otimizar seu mapa de nitrogênio, tal como para obter uma quantidade preferida de excedente até carência. O usuário pode, então, utilizar seu mapa de nitrogênio otimizado e os programas de plan- tio e práticas de nitrogênio relacionados para implementar um ou mais scripts, incluindo scripts de fertilidade de taxa variável (VR). Em outras modalidades, instruções similares às instruções de nitrogênio 210 po- dem ser utilizadas para aplicação de outros nutrientes (tal como fósforo e potássio), aplicação de pesticidas, e programas de irrigação.
[0061] Em uma modalidade, instruções climáticas 212 são progra- madas para fornecer dados climáticos recentes específicos de campo e informação climática prevista. Isso permite que os agricultores econo- mizem tempo e apresentam uma exibição integrada eficiente com rela- ção às decisões operacionais diárias.
[0062] Em uma modalidade, as instruções de saúde do campo 214 são programadas para fornecer imagens de sensor remoto de forma temporal destacando preocupações com a variação e potencial de plan- tação durante a estação. Funções programadas ilustrativas incluem a verificação da nuvem, para identificar possíveis nuvens e sombras de nuvens; determinando índices de nitrogênio com base nas imagens de campo; visualização gráfica das camadas de aferição, incluindo, por exemplo, as relacionadas com a saúde do campo, e visualização e/ou compartilhamento de notas de aferição; e/ou download de imagens de satélite a partir de múltiplas fontes e priorização das imagens para o agricultor; entre outros.
[0063] Em uma modalidade, as instruções de desempenho 216 são programadas para fornecer relatórios, análises e ferramentas de per- cepção utilizando-se dados da fazenda para avaliação, percepção e to- mada de decisões. Isso permite que o agricultor busque por resultados aperfeiçoados para o próximo ano através de conclusões com base em fato sobre o porquê de o retorno do investimento ter apresentado níveis anteriores, e uma visão dos fatores limitadores do rendimento. As ins- truções de desempenho 216 podem ser programadas para comunicar através das redes 109 com programas analíticos back-end executados no sistema de computador de inteligência agrícola 130 e/ou computador do servidor de dados externos 108 e configurados para analisar as mé- tricas, tal como rendimento, diferencial de rendimento, híbrido, popula- ção, zona SSURGO, propriedades de teste de solo, ou elevação, entre outros. Os relatórios programados e a análise podem incluir análise de variação de rendimento, estimativa de efeito de tratamento, referência de rendimento e outras métricas com relação a outros agricultores com base nos dados anonimizados coletados a partir de muitos agricultores, ou dados para sementes e plantio, entre outros.
[0064] Os aplicativos, possuindo instruções configuradas dessa forma, podem ser implementados para diferentes plataformas de dispo- sitivo de computação enquanto retêm a mesma aparência de interface de usuário geral. Por exemplo, o aplicativo móvel pode ser programado para execução em tablets, smartphones, ou computadores servidores que são acessados utilizando-se navegadores nos computadores de cli- ente. Adicionalmente, o aplicativo móvel, como configurado para com- putadores tablet ou smartphones, pode fornecer uma experiência de app completa ou uma experiência de app de cabine que seja adequada para as capacidades de exibição e processamento do computador de cabine 115. Por exemplo, com referência agora à vista (b) da figura 2, em uma modalidade, um aplicativo de computador de cabine 220 pode compreender instruções de mapas-cabine 222, instruções de visualiza- ção remota 224, instruções de coleta e transferência de dados 226, ins- truções de alertas de máquina 228, instruções de transferência de script
230, e instruções de aferição-cabine 232. A base do código para instru- ções da vista (b) pode ser igual para a vista (a), e elementos executáveis implementando o código podem ser programados para detectar o tipo de plataforma na qual são executados e para expor, através de uma interface de usuário gráfica, apenas as funções que são adequadas para uma plataforma de cabine ou uma plataforma completa.
Essa abor- dagem permite que o sistema reconheça a experiência de usuário dife- rente de forma distinta, o que é adequado para um ambiente dentro de cabine e o ambiente de tecnologia diferente da cabine.
As instruções de mapa-cabine 222 podem ser programadas para fornecer vistas de mapa dos campos, fazendas ou regiões que são úteis na direção da operação da máquina.
As instruções de visualização remota 224 podem ser pro- gramadas para ligar, gerenciar e fornecer visualizações da atividade da máquina em tempo real, ou quase em tempo real, para outros dispositi- vos de computação conectados ao sistema 130 através das redes sem fio, conectores com fio ou adaptadores, e similares.
As instruções de coleta e transferência de dados 226 podem ser programadas para ligar, gerenciar e fornecer a transferência de dados coletados nos sensores e controladores para o sistema 130 através de redes sem fio, conectores ou adaptadores com fio, e similares.
As instruções de alerta de máquina 228 podem ser programadas para detectar questões com as operações da máquina ou ferramentas que são associadas à cabine e gerenciar os alertas de operador.
As instruções de transferência de script 230 podem ser configuradas para se transferir em scripts de instruções que são configurados para direcionar as operações de máquina ou a coleta de dados.
As instruções de aferição-cabine 232 podem ser programadas para exibir alertas com base em localização e informação recebidas do sistema 130 com base na localização do dispositivo de computação de gerenciamento de campo 104, aparelho agrícola 111, ou sensores 112 no campo e registrar, gerenciar e fornecer a transferência das observa- ções de aferição com base em localização para o sistema 130 com base na localização do aparelho agrícola 111 ou dos sensores 112 no campo.
[0065] 2.3. REGISTRO DE DADOS NO SISTEMA DE COMPUTA-
[0066] Em uma modalidade, o computador de servidor de dados ex- ternos 108 armazena os dados externos 110, incluindo dados de solo que representam a composição do solo para um ou mais campos e da- dos climáticos que representam a temperatura e precipitação de um ou mais campos. Os dados climáticos podem incluir dados climáticos pas- sados e presentes além das previsões para os dados climáticos futuros. Em uma modalidade, o computador do servidor de dados externos 108 compreende uma pluralidade de servidores hospedados por entidades diferentes. Por exemplo, um primeiro servidor pode conter dados sobre a composição do solo, enquanto um segundo servidor pode incluir da- dos climáticos. Adicionalmente, os dados sobre a composição do solo podem ser armazenados em vários servidores. Por exemplo, um servi- dor pode armazenar dados que representam o percentual de areia, se- dimento, e argila no solo, enquanto um segundo servidor pode armaze- nar dados que representam o percentual de matéria orgânica (OM) no solo.
[0067] Em uma modalidade, o sensor remoto 112 compreende um ou mais sensores que são programados ou configurados para produzir uma ou mais observações. O sensor remoto 112 pode ser um sensor aéreo, tal como satélites, sensores veiculares, sensores de equipa- mento de plantio, sensores de lavoura, sensores de aplicação de fertili- zante ou inseticida, sensores de colheitadeiras, e qualquer outro imple- mento capaz de receber dados de um ou mais campos. Em uma moda- lidade, o controlador de aplicativo 114 é programado ou configurado para receber instruções do sistema de computador de inteligência agrí- cola 130. O controlador de aplicativo 114 também pode ser programado ou configurado para controlar um parâmetro de operação de um veículo ou implemento agrícola. Por exemplo, um controlador de aplicativo pode ser programado ou configurado para controlar um parâmetro operacio- nal de um veículo, tal como um trator, equipamento de plantio, equipa- mento de lavoura, equipamento de aplicação de fertilizante ou inseti- cida, equipamento de colheitadeira, ou outros implementos de fazenda, tal como uma válvula de água. Outras modalidades podem utilizar qual- quer combinação de sensores e controladores, dos quais os seguintes são meramente selecionados como exemplos.
[0068] O sistema 130 pode obter ou registrar dados sob o controle do usuário 102, de forma massiva a partir de um grande número de agricultores que contribuíram com dados para um sistema de base de dados compartilhada. Essa forma de obtenção de dados pode ser cha- mada de "registro de dados manual" visto que uma ou mais operações de computador controladas por usuário são solicitadas ou acionadas para se obter dados para uso pelo sistema 130. Como um exemplo, o aplicativo CLIMATE FIELDVIEW, comercialmente disponível a partir de The Climate Corporation, São Francisco, Califórnia, pode ser operado para exportar dados para o sistema 130 para armazenamento no depó- sito 160.
[0069] Por exemplo, sistemas de monitoramento de sementes po- dem controlar os componentes do aparelho de plantio e obter dados sobre o plantio, incluindo sinais dos sensores de sementes através de uma conexão de sinal que compreende uma estrutura CAN e conexões ponto a ponto para o registro e/ou diagnóstico. Os sistemas de monito- ramento de sementes podem ser programados ou configurados para exibir o espaçamento das sementes, população e outra informação para o usuário através do computador de cabine 115 ou outros dispositivos dentro do sistema 130. Exemplos são descritos na patente U.S. No.
8.738.243 e publicação de patente U.S. 20150094916, e a presente des- crição considera o conhecimento sobre outras descrições de patente.
[0070] Da mesma forma, os sistemas de monitoramento de rendi- mento contêm sensores de rendimento para aparelho de colheita que envia os dados de medição de rendimento para o computador de cabine 115 ou outros dispositivos dentro do sistema 130. Os sistemas de mo- nitoramento de rendimento podem utilizar um ou mais sensores remotos 112 para obter medições sobre a umidade dos grãos em uma combina- ção ou outra colheitadeira e transmitir essas medições para o usuário através do computador de cabine 115 ou outros dispositivos dentro do sistema 130.
[0071] Em uma modalidade, exemplos de sensores 112, que podem ser utilizados com qualquer veículo ou aparelho em movimento do tipo descrito em outro local aqui, incluem sensores cinemáticos e sensores de posição. Os sensores cinemáticos podem compreender qualquer um dos sensores de velocidade, tal como radar ou sensores de velocidade de roda, acelerômetros ou giroscópios. Os sensores de posição podem compreender receptores ou transceptores GPS, ou apps de posição ou mapeamento com base em WiFi que são programados para determinar a localização com base em hotspots WiFi próximos, dentre outros.
[0072] Em uma modalidade, os exemplos dos sensores 112, que podem ser utilizados com tratores ou outros veículos em movimento, incluem sensores de velocidade de motor, sensores de consumo de combustível, contadores de área ou contadores de distância que intera- gem com os sinais GPS ou de radar, sensores de velocidade PTO (ener- gia de decolagem), sensores hidráulicos de trator configurados para de- tectar os parâmetros hidráulicos, tal como pressão ou fluxo, e/ou senso- res de velocidade de bomba hidráulica, sensores de velocidade de roda ou sensores de deslizamento de roda. Em uma modalidade, exemplos de controladores 114 que podem ser utilizados com tratores incluem controladores direcionais hidráulicos, controladores de pressão e/ou controladores de fluxo; controladores de velocidade de bomba hidráu- lica, controladores ou governadores de velocidade; controladores de po- sição de engate; ou controladores de posição de roda que fornecem um direcionamento automático.
[0073] Em uma modalidade, exemplos de sensores 112, que podem ser utilizados com o equipamento de plantio de sementes, tal como plan- tadores, perfuradores ou semeadores com ar, incluem sensores de se- mentes, que podem ser sensores óticos, eletromagnéticos ou de im- pacto; sensores de força descendente, tal como pinos de carga, células de carga, sensores de pressão; sensores de propriedade de solo, tal como sensores de refletividade, sensores de umidade, sensores de con- dutividade elétrica, sensores de resíduo ótico, ou sensores de tempera- tura, sensores de critérios de operação de componente, tal como sen- sores de profundidade de plantio, sensores de pressão de cilindro de força descendente, sensores de velocidade de disco de sementes, co- dificadores de motor de acionamento de sementes, sensores de veloci- dade de sistema transportador de sementes, ou sensores de nível de vácuo; ou sensores de aplicação de pesticidas, tal como sensores óticos ou outros sensores eletromagnéticos, ou sensores de impacto. Em uma modalidade, exemplos de controladores 114, que podem ser utilizados com tal equipamento de plantio de sementes incluem: controladores de dobra de barra de ferramentas, tal como controladores para válvulas associadas aos cilindros hidráulicos; controladores de força descen- dente, tal como controladores para válvulas associadas aos cilindros pneumáticos, airbags, ou cilindros hidráulicos e programados para apli- cação de força descendente a unidades individuais de fileiras ou a toda uma estrutura de plantador; controladores de profundidade de plantio,
tal como acionadores lineares; controladores de medição, tal como mo- tores de acionamento de medidor de semente elétricos, motores de aci- onamento de medidor de sementes hidráulicos, ou embreagens de con- trole de faixa; controladores de seleção híbrida, tal como motores de acionamento de medidor de sementes; ou outros acionadores progra- mados para permitir ou prevenir, seletivamente, que que sementes ou uma mistura de ar e sementes seja distribuída para ou dos medidores de semente ou tremonhas volumosas centrais; controladores de medi- ção, tal como motores de acionamento de medidor de semente elétrica, ou motores de acionamento de medidor de semente hidráulicos; contro- ladores de sistema de transporte de sementes, tal como controladores para um motor de transporte e distribuição de semente tipo correia; con- troladores de marcação, tal como um controlador para acionador pneu- mático ou hidráulico, ou controladores de taxa de aplicação de pesticida, tal como controladores de acionamento de medição, controladores de tamanho ou posição de orifício.
[0074] Em uma modalidade, exemplos de sensores 112, que podem ser utilizados com equipamento de lavoura, incluem sensores de posi- ção para ferramentas, tal como hastes ou discos; sensores de posição de ferramenta para tais ferramentas que são configuradas para detectar profundidade, ângulo de gang, ou espaçamento lateral; sensores de força descendente; ou sensores de força final. Em uma modalidade, exemplos de controladores 114 que podem ser utilizados com equipa- mento de lavoura incluem controladores de força descendente ou con- troladores de posição de ferramenta, tal como controladores configura- dos para controlar a profundidade da ferramenta, ângulo de gang ou espaçamento lateral.
[0075] Em uma modalidade, exemplos de sensores 112 que podem ser utilizados com relação ao aparelho para aplicação de fertilizante, inseticida, fungicida e similares, tal como os sistemas de fertilização on-
planter starter, aplicadores de fertilizantes em subsolo, ou pulverizado- res de fertilizantes, incluem: sensores de critérios do sistema de fluido, tal como sensores de fluxo ou sensores de pressão, sensores indicando quais válvulas do cabeçote de pulverização, ou válvulas de linha de flu- ido, estão abertas; sensores associados aos tanques, tal como senso- res de nível de abastecimento, sensores secionais ou de linha de supri- mento amplo de sistema, ou sensores de linha de suprimento específi- cos de fileira, ou sensores cinemáticos, tal como acelerômetros dispos- tos em lanças de pulverização. Em uma modalidade, exemplos de con- troladores 114, que podem ser utilizados com tal aparelho, incluem con- troladores de velocidade de bomba, controladores de válvula, que são programados para controlar a pressão, o fluxo, a direção, PWM e simi- lares, ou acionadores de posição, tal como para altura de lança, profun- didade de subsolo, ou posição da lança.
[0076] Em uma modalidade, exemplos de sensores 112 que podem ser utilizados com colheitadeiras incluem monitores de rendimento, tal como calibradores de tensão de placa de impacto ou sensores de posi- ção, sensores de fluxo capacitivo, sensores de carga, sensores de peso, ou sensores de torque associados aos elevadores ou brocas, ou outros sensores óticos ou eletromagnéticos de altura de grão; sensores de umi- dade de grão, tal como sensores capacitivos; sensores de perda de grão, incluindo sensores de impacto, sensores óticos ou sensores ca- pacitivos; sensores de critérios de operação de cabeçote, tal como uma altura de cabeçote, tipo de cabeçote, espaço de placa de deck, veloci- dade de alimentador, e sensores de velocidade de enrolamento, senso- res de critérios de operação de separador, tal como espaço côncavo, velocidade de rotor, espaço de sapata, ou sensores de espaço de chaf- fer; sensores de broca para posição, operação ou velocidade; ou sen- sores de velocidade de motor. Em uma modalidade, exemplos de con- troladores 114, que podem ser utilizados com colheitadeiras, incluem controladores de critérios de operação de cabeçote para elementos, tal como altura do cabeçote, tipo de cabeçote, espaço de placa de deck, velocidade de alimentador, ou velocidade de enrolamento; os controla- dores de critérios de operação de separador para características tal como espaço côncavo, velocidade de rotor, espaço de sapata ou es- paço de chaffer; ou controladores para posicionamento, operação ou velocidade de broca.
[0077] Em uma modalidade, exemplos de sensores 112, que podem ser utilizados com compartimentos de grãos, incluem sensores de peso, ou sensores para o posicionamento, operação ou velocidade de broca. Em uma modalidade, exemplos de controladores 114, que podem ser utilizados com compartimentos de grãos, incluem controladores para a posicionamento, operação ou velocidade de broca.
[0078] Em uma modalidade, exemplos de sensores 112 e controla- dores 114 podem ser instalados em um aparelho de veículo aéreo não tripulado (UAV) ou "drones". Tais sensores podem incluir câmeras com detectores eficientes para qualquer faixa de espectro eletromagnético, incluindo luz visível, infravermelha, ultravioleta, quase infravermelha (NIR) e similares; acelerômetros, altímetros, sensores de temperatura, sensores de umidade, sensores de tubo pitot ou outros sensores de ve- locidade do ar ou de vento; sensores de vida útil de bateria; ou emisso- res de radar e aparelho de detecção de energia de radar refletida; outros emissores de radiação eletromagnética e aparelho de detecção de radi- ação eletromagnética refletida. Tais controladores podem incluir o apa- relho de orientação ou controle de motor, controladores de superfície de controle, controladores de câmera, ou controladores programados para ligar, operar, obter dados, gerenciar e configurar quaisquer dos senso- res acima. Exemplos são descritos no pedido de patente U.S. No. 14/831.165, e a presente descrição assume o conhecimento dessa ou- tra descrição de patente.
[0079] Em uma modalidade, os sensores 112 e os controladores 114 podem ser afixados ao aparelho de amostragem e medição de solo que é configurado ou programado para amostrar o solo e realizar os testes de química do solo, testes de umidade de solo, e outros testes pertencentes ao solo. Por exemplo, o aparelho descrito na patente U.S. No. 8.767.194 e na patente U.S. No. 8.712.148 pode ser utilizado, e a presente descrição assume o conhecimento dessas descrições de pa- tente.
[0080] Em uma modalidade, os sensores 112 e os controladores 114 podem compreender dispositivos climáticos para o monitoramento das condições climáticas do campo. Por exemplo, o aparelho descrito no pedido provisório U.S. No. 62/154.207, depositado em 29 de abril de 2916, no pedido provisório U.S. No. 62/175.160, depositado em 12 de junho de 2016, no pedido provisório U.S. No. 62/198.060, depositado em 28 de julho de 2016, e no pedido provisório U.S. No. 62/220.852, depositado em 18 de setembro de 2015, podem ser utilizados, e a pre- sente descrição considera o conhecimento dessas descrições de pa- tente.
[0081] 2.4. VISÃO GERAL DO PROCESSO – SEQUENCIAMENTO
[0082] Em uma modalidade, o sistema de computador de inteligên- cia agrícola 130 é programado ou configurado para criar um modelo agronômico. Nesse contexto, um modelo agronômico é uma estrutura de dados na memória do sistema de computador de inteligência agrícola 130 que compreende dados de campo 106, tal como dados de identifi- cação e dados de colheita para um ou mais campos. O modelo agronô- mico também pode compreender propriedades agronômicas calculadas que descrevem as condições que podem afetar o crescimento de uma ou mais plantações em um campo, ou propriedades de uma ou mais plantações, ou ambas. Adicionalmente, um modelo agronômico pode compreender recomendações com base em fatores agronômicos, tal como recomendações de plantação, recomendações de irrigação, reco- mendações de plantio, recomendações de fertilizante, recomendações de fungicida, recomendações de pesticida, recomendações de colheita e outras recomendações de gerenciamento de plantação. Os fatores agronômicos também podem ser utilizados para se estimar um ou mais dos resultados relacionados com a plantação, tal como o rendimento agronômico. O rendimento agronômico de uma plantação é uma esti- mativa da quantidade de plantação que é produzida, ou, em alguns exemplos, a receita ou lucro obtido a partir da plantação produzida.
[0083] Em uma modalidade, o sistema de computador de inteligên- cia agrícola 10 pode utilizar um modelo agronômico pré-configurado para calcular as propriedades agronômicas relacionadas com a locali- zação e a informação de plantação atualmente recebidas para um ou mais campos. O modelo agronômico pré-configurado é baseado em da- dos de campo previamente processados incluindo, mas não limitados a dados de identificação, dados de colheita, dados de fertilizante e dados climáticos. O modelo agronômico pré-configurado pode ter sido validado de forma cruzada para se garantir a precisão do modelo. A validação cruzada pode incluir a comparação com o levantamento de dados do solo que comparam os resultados previstos com os resultados reais em um campo, tal como uma comparação da estimativa de precipitação com um calibrador ou sensor de chuva fornecendo dados climáticos no mesmo local ou em um local próximo, ou uma estimativa de teor de ni- trogênio com uma medição de amostra de solo.
[0084] A figura 3 ilustra um processo programado pelo qual o sis- tema de computador de inteligência agrícola gera um ou mais modelos agronômicos pré-configurados utilizando dados de campo fornecidos por uma ou mais fontes de dados. A figura 3 pode servir como um algo- ritmo ou instruções para programar os elementos funcionais do sistema de computador de inteligência agrícola 130 para realizar as operações que são descritas agora.
[0085] No bloco 305, o sistema de computador de inteligência agrí- cola 130 é configurado ou programado para implementar o pré-proces- samento de dados agronômicos dos dados de campo recebidos de uma ou mais fontes de dados. Os dados de campo recebidos de uma ou mais fontes de dados podem ser pré-processados para fins de remoção de ruído, distorção de efeitos, e confusão de fatores dentro dos dados agronômicos incluindo discrepâncias que podem afetar de forma ad- versa os valores de dados de campo recebidos. As modalidades do pré- processamento de dados agronômicos podem incluir, mas não estão limitados a remoção de valores de dados comumente associados aos valores de dados discrepantes, pontos de dados medidos especifica- mente que são conhecidos por distorcer desnecessariamente outros va- lores de dados, suavização de dados, agregação, ou técnicas de amos- tragem utilizadas para remover ou reduzir efeitos aditivos ou multiplica- tivos de ruído, e outras técnicas de filtragem ou derivação de dados uti- lizadas para fornecer distinções claras entre os registros de dados posi- tivos e negativos.
[0086] No bloco 310, o sistema de computador de inteligência agrí- cola 130 é configurado ou programado para realizar a seleção de sub- conjuntos de dados utilizando os dados de campo pré-processados a fim de identificar os conjuntos de dados úteis para a geração de modelo agronômico inicial. O sistema de computador de inteligência agrícola 130 pode implementar as técnicas de seleção de subconjuntos de dados incluindo, mas não limitado a um método de algoritmo genético, e um método de todos os modelos de subconjuntos, um método de busca sequencial, um método de regressão escalonada, um método de otimi- zação de enxame de partículas, e um método de otimização de colônias de formigas. Por exemplo, uma técnica de seleção de algoritmo genético utiliza um algoritmo de busca heurística adaptativo, com base em prin- cípios evolutivos da seleção natural e genética, para determinar e ava- liar os conjuntos de dados dentro dos dados agronômicos pré-proces- sados.
[0087] No bloco 315, o sistema de computador de inteligência agrí- cola 130 é configurado ou programado para implementar a avaliação de conjunto de dados de campo. Em uma modalidade, um conjunto de da- dos de campo específico é avaliado pela criação de um modelo agronô- mico e pela utilização de limites de qualidade específicos para o modelo agronômico criado. Modelos agronômicos podem ser comparados e/ou validados utilizando-se uma ou mais técnicas de comparação, tal como, mas não limitado a erro de raiz quadrada média com validação cruzada leave-one-out (RMSECV), erro absoluto médio, e erro percentual médio. Por exemplo, RMSECV pode validar de forma cruzada os modelos agronômicos pela comparação dos valores de propriedade agronômicos previstos criados pelo modelo agronômico com os valores de proprie- dade agronômica históricos coletados e analisados. Em uma modali- dade, a lógica de avaliação de conjunto de dados agronômicos é utili- zada como um circuito de retorno onde os conjuntos de dados agronô- micos que não correspondem aos limites de qualidade configurados são utilizados durante as etapas de seleção de subconjunto de dados futu- ros (bloco 310).
[0088] No bloco 320, o sistema de computador de inteligência agrí- cola 130 é configurado ou programado para implementar a criação de modelo agronômico com base nos conjuntos de dados agronômicos de validação cruzada. Em uma modalidade, a criação de modelo agronô- mico pode implementar as técnicas de regressão de múltiplas variações para criar os modelos de dados agronômicos pré-configurados.
[0089] No bloco 325, o sistema de computador de inteligência agrí- cola 130 é configurado ou programado para armazenar os modelos de dados agronômicos pré-configurados para avaliação de dados de campo futuros.
[0090] 2.5. EXEMPLO DE IMPLEMENTAÇÃO – VISÃO GERAL DE
[0091] De acordo com uma modalidade, as técnicas descritas aqui são implementadas por um ou mais dispositivos de computação de fi- nalidade especial. Os dispositivos de computação de finalidade especial podem ser conectados para realizar as técnicas, ou podem incluir dis- positivos eletrônicos digitais, tal como um ou mais circuitos integrados específicos de aplicativo (ASICs), ou conjuntos de porta programável em campo (FPGAs), que são programados de forma persistente para realizar as técnicas, ou podem incluir um ou mais processadores de hardware de finalidade geral programados para realizar as técnicas de acordo com as instruções de programa em firmware, memória, outro ar- mazenador ou uma combinação. Tais dispositivos de computação de finalidade especial também podem combinar lógica conectada persona- lizada, ASICs, ou FPGAs com a programação personalizada para reali- zar as técnicas. Os dispositivos de computação de finalidade especial podem ser sistemas de computador tipo desktop, sistemas de compu- tador portátil, dispositivos portáteis, dispositivos de rede ou qualquer ou- tro dispositivo que incorpore a lógica conectada e/ou de programa para implementar as técnicas.
[0092] Por exemplo, a figura 4 é um diagrama em bloco que ilustra um sistema de computador 400 através do qual uma modalidade da in- venção pode ser implementada. O sistema de computador 400 inclui um barramento 402 ou outro mecanismo de comunicação para comunicar informação, e um processador de hardware 404 acoplado ao barra- mento 402 para processar informação. O processador de hardware 404 pode ser, por exemplo, um microprocessador de finalidade geral.
[0093] O sistema de computador 400 também inclui uma memória principal 406, tal como uma memória de acesso randômico (RAM) ou outro dispositivo de armazenamento dinâmico, acoplado ao barramento 402 para armazenar informação e instruções a serem executadas pelo processador 404. A memória principal 406 também pode ser utilizada para armazenar variáveis temporárias ou outra informação intermediária durante a execução das instruções a serem executadas pelo processa- dor 404. Tais instruções, quando armazenadas no meio de armazena- mento não transitório acessível ao processador 404, tornam o sistema de computador 400 em uma máquina de finalidade especial que é per- sonalizada para realizar as operações especificadas nas instruções.
[0094] O sistema de computador 400 inclui adicionalmente uma me- mória de leitura apenas (ROM) 408 ou outro dispositivo de armazena- mento estático acoplado ao barramento 402 para armazenamento de informação estática e instruções para o processador 404. Um disposi- tivo de armazenamento 410, tal como um disco magnético, disco ótico, ou acionador em estado sólido é fornecido e acoplado ao barramento 402 para armazenar informação e instruções.
[0095] O sistema de computador 400 pode ser acoplado através do barramento 402 a um display 412, tal como um tubo de raio catodo (CRT), para exibir informação para um usuário de computador. Um dis- positivo de entrada 414, incluindo teclas alfanuméricas e outras, é aco- plado ao barramento 402 para comunicar a informação e comandar as seleções para o processador 404. Outro tipo de dispositivo de registro de usuário é o controle de cursor 416, tal como um mouse, uma track- ball, ou teclas de direcionamento de cursor para comunicar a informação de direção, ou seleções de comando, para o processador 404 e para controlar o movimento do cursor no display 412. Esse dispositivo de re- gistro possui tipicamente dois graus de liberdade em dois eixos geomé- tricos, um primeiro eixo geométrico (por exemplo, x) e um segundo eixo geométrico (por exemplo, y) que permitem que o dispositivo especifique as posições em um plano.
[0096] O sistema de computador 400 pode implementar as técnicas descritas aqui utilizando lógica conectada personalizada, um ou mais ASICs ou FPGAs, firmware e/ou lógica de programa que, em combina- ção com o sistema de computador, faz com que, ou programa, o sistema de computador 400 para que seja uma máquina de finalidade especial. De acordo com uma modalidade, as técnicas apresentadas aqui são realizadas pelo sistema de computador 400 em resposta à execução, pelo processador 404, de uma ou mais sequências de uma ou mais ins- truções contidas na memória principal 406. Tais instruções podem ser lidas na memória principal 406 a partir de outro meio de armazena- mento, tal como o dispositivo de armazenamento 410. A execução das sequências de instruções contidas na memória principal 406 faz com que o processador 404 realize as etapas de processo descritas aqui. Em modalidades alternativas, o conjunto de circuitos conectados pode ser utilizado no lugar de, ou em combinação, com as instruções de sof- tware.
[0097] O termo "meio de armazenamento", como utilizado aqui, se refere a qualquer meio não transitório que armazena dados e/ou instru- ções que fazem com que uma máquina opere de uma forma específica. Tal meio de armazenamento pode compreender meio não volátil e/ou meio volátil. O meio não volátil inclui, por exemplo, discos óticos, discos magnéticos, ou acionadores em estado sólido, tal como o dispositivo de armazenamento 410. O meio volátil inclui memória dinâmica, tal como a memória principal 406. As formas comuns de meio de armazenamento incluem, por exemplo, um disquete, um disco flexível, um disco rígido, acionador em estado sólido, fita magnética ou qualquer outro meio de armazenamento de dados magnético, um CD-ROM, qualquer outro meio de armazenamento de dados óticos, qualquer meio físico com pa- drões de furos, uma RAM, uma PROM, e EPROM, uma EPROM
FLASH, NVRAM, qualquer outro chip ou cartucho de memória.
[0098] O meio de armazenamento é distinto de, mas pode ser utili- zado em conjunto com, o meio de transmissão. O meio de transmissão participa da transferência de informação entre o meio de armazena- mento. Por exemplo, o meio de transmissão inclui cabos coaxiais, fio de cobre e fibras óticas, incluindo os fios que compreendem o barramento
402. O meio de transmissão também pode assumir a forma de ondas acústicas ou luminosas, tal como as geradas durante comunicações por onda de rádio e de dados infravermelhos.
[0099] Várias formas de meio podem estar envolvidas no transporte de uma ou mais sequências de uma ou mais instruções para o proces- sador 404 para fins de execução. Por exemplo, as instruções podem ser inicialmente transportadas em um disco magnético ou acionador em es- tado sólido de um computador remoto. O computador remoto pode car- regar instruções em sua memória dinâmica e enviar instruções através de uma linha telefônica utilizando um modem. Um modem local ao sis- tema de computador 400 pode receber os dados na linha telefônica e utilizar um transmissor de infravermelho para converter os dados em um sinal infravermelho. Um detector de infravermelho pode receber os da- dos transportados no sinal infravermelho e um conjunto de circuitos ade- quado pode colocar os dados no barramento 402. O barramento 402 transporta os dados para a memória principal 406, de onde o processa- dor 404 recupera e executa as instruções. As instruções recebidas pela memória principal 406 podem, opcionalmente, ser armazenadas no dis- positivo de armazenamento 410 antes ou depois da execução pelo pro- cessador 404.
[0100] O sistema de computador 400 também inclui uma interface de comunicação 418 acoplada ao barramento 402. A interface de comu- nicação 418 fornece uma comunicação de dados de duas vias aco- plando a um link de rede 420 que é conectado a uma rede local 422.
Por exemplo, a interface de comunicação 418 pode ser um cartão de rede digital de serviços integrados (ISDN), modem a cabo, modem via satélite, ou um modem para fornecer uma conexão de comunicação de dados a um tipo correspondente à linha telefônica. Como outro exemplo, a interface de comunicação 418 pode ser um cartão de rede de área local (LAN) para fornecer uma conexão de comunicação de dados com uma LAN compatível. Os links sem fio também podem ser implementa- dos. Em qualquer implementação, a interface de comunicação 418 en- via e recebe sinais elétricos, eletromagnéticos ou óticos que transpor- tam as sequências de dados digitais que representam os vários tipos de informação.
[0101] O link de rede 420 fornece, tipicamente, comunicação de da- dos através de uma ou mais redes para outros dispositivos de dados. Por exemplo, o link de rede 420 pode fornecer uma conexão através da rede local 422 com um computador hospedeiro 424 ou equipamento de dados operado por um Provedor de Serviços de Internet (ISP) 426. ISP 426, por sua vez, fornece serviços de comunicação de dados através da rede de comunicação de dados em pacote mundial, agora comu- mente referida como a "Internet" 428. A rede local 422 e a Internet 428, ambas, utilizam sinais elétricos, eletromagnéticos ou óticos que trans- portam as sequências de dados digitais. Os sinais através das várias redes e os sinais no link de rede 420 e através da interface de comuni- cação 418, que transportam os dados digitais para e do sistema de com- putador 400, são formas ilustrativas de meio de transmissão.
[0102] O sistema de computador 400 pode enviar mensagens e re- ceber dados, incluindo o código de programa, através das redes, link de rede 420 e interface de comunicação 418. No exemplo da Internet, um servidor 430 pode transmitir um código solicitado para um programa de aplicativo através da Internet 428, ISP 426, rede local 422 e interface de comunicação 418.
[0103] O código recebido pode ser executado pelo processador 404 como recebido, e/ou armazenado no dispositivo de armazenamento 410, ou outro armazenador não volátil para execução posterior.
[0104] 3.0. MÉTODO ILUSTRATIVO DE RECOMENDAÇÃO DE LOCALIZAÇÃO PARA PRÁTICAS DE IRRIGAÇÃO MÚLTIPLA DEN-
[0105] A figura 7 ilustra um método de geração de disposição de setor, implementado por computador, ilustrativo no qual os tratamentos de irrigação podem ser comparados de forma justa. A figura 7 pode ser- vir para ilustrar, em um nível conceitual, a operação de modalidades práticas e seus benefícios. O círculo 702 representa um campo circular de um agricultor que utiliza a irrigação centralizada para aplicar água ao campo. Uma primeira região de campo rotulada "prática de agricultor" é submetida às práticas de irrigação normais do agricultor, enquanto as segunda e terceira regiões TCC 1, TCC 2 são submetidas a testes ou recomendações de irrigação experimentais. As regiões do círculo 702 podem representar as práticas de gerenciamento reais para um campo plantado.
[0106] O círculo 704 representa o mesmo campo que o círculo 702, tendo sido dividido para fins de representação de dados e análise em sessenta (60) setores, cada um compreendendo uma região de 6 graus do círculo. Esses setores serão utilizados para realizar uma etapa de interação de análise necessária para se capturar a disposição mais justa para testes de irrigação postulados no círculo 702. Essencialmente, em cada etapa, o círculo 702 é girado por 6 graus, resultando em 60 dispo- sições do círculo 702.
[0107] Para cada uma das 60 disposições do círculo 702, os dados para uma pluralidade de histogramas 706 podem ser gerados e arma- zenados, com base no conteúdo da imagem de satélite (imagem 712) que caracteriza as condições de crescimento dentro de um campo. As combinações de histograma armazenadas, então, podem ser utilizadas para determinar qual disposição de setores possui histogramas mais si- milares 706 que capturam a variação das condições de crescimento. Dessa forma, o objetivo do procedimento de recomendação de localiza- ção é alcançado, quando a combinação com as condições de cresci- mento mais próximas através dos setores dentro do círculo 702 é en- contrada. Em outras palavras, em um alto nível, a análise digital das imagens, tal como a imagem 712, pode ser utilizada para derivar a dis- posição dos setores em formato de círculo 702 onde diferentes práticas de gerenciamento podem ser comparadas em um teste.
[0108] Em uma modalidade, a geração de histogramas 706 ou ou- tros modelos de distribuição, pode ser realizada em ciclos. Por exemplo, diferentes tratamentos podem ser designados para setores diferentes do campo. Como resultado disso, o campo sofrerá uma recalibragem 708 na qual uma imagem digital, correspondente à nova disposição dos setores de campo, é analisada. A redistribuição 710 pode, então, ocorrer para gerar novos histogramas 706 correspondentes aos dados recali- brados.
[0109] A figura 8 ilustra um processo implementado por computador ilustrativo que pode ser utilizado para gerar a localização de tratamento de irrigação otimizada para teste na forma da figura 7. Em uma modali- dade, as instruções de recomendação de irrigação 135 são programa- das para implementar as operações da figura 8.
[0110] Em uma modalidade, na etapa 802, a localização do trata- mento de irrigação otimizada para testar as instruções 135 é progra- mada para selecionar, para um campo em particular, uma pluralidade de imagens digitais a partir de anos diferentes, dentro de uma parte re- presentativa da estação de crescimento e com base em uma correlação entre estimativas de produtividade biológica. As imagens digitais para essa finalidade podem ser obtidas a partir de Sentinel 2A-B, ou outras fontes de imagens de satélite ou aéreas dos campos. Em uma modali- dade, um conjunto de três (3) imagens digitais é utilizado. A correlação de um conjunto de três (3) imagens pode ser realizada pela comparação implementada por computador de múltiplas imagens do mesmo campo em anos diferentes, obtidas na mesma parte da estação de crescimento, para identificar imagens que ilustram aproximadamente a mesma exten- são ou densidade de crescimento das plantas. Por exemplo, um campo em particular pode ter dez (10) imagens, cada uma tirada em meados de junho em anos diferentes da década anterior, e as instruções de re- comendação de irrigação 135 são programadas para selecionar três (3) das dez (10) imagens que melhor correlacionam com relação à quanti- dade de vegetação identificada nas imagens. As técnicas de identifica- ção de vegetação em imagens de satélite dos campos, incluindo a se- paração digital da cobertura com nuvens, água empoçada e outros ar- tefatos, são conhecidas no campo e assunto de outras publicações e descrições de patente. Exemplos são descritos na patente U.S. No.
9.721.181 B2 e patente U.S. No. 10.025.983 B2, e a presente descrição assume o conhecimento dessas outras descrições de patente. Essas técnicas podem ser utilizadas como a fundação para o desenvolvimento de imagens para comparação e correlação futuras.
[0111] O uso de três (3) imagens correlacionadas tem sido conside- rado suficiente para uma modalidade prática das técnicas apresentadas aqui, mas outras modalidades podem utilizar outros números de ima- gens.
[0112] Os campos submetidos às técnicas apresentadas aqui utili- zam a irrigação articulada central, e, portanto, a parte irrigada do campo é circular. Na etapa 804, a localização do tratamento de irrigação otimi- zada para instruções de teste 135 é programada para gerar sessenta (60) localizações de armazenamento de dados de setor na memória, cada setor representando um setor de um campo circular que cobre seis
(6) graus de um círculo de 360 graus. Em uma modalidade, as localiza- ções de armazenamento de dados de setor recebem identificadores de "1" a "60". Outras modalidades podem utilizar "0" a "59" ou outras con- venções de rotulação para identificar as localizações de armazena- mento de dados de setor. As localizações de armazenamento de dados de setor podem ser programadas como um conjunto, lista ou outra es- trutura de dados abstrata que seja, por fim, representada na memória digital armazenada. Outras modalidades, adicionalmente, podem utilizar setores de mais ou menos seis (6) graus e, dessa forma, podem ter mais ou menos sessenta (60) disposições de armazenamento de dados de setor.
[0113] Na etapa 806, para cada uma das três (3) imagens digitais para um campo em particular, a localização de tratamento de irrigação otimizada para teste de instruções 135 é programada para extrair os valores de pixel correspondentes a cada uma das sessenta (60) dispo- sições do círculo 702 e armazenar esses valores de pixel em uma es- trutura de dados. Os valores de pixel podem representar algum dado ou característica dos pixels obtido a partir das imagens digitais. Um exem- plo de tais valores de pixel é um ou mais valores de pixel de vegetação que podem compreender os valores que representam algum aspecto da vegetação em um campo capturado por uma imagem digital. Aspectos utilizados para gerar os valores de pixel de vegetação podem incluir me- dições, tal como uma medição de densidade da vegetação, uma medi- ção de cor ou tom da vegetação, e/ou uma medição de crescimento da vegetação, com base na imagem digital.
[0114] Na etapa 808, a localização do tratamento de irrigação otimi- zada para teste de instruções 135 é programada para designar trata- mentos diferentes para cada um dos setores com base em uma dispo- sição especificada de tratamentos. A disposição pode ser aleatória, se-
rializada ou selecionada de acordo com alguma outra ordem. Os trata- mentos e a disposição podem variar de acordo com os objetivos de um teste em particular, experimento ou prescrição. Os detalhes dos trata- mentos e disposição não são críticos para a implementação das técni- cas apresentadas aqui. Adicionalmente, o número de tratamentos pode ser inferior a sessenta (60), de modo que o mesmo tratamento seja de- signado para múltiplos setores, ou de modo que alguns setores não te- nham designação de tratamento. A designação de um tratamento para um setor pode ser implementada de forma programática pelo armaze- namento de um identificador de tratamento em um atributo especificado das localizações de armazenamento de dados de setor. Dessa forma, cada local de armazenamento de dados de setor pode ser representado por uma estrutura de dados ou outra estrutura de dados que possua uma pluralidade de atributos individuais que podem armazenar os valo- res de dados diferentes.
[0115] Na etapa 810, a localização do tratamento de irrigação otimi- zada para testes de instruções 135 é programada para combinar os va- lores de pixel de vegetação de cada setor de seis graus, através de to- dos os campos e agricultores, em um valor de população de tratamento correspondente. Nesse contexto, os valores de pixel de vegetação po- dem ser obtidos utilizando-se valores de índice de vegetação de dife- rença normalizada (NDVI), valores GBI ou CCI. A previsão de rendi- mento com base em uma série temporal de imagens NDVI integradas em tempo é uma técnica útil que suporta o uso de NDVI na presente abordagem, mas outros formatos de dados podem ser utilizados.
[0116] Na etapa 812, a localização do tratamento de irrigação otimi- zada para instruções de teste 135 é programada para derivar histogra- mas de densidade dos valores de pixel de vegetação para um trata- mento em particular. O histograma pode ser derivado de qualquer forma para ilustrar uma comparação dos valores de pixel de vegetação para um tratamento em particular. Por exemplo, em uma modalidade, um ou mais histogramas de densidade podem ser derivados a partir dos valo- res de densidade medidos, obtidos a partir dos valores de pixel de ve- getação e representados contra uma faixa de valores de rendimento previstos. Os histogramas de densidade, dessa forma, revelam a distri- buição da densidade de vegetação para um tratamento em particular através de diferentes setores e campos.
[0117] Na etapa 814, a localização do tratamento de irrigação otimi- zada para instruções de teste 135 é programada para quantificar e ar- mazenar as métricas de dissimilaridade para diferentes valores de pixel de vegetação representados nos histogramas. No exemplo acima, três tratamentos podem ser considerados e um primeiro par de tratamentos 1, 2 e um segundo par de tratamentos 1, 3 podem ser avaliados por diferença mínima simultaneamente. Para cada par, em uma modali- dade, a quantificação das métricas de dissimilaridade pode ser calcu- lada utilizando-se todas as abordagens a seguir. Onde as expressões de inversão são fornecidas, tal como um (1) menos outro valor, a ex- pressão é uma transformação da técnica especificada para fornecer dis- similaridade em vez de similaridade.
[0118] 1.1-SAM. A técnica do mapeador de ângulo espectral (SAM) é descrita em L. Yan & D. P. Roy, "Large-Area Gap Filling of Landsat Reflectance Time Series by Spectral-Angle-Mapper Based Spatio-Tem- poral Similarity (SAMSTS)," Remote Sens. 2018, 10(4), 609, disponível online em https://doi.org/10.3390/rs10040609.
[0119] 2. Entropia Cruzada. Isso resulta, de forma inerente, em um valor de diferença.
[0120] 3. Inverso de valor P do teste de Smirnov Kolmogorov, isso é, (1-SKT_P).
[0121] 4. Distância Euclidiana. Isso resulta, inerentemente, em um valor de diferença.
[0122] 5. Inverso de métrica de área de sobreposição de densidade (1 – DOA).
[0123] Em uma modalidade, a diferença de marcação entre os ele- mentos de um par pode ser submetida a um cálculo de compensação definido como: (Marcação métrica de tratamento 1 + marcação métrica de tratamento 2)^2/min (marcação métrica de tratamento 1, marcação mé- trica de tratamento 2))
[0124] Em uma modalidade, as métricas de dissimilaridade deriva- das podem ser combinadas em uma marcação por par de tratamento, classificando, primeiro, e, então, normalizando e, finalmente somando as marcações normalizadas para cada disposição de tratamento. Isso é, para o primeiro par de tratamento e segundo par de tratamento iden- tificados acima, cinco (5) marcações diferentes são obtidas, utilizando- se cinco (5) abordagens acima, que são classificadas, normalizadas e somadas.
[0125] Na etapa 816, a localização de tratamento de irrigação otimi- zada para instruções de teste 135 é programada para repetir as etapas de 808 a 814 utilizando uma mudança nas disposições. Em várias mo- dalidades, uma mudança nas disposições pode compreender uma mu- dança nas práticas de irrigação ou no tratamento de um campo em par- ticular, ou um ou mais setores de um campo. Por exemplo, uma mu- dança nas disposições pode compreender uma mudança na quantidade de água e/ou em um tempo especificado de aplicação de uma quanti- dade de água a um setor particular como parte de um tratamento.
[0126] Na etapa 818, as instruções de recomendação de irrigação 135 são programadas para selecionar uma disposição com base em va- lores mínimos das métricas de dissimilaridade. A disposição selecio- nada pode formar a base de uma prescrição de irrigação recomendada ou toda ou uma parte, de outra, forma de prescrição de gerenciamento agrícola. As recomendações podem ser comunicadas para os agriculto- res como parte da interface de usuário gráfica para dispositivos de com- putação móveis que foram previamente descritos em outras seções. Ou, as recomendações podem ser enviadas em relatórios graficamente exi- bidos ou impressos. Em outras modalidades, as recomendações podem ser utilizadas, direta ou indiretamente, para acionar bombas, relógios, pulverizadores ou outros elementos do equipamento de irrigação para causar a aplicação de água a campos especificados em quantidades e horários indicados na disposição que foi selecionada.
[0127] A abordagem acima foi considerada como responsável pelo fornecimento de um método superior de tratamentos de distribuição para testes localizados em campos utilizando irrigação articulada cen- tral. A abordagem apresentada aqui pode reduzir a quantidade de área envolvida nos testes e, consequentemente, economizar nas compensa- ções pagas aos agricultores. Diferentemente das abordagens anterio- res, a localização de tratamento randomizada em setores pequenos é possível com essa abordagem.
[0128] A figura 9 ilustra um método implementado por computador ilustrativo de geração de recomendações de irrigação. A figura 9 pode servir para ilustrar, em um nível conceitual, a operação de modalidades práticas e seus benefícios. O modelo de setor de campo 902 pode re- presentar a distribuição de setores de campo, em um campo agrícola, de acordo com várias modalidades. Como apresentado na figura 9, o modelo de setor de campo 902 compreende um ou mais setores de campo que implementam formas e disposições diferentes de tratamen- tos de irrigação a esses setores. Em uma modalidade, um ou mais se- tores de campo podem utilizar um tratamento de controle, ou geral, como um tratamento particular ao qual todos os outros tratamentos são comparados. Por exemplo, o modelo de setor de campo 902 compre- ende uma área grande rotulada "AGRICULTOR". Um agricultor pode utilizar esse setor de campo em particular como uma área de teste de controle onde as operações e tratamentos regulares do campo são rea- lizados.
[0129] O modelo de setor de campo 902 também compreende TCC 1 e TCC 2 como dois planos de tratamento separados e distintos aos quais os setores correspondentes do campo serão submetidos. Em vá- rias modalidades, todo um campo é utilizado como o modelo de controle do agricultor. Em várias modalidades, tal como a apresentada na figura 9, uma parte de um campo é utilizada para uma área de controle e as áreas restantes são utilizadas para testes de tratamento. Em várias mo- dalidades adicionais, a parte do campo utilizada para uma área de con- trole é mais ou menos metade da área total de um campo. Em várias modalidades, todo o campo é utilizado para testes de tratamento e um setor de controle não é empregado. Em várias modalidades, uma parte do campo permanece inutilizado para tratamentos de controle ou teste e o restante do campo é utilizado para tratamentos de controle ou teste. Em várias modalidades, todo ou uma parte do campo é utilizado para tratamentos de teste e um campo separado é utilizado como o modelo de controle do agricultor.
[0130] O gráfico de dissimilaridade 904 pode ser utilizado para re- presentar, ou de outra forma portar, os resultados da submissão de um ou mais setores de campo a uma pluralidade de tratamentos. Um gráfico pode ser utilizado para exibir os valores de diferença calculados para o rendimento em um ou mais setores do campo. Por exemplo, o gráfico de dissimilaridade 904 ilustra os resultados do rendimento de dissimila- ridade para tratamentos implementados especificados no gráfico de se- tor de campo 902. Especificamente, o gráfico de dissimilaridade 904 é um gráfico de valor radiano ilustrando os resultados da dissimilaridade dos tratamentos nos setores radianos de acordo com o campo circular.
Os valores de dissimilaridade são representados como projetados a par- tir do centro do gráfico em um grau equivalente aos valores de diferença calculados em um setor do campo que corresponde ao radiano no qual a linha se projeta.
[0131] O histograma de rendimento 906 pode ser utilizado para exi- bir ou calcular a relação entre uma densidade medida de um campo e o rendimento previsto de um setor de campo. Por exemplo, o histograma de campo 906 ilustra os resultados dos três planos especificados no modelo de setor de campo 902 como medidos depois que os tratamen- tos foram realizados. Em uma modalidade, dados podem ser derivados do histograma de rendimento 906 a fim de determinar os valores de di- ferença para o rendimento previsto e a densidade real da vegetação de um campo.
[0132] Em várias modalidades, os histogramas, tal como o histo- grama de rendimento 906, são utilizados par calcular os valores de di- ferença de rendimento. Em modalidades adicionais, os valores de dife- rença de rendimento são minimizados pela seleção e aplicação de tra- tamentos que resultarão em valores de menor diferença entre os setores do campo. Em várias modalidades, seleção e aplicação de tratamentos se baseia em uma maximização das similaridades do histograma entre os histogramas de rendimento. Por exemplo, modelos de histórico dos histogramas ou outros dados compilados podem ser utilizados para ge- rar um histograma ideal que minimiza as diferenças de rendimento líqui- das totais entre o histograma ideal e os modelos de histórico de histo- grama. Em modalidades adicionais, os tratamentos podem ser selecio- nados de uma forma correspondente ao resultado esperado do trata- mento no histograma ideal. Em várias modalidades, uma solução para opções de tratamento é derivada das medições estatísticas das simila- ridades do histograma de histórico. Em várias outras modalidades, a solução para as opções de tratamento é derivada de tal forma a maxi- mizar a similaridade entre os histogramas de histórico.
Claims (20)
1. Método implementado por computador fornecendo aper- feiçoamentos na ciência agrícola pela otimização de localizações de tra- tamento de irrigação para teste, caracterizado pelo fato de compreen- der: receber e armazenar digitalmente uma pluralidade de ima- gens digitais, cada imagem digital, dentre a pluralidade de imagens di- gitais, correspondendo a uma imagem de um campo em dois ou mais períodos de tempo diferentes, o campo sendo um campo de cresci- mento agrícola; determinar uma pluralidade de setores de campo que criam o campo, cada setor de campo, dentre a pluralidade de setores de campo, correspondendo a um tratamento de irrigação realizado no setor de campo; gerar e armazenar os primeiros dados de pixel para cada se- tor de campo, os primeiros dados de pixel para um setor de campo com- preendendo características de pixels, dentre a pluralidade de imagens digitais no setor de campo, durante os dois ou mais períodos de tempo diferentes; gerar e armazenar uma distribuição dos primeiros dados de pixel para cada setor de campo durante os dois ou mais períodos de tempo diferentes; determinar, a partir da distribuição dos primeiros dados de pixel, um ou mais setores de campo que representam valores mínimos de diferença nos primeiros dados de pixel durante os dois ou mais perí- odos de tempo diferentes.
2. Método, de acordo com a reivindicação 1, caracterizado pelo fato de compreender ainda: gerar e exibir os dados de distribuição, os dados de distribui- ção representando a distribuição dos primeiros dados de pixel para cada setor de campo durante dois ou mais períodos de tempo diferentes em um formato legível por seres humanos; gerar e exibir, com base nos um ou mais setores de campo determinados, que representam valores mínimos de diferença nos pri- meiros dados de pixel durante os dois ou mais períodos de tempo dife- rentes, dados de recomendação legíveis por seres humanos; em que os dados de recomendação legíveis por seres hu- manos compreendem os tratamentos realizados nos um ou mais seto- res de campo determinados.
3. Método, de acordo com a reivindicação 1, caracterizado pelo fato de compreender ainda: determinar, com base em um ou mais setores de campo de- terminados, que representam os valores mínimos de diferença nos pri- meiros dados de pixel, durante os dois ou mais períodos de tempo dife- rentes, um ou mais tratamentos realizados nos um ou mais setores de campo determinados; em que os um ou mais tratamentos determinados compreen- dem uma primeira forma de operação do equipamento de campo locali- zado no campo; modificar o equipamento de campo, localizado no campo, para operar da primeira forma; em que o equipamento de campo, localizado no campo, pre- viamente operava de uma segunda forma, que é diferente da primeira forma.
4. Método, de acordo com a reivindicação 3, caracterizado pelo fato de: o equipamento de campo, localizado no campo, compreen- der equipamento de irrigação localizado no campo; a primeira forma de operação do equipamento de campo, lo-
calizado no campo, compreender uma forma de operação do equipa- mento de irrigação que inclui uma taxa de aplicação de água ao campo e um ou mais intervalos de tempo nos quais se aplica água ao campo; modificar o equipamento de campo, localizado no campo, compreender modificar o equipamento de irrigação para aplicar água ao campo a uma taxa, e em um ou mais intervalos de tempo nos quais se aplica água ao campo.
5. Método, de acordo com a reivindicação 1, caracterizado pelo fato de compreender ainda: gerar, com base em um ou mais setores de campo determi- nados, que representam os valores mínimos de diferença nos primeiros dados de pixel durante os dois ou mais períodos de tempo diferentes, uma ou mais recomendações de campo, as uma ou mais recomenda- ções de campo compreendendo uma disposição que especifica uma aplicação de água a um campo em determinadas quantidades e em de- terminados momentos; utilizar as uma ou mais recomendações de campo para aci- onar qualquer um dentre bombas, relógios, pulverizadores ou outros elementos do equipamento de irrigação para causar a aplicação de água aos campos especificados nas quantidades e momentos indicados na disposição.
6. Método, de acordo com a reivindicação 1, caracterizado pelo fato de o campo compreender um formato circular, cada setor do campo, dentre a pluralidade de setores de campo, compreende uma subdivisão angular do formato circular e cada subdivisão angular do for- mato circular compreendendo um volume equivalente de espaço de campo.
7. Método, de acordo com a reivindicação 1, caracterizado pelo fato de os primeiros dados de pixel para cada setor de campo com-
preender uma métrica de densidade, a métrica de densidade correspon- dendo a um nível de densidade de vegetação no setor de campo, e em que a distribuição dos primeiros dados de pixel para cada setor de campo compreende um histograma, o histograma compreendendo um nível de densidade de vegetação em cada setor de campo durante os dois ou mais períodos de tempo diferentes.
8. Método, de acordo com a reivindicação 1, caracterizado pelo fato de compreender ainda: receber uma ou mais imagens digitais suplementares, cada imagem digital suplementar das imagens digitais suplementares corres- pondendo a uma imagem do campo em um período de tempo suple- mentar diferente; gerar e armazenar os segundos dados de pixel para cada setor de campo, os segundos dados de pixel para um setor de campo compreendendo características de pixels, dentre a pluralidade de ima- gens digitais, no setor de campo durante o período de tempo suplemen- tar diferente, e os primeiros dados de pixel; gerar e armazenar uma segunda distribuição de segundos dados de pixel para cada setor de campo durante os dois ou mais perí- odos de tempo diferentes e o período de tempo suplementar diferente; em que determinar um ou mais setores de campo que repre- sentam os valores mínimos de diferença é ainda baseado na distribui- ção dos segundos dados de pixel.
9. Método, de acordo com a reivindicação 1, caracterizado pelo fato de compreender ainda: determinar, com base nos um ou mais setores de campo de- terminados, que representam os valores mínimos de diferença nos pri- meiros dados de pixel durante os dois ou mais períodos de tempo dife- rentes, um ou mais tratamentos realizados nos um ou mais setores de campo determinados;
aplicar um tratamento de água ao campo, o tratamento de água compreendendo a aplicação de água em uma quantidade e um período de tempo especificados pelos um ou mais tratamentos realiza- dos nos um ou mais setores de campo determinados.
10. Método, de acordo com a reivindicação 1, caracterizado pelo fato de compreender ainda: determinar, a partir da pluralidade de imagens digitais, um primeiro subconjunto de imagens digitais; em que a determinação do primeiro subconjunto de imagens digitais compreende a seleção de imagens digitais a partir da pluralidade de imagens digitais com valores de pixel de vegetação similares; em que um valor de pixel de vegetação corresponde a um sombreamento relativo de um conjunto de pixels em uma imagem digi- tal; em que gerar e armazenar os primeiros dados de pixel para cada setor de campo se baseia no primeiro subconjunto de imagens digitais dentre a pluralidade de imagens digitais.
11. Sistema de tratamento de irrigação para fornecer aper- feiçoamentos à ciência agrícola pela otimização das localizações do tra- tamento de irrigação para teste em um campo, caracterizado pelo fato de compreender: um dispositivo de captura de imagem digital; uma base de dados; e um processador e memória principal compreendendo instru- ções que, quando executadas, causam: o recebimento e o armazenamento digital na base de dados, a partir do dispositivo de captura de imagem digital, de uma pluralidade de imagens digitais para um campo, cada imagem digital dentre a plu- ralidade de imagens digitais correspondendo a uma imagem do campo em dois ou mais períodos de tempo diferentes, o campo sendo um campo de crescimento agrícola; determinar uma pluralidade de setores de campo que criam o campo, cada setor de campo dentre a pluralidade de setores de campo correspondendo a um tratamento de irrigação realizado no setor de campo; gerar e armazenar os primeiros dados de pixel para cada se- tor de campo, os primeiros dados de pixel para um setor de campo com- preendendo características de pixels dentre a pluralidade de imagens digitais no setor de campo durante os dois ou mais períodos de tempo diferentes; gerar e armazenar uma distribuição dos primeiros dados de pixel para cada setor de campo durante os dois ou mais períodos de tempo diferentes; determinar, a partir da distribuição dos primeiros dados de pixel armazenados na base de dados, um ou mais setores de campo que representam os valores mínimos de diferença nos primeiros dados de pixel durante os dois ou mais períodos de tempo diferentes.
12. Sistema, de acordo com a reivindicação 11, caracteri- zado pelo fato de compreender ainda um display eletrônico, o proces- sador e a memória principal compreendendo ainda instruções que, quando executadas, causam: a geração e exibição, no display, de dados de distribuição, os dados de distribuição representando a distribuição dos primeiros da- dos de pixel para cada setor de campo durante os dois ou mais períodos de tempo diferentes em um formato legível por seres humanos; a geração e exibição, no display e com base nos um ou mais setores de campo determinados que representam os valores mínimos de diferença nos primeiros dados de pixel durante os dois ou mais perí- odos de tempo diferentes, de dados de recomendação legíveis por se- res humanos;
em que os dados de recomendação legíveis por seres hu- manos compreendem os tratamentos realizados nos um ou mais seto- res de campo determinados.
13. Sistema, de acordo com a reivindicação 11, caracteri- zado pelo fato de compreender ainda o equipamento de campo locali- zado no campo, o processador e a memória principal compreendendo ainda instruções que, quando executadas, causam: a determinação, com base nos um ou mais setores de campo determinados que representam os valores mínimos de diferença nos primeiros dados de pixel durante os dois ou mais períodos de tempo diferentes, de um ou mais tratamentos realizados nos um ou mais seto- res de campo determinados; em que os um ou mais tratamentos determinados compreen- dem uma primeira forma de operação do equipamento de campo locali- zado no campo; a modificação do equipamento de campo localizado no campo para operar da primeira forma; em que o equipamento de campo localizado no campo ope- rava previamente de uma segunda forma, que é diferente da primeira forma.
14. Sistema, de acordo com a reivindicação 13, caracteri- zado pelo fato de o equipamento de campo localizado no campo com- preender equipamento de irrigação localizado no campo, a primeira forma de operação do equipamento de campo localizado no campo compreender uma forma de operação do equipamento de irrigação in- cluindo uma taxa de aplicação de água ao campo e um ou mais interva- los de tempo nos quais se aplica água ao campo, e a modificação do equipamento de campo, localizado no campo, compreender a modifica- ção do equipamento de irrigação para aplicar água ao campo a uma taxa e em um ou mais intervalos de tempo, nos quais se aplica água ao campo.
15. Sistema, de acordo com a reivindicação 11, caracteri- zado pelo fato de o processador e a memória principal compreenderem ainda instruções que, quando executadas, causam: a geração, com base nos um ou mais setores de campo de- terminados, que representam os valores mínimos de diferença nos pri- meiros dados de pixel durante os dois ou mais períodos de tempo dife- rentes, de uma ou mais recomendações de campo, as uma ou mais re- comendações de campo compreendendo uma disposição que especi- fica uma aplicação de água a um campo em determinadas quantidades e em momentos determinados; a utilização de uma ou mais recomendações de campo para acionar qualquer um dentre bombas, relógios, pulverizadores ou outros elementos do equipamento de irrigação para causar a aplicação de água a campos especificados nas quantidades e nos momentos indica- dos na disposição.
16. Sistema, de acordo com a reivindicação 11, caracteri- zado pelo fato de o campo compreender um formato circular, cada setor de campo, dentre a pluralidade de setores de campo, compreende uma subdivisão angular do formato circular, e cada subdivisão angular do formato circular compreende um volume equivalente do espaço do campo.
17. Sistema, de acordo com a reivindicação 11, caracteri- zado pelo fato de os primeiros dados de pixel para cada setor de campo compreenderem uma métrica de densidade, a métrica de densidade correspondendo a um nível de densidade de vegetação no setor de campo: a distribuição dos primeiros dados de pixel para cada setor de campo compreendendo um histograma, o histograma compreendendo um nível de densidade de vegetação em cada setor de campo durante os dois ou mais períodos de tempo diferentes.
18. Sistema, de acordo com a reivindicação 11, caracteri- zado pelo fato de o processador e a memória principal compreenderem ainda instruções que, quando executadas, causam: o recebimento, na base de dados, de uma ou mais imagens digitais suplementares a partir do dispositivo de captura de imagens di- gitais, cada imagem digital suplementar, dentre as imagens digitais su- plementares, correspondendo a uma imagem do campo em um período de tempo suplementar diferente; a geração e armazenamento de segundos dados de pixel para cada setor de campo, os segundos dados de pixel para um setor de campo compreendendo características de pixels dentre a pluralidade de imagens digitais no setor de campo durante o período de tempo su- plementar diferente, e os primeiros dados de pixel; a geração e armazenamento de uma segunda distribuição dos segundos dados de pixel para cada setor de campo durante os dois ou mais períodos de tempo diferentes e o período de tempo suplementar diferente; em que a determinação de um ou mais setores de campo que representam os valores mínimos de diferença é ainda baseada na distribuição dos segundos dados de pixel.
19. Sistema, de acordo com a reivindicação 11, caracteri- zado pelo fato de o processador e a memória principal compreenderem ainda instruções que, quando executadas, causam: a determinação, com base em um ou mais setores de campo determinados, que representam os valores mínimos de diferença nos primeiros dados de pixel durante os dois ou mais períodos de tempo diferentes, de um ou mais tratamentos realizados nos um ou mais seto- res de campo determinados; a aplicação de um tratamento de água ao campo, o trata-
mento de água compreendendo a aplicação de água em uma quanti- dade e período de tempo especificados por um ou mais tratamentos re- alizados em um ou mais setores de campo determinados.
20. Sistema, de acordo com a reivindicação 11, caracteri- zado pelo fato de o processador e a memória principal compreenderem ainda instruções que, quando executadas, causam: a determinação, a partir da pluralidade de imagens digitais, de um primeiro subconjunto de imagens digitais; em que a determinação do primeiro subconjunto de imagens digitais compreende a seleção de imagens digitais a partir da pluralidade de imagens digitais com valores de pixel de vegetação similares; em que um valor de pixel de vegetação corresponde a um sombreamento relativo de um conjunto de pixels em uma imagem digi- tal; em que a geração e o armazenamento dos primeiros dados de pixel para cada setor de campo são baseados no primeiro subcon- junto de imagens digitais dentre a pluralidade de imagens digitais.
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201862777736P | 2018-12-10 | 2018-12-10 | |
| US62/777,736 | 2018-12-10 | ||
| US16/708,239 | 2019-12-09 | ||
| US16/708,239 US11464177B2 (en) | 2018-12-10 | 2019-12-09 | Image-based irrigation recommendations |
| PCT/US2019/065348 WO2020123428A1 (en) | 2018-12-10 | 2019-12-10 | Image-based irrigation recommendations |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| BR112021009316A2 true BR112021009316A2 (pt) | 2021-08-17 |
Family
ID=70970716
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| BR112021009316-8A BR112021009316A2 (pt) | 2018-12-10 | 2019-12-10 | recomendações de irrigação com base em imagem |
Country Status (9)
| Country | Link |
|---|---|
| US (2) | US11464177B2 (pt) |
| EP (1) | EP3895119A1 (pt) |
| CN (1) | CN113243012B (pt) |
| AR (1) | AR117295A1 (pt) |
| AU (1) | AU2019396355A1 (pt) |
| BR (1) | BR112021009316A2 (pt) |
| CA (1) | CA3120138A1 (pt) |
| MX (1) | MX2021006785A (pt) |
| WO (1) | WO2020123428A1 (pt) |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP4224628A3 (en) * | 2019-03-04 | 2023-09-13 | Climate LLC | Data storage and transfer device for an agricultural intelligence computing system |
| SG10201902958PA (en) * | 2019-04-02 | 2020-11-27 | Accenture Global Solutions Ltd | Artificial intelligence based plantable blank spot detection |
| US11823296B2 (en) | 2020-02-14 | 2023-11-21 | Cibo Technologies, Inc. | Method and apparatus for generation and employment of parcel productivity attributes for land parcel valuation |
| US11727170B2 (en) * | 2020-02-14 | 2023-08-15 | Cibo Technologies, Inc. | Method and apparatus for generation of land parcel valuation based on supplemented parcel productivity attributes |
| US11798043B2 (en) | 2020-02-14 | 2023-10-24 | Cibo Technologies, Inc. | Method and apparatus for generation and employment of agro-economic metrics for land parcel valuation |
| US11720724B2 (en) * | 2020-02-14 | 2023-08-08 | Cibo Technologies, Inc. | Method and apparatus for generation of land parcel valuation tailored for use |
| US11682090B2 (en) | 2020-02-14 | 2023-06-20 | Cibo Technologies, Inc. | Method and apparatus for generation and employment of parcel production stability attributes for land parcel valuation |
| US11720723B2 (en) * | 2020-02-14 | 2023-08-08 | Cibo Technologies, Inc. | Method and apparatus for generation and employment of parcel sustainability attributes for land parcel valuation |
| CN112634529B (zh) * | 2020-12-23 | 2022-02-18 | 杭州东骏科技有限公司 | 一种智慧农业灌溉系统及灌溉方法 |
| CN114764833A (zh) * | 2021-01-12 | 2022-07-19 | 富泰华工业（深圳）有限公司 | 植物生长曲线确定方法、装置、电子设备及介质 |
| CN114820758A (zh) * | 2021-01-12 | 2022-07-29 | 富泰华工业（深圳）有限公司 | 植物生长高度测量方法、装置、电子设备及介质 |
| CN112997862B (zh) * | 2021-04-13 | 2023-06-23 | 湖南创新佳农科技有限公司 | 一种智慧农业智能灌溉装置及其灌溉方法 |
| US11957082B2 (en) | 2021-12-13 | 2024-04-16 | Lindsay Corporation | Method and system for remote irrigation system maintenance |
| US20240065138A1 (en) * | 2022-08-31 | 2024-02-29 | Deere & Company | Method for Locating and Planting Sentinel Plants |
| CN117352083B (zh) * | 2023-09-28 | 2024-05-14 | 中国科学院沈阳应用生态研究所 | 一种基于物联网技术的土壤精准施肥方法 |
Family Cites Families (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9652691B2 (en) * | 2006-11-07 | 2017-05-16 | The Curators Of The University Of Missouri | Method of predicting crop yield loss due to N-deficiency |
| EP2104413B2 (en) | 2007-01-08 | 2020-03-25 | The Climate Corporation | Planter monitor system and method |
| BRPI0915065B1 (pt) | 2008-06-06 | 2019-12-03 | Monsanto Technology Llc | geração de produtos de informação agrícola utilizando sensoriamento remoto |
| US8477295B2 (en) | 2009-05-07 | 2013-07-02 | Solum, Inc. | Automated soil measurement device |
| US20120101784A1 (en) * | 2010-10-25 | 2012-04-26 | Trimble Navigation Limited | Wide-area agricultural monitoring and prediction |
| US20130104455A1 (en) * | 2011-05-13 | 2013-05-02 | David P. Groeneveld | Method and System for Remote Sensing and Limited Field Sampling to Prescribe and Deliver Soil Amendments Targeted Discretely Across Cultivated Fields |
| US8849468B2 (en) * | 2011-11-09 | 2014-09-30 | Cropmetrics, Llc | Method of controlling the irrigation of a field with a center pivot irrigation system |
| LT2876993T (lt) | 2012-07-25 | 2017-11-10 | Precision Planting Llc | Daugiaeilio žemės ūkio padargo valdymo bei stebėsenos sistema ir būdas |
| SG11201503523SA (en) * | 2012-11-06 | 2015-06-29 | Landcare Res New Zealand Ltd | A method and system for automated differential irrigation |
| CN103114747A (zh) * | 2013-02-05 | 2013-05-22 | 高恩华 | 生态种植园及种植方法 |
| US9638678B2 (en) * | 2015-01-30 | 2017-05-02 | AgriSight, Inc. | System and method for crop health monitoring |
| CN107613760B (zh) * | 2015-05-19 | 2021-02-09 | 撒钍拉斯股份有限公司 | 安装水势检测器的方法及评估作物灌溉情况的方法和系统 |
| US10025983B2 (en) | 2015-09-21 | 2018-07-17 | The Climate Corporation | Ponding water detection on satellite imagery |
| US9721181B2 (en) | 2015-12-07 | 2017-08-01 | The Climate Corporation | Cloud detection on remote sensing imagery |
| US10154624B2 (en) * | 2016-08-08 | 2018-12-18 | The Climate Corporation | Estimating nitrogen content using hyperspectral and multispectral images |
| US10398096B2 (en) * | 2016-11-16 | 2019-09-03 | The Climate Corporation | Identifying management zones in agricultural fields and generating planting plans for the zones |
| US20190107521A1 (en) * | 2017-10-06 | 2019-04-11 | AgriSight, Inc. | System and method for field test management |
| WO2019173606A1 (en) * | 2018-03-07 | 2019-09-12 | Emerald Metrics | Methods, systems, and components thereof relating to using multi-spectral imaging for improved cultivation of cannabis and other crops |
| US10713484B2 (en) * | 2018-05-24 | 2020-07-14 | Blue River Technology Inc. | Semantic segmentation to identify and treat plants in a field and verify the plant treatments |
-
2019
- 2019-12-09 US US16/708,239 patent/US11464177B2/en active Active
- 2019-12-10 EP EP19832510.2A patent/EP3895119A1/en active Pending
- 2019-12-10 BR BR112021009316-8A patent/BR112021009316A2/pt unknown
- 2019-12-10 AR ARP190103605A patent/AR117295A1/es active IP Right Grant
- 2019-12-10 AU AU2019396355A patent/AU2019396355A1/en active Pending
- 2019-12-10 WO PCT/US2019/065348 patent/WO2020123428A1/en unknown
- 2019-12-10 CN CN201980081490.3A patent/CN113243012B/zh active Active
- 2019-12-10 CA CA3120138A patent/CA3120138A1/en active Pending
- 2019-12-10 MX MX2021006785A patent/MX2021006785A/es unknown
-
2022
- 2022-10-10 US US17/962,836 patent/US20230031336A1/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| US20200178483A1 (en) | 2020-06-11 |
| CN113243012B (zh) | 2024-04-19 |
| CN113243012A (zh) | 2021-08-10 |
| US20230031336A1 (en) | 2023-02-02 |
| WO2020123428A1 (en) | 2020-06-18 |
| AR117295A1 (es) | 2021-07-28 |
| CA3120138A1 (en) | 2020-06-18 |
| EP3895119A1 (en) | 2021-10-20 |
| US11464177B2 (en) | 2022-10-11 |
| MX2021006785A (es) | 2021-07-15 |
| AU2019396355A1 (en) | 2021-07-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11882786B2 (en) | Method for recommending seeding rate for corn seed using seed type and sowing row width | |
| BR112021009316A2 (pt) | recomendações de irrigação com base em imagem | |
| US12051121B2 (en) | Analysis and presentation of agricultural data | |
| BR112019018057B1 (pt) | Método implementado por computador para selecionar localizações em um campo para amostragem de tratamento | |
| BR112018011240B1 (pt) | Métodos e sistemas de processamento de dados para previsão de rendimento de safra de nível de campo durante uma estação de crescimento | |
| BR112021007121A2 (pt) | uso de predições de umidade de colheita de sementes com base em aprendizado por máquina para melhorar uma operação agrícola de fazenda assistida por computador | |
| BR112021006133A2 (pt) | técnicas de aprendizado de máquina para identificar nuvens e sombras de nuvem em imagística por satélite | |
| BR112021007321A2 (pt) | detecção de infecção de doenças de plantas por meio da classificação de fotos de plantas | |
| BR112021007682A2 (pt) | detecção de doenças de planta por meio de aprendizado profundo em diversas etapas e diversas escalas | |
| BR112019000719B1 (pt) | Método para geração de mapas de pixel a partir de dados de não imagem e métricas de diferença para mapas de pixel | |
| BR112017026437B1 (pt) | Sistema de computador e método implantado por computador para monitorar operações de um ou mais campos | |
| CA2999865A1 (en) | Estimating intra-field properties within a field using hyperspectral remote sensing | |
| BR112021001667A2 (pt) | previsão automática de rendimentos e recomendação de taxas de semeadura com base em dados meteorológicos | |
| BR112018070806B1 (pt) | Método e sistema de processamento de dados para estimar valores de ajuste de precipitação | |
| BR112021006110A2 (pt) | sistemas e métodos para identificar e utilizar locais de teste em campos agrícolas | |
| BR112021002525A2 (pt) | aprimoramento de modelos de nutrientes digitais usando valores espacialmente distribuídos exclusivos para um campo agronômico | |
| BR112021007721A2 (pt) | detecção de infecção de doenças de plantas melhorada por aprendizagem de máquina | |
| BR112021010115A2 (pt) | Utilizando modelos estatísticos espaciais para implementar ensaios agronômicos | |
| BR112020010224B1 (pt) | Sistema e método para determinar um risco de dano a uma cultura | |
| BR112021004772A2 (pt) | modelos ajustáveis para commodities distribuídas na agricultura | |
| BR112020010224A2 (pt) | cálculo de risco de fator de dano à cultura para cultura em campo agronômico | |
| BR112019010837B1 (pt) | Método e sistema de processamento de dados e um ou mais meios de armazenamento legíveis por computador não transitórios |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| B25D | Requested change of name of applicant approved |
Owner name: CLIMATE LLC (US) |
|
| B25G | Requested change of headquarter approved |
Owner name: CLIMATE LLC (US) |
|
| B25G | Requested change of headquarter approved |
Owner name: CLIMATE LLC (US) |