CN107615282A - 产量数据校准方法 - Google Patents

产量数据校准方法 Download PDF

Info

Publication number
CN107615282A
CN107615282A CN201680032658.8A CN201680032658A CN107615282A CN 107615282 A CN107615282 A CN 107615282A CN 201680032658 A CN201680032658 A CN 201680032658A CN 107615282 A CN107615282 A CN 107615282A
Authority
CN
China
Prior art keywords
yield
data points
yield data
calibrated
machine
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.)
Granted
Application number
CN201680032658.8A
Other languages
English (en)
Other versions
CN107615282B (zh
Inventor
G·D·杜克
K·J·格兰特
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
French Ink Co
Original Assignee
French Ink Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by French Ink Co filed Critical French Ink Co
Publication of CN107615282A publication Critical patent/CN107615282A/zh
Application granted granted Critical
Publication of CN107615282B publication Critical patent/CN107615282B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D18/00—Testing or calibrating apparatus or arrangements provided for in groups G01D1/00 - G01D15/00
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24—Earth materials
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F13/00—Interconnection of, or transfer of information or other signals between, memories, input/output devices or central processing units
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24—Earth materials
    • G01N33/245—Earth materials for agricultural purposes

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Primary Health Care (AREA)
  • Mining & Mineral Resources (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Animal Husbandry (AREA)
  • Agronomy & Crop Science (AREA)
  • Food Science & Technology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Medicinal Chemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Remote Sensing (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

实施例涉及校准产量数据点。校准系统接收多组产量数据点。每个组与诸如机器标识符、区域标识符、局部化区域标识符和/或湿度标识符等属性相关联。该系统基于多个组中的产量数据点来计算总的合计产量。该系统基于每个组中的产量数据点来计算组合计产量。该系统从组中的每个产量数据点中减去组合计产量，以产生经调节的产量数据点。该系统将总的合计产量加到每个经调节的产量数据点，以产生经校准的产量数据点。

Description

产量数据校准方法
相关申请的交叉引用
本申请要求于2015年4月21日提交的美国临时申请62/150,766的权益，其通过引用整体并入本文。
技术领域
本公开总体上涉及数据校准，并且更具体地涉及收获后产量数据校准。
背景技术
诸如例如联合收割机等机器中的现代的基于GPS的控制系统使得生产者能够在收获田地时在采样点(例如，产量数据点)处收集作物信息(例如，产量信息)。收集的信息类型根据测量仪器的品牌和型号而有所不同。通常收集的信息包括瞬时产量信息(例如，每英亩蒲式耳(bu/ac))、位置信息、湿度水平以及机器和/或实施设置(例如，每分钟转数、燃料消耗等)。
与很多测量仪器一样，这些测量仪器的精度由于很多原因(例如，全球定位系统(GPS)漂移、损坏、温度波动等)而变化。保持精度的一个重要组成部分是校准，其可以被定义为利用已知标准的测量仪器调节。一个具体示例包括调节板上的或以其他方式被连接的湿度传感器的水平以匹配来自可信源的已知结果，诸如例如从外部数据源(诸如例如地面机器等)获得的读数。
正确校准的测量仪器存在相当大的价值，然而，校准是一个并不总是被执行的过程，并且随着机器在收获期间进行通过田地，校准问题可能加剧。
发明内容
提供了一种用于校准产量数据点的系统。校准系统接收多组产量数据点。每个组与诸如机器标识符、区域标识符、局部化区域标识符和/或湿度标识符等属性相关联。该系统基于多个组中的产量数据点来计算总的合计产量。该系统基于每个组中的产量数据点来计算组合计产量。该系统从组中的每个产量数据点中减去组合计产量，以产生经调节的产量数据点。该系统将总的合计产量加到每个经调节的产量数据点，以产生经校准的产量数据点。
在一些配置中，总的合计产量是总的平均产量，并且组合计产量是组平均产量。在其他配置中，总的合计产量是总的中值产量，并且组总产量是组中值产量。
在一些配置中，该系统确定产量数据点集合，该产量数据点集合包括在每个产量数据点的阈值距离内的产量数据点，并且基于产量数据点集合来对产量数据点进行校准，以产生邻居校准的产量数据点。
在一些配置中，该系统接收与每个组的属性相关联的置信度参数，并且基于置信度参数来对该组中的产量数据点进行校准。
在一些配置中，该系统访问与每个组的属性相关联的预的调节值，并且将每个经校准的产量数据点调节预定调节值。调节值可以是数字或百分比。
附图说明
通过结合附图考虑以下详细描述，可以容易地理解本文中描述的实施例的教导。
图1示出了根据一个实施例的包括移动通过田地的农业设备的计算环境的框图。
图2示出了根据一个实施例的用于校准产量数据点的校准计算机系统的逻辑部件的框图。
图3示出了根据一个实施例的未校准的产量数据点。
图4示出了根据一个实施例的根据初始校准方法校准后的图3的产量数据点。
图5示出了根据一个实施例的添加有非常高的产量数据点值的未校准的产量数据点。
图6示出了根据一个实施例的根据初始校准方法校准后的图5的产量数据点。
图7示出了根据一个实施例的根据异常值方法校准后的图5的产量数据点。
图8A示出了根据一个实施例的未校准的产量数据点。
图8B示出了根据一个实施例的在图8A的产量数据点处的水分含量。
图9A示出了根据一个实施例的根据未分割校准而被校准后的图8A的产量数据点。
图9B示出了根据一个实施例的根据已分割校准而被校准后的图8A的产量数据点。
图10示出了根据一个实施例的机器覆盖图。
图11A示出了根据一个实施例的图10的未校准的产量数据点。
图11B示出了根据一个实施例的图11A的经校准的产量数据点。
图12A示出了根据一个实施例的覆盖在图11A的未校准的产量数据点上的网格。
图12B示出了根据一个实施例的根据基于网格的校准被校准后的图12A的经校准的产量数据点。
图13示出了根据一个实施例的根据基于邻域的校准的图11A的经校准的产量数据点。
图14A示出了根据一个实施例的在第一机器中具有完全置信度的图11A的经校准的产量数据点。
图14B示出了根据一个实施例的在第二机器中具有完全置信度的图11A的经校准的产量数据点。
图15是根据一个实施例的用于校准产量数据点的示例过程的流程图。
图16示出了能够从机器可读介质读取指令并且在处理器(或控制器)中执行它们的示例机器的部件的一个实施例。
现在将详细参考若干实施例，其示例在附图中示出。应当注意，在可行的情况下，类似或相似的附图标记可以在附图中使用，并且可以指示类似或相似的功能。附图描绘所描述的系统(或方法)的实施例仅用于说明的目的。本领域技术人员将从下面的描述中容易地认识到，在不脱离本文中描述的原理的情况下，可以采用本文中所示的结构和方法的替代实施例。
具体实施方式
收集作物信息使得生产者能够对生产成本和回报进行详细分析，从而在将来的作物迭代中实现战略规划。例如，产量数据点的可变性可以是管理区域边界的指示，其可以用于开发用于可变速率肥料操作的定制处方。计算合计产量信息(例如，bu/ac)作为绝对度量(例如，确定由田地产生的蒲式耳数)以及作为相对度量(例如，比较两个管理区域之间的生产量)涉及从离散样本集合计算连续的值(并且因此需要进一步的信息，诸如在产量数据收集的实例下的机器的速度和方向)。
随着农场规模的增大，再加上大型定制收割操作的出现，最终的结果是：通常多于一台机器切割这些田地。如果两台机器没有被正确地校准，则机器可能在相同的条件下产生不同的结果(即除准确度之外的精度问题)。机器之间的不精确性可能会在田地内产生不准确的比较。作为示例，产量监测器偏向正方向的机器将比产量监测器不偏置(或偏向负方向)的机器估计出更高的产量。因此，当计算基于田地或基于区域的投资回报(ROI)估计时，可能会报告差异，这是校准不良所带来的结果，而不是产量之间的真实变化的结果。
简要地参考图3，图3示出了从在田地300上处于类似条件的两台机器收集的未校准的产量数据点。310A、320A、330A、340A、350A、360A和370A示出了由第一机器(例如，机器102和/或耦合到机器102的器具104)捕获的未校准的产量数据行，并且310B、320B、330B、340B、350B、360B和370B示出了由第二机器(例如，机器102和/或耦合到机器102的器具104)捕获的未校准的产量数据行。每个产量数据行包括多个产量数据点。图3示出了机器可变性的特别引人注意的情况。301以浅灰色线标识，其代表第一机器所收集的38-45bu/ac，以及303以深灰色线标识，其代表第二机器所收集的22-31bu/ac。朝向田地300的左边缘，从第一和第二机器收集的产量数据行在生产量上交替，表明机器与产量数据点之间的高相关性。在整个田地300中，两台机器产生的平均值差异很大：第一机器收集的产量数据点的平均值为38.38，并且第二机器收集的产量数据点的平均值为30.71。简单的t测试高度地表明两个产量数据点集合不是来自相同的分布(T＝-6.2596，p<10e-10)。在完美校准的情况下，在类似条件下行进通过相同的管理区域的任何两个相应的产量数据行(从不同机器收集的产量数据点)在视觉上应当是相似的颜色。
校准由第一机器和第二机器捕获的产量数据点可以解决机器可变性问题。校准可以包括计算由第一机器和第二机器捕获的产量数据点的统计量，并且基于所计算的统计量来调节由第一机器和第二机器捕获的产量数据点。
I.配置概述
图1示出了根据一个实施例的包括移动通过田地的农业设备的计算环境的框图。计算环境100包括机器102、器具104、控制器区域网(CAN)设备106、便携式计算机108、外部计算机120、外部数据源130和电子耕作记录服务器150。便携式计算机108、外部计算机120、外部数据源130和电子耕作记录服务器150包括可以在物理上彼此远离但是通过网络110通信地耦合的计算设备。网络110通常是因特网，但是可以是任何网络，其包括但不限于LAN、MAN、WAN、移动有线或无线网络、私有网络、虚拟专用网络或其组合。
机器102使得用户(例如，农民和/或农业企业)能够种植、收获、处理和以其他方式管理作物。机器102捕获、存储和分享由机器102和/或器具104生成的耕作操作数据。耕作操作数据的示例包括作物种类和品种信息、播种信息、化学应用信息(例如，肥料施用信息、农药施用信息等)、土壤化学性质、机器102和/或器具104的燃料使用信息、天气信息、地形海拔信息、和图像(例如，卫星图像、飞机图像等)。耕作操作数据根据田地特性(诸如例如，产量数据点)而被编制。产量数据点包括瞬时产量信息(例如，每英亩蒲式耳(bu/ac))。
本描述的其余部分具体讨论产量数据点，然而在实践中，也可以对由机器102或器具104收集的任何其他类型的耕作操作数据执行本文中描述的校准技术和任何其他操作，并且本发明也同样适用于他们。
机器102(或器具104、设备106、计算机108或服务器150)将产量数据点修改为包括一个或多个属性，诸如例如关于标识机器102的机器标识符和标识与产量数据点相关联的水分含量的湿度标识符的信息。关于机器标识符、区域标识符、局部化区域标识符和湿度标识符的信息可以被包括在产量数据点的元数据中。机器102包括计算机系统和控制器。机器102的示例包括拖拉机、播种机和联合收割机、以及不一定与耕作相关联的机器(诸如飞行中的远程操控无人机)。
机器102经由车辆总线103耦合到器具104。图1将机器102示出为耦合到一个器具104，但是实际上，机器102可以耦合到多于一个的器具104。车辆总线103可以根据汽车工程师协会(SAE)J1939进行操作。SAE J1939用于器具104与机器102之间的通信和诊断。车辆总线103可以更具体地是CAN总线。CAN总线可以根据被称为“Tractors and machinery foragriculture and forestry–Serial control and communications data network”的国际标准化组织(ISO)11783进行操作。ISO 11783是在农业行业中普遍使用的通信协议，并且其基于SAE J1939。然而，在其他实施例中，车辆总线103可以使用诸如以太网布线等备选数据交换机制和诸如TCP/IP等网络传输协议。
器具104是农场中用于帮助和/或协助耕作的任何农业机械。器具104可以用于土壤栽培、种植、施肥、防治害虫、灌溉、收获/收获后和/或分选产量。器具104捕获产量数据点，并且将所捕获的产量数据点经由车辆总线103传输到机器102。
机器102经由CAN总线105通信地耦合到CAN设备106。CAN设备106被配置为解释车辆总线103消息，并且对它们进行转换以用于由便携式计算机108和电子耕作记录服务器150解释，从而用于在校准系统160中。CAN设备106还通信地耦合到便携式计算机108。CAN设备106经由CAN总线105从机器102接收经修改的产量数据点，处理所接收的经修改的产量数据点，并且将经处理的产量数据点传输到便携式计算机108。
在一些配置中，收集数据的器具104或机器102、或者CAN设备106可以通过网络110通信地直接耦合到便携式计算机108或服务器150。在这些配置中，这些部件将经处理的产量数据点更直接地传输到电子耕作记录服务器150，而不需要诸如CAN设备106或便携式计算机108等中值设备。例如，器具104或机器102可以包括允许通过网络进行通信的无线通信设备110。
在其他配置中，收集或以其他方式提供数据的器具104、机器102或外部数据源130可以通信地直接耦合到服务器150。在这些配置中，这些部件将产量数据点和/或由在器具104和/或机器102外部的数据源捕获的信息更直接地传输到电子耕作记录服务器150，而不需要中间网络110。例如，器具104、机器102或外部数据源130可以包括允许与电子耕作记录服务器150的通信的有线通信接口(例如，通用串行总线(USB)接口)。
便携式计算机108允许用户(例如，农民和/或农业企业)与从CAN设备106接收的经处理的收获数据点接合。便携式计算机108和外部计算机120允许用户访问存储在服务器150上的数据并且与该数据交互。便携式计算机108和外部计算机120的示例包括个人计算机、膝上型计算机、个人数字助理、或者蜂窝、移动或智能电话。
外部数据源130提供由在机器102和/或器具104外部的数据源捕获的信息。外部数据源130的示例包括气象站、地理信息系统(GIS)、图像数据库(例如，卫星图像数据库、飞机图像数据库等)等。这些数据源可以包括空间上变化的数据(诸如机器102正在其中行进的田地的在空间上变化的卫星图像)，并且因此可以提供与由机器102收集的产量数据点具有相同或相似的空间分辨率的粒状数据。
电子耕作记录服务器150对从便携式计算机108接收的产量数据点以及从外部数据源130接收的信息进行处理。例如，电子耕作记录服务器150处理从便携式计算机108接收的产量数据点以包括一个或多个属性，诸如标识田地中区域的区域标识符以及标识田地中局部化区域的局部化区域标识符。电子耕作记录服务器150包括校准系统160。校准系统160对产量数据点进行校准。
图2示出了根据一个实施例的校准系统160。校准系统160包括接收器202、计算模块210、邻域模块220、置信度模块230、后校准模块240和输出模块250。接收器202接收多组产量数据点和用于执行数据校准的任何其他数据(包括来自外部数据源130的数据)。输出模块250输出经校准的产量数据点。一般来说，接收器202将产量数据点传递到来自图2的一个或多个其他模块，其又将其输出提供给输出模块250，以用于存储在数据存储装置170中并且用于呈现给用户。此外，根据执行校准的需要，或者取决于如何组合和排序各种模块以执行完全校准，这些单独的模块可以彼此传递数据。在任何给定实施方式中执行的精确校准可以变化，并且因此模块之间的排序和数据传递也可以根据实施方式而变化。
计算模块210基于从接收器202接收的产量数据点来计算总产量。计算模块210包括总的合计计算模块212和组合计计算模块214。总的合计计算模块212基于多个组中的产量数据点来计算总的合计产量。在一些配置中，总合计产量是整体平均产量，而在其他配置中，总合计产量是整体中值产量。组合计计算模块214基于组中的产量数据点来计算组合计产量。以下部分中将针对每种单独的校准类型进一步描述构成组的细目。在一些配置中，组合计产量是组平均产量，而在其他配置中，组合计产量是组中值产量。
邻域模块220确定包括在产量数据点的阈值接近度内的产量数据点的产量数据点集合。邻域模块220基于产量数据点集合来校准产量数据点，从而产生邻居校准的产量数据点。
置信度模块230接收置信度参数以及与产量数据点相关联的属性，并且基于接收到的置信度参数来对组中的产量数据点进行校准。后校正模块240访问组的预定的调节值，其中预定的调节值与属性相关联。后校准模块240将每个经校准的产量数据点调节预定的调节值。预定的调节值是数字、百分比或其组合。
II.初始校准
初始校准方法概述如下：
1)由接收器202以每个田地为基础接收多组产量数据点，每个组与诸如例如机器标识符等属性相关联；
2)由总的合计计算模块212基于组中的产量数据点来计算总的(整体)平均产出量；
3)由计算模块210根据机器标识符来对产量数据点进行分组；
4)对于每个组(例如，机器、器具)：
a)由组合计计算模块214基于组中的产量数据点来计算组平均产出量；
b)由计算模块210对组中的每个产量数据点减去组平均出产量，以产生经调节的产量数据点；
c)由计算模块210将总的平均产出量加到每个经调节的产量数据点，以产生经校准的产量数据点。
图3示出了来自田地300上的两台机器的未校准的产量数据点，并且图4示出了在田地400上经由初始校准方法的经校准的产量数据点。参考图4，410A、420A、430A、440A、450A、460A和470A示出了由第一机器捕获的、并且根据初始校准方法校准的经校准的产量数据行，并且410B、420B、430B、440B、460B和470B示出了由第二机器捕获的、并且根据初始校准方法校准的经校准的产量数据行。每个产量数据行包括多个产量数据点。相邻运行的产量数据行(来自第一机器的产量数据行和来自第二机器的产量数据行)示出更好的等效性(相似的灰色阴影)，即使在初始校准方法中没有进行考虑空间的情况下，这是一个改进。产量数据行还示出与机器的更小的相关性(即，值的更少周期性的上升和下降)。
表1示出了分别如图3和图4所示的未校准和经校准的数据集的一组关键统计量。未校准的数据集和经校准的数据集中的每个包括关于第一和第二机器两者、第一机器和第二机器的总的(整体)统计量。经校准的数据集的统计量由根据初始校准被校准的产量数据点来确定。未校准的数据集和经校准的数据集的总的平均值和总的中间值几乎相当，而经校准的数据集的标准偏差显著低于未校准的数据集的标准偏差。随着两台机器的两个分布越来越近，每个分布的非交叠尾部之间的幅度减少。换言之，由于未校准的产量数据点被校准，所以产量数据点的标准偏差降低。未校准的数据集的第一机器的平均值和中值显著高于经校准的数据集的第一机器的平均值和中值。类似地，未校准的产量数据集的第二机器的平均值和中值显著低于经校准的数据集的第二机器的平均值和中值。
表1
单向方差分析(ANOVA)测试示出校准前两台机器的数据之间的显著的统计学差异(F＝5565.03，p<0.0001)，而校正后没有统计学差异(F<10e-8，p>0.9999)。
III.异常值
异常值可能严重影响任何数据分析的结果。由于诸如机器启动和终点延迟、机器/器具故障、机器转动等很多因素，产量数据点中可能发生异常值。减轻异常值影响的一种方法是在初始校准方法中概述的计算中使用中值而不是平均值。当数据不正常地分布时，使用中值以代替平均值是有用的。中值对统计异常值的敏感度低于平均值，特别是对于较小的数据集。
异常值方法概述如下：
1)由接收器202以每田地为基础接收多组产量数据点，每个组与诸如例如机器标识符等属性相关联；
2)由总的合计计算模块212基于组中的产量数据点来计算总的(整体)中值产出量；
3)由计算模块210根据机器标识符来对产量数据点进行分组；
4)对于每个组(例如，机器、器具)：
a)由组合计计算模块214基于组中的产量数据点来计算组中值产出量；
b)由计算模块210对组中的每个产量数据点的组减去中值产出量以产生经调节的产量数据点；
c)由计算模块210将总的中值产出量加到每个经调节的产量数据点，以产生经校准的产量数据点。
考虑图5，图5示出了由两台机器在田地500上收集的未校准的产量数据。图5示出了如图3所示的类似的数据集，向由第一机器捕获的产量数据点添加了一些非常大的产量数据点(产量数据行520A)，模拟由501指示的异常值(左上方的深灰色线)。510A、520A、530A、540A、550A、560A和570A示出了由第一机器捕获的未校准的产量数据行，并且510B、520B、530B、540B、560B和570B示出了由第二机器捕获的未校准的产量数据行。每个产量数据行包括多个产量数据点。图6示出了经由初始校准方法的经校准的产量数据点，而图7示出了经由异常值方法的经校准的产量数据点。参考图6，610A、620A、630A、640A、650A、660A和670A示出了由第一机器捕获的、并且根据初始校准方法被校准的经校准的产量数据行，610B、620B、630B、640B、660B和670B示出了由第二机器捕获的、并且根据初始校准方法被校准的经校准的产量数据行。参考图7，710A、720A、730A、740A、750A、760A和770A示出了由第一机器捕获的、并且根据异常值方法被校准的经校准的产量数据行，并且710B、720B、730B、740B、760B和770B示出了由第二机器捕获的、并且根据异常值方法被校准的经校准的产量数据行。
如图6所示，异常值可以产生夸大的全局均值(其大大地抬高了来自第二机器的产量数据点)以及夸大的局部均值(其大大地缩小了来自第一机器的产量数据点)。图6中的产量数据点示出了所不被期望的：彼此相邻的线不是相同的颜色。在异常值方法中概述的校准可能更适合于数据被怀疑包括异常值的情况(如图5-7所示)。
IV.数据分割
在初始校准和异常值方法中做出的一个假设是：在多台机器之间的产量数据点的分布是相同的(假设机器在类似的条件下服务于相同的区域)；然而，并不总是如此，因为产量可能由于诸如管理区域等其他因素而显著变化。在一个示例中，管理区域之间的肥力不同，并且其可能产生真正的变化，这样的变化在两台机器的管理区域覆盖不同的情况下不应当被平均掉。继续该示例，用户(例如，农民和/或农业企业)可以有意地改变田地的不同区域(例如，控制条)的施肥速率。在这个示例中，期望的产量数据变化不应当归因于校准问题，特别是在这些变化与机器覆盖之间相关的情况下(例如，单台机器切割控制条，而其他机器切割控制条旁边的区域)。另一示例是日期：如果两台机器在只有部分交叠的不同的时间段内在相同的区域上操作，则由于收割日期而导致的产量数据的变化不应当被校准掉。在一个示例中，在较潮湿的区域中操作的机器有时可能报告较高的产量数据点值。图8A示出了由两台机器在田地800上收集的未校准的产量数据，并且图8B示出了图8A的田地800的水分含量。在一个实例中，图8B所示的水分含量可以由收集图8A的田地800上的产量数据的两台机器收集。在另一示例实施例中，水分含量可以由外部数据源(例如，外部数据源130)提供。如图8B所示，在整个田地800中，湿度水平变化很大，并且如图8A所示，较潮湿的区域倾向于对应于较高的未校准的产量数据点值。
图8A示出了除了产量数据点校准之外的其他变量正在起作用，并且这些其他变量在不被控制的情况下可能影响分析。控制变量的影响的一种方法是在校准过程中保持变量不变。从管理区域的示例，第一区域中的所有产量数据点将与第二区域中的所有数据点分开校准，等等。一种方法包括对产量数据点进行离散化，并且分别对每个所得到的产量数据点进行校准。换言之，将产量数据点分割成多个组，并且单独地在每个组进行计算/校准。
诸如例如区域标识符、属性列表(诸如例如，与离散湿度水平相连结的区域标识符)、以及属性值的功能(诸如例如，湿度水平的定制离散函数)等属性可以由用户指定。这些属性对于每个校准操作都保持不变。图9A示出了未分割的校准的结果。图9B示出了根据图8B所示的水分含量数据将数据分割成6个湿度区域之后的校准结果。
因为每台机器在每个区域具有合理地一致的覆盖，所以这种变化的影响是微妙的。然而，在图9B中已经突出显示了几个注释的地方(深灰色)。如图9A所示的未分割的校准将两台机器的产量数据点值推动为更靠近在一起，即使如图8B所示，由两台机器记录的所检测到的水分含量明显不同(可能是由于岬角接近)。相比之下，如图9B所示的分割版本单独地校准不同的湿度区域，并且结果是外圆910校准到比内圆920更低的产量。
数据分割方法概述如下：
1)由接收器202以每田地为基础接收多组产量数据点，每个组与一个或多个属性相关联，诸如例如机器标识符、区域标识符、局部化区域标识符和湿度标识符；
2)由接收器202接收属性和/或属性的功能以保持恒定；
3)由计算模块210根据所接收的属性来将产量数据点分成组；
4)使用经分割的产量数据点执行初始校准和/或异常值方法。
V.基于网格的校准
在初始校准、异常值和数据分割方法中做出的一个假设是，所有机器通常将共享相似的产量数据分布。这个假设取决于它自己的假设：每台机器都覆盖相似产量的区域。在数据分割部分中所示的示例中，以下假设是有效的：两台机器都具有田地范围的覆盖范围，并且从而接触所有不同的生产区域。然而，图10所示的机器覆盖图示出了该假设不成立的示例情况。如图10所示，两台机器覆盖了田地1000的非常不同的区域。1010A、1020A和1030A示出了第一机器的覆盖范围，并且1010B和1020B示出了第二机器的覆盖范围。因此，如果田地的整体产量相对均匀，则预期两台机器之间存在共同分布。然而，情况并非总是如此，特别是对于大的田地，并且这与作为区域管理的基础的田地可变性的假设相矛盾。图11A示出了图10中的田地1000的未校准的产量数据点，以确认产量可变性的想法：田地1000的南半部分(包括1030A、和部分1020B)的产量比田地1000的北半部分(包括1010A、1010B、1020A、和部分1020B)的产量更高。总之，预期这些田地将在空间上变化，并且在机器覆盖不同区域的情况下，当前的校准技术可能不合适。
为了了解为什么初始校准、异常值和数据分割方法对于这样的情况不足，再次考虑图11A所示的图10中的田地1000的未校准的产量数据点。除了区域生产率的差异之外，因为如图11A所示的田地1000的北半部分的未校准的产量数据中可见机器覆盖图边界(图10所示)，所以存在校准问题。图11A所示的未校准的产量数据表明，与第二机器(如图10所示的覆盖1010A、1020A和1030A)相比，第一机器(如图10所示的覆盖1010B和1020B)在同一区域(田地1000的北半部分)上正在测量更高的产量数据点值。应当将来自第一机器的产量数据点向下调节，或者将应当来自第二机器的产量数据点向上调节。图11B示出了对图11A所示的未校准的产量点运行根据所述方法(例如，初始校准、异常值或数据分割)的校准的结果。仔细检查图11B，其示出了有趣的和不期望的结果：被第二机器覆盖的图10所示的田地1000的南半部分的强产量将其总体产量均值抬高到高于第一机器，并且从而其产量数据点值在校准后被减少，而第一机器的产量数据点值被增加。换言之，观察到与期望结果的相反结果，并且机器覆盖范围边界变得更加显著。这个示例强调了空间变化的影响，并且需要扩展校准方法以处理这些情况。
数据分割方法表明，可以通过运行多个校准并且每个校准保持某些变量恒定来控制这些变量(例如，水分含量)。图10和11A-B中的感兴趣的变量是可以在多个校准上保持恒定的位置。换言之，代替执行田地范围的校准，可以执行多个局部校准。
存在很多用于选择局部化区域以进行校准的潜在策略。管理区域是一个选择，并且在一个实施例中，如果每个产量数据点与区域标识符相关联，则使用来自数据分割方法的功能使用管理区域来实现分割。但是，区域信息并不总是可用。此外，在多个田地中已经观察到区域内可变性，特别是对于其多边形被分布在大面积上的区域。因此，还提供了不依赖于管理区域而进行局部化校准的更强大的校准解决方案。
在具有相同区域标识符的多边形之间发生的可变性可以通过在每个多边形上独立地校准来减轻。然而，没有关于管理区域多边形的最小大小的规定，并且本文中描述的校准方法取决于倾向于对偏差和异常值更敏感的样本大小。因此，小的管理区域多边形可能不是局部化校准的最合适的选择。
一种方法包括在田地上覆盖网格，并且独立地校准网格中的每个单元。图12A示出了其中覆盖有网格的图11A的未校准的产量数据点。图11B示出了去局部化的校准，而图12B示出了独立地校准图12A中的每个网格单元的结果。图11B中可见的机器覆盖范围边界在图12B中不太明显。如图12B所示，第一机器的产量在田地1000的北半部分被驱动为较低(顶部和底部的浅灰色的减小)，而第二机器的产量增加(北半部分的中间的从深灰色到灰色的增加)。因此，局部化校准是关于先前描述的方法(初始校准、异常值和数据分割)的减轻田地可变性的影响的可行选择。
基于网格的校准的方法概述如下：
1)由接收器202在每田地的基础上接收多组产量数据点，每个组与一个或多个属性相关联，诸如例如机器标识符和局部化区域标识符；
2)由计算模块210基于局部化区域标识符来将产量数据点分割成局部化区域；
3)在每局部化区域的基础上对产量数据点执行初始校准和/或异常值方法。
VI.基于邻域的校准
用于校准的基于网格的校准方法减轻了田地范围的可变性的负面影响。然而，该方法引入了自己的空间伪像。考虑图12A，如圆形1201所示，其中突出显示了特定区域(黑色圆)。图11B示出了使用初始校准、异常值和数据分割方法中的一个或多个方法校准的产量数据点，图12B示出了使用基于网格的校准方法校准的产量数据点。图12B示出了比其邻居更加突出的圆1203的中心附近的深灰色区域。可能发生的一个原因是因为数据产量数据点所位于的网格单元：该特定机器在该网格单元中的其他产量数据点很强，并且因此那些产量数据点被减少。因为图12A所示的由圆1201突出显示的区域具有弱的产量，结果是如图12B所示：网格单元被调节为甚至更弱。然而，考虑到如图12B所示的由圆1203突出显示的该小的区域附接到具有类似的低生产率的较大的区域(如图12A所示的右侧的网格单元)，这种校准的正确性是有问题的。然而，由于网格单元的分界线，在特定网格单元的校准中不考虑这些附近的点。
对于这种效果的潜在缓解是：减小网格单元的大小以使网格单元中心与网格单元边缘之间的距离最小化。这个解决方案很简单，但是缺乏鲁棒性，原因有两个：
1)更大的网格单元大小在所描述的方法(例如，初始校准、异常值和数据分割)下具有优点，并且这可以限制可以考虑的最小网格单元大小，特别是在产量数据点稀疏的(例如，更高的机器速度)情况下。
2)校准通过解决多台机器的产量数据点值之间的差异来进行。因此，由至少两台机器对网格单元的覆盖产生期望的结果。减小网格单元的大小减少了被多台机器交叠的可能性；在极端情况下，可以减小网格单元大小，使得不发生交叠(并且因此所描述的方法(例如，初始校准、异常值和数据分割)没有影响)。
在特定产量数据点的校准值应当基于其最近邻的产量数据点值的假设下，可能的校准方法是执行每点校准。
用于基于邻域的校准的方法概述如下：
1)由接收器202以每田地为基础上接收多组产量数据点，每个组与属性相关联，诸如例如机器标识符；
2)对于每个产量数据点(P)
a)由邻域模块220确定包括表示产量数据点P的邻域(N)的产量数据点的产量数据点集合。例如，产量数据点P的邻域N可以包括在产量数据点P的阈值距离内的所有点；
b)由邻域模块220使用产量数据点集合{P}+N来对产量数据点P进行校正，以产生邻居校准的产量数据点；
4)使用邻居校准的数据点执行初始校准和/或异常值方法。
换言之，每个产量数据点变成其自己的校准的中心。
图11B示出了根据初始校准、异常值和/或数据分割方法的经校准的产量数据点。图12B示出了根据基于网格的校准方法的经校准的产量数据点，并且图13示出了根据基于邻域的校准的经校准的产量数据点，其中阈值距离为30米。图13所示的基于邻域的校准图示出了与图12B所示的基于网格的校准类似的结果；然而，基于邻域的校准减少了在基于网格的校准中所引入的局部伪像，并且通过比较如图12B中由1203所示的突出显示的特定区域(黑色圆)与如图13中由1301所示的突出显示的特定区域(黑色圆)来说明。
虽然基于邻域的校准的优点是显而易见的，但是存在保持基于网格的校准方法的相关性的一个主要缺点：基于邻域的校准的计算成本显著高于基于网格的校准的计算成本。在基于网格的方法中发生的校准次数为G，其中G为网格单元数，而在基于邻域的方法中发生的校准次数为M，其中M为产量数据点数。对于合理的网格单元大小，G将以多个数量级小于M。此外，确定单个产量数据点的相邻的产量数据点在计算上也是昂贵的，在最坏的情况下使用线性时间操作进行建模。从方法上讲，基于邻域的校准方法将校准的运行时间从线性增加到二次方，这意味着两种校准方法——基于邻域的校准和基于网格的校准——的运行时间之间的比率将随着数据点数的增长而增加。因此，虽然基于邻域的校准提供了最合理的校准，但是基于网格的校准可能在如下情况下表示合理的近似：结果的传播是时间关键的。
VII.置信度校准
所描述的方法(例如，初始校准、异常值、数据分割、基于网格的校准和基于邻域的校准)将调节应用于数据集中的每台机器。在校准区域内，观察到的产量较高的机器将会被减少，而观察到的产量较低的机器将会被增加。在一个实施例中，校准是机器间变化的决议。校准涉及使用已知标准解决测量差异。调节产量数据点以匹配按重量测量的量将是更合适的校准示例。
在一个示例中，已经校准的机器的子集是已知的。例如，假设有两台机器，第一机器和第二机器，其中第一机器观察到的产量比第二机器高。如果第一机器为准确的置信度较高(例如，由于以前的校准或更准确的机器/器具)，则可以调节第二机器的观察值以匹配第一机器的观察值，而不是将每个结果平均地调节为两者的某个均值。例如，第一机器的观察值可以较高地被加权(例如，乘以因子2)，并且第二机器的观察值可以较低地被加权(例如，乘以因子1/2)。
为了实现每机器校准，置信度可以与校准集合中的每台机器相关联。与高置信度机器相关联的产量数据点将用于校准与低置信度机器相关联的产量数据点。该扩展可以对校准结果产生相当大的影响。图14A-14B示出了使用(a)如图14A所示的第一机器中的完全置信度和(b)如图14B所示的第二机器中的完全置信度的田地范围的校准。
置信度机制不限于简单地将一台机器指定为校准标准。例如，假设有四台机器：第一机器、第二机器、第三机器和第四机器。如果已知第一机器和第二机器都已经被校准，但是第三机器和第四机器都没有，则可以向第一和第二机器分配完全置信度，并且随后，可以基于第一机器和第二机器的均值来校准第三机器和第四机器的产量数据值。理论上，如果第一机器和第二机器都被校准，则这两台机器预期在相同的局部化区域中产生相同的产量数据点分布。在实践中，甚至经校准的机器可能在其观察中遭遇误差(例如，异常值)。在假设这些误差是独立且罕见的情况下，经校准的第一机器和第二机器应当具有低的误差共同出现，并且因此对于每个校准区域，在第一机器中出现的误差将被第二机器中缺少误差所抵消(反之亦然)，特别是当使用中值时(如异常值方法所述)，这与均值(如初始校准方法中所述)相反。“已知的”数据越多，校准标准的稳定性越高。
在另一实施例中，置信度值可以从二进制系统(低置信度/高置信度)推广到在0(即不信任)与1(即绝对信任)之间的连续值。这允许一定的置信度。推广后的二进制系统和/或连续值系统可以通过对产量数据点进行校准来实施，例如，通过基于置信度值对产量数据点进行加权。可以应用诸如“用户对第一机器是对第二机器两倍的信任”的声明，以适当地校准机器。该声明可以通过对第一机器和第二机器的产量数据点进行校准来应用。例如，该声明可以通过用第二机器的置信度值(例如，1/2)对第二机器的每个产量数据点进行加权，并且用第一机器的置信度值(例如，1)对第一机器的每个产量数据点进行加权来应用。这种方法可以用来产生完全置信度和没有置信度之间的妥协。
用于置信度校准的方法概述如下：
1)由接收器202以每田地为基础接收多组产量数据点，每个组与一个或多个属性相关联，并且每个属性与置信度参数相关联；
2)由置信度模块230基于与组的属性相关联的置信度参数来对每个组中的产量数据点进行校准，以产生置信度校准的产量数据点；
3)使用置信度校准的产量数据点执行初始校准和/或异常值方法。
VIII.后校准处理
基本校准假设之一是，在每个校准区域中存在多台机器覆盖。局部化校准方法结合图10所示的区域机器覆盖示例意味着在特定区域内不发生校准的情况下可能会发生很多情况。以这种方式接受校准会产生一个奇怪的假设：机器的校准应当只发生在某些区域。校准问题示出时间依赖性(即校准随着收获降级)，但是类似的空间依赖的假设似乎不太直观。
例如，考虑两台机器(第一机器和第二机器)，并且假设在校准区域中，校准方法对第一机器的每个产量数据点应用合理地一致的调节(例如，在几乎所有情况下为4bu/ac的增加)。在这样的情况下，以下假设是合理的：机器和/或器具“低了”4bu/ac，并且随后由第一机器测量的每个产量数据点都应当加上这个量。另一方面，如果校准量变化(例如，从-4bu/ac到19bu/ac)，则对于每个产量数据点在整个田地上应用的恒定调节可能是不合适的。
因此，考虑在校准操作之后对特定机器的全部产量数据点应用田地范围的调节。这个调节仅在特定机器的校准一致的情况下进行。对于调节，考虑两个潜在调节：
a)偏置：将被添加到由特定机器测量的每个产量数据点的数字X；
b)比率：将被添加到由特定机器测量的每个产量数据点的百分比X。
偏差和比率都被计算作为相对于特定机器在所有校准区域中发生的校准的均值或中值。例如，如果校准区域中第一机器的数据的均值或中值调节为4bu/ac，则在田地范围内向第一机器的产量数据点添加4bu/ac的偏置量作为校正度量。当使用比率时，如果向校准区域中的第一机器的数据添加一致的百分比(例如，8％)，则这个百分比将被添加到第一机器的所有产量数据点。在使用偏置调节的情况下，维持每台机器的机器内部变化，因为常数值被应用于其每个产量数据点。校准调节相对于其他机器的产量数据点值，而不是产生由同一机器测量的数据点值。
为了确定这样的田地范围的调节何时适当，在校准区域内测量调节的标准偏差。如果标准偏差低于预定阈值，则认为这些数字是一致的，并且将发生全局校准。
用于后校准处理的方法概述如下：
1)由后校准模块240访问多个组中的每个组的预定调节值，其中组的预定调节值与组的属性相关联；
2)由后校准模块240基于组的预定调节值来调节组中的每个经校准的产量数据点。
IX.校准产量数据点
图15示出了根据一个实施例的校准产量数据点的方法的流程图。接收器202接收(1502)多个组的产量数据点，其中每个组与属性相关联。与每个组相关联的属性包括以下中的至少一个：机器标识符、区域标识符、局部化区域标识符、湿度标识符及其任何组合。总的合计计算模块212基于多个组中的产量数据点来计算(1504)总的合计产量。对于多个组中的每个组，组合计计算模块214基于组中的产量数据点来计算(1506)组合计产量。计算模块210从组中的每个产量数据点中减去1508组总产量，以产生经调节的产量数据点。计算模块210将总的合计产量加到(1510)每个经调节的产量数据点，以产生经校准的产量数据点。
X.计算机器架构
图16是示出能够从机器可读介质读取指令并且在处理器(或控制器)中执行它们的示例机器的部件的框图。具体地，图16示出了计算机系统1600的示例形式的机器的示意图，其中可以执行用于引起机器执行本文中讨论的任何一种或多种方法的指令1624(例如，程序代码或软件)。在备选实施例中，机器作为独立设备操作，或者可以连接(例如，联网)到其他机器。在联网部署中，机器可以在服务器客户端网络环境中的服务器机器或客户端机器的能力下运行，或者作为对等(或分布式)网络环境中的对等机器运行。
机器可以是服务器计算机、客户计算机、个人计算机(PC)、平板电脑、机顶盒(STB)、个人数字助理(PDA)、蜂窝电话、智能电话、网络设备、网络路由器、交换机或网桥、或者能够执行规定要由该机器采取的动作的指令1624(顺序地或以其他方式)的任何机器。此外，虽然仅示出了单台机器，但是术语“机器”还应当被视为包括单独地或共同地执行指令1624以执行本文中讨论的任何一种或多种方法的任何机器集合。
示例计算机系统1600包括处理器1602(例如，中央处理单元(CPU)、图形处理单元(GPU)、数字信号处理器(DSP)、一个或多个专用集成电路(ASIC)、一个或多个射频集成电路(RFIC)或这些的任何组合)、主存储器1604和静态存储器1406，其被配置为经由总线1608彼此通信。计算机系统1600还可以包括图形显示单元1610(例如，等离子体显示面板(PDP)、有机发光二极管(OLED)显示器、液晶显示器(LCD)、投影仪或阴极射线管(CRT))和相应的显示驱动器。计算机系统1600还可以包括字母数字输入设备1612(例如，键盘)、光标控制设备1614(例如，鼠标、轨迹球、操纵杆、运动传感器或其他指示仪器)、存储单元1616、信号生成设备1618(例如，扬声器)和网络接口设备1620，其也被配置为经由总线1608进行通信。
存储单元1616包括机器可读介质1622，其上存储有实施本文中描述的任何一种或多种方法或功能的指令1624(例如，软件)。在由计算机系统1600执行期间，指令1624(例如，软件)也可以完全地或至少部分地驻留在主存储器1604内或处理器1602内(例如，在处理器的高速缓冲存储器内)，主存储器1604和处理器1602也构成机器可读介质。指令1624(例如，软件)可以经由网络接口设备1620通过网络1626来传输或接收。
尽管机器可读介质1622在示例实施例中被示出为单个介质，但是术语“机器可读介质”应当被认为包括：能够存储指令(例如，指令1624)的单个介质或多个介质(例如，集中式或分布式数据库、或相关联的高速缓存和服务器)。术语“机器可读介质”还应当被视为包括：能够存储用于由机器执行、并且使机器执行本文中描述的任何一种或多种方法的指令(例如，指令1624)的任何介质。术语“机器可读介质”包括但不限于固态存储器、光学介质和磁介质形式的数据存储库。
XI.附加配置考虑
在整个说明书中，多个实例可以实施被描述为单个实例的部件、操作或结构。虽然一个或多个方法的单独操作被示出和描述为单独的操作，但是一个或多个单独操作可以同时执行，并且不需要以所示顺序执行操作。在示例配置中作为单独部件呈现的结构和功能可以被实施为组合的结构或部件。类似地，作为单个部件呈现的结构和功能可以被实施为单独的部件。这些和其他变化、修改、添加和改进落入本文中的主题的范围内。
某些实施例在本文中被描述为包括逻辑或多个部件、模块或机构。模块可以构成软件模块(例如，在机器可读介质上或在传输信号中实施的代码)或硬件模块。硬件模块是能够执行某些操作的有形单元并且可以以某种方式配置或布置。在示例实施例中，一个或多个计算机系统(例如，独立的、客户端或服务器计算机系统)或者计算机系统的一个或多个硬件模块(例如，处理器或一组处理器)可以由软件(例如，应用或应用部分)配置为操作以执行如本文中描述的某些操作的硬件模块。
在各种实施例中，硬件模块可以机械地或电子地实施。例如，硬件模块可以包括永久地配置以执行某些操作的专用电路或逻辑(例如，作为专用处理器，诸如现场可编程门阵列(FPGA)或专用集成电路(ASIC))。硬件模块还可以包括由软件临时地配置以执行某些操作的可编程逻辑或电路(例如，包含在通用处理器或其他可编程处理器内)。应当理解，在专用和永久地配置的电路中或者在临时地配置的电路(例如，由软件配置)中机械地实施硬件模块的决定可以由成本和时间考虑来驱动。
本文中描述的示例方法的各种操作至少部分地可以由临时地配置(例如，通过软件)或永久地配置为执行相关操作的一个或多个处理器(例如，处理器1602)来执行。无论是临时地还是永久地配置，这样的处理器可以构成操作以执行一个或多个操作或功能的处理器实现的模块。在一些示例实施例中，本文中引用的模块可以包括处理器实施的模块。
一个或多个处理器还可以操作以支持“云计算”环境中的相关操作的性能或者作为“软件即服务”(SaaS))。例如，至少一些操作可以由一组计算机执行(作为包括处理器的机器的示例)，这些操作可以经由网络(例如，因特网)和经由一个或多个适当的接口(例如，应用程序接口(API))来访问。
某些操作的性能可以分布在一个或多个处理器之间，不仅驻留在单台机器内，而是跨越多台机器部署。在一些示例实施例中，一个或多个处理器或处理器实施的模块可以位于单个地理位置(例如，在家庭环境、办公室环境或服务器场内)。在其他示例实施例中，一个或多个处理器或处理器实施的模块可以分布在多个地理位置之间。
本说明书的一些部分在以下方面被呈现：对作为位或二进制数字信号存储在机器存储器(例如，计算机存储器)内的数据的操作的算法或符号表示。这些算法或符号表示是数据处理领域的普通技术人员用于将其工作的实质传达给本领域技术人员的技术的示例。如本文中使用的，“算法”是产生期望结果的自相合的操作序列或类似的处理。在这种上下文中，算法和操作涉及物理量的物理操纵。通常但不一定，这样的量可以采取能够被机器存储、访问、传送、组合，比较或以其他方式操纵的电、磁或光信号的形式。有时，主要出于公共使用的原因，使用诸如“数据”、“内容”、“位”、“值”、“元素”、“符号”、“字符”、“术语”、“数字”、“数字的”等词语来指代这样的信号是方便的。然而，这些词语仅仅是方便的标签，并且与适当的物理量相关联。
除非另有说明，否则本文中使用诸如“处理”、“计算”、“计算”、“确定”、“呈现”、“显示”等词语的讨论可以是指机器(例如，计算机)的动作或过程，其操纵或变换在接收、存储、传输或显示信息的一个或多个存储器(例如，易失性存储器、非易失性存储器或其组合)、寄存器、或其他机器部件内表示为物理(例如，电子、磁或光)量的数据。
如本文中使用的，对“一个实施例”或“实施例”的任何引用意味着结合该实施例描述的特定元件、特征、结构或特性被包括在至少一个实施例中。在说明书中的各个地方的短语“在一个实施例中”的出现不一定都指代相同的实施例。
如本文中使用的，术语“包括(comprises)”、“包括(comprising)”、“包括(includes)”、“包括(including)”、“具有(has)”、“具有(having)”或其任何其他变体旨在涵盖非排他性的包括。例如，包括元素列表的过程、方法、物品或装置不一定仅限于这些元素，而是可以包括未明确列出的或者这样的过程、方法、物品或装置固有的其他元素。此外，除非有明确相反的规定，否则“或”是指包括性的或不是排他性的或。例如，以下任一项满足条件A或B：A为真(或存在)并且B为假(或不存在)，A为假(或不存在)并且B为真(或存在)，以及A和B都为真(或存在)。
此外，使用“一(a)”或“一个(an)”来描述本文中的实施例的元素和部件。这只是为了方便，并且给出了本发明的一般意义。该描述应当被阅读为包括一个或至少一个，并且单数也包括复数，除非其显而易见的是其他的含义。
在阅读本公开后，本领域技术人员将通过本文中描述的原理理解收获后产量数据校准的系统和过程的附加的备选结构和功能设计。因此，尽管已经示出和描述了特定实施例和应用，但是应当理解，所描述的实施例不限于本文中描述的精确构造和部件。可以对本文中描述的方法的布置、操作和细节做出对本领域技术人员显而易见的各种修改、改变和变化。

Claims (21)

1.一种方法，包括：
接收多个组的产量数据点，每个组与属性相关联，其中所述属性包括以下中的至少一项：机器标识符、区域标识符、局部化区域标识符、湿度标识符及前述的任何组合；
基于所述多个组中的产量数据点来计算总的合计产量；
对于所述多个组中的每个组：
基于所述组中的产量数据点来计算组合计产量；
从所述组中的每个产量数据点中减去所述组合计产量，以产生经调节的产量数据点；
将所述总的合计产量加到所述经调节的产量数据点中的每一个，以产生经校准的产量数据点。
2.根据权利要求1所述的方法，其中所述总的合计产量是总的平均产量，并且所述组合计产量是组平均产量。
3.根据权利要求1所述的方法，其中所述总的合计产量是总的中值产量，并且所述组合计产量是组中值产量。
4.根据权利要求1所述的方法，还包括：
对于每个产量数据点：
确定产量数据点集合，所述产量数据点集合包括在所述产量数据点的阈值距离内的产量数据点；以及
基于所述产量数据点集合来对所述产量数据点进行校准，以产生邻居校准的产量数据点。
5.根据权利要求1所述的方法，还包括：
对于所述多个组中的每个组：
接收与所述属性相关联的置信度参数；以及
基于所述置信度参数来对所述组中的产量数据点进行校准，以产生置信度校准的产量数据点。
6.根据权利要求1所述的方法，还包括：
对于所述多个组中的每个组：
访问所述组的预定调节值，所述预定调节值与所述属性相关联；以及
将所述经校准的产量数据点中的每一个调节所述预定调节值。
7.根据权利要求6所述的方法，其中所述预定调节值是数字和百分比中的至少一项。
8.一种系统，包括：
非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储可执行计算机指令，所述可执行计算机指令在被执行时执行步骤，所述步骤包括：
接收多个组的产量数据点，每个组与属性相关联，其中所述属性包括以下中的至少一项：机器标识符、区域标识符、局部化区域标识符、湿度标识符及前述的任何组合；
基于所述多个组中的产量数据点来计算总的合计产量；
对于所述多个组中的每个组：
基于所述组中的产量数据点来计算组合计产量；
从所述组中的每个产量数据点中减去所述组合计产量，以产生经调节的产量数据点；
将所述总的合计产量加到所述经调节的产量数据点中的每一个，以产生经校准的产量数据点。
9.根据权利要求8所述的系统，其中所述总的合计产量是总的平均产量，并且所述组合计产量是组平均产量。
10.根据权利要求8所述的系统，其中所述总的合计产量是总的中值产量，并且所述组合计产量是组中值产量。
11.根据权利要求8所述的系统，其中所述指令在被执行时还执行包括以下各项的步骤：
对于每个产量数据点：
确定产量数据点集合，所述产量数据点集合包括在所述产量数据点的阈值距离内的产量数据点；以及
基于所述产量数据点集合来对所述产量数据点进行校准，以产生邻居校准的产量数据点。
12.根据权利要求8所述的系统，其中所述指令在被执行时还执行包括以下各项的步骤：
对于所述多个组中的每个组：
接收与所述属性相关联的置信度参数；以及
基于所述置信度参数来对所述组中的产量数据点进行校准，以产生置信度校准的产量数据点。
13.根据权利要求8所述的系统，其中所述指令在被执行时还执行包括以下各项的步骤：
对于所述多个组中的每个组：
访问针对所述组的预定调节值，所述预定调节值与所述属性相关联；以及
将所述经校准的产量数据点中的每一个调节所述预定调节值。
14.根据权利要求13所述的系统，其中所述预定调节值是数字和百分比中的至少一项。
15.一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储可执行计算机指令，所述可执行计算机指令在由处理器执行时执行步骤，所述步骤包括：
接收多个组的产量数据点，每个组与属性相关联，其中所述属性包括以下中的至少一项：机器标识符、区域标识符、局部化区域标识符、湿度标识符及前述的任何组合；
基于所述多个组中的产量数据点来计算总的合计产量；
对于所述多个组中的每个组：
基于所述组中的产量数据点来计算组合计产量；
从所述组中的每个产量数据点中减去所述组合计产量，以产生经调节的产量数据点；
将所述总的合计产量加到所述经调节的产量数据点中的每一个，以产生经校准的产量数据点。
16.根据权利要求15所述的非暂态计算机可读存储介质，其中所述总的合计产量是总的平均产量，并且所述组合计产量是组平均产量。
17.根据权利要求15所述的非暂态计算机可读存储介质，其中所述总的合计产量是总的中值产量，并且所述组合计产量是组中值产量。
18.根据权利要求15所述的非暂态计算机可读存储介质，其中所述指令在由所述处理器执行时还执行包括以下各项的步骤：
对于每个产量数据点：
确定产量数据点集合，所述产量数据点集包括在所述产量数据点的阈值距离内的产量数据点；以及
基于所述产量数据点集合来对所述产量数据点进行校准，以产生邻居校准的产量数据点。
19.根据权利要求15所述的非暂态计算机可读存储介质，其中所述指令在由所述处理器执行时还执行包括以下各项的步骤：
对于所述多个组中的每个组：
接收与所述属性相关联的置信度参数；以及
基于所述置信度参数来对所述组中的产量数据点进行校准，以产生置信度校准的产量数据点。
20.根据权利要求15所述的非暂态计算机可读存储介质，其中所述指令在由所述处理器执行时还执行包括以下各项的步骤：
对于所述多个组中的每个组：
访问所述组的预定调节值，所述预定调节值与所述属性相关联；以及
将所述经校准的产量数据点中的每一个调节所述预定调节值。
21.根据权利要求20所述的非暂态计算机可读存储介质，其中所述预定调节值是数字和百分比中的至少一项。
CN201680032658.8A 2015-04-21 2016-04-20 产量数据校准方法 Expired - Fee Related CN107615282B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201562150766P 2015-04-21 2015-04-21
US62/150,766 2015-04-21
PCT/CA2016/050453 WO2016168928A1 (en) 2015-04-21 2016-04-20 Yield data calibration methods

Publications (2)

Publication Number Publication Date
CN107615282A true CN107615282A (zh) 2018-01-19
CN107615282B CN107615282B (zh) 2021-11-30

Family

ID=57143510

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680032658.8A Expired - Fee Related CN107615282B (zh) 2015-04-21 2016-04-20 产量数据校准方法

Country Status (8)

Country Link
US (1) US10317260B2 (zh)
EP (1) EP3286676A4 (zh)
CN (1) CN107615282B (zh)
AU (1) AU2016253422B2 (zh)
BR (1) BR112017022466B1 (zh)
CA (1) CA2982001C (zh)
RU (1) RU2670905C9 (zh)
WO (1) WO2016168928A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210092900A1 (en) * 2019-09-30 2021-04-01 Monsanto Technology Llc Plant Pickers, And Related Methods Associated With Yield Detection
CN112733582A (zh) * 2019-10-28 2021-04-30 广州极飞科技有限公司 农作物产量的确定方法及装置、非易失性存储介质

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6363579B2 (ja) * 2015-09-30 2018-07-25 株式会社クボタ 圃場管理システム
US10832351B2 (en) * 2016-11-01 2020-11-10 Deere & Company Correcting bias in agricultural parameter monitoring
US11140807B2 (en) * 2017-09-07 2021-10-12 Deere & Company System for optimizing agricultural machine settings
US10980168B2 (en) 2018-10-16 2021-04-20 Cnh Industrial Canada, Ltd. Systems and methods for monitoring an agricultural metering system
AU2019365211A1 (en) * 2018-10-24 2021-05-27 Climate Llc Systems and methods for identifying and utilizing testing locations in agricultural fields
US11715024B1 (en) 2020-02-20 2023-08-01 Arva Intelligence Corp. Estimating soil chemistry at different crop field locations
US11704581B1 (en) 2020-01-29 2023-07-18 Arva Intelligence Corp. Determining crop-yield drivers with multi-dimensional response surfaces
US11610272B1 (en) 2020-01-29 2023-03-21 Arva Intelligence Corp. Predicting crop yield with a crop prediction engine
US11704576B1 (en) 2020-01-29 2023-07-18 Arva Intelligence Corp. Identifying ground types from interpolated covariates

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5764819A (en) * 1991-10-18 1998-06-09 Dekalb Genetics Corporation Methods for classifying plants for evaluation and breeding programs by use of remote sensing and image analysis technology
US5995894A (en) * 1997-05-27 1999-11-30 Case Corporation System for analyzing spatially-variable harvest data by pass
US6505146B1 (en) * 1999-09-24 2003-01-07 Monsanto Company Method and system for spatial evaluation of field and crop performance
US8731836B2 (en) * 2010-10-25 2014-05-20 Trimble Navigation Limited Wide-area agricultural monitoring and prediction
US20140358466A1 (en) * 2013-05-28 2014-12-04 Cnh America Llc System and method for automatically updating estimated yield values

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4431824C1 (de) * 1994-09-07 1996-05-02 Claas Ohg Mähdrescherbetrieb mit Betriebsdatenkataster
US6236907B1 (en) 1995-05-30 2001-05-22 Ag-Chem Equipment Co., Inc. System and method for creating agricultural decision and application maps for automated agricultural machines
US7058197B1 (en) * 1999-11-04 2006-06-06 Board Of Trustees Of The University Of Illinois Multi-variable model for identifying crop response zones in a field
US7047133B1 (en) 2003-01-31 2006-05-16 Deere & Company Method and system of evaluating performance of a crop
US7725233B2 (en) * 2005-10-25 2010-05-25 Deere & Company Crop attribute map input for vehicle guidance
DE102006015204A1 (de) 2006-03-30 2007-10-18 Claas Selbstfahrende Erntemaschinen Gmbh Verfahren zur Erstellung eines Routenplans für landwirtschaftliche Maschinensysteme
US8816262B2 (en) 2007-07-03 2014-08-26 Kyle H. Holland Auto-calibration method for real-time agricultural sensors
US20120173185A1 (en) * 2010-12-30 2012-07-05 Caterpillar Inc. Systems and methods for evaluating range sensor calibration data

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5764819A (en) * 1991-10-18 1998-06-09 Dekalb Genetics Corporation Methods for classifying plants for evaluation and breeding programs by use of remote sensing and image analysis technology
US5995894A (en) * 1997-05-27 1999-11-30 Case Corporation System for analyzing spatially-variable harvest data by pass
US6505146B1 (en) * 1999-09-24 2003-01-07 Monsanto Company Method and system for spatial evaluation of field and crop performance
US8731836B2 (en) * 2010-10-25 2014-05-20 Trimble Navigation Limited Wide-area agricultural monitoring and prediction
US20140358466A1 (en) * 2013-05-28 2014-12-04 Cnh America Llc System and method for automatically updating estimated yield values

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210092900A1 (en) * 2019-09-30 2021-04-01 Monsanto Technology Llc Plant Pickers, And Related Methods Associated With Yield Detection
CN112733582A (zh) * 2019-10-28 2021-04-30 广州极飞科技有限公司 农作物产量的确定方法及装置、非易失性存储介质

Also Published As

Publication number Publication date
WO2016168928A1 (en) 2016-10-27
EP3286676A4 (en) 2019-01-23
BR112017022466B1 (pt) 2023-10-03
AU2016253422A1 (en) 2017-10-26
RU2670905C9 (ru) 2018-12-12
AU2016253422B2 (en) 2019-11-21
CN107615282B (zh) 2021-11-30
EP3286676A1 (en) 2018-02-28
BR112017022466A2 (pt) 2018-07-17
RU2670905C1 (ru) 2018-10-25
US10317260B2 (en) 2019-06-11
US20160313151A1 (en) 2016-10-27
CA2982001C (en) 2020-07-28
CA2982001A1 (en) 2016-10-27

Similar Documents

Publication Publication Date Title
CN107615282B (zh) 产量数据校准方法
CA3073291C (en) Generating a yield map for an agricultural field using classification and regression methods
US10719787B2 (en) Method for mapping crop yields
Houborg et al. Joint leaf chlorophyll content and leaf area index retrieval from Landsat data using a regularized model inversion system (REGFLEC)
Mandal et al. Crop biophysical parameter retrieval from Sentinel-1 SAR data with a multi-target inversion of Water Cloud Model
Schulthess et al. Mapping field-scale yield gaps for maize: An example from Bangladesh
Kubicek et al. Prototyping the visualization of geographic and sensor data for agriculture
MX2015002372A (es) Sistema de recomendaciones especificas para la agricultura.
CA3129643C (en) Refined average for zoning method and system
US10768156B1 (en) Yield analysis through agronomic analytics
BR112021010533A2 (pt) Geração de script preditivo para grãos de soja
US11930733B1 (en) Nitrogen loss prediction and mitigation methods and systems
Nogueira Martins et al. Site-specific nutrient management zones in soybean field using multivariate analysis: an approach based on variable rate fertilization
Feng et al. Real-time monitoring of maize phenology with the VI-RGS composite index using time-series UAV remote sensing images and meteorological data
CN117372878A (zh) 一种面向种植业保险的农作物地块级遥感解译方法和系统
JP2023174067A (ja) メタン排出量推定システム及び方法並びにプログラム
Xu et al. Estimation of crop biomass using GF-3 polarization SAR data based on genetic algorithm feature selection
CN107843569A (zh) 一种遥感影像中混合像元的日蒸散量的计算方法和系统
CN117042595A (zh) 信息处理装置、信息处理方法和程序
Cheng Validation and Correction of MOD15‐LAI using In Situ Rice LAI in Southern China
Wang et al. Estimation of shrubland aboveground biomass of the desert steppe from optical and C-band SAR data
CN117315113B (zh) 作物生长周期信息处理方法和系统
Boninsenha et al. Revealing irrigation uniformity with remote sensing: A comparative analysis of satellite-derived uniformity coefficient
Bisht et al. Integration of Geospatial Technology and Simulation Modelling for Climate Change Studies
JP2024120773A (ja) 土壌水分特性推定方法、土壌水分特性推定装置、および、灌水支援システム

Legal Events

Date Code Title Description
PB01 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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20211130