CN106461807B - 生成农业处方 - Google Patents
生成农业处方 Download PDFInfo
- Publication number
- CN106461807B CN106461807B CN201580021214.XA CN201580021214A CN106461807B CN 106461807 B CN106461807 B CN 106461807B CN 201580021214 A CN201580021214 A CN 201580021214A CN 106461807 B CN106461807 B CN 106461807B
- Authority
- CN
- China
- Prior art keywords
- data
- agricultural
- equipment
- agriculture
- current live
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01B—SOIL WORKING IN AGRICULTURE OR FORESTRY; PARTS, DETAILS, OR ACCESSORIES OF AGRICULTURAL MACHINES OR IMPLEMENTS, IN GENERAL
- A01B79/00—Methods for working soil
- A01B79/005—Precision agriculture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
- G06N7/06—Simulation on general purpose computers
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Soil Sciences (AREA)
- Environmental Sciences (AREA)
- Mechanical Engineering (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Molecular Biology (AREA)
- Computational Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Fuzzy Systems (AREA)
- Biomedical Technology (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Computational Linguistics (AREA)
Abstract
一种方法始于由农业装备收集关于农业区域的当前现场采集的农业数据并且发送当前现场采集的农业数据的至少代表至主机设备。该方法继续以主机设备处理以下各项中的一项或多项来产生农业区域的当前农业预测:当前现场采集的农业数据的至少代表、当前场外采集的农业数据、历史现场采集的农业数据、历史场外采集的农业数据、以及关于农业区域的农业预测的历史分析。该方法继续以主机设备基于当前农业预测来生成关于农业区域的至少一部分的农业处方并且发送农业处方至农业装备中的一个或多个。
Description
相关专利的交叉引用
本申请要求于2014年4月21日提交的、题为“OPTIMIZATION OFAN AGRICULTURALLIFE CYCLE(农业生命周期的优化)”的美国临时申请序列号61/981,909以及于2015年4月20日提交的、题为“GENERATING AN AGRICULTURE PRESCRIPTION(生成农业处方)”的美国实用申请序列号14/691,280的优先权,这二者通过引用被全部结合于此并且成为本申请的一部分用于所有用途。
关于联邦赞助的研究或开发的声明——不适用
以光盘形式递交的材料的引用并入——不适用
技术领域
本发明总体涉及农业中使用的计算系统,并且更具体地涉及使用计算系统来规定农业生命周期的各方面以提供农业生命周期的改进结果。
背景技术
众所周知,农业包括耕种植物以维持和增强人类生活。耕种植物包括执行农业生命周期的众多步骤,例如土地管理、灌溉、施肥、种植和收割。农业生命周期的效率可取决于对于执行众多步骤的过程控制,并且还取决于许多条件,例如可用光照、水有效性、温度范围、风速、土壤类型、土壤养分、以及其它因素。
计算设备据知用于收集数据、存储数据、处理数据、以及传送数据。计算设备的示例包括嵌入式农用设施电子器件、智能电话、平板计算机、膝上型计算机、个人计算机、存储服务器、和/或数据处理服务器。基本上,包括计算单元、一个或多个接口、和存储器系统的任何设备可被认为是计算设备。
还知道,计算设备可被利用以收集与农业生命周期相关联的数据并且处理收集到的数据。这样经处理的数据可被利用以理解与农业生命周期的有效性相关联的因果关系。
附图说明
图1是根据本发明的计算系统的实施例的示意性框图;
图2是根据本发明示出多个地理区域的实施例的图示;
图3是根据本发明示出多个子地理区域的实施例的图示;
图4是根据本发明的用户设备的实施例的示意性框图;
图5是根据本发明的计算系统的另一实施例的示意性框图;
图6是根据本发明示出针对相关联的地理区域的驾驶路径的实施例的图示;
图7是根据本发明示出用户设备和沿驾驶路径的轨道之间的关系的图示;
图8是根据本发明示出数据记录的示例性结构的图示;
图9是根据本发明的应用单元和相关的存储单元的实施例的示意性框图;
图10是根据本发明示出针对相关联的地理区域的驾驶路径的另一实施例的图示;
图11是根据本发明示出用户设备、执行器组、和沿驾驶路径的轨道间的关系的图示;
图12A和12B是根据本发明的计算系统的另一实施例的示意性框图;
图12C是根据本发明示出生成农业处方的示例的流程图;
图12D是根据本发明的计算系统的另一实施例的示意性框图;
图12E是根据本发明示出针对相关联的地理区域的驾驶路径的另一实施例的图示;
图12F-G是根据本发明示出针对相关联的地理区域的地形图的示例的图示;
图12H是根据本发明示出识别地形异常的示例的流程图;
图13A是根据本发明的应用处理模块的实施例的示意性框图;
图13B是根据本发明产生超级区域分析的示例的图示;
图13C是根据本发明产生超级区域分析概要的示例的图示;
图13D是根据本发明示出产生针对地理区域的农业处方的示例的图示;
图13E是根据本发明示出生成农业处方的示例的流程图;
图14A是根据本发明的应用处理模块的另一实施例的示意性框图;
图14B是根据本发明示出驾驶路径农业处方的示例的图示;
图14C是根据本发明示出生成针对地理区域的农业处方的另一示例的流程图;
图15A是根据本发明示出用户设备和沿驾驶路径的轨道之间的另一关系的图示;
图15B是根据本发明的应用处理模块的另一实施例的示意性框图;
图15C是根据本发明示出对地理区域内的对象进行数字化的示例的流程图;
图16A是根据本发明的应用处理模块的另一实施例的示意性框图;
图16B是根据本发明示出驾驶速度农业处方的示例的图示;
图16C是根据本发明示出确定农业处方的驾驶速度的示例的流程图;
图17A是根据本发明示出用户设备、执行器组、和沿驾驶路径的轨道间的另一关系的图示;
图17B是根据本发明示出针对相关联的地理区域的驾驶路径的另一实施例的图示;
图17C是根据本发明示出将数据编码为种植模式的示例的流程图;
图18A是根据本发明示出用户设备、执行器组、和沿驾驶路径的轨道间的另一关系的图示;
图18B是根据本发明示出针对相关联的地理区域的驾驶路径的另一实施例的图示;以及
图18C是根据本发明示出对准驾驶路径的轨道的示例的流程图。
具体实施方式
图1是分布式计算系统10的实施例的示意性框图,该分布式计算系统包括至少一个无线定位网络18,一个或多个无线通信网络1、2等等,网络24,应用单元16,存储单元36,多个用户设备14,以及与地理区域1-R相关联的多个用户设备(例如,与地理区域1相关联的用户设备1-1A、1-1C、1-2A、1-2C等等,与地理区域2相关联的用户设备2-1A、2-1B、2-1C、2-2A、2-2C等等)。此后,与地理区域相关联的用户设备和用户设备14可被互换地称作用户设备。计算系统10的组件经由网络24相耦合,该网络24可包括无线和/或有线通信系统、一个或多个专用通信系统、公用互联网系统、一个或多个局域网(LAN)、和一个或多个广域网(WAN)中的一者或多者。
每个无线通信网络包括公用无线通信系统和专用无线通信系统中的一者或多者,并且可根据一个或多个无线行业标准进行操作,这一个或多个无线行业标准包括通用移动通信系统(UMTS)、全球移动通信系统(GSM)、长期演进(LTE)、宽带码分多路复用(WCDMA)、IEEE 802.11、IEEE 802.16。每个无线通信网络1-R发送无线通信信号42给用户设备并且从用户设备接收无线通信信号42来传送数据消息44和/或应用消息46。与地理区域相关联的用户设备可直接在两个或更多个用户设备间发送和接收无线通信信号42。可替换地,或者附加地,两个用户设备可直接经由这两个用户设备之间的有线接口来通信接口信息40。例如,当用户设备2-1A和用户设备2-1B利用有线接口操作地耦合时,用户设备2-1A与用户设备2-1B通信接口信息40。
无线定位网络18包括公用无线定位系统(例如,全球定位卫星(GPS)、蜂窝网络)和专用无线定位系统(例如,无线信标、无线局域网(WLAN))中的一者或多者。无线定位网络18发送无线定位信号38至多个用户设备中的至少一些用户设备来使能对于位置信息的确定。
应用单元16和存储单元36包括处理模块(例如,应用处理模块)和存储器以支持一个或多个应用(例如,农业生命周期优化应用)的执行和信息的存储。每个用户设备可以是便携式计算设备(例如,嵌入式农用设施电子器件、农用设施接口软件狗(dongle)、嵌入式车辆电子器件、智能电话、平板计算机、膝上型计算机、手持式计算机、和/或包括计算单元的任何其它便携式设备)和/或固定式计算设备(例如,台式计算机、有线电视机顶盒、应用服务器、互联网电视用户接口、和/或包括计算单元的任何其它固定式设备)。这样的便携式或固定式计算设备包括计算单元(例如,提供处理模块功能)、一个或多个无线调制解调器、传感器、和一个或多个用户接口中的一者或多者。参考图4来更详细地论述用户设备。
农用设施包括与农业相关联的任何机器、装置、和/或工具。例如,农用设施可包括拖拉机、播种机、肥料分配器、耕地机、联合收割机、以及收割机器中的一者或多者。作为用户设备实现的示例,用户设备1-1A、1-2A、2-1A和2-2A包括与农用拖拉机相关联的嵌入式农用设施电子器件。作为另一示例,用户设备1-1C、1-2C、2-1C和2-2C包括智能电话。作为又一具体示例,用户设备2-1B包括拖拉机接口软件狗。
用户设备14、应用单元16、和存储单元36可以用多种方式来实现。例如,第一用户设备包括计算单元,该计算单元包括应用单元16。作为另一示例,第二用户设备包括另一计算单元,其包括存储单元36。作为又一示例,第三用户设备包括又一计算单元,其包括应用单元16和存储单元36。作为又一示例,又一计算单元包括应用单元16和存储单元36。
一般地并且针对农业生命周期的优化,计算系统10支持至少五个示例性功能:捕获数据、分析数据、产生分析概要、产生农业处方、以及在执行与农业生命周期相关联的步骤中使用农业处方。根据这些功能,能够创建与可能的种植生命周期的关系相关的农业处方并且此农业处方可被用于增强整体农业生命周期的效力。
第一示例性功能包括计算系统10捕获数据。在此示例中,用户设备1-1A接收无线定位信号38并从中确定位置信息(例如,位置坐标、时间戳记、地理区域1的标识)。在产生了位置信息之后,用户设备1-1A捕获与地理区域1内的农业生命周期的一个或多个步骤相关联的数据,并且基于数据和位置信息中的一者或多者生成无线通信信号42。作为具体示例,当农用拖拉机的嵌入式控制电子器件包括用户设备1-1A时,用户设备1-1A遍历地理区域1的至少一部分并且捕获传感器数据作为所捕获的数据。可替换地,用户设备1-1A将至少一部分所捕获的数据存储在本地存储器中。来自用户设备1-1A的无线通信信号42被用户设备1-1C接收。用户设备1-1C从自用户设备1-1A接收的无线通信信号42中提取数据,继而生成无线通信信号42以发送至无线通信网络1,其中无线通信信号42基于该数据。
无线通信网络1从用户设备1-1C接收无线通信信号42并且解码无线通信信号42以再生数据。在再生该数据之后,无线通信网络1经由网络24发送数据消息44至存储单元36,其中数据消息44包括所再生的数据。可替换地或者附加地,用户设备1-2A以类似于用户设备1-1A的方式工作来捕获地理区域1内的其它数据,并且经由用户设备1-2C、无线通信网络1以及网络发送捕获的其它数据至存储单元36。在接收到来自用户设备1-1A的数据消息44和来自用户设备1-2A的另一数据消息中的一者或多者后,存储单元36从用户设备1-1A的数据消息44中提取再生的数据和/或从来自用户设备1-2A的另一数据消息44中提取捕获的其它数据,来产生来自地理区域1的数据。
在获得了来自地理区域1的数据之后,存储单元36基于该来自地理区域1的数据生成数据记录。在生成了数据记录之后,存储单元36辅助将数据记录存储在以下各项中的至少一项中:与存储单元相关联的本地存储器、应用单元、一个或多个用户设备、另一存储单元、以及存储系统。作为具体示例,存储单元36在存储单元的本地存储器中存储数据记录并且经由网络24向与地理区域1相关联的用户设备14发送信息消息48,其中信息消息48包括数据记录。
在捕获数据的操作的另一示例中,用户设备2-1A捕获与地理区域2相关联的数据并且发送接口信息40至用户设备2-1B,其中接口信息40包括与地理区域2相关联的捕获的数据以及与用户设备2-1A相关联的位置信息。可替换地或者附加地,用户设备2-1A在用户设备2-1A的本地存储器中存储接口信息40的至少一部分。用户设备2-1B使用无线通信信号42向用户设备2-1C发送捕获的数据。可替换地或者附加地,用户设备2-1B在用户设备2-1B的本地存储器中存储接口信息40的至少一部分。可替换地,用户设备2-1B使用无线通信信号42向通信网络2发送接口信息40。当用户设备2-1B发送捕获的数据至用户设备2-1C时,用户设备2-1C使用无线通信信号42发送包括该捕获的数据的接口信息40至无线通信网络2。无线通信网络2经由网络24向存储单元36发送捕获的数据。可替换地,用户设备2-1C使用无线通信信号42向无线通信网络1发送捕获的数据,其中无线通信网络1经由网络24向存储单元36发送捕获的数据。以类似的方式,用户设备2-2A捕获地理区域2内的其它数据,并且经由用户设备2-2C、无线通信网络2、和网络24中的一者或多者向存储单元36发送该捕获的其它数据。
存储单元36接收来自用户设备2-1A和2-2A中的一者或多者的数据和/或捕获的其它数据来产生来自地理区域2的数据。在获得了来自地理区域2的数据之后,存储单元36基于来自地理区域2的数据生成数据记录并且辅助将来自地理区域2的数据记录存储在以下各项中的至少一项中:与存储单元相关联的本地存储器、应用单元、一个或多个用户设备、另一存储单元、以及存储系统。作为具体示例,存储单元36在存储单元的本地存储器中存储与地理区域2相关联的数据记录,并且经由网络24向与地理区域2相关联的另一用户设备14发送另一信息消息48,其中该另一信息消息48包括与地理区域2相关联的数据记录。
第二示例性功能包括计算系统10分析数据。在示例性操作中,与地理区域1相关联的用户设备14经由网络24发出应用消息46至应用单元16,其中应用消息46请求分析针对地理区域1的农业生命周期。应用单元16从存储单元36获得信息消息48,其中信息消息48包括与地理区域1相关联的一个或多个数据记录以及与地理区域1相关联的历史概要。这样的历史概要包括以下各项中的一项或多项:先前分析的结果、先前分析的概要、以及先前农业处方的概要。可替换地或者附加地,应用单元16从存储单元36获得另一信息消息48,其中另一信息消息48包括与一个或多个其它地理区域相关联的一个或多个数据记录。作为具体示例,应用单元16获得与直接紧邻地理区域1的地理区域相关联的数据记录。
在获得了数据记录和历史概要中的一者或多者之后,应用单元16对数据记录和/或历史概要执行一个或多个分析功能以产生分析。分析功能包括以下一个或多个功能:过滤功能、关联功能、比较功能、变换功能、算术功能、逻辑功能、识别功能、列表功能、搜索功能、估计功能、概率密度生成功能、趋势分析功能、以及可被用于帮助分析数据记录和/或历史概要以提供提高农业生命周期的步骤的效力的洞察力的任何其它功能。作为具体示例,应用单元16针对类似的一组条件(例如,土壤类型、天气)以及针对农业生命周期的步骤的不同的方式来比较地理区域1与地理区域2的玉米作物产率,从而产生分析。可替换地或者附加地,应用单元16辅助将分析存储在存储单元36中(例如,以辅助后续取回作为历史概要)。
第三示例性功能包括计算系统10产生分析概要。在示例性操作中,在产生了分析之后,应用单元16可从存储单元36获得一个或多个进一步的信息消息48,其中一个或多个进一步的信息消息48包括一个或多个先前分析概要。在获得了进一步的信息消息48之后,应用单元16基于分析、应用消息、和先前分析概要中的一者或多者来对分析进行概括以产生分析概要。作为具体示例,当来自与地理区域1相关联的用户设备14的应用消息46请求前一年的玉米作物产量分析时,应用单元使用根据先前分析概要的类似格式对分析进行概括来产生前一年的玉米作物产量分析概要。可替换地或者附加地,应用单元16辅助将分析概要存储在存储单元36中(例如,以辅助后续取回作为历史概要)。
第四示例性功能包括计算系统10产生农业处方。在示例性操作中,在产生了分析概要之后,应用单元16可从存储单元36获得更进一步的信息消息48,其中更进一步的信息消息48包括一个或多个先前的农业处方。已经获得了进一步信息消息48,应用单元16基于分析概要、应用消息46、和先前的农业处方中的一者或多者来生成农业处方。该生成可包括进一步分析。作为具体示例,应用单元16分析前一年的先前农业处方以及指示采用先前农业处方的结果的前一年的概要分析,从而产生当年的玉米作物优化处方。例如,玉米作物优化处方指示种植哪一玉米杂交种、何时种植、如何种植(包括种植种子的密度水平)、以及推荐的收割程序。在产生了农业处方之后,应用单元16可经由网络24向与地理区域1相关联的用户设备14发送又一应用消息46,其中又一应用消息46包括农业处方。可替换地或者附加地,应用单元16辅助将农业处方存储在存储单元36中(例如,以辅助后续取回作为历史概要)。
第五示例性功能包括计算系统10使用农业处方。在示例性操作中,应用单元16生成另一数据消息44,其中另一数据消息44包括农业处方。农业处方可用多种格式(包括超文本标记语言、文本、图形、地形图、和机器可读格式中的一者或多者)来呈现以辅助一定程度的自动化。例如,农业处方包括采用机器可读格式的农业生命周期的推荐步骤,该机器可读格式可兼容于特定集合的农业器械,包括农用拖拉机、土壤维护器械、肥料施用器械、种植机械(例如,种植机)、和作物收割器械(例如,联合收割机)中的一者或多者。在生成了另一数据消息44之后,应用单元16经由网络24和无线通信网络1(例如,使用无线通信信号)发送该另一数据消息44至用户设备1-1C。在接收到该另一数据消息44之后,用户设备1-1C将农业处方分发至与用户设备1-1C相关联的用户接口(例如,以显示给农用器械的操作者)和用户设备1-1A中的一者或多者。在接收到农业处方之后,用户设备1-1A从农业处方中提取控制信息。在获得了控制信息之后,用户设备1-1A向与一种或多种农用器械相关联的执行器组输出控制信息来辅助农业生命周期的一个或多个步骤的自动化。控制信息到执行器组的输出参考图11进行详细论述。
图2是示出多个地理区域的实施例的图示,其中一个或多个地理区域包括图1的地理区域1-R。多个地理区域可包括跨越相对较小面积(例如,每个区域数英亩)、相对较大面积(例如,每个区域成千上万英亩或者更多)、或者中间的任何尺寸的任何数目的地理区域。两个或更多个地理区域可与共同特性相关联。例如,每个地理区域可包括共同的地理区域尺寸或者独有的地理区域尺寸。两个或更多个地理区域可重叠从而使得这两个或更多个地理区域中的每个区域包括公共部分。每个地理区域可包括两个或更多个子地理区域。
每个地理区域可与区域特性相关联。区域特性可包括以下各项中的一项或多项:自然水供应水平、人造灌溉水供应水平、平均日照天数、平均光照强度水平、土壤类型、土壤养分水平、先前利用历史、作物产率、害虫影响水平、平均高度水平、和平均温度水平,以及与可影响农业生命周期的效率的特性相关联的任何其它度量。两个或更多个区域可共享共同和/或类似区域特性。例如,相邻的地理区域与非相邻的地理区域相比具有更高的概率共享更均等的区域特性。作为另一示例,包括共同水路(例如,湖、河)的一系列地理区域可共享更均等的区域特性。
每个地理区域可与在图1的计算系统10最开始的步骤中使用的不同群组的用户设备相关联。例如,共同第一用户设备与地理区域1和2内的操作相关联。作为另一示例,独有第二用户设备与地理区域2内的操作相关联,而独有第三用户设备与地理区域3内的操作相关联。
图3是示出被划分为任何数目的子地理区域的地理区域的实施例的图示。此后,子地理区域可被互换地称作地理子区域。例如,地理区域1包括地理子区域1-1、1-2、1-3、1-4等等。
每个地理子区域可包括在该子区域内操作的任何数目的用户设备。例如,地理子区域1-1包括用户设备1-1A和用户设备1-1C;地理子区域1-2包括用户设备1-2A和用户设备1-2C;地理子区域1-3包括用户设备1-3A,与用户设备1-3A操作地耦合以交换接口信息40的用户设备1-3B,和用户设备1-3C;并且地理子区域1-4包括用户设备1-4A和用户设备1-4C。作为另一示例,每个地理子区域可包括共同群组的用户设备,从而使得共同群组的用户设备遍历地理区域中的每个地理子区域。
图4是用户设备(例如,12、14或任何其它用户设备)的实施例的示意性框图。用户设备包括用户接口输出50、用户接口输入52、一个或多个传感器1-S、接口54、计算单元26、一个或多个无线通信调制解调器1-M、以及至少一个无线位置调制解调器56。用户接口输出50可包括单个接口输出设备或多个接口输出设备来呈现用户输出60。接口输出设备可包括显示器、触摸屏、扬声器、耳机、马达、指示灯、发光二极管(LED)、换能器、和数字指示器中的一个或多个。例如,接口输出设备包括能够呈现静态图像和/或全动态视频的彩色触摸屏显示器。
用户接口输入52可包括单个接口输入设备或多个接口输入设备来捕获用户输入62。接口输入设备包括触摸屏传感器阵列、键盘、麦克风、指纹阅读器、轨迹球、鼠标传感器、图像传感器、按钮、和选择器开关中的一个或多个。例如,接口输入设备包括与彩色触摸屏显示器相关联的触摸屏传感器阵列。
每个传感器包括感测以下各项中的一项或多项的能力:磁场(例如,罗盘)、运动(例如,加速度计)、温度、压力、高度、湿度、水分、图像、可见光、红外光、电磁场、超声波、重量、密度、化学类型、流体体积、农业生命周期的步骤的执行、图像流(例如,捕获的视频)、生物计量、邻近度、容量、气体、辐射、病原体、光照水平、生物危害、DNA、风速、风向、和支持对象检测和/或对象识别的对象特性。传感器1-S输出传感器数据1-S至计算单元26。例如,当第一传感器包括图像捕获设备时,第一传感器输出包括视频流的传感器数据1。作为另一示例,当第二传感器包括水分检测器时,第二传感器输出包括水分水平指示符的传感器数据2。作为又一示例,当第三传感器包括加速度计以及农用拖拉机的嵌入式控制电子器件包括用户设备时,第三传感器输出包括拖拉机俯仰度、拖拉机偏航度、拖拉机滚动、拖拉机速度、拖拉机加速度、拖拉机位置、拖拉机坡度、拖拉机倾斜度、拖拉机朝向、拖拉机碰撞(例如,震动)的传感器数据3。
接口54提供外部有线接口至计算单元,从而使得可与操作地耦合至接口54的一个或多个其它设备传送接口信息40。每个设备包括一个或多个其它用户设备。例如,另一用户设备与农用种植机械的嵌入式控制电子器件相关联。作为另一示例,另一用户设备与农用施肥机械的嵌入式控制电子器件相关联。作为又一示例,另一用户设备与农用收割机械的嵌入式控制电子器件相关联。作为又一示例,另一用户设备与农用拖拉机的嵌入式控制电子器件相关联。
接口54可根据诸如车载诊断(OBD)、控制器区域网络(CAN)、或者任何其它行业接口协议标准之类的一个或多个行业接口协议标准进行操作。例如,接口可操作地耦合至农用拖拉机的CAN接口,从而可以在计算单元26和农用拖拉机的嵌入式控制电子器件之间交换接口信息40。接口信息40包括进一步的传感器数据、农业处方、和控制信息(例如,农业生命周期中的一个或多个步骤)中的一者或多者。作为具体示例,接口54将计算单元26耦合至农用施肥机械,从而计算单元26从与监控农业生命周期的施肥步骤的农业施肥机械相关联的传感器阵列接收传感器数据。
每个无线通信调制解调器1-M可包括单个无线收发器或多个无线收发器。可替换地或者附加地,每个通信调制解调器可包括一个或多个无线发送器。无线收发器和/或发送器编码无线消息以产生无线通信信号,并且无线收发器还接收其它无线通信信号以用于解码为相应的无线消息。无线收发器和/或发送器可根据一个或多个无线行业标准来操作,这一个或多个无线行业标准包括通用移动通信系统(UMTS)、全球移动通信系统(GSM)、长期演进(LTE)、宽带码分多路复用(WCDMA)、IEEE 802.11、IEEE 802.16、和蓝牙。例如,无线通信调制解调器1编码无线消息1以作为蓝牙无线通信信号发送至本地用户设备,并且无线通信调制解调器2编码无线消息2以作为LTE无线通信信号发送至无线通信网络。
无线位置调制解调器56可包括单个无线位置接收器、单个无线位置收发器、多个无线位置接收器、和多个无线位置收发器中的一者或多者。无线位置接收器和无线位置收发器可根据一个或多个无线定位技术(这包括GPS、WiFi、到达角度、到达时间差、信号强度、和信标)来操作以产生位置信息64。
计算单元26包括应用处理模块34,存储器58,以及到用户接口输出50、用户接口输入52、传感器1-S、接口54、无线通信调制解调器1-M、和无线位置调制解调器56中的一者或多者的一个或多个内部接口。存储器58提供非暂态计算机可读存储介质来存储由处理模块34执行的操作指令。
存储器58可包括单个存储器设备或多个存储器设备。每个存储器设备与一存储器类型相关联,该存储器类型包括只读存储器、随机存取存储器、易失性存储器、非易失性存储器、缓存存储器、和/或存储数字信息的任何设备中的一者或多者。每个存储器设备可使用一种或多种技术来实现,这包括静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、NAND闪存存储器、磁性存储器(例如,硬盘)、以及存储数字信息的光学存储器(例如,光盘)。存储器设备可以是可移除的(例如,通用串行总线闪存驱动器)以辅助在计算单元26与可操作地耦合至可移除的存储设备的其它实体之间进行数据传送。
图5是计算系统的另一实施例的示意性框图,该计算系统包括无线定位网络18、无线通信网络1、网络24、应用单元16、存储单元36、以及与地理区域1-1相关联的用户设备14。地理区域1-1内是用户设备1-1A(例如,农用拖拉机的嵌入式控制电子器件)和用户设备1-1C(例如,由农用拖拉机的操作者使用的智能电话)。
在执行五个示例性功能中的一个功能的示例性操作中,用户设备1-1A基于自无线定位网络18接收的无线定位信号38确定位置信息并且捕获沿针对地理区域1-1的至少一部分的驾驶路径1-1的传感器数据(例如,农用拖拉机加速度计数据、土壤水分水平、土壤化学成分等等)。驾驶路径1-1包括用户设备1-1A在地理区域1内操作时该用户设备1-1A的地理路径。驾驶路径可包括两个或更多个子驾驶路径。例如,第一子驾驶路径从西到东遍历地理区域1-1并且第二子驾驶路径从东到西遍历地理区域1-1。用户设备1-1A可监控驾驶路径(例如,沿农用拖拉机采用的路径进行被动监控)或者可提供驾驶路径(例如,其中农业处方包括调用农用拖拉机沿驾驶路径的操作的控制信息)。驾驶路径1-1可由用户设备1-1A以多种方式获得,这多种方式包括以下各项中的一项或多项:根据农业处方80确定特定驾驶路径、采用预定驾驶路径(例如,列表中地理区域1-1的驾驶路径)、生成随机驾驶路径、采用与地理区域1-1相关联的先前的驾驶路径(例如,获得历史概要)、以及接收包括与驾驶路径相关联的控制信息的农业处方80。作为具体示例,用户设备1-1A采用来自农业处方80的驾驶路径1-1,同时相关联的农用拖拉机和耕种机械对地理区域1-1的至少一部分的土壤进行耕种。
在捕获了传感器数据之后,用户设备1-1A(例如,使用蓝牙无线通信信号)发送捕获的传感器数据至用户设备1-1C。用户设备1-1C(例如,使用长期演进(LTE)无线通信信号)经由无线通信网络1和网络24发送捕获的传感器数据70至存储单元36。存储单元36的应用处理模块34处理捕获的传感器数据70以产生数据记录74用于存储在存储单元36的存储器中。可替换地,用户设备1-1A的可移除存储器被用于临时存储捕获的传感器数据70。可移除存储器被操作地耦合至存储单元36以辅助将捕获的传感器数据70传输到存储单元36的应用处理模块34。例如,可移除存储器设备被直接接口连接至存储单元36。作为另一示例,可移除存储器设备被接口连接至与地理区域1-1相关联的用户设备14,并且用户设备14辅助经由网络24将捕获的传感器数据70发送至存储单元36。
与地理区域1-1相关联的用户设备14的应用处理模块34接收用户输入以调用分析和生成农业处方80的请求。用户设备14的应用处理模块34基于该请求以及对于地理区域1-1的农业处方80的其它期望特性(例如,作物列表、时间帧、装备可用性、化学有效性、以及可用的土壤管理操作范围)而生成指导72。用户设备14经由网络24发送指导72至应用单元16。应用单元16的应用处理模块34基于指导72从存储单元36获得地理区域1-1的数据记录74。应用单元16的应用处理模块34还可基于指导72获得关于地理区域1-1的历史概要76。
在获得了指导72、数据记录74、和/或历史概要76之后,应用单元16的应用处理模块34基于数据记录74和/或历史概要76来产生分析。应用单元16的应用处理模块34根据指导72和/或历史概要76来处理分析以产生分析概要78。应用单元16的应用处理模块34辅助存储单元36对分析概要78进行存储以使能对于包括分析概要78的历史概要76的后续恢复。
在产生了分析概要78之后,应用单元16的应用处理模块34根据指导72和历史概要76处理分析概要78以产生农业处方80。农业处方80还可包括多个步骤,其中每个步骤包括一个或多个动作以及执行每个动作的一个或多个需要的先决条件。这样的步骤可以被并行、串行、以及根据执行的先决条件以组合的方式执行。
执行动作的先决条件包括使得能够执行动作所需要的条件(例如,何时执行动作),这包括以下各项中的一项或多项:当前日期匹配、日期范围内的当前日期、时间范围内的时间、期望范围内的当前数据传感器值(即,温度范围内的当前温度)、执行器准备状态、与先前执行的步骤的距离(即,每英亩种子的种子分配数量)、以及自先前执行的步骤起经过的时间。例如,在生长季内对于在较晚日期时种植短期生长的种子的先决条件已经出现。
每个动作包括做什么和如何做它(例如,何时做它是先决条件)。这样,每个动作包括以下各项中的一项或多项:分配具体的一种或多种材料(即,气体、液体、浆体、固体)、如何分配材料(即,分配点之间的距离、并行分配轨道之间的距离)、收集传感器数据、和操纵另一对象(即,包括耕种、灌溉控制、日照控制、激活电磁场的变体中的一者或多者的管理实践)。液体包括诸如肥料和农药之类的化合物。农药包括杀虫剂(例如,害虫杀剂)、除草剂(例如,杂草杀剂)、和杀真菌剂(例如,用以杀掉或抑制真菌)中的一者或多者。固体包括种子、粉状肥料、和粪肥中的一者或多者。种子包括多个种子杂交种类型并且可依据生长季而改变。
在产生了农业处方80之后,应用单元16的应用处理模块34经由网络24向用户设备14发送分析概要78和农业处方80中的一者或多者。应用单元16的应用处理模块34还可经由网络24和无线通信网络1把农业处方80发送至用户设备1-1C以供用于根据农业处方80执行农业生命周期中的一个或多个步骤。例如,用户设备1-1C显示农业处方80的一部分并且经由无线信号42发送农业处方的控制信息至用户设备1-1A以使得对农业生命周期的至少一些步骤的一部分执行自动化。例如,用户设备1-1A发出控制信息至执行器组来根据农业处方80分配肥料。例如,由用户设备1-1A相对于驾驶路径1-1控制在特定日期范围中以特定的几何模式针对地理区域1-1的至少一部分分配特定容量的液体肥料。
图6是示出针对相关联的地理区域1-1的驾驶路径1-1的实施例的图示。在示例性操作中,图1的用户设备1-1A在执行农业生命周期的步骤时遍历驾驶路径1-1。对驾驶路径1-1的遍历可根据农业处方来进行。驾驶路径1-1包括多个相应的驾驶路径1-1-1、1-1-2、1-1-3、1-1-4等等。每个相应的驾驶路径可与总驾驶路径的一部分相关联,从而使得相应的驾驶路径与有利属性相关联。这样的有利属性包括以下各项中的一项或多项:通过包括更少的回转区段或者删除将一个相应的驾驶路径链接至另一相应的驾驶路径的区段来使浪费最小化、最小化燃油用量、最小化土壤侵蚀、最大化作物产量、以及最大化执行农业生命周期的一个或多个步骤的总体效率。例如,驾驶路径1-1-1从地理区域1-1的西边延伸至地理区域1-1的东边,从而使得遍历驾驶路径1-1-1的农用拖拉机最小化覆盖与驾驶路径1-1-1相关联的面积所需要的时间量(例如,基本以直线驾驶)。
用户设备1-1A包括被用于根据数据捕获方案沿驾驶路径1-1捕获传感器数据的传感器阵列。农业处方可包括数据捕获方案。数据捕获方案可包括以下各项中的一项或多项:在哪里捕获传感器数据(例如,坐标、捕获之间的距离)、何时捕获传感器数据(例如,多久一次、先决条件触发器)、从哪些传感器来捕获传感器数据(例如,基于农业生命周期的步骤来选择具体传感器)、以及如何捕获传感器数据(例如,瞬时采样、平均采样、应用于样本数据的另一算术分布)。
在地理区域1-1内操作时,用户设备1-1A可每一次沿驾驶路径1-1通过都利用传感器阵列来捕获传感器数据,从而执行农业生命周期的至少一些步骤。例如,用户设备1-1A在农业生命周期的以下步骤中的一个或多个步骤被执行的同时捕获传感器数据:通过耕作土壤来发起种植周期、施用肥料、施用农药、种植主要作物、在种植主要作物的同时施用肥料、种植覆盖作物(例如,用于最小化土壤侵蚀和增强土壤养分)、管理灌溉、根据时间表进行收割、基于检测到作物条件触发器(例如,作物水分含量)进行收割、在收割之后耕作土壤、以及在收割之后施用肥料。
对传感器数据的捕获对于每个相应的驾驶路径可以是独有的。例如,数据捕获方案指示沿驾驶路径1-1-1每十分之一英寸就捕获来自所有传感器的传感器数据,从而产生数据捕获点1,1,1,2,1,3,1,4等等。当以周期性距离间隔捕获传感器数据时,一个数据传感器可被用于测量数据捕获点之间的距离以触发在下一数据捕获点处对下一组传感器数据的捕获。作为另一示例,数据捕获方案指示沿驾驶路径1-1-2每两秒捕获来自传感器1、3、5和7的传感器数据。作为又一示例,数据捕获方案指示:当来自传感器1的传感器数据被理解为检测到特定化学浓度水平小于低化学浓度阈值水平时,沿驾驶路径1-1捕获来自传感器2和4的传感器数据。
图7是示出用户设备1-1A与沿驾驶路径1-1-1的轨道1-7之间的关系的图示。用户设备1-1A包括应用处理模块34、传感器阵列1-7、传感器L、传感器R和传感器ALL以随着用户设备1-1A根据速度1-1-1遍历驾驶路径1-1-1时捕获沿驾驶路径1-1-1的相应传感器数据70。速度1-1-1可被确立为以下各项中的至少一项:随机速度、预定速度、和根据速度计划表的瞬时速度。农业处方可包括针对每个相应的驾驶路径或者它的一部分的速度计划表。
驾驶路径1-1-1与轨道1-7相关联并且可包括其它的轨道。每个轨道是基本与驾驶路径1-1-1平行的虚拟路径。中心轨道(例如,轨道4)还可与驾驶路径1-1-1对准并且每个其它轨道与中心轨道平行地运行,其中每个轨道与另一轨道距离一潜在独有的距离d(例如,不同轨道之间的不同距离处于从数厘米到数米的通常范围中)。例如,轨道3与轨道4相隔的距离d3-4为8英寸,并且轨道4与轨道5相隔的距离d4-5为20英寸。农业处方可包括多个轨道,每个分隔轨道的距离,以及轨道到传感器的映射。
每个传感器与一个或多个轨道相关联。例如,传感器1与轨道1相关联,传感器2与轨道2相关联,传感器3与轨道3相关联,等等一直到传感器7与轨道7相关联;传感器L与轨道1-4相关联;传感器R与轨道4-7相关联;并且传感器ALL与轨道1-7相关联。每个传感器可具有根据轨道映射感测与一个或多个轨道相关联的一个或多个属性的能力。例如,传感器1-7包括图像传感器来检测和使能对于沿轨道1-7的(例如,期望的和不期望的)对象的识别,传感器L包括超声波传感器来检测与轨道1-4相关联的对象,传感器R包括超声波传感器来检测与轨道4-7相关联的对象,并且传感器ALL包括加速度计来提供关于与用户设备1-1A相关联的农用拖拉机的惯性信息(例如,以使能精确位置确定)。
应用处理模块34根据数据捕获方案不时地从传感器阵列捕获传感器数据70。应用处理模块34根据传感器数据处理方案处理传感器数据70。农业处方可包括传感器数据处理方案。应用处理模块34通过以下各项中的至少一项来获得传感器数据处理方案:访问预定、发起查询、接收查询响应、接收农业处方、以及确定农业处方。
传感器数据处理方案包括以下各项中的一项或多项:本地存储传感器数据的至少一部分,输出至少一些传感器数据,标识一部分传感器数据用于分析,分析标识部分的传感器数据来产生分析,对分析进行归纳以产生分析概要,以及生成更新的农业处方。作为捕获传感器数据70的具体示例,应用处理模块34在数据捕获点1,1处针对每个轨道1-7捕获来自传感器阵列的传感器数据70,其中轨道之间的距离是8英寸;在数据捕获点1,2处针对每个轨道1-7捕获来自传感器阵列、来自传感器L、来自传感器R、和来自传感器ALL的传感器数据70,其中轨道之间的距离被调整为6英寸;在数据捕获点1,3处针对每个轨道1-7捕获来自传感器阵列的传感器数据70,其中轨道之间的距离被维持为6英寸,并且速度1-1-1被建议为每小时8英里(MPH)到11MPH等等。
图8是示出地理区域1-1数据记录的示例性结构的图示,其中数据记录74可包括地理区域1-1数据记录。地理区域1-1数据记录包括多个驾驶路径数据记录1-1-1、1-1-2、1-1-3等等。每个驾驶路径数据记录与地理区域1-1所关联的驾驶路径的多个相应驾驶路径相关联。每个驾驶路径数据记录包括数据捕获点数据记录。例如,驾驶路径1-1-1数据记录包括对于数据捕获点1,1、1,2、1,3、1,4等等的数据捕获点数据记录。
每个数据捕获数据记录包括传感器阵列的传感器数据70,该传感器阵列对应于与捕获传感器数据相关联的用户设备。例如,驾驶路径1-1-1数据记录的数据捕获点数据记录包括传感器数据1-8、传感器数据L、传感器数据R、传感器数据ALL,并且可包括与数据捕获点1,1相关联的其它数据。其它数据可包括以下各项中的一项或多项:与捕获传感器数据相对应的时间戳记、与接收捕获的传感器数据相对应的时间戳记、与数据捕获点相关联的位置信息、与传感器阵列相关联的用户设备的标识符、传感器阵列中每个传感器的标识符、与用户设备相关联的另一用户设备所关联的标识符、地理区域的标识符、驾驶路径数据记录的标识符、数据捕获点的标识符、数据所有者标识符、访问控制列表、安全证书、安全信息(例如,签名的凭证、加密密钥、加密密钥种子)、以及辅助农业生命周期的优化的任何其它数据。
图9是应用单元16和存储单元36的实施例的示意性框图,其中应用单元16和存储单元36包括相应的应用处理模块34并且可包括存储器58。可替换地,单个计算设备可包括每个应用处理模块34和每个存储器58。应用单元16的应用处理模块34包括分析模块81、分析概要生成模块82、以及处方生成模块84。存储单元36的应用处理模块34包括数据收集模块86和历史归纳模块88。
应用单元16和存储单元36执行与计算系统10的五个示例性功能相关联的至少一些步骤。在示例性操作中,数据收集模块86从与多个地理区域中的一地理区域相关联的一个或多个用户设备接收传感器数据70。数据收集模块86基于传感器数据70生成一个或多个数据记录74并且把该一个或多个数据记录74存储在存储单元36的存储器58中。
分析模块81从与地理区域相关联的用户设备(例如,图1的用户设备14)接收指导72。例如,指导72包括针对分析以及分析包括的状况的请求。分析模块81基于指导72从数据收集模块86获得数据记录74并且还可基于指导72从历史归纳模块88获得历史概要76。此后,历史概要76可被互换地称作历史的概要。例如,分析模块81向数据收集模块86发出关于地理区域的数据记录请求并且从数据收集模块86接收数据记录74,其中接收的数据记录74与地理区域以及该地理区域的相邻地理区域相关联。作为另一示例,分析模块81向历史归纳模块88发出历史概要请求并且从历史归纳模块88接收关于地理区域和相邻地理区域的历史概要76。
在获得了数据记录74和历史概要76之后,分析模块81根据指导72分析数据记录74和历史概要76中的一者或多者来产生分析90。例如,分析模块81识别来自数据记录74的结果并且将该结果与历史概要76中农业生命周期的特定步骤相关联,从而产生分析90,其中分析90指示结果和相关联的步骤。
分析概要生成模块82从历史归纳模块88获得另一历史概要76,其中该另一历史概要76包括与地理区域相关联的先前的分析概要。在接收到历史概要76之后,分析概要生成模块82根据指导72和历史概要76中的一者或多者对分析90进行分析来产生分析概要78。例如,分析概要生成模块82基于结果和步骤的先前集合来确定与步骤相关联的有利结果的概率。
历史归纳模块88可获得分析概要78并处理分析概要78以产生另一历史概要76以供存储在存储单元36的存储器58中。处方生成模块84从历史归纳模块88获得又一历史概要76,其中该又一历史概要76可包括与地理区域相关联的一个或多个先前的农业处方和/或与相邻地理区域相关联的农业处方。在接收到分析概要78和该又一历史概要76之后,处方生成模块84基于分析概要78、又一历史概要76和指导72中的一者或多者来生成针对地理区域的处方80。例如,处方生成模块84利用与步骤相关联的有利结果的概率来根据指导72推荐与地理区域相关联的农业生命周期的步骤(例如,针对特定期望的作物类型)。
处方80可包括步骤、与每个步骤相关联的动作、以及每个动作的先决条件中的一者或多者。处方生成模块84输出处方80,这可包括把处方80发送至历史归纳模块88。当接收到处方80时,历史归纳模块88处理处方80来产生更新的历史概要76以供存储在存储器58中。
图10是示出针对相关联的地理区域1-1的驾驶路径1-1的另一实施例的图示。用户设备1-1A可沿驾驶路径1-1的每个相关联的驾驶路径在多个数据捕获点处捕获传感器数据并且提供沿至少一些相关联的驾驶路径的动作数据。用户设备使能根据农业处方沿每个相关联的驾驶路径执行动作数据。
动作数据包括农业生命周期的一个或多个步骤,并且还可包括动作以及每个动作的相关联的先决条件。例如,动作可包括以特定间隔沿驾驶路径1-1-1放置规定容量的液体肥料。作为另一示例,动作可包括以特定间隔沿驾驶路径1-1-2在特定土壤深度处种植期望作物的种子。例如,根据动作数据2,4沿驾驶路径1-1-2放置规定的平均数目的种子,随后根据动作数据2,3沿驾驶路径1-1-2放置其它种子等等。
图11是示出用户设备1-1A、执行器组92、和沿驾驶路径1-1-1的轨道1-7间的关系的图示。在实施例中,执行器组92包括一组执行器1-7、执行器L、执行器R、和执行器ALL。每个执行器可操作以根据控制信息94来执行动作,该控制信息94包括分配流体(例如,肥料、农药、杀真菌剂)、分配固体(例如,种植种子)、以及操纵土壤(例如,耕作)中的一者或多者。农业处方80包括控制信息94,控制信息94包括种植的动作。用户设备1-1A包括图7的传感器阵列和图7的应用处理模块34。
控制信息94还包括关于执行器所执行的动作的实施的一个或多个指令。指令包括以下各项中的一项或多项:设置轨道之间的距离d、在规定的种植深度处种入种子、沿轨道在直线距离内分配规定容量的液体、根据速度计划表设置遍历驾驶路径1-1-1的速度1-1-1、基于实时传感器数据修改速度1-1-1、以及利用一个或多个传感器来检测先决条件以使能对一个或多个动作的执行。
用户设备1-1A和执行器组92共享共同实现关联。例如,农用拖拉机的嵌入式控制电子器件包括用户设备1-1A和农用种植机械(由农用拖拉机推动),包括执行器组92,其中执行器组92辅助与沿驾驶路径1-1-1进行种植相关联的动作。
每个执行器可与轨道1-7中的一个或多个轨道相关联。例如,执行器1与轨道1相关联,执行器2与轨道2相关联等等一直到执行器7与轨道7相关联,执行器L与轨道1-4相关联,执行器R与轨道4-7相关联,以及执行器ALL与轨道1-7相关联。例如,执行器1-7包括种植执行器,执行器L包括同时调整执行器1-4的位置的机械(例如,左边升高、左边降低),执行器R包括同时调整执行器4-7的位置的机械(例如,右边升高、右边降低),以及执行器ALL包括同时调整执行器1-7的位置的机械(例如,全部升高、全部降低)。
在示例性操作中,用户设备1-1A的应用处理模块34从接收的处方80中提取控制信息94并且利用控制信息94激活执行器组92。随着用户设备1-1A和执行器组92以速度1-1-1遍历驾驶路径1-1-1,执行器组92根据多个动作数据1,1、1,2、1,3、1,4等等执行控制信息94的动作(例如,沿轨道种植种子),并且应用处理模块34捕获数据捕获点1,1、1,2、1,3、1,4等等处来自传感器阵列的传感器数据70。应用处理模块34可基于捕获的传感器数据70更新控制信息94。例如,应用处理模块基于水分传感器数据值并且根据处方80来调整控制信息94中的种植深度。
图12A和12B是计算系统100的实施例的示意性框图,该计算系统包括图1的无线定位网络18、图3的地理区域1-1、图1的无线通信网络1、图1的网络24、图1的用户设备14、和图1的应用单元16。地理区域1-1包括图1的用户设备1-1A和1-1C,其中用户设备1-1A与(例如,可操作地耦合至多个农用拖拉机中的一农用拖拉机的)农业设备相关联,并且遍历地理区域1-1内的驾驶路径1-1(例如,与至少一个农业装备)。此后,用户设备1-1A和用户设备1-1C可被互换地称作农业装备,并且地理区域可被互换地称作农业区域。用户设备14包括图4的应用处理模块34。应用单元16包括图4的应用处理模块34和图4的存储器58。此后,应用单元16可被互换地称作主机设备。计算系统用作生产农业处方。参考图12A-12H更详细地论述了农业处方的生成。
图12A示出了生成农业处方的示例性操作的步骤,其中农业装备收集关于农业区域(例如,地理区域1-1)的当前现场采集的农业数据。例如,用户设备1-1A随着相关联的农业装备遍历驾驶路径1-1而收集关于地理区域1-1的传感器数据(例如,加速度计数据);经由无线通信信号42把传感器数据发送至用户设备1-1C;以及用户设备1-1C从无线定位网络18接收无线定位信号38来产生与传感器数据相关联的位置信息。
对当前现场采集的农业数据的收集还可包括多种收集方式中的至少一种收集方式。作为第一收集方式的具体示例,用户设备1-1A经由网络24和无线通信网络1通过无线通信信号42从主机设备(例如,应用单元16)接收针对收集当前现场采集的农业数据的指示。例如,用户设备1-1A从主机设备接收收集所有传感器数据指示符,这指示收集当前现场采集的农业数据。
作为第二收集方式的具体示例,用户设备1-1A从主机设备接收针对收集特定类型农业数据的消息。例如,用户设备1-1A接收针对收集加速度计数据的指示符作为收集特定类型农业数据的消息。作为第三收集方式的具体示例,用户设备1-1A解释农业处方以确定一种或多种类型的农业数据来收集为当前现场采集的农业数据。例如,用户设备1-1A接收农业处方(包括收集加速度计数据的指示符)并且对接收的农业数据进行解释以确定收集加速度计数据作为当前现场采集的农业数据。
在收集了关于农业区域的当前现场采集的农业数据之后,用户设备1-1A向主机设备(例如,应用单元16)发送当前现场采集的农业数据的至少代表。例如,用户设备1-1A和用户设备1-1C产生区域1-1的农业数据作为代表并且经由无线定位信号42向无线定位网络1发送区域1-1的农业数据,其中无线通信网络1经由网络24向应用单元16发送区域1-1的农业数据。
发送还可包括多种发送方式中的至少一种。作为第一发送方式的具体示例,用户设备1-1A通过利用当前现场采集的农业数据作为当前现场采集的农业数据的至少代表来生成当前现场采集的农业数据的至少代表。例如,用户设备1-1A将传感器数据作为代表(例如,原始传感器数据)。作为第二发送方式的具体示例,用户设备1-1A基于农业处方对当前现场采集的农业数据进行过滤以产生当前现场采集的农业数据的至少代表。例如,用户设备1-1A选择沿驾驶路径1-1的每第十个加速度计数据样本来过滤加速度计数据从而产生代表。
作为第三发送方式的具体示例,用户设备1-1A和/或用户设备1-1C汇编当前现场采集的农业数据来产生当前现场采集的农业数据的至少代表。例如,用户设备1-1A经由无线通信信号42(例如,蓝牙)向用户设备1-1C发送加速度计数据,并且用户设备1-1C将加速度计数据与位置信息相关联来产生该代表。作为第四发送方式的具体示例,用户设备1-1A处理当前现场采集的农业数据来产生当前现场采集的农业数据的至少代表。例如,用户设备1-1A对加速度计数据执行求平均函数(例如,以产生一部分驾驶路径1-1的平均高程)来产生该代表。
可替换地或者附加地,与地理区域1-1相关联的另一些用户设备发送与地理区域1-1相关联的当前现场采集的农业数据的相应代表。另外可替换地或者附加地,当用户设备1-1A另外遍历驾驶路径1-1(例如,农用拖拉机每一次沿驾驶路径1-1执行农业生命周期的步骤)时,用户设备1-1A和/或用户设备1-1C发送与地理区域1-1相关联的其它当前现场采集的农业数据的其它代表。
图12B示出了生成农业处方114的示例性操作的其它步骤,其中主机设备处理以下各项中的一项或多项来产生农业区域的当前农业预测:当前现场采集的农业数据的至少代表、当前场外采集的农业数据110、历史现场采集的农业数据、历史场外采集的农业数据、以及关于农业区域的农业预测的历史分析。例如,应用单元16的应用处理模块34把当前现场采集的农业数据与历史现场采集的农业数据(例如,来自地理区域的先前的遍历)相比较以产生地形走向(例如,检测到一部分地理区域的高度变化大于高度阈值水平)作为当前农业预测。
处理还可包括主机设备接收当前现场采集的农业数据的至少代表并且存储接收到的代表。例如,应用单元16的应用处理模块34经由网络24和无线通信网络1接收区域1-1的农业数据并且在存储器58中存储该区域1-1的农业数据,从而产生了历史现场采集的历史数据的新部分。
处理还可包括应用单元16经由网络24从外部实体(例如,经由公共互联网的服务器、专用计算系统的服务器、固定式传感器阵列等等)接收当前场外采集的农业数据110,其中当前场外采集的农业数据110包括以下各项中的一项或多项:当前区域地形信息(例如,地理区域的当前地形图)、当前天气数据(例如,温度、风向、风速、降雨量级、日照强度等等)、和当前土壤状况(例如,水分水平、养分水平、肥料水平等等)。
处理还可包括应用单元16从存储器58取回历史现场采集的农业数据、历史场外采集的农业数据、对农业预测的历史分析中的一者或多者,其中历史场外采集的农业数据包括以下各项中的一项或多项:历史区域地形信息(例如,一系列按年代排序的地理区域的地形图)、历史天气数据(例如,历史温度、历史风向、历史风速、历史降雨量级、历史日照强度等等)、和当前历史土壤状况(例如,历史水分水平、历史养分水平、历史肥料水平等等)。
由主机设备进行的处理还可包括:针对农业季的给定片段(例如,针对农业生命周期的一时间区段),将农业预测与实际农业结果相比较来产生比较数据。例如,应用单元16的应用处理模块34分析与农业季的收割部分相关联的农业区域1-1的农业数据来产生实际的农业结果(例如,就每英亩玉米的蒲式耳而言的产量),并且将与农业季更早部分相关联的农业预测和与收割部分相关联的实际农业结果相比较来产生比较数据(例如,指示针对收割作物的农业预测的准确度)。
在产生了比较数据之后,主机设备利用以下各项中的一项或多项来处理比较数据从而产生农业区域的当季方针修正农业预测:当前现场采集的农业数据的至少代表、当前场外采集的农业数据、历史现场采集的农业数据、历史场外采集的农业数据、以及关于农业区域的农业预测的历史分析。例如,应用单元16的应用处理模块34处理比较数据针对玉米收割所指示的准确度以及针对农业预测的历史分析(例如,来自农业区域1-1的先前的农业生命周期)来产生针对农业区域1-1的当季方针修正农业预测。例如,应用处理模块34生成当季方正修正农业预测,该当季方针修正农业预测指示对于作物产量的优化还包括相比先前的农业预测多使用4%的肥料的要求。
由主机设备进行的处理还可包括处理当前现场采集的农业数据的至少代表的地理信息来产生农业区域的当前地形图。例如,应用处理模块34针对多次经过驾驶路径1-1处理区域1-1的加速度计数据和相应的农业数据的位置信息来产生农业区域1-1的当前地形图。在产生了当前地形图之后,主机设备比较当前地形图与农业区域的一个或多个先前的地形图从而检测一个或多个侵蚀场区。例如,应用单元16的应用处理模块34检测到随时间降低高程的口袋区并且将该口袋区指示为侵蚀场区。当前地形图的生成和侵蚀的检测参考图12D-H来更详细地论述。
在产生了当前农业预测和当季方针修正农业预测中的一者或多者之后,主机设备基于当前农业预测和当季方针修正农业预测中的一者或多者来生成关于至少一部分农业区域的农业处方114。例如,应用单元16的应用处理模块34针对农业生命周期的步骤与作物产量优化的相互关系对一系列当前农业预测进行分析并且选择步骤的群组来产生农业处方114,其中选择的步骤群组辅助作物含量优化。
主机设备可根据多种产生方式来产生农业处方114。作为第一产生方式的示例,主机设备建立针对农业装备中的一者在遍历至少一部分农业区域时的速度模式(例如,平均速度、最大速度、最小速度等等)。例如,应用单元16的应用处理模块34识别农业装备的农业拖拉机在针对农业区域的多个部分中的每个部分执行农业处方的一个或多个步骤时的最优速度(例如,不是太快,不是太慢),其中最优速度与改进的作物产量优化相关。最优速度的识别参考图16A-C来更详细地描述。
作为第二产生方式的示例,主机设备建立针对农业装备中的一者在遍历至少一部分农业区域时的作物种植朝向模式。例如,应用单元16的应用处理模块34识别农业装备的农业拖拉机在针对农业区域的多个部分中的每个部分执行农业处方的一个或多个步骤时的最优方向(例如,前向),其中最优方向与改进的作物产量优化相关。最优方向的识别参考图14A-C来更详细地描述。
作为第三产生方式的示例,主机设备建立针对农业装备中的一者在遍历至少一部分农业区域时的作物种植分布模式。例如,应用单元16的应用处理模块34识别农业装备的农业拖拉机在针对农业区域的多个部分中的每个部分执行农业处方的一个或多个步骤时的最优作物种植分布模式(例如,种子深度、种子间隔等等),其中最优作物种植分布模式与改进的作物产量优化相关。
在产生了农业处方114之后,主机设备向农业装备中的一者或多者发送农业处方114。可替换地或者附加地,主机设备向用户设备14发送农业处方114,其中用户设备14可进一步处理和/或显示农业处方14。例如,应用单元16的应用处理模块34经由网络24向用户设备14和无线通信网络1发送农业处方114。在接收到农业处方114之后,通信网络1经由无线通信信号42向用户设备1-1C发送农业处方114。在接收到农业处方114之后,用户设备1-1C可进一步处理农业处方114和/或经由其它无线通信信号42将农业处方114转发至用户设备1-1A。用户设备1-1C对农业处方114的处理可包括以下各项中的一项或多项:提取指示符来收集农业数据、识别与用户设备1-1C相关联的农业处方的步骤、以及基于进一步收集到的农业数据修改农业处方114来产生更新的农业处方114。
在接收到农业处方之后,农业装备中的一者或多者执行农业处方114的至少一部分。例如,用户设备1-1A识别农业处方114中与用户设备1-1A相关联的步骤并且辅助执行所识别的步骤(例如,采集其它农业数据、激活与农业装备相关联的执行器等等)。
图12C是示出生成农业处方的示例的流程图。具体地,呈现了结合图1-11、12A-B以及还有图12C描述的一个或多个功能和特征使用的方法。方法始于或者继续于步骤120,其中附属于农业装备的一个或多个计算设备的一个或多个处理模块中的一处理模块收集关于农业区域的当前现场采集的农业数据。例如,农业装备的处理模块收集关于农业区域的当前现场采集的农业数据。收集当前现场采集的农业数据还可包括以下各项中的至少一项:农业装备从主机设备接收针对收集当前现场采集的农业数据的指示;农业装备从主机设备接收针对收集特定类型的农业数据的消息;以及农业装备对农业处方进行解释来确定要收集为现场采集的农业数据的一种或多种类型的农业数据。
方法继续进行步骤122,其中农业装备向主机设备发送当前现场采集的农业数据的至少代表。发送可包括农业装备中的一者通过以下各项中的至少一项来生成当前现场采集的农业数据的至少代表:使用当前现场采集的农业数据作为当前现场采集的农业数据的至少代表;基于农业处方,过滤当前现场采集的农业数据来产生当前现场采集的农业数据的至少代表;汇编当前现场采集的农业数据来产生当前现场采集的农业数据的至少代表;以及处理当前现场采集的农业数据来产生当前现场采集的农业数据的至少代表。
方法继续进行步骤124,其中主机设备处理以下各项中的一项或多项来产生农业区域的当前农业预测:当前现场采集的农业数据的至少代表、当前场外采集的农业数据、历史现场采集的农业数据、历史场外采集的农业数据、以及关于农业区域的农业预测的历史分析。方法继续进行步骤126,其中主机设备针对农业季节的给定片段,将农业预测与实际农业结果相比较来产生比较数据。
方法继续进行步骤128,其中主机设备利用以下各项中的一项或多项来处理比较数据,从而产生农业区域的当季方针修正农业预测:当前现场采集的农业数据的至少代表、当前场外采集的农业数据、历史现场采集的农业数据、历史场外采集的农业数据、以及关于农业区域的农业预测的历史分析。方法继续进行步骤130,其中在需要当前地形图来辅助另一步骤时,主机设备处理当前现场采集的农业数据的至少代表的地理信息来产生农业区域的当前地形图。方法继续进行步骤132,其中主机设备比较当前地形图与农业区域的一个或多个先前的地形图,从而检测一个或多个侵蚀场区。
方法继续进行步骤134,其中主机设备基于当前农业预测和当季方针修正农业预测中的一者或多者来生成关于农业区域的至少一部分的农业处方。主机设备可根据多种生成方式来生成农业处方。生成步骤方法继续至步骤134a处,其中当农业处方要求速度模式时,主机设备建立针对农业装备中的一者在遍历至少一部分农业区域时的速度模式。可替换地或者附加地,生成步骤方法继续至步骤134b处,其中当农业处方要求作物种植朝向模式时,主机设备建立针对农业装备中的一者在遍历至少一部分农业区域时的作物种植朝向模式。可替换地或者附加地,生成步骤方法继续至步骤134c处,其中当农业处方要求作物种植分布模式时,主机设备建立针对农业装备中的一者在遍历至少一部分农业区域时的作物种植分布模式。
方法继续进行步骤136,其中主机设备向农业装备中的一者或多者发送农业处方。例如,主机设备向一队农用拖拉机发送农业处方。发送还可包括向与地理区域相关联的一个或多个用户设备发送农业处方。方法继续进行步骤138,其中农业装备中的一者或多者执行农业处方的至少一部分。例如,这对农用拖拉机执行农业处方的步骤。
上文结合处理模块描述的方法能够替换地由附属于农业装备的一个或多个计算设备的其它模块执行或者由其它设备来执行。此外,存储了操作指令的至少一个存储器区段(例如,非暂态计算可读存储介质)能够在被附属于农业装备的一个或多个计算设备的一个或多个处理模块执行时使得一个或多个计算设备执行上文描述的方法步骤中的任何步骤或者所有步骤。
图12D是计算系统的另一实施例的示意性框图,该计算系统包括图1的无线定位网络18、图1的地理区域1-1、图1的无线通信网络1、图1的网络24、图1的用户设备14、图1的应用单元16、和图1的存储单元36。地理区域1-1包括图1的用户设备1-1A和1-1C,其中用户设备1-1A遍历驾驶路径1-1。用户设备14包括图3的应用处理模块34。应用单元16包括图4的应用处理模块34。存储单元36包括图4的应用处理模块34和图4的存储器58。
计算系统可操作以识别地理区域1-1内与农业生命周期的结果异常相关联的子区域。结果异常可包括以下各项中的一项或多项:作物产量在低作物产量阈值水平之下、作物产量在高作物产量阈值水平之上、资源利用率在低资源利用率阈值水平之下、以及与期望的结果范围相比不利的任何其它结果度量。例如,系统识别出地理区域1-1内的四分之一英亩部分,该部分与低于整个地理区域1-1的平均玉米作物产率30%的玉米作物产率相关联。
计算系统还可操作以识别该子区域的结果异常的潜在根由。例如,计算系统将与子区域相关联的高于平均水平的土壤侵蚀识别为低于平均玉米作物产率的潜在根由。作为另一示例,计算系统将与子区域相关联的高于平均水平的土壤板结(buildup)识别为低于平均玉米作物产率的潜在根由。
在示例性操作中,用户设备1-1A获得沿驾驶路径1-1的两个或更多个操作实例的多组传感器数据。用户设备1-1A通过用户设备1-1C、无线通信网络1、和网络24经由无线通信信号42向存储单元36发送区域1-1的传感器数据集。存储单元36处理区域1-1的传感器数据集来产生两个或更多个数据记录1、2。例如,存储单元36的应用处理模块34产生与用户设备1-1A在驾驶路径1-1上的最近10次通过相对应的10个数据记录。存储单元36的应用处理模块34把数据记录1、2存储在存储单元36的存储器58中。
用户设备14的应用处理模块34经由网络24向应用单元16发送侵蚀分析请求160,其中侵蚀分析请求160包括地理区域1-1的标识符。基于侵蚀分析请求160,应用单元16的应用处理模块34经由网络24从存储单元36获得数据记录1、2,其中数据记录1、2与侵蚀分析请求160中的地理区域1-1有关。
在获得了数据记录1、2之后,应用单元16的应用处理模块34根据侵蚀分析请求160分析数据记录1、2来为每个数据记录生成关于地理区域1-1的地形图。该生成包括应用处理模块34分析加速度计传感器数据和位置信息中的一者或多者来产生包括针对多个XY坐标的精确高度信息的临时地图。例如,应用处理模块34基于加速度计传感器数据和位置信息中的一者或多者来产生驾驶路径1-1的每个数据捕获点的高度信息。在产生了临时地图之后,应用处理模块34生成具有基本相似高度的点之间的连接符(connector),其中其它高度点可被内插于数据捕获点之间。在生成了连接符之后,应用处理模块34聚合临时地图和连接符来产生包括共同高度水平的等高线的对应地形图。
在产生了每个数据记录的地形图之后,应用单元16的应用处理模块34对两个或更多个数据记录的各个地形图的等高线进行解释来识别高度异常趋势。当由针对共同位置的至少两个地形图的等高线描绘出的高度水平之间的差值大于差值阈值水平时,应用处理模块34识别出高度异常趋势。例如,当由针对一特定位置的第一地形图示出的高度水平比由针对相同特定位置的第二地形图示出的高度水平高6英寸时,应用处理模块指示土壤侵蚀高度异常趋势,其中第二地形图与更晚的时间戳记相关联。作为另一示例,当由针对一特定位置的第一地形图示出的高度水平比由针对相同特定位置的第二地形图示出的高度水平低6英寸时,应用处理模块34指示土壤板结高度异常趋势,其中第二地形图与更晚的时间戳记相关联。
在识别出高度异常趋势之后,应用单元16的应用处理模块34从存储单元36获得关于地理区域1-1的历史概要162,其中历史概要162包括地理区域1-1的历史作物产率。在获得了历史概要162之后,应用处理模块34将历史概要162的作物产率与高度异常趋势的特定位置相关联来确定作为高度异常趋势的潜在结果的、对于作物产率的影响程度。在确定了影响程度之后,应用处理模块34生成侵蚀分析概要164,该侵蚀分析概要164包括以下各项中的一项或多项:特定位置的标识符、一个或多个地形图、一个或多个作物产率、以及对于作物产率的影响程度。例如,应用处理模块34生成侵蚀分析概要164来指示:由于侵蚀在过去三年内已经扩展超出8英寸的侵蚀水平,与特定位置相关联的作物产率比地理区域1-1的平均作物产率水平低30%。
在生成了侵蚀分析概要164之后,应用单元16的应用处理模块34经由网络24把侵蚀分析概要164发送至用户设备14和存储单元36中的一者或多者。可替换地或者附加地,应用单元16的应用处理模块34生成包括农业生命周期的附加土壤管理步骤(例如,积极的耕作等等)的农业处方来减轻土壤侵蚀。
图12E是示出针对相关联的地理区域1-1的驾驶路径的另一实施例的图示。用户设备根据数据捕获方案获得沿驾驶路径1-1的两个或更多个操作实例的多组传感器数据。例如,当数据捕获方案指示每十分之一英寸捕获传感器数据时,用户设备沿驾驶路径1-1每行进十分之一英寸即从传感器阵列捕获一组传感器数据。这样,用户设备每次沿地理区域1-1从西到东的遍历(当遍历在距离上约为1英里时)在约633000个数据捕获点处捕获传感器数据。
当包括传感器阵列的农业机械至少40英尺宽时,传感器阵列可覆盖沿驾驶路径的40英尺路径。这样,当驾驶路径上的覆盖区是40英尺并且从北到南的距离约4000英尺时,驾驶路径还包括驾驶路径要素的100次水平遍历。
当驾驶路径的100个水平要素中的每一者包括633000个数据捕获点时,用户设备产生大约63.3百万组传感器数据。每组传感器数据包括来自跨越驾驶路径的宽度方向分布的传感器的传感器数据。例如,数据捕获点沿轨道每隔十分之一英寸分布,其中当驾驶路径宽度约为40英尺并且沿驾驶路径使用七个轨道的传感器时,轨道被分离开约6英尺。
图12F-G是示出针对相关联的地理区域1-1的地形图的示例的图示。每个地形图指示基于多组捕获的传感器数据而生成的等高线(例如,以海平面上的英尺为单位,以海平面上的米为单位,以相比于另一参考平面的距离为单位)。图12F指示基于与时间t1相关联的传感器数据产生的地形图。图12G指示基于与时间t2相关联的传感器数据产生的地形图。可替换地或者附加地,其它地形图可基于与其它时间戳记相关联的其它传感器数据而产生。
两个或更多个地形图的等高线被比较来识别潜在的高度异常趋势。例如,地理区域1-1在时间t2处的地形图在处于990级的高度点之间的低洼地内指示新的较低潜在侵蚀场区。所识别的潜在高度异常趋势的地理位置可被标识来使能进一步分析。例如,进一步分析包括关联该区域随时间的作物产率以确定来自所识别的潜在高度异常趋势对于作物产率的影响程度。
图12H是示出识别地形异常的示例的流程图。方法始于或者继续进行步骤166,其中用户设备获得多组传感器数据的两个或更多个群组,其中每个群组包括多组传感器数据并且其中每个群组的多个传感器数据与共同的驾驶路径相对应。该获得包括以下各项的一项或多项:发起查询、接收查询响应、解释农业处方以标识要获得的传感器数据、选择传感器阵列中的传感器、选择共同驾驶路径、向传感器数据附加时间戳记、以及向传感器数据附加位置信息。
方法继续进行步骤168,其中存储单元获得多组传感器数据的两个或更多个群组。该获得包括以下各项的至少一项:接收一群组的多组传感器数据、发起传感器数据请求、以及接收传感器数据响应。方法继续进行步骤170,其中存储单元对多组传感器数据中的两个或更多个群组进行处理以产生两个或更多个数据记录。该处理包括以下各项的一项或多项:根据数据记录格式化方案生成数据记录以包括多组传感器数据中的一群组、存储数据记录、以及向应用单元发送数据记录。
方法继续进行步骤172,其中应用单元处理两个或更多个数据记录以产生共同地理场区的两个或更多个地形图。该处理包括以下各项的一项或多项:请求两个或更多个数据记录(例如,向存储单元发送请求)、接收两个或更多个数据记录、分析两个或更多个数据记录的传感器数据以产生共同地理区域的XYZ坐标的网格、以及内插网格中的其它坐标以产生地形图。例如,应用单元解释传感器数据中的加速度计数据以说明遍历共同地理场区的驾驶路径的农用拖拉机的俯仰和滚转从而产生XYZ坐标的网格。
方法继续进行步骤174,其中应用单元比较两个或更多个地形图以识别大于等高线差阈值水平的等高线差。该比较包括获得阈值水平、计算等高线差、将等高线差与阈值水平相比较、以及(当两个等高线之间的差别大于等高线差阈值水平时)指示等高线差大于等高线差阈值水平。
方法继续进行步骤176,其中应用单元为识别出大于等高线差阈值水平的等高线差的每个实例标识对应的地理位置信息。该标识包括从两个或更多个数据记录中的一个或多个中提取地理位置信息。方法继续进行步骤178,其中应用单元对包括与所标识的地理位置信息相关联的结果的历史结果进行比较来识别一个或多个潜在结果异常。该比较包括以下各项的一项或多项:从存储单元获得一个或多个潜在结果(例如,过去几年的作物产率)以及关联针对所标识的地理位置的结果中的改变。例如,应用单元在标识的地理位置内的土壤侵蚀大于8英寸的土壤耗损时识别出玉米作物产率下降30%。
方法继续进行步骤180,其中应用单元生成分析概要,该分析概要包括所识别的一个或多个潜在结果异常以及相应的地理位置信息。该生成包括以下各项的一项或多项:聚合结果异常和位置信息、向请求的实体输出分析概要、以及辅助分析概要在存储单元内作为历史概要的存储。
图13A是应用处理模块的实施例的示意性框图,该应用处理模块包括图9的分析模块81、图9的分析概要生成模块82、图9的处方生成模块84、图9的数据收集模块86、图9的历史归纳模块88、以及图9的存储器58。
在示例性操作中,分析模块81接收针对兴趣区域(例如,地理区域9)的指导的请求。该请求包括优化针对地理区域9的作物类型的选择的请求,并且还可包括候选作物类型和与农业生命周期相关联的条件的一者或多者。分析模块81基于请求选择超级区域166,其中超级区域166包括地理区域9。该选择可基于访问地理区域9的邻近地理区域的列表、执行查找、发起查询、和接收查询响应中的一者或多者。例如,分析模块81基于查找选择地理区域2-4、8-10和14-16包括在超级区域166中。
在选择了超级区域166之后,分析模块81获得超级区域166的数据记录168。例如,分析模块81向数据收集模块86发出对于超级区域的数据记录请求并且作为响应接收数据记录168。数据收集模块86基于超级区域、地理区域9和邻近地理区域中的一者或多者的标识来访问存储器58以恢复数据记录168。
在获得了数据记录168之后,分析模块81获得超级区域的历史概要。例如,分析模块81向历史归纳模块88发出历史概要请求以请求与超级区域相关联的每个地理区域的历史概要,历史归纳模块88从存储器58恢复历史概要,并且历史归纳模块88向分析模块81发送(例如,对于地理区域2、3、4、8、9、10、14、15和16)历史概要。
在获得了数据记录168和历史概要之后,分析模块81分析数据记录168和/或历史概要以产生超级区域分析170的结果,其中结果包括候选作物类型的农业生命周期作为相关联的条件的函数的结果。分析可包括以下各项中的一项或多项:超级区域作为单个地理区域的分析、超级区域的一部分的分析、以及超级区域中的每个地理区域的分析。分析可基于以下各项中的一项或多项对于来自超级区域的每个地理区域的数据记录168和/或历史概要的使用进行加权:数据记录和/或历史概要的年代、数据收集准确度估计、数据拥有者标识符、先前估计和测量结果之间的差别的指示符、以及地理区域到兴趣区域的距离。例如,分析模块可(相比不紧邻兴趣区域的其它地理区域)向紧邻兴趣区域的地理区域的数据记录的使用施加更高的权重。
农业生命周期的结果包括以下各项中的一项或多项:每个候选作物类型的绝对作物产量水平、每个候选作物类型的归一化作物产率、以及每个候选作物类型的投资回报率(ROI)水平。相关联的条件包括以下各项中的一项或多项:每个结果的天气模式、种植周期模板标识符、供水量、以及先前农业生命周期的一系列步骤和动作。例如,分析模块分析数据记录168和历史概要来产生以下结果,其指示当降雨天气模式在超级区域内是平均水平时,豆类的作物产率比平均水平高10%。作为另一示例,分析模块81分析数据记录168和历史概要来产生以下结果,其指示当超级区域内的降雨天气模式比平均水平干燥8-10%时,玉米的作物产率比平均水平高15%。
分析概要生成模块82获得一个或多个超级区域分析集170,并且针对相似条件比较两个或更多个作物类型的结果以产生超级区域分析概要172。例如,分析模块81分析数据记录168和历史概要来产生以下结果,其指示当地理区域9的降雨天气模式是平均水平的时,豆类的ROI比玉米的ROI高9%。作为另一示例,分析模块81分析数据记录168和历史概要来产生以下结果,其指示当地理区域9的降雨天气模式比平均水平干燥8-10%时,玉米的ROI比豆类的ROI高16%。分析概要生成模块82可向历史归纳模块88发送超级区域分析概要172以辅助超级区域分析概要172在存储器58内作为历史分析概要的存储。
处方生成模块84获得超级区域分析概要172。处方生成模块84还可从历史归纳模块88获得地理区域9历史概要。在获得了超级区域分析概要172和地理区域9历史概要之后,处方生成模块84基于超级区域分析概要172和地理区域9历史概要生成地理区域9的处方,其中处方包括针对一组或多组条件中每组条件的作物类型推荐。处方还可包括农业生命周期的步骤、动作、和相关联的条件中的一者或多者。例如,处方包括驾驶路径的第一区段在前3000英尺种植豆类然后在接下来的2280英尺种植玉米的推荐。处方还可包括与农业生命周期相关联的其它动作,例如根据基于超级区域分析概要172优化基于肥料的结果来施肥。
图13B是示出产生超级区域分析172的示例的图示。超级区域166的数据记录和/或历史概要被分析以产生超级区域分析172,其中该分析包括对于超级区域的描绘,其中该描绘指示共同结果的场区。共同结果的结果可表示地理区域中的相关部分针对特定作物类型和相关联条件的归一化产出。可替换地,结果可表示至少两个作物选择之间的差别,其中更高的程度指示这两个作物选择中的一个的更有利结果。例如,结果1部分指示超级区域中为大豆(例如,豆类)实现了最低投资回报率(ROI)的场区,结果2部分指示超级区域中针对相似条件玉米相比豆类存在ROI优势的场区,并且结果3部分指示超级区域中豆类的ROI大于玉米的场区。ROI可基于以下各项中的一项或多项:过往产率、估计产率、过往定价水平、估计未来定价水平、估计天气状况、以及在ROI的计算中考虑的任何其它条件和/或因素。
图13C是示出产生超级区域分析概要172的示例的图示。多个超级区域分析结果被获得并且用于生成超级区域分析概要172,其中相似条件的概要比较两个或更多个作物来高亮这两个或更多个作物中的哪个作物产生更优的结果。例如,玉米杂交种457在潮湿天气条件集1下关于ROI的超级区域分析、豆类杂交种106在潮湿天气条件集1下关于ROI的超级区域分析、玉米杂交种457在干燥天气条件集1下关于ROI的超级区域分析、豆类杂交种106在干燥天气条件集1下关于ROI的超级区域分析都被比较以产生给定潮湿条件或干燥条件的超级区域分析概要。如同所示,超级区域的一部分对应于豆类相比玉米具有更优ROI的地方,并且超级区域的另一部分对应于玉米相比豆类具有更优ROI的地方(针对类似天气条件)。
图13D是示出产生地理区域的农业处方的示例的图示。超级区域分析概要172被分析以生成兴趣区域(例如,地理区域9)的农业处方,其中该处方包括给定条件的作物类型推荐。处方还可包括农业生命周期的步骤和/或动作。例如,地理区域9的农业处方指示地理区域9的一部分应当种植豆类杂交种106并且地理区域9的另一部分应当种植玉米杂交种457来优化总体投资回报率。
图13E是示出生成农业处方的示例的流程图。方法始于或者继续进行步骤174,其中分析模块基于分析请求选择一超级区域。分析请求可包括两个或更多个候选作物类型的标识符和用于比较的条件。选择可包括接收兴趣区域、识别该兴趣区域的一个或多个邻近区域、聚合邻近区域和兴趣区域来产生超级区域。方法继续进行步骤176,其中分析模块获得超级区域的历史概要。历史概要包括当前年度的当前数据记录以及先前年度的历史概要中的一者或多者。该获得包括接收概要、发起请求、和接收响应中的一者或多者。
方法继续进行步骤178,其中针对每个候选作物类型,分析模块分析历史概要的各部分以产生包括结果和相关联的条件的超级区域分析。例如,分析模块标识期望的结果类别;并且针对每个期望的结果类别,分析数据记录和/或历史概要中的一者或多者来产生结果(例如,产率、ROI),并且标识结果的相关联的条件。方法继续进行步骤180,其中分析概要生成模块获得超级区域分析。该获得包括接收分析、发起请求、和接收响应中的一者或多者。
针对多个条件范围中一系列条件中的每一个,方法继续进行步骤182,其中分析概要生成模块比较候选作物中两个或更多个作物的结果以产生分析概要。例如,分析概要生成模块识别出每个候选作物类型的最优结果的场区。方法继续进行步骤184,其中处方生成模块获得分析概要。该获得包括接收概要、发起请求、和接收响应中的至少一者。
方法继续进行步骤186,其中处方生成模块基于针对至少一个共同条件范围的分析概要生成关于作物类型选择的处方。例如,基于分析概要,处方生成模块根据当前年度的估计条件来生成用于感兴趣的地理区域的不同子区域的作物类型。可替换地或者附加地,处方生成模块还可基于历史概要的步骤和相关联的结果生成包括农业生命周期的步骤模板的处方。
图14A是应用处理模块的另一实施例的示意性框图,该应用处理模块包括图9的分析模块81、图9的分析概要生成模块82、图9的处方生成模块84、图9的数据收集模块86、图9的历史归纳模块88、以及图9的存储器58。在示例性操作中,分析模块81接收对于兴趣区域(例如,地理区域9)的指导的请求。该请求包括优化农业生命周期中关于在兴趣区域内种植和收割期望的作物类型的步骤的请求。
分析模块81获得兴趣区域的数据记录190和历史概要192。例如,分析模块向数据收集模块86发出对于兴趣区域的数据记录请求并且作为响应接收区域9数据记录。作为另一示例,分析模块81向历史归纳模块88发出对于地理区域9的历史概要的历史概要请求并且接收地理区域9历史概要,其中概要包括感兴趣的地理区域的过往农业处方。
在获得了数据记录和历史概要之后,分析模块81分析数据记录和/或历史概要来产生区域9分析,其中分析包括多种种植方式的一个或多个先前种植周期的结果(例如,投资回报率(ROI)、作物产率、效率、土壤侵蚀水平、时间效率水平等等)。种植方式包括以下各项中的一项或多项:用于兴趣区域的一部分的驾驶路径的方向(例如,穿越等高线模式)、相比于等高线梯度的种植深度、以及兴趣区域的一部分的种植量(例如,每英亩的种子数)。例如,分析模块为包括跟随等高曲线的驾驶路径种植模式的种植方式生成ROI。作为另一示例,分析模块为包括对角地穿过向下倾斜的等高曲线的驾驶路径种植模式的种植方式生成ROI。作为又一示例,分析模块为包括水平地穿过向下倾斜的等高曲线的驾驶路径种植模式的种植方式生成ROI。
分析概要生成模块82获得一个或多个区域9分析集,并且针对相似条件将种植方式与各种条件的相关联的结果进行关联以产生区域9分析概要。例如,分析概要生成模块82产生区域9分析概要来指示:针对平均降雨量年度,包括跟随等高曲线的驾驶路径与最优结果相关联;并且针对低于平均降雨量的年段,对角地穿过等高曲线的驾驶路径与最优结果相关联。分析概要生成模块82可向历史归纳模块88发送区域9分析概要来辅助区域9分析概要在存储器58中作为历史概要192的存储。
处方生成模块84获得区域9分析概要。处方生成模块84还可从历史归纳模块88获得地理区域9历史概要。在获得了区域9分析概要和地理区域9历史概要之后,处方生成模块84基于区域9概要和地理区域9历史概要生成地理区域9的处方,其中处方包括针对地理区域9的一部分在相似条件下的推荐驾驶路径。该生成可包括:确定针对特定作物类型优化各种等高线场景的驾驶路径场景的条件概率,获得兴趣区域的地形图,以及基于地形图中的等高线信息和条件概率生成包括用于地理区域9的一个或多个部分的推荐驾驶路径的处方。
图14B是示出驾驶路径农业处方的示例的图示。驾驶路径农业处方包括地理区域9的地形图,其中地理区域9的各部分包括对于地理区域9驾驶路径的处方。例如,地理区域9的西北(例如,左上)部分包括一处方,该处方包括对于北-南路径的驾驶路径推荐。作为另一示例,地理区域9的东南(例如,右下)部分包括一处方,该处方包括对于西-东路径的驾驶路径推荐等等。
图14C是示出生成地理区域的农业处方的另一示例的流程图。方法始于或者继续进行步骤194,其中分析模块分析多个数据记录以产生对于感兴趣的地理区域的一个或多个种植周期的对应结果。数据记录可包括当前农业周期数据和先前种植周期的过往历史概要。例如,分析模块针对每个种植周期产生感兴趣的地理区域的各部分的作物产量结果。
方法继续进行步骤196,其中分析模块识别与一个或多个种植周期中的每一者的对应结果相关联的一个或多个种植方式。例如,分析模块针对一系列产量信息识别相对于地形图的等高线的驾驶路径方式(例如,向山下种植、向山上种植、以及穿越山来种植)。方法继续进行步骤198,其中针对一个或多个种植方式中的每个种植方式,分析模块识别与一个或多个种植周期中的每一者相关联的共同条件。例如,分析模块从数据记录中提取种植信息,其中种植信息包括作物类型、土壤类型、水分含量水平、雨天数目、晴天数目、以及农业生命周期的各步骤的时序中的一者或多者。
方法继续进行步骤200,其中分析概要生成模块针对每个种植方式将对应的结果与共同条件关联起来,以基于一系列共同条件产生对于种植方式的结果估计。例如,针对每个种植方式,分析概要生成模块从给定范围的共同条件的结果中识别最优作物产率。
方法继续进行步骤202,其中处方生成模块基于系列的共同条件生成每个种植方式的条件结果概率。例如,处方生成模块对与共同的系列条件相关联的种植周期的每次出现的结果估计执行趋势分析。方法继续进行步骤204,其中处方生成模块基于请求的作物类型的条件结果概率来生成感兴趣的地理区域的种植处方,其中该处方包括推荐的种植方式。例如,处方生成模块在感兴趣的地理区域的地形图上指示驾驶路径,其中驾驶路径与使用条件结果概率对作物产量的优化相关联。
图15A是示出图7的用户设备1-1A、一个或多个期望作物210、一个或多个期望植物212、一个或多个不期望植物214、废弃物216、以及数据捕获区1-1内沿图7的驾驶路径1-1-1的图7的轨道1-7间的另一关系的图示。用户设备1-1A包括图7的传感器阵列以及应用处理模块218。应用处理模块218可利用图4的应用处理模块34来实现。
期望作物210包括源自先前种植的期望作物的种子的后续作物生长。期望植物212包括当没有期望作物不是不合需要时的植物(例如,覆盖作物)。这样,期望植物可有利地影响期望作物(例如,增强土壤养分、有利地影响土壤侵蚀等等)。不期望植物214包括可不利地影响期望作物的任何植物(例如,消耗水和养分的杂草)。废弃物216包括可不利地影响农业生命周期的步骤和/或农业生命周期的结果的任何其它对象。废弃物216的示例包括岩石、树枝、瓶子、废纸、塑料袋等等中的一者或多者。
随着用户设备1-1A遍历驾驶路径1-1-1穿过数据捕获区1-1,用户设备1-1A可操作以捕获与期望作物210、期望植物212、不期望植物214和废弃物216中的一者或多者相关联的传感器数据222。期望作物210、期望植物212、不期望植物214和废弃物216中的一者或多者此后可被互换地称作对象。用户设备1-1A还可用来检测和/或确认对象。
在检测多个对象中的一对象的示例性操作中,两个或更多个传感器捕获与对象相关联的传感器数据222。应用处理模块218分析从传感器1捕获的传感器数据1以检测对象。例如,应用处理模块218将传感器数据1与非对象参考(例如,没有对象存在的背景)的传感器数据标本相比较并且当传感器数据1与非对象参考的传感器数据标本比较相反时,指示对象被检测到。作为另一示例,当传感器数据1与非对象参考的传感器数据标本比较相反时,应用处理模块将来自传感器2的传感器数据2与非对象参考的传感器数据标本相比较并且当传感器数据1和传感器数据2二者均与非对象参考的传感器数据标本比较相反时,指示对象被检测到。
在确认对象的示例性操作中,应用处理模块218分析从传感器1捕获的传感器数据1以确认对象。分析可根据相关联的农业处方220来进行,其中农业处方220指示期望作物类型(例如,玉米被种植)、期望植物类型(例如,覆盖作物种类)、预期的不期望植物(例如,与数据捕获区1-1相关联的特定杂草)、以及预期的杂物(例如,与数据捕获区1-1相关联的岩石类型)中的一者或多者。例如,应用处理模块218将传感器数据222与对象的传感器数据标本相比较并且当传感器数据222与对象的传感器数据标本比较一致时,指示对象被确认。例如,应用处理模块218将来自传感器1的图像与存储的、与农业处方220相关联的第一期望作物的图像(例如,当玉米先前被种植时的玉米原种(corn stock)图像)相比较,并且当来自传感器1的图像与玉米原种的存储图像比较一致时,指示该对象已经被确认为玉米原种。
应用处理模块218沿轨道1-7检测对象和/或确认对象,并且可基于触发器,输出和/或本地存储数据捕获区1-1的至少一部分的传感器数据222,该传感器数据包括以下各项中的一项或多项:传感器输出、检测到的对象的指示、确认的对象的标识、以及与每种类型的对象相关联的统计值。触发器可基于以下各项中的一项或多项:自从先前触发器之后的逝去时间、自从上次触发器之后行进的距离、检测到对象、特定对象类型的确认、以及检测到与传感器数据先决条件阈值水平比较一致的传感器数据222。
应用处理模块218可进一步分析传感器数据222来对对象进行表征以产生对象特性(例如,物理特性)。统计值包括以下各项中的一项或多项:每测量单元(例如,距离、时间)的对象的数目、每测量单元根据对象类型所确认的对象的数目、以及根据对象类型的对象特性(例如,平均玉米原种宽度、最小玉米原种宽度、最大玉米原种宽度、平均玉米原种水分水平、平均估计产量)。
图15B是图15A的应用处理模块218的另一实施例的示意性框图,该应用处理模块218包括两个或更多个对象检测模块、两个或更多个对象确认模块、以及两个或更多个对象表征模块。每个对象检测模块可操作地耦合至与图15A的用户设备1-1A相关联的传感器阵列的传感器。应用处理模块218可操作以在传感器阵列的至少一个传感器的操作场区内检测和确认对象以产生传感器数据222。
在示例性操作中,期望作物210在传感器1的操作场区内,期望植物212在传感器1-2的操作场区内,并另一期望作物210在传感器2的操作场区内。可替换地,对象可在传感器阵列中任何数目传感器的每个传感器的操作场区内。当对象被检测到(例如,期望作物210和期望植物212中的一者或二者被检测到)时,对象检测模块1分析来自传感器1的传感器数据1以产生对象信息1。对象信息1包括与(一个或多个)检测到的对象和(一个或多个)检测到的对象的指示相关联的传感器数据1的子集。例如,在传感器数据1与不存在任何对象的背景传感器数据标本相比较相反时,对象检测模块1指示对象被检测到。类似地,当期望植物和另一期望作物中的一者或二者被检测到时,对象检测模块2分析来自传感器2的传感器数据2以产生对象信息2。
对象确认模块1根据处方220对来自一个或多个对象检测模块的对象信息进行分析以确认检测到的对象并且产生经确认的对象信息1。例如,对象确认模块1将对象信息1与处方所关联的一系列传感器数据模板相比较来对检测到的对象进行预确认,并且将对象信息2与检测到的对象的预确认所关联的特点传感器数据模板相比较以产生经确认的对象信息1。该经确认的对象信息1包括以下各项中的一项或多项:对象类型指示符(例如,期望作物标识符(ID)、期望植物ID、不期望植物ID、杂物ID)以及对象信息1和对象信息2中的一者或多者的一部分。
对象表征模块1分析经确认的对象信息1以产生传感器数据222的对象特性信息1,其中对象特性信息1包括对象特性、对象统计值(例如,玉米原种宽度等等)、对象类型指示符、和经确认的对象信息1中的一者或多者。分析可包括分析来自两个或更多个传感器的对象信息以产生对象特性。例如,对象表征模块1将来自传感器1和2的检测到的玉米原种的图像与原种宽度校准图像相比较以确定玉米原种宽度。
图15C是示出对地理区域内的对象进行数字化的示例的流程图。方法始于或者继续进行步骤224,其中处理模块(例如,应用处理模块)选择多个传感器用于分析地理区域内的对象。该选择可基于以下各项中的一项或多项:根据相关联的农业处方标识作物类型并且基于标识的作物类型来标识传感器类型、执行查找、发起请求、发起查询、接收查询响应、检测到可用传感器、以及解释预定。
方法继续进行步骤226,其中处理模块从多个传感器中的至少一些传感器获得传感器数据。该获得包括接收传感器数据、发起查询、接收包括传感器数据的查询响应、和访问存储器中的至少一项。方法继续进行步骤228,其中处理模块分析来自一个或多个传感器的传感器数据以检测对象。分析包括以下各项中的一项或多项:将传感器数据与没有对象存在的背景所对应的预定传感器数据模板相比较、将传感器数据与传感器数据表相比较、以及利用两个或更多个传感器类型(例如,相机图像和雷达)来检测对象。
方法继续进行步骤230,其中处理模块为检测到的对象生成对象信息。例如,处理模块标识与检测到的对象相关联的传感器数据的子集。针对检测到的对象,方法继续进行步骤232,其中处理模块基于来自多个传感器中的至少一些传感器的传感器数据、对象信息、和相关联的农业处方而对检测到的对象进行确认。例如,处理模块利用对象确认算法分析对象信息和/或附加传感器数据,其中算法可利用从处方获得的对象类型偏置模型。对象确认算法可包括:当对象信息的模型基本匹配对象类型的模型时,指示经确认的对象。
方法继续进行步骤234,其中处理模块为经确认的检测到的对象生成经确认的对象信息。例如,处理模块生成包括检测到的对象的对象类型和对象信息的经确认的对象信息。方法继续进行步骤236,其中处理模块对经确认的对象信息进行分析以产生对象特性信息。例如,处理模块使用对象表征算法来比较对象信息和/或附加传感器数据以产生对象特性信息。对象表征算法包括:当对象信息的模型基本匹配特性的模型时,指示特性。对象特性包括对象类型、对象信息、和对象特性信息中的一者或多者。
方法继续进行步骤238,其中处理模块输出传感器数据、对象信息、经确认的对象信息、和对象特性信息中的一者或多者。输出包括以下各项中的一项或多项:接收对于传感器数据的请求、执行自动化输出、本地存储传感器数据、向存储单元发送传感器数据、向请求的用户设备发送传感器数据、以及向请求的应用单元发送传感器数据。
图16A是应用处理模块的另一实施例的示意性框图,该应用处理模块包括图9的分析模块81、图9的分析概要生成模块82、图9的处方生成模块84、图9的数据收集模块86、图9的历史归纳模块88、以及图9的存储器58。
在示例性操作中,分析模块81接收对于兴趣区域(例如,地理区域9)的指导的请求。该请求包括对于优化农业生命周期关于在兴趣区域内种植和收割期望作物类型的步骤和/或动作的请求。分析模块81获得兴趣区域的数据记录和历史概要。例如,分析模块81向数据收集模块86发出对于地理区域9的数据记录请求并且作为响应接收区域9数据记录(例如,可包括当前和/或现场的传感器数据250)。例如,数据收集模块86从存储器58取回数据记录252,从取回的数据记录252中提取区域9数据记录,并且向分析模块81发送区域9数据记录。作为另一示例,分析模块81向历史归纳模块88发出对于地理区域9的历史概要的历史概要请求并且接收地理区域9历史概要,其中概要包括感兴趣的地理区域的过往农业处方。例如,历史归纳模块88从存储器58取回历史概要254,从取回的历史概要254中提取地理区域9历史概要,并且向分析模块81发送地理区域9历史概要。
在获得了数据记录和历史概要之后,分析模块81分析数据记录和/或历史概要来产生区域9分析,其中分析包括多种种植方式的一个或多个先前种植周期的结果(例如,投资回报率(ROI)、作物产率、效率等等)。种植方式包括以下各项中的一项或多项:用于兴趣区域的一部分的驾驶路径的方向(例如,穿越等高线模式)、驾驶路径速度、相比于等高线梯度的种植深度、以及兴趣区域的一部分的种植量(例如,每英亩的种子数)。例如,分析模块81为包括用于兴趣区域的第一部分的规定的驾驶路径的第一驾驶路径速度范围的种植方式生成ROI。作为另一示例,分析模块81为包括用于兴趣区域的第一部分的规定的驾驶路径的第二驾驶路径速度范围的另一种植方式生成另一ROI。作为又一示例,分析模块81为包括用于兴趣区域的第二部分的另一规定的驾驶路径的第一驾驶路径速度范围的又一种植方式生成又一ROI。
分析概要生成模块82获得一个或多个区域9分析集,并且针对相似条件将种植方式与各种条件(例如,包括当前的和/或将来的条件)的相关联的结果进行关联以产生区域9分析概要。例如,分析概要生成模块82产生区域9分析概要来指示:针对平均降雨量年度,在兴趣区域的第一部分上使用的第一驾驶路径速度范围与最优结果相关联;并且针对低于平均降雨量的年段,在兴趣区域的第一部分上使用的第二驾驶路径速度范围与最优结果相关联。分析概要生成模块82可向历史归纳模块88发送区域9分析概要来辅助区域9分析概要在存储器58中作为历史概要254的一部分的存储。
处方生成模块84获得区域9分析概要。处方生成模块84还可从历史归纳模块获得地理区域9历史概要。在获得了区域9分析概要和地理区域9历史概要之后,处方生成模块84基于区域9概要和地理区域9历史概要生成地理区域9的处方,其中处方包括针对地理区域9的一部分在相似条件下的推荐驾驶路径速度范围。该生成可包括:确定优化特定作物类型的结果的驾驶路径速度范围场景的条件概率,获得兴趣区域的地形图,以及基于地形图中的等高线信息和条件概率生成包括用于地理区域9的一个或多个部分的推荐驾驶路径速度范围的处方。可替换地或者附加地,该生成可基于更新区域9数据记录以包括当前传感器数据。例如,处方生成模块84更新地理区域9的处方以包括:当当前传感器数据只是土壤水分低于平均值20%(例如,基于由传感器阵列检测到的农用器械颤动)时,根据条件概率降低驾驶路径速度范围以优化结果。
图16B示出驾驶速度农业处方的示例的图示。驾驶路径农业处方包括地理区域9的地形图,其中地理区域9的各部分包括对于地理区域9驾驶路径的处方。例如,地理区域9的区域9-1包括一处方,该处方包括当预期的降雨量周期是平均值时5-7英里每小时(MPH)的驾驶路径速度范围推荐来优化农业生命周期的结果。作为另一示例,地理区域9的区域9-2包括一处方,该处方包括当当前土壤水分比平均值多10%水分等等时9-11英里每小时(MPH)的驾驶路径速度范围推荐来优化农业生命周期的结果。
图16C是示出确定农业处方的驾驶速度的示例的流程图。方法始于或者继续进行步骤256,其中分析模块分析多个数据记录以产生一个或多个种植周期的对应结果。例如,分析模块生成一个或多个种植周期的结果,该结果包括基于作物类型、地形、驾驶路径速度范围、和其它条件(例如,天气、土壤水分范围等等)中的一者或多者的作物产量信息。一个或多个种植周期可包括当前种植周期。当包括当前种植周期时,多个数据记录包括基于当前传感器数据的当前数据记录。例如,当前传感器数据包括针对土壤水分、天线状况、加速度计数据、位置信息等等中的一者或多者的鲜活读取。
方法继续进行步骤258,其中分析模块识别与一个或多个种植周期中的每一者的对应结果相关联的一个或多个种植速度范围。例如,分析模块针对感兴趣的地理区域的一部分的一系列作物产量信息确定驾驶路径速度范围。方法继续进行步骤260,其中针对一个或多个种植速度范围中的每一者,分析模块识别与一个或多个种植周期中的每一者相关联的共同条件。例如,分析模块从数据记录和/或历史概要中的一者或多者中提取共同条件。例如,分析模块提取作物类型、土壤类型、水分含量水平、雨天数目、晴天数目、以及相对于农业生命周期的步骤的种植日历时序。在识别与一个或多个种植周期相关联的共同条件的示例中,分析模块针对第一组条件识别针对具有5-7英里每小时(MPH)的驾驶路径速度范围的一部分地理区域发生的最优作物产量。在另一示例中,分析模块针对第二组条件(例如,当前条件)识别针对具有8-12MPH的驾驶路径速度范围的一部分地理区域发生的最优作物产量。
方法继续进行步骤262,其中分析概要生成模块针对每个种植速度范围将对应的结果与共同条件关联起来,以基于一系列共同条件产生对于种植速度范围的结果估计。例如,针对每个种植速度范围,分析概要生成模块从给定范围的共同条件的结果中识别最优作物产量。方法继续进行步骤264,其中处方生成模块基于系列的共同条件生成每个种植速度范围的条件结果概率。例如,处方生成模块对处于共同的系列条件中的种植周期的每次出现的结果估计执行趋势分析。例如,处方生成模块生成条件结果概率以指示最高范围的条件概率与8-12MPH的驾驶路径速度范围相关联以当与第二组条件相关联时为该部分地理区域产生最优作物产量。
方法继续进行步骤266,其中处方生成模块基于请求的作物类型的条件结果概率来生成请求的地理区域的种植处方,其中该处方包括推荐的种植速度范围。例如,处方生成模块在请求的区域的地形图上指示驾驶路径的驾驶路径速度范围,其中驾驶路径速度范围与使用条件结果概率对作物产率的优化相关联。
图17A是示出图11的用户设备1-1A、图11的执行器组92、和沿驾驶路径1-1-1的图11的轨道1-7间的另一关系的图示。用户设备1-1A包括图4的应用处理模块34和图11的传感器阵列。应用处理模块34用作将数据编码到种植模式中以及解码种植模式以恢复数据。
在将数据编码到种植模式的示例中,应用处理模块34选择进行编码的数据以产生选定数据。数据可包括以下各项中的一项或多项:作物杂交种标识号、作物类型指示符、地理区域标识符、现在日期、农业处方270的步骤的日期、农业处方的标识符、玉米迷宫模式、和观赏作物模式、以及与农业有关的进行编码的任何其它数据项或模式。选择包括接收用户输入、接收请求、以及解释农业处方270中的一者或多者。
在选择了数据之后,应用处理模块34使用编码方案对选定数据进行编码以产生用于地理区域的一部分的种植模式。编码包括将一部分的选定数据转换成对应的种植模式符号,其中种植模式符号包括针对编码区的至少一部分的一个或多个轨道的轨道种植模式。轨道种植模式包括一个或多个作物群以及一个或多个作物群之间的一个或多个间隙。每个作物群包括种植的数目、作物群的长度、作物群的密度、和作物类型指示符中的一者或多者。每个间隙包括间隙长度、替换的植物类型指示符、替换植物的数目、和替换植物的密度中的一者或多者。编码方案可包括快速响应代码格式、条形码格式、和任何其它方案中的一者或多者以将数据编码到地理模式中,该地理模式包括沿驾驶路径在一个或多个基本平行的轨道中种植的植物。例如,第一种植模式符号包括编码区1-1上沿轨道1的15英寸长的作物群1-1(由19英寸的间隙1-1形成纵列),并跟随由14英寸长的作物群1-2。
在编码了选定数据以产生地理区域的一部分的种植模式之后,应用处理模块34根据该部分的种植模式辅助跨越编码区的种植。例如,应用处理模块34检测到地理区域的该部分(例如,现在的位置信息匹配该部分的开头),将种植模式变换为控制信息272,以及向执行器组92输出控制信息272,从而使得执行器组92中的执行器根据该部分的种植模式来种植。
在解码种植模式以恢复数据的示例中,应用处理模块34从传感器阵列获得该部分地理区域的原始传感器数据。例如,应用处理模块34检测编码区并且从传感器阵列接收前方传感器数据。在获得了原始传感器数据之后,应用处理模块解释原始传感器数据以检测种植模式。例如,应用处理模块34检测作物群和每个轨道1-7的作物群之间的间隙,并且将检测到的作物群和间隙与编码方案的种植模式符号进行匹配以产生种植模式的种植模式符号。
在产生了种植模式符号之后,应用处理模块34使用编码方案解码检测到的种植模式以产生经恢复的数据。例如,应用处理模块34使用编码方案对种植模式符号进行解释以产生经恢复的数据。在产生了经恢复的数据之后,应用处理模块34输出包括经恢复的数据和原始传感器数据中的一者或多者的传感器数据274。输出可包括经由用户接口呈现一部分数据、触发对应的农业处方的执行、以及向另一应用处理模块34发送经恢复的数据作为传感器数据274中的一者或多者。
图17B是示出针对相关联的地理区域1-1的驾驶路径1-1的另一实施例的图示,该驾驶路径1-1包括一系列驾驶路径,其中每个驾驶路径包括一组轨道。系列的驾驶路径包括编码区1-1和未编码的种植模式276。未编码的种植模式276包括针对一个或多个期望作物的种植模式但是不包括根据经编码数据的种植模式符号。编码区1-1包括根据经编码数据的种植模式符号。
在示例性操作中,与农用器械相关联的用户设备遍历该系列的驾驶路径。驾驶路径的遍历包括遍历编码区1-1。当遍历编码区1-1时,用户设备检测到种植模式符号并且解码种植模式符号以产生经恢复的数据。作为具体示例,农用器械经由编码区1-1进入地理区域1-1,产生经恢复的数据,从经恢复的数据中提取作物杂交种指示符,以及在与该用户设备和/或农用器械所关联的另一用户设备相关联的用户接口上显示作物杂交种指示符。作为另一具体示例,农用器械经由编码区1-1进入地理区域1-1,产生经恢复的数据,从经恢复的数据中提取农业处方标识符,以及根据农业处方辅助下一农业生命周期步骤(例如,基于农业处方,自动地在地理区域的期望部分上施用期望数量的肥料)。
图17C是示出编码数据作为种植模式的示例的流程图,其中当编码数据时,方法始于或者继续进行步骤278,其中(例如,应用处理模块中的)处理模块选择用于编码的数据。选择可包括解释处方和接收用户输入中的至少一者。方法继续进行步骤280,其中处理模块使用编码方案对选定数据进行编码以产生用于地理区域的一部分的种植模式。例如,处理模块基于地理区域的标识符、作物类型、和编码方案兼容性因素中的一者或多者来选择编码方案。在选择了编码方案之后,处理模块利用该编码方案编码数据以产生种植模式的种植模式符号。可替换地,处理模块可产生不止一个种植模式。
当种植地理区域的一部分时,方法继续进行步骤282,其中处理模块根据种植模式来辅助种植。例如,处理模块检测到对地理区域的一部分进行种植(例如,基于该部分地理区域的位置信息与当前位置信息的一致比较),将种植模式变换为控制信息,以及向一个或多个执行器输出控制信息,从而辅助根据种植模式来种植期望植物。作为另一示例,处理模块接收包括控制信息的机器可读处方并且向一个或多个执行器输出控制信息。
当解码种植模式以恢复数据时,方法继续进行步骤284,其中处理模块从与该部分地理区域相关联的传感器阵列获得传感器数据。该获得包括检测到该部分地理区域的邻近度、发起查询、接收查询响应、和接收传感器数据中的至少一者。方法继续进行步骤286,其中处理模块对传感器数据进行解释以产生检测到的种植模式。解释包括以下各项中的一项或多项:确定在作物群的预期距离内的植物数量、确定作物群的长度、确定作物群之间的间隙的长度、以及将具有作物群的长度、作物群的数量和作物群之间的间隙的模式与种植模式符号的简档进行匹配来识别出检测到的种植模式的种植模式符号。
方法继续进行步骤288,其中处理模块根据编码方案解码检测到的种植模式以产生经恢复的数据。例如,处理模块获得编码方案(例如,查找),使用编码方式来解释识别出的种植模式符号以产生一部分的经恢复数据,以及聚合各部分的经恢复的数据以产生经恢复的数据。
方法继续进行步骤290,其中处理模块输出经恢复的数据。输出包括以下各项中的一项或多项:从请求实体接收请求、向请求实体输出经恢复的数据、向用户接口输出端输出经恢复的数据、向另一应用处理模块发送经恢复的数据、以及向存储单元发送经恢复的数据。
图18A是示出图11的用户设备1-1A、图11的执行器组92、和沿驾驶路径1-1-1的图11的轨道1-7间的另一关系的图示。用户设备1-1A包括图4的应用处理模块34和图11的传感器阵列。应用处理模块34用作将轨道1-7与驾驶路径对准。对准包括产生驾驶路径末端指示符以及对驾驶路径指示符的后续检测以辅助轨道1-7与下一驾驶路径对准。
在产生驾驶路径末端指示符的示例性操作中,在沿驾驶路径的一组轨道进行种植的同时,应用处理模块34检测驾驶路径的结束。例如,当当前位置信息与驾驶路径的结束(与驾驶路径相关联)所关联的预定位置信息相比较一致时,应用处理模块34指示驾驶路径的结束已经被检测到。
在检测到驾驶路径的结束之后,应用处理模块辅助根据驾驶路径末端种植模式沿该组轨道进行种植以产生驾驶路径末端指示符。驾驶路径末端种植模式包括关于跨越该组轨道中的一个或多个轨道种植植物的一个或多个农业生命周期步骤。例如,驾驶路径末端种植模式包括中止除了一个轨道之外的所有轨道上的种植,其中这一个轨道(例如,轨道7)处于紧挨着下一驾驶路径(例如,驾驶路径1-1-2)的对应轨道(例如,轨道7)的边界处。作为另一示例,驾驶路径末端种植模式包括中止行末端前(例如,1英尺)的一个轨道的种植,其中这一个轨道(例如,轨道7)处于紧挨着下一驾驶路径(例如,驾驶路径1-1-2)的对应轨道(例如,轨道7)的边界处。
作为根据驾驶路径末端种植模式进行种植的具体示例,应用处理模块34获得驾驶路径末端种植模式(例如,从农业处方300、从预定列表)并且向(例如,附接至种植机的)执行器组92发送控制信息302,其中控制信息302包括驾驶路径末端种植模式从而使得执行器组92根据驾驶路径末端种植模式来进行种植。例如,轨道1-6停止种植并且轨道7继续种植一英尺或更多英尺来产生驾驶路径末端指示符1-1-1。作为另一实例,轨道1-5停止种植并且轨道6-7继续种植一英尺或更多英尺来产生驾驶路径末端指示符1-1-1。作为另一实例,轨道7提前1英尺停止种植并且轨道1-6在驾驶路径末端处停止种植一英尺或更多英尺来产生驾驶路径末端指示符1-1-1。作为另一实例,轨道1-3和5-6在驾驶路径末端处停止种植并且轨道4和7继续种植一英尺或更多英尺来产生驾驶路径末端指示符1-1-1(例如,这包括中间的指示符以辅助利用传感器阵列(当附接至联合收割机时)的后续检测,其中种植机是联合收割机的宽度的两倍)。
在对于驾驶路径指示符的后续检测以辅助轨道1-7与下一驾驶路径的对准的示例性操作中,应用处理模块34从传感器阵列获得原始传感器数据。作为具体示例,应用处理模块34在农业生命周期的接下来的步骤包括继续种植时接收原始传感器数据。作为另一具体示例,应用处理模块34在农业生命周期的接下来的步骤包括种植之外的其它步骤(例如,驾驶路径的后续遍历以进行施肥和/或收割)时接收原始传感器数据。
在获得了原始传感器数据之后,应用处理模块34解释原始传感器数据以检测驾驶路径末端种植模式。解释包括将来自传感器阵列的原始传感器数据与驾驶路径末端种植模式所关联的一个或多个种植模式进行比较。例如,来自传感器7的传感器数据通过检测到与近期种植(几分钟后)相关联的模式和与先前种植(例如,先前种植之后数周)所关联的生长的作物的模式中的至少一者来检测驾驶路径末端指示符1-1-1。
在检测到驾驶路径末端种植模式之后,应用处理模块34获得与驾驶路径末端种植模式相关联的位置信息。应用处理模块34对与驾驶路径末端种植模式相关联的位置信息进行解释以产生上一驾驶路径的边缘的位置信息。在产生了上一驾驶路径的边缘的位置信息之后,应用处理模块34使用上一驾驶路径的边缘的位置信息来辅助沿下一驾驶路径的该组轨道进行遍历的对准。作为具体示例,应用处理模块34产生其它控制信息302以使用上一驾驶路径的边缘的位置信息来调整农用器械的位置,向农用器械输出包括控制信息302的传感器数据304,向用户接口输出指示符,以及当开始下一驾驶路径时发起农业生命周期的一系列步骤中的下一步骤。
图18B是示出针对相关联的地理区域1-1的驾驶路径1-1的另一实施例的图示。驾驶路径包括一系列驾驶路径,其中每个驾驶路径包括一组轨道。植物沿一系列驾驶路径中的至少一些轨道来种植。种植遍历驾驶路径并且结束于地理区域的边界处。每个驾驶路径的末端根据驾驶路径末端种植模式来进行种植以产生驾驶路径末端指示符和驾驶路径边缘指示符中的至少一者。例如,边缘轨道(例如,驾驶路径中与下一驾驶路径的对应边缘接界的轨道)在第一驾驶路径的末端被种植以轨道扩展1-1-1来提供驾驶路径末端指示符1-1-1。例如,第七轨道被超出其它轨道的附加3英尺地种植。在接近下一驾驶路径的开端时,通过检测上一驾驶路径的驾驶路径末端指示符并且调整农用器械的位置从而使得驾驶路径的边缘轨道之间的期望间隔被实现而没有不希望的重叠和/或欠叠,农用器械可在下一驾驶路径上被基本对准。
作为具体示例,农用器械遍历第一驾驶路径,种植轨道扩展1-1-1,转向以面向第二驾驶路径的开端,检测到轨道扩展1-1-1,并且调整农用器械的位置以提供沿第二驾驶路径的轨道的期望对准。例如,期望对准包括实现第一驾驶路径的边缘轨道和第二驾驶路径的对应边缘轨道之间的分隔距离一基本与任何给定驾驶路径内的每个轨道之间的分隔距离相同。
图18C是示出对准驾驶路径的轨道的示例的流程图。方法始于或者继续进行至步骤306,其中当应用驾驶路径末端指示符时,处理模块(例如,应用处理模块)检测到驾驶路径的末端。例如,当现在的位置信息与驾驶路径的末端所关联的位置信息相比较一致时,处理模块指示驾驶路径的末端。作为另一示例,当检测到先前的驾驶路径末端种植模式时,处理模块指示驾驶路径的末端。
方法继续进行至步骤308,其中处理模块获得驾驶路径末端种植模式。获得包括从农业处方取回以及基于种植的属性而生成中的至少一者。属性包括作物类型、地理位置标识符、和当前地域类型指示符中的一者或多者。方法继续进行至步骤310,其中处理模块根据驾驶路径末端种植模式修改沿驾驶路径的一组轨道的种植。该修改包括用驾驶路径末端种植模式替换当前种植模式并且向与农用器械相关联的一组执行器输出驾驶路径末端种植模式。
当使用检测到的驾驶路径末端指示符时,方法继续进行至步骤312,其中处理模块从传感器阵列获得传感器数据。该获得包括接收传感器数据、发起查询、接收查询响应、和访问存储单元中的一者或多者。该获得可与继续种植或者对驾驶路径的后续遍历(例如,与施肥相关联、与收割相关联)相关联。
方法继续进行至步骤314,其中处理模块对传感器数据进行解释以检测驾驶路径末端种植模式。解释包括以下各项中的一项或多项:检测一个或多个作物、确定一个或多个作物的关系模式、将关系模式与驾驶路径末端种植模式的一个或多个预期关系模式相比较、以及当比较结果一致时指示检测到驾驶路径末端种植模式。
方法继续进行至步骤316,其中处理模块基于检测到的驾驶路径末端种植模式来确定上一驾驶路径的边缘的位置信息。例如,处理模块识别检测到的驾驶路径模块种植模式的边缘并且确定与识别出的边缘对应的位置信息。
方法继续进行至步骤318,其中处理模块基于上一驾驶路径的边缘的位置信息来辅助沿下一驾驶路径的一组轨道的遍历。例如,处理模块基于当前位置和上一驾驶路径的边缘的位置信息生成对准指导信息并且输出对准指导。输出包括向用户接口输出端发出消息(例如,左转、右转、直行、后退、设定速度)。输出还可包括向农用器械的一组执行器发出控制信息来基本自动化沿下一驾驶路径的该组轨道的遍历。
本文可使用的术语“基本”和“约”提供了对于它的对应项和/或多个项之间的相对程度的工业接收的公差。这样的工业接收的公差从少于百分之一变化到50%,并且对应于但不限于元件值、集成电路工艺偏差、温度偏差、上升下降时间、和/或热噪声。多个项之间的相对程度从百分之几的差别变化到显著差别。本文还可能使用的术语“可操作地耦合至”、“耦合至”和/或“耦合”包括物品之间的直接耦合和/或物品之间经由中间物品(例如,包括但不限于组件、单元、电路、和/或模块的物品)的间接耦合,其中对于间接耦合来说,中间物品不改变信号的信息但可调整其电流电平、电压电平和/或功率电平。本文还可能使用的推断耦合(即,一个单元通过推断耦合至另一个单元)包括两个物品之间与“耦合至”相同的方式的直接和间接耦合。本文还可使用的术语“可操作以”或者“可操作地耦合至”指示物品包括功率连接、(一个或多个)输入、(一个或多个)输出等中的一者或多者以当被激活时物品执行一个或多个其对应的功能的并且还可包括到一个或多个其它物品的推断耦合。本文还可使用的术语“与…相关联”包括分离物品的直接和/或间接耦合和/或一个物品被嵌入在另一物品内。文本可使用的术语“比较有利”指示两个或更多项、信号等之间的比较提供期望的关系。例如,当期望的关系是信号1具有比信号2更大的幅值时,有利的比较可在信号1的幅度大于信号2的幅度时或者信号2的幅度小于信号1的幅度时被实现。
还可在本文中使用的术语“处理模块”、“处理电路”和/或“处理单元”可是单个处理设备或多个处理设备。该种处理设备可是微处理器、微控制器、数字信号处理器、微型计算机、中央处理单元、现场可编程门阵列、可编程逻辑器件、状态机、逻辑电路、模拟电路、数字电路、和/或基于电路的硬编码和/或操作指令操作(模拟和/或数字)信号的任何装置。处理模块、模块、处理电路和/或处理单元可以是或者可进一步包括存储器和/或集成存储器元件,其可是单个存储设备,多个存储器设备,和/或另一个处理模块、模块、处理电路、和/或处理单元的嵌入电路。该种存储器设备可以是只读存储器、随机存取存储器、易失性存储器、非易失性存储器、静态存储器、动态存储器、闪存、缓存存储器和/或存储数字信息的任何设备。注意,如果处理模块、模块、处理电路、和/或处理单元包括一个上的处理设备,则这些处理设备可被集中地放置(例如,直接通过有线和/或无线总线结构连接在一起)或可以被分布式放置(例如,经由局域网和/或广域网通过间接耦合的云计算)。进一步注意到,如果处理模块、模块、处理电路、和/或处理单元通过状态机、模拟电路、数字电路、和/或逻辑电路执行它的一个或多个功能,存储相应操作指令的存储器和/或存储器元件可被嵌入在包括状态机、模拟电路、数字电路、和/或逻辑电路的电路的内部或外部。更要进一步注意,存储器元件可存储并且处理模块、模块、处理电路、和/或处理单元执行对应于一个或多个图中所示的至少一些步骤和/或功能的硬编码和/或操作指令。这样的存储器设备或存储器元件可被包含在制品内。
上面已在示出特定功能的性能及其关系的方法步骤的帮助下描述了本发明。这些功能构造块及方法步骤的边界和顺序在此处为了描述的方便做了任意定义。只要特定的功能和关系被适当地执行,可定义替换的边界和顺序。任何这样的替换的边界或顺序因此在要求保护的发明的范围和精神内。此外,为了描述的方便对这些功能构造块的边界已经做了任意定义。只要某些重要的功能被适当地执行,替换的边界可被定义。类似地,为了说明某些重要的功能,流程图模块也在此做了已经任意定义。为了使用的扩展,流程图块边界和顺序可被另外定义并且仍执行某些重要的功能。这样对功能构造块和流程图块及顺序的可替代定义因此在要求保护的发明的范围和精神内。本领域技术人员还将认识到,功能构造块以及本文的其它示意性区块、模块和组件可按所示意的实现或者由分立组件、专用集成电路、执行合适软件的处理器等等或者它们的任何组合来实现。
本发明至少部分地就一个或多个实施例来进行描述。本文使用本发明的实施例来描述本发明、其某一方面、其某一特征、其某一概念、和/或其示例。装置、制品、机器和/或实施本发明的处理的物理实施例可包括参考本文论述的一个或多个实施例描述的方面、特征、概念、示例等等中的一者或多者。另外,在图和图之间,实施例可结合相同或具有类似名称的功能、步骤、模块等,它们可使用相同的或不同的附图标记,并且同样地这些功能、步骤、模块等可以是相同或类似功能、步骤、模块等,或不同的功能、步骤、模块。
尽管上述(一个或多个)图示中的晶体管被示出为场效应管(FET),但是如本领域技术人员将理解的那样,晶体管可使用任何类型的晶体管结构来实现,该任何类型的晶体管结构包括但不限于:双极型晶体管、金属氧化物场效应管(MOSFET)、N阱晶体管、P阱晶体管、增强型、耗尽型、和零阈值电压(VT)晶体管。
除非特别例外声明,否则本文呈现的任何附图中的去往元件、来自元件和/或元件之间的信号可是模拟的或数字的、连续时间的或离散时间的、及单端的或差分的。例如,如果信号路径被显示为单端路径,它也代表差分信号路径。类似地,如果信号路径被显示为差分路径,它也代表单端信号路径。虽然在此描述了一个或多个特定结构,但如本领域技术人员所认识到的那样,使用一个或多个未明确示出的数据总线、元件之间的直接连接,和/或在其它元件之间间接耦合其它的结构同样可实现。
本发明的各种实施例的描述中使用了术语“模块”。模块包括处理模块、功能块、硬件和/或存储在存储器中可用来执行一个或多个如这里所描述的功能的软件。注意,如果模块是通过硬件实现,则硬件可独立地操作和/或结合软件和/或固件。本文使用的模块可包括一个或多个子模块,每个子模块可以是一个或多个模块。
虽然本文已经清楚地描述了本发明的各种功能和特征的特定组合,但是这些特征和功能的其它组合同样是可能的。本发明不受本文公开的特定示例的限制,而是清楚地包含这些其它组合。
Claims (14)
1.一种用于由附属于农业装备的一个或多个计算设备的一个或多个处理模块执行的方法,所述方法包括:
由所述农业装备收集关于农业区域的当前现场采集的农业数据;
由所述农业装备发送所述当前现场采集的农业数据的至少代表至主机设备;
由所述主机设备处理以下各项中的一项或多项来产生针对所述农业区域的当前农业预测:所述当前现场采集的农业数据的至少代表、当前场外采集的农业数据、历史现场采集的农业数据、历史场外采集的农业数据、以及关于所述农业区域的农业预测的历史分析;
由所述主机设备通过建立所述农业装备在遍历所述农业区域的一部分时的速度模式和作物种植分布模式,来基于所述当前农业预测来生成关于所述农业区域的至少一部分的农业处方,其中,所述速度模式是用于农业设备行进的速度中的最优速度以改进作物产量优化,并且其中,所述作物种植分布模式是最优种子深度或种子间隔以改进作物产量优化;以及
由所述主机设备发送所述农业处方至所述农业装备中的一个或多个。
2.如权利要求1所述的方法,还包括:
由所述农业装备中的一个或多个执行所述农业处方的至少一部分。
3.如权利要求1所述的方法,还包括:
由所述农业装备中的一个通过以下各项中的至少一项来生成所述当前现场采集的农业数据的至少代表:
采用所述当前现场采集的农业数据作为所述当前现场采集的农业数据的至少代表;
基于所述农业处方,过滤所述当前现场采集的农业数据以产生所述当前现场采集的农业数据的至少代表;
汇编所述当前现场采集的农业数据以产生所述当前现场采集的农业数据的至少代表;以及
处理所述当前现场采集的农业数据以产生所述当前现场采集的农业数据的至少代表。
4.如权利要求1所述的方法,其中由所述主机设备进行的处理还包括:
针对农业季的给定片段,
把农业预测与实际农业结果相比较以产生比较数据;以及
利用以下各项中的一项或多项来处理所述比较数据以产生针对所述农业区域的当季方针修正农业预测:所述当前现场采集的农业数据的至少代表、所述当前场外采集的农业数据、所述历史现场采集的农业数据、所述历史场外采集的农业数据、以及所述关于农业区域的农业预测的历史分析。
5.如权利要求1所述的方法,其中所述收集所述当前现场采集的农业数据还包括以下各项中的至少一项:
从所述主机设备接收收集所述当前现场采集的农业数据的指示;
从所述主机设备接收收集特定类型的农业数据的消息;以及
由所述农业装备对所述农业处方进行解释以确定要收集为所述当前现场采集的农业数据的一个或多个类型的农业数据。
6.如权利要求1所述的方法,其中由所述主机设备进行的处理还包括:
处理所述当前现场采集的农业数据的至少代表的地理信息以产生所述农业区域的当前地形图;以及
把所述当前地形图与所述农业区域的一个或多个先前的地形图相比较以检测一个或多个侵蚀场区。
7.如权利要求1所述的方法,其中所述农业处方包括:
建立所述农业装备中的一个在遍历所述农业区域的至少一部分时的作物种植朝向模式。
8.一种非暂态计算机可读存储介质,包括:
存储操作指令的至少一个存储器区段,该操作指令在由附属于计算系统的农业装备的一个或多个计算设备的一个或多个处理模块执行时使得所述一个或多个计算设备进行以下各项操作:
由所述农业装备收集关于农业区域的当前现场采集的农业数据;
由所述农业装备发送所述当前现场采集的农业数据的至少代表至主机设备;
由所述主机设备处理以下各项中的一项或多项来产生所述农业区域的当前农业预测:所述当前现场采集的农业数据的至少代表、当前场外采集的农业数据、历史现场采集的农业数据、历史场外采集的农业数据、以及关于农业区域的农业预测的历史分析;
由所述主机设备通过建立所述农业装备在遍历所述农业区域的一部分时的速度模式和作物种植分布模式,来基于所述当前农业预测来生成关于所述农业区域的至少一部分的农业处方,其中,所述速度模式是用于农业设备行进的速度中的最优速度以改进作物产量优化,并且其中,所述作物种植分布模式是最优种子深度或种子间隔以改进作物产量优化;以及
由所述主机设备发送所述农业处方至所述农业装备中的一个或多个。
9.如权利要求8所述的非暂态计算机可读存储介质,还包括:
所述至少一个存储器区段还存储在由所述一个或多个处理模块执行时使得所述计算系统的一个或多个计算设备进行以下操作的其它操作指令:
由所述农业装备中的一个或多个执行所述农业处方的至少一部分。
10.如权利要求8所述的非暂态计算机可读存储介质,还包括:
所述至少一个存储器区段还存储在由所述一个或多个处理模块执行时使得所述计算系统的一个或多个计算设备进行以下操作的其它操作指令:
由所述农业装备中的一个通过以下各项中的至少一项来生成所述当前现场采集的农业数据的至少代表:
采用所述当前现场采集的农业数据作为所述当前现场采集的农业数据的至少代表;
基于所述农业处方,过滤所述当前现场采集的农业数据以产生所述当前现场采集的农业数据的至少代表;
汇编所述当前现场采集的农业数据以产生所述当前现场采集的农业数据的至少代表;以及
处理所述当前现场采集的农业数据以产生所述当前现场采集的农业数据的至少代表。
11.如权利要求8所述的非暂态计算机可读存储介质,其中所述一个或多个处理模块用来执行由所述至少一个存储器区段存储的操作指令以使得所述计算系统的一个或多个计算设备由所述主机设备另外通过以下步骤来进行处理:
针对农业季的给定片段,
把农业预测与实际农业结果相比较以产生比较数据;以及
利用以下各项中的一项或多项来处理所述比较数据以产生所述农业区域的当季方针修正农业预测:所述当前现场采集的农业数据的至少代表、所述当前场外采集的农业数据、所述历史现场采集的农业数据、所述历史场外采集的农业数据、以及所述关于农业区域的农业预测的历史分析。
12.如权利要求8所述的非暂态计算机可读存储介质,其中所述一个或多个处理模块用来执行由所述至少一个存储器区段存储的操作指令以使得所述计算系统的一个或多个计算设备另外通过以下各项中的至少一项来收集所述当前现场采集的农业数据:
从所述主机设备接收收集所述当前现场采集的农业数据的指示;
从所述主机设备接收收集特定类型的农业数据的消息;以及
由所述农业装备对所述农业处方进行解释以确定要收集为所述当前现场采集的农业数据的一个或多个类型的农业数据。
13.如权利要求8所述的非暂态计算机可读存储介质,其中所述一个或多个处理模块用来执行由所述至少一个存储器区段存储的操作指令以使得所述计算系统的一个或多个计算设备由所述主机设备另外通过以下步骤来进行处理:
处理所述当前现场采集的农业数据的至少代表的地理信息以产生所述农业区域的当前地形图;以及
把所述当前地形图与所述农业区域的一个或多个先前的地形图相比较以检测一个或多个侵蚀场区。
14.如权利要求8所述的非暂态计算机可读存储介质,其中所述农业处方包括:
所述至少一个存储器区段存储在由所述一个或多个处理模块执行时使得所述计算系统的一个或多个计算设备进行以下操作的其它操作指令:
建立所述农业装备中的一个在遍历所述农业区域的至少一部分时的作物种植朝向模式。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201461981909P | 2014-04-21 | 2014-04-21 | |
US61/981,909 | 2014-04-21 | ||
US14/691,280 US9974226B2 (en) | 2014-04-21 | 2015-04-20 | Generating an agriculture prescription |
US14/691,280 | 2015-04-20 | ||
PCT/US2015/026906 WO2015164393A1 (en) | 2014-04-21 | 2015-04-21 | Generating an agriculture prescription |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106461807A CN106461807A (zh) | 2017-02-22 |
CN106461807B true CN106461807B (zh) | 2019-10-25 |
Family
ID=54322291
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580021214.XA Active CN106461807B (zh) | 2014-04-21 | 2015-04-21 | 生成农业处方 |
Country Status (11)
Country | Link |
---|---|
US (2) | US9974226B2 (zh) |
EP (1) | EP3134754A4 (zh) |
CN (1) | CN106461807B (zh) |
AU (3) | AU2015249888A1 (zh) |
BR (1) | BR112016024660B1 (zh) |
CA (1) | CA2945820C (zh) |
CL (1) | CL2016002674A1 (zh) |
MA (1) | MA39890A (zh) |
UA (1) | UA121654C2 (zh) |
WO (1) | WO2015164393A1 (zh) |
ZA (1) | ZA201607780B (zh) |
Families Citing this family (82)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9551594B1 (en) * | 2014-05-13 | 2017-01-24 | Senseware, Inc. | Sensor deployment mechanism at a monitored location |
WO2015195937A1 (en) * | 2014-06-18 | 2015-12-23 | North Central Cooperative | Crop production system |
US10404809B2 (en) * | 2014-08-29 | 2019-09-03 | Google Llc | Systems and methods for adaptive associative routing for mobile messaging |
US11113649B2 (en) | 2014-09-12 | 2021-09-07 | The Climate Corporation | Methods and systems for recommending agricultural activities |
EP3570132B1 (en) | 2014-09-30 | 2022-03-02 | SZ DJI Technology Co., Ltd. | System and method for data recording and analysis |
US9652840B1 (en) | 2014-10-30 | 2017-05-16 | AgriSight, Inc. | System and method for remote nitrogen monitoring and prescription |
IL236606B (en) | 2015-01-11 | 2020-09-30 | Gornik Amihay | Standards and methods for agricultural monitoring |
US20160232621A1 (en) * | 2015-02-06 | 2016-08-11 | The Climate Corporation | Methods and systems for recommending agricultural activities |
US9667710B2 (en) * | 2015-04-20 | 2017-05-30 | Agverdict, Inc. | Systems and methods for cloud-based agricultural data processing and management |
US9813512B2 (en) * | 2015-04-20 | 2017-11-07 | Agverdict, Inc. | Systems and methods for efficiently generating a geospatial data map for use in agricultural operations |
AU2016287397B2 (en) * | 2015-06-30 | 2021-05-20 | Climate Llc | Systems and methods for image capture and analysis of agricultural fields |
WO2017075700A1 (en) * | 2015-11-03 | 2017-05-11 | Decisive Farming Corp. | Agricultural enterprise management method and system |
US11062223B2 (en) * | 2015-12-02 | 2021-07-13 | The Climate Corporation | Forecasting field level crop yield during a growing season |
MX2015017896A (es) * | 2015-12-21 | 2017-06-20 | Inst Nac De Investig Forestales Agricolas Y Pecuarias | Sistema y proceso de asignacion de potencialidad productiva de los recursos forestales a partir de una parcela virtual. |
JP6795890B2 (ja) * | 2016-01-29 | 2020-12-02 | 株式会社小松製作所 | 植林システム、植林方法、耕作機械、植林機械及び管理装置 |
US20190057460A1 (en) * | 2016-03-25 | 2019-02-21 | Nec Corporation | Information processing device, control method for information processing device, and recording medium having control program for information processing device recorded therein |
US10144453B2 (en) | 2016-04-13 | 2018-12-04 | Cnh Industrial America Llc | System and method for controlling a vehicle |
US10719638B2 (en) * | 2016-08-11 | 2020-07-21 | The Climate Corporation | Delineating management zones based on historical yield maps |
WO2018049289A1 (en) | 2016-09-09 | 2018-03-15 | Cibo Technologies, Inc. | Systems for adjusting agronomic inputs using remote sensing, and related apparatus and methods |
JP6873637B2 (ja) * | 2016-09-16 | 2021-05-19 | 株式会社トプコン | 生育情報管理装置、生育情報管理装置の制御方法及び生育情報管理プログラム |
US10255670B1 (en) * | 2017-01-08 | 2019-04-09 | Dolly Y. Wu PLLC | Image sensor and module for agricultural crop improvement |
ES2684843B9 (es) * | 2017-03-31 | 2019-11-14 | Hemav Tech S L | Procedimiento de tratamiento de cultivos |
DE102017207347A1 (de) * | 2017-05-02 | 2018-11-08 | Deere & Company | Verfahren und Anordnung zur Kontrolle der Geschwindigkeit einer Ballenpresse |
US10580093B2 (en) * | 2017-06-17 | 2020-03-03 | Institute Of Agricultural Resources And Regional Planning Chinese Academy Of Agricultural Sciences | Estimating the prior for a stochastic allocation model |
FR3069750A1 (fr) * | 2017-08-01 | 2019-02-08 | Vilmorin & Cie | Procede pour augmenter la productivite d'une parcelle agricole vis-a-vis d'une variete vegetale d'une espece donnee dispositifs pour la mise en œuvre de ce procede |
US11263707B2 (en) | 2017-08-08 | 2022-03-01 | Indigo Ag, Inc. | Machine learning in agricultural planting, growing, and harvesting contexts |
US20200245525A1 (en) * | 2017-08-22 | 2020-08-06 | Basf Agro Trademarks Gmbh | Yield estimation in the cultivation of crop plants |
US11991949B2 (en) * | 2017-10-02 | 2024-05-28 | Precision Planting Llc | Systems and apparatuses for soil and seed monitoring |
US10477756B1 (en) | 2018-01-17 | 2019-11-19 | Cibo Technologies, Inc. | Correcting agronomic data from multiple passes through a farmable region |
US10838432B2 (en) * | 2018-01-26 | 2020-11-17 | Cnh Industrial Canada, Ltd. | System and method for monitoring frame levelness of an agricultural implement |
CN108510107B (zh) * | 2018-03-07 | 2022-04-15 | 深圳远佳智慧科技有限公司 | 一种农业种植指导方法、电子设备及存储介质 |
US11116125B2 (en) * | 2018-03-26 | 2021-09-14 | Steve M. Murphy | Greenhouse mobile sensor vehicle |
US11367093B2 (en) | 2018-04-24 | 2022-06-21 | Indigo Ag, Inc. | Satellite-based agricultural modeling |
BR112020021919A2 (pt) | 2018-04-24 | 2021-05-11 | Indigo Ag, Inc. | gestão de interação em um sistema agrícola online |
US10755367B2 (en) * | 2018-05-10 | 2020-08-25 | The Climate Corporation | Analysis and presentation of agricultural data |
US10729058B2 (en) | 2018-06-22 | 2020-08-04 | Cnh Industrial Canada, Ltd. | Systems and methods for adjusting the output of a field measurement system to conform to agronomy measurements |
US11178818B2 (en) | 2018-10-26 | 2021-11-23 | Deere & Company | Harvesting machine control system with fill level processing based on yield data |
US11641800B2 (en) | 2020-02-06 | 2023-05-09 | Deere & Company | Agricultural harvesting machine with pre-emergence weed detection and mitigation system |
US11672203B2 (en) | 2018-10-26 | 2023-06-13 | Deere & Company | Predictive map generation and control |
US11653588B2 (en) | 2018-10-26 | 2023-05-23 | Deere & Company | Yield map generation and control system |
US11589509B2 (en) | 2018-10-26 | 2023-02-28 | Deere & Company | Predictive machine characteristic map generation and control system |
US11957072B2 (en) | 2020-02-06 | 2024-04-16 | Deere & Company | Pre-emergence weed detection and mitigation system |
US11240961B2 (en) | 2018-10-26 | 2022-02-08 | Deere & Company | Controlling a harvesting machine based on a geo-spatial representation indicating where the harvesting machine is likely to reach capacity |
US11079725B2 (en) | 2019-04-10 | 2021-08-03 | Deere & Company | Machine control using real-time model |
US11467605B2 (en) | 2019-04-10 | 2022-10-11 | Deere & Company | Zonal machine control |
US11191204B2 (en) | 2019-02-18 | 2021-12-07 | Cnh Industrial Canada, Ltd. | System and method for monitoring soil conditions within a field |
JP7125827B2 (ja) * | 2019-03-28 | 2022-08-25 | ヤンマーパワーテクノロジー株式会社 | 作業マップ提供サーバ |
US11234366B2 (en) | 2019-04-10 | 2022-02-01 | Deere & Company | Image selection for machine control |
US11778945B2 (en) | 2019-04-10 | 2023-10-10 | Deere & Company | Machine control using real-time model |
DE102019119110A1 (de) * | 2019-07-15 | 2021-01-21 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Abarbeitung eines landwirtschaftlichen Arbeitsprozesses auf einem Feld |
WO2021067847A1 (en) * | 2019-10-03 | 2021-04-08 | Sensei Ag Holdings, Inc. | Agricultural platforms |
US11908025B2 (en) | 2019-12-11 | 2024-02-20 | Climate Llc | Highly responsive farming systems with extraordinary in-season optimization |
DE102020105980A1 (de) * | 2020-03-05 | 2021-09-09 | Claas E-Systems Gmbh | Verfahren zum Erkennen von Feldgrenzen |
CN111399508B (zh) * | 2020-03-20 | 2023-12-22 | 中联智慧农业股份有限公司 | 智慧农业系统和智慧农业方法 |
EP4125354A1 (en) * | 2020-03-23 | 2023-02-08 | Bayer Aktiengesellschaft | Method, vehicle and system for weed control management |
US11477940B2 (en) | 2020-03-26 | 2022-10-25 | Deere & Company | Mobile work machine control based on zone parameter modification |
US11927459B2 (en) | 2020-10-09 | 2024-03-12 | Deere & Company | Machine control using a predictive map |
US11983009B2 (en) | 2020-10-09 | 2024-05-14 | Deere & Company | Map generation and control system |
US11727680B2 (en) | 2020-10-09 | 2023-08-15 | Deere & Company | Predictive map generation based on seeding characteristics and control |
US11895948B2 (en) | 2020-10-09 | 2024-02-13 | Deere & Company | Predictive map generation and control based on soil properties |
US11650587B2 (en) | 2020-10-09 | 2023-05-16 | Deere & Company | Predictive power map generation and control system |
US11874669B2 (en) | 2020-10-09 | 2024-01-16 | Deere & Company | Map generation and control system |
US11592822B2 (en) | 2020-10-09 | 2023-02-28 | Deere & Company | Machine control using a predictive map |
US11825768B2 (en) | 2020-10-09 | 2023-11-28 | Deere & Company | Machine control using a predictive map |
US11889788B2 (en) | 2020-10-09 | 2024-02-06 | Deere & Company | Predictive biomass map generation and control |
US11849672B2 (en) | 2020-10-09 | 2023-12-26 | Deere & Company | Machine control using a predictive map |
US11849671B2 (en) | 2020-10-09 | 2023-12-26 | Deere & Company | Crop state map generation and control system |
US11871697B2 (en) | 2020-10-09 | 2024-01-16 | Deere & Company | Crop moisture map generation and control system |
US11844311B2 (en) | 2020-10-09 | 2023-12-19 | Deere & Company | Machine control using a predictive map |
US11675354B2 (en) | 2020-10-09 | 2023-06-13 | Deere & Company | Machine control using a predictive map |
US11864483B2 (en) | 2020-10-09 | 2024-01-09 | Deere & Company | Predictive map generation and control system |
US11845449B2 (en) | 2020-10-09 | 2023-12-19 | Deere & Company | Map generation and control system |
US11474523B2 (en) | 2020-10-09 | 2022-10-18 | Deere & Company | Machine control using a predictive speed map |
US11635765B2 (en) | 2020-10-09 | 2023-04-25 | Deere & Company | Crop state map generation and control system |
US11711995B2 (en) | 2020-10-09 | 2023-08-01 | Deere & Company | Machine control using a predictive map |
US11946747B2 (en) | 2020-10-09 | 2024-04-02 | Deere & Company | Crop constituent map generation and control system |
US11889787B2 (en) | 2020-10-09 | 2024-02-06 | Deere & Company | Predictive speed map generation and control system |
US20220132723A1 (en) * | 2020-11-02 | 2022-05-05 | Deere & Company | Agricultural characteristic confidence and control |
WO2022101700A1 (en) * | 2020-11-16 | 2022-05-19 | Fear Henry Albert | A forestry management system |
WO2023034118A1 (en) | 2021-08-30 | 2023-03-09 | Indigo Ag, Inc. | Systems for management of location-aware market data |
US11880894B2 (en) | 2021-08-31 | 2024-01-23 | Indigo Ag, Inc. | Systems and methods for ecosystem credit recommendations |
BR102022002541A2 (pt) * | 2022-02-10 | 2023-12-26 | Pedro Teixeira Spinola | Método quantitativo e qualitativo implementado em computador para indicação de herbicidas e dosagens a fim de formar tratamentos para culturas diversas no controle de plantas daninhas e indicação de aplicação resultante |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5721679A (en) * | 1995-12-18 | 1998-02-24 | Ag-Chem Equipment Co., Inc. | Heads-up display apparatus for computer-controlled agricultural product application equipment |
US7174839B2 (en) * | 2004-08-17 | 2007-02-13 | Ben Tun Hsin Tseng | Seed planting system for multiple types of crops |
CN101916337A (zh) * | 2010-08-23 | 2010-12-15 | 湖南大学 | 一种基于地理信息系统的水稻生产潜力动态预测方法 |
CN102722973A (zh) * | 2012-06-29 | 2012-10-10 | 深圳市赛格导航科技股份有限公司 | 基于gps的智能农业作业系统及其作业方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AUPQ357799A0 (en) * | 1999-10-21 | 1999-11-11 | Irrigation Control Networks Pty Ltd | Texture based, inferred switching for irrigation scheduling |
US20100204046A1 (en) * | 2007-07-23 | 2010-08-12 | Gowan Co. | Processes for the Control of Undesired Vegetation |
US10115158B2 (en) | 2010-10-25 | 2018-10-30 | Trimble Inc. | Generating a crop recommendation |
-
2015
- 2015-04-20 US US14/691,280 patent/US9974226B2/en active Active
- 2015-04-21 CA CA2945820A patent/CA2945820C/en active Active
- 2015-04-21 EP EP15782556.3A patent/EP3134754A4/en active Pending
- 2015-04-21 WO PCT/US2015/026906 patent/WO2015164393A1/en active Application Filing
- 2015-04-21 AU AU2015249888A patent/AU2015249888A1/en not_active Abandoned
- 2015-04-21 CN CN201580021214.XA patent/CN106461807B/zh active Active
- 2015-04-21 UA UAA201611781A patent/UA121654C2/uk unknown
- 2015-04-21 BR BR112016024660-8A patent/BR112016024660B1/pt active IP Right Grant
- 2015-04-21 MA MA039890A patent/MA39890A/fr unknown
-
2016
- 2016-10-20 CL CL2016002674A patent/CL2016002674A1/es unknown
- 2016-11-10 ZA ZA2016/07780A patent/ZA201607780B/en unknown
-
2018
- 2018-05-22 US US15/986,785 patent/US20180263171A1/en active Pending
-
2020
- 2020-12-15 AU AU2020289735A patent/AU2020289735A1/en not_active Abandoned
-
2022
- 2022-03-04 AU AU2022201533A patent/AU2022201533A1/en not_active Abandoned
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5721679A (en) * | 1995-12-18 | 1998-02-24 | Ag-Chem Equipment Co., Inc. | Heads-up display apparatus for computer-controlled agricultural product application equipment |
US7174839B2 (en) * | 2004-08-17 | 2007-02-13 | Ben Tun Hsin Tseng | Seed planting system for multiple types of crops |
CN101916337A (zh) * | 2010-08-23 | 2010-12-15 | 湖南大学 | 一种基于地理信息系统的水稻生产潜力动态预测方法 |
CN102722973A (zh) * | 2012-06-29 | 2012-10-10 | 深圳市赛格导航科技股份有限公司 | 基于gps的智能农业作业系统及其作业方法 |
Also Published As
Publication number | Publication date |
---|---|
AU2022201533A1 (en) | 2022-03-24 |
US20180263171A1 (en) | 2018-09-20 |
CA2945820A1 (en) | 2015-10-29 |
WO2015164393A1 (en) | 2015-10-29 |
UA121654C2 (uk) | 2020-07-10 |
BR112016024660A2 (pt) | 2017-10-10 |
MA39890A (fr) | 2017-03-01 |
US9974226B2 (en) | 2018-05-22 |
AU2015249888A1 (en) | 2016-11-24 |
EP3134754A1 (en) | 2017-03-01 |
ZA201607780B (en) | 2018-05-30 |
BR112016024660B1 (pt) | 2022-08-16 |
US20150302305A1 (en) | 2015-10-22 |
CL2016002674A1 (es) | 2017-06-16 |
EP3134754A4 (en) | 2017-11-22 |
CA2945820C (en) | 2022-08-23 |
CN106461807A (zh) | 2017-02-22 |
AU2020289735A1 (en) | 2021-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106461807B (zh) | 生成农业处方 | |
US10477756B1 (en) | Correcting agronomic data from multiple passes through a farmable region | |
Hedley | The role of precision agriculture for improved nutrient management on farms | |
US10139797B2 (en) | Customized land surface modeling in a soil-crop system for irrigation decision support in precision agriculture | |
Blackmer et al. | Using precision farming technologies to improve management of soil and fertiliser nitrogen | |
US20180070527A1 (en) | Systems for learning farmable zones, and related methods and apparatus | |
AU2023219987A1 (en) | Updating execution of tasks of an agricultural prescription | |
CN110110595B (zh) | 一种基于卫星遥感影像的农田画像及药肥大数据分析方法 | |
CA2663917A1 (en) | Variable zone crop-specific inputs prescription method and systems therefor | |
Gawande et al. | Potential of precision farming technologies for eco-friendly agriculture | |
Abobatta | Precision agriculture: A new tool for development | |
Sharma et al. | Potential of variable rate application technology in India | |
Adekunle | Precision agriculture: Applicability and opportunities for Nigerian agriculture | |
JP7478066B2 (ja) | 作業管理システム、作業管理方法及び作業管理プログラム | |
Kenduiywo et al. | Maize yield estimation in kenya using modis | |
McInerney et al. | Combining Landsat ETM+ with field data for Ireland's national forest inventory—A pilot study for Co. Clare | |
US20230359889A1 (en) | Machine learning methods and systems for characterizing corn growth efficiency | |
Myers et al. | Issues in analysis of soil-landscape effects in a large regional yield map collection | |
Bohon Jr | Comparing Landsat7 ETM+ and NAIP imagery for precision agriculture application in small scale farming: A case study in the south eastern part of Pittsylvania County, VA | |
McCarthy et al. | Machine vision for camera-based horticulture crop growth monitoring | |
Usama | Application of Digital Technologies & Remote Sensing in Precision Agriculture for Sustainable Crop Production | |
Kanwar et al. | Precision farming: components and applications-a review. | |
Bauer | METHODS OF DELINEATING IRRIGATION MANAGEMENT ZONES FOR VARIABLE RATE IRRIGATION | |
Blanc et al. | Water availability and crop growth at the crop plot level in South Africa modelled from satellite imagery | |
Winowiecki et al. | Invest in climate-smart soil and land health |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP01 | Change in the name or title of a patent holder | ||
CP01 | Change in the name or title of a patent holder |
Address after: California, USA Patentee after: Clemet Co.,Ltd. Address before: California, USA Patentee before: THE CLIMATE Corp. |
|
CP02 | Change in the address of a patent holder | ||
CP02 | Change in the address of a patent holder |
Address after: Missouri, USA Patentee after: Clemet Co.,Ltd. Address before: California, USA Patentee before: Clemet Co.,Ltd. |