CN113163710A - 标识和利用农田中的测试地点的系统和方法 - Google Patents
标识和利用农田中的测试地点的系统和方法 Download PDFInfo
- Publication number
- CN113163710A CN113163710A CN201980070466.XA CN201980070466A CN113163710A CN 113163710 A CN113163710 A CN 113163710A CN 201980070466 A CN201980070466 A CN 201980070466A CN 113163710 A CN113163710 A CN 113163710A
- Authority
- CN
- China
- Prior art keywords
- grid
- grid cell
- cells
- field
- data
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
-
- 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
Abstract
提供了用于在一个或多个领域中实施试验的系统和方法。根据一个实施方案,农业智能计算系统标识田地中的多组相邻地点,并计算这些地点之间的差值。该系统使用多组相邻地点的不同值来确定短长度变异性得分。然后,系统可以使用短长度变异性得分来标识用于实施试验的田地和/或用于实施试验的田地内的地点。在实施方案中,系统使用网格叠加,系统基于从农具接收到的标头信息来定向该网格叠加。在实施方案中,系统改变网格叠加以增加农田上和/或不同管理区内的测试地点的数目。
Description
版权声明
该专利文件的一部分公开内容包含受版权保护的材料。版权所有者不反对任何人以专利和商标局专利文件或记录中出现的方式对专利文件或专利公开进行传真复制,但保留所有版权或权利。2015-2019 The Climate Corporation。
技术领域
本公开涉及农田的数字计算机建模和跟踪。具体地,本公开涉及标识用于在农田中实施特定实践的地点并使得农具在农田中执行特定实践。
背景技术
本节中描述的方法是可以获得的方法,但不一定是先前已经设想或获得的方法。因此,除非另有说明,否则不应该仅由于本节中所述的任何方法包括在本节中而假设其可以作为现有技术。
田地管理者在农田的管理方面要面对做出各种各样的决定。这些决定包括确定种植哪种农作物、种植哪种农作物种子、何时收获农作物、是否进行耕作、灌溉、农药(包括杀真菌剂和除草剂)施用和肥料施用以及施用哪种类型的农药或肥料。
通常,可以通过使用不同的杂交种子或不同的种子品种,将不同的产品应用于田地或在田地进行不同的管理活动来改善田地的管理实践。对于仅使用有关其自己田地的信息工作的田地管理者而言,可能无法轻易识别出这些改善。此外,即使意识到更好的实践,田地管理者也可能无法确定新的实践是否比先前的实践有益。
为了确定新的实践是否比先前的实践产生更好的结果,田地管理者可以将一部分农田专门用于试验,其中农田的一个或多个部分接受不同于该农田的其他部分的管理实践。通过在农田的一部分上进行试验,田地管理者能够以先前有效的方式继续利用农田,同时测试不同的实践以确定它们是否具有改善的结果。
实施这些试验的一个问题是,田地管理者并不总是清楚在哪里可以最好地定位、定向试验地点或确定试验地点的大小以最高效率使用农田。因此,田地管理者的试验实践可能会在条形试验中占用很大一部分田地,以产生一组结果,这些结果在利用更小部分的农田的同时可以用具有相同的统计显著性水平产生。另外,田地管理员进行的试验可能需要额外的农具通行证,从而降低在田地进行试验的农具的效率。
因此,需要一种系统,其利用田地数据来标识测试地点、尺寸和/或方向以实施试验。
发明内容
所附权利要求可以用作本公开的发明内容。
附图说明
在附图中:
图1示出了配置为执行本文所述的功能的示例性计算系统,在现场环境中,该系统可以与之交互的其他设备一起示出。
图2示出了当示例性移动应用被加载以执行时在主存储器中的指令集的示例性逻辑组织的两个视图。
图3示出了经编程的过程,通过该经编程的过程,农业智能计算系统使用由一个或多个数据源提供的农业数据来生成一个或多个预先配置的农业模型。
图4是示出了可以在其上实现本发明的实施方案的计算系统的框图。
图5描绘了用于数据输入的时间线视图的示例性实施方案。
图6描绘了用于数据输入的电子表格视图的示例性实施方案。
图7描绘了用于对田地的短长度变异性建模的方法。
图8描绘了在地图上用于计算短长度产量变异性的网格叠加的实例。
图9描绘了改变预设网格内的测试地点以最大化多个测试地点的示例性方法。
具体实施方式
在以下描述中,出于解释的目的,阐述了许多具体细节以提供对本公开的透彻理解。然而,将显而易见的是,可以在没有这些具体细节的情况下实践实施方案。在其他示例中,以框图形式示出了公知的结构和设备,以避免不必要地使本公开难以理解。根据以下概述,在各节中公开了实施方案:
1.总体概述
2.示例性农业智能计算系统
2.1.结构概述
2.2.应用程序概述
2.3.录入计算系统的数据
2.4.过程概述-农业模型训练
2.5.实施实例-硬件概述
3.试验生成
3.1.短长度产量变异性
3.2.建模变异性
3.3.基于短长度变异性选择田地
3.4.选择和确定测试地点的大小
3.5.确定测试地点方向
3.6.从网格地点中进行选择
3.7.处方图和脚本
3.8.某些实施方案的益处
*
1.总体概述
本文描述了用于确定测试地点的地点、大小和/或方向的系统和方法。在一个实施方案中,系统接收农田的地图和与该农田有关的数据,例如从农具接收的应用数据。该系统为农田地图生成网格叠加。该系统可以另外基于接收到的应用数据或图像数据来定向网格。该系统基于在多对相邻网格单元中的网格单元之间的测量或建模的产量变异性来计算农田的短长度变异性。基于短长度产量变异性,系统选择用于实施试验的田地和/或标识用于实施试验的田地内的地点。方法可以另外包括扩充网格叠加以增加田地和/或管理区中的可用测试地点的数目。
在一个实施方案中,方法包括接收农田的地图;为农田地图生成网格叠加,和使用网格叠加和地图生成网格化地图;从网格化地图中选择多个相邻网格单元;针对每组相邻网格单元,计算相邻单元之间的平均产量的差;至少部分地基于每组相邻网格单元的平均产量的差,确定农田的短长度变异性。
2.示例性农业智能计算系统
2.1结构概述
图1示出了配置为进行本文所述的功能的示例性计算系统,在现场环境中,该系统可以与之交互的其他设备一起示出。在一个实施例中,用户102拥有、操作或占有在田地地点中的或与田地地点相关联的田地管理器计算设备104,诸如旨在用于农业活动的田地或用于一个或多个田地的管理地点。田地管理器计算设备104被编程或配置为经由一个或多个网络109向农业智能计算系统130提供田地数据106。
田地数据106的示例包括(a)标识数据(例如,亩数、田地名称、田地标识符、地理标识符、边界标识符、农作物标识符、以及可用于标识农地的任何其他合适数据,例如公共土地单位(CLU)、地段和地块编号、地号、地理坐标和边界、农场序列号(FSN)、农场编号、地带编号、田地编号、区域、乡镇和/或范围)、(b)收获数据(例如,农作物类型、农作物品种、轮作、是否有机方式种植农作物、收获日期、实际生产历史(APH)、预期产量、产量、农作物价格、农作物收入、谷物水分、耕作措施以及以往生长季节信息)、(c)土壤数据(例如,类型、组成、pH、有机物质(OM)、阳离子交换能力(CEC))、(d)种植数据(例如,种植日期、种子类型、种植种子的相对成熟度(RM)、种子群体),(e)肥料数据(例如,营养类型(氮、磷、钾)、施用类型、施用日期、数目、来源、方法),(f)化学施用数据(例如,旨在用作植物调节剂、脱叶剂或干燥剂的农药、微生物、其他物质或物质混合物、施用日期、用量、来源、方法),(g)灌溉数据(例如,施用日期、用量、来源、方法),(h)天气数据(例如,降水、降雨率、预测降雨、径流率区域、温度、风、天气预报、气压、能见度、云、热指数、露点、湿度、雪深、空气质量、日出、日落)、(i)图像数据(例如,来自农业设备传感器、照相机、计算机、智能手机、平板电脑、无人机、飞机或卫星的的图像和光谱信息)、(j)侦察观察报告(照片、视频、自由形式注释、语音记录、语音转录、天气状况(温度、降水(当前和随时间推移)、土壤湿度、农作物生长期、风速、相对湿度、露点、黑色层))和(k)土壤、种子、作物物候学、病虫害报告以及预测来源和数据库。
数据服务器计算机108通信耦连到农业智能计算机系统130,并且被编程或配置为经由一个或多个网络109将外部数据110发送到农业智能计算机系统130。外部数据服务器计算机108可以由与农业智能计算机系统130相同的法人或实体拥有或操作,或者由不同的人或实体(例如政府机构、非政府组织(NGO)和/或私人数据服务提供商)拥有或操作。外部数据的示例包括天气数据、图像数据、土壤数据或与农作物产量相关的统计数据等。外部数据110可以包含与田地数据106相同类型的信息。在一些实施例中,外部数据110由拥有和/或操作农业智能计算机系统130的同一实体拥有的外部数据服务器108提供。例如,农业智能计算机系统130可以包括专门专注于可能以其他方式从第三方源获得的数据类型的数据服务器,例如天气数据。在一些实施例中,外部数据服务器108实际上可以被并入系统130内。
农业设备111可具有固定在其上的一个或多个远程传感器112,这些传感器经由农业设备111直接或间接地通信耦连至农业智能计算机系统130,并且被编程或配置为将传感器数据发送至农业智能计算机系统130。农业设备111的示例包括拖拉机、联合收割机、收割机、播种机、卡车、化肥设备、包括无人机的飞行器,以及任何其他物理机械或硬件器具,通常为移动机械,并且其可以用于与农业有关的任务中。在一些实施例中,设备111的单个单元可以包括在设备上的网络中耦连至本地的多个传感器112;控制器区域网络(CAN)是可以安装在联合收割机、收割机、喷雾器和中耕机中的这种网络的示例。应用控制器114经由一个或多个网络109通信耦连到农业智能计算机系统130,并且被编程或配置为从农业智能计算机系统130接收用于控制农业交通工具的操作参数或实现的一个或多个脚本。例如,控制器区域网络(CAN)总线接口可用于启用从农业智能计算机系统130到农业设备111的通信,例如得自加利福尼亚旧金山的Climate Corporation(克莱门特公司)的CLIMATEFIELDVIEW DRIVE那样使用。传感器数据可包含与田地数据106相同类型的信息。在一些实施例中,远程传感器112可以不固定在农业设备111上,而是可以远程地位于田地中并且可以与网络109通信。
设备111可以包括用驾驶室应用程序编程的驾驶室计算机115,该驾驶室应用程序可以包括将在本文的其他部分中进一步描述的用于设备104的移动应用程序的版本或变体。在一个实施例中,驾驶室计算机115包括紧凑型计算机,通常是平板电脑大小的计算机或智能手机,具有安装在设备111的驾驶室中的图形屏幕显示器,例如彩色显示器。驾驶室计算机115可以实现本文中针对移动计算机设备104进一步描述的一些或全部操作和功能。
一个或多个网络109广泛地表示使用有线或无线链路(包括地面或卫星链路)中的任何一个的一个或多个数据通信网络的任意组合,包括局域网、广域网、互联网或因特网。一个或多个网络可以由提供图1的各个元件之间的数据交换的任何介质或机制来实现。图1的各种元件还可以具有直接(有线或无线)通信链路。传感器112、控制器114、外部数据服务器计算机108和系统的其他元件各自包括与一个或多个网络109相容的接口,并且被编程或配置为使用标准化协议用于跨网络的通信,例如TCP/IP、蓝牙、CAN协议以及更高层的协议(例如HTTP、TLS等)。
农业智能计算机系统130被编程或配置为从田地管理器计算设备104接收田地数据106,从外部数据服务器计算机108接收外部数据110以及从远程传感器112接收传感器数据。农业智能计算机系统130可以进一步被配置为以在本公开的其他部分中进一步描述的方式主持、使用或执行一个或多个计算机程序、其他软件元件、诸如FPGA或ASIC的数字编程逻辑或其任意组合以进行数据值的转换和存储、在一个或多个田地上的一种或更多种农作物的数字模型的建立、生成推荐和通知、以及将脚本生成和发送给应用控制器114。
在一个实施例中,农业智能计算机系统130被编程有或包括通信层132、表示层134、数据管理层140、硬件/虚拟化层150以及模型和田地数据存储库160。在该上下文中,“层”是指电子数字接口电路、微控制器、固件(例如驱动程序)和/或计算机程序或其他软件元素的任意组合。
通信层132可以被编程或配置为进行输入/输出接口功能,包括分别向田地管理器计算设备104、外部数据服务器计算机108和远程传感器112发送对田地数据、外部数据和传感器数据的请求。通信层132可被编程或配置为将接收到的数据发送到模型和田地数据存储库160以存储为田地数据106。
表示层134可以被编程或配置为生成要在田地管理器计算设备104、驾驶室计算机115或通过网络109耦连到系统130的其他计算机上显示的图形用户界面(GUI)。GUI可以包括用于输入要发送到农业智能计算机系统130的数据、生成对模型和/或推荐的请求,和/或显示推荐、通知、模型和其他田地数据的控制。
数据管理层140可被编程或配置为管理涉及存储库160的读操作和写操作和系统的其他功能元件,包括在系统的功能元件与存储库之间通信的查询和结果集。数据管理层140的示例包括JDBC、SQL服务器接口代码和/或HADOOP接口代码等。存储库160可以包括数据库。如本文所用,术语“数据库”可以指数据主体、关系数据库管理系统(RDBMS)或两者。如本文所用,数据库可以包括数据的任何集合,包括分层数据库、关系数据库、平面文件数据库、对象关系数据库、面向对象的数据库、分布式数据库以及存储在计算机系统中的记录或数据的任何其他结构化集合。RDBMS的示例包括但不限于,MYSQL、服务器、和POSTGRESQL数据库。然而,可以使用启用本文描述的系统和方法的任何数据库。
当没有通过一个或多个农业机械或与农业智能计算机系统交互的农业机械设备直接向农业智能计算机系统提供田地数据106时,可能会通过用户设备上的一个或多个用户界面提示用户(由农业智能计算机系统服务)以输入此类信息。在示例性实施例中,用户可以通过访问用户设备(由农业智能计算机系统服务)上的地图并选择已经在地图上以图形方式示出的特定CLU来指定标识数据。在替代实施例中,用户102可以通过访问用户设备上的地图(由农业智能计算机系统130服务)并在该地图上绘制田地边界来指定标识数据。这样的CLU选择或地图绘制表示地理标识符。在替代实施例中,用户可以通过用户设备访问来自美国农业部农业服务局或其他来源的田地标识数据(以形状文件或类似格式提供)来指定标识数据,并将此类田地标识数据提供给农业智能计算机系统。
在示例性实施例中,农业智能计算机系统130被编程为生成并引起显示包括用于数据输入的数据管理器的图形用户界面。在已使用上文描述的方法标识一个或多个田地之后,数据管理器可以提供一个或多个图形用户界面小部件,其在被选择时可以标识田地、土壤、农作物、耕作、或营养物实践的变化。数据管理器可以包括时间线视图、电子表格视图和/或一个或多个可编辑程序。
图5描绘了用于数据输入的时间线视图的示例性实施例。使用图5中所示的显示,用户计算机可以输入对特定田地的选择和特定日期以添加事件。时间线顶部描述的事件可能包括氮、种植、实践和土壤。为了添加施氮事件,用户计算机可以提供输入以选择氮标签。然后,用户计算机可以为特定田地选择时间线上的地点以指示所选田地上的氮的施用。响应于接收到对特定田地的时间线上的地点的选择,数据管理器可以显示数据条目叠加,从而允许用户计算机输入与施氮、种植程序、土壤施用、耕作程序、灌溉实践有关的数据,或与特定田地有关的其他信息。例如,如果用户计算机选择时间线的一部分并指示氮的施用,则数据输入叠加可包括用于输入施用的氮的量、施用日期、使用的肥料类型以及与施氮有关的任何其他信息的栏位。
在一实施例中,数据管理器提供用于创建一个或多个程序的界面。在该上下文中,“程序”是指与施氮、种植程序、土壤施用、耕作程序、灌溉实践或可能与一个或多个田地相关的其他信息有关的数据集,其可以存储在数字数据存储中用于在其他操作中作为一个集再使用。在创建程序之后,可以在概念上将其应用于一个或多个田地,并且可以将该程序的引用与标识田地的数据相关联地存储在数字存储中。因此,代替手动输入与针对多个不同田地的相同施氮有关的相同数据,用户计算机可以创建指示氮的特定施用的程序,然后将该程序应用于多个不同田地。例如,在图5的时间线视图中,顶部两个时间线具有选择的“春季施用的”程序,其包括在4月初施加150lbs N/ac。数据管理器可以提供用于编辑程序的界面。在一个实施例中,当编辑特定程序时,选择了该特定程序的每个田地都被编辑。例如,在图5中,如果编辑了“春季施用的”程序以将氮的施用减少到130lbs N/ac,则可以基于所编辑的程序以减少的氮的施用来更新顶部两个田地。
在一个实施例中,响应于接收到对选择了程序的田地的编辑,数据管理器移除该田地与所选程序的对应关系。例如,如果将施氮添加到图5的顶部田地,则界面可以更新以指示“春季施用的”程序不再被应用于顶部田地。尽管可能会保留4月初的施氮,但“春季施用的”程序的更新不会改变4月的氮的施用。
图6描绘了用于数据输入的电子表格视图的示例性实施例。使用图6中所描绘的显示,用户可以创建和编辑针对一个或多个田地的信息。数据管理器可以包括电子表格,以用于输入关于氮、种植、实践和土壤的信息,如图6所示。为了编辑特定条目,用户计算机可以在电子表格中选择特定条目并更新值。例如,图6描绘了对第二田地的目标产量值的正在进行的更新。另外,用户计算机可以选择一个或多个田地以应用一个或多个程序。响应于接收到针对特定田地的程序的选择,数据管理器可以基于所选程序自动完成针对特定田地的条目。与时间线视图一样,数据管理器可以响应于接收到对该程序的更新来更新与特定程序相关联的每个田地的条目。另外,数据管理器可以响应于接收到对该田地的条目之一的编辑而删除所选程序与该田地的对应关系。
在一个实施例中,模型和田地数据存储在模型和田地数据存储库160中。模型数据包括为一个或多个田地创建的数据模型。例如,农作物模型可以包括一个或多个田地上的农作物发育的数字构建模型。在该上下文中,“模型”是指彼此相关联的电子数字存储的可执行指令和数据值集,其能够基于指定的输入值接收程序或其他数字呼叫、调用或对分辨率的请求以产生一个或多个存储或计算的输出值,这些输出值可以用作计算机执行的建议、输出数据显示或机器控制等的基础。本领域技术人员发现使用数学方程式来表达模型是方便的,但是这种表达形式并不将本文所公开的模型局限于抽象概念;相反,本文中的每个模型都以使用计算机来实现该模型的存储的可执行指令和数据的形式在计算机中具有实际应用。该模型可以包括一个或多个田地上的过去事件的模型、一个或多个田地的当前状态的模型和/或一个或多个田地的预测事件的模型。模型和田地数据可以存储在存储器中的数据结构中、数据库表中的行中、平面文件或电子表格中或存储的数字数据的其他形式中。
在一个实施例中,测试地点标识指令136、测试地点尺寸和方向指令137以及处方图/脚本生成指令138中的每个包括其中已加载了可执行指令并且在执行时使农业智能计算机系统进行参考这些模块在本文描述的功能或操作的农业智能计算机系统130中的一组一个或多个页面的主存储器,例如RAM。例如,测试地点标识指令可以包括RAM中的一组页面,其包含指令,这些指令在被执行时引起进行本文所述的测试地点标识功能。指令可以在CPU的指令集中的机器可执行代码中,并且可以基于单独的或与JAVASCRIPT中的脚本、其他脚本语言和其他编程源文本组合的以JAVA、C、C++、OBJECTIVE-C或任何其他人可读编程语言或环境编写的源代码进行编译。术语“页面”旨在广义地指代主存储器内的任何区域,并且系统中使用的特定术语可以根据存储器架构或处理器架构而变化。在另一实施例中,测试地点标识指令136、测试地点尺寸和方向指令137以及处方图/脚本生成指令138中的每个也可以表示数字存储在大容量存储设备如非易失性RAM或磁盘存储中、在农业智能计算机系统130或单独的存储库系统中的一个或多个文件或源代码项目,当编译或解释时,其引起生成可执行的指令,这些可执行指令在被执行时引起农业智能计算机系统参考那些模块进行本文描述的功能或操作。换句话说,附图可以表示其中程序员或软件开发人员组织和安排源代码以供以后编译为可执行或解释为字节码或等效物的方式,用于由农业智能计算机系统130执行。
测试地点标识指令136包括一组计算机可读指令,当由一个或多个处理器执行时,其使农业智能计算机系统标识用于实现测试地点的地点。测试地点大小和方向指令137包括一组计算机可读指令,当由一个或多个处理器执行时,其使农业智能计算机系统确定测试地点的大小和方向。处方图/脚本生成指令138包括一组计算机可读指令,当由一个或多个处理器执行时,其使农业智能计算机系统生成处方图和/或可执行脚本,其包括在测试地点实施的试验。
硬件/虚拟化层150包括一个或多个中央处理单元(CPU)、内存控制器以及计算机系统的其他设备、组件或元件,例如易失性或非易失性存储器、非易失性存储器(例如磁盘)和I/O设备或接口,如例如结合结合图4所图示和描述的。层150还可以包括被配置为支持虚拟化、集装箱化或其他技术的编程指令。
为了说明清楚的示例的目的,图1示出了某些功能元件的有限数目的示例。然而,在其他实施例中,可以有任何数目的这样的元件。例如,实施例可以使用与不同用户相关联的数千或数百万个不同的移动计算设备104。此外,系统130和/或外部数据服务器计算机108可以使用两个或更多个处理器、核、集群或物理机或虚拟机的示例来实现,其被配置在离散地点或与数据中心中的其他元件共置,共享计算设施或云计算设施。
2.2.应用程序概述
在一个实施例中,使用被加载到一个或多个通用计算机中并由一个或多个通用计算机执行的一个或多个计算机程序或其他软件元件来实现本文描述的功能将引起该通用计算机被配置为特定机器或作为专门适合进行本文所述的功能的计算机。此外,本文进一步描述的每个流程图可以单独地或与本文散文中的过程和功能的描述组合地用作可以用于对计算机或逻辑进行编程以实现所描述的功能的算法、计划或方向。换句话说,本文中的所有散文文本以及所有附图一起旨在结合此类人员的技能和知识,并使其具有适用于此类发明和公开的技能水平提供足以允许技术人员对计算机进行编程以执行本文中所描述的功能的算法、计划或方向的公开。
在一个实施例中,用户102使用配置有操作系统和一个或多个应用程序或app的田地管理器计算设备104与农业智能计算机系统130交互;田地管理器计算设备104还可以在程序控制或逻辑控制下独立且自动地与农业智能计算机系统进行交互操作,并且并不总是需要直接的用户交互。田地管理器计算设备104广泛地代表智能电话、PDA、平板计算设备、膝上计算机、台式计算机、工作站或能够发送和接收信息并进行本文所述功能的任何其他计算设备中的一个或多个。田地管理器计算设备104可以使用存储在田地管理器计算设备104上的移动应用程序通过网络通信,并且在一些实施例中,可以使用电缆113或连接器将该设备耦连到传感器112和/或控制器114。特定用户102可以一次拥有、操作或占有和使用与系统130相关联的多于一个田地管理器计算设备104。
该移动应用可以经由网络向一个或多个移动计算设备提供客户端功能。在示例性实施例中,田地管理器计算设备104可以经由网络浏览器或本地客户端应用或app访问移动应用。田地管理器计算设备104可以使用基于网络的协议或诸如HTTP、XML和/或JSON的格式或app专用于的协议向一个或多个前端服务器发送数据,以及从其接收数据。在示例性实施例中,数据可以采取向移动计算设备中的请求和用户信息输入的形式,例如田地数据。在一些实施例中,移动应用与田地管理器计算设备104上的地点跟踪硬件和软件进行交互,其使用诸如无线电信号的多边定位、全球定位系统(GPS)、WiFi定位系统或其他移动定位方法的标准跟踪技术来确定田地管理器计算设备104的地点。在某些情况下,可以通过查询设备的操作系统或通过请求设备上的app以获得来自操作系统的数据而获得与设备104、用户102和/或一个或多个用户账户相关联的地点数据或其他数据。
在一个实施例中,田地管理器计算设备104将田地数据106发送到农业智能计算机系统130,其包含或包括但不限于表示以下中的一个或多个的数据值:一个或多个田地的地理地点、一个或多个田地的耕作信息、在一个或多个田地中种植的农作物以及从一个或多个田地中提取的土壤数据。田地管理器计算设备104可以响应于来自指定用于一个或多个田地的数据值的用户102的用户输入来发送田地数据106。另外,当一个或多个数据值变得可用于田地管理器计算设备104时,田地管理器计算设备104可以自动发送田地数据106。例如,田地管理器计算设备104可以通信耦连到包括灌溉传感器和/或灌溉控制器的远程传感器112和/或应用控制器114。响应于接收到指示应用控制器114将水释放到一个或多个田地上的数据,田地管理器计算设备104可将田地数据106发送到农业智能计算机系统130,指示将水在一个或多个田地上释放。可以使用电子数字数据来输入和传送在本公开中标识的田地数据106,该电子数字数据在HTTP或另一种合适的通信或消息收发协议上使用参数化的URL在计算设备之间通信。
移动应用的商业示例是CLIMATE FIELDVIEW,可从加利福尼亚旧金山的ClimateCorporation(克莱门特公司)商购获得。可将CLIMATE FIELDVIEW应用或其他应用修改、扩展或调整,以包括尚未在本公开申请日之前公开的特征、功能和程序。在一个实施例中,移动应用包括集成的软件平台,其允许种植者为他们的操作做出基于事实的决定,因为它组合有关种植者田地的历史数据与种植者希望比较的任何其他数据。组合和比较可以实时进行,并且基于科学模型,该模型提供了可能的情景以允许种植者可以做出更好、更明智的决定。
图2示出了当示例性移动应用被加载以执行时在主存储器中的指令集的示例性逻辑组织的两个视图。在图2中,每个被命名的元件代表一个或多个RAM或其他主存储器页面、或一个或多个磁盘存储或其他非易失性存储块的区域,以及这些区域内的编程指令。在一个实施例中,在视图(a)中,移动计算机应用200包括账户-田地-数据摄取-共享指令202、概览和警报指令204、数字地图手册指令206、种子和种植指令208、氮指令210、天气指令212、田地土质指令214和性能指令216。
在一个实施例中,移动计算机应用200包括账户、田地、数据摄取、共享指令202,其被编程为经由手动上传或API从第三方系统接收、翻译和摄取田地数据。数据类型可包括田地边界、产量地图、种植地图、土壤测试结果、应用地图和/或管理区等。数据格式可以包括形状文件、第三方的本机数据格式和/或农场管理信息系统(FMIS)导出等。接收数据可能经由手动上传,带有附件的电子邮件,将数据推送到移动应用的外部API或调用外部系统的API来将数据拉入移动应用的指令而发生。在一个实施例中,移动计算机应用200包括数据收件箱。响应于接收数据收件箱的选择,移动计算机应用200可以显示用于手动上传数据文件并将上传的文件导入数据管理器的图形用户界面。
在一个实施例中,数字地图手册指令206包括存储在设备存储器中的田地地图数据层,并且利用数据可视化工具和地理空间田地记录进行编程。这为种植者提供了随手可供参考的方便的信息、记录和对田地表现的可视化见解。在一个实施例中,概览和警报指令204被编程为提供对种植者来说重要的全操作视图,并提供及时的建议以采取行动或集中于特定问题。这允许种植者将时间集中在需要注意的地方,以节省时间并在整个季节保持产量。在一个实施例中,对种子和种植指令208进行编程以基于科学模型和经验数据提供用于种子选择、混合布置的工具和脚本创建,包括可变速率(VR)脚本创建。这使种植者可以通过优化种子购买、布置和群体,最大限度地提高产量或投资回报率。
在一个实施例中,脚本生成指令205被编程为提供用于生成脚本的界面,包括可变速率(VR)肥力脚本。该界面使种植者能够为田地机具创建脚本,例如养分应用、种植和灌溉。例如,种植脚本界面可以包括用于标识用于种植的种子类型的工具。接收种子类型的选择后,移动计算机应用200可以显示一个或多个细分为管理区的田地,例如作为数字地图手册指令206的一部分创建的田地地图数据层。在一个实施例中,管理区包括土壤区域以及标识每个土壤区域的面板和每个区域的土壤名称、质地、排水或其他田地数据。移动计算机应用200还可以在一个或多个田地的地图上显示用于编辑或创建的工具,例如用于绘制管理区(例如土壤区域)的图形工具。种植程序可以应用于所有管理区,或者不同的种植程序可以应用于管理区的不同子集。当创建脚本时,移动计算机应用200可以使脚本可用于以应用控制器可读的格式下载,例如存档或压缩格式。另外,和/或备选地,脚本可以从移动计算机应用200直接发送到驾驶室计算机115和/或上传到一个或多个数据服务器并存储以供进一步使用。
在一个实施例中,氮指令210被编程用以提供工具,以通过可视化作物中氮的可用性来告知氮决策。通过季节期间优化的施氮,这使种植者能够最大程度地提高产量或投资回报率。示例性的编程功能包括显示图像(例如SSURGO图像)以高空间分辨率(取决于传感器的接近度和分辨率,精确到毫米或更小)实现肥料施肥区的绘制和/或从子田土壤数据(例如从传感器获得的数据)生成的图像;上传现有的种植者定义的区域;提供植物养分利用率的图表和/或地图,以实现调节跨多个区域的氮的施用;输出脚本以驱动机械;用于大量数据输入和调整的工具;和/或用于数据可视化的地图等。在该上下文中,“大量数据输入”可能意味着一次输入数据,然后将相同的数据应用于系统中已定义的多个田地和/或区域;示例数据可以包括对于相同种植者的许多田地和/或区域都相同的施氮数据,但是这种大量数据输入适用于将任何类型的田地数据输入到移动计算机应用200中。例如,氮指令210可以被编程为接受施氮和实践程序的定义并且接受指定跨多个田地施用那些程序的用户输入。在该上下文中,“施氮程序”是指与以下内容关联的已存储的命名数据集:名称、颜色代码或其他标识符,一个或多个施用日期、各个日期和数目的材料或产品的类型、施用或掺入方法(例如注入或播撒)和/或各个日期的施用量或速率、作为本申请的主题的作物或杂种等。在该上下文中,“氮实践程序”是指与以下内容关联的已存储的命名数据集:实践名称;前作物;耕作系统;主要耕作日期;使用过的一个或多个前耕作系统;使用过的一种或更多种施用类型的指标,例如肥料。氮指令210也可以被编程为生成并引起显示氮图表(graph),该氮图表指示植物对指定氮的使用的预测以及预测是否盈余或不足;在一些实施例中,不同的颜色指示符可以表示盈余幅度或不足幅度。在一个实施例中,氮图表包括计算机显示设备中的图形显示,该计算机显示设备包括多个行,每一行与一个田地相关联并标识一个田地;指定田地种植哪种农作物、田地大小、田地地点以及田地周长的图形表示的数据;在每一行中,每个月都有一个时间表,带有图形指示符指定与月份名称相关的每个施氮和数目;以及盈余或不足的数字和/或彩色指示符,其中颜色表示幅度。
在一个实施例中,氮图表可以包括一个或多个用户输入特征,例如刻度盘或滑动条,以动态地改变氮种植和实践程序,使得用户可以优化其氮图表。然后,用户可以使用其优化的氮图表以及相关的氮种植和实践程序来实施一个或多个脚本,包括可变速率(VR)肥料脚本。氮指令210也可以被编程为生成并引起显示氮地图,该氮地图指示指定氮的植物使用的预测以及预测是否盈余或不足;在一些实施例中,不同的颜色指示符可以表示盈余幅度或不足幅度。氮图表可以使用盈余或不足的数字和/或彩色指示符显示指定氮的植物使用的预测,并且预测过去和未来的不同时间(例如每天、每周、每月或每年)是否有盈余或不足,其中颜色表示幅度。在一个实施例中,氮地图(map)可以包括一个或多个用户输入特征,例如刻度盘或滑动条,以动态地改变氮种植和实践程序,使得用户可以优化其氮地图,例如以获得盈余到不足的优选量。然后,用户可以使用其优化的氮地图以及相关的氮种植和实践程序来实施一个或多个脚本,包括可变速率(VR)肥料脚本。在其他实施例中,与氮指令210相似的指令可以用于其他营养物(例如磷和钾)的施用,农药的施用以及灌溉程序。
在一个实施例中,天气指令212被编程为提供田地特定的最近天气数据和预报天气信息。这使种植者可以节省时间,并在日常操作决策方面具有有效的综合显示。
在一个实施例中,田地健康指令214被编程以提供实时遥感图像,突出显示时令作物变化和潜在问题。示例性编程功能包括云检查,以标识可能的云或云阴影;基于田地图像确定氮指数;侦察层的图形可视化,包括例如与田地健康有关的那些,以及查看和/或共享侦察笔记;和/或从多个来源下载卫星图像,并为种植者优先化图像等。
在一个实施例中,性能指令216被编程为使用用于评估、洞察和决策的农场数据来提供报告、分析和洞察工具。这使种植者可以通过基于事实的结论(为何投资回报率处于先前水平)以及对产量限制因素的洞察力,来寻求来年的改善结果。性能指令216可被编程为经由一个或多个网络109以与在农业智能计算机系统130和/或外部数据服务器计算机108处执行的后端分析程序通信,并且被配置为分析诸如产量、产量差别、混种、群体、SSURGO区域、土壤测试性能或海拔等。程序化报告和分析可包括产量变异性分析、处理效果估计、基于从许多种植者处收集的匿名数据或种子和种植数据等的对其他种植者的产量基准和其他度量。
具有以这种方式配置的指令的应用可以针对不同的计算设备平台来实现,同时保留相同的一般用户界面外观。例如,可以将移动应用编程以在使用客户端计算机上的浏览器访问的平板电脑、智能手机或服务器计算机上执行。此外,为平板电脑或智能手机配置的移动应用可以提供适合于驾驶室计算机115的显示和处理能力的完整app体验或驾驶室app体验。例如,现在参考图2的视图(b),在一个实施例中,驾驶室计算机应用220可以包括地图驾驶室指令222、远程视图指令224、数据收集和传输指令226、机器警报指令228、脚本传输指令230和侦察驾驶室指令232。视图(b)的指令的代码库可以与视图(a)的相同,可以对实现该代码的可执行文件进行编程,以检测它们在其上执行的平台的类型,并通过图形用户界面公开仅适用于驾驶室平台或完整平台的那些功能。这种方法使系统能够标识出适用于驾驶室内环境和驾驶室不同技术环境的截然不同的用户体验。可以将地图驾驶室指令222编程,以提供可用于指导机器操作的田地、农场或地区的地图视图。可将远程视图指令224编程为经由无线网络、有线连接器或适配器等开启、管理和提供实时地或接近实时地机器活动的视图到连接到系统130的其他计算设备。可将数据收集和传输指令226编程为经由无线网络、有线连接器或适配器等开启、管理和提供在传感器和控制器处收集的数据到系统130的传输。可将机器警报指令228编程为检测与驾驶室相关的机器或工具的操作问题并产生操作者警报。可将脚本传输指令230配置为以指令脚本的形式传输,该指令脚本被配置为指导机器操作或数据的收集。可将侦查驾驶室指令232编程为基于在田地的田地管理器计算设备104、农业设备111或传感器112来显示从系统130接收的基于地点的警报和信息,并且基于在田地的农业设备111或传感器112摄取、管理和提供基于地点的侦察观测结果到系统130的传输。
2.3.计算机系统的数据摄取
在一实施例中,外部数据服务器计算机108存储外部数据110,其包括代表用于一个或多个田地的土壤成分的土壤数据和代表一个或多个田地的温度和降水的天气数据。天气数据可以包括过去和当前的天气数据以及对未来天气数据的预测。在一个实施例中,外部数据服务器计算机108包括由不同实体主持的多个服务器。例如,第一服务器可以包含土壤成分数据,而第二服务器可以包括天气数据。另外,土壤成分数据可以存储在多个服务器中。例如,一个服务器可以存储代表土壤中的沙子、淤泥和粘土的百分比的数据,而第二个服务器可以存储代表土壤中的有机物质(OM)的百分比的数据。
在一个实施例中,远程传感器112包括被编程或配置为产生一个或多个观察结果的一个或多个传感器。远程传感器112可以是航空传感器(例如卫星)、车辆传感器、种植设备传感器、耕作传感器、肥料或杀虫剂施用传感器、收割机传感器以及能够从一个或多个领域接收数据的任何其他工具。在一个实施例中,可将应用控制器114编程或配置为从农业智能计算机系统130接收指令。也可将应用控制器114编程或配置为控制农用车辆或农具的操作参数。例如,可将应用控制器编程或配置为控制车辆的操作参数,例如拖拉机、种植设备、耕种设备、肥料或杀虫剂设备、收割机设备或诸如水阀的其他农具。其他实施例可以使用传感器和控制器的任何组合,其中以下仅仅是选择的示例。
系统130可以在用户102控制下,从已经向共享数据库系统贡献数据的大量种植者的基础上,大规模地获取或摄取数据。当请求或触发一个或多个用户控制的计算机操作以获得供系统130使用的数据时,这种获取数据的形式可以称为“手动数据摄取”。例如,可以操作可从加利福尼亚旧金山的Climate Corporation(克莱门特公司)购买的CLIMATEFIELDVIEW应用程序,以将数据导出到系统130,以存储在存储库160中。
例如,种子监控器系统既可以控制播种机设备组件,又可以获取种植数据,包括通过信号线束从种子传感器发出的信号,该信号线束包括CAN主干网和用于注册和/或诊断的点对点连接。可将种子监控器系统编程或配置为通过驾驶室计算机115或系统130内的其他设备向用户显示种子间距、群体和其他信息。示例在美国专利号8,738,243和美国专利公开号20150094916中公开,并且本公开认定那些其他专利公开的知识。
同样,产量监控器系统可能包含用于收割机设备的产量传感器,其将产量测量数据发送到驾驶室计算机115或系统130中的其他设备。产量监控系统可以利用一个或多个远程传感器112以在联合收割机或其他收割机中获取谷物水分测量值,并将这些测量值通过驾驶室计算机115或系统130中的其他设备传输给用户。
在一个实施例中,可以与本文其他各处所述类型的任何移动车辆或设备一起使用的传感器112的示例包括运动学传感器和地点传感器。运动学传感器可以包括任何速度传感器,例如雷达或车轮速度传感器、加速度计或陀螺仪。地点传感器可以包括GPS接收器或收发器,或基于WiFi的地点或映射app,这些app被编程以基于附近的WiFi热点等确定地点。
在一个实施例中,可以与拖拉机或其他移动车辆一起使用的传感器112的示例包括发动机速度传感器、燃料消耗传感器、与GPS或雷达信号相互作用的面积计数器或距离计数器、PTO(power take-off,动力输出装置)速度传感器、配置为检测液压参数如压力或流量和/或液压泵速度的拖拉机液压传感器、车轮速度传感器或车轮滑移传感器。在一个实施例中,可以与拖拉机一起使用的控制器114的示例包括液压方向控制器、压力控制器和/或流量控制器;液压泵速度控制器;速度控制器或调速器;悬挂机构地点控制器;或车轮地点控制器提供自动转向。
在一个实施例中,可以与诸如播种机、条播机或空气播种机的种子种植设备一起使用的传感器112的示例包括种子传感器、该种子传感器可以是光学、电磁或冲击传感器;下压力传感器,例如负荷销、负荷传感器、压力传感器;土壤性质传感器,例如反射率传感器、湿度传感器、电导率传感器、光学残留传感器或温度传感器;组件操作标准传感器,例如种植深度传感器、下压力缸压力传感器、种子盘速度传感器、种子驱动电机编码器、种子输送系统速度传感器或真空度传感器;或农药施用传感器(例如,光学或其他电磁传感器)或冲击传感器。在一个实施例中,可以与这种种子种植设备一起使用的控制器114的示例包括:工具栏折叠控制器,例如用于与液压缸相关联的阀的控制器;下压力控制器,例如与气压缸、安全气囊或液压缸相关联的阀的控制器,并被编程用于将下压力施加到单个行单元或整个播种机框架上;种植深度控制器,例如线性致动器;计量控制器,例如电动排种器驱动电机、液压排种器驱动电机或草趟控制离合器;杂交选择控制器,例如排种器驱动电机,或其他致动器,编程用于选择性地允许或阻止种子或空气种子混合物向排种器或中央散装料斗输送种子或从其中输送种子;计量控制器,例如电动排种器驱动电机或液压排种器驱动电机;种子输送机系统控制器,例如带式种子输送机电机的控制器;标记控制器,例如气动或液压致动器的控制器;或农药施用量控制器,例如计量驱动控制器、孔口尺寸或地点控制器。
在一个实施例中,可以与耕作设备一起使用的传感器112的示例包括用于诸如柄脚或轮盘的工具的地点传感器;以及用于这种工具的工具地点传感器,其被配置为检测深度、联轴角度或横向间距;下压力传感器;或牵伸力传感器。在一个实施例中,可以与耕作设备一起使用的控制器114的示例包括下压力控制器或工具地点控制器,例如被配置为控制工具深度、联轴角度或横向间隔的控制器。
在一个实施例中,可以关于用于施用肥料、杀虫剂、杀真菌剂等的设备使用的传感器112的示例,例如播种机上的启动器肥料系统、底土施肥机或肥料喷雾器,包括:流体系统标准传感器,例如流量传感器或压力传感器;指示哪个喷头阀或流体管线阀打开的传感器;与储罐相关联的传感器,例如液位传感器;分段或全系统供应管线传感器,或行专用的供应管线传感器;或运动学传感器,例如设置在喷雾机臂架上的加速度计。在一个实施例中,可以与这种设备一起使用的控制器114的示例包括泵速度控制器;阀控制器,其被编程以控制压力、流量、方向、PWM等;或地点致动器,例如用于臂架高度、深松铲深度或臂架地点。
在一个实施例中,可与收割机一起使用的传感器112的示例包括产量监测器,例如冲击板应变仪或地点传感器、电容式流量传感器、负荷传感器、重量传感器或与升降机或螺旋钻相关联的扭矩传感器,或光学或其他电磁晶粒高度传感器;谷物水分传感器,例如电容传感器;谷物损失传感器,包括冲击、光学或电容传感器;割台运行标准传感器,例如割台高度、割台类型、盖板间隙、送料机速度和卷轴速度传感器;分离器操作标准传感器,例如凹形间隙、转子速度、靴形间隙或颖糠筛间隙传感器;用于地点、操作或速度的螺旋钻传感器;或发动机速度传感器。在一个实施例中,可与收割机一起使用的控制器114的示例包括用于诸如割台高度、割台类型、盖板间隙,送料机速度或卷轴速度的元件的割台操作标准控制器;用于诸如凹形间隙、转子速度、靴形间隙或颖糠筛间隙的特征的分离器操作标准控制器;或用于螺旋钻地点、操作或速度的控制器。
在一个实施例中,可以与谷物推车一起使用的传感器112的示例包括重量传感器或用于螺旋钻地点、操作或速度的传感器。在一个实施例中,可以与谷物推车一起使用的控制器114的示例包括用于螺旋钻地点、操作或速度的控制器。
在一个实施例中,传感器112和控制器114的示例可以安装在无人机(UAV)设备或“无人机(drones)”中。这样的传感器可以包括带有检测器的照相机,该检测器对包括可见光、红外、紫外线、近红外(NIR)等的电磁频谱的任何范围都有效;加速度计;高度计;温度传感器;湿度传感器;皮托管传感器或其他空速或风速传感器;电池寿命传感器;或雷达发射器和反射式雷达能量检测设备;其他电磁辐射发射器和反射式电磁辐射检测设备。这样的控制器可以包括引导或电机控制设备,控制面控制器、照相机控制器或被编程为从任何前述传感器启动、操作、获得数据、管理和配置任何前述传感器的控制器。示例在美国专利申请号14/831,165中公开并且本公开认定该其他专利公开的知识。
在一个实施例中,传感器112和控制器114可以固定到土壤采样和测量设备,其被配置或编程为采样土壤并进行土壤化学测试、土壤湿度测试以及与土壤有关的其他测试。例如,可以使用美国专利号8,767,194和美国专利号8,712,148中公开的设备,并且本公开认定那些专利公开的知识。
在一个实施例中,传感器112和控制器114可以包括用于监视田地的天气状况的天气设备。例如,可以使用在2015年4月29日提交的美国临时申请号62/154,207、2015年6月12日提交的美国临时申请号62/175,160、2015年7月28日提交的美国临时申请号62/198,060和2015年9月18日提交的美国临时申请号62/220,852中公开的设备,并且本公开认定那些专利公开的知识。
2.4.过程概述-农学模型训练
在一个实施例中,可将农业智能计算机系统130编程或配置为创建农学模型。在该上下文中,农学模型是包括田地数据106(例如用于一个或多个田地的标识数据和收获数据)的农业智能计算机系统130的存储器中的数据结构。农学模型还可以包括计算出的农学性质,农学性质描述了可能影响一种或更多种农作物在田地的生长的条件,或一种或更多种农作物的性质或两者。另外,农学模型可以包括基于农学因素的推荐,例如作物推荐、灌溉推荐、种植推荐、肥料推荐、杀真菌剂推荐、农药推荐、收获推荐和其他作物管理推荐。农学因素也可以用于评估一种或更多种农作物有关的结果,例如农学产量。农作物的农学产量是对所生产的农作物的数目的估计,或者在某些示例中是从所生产的农作物获得的收入或利润。
在一个实施例中,农业智能计算机系统130可以使用预配置的农学模型来计算与当前接收到的用于一个或多个田地的地点和农作物信息有关的农学性质。预配置的农学模型基于先前处理的田地数据,包括但不限于标识数据、收获数据、肥料数据和天气数据。预配置的农学模型可能已经过交叉验证,以确保模型的准确性。交叉验证可以包括与地面实况的比较,其比较预测结果与田地上的实际结果的比较,例如提供相同或附近地点的天气数据的用雨量计或传感器的降水估计的比较,或用土壤样品测量的氮含量估计的比较。
图3示出了编程的过程,通过该编程的过程农业智能计算机系统使用由一个或多个数据源提供的田地数据来生成一个或多个预先配置的农学模型。图3可以用作用于对农业智能计算机系统130的功能元件进行编程以进行现在描述的操作的算法或指令。
在框305,农业智能计算机系统130被配置或编程为对从一个或多个数据源接收的田地数据实施农学数据进行预处理。可以将从一个或多个数据源接收的田地数据预处理以用于去噪声、失真效果以及农学数据中的混杂因素,包括可能对接收到的田地数据值产生不利影响的测量的离群值。农学数据预处理的实施例可以包括但不限于,去除通常与离群数据值相关联的数据值、已知不必要地偏斜于其他数据值的特定测量数据点、数据平滑、聚合或用于去除或减少来自噪声的加法或乘法效应的采样技术、以及用于明确区分正和负数据输入的其他滤波或数据推导技术。
在框310处,农业智能计算机系统130被配置或编程为使用预处理的田地数据来进行数据子集选择,以标识用于初始农学模型生成的数据集。农业智能计算机系统130可以实现数据子集选择技术,包括但不限于遗传算法、所有子集模型方法、顺序搜索方法、逐步回归方法、粒子群优化方法和蚁群优化方法。例如,遗传算法选择技术基于自然选择和遗传学的进化原理,使用自适应启发式搜索算法来确定和评估预处理农学数据中的数据集。
在框315,农业智能计算机系统130被配置或编程为实施田地数据集评估。在一个实施例中,通过创建农学模型并使用针对所创建的农学模型的特定质量阈值来评估特定田地数据集。可以使用一种或更多种比较技术,例如但不限于,均方根误差和留一法交叉验证(RMSECV)、平均绝对误差和平均百分比误差来比较和/或验证农学模型。例如,RMSECV可以通过比较由农学模型创建的预测农学性质值与收集和分析的历史农学性质值来交叉验证农学模型。在一个实施例中,农学数据集评估逻辑被用作反馈回路,其中在未来的数据子集选择步骤期间使用不满足配置的质量阈值的农学数据集(框310)。
在框320,农业智能计算机系统130被配置或编程为基于交叉验证的农学数据集来实现农学模型创建。在一个实施例中,农学模型创建可以实施多元回归技术以创建预配置的农学数据模型。
在框325,农业智能计算机系统130被配置或编程为存储预配置的农学数据模型以用于将来的田地数据评估。
2.5.实施示例—硬件概述
根据一个实施例,本文描述的技术由一个或多个专用计算设备实现。专用计算设备可以进行硬连线以进行这些技术,或者可以包括数字电子设备,例如一个或多个被永久编程以进行技术的专用集成电路(ASIC)或现场可编程门阵列(FPGA),或者可以包括一个或多个通用硬件处理器,被编程为根据固件、存储器、其他存储器或组合中的程序指令来进行技术。这样的专用计算设备还可以组合定制硬连线逻辑、ASIC或FPGA与定制编程以实现技术。专用计算设备可以是台式计算机系统、便携式计算机系统、手持式设备、网络设备或结合硬连线和/或程序逻辑以实现技术的任何其他设备。
例如,图4是示出了可以在其上实现本发明的实施例的计算机系统400的框图。计算机系统400包括总线402或用于传达信息的其他通信机制,以及与总线402耦连以用于处理信息的硬件处理器404。硬件处理器404可以是例如通用微处理器。
计算机系统400还包括主存储器406,例如随机存取存储器(RAM)或其他动态存储设备,主存储器耦连到总线402用于存储要由处理器404执行的信息和指令。主存储器406还可以用于在执行要由处理器404执行的指令期间存储临时变量或其他中间信息。当将此类指令存储在处理器404可访问的非暂时性存储介质中时,它们将计算机系统400渲染成定制为进行指令中指定的操作的专用机器。
计算机系统400还包括耦连到总线402的只读存储器(ROM)408或其他静态存储设备用于存储用于处理器404的静态信息和指令。提供了诸如磁盘、光盘或固态驱动器的存储设备410,并且耦连至总线402以存储信息和指令。
计算机系统400可以通过总线402耦连到显示器412,例如阴极射线管(CRT),以向计算机用户显示信息。包括字母数字键和其他键的输入设备414耦连到总线402,用于将信息和命令选择传达给处理器404。用户输入设备的另一种类型是光标控件416,例如鼠标、轨迹球或光标方向键,用于将方向信息和命令选择传达给处理器404并用于控制显示器412上的光标移动。该输入设备通常在两个轴上具有两个自由度,第一轴(例如,x)和第二轴(例如,y),这允许该设备指定平面中的位置。
计算机系统400可以使用与计算机系统组合使计算机系统400成为专用机器或对其进行编程的定制的硬连线逻辑、一个或多个ASIC或FPGA、固件和/或程序逻辑来实现本文描述的技术。根据一个实施例,本文的技术由响应于执行包含在主存储器406中的一个或多个指令的一个或多个序列的处理器404的计算机系统400进行。可以从诸如存储设备410的另一存储介质将此类指令读入主存储器406。执行包含在主存储器406中的指令序列使处理器404进行本文所述的处理步骤。在替代实施例中,可以使用硬连线电路代替软件指令或与软件指令结合使用。
如本文所用,术语“存储介质”是指存储使机器以特定方式操作的数据和/或指令的任何非暂时性介质。此类存储介质可以包括非易失性介质和/或易失性介质。非易失性介质包括例如光盘、磁盘或固态驱动器,例如存储设备410。易失性介质包括动态存储器,例如主存储器406。常见形式的存储介质包括,例如软盘、可折叠磁盘、硬盘、固态驱动器、磁带或任何其他磁数据存储介质、CD-ROM、任何其他光学数据存储介质、任何带有孔图案的物理介质、RAM、PROM和EPROM、快擦编程只读存储器(FLASH-EPROM)、NVRAM、任何其他存储芯片或磁带盒。
存储介质与传输介质不同,但可以与传输介质结合使用。传输介质参与在存储介质之间传输信息。例如,传输介质包括同轴电缆、铜线和光纤,包括构成总线402的母线。传输介质也可以采用声波或光波的形式,例如在无线电波和红外数据通信期间生成的那些。
各种形式的介质可参与将一个或多个指令的一个或多个序列携带到供执行的处理器404。例如,指令最初可以在远程计算机的磁盘或固态驱动器上携带。远程计算机可以将指令加载到其动态存储器中,并使用调制解调器通过电话线发送指令。计算机系统400本地的调制解调器可以在电话线上接收数据,并使用红外发射器将数据转换为红外信号。红外检测器可以接收红外信号中携带的数据,并且适当的电路可以将数据布置在总线402上。总线402携带数据到主存储器406,处理器404从主存储器406中检索并执行指令。由主存储器406接收的指令可以任选地在由处理器404执行之前或之后存储在存储设备410上。
计算机系统400还包括耦连到总线402的通信接口418。通信接口418提供与连接到本地网络422的网络链路420耦连的双向数据通信。例如,通信接口418可以是集成服务数字网络(ISDN)卡、电缆调制解调器、卫星调制解调器或调制解调器以提供到对应类型的电话线的数据通信连接。作为另一个示例,通信接口418可以是局域网(LAN)卡以提供到兼容LAN的数据通信连接。也可以实现无线链路。在任何这样的实现方式中,通信接口418发送和接收电、电磁或光信号,其携带表示各种类型的信息的数字数据流。
网络链路420通常通过一个或多个网络向其他数据设备提供数据通信。例如,网络链路420可以提供通过本地网络422到主机424或由互联网服务提供商(ISP)426操作的数据设备的连接。ISP 426依次通过现在通常称为“互联网”428的全球分组数据通信网络提供数据通信服务。局域网422和因特网428都使用携带数字数据流的电、电磁或光信号。通过各种网络的信号以及在网络链路420上并且通过通信接口418的信号(其携带去往和来自计算机系统400的数字数据)是传输介质的示例形式。
计算机系统400可以通过一个或多个网络、网络链路420和通信接口418发送消息并接收包括程序代码的数据。在因特网示例中,服务器430可以通过因特网428、ISP 426、本地网络422和通信接口418发送针对应用程序的请求的代码。
接收到的代码可以在其被接收到时由处理器404执行,和/或存储在存储设备410或其他非易失性存储器中以供以后执行。
3.试验生成
本文描述了用于生成用于实现试验的数据的方法。如本文所用,试验是指在一部分农田中进行一种或更多种不同的农业活动,以便标识进行一种或更多种不同的农业活动的益处或危害。作为示例,可以在农田中选择子田区域以实施杀真菌剂试验。在子田区域内,农作物可以接受杀真菌剂的施用,而田地的其余部分和/或田地上的不同的子田区域不接受杀真菌剂的施用。备选地,田地的其余部分可以接受杀真菌剂的施用,而子田区域内的农作物则不接受杀真菌剂的施用。进行一种或更多种不同农业活动的田地的子田区域在本文中称为测试地点。在一些实施例中,不包括不同农业活动的子田区域也可以被分配并称为测试地点。
可以进行试验以测试新产品的功效,不同的管理实践、不同的农作物或其任意组合。例如,如果田地通常不接受杀真菌剂,则可以设计试验,其中在田地选定部分内的农作物在农作物生长过程中接受一次或更多次杀真菌剂。作为另一个示例,如果通常以常规方式耕种田地,则可以设计试验,其中田地的选定部分不进行耕种。因此,可以实施试验来确定是否遵循管理实践建议,而不必局限于测试特定产品的功效。另外地或备选地,可以设计试验来比较两种不同类型的产品、种植率、设备和/或其他管理实践。
试验可能会受到一个或多个规则约束。试验可能需要一个或多个测试地点具有特定的尺寸和/或被定位在特定的地点。例如,试验可能需要将一个或多个测试地点布置在具有与田地的其余部分可比较的条件的田地区域中。如本文所用,测试地点是指从周围区域接受一种或更多种不同的处理的农田区域。因此,测试地点可以指农田上任何形状的土地。另外地或备选地,试验可能需要将一个或多个测试地点布置在具有不同于田地的其余部分和/或跨越不同类型的条件的田地的区域的条件的田地区域中。试用可能需要在一个或多个测试地点进行一种或更多种不同的管理实践。例如,作为用于种植不同类型的杂种种子的测试的一部分,试验可能需要特定的播种量。
在一个实施例中,本文描述的方法用于引起试验的实现。例如,本文所述的方法可用于标识尺寸和定向测试地点以有效地实现试验,例如通过最大化区域使用效率、最小化所需的农具通过次数或最大化农田中的可利用面积来实现试验。本文描述的方法可以进一步用于生成包括计算机可读指令的农业脚本,该计算机可读指令在被执行时使农具根据试验在田地上进行动作。
3.1.短长度田地变异性
在一个实施例中,农业智能计算机系统出于在农田上进行试验的目的而计算出短长度田地变异性。短长度田地变异性表示田地在小距离内变化的程度。图7描绘了用于对田地的短长度变异性建模的方法。
在步骤702,接收农田的地图。例如,农业智能计算机系统可以接收农田的航摄图像。另外地或备选地,农业智能计算机系统可以诸如通过在客户端计算设备上显示的地图和/或指定田地边界的纬度和经度的输入来接收划定农田的边界的输入。地图还可以从农田上的一个或多个农具生成。例如,播种机可以生产指示种子类型和/或种子群体以及对应于种子类型和/或种子群体的地理坐标的应用数据。播种机可以将应用数据发送到农业智能计算机系统。
在一个实施例中,系统另外接收用于农田的农业产量数据。例如,诸如收割机的农具可以生产指示农田的一部分的产量的数据,并将该产量数据发送到农业智能计算机系统。农业智能计算机系统可以生成产量图,该产量图针对农田上的每个地点指示农业产量。
在步骤704,为农田的地图生成网格叠加。例如,农业智能计算机系统可生成具有多个单元的网格以叠加在农田的地图上。生成网格可以包括:标识田地边界,确定网格单元的宽度和长度,生成间隔开等于网格单元的宽度的距离的第一组平行线,以及生成垂直于第一组平行线并且间隔开等于网格单元的宽度的距离的第二组平行线。网格单元的宽度可以基于联合收割机的头部的宽度、施用设备的宽度、管理设备的宽度或用于农田的播种机的宽度来确定。例如,可以使用设备宽度的倍数。具体地,如果联合收割机头部的宽度为30ft,则网格单元的宽度可以是倍数30ft、60ft、90ft、120ft等。
对于另一个示例,可以使用公倍数。具体地,如果联合收割机的宽度为20ft且播种机的宽度为40ft,并且不同的管理实践都是种植相关的,例如两个播种群体密度,则网格单元的宽度可能是两个宽度的公倍数,40ft、80ft、120ft等。即使联合收割机与其他管理设备未对准,也可以增加网格单元的宽度,以允许从每次处理中获取产量数据。例如,如果联合收割机的宽度为20ft且杀真菌剂施用设备的宽度为30ft且不同的管理实践是否在施用杀真菌剂,则网格单元的宽度可为60ft、90ft、120ft等,即使联合收割机未与杀真菌剂施用设备对准,联合收割机也能够在每个处理中完全收获一个或多个通道。网格单元的宽度还可以包括缓冲区,以允许在管理实践之间进行局部混合。例如,如果联合收割机的宽度为20ft且杀真菌剂施用设备的宽度为60ft且不同的管理实践是否在施用杀真菌剂,则网格单元的宽度可为60ft、90ft、120ft等,即使将每个处理边界每侧上的20ft伸出作为缓冲区以允许杀真菌剂的任何漂移,联合收割机也能够在一个处理中完全收获一个或多个通道。网格单元的长度可以使用本文描述的方法来确定。作为示例,每个网格单元可以是120ft x300ft。
图8描绘了在地图上用于计算短长度产量变异性的网格叠加的示例。地图802包括叠加在农田地图上的网格。如地图802所示,第一竖直线是在离地图最左边界一个网格单元宽度处生成的,而第一水平线是在离地图最底部边界一个网格单元长度处生成的。在一个实施例中,农田另外包括管理区。例如,地图804描绘了在农田地图上的网格叠加,其包含通过颜色区分的三个管理区。管理区是指农田中接受相似管理处理或先前已基于共有特征进行分组的部分。
再次参考图7,在步骤706,选择多个相邻网格单元。例如,农业智能计算机系统可以从网格叠加的网格单元中随机或伪随机地选择第一网格单元。然后,农业智能计算机系统可以从第一网格单元的相邻网格单元中随机或伪随机地选择第二网格单元。另外地或备选地,农业智能计算机系统可以利用特定规则来选择相邻单元,例如最初尝试从第一单元的右侧选择单元,然后是第一单元左侧的单元等。如果第一网格单元没有相邻网格单元,则农业智能计算机系统可以丢弃所选的第一网格单元,并随机或伪随机地选择不同的网格单元。另外,农业智能计算机系统可以随机或伪随机地选择相邻单元的集合,每种不同的管理实践选择一个。
在一个实施例中,农业智能计算机系统标识从其中选择第一网格单元和/或第二网格单元的完整网格单元。例如,图8中的地图802包括不完整网格单元,例如邻接农田边界的单元。农业智能计算机系统可以删除不完整网格单元,并从其余的网格单元中选择第一网格单元和第二网格单元。出于选择的目的,农业智能计算机系统可以将不完整网格单元视为不存在。
在一个实施例中,农业智能计算机系统还标识完全在单个管理区中的网格单元,并从中选择第一网格单元和/或第二网格单元。例如,地图804包括如下的网格单元,该网格单元由于边界贯穿网格单元的管理区而包括多个管理区。农业智能计算机系统可以移除包括多个管理区的网格单元,并从其余网格单元中选择第一网格单元和第二网格单元。为了选择的目的,农业智能计算机系统可以将包括多个管理区的网格单元视为不存在。
在一个实施例中,相邻单元被选择为在相同的管理区中。图8中的地图806描绘了多组相邻单元的选择。即使各组相邻单元跨越管理区,地图806中的每组相邻单元也包括同一管理区中的两个单元。
在步骤708,针对每组相邻网格单元,计算相邻单元之间的平均产量之差。例如,农业智能计算机系统可以存储标识每个网格的平均产量的数据。标识平均产量的数据可以基于指示由单元覆盖的和/或基于接收到的数据或图像建模的一部分农田的产量的收获数据。农业智能计算机系统可以计算每组中相邻单元之间的差的绝对值。因此,如果一个单元的平均产量为每英亩170.8蒲式耳,且相邻单元的平均产量为每英亩171.2蒲式耳,则系统可以将相邻单元之间的平均产量之差计算为每英亩0.4蒲式耳。
在步骤710,至少部分地基于每组相邻单元的平均产量的差,确定农田的短长度变异性。例如,农业智能计算机系统可以标识跨多组相邻单元的差的中值,并选择该中值作为农田的短长度变异性。
在步骤712,基于短长度变异性,选择一个或多个地点进行试验。本文进一步描述了用于选择田地和/或田地上的地点以进行试验的方法。
在步骤714,系统生成处方图,该处方图包括在所选地点的一种或更多种不同的管理实践。例如,系统可以通过生成处方图来开始试验的实现,其中所选地点包括与一个或多个周围地点不同的不同种植群体、营养施用、化学施用、灌溉和/或其他管理实践。生成处方图的方法在第3.7节中描述。
3.2.建模变异性
在一个实施例中,基于多个因素对短长度变异性建模。例如,系统可以将每个单元的平均产量建模为海拔、有机质、营养水平、土壤类型或性质和/或其他田地水平变量中的一个或多个的函数。另外地或备选地,系统可以将相邻单元之间的变异性建模为多个因素的函数。本节中描述的每个函数、方程式和计算都可以作为已针对图1进行描述的指令的一部分进行编程以接收用于指定参数的数据值,并通过计算机计算以数学方式显示的转换以产生所描述的结果。
例如,系统可以根据以下函数对短长度变异性建模:
其中Ni,a-Ni,b是第i组相邻对的单元a和单元b之间的第N个属性之差,且wN是第N个属性的权重。例如,如果基于海拔、pH值和有机质对短长度变异性建模,则短长度变异性方程将采用以下形式:
其中E是平均海拔,pH是平均pH值,且O是每个网格单元的平均有机质。
尽管上述方程式将田地的短长度变异性计算为各个地点处变异性的平均值,但在一个实施例中,根据以下为每个地点计算差值:
Di=wA(Ai,a-Ai,b)+wB(Bi,a-Bi,b)+…wN(Ni,a-Ni,b)
并且短长度变异性被确定为多个地点之间的中值差值。
在一个实施例中,根据经验选择上述方程式的权重。另外地或备选地,农业智能计算机系统可以基于来自其他田地的产量变化数据来计算权重。例如,农业智能计算机系统可以针对多对相邻地点接收标识对的每个地点的产量的数据和标识每个地点和对的的多个属性值的数据。然后,系统可以通过选择最小化以下方程的权重来计算用于上述方程的权重:
其中Yi,a-Yi,b是第i组相邻对a和b的平均产量之间的差。系统可以使用任何已知的最小化技术来计算使上述方程最小化的权重wA-wN。然后,短长度变异性方程可用于标识短长度变异性,其中先前的产量数据不可用,但每个单元的土壤数据均可用。
在一个实施例中,系统将短长度变异性建模为田地的卫星图像中的像素值的函数。例如,系统可以接收农田的卫星图像。使用卫星图像,系统可以为每个网格单元计算一个值,例如平均归一化差异植被指数(NDVI)值。然后,系统可以将短长度变异性确定为多组相邻单元中的相邻单元之间的NDVI值之间的差的中值。另外地或备选地,像素值和/或基于像素值计算的值可以用作上述建模方程中的附加参数。
3.3.基于短长度变异性选择田地
在一个实施例中,农业智能计算机基于计算出的短长度变异性来选择用于进行试验的田地。例如,农业智能计算机系统可以接收请求以生成用于实施一个或多个试验的多个农田的处方图。农业智能计算机系统可以使用本文所述的方法来计算每个农田的短长度变异性。然后,农业智能计算机系统可以基于短长度变异性来选择用于进行试验的农田。例如,农业智能计算机系统可以选择多个农田中具有最小短长度变异性的农田。
在一个实施例中,农业智能计算机系统另外计算长长度变异性值。例如,对于多个网格单元中的每个,农业智能计算机系统可以计算网格单元的平均产量与包含网格单元的农田的平均产量之间的差。另外地或备选地,农业智能计算机系统可以使用第3.2节中所述的任何方法,将长长度度变异性建模为田地值或图像像素值的函数,但是用包括网格单元和农田的平均值的多个对来代替多对相邻网格单元。
系统可以选择具有低的短长度变异性得分和高的长长度变异性得分的农田来进行试验。例如,系统可以标识其中短长度变异性得分低于阈值的多个田地,并从所标识的多个田地中选择具有最高长长度变异性得分的农田。另外地或备选地,系统可以标识其中长长度变异性得分低于阈值的多个田地,并从所标识的多个田地中选择具有最低短长度变异性值的农田。作为另一个示例,系统可以选择具有最高变异性差值的农田,其中变异性差值计算为:
VD=αVL-βVS
其中Vd是变异性差值,VL是长长度变异性值,VS是短长度变异性值,且α和β是权重是基于它对于用于长长度变异性的试验是高的或对于短长度变异性的试验是低的是否更重要而选择的权重。
3.4.选择和选型测试地点
在一个实施例中,系统使用相邻地点之间的差来选择一对或更多对作为用于进行一个或多个试验的测试地点。例如,系统可以使用本文描述的任何方法来计算多对相邻网格单元的平均产量的差,或者对成对的相邻网格单元之间的差值建模。然后,系统可以选择N对的相邻网格单元的组,其具有最低的计算的或建模的差用于在农田上进行试验。
试验的数目N可以是预定的和/或计算的。例如,农业智能计算机系统可以接收生成具有特定数目的试验的处方图的请求。然后,农业智能计算机系统可以使用本文描述的方法来标识一个或多个田地和/或测试地点以进行试验。作为另一个示例,农业智能计算机系统可以将测试地点的数目计算为:
其中SNR是由每个地点的平均产量与短长度产量变化之间的比率定义的信噪比,σ是潜在测试地点之间的平均产量差的标准偏差,并且T是预期的可检测处理效果。因此,如果预计实验将使每英亩产量提高5蒲式耳,则T将为5。
在一个实施例中,系统以增加试验的统计显著性同时减少进行试验所需的面积的量的方式确定用于进行试验的面积。例如,系统可以将试用规模计算为:
AT=2wb
其中w是宽度,b是试验类型的缓冲区大小。缓冲区大小是指农具从一种处理类型转换到另一种处理类型所需的空间距离。例如,播种机的缓冲区大小可以是3ft,表明从一个播种群体切换到另一播种群体需要播种机3ft,同时营养素施用的缓冲区大小可以是50ft,表明从一种营养素的施用量切换到第二施用量需要农具50ft。
在一个实施例中,以上方程还用于计算网格叠加尺寸。例如,第一网格叠加可以用于确定田地的短长度变异性。然后,系统可以使用以上方程来确定用于使用以上方程测试地点的最佳尺寸。然后,系统可以基于计算出的试验尺寸来生成新的网格叠加。在一个实施例中,系统基于一个或多个农具的宽度来预选择网格单元的宽度,并使用预选的宽度和面积来计算每个网格单元的长度。
3.5.确定测试地点方向
在一个实施例中,农业智能计算机系统基于农田上的一个或多个农具的割台信息来确定网格叠加和/或测试地点的方向。例如,农具可以连续地捕获标识农具在诸如田地种植的一种或更多种农业活动期间的运动方向的数据,并将所捕获的数据发送到农业智能计算机系统。所接收的方向数据可以包括与道路末端时的转弯相关的方向数据以及当播种机在田地来回移动时的方向数据。
为了去除由播种机在田地来回移动引起的错误,系统可以标识180°弧内的方向数据,并将180°弧内的每个方向设置为与该方向相反的方向。因此,如果45%的针对播种机的方向值表示该播种机正在向北移动,而45%的针对播种机的方向值表示该播种机正在向南移动,则农业智能计算机系统可以将向南的值翻转使得90%的播种机的方向值表示播种机正在向北移动。为了去除与道路末端的转弯有关的方向数据,农业智能计算机系统可以选择方向性数据的中值方向,从而去除由于农业设备的转动以及绕树移动和其他障碍物引起的数值离群值。
在一个实施例中,农业智能计算机系统标识播种机改变了抽穗的地点。例如,对于田地的第一部分,播种机可以第一角度播种,并且对于田地的第二部分,播种机可以第二角度播种。为了标识播种机已开始沿不同方向播种的地点,农业智能计算机系统可利用分组算法来标识指示播种机方向的值已改变的地点。
在一个实施例中,当大于阈值数目的顺序方向值标识大于与先前方向不同的阈值数目的度的相同方向时,农业智能计算机系统确定已发生方向改变。例如,如果播种机每5秒生成一个新的方向值,则如果大于20个后续方向值与先前确定的方向相差大于5°,则系统可以确定播种机已开始在新的方向上播种。
在一个实施例中,农业智能计算机系统使用图像来确定播种机的方向。例如,农业智能计算机系统可以标识农田的航摄图像中的直线,例如在农田的边界上。农业智能计算机系统可以确定图像中的直线对应于农田的种植方向,并将网格设置为与所标识的方向对齐。
3.6.从网格地点选择
在一个实施例中,农业智能计算机系统改变网格内单元的地点以最大化可以在农田中种植的测试地点的数目。图9描绘了改变预设网格内的测试地点以最大化多个测试地点的示例性方法。
地图902描绘了具有网格叠加的田地的第一地图。在图9的示例中,网格的竖直线被固定为对应于播种机的定向运动。区域904描绘了与地图902一起的地点,该区域包括一个完整网格单元和两个不完整网格单元。在一个实施例中,农业智能计算机系统标识包括不完整网格单元的地点。农业智能计算机系统可以沿单个方向(例如播种机的方向)在标识的地点移动单元,以匹配更完整的单元。例如,在地图906中,地点908中的单元已上移。然而,在地图902中,只有一个完整的单元适匹配该地点,在地图906中,两个单元能够匹配于同一地点908。因此,在图910中,两个单元都能够在不同的试验中使用。
在一实施例中,农业智能计算机系统标识网格中的一个或多个不完整单元。然后,农业智能计算机系统确定该单元的哪一半包括边界中最大的连续完整区域。例如,如果从单元的顶部缺少角,但是单元的底部是完整的,则系统可以将单元的底部标识为最完整的。然后,农业智能计算机系统可以使该单元和受该移位影响的所有单元沿该单元的最完整部分的方向移动,直到形成完整的单元。然后,农业智能计算机系统可以确定包含该单元的列是否具有比以前更多数目的完整单元。如果该列包含更多的单元,则系统可能继续处理该列中的下一个不完整的单元。如果不是,则系统可以将列恢复到其移位前状态,并使用该列中的下一个不完整的单元继续该过程。一旦对该列中的每个不完整单元进行该过程,则系统可以在下一个列中继续该过程。
尽管根据田地边界描述了上述方法,但是它们也可以用于管理区。例如,如果一个单元包含多于一个管理区,则可以认为该单元不完整。因此,系统可以向上或向下移动单元,以最大化管理区中完整单元的数目。在一个实施例中,系统首先选择最小的管理区并进行本文所述的方法以增加最小的管理区中的单元数目。然后,系统可以在下一个最小的管理区中进行该方法。在管理区中移动单元之后,系统可以另外确定该移动是否减少了先前管理区中完整单元的数目。如果是这样,系统会将列还原到其移位前状态,并继续处理该列中的下一个不完整的单元。
在一个实施例中,系统能够移动单元,使得两个连续的单元不邻接。例如,当第一单元向下移动时,第一单元上方的单元可能不移动。因此,系统能够在田地中部的障碍物(例如小水体和大树)周围移动单元,同时最大化网格叠加中的单元数目。
尽管已经使用两个相邻单元描述了实施例,但是一些试验需要使用多于两个地点。对于这样的地点,系统可以标识管理区内的集群以进行试验。系统可以首先选择最小的管理区,从而最大化在较小的区域中进行的试验的数目。然后,系统可以随机或伪随机地选择第一地点。然后,系统可以伪随机地选择接触第一地点的第二地点,直到已经布置所有地点或者没有更多的周围地点可用。如果需要布置更多地点,则系统可以随机或伪随机地选择接触第二地点的第三地点。系统可以继续该过程,直到所有地点都已布置或不可再布置更多地点。如果不可再布置更多地点,则系统可以去除所有先前布置的地点,然后将新的第一地点随机或伪随机地布置在管理区中以继续该过程。如果大于布置阈值群集的尝试阈值次数以失败告终,则系统可以移至下一个管理区。
3.7.处方图和脚本
本文所述的方法改进了计算机生成用于在农田上进行一个或多个农业任务的处方图的过程。例如,农业智能计算机系统可以接收请求以生产具有一个或多个特定试验的农田的处方图。农业智能计算机系统可以使用上述方法来标识田地和测试地点,测试地点的方向以及测试地点的大小。然后,农业智能计算机系统可以生成处方图,该处方图包括在测试地点上进行的试验。例如,如果试验是播种群体的两倍,则农业智能计算机系统可以生成处方图,使得用于测试地点的播种群体是其余地点的群体的两倍。
在一个实施例中,农业智能计算机系统使用处方图来生成一个或多个用于控制农业交通工具或农具的操作参数的脚本。例如,脚本可以包括指令,当由应用程序控制器执行时,该指令使应用程序控制器使农具向田地施处方。脚本可以包括种植脚本、营养施用脚本、化学施用脚本、灌溉脚本和/或用于控制农具的任何其他指令集。
3.8.某些实施例的益处
本文描述的系统和方法提供了田地数据利用的实际应用以最大化利用农业机械对农学田的有效管理。通过标识短时长度变异性低的字段,该系统可以通过最大程度地减少使用面积,同时为测试结果提供高统计价值,从而最大程度地提高农业用地的利用率。通过标识种植方向并生成网格叠加并测试沿种植方向的地点,系统能够通过限制在田地进行试验的通过次数来更有效地利用农具。最终,通过创建一个刚性而又灵活的网格叠加,系统能够有效地标识进行试验的地点,同时还可以最大化田地或管理区中的多个测试地点。
另外,本文描述的系统和方法利用田地信息作为使用农具在农田上物理地实施试验的过程的一部分。作为实现农业试验的过程的一部分,进行本文所述的用于标识测试地点、尺寸和方向的方法。农业智能计算机系统可以使用本文描述的方法来生成处方图,该处方图定义了用于测试地点的管理指令。另外地或备选地,农业智能计算机系统可以使用本文描述的方法来生成一个或多个脚本,当执行时,所述脚本使农具在测试地点进行不同动作的情况下,在农田上进行特定动作。
Claims (18)
1.一种系统,包括:
一个或多个处理器;
存储器,存储指令,所述指令在由所述一个或多个处理器执行时,引起执行:
在农业智能计算系统处接收特定农学田的地图;
在所述农业智能计算系统处接收针对所述特定农学田的农学数据;
生成针对所述农学田的所述地图的网格叠加;
选择多组相邻网格单元;
针对所述多组相邻网格单元中的每组相邻网格单元,计算差值,所述差值包括一组相邻网格单元中的所述网格单元之间在一个或多个因素中的差;
从每组相邻网格单元的所述差值计算针对所述特定农学田的短长度变异性;
基于所述短长度变异性,选择一个或多个地点;
生成处方图,所述处方图包括针对所述特定农学田的第一管理实践和与所述第一管理实践不同的针对所选择的所述一个或多个地点的第二管理实践。
2.根据权利要求1所述的系统,其中生成所述网格叠加包括:
标识农具的宽度;
生成第一组平行线,所述第一组平行线间隔开一距离,所述距离等于所述农具的所述宽度的倍数;
生成与所述第一组平行线垂直的第二组平行线。
3.根据权利要求1所述的系统,其中选择多组相邻网格单元包括:
随机地或伪随机地选择在单一的管理区中的第一完整网格单元;
从相邻于所述第一完整网格单元的多个网格单元中选择第二网格单元;
确定所述第二网格单元是否是完全在与所述第一完整网格单元相同的管理区中的完整网格单元;
如果所述第二网格单元不是完全在与所述第一完整网格单元相同的管理区中的完整网格单元,则丢弃所述第二网格单元并从相邻于所述第一完整网格单元的所述多个网格单元中选择第三网格单元;
如果所述第二网格单元是完全在与所述第一完整网格单元相同的管理区中的完整网格单元,则选择所述第一网格单元和所述第二网格单元作为特定的一组相邻网格单元。
4.根据权利要求1所述的系统,其中所述指令在由所述一个或多个处理器执行时,进一步引起执行:
接收针对多个农学田中的多对相邻网格单元的产量数据和属性数据;
使用针对所述多对相邻网格单元的所述产量数据和属性数据,计算多个权重,所述多个权重最小化所述多对相邻网格单元的产量变异性与所述多对相邻网格单元的属性变异性之间的差;
其中针对所述特定农学田接收的所述农学数据包括多个属性,但不包括针对所述特定农学田的过去产量值;
其中针对所述多组相邻网格单元中的每组相邻网格单元计算所述差值包括:计算乘以所述多个权重中的对应权重的属性值的差。
5.根据权利要求1所述的系统,其中所述指令在由所述一个或多个处理器执行时,进一步引起执行:
计算针对多个农学田的短长度变异性;
确定针对所述特定农学田的所述短长度变异性低于所述多个农学田的所述短长度变异性,并且作为响应,选择所述特定农学田以包括所述第二管理实践。
6.根据权利要求1所述的系统,其中所述指令在由所述一个或多个处理器执行时,进一步引起执行:
计算针对多个农学田中的每个农学田的短长度变异性;
计算针对所述多个农学田中的每个农学田的长长度变异性;
针对所述多个农学田中的每个农学田,至少部分地基于针对所述多个农学田中的每个农学田的短长度变异性和长长度变异性来计算变异性差值;
计算针对所述特定农学田的长长度变异性;
至少部分地基于针对所述特定农学田的所述短长度变异性和所述长长度变异性,计算针对所述特定农学田的变异性差值;
确定针对所述特定农学田的所述变异性差值低于针对所述多个农学田的所述变异性差值,并且作为响应,选择所述特定农学田以包括所述第二管理实践。
7.根据权利要求1所述的系统,其中所述指令在由所述一个或多个处理器执行时,进一步引起执行:
确定所述网格叠加的列中的第一网格单元不完整;
确定所述第一网格单元的第一半包括比所述第一网格单元的第二半大的连续完整区域;
在所述第一网格单元的所述第一半的方向上移位所述第一网格单元和受移位所述第一网格单元影响的任何其他网格单元;
确定在移位之后所述列是否比移位之前包括更多的单元;
如果所述列在移位之后比在移位之前包括更多的单元,则更新所述网格叠加以包括所述第一网格单元和受移位所述第一网格单元影响的所述任何其他网格单元的新地点;
如果所述列在移位之后比移位之前不包括更多的单元,则将所述列还原到移位前状态。
8.根据权利要求1所述的系统,其中所述指令在由所述一个或多个处理器执行时,进一步引起执行:
在所述农学田的地图中标识第一管理区,所述第一管理区在所述农学田的所述地图中具有最少数目的所述管理区的完整网格单元;
确定第一网格单元仅部分地在所述第一管理区中;
在所述第一网格单元的在所述第一管理区中的一部分的方向上移位所述网格单元和受移位所述第一网格单元影响的任何其他网格单元;
确定所述第一管理区在移位之后是否比移位之前包括更多的单元;
如果所述第一管理区在移位之后比在移位之前包括更多的单元,则更新所述网格叠加以包括所述第一网格单元和受移位所述第一网格单元影响的所述任何其他网格单元的新地点;
如果所述第一管理区在移位之后比移位之前不包括更多的单元,则将所述单元还原到移位前状态。
9.根据权利要求1所述的系统,其中所述指令在由所述一个或多个处理器执行时,还引起执行:生成包括指令的一个或多个脚本,所述指令在由农具的应用控制器执行时使得所述应用控制器使所述农具根据所述处方图向所述田施用处方。
10.一种计算机实现的方法,包括:
在农业智能计算系统处接收针对特定农学田的地图;
在所述农业智能计算系统处接收用于特定农学田的农学数据;
生成针对所述农学田的所述地图的网格叠加;
选择多组相邻网格单元;
针对所述多组相邻网格单元中的每组相邻网格单元,计算差值,所述差值包括一组相邻网格单元中的所述网格单元之间在一个或多个因素中的差;
从针对每组相邻网格单元的所述差值计算针对所述特定农学田的短长度变异性;
基于所述短长度变异性,选择一个或多个地点;
生成处方图,所述处方图包括针对所述特定农学田的第一管理实践和与所述第一管理实践不同的针对所选择的一个或多个地点的第二管理实践。
11.根据权利要求10所述的计算机实现的方法,其中生成所述网格叠加包括:
标识农具的宽度;
生成第一组平行线,所述第一组平行线间隔开一距离,所述距离等于所述农具的所述宽度的倍数;
生成与所述第一组平行线垂直的第二组平行线。
12.根据权利要求10所述的计算机实现的方法,其中选择多组相邻网格单元包括:
随机地或伪随机地选择在单一的管理区中的第一完整网格单元;
从相邻于所述第一完整网格单元的多个网格单元中选择第二网格单元;
确定所述第二网格单元是否是完全在与所述第一完整网格单元相同的管理区中的完整网格单元;
如果所述第二网格单元不是完全在与所述第一完整网格单元相同的管理区中的完整网格单元,则丢弃所述第二网格单元并从相邻于所述第一完整网格单元的所述多个网格单元选择第三网格单元;
如果所述第二网格单元是完全在与所述第一完整网格单元相同的管理区中的完整网格单元,则选择所述第一网格单元和所述第二网格单元作为特定的一组相邻网格单元。
13.根据权利要求10所述的计算机实现的方法,还包括:
接收针对多个农学田中的多对相邻网格单元的产量数据和属性数据;
使用针对所述多对相邻网格单元的所述产量数据和属性数据,计算多个权重,所述多个权重最小化所述多对相邻网格单元的产量变异性与所述多对相邻网格单元的属性变异性之间的差;
其中针对所述特定农学田接收的所述农学数据包括多个属性,但不包括针对所述特定农学田的过去产量值;
其中针对所述多组相邻网格单元中的每组相邻网格单元计算所述差值包括:计算乘以所述多个权重中的对应权重的属性值的差。
14.根据权利要求10所述的计算机实现的方法,还包括:
计算针对多个农学田的短长度变异性;
确定针对所述特定农学田的所述短长度变异性低于所述多个农学田的所述短长度变异性,并且作为响应,选择所述特定农学田以包括所述第二管理实践。
15.根据权利要求10所述的计算机实现的方法,还包括:
计算针对多个农学田中的每个农学田的短长度变异性;
计算针对所述多个农学田中的每个农学田的长长度变异性;
针对所述多个农学田中的每个农学田,至少部分地基于针对所述多个农学田中的每个农学田的所述短长度变异性和所述长长度变异性来计算变异性差值;
计算针对所述特定农学田的长长度变异性;
至少部分地基于针对所述特定农学田的所述短长度变异性和所述长长度变异性,计算针对所述特定农学田的变异性差值;
确定针对所述特定农学田的所述变异性差值低于针对所述多个农学田的所述变异性差值,并且作为响应,选择所述特定农学田以包括所述第二管理实践。
16.根据权利要求10所述的计算机实现的方法,还包括:
确定所述网格叠加的列中的第一网格单元不完整;
确定所述第一网格单元的第一半包括比所述第一网格单元的第二半大的连续完整区域;
在所述第一网格单元的所述第一半的方向上移位所述第一网格单元和受移位所述第一网格单元影响的任何其他网格单元;
确定在移位之后所述列是否比移位之前包括更多的单元;
如果所述列在移位之后比在移位之前包括更多的单元,则更新所述网格叠加以包括所述第一网格单元和受移位所述第一网格单元影响的所述任何其他网格单元的新地点;
如果所述列在移位之后比移位之前不包括更多的单元,则将所述列还原到移位前状态。
17.根据权利要求10所述的计算机实现的方法,还包括:
在所述农学田的地图中标识第一管理区,所述第一管理区在所述农学田的地图中具有最少数目的所述管理区的完整网格单元;
确定所述第一网格单元仅部分地在所述第一管理区中;
在所述第一网格单元的在所述第一管理区中的一部分的方向上移位所述网格单元和受移位所述第一网格单元影响的任何其他网格单元;
确定所述第一管理区在移位之后是否比移位之前包括更多的单元;
如果所述第一管理区在移位之后比在移位之前包括更多的单元,则更新所述网格叠加以包括所述第一网格单元和受移位所述第一网格单元影响的所述任何其他网格单元的新地点;
如果所述第一管理区在移位之后比移位之前不包括更多的单元,则将所述单元还原到移位前状态。
18.根据权利要求10所述的方法,还包括:生成包括指令的一个或多个脚本,所述指令在由农具的应用控制器执行时使得所述应用控制器使所述农具根据所述处方图向所述田施用处方。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862750181P | 2018-10-24 | 2018-10-24 | |
US62/750,181 | 2018-10-24 | ||
PCT/US2019/057693 WO2020086738A1 (en) | 2018-10-24 | 2019-10-23 | Systems and methods for identifying and utilizing testing locations in agricultural fields |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113163710A true CN113163710A (zh) | 2021-07-23 |
CN113163710B CN113163710B (zh) | 2023-07-25 |
Family
ID=70328057
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980070466.XA Active CN113163710B (zh) | 2018-10-24 | 2019-10-23 | 标识和利用农田中的测试地点的系统和方法 |
Country Status (8)
Country | Link |
---|---|
US (1) | US20200128720A1 (zh) |
EP (1) | EP3869933A4 (zh) |
CN (1) | CN113163710B (zh) |
AR (1) | AR116849A1 (zh) |
AU (1) | AU2019365211A1 (zh) |
BR (1) | BR112021006110A2 (zh) |
CA (1) | CA3114934A1 (zh) |
WO (1) | WO2020086738A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113741597A (zh) * | 2021-09-03 | 2021-12-03 | 安徽中昆绿色防控科技有限公司 | 农林诱虫测报智能控制系统 |
CN117079143A (zh) * | 2023-10-16 | 2023-11-17 | 南京佳格耕耘科技有限公司 | 基于遥感数据的农田动态监测系统 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
BR112019009308B8 (pt) | 2016-11-07 | 2023-04-04 | Climate Corp | Implemento agrícola |
US11037343B2 (en) * | 2018-05-11 | 2021-06-15 | The Climate Corporation | Digital visualization of periodically updated in-season agricultural fertility prescriptions |
WO2020180888A1 (en) * | 2019-03-04 | 2020-09-10 | The Climate Corporation | Data storage and transfer device for an agricultural intelligence computing system |
CA3095393A1 (en) | 2019-10-11 | 2021-04-11 | Matergenics, Inc. | Atmospheric corrosivity mapping method and apparatus |
JP2023527848A (ja) * | 2020-05-29 | 2023-06-30 | ビーエーエスエフ アグロ トレードマークス ゲーエムベーハー | 土壌センサを使用した農地の「オンザフライ」処置方法 |
WO2024035410A1 (en) * | 2022-08-11 | 2024-02-15 | Deere & Company | Systems and methods for predictive harvesting logistics |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6505146B1 (en) * | 1999-09-24 | 2003-01-07 | Monsanto Company | Method and system for spatial evaluation of field and crop performance |
US20040034450A1 (en) * | 2002-08-19 | 2004-02-19 | Institute For Technology Development | Method and apparatus for spatially variable rate application of agricultural chemicals based on remotely sensed vegetation data |
CN103294905A (zh) * | 2013-05-20 | 2013-09-11 | 北京农业信息技术研究中心 | 面向对象的农作物播期监测方法 |
CN103930919A (zh) * | 2011-10-24 | 2014-07-16 | 天宝导航有限公司 | 农业和土壤管理 |
CN104573860A (zh) * | 2014-12-31 | 2015-04-29 | 北京农业信息技术研究中心 | 一种大型蔬菜种植企业种植计划自动生成方法 |
CN106780089A (zh) * | 2016-12-27 | 2017-05-31 | 广州蓝图地理信息技术有限公司 | 基于神经网络元胞自动机模型的永久性基本农田划定方法 |
US20170336533A1 (en) * | 2016-05-20 | 2017-11-23 | The Climate Corporation | Radar based precipitation estimates using spatiotemporal interpolation |
CN108241905A (zh) * | 2016-12-23 | 2018-07-03 | 赫克斯冈技术中心 | 用于预测土壤和/或植物状况的方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7103451B2 (en) * | 2002-08-19 | 2006-09-05 | Intime, Inc. | Method and system for spatially variable rate application of agricultural chemicals based on remotely sensed vegetation data |
US10123474B2 (en) * | 2014-08-27 | 2018-11-13 | Premier Crop Systems, LLC | System and method for controlling machinery for randomizing and replicating predetermined agronomic input levels |
US10768156B1 (en) * | 2014-10-27 | 2020-09-08 | Farmer's Business Network, Inc. | Yield analysis through agronomic analytics |
EP3286676A4 (en) * | 2015-04-21 | 2019-01-23 | Farmers Edge Inc. | EARNINGS DATA CALIBRATION PROCEDURE |
US10509872B2 (en) * | 2017-03-08 | 2019-12-17 | The Climate Corporation | Location selection for treatment sampling |
-
2019
- 2019-10-23 BR BR112021006110-0A patent/BR112021006110A2/pt unknown
- 2019-10-23 EP EP19874864.2A patent/EP3869933A4/en active Pending
- 2019-10-23 CA CA3114934A patent/CA3114934A1/en active Pending
- 2019-10-23 US US16/661,956 patent/US20200128720A1/en active Pending
- 2019-10-23 AU AU2019365211A patent/AU2019365211A1/en active Pending
- 2019-10-23 WO PCT/US2019/057693 patent/WO2020086738A1/en unknown
- 2019-10-23 CN CN201980070466.XA patent/CN113163710B/zh active Active
- 2019-10-24 AR ARP190103078A patent/AR116849A1/es unknown
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6505146B1 (en) * | 1999-09-24 | 2003-01-07 | Monsanto Company | Method and system for spatial evaluation of field and crop performance |
US20040034450A1 (en) * | 2002-08-19 | 2004-02-19 | Institute For Technology Development | Method and apparatus for spatially variable rate application of agricultural chemicals based on remotely sensed vegetation data |
CN103930919A (zh) * | 2011-10-24 | 2014-07-16 | 天宝导航有限公司 | 农业和土壤管理 |
CN103294905A (zh) * | 2013-05-20 | 2013-09-11 | 北京农业信息技术研究中心 | 面向对象的农作物播期监测方法 |
CN104573860A (zh) * | 2014-12-31 | 2015-04-29 | 北京农业信息技术研究中心 | 一种大型蔬菜种植企业种植计划自动生成方法 |
US20170336533A1 (en) * | 2016-05-20 | 2017-11-23 | The Climate Corporation | Radar based precipitation estimates using spatiotemporal interpolation |
CN108241905A (zh) * | 2016-12-23 | 2018-07-03 | 赫克斯冈技术中心 | 用于预测土壤和/或植物状况的方法 |
CN106780089A (zh) * | 2016-12-27 | 2017-05-31 | 广州蓝图地理信息技术有限公司 | 基于神经网络元胞自动机模型的永久性基本农田划定方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113741597A (zh) * | 2021-09-03 | 2021-12-03 | 安徽中昆绿色防控科技有限公司 | 农林诱虫测报智能控制系统 |
CN113741597B (zh) * | 2021-09-03 | 2022-04-12 | 安徽中昆绿色防控科技有限公司 | 农林诱虫测报智能控制系统 |
CN117079143A (zh) * | 2023-10-16 | 2023-11-17 | 南京佳格耕耘科技有限公司 | 基于遥感数据的农田动态监测系统 |
Also Published As
Publication number | Publication date |
---|---|
EP3869933A4 (en) | 2022-09-14 |
CA3114934A1 (en) | 2020-04-30 |
AR116849A1 (es) | 2021-06-16 |
EP3869933A1 (en) | 2021-09-01 |
AU2019365211A1 (en) | 2021-05-27 |
WO2020086738A1 (en) | 2020-04-30 |
CN113163710B (zh) | 2023-07-25 |
US20200128720A1 (en) | 2020-04-30 |
BR112021006110A2 (pt) | 2021-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11769232B2 (en) | Machine learning techniques for identifying clouds and cloud shadows in satellite imagery | |
CN112740258B (zh) | 通过田地健康影像生成农艺产量地图 | |
US10963606B2 (en) | Location selection for treatment sampling | |
EP3307048B1 (en) | Agricultural data analysis | |
EP3981237A1 (en) | A method for recommending seeding rate for corn seed using seed type and sowing row width | |
CN113163710B (zh) | 标识和利用农田中的测试地点的系统和方法 | |
US20200042890A1 (en) | Automatic prediction of yields and recommendation of seeding rates based on weather data | |
US11707016B2 (en) | Cross-grower study and field targeting | |
US11796970B2 (en) | Utilizing spatial statistical models for implementing agronomic trials | |
EP3837589A1 (en) | Improving digital nutrient models using spatially distributed values unique to an agronomic field |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Missouri, USA Applicant after: Clemet Co.,Ltd. Address before: California, USA Applicant before: THE CLIMATE Corp. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |