BR122021019410A2 - Máquina de trabalho agrícola, e, método implementado por computador para gerar um mapa agrícola preditivo funcional - Google Patents

Abstract

Um ou mais mapas de informação são obtidos por uma máquina de trabalho agrícola. O um ou mais mapas de informação mapeiam um ou mais valores de característica agrícola em diferentes locais geográficos de um campo. Um sensor no local na máquina de trabalho agrícola sensoreia uma característica agrícola conforme a máquina de trabalho agrícola se move através do campo. Um gerador de mapa preditivo gera um mapa preditivo que prediz uma característica agrícola preditiva em diferentes locais no campo com base em uma relação entre os valores no um ou mais mapas de informação e na característica agrícola sensoreada pelo sensor no local. O mapa preditivo pode ser fornecido e usado no controle de máquina automático.

Description

MÁQUINA DE TRABALHO AGRÍCOLA, E, MÉTODO IMPLEMENTADO POR COMPUTADOR PARA GERAR UM MAPA AGRÍCOLA PREDITIVO FUNCIONAL REFERÊNCIA CRUZADA A PEDIDO RELACIONADO

[001] O presente pedido é uma continuação-em-parte dos, e reivindica a prioridade dos pedidos de patente norte-americanos números de série 16/783475, depositado em 6 de fevereiro de 2020, 16/783511, depositado em 6 de fevereiro de 2020, o conteúdo dos quais é aqui incorporado por referência em sua totalidade.

CAMPO DA DESCRIÇÃO

[002] A presente descrição se refere a máquinas agrícolas, máquinas de exploração florestal, máquinas de construção, e máquinas de cultivo de gramados (turf).

FUNDAMENTOS

[003] Existe uma extensa variedade de tipos diferentes de máquinas agrícolas. Algumas máquinas agrícolas incluem colheitadeiras, tais como colheitadeiras combinadas, colheitadeiras de cana-de-açúcar, colheitadeiras de algodão, colheitadeiras de forragem autopropulsionadas, e ceifadeiras alinhadoras. Algumas colheitadeiras podem ser equipadas com tipos diferentes de cabeças para a colher tipos diferentes de cultivos.

[004] Canteiros de ervas daninhas nos campos têm um número de efeitos prejudiciais sobre a operação de colheita. Por exemplo, quando uma colheitadeira encontra um canteiro de ervas daninhas em um campo, a canteiro de ervas daninhas pode prejudicar o desempenho de máquina ou degradar o desempenho da colheitadeira. Por conseguinte, um operador pode tentar modificar o controle da colheitadeira ao encontrar um canteiro de ervas daninhas durante a operação da colheitadeira.

[005] A discussão acima é meramente provida para informação geral dos fundamentos e não é destinada a ser usada como uma ajuda na determinação do escopo da matéria reivindicada.

SUMÁRIO

[006] Um ou mais mapas de informação são obtidos por uma máquina de trabalho agrícola. O um ou mais mapas de informação mapeiam um ou mais valores de característica agrícola em diferentes locais geográficos de um campo. Um sensor no local na máquina de trabalho agrícola sensoreia uma característica agrícola conforme a máquina de trabalho agrícola se move através do campo. Um gerador de mapa preditivo gera um mapa preditivo que prediz uma característica agrícola preditiva em diferentes locais no campo com base em uma relação entre os valores no um ou mais mapas de informação e a característica agrícola sensoreada pelo sensor no local. O mapa preditivo pode ser fornecido e usado no controle de máquina automático.

[007] Esse sumário é provido para apresentar uma seleção de conceitos de uma forma simplificada, que são descritos mais detalhadamente abaixo na descrição detalhada. Esse sumário não é destinado a identificar características chaves ou características essenciais da matéria reivindicada, nem é destinado a ser usado como uma ajuda na determinação do escopo da matéria reivindicada. A matéria reivindicada não é limitada aos exemplos que eliminam qualquer ou todas das desvantagens notadas nos fundamentos.

BREVE DESCRIÇÃO DOS DESENHOS

[008] A figura 1 é uma ilustração parcialmente simbólica, parcialmente esquemática, de um exemplo de uma colheitadeira combinada.

[009] A figura 2 é um diagrama de blocos mostrando algumas porções de uma colheitadeira agrícola em mais detalhe, de acordo com alguns exemplos da presente invenção.

[0010] As figuras 3A-3B (coletivamente referidas aqui como a figura 3) mostram um fluxograma ilustrando um exemplo de operação de uma colheitadeira agrícola na geração de um mapa

[0011] A figura 4 é um diagrama de blocos mostrando um exemplo de um gerador de modelo preditivo e um gerador de mapa preditivo.

[0012] A figura 5 é um fluxograma mostrando um exemplo de operação de uma colheitadeira agrícola ao receber um mapa de índice vegetativo, detectando uma característica de erva daninha, e gerando um mapa de erva daninha preditivo funcional para uso no controle da colheitadeira agrícola durante uma operação de colheita.

[0013] A figura 6A é um diagrama de blocos mostrando um exemplo de um gerador de modelo preditivo e um gerador de mapa preditivo.

[0014] A figura 6B é um diagrama de blocos mostrando os sensores no local.

[0015] A figura 7 mostra um fluxograma ilustrando um exemplo de operação de uma colheitadeira agrícola envolvendo gerar um mapa preditivo funcional usando um mapa de informação anterior e uma entrada de sensor no local.

[0016] A figura 8 é um diagrama de blocos mostrando um exemplo de um gerador de zona de controle.

[0017] A figura 9 é um fluxograma ilustrando um exemplo da operação do gerador de zona de controle mostrado na figura 8.

[0018] A figura 10 ilustra um fluxograma mostrando um exemplo de operação de um sistema de controle na seleção de um valor de regulagem alvo para controlar uma colheitadeira agrícola.

[0019] A figura 11 é um diagrama de blocos mostrando um exemplo de um controlador de interface de operador.

[0020] A figura 12 é um fluxograma ilustrando um exemplo de um controlador de interface de operador.

[0021] A figura 13 é uma ilustração simbólica mostrando um exemplo de uma exibição de interface de operador.

[0022] A figura 14 é um diagrama de blocos mostrando um exemplo de uma colheitadeira agrícola em comunicação com um ambiente de servidor remoto.

[0023] As figuras 15 a 17 mostram exemplos de dispositivos móveis que podem ser usados em uma colheitadeira agrícola. A figura 18 é um diagrama de blocos mostrando um exemplo de um ambiente de computação que pode ser usado em uma colheitadeira agrícola.

DESCRIÇÃO DETALHADA

[0024] Para as finalidades de promover uma compreensão dos princípios da presente invenção, referência será agora feita aos exemplos ilustrados nos desenhos, e linguagem específica será usada para descrever os mesmos. Não obstante, será entendido que uma limitação do escopo da exposição não é pretendida. Quaisquer alterações e outras modificações aos dispositivos, sistemas, métodos, descritos, e qualquer outra aplicação dos princípios da presente invenção, são completamente contempladas como ocorreriam normalmente para uma pessoa especializada na técnica à qual a exposição se refere. Em particular, é totalmente contemplado que as características, componentes, e/ou etapas descritos com relação a um exemplo podem ser combinados com as características, componentes, e/ou etapas descritos com relação a outros exemplos da presente invenção.

[0025] A presente descrição se refere ao uso de dados no local tomados simultaneamente com uma operação agrícola, em combinação com dados anteriores, para gerar um mapa preditivo, tal como um mapa de ervas daninhas preditivo. Em alguns exemplos, o mapa preditivo pode ser usado para controlar uma máquina de trabalho agrícola, tal como uma colheitadeira agrícola. Como discutido acima, o desempenho de uma colheitadeira agrícola pode ser degradado quando a colheitadeira agrícola engata um canteiro de ervas daninhas. Por exemplo, se cultivos em um campo tiverem alcançado a maturidade, ervas daninhas presentes no campo podem ainda estar verdes, aumentando assim o teor de umidade da biomassa que é encontrada pela colheitadeira agrícola. Esse problema pode ser exacerbado quando os canteiros de ervas daninhas dentro de um campo estão úmidos (tal como pouco depois de uma queda de chuva ou quando os canteiros de ervas daninhas contêm orvalho) e antes das ervas daninhas terem tido uma chance de se secar.

[0026] O desempenho de uma colheitadeira agrícola pode ser afetado de forma prejudicial com base em um número de diferentes critérios. Por exemplo, a intensidade de erva daninha em um canteiro de ervas daninhas pode ter efeitos prejudiciais sobre a operação da colheitadeira agrícola. Sem limitação, a intensidade de erva daninha pode incluir pelo menos um dentre presença de ervas daninhas, população das ervas daninhas, estágio de crescimento das ervas daninhas, biomassa de ervas daninhas, umidade de ervas daninhas, densidade de ervas daninhas, uma altura de ervas daninhas, um tamanho de uma planta de erva daninha, uma idade de ervas daninhas, ou condição de saúde de ervas daninhas em um local dentro de uma área. A medida de a intensidade de erva daninha pode ser um valor binário (tal como a presença de ervas daninhas ou ausência de ervas daninhas), ou um valor contínuo (tal como uma percentagem de ervas daninhas em uma definida área ou volume) ou um conjunto de valores discretos (tais como baixa, média, ou alta valores de intensidade de erva daninha). Similarmente, diferentes tipos de erva daninha encontradas por uma colheitadeira agrícola podem afetar a colheitadeira agrícola diferentemente. Por exemplo, diferentes tipos de erva daninha podem conter níveis de umidade variáveis, e, quando os níveis de umidade de ervas daninhas aumentam, a degradação no desempenho da colheitadeira pode também aumentar. Similarmente, diferentes tipos de erva daninha podem ter diferentes estruturas físicas (por exemplo, algumas daninhas podem ter caules mais grossos ou mais finos, folhas mais largas, etc.). Essas variações na estrutura de ervas daninhas podem também causar com que o desempenho da colheitadeira agrícola varie quando a colheitadeira agrícola engata com tais ervas daninhas.

[0027] Um mapa de índice vegetativo ilustrativamente mapeia valores de índice vegetativo (que podem ser indicativos do crescimento vegetativo) através de diferentes locais geográficos em um campo de interesse. Um exemplo de um índice vegetativo inclui um índice de vegetação de diferença normalizado (NDVI). A existem muitos outros índices vegetativos que estão dentro do escopo da presente invenção. Em alguns exemplos, um índice vegetativo pode ser derivado de leituras de sensor de um ou mais faixas de radiação eletromagnética refletida pelas plantas. Sem limitações, essas faixas podem estar nas porções de microondas, infravermelha, visíveis, ou ultravioletas, do espectro eletromagnético.

[0028] Um mapa de índice vegetativo pode ser usado para identificar a presença e local de vegetação. Em alguns exemplos, esses mapas permitem que ervas daninhas sejam identificadas e georreferenciadas na presença de solo nu, resíduo de cultivo, ou outras plantas, incluindo cultivo ou outras ervas daninhas. Por exemplo, no final de uma temporada de crescimento, quando uma colheita está madura, as plantas de cultivo podem mostrar um nível reduzido de vegetação viva em crescimento. Todavia, as ervas daninhas frequentemente persistem em um estado de crescimento depois da maturidade do cultivo. Por conseguinte, se um mapa de índice vegetativo for gerado relativamente tarde na temporada de crescimento, o mapa de índice vegetativo pode ser indicativo do local de ervas daninhas no campo. Em alguns casos, porém, o mapa de índice vegetativo pode ser menos útil (ou nada útil) na identificação de uma intensidade de erva daninha no canteiro de ervas daninhas, ou dos tipos de erva daninha no canteiro de ervas daninhas. Assim, em alguns casos, um mapa de índice vegetativo pode ter uma utilidade reduzida em predizer como controlar uma colheitadeira agrícola quando a colheitadeira agrícola se move através do campo.

[0029] A presente discussão, assim, prossegue com relação a sistemas que recebem um mapa de informação anterior de um campo ou o mapa gerado durante uma operação anterior e também usam um sensor no local para detectar uma variável indicativa de uma ou mais de uma característica agrícola (tal como biomassa), velocidade de máquina, ou entradas de comando pelo operador durante uma operação de colheita. As entradas de comando podem ser entradas de regulagem para controlar as regulagens em uma colheitadeira agrícola ou outras entradas de controle, tais como entradas de direção, entradas de velocidade, entradas de altura da plataforma de corte e outras entradas. Os sistemas geram um modelo que modela uma relação entre os valores no mapa de informação anterior e os valores de saída do sensor no local. O modelo é usado para gerar um mapa preditivo funcional que prediz, por exemplo, biomassa, velocidade de máquina, ou entradas de comando pelo operador em diferentes locais no campo. O mapa preditivo funcional, gerado durante a operação da colheitadeira, pode ser apresentado a um operador ou outro usuário ou usado para controlar automaticamente uma colheitadeira agrícola durante a operação da colheitadeira, ou ambos. O mapa preditivo funcional pode ser usado para controlar um ou mais dentre taxa de alimentação, velocidade de máquina, e as entradas de comando.

[0030] A figura 1 é uma ilustração parcialmente simbólica, parcialmente esquemática, de uma colheitadeira agrícola autopropulsionada 100. No exemplo ilustrado, a colheitadeira agrícola 100 é uma colheitadeira combinada. Ainda, embora colheitadeiras combinadas sejam providas como exemplos através de toda a presente invenção, será apreciado que a presente descrição é também aplicável a outros tipos de colheitadeiras, tais como colheitadeiras de algodão, colheitadeiras de cana-de-açúcar, colheitadeiras de forragem autopropulsionadas, ganhadeiras alinhadoras, ou outras máquinas de trabalho agrícolas. Consequentemente, a presente invenção destina-se a abranger os vários tipos de colheitadeiras descritos e, assim, não é limitada às colheitadeiras combinadas. Além disso, a presente invenção é dirigida a outros tipos de máquinas de trabalho, tais como semeadoras e pulverizadores agrícolas, equipamento de construção, equipamento de exploração florestal, e equipamento de cultivo de gramados, nos quais a geração de um mapa preditivo pode ser aplicável. Consequentemente, a presente invenção destinase a abranger esses vários tipos de colheitadeiras e outras máquinas de trabalho e, assim, não é limitada às colheitadeiras combinadas.

[0031] Conforme mostrado na figura 1, a colheitadeira agrícola 100 ilustrativamente inclui um compartimento de operador 101, que pode ter uma variedade de diferentes mecanismos de interface de operador para controlar a colheitadeira agrícola 100. A colheitadeira agrícola 100 inclui equipamento de extremidade dianteira, tal como uma plataforma de corte 102, e um cortador geralmente indicado em 104. No exemplo ilustrado, o cortador 104 está incluído na plataforma de corte 102. A colheitadeira agrícola 100 também inclui um alimentador 106, um acelerador de alimentação 108, e a debulhador geralmente indicado em 110. O alimentador 106 e o acelerador de alimentação 108 fazem parte de um subsistema de manipulação de material 125. A plataforma de corte 102 é acoplada de forma pivotável a uma armação 103 da colheitadeira agrícola 100 ao longo do eixo geométrico de pivô 105. Um ou mais atuadores 107 acionam o movimento de plataforma de corte 102 em torno do eixo geométrico 105 na direção geralmente indicada pela seta 109. Assim, uma posição vertical da plataforma de corte 102 (a altura da plataforma de corte) acima do solo 111 sobre o qual a plataforma de corte 102 se desloca é controlável pela atuação do atuador 107. Embora não mostrado na figura 1, a colheitadeira agrícola 100 pode também incluir um ou mais atuadores que operam para aplicar um ângulo de inclinação, um ângulo de inclinação transversal, ou ambos, à plataforma de corte 102 ou porções de plataforma de corte 102. Inclinação se refere a um ângulo no qual o cortador 104 engata o cultivo. O ângulo de inclinação é aumentado, por exemplo, por controle da plataforma de corte 102 para apontar para uma aresta distal 113 do cortador 104 mais na direção para o solo. O ângulo de inclinação é diminuído por controle da plataforma de corte 102 para apontar para a aresta distal 113 do cortador 104 mais longe do solo. O ângulo de inclinação transversal se refere à orientação da plataforma de corte 102 em torno do eixo geométrico longitudinal da frente para trás da colheitadeira agrícola 100.

[0032] O debulhador 110 ilustrativamente inclui um rotor de debulhe 112 e um conjunto de côncavos 114. Ainda, a colheitadeira agrícola 100 também inclui um separador 116. A colheitadeira agrícola 100 também inclui um subsistema de limpeza ou sistema de limpeza (coletivamente referido como subsistema de limpeza 118) que inclui uma ventoinha de limpeza 120, crivo superior 122, e peneira 124. Um subsistema de manipulação de material 125 também inclui batedor de descarga 126, elevador de resíduos 128, elevador de grão limpo 130, bem como parafuso sem-fim de descarregamento 134 e boca de descarga 136. O elevador de grão limpo move grão limpo para dentro do tanque de grão limpo 132. A colheitadeira agrícola 100 também inclui um subsistema de resíduo 138 que pode incluir o picador 140 e o espalhador 142. A colheitadeira agrícola 100 também inclui um subsistema de propulsão que inclui um motor que aciona componentes de engate ao solo 144, tais como rodas ou lagartas. Em alguns exemplos, uma colheitadeira combinada dentro do escopo da presente invenção pode ter mais do que um de qualquer dos subsistemas mencionados acima. Em alguns exemplos, a colheitadeira agrícola 100 pode ter subsistemas de limpeza esquerdo e direito, separadores, etc., que não são mostrados na figura 1.

[0033] Na operação, e a título de visão geral, a colheitadeira agrícola 100 ilustrativamente se move através de um campo na direção indicada pela seta 147. Conforme a colheitadeira agrícola 100 se move, a plataforma de corte 102 (e carretel associado 164) engata o cultivo a ser colhido e recolhe o cultivo na direção para o cortador 104. Um operador da colheitadeira agrícola 100 pode ser um operador humano local, um operador humano remoto, ou um sistema automático. Um comando de operador é um comando realizado por um operador. O operador da colheitadeira agrícola 100 pode determinar uma ou mais de uma regulagem de altura, uma regulagem de ângulo de inclinação, ou uma regulagem de ângulo de inclinação transversal para plataforma de corte 102. Por exemplo, o operador alimenta uma regulagem ou regulagens a um sistema de controle, descrito em mais detalhe abaixo, que controla o atuador 107. O sistema de controle pode também receber uma regulagem do operador para estabelecer o ângulo de inclinação e o ângulo de inclinação transversal da plataforma de corte 102 e implementar as regulagens alimentadas por controle dos atuadores associados, não mostrados, que operam para alterar o ângulo de inclinação e o ângulo de inclinação transversal da plataforma de corte 102. O atuador 107 mantém a plataforma de corte 102 em uma altura acima do solo 111 com base em uma regulagem de altura e, onde aplicável, nos desejados ângulos de inclinação e de inclinação transversal. Cada uma das regulagens de altura, inclinação transversal, e inclinação pode ser implementada independentemente das outras. O sistema de controle responde a erro de plataforma de corte (por exemplo, a diferença entre a regulagem de altura e a altura medida da plataforma de corte 104 acima do solo 111 e, em alguns exemplos, erros de ângulo de inclinação e do ângulo de inclinação transversal) com uma responsividade que é determinada com base em um nível de sensitividade selecionado. Se o nível de sensitividade for ajustado em um maior nível de sensitividade, o sistema de controle responde a menores erros de posição da plataforma de corte, e tenta reduzir os erros detectados mais rapidamente do que quando a sensitividade está em um nível mais baixo de sensitividade.

[0034] Retornando para a descrição da operação da colheitadeira agrícola 100, depois dos cultivos serem cortados pelo cortador 104, o material de cultivo separado é movido através de um transportador no alimentador 106 na direção para o acelerador de alimentação 108, que acelera o material de cultivo para dentro do debulhador 110. O cultivo material é debulhado pelo rotor 112 girando o cultivo contra côncavos 114. O material de cultivo debulhado é movido por um rotor de separador no separador 116, onde uma porção do resíduo é movida pelo batedor de descarga 126 na direção para o subsistema de resíduo 138. A porção de resíduo transferida para o subsistema de resíduo 138 é triturada ou picada pelo picador de resíduo 140 e espalhada sobre o campo pelo espalhador 142. Em outras configurações, o resíduo é liberado da colheitadeira agrícola 100 em um amontoado. Em outros exemplos, o subsistema de resíduo 138 pode incluir eliminadores de sementes de ervas daninhas (não mostrados), tais como ensacadores de sementes ou outros coletores de semente, ou trituradores de sementes ou outros destruidores de semente.

[0035] Grão cai no subsistema de limpeza 118. O crivo superior 122 separa algumas peças maiores de material a partir do grão, e a peneira 124 separa algumas das peças mais finas de material a partir do grão limpo. Grão limpo cai em um parafuso sem-fim que move o grão para uma extremidade de entrada do elevador de grão limpo 130, e o elevador de grão limpo 130 move o grão limpo para cima, depositando o grão limpo no tanque de grão limpo 132. Resíduo é removido do subsistema de limpeza 118 por fluxo de ar gerado pela ventoinha de limpeza 120. A ventoinha de limpeza 120 direciona ar ao longo de um trajeto de fluxo de ar para cima através das peneiras e crivos superiores. O fluxo de ar transporta o resíduo para trás na colheitadeira agrícola 100, na direção para o subsistema de manipulação de resíduo 138

[0036] O elevador de resíduos 128 retorna os resíduos para o debulhador 110, onde os resíduos são re-debulhados. Alternativamente, os resíduos também podem ser passados para um mecanismo de re-debulhe separado por um elevador de resíduo ou outro dispositivo de transporte, no qual os resíduos são também re-debulhados.

[0037] A figura 1 também mostra que, em um exemplo, a colheitadeira agrícola 100 inclui o sensor de velocidade do solo 146, um ou mais sensores de perda de separador 148, uma câmera de grão limpo 150, um mecanismo de captura de imagem voltado para frente 151, que pode ser na forma de uma câmera estéreo ou mono, e um ou mais sensores de perda 152 providos no subsistema de limpeza 118.

[0038] O sensor de velocidade do solo 146 sensoreia a velocidade de deslocamento da colheitadeira agrícola 100 sobre o solo. O sensor de velocidade do solo 146 pode sensorear a velocidade de deslocamento da colheitadeira agrícola 100 por sensorear a velocidade de rotação dos componentes engatando ao solo (tais como rodas ou lagartas), um eixo de acionamento, um eixo ou outros componentes. Em alguns casos, a velocidade de deslocamento pode ser sensoreada usando um sistema de posicionamento, tal como um sistema de posicionamento global (GPS), um sistema de reconhecimento passivo, um sistema de navegação de longo alcance (LORAN), um sensor de velocidade Doppler ou uma extensa variedade de outros sistemas ou sensores que provêm uma indicação da velocidade de deslocamento. Os sensores de velocidade do solo 146 podem também incluir sensores de direção, tais como uma bússola, um magnetômetro, um sensor gravimétrico, um giroscópio, derivação de GPS, para determinar a direção de deslocamento em duas ou três dimensões em combinação com a velocidade. Dessa maneira, quando a colheitadeira agrícola 100 está em uma inclinação, a orientação da colheitadeira agrícola 100 com relação à inclinação é conhecida. Por exemplo, uma orientação da colheitadeira agrícola 100 poderia incluir o deslocamento ascendente, descendente ou transversal na inclinação. A velocidade da máquina ou do solo, quando referida nessa descrição, pode também incluir a direção de deslocamento em duas ou três dimensões.

[0039] Os sensores de perda 152 ilustrativamente provêm um sinal de saída, indicativo da quantidade de perda de grão ocorrendo em ambos os lados direito e esquerdo do subsistema de limpeza 118. Em alguns exemplos, os sensores 152 sãos sensores de choque, que contam choques de grão por unidade de tempo ou por unidade de distância percorrida para prover uma indicação da perda de grão ocorrendo no subsistema de limpeza 118. Os sensores de choque para os lados direito e esquerdo do subsistema de limpeza 118 podem prover sinais individuais ou um sinal combinado ou agregado. Em alguns exemplos, os sensores 152 podem incluir um único sensor, em oposição aos sensores separados, provido para cada subsistema de limpeza 118.

[0040] O sensor de perda de separador 148 provê um sinal indicativo da perda de grão nos separadores esquerdo e direito, não separadamente mostrados na figura 1. Os sensores de perda de separador 148 podem ser associados com os separadores esquerdo e direito e podem prover sinais separados de perda de grão ou um sinal combinado ou agregado. Em alguns casos, o sensoreamento da perda de grão nos separadores pode também ser realizado usando também uma extensa variedade de tipos diferentes de sensores.

[0041] A colheitadeira agrícola 100 pode também incluir outros sensores e mecanismos de medição. Por exemplo, a colheitadeira agrícola 100 pode incluir um ou mais dos seguintes sensores: um sensor de altura da plataforma de corte que sensoreia uma altura de plataforma de corte 102 acima do solo 111; sensores de estabilidade que sensoreiam oscilação ou movimento saltitante (e amplitude) da colheitadeira agrícola 100; um sensor de regulagem de resíduo que é configurado para sensorear se a colheitadeira agrícola 100 é configurada para picar o resíduo, produzir um amontoado, etc.; um sensor de velocidade da ventoinha do sistema de limpeza para sensorear a velocidade da ventoinha 120; um sensor de folga de côncavo que sensoreia a folga entre o rotor 112 e os côncavos 114; um sensor de velocidade de rotor de debulhe, que sensoreia uma velocidade de rotor do rotor 112; um sensor de folga de crivo superior, que sensoreia o tamanho de aberturas no crivo superior 122; um sensor de folga de peneira que sensoreia o tamanho de aberturas na peneira 124; um sensor de umidade de material diferente de grão (MOG), que sensoreia um nível de umidade do MOG passando através da colheitadeira agrícola 100; um ou mais sensores de regulagem de máquina, configurados para sensorear várias regulagens configuráveis da colheitadeira agrícola 100; sensor de orientação da máquina, que sensoreia a orientação da colheitadeira agrícola 100; e os sensores de propriedade de cultivo, que sensoreiam uma variedade de tipos diferentes de propriedades de cultivo, tais como tipo do cultivo, umidade do cultivo, e outras propriedades de cultivo. Os sensores de propriedade de cultivo podem também ser configurados para sensorear características do material de cultivo separado quando o material de cultivo está sendo processado pela colheitadeira agrícola 100. Por exemplo, em alguns casos, os sensores de propriedade de cultivo podem sensorear a qualidade de grão, tal como grão quebrado, níveis de MOG; constituintes de grão, tais como amidos e proteína; e a taxa de alimentação de grão, quando o grão se desloca através do alimentador 106, elevador de grão limpo 130 ou em algum local, na colheitadeira agrícola 100. Os sensores de propriedade de cultivo podem também sensorear a taxa de alimentação de biomassa através do alimentador 106, através do separador 116 ou em algum local na colheitadeira agrícola 100. Os sensores de propriedade de cultivo podem também sensorear a taxa de alimentação como uma taxa de fluxo em massa de grão através do elevador 130 ou através de outras porções da colheitadeira agrícola 100 ou prover outros sinais de saída indicativos de outras variáveis sensoreadas.

[0042] Antes de descrever como a colheitadeira agrícola 100 gera um mapa funcional de ervas daninhas preditivo, e usa o mapa funcional de ervas daninhas preditivo para o controle, uma breve descrição de alguns dos itens na colheitadeira agrícola 100, e sua operação, será primeiramente descrita. A descrição das figuras 2 e 3 descrevem a recepção de um tipo geral de mapa de informação anterior e combinando informação do mapa de informação anterior com um sinal de sensor georreferenciado, gerado por um sensor no local, onde o sinal de sensor é indicativo de uma característica no campo, tal como características de cultivo ou ervas daninhas presentes no campo. As características de campo podem incluir, mas não são limitadas a, características de um campo, tais como inclinação ou declividade, intensidade de erva daninha, tipo de erva daninha, umidade do solo, qualidade da superfície; características das propriedades do cultivo, tais como altura de cultivo, umidade de cultivo, densidade de cultivo, estado de cultivo; características de propriedades de grão, tais como umidade de grão, tamanho de grão, peso de teste de grão; e características do desempenho da máquina, tais como níveis de perda, qualidade do trabalho, consumo de combustível, e utilização de potência. Uma relação entre os valores característicos obtidos de sinais de sensor no local e os valores de mapa de informação anterior é identificada, e esta relação é usada para gerar um novo mapa preditivo funcional. Um mapa preditivo funcional prediz valores em diferentes locais geográficos em um campo, e um ou tal como um ou mais subsistemas de uma colheitadeira agrícola. Em alguns casos, um mapa preditivo funcional pode ser apresentado a um usuário, tal como um operador de uma máquina de trabalho agrícola, que pode ser uma colheitadeira agrícola. Um mapa preditivo funcional pode ser apresentado a um usuário visualmente, tal como por intermédio de uma exibição, de forma táctil ou audível. O usuário pode interagir com o mapa preditivo funcional para realizar operações de edição ou outras operações de interface de usuário. Em alguns casos, um mapa preditivo funcional pode ser usado para um ou mais de controle de uma máquina de trabalho agrícola, tal como uma colheitadeira agrícola, apresentação a um operador ou outro usuário, e apresentação a um operador ou usuário para interação pelo operador ou usuário.

[0043] Depois da proposta geral ser descrita com relação às figuras 2 e 3, uma proposta mais específica para gerar um mapa funcional de ervas daninhas preditivo, que pode ser apresentado a um operador ou usuário, ou usado para controlar colheitadeira agrícola 100, ou ambos, é descrita com relação às figuras 4 e 5. Novamente, embora a presente discussão prossiga com relação à colheitadeira agrícola e, particularmente, uma colheitadeira combinada, o escopo da presente invenção abrange outros tipos da colheitadeira agrícolas ou outras máquinas de trabalho agrícolas.

[0044] A figura 2 é um diagrama de blocos mostrando algumas porções de uma colheitadeira agrícola de exemplo 100. A figura 2 mostra que a colheitadeira agrícola 100 ilustrativamente inclui um ou mais processadores ou servidores 201, armazenamento de dados 202, o sensor de posição geográfica 204, o sistema de comunicação 206, e um ou mais sensores no local 208 que sensoreiam uma ou mais características agrícolas de um campo simultaneamente com uma operação de colheita. Uma característica agrícola pode incluir qualquer característica que pode ter um efeito da operação da colheitadeira. Alguns exemplos de características agrícolas incluem características da máquina de colheita, do campo, das plantas no campo, e do clima. Outros tipos de características agrícolas são também incluídos. Os sensores no local 208 geram valores correspondentes às características sensoreadas. A colheitadeira agrícola 100 também inclui um modelo preditivo ou gerador de relação (coletivamente referido daqui em diante como “gerador de modelo preditivo 210”), o gerador de mapa preditivo 212, o gerador de zona de controle 213, o sistema de controle 214, um ou mais subsistemas controláveis 216, e um mecanismo de interface de operador 218. A colheitadeira agrícola 100 pode também incluir uma extensa variedade de outras funcionalidades da colheitadeira agrícola 220. Os sensores no local 208 incluem, por exemplo, os sensores a bordo 222, os sensores remotos 224, e outros sensores 226, que sensoreiam características de um campo durante o curso de uma operação agrícola. O gerador de modelo preditivo 210 ilustrativamente inclui um gerador de modelo de variável de informação anterior para variável no local 228, e o gerador de modelo preditivo 210 pode incluir outros itens 230. O sistema de controle 214 inclui o controlador de sistema de comunicação 229, o controlador de interface de operador 231, um controlador de regulagens 232, o controlador de planejamento de trajeto 234, o controlador de taxa de alimentação 236, o controlador de plataforma de corte e carretel 238, o controlador de correia Draper 240, o controlador de posição da placa de cobertura 242, o controlador de sistema de resíduo 244, o controlador de limpeza de máquina 245, o controlador de zona 247, e o sistema 214 pode incluir outros itens 246. Os subsistemas controláveis 216 incluem atuadores de máquina e da plataforma de corte 248, subsistema de propulsão 250, subsistema de direção 252, subsistema de resíduo 138, subsistema de limpeza de máquina 254, e os subsistemas 216 podem incluir uma extensa variedade de outros subsistemas 256.

[0045] A figura 2 também mostra que a colheitadeira agrícola 100 pode receber mapa de informação anterior 258. Como descrito abaixo, o mapa de informação anterior 258 inclui, por exemplo, um mapa de índice vegetativo ou um mapa de vegetação de uma operação anterior ou um mapa de ervas daninhas preditivo. Todavia, o mapa de informação anterior 258 pode também abranger outros tipos de dados que foram obtidos antes de uma operação de colheita ou um mapa de uma operação anterior. A figura 2 também mostra que um operador 260 pode operar a colheitadeira agrícola 100. O operador 260 interage com mecanismos de interface de operador 218. Em alguns exemplos, os mecanismos de interface de operador 218 podem incluir alavancas de controle, alavancas, um volante, conjuntos de articulação, pedais, botões, mostradores, teclados de multifrequência, elementos atuáveis por usuário (tais como ícones, botões, etc.) em um dispositivo de exibição de interface de usuário, um microfone e alto-falante (em que reconhecimento de voz e síntese de voz são providos), dentre uma extensa variedade de outros tipos de dispositivos de controle. Onde um sistema de exibição sensível ao toque é provido, o operador 260 pode interagir com mecanismos de interface de operador 218 usando gestos de toque. Esses exemplos descritos acima são providos como exemplos ilustrativos e não são destinados a limitar o escopo da presente invenção. Consequentemente, outros tipos de mecanismos de interface de operador 218 podem ser usados e estão dentro do escopo da presente invenção.

[0046] O mapa de informação anterior 258 pode ser baixado para a colheitadeira agrícola 100 e armazenado no armazenamento de dados 202, usando o sistema de comunicação 206 ou de outras maneiras. Em alguns exemplos, o sistema de comunicação 206 pode ser um sistema de comunicação celular, um sistema para comunicação sobre uma rede de área larga ou uma rede de área local, um sistema para comunicação sobre uma rede de comunicação de campo próximo ou um sistema de comunicação configurado para se comunicar sobre qualquer de uma variedade de outras redes ou combinações de redes. O sistema de comunicação 206 pode também incluir um sistema que facilita os Downloads ou transferências de informação para, e de, um cartão Secure Digital (SD) ou um cartão de barramento serial universal (USB), ou ambos.

[0047] O sensor de posição geográfica 204 ilustrativamente sensoreia ou detecta a posição geográfica ou local da colheitadeira agrícola 100. O sensor de posição geográfica 204 pode incluir, mas não é limitado a, um receptor de sistema de navegação por satélite global (GNSS), que recebe sinais a partir de um transmissor de satélite GNSS. O sensor de posição geográfica 204 pode também incluir um componente cinemático de tempo real (RTK), que é configurado para melhorar a precisão dos dados de posição derivados do sinal de GNSS. O sensor de posição geográfica 204 pode incluir um sistema de reconhecimento passivo, um sistema de triangulação celular ou qualquer de uma variedade de outros sensores de posição geográfica.

[0048] O sensor de posição geográfica 204 ilustrativamente sensoreia ou detecta a posição geográfica ou local da colheitadeira agrícola 100. O sensor de posição geográfica 204 pode incluir, mas não é limitado a, um receptor de sistema de navegação por satélite global (GNSS) que recebe sinais a partir de um transmissor de satélite GNSS. O sensor de posição geográfica 204 pode também incluir um componente cinemático de tempo real (RTK), que é configurado para melhorar a precisão dos dados de posição derivados do sinal de GNSS. O sensor de posição geográfica 204 pode incluir um sistema de reconhecimento passivo, um sistema de triangulação celular ou qualquer de uma variedade de outros sensores de posição geográfica.

[0049] O gerador de modelo preditivo 210 gera um modelo que é indicativo de uma relação entre os valores sensoreados pelo sensor no local 208 e uma métrica mapeada para o campo pelo mapa de informação anterior 258. Por exemplo, se o mapa de informação anterior 258 mapear um valor de índice vegetativo para diferentes locais no campo, e o sensor no local 208 está sensoreando um valor indicativo de a intensidade de erva daninha, então o gerador de modelo de variável de informação anterior para variável no local 228 gera um modelo de erva daninha preditivo, que modela as relações entre o valor de índice vegetativo e o valor de a intensidade de erva daninha. O modelo de erva daninha preditivo pode também ser gerado com base em valores de índice vegetativo do mapa de informação anterior 258 e múltiplos valores de dados no local gerados pelos sensores no local 208. Então, o gerador de mapa preditivo 212 usa o modelo de erva daninha preditivo, gerado pelo gerador de modelo preditivo 210, para gerar um mapa funcional de ervas daninhas preditivo, que prediz o valor da propriedade de erva daninha, tal como intensidade, sensoreado pelos sensores no local 208 em diferentes locais no campo com base no mapa de informação anterior 258. Em alguns exemplos, o tipo de valores no mapa preditivo funcional 263 pode ser o mesmo que o tipo de dado no local, sensoreado pelos sensores no local 208. Em alguns casos, o tipo de valores no mapa preditivo funcional 263 pode ter diferentes unidades que os dados sensoreados pelos sensores no local 208. Em alguns exemplos, o tipo de valores no mapa preditivo funcional 263 pode ser diferente do tipo de dados sensoreados pelos sensores no local 208, mas têm uma relação com o tipo de dados sensoreados pelos sensores no local 208. Por exemplo, em alguns exemplos, o tipo de dado sensoreado pelos sensores no local 208 pode ser indicativo do tipo de valores no mapa preditivo funcional 263. Em alguns exemplos, o tipo de dados no mapa preditivo funcional 263 pode ser diferente do tipo de dado no mapa de informação anterior 258. Em alguns casos, o tipo de dados no mapa preditivo funcional 263 pode ter diferentes unidades que os dados no mapa de informação anterior 258. Em alguns exemplos, o tipo de dados no mapa preditivo funcional 263 pode ser diferente do tipo de dados no mapa de informação anterior 258, mas tem uma relação com o tipo de dado no mapa de informação anterior 258. Por exemplo, em alguns exemplos, o tipo de dado no mapa de informação anterior 258 pode ser indicativo do tipo de dados no mapa preditivo funcional 263. Em alguns exemplos, o tipo de dados no mapa preditivo funcional 263 é diferente de um dentre, ou ambos, do tipo de dado no local sensoreado pelos sensores no local 208 e do tipo de dado no mapa de informação anterior 258. Em alguns exemplos, o tipo de dados no mapa preditivo funcional 263 é o mesmo que um do, ou ambos do, tipo de dado no local sensoreado pelos sensores no local 208 e do tipo de dado no mapa de informação anterior 258. Em alguns exemplos, o tipo de dados no mapa preditivo funcional 263 é o mesmo que um do tipo de dado no local sensoreado pelos sensores no local 208 ou do tipo de dado no mapa de informação anterior 258, e diferentes dos outros.

[0050] Continuando com o exemplo precedente, no qual o mapa de informação anterior 258 é um mapa de índice vegetativo e o sensor no local 208 sensoreia um valor indicativo de a intensidade de erva daninha, o gerador de mapa preditivo 212 pode usar os valores de índice vegetativo no mapa de informação anterior 258, e o modelo gerado pelo gerador de modelo preditivo 210, para gerar um mapa preditivo funcional 263 que prediz a intensidade de erva daninha em diferentes locais no campo. O gerador de mapa preditivo 212 fornece assim o mapa preditivo 264.

[0051] Conforme mostrado na figura 2, o mapa preditivo 264 prediz o valor de uma característica sensoreada (sensoreada pelos sensores no local 208), ou uma característica relacionada à característica sensoreada, em vários locais através do campo com base em um valor de informação anterior no mapa de informação anterior 258 naqueles locais e usando o modelo preditivo. Por exemplo, se o gerador de modelo preditivo 210 tiver gerado um modelo preditivo indicativo de uma relação entre um valor de índice vegetativo e a intensidade de erva daninha, então, dado o valor de índice vegetativo em diferentes locais através do campo, o gerador de mapa preditivo 212 gera um mapa preditivo 264 que prediz o valor da intensidade de erva daninha em diferentes locais através do campo. O valor de índice vegetativo, obtido do mapa de índice vegetativo, naqueles locais, e as relações entre o valor de índice vegetativo e a intensidade de erva daninha, obtidas do modelo preditivo, são usados para gerar o mapa preditivo 264.

[0052] Algumas variações no tipo de dados que são mapeados no mapa de informação anterior 258, no tipo de dados sensoreados pelos sensores no local 208, e no tipo de dados preditos no mapa preditivo 264 serão agora descritas.

[0053] Em alguns exemplos, o tipo de dado no mapa de informação anterior 258 é diferente do tipo de dado sensoreado pelos sensores no local 208, ainda o tipo de dado no mapa preditivo 264 é o mesmo que o tipo de dado sensoreado pelos sensores no local 208. Por exemplo, o mapa de informação anterior 258 pode ser um mapa de índice vegetativo, e a variável sensoreada pelos sensores no local 208 pode ser a produção. O mapa preditivo 264 pode então ser um mapa de produção preditivo, que mapeia os valores de produção preditos para os diferentes locais geográficos no campo. Em outro exemplo, o mapa de informação anterior 258 pode ser um mapa de índice vegetativo, e a variável sensoreada pelos sensores no local 208 pode ser a altura de cultivo. O mapa preditivo 264 pode então ser um mapa de altura de cultivo preditivo, que mapeia os preditos valores de altura de cultivo para os diferentes locais geográficos no campo.

[0054] Também, em alguns exemplos, o tipo de dado no mapa de informação anterior 258 é diferente do tipo de dado sensoreado pelos sensores no local 208, e o tipo de dado no mapa preditivo 264 é diferente tanto do tipo de dado no mapa de informação anterior 258 quanto do tipo de dado sensoreado pelos sensores no local 208. Por exemplo, o mapa de informação anterior 258 pode ser um mapa de índice vegetativo, e a variável sensoreada pelos sensores no local 208 pode ser altura de cultivo. O mapa preditivo 264 pode então ser um mapa de biomassa predita, que mapeia valores de biomassa preditos para os diferentes locais geográficos no campo. Em outro exemplo, o mapa de informação anterior 258 pode ser um mapa de índice vegetativo, e a variável sensoreada pelos sensores no local 208 pode ser a produção. O mapa preditivo 264 pode então ser um mapa de velocidade predita, que mapeia os valores de velocidade da colheitadeira preditos para os diferentes locais geográficos no campo.

[0055] Em alguns exemplos, o mapa de informação anterior 258 é de um passe anterior através do campo durante uma operação anterior e o tipo de dado é diferente do tipo de dado sensoreado pelos sensores no local 208, ainda o tipo de dado no mapa preditivo 264 é o mesmo que o tipo de dado sensoreado pelos sensores no local 208. Por exemplo, o mapa de informação anterior 258 pode ser um mapa de população de sementes gerado durante a plantação, e a variável sensoreada pelos sensores no local 208 pode ser o tamanho de caule. O mapa preditivo 264 pode então ser um mapa de tamanho de caule preditivo, que mapeia os valores de tamanho de caule preditos para os diferentes locais geográficos no campo. Em outro exemplo, o mapa de informação anterior 258 pode ser um mapa de semeadura híbrida, e a variável sensoreada pelos sensores no local 208 pode ser o estado de cultivo, tal como um cultivo de pé ou um cultivo caído. O mapa preditivo 264 pode então ser um mapa de estado de cultivo predito, que mapeia os valores de estado de cultivo preditos para os diferentes locais geográficos no campo.

[0056] Em alguns exemplos, o mapa de informação anterior 258 é de um passe anterior através do campo durante uma operação anterior e o tipo de dado é o mesmo que o tipo de dado sensoreado pelos sensores no local 208, e o tipo de dado no mapa preditivo 264 é também o mesmo que o tipo de dado sensoreado pelos sensores no local 208. Por exemplo, o mapa de informação anterior 258 pode ser um mapa de produção gerado durante um ano anterior, e a variável sensoreada pelos sensores no local 208 pode ser a produção. O mapa preditivo 264 pode então ser um mapa de produção preditivo, que mapeia os valores de produção preditos para os diferentes locais geográficos no campo. Em um tal exemplo, as diferenças de produção relativas no mapa de informação anterior georreferenciado 258 do ano anterior podem ser usadas pelo gerador de modelo preditivo 210 para gerar um modelo preditivo que modela uma relação entre as diferenças de produção relativas no mapa de informação anterior 258 e os valores de produção sensoreados pelos sensores no local 208 durante a operação de colheita atual. O modelo preditivo é então usado pelo gerador de mapa preditivo 210 para gerar um mapa de produção preditivo.

[0057] Em outro exemplo, o mapa de informação anterior 258 pode ser um mapa de intensidade de erva daninha gerado durante uma operação anterior, tal como a partir de um pulverizador, e a variável sensoreada pelos sensores no local 208 pode ser a intensidade de erva daninha. O mapa preditivo 264 pode então ser um mapa preditivo de intensidade de erva daninha, que mapeia os valores de intensidade preditos de ervas daninhas para os diferentes locais geográficos no campo. Em um tal exemplo, um mapa das intensidades de erva daninha no momento da pulverização é registrado de forma georreferenciada e provido para a colheitadeira agrícola 100 como um mapa de informação anterior 258 da intensidade de erva daninha. Os sensores nos locais 208 podem detectar a intensidade de erva daninha nos locais geográficos no campo e o gerador de modelo preditivo 210 pode então construir um modelo preditivo que modela uma relação entre a intensidade de erva daninha no momento da colheita e a intensidade de erva daninha no momento da pulverização. Isso é porque o pulverizador terá impactado a intensidade de erva daninha no momento da pulverização, mas as ervas daninhas podem ainda crescer em áreas similares novamente por colheita. Todavia, as áreas de erva daninha na colheita são prováveis que tenham diferente intensidade com base na temporização da colheita, clima, tipo de erva daninha, dentre outros fatores.

[0058] Em alguns exemplos, o mapa preditivo 264 pode ser provido para o gerador de zona de controle 213. O gerador de zona de controle 213 agrupa porções adjacentes de uma área em uma ou mais zonas de controle com base em valores de dados do mapa preditivo 264, que são associados com aquelas porções adjacentes. Uma zona de controle pode incluir duas ou mais porções contíguas de uma área, tal como um campo, para a qual um parâmetro de controle correspondente à zona de controle para controlar um subsistema controlável é constante. Por exemplo, um tempo de resposta para alterar uma regulagem de subsistemas controláveis 216 pode ser inadequado para responder satisfatoriamente para alteração dos valores contidos em um mapa, tal como o mapa preditivo 264. Nesse caso, o gerador de zona de controle 213 analisa o mapa e identifica as zonas de controle que são de um tamanho definido para acomodar o tempo de resposta dos subsistemas controláveis 216. Em outro exemplo, as zonas de controle podem ser dimensionadas para reduzir o desgaste do movimento excessivo do atuador, que resulta do ajuste contínuo. Em alguns exemplos, pode existir um diferente conjunto de zonas de controle para cada subsistema controlável 216 ou para grupos de subsistemas controláveis 216. As zonas de controle podem ser adicionadas ao mapa preditivo 264 para obter o mapa de zona de controle preditivo 265. O mapa de zona de controle preditivo 265 pode assim ser similar ao mapa preditivo 264, exceto que o mapa de zona de controle preditivo 265 inclui informação de zona de controle definindo as zonas de controle. Assim, um mapa preditivo funcional 263, conforme descrito aqui, pode, ou não, incluir zonas de controle. Tanto o mapa preditivo 264 quanto o mapa de zona de controle preditivo 265 sãos mapas funcionais preditivos 263. Em um exemplo, um mapa preditivo funcional 263 não inclui zonas de controle, tal como o mapa preditivo 264. Em outro exemplo, um mapa preditivo funcional 263 inclui zonas de controle, tal como o mapa de zona de controle preditivo 265. Em alguns exemplos, múltiplos cultivos podem estar simultaneamente presentes em um campo, se um sistema de produção intercultivo for implementado. Nesse caso, o gerador de mapa preditivo 212 e o gerador de zona de controle 213 são capazes de identificar o local e as características dos dois ou mais cultivos e então gerar o mapa preditivo 264 e o mapa preditivo com zonas de controle 265, consequentemente.

[0059] Será também apreciado que o gerador de zona de controle 213 pode agrupar valores para gerar zonas de controle e as zonas de controle podem ser adicionadas um mapa de zona de controle preditivo 265, ou um mapa separado, mostrando somente as zonas de controle que são geradas. Em alguns exemplos, as zonas de controle podem ser usadas para controlar ou calibrar a colheitadeira agrícola 100, ou ambos. Em outros exemplos, as zonas de controle podem ser apresentadas ao operador 260 e usadas para controlar ou calibrar a colheitadeira agrícola 100, e, em outros exemplos, as zonas de controle podem ser apresentadas ao operador 260 ou outro usuário ou armazenadas para o uso posterior.

[0060] O mapa preditivo 264 ou o mapa de zona de controle preditivo 265, ou ambos, são providos para o sistema de controle 214, que gera sinais de controle com base no mapa preditivo 264 ou no mapa de zona de controle preditivo 265, ou em ambos. Em alguns exemplos, o controlador de sistema de comunicação 229 controla o sistema de comunicação 206 para comunicar o mapa preditivo 264 ou o mapa de zona de controle preditivo 265 ou sinais de controle com base no mapa preditivo 264 ou o mapa de zona de controle preditivo 265 para outras colheitadeiras agrícolas que estão colhendo no mesmo campo. Em alguns exemplos, o controlador de sistema de comunicação 229 controla o sistema de comunicação 206 para enviar o mapa preditivo 264, o mapa de zona de controle preditivo 265, ou ambos para outros sistemas remotos.

[0061] O controlador de interface de operador 231 é operável para gerar sinais de controle para controlar mecanismos de interface de operador 218. O controlador de interface de operador 231 é também operável para apresentar o mapa preditivo 264 ou o mapa de zona de controle preditivo 265 ou outra informação derivada do, ou com base no, mapa preditivo 264, no mapa de zona de controle preditivo 265, ou ambos, para o operador 260. O operador 260 pode ser um operador local ou um operador remoto. Como um exemplo, o controlador 231 gera sinais de controle para controlar um mecanismo de exibição para exibir um ou ambos do mapa preditivo 264 e do mapa de zona de controle preditivo 265 para o operador 260. O controlador 231 pode gerar mecanismos atuáveis por operador, que são exibidos e podem ser atuados pelo operador para interagir com o mapa exibido. O operador pode editar o mapa por, por exemplo, corrigir um tipo de erva daninha exibido no mapa, com base na observação do operador. O controlador de regulagens 232 pode gerar sinais de controle para controlar várias regulagens na colheitadeira agrícola 100 com base no mapa preditivo 264, no mapa de zona de controle preditivo 265, ou ambos. Por exemplo, o controlador de regulagens 232 pode gerar sinais de controle para controlar os atuadores de máquina e plataforma de corte 248. Em resposta aos sinais de controle gerados, os atuadores de máquina e plataforma de corte 248 operam para controlar, por exemplo, uma ou mais das regulagens de peneira e crivo superior, a folga de debulhador, regulagens de rotor, regulagens de velocidade da ventoinha de limpeza, altura da plataforma de corte, funcionalidade da plataforma de corte, velocidade do carretel, posição do carretel, funcionalidade Draper (onda colheitadeira agrícola 100 é acoplada a uma plataforma de corte Draper), funcionalidade de milho da plataforma de corte, controle de distribuição interna e outros atuadores 248 que afetam as outras funções da colheitadeira agrícola 100. O controlador de planejamento de trajeto 234 ilustrativamente gera sinais de controle para controlador o subsistema de direção 252 para dirigir a colheitadeira agrícola 100 de acordo com um trajeto desejado. O controlador de planejamento de trajeto 234 pode controlar um sistema de planejamento de trajeto para gerar uma rota para a colheitadeira agrícola 100 e pode controlar o subsistema de propulsão 250 e o subsistema de direção 252 para direcionar a colheitadeira agrícola 100 ao longo dessa rota. O controlador de taxa de alimentação 236 pode controlar vários subsistemas, tais como o subsistema de propulsão 250 e os atuadores de máquina 248, para controlar uma taxa de alimentação com base no mapa preditivo 264 ou no mapa de zona de controle preditivo 265 ou ambos. Por exemplo, quando a colheitadeira agrícola 100 se aproxima a um canteiro de ervas daninhas tendo um valor de intensidade acima de um limite selecionado, o controlador de taxa de alimentação 236 pode reduzir a velocidade da máquina 100 para ter constante a taxa de alimentação de biomassa através da máquina. O controlador de plataforma de corte e carretel 238 pode gerar sinais de controle para controlar uma plataforma de corte ou um carretel ou outra funcionalidade da plataforma de corte. O controlador de correia Draper 240 pode gerar sinais de controle para controlar uma correia Draper ou outra funcionalidade Draper com base no mapa preditivo 264, no mapa de zona de controle preditivo 265, ou em ambos. O controlador de posição da placa de cobertura 242 pode gerar sinais de controle para controlar uma posição de uma placa de cobertura incluída na plataforma de corte com base no mapa preditivo 264 ou no mapa de zona de controle preditivo 265 ou ambos, e o controlador de sistema de resíduo 244 pode gerar sinais de controle para controlar um subsistema de resíduo 138 com base no mapa preditivo 264 ou no mapa de zona de controle preditivo 265, ou ambos. O controlador de limpeza de máquina 245 pode gerar sinais de controle para controlador o subsistema de limpeza de máquina 254. Por exemplo, com base nos diferentes tipos de sementes ou ervas daninhas, passados através da máquina 100, um tipo particular de operação de limpeza de máquina ou uma frequência com a qual uma operação de limpeza é realizada pode ser controlado. Outros controladores incluídos na colheitadeira agrícola 100 podem controlar outros subsistemas com base no mapa preditivo 264 ou o mapa de zona de controle preditivo 265 ou também ambos.

[0062] As figuras 3A e 3B (coletivamente referidas aqui como a figura 3) mostram um fluxograma ilustrando um exemplo da operação da colheitadeira agrícola 100 na geração de um mapa preditivo 264 e o mapa de zona de controle preditivo 265 com base no mapa de informação anterior 258.

[0063] Em 280, a colheitadeira agrícola 100 recebe o mapa de informação anterior 258. Exemplos de mapa de informação anterior 258 ou a recepção de mapa de informação anterior 258 são discutidos com relação aos blocos 281, 282, 284 e 286. Como discutido acima, o mapa de informação anterior 258 mapeia os valores de uma variável, correspondente a uma primeira característica, para diferentes locais no campo, conforme indicado no bloco 282. Conforme indicado no bloco 281, a recepção do mapa de informação anterior 258 pode envolver a seleção de um ou mais de uma pluralidade de possíveis mapas de informação anteriores, que são disponíveis. Por exemplo, um mapa de informação anterior pode ser um mapa de índice vegetativo gerado a partir de formação de imagens aéreas. Outro mapa de informação anterior pode ser um mapa gerado durante um passe anterior através do campo, que pode ter sido realizado por uma diferente máquina realizando uma operação prévia no campo, como um pulverizador ou outra máquina. O processo pelo qual um ou mais mapas de informação anterior são selecionados pode ser manual, semiautomático ou automático. O mapa de informação anterior 258 é com base em dados coletados antes de uma operação de colheita atual. Isso é indicado pelo bloco 284. Por exemplo, os dados podem ser coletados com base em imagens aéreas tomadas durante um ano anterior, ou mais antecedentemente na estação de crescimento atual, ou em outros instantes. Os dados podem ser com base em dados detectados de outras maneiras do que usando imagens aéreas. Por exemplo, a colheitadeira agrícola 100 pode ser equipada com um sensor, tal como um sensor óptico interno, que identifica sementes de ervas daninhas que estão saindo da colheitadeira agrícola 100. Os dados de sementes de ervas daninhas, detectados pelo sensor durante uma colheita do ano anterior, podem ser usados como os dados usados para gerar o mapa de informação anterior 258. Os dados de ervas daninhas sensoreados podem ser combinados com outros dados para gerar o mapa de informação anterior 258. Por exemplo, com base na magnitude das sementes de ervas daninhas, que saem da colheitadeira agrícola 100 em diferentes locais, e com base em outros fatores, tais como se as semente estão sendo espalhadas pelo espalhador ou deixadas cair em um amontoado; nas condições climáticas, como o vento, quando as sementes estão sendo deixadas cair ou espalhadas; condições de drenagem, que podem mover as sementes em torno do campo; ou outra informação, o local de daquelas sementes de ervas daninhas pode ser predito, de forma que o mapa de informação anterior 258 mapeie os locais de semente preditos no campo. Os dados para o mapa de informação anterior 258 podem ser transmitidos para a colheitadeira agrícola 100 usando o sistema de comunicação 206 e armazenados no armazenamento de dados 202. Os dados para o mapa de informação anterior 258 podem ser providos para a colheitadeira agrícola 100 usando o sistema de comunicação 206 também de outras maneiras, e isso é indicado pelo bloco 286 no fluxograma da figura 3. Em alguns exemplos, o mapa de informação anterior 258 pode ser recebido pelo sistema de comunicação 206.

[0064] No começo de uma operação de colheita, os sensores no local 208 geram sinais de sensor indicativos de um ou mais valores de dados no local, indicativos de uma característica, por exemplo, uma característica de planta, tal como uma característica de erva daninha, conforme indicado pelo bloco 288. Exemplos de sensores no local 288 são discutidos com relação aos blocos 222, 290, e 226. Como explicado acima, os sensores no local 208 incluem sensores a bordo 222; sensores no local remotos 224, tais como os sensores baseados em UAV (veículo aéreo não tripulado), que voam em um instante de coletar dados no local, mostrados no bloco 290; ou outros tipos de sensores no local, designados pelos sensores no local 226. Em alguns exemplos, dados de sensores a bordo são georreferenciados usando dados de posição, rumo ou velocidade, a partir do sensor de posição geográfica 204.

[0065] O gerador de modelo preditivo 210 controla o gerador de modelo de variável de informação anterior para variável no local 228 para gerar um modelo que modela uma relação entre os valores mapeados contidos no mapa de informação anterior 258 e os valores no local sensoreados pelos sensores no local 208 conforme indicado pelo bloco 292. As características ou tipos de dado representados pelos valores mapeados no mapa de informação anterior 258 e os valores no local sensoreados pelos sensores no local 208 podem ser as mesmas características ou os mesmos tipos de dado ou diferentes características ou tipos de dado.

[0066] A relação ou modelo gerado pelo gerador de modelo preditivo 210 é provido para o gerador de mapa preditivo 212. O gerador de mapa preditivo 212 gera um mapa preditivo 264, que prediz um valor da característica sensoreada pelos sensores no local 208 em diferentes locais geográficos em um campo sendo colhido, ou uma diferente característica que é relacionada à característica sensoreada pelos sensores no local 208, usando o modelo preditivo e o mapa de informação anterior 258, conforme indicado pelo bloco 294.

[0067] Deve ser notado que, em alguns exemplos, o mapa de informação anterior 258 pode incluir dois ou mais diferentes mapas ou duas ou mais diferentes camadas de mapa de um único mapa. Cada camada de mapa pode representar um tipo de dado diferente do tipo de dado de outra camada de mapa ou as camadas de mapa podem ter os mesmos tipos de dado que foram obtidos em momentos diferentes. Cada mapa nos dois ou mais mapas diferentes ou cada camada nas duas ou mais camadas de mapa diferentes de um mapa mapeia um tipo diferente de variável para os locais geográficos no campo. Em um tal exemplo, o gerador de modelo preditivo 210 gera um modelo preditivo que modela as relações entre os dados no local e cada uma das diferentes variáveis mapeadas pelos dois ou mais diferentes mapas ou das duas ou mais diferentes camadas de mapa. Similarmente, os sensores no local 208 podem incluir dois ou mais sensores, cada um sensoreando um tipo diferente de variável. Assim, o gerador de modelo preditivo 210 gera um modelo preditivo que modela as relações entre cada tipo de variável mapeada pelo mapa de informação anterior 258 e cada tipo de variável sensoreada pelos sensores no local 208. O gerador de mapa preditivo 212 pode gerar um mapa preditivo funcional 263 que prediz um valor para cada característica sensoreada pelos sensores no local 208 (ou uma característica relacionada à característica sensoreada) em diferentes locais no campo sendo colhido usando o modelo preditivo e cada um dos mapas ou camadas de mapa no mapa de informação anterior 258.

[0068] O gerador de mapa preditivo 212 configura o mapa preditivo 264 de forma que o mapa preditivo 264 seja acionável (ou consumível) pelo sistema de controle 214. O gerador de mapa preditivo 212 pode prover o mapa preditivo 264 para o sistema de controle 214 ou para controlar o gerador de zona 213 ou ambos. Alguns exemplos de diferentes maneiras nas quais o mapa preditivo 264 pode ser configurado ou fornecido são descritos com relação aos blocos 296, 295, 299, e 297. Por exemplo, o gerador de mapa preditivo 212 configura o mapa preditivo 264 de forma que o mapa preditivo 264 inclua valores que podem ser lidos pelo sistema de controle 214 e usados como a base para gerar sinais de controle para um ou mais dos diferentes subsistemas controláveis da colheitadeira agrícola 100, conforme indicado pelo bloco 296.

[0069] O gerador de zona de controle 213 pode dividir o mapa preditivo 264 em zonas de controle com base nos valores no mapa preditivo 264. Valores contiguamente geolocalizados que estão dentro de um valor limite de um outro podem ser agrupados em uma zona de controle. O valor limite pode ser um valor limite padrão, ou o valor limite pode ser ajustado com base em entrada pelo operador, com base em uma entrada de um sistema automático, ou com base em outros critérios. Um tamanho das zonas pode ser baseado em uma responsividade do sistema de controle 214, dos subsistemas controláveis 216, com base em considerações de desgaste, ou em outros critérios, conforme indicado pelo bloco 295. O gerador de mapa preditivo 212 configura o mapa preditivo 264 a apresentação a um operador ou outro usuário. O gerador de zona de controle 213 pode configure o mapa de zona de controle preditivo 265 a apresentação a um operador ou outro usuário. Isso é indicado pelo bloco 299. Quando apresentado a um operador ou outro usuário, a apresentação do mapa preditivo 264 ou do mapa de zona de controle preditivo 265 ou ambos, pode conter um ou mais dos valores preditivos no mapa preditivo 264, correlacionados ao local geográfico, às zonas de controle no mapa de zona de controle preditivo 265 correlacionadas ao local geográfico, e valores de regulagem ou parâmetros de controle que são usados com base nos valores preditos no mapa 264 ou zonas no mapa de zona de controle preditivo 265. A apresentação pode, em outro exemplo, incluir informação mais abstrata ou informação mais detalhada. A apresentação pode também incluir um nível de confiança, que indica uma precisão com a qual os valores preditos no mapa preditivo 264 ou as zonas no mapa de zona de controle preditivo 265 se conformam aos valores medidos que podem ser medidos pelos sensores na colheitadeira agrícola 100 quando a colheitadeira agrícola 100 se move através do campo. Ainda, quando informação é apresentada a mais do que um local, um sistema de autenticação e autorização pode ser provido para implementar processos de autenticação e autorização. Por exemplo, pode existir uma hierarquia de indivíduos que são autorizados a visualizar e alterar os mapas e outra informação apresentada. A título de exemplo, um dispositivo de exibição a bordo pode mostrar os mapas em tempo próximo ao real, localmente na máquina, ou os mapas podem também ser gerados em um ou mais locais remotos, ou ambos. Em alguns exemplos, cada dispositivo de exibição físico em cada local pode ser associado com uma pessoa ou um nível de permissão de usuário. O nível de permissão de usuário pode ser usado para determinar quais marcadores de exibição são visíveis no dispositivo de exibição físico e quais valores a pessoa correspondente pode alterar a informação correspondente ao mapa preditivo 264 ou fazer quaisquer alterações na operação da máquina. Um supervisor, tal como um supervisor em um local remoto, todavia, pode ser capaz de ver o mapa preditivo 264 na exibição, mas de ser mas impedido de fazer quaisquer alterações. Um gerenciador, que pode estar em um local remoto separado, pode ser capaz de ver todos dos elementos no mapa preditivo 264 e também ser capaz para alterar o mapa preditivo 264. Em alguns casos, o mapa preditivo 264 é acessível e alterável por um gerenciador posicionado remotamente e pode ser usado no controle da máquina. Isso é um exemplo de uma hierarquia de autorização que pode ser implementada. O mapa preditivo 264 ou o mapa de zona de controle preditivo 265 ou ambos podem ser configurados também de outras maneiras, conforme indicado pelo bloco 297.

[0070] No bloco 298, as entradas a partir do sensor de posição geográfica 204 e outros sensores no local 208 são recebidas pelo sistema de controle. Particularmente, no bloco 300, o sistema de controle 214 detecta uma entrada do sensor de posição geográfica 204 identificando um local geográfico da colheitadeira agrícola 100. O bloco 302 representa a recepção pelo sistema de controle 214 de entradas de sensor indicativas de a trajetória ou rumo da colheitadeira agrícola 100, e o bloco 304 representa a recepção pelo sistema de controle 214 de uma velocidade da colheitadeira agrícola 100. O bloco 306 representa a recepção pelo sistema de controle 214 de outra informação dos vários sensores no local 208.

[0071] No bloco 308, o sistema de controle 214 gera sinais de controle para controlar os subsistemas controláveis 216 com base no mapa preditivo 264 ou no mapa de zona de controle preditivo 265 ou ambos e a entrada do sensor de posição geográfica 204 e quaisquer outros sensores no local 208. No bloco 310, o sistema de controle 214 aplica os sinais de controle aos subsistemas controláveis. Será apreciado que os sinais de controle particulares que são gerados, e os subsistemas controláveis particulares 216 que são controlados, podem variar com base em um ou mais diferentes fatores. Por exemplo, os sinais de controle que são gerados e os subsistemas controláveis 216 que são controlados podem ser baseados no tipo de mapa preditivo 264 ou no mapa de zona de controle preditivo 265 ou ambos, que estão sendo usados. Similarmente, os sinais de controle que são gerados, os subsistemas controláveis 216 que são controlados, e a temporização dos sinais de controle podem ser baseados em várias latências de fluxo de cultivo através da colheitadeira agrícola 100 e na responsividade dos subsistemas controláveis 216.

[0072] A título de exemplo, um mapa preditivo gerado 264 na forma de um mapa de ervas daninhas preditivo pode ser usado para controlar um ou mais subsistemas 216. Por exemplo, o mapa de ervas daninhas preditivo pode incluir valores de intensidade de erva daninha georreferenciados a locais dentro do campo sendo colhido. A valores de intensidade de erva daninha do mapa de ervas daninhas preditivo podem ser extraídos e usados para controlar a direção e os subsistemas de propulsão 252 e 250. Por meio do controle da direção e dos subsistemas de propulsão 252 e 250, uma taxa de alimentação de material se movendo através da colheitadeira agrícola 100 pode ser controlada. Similarmente, a altura da plataforma de corte pode ser controlada para tomar mais ou menos material, e, assim, a altura da plataforma de corte pode também ser controlada para controlar a taxa de alimentação de material através da colheitadeira agrícola 100. Em outros exemplos, se o mapa preditivo 264 mapear a altura das ervas daninhas em relação às posições no campo, o controle da altura da plataforma de corte pode ser implementado. Por exemplo, se os valores presentes no mapa de ervas daninhas preditivo indicar uma ou mais áreas tendo altura de ervas daninhas com uma primeira quantia de altura, então o controlador de plataforma de corte e carretel 238 pode controlar a altura da plataforma de corte de forma que a plataforma de corte seja posicionada acima da primeira quantia de altura das ervas daninhas dentro da uma ou mais áreas tendo ervas daninhas na primeira quantia de altura quando da realização da operação da colheitadeira. Assim, o controlador de plataforma de corte e carretel 238 pode ser controlado usando valores georreferenciados presentes no mapa de ervas daninhas preditivo para posicionar a plataforma de corte para uma altura que está acima dos valores de altura preditos de ervas daninhas, obtidos do mapa de ervas daninhas preditivo. Adicionalmente, a altura da plataforma de corte pode ser alterada automaticamente pelo controlador de plataforma de corte e carretel 238, quando a colheitadeira agrícola 100 prossegue através do campo usando valores georreferenciados obtidos do mapa de ervas daninhas preditivo. O exemplo anterior envolvendo altura de ervas daninhas e a intensidade usando um mapa de ervas daninhas preditivo é provido meramente como um exemplo. Consequentemente, uma extensa variedade de outros sinais de controle pode ser gerada usando valores obtidos de um mapa de ervas daninhas preditivo ou outro tipo de mapa preditivo para controlar um ou mais dos subsistemas controláveis 216.

[0073] No bloco 312, uma determinação é feita de se a operação da colheitadeira foi completada. Se a colheita não foi completada, o processamento avança para o bloco 314, onde os dados de sensor no local do sensor de posição geográfica 204 e os sensores no local 208 (e talvez outros sensores) continuam a ser lidos.

[0074] Em alguns exemplos, no bloco 316, a colheitadeira agrícola 100 pode também detectar critérios de gatilho de aprendizagem para realizar aprendizagem por máquina em um ou mais do mapa preditivo 264, do mapa de zona de controle preditivo 265, do modelo gerado pelo gerador de modelo preditivo 210, das zonas geradas pelo gerador de zona de controle 213, um ou mais algoritmos de controle implementados pelos controladores no sistema de controle 214, e outra aprendizagem desencadeada.

[0075] Os critérios de gatilho de aprendizagem podem incluir qualquer de uma extensa variedade de diferentes critérios. Alguns exemplos de detecção de critérios de gatilho são discutidos com relação aos blocos 318, 320, 321, 322, e 324. Por exemplo, em alguns exemplos, a aprendizagem disparada ou desencadeada pode envolver a recriação de uma relação usada para gerar um modelo preditivo quando uma quantidade limite dos dados de sensor no local é obtida dos sensores no local 208. Em tais exemplos, a recepção de uma quantidade dos dados de sensor no local a partir dos sensores no local 208, que excede um limite, dispara ou causa com que o gerador de modelo preditivo 210 gere um novo modelo preditivo, que é usado pelo gerador de mapa preditivo 212. Assim, quando a colheitadeira agrícola 100 continua uma operação de colheita, a recepção da quantidade limite dos dados de sensor no local a partir dos sensores no local 208 dispara a criação de uma nova relação representada por um modelo preditivo gerado pelo gerador de modelo preditivo 210. Adicionalmente, o novo mapa preditivo 264, o mapa de zona de controle preditivo 265, ou ambos, podem ser regerados usando o novo modelo preditivo. O bloco 318 representa detecção de uma quantidade limite dos dados de sensor no local, usada para disparar a criação de um novo modelo preditivo.

[0076] Em outros exemplos, os critérios de gatilho de aprendizagem podem ser com base em quantos dos dados de sensor no local a partir dos sensores no local 208 estão se alterando, tais como sobre o tempo ou em comparação com valores prévios. Por exemplo, se variações dentro dos dados de sensor no local (ou da relação entre os dados de sensor no local e a informação no mapa de informação anterior 258) estiverem dentro de uma faixa selecionada ou forem menores que uma quantidade definida, ou abaixo de um valor limite, então um novo modelo preditivo não é gerado pelo gerador de modelo preditivo 210. Como um resultado, o gerador de mapa preditivo 212 não gera um novo mapa preditivo 264, o mapa de zona de controle preditivo 265, ou ambos. Todavia, se as variações dentro dos dados de sensor no local estiverem fora da faixa selecionada, forem maiores do que a quantidade definida, ou estiverem acima do valor limite, por exemplo, então o gerador de modelo preditivo 210 gera um novo modelo preditivo usando todos ou uma porção dos novos dados recebidos de sensor no local, que o gerador de mapa preditivo 212 usa para gerar um novo mapa preditivo 264. No bloco 320, as variações nos dados de sensor no local, tais como a magnitude de uma quantidade pela qual os dados excederam a faixa selecionada ou uma magnitude da variação das relações entre os dados de sensor no local e a informação no mapa de informação anterior 258, podem ser usadas como um gatilho para causar a geração de um novo modelo preditivo e o mapa preditivo. Mantendo os exemplos descritos acima, o limite, a faixa, e a quantidade definida podem ser ajustados para valores padronizados; ajustados por um operador ou interação de usuário através de uma interface de usuário; ajustados por um sistema automático; ou ajustados de outras maneiras.

[0077] Outros critérios de gatilho de aprendizagem podem também ser usados. Por exemplo, se o gerador de modelo preditivo 210 comutar para um diferente mapa de informação anterior (diferente do mapa de informação anterior 258, originalmente selecionado), então a comutação para o diferente mapa de informação anterior pode disparar a reaprendizagem pelo gerador de modelo preditivo 210, o gerador de mapa preditivo 212, o gerador de zona de controle 213, o sistema de controle 214, ou outros itens. Em outro exemplo, a transição da colheitadeira agrícola 100 para uma diferente topografia ou para uma diferente zona de controle pode ser usada também como critérios de gatilho de aprendizagem.

[0078] Em alguns casos, o operador 260 pode também editar o mapa preditivo 264 ou o mapa de zona de controle preditivo 265 ou ambos. As edições podem alterar um valor no mapa preditivo 264; alterar um tamanho, formato, posição, ou existência de uma zona de controle no mapa de zona de controle preditivo 265; ou ambos. O bloco 321 mostra que informação editada pode ser usada como critérios de gatilho de aprendizagem.

[0079] Em alguns casos, pode também ser que o operador 260 observe que o controle automático de um subsistema controlável, não é o que o operador deseja. Em tais casos, o operador 260 pode prover um ajuste manual para o subsistema controlável refletindo que o operador 260 deseja que o subsistema controlável opere de uma maneira diferente do que a que está sendo comandada pelo sistema de controle 214. Assim, a alteração manual de uma regulagem pelo operador 260 pode fazer com que um ou mais do gerador de modelo preditivo 210 reaprenda um modelo, o gerador de mapa preditivo 212 regenere o mapa 264, o gerador de zona de controle 213 regenere uma ou mais zonas de controle no mapa de zona de controle preditivo 265, e o sistema de controle 214 reaprenda um algoritmo de controle ou realize a aprendizagem por máquina em um ou mais dos componentes de controlador 232 a 246 no sistema de controle 214 com base no ajuste pelo operador 260, conforme mostrado no bloco 322. O bloco 324 representa o uso de outros critérios de aprendizagem desencadeados.

[0080] Em outros exemplos, a reaprendizagem pode ser realizada periodicamente ou intermitentemente com base, por exemplo, em um intervalo de tempo selecionado, tal como um intervalo de tempo discreto ou um intervalo de tempo variável, conforme indicado pelo bloco 326.

[0081] Se a reaprendizagem for disparada, quer com base em critérios de gatilho de aprendizagem quer com base na passagem por um intervalo de tempo, conforme indicado pelo bloco 326, então um ou mais do gerador de modelo preditivo 210, do gerador de mapa preditivo 212, do gerador de zona de controle 213, e do sistema de controle 214 realizam a aprendizagem por máquina para gerar um novo modelo preditivo, um novo mapa preditivo, uma nova zona de controle, e um novo algoritmo de controle, respectivamente, com base nos critérios de gatilho de aprendizagem. O novo modelo preditivo, o novo mapa preditivo, e o novo algoritmo de controle são gerados usando quaisquer dados adicionais que foram coletados desde que a última operação de aprendizagem foi realizada. A realização da reaprendizagem é indicada pelo bloco 328.

[0082] Se a operação da colheitadeira foi completada, a operação se move do bloco 312 para o bloco 330, no qual um ou mais do mapa preditivo 264, do mapa de zona de controle preditivo 265, e do modelo preditivo gerado pelo gerador de modelo preditivo 210 são armazenados. O mapa preditivo 264, o mapa de zona de controle preditivo 265, e o modelo preditivo podem ser armazenados localmente no armazenamento de dados 202 ou enviados para um sistema remoto usando o sistema de comunicação 206, para o uso posterior.

[0083] Será notado que, embora alguns exemplos descrevam aqui o gerador de modelo preditivo 210 e o gerador de mapa preditivo 212 recebendo um mapa de informação anterior na geração de um modelo preditivo e um mapa preditivo funcional, respectivamente, em outros exemplos, o gerador de modelo preditivo 210 e o gerador de mapa preditivo 212 podem receber outros tipos de mapas, incluindo mapa preditivos, tais como um mapa preditivo funcional gerado durante a operação da colheitadeira.

[0084] A figura 4 é um diagrama de blocos de uma porção da colheitadeira agrícola 100 mostrada na figura 1. Particularmente, a figura 4 mostra, dentre outros fatores, exemplos do gerador de modelo preditivo 210 e do gerador de mapa preditivo 212 em mais detalhe. A figura 4 também ilustra o fluxo de informação entre os vários componentes mostrados. O gerador de modelo preditivo 210 recebe um mapa de índice vegetativo 332 como um mapa de informação anterior. O gerador de modelo preditivo 210 também recebe um local geográfico 334, ou uma indicação de um local geográfico, do sensor de posição geográfica 204. Os sensores no local 208 ilustrativamente incluem um sensor de erva daninha, tal como o sensor de erva daninha 336, bem como um sistema de processamento 338. Em alguns casos, o sensor de erva daninha 336 pode ser posicionado a bordo da colheitadeira agrícola 100. O sistema de processamento 338 processa dados de sensor, gerados do sensor de erva daninha a bordo 336 para gerar dados processados, alguns exemplos dos quais são descritos abaixo.

[0085] Em alguns exemplos, o sensor de erva daninha 336 pode ser um sensor óptico, tal como uma câmera, que gera imagens de uma área de um campo a ser colhida. Em alguns casos, o sensor óptico pode ser disposto na colheitadeira agrícola 100 para coletar imagens de uma área adjacente à colheitadeira agrícola 100, tal como em uma área que se encontra à frente de, ao lado de, atrás de, ou em outra direção em relação à colheitadeira agrícola 100 quando a colheitadeira agrícola 100 se move através do campo durante uma operação de colheita. O sensor óptico pode também ser posicionado sobre, ou dentro, da colheitadeira agrícola 100, para obter imagens de uma ou mais porções do exterior ou interior da colheitadeira agrícola 100. O sistema de processamento 338 processa uma ou mais imagens obtidas por intermédio do sensor de erva daninha 336 para gerar dados de imagem processados identificando uma ou mais características de ervas daninhas na imagem. A característica de erva daninha detectada pelo sistema de processamento 338 pode incluir um local de ervas daninhas presente na imagem, uma intensidade de um canteiro de ervas daninhas em uma imagem, ou um tipo de erva daninha na imagem.

[0086] O sensor no local 208 pode ser, ou incluir, outros tipos de sensores, tais como uma câmera posicionada ao longo de um trajeto, pelo qual material de cultivo separado se desloca na colheitadeira agrícola 100 (referida daqui em diante como “a câmera de processo”). Uma câmera de processo pode ser posicionada interna à colheitadeira agrícola 100 e pode capturar imagens de material de cultivo, incluindo sementes, quando o material de cultivo se move através, ou é expelido, da colheitadeira agrícola 100. Câmeras de processo podem obter imagens de sementes, e o sistema de processamento de imagem 338 é operável para identificar a presença de sementes de ervas daninhas, a quantidade de sementes de ervas daninhas detectadas, por exemplo, um número das sementes de ervas daninhas (de forma a fornecer uma indicação da densidade de ervas daninhas sendo encontradas no campo), e identificar um ou mais tipos de erva daninha com base nos tipos de sementes identificadas nas imagens. Assim, em alguns exemplos, o sistema de processamento 338 é operável para detectar a presença de sementes de ervas daninhas dentro de material de cultivo separado passando através da colheitadeira agrícola 100, uma quantidade de sementes de ervas daninhas presentes no material de cultivo separado, por exemplo, quantidade por volume de material de cultivo separado, e os tipos de erva daninha correspondentes às sementes detectadas de ervas daninhas sendo encontradas pela colheitadeira agrícola 100 durante o curso de uma operação de colheita.

[0087] Em outros exemplos, o sensor de erva daninha 336 pode contar com qualquer (quaisquer) comprimento (s) de onda de energia eletromagnética e a maneira na qual a energia eletromagnética é refletida por, absorvida por, atenuada por, ou transmitida através das sementes de ervas daninhas ou biomassa. O sensor de erva daninha 336 pode sensorear outras propriedades eletromagnéticas das sementes de ervas daninhas e biomassa, tais como permissividade elétrica, quando o material de cultivo separado passa entre duas placas capacitivas. O sensor de erva daninha 336 pode também contar com as propriedades mecânicas das sementes e biomassa, tal como um sinal gerado quando uma semente de erva daninha impacta uma folha piezelétrica ou quando um impacto por uma semente é detectado por um microfone ou acelerômetro. Outras propriedades de material e os sensores podem também ser usados. Em alguns exemplos, dados brutos ou processados a partir do sensor de erva daninha 336 podem ser apresentados ao operador 260 por intermédio do mecanismo de interface de operador 218. O operador 260 pode estar a bordo da colheitadeira agrícola 100 ou em um local remoto.

[0088] A presente discussão prossegue com relação a um exemplo no qual o sensor de erva daninha 336 é um sensor de imagem, tal como uma câmera. Será apreciado que esse é apenas um exemplo, e os sensores mencionados acima, como outros exemplos do sensor de erva daninha 336, são também contemplados aqui. Conforme mostrado na figura 4, o gerador de modelo preditivo de exemplo 210 inclui um ou mais de um gerador de modelo de presença de erva daninha-para-índice vegetativo 342, um gerador de modelo de intensidade de erva daninha-para índice vegetativo 344, e um gerador de modelo de tipo de erva daninha para índice vegetativo 346. Em outros exemplos, o gerador de modelo preditivo 210 pode incluir adicional, menos, ou diferentes componentes do que aqueles mostrados no exemplo da figura 4. Consequentemente, em alguns exemplos, o gerador de modelo preditivo 210 pode incluir também outros itens 348, que podem incluir outros tipos de geradores de modelo preditivo para gerar outros tipos de modelos de características de erva daninha.

[0089] O gerador de modelo 342 identifica uma relação entre presença de ervas daninhas detectadas nos dados de imagem 340, em um local geográfico correspondente a onde os dados de imagem 340 foram obtidos, e os valores de índice vegetativo do mapa de índice vegetativo 332, correspondente ao mesmo local no campo onde a característica de erva daninha foi detectada. Com base nessa relação estabelecida pelo gerador de modelo 342, o gerador de modelo 342 gera um modelo de erva daninha preditivo. O modelo de erva daninha preditivo é usado pelo gerador de mapa de local de erva daninha 352 para predizer a presença de ervas daninhas em diferentes locais no campo com base nos valores georreferenciados e de índices vegetativos contidos no mapa de índice vegetativo 332 nos mesmos locais no campo.

[0090] O gerador de modelo 344 identifica uma relação entre o nível de intensidade de erva daninha, representado nos dados de imagem processados 340, em um local geográfico correspondente aos dados de imagem 340, e o valor de índice vegetativo no mesmo local geográfico. Novamente, o valor de índice vegetativo é o valor georreferenciado contido no mapa de índice vegetativo 332. O gerador de modelo 344 gera então um modelo de erva daninha preditivo que é usado pelo gerador de mapa de intensidade de erva daninha 354 para predizer a intensidade de erva daninha em um local no campo com base no valor de índice vegetativo para este local no campo.

[0091] O gerador de modelo 346 identifica uma relação entre o tipo de erva daninha, identificado pelos dados de imagem processados 340 em um local particular no campo e o valor de índice vegetativo do mapa de índice vegetativo 332 nesse mesmo local. O gerador de modelo 346 gera um modelo de erva daninha preditivo que é usado pelo gerador de mapa de tipo de erva daninha 356 para predizer o tipo de erva daninha em um local particular no campo com base no valor de índice vegetativo nesse local no campo.

[0092] À luz do acima, o gerador de modelo preditivo 210 é operável para produzir uma pluralidade de modelos de ervas daninhas preditivos, tais como um ou mais dos modelos de ervas daninhas preditivos gerados pelos geradores de modelos 342, 344 e 346. Em outro exemplo, dois ou mais dos modelos de ervas daninhas preditivos descritos acima podem ser combinados em um único modelo de erva daninha preditivo que prediz dois ou mais do local de erva daninha, intensidade de erva daninha, e o tipo de erva daninha com base no valor de índice vegetativo em diferentes locais no campo. Qualquer desses modelos de erva daninha, ou combinações dos mesmos, é representado coletivamente pelo modelo de erva daninha 350 na figura 4.

[0093] O modelo de erva daninha preditivo 350 é provido para o gerador de mapa preditivo 212. No exemplo da figura 4, o gerador de mapa preditivo 212 inclui um gerador de mapa de local de erva daninha 352, um gerador de mapa de intensidade de erva daninha 354, e um gerador de mapa de tipo de erva daninha 356. Em outros exemplos, o gerador de mapa preditivo 212 pode incluir adicionais, menos, ou diferentes geradores de mapa. Assim, em alguns exemplos, o gerador de mapa preditivo 212 pode incluir outros itens 358, que podem incluir outros tipos de geradores de mapa para gerar mapas de erva daninha para outros tipos de característica de erva daninha. O gerador de mapa de local de erva daninha 352 recebe o modelo de erva daninha preditivo 350, que prediz a presença de ervas daninhas com base em um valor de índice vegetativo juntamente com o mapa de índice vegetativo 332, e gera um mapa preditivo que prediz a presença de ervas daninhas em diferentes locais no campo.

[0094] O gerador de mapa 354 gera um mapa preditivo que prediz intensidade de erva daninha em diferentes locais no campo com base no valor de índice vegetativo naqueles locais no campo e o modelo de erva daninha preditivo 350. O gerador de mapa de tipo de erva daninha 356 ilustrativamente gera um mapa de ervas daninhas preditivo que prediz tipos de erva daninha em diferentes locais no campo com base nos valores de índice vegetativo naqueles locais no campo e no modelo de erva daninha preditivo 350.

[0095] O gerador de mapa preditivo 212 fornece um ou mais mapas de ervas daninhas preditivos 360, que são preditivos de um ou mais do local de erva daninha, intensidade de erva daninha, ou tipo de erva daninha. Cada um dos mapas de ervas daninhas preditivos 360 prediz a respectiva característica de erva daninha em diferentes locais em um campo. Cada um dos mapas de ervas daninhas preditivos gerados 360 pode ser provido para controlar o gerador de zona 213, o sistema de controle 214, ou ambos. O gerador de zona de controle 213 gera zonas de controle e incorpora aquelas zonas de controle ao mapa preditivo funcional, isto é, o mapa preditivo 360, para produzir o mapa de zona de controle preditivo 265. Um ou ambos do mapa preditivo 264 e do mapa de zona de controle preditivo 265 podem ser providos para o sistema de controle 214, que gera sinais de controle para controlar um ou mais dos subsistemas controláveis 216 com base no mapa preditivo 264, no mapa de zona de controle preditivo 265, ou em ambos.

[0096] A figura 5 é um fluxograma de um exemplo de operação do gerador de modelo preditivo 210 e do gerador de mapa preditivo 212 na geração do modelo de erva daninha preditivo 350 e do mapa de ervas daninhas preditivo 360. No bloco 362, o gerador de modelo preditivo 210 e o gerador de mapa preditivo 212 recebem um mapa de índice vegetativo anterior 332. No bloco 364, o sistema de processamento 338 recebe uma ou mais imagens a partir do sensor de erva daninha 336. Como discutido acima, o sensor de erva daninha 336 pode ser uma câmera, tal como câmera voltada para frente 366; um sensor óptico 368, tal como uma câmera, voltada para dentro para uma colheitadeira combinada; ou outro tipo de sensor de erva daninha a bordo 370.

[0097] No bloco 372, o sistema de processamento 338 processa a uma ou mais imagens recebidas para gerar os dados de imagem indicativos de uma característica de erva daninha, presente na uma ou mais imagens. No bloco 374, os dados de imagem podem ser indicativos do local de erva daninha, intensidade de erva daninha, ou ambos, que podem existir em um local, tal como em um local à frente de uma colheitadeira combinada. Em alguns casos, conforme indicado no bloco 376, os dados de imagem podem ser indicativos de sementes de ervas daninhas posicionadas dentro de uma colheitadeira combinada ou sendo expelidas a partir de uma colheitadeira combinada. Em alguns casos, conforme indicado no bloco 380, os dados de imagem podem ser indicativos do tipo de erva daninha. Assim, os dados de imagem incluem um tipo de indicador de erva daninha 378, que identifica um tipo de erva daninha ou ervas daninhas sendo encontradas pela colheitadeira combinada. O tipo de erva daninha pode ser determinado com base em uma ou mais imagens de uma planta de erva daninha, uma ou mais imagens de uma semente de erva daninha, ou uma ou mais imagens contendo a matéria que é indicativa do tipo de erva daninha. Os dados de imagem podem incluir também outros dados.

[0098] No bloco 382, o gerador de modelo preditivo 210 também obtém o local geográfico correspondente aos dados de imagem. Por exemplo, o gerador de modelo preditivo 210 pode obter a posição geográfica do sensor de posição geográfica 204 e determinar, com base nos retardos de máquina, a velocidade de máquina, etc., um local geográfico preciso, no qual a imagem foi tomada ou do qual os dados de imagem 340 foram derivados.

[0099] No bloco 384, o gerador de modelo preditivo 210 gera um ou mais modelos de ervas daninhas preditivos, tais como o modelo de erva daninha 350, que modelam uma relação entre um valor de índice vegetativo obtido a partir de um mapa de informação anterior, tal como o mapa de informação anterior 258, e uma característica de erva daninha sendo sensoreada pelo sensor no local 208 ou uma característica relacionada. Por exemplo, o gerador de modelo preditivo 210 pode gerar um modelo de erva daninha preditivo que modela as relações entre um valor de índice vegetativo e uma característica sensoreada incluindo o local de erva daninha, intensidade de erva daninha, ou tipo de erva daninha indicado pelos dados de imagem obtidos do sensor no local 208.

[00100] No bloco 386, o modelo de erva daninha preditivo, tal como o modelo de erva daninha preditivo 350, é provido para o gerador de mapa preditivo 212, que gera um mapa de ervas daninhas preditivo 360, que mapeia uma predita característica de erva daninha com base no mapa de índice vegetativo e o modelo de erva daninha preditivo 350. Por exemplo, em alguns exemplos, o mapa de ervas daninhas preditivo 360 prediz o local de erva daninha. Em alguns exemplos, o mapa de ervas daninhas preditivo 360 prediz o local de erva daninha juntamente com valores de intensidade de erva daninha, conforme indicado pelo bloco 388. Em alguns exemplos, o mapa de ervas daninhas preditivo 360 prediz o local de erva daninha e o tipo de erva daninha, conforme indicado pelo bloco 390, e, em ainda outros exemplos, o mapa preditivo 360 prediz outros itens, conforme indicado pelo bloco 392. Adicionalmente, o mapa de ervas daninhas preditivo 360 pode ser gerado durante o curso de uma operação agrícola. Assim, quando uma colheitadeira agrícola está se movendo através de um campo realizando uma operação agrícola, o mapa de ervas daninhas preditivo 360 é gerado quando a operação agrícola está sendo realizada.

[00101] No bloco 394, o gerador de mapa preditivo 212 fornece o mapa de ervas daninhas preditivo 360. No bloco 391, o gerador de mapa de ervas daninhas preditivo 212 fornece o mapa de ervas daninhas preditivo para a apresentação para, e possível interação pelo operador 260. No bloco 393, o gerador de mapa preditivo 212 pode configurar o mapa para o consumo pelo sistema de controle 214. No bloco 395, o gerador de mapa preditivo 212 pode também prover o mapa 360 para controlar o gerador de zona 213 para a geração de zonas de controle. No bloco 397, o gerador de mapa preditivo 212 configura o mapa 360 também de outras maneiras. O mapa de ervas daninhas preditivo 360 (com ou sem as zonas de controle) é provido para o sistema de controle 214. No bloco 396, o sistema de controle 214 gera sinais de controle para controlar os subsistemas controláveis 216 com base no mapa de ervas daninhas preditivo 360.

[00102] A figura 6A é um diagrama de blocos de uma porção de exemplo da colheitadeira agrícola 100 mostrada na figura 1. Particularmente, a figura 6A mostra, dentre outros fatores, exemplos de gerador de modelo preditivo 210 e do gerador de mapa preditivo 212. No exemplo ilustrado, o mapa de informação é um ou mais de um mapa de índice vegetativo 332, um mapa de ervas daninhas preditivo 360, ou um mapa de operação anterior 400. O mapa de operação anterior 400 pode incluir valores de vegetação (tais como os valores de índices vegetativos ou outros valores de vegetação) indicativos da intensidade de erva daninha ou do tipo de erva daninha em vários locais no campo. Os valores de vegetação podem ser os valores de vegetação que foram coletados durante uma operação anterior, tal como uma operação anterior conduzida por um pulverizador.

[00103] Também, no exemplo mostrado na figura 6A, o sensor no local 208 pode incluir um ou mais de um sensor de biomassa 402, o sensor de velocidade de máquina 146, o sensor de entrada pelo operador 404, e um sistema de processamento 406. Os sensores no local 208 podem incluir também outros sensores 408.

[00104] O sensor de biomassa 402 sensoreia uma variável indicativa da biomassa de material sendo processada pela colheitadeira agrícola 100. Em alguns exemplos, o sensor de biomassa 402 pode ser um sensor óptico 410, tal como um dos sensores ópticos ou câmera, discutidos acima. Em alguns exemplos, o sensor de biomassa 402 pode ser um sensor de pressão de rotor 412 ou outro sensor 414. O sensor de pressão de rotor 412 pode sensorear a pressão de acionamento do rotor de um rotor de debulhe 112. A pressão de acionamento do rotor de rotor de debulhe 112 é indicativa do torque exercido pelo rotor 112 sobre o material sendo processado pela colheitadeira agrícola 100. Quando a biomassa de material sendo processado pela colheitadeira agrícola 100 aumenta, a pressão de acionamento do rotor também aumenta. Por conseguinte, por sensoreamento da pressão de acionamento do rotor, uma indicação da biomassa de material sendo processada pode ser obtida. O sensor de umidade 403 sensoreia uma variável indicativa da umidade do material sendo processado pela, ou próximo à, colheitadeira agrícola 100. O sensor de umidade 403 pode sensorear material que está na colheitadeira agrícola 100 ou material que está próximo à colheitadeira agrícola 100. O sensor de umidade 403 pode incluir sensores capacitivos, sensores resistivos, ou outros sensores que podem medir a umidade de material. Em alguns exemplos, o sensor de umidade 403 sensoreia uma quantidade de umidade na planta, tal como orvalho ou precipitação. Um exemplo de sensor de velocidade de máquina 146 é discutido acima com relação à figura 1. O sensor de velocidade de máquina 146 sensoreia uma velocidade de deslocamento (por exemplo, a velocidade do solo) da colheitadeira agrícola 100 ou uma variável indicativa de uma velocidade de deslocamento da colheitadeira agrícola 100.

[00105] O sensor de entrada de operador 404 ilustrativamente sensoreia várias entradas de operador. As entradas podem ser entradas de regulagem para controlar as regulagens na colheitadeira agrícola 100 ou outras entradas de controle, tais como as entradas de direção e outras entradas. Assim, quando o operador 260 altera uma regulagem ou provê uma entrada comandada através de um mecanismo de interface de operador 218, uma tal entrada é detectada pelo sensor de entrada de operador 404, que provê um sinal de sensor indicativo dessa entrada de operador sensoreada. O sistema de processamento 406 pode receber os sinais de sensor a partir do sensor de biomassa 402 ou do sensor de entrada de operador 404 ou de ambos, e gera uma saída indicativa da variável sensoreada. Por exemplo, o sistema de processamento 406 pode receber uma entrada de sensor a partir do sensor óptico 410 ou sensor de pressão de rotor 412 e gerar uma saída indicativa de biomassa. O sistema de processamento 406 pode também receber uma entrada a partir do sensor de entrada de operador 404 e gerar uma saída indicativa da entrada de operador sensoreada.

[00106] O gerador de modelo preditivo 210 pode incluir o gerador de modelo de característica de erva daninha para biomassa 416, o gerador de modelo de característica de erva daninha para umidade 417, o gerador de modelo de característica de erva daninha para velocidade 420, e o gerador de modelo de característica de erva daninha para comando de operador 422. Em outros exemplos, o gerador de modelo preditivo 210 pode incluir adicionais, menos, ou outros geradores de modelos 434. O gerador de modelo preditivo 210 pode receber um indicador de local geográfico 334 do sensor de posição geográfica 204 e gerar um modelo preditivo 422 que modela uma relação entre a informação em um ou mais dos mapas de informação e um ou mais de: a biomassa sensoreada pelo sensor de biomassa 402; a velocidade de máquina sensoreada pelo sensor de velocidade de máquina 146; e comandos de entrada de operador sensoreados pelo sensor de entrada de operador 404. Por exemplo, o gerador de modelo de característica de erva daninha para biomassa 416 gera uma relação entre característica de valores de ervas daninhas (que pode estar no mapa de índice vegetativo 332, no mapa de ervas daninhas preditivo 360, ou no mapa de operação anterior 400) e os valores de biomassa senhoreados pelo sensor de biomassa 402. O gerador de modelo de característica de erva daninha para umidade 417 ilustrativamente gera um modelo que representa uma relação entre a característica de erva daninha e a variável indicativa da umidade nas, ou sobre as, plantas no campo, sensoreada pelo sensor de umidade 403. O gerador de modelo de característica de erva daninha para velocidade 420 ilustrativamente gera um modelo que representa uma relação entre a característica de erva daninha e a velocidade de deslocamento ou variável indicativa da velocidade de deslocamento sensoreada pelo sensor de velocidade de máquina 146. O gerador de modelo de característica de erva daninha para comando de operador 422 gera um modelo que modela as relações entre uma característica de erva daninha conforme refletida no mapa de índice vegetativo 332, o mapa de ervas daninhas preditivo 360, o mapa de operação anterior 400, ou qualquer combinação dos mesmos e comandos de entrada de operador que são sensoreados pelo sensor de entrada de operador 404. O modelo preditivo 426 gerado pelo gerador de modelo preditivo 210 pode incluir um ou mais dos modelos preditivos que podem ser gerados pelo gerador de modelo de característica de erva daninha para biomassa 416, o gerador de modelo de característica de erva daninha para velocidade 420, o gerador de modelo de característica de erva daninha para comando de operador 422, e outros geradores de modelos que podem ser incluídos como parte de outros itens 424.

[00107] No exemplo da figura 6A, o gerador de mapa preditivo 212 inclui o gerador de mapa de biomassa preditivo 428, o gerador de mapa de umidade preditivo 429, o gerador de mapa de velocidade de máquina preditivo 430, e um gerador de mapa de comando de operador preditivo 432 Em outros exemplos, o gerador de mapa preditivo 212 pode incluir adicionais, menos, ou outros geradores de mapa 434. O gerador de mapa de biomassa preditivo 428 recebe um modelo preditivo 426 que modela as relações entre uma característica de erva daninha e biomassa (tal como um modelo preditivo gerado pelo gerador de modelo de característica de erva daninha para biomassa 416), e um ou mais dos mapas de informação. O gerador de mapa de biomassa preditivo 428 gera um mapa de biomassa preditivo funcional 436, que prediz a biomassa em diferentes locais no campo com base em uma ou mais das características de ervas daninhas em um ou mais dos mapas de informação naqueles locais no campo e com base no modelo preditivo 426.

[00108] O gerador de mapa de umidade preditivo 429 recebe um modelo preditivo 426, que modela uma relação entre a característica de erva daninha e a umidade de material (tal como um modelo preditivo gerado pelo gerador de modelo de característica de erva daninha para umidade 417), e gera um mapa de umidade preditivo funcional 437 que prediz a umidade de material em diferentes locais no campo com base nos valores de índice vegetativos no mapa de índice vegetativo 332 ou os valores de intensidade de erva daninha preditivos no mapa de ervas daninhas preditivo 360 ou os valores de vegetação no mapa de operação anterior 400, naqueles locais no campo e o modelo preditivo 426. A umidade de material, especialmente a umidade de planta de erva daninha, pode causar manchas de semente nos grãos comestíveis. Consequentemente, para evitar os canteiros de semente, o mapa de umidade preditivo 437 pode ser usado para evitar que áreas úmidas do campo até o orvalho presente na área se evaporar, por exemplo.

[00109] O gerador de mapa de velocidade de máquina preditivo 430 recebe um modelo preditivo 426, que modela uma relação entre a característica de erva daninha e a velocidade de máquina (tal como um modelo preditivo gerado no gerador de modelo de característica de erva daninha para velocidade 420), e gera um mapa de velocidade de máquina preditivo funcional 438 que prediz uma velocidade de máquina desejada nos diferentes locais no campo com base nos valores de índice vegetativos no mapa de índice vegetativo 332 ou os valores de intensidade de erva daninha preditivos no mapa de ervas daninhas preditivo 360 ou os valores de vegetação no mapa de operação anterior 400 naqueles locais no campo e no modelo preditivo 426.

[00110] O gerador de mapa de comando de operador preditivo 432 recebe um modelo preditivo 426 (tal como um modelo preditivo gerado pelo gerador de modelo de característica de erva daninha para comando 422), que modela as relações entre a característica de erva daninha e as entradas de comando pelo operador, detectadas pelo sensor de entrada de operador 404 e gera um mapa de comando de operador preditivo funcional 440, que prediz as entradas de comando pelo operador em diferentes locais no campo com base nos valores de índice vegetativos do mapa de índice vegetativo 432, nos valores de intensidade de erva daninha ou do tipo de erva daninha a partir do mapa de ervas daninhas preditivo funcional 360, ou nos valores de vegetação a partir do mapa de operação anterior 400 e no modelo preditivo 426.

[00111] O gerador de mapa preditivo 212 fornece um ou mais dos mapas funcionais preditivos 436, 437, 438, e 440. Cada um dos mapas funcionais preditivos 436, 437, 438, e 440 pode ser provido para controlar o gerador de zona 213, o sistema de controle 214, ou ambos. O gerador de zona de controle 213 gera zonas de controle para prover um mapa de zona de controle preditivo 265, correspondente a cada mapa 436, 437, 438, e 440 que é recebido pelo gerador de zona de controle 213. Qualquer ou todos dos mapas funcionais preditivos 436, 437, 438, ou 440 e os correspondentes mapas 265 podem ser providos para o sistema de controle 214, que gera sinais de controle para controlar um ou mais dos subsistemas controláveis 216 com base em um ou todos dos mapas funcionais preditivos 436, 437, 438, e 430 ou os correspondentes mapas 265 com zonas de controle incluídas nos mesmos. Qualquer ou todos dos mapas 436, 437, 438, ou 440 ou os correspondentes mapas 265 podem ser apresentados ao operador 260 ou a outro usuário.

[00112] A figura 6B é um diagrama de blocos mostrando alguns exemplos de sensores de tempo real (no local) 208. Alguns dos sensores mostrados na figura 6B, ou diferentes combinações deles, podem ter tanto um sensor 336 quanto um sistema de processamento 338. Alguns dos sensores possíveis no local 208, mostrados na figura 6B, são mostrados e descritos acima com relação às figuras anteriores e são similarmente enumerados. A figura 6B mostra que os sensores no local 208 podem incluir os sensores de entrada de operador 980, os sensores de máquina 982, os sensores de propriedade de material colhido 984, os sensores de propriedade de campo e solo 985, os sensores de características ambientais 987, e podem incluir uma extensa variedade de outros sensores 226. Os sensores que não são de máquina 983 incluem, o(s) sensores de entrada de operador 980, o(s) sensor(es) de propriedade de material colhido 984, o(s) sensor(es) de propriedade de campo e solo 985, o(s) sensor(es) de características ambientais 987 e pode incluir também outros sensores 226. Os sensores de entrada de operador 980 podem ser sensores que sensoreiam as entradas de operador através de mecanismos de interface de operador 218. Por conseguinte, os sensores de entrada de operador 980 podem sensorear o movimento pelo usuário de conjuntos de articulação, alavancas de controle, um volante, botões, mostradores ou pedais. Os sensores de entrada de operador 980 podem também sensorear as interações do usuário com outros mecanismos de entrada de operador, tais como com uma tela sensível ao toque, com um microfone, onde reconhecimento de voz é utilizado, ou qualquer de uma extensa variedade de outros mecanismos de entrada de operador.

[00113] Os sensores de máquina 982 podem sensorear diferentes características da colheitadeira agrícola 100. Por exemplo, como discutido acima, os sensores de máquina 982 podem incluir sensores de velocidade de máquina 146, sensor de perda de separador 148, câmera de grão limpo 150, mecanismo de captura de imagens voltado para frente 151, sensores de perda 152 ou sensor de posição geográfica 204, exemplos dos quais são descritos acima. Os sensores de máquina 982 podem também incluir sensores de regulagem de máquina 991, que sensoreiam as regulagens de máquina. Alguns exemplos das regulagens de máquina foram descritos acima com relação à figura 1. O sensor de posição de equipamento de extremidade dianteira (por exemplo, plataforma de corte) 993 pode sensorear a posição da plataforma de corte 102, carretel 164, cortador 104, ou outro equipamento de extremidade dianteira com relação ao chassi da colheitadeira agrícola 100. Por exemplo, os sensores 993 podem sensorear a altura da plataforma de corte 102 acima do solo. Os sensores de máquina 982 podem também incluir equipamento de extremidade dianteira (por exemplo, plataforma de corte) sensores de orientação 995. Os sensores 995 podem sensorear a orientação da plataforma de corte 102 com relação à colheitadeira agrícola 100, ou com relação ao solo. Os sensores de máquina 982 podem incluir sensores de estabilidade 997. Os sensores de estabilidade 997 sensoreiam o movimento de oscilação e de saltos (e a amplitude) da colheitadeira agrícola 100. Os sensores de máquina 982 podem também incluir sensores de regulagem de resíduo 999, que são configurados para sensorear se a colheitadeira agrícola 100 é configurada para picar o resíduo, produzir um amontoado, ou lidar com o resíduo de outra maneira. Os sensores de máquina 982 podem incluir o sensor de velocidade de ventoinha de sistema de limpeza 951, que sensoreia a velocidade de ventoinha de limpeza 120. Os sensores de máquina 982 podem incluir sensores de folga de côncavos 953, que sensoreiam a folga entre o rotor 112 e os côncavos 114 na colheitadeira agrícola 100. Os sensores de máquina 982 podem incluir sensores de folga de crivo superior 955 que sensoreiam o tamanho das aberturas no crivo superior 122. Os sensores de máquina 982 podem incluir o sensor de velocidade de rotor de debulhe 957, que sensoreia uma velocidade de rotor do rotor 112. Os sensores de máquina 982 podem incluir o sensor de pressão de rotor 959, que sensoreia a pressão usada para acionar o rotor 112. Os sensores de máquina 982 podem incluir o sensor de folga de peneira 961, que sensoreia o tamanho das aberturas na peneira 124. Os sensores de máquina 982 podem incluir o sensor de umidade de MOG 963, que sensoreia um nível de umidade do MOG passando através da colheitadeira agrícola 100. Os sensores de máquina 982 podem incluir o sensor de orientação de máquina 965, que sensoreia a orientação da colheitadeira agrícola 100. Os sensores de máquina 982 podem incluir os sensores de taxa de alimentação de material 967, que sensoreiam a taxa de alimentação de material quando o material se desloca através do alimentador 106, elevador de grão limpo 130, ou em algum local na colheitadeira agrícola 100. Os sensores de máquina 982 podem incluir sensores de biomassa 969 que sensoreiam a biomassa se deslocando através do alimentador 106, através do separador 116, ou em algum local na colheitadeira agrícola 100. Os sensores de máquina 982 podem incluir o sensor de consumo de combustível 971, que sensoreia uma taxa de consumo de combustível sobre o tempo da colheitadeira agrícola 100. Os sensores de máquina 982 podem incluir o sensor de utilização de energia 973, que sensoreia a utilização de energia na colheitadeira agrícola 100, tal como quais subsistemas estão utilizando energia, ou a taxa na qual os subsistemas estão utilizando energia, ou a distribuição de energia entre os subsistemas na colheitadeira agrícola 100. Os sensores de máquina 982 podem incluir sensores de pressão de pneu 977, que sensoreiam a pressão de inflação nos pneus 144 da colheitadeira agrícola 100. O sensor de máquina 982 pode incluir uma extensa variedade de outros sensores de desempenho de máquina, ou sensores de características de máquina, indicados pelo bloco 975. Os sensores de desempenho de máquina e os sensores de características de máquina 975 podem sensorear o desempenho da máquina ou as características da colheitadeira agrícola 100.

[00114] Os sensores de propriedade de material colhido 984 podem sensorear características do material de cultivo separado quando o material de cultivo está sendo processado pela colheitadeira agrícola 100. As propriedades de cultivo podem incluir tais fatores como o tipo de cultivo, umidade de cultivo, qualidade de grão (como grão quebrado), níveis de MOG, constituintes de grão, tais como amidos e proteína, umidade de MOG, e outras propriedades de material de cultivo. Outros sensores poderiam sensorear a “tenacidade” da palha, adesão de grão às espigas, e outras características que poderiam ser beneficamente usadas para controlar o processamento para a melhor captura de grão, reduzido dano do grão, reduzido consumo de energia, reduzida perda de grão, etc.

[00115] Os sensores de propriedade de campo e solo 985 podem sensorear características do campo e solo. As propriedades de campo e solo podem incluir umidade do solo, compactação do solo, a presença e local de água parada, o tipo de solo, e outras características de solo e de campo.

[00116] Os sensores de características ambientais 987 podem sensorear uma ou mais características ambientais. As características ambientais podem incluir tais fatores como a direção do vento e a velocidade do vento, precipitação, neblina, nível de poeira ou outros obscurecedores, ou outras características ambientais.

[00117] Em alguns exemplos, um ou mais dos sensores mostrados na figura 6B são processados para receber dados processados 409 e as entradas usadas para o gerador de modelo 210. O gerador de modelo 210 gera um modelo indicativo das relações entre os dados de sensor e um ou mais dos mapas de informação anteriores ou preditivos. O modelo é provido ao gerador de mapa 212 que gera um mapa, que mapeia valores de dados de sensor preditivos, correspondentes ao sensor da figura 6B ou uma característica relacionada.

[00118] A figura 7 mostra um fluxograma ilustrando um exemplo da operação de gerador de modelo preditivo 210 e do gerador de mapa preditivo 212 na geração de um ou mais modelos preditivos 426 e um ou mais mapas funcionais preditivos 436, 437, 438, e 440. No bloco 442, o gerador de modelo preditivo 210 e o gerador de mapa preditivo 212 recebem um mapa de informação. O mapa de informação pode ser o mapa de índice vegetativo 332, o mapa de ervas daninhas preditivo 360, um mapa de operação anterior 400, criado usando dados obtidos durante uma operação anterior em um campo. No bloco 444, o gerador de modelo preditivo 210 recebe um sinal de sensor contendo os dados de sensor de um sensor no local 208. O sensor no local pode ser um ou mais de um sensor de biomassa 402, que pode ser um sensor óptico 410 ou um sensor de pressão de rotor 412, um sensor de velocidade de máquina 146, ou outro sensor 414. O bloco 446 indica que o sinal de sensor recebido pelo gerador de modelo preditivo 210 inclui dados de um tipo que é indicativo de biomassa. O bloco 448 indica que os dados de sinal de sensor podem ser indicativos da velocidade da colheitadeira agrícola 100. O bloco 450 indica que o sinal de sensor recebido pelo gerador de mapa preditivo 210 pode ser um sinal de sensor tendo dados de um tipo que é indicativo de uma entrada de comando pelo operador, quando sensoreado pelo sensor de entrada de operador 404. O gerador de modelo preditivo 210 pode receber também outras entradas de sensor no local, conforme indicado pelo bloco 452.

[00119] No bloco 454, o sistema de processamento 406 processa os dados contidos no sinal ou sinais de sensor, recebidos do sensor ou sensores no local 208 para obter dados processados 409, mostrados na figura 6A. Os dados contidos no sinal ou sinais de sensor podem estar em um formato bruto, que é processado para receber dados processados 409. Por exemplo, um sinal de sensor de temperatura inclui dados de resistência elétrica, esses dados de resistência elétrica podem ser processados para dados de temperatura. Em outros exemplos, o processamento pode compreender dados de digitalização, codificação, formatação, colocação em escala, filtragem ou classificação. Os dados processados 409 podem ser indicativos de um ou mais dentre biomassa, velocidade de máquina, ou comando de entrada pelo operador. Os dados processados 409 são providos para o gerador de modelo preditivo 210.

[00120] Retornando para a figura 7, no bloco 456, o gerador de modelo preditivo 210 também recebe um local geográfico 334 do sensor de posição geográfica 204, conforme mostrado na figura 6A. O local geográfico 334 pode ser correlacionado ao local geográfico, do qual a variável ou variáveis sensoreadas, sensoreadas pelos sensores no local 208, foram tomadas. Por exemplo, o gerador de modelo preditivo 210 pode obter o local geográfico 334 do sensor de posição geográfica 204 e determinar, com base nos retardos de máquina, a velocidade de máquina, etc., um local geográfico preciso, do qual os dados processados 409 foram derivados.

[00121] No bloco 458, o gerador de modelo preditivo 210 gera um ou mais modelos preditivos 426 que modelam uma relação entre um valor mapeado em um mapa de informação e uma característica representada nos dados processados 409. Por exemplo, em alguns casos, o valor mapeado em um mapa de informação pode ser uma característica de erva daninha, que pode ser um ou mais de um valor de índice vegetativo no mapa de índice vegetativo 332; um valor da intensidade de erva daninha no mapa de ervas daninhas preditivo funcional 360; ou um valor de vegetação no mapa de operação anterior 400, e o gerador de modelo preditivo 210 gera um modelo preditivo usando o valor mapeado de um mapa de informação e uma característica sensoreada pelos sensores no local 208, como representada nos dados processados 490, ou uma característica relacionada, tal como uma característica que se correlaciona com a característica sensoreada pelos sensores no local 208.

[00122] Por exemplo, no bloco 460, o gerador de modelo preditivo 210 pode gerar um modelo preditivo 426, que modela uma relação entre índice vegetativo, intensidade de erva daninha, ou um valor de vegetação obtido de um ou mais mapas de informação e dados de biomassa obtidos por um sensor no local. Em outro exemplo, no bloco 462, o gerador de modelo preditivo 210 pode gerar um modelo preditivo 426 que modela uma relação entre um valor de índice vegetativo, intensidade de erva daninha, ou um valor de vegetação obtido de um ou mais mapas de informação e a velocidade da colheitadeira agrícola 100 obtida de um sensor no local. Em ainda outro exemplo, no bloco 464, o gerador de modelo de característica de erva daninha para comando de operador 422 gera um modelo preditivo 426 que modela uma relação entre uma característica de erva daninha e entradas de comando pelo operador.

[00123] O um ou mais modelos preditivos 426 são providos para o gerador de mapa preditivo 212. No bloco 466, o gerador de mapa preditivo 212 gera um ou mais mapas funcionais preditivos. Os mapas funcionais preditivos podem ser o mapa de biomassa preditivo funcional 436, o mapa de umidade preditivo funcional 437, o mapa de velocidade de máquina preditivo funcional 438, o mapa de comando de operador preditivo funcional 440, ou qualquer combinação desses mapas. O mapa de biomassa preditivo funcional 436 prediz a biomassa que será encontrada pela colheitadeira agrícola 100 em diferentes locais no campo. O mapa de umidade preditivo funcional 437 prediz a umidade de material que é esperada ser encontrada pela colheitadeira agrícola 100 em diferentes locais no campo. O mapa de velocidade de máquina preditivo funcional 438 prediz uma velocidade de máquina desejada para colheitadeira agrícola 100 em diferentes locais no campo, e o mapa de comando de operador preditivo funcional 440 prediz as prováveis entradas de comando pelo operador em diferentes locais no campo. Adicionalmente, um ou mais dos mapas funcionais preditivos 436, 437, 438, e 440 podem ser gerados durante o curso de uma operação agrícola. Assim, quando a colheitadeira agrícola 100 está se movendo através de um campo realizando uma operação agrícola, o um ou mais mapas preditivos 436, 437, 438, e 440 são gerados quando a operação agrícola está sendo realizada.

[00124] No bloco 468, o gerador de mapa preditivo 212 fornece o um ou mais mapas funcionais preditivos 436, 437, 438, e 440. No bloco 470, o gerador de mapa preditivo 212 pode configurar o mapa para a apresentação para, e possível interação por, um operador 260 ou outro usuário. No bloco 472, o gerador de mapa preditivo 212 pode configurar o mapa para consumo pelo sistema de controle 214. No bloco 474, o gerador de mapa preditivo 212 pode prover o um ou mais mapas preditivos 436, 437, 438, e 440 para controlar o gerador de zona 213 para a geração de zonas de controle. No bloco 476, o gerador de mapa preditivo 212 configura o um ou mais mapas preditivos 436, 437, 438, e 440 de outras maneiras. Em um exemplo no qual o um ou mais mapas funcionais preditivos 436, 437, 438, e 440 são providos para controlar o gerador de zona 213, o um ou mais mapas funcionais preditivos 436, 437, 438, e 440, com as zonas de controle incluídas nos mesmos, representadas por correspondentes mapas 265, descritos acima, podem ser apresentados ao operador 260 ou outro usuário ou providos também para o sistema de controle 214.

[00125] No bloco 478, o sistema de controle 214 então gera sinais de controle para controlar os subsistemas controláveis com base no um ou mais mapas funcionais preditivos 436, 437, 438, e 440 (ou os mapas funcionais preditivos 436, 437, 438, e 440 tendo zonas de controle) bem como uma entrada do sensor de posição geográfica 204. Por exemplo, quando o mapa de biomassa preditivo funcional 436 ou o mapa de biomassa preditivo funcional 436 contendo zonas de controle é provido para o sistema de controle 214, o controlador de taxa de alimentação 236, em resposta, gera sinais de controle para controlar os subsistemas controláveis 216 a fim de controlar a taxa de alimentação de material através da colheitadeira agrícola 100 com base nos níveis de biomassa preditos. Isso é indicado pelo bloco 480.

[00126] O bloco 482 mostra um exemplo no qual o sistema de controle 214 recebe o mapa de velocidade de máquina preditivo funcional 438 ou o mapa de velocidade de máquina preditivo funcional 438 com zonas de controle adicionadas. Em resposta, o controlador de regulagens 232 controla o subsistema de propulsão 250 (mostrado como um dos subsistemas controláveis 216 na figura 2) para controlar a velocidade da colheitadeira agrícola 100 com base nos valores de velocidade preditos no mapa de velocidade de máquina preditivo funcional 438 ou no mapa de velocidade de máquina preditivo funcional 438 contendo zonas de controle.

[00127] O bloco 484 mostra um exemplo no qual o mapa de comando de operador preditivo funcional 440 é provido para o sistema de controle 214. Em resposta, o controlador de regulagens 232 gera sinais de controle para controlar os subsistemas controláveis 216 para gerar automaticamente as entradas de comando ou para recomendar as entradas de comando para o operador 260 com base nos valores de comando de operador no mapa de comando de operador preditivo funcional 440 ou no mapa de comando de operador preditivo funcional 440 contendo zonas de controle.

[00128] A figura 8 mostra um diagrama de blocos ilustrando um exemplo de gerador de zona de controle 213. O gerador de zona de controle 213 inclui o seletor de atuador de máquina de trabalho (WMA) 486, o sistema de geração de zona de controle 488, e o sistema de geração de zona de regime 490. O gerador de zona de controle 213 podem também incluir outros itens 492. O sistema de geração de zona de controle 488 inclui o componente identificador de critérios de zona de controle 494, o componente de definição de limite de zona de controle 496, o componente identificador de regulagem alvo 498, e outros itens 520. O sistema de geração de zona de regime 490 inclui o componente de identificação de critérios de zona de regime 522, o componente de definição de limite de zona de regime 524, componente identificador de resolução de regulagens 526, e outros itens 528. Antes da descrição da operação global do gerador de zona de controle 213 em mais detalhe, uma breve descrição de alguns dos itens no gerador de zona de controle 213 e das respectivas operações dos mesmos serão primeiramente providas.

[00129] A colheitadeira agrícola 100, ou outras máquinas de trabalho, pode ter uma extensa variedade de diferentes tipos de atuadores controláveis que realizam funções diferentes. Os atuadores controláveis na colheitadeira agrícola 100 ou em outras máquinas de trabalho são coletivamente referidos como os atuadores de máquina de trabalho (WMAs). Cada WMA pode ser independentemente controlável com base em valores em um mapa preditivo funcional, ou os WMAs podem ser controlados como conjuntos com base em um ou mais valores em um mapa preditivo funcional. Por conseguinte, o gerador de zona de controle 213 pode gerar zonas de controle correspondentes a cada WMA individualmente controlável ou correspondente aos conjuntos de WMAs que são controlados em coordenação uns com os outros.

[00130] O seletor de WMA 486 seleciona um WMA ou um conjunto de WMAs, para o qual correspondentes zonas de controle devem ser geradas. O sistema de geração de zona de controle 488 gera então as zonas de controle para o WMA ou o conjunto de WMAs selecionado. Para cada WMA ou conjunto de WMAs, diferentes critérios podem ser usados na identificação de zonas de controle. Por exemplo, para um WMA, o tempo de resposta de WMA pode ser usado como o critério para definir os limites das zonas de controle. Em outro exemplo, características de desgaste (por exemplo, quanto um atuador ou mecanismo particular se desgasta como um resultado do movimento do mesmo) podem ser usadas como os critérios para identificar os limites das zonas de controle. P componente identificador de critérios de zona de controle 494 identifica critérios particulares que devem ser usados na definição de zonas de controle para o WMA ou o conjunto de WMAs selecionado. O componente de definição de limite de zona de controle 496 processa os valores em um mapa preditivo funcional sob análise para definir os limites das zonas de controle neste mapa preditivo funcional com base nos valores no mapa preditivo funcional sob análise e com base nos critérios de zona de controle para o WMA ou o conjunto de WMAs selecionado.

[00131] O componente identificador de regulagem alvo 498 ajusta um valor do ajuste alvo que irá ser usado para controlar o WMA ou o conjunto de WMAs em diferentes zonas de controle. Por exemplo, se o WMA selecionado for o sistema de propulsão 250 e o mapa preditivo funcional sob análise for um mapa de velocidade preditivo funcional 438, então o ajuste alvo em cada zona de controle pode ser uma regulagem de velocidade alvo com base em valores de velocidade contidos no mapa de velocidade preditivo funcional 238 dentro da zona de controle identificada.

[00132] Em alguns exemplos, nos quais a colheitadeira agrícola 100 deve ser controlada com base em um local atual ou futuro da colheitadeira agrícola 100, múltiplas regulagens alvos podem ser possíveis para um WMA em um dado local. Nesse caso, as regulagens alvos podem ter valores diferentes e podem estar competindo. Assim, as regulagens alvos precisam ser resolvidas de forma que somente uma única regulagem alvo seja usada para controlar o WMA. Por exemplo, quando o WMA for um atuador no sistema de propulsão 250 que está sendo controlado a fim de controlar a velocidade da colheitadeira agrícola 100, múltiplos diferentes conjuntos de competição de critérios podem existir, que são considerados pelo sistema de geração de zona de controle 488 em identificar as zonas de controle e as regulagens alvos para o WMA selecionado nas zonas de controle. Por exemplo, diferentes regulagens alvos para controlar a velocidade de máquina podem ser geradas com base em, por exemplo, um valor de taxa de alimentação detectado ou predito, um valor de eficiência de combustível detectado ou predito, um valor de perda de grão detectado ou predito, ou uma combinação desses. Todavia, em qualquer dado tempo, a colheitadeira agrícola 100 não pode se deslocar sobre o solo em múltiplas velocidades simultaneamente. Ao invés disso, em qualquer dado tempo, a colheitadeira agrícola 100 se desloca a uma única velocidade. Assim, uma das regulagens alvos de competição é selecionada para controlar a velocidade da colheitadeira agrícola 100.

[00133] Por conseguinte, em alguns exemplos, o sistema de geração de zona de regime 490 gera zonas de regime para resolver múltiplas diferentes regulagens alvos de competição. O componente de identificação de critérios de zona de regime 522 identifica os critérios que são usados para estabelecer zonas de regime para o WMA ou o conjunto de WMAs selecionado no mapa preditivo funcional sob análise. Alguns critérios que podem ser usados para identificar ou definir as zonas de regime incluem, por exemplo, o tipo de cultivo ou a variedade de cultivo com base em um mapa conforme plantado ou outra fonte do tipo de cultivo ou variedade de cultivo, tipo de erva daninha, intensidade de erva daninha, ou estado de cultivo, tal como se o cultivo está deitado, parcialmente deitado ou de pé. Exatamente como cada WMA ou conjunto de WMAs pode ter uma correspondente zona de controle, diferentes WMAs ou conjuntos de WMAs podem ter uma correspondente zona de regime. O componente de definição de limite de zona de regime 524 identifica os limites das zonas de regime no mapa preditivo funcional sob análise com base nos critérios de zona de regime, identificados pelo componente de identificação de critérios de zona de regime 522.

[00134] Em alguns exemplos, as zonas de regime podem se sobrepor entre si. Por exemplo, uma zona de regime de variedade de colheita pode se sobrepor com uma porção de, ou uma totalidade de, uma zona de regime de estado de colheita. Em um tal exemplo, as diferentes zonas de regime podem ser atribuídas a uma hierarquia de precedência, de forma que, onde duas ou mais zonas de regime se sobrepõem, a zona de regime atribuída a uma maior posição hierárquica ou importância na hierarquia de precedência tem precedência sobre as zonas de regime que tem menores posições hierárquicas ou importância na hierarquia de precedência. A hierarquia de precedência das zonas de regime pode ser manualmente ajustada ou pode ser automaticamente ajustada usando um sistema baseado em regras, um sistema baseado em modelo, ou outro sistema. Como um exemplo, onde uma zona de regime de cultivo reduzida se sobrepõe com uma zona de regime de variedade de colheita, a zona de regime de cultivo reduzida pode ser atribuída a uma maior importância na hierarquia de precedência do que a zona de regime de variedade de cultivo de forma que a zona de regime de cultivo reduzida assuma a precedência.

[00135] Além disso, cada zona de regime pode ter um único resolvedor de regulagens para um dado WMA ou o conjunto de WMAs. O componente identificador de resolução de regulagens 526 identifica um resolvedor de regulagens particular para cada zona de regime identificada no mapa preditivo funcional sob análise e um resolvedor de regulagens particular para o WMA ou o conjunto de WMAs selecionado.

[00136] Uma vez quando o resolvedor de regulagens para uma zona de regime particular é identificado, este resolvedor de regulagens pode ser usado para resolver regulagens alvos competitivas, onde mais do que um ajuste alvo é identificado com base nas zonas de controle. Os diferentes tipos de resolvedores de regulagens podem ter diferentes formas. Por exemplo, os resolvedores de regulagens que são identificados para cada zona de regime podem incluir um resolvedor de escolha humano, no qual as regulagens alvos competitivas são apresentadas a um operador ou outro usuário para a resolução. Em outro exemplo, o resolvedor de regulagens pode incluir uma rede neuronal ou outra inteligência artificial ou sistema de aprendizagem por máquina. Em tais casos, os resolvedores de regulagens podem resolvedor as regulagens alvos competitivas com base em uma métrica de qualidade predita ou histórica, correspondente a cada um das diferentes regulagens alvos. Como um exemplo, uma regulagem de velocidade de veículo aumentada pode reduzir o tempo de colheita em um campo e reduzir o correspondente trabalho baseado no tempo e os custos de equipamento, mas pode aumentar as perdas de grão. Uma reduzida regulagem de velocidade de veículo pode aumentar o tempo de colheita em um campo e aumentar o correspondente trabalho baseado no tempo e os custos de equipamento, mas pode diminuir as perdas de grão. Quando a perda de grão ou o tempo para colher é selecionado como uma métrica de qualidade, o valor predito ou histórico para a métrica de qualidade, dados os dois valores de regulagens de veículo em competição, pode ser usado para resolver a regulagem de velocidade. Em alguns casos, os resolvedores de regulagens pode ser um conjunto de regras de limite, que podem ser usadas ao invés de, ou em adição a, as zonas de regime. Um exemplo de uma regra de limite pode ser expresso como segue: Se os valores de biomassa preditos dentro de 20 pés da plataforma de corte da colheitadeira agrícola 100 forem maiores que x quilogramas (onde x é um valor selecionado ou pré-determinado), então usar o valor de regulagem alvo, que é escolhido com base na taxa de alimentação sobre outras regulagens alvos competitivos, caso contrário usar o valor de regulagem alvo com base na perda de grão sobre outros valores de regulagem alvo competindo.

[00137] Os resolvedores de regulagens podem ser componentes lógicos que executam regras lógicas na identificação de uma regulagem alvo. Por exemplo, o resolvedor de regulagens pode resolvedor regulagens alvos, enquanto tenta minimizar o tempo de colheita ou minimizar o custo de colheita total ou maximizar o grão colhido, ou com base em outras variáveis, que são computadas como uma função das diferentes regulagens alvos candidatas. Um tempo de colheita pode ser minimizado quando uma quantidade para completar uma colheita é reduzido para, ou para abaixo de, um limite selecionado. Um custo de colheita total pode ser minimizado onde o custo de colheita total é reduzido para, ou para abaixo de, um limite selecionado. Grão colhido pode ser maximizado onde a quantidade de grão colhido é aumentada para, ou para acima de um limite selecionado.

[00138] A figura 9 é um fluxograma ilustrando um exemplo da operação do gerador de zona de controle 213 na geração de zonas de controle e as zonas de regime para um mapa que o gerador de zona de controle 213 recebe para o processamento de zona (por exemplo, para um mapa sob análise).

[00139] No bloco 530, o gerador de zona de controle 213 recebe um mapa sob análise para o processamento. Em um exemplo, conforme mostrado no bloco 532, o mapa sob análise é um mapa preditivo funcional. Por exemplo, o mapa sob análise pode ser um dos mapas funcionais preditivos 436, 437, 438, ou 440. O bloco 534 indica que o mapa sob análise pode ser também outros mapas.

[00140] No bloco 536, o seletor de WMA 486 seleciona um WMA ou um conjunto de WMAs, para o qual as zonas de controle devem ser geradas no mapa sob análise. No bloco 538, o componente de identificação de critérios de zona de controle 494 obtém critérios de definição de zona de controle para o WMA ou o conjunto de WMAs selecionado. O bloco 540 indica um exemplo no qual os critérios de zona de controle são, ou incluem, características de desgaste do WMA selecionado ou do conjunto de WMAs. O bloco 542 indica um exemplo no qual os critérios de definição de zona de controle são, ou incluem, uma magnitude e variação de dados de fonte de entrada, tais como a magnitude e a variação dos valores no mapa sob análise ou a magnitude e a variação de entradas de vários sensores no local 208. O bloco 544 indica um exemplo no qual os critérios de definição de zona de controle são, ou incluem, características de máquina física, tais como as dimensões físicas da máquina, uma velocidade na qual diferentes subsistemas operam, ou outras características de máquina física. O bloco 546 indica um exemplo no qual os critérios de definição de zona de controle são, ou incluem, uma responsividade do WMA selecionado ou do conjunto de WMAs em atingir novos valores de regulagem comandados. O bloco 548 indica um exemplo no qual os critérios de definição de zona de controle são, ou incluem, o desempenho de métricas de máquina. O bloco 550 indica um exemplo no qual os critérios de definição de zona de controle são, ou incluem, as preferências de operador. O bloco 552 indica um exemplo no qual os critérios de definição de zona de controle são, ou incluem, também outros itens. O bloco 549 indica um exemplo no qual os critérios de definição de zona de controle são baseados no tempo, significando que a colheitadeira agrícola 100 não irá cruzar o limite de uma zona de controle até uma quantidade selecionada de tempo ter decorrido, uma vez que a colheitadeira agrícola 100 entrou em uma zona de controle particular. Em alguns casos, a selecionada quantidade de tempo pode ser uma quantidade de tempo mínima. Assim, em alguns casos, os critérios de definição de zona de controle podem prevenir que a colheitadeira agrícola 100 cruze um limite de uma zona de controle até pelo menos a quantidade de tempo selecionada tiver decorrido. O bloco 551 indica um exemplo no qual os critérios de definição de zona de controle são baseados em um valor de tamanho selecionado. Por exemplo, o critério de definição de zona de controle que é baseado em um valor de tamanho selecionado pode impedir a definição de uma zona de controle que é menor do que o tamanho selecionado. Em alguns casos, o tamanho selecionado pode ser um tamanho mínimo.

[00141] No bloco 554, o componente de identificação de critérios de zona de regime 522 obtém critérios de definição de zona de regime para o WMA ou o conjunto de WMAs selecionado. O bloco 556 indica um exemplo no qual os critérios de definição de zona de regime são baseados em uma entrada manual a partir do operador 260 ou outro usuário. O bloco 558 ilustra um exemplo no qual os critérios de definição de zona de regime são baseados no tipo de cultivo ou na variedade de cultivo. O bloco 560 ilustra um exemplo no qual os critérios de definição de zona de regime são baseados no tipo de erva daninha ou intensidade de erva daninha ou em ambos. O bloco 562 ilustra um exemplo no qual os critérios de definição de zona de regime são baseados no, ou incluem o, estado de cultivo. O bloco 564 indica um exemplo no qual os critérios de definição de zona de regime são, ou incluem, também outros critérios.

[00142] No bloco 566, o componente de definição de limite de zona de controle 496 gera os limites de zonas de controle no mapa sob análise com base nos critérios de zona de controle. O componente de definição de limite de zona de regime 524 gera os limites das zonas de regime no mapa sob análise com base nos critérios de zona de regime. O bloco 568 indica um exemplo no qual os limites de zona são identificados para as zonas de controle e as zonas de regime. O bloco 570 mostra que o componente identificador de regulagem alvo 498 identifica as regulagens alvos para cada uma das zonas de controle. As zonas de controle e as zonas de regime podem ser geradas também de outras maneiras, e isso é indicado pelo bloco 572.

[00143] No bloco 574, componente identificador de resolução de regulagens 526 identifica o resolvedor de regulagens para o WMA selecionados em cada zona de regime definida por componente de definição de limite de zona de regimes 524. Como discutido acima, o resolvedor de zona de regime pode ser um resolvedor humano 576, uma inteligência artificial ou um resolvedor de sistema de aprendizagem por máquina 578, um resolvedor 580 com base em qualidade predita ou histórica para cada regulagem alvo de competição, um resolvedor baseado em regras 582, um resolvedor baseado em critérios de desempenho 584, ou outros resolvedores 586.

[00144] No bloco 588, o seletor de WMA 486 determina se existem mais WMAs ou conjuntos de WMAs a processar. Se WMAs ou conjuntos de WMAs adicionais estão restando a ser processados, o processamento reverte para o bloco 436, onde o próximo WMA ou conjunto de WMAs, para os quais as zonas de controle e as zonas de regime devem ser definidas, é selecionado. Quando nenhum WMAs ou conjuntos de WMAs, para os quais as zonas de controle ou as zonas de regime devem ser geradas estão restando, o processamento se move para o bloco 590, onde o gerador de zona de controle 213 fornece um mapa com zonas de controle, regulagens alvos, zonas de regime, e resolvedores de regulagens para cada um dos WMAs ou conjuntos de WMAs. Como discutido acima, o mapa fornecido pode ser apresentado para o operador 260 ou outro usuário; o mapa fornecido pode ser provido para o sistema de controle 214; ou o mapa fornecido pode ser fornecido de outras maneiras.

[00145] A figura 10 ilustra um exemplo da operação de sistema de controle 214 no controle da colheitadeira agrícola 100 com base em um mapa que é fornecido pelo gerador de zona de controle 213. Assim, no bloco 592, o sistema de controle 214 recebe um mapa do sítio de trabalho. Em alguns casos, o mapa pode ser um mapa preditivo funcional, que pode incluir zonas de controle e zonas de regime, conforme representado pelo bloco 594. Em alguns casos, o mapa recebido pode ser um mapa preditivo funcional que exclui zonas de controle e zonas de regime. O bloco 596 indica um exemplo no qual o mapa recebido do sítio de trabalho pode ser um mapa de informação que tem zonas de controle e zonas de regime identificadas no mesmo. O bloco 598 indica um exemplo no qual o mapa recebido pode incluir múltiplos mapas diferentes ou múltiplas camadas de mapa diferentes. O bloco 610 indica um exemplo no qual o mapa recebido pode também assumir outras formas.

[00146] No bloco 612, o sistema de controle 214 recebe um sinal de sensor do sensor de posição geográfica 204. O sinal de sensor do sensor de posição geográfica 204 pode incluir dados que indicam o local geográfico 614 da colheitadeira agrícola 100, a velocidade 616 da colheitadeira agrícola 100, o rumo 618, ou colheitadeira agrícola 100, ou outra informação 620. No bloco 622, o controlador de zona 247 seleciona uma zona de regime, e, no bloco 624, o controlador de zona 247 seleciona uma zona de controle no mapa com base no sinal de sensor de posição geográfica. No bloco 626, o controlador de zona 247 seleciona um WMA ou um conjunto de WMAs a ser controlado. No bloco 628, o controlador de zona 247 obtém uma ou mais regulagens alvos para o WMA ou o conjunto de WMAs selecionado. As regulagens alvos que são obtidas para o WMA ou o conjunto de WMAs selecionado podem provir a partir de uma variedade de diferentes fontes. Por exemplo, o bloco 630 mostra um exemplo no qual uma ou mais das regulagens alvos para o WMA ou o conjunto de WMAs selecionado é com base em uma entrada a partir das zonas de controle no mapa do sítio de trabalho. O bloco 632 mostra um exemplo no qual uma ou mais das regulagens alvos são obtidas a partir de entradas por ser humano a partir do operador 260 ou outro usuário. O bloco 634 mostra um exemplo no qual as regulagens alvos são obtidas a partir de um sensor no local 208. O bloco 636 mostra um exemplo no qual a uma ou mais regulagens alvos são obtidas de um ou mais sensores em outras máquinas trabalhando no mesmo campo ou simultaneamente com a colheitadeira agrícola 100 ou de um ou mais sensores nas máquinas que trabalharam no mesmo campo no passado. O bloco 638 mostra um exemplo no qual as regulagens alvos são obtidas também de outras fontes.

[00147] No bloco 640, o controlador de zona 247 acessa o resolvedor de regulagens para a zona de regime selecionada e controla o resolvedor de regulagens para resolver regulagens alvos competitivas em uma regulagem alvo resolvida. Como discutido acima, em alguns casos, o resolvedor de regulagens pode ser um resolvedor humano, em cujo caso o controlador de zona 247 controla mecanismos de interface de operador 218 para apresentar as regulagens alvos competitivas para o operador 260 ou outro usuário para resolução. Em alguns casos, o resolvedor de regulagens pode ser uma rede neuronal ou outra inteligência artificial ou sistema de aprendizagem por máquina, e o controlador de zona 247 submete as regulagens alvos competitivas à rede neuronal, inteligência artificial, ou o sistema de aprendizagem por máquina, para a seleção. Em alguns casos, o resolvedor de regulagens pode ser baseado em uma métrica de qualidade predita ou histórica, em regras de limite, ou em componentes lógicos. Em qualquer desses últimos exemplos, o controlador de zona 247 executa o resolvedor de regulagens para obter uma regulagem alvo resolvida com base na métrica de qualidade predita ou histórica, com base em regras de limite, ou com o uso dos componentes lógicos.

[00148] No bloco 642, com o controlador de zona 247 tendo identificado a regulagem alvo resolvida, o controlador de zona 247 provê a regulagem alvo resolvida para outros controladores no sistema de controle 214, que geram e aplicam sinais de controle ao WMA ou ao conjunto de WMAs selecionado com base na regulagem alvo resolvida. Por exemplo, quando o WMA selecionado é um atuador de máquina ou de plataforma de corte 248, o controlador de zona 247 provê a regulagem alvo resolvida para o controlador de regulagens 232 ou o controlador de plataforma de corte/real 238 ou ambos para gerar sinais de controle com base na regulagem alvo resolvida, e aqueles sinais de controle gerados são aplicados aos atuadores de máquina ou plataforma de corte 248. No bloco 644, se WMAs adicionais ou conjuntos adicionais de WMAs devem ser controlados no local geográfico atual da agrícola 100 (como detectada no bloco 612), então o processamento reverte para o bloco 626, onde o próximo WMA ou o conjunto de WMAs é selecionado. Os processos representados pelos blocos 626 a 644 continuam até todos dos WMAs ou conjuntos de WMAs a serem controlados no local geográfico atual da colheitadeira agrícola 100 terem sido abordados. Se nenhum dos WMAs ou dos conjuntos de WMAs, que devem ser controlados no local geográfico atual da colheitadeira agrícola 100, permanecer, o processamento prossegue para o bloco 646 onde o controlador de zona 247 determina se zonas de controle adicionais a serem consideradas existem na zona de regime selecionada. Se existirem zonas de controle adicionais a serem consideradas, o processamento reverte para o bloco 624, onde uma próxima zona de controle é selecionada. Se não estiverem restando zonas de controle adicionais a serem consideradas, o processamento prossegue para o bloco 648, onde uma determinação de se zonas de regime adicionais estão restando a ser consideradas. O controlador de zona 247 determina se as zonas de regime adicionais estão restando a ser consideradas. Se zonas de regime adicionais estão restando a ser consideradas, o processamento reverte para o bloco 622, onde uma próxima zona de regime é selecionada.

[00149] No bloco 650, o controlador de zona 247 determina se a operação que colheitadeira agrícola 100 está realizando está completa. Se não estiver, o controlador de zona 247 determina se um critério de zona de controle foi satisfeito para continuar o processamento, conforme indicado pelo bloco 652. Por exemplo, como mencionado acima, os critérios de definição de zona de controle podem incluir critérios definindo quando um limite de zona de controle pode ser cruzado pela colheitadeira agrícola 100. Por exemplo, se um limite de zona de controle pode ser cruzado pela colheitadeira agrícola 100 pode ser definido por um período de tempo selecionado, significando que a colheitadeira agrícola 100 é prevenida de cruzar um limite de zona até uma quantidade selecionada de tempo tiver expirado. Nesse caso, no bloco 652, o controlador de zona 247 determina se o período de tempo selecionado decorreu. Adicionalmente, o controlador de zona 247 pode realizar o processamento continuamente. Assim, o controlador de zona 247 não aguarda por qualquer período de tempo particular antes de continuar a determinar se uma operação da colheitadeira agrícola 100 está completa. No bloco 652, o controlador de zona 247 determina que é o momento de continuar o processamento, então o processamento continua no bloco 612, onde o controlador de zona 247 novamente recebe uma entrada a partir do sensor de posição geográfica 204. Será também apreciado que o controlador de zona 247 pode controlar os WMAs e conjuntos de WMAs simultaneamente usando um controlador de múltiplas entradas, múltiplas saídas, em lugar do controle dos WMAs e conjuntos de WMAs sequencialmente.

[00150] A figura 11 é um diagrama de blocos mostrando um exemplo de um controlador de interface de operador 231. Em um exemplo ilustrado, o controlador de interface de operador 231 inclui o sistema de processamento de comando de entrada de operador 654, outro sistema de interação de controlador 656, o sistema de processamento de voz 658, e o gerador de sinal de ação 660. O sistema de processamento de comando de entrada de operador 654 inclui o sistema de manipulação de voz 662, o sistema de manipulação de gestos de toque 664, e outros itens 666. Outro sistema de interação de controlador 656 inclui o sistema de processamento de entrada de controlador 668 e o gerador de saída de controlador 670. O sistema de processamento de voz 658 inclui o detector de gatilho 672, o componente de reconhecimento 674, o componente de síntese 676, o sistema de compreensão de linguagem natural 678, o sistema de gerenciamento de diálogo 680, e outros itens 682. O gerador de sinal de ação 660 inclui o gerador de sinal de controle visual 684, o gerador de sinal de controle de áudio 686, o gerador de sinal de controle táctil 688, e outros itens 690. Antes da descrição da operação do controlador de interface de operador 231, de exemplo, mostrado na figura 11, na manipulação de várias ações de interface de operador, uma breve descrição de alguns dos itens no controlador de interface de operador 231 e a operação associada do mesmo é primeiramente provida.

[00151] O sistema de processamento de comando de entrada de operador 654 detecta as entradas de operador nos mecanismos de interface de operador 218 e processa aquelas entradas para comandos. O sistema de manipulação de voz 662 detecta entradas de voz e manipula as interações com o sistema de processamento de voz 658 para processar as entradas de voz para comandos. O sistema de manipulação de gestos de toque 664 detecta gestos de toque nos elementos sensíveis ao toque nos mecanismos de interface de operador 218 e processa aquelas entradas para comandos.

[00152] Outro sistema de interação de controlador 656 manipula interações com outros controladores no sistema de controle 214. O sistema de processamento de entrada de controlador 668 detecta e processa entradas a partir de outros controladores no sistema de controle 214, e o gerador de saída de controlador 670 gera saídas e provê aquelas saídas para outros controladores no sistema de controle 214. O sistema de processamento de voz 658 reconhece entradas de voz, determina o significado daquelas entradas, e provê uma saída indicativa do significado das entradas faladas. Por exemplo, o sistema de processamento de voz 658 pode reconhecer uma entrada de voz a partir do operador 260 como um comando de alteração de regulagem, no qual o operador 260 está comandando o sistema de controle 214 para alterar uma regulagem para um subsistema controlável 216. Em um tal exemplo, o sistema de processamento de voz 658 reconhece o conteúdo do comando falado, identifica o significado desse comando como um comando de alteração de regulagem, e provê o significado dessa entrada de volta para o sistema de manipulação de voz 662. O sistema de manipulação de voz 662, por sua vez, interage com gerador de saída de controlador 670 para prover a saída comandada para o controlador apropriado no sistema de controle 214 para realizar o comando de alteração de regulagem falada.

[00153] O sistema de processamento de voz 658 pode ser invocado em uma variedade de diferentes maneiras. Por exemplo, em um exemplo, o sistema de manipulação de voz 662 continuamente provê uma entrada de um microfone (sendo um dos mecanismos de interface de operador 218) para o sistema de processamento de voz 658. O microfone detecta a voz do operador 260, e o sistema de manipulação de voz 662 provê a voz detectada para o sistema de processamento de voz 658. O detector de gatilho 672 detecta um gatilho indicando que o sistema de processamento de voz 658 é invocado. Em alguns casos, quando o sistema de processamento de voz 658 está recebendo entradas de voz contínuas a partir do sistema de manipulação de voz 662, o componente de reconhecimento de voz 674 realiza o reconhecimento de voz contínuo em toda a voz falada pelo operador 260. Em alguns casos, o sistema de processamento de voz 658 é configurado para invocação usando uma palavra de despertar. Isto é, em alguns casos, a operação do sistema de processamento de voz 658 pode ser iniciada com base no reconhecimento de uma palavra falada selecionada, referida como a palavra de despertar. Em um tal exemplo, onde o componente de reconhecimento 674 reconhece a palavra de despertar, o componente de reconhecimento 674 provê uma indicação que a palavra de despertar foi reconhecida para disparar o detector 672. O detector de gatilho 672 detecta que o sistema de processamento de voz 658 foi invocado ou disparado pela palavra de despertar. Em outro exemplo, o sistema de processamento de voz 658 pode ser invocado por um operador 260 atuando um atuador em um mecanismo de interface de usuário, tal como por toque em um atuador em uma tela de exibição sensível a toques, por compressão de um botão, ou por provisão de outra entrada de disparo. Em um tal exemplo, o detector de gatilho 672 pode detectar que o sistema de processamento de voz 658 foi invocado quando uma entrada de gatilho por intermédio de um mecanismo de interface de usuário é detectada. O detector de gatilho 672 pode detectar que o sistema de processamento de voz 658 foi invocado também de outras maneiras.

[00154] Uma vez quando o sistema de processamento de voz 658 é invocado, a entrada de voz do operador 260 é provida para o componente de reconhecimento de voz 674. O componente de reconhecimento de voz 674 reconhece elementos linguísticos na entrada de voz, tais como palavras, frases, ou outras unidades linguísticas. O sistema de compreensão de linguagem natural 678 identifica um significado da voz reconhecida. O significado pode ser uma saída de linguagem natural, uma saída de comando identificando um comando refletido na voz reconhecida, uma saída de valor identificando um valor na voz reconhecida, ou qualquer de uma extensa variedade de outras saídas que refletem a compreensão da voz reconhecida. Por exemplo, o sistema de compreensão de linguagem natural 678 e o sistema de processamento de voz 568, mais geralmente, podem compreender o significado da voz reconhecida no contexto da colheitadeira agrícola 100.

[00155] Em alguns exemplos, o sistema de processamento de voz 658 pode também gerar saídas que navegam o operador 260 através de uma experiência de usuário com base na entrada de voz. Por exemplo, o sistema de gerenciamento de diálogo 680 pode gerar e gerenciar um diálogo com o usuário a fim de identificar o que o usuário deseja fazer. O diálogo pode remover a incerteza de um comando do usuário; identificar um ou mais valores específicos que são necessários para realizar o comando do usuário; ou obter outra informação do usuário ou prover outra informação para o usuário, ou ambos. O componente de síntese 676 pode gerar síntese de voz, que pode ser apresentada ao usuário através de um mecanismo de interface de operador de áudio, tal como um alto-falante. Assim, o diálogo gerenciado pelo sistema de gerenciamento de diálogo 680 pode ser exclusivamente um diálogo falado ou uma combinação tanto de um diálogo visual quanto de um diálogo falado.

[00156] O gerador de sinal de ação 660 gera sinais de ação para controlar mecanismos de interface de operador 218 com base em saídas de um ou mais do sistema de processamento de comando de entrada de operador 654, outro sistema de interação de controlador 656, e o sistema de processamento de voz 658. O gerador de sinal de controle visual 684 gera sinais de controle para controlar itens visuais em mecanismos de interface de operador 218. Os itens visuais podem ser luzes, uma tela de exibição, indicadores de aviso, ou outros itens visuais. O gerador de sinal de controle de áudio 686 gera saídas que controlam elementos de áudio dos mecanismos de interface de operador 218. Os elementos de áudio incluem um alto-falante, mecanismos de alerta audível, sirenes, ou outros elementos audíveis. O gerador de sinal de controle táctil 688 gera sinais de controle que são fornecidos para controlar elementos tácteis dos mecanismos de interface de operador 218. Os elementos tácteis incluem elementos de vibração, que podem ser usados para vibrar, por exemplo, o assento do operador, o volante, pedais, ou alavancas de controle usadas pelo operador. Os elementos tácteis podem incluir realimentação táctil ou elementos de realimentação de força que provêm realimentação táctil ou realimentação de força para o operador através de mecanismos de interface de operador. Os elementos tácteis podem incluir também uma extensa variedade de outros elementos tácteis.

[00157] A figura 12 é um fluxograma ilustrando um exemplo da operação do controlador de interface de operador 231 na geração de uma exibição de interface de operador em um mecanismo de interface de operador 218, que pode incluir uma tela de exibição sensível ao toque. A figura 12 também ilustra um exemplo de como o controlador de interface de operador 231 pode detectar e processar as interações de operador com a tela de exibição sensível ao toque.

[00158] No bloco 692, o controlador de interface de operador 231 recebe um mapa. O bloco 694 indica um exemplo no qual o mapa é um mapa preditivo funcional, e o bloco 696 indica um exemplo no qual o mapa é outro tipo de mapa. No bloco 698, o controlador de interface de operador 231 recebe uma entrada a partir do sensor de posição geográfica 204 identificando o local geográfico da colheitadeira agrícola 100. Conforme indicado no bloco 700, a entrada a partir do sensor de posição geográfica 204 pode incluir o rumo, juntamente com o local, da colheitadeira agrícola 100. O bloco 702 indica um exemplo no qual a entrada a partir do sensor de posição geográfica 204 inclui a velocidade da colheitadeira agrícola 100, e o bloco 704 indica um exemplo no qual a entrada a partir do sensor de posição geográfica 204 inclui outros itens.

[00159] No bloco 706, o gerador de sinal de controle visual 684 no controlador de interface de operador 231 controla a tela de exibição sensível ao toque nos mecanismos de interface de operador 218 para gerar uma exibição mostrando todo ou uma porção de um campo representado pelo mapa recebido. O bloco 708 indica que o campo exibido pode incluir um marcador de posição atual mostrando uma posição atual da colheitadeira agrícola 100 com relação ao campo. O bloco 710 indica um exemplo no qual o campo exibido inclui um marcador de unidade de trabalho próximo, que identifica uma unidade de trabalho próxima (ou área no campo) em que a colheitadeira agrícola 100 irá estar operando. O bloco 712 indica um exemplo no qual o campo exibido inclui uma porção de exibição de área próxima, que exibe áreas que devem ser ainda processadas pela colheitadeira agrícola 100, e o bloco 714 indica um exemplo no qual o campo exibido inclui porções de exibição previamente visitadas, que representam áreas do campo que a colheitadeira agrícola 100 já processou. O bloco 716 indica um exemplo no qual o campo exibido exibe várias características do campo tendo locais georreferenciados no mapa. Por exemplo, se o mapa recebido for um mapa de erva daninha, o campo exibido pode mostrar os diferentes tipos de erva daninha que existem no campo georreferenciado dentro do campo exibido. As características mapeadas podem ser mostradas nas áreas previamente visitadas (conforme mostradas no bloco 714), nas áreas próximas (conforme mostradas no bloco 712), e na próxima unidade de trabalho (conforme mostrado no bloco 710). O bloco 718 indica um exemplo no qual o campo exibido inclui também outros itens.

[00160] A figura 13 é uma ilustração simbólica mostrando um exemplo de uma exibição de interface de usuário 720, que pode ser gerada em uma tela de exibição sensível a toques. Em outras implementações, a exibição de interface de usuário 720 pode ser gerada em outros tipos de exibições. A tela de exibição sensível ao toque pode ser montada no compartimento de operador da colheitadeira agrícola 100 ou no dispositivo móvel ou em outro lugar. A exibição de interface de usuário 720 será descrita antes de continuar com a descrição do fluxograma mostrado na figura 12.

[00161] No exemplo mostrado na figura 13, a exibição de interface de usuário 720 ilustra que a tela de exibição sensível ao toque inclui uma característica de exibição para operação de um microfone 722 e um altofalante 724. Assim, a exibição sensível ao toque pode ser comunicativamente acoplada ao microfone 722 e ao alto-falante 724. O bloco 726 indica que a tela de exibição sensível ao toque pode incluir uma extensa variedade de atuadores de controle de interface de usuário, tais como botões, teclados de multifrequência, teclados de multifrequência macios, conexões, ícones, interruptores, etc. O operador 260 pode atuar os atuadores de controle de interface de usuário para realizar várias funções.

[00162] No exemplo mostrado na figura 13, a exibição de interface de usuário 720 inclui uma porção de exibição de campo 728 que exibe pelo menos uma porção do campo, na qual a colheitadeira agrícola 100 está operando. A porção de exibição de campo 728 é mostrada com um marcador de posição atual 708 que corresponde a uma posição atual da colheitadeira agrícola 100 na porção do campo mostrada na porção de exibição de campo 728. Em um exemplo, o operador pode controlar a exibição sensível ao toque a fim de ampliar nas porções de a porção de exibição de campo 728 ou para deslocar ou rolar a porção de exibição de campo 728 para mostrar diferentes porções do campo. Uma unidade de trabalho próxima 730 é mostrada como uma área do campo diretamente à frente do marcador de posição atual 708 da colheitadeira agrícola 100. O marcador de posição atual 708 pode também ser configurado para identificar a direção de deslocamento da colheitadeira agrícola 100, uma velocidade de deslocamento da colheitadeira agrícola 100, ou ambos. Na figura 13, o formato do marcador de posição atual 708 provê uma indicação da orientação da colheitadeira agrícola 100 dentro do campo, que pode ser usada como uma indicação da direção de deslocamento da colheitadeira agrícola 100.

[00163] O tamanho da próxima unidade de trabalho 730 marcada na porção de exibição de campo 728 pode variar com base em uma extensa variedade de critérios diferentes. Por exemplo, o tamanho da próxima unidade de trabalho 730 pode variar com base na velocidade de deslocamento da colheitadeira agrícola 100. Assim, quando a colheitadeira agrícola 100 está se deslocando mais rapidamente, então a área da próxima unidade de trabalho 730 pode ser maior do que a área da próxima unidade de trabalho 730, se colheitadeira agrícola 100 estiver se deslocando mais lentamente. A porção de exibição de campo 728 é também mostrada exibindo a área previamente visitada 714 e as áreas próximas 712. As áreas previamente visitadas 714 representam áreas que já foram colhidas, enquanto as áreas próximas 712 representam áreas que ainda precisam ser colhidas. A porção de exibição de campo 728 é também mostrada exibindo diferentes características do campo. No exemplo ilustrado na figura 13, o mapa que está sendo exibido é um mapa de erva daninha. Por conseguinte, uma pluralidade de diferentes marcadores de erva daninha é exibida na porção de exibição de campo 728. Existe um conjunto de marcadores de exibição de característica de erva daninha 732, mostrados nas áreas já visitadas 714. Existe também um conjunto de marcadores de exibição de característica de erva daninha 734, mostrados nas áreas próximas 712, e existe um conjunto de marcadores de exibição de característica de erva daninha 736, mostrados na próxima unidade de trabalho 730. A figura 13 mostra que os marcadores de exibição de característica de erva daninham 732, 734, e 736 são constituídos de diferentes símbolos. Cada um dos símbolos representa um tipo de erva daninha. No exemplo mostrado na figura 3, o símbolo @ representa cânhamo d'água; o símbolo * representa rabo-de-raposa verde; e o símbolo # representa ambrósia gigante. Assim, a porção de exibição de campo 728 mostra tipos diferentes de ervas daninhas que estão localizadas em diferentes áreas dentro do campo. Como descrito anteriormente, os marcadores de exibição 732 podem ser constituídos de diferentes símbolos, e, como descrito abaixo, os símbolos podem ser qualquer característica de exibição, tal como diferentes cores, formatos, padrões, intensidades, texto, ícones, ou outras características de exibição.

[00164] No exemplo da figura 13, a exibição de interface de usuário 720 também tem uma porção de exibição de controle 738. A porção de exibição de controle 738 permite que o operador visualize a informação e interaja com a exibição de interface de usuário 720 de várias maneiras.

[00165] Os atuadores e marcadores de exibição na porção 738 podem ser exibidos como, por exemplo, itens individuais, listas fixas, listas roláveis, menus pendentes, ou listas pendentes. No exemplo mostrado na figura 13, a porção de exibição 738 mostra informação para os três tipos diferentes de ervas daninhas, que correspondem aos três símbolos mencionados acima. A porção de exibição 738 também inclui um conjunto de atuadores sensíveis ao toque, com os quais o operador 260 pode interagir por toque. Por exemplo, o operador 260 pode tocar os atuadores sensíveis ao toque com um dedo para ativar o respectivo atuador sensível ao toque.

[00166] Uma coluna de sinalização 739 mostra sinalizadores que foram automaticamente ou manualmente ajustados. O atuador de sinalização 740 permite que o operador 260 marque um local, e então adicione informação indicando os tipos de erva daninha que são encontradas no local. Por exemplo, quando o operador 260 atua o atuador de sinalização 740 por tocar o atuador de sinalização 740, o sistema de manipulação de gestos de toque 664 no controlador de interface de operador 231 identifica o local como um no qual cânhamo d'água estava presente. Quando o operador 260 toca o botão 742, o sistema de manipulação de gestos de toque 664 identifica o local como um local no qual rabo-de-raposa verde está presente. Quando o operador 260 toca o botão 744, o sistema de manipulação de gestos de toque 664 identifica o local como um local no qual ambrósia gigante está presente. O sistema de manipulação de gestos de toque 664 também controla o gerador de sinal de controle visual 684 para adicionar um símbolo correspondente ao tipo identificado de erva daninha na porção de exibição de campo 728 em um local que o usuário identifica antes ou depois ou durante a atuação dos botões 740, 742 ou 744.

[00167] A coluna 746 exibe os símbolos correspondentes a cada tipo de erva daninha que está sendo rastreada na porção de exibição de campo 728. A coluna de designador 748 mostra o designador (que pode ser um designador textual ou outro designador) identificando o tipo de erva daninha. Sem limitação, os símbolos de ervas daninhas na coluna 746 e os designadores na coluna 748 podem incluir qualquer característica de exibição, tal como diferentes cores, formatos, padrões, intensidades, texto, ícones, ou outras características de exibição. A coluna 750 mostra os valores característicos de ervas daninhas. No exemplo mostrado na figura 13, os valores característicos de ervas daninhas são valores representativos da densidade de ervas daninhas. Os valores exibidos na coluna 750 podem ser valores preditos ou valores medidos pelos sensores no local 208. Os valores na coluna 750 podem incluir qualquer dos valores de qualquer das propriedades de ervas daninhas incluídas no escopo da intensidade de erva daninha bem como tipo de erva daninha e outros valores. Em um exemplo, o operador 260 pode selecionar a parte particular da porção de exibição de campo 728, para a qual os valores na coluna 750 devem ser exibidos. Assim, os valores na coluna 750 podem corresponder a valores nas porções de exibição 712, 714 ou 730. A coluna 752 exibe valores limites de ação. Os valores limites de ação na coluna 752 podem ser os valores limites correspondentes aos valores medidos na coluna 750. Se os valores medidos na coluna 750 satisfizerem os correspondentes valores limites de ação na coluna 752, então o sistema de controle 214 toma a ação identificada na coluna 754. Em alguns casos, um valor medido pode satisfazer um correspondente valor limite de ação por encontrar ou exceder o correspondente valor limite de ação. Em um exemplo, o operador 260 pode selecionar um valor limite, por exemplo, a fim de alterar o valor limite por tocar o valor limite na coluna 752. Uma vez quando selecionado, o operador 260 pode alterar o valor limite. Os valores limites na coluna 752 podem ser configurados de forma que a ação designada é realizada quando o valor medido 750 excede o valor limite, é igual ao valor limite, ou é menor que o valor limite.

[00168] Similarmente, o operador 260 pode tocar os identificadores de ação na coluna 754 para alterar a ação que deve ser tomada. Quando um limite é encontrado, múltiplas ações podem ser tomadas. Por exemplo, na base da coluna 754, uma ação de reduzir a velocidade 756 e uma ação de aumentar a ventoinha 758 são identificadas como ações que serão tomadas se o valor medido na coluna 750 encontrar o valor limite na coluna 752.

[00169] As ações que podem ser ajustadas na coluna 754 podem ser quaisquer de uma extensa variedade de diferentes tipos de ações. Por exemplo, as ações podem incluir uma ação de manter fora, que, quando executada, inibe a colheitadeira agrícola 100 de colher adicionalmente em uma área. As ações podem incluir a ativação de mitigação que, quando executada, realiza a ação de mitigação, tal como ativação de um destruidor de sementes de ervas daninhas ou um ensacador de sementes de ervas daninhas. As ações podem incluir uma ação de alteração de velocidade que, quando executada, altera a velocidade de deslocamento da colheitadeira agrícola 100 através do campo. As ações podem incluir uma ação de alteração de regulagem para alterar uma regulagem de um atuador interno ou outro WMA ou conjunto de WMAs ou para implementar a ação de alteração de regulagem que altera uma regulagem da plataforma de corte. Esses são somente exemplos, e uma extensa variedade de outras ações é contemplada aqui.

[00170] Os marcadores de exibição mostrados na exibição de interface de usuário 720 podem ser visualmente controlados. O controle visual da exibição de interface 720 pode ser realizado para capturar a atenção do operador 260. Por exemplo, os marcadores de exibição podem ser controlados para modificar a intensidade, cor, ou padrão com o qual os marcadores de exibição são exibidos. Adicionalmente, os marcadores de exibição podem ser controlados para piscar. As alterações descritas à aparência visual dos marcadores de exibição são providas como exemplos. Consequentemente, outros aspectos da aparência visual dos marcadores de exibição podem ser alterados. Por conseguinte, os marcadores de exibição podem ser modificados sob várias circunstâncias de uma maneira desejada a fim de, por exemplo, capturar a atenção do operador 260.

[00171] Várias funções que podem ser realizadas pelo operador 260 usando a exibição de interface de usuário 720 podem também ser realizadas automaticamente, tal como por outros controladores no sistema de controle 214. Por exemplo, quando um tipo diferente de erva daninha é identificado por um sensor no local 208, o controlador de interface de operador 231 pode automaticamente adicionar uma sinalização no local atual da colheitadeira agrícola 100 (o qual corresponde ao local do tipo de erva daninha encontrado) e gerar uma exibição na coluna de sinalização, um correspondente símbolo na coluna de símbolo, e um designador na coluna de designador 748. O controlador de interface de operador 231 pode também gerar um valor medido na coluna 750 e um valor limite na coluna 752 na identificação de um tipo diferente de erva daninha. O controlador de interface de operador 231, ou outro controlador, pode também automaticamente identificar uma ação que é adicionada à coluna 754.

[00172] Retornando agora para o fluxograma da figura 12, a descrição da operação do controlador de interface de operador 231 continua. No bloco 760, o controlador de interface de operador 231 detecta uma entrada regulando uma sinalização e controla a exibição de interface de usuário sensível ao toque 720 para exibir a sinalização na porção de exibição de campo 728. A entrada detectada pode ser uma entrada pelo operador, conforme indicado em 762, ou uma entrada a partir de outro controlador, conforme indicado em 764. No bloco 766, o controlador de interface de operador 231 detecta uma entrada de sensor no local, indicativa de uma característica medida do campo a partir de um dos sensores no local 208. No bloco 768, o gerador de sinal de controle visual 684 gera sinais de controle para controlar a exibição de interface de usuário 720 para exibir atuadores para modificar a exibição de interface de usuário 720 e para modificar o controle de máquina. Por exemplo, o bloco 770 representa que um ou mais dos atuadores para a regulagem ou modificação dos valores nas colunas 739, 746, e 748 podem ser exibidos. Assim, o usuário pode ajustar os sinalizadores e modificar as características daqueles sinalizadores. Por exemplo, um usuário pode modificar os tipos de erva daninha e os designadores de ervas daninhas, correspondentes aos sinalizadores. O bloco 772 representa quais os valores limites de ação na coluna 752 são exibidos. O bloco 776 representa quais as ações na coluna 754 são exibidas, e o bloco 778 representa que o dado no local, medido, na coluna 750, é exibido. O bloco 780 indica que uma extensa variedade de outras informações e atuadores pode ser também exibida na exibição de interface de usuário 720.

[00173] No bloco 782, o sistema de processamento de comando de entrada de operador 654 detecta e processa as entradas de operador correspondentes às interações com a exibição de interface de usuário 720, realizadas pelo operador 260. Quando o mecanismo de interface de usuário, no qual a exibição de interface de usuário 720 é exibida, for uma tela de exibição sensível ao toque, as entradas de interação com a tela de exibição sensível ao toque pelo operador 260 podem ser gestos de toque 784. Em alguns casos, as entradas de interação de operador podem ser entradas usando um dispositivo de apontar e clicar 786 ou outras entradas de interação de operador 788.

[00174] No bloco 790, o controlador de interface de operador 231 recebe sinais indicativos de uma condição de alerta. Por exemplo, o bloco 792 indica que sinais podem ser recebidos pelo sistema de processamento de entrada de controlador 668 indicando que os valores detectados na coluna 750 satisfazem as condições de limite presentes na coluna 752. Conforme explicado anteriormente, as condições de limite podem incluir valores que estão abaixo de um limite, em um limite, ou acima de um limite. O bloco 794 mostra que o gerador de sinal de ação 660 pode, em resposta à recepção de uma condição de alerta, alertar o operador 260 por usar o gerador de sinal de controle visual 684 para gerar alertas visuais, por usar o gerador de sinal de controle de áudio 686 para gerar alertas de áudio, por usar o gerador de sinal de controle táctil 688 para gerar alertas tácteis, ou por usar qualquer combinação destes. Similarmente, conforme indicado pelo bloco 796, o gerador de saída de controlador 670 pode gerar saídas para outros controladores no sistema de controle 214, de forma que aqueles controladores realizem a correspondente ação identificada na coluna 754. O bloco 798 mostra que o controlador de interface de operador 231 pode detectar e processar condições de alerta também de outras maneiras.

[00175] O bloco 900 mostra que o sistema de manipulação de voz 662 pode detectar e processar entradas invocando o sistema de processamento de voz 658. O bloco 902 mostra que a realização do processamento de voz pode incluir o uso do sistema de gerenciamento de diálogo 680 para conduzir um diálogo com o operador 260. O bloco 904 mostra que o processamento de voz pode incluir a provisão de sinais para o gerador de saída de controlador 670 de forma que as operações de controle sejam automaticamente realizadas com base nas entradas de voz

[00176] A tabela 1, abaixo, mostra um exemplo de um diálogo entre controlador de interface de operador 231 e o operador 260. Na tabela 1, o operador 260 usa uma palavra de gatilho ou uma palavra de despertar, que é detectada pelo detector de gatilho 672 para invocar o sistema de processamento de voz 658. No exemplo mostrado na tabela 1, a palavra de despertar é “Johnny”.

Tabela 1

[00177] O operador: “Johnny, fale-me sobre ervas as daninhas atuais “

[00178] O controlador de interface de operador: “Cânhamo d'água está em 65% com o limite de 10%. Rabo-de-raposa verde está em 15% com o limite de 15%. Ambrósia gigante está em 20% com o limite de 25%”.

[00179] O operador: “Johnny, o que devo fazer por causa das ervas daninhas? “

[00180] O controlador de interface de operador: “Cânhamo d'água está demasiadamente alto. Pare de colher nesta região e reduza as sementes de ervas daninhas mais tarde”.

[00181] A tabela 2 mostra um exemplo no qual o componente de síntese de voz 676 provê uma saída para o gerador de sinal de controle de áudio 686 para prover atualizações audíveis em uma base intermitente ou periódica. O intervalo entre atualizações pode ser baseado no tempo, tal como a cada cinco minutos, ou baseado em cobertura ou distância, tal como a cada cinco acres, ou baseado em exceção, tal como quando um valor medido é maior do que um valor limite.

Tabela 2

[00182] O controlador de interface de operador: “Nos últimos 10 minutos, a colheita incluiu 90% de cultivo, 5% de cânhamo d'água, 4% de ambrósia gigante, e 1% de outros”.

[00183] O controlador de interface de operador: “O próximo 1 acre compreende 92% de milho, 5% de cânhamo d'água, e 3% de outros”.

[00184] O controlador de interface de operador: “Aviso: Cânhamo d'água agora é 12%. Pare de colher nesta área”.

[00185] O controlador de interface de operador: “Cautela: Ambrósia agora é 27%. Velocidade de ventoinha de limpeza reduzida para 200 RPM”.

[00186] O exemplo mostrado na tabela 3 ilustra que alguns atuadores ou mecanismos de entrada de usuário na exibição sensível ao toque 720 podem ser suplementados com diálogos de voz. O exemplo na tabela 3 ilustra que o gerador de sinal de ação 660 pode gerar sinais de ação para marcar automaticamente um canteiro de ervas daninhas de cânhamo d'água no campo sendo colhido.

Tabela 3

[00187] Humano: “Johnny, marque o canteiro de ervas daninhas de cânhamo d'água”.

[00188] O controlador de interface de operador: “Canteiro de ervas daninhas de cânhamo d'água marcado”.

[00189] O exemplo mostrado na tabela 4 ilustra que o gerador de sinal de ação 660 pode conduzir um diálogo com o operador 260 para começar e terminar a marcação de um canteiro de ervas daninhas.

Tabela 4

[00190] Humano: “Johnny, comece a marcar o canteiro de ervas daninhas de cânhamo d'água”.

[00191] O controlador de interface de operador: “Marcando o canteiro de ervas daninhas de cânhamo d'água”.

[00192] Humano: “Johnny, pare de marcar o canteiro de ervas daninhas de cânhamo d'água”.

[00193] O controlador de interface de operador: “Marcação de canteiro de ervas daninhas de cânhamo d'água parada”.

[00194] O exemplo mostrado na tabela 5 ilustra que o gerador de sinal de ação 160 pode gerar sinais para marcar um canteiro de ervas daninhas de uma maneira diferente daquelas mostradas nas tabelas 3 e 4.

A tabela 5

[00195] Humano: “Johnny, marcar os próximos 100 pés como canteiro de ervas daninhas de cânhamo d'água”.

[00196] O controlador de interface de operador: “Os próximos 100 pés marcados como canteiro de ervas daninhas de cânhamo d'água”.

[00197] Retornando novamente para a figura 12, o bloco 906 ilustra que o controlador de interface de operador 231 pode detectar e processar condições para fornecer uma mensagem ou outra informação também de outras maneiras. Por exemplo, outro sistema de interação de controlador 656 pode detectar entradas de outros controladores indicando que alertas ou mensagens de saída devem ser apresentados ao operador 260. O bloco 908 mostra que as saídas podem ser mensagens de áudio. O bloco 910 mostra que as saídas podem ser mensagens visuais, e o bloco 912 mostra que as saídas pode ser mensagens tácteis. Até o controlador de interface de operador 231 determinar que a operação de colheita atual está completa, conforme indicado pelo bloco 914, o processamento reverte para o bloco 698, no qual o local geográfico da colheitadeira 100 é atualizado e o processamento prossegue conforme descrito acima para atualizar a exibição de interface de usuário 720.

[00198] Uma vez quando a operação está completa, então quaisquer valores desejados que são exibidos, ou que foram exibidos, na exibição de interface de usuário 720, podem ser salvos. Aqueles valores podem também ser usados na aprendizagem por máquina para melhorar diferentes porções do gerador de modelo preditivo 210, do gerador de mapa preditivo 212, do gerador de zona de controle 213, algoritmos de controle, ou outros itens. O salvamento dos valores desejados é indicado pelo bloco 916. Os valores podem ser salvos localmente na colheitadeira agrícola 100, ou os valores podem ser salvos em um local de servidor remoto ou enviados para outro sistema remoto.

[00199] Pode assim ser visto que o mapa de índice de informação anterior é obtido por uma colheitadeira agrícola e mostra os valores característicos de ervas daninhas em diferentes locais geográficos de um campo sendo colhido. Um sensor no local na colheitadeira sensoreia uma característica que tem valores indicativos de uma característica agrícola quando a colheitadeira agrícola se move através do campo. Um gerador de mapa preditivo gera um mapa preditivo que prediz valores de controle para os diferentes locais no campo com base nos valores da característica de erva daninha no mapa de informação e a característica agrícola sensoreada pelo sensor no local. Um sistema de controle controla o subsistema controlável com base nos valores de controle no mapa preditivo.

[00200] Um valor de controle é um valor no qual uma ação pode ser baseada. Um valor de controle, conforme descrito aqui, pode incluir qualquer valor (ou características indicadas pelo, ou derivadas do, valor), que pode ser usado no controle da colheitadeira agrícola 100. Um valor de controle pode ser qualquer valor indicativo de uma característica agrícola. Um valor de controle pode ser um valor predito, um valor medido, ou um valor detectado. Um valor de controle pode incluir qualquer dos valores providos por um mapa, tais como qualquer dos mapas descritos aqui, por exemplo, um valor de controle pode ser um valor provido por um mapa de informação, um valor provido pelo mapa de informação anterior, ou um valor provido por mapa preditivo, tal como um mapa preditivo funcional. Um valor de controle pode também incluir qualquer das características indicadas pelos, ou derivadas dos, valores detectados por qualquer dos sensores descritos aqui. Em outros exemplos, um valor de controle pode ser provido por um operador da máquina agrícola, tal como uma entrada de comando por um operador da máquina agrícola.

[00201] A presente discussão mencionou processadores e servidores. Em alguns exemplos, os processadores e servidores incluem processadores de computador com memória associada e circuitos de temporização, não separadamente mostrados. Os processadores e servidores são partes funcionais dos sistemas ou dispositivos, aos quais os processadores e servidores pertencem, e pelos quais são ativados, e facilitam a funcionalidade dos outros componentes ou itens naqueles sistemas.

[00202] Também, um número de exibições de interface de usuário foi discutido. As exibições podem assumir uma extensa variedade de diferentes formas e podem ter uma extensa variedade de diferentes mecanismos de interface de operador atuáveis por usuário, dispostos nas mesmas. Por exemplo, os mecanismos de interface de operador atuáveis por usuário podem incluir caixas de texto, caixas de verificação, ícones, conexões, menus pendentes, caixas de pesquisa, etc. Os mecanismos de interface de operador atuáveis por usuário podem também ser atuados em uma extensa variedade de diferentes maneiras. Por exemplo, os mecanismos de interface de operador atuáveis por usuário podem ser atuados usando mecanismos de interface de operador, tais como um dispositivo de apontar e clicar, tal como uma esfera rolante ou Mouse, botões de hardware, interruptores, uma alavanca de controle ou teclado, alavancas livres ou painéis para polegar, etc., um teclado virtual ou outros atuadores virtuais. Além disso, quando a tela na qual os mecanismos de interface de operador atuáveis por usuário são exibidos for uma tela sensível ao toque, os mecanismos de interface de operador atuáveis por usuário podem ser atuados usando gestos de toque. Também, os mecanismos de interface de operador atuáveis por usuário podem ser atuados usando comandos de voz que usam funcionalidade de reconhecimento de voz. O reconhecimento de voz pode ser implementado usando um dispositivo de detecção de voz, tal como um microfone, e software que funciona para reconhecer a voz detectada e executar comandos com base na voz recebida.

[00203] Um número de bancos de dados foi também discutido. Será notado que os bancos de dados podem, cada, ser desmembrados em múltiplos bancos de dados. Em alguns exemplos, um ou mais dos bancos de dados podem ser locais aos sistemas que acessam os bancos de dados, um ou mais dos bancos de dados podem, todos, ser posicionados remotos a um sistema utilizando o armazenamento de dados, ou um ou mais bancos de dados podem ser locais, enquanto outros são remotos. Todas dessas configurações são contempladas pela presente invenção.

[00204] Também, as figuras mostram um número dos blocos com funcionalidade atribuída a cada bloco. Será notado que menos dos blocos podem ser usados para ilustrar que a funcionalidade atribuída a múltiplos diferentes blocos é realizada por menos componentes. Também, mais blocos podem ser usados ilustrando que a funcionalidade pode ser distribuída entre mais componentes. Nos diferentes exemplos, alguma funcionalidade pode ser adicionada, e alguma pode ser removida.

[00205] Será notado que a discussão acima descreveu uma variedade de diferentes sistemas, componentes, lógica e interações. Será apreciado que qualquer ou todos de tais sistemas, componentes, lógica e interações podem ser implementados por itens de hardware, tais como processadores, memória, ou outros componentes de processamento, incluindo, mas não limitados a, componentes de inteligência artificial, tais como redes neuronais, alguns dos quais são descritos abaixo, que realizam as funções associadas com aqueles sistemas, componentes, ou lógica, ou interações. Além disso, qualquer ou todos dos sistemas, componentes, lógica e interações podem ser implementados por software que é carregado em uma memória e é subsequentemente executado por um processador ou servidor ou outro componente de computação, como descrito abaixo. Qualquer ou todos dos sistemas, componentes, lógica e interações podem também ser implementados por diferentes combinações de hardware, software, firmware, etc., alguns exemplos dos quais são descritos abaixo. Esses são alguns exemplos de diferentes estruturas, que podem ser usadas para implementar qualquer ou todos dos sistemas, componentes, lógica e interações, descritos acima. Outras estruturas podem ser também usadas.

[00206] A figura 14 é um diagrama de blocos da colheitadeira agrícola 600, que pode ser similar à colheitadeira agrícola 100 mostrada na figura 2. A colheitadeira agrícola 600 se comunica com elementos em uma arquitetura de servidor remoto 500. Em alguns exemplos, a arquitetura de servidor remoto 500 provê computação, software, acesso de dados, e serviços de armazenamento, que não requerem o conhecimento do usuário final do local físico ou configuração do sistema que fornece os serviços. Em vários exemplos, os servidores remotos podem fornecer os serviços sobre uma rede de área larga, tal como a Internet, usando protocolos apropriados. Por exemplo, os servidores remotos podem fornecer aplicativos sobre uma rede de área larga e podem ser acessíveis através de um navegador da Web ou qualquer outro componente de computação. O software ou componentes mostrados na figura 2 bem como os dados, associados com os mesmos, podem ser armazenados nos servidores em um local remoto. Os recursos de computação em um ambiente de servidor remoto podem ser consolidados em um local de centro de dados remoto, ou os recursos de computação podem ser dispersos para uma pluralidade de centros de dados remotos. As infraestruturas de servidor remoto podem fornecer serviços através de centros de dados compartilhados, mesmo se os serviços aparecerem como um único ponto de acesso para o usuário. Assim, os componentes e funções descritos aqui podem ser providos de um servidor remoto em um local remoto usando uma arquitetura de servidor remoto. Alternativamente, os componentes e funções podem ser providos de um servidor, ou os componentes e funções podem ser instalados em dispositivos de cliente diretamente, ou de outras maneiras.

[00207] No exemplo mostrado na figura 14, alguns itens são similares àqueles mostrados na figura 2 e aqueles itens são similarmente enumerados. A figura 14 especificamente mostra que o gerador de modelo preditivo 210 ou o gerador de mapa preditivo 212, ou ambos, podem ser posicionados em um locar de servidor 502, que é remoto à colheitadeira agrícola 600. Por conseguinte, no exemplo mostrado na figura 14, a colheitadeira agrícola 600 acessa os sistemas através do local de servidor remoto 502.

[00208] A figura 14 também representa outro exemplo de uma arquitetura de servidor remoto. A figura 14 mostra que alguns elementos da figura 2 podem ser dispostos em um local de servidor remoto 502, enquanto outros podem ser posicionados em outro lugar. A título de exemplo, o armazenamento de dados 202 pode ser disposto em um local separado do local 502 e acessado por intermédio do servidor remoto no local 502. Independentemente de onde os elementos são posicionados, os elementos podem ser acessados diretamente pela colheitadeira agrícola 600 através de uma rede tal como uma rede de área larga ou uma rede de área local; os elementos podem ser hospedados em um sítio remoto por um serviço; ou os elementos podem ser providos como um serviço ou acessados por um serviço de conexão que reside em um local remoto. Também, dados podem ser armazenados em qualquer local, e os dados armazenados podem ser acessados por, ou transmitidos para, os operadores, usuários, ou sistemas. Por exemplo, portadores físicos podem ser usados em lugar de, ou em adição a, portadores de ondas eletromagnéticas. Em alguns exemplos, onde á cobertura de serviço de telecomunicação sem fio é deficiente ou inexistente, outra máquina, tal como um caminhão de combustível ou outra máquina móvel ou veículo, pode ter um sistema de coleta de informação automático, semiautomático ou manual. Quando a colheitadeira combinada 600 se aproxima à máquina contendo o sistema de coleta de informação, tal como um caminhão de combustível, antes do abastecimento, o sistema de coleta de informação coleta a informação a partir da colheitadeira combinada 600 usando qualquer tipo de conexão sem fio para essa finalidade. A informação coletada pode então ser transmitida para outra rede, quando a máquina contendo a informação recebida chegar a um local, no qual cobertura de serviço de telecomunicação ou outra cobertura sem fio é disponível. Por exemplo, um caminhão de combustível pode entrar em uma área tendo cobertura de comunicação sem fio quando se desloca para um local para abastecer outras máquinas ou quando está em um local de armazenamento de combustível principal. Todas dessas arquiteturas são contempladas aqui. Adicionalmente, a informação pode ser armazenada na colheitadeira agrícola 600 até a colheitadeira agrícola 600 entrar em uma área tendo cobertura de comunicação sem fio. A colheitadeira agrícola 600, propriamente dita, pode enviar a informação para outra rede.

[00209] Será também notado que os elementos da figura 2, ou porções dos mesmos, podem ser dispostos em uma extensa variedade de diferentes dispositivos. Um ou mais daqueles dispositivos podem incluir um computador a bordo, uma unidade de controle eletrônica, uma unidade de exibição, um servidor, um computador de mesa, um computador portátil, um computadortablete, ou outro dispositivo mão, tal como um computador de bolso, um telefone celular, um telefone inteligente, um reprodutor de multimídia, um assistente digital pessoal, etc.

[00210] Em alguns exemplos, a arquitetura de servidor remoto 500 pode incluir medidas de ciber segurança. Sem limitação, essas medidas podem incluir codificação de dados nos dispositivos de armazenamento, codificação de dados enviados entre os nós de rede, autenticação de pessoas ou processos acessando dados, bem como o uso de registros para gravar metadados, dados, transferências de dados, acessos de dados, e transformações de dados. Em alguns exemplos, os registros podem ser distribuídos e imutáveis (por exemplo, implementados como cadeia de blocos).

[00211] A figura 15 é um diagrama de blocos simplificado de um exemplo ilustrativo de um dispositivo de computação portátil ou móvel, que pode ser usado como um dispositivo portátil 16 do usuário ou do cliente, no qual o presente sistema (ou partes do mesmo) pode ser implementado. Por exemplo, um dispositivo móvel pode ser implementado no compartimento do operador da colheitadeira agrícola 100 para uso na geração de, processamento, ou exibição dos mapas discutidos acima. As figuras 16 e 17 são exemplos de dispositivos portáteis ou móveis.

[00212] A figura 15 provê um diagrama de blocos geral dos componentes de um dispositivo de cliente 16 que pode rodar alguns componentes mostrados na figura 2, que interagem com os mesmos, ou ambos. No dispositivo 16, uma conexão de comunicações 13 é provida, que permite ao dispositivo portátil se comunicar com outros dispositivos de computação e, em alguns exemplos, provê um canal para receber informação automaticamente, tal como por varredura. Exemplos de conexão de comunicações 13 incluem a permissão de comunicação através de um ou mais protocolos de comunicação, tais como serviços sem fios usados para prover acesso celular a uma rede, bem como protocolos que provêm conexões sem fio locais às redes.

[00213] Em outros exemplos, aplicativos podem ser recebidos em um cartão Secure Digital (SD) removível, que é conectado a uma interface 15. A interface 15 e conexões de comunicação 13 se comunicam com um processador 17 (o qual pode também incorporar processadores ou servidores das outras figuras) ao longo de um barramento 19 que é também conectado à memória 21 e componentes de entrada/saída (E/S)23, bem como o relógio 25 e o sistema de localização 27.

[00214] Os componentes de E/S 23, em um exemplo, são providos para facilitar as operações de entrada e saída. Os componentes de E/S 23 para vários exemplos do dispositivo 16 podem incluir componentes de entrada, tais como botões, sensores de toque, sensores ópticos, microfones, telas sensíveis ao toque, sensores de proximidade, acelerômetros, sensores de orientação, e componentes de saída, tais como um dispositivo de exibição, um alto-falante, e ou uma porta de impressora. Outros componentes de E/S 23 podem ser também usados.

[00215] O relógio 25 ilustrativamente compreende um componente de relógio de tempo real, que fornece hora e data. Ele pode também, ilustrativamente, prover funções de temporização para o processador 17.

[00216] O sistema de localização 27 ilustrativamente inclui um componente que fornece um local geográfico atual do dispositivo 16. Esse pode incluir, por exemplo, um receptor de sistema de posicionamento global (GPS), um sistema LORAN, um sistema de reconhecimento passivo, um sistema de triangulação celular ou outro sistema de posicionamento. O sistema de localização 27 pode também incluir, por exemplo, software de mapeamento ou software de navegação que gera os desejados mapas, rotas de navegação e outras funções geográficas.

[00217] A memória 21 armazena o sistema operacional 29, regulagens de rede 31, aplicativos 33, regulagens de configuração de aplicativo 35, armazenamento de dados 37, controladores de comunicação 39, e regulagens de configuração de comunicação 41. A memória 21 pode incluir todos os tipos de dispositivos de memória legíveis por computador voláteis e não voláteis tangíveis. A memória 21 pode também incluir meios de armazenamento de computador (descritos abaixo). A memória 21 armazena instruções legíveis por computador que, quando executadas pelo processador 17, fazem com que o processador realize as etapas ou funções implementadas por computador de acordo com as instruções. O processador 17 pode ser também ativado por outros componentes para facilitar sua funcionalidade.

[00218] A figura 16 mostra um exemplo, no qual o dispositivo 16 é um computador-tablete 600. Na figura 16, o computador 601 é mostrado com a tela de exibição de interface de usuário 602. A tela 602 pode ser uma tela sensível ao toque ou uma interface habilitada por caneta, que recebe entradas a partir de uma caneta ou estilete. O computador-tablete 600 pode também usar um teclado virtual na tela. Evidentemente, o computador 601 poderia também ser afixado a um teclado ou a outro dispositivo de entrada de usuário através de um mecanismo de afixação apropriado, tal como uma conexão sem fio ou porta USB, por exemplo. O computador 601 pode também ilustrativamente receber também entradas de voz.

[00219] A figura 17 é similar à figura 16, exceto que o dispositivo é um telefone inteligente 71. O telefone inteligente 71 tem uma exibição sensível ao toque 73 que exibe ícones ou azulejos ou outros mecanismos de entrada de usuário 75. Os mecanismos 75 podem ser usados por um usuário para rodar aplicativos, fazer chamadas, realizar operações de transferência de dados, etc. Em geral, o telefone inteligente 71 é construído com um sistema operacional móvel e oferece capacidade de computação e conectividade mais avançadas do que um telefone comum.

[00220] Note que outras formas dos dispositivos 16 são possíveis.

[00221] A figura 18 é um exemplo de um ambiente de computação, em que os elementos da figura 2 podem ser implementados. Com referência à figura 18, um sistema de exemplo para implementar algumas modalidades inclui um dispositivo de computação na forma de um computador 810 programado para operar conforme discutido acima. Os componentes do computador 810 podem incluir, mas não são limitados a, uma unidade de processamento 820 (que pode compreender processadores ou servidores das figuras anteriores), uma memória de sistema 830, e um barramento de sistema 821 que acopla vários componentes de sistema incluindo a memória de sistema à unidade de processamento 820. O barramento de sistema 821 pode ser qualquer de vários tipos de estruturas de barramento incluindo um barramento de memória ou controlador de memória, um barramento periférico, e um barramento local usando qualquer de uma variedade de arquiteturas de barramento. A memória e programas descritos com relação à figura 2 podem ser implementados em correspondentes porções da figura 18.

[00222] O computador 810 tipicamente inclui uma variedade de meios legíveis por computador. Os meios legíveis por computador podem ser quaisquer meios disponíveis que podem ser acessados pelo computador 810 e incluem tanto meios voláteis quanto meios não voláteis, meios removíveis e não removíveis. A título de exemplo, e não limitação, os meios legíveis por computador podem compreender meios de armazenamento de computador e meios de comunicação. O meio de armazenamento de computador é diferente de, e não inclui, um sinal de dado modulado ou onda portadora. Os meios legíveis por computador incluem meios de armazenamento de hardware incluindo meios removíveis e não removíveis, tanto voláteis quanto não voláteis, implementados em qualquer método ou tecnologia para o armazenamento de informação, tais como instruções legíveis por computador, estruturas de dados, módulos de programa ou outros dados. Os meios de armazenamento de computador incluem, mas não são limitados a, RAM, ROM, EEPROM, memória flash ou outra tecnologia de memória, CD-ROM, discos versáteis digitais (DVD) ou outro armazenamento por disco óptico, cassetes magnéticos, fita magnética, armazenamento por disco magnético ou outros dispositivos de armazenamento magnéticos ou qualquer outro meio que pode ser usado para armazenar a informação desejada e que pode ser acessado pelo computador 810. Os meios de comunicação podem incorporar instruções legíveis por computador, estruturas de dados, módulos de programa ou outros dados em um mecanismo de transporte e incluem qualquer meio de para fornecimento de informação. O termo “sinal de dado modulado” significa um sinal que tem um ou mais de suas características ajustadas ou alteradas de uma tal maneira a codificar informação no sinal.

[00223] A memória de sistema 830 inclui meios de armazenamento de computador na forma de memória volátil e/ou não volátil, ou ambas, tais como memória exclusivamente de leitura (ROM) 831 e memória de acesso aleatório (RAM) 832. Um sistema de entrada/saída básico 833 (BIOS), contendo as rotinas básicas que ajudam a transferir informação entre elementos dentro do computador 810, tal como durante a inicialização, é tipicamente armazenado na ROM 831. A RAM 832 tipicamente contém dados de módulo ou de programa, ou ambos, que são imediatamente acessíveis a, e/ou atualmente sendo operados pela unidade de processamento 820. A título de exemplo, e não limitação, a figura 10 ilustra o sistema operacional 834, programas de aplicativo 835, outros módulos de programa 836, e dados de programa 837.

[00224] O computador 810 pode também incluir outros meios de armazenamento de computador voláteis/não voláteis, removíveis/não removíveis. Somente a título de exemplo, a figura 18 ilustra uma unidade de disco rígido 841 que lê a partir de, ou inscreve em, os meios magnéticos não voláteis, não removíeis, uma unidade de disco óptico 855, e disco óptico não volátil 856. A unidade de disco rígido 841 é tipicamente conectada ao barramento de sistema 821 através de uma interface de memória não removível, tal como a interface 840, e a unidade de disco óptico 855 é tipicamente conectada ao barramento de sistema 821 por uma interface de memória removível, tal como a interface 850.

[00225] Alternativamente ou em adição, a funcionalidade descrita aqui pode ser realizada, pelo menos em parte, por um ou mais componentes lógicos de hardware. Por exemplo, e sem limitação, tipos ilustrativos de componentes lógicos de hardware que podem ser usados redes de portas lógicas programáveis (FPGAs), circuitos integrados específicos de aplicação (por exemplo, ASICs), produtos normalizados para aplicação específica (por exemplo, ASSPs), sistemas com sistemas em uma pastilha (SOCs), dispositivos lógicos programáveis complexos (CPLDs), etc.

[00226] Os controladores e seus meios de armazenamento de computador associados, discutidos acima e ilustrados na figura 18, provêm o armazenamento de instruções legíveis por computador, estruturas de dado, módulos de programa e outros dados para o computador 810. Na figura 18, por exemplo, a unidade de disco rígido 841 é ilustrada como armazenando o sistema operacional 844, programas de aplicativo 845, outros módulos de programa 846, e dados de programa 847. Note que esses componentes podem ou ser os mesmos que, ou diferentes do, o sistema operacional 834, programas de aplicativo 835, outros módulos de programa 836, e dados de programa 837.

[00227] Um usuário pode alimentar comandos e informação ao computador 810 através de dispositivos de entrada, tais como um teclado 862, um microfone 863, e um dispositivo de apontar 861, tal como um Mouse, esfera rolante ou painel de controle sensível ao toque. Outros dispositivos de entrada (não mostrados) podem incluir uma alavanca de controle, painel de jogos, antena parabólica para satélite, escâner ou similar. Esses e outros dispositivos de entrada são frequentemente conectados à unidade de processamento 820 através de uma interface de entrada de usuário 860, que é acoplada ao barramento de sistema, mas pode ser conectada por outra interface e outras estruturas de barramento. Uma exibição visual 891 ou outro tipo de dispositivo de exibição é também conectado ao barramento de sistema 821 por intermédio de uma interface, tal como uma interface de vídeo 890. Em adição ao monitor, os computadores podem também incluir outros dispositivos de saída periféricos, tais como os alto-falantes 897 e impressora 896, que podem ser conectados através de uma interface periférica de saída 895.

[00228] O computador 810 é operado em um ambiente conectado em rede usando conexões lógicas (tais como uma rede de área de controlador – CAN, rede de área local – LAN ou rede de área larga WAN) a um ou mais computadores remotos, tais como um computador remoto 880.

[00229] Quando usado em um ambiente conectado em rede LAN, o computador 810 é conectado à LAN 871 através de uma interface de rede ou adaptador 870. Quando usado em um ambiente conectado em rede WAN, o computador 810 tipicamente inclui um Modem 872 ou outros meios para estabelecer comunicações sobre a WAN 873, tal como a Internet. Em um ambiente conectado em rede, os módulos de programa podem ser armazenados em um dispositivo de armazenamento de memória remoto. A figura 10 ilustra, por exemplo, que programas de aplicativo remotos 885 podem residir no computador remoto 880.

[00230] Deve também ser notado que os diferentes exemplos descritos aqui podem ser combinados de maneiras diferentes. Isto é, partes de um ou mais exemplos podem ser combinadas com partes de um ou mais outros exemplos. Tudo disso é contemplado aqui.

[00231] Exemplo 1 é uma máquina de trabalho agrícola compreendendo: um sistema de comunicação que recebe um mapa de informação anterior que inclui valores de uma primeira característica agrícola correspondente a diferentes localizações geográficas em um campo; um sensor de posição geográfica que detecta uma localização geográfica da máquina de trabalho agrícola; um sensor in situ que detecta um valor de uma segunda característica agrícola correspondente à localização geográfica; um gerador de modelo preditivo que gera um modelo agrícola preditivo que modela um relacionamento entre a primeira característica agrícola e a segunda característica agrícola com base em um valor da primeira característica agrícola no mapa de informação anterior na localização geográfica e um valor da segunda característica agrícola sensoreado pelo sensor in situ na localização geográfica; e um gerador de mapa preditivo que gera um mapa agrícola preditivo funcional do campo, que mapeia valores preditivos da segunda característica agrícola para as diferentes localizações geográficas no campo, com base nos valores da primeira característica agrícola no mapa de informação anterior e com base no modelo agrícola preditivo.

[00232] O exemplo 2 é a máquina de trabalho agrícola de acordo com qualquer um ou todos dos exemplos anteriores, em que o gerador de mapa preditivo configura o mapa agrícola preditivo funcional para consumo por um sistema de controle que gera sinais de controle para controlar um subsistema controlável na máquina de trabalho agrícola com base no mapa agrícola preditivo funcional.

[00233] O exemplo 3 é a máquina de trabalho agrícola de acordo com qualquer um ou todos dos exemplos anteriores, em que o sensor in situ na máquina de trabalho agrícola é configurado para detectar, como o valor da segunda característica agrícola, uma característica de erva daninha correspondente à localização geográfica.

[00234] O exemplo 4 é a máquina de trabalho agrícola de acordo com qualquer um ou todos dos exemplos anteriores, em que aquele sensor in situ compreende: um detector de imagem configurado para detectar uma imagem indicativa da característica de erva daninha.

[00235] O exemplo 5 é a máquina de trabalho agrícola de acordo com qualquer um ou todos dos exemplos anteriores, em que o detector de imagem é orientado para detectar uma imagem próxima à máquina de trabalho agrícola e compreende adicionalmente: um sistema de processamento de imagem que é configurado para processar a imagem para identificar a característica de erva daninha na imagem.

[00236] O exemplo 6 é a máquina de trabalho agrícola de acordo com qualquer um ou todos dos exemplos anteriores, em que o sensor in situ gera um sinal de sensor indicativo da característica de erva daninha e compreende adicionalmente: um sistema de processamento que recebe o sinal de sensor e é configurado para identificar, como a característica de erva daninha, um valor de intensidade de ervas daninhas indicativo de uma intensidade de ervas daninhas na localização geográfica.

[00237] O exemplo 7 é a máquina de trabalho agrícola de acordo com qualquer um ou todos dos exemplos anteriores, em que o sensor in situ gera um sinal de sensor indicativo da característica de erva daninha e compreende adicionalmente: um sistema de processamento que recebe o sinal de sensor e é configurado para identificar, como a característica de erva daninha, um valor de característica de tipo de erva daninha indicativo de um tipo de ervas daninhas na localização geográfica.

[00238] O exemplo 8 é a máquina de trabalho agrícola de acordo com qualquer um ou todos dos exemplos anteriores, em que o detector de imagem é configurado para capturar uma imagem que inclui pelo menos uma semente de erva daninha processada pela máquina de trabalho agrícola, e em que o sistema de processamento de imagem é configurado para identificar um valor de intensidade de ervas daninhas, indicativo de uma intensidade de ervas daninhas na localização geográfica ou um valor do tipo de erva daninha, indicativo de um tipo de erva daninha na localização geográfica, com base na imagem de pelo menos uma semente de erva daninha.

[00239] O exemplo 9 é a máquina de trabalho agrícola de acordo com qualquer um ou todos dos exemplos anteriores, em que o mapa de informação anterior compreende um mapa de índice vegetativo anterior que mapeia, como a primeira característica agrícola, valores de índice vegetativo para as diferentes localizações geográficas no campo, e em que o gerador de modelo preditivo é configurado para identificar relacionamento entre valores de índice vegetativo e a característica de erva daninha com base no valor de característica de erva daninha detectado na localização geográfica e no valor de índice vegetativo, no mapa de índice vegetativo, na localização geográfica, dito modelo agrícola preditivo sendo configurado para receber um valor de índice vegetativo como uma entrada de modelo e gerar um valor de característica de erva daninha como uma saída de modelo com base no relacionamento identificado.

[00240] O exemplo 10 é a máquina de trabalho agrícola de acordo com qualquer um ou todos dos exemplos anteriores, em que o mapa de informação anterior compreende um mapa de índice vegetativo anterior que mapeia, como a primeira característica agrícola, valores de índice vegetativo para as diferentes localizações geográficas no campo, e em que o gerador de modelo preditivo é configurado para identificar relacionamento entre valores de índice vegetativo e característica de intensidade de ervas daninhas com base no valor de intensidade de ervas daninhas detectado na localização geográfica e no valor de índice vegetativo, no mapa de índice vegetativo, na localização geográfica, o modelo agrícola preditivo sendo configurado para receber um valor de índice vegetativo como uma entrada de modelo e gerar um valor de intensidade de ervas daninhas como uma saída de modelo com base no relacionamento identificado.

[00241] O exemplo 11 é a máquina de trabalho agrícola de acordo com qualquer um ou todos dos exemplos anteriores, em que o mapa de informação anterior compreende um mapa de índice vegetativo anterior que mapeia, como a primeira característica agrícola, valores de índice vegetativo para o campo e em que o gerador de modelo preditivo é configurado para identificar um relacionamento entre os valores de índice vegetativo e característica do tipo de erva daninha com base no valor do tipo de erva daninha detectado na localização geográfica e no valor de índice vegetativo, no mapa de índice vegetativo, na localização geográfica, o modelo agrícola preditivo sendo configurado para receber um valor de índice vegetativo como uma entrada de modelo e gerar um valor do tipo de erva daninha como uma saída de modelo com base no relacionamento identificado.

[00242] Exemplo 12 é um método implementado por computador para gerar um mapa agrícola preditivo funcional compreendendo: receber um mapa de informação anterior, em uma máquina de trabalho agrícola, o qual indica valores de uma primeira característica agrícola correspondente a diferentes localizações geográficas em um campo; detectar uma localização geográfica da máquina de trabalho agrícola; detectar, com um sensor in situ, um valor de uma segunda característica agrícola correspondente à localização geográfica; gerar um modelo agrícola preditivo que serve para modelar um relacionamento entre a primeira característica agrícola e a segunda característica agrícola; e controlar um gerador de mapa preditivo para gerar o mapa agrícola preditivo funcional do campo, que mapeia valores preditivos da segunda característica agrícola para as diferentes localizações no campo com base nos valores da primeira característica agrícola no mapa de informação anterior e o modelo agrícola preditivo.

[00243] O exemplo 13 é o método implementado por computador de acordo com qualquer um ou todos dos exemplos anteriores, que compreende: configurar o mapa agrícola preditivo funcional para um sistema de controle que gera sinais de controle para controlar um subsistema controlável na máquina de trabalho agrícola com base no mapa agrícola preditivo funcional.

[00244] O exemplo 14 é o método implementado por computador de acordo com qualquer um ou todos dos exemplos anteriores, em que detectar, com um sensor in situ, um valor da segunda característica agrícola compreende detectar uma característica de erva daninha correspondente àquela localização geográfica, e em que receber o mapa de informação anterior compreende receber um mapa de índice vegetativo anterior que mapeia, como a primeira característica agrícola, valores de índice vegetativo para as diferentes localizações geográficas no campo.

[00245] Exemplo 15 é uma máquina de trabalho agrícola compreendendo: um sistema de comunicação que recebe um mapa de índice vegetativo anterior que indica valores de índice vegetativo correspondentes a diferentes localizações geográficas em um campo; um sensor de posição geográfica que detecta uma localização geográfica da máquina de trabalho agrícola; um sensor in situ que detecta um valor de característica de erva daninha, de uma característica de erva daninha, correspondente à localização geográfica; um gerador de modelo preditivo que gera um modelo de erva daninha preditivo que modela um relacionamento entre os valores de índice vegetativo e a característica de erva daninha com base em um valor de índice vegetativo no mapa de índice vegetativo anterior na localização geográfica e no valor de característica de erva daninha sensoreado pelo sensor in situ naquela localização geográfica; e um gerador de mapa preditivo que gera um mapa de erva daninha preditivo funcional do campo, que mapeia valores de característica de erva daninha preditivos para as diferentes localizações no campo, com base nos valores de índice vegetativo no mapa de índice vegetativo anterior e com base no modelo de erva daninha preditivo.

[00246] Embora a matéria tenha sido descrita em linguagem específica às características estruturais ou atos metodológicos, deve ser entendido que a matéria definida nas reivindicações anexas não é necessariamente limitada às características ou atos específicos descritos acima. Pelo contrário, características e atos específicos descritos acima são descritos como formas de exemplo das reivindicações.

Claims (15)

1. Máquina de trabalho agrícola (100), caracterizada pelo fato de que compreende: um sistema de comunicação (206) que recebe um mapa de informação anterior (258) que inclui valores de uma primeira característica agrícola correspondente a diferentes localizações geográficas em um campo; um sensor de posição geográfica (204) que detecta uma localização geográfica da máquina de trabalho agrícola (100); um sensor in situ (208) que detecta um valor de uma segunda característica agrícola correspondente à localização geográfica; um gerador de modelo preditivo (210) que gera um modelo agrícola preditivo que modela um relacionamento entre a primeira característica agrícola e a segunda característica agrícola com base em um valor da primeira característica agrícola no mapa de informação anterior (258) na localização geográfica e um valor da segunda característica agrícola sensoreado pelo sensor in situ (208) na localização geográfica; e um gerador de mapa preditivo (212) que gera um mapa agrícola preditivo funcional do campo, que mapeia valores preditivos da segunda característica agrícola para as diferentes localizações geográficas no campo, com base nos valores da primeira característica agrícola no mapa de informação anterior (258) e com base no modelo agrícola preditivo.
2. Máquina de trabalho agrícola de acordo com a reivindicação 1, caracterizada pelo fato de que o gerador de mapa preditivo configura o mapa agrícola preditivo funcional para consumo por um sistema de controle que gera sinais de controle para controlar um subsistema controlável na máquina de trabalho agrícola com base no mapa agrícola preditivo funcional.
3. Máquina de trabalho agrícola de acordo com a reivindicação 1, caracterizada pelo fato de que o sensor in situ na máquina de trabalho agrícola é configurado para detectar, como o valor da segunda característica agrícola, uma característica de erva daninha correspondente à localização geográfica.
4. Máquina de trabalho agrícola de acordo com a reivindicação 3, caracterizada pelo fato de que o sensor in situ compreende: um detector de imagem configurado para detectar uma imagem indicativa da característica de erva daninha.
5. Máquina de trabalho agrícola de acordo com a reivindicação 4, caracterizada pelo fato de que o detector de imagem é orientado para detectar uma imagem próxima à máquina de trabalho agrícola e compreende adicionalmente: um sistema de processamento de imagem que é configurado para processar a imagem para identificar a característica de erva daninha na imagem.
6. Máquina de trabalho agrícola de acordo com a reivindicação 3, caracterizada pelo fato de que o sensor in situ gera um sinal de sensor indicativo da característica de erva daninha e compreende adicionalmente: um sistema de processamento que recebe o sinal de sensor e é configurado para identificar, como a característica de erva daninha, um valor de intensidade de ervas daninhas indicativo de uma intensidade de ervas daninhas na localização geográfica.
7. Máquina de trabalho agrícola de acordo com a reivindicação 3, caracterizada pelo fato de que o sensor in situ gera um sinal de sensor indicativo da característica de erva daninha e compreende adicionalmente: um sistema de processamento que recebe o sinal de sensor e é configurado para identificar, como a característica de erva daninha, um valor de característica de tipo de erva daninha indicativo de um tipo de ervas daninhas na localização geográfica.
8. Máquina de trabalho agrícola de acordo com a reivindicação 5, caracterizada pelo fato de o detector de imagem ser configurado para capturar uma imagem que inclui pelo menos uma semente de erva daninha processada pela máquina de trabalho agrícola, e em que dito sistema de processamento de imagem é configurado para identificar um valor de intensidade de ervas daninhas, indicativo de uma intensidade de ervas daninhas na localização geográfica ou um valor do tipo de erva daninha, indicativo de um tipo de erva daninha na localização geográfica, com base na imagem de pelo menos uma semente de erva daninha.
9. Máquina de trabalho agrícola de acordo com a reivindicação 3, caracterizada pelo fato de que o mapa de informação anterior compreende um mapa de índice vegetativo anterior que mapeia, como a primeira característica agrícola, valores de índice vegetativo para as diferentes localizações geográficas no campo, e em que o gerador de modelo preditivo é configurado para identificar um relacionamento entre os valores de índice vegetativo e a característica de erva daninha com base no valor de característica de erva daninha detectado na localização geográfica e no valor de índice vegetativo, no mapa de índice vegetativo, na localização geográfica, o referido modelo agrícola preditivo sendo configurado para receber um valor de índice vegetativo como uma entrada de modelo e gerar um valor de característica de erva daninha como uma saída de modelo com base no relacionamento identificado.
10. Máquina de trabalho agrícola de acordo com a reivindicação 6, caracterizada pelo fato de que o mapa de informação anterior compreende um mapa de índice vegetativo anterior que mapeia, como a primeira característica agrícola, valores de índice vegetativo para as diferentes localizações geográficas no campo, e em que o gerador de modelo preditivo é configurado para identificar um relacionamento entre os valores de índice vegetativo e a característica de intensidade de ervas daninhas com base no valor de intensidade de ervas daninhas detectado na localização geográfica e no valor de índice vegetativo, no mapa de índice vegetativo, na localização geográfica, o modelo agrícola preditivo sendo configurado para receber um valor de índice vegetativo como uma entrada de modelo e gerar um valor de intensidade de ervas daninhas como uma saída de modelo com base no relacionamento identificado.
11. Máquina de trabalho agrícola de acordo com a reivindicação 7, caracterizada pelo fato de que o mapa de informação anterior compreende um mapa de índice vegetativo anterior que mapeia, como a primeira característica agrícola, valores de índice vegetativo para o campo e em que o gerador de modelo preditivo é configurado para identificar um relacionamento entre os valores de índice vegetativo e característica do tipo de erva daninha com base no valor do tipo de erva daninha detectado na localização geográfica e no valor de índice vegetativo, no mapa de índice vegetativo, na localização geográfica, o modelo agrícola preditivo sendo configurado para receber um valor de índice vegetativo como uma entrada de modelo e gerar um valor do tipo de erva daninha como uma saída de modelo com base no relacionamento identificado.
12. Método implementado por computador para gerar um mapa agrícola preditivo funcional, caracterizado pelo fato de que compreende: receber um mapa de informação anterior (258), numa máquina de trabalho agrícola (100), o qual indica valores de uma primeira característica agrícola correspondente a diferentes localizações geográficas em um campo; detectar uma localização geográfica da máquina de trabalho agrícola (100); detectar, com um sensor in situ (208), um valor de uma segunda característica agrícola correspondente à localização geográfica; gerar um modelo agrícola preditivo que serve para modelar um relacionamento entre a primeira característica agrícola e a segunda característica agrícola; e controlar um gerador de mapa preditivo (212) para gerar o mapa agrícola preditivo funcional do campo, que mapeia valores preditivos da segunda característica agrícola para as diferentes localizações no campo com base nos valores da primeira característica agrícola no mapa de informação anterior (258) e o modelo agrícola preditivo.
13. Método implementado por computador de acordo com a reivindicação 12, caracterizado pelo fato de que compreende adicionalmente: configurar o mapa agrícola preditivo funcional para um sistema de controle que gera sinais de controle para controlar um subsistema controlável na máquina de trabalho agrícola com base no mapa agrícola preditivo funcional.
14. Método implementado por computador de acordo com a reivindicação 12, caracterizado pelo fato de que detectar, com um sensor in situ, um valor da segunda característica agrícola compreende detectar uma característica de erva daninha correspondente à localização geográfica, e em que receber o mapa de informação anterior compreende receber um mapa de índice vegetativo anterior que mapeia, como a primeira característica agrícola, valores de índice vegetativo para as diferentes localizações geográficas no campo.
15. Máquina de trabalho agrícola (100), caracterizada pelo fato de que compreende: um sistema de comunicação (206) que recebe um mapa de índice vegetativo anterior (332) que indica valores de índice vegetativo correspondentes a diferentes localizações geográficas em um campo; um sensor de posição geográfica (204) que detecta uma localização geográfica da máquina de trabalho agrícola (100); um sensor in situ (208) que detecta um valor de característica de erva daninha, de uma característica de erva daninha, correspondente à localização geográfica; um gerador de modelo preditivo (210) que gera um modelo de erva daninha preditivo que modela um relacionamento entre os valores de índice vegetativo e a característica de erva daninha com base em um valor de índice vegetativo no mapa de índice vegetativo anterior (332) na localização geográfica e no valor de característica de erva daninha sensoreado pelo sensor in situ (208) na localização geográfica; e um gerador de mapa preditivo (212) que gera um mapa de erva daninha preditivo funcional do campo, que mapeia valores de característica de erva daninha preditivos para as diferentes localizações no campo, com base nos valores de índice vegetativo no mapa de índice vegetativo anterior (332) e com base no modelo de erva daninha preditivo.

Images