CN114303606A - 作物状态图生成和控制系统 - Google Patents

Abstract

由农业作业机器获得一个或更多个信息图。一个或更多个信息图映射田地的不同地理位置处的一个或更多个农业特性的值。农业作业机器上的现场传感器在农业作业机器移动穿过田地时感测农业特性。预测图生成器基于一个或更多个信息图中的值和由现场传感器感测到的农业特性之间的关系，生成预测田地中的不同位置处的预测农业特性的预测图。预测图可以被输出并用于自动机器控制。

Description

作物状态图生成和控制系统

技术领域

本说明书涉及农业机器、林业机器、建筑机器和草坪管理机器。

背景技术

存在各种各样不同类型的农业机器。一些农业机器包括收割机，诸如联合收割机、甘蔗收割机、棉花收割机、自走式饲料收割机和割晒机。一些收割机还可以装配有不同类型的割台来收割不同类型的作物。

农业收割机在田地的包含倒伏作物的区域中可以以不同的方式操作。倒伏作物是指例如由于风、雨、冰雹等而使作物的茎杆弯曲或折断的作物植株。这些力使作物植株的茎秆弯曲或折断，并使植株具有弯曲和非竖直取向。作物状态是指示作物植株是否处于直立、倒伏、部分倒伏、残茬或缺失以及在作物倒伏的情况下倒伏的罗盘取向和幅度的农业特性。

以上讨论仅被提供为一般背景信息，并不旨在用于帮助确定所要求保护的主题的范围。

发明内容

先验植被指数图、播种特征图、预测产量图或预测生物量图由农业收割机获得，并显示了田地的不同地理位置处的植被指数、播种特征、预测产量或预测生物量值中的一个，并且在田地的收割期间可能特别有用。当农业收割机穿过田地时，农业收割机上的现场传感器感测具有指示农业收割机附近的作物状态的值的特性。预测图生成器生成功能预测图，该功能预测图基于植被指数、播种特征、预测产量、或预测生物量图中的值与由现场传感器感测到的作物状态特性之间的关系来预测田地中的不同位置处的作物状态。功能预测作物状态图可以被输出并用于自动化机器控制。

提供本概述是为了以简化的形式介绍将在下面的详细描述中进一步描述的一些概念。本概述不旨在标识所要求保护的主题的关键特征或必要特征，也不旨在用于帮助确定所要求保护的主题的范围。所要求保护的主题不限于解决背景技术中提到的任何或所有缺点的示例。

附图说明

图1是农业收割机的一个示例的局部示意图。

图2是根据本公开的一些示例更详细地示出农业收割机的一些部分的框图。

图3A至图3B(本文统称为图3)示出了图示农业收割机在生成图时的操作的示例的流程图。

图4是示出预测模型生成器和预测图生成器的一个示例的框图。

图5是示出农业收割机在接收植被指数、播种特性、预测产量或预测生物量图、检测现场作物状态并生成用于在收割操作期间用于呈现或控制农业收割机或两者的功能预测作物状态图的操作的示例的流程图。

图6是示出与远程服务器环境通信的农业收割机的一个示例的框图。

图7至图9示出了可以用于农业收割机的移动设备的示例。

图10是示出可以用于农业收割机的计算环境和前述附图中所示的架构的一个示例的框图。

具体实施方式

为了促进对本公开的原理的理解，现在将参考附图中图示的示例，并且将使用特定的语言来描述这些示例。然而，应当理解的是，并不打算限制本公开的范围。对所描述的设备、系统、方法的任何更改和另外修改，以及本公开的原理的任何进一步应用都是完全可预期的，如本公开所涉及领域的技术人员通常会想到的那样。特别地，完全可以设想，针对一个示例描述的特征、部件、和/或步骤可以与针对本公开的其他示例描述的特征、部件、和/或步骤相结合。

本说明书涉及结合先验数据(先前数据)使用与农业操作同时获取的现场数据，来生成功能预测图，并且更具体地生成功能预测作物状态图。在一些示例中，功能预测作物状态图可以用于控制农业作业机器，诸如农业收割机。除非机器设置也发生变化，否则当农业收割机进入作物状态不同的区域时，农业收割机的性能可能会下降。例如，在倒伏作物的区域中，农业收割机可能会更缓慢地穿过田地，以防止谷物损失。或者例如，在倒伏作物的区域中，沿着一路径引导农业收割机使得农业收割机在与作物倾斜于倒伏作物的方向相反的方向上进行收割可能是有益的。即，选择农用收割机的行驶路线，以驱动农用收割机从植株倒伏的相反方向进入作物植株，使得收割机首先到达植株的顶部。或者例如，在倒伏作物的区域中，调节割台高度或拔禾轮位置可能是有益的。

植被指数图示意性地映射了感兴趣的田地中的不同地理位置上的植被指数值(其可以指示植被生长)。植被指数的一个示例包括归一化差值植被指数(normalizeddifference vegetation index，NDVI)。还存在许多其他植被指数，并且这些其他植被指数在本公开的范围内。在一些示例中，植被指数可以从由植株反射的一个或更多个电磁辐射带的传感器读数中导出。非限制性地，这些带可以在电磁波谱的微波、红外线、可见光或紫外线部分中。

植被指数图因此可以用于标识植被的存在和位置。在一些示例中，植被指数图使得能够在裸土、作物残体或其他植株(包括作物或杂草)存在的情况下标识作物并对其进行地理参考。例如，在生长季节开始时，当作物处于生长状态时，植被指数可以显示作物发育的进程。因此，如果植被指数图是在生长季节中相对较早地生成或者在整个生长季节的中途生成，则植被指数图可以指示作物植株的发育进程。例如，植被指数图可以指示植株是否发育不良，是否正在建立足够的冠层，或者是否存在指示植株发育的其他植株属性。植被指数图还可以指示其他植被特征，例如植株健康状况。

播种特性图示说明性地映射一个或更多个感兴趣田地中的不同地理位置处的种子位置。这些种子图通常是从过去的种子种植操作中收集的。在一些示例中，播种特性图可以从播种机在播种时使用的控制信号或由播种机上的传感器生成的确认种子已经被种植的传感器信号导出。播种机可以包括地理位置传感器，该地理位置传感器对种子被种植的位置进行地理定位。该信息可以用于确定与植株密度相关的种子种植密度。例如，植株密度可能会影响作物对风吹倒的抵抗力。播种特性图还可以包含其他信息，例如所使用的种子的特性。例如，一些特性包括种子类型、遗传性茎秆强度、遗传性绿色脆断易感性(geneticgreen snap susceptibility)、种子品牌、种皮、种植日期、发芽期、典型的生长期、成熟株高和种子基因类型。

本讨论还包括基于信息图和与由现场传感器获得的感测数据的关系来预测特征的预测图。这些预测图包括预测产量图和预测生物量图。在一个示例中，通过接收先验植被指数图和由现场产量传感器获得的感测的产量数据并确定先验植被指数图与由来自现场产量传感器的信号获得的感测的产量数据之间的关系，并通过使用该关系以基于该关系和先验植被指数图而生成预测产量图，来生成预测产量图。在一个示例中，通过接收先验植被指数图和感测生物量并确定先验植被指数图与由来自生物量传感器的数据信号获得的感测的生物量之间的关系，以及通过使用该关系以基于该关系和先验植被指数图而生成预测生物量图，来生成预测生物量图。预测产量图和预测生物量图可以基于其他信息图创建，或也可以以其他方式生成。例如，可以基于卫星图像、生长模型、天气模型等生成预测产量图或预测生物量图。或者例如，预测产量图或预测生物量图可以全部或部分基于地形图、土壤类型图、土壤成分图或土壤健康图。

因此，本讨论是针对下述示例进行的，在所述示例中，系统在收割操作期间接收植被指数、播种、预测产量图或预测生物量图中的一个或更多个，并使用检测指示作物状态的变量的现场传感器。该系统生成一模型，该模型对来自一个或更多个接收到的图的植被指数值、种子特性值、预测产量值或预测生物量值与来自现场位传感器的表示作物状态的变量的现场数据之间的关系进行建模。该模型用于生成功能预测作物状态图，该功能预测作物状态图预测田地中的预期作物状态。在收割操作期间生成的功能预测作物状态特性图可以被呈现给操作员或其他用户，用于在收割操作期间自动控制农业收割机，或者两者。

图1是自走式农业收割机100的局部示意图。在示出的示例中，农业收割机100是联合收割机。另外，尽管在整个本公开中提供了联合收割机作为示例，但是应当理解的是，本描述也适用于其他类型的收割机，诸如棉花收割机、甘蔗收割机、自走式牧草收割机、割晒机或其他农业作业机器。因此，本公开旨在涵括所描述的各种类型的收割机，并且因此不限于联合收割机。而且，本公开涉及其他类型的作业机器，诸如其中可应用预测图的生成的农业播种机和喷雾机器、建筑装备、林业装备和草坪管理装备。因此，本公开旨在涵括这些各种类型的收割机和其他作业机器，并且因此不限于联合收割机。

如图1所示，农业收割机100示意性地包括操作员室101，该操作员室可以具有用于控制农业收割机100的各种不同的操作员界面机构。农业收割机100包括前端装备，诸如割台102以及总体以104指示的切割器。农业收割机100还包括喂料室106、喂料加速器108和通常以110指示的脱粒机。喂料室106和喂料加速器108形成材料处理子系统125的一部分。割台102沿着枢转轴线105枢转地耦接到农业收割机100的框架103上。一个或更多个致动器107驱动割台102围绕轴线105在通常由箭头109指示的方向上移动。因此，割台102在该割台102在其上方行进的地面111上方的竖直位置(割台高度)可通过致动致动器107来控制。尽管在图1中未示出，农业收割机100还可以包括一个或更多个致动器，该一个或更多个致动器操作以向割台102或割台102的多个部分施加倾斜角、侧倾角或两者。倾斜是指切割器104与作物接合的角度。例如，通过控制割台102使切割器104的远侧边缘113指向更加朝向地面来增加倾斜角。通过控制割台102使切割器104的远侧边缘113更背离地面指向来减小倾斜角。侧倾角指的是割台102围绕农业收割机100的前后纵向轴线的取向。

脱粒机110示意性地包括脱粒转子112和一组凹部114。另外，农业收割机100还包括分离器116。农业收割机100还包括清选子系统或清选装置(统称为清选子系统118)，该清选子系统包括清选风扇120、谷壳筛(chaffer)122和筛网(sieve)124。材料处理子系统125还包括卸料拍打器(discharge beater)126、尾料升运器(tailings elevator)128、干净谷物升运器130以及卸载螺旋输送器134和喷口(spout)136。干净谷物升运器将干净的谷物移动到干净谷物槽132中。农业收割机100还包括残留物(residue)子系统138，该残留物子系统可以包括切碎机140和撒布机(spreader)142。农业收割机100还包括推进子系统，该推进子系统包括驱动地面接合部件144(例如轮子或履带)的引擎。在一些示例中，本公开的范围内的联合收割机可以具有多于一个的以上提及的任何子系统。在一些示例中，农业收割机100可以具有左清选子系统和右清选子系统、分离器等，这些在图1中未示出。

在操作中，并且作为概述，农业收割机100示意性地在由箭头147指示的方向上移动穿过田地。在农业收割机100移动时，割台102(和相关联的拨禾轮164)接合待收割的作物，并朝向切割器104搜集作物。农业收割机100的操作员可以是本地人类操作员、远程人类操作员或自动化系统。农业收割机100的操作员可以确定割台102的高度设置、倾斜角设置或侧倾角设置中的一个或更多个。例如，操作员向控制致动器107的控制系统输入一个或更多个设置(下面将更详细地描述)。控制系统还可以接收来自操作员的、用于确立割台102的倾斜角和侧倾角的设置，并且通过控制相关联的致动器(未示出)来实施输入的设置，该相关联的致动器操作用以改变割台102的倾斜角和侧倾角。致动器107基于高度设置将割台102保持处于地面111上方的高度，并且在适用的情况下保持处于期望的倾斜角和侧倾角。高度、侧倾和倾斜设置中的每一个都可以独立于其他设置来实施。控制系统以基于所选择的灵敏度水平确定的响应性来响应割台误差(例如，高度设置和割台102在地面111上方的测量高度之间的差异，以及在一些示例中倾斜角和侧倾角误差)。如果灵敏度水平被设置处于较高的灵敏度水平，则控制系统响应较小的割台位置误差，并试图比灵敏度处于较低灵敏度水平的情况下更快地减少所检测的误差。

回到对农业收割机100的操作的描述，在作物被切割器104切割后，切断的作物材料通过喂料室106中的输送机朝向喂料加速器108移动，该喂料加速器加速作物材料进入脱粒机110。作物材料由转子112脱粒，该转子使作物抵靠凹部114旋转。脱粒后的作物材料由分离器116中的分离器转子移动，在该分离器中，残留物的一部分由卸料拍打器126朝向残留物子系统138移动。传送到残留物子系统138的该部分残留物由残留物切碎机140切碎，并由撒布机142撒布在田地上。在其他配置中，残留物从农业收割机100中释放成料堆。在其他示例中，残留物子系统138可以包括杂草种子排除器(未示出)，诸如种子装袋机或其他种子收集器、或者种子破碎机或其他种子破坏器。

谷物落到清选子系统118。谷壳筛122从谷物中分离较大的材料片中的一些，并且筛网124从干净的谷物中分离较细的材料片中的一些。干净谷物落到螺旋输送器上，该螺旋输送器将谷物移动到干净谷物升运器130的入口端，并且干净谷物升运器130将干净谷物向上移动，从而将干净谷物存放在干净谷物槽132中。残留物通过由清选风扇120生成的气流从清选子系统118中移除。清选风扇120引导空气沿着气流路径向上穿过筛网和谷壳筛。气流将农业收割机100中的残留物向后朝向残留物处理子系统138运送。

尾料升运器128将尾料返回脱粒机110，在该脱粒机中尾料被重新脱粒。替代性地，尾料也可以通过尾料升运器或另一运输装置被传递到分离的再脱粒机构，在该再脱粒机构中尾料也被再脱粒。

图1还示出在一个示例中，农业收割机100包括地面速度传感器146、一个或更多个分离器损失传感器148、干净谷物相机150、可以呈立体相机或单目相机的形式的前视图像捕获机构151以及设置在清选子系统118中的一个或更多个损失传感器152。

地面速度传感器146感测农业收割机100在地面上的行进速度。地面速度传感器146可以通过感测地面接合部件(诸如轮子或履带)、驱动轴、车轴或其他部件的旋转速度来感测农业收割机100的行进速度。在一些情况下，可以使用定位系统来感测行进速度，诸如全球定位系统(global positioning system，GPS)、航位推算系统、远程导航(long rangenavigation，LORAN)系统或提供行进速度的指示的各种其他系统或传感器。

损失传感器152示意性地提供指示在清选子系统118的右侧和左侧中出现的谷物损失量的输出信号。在一些示例中，传感器152是撞击传感器，这些撞击传感器对每单位时间或每单位行进的距离的谷物撞击进行计数，以提供在清选子系统118处发生的谷物损失的指示。用于清选子系统118的右侧和左侧的撞击传感器可以提供单独的信号或组合的或聚集的信号。在一些示例中，传感器152可以包括单个传感器，而不是为每个清选子系统118提供单独的传感器。

分离器损失传感器148提供指示左分离器和右分离器(在图1中未单独示出)中的谷物损失的信号。分离器损失传感器148可以与左分离器和右分离器相关联，并可提供分离的谷物损失信号或组合的或聚集的信号。在某些情况下，感测分离器中的谷物损失也可以使用各种不同类型的传感器进行。

农业收割机100还可以包括其他传感器和测量机构。例如，农业收割机100可以包括以下传感器中的一个或更多个：割台高度传感器，其感测割台102在地面111上方的高度；稳定性传感器，其感测农业收割机100的振动或跳动(和振幅)；残留物设置传感器，其被配置成感测农业收割机100是否被配置成切碎残留物、产生料堆等；清选装置风扇速度传感器，用于感测清选风扇120速度；凹部间隙传感器，其感测转子112和凹部114之间的间隙；脱粒转子速度传感器，其感测转子112的转子速度；谷壳筛间隙传感器，其感测谷壳筛122中的开口的尺寸；筛网间隙传感器，其感测筛网124中的开口的尺寸；除谷物以外的材料(material other than grain，MOG)湿度传感器，其感测穿过农业收割机100的MOG的湿度水平；一个或更多个机器设置传感器，其被配置为感测农业收割机100的各种可配置设置；机器取向传感器，其感测农业收割机100的取向；以及作物性质传感器，其感测各种不同类型的作物性质(诸如作物类型、作物湿度和其他作物性质)。作物性质传感器也可以被配置成在作物材料被农业收割机100处理时感测切断的作物材料的特性。例如，在一些情况下，作物性质传感器可以感测：谷物质量(诸如破碎谷物、MOG水平)；谷物成分(诸如淀粉和蛋白质)；以及在谷物行进穿过喂料室106、干净谷物升运器130或农业收割机100中的其他地方时的谷物喂料速率。作物性质传感器还可以感测通过喂料室106、分离器116或农业收割机100中的其他地方的生物量的喂料速率。作物性质传感器也可以感测通过升运器130或通过农业收割机100的其他部分的喂料速率作为谷物质量流率，或者提供指示其他感测变量的其他输出信号。作物性质传感器可以包括一个或更多个作物状态传感器，所述作物状态传感器感测农业收割机正在收割的作物状态。

作物状态传感器可以包括捕获作物植株的一个或更多个图像的单相机或多相机系统。例如，前视图像捕获机构151可以形成感测农业收割机100前面的作物植株的作物状态的作物状态传感器。在另一个示例中，作物状态传感器可以放置在农业收割机100上，并在除了农业收割机100前面之外的一个或更多个方向上进行查看。可以分析由作物状态传感器捕获的图像以确定作物是否直立、具有某种程度的倒伏状况、是否有茬或缺失。然后，如果作物具有某种程度的倒伏状况，则可以分析图像以确定倒伏作物的取向。一些取向可以相对于农业收割机100，例如但不限于“侧向”、“朝向机器”、“远离机器”或“随机取向”。某些方向可以是绝对的(例如，相对于地球)，例如数字罗盘航向或与重力或表面垂直度的数字偏差。例如，在一些情况下，取向可以被提供为相对于磁北、相对于真北(true north)、相对于作物行、相对于收割机航向、或相对于其他参考的航向。

在另一个示例中，作物状态传感器包括范围扫描装置，例如但不限于雷达、激光雷达或声纳。范围扫描装置可以用于感测作物的高度。作物高度虽然指示其他，但也可以指示倒伏作物、倒伏作物状况的幅度、或倒伏作物的取向。

在描述农业收割机100如何生成功能预测作物状态图并使用该功能预测作物状态图进行呈现或控制之前，将首先描述农业收割机100上的一些物项及其相应操作的简要描述。图2和图3的说明描述：接收一般类型的信息图，并将来自信息图的信息与由现场传感器生成的地理参考传感器信号相结合，其中传感器信号指示田地中的特性，诸如存在于田地中的作物或杂草的特性。该田地的特性可以包括但不限于田地的诸如坡度、杂草强度、杂草类型、土壤湿度、表面质量的特性；作物性质的特性(诸如作物高度、作物湿度、作物密度、作物状态)；谷物性质的特性(诸如谷物湿度、谷物尺寸、谷物测试重量)；以及机器性能的特性(诸如损失水平、作业质量、燃料消耗和功率利用)。从现场传感器信号获得的特性值和信息图值之间的关系被标识，并且该关系被用于生成新的功能预测图。功能预测图预测田地中的不同地理位置处的值，并且这些值中的一个或更多个可以用于控制机器，诸如农业收割机的一个或更多个子系统。在一些情况下，功能预测图可以呈现给用户，诸如农业作业机器的操作员，该农业作业机器可以是农业收割机。功能预测图可以以视觉的方式(诸如通过显示器)、以触觉的方式或以听觉的方式呈现给用户。用户可以与功能预测图交互以执行编辑操作和其他用户界面操作。在一些情况下，功能预测图可以用于控制农业作业机器(诸如农业收割机)、呈现给操作员或其他用户、以及呈现给操作员或用户以供操作员或用户交互中的一个或更多个。

在参照图2和图3描述了一般方法之后，参照图4和图5描述用于生成功能预测作物状态图的更具体的方法，该功能预测杂草图可以呈现给操作员或用户、或者用于控制农业收割机100或者这两者。再次，尽管本讨论是针对农业收割机，并且特别是联合收割机进行的，但是本公开的范围涵括其他类型的农业收割机或其他农业作业机器。

图2是示出示例农业收割机100的一些部分的框图。图2示出了农业收割机100示意性地包括一个或更多个处理器或服务器201、数据存储装置202、地理位置传感器204、通信系统206以及一个或更多个现场传感器208，该一个或更多个现场传感器在收割操作的同时感测田地的一个或更多个农业特性。农业特性可以包括能够具有对收割操作的影响的任何特性。农业特性的一些示例包括收割机器、田地、田地上的植株和天气的特性。其他类型的农业特性也包括在内。现场传感器208生成对应于所感测的特性的值。农业收割机100还包括预测模型或关系生成器(以下统称为“预测模型生成器210”)、预测图生成器212、控制区域生成器213、控制系统214、一个或更多个可控子系统216以及操作员界面机构218。农业收割机100还可以包括多种其他农业收割机功能220。现场传感器208包括例如机载传感器222、远程传感器224和在农业操作的过程期间感测田地的特性的其他传感器226。预测模型生成器210示意性地包括信息变量到现场变量模型生成器228，并且预测模型生成器210可以包括其他项230。控制系统214包括通信系统控制器229、操作员界面控制器231、设置控制器232、路径规划控制器234、喂料速率控制器236、割台和拨禾轮控制器238、带式输送器带控制器240、台面板位置控制器242、残留物系统控制器244、机器清选控制器245、区域控制器247，并且控制系统214可以包括其他项246。可控子系统216包括机器和割台致动器248、推进子系统250、转向子系统252、残留物子系统138、机器清选子系统254，并且可控子系统216可以包括多种其他子系统256。

图2还示出农业收割机100可以接收一个或更多个信息图258。如下所述，信息图258包括例如植被指数图、播种特性图、预测产量图、或预测生物量图。然而，信息图258也可以涵括在收割操作之前获得的其他类型的数据，诸如情景信息。情景信息可以包括但不限于部分或全部生长季节的天气状况、害虫的存在、地理位置、土壤类型、灌溉、处理应用等中的一个或更多个。天气状况可以包括但不限于整个季节的降水、能够损坏作物的冰雹的存在、大风的存在、大风的方向、整个季节的温度等。害虫的一些示例广义上包括昆虫、真菌、杂草、细菌、病毒等。处理应用的一些例子包括除草剂、杀虫剂、杀菌剂、肥料、矿物质补充剂等。图2还示出了操作员260可以操作农业收割机100。操作员260与操作员界面机构218交互。在一些示例中，操作员界面机构218可以包括操纵杆、控制杆、方向盘、连杆、踏板、按钮、转盘、小键盘、在用户界面显示设备上的用户可致动元件(诸如图标、按钮等)、麦克风和扬声器(其中提供语音识别和语音合成)以及各种其他类型的控制设备。在提供触敏显示系统的情况下，操作员260可以使用触摸手势与操作员界面机构218交互。上述这些示例是作为示意性示例提供的，并不旨在限制本公开的范围。因此，可以使用其他类型的操作员界面机构218，并且其他类型的操作员界面机构在本公开的范围内。

可以使用通信系统206或以其他方式将信息图258下载到农业收割机100上并将其存储在数据存储装置202中。在一些示例中，通信系统206可以是蜂窝通信系统、用于通过广域网或局域网进行通信的系统、用于通过近场通信网络进行通信的系统、或者被配置为通过各种其他网络中的任何一种或网络组合进行通信的通信系统。通信系统206还可以包括有助于将信息下载或传送到安全数字(secure digital，SD)卡或通用串行总线(universalserial bus，USB)卡或两者，并且从其下载或传送信息的系统。

地理位置传感器204示意性地感测或检测农业收割机100的地理位置或方位。地理位置传感器204可以包括但不限于从全球导航卫星系统(global navigation satellitesystem，GNSS)卫星发射器接收信号的GNSS接收器。地理位置传感器204还可以包括实时动态(real-time kinematic，RTK)部件，该部件被配置为提高从GNSS信号导出的位置数据的精度。地理位置传感器204可以包括航位推算系统、蜂窝三角测量系统或各种其他地理位置传感器中的任何一种。

现场传感器208可以是上面参照图1描述的传感器中的任何一个。现场传感器208包括安装在机载农业收割机100上的机载传感器222。这种传感器可以包括例如感知传感器、图像传感器或光学传感器，例如，前视单目或立体相机系统和图像处理系统)、或被安装成查看除了农业收割机100前面之外还查看农业收割机100附近的作物植株的相机。现场传感器208还可以包括捕获现场信息的远程现场传感器224。现场数据包括从装在农业收割机上的传感器获取的数据，或者由其中在收割操作期间检测到数据的任何传感器获取的数据。

预测模型生成器210生成指示由现场传感器208感测的值和由信息图258映射到田地的特性之间的关系的模型。例如，如果信息图258将植被指数值映射到田地中的不同位置，并且现场传感器208正在感测指示作物状态的值，则信息变量到现场变量模型生成器228生成对植被指数值和作物状态值之间的关系进行建模的预测作物状态模型。预测图生成器212使用由预测模型生成器210生成的预测作物状态模型基于信息图258生成功能预测作物状态图，该功能预测作物状态图预测田地中的不同位置处的作物状态的值。预测图生成器212可以使用信息图258中的植被指数值和由预测模型生成器210生成的模型来生成功能预测图263，该功能预测图预测田地中的不同位置处的作物状态。预测图生成器212因此输出预测图264。

或者例如，如果信息图258将播种特性映射到田地中的不同位置，并且现场传感器208正在感测指示作物状态的值，则信息变量到现场变量模型生成器228生成预测作物状态模型，该预测作物状态模型对播种特性(有或没有情景信息)与现场作物状态值之间的关系进行建模。预测图生成器212使用由预测模型生成器210生成的预测作物状态模型基于信息图258生成功能预测作物状态图，该功能预测作物状态图预测在田地中的不同位置处的、将由现场传感器208感测到的作物状态的值。预测图生成器212可以使用信息图258中的播种特性值和由预测模型生成器210生成的模型来生成功能预测图263，该功能预测图263预测田地中的不同位置处的作物状态。预测图生成器212因此输出预测图264。

在一些示例中，功能预测图263中的数据的类型可以与由现场传感器208感测的现场数据类型相同。在一些情况下，功能预测图263中的数据的类型可以具有与由现场传感器208感测的数据不同的单位。在一些示例中，功能预测图263中的数据的类型可以与由现场传感器208感测的数据类型不同，但是与由现场传感器208感测的数据类型有关系。例如，在一些示例中，现场数据类型可以指示功能预测图263中的数据的类型。在一些示例中，功能预测图263中的数据的类型可以不同于信息图258中的数据类型。在一些情况下，功能预测图263中的数据的类型可以具有与信息图258中的数据不同的单位。在一些示例中，功能预测图263中的数据的类型可以不同于信息图258中的数据类型，但是与信息图258中的数据类型有关系。例如，在一些示例中，信息图258中的数据类型可以指示功能预测图263中的数据的类型。在一些示例中，功能预测图263中的数据的类型不同于由现场传感器208感测的现场数据类型和信息图258中的数据类型中的一个或两者。在一些示例中，功能预测图263中的数据的类型与由现场传感器208感测的现场数据类型和信息图258中的数据类型中的一个或两者相同。在一些示例中，功能预测图263中的数据的类型与由现场传感器208感测的现场数据类型或信息图258中的数据类型中的一个相同，而不同于另一种。

如图2所示，预测图264基于信息图258中的在不同位置(或具有类似情景信息的位置)处的信息值并使用预测模型350，来预测在这些位置处的、由现场传感器208感测到的特性的值或者与由现场传感器208感测到的特性相关的特性。例如，如果预测模型生成器210已经生成了指示植被指数值和作物状态之间的关系的预测模型，那么，在给定田地上的不同位置处的植被指数值的情况下，预测图生成器212生成预测田地上的不同位置处的作物状态的值的预测图264。从信息图258获得的、这些位置处的植被指数值以及从预测模型350获得的植被指数值和作物状态之间的关系被用于生成预测图264。

现在将描述在信息图258中映射的数据类型、由现场传感器208感测的数据类型以及在预测图264上预测的数据类型方面的一些变化。

在一些示例中，信息图258中的数据类型不同于由现场传感器208感测的数据类型，但是预测图264中的数据类型与由现场传感器208感测的数据类型相同。例如，信息图258可以是植被指数图，并且由现场传感器208感测的变量可以是动力特性。预测图264然后可以是预测作物状态图，该预测作物状态图将预测的作物状态值映射到田地中的不同地理位置。在另一示例中，信息图258可以是植被指数图，并且由现场传感器208感测到的变量可以是作物高度。预测图264然后可以是将预测的作物高度值映射到田地中的不同地理位置的预测作物高度图。此外，在一些示例中，信息图258中的数据类型不同于由现场传感器208感测的数据类型，并且预测图264中的数据类型不同于信息图258中的数据类型和由现场传感器208感测的数据类型两者。例如，信息图258可以是植被指数图，并且由现场传感器208感测的变量可以是作物高度。预测图264然后可以是预测生物量图，该预测生物量图将预测的生物量值映射到田地中的不同地理位置。在另一示例中，信息图258可以是植被指数图，并且由现场传感器208感测到的变量可以是作物状态。预测图264然后可以是将预测的收割机速度值映射到田地中的不同地理位置的预测速度图。

在一些示例中，信息图258来自在先验操作期间先前通过田地，并且数据类型不同于由现场传感器208感测的数据类型，但是预测图264中的数据类型与由现场传感器208感测的数据类型相同。例如，信息图258可以是在种植期间生成的种子种群图，并且由现场传感器208感测的变量可以是茎秆尺寸。预测图264然后可以是预测茎秆尺寸图，该预测茎秆尺寸图将预测的茎秆尺寸值映射到田地中的不同地理位置。在另一示例中，信息图258可以是播种基因型图，并且由现场传感器208感测到的变量可以是作物状态，例如直立作物或倒伏作物。预测图264然后可以是将预测的作物状态值映射到田地中的不同地理位置的预测作物状态图。

在一些示例中，信息图258来自在先验操作期间先前通过田地，并且数据类型与由现场传感器208感测的数据类型相同，并且预测图264中的数据类型也与由现场传感器208感测的数据类型相同。例如，信息图258可以是在前一年期间生成的产量图，并且由现场传感器208感测的变量可以是产量。预测图264然后可以是预测产量图，该预测产量图将预测的产量值映射到田地中的不同地理位置。在这样的示例中，可以由预测模型生成器210使用来自先前一年的地理参考信息图258中的相对产量差异来生成对信息图258上的相对产量差异和在当前收割操作期间由现场传感器208感测的产量值之间的关系进行建模的预测模型。预测模型然后被预测图生成器212用来生成预测产量图。

在另一示例中，信息图258可以是在诸如来自喷洒器的先验操作期间生成的杂草强度图，并且由现场传感器208感测的变量可以是杂草强度。预测图264然后可以是预测杂草强度图，该预测杂草强度图将预测的杂草强度值映射到田地中的不同地理位置。在这样的示例中，喷洒时的杂草强度的图被地理参考记录并作为杂草强度的信息图258被提供给农业收割机100。现场传感器208可以检测田地中的地理位置处的杂草强度，然后预测模型生成器210可以建立对收割时的杂草强度与喷洒时的杂草强度之间的关系进行建模的预测模型。这是因为喷洒器在喷洒时会影响杂草强度，但到收割时杂草仍可能再次出现在类似区域。然而，基于收割时间、天气、杂草类型等，收割时的杂草区域可能具有不同的强度。

在一些示例中，预测图264可以被提供给控制区域生成器213。控制区域生成器213基于预测图264的与一个区域的多个相邻部分相关联的数据值，将所述多个相邻部分分组为一个或更多个控制区域。控制区域可以包括区域(诸如田地)的两个或更多连续部分，对于该区域，与用于控制可控子系统的控制区域对应的控制参数是恒定的。例如，更改可控子系统216的设置的响应时间可能不足以令人满意地响应于包含在诸如预测图264的图中的值方面的变化。在这种情况下，控制区域生成器213解析图并标识具有限定的尺寸的控制区域，以适应可控子系统216的响应时间。在另一示例中，控制区域的尺寸可以被确定为减小由连续调节导致的过度致动器运动造成的磨损。在一些示例中，对于每个可控子系统216或可控子系统216群组，可以有不同的控制区域组。控制区域可以被添加到预测图264以获得预测控制区域图265。预测控制区域图265因此可以类似于预测图264，除了预测控制区域图265包括限定控制区域的控制区域信息。因此，如本文所述，功能预测图263可以包括或不包括控制区域。预测图264和预测控制区域图265两者是功能预测图263。在一个示例中，功能预测图263不包括控制区域，诸如预测图264。在另一示例中，功能预测图263确实包括控制区域，诸如预测控制区域图265。在一些示例中，如果实施间作生产系统，则田地中可能同时存在多种作物。在这种情况下，预测图生成器212和控制区域生成器213能够标识两种或多种作物的位置和特性，并且然后相应地生成预测图264和具有控制区域的预测控制区域图265。

还应当理解的是，控制区域生成器213可以对值进行聚类以生成控制区域，并且控制区域可以被添加到预测控制区域图265或单独的图中，从而仅示出所生成的控制区域。在一些示例中，控制区域可以用于控制或校准农业收割机100或两者。在其他示例中，控制区域可以呈现给操作员260并用于控制或校准农业收割机100，并且在其他示例中，控制区域可以呈现给操作员260或另一用户或被存储以供以后使用。

预测图264或预测控制区域图265或两者被提供给控制系统214，该控制系统基于预测图264或预测控制区域图265或两者生成控制信号。在一些示例中，通信系统控制器229控制通信系统206将预测图264或预测控制区域图265或基于预测图264或预测控制区域图265的控制信号通信传送给正在相同田地中收割的其他农业收割机。在一些示例中，通信系统控制器229控制通信系统206向其他远程系统发送预测图264、预测控制区域图265或两者。

操作员界面控制器231可操作成生成控制信号来控制操作员界面机构218。操作员界面控制器231还可操作成向操作员260呈现预测图264或预测控制区域图265或从预测图264、预测控制区域图265或两者导出的或基于预测图264、预测控制区域图265的其他信息。操作员260可以是本地操作员或远程操作员。作为示例，控制器231生成控制信号以控制显示机构为操作员260显示预测图264和预测控制区域图265中的一个或两个。控制器231可以生成操作员可致动机构，该操作员可致动机构被示出并且可以由操作员致动以与所显示的图交互。操作员可以通过例如基于操作员的观察而例如校正在图上显示的作物状态值来编辑图。设置控制器232可以基于预测图264、预测控制区域图265或两者生成控制信号以控制农业收割机100上的各种设置。例如，设置控制器232可以生成控制信号来控制机器和割台致动器248。响应于所生成的控制信号，机器和割台致动器248操作以控制例如筛网和谷壳筛设置、脱粒机间隙、转子设置、清选风扇速度设置、割台高度、割台功能、拨禾轮速度、拨禾轮位置、带式输送器功能(其中农业收割机100耦接到带式输送器割台)、玉米割台功能、内部分配控制和影响农业收割机100的其他功能的其他致动器248中的一个或更多个。路径规划控制器234示意性地生成控制信号以控制转向子系统252根据期望的路径使农业收割机100转向。路径规划控制器234可以控制路径规划系统来为农业收割机100生成路线，并且可以控制推进子系统250和转向子系统252来使农业收割机100沿着该路线转向。喂料速率控制器236可以控制各种子系统(诸如推进子系统250和机器致动器248)，以基于预测图264或预测控制区域图265或两者来控制喂料速率。例如，在农业收割机100接近含有具有的倒伏作物状况大于所选择的阈值的作物的区域时，喂料速率控制器236可以降低农业收割机100的速度，以确保作物喂料性能可接受并且作物材料被收集。割台和拨禾轮控制器238可以生成控制信号来控制割台或拨禾轮或其他割台功能。例如，在倒伏作物的区域中，调整割台高度或拔禾轮位置可能是有益的。带式输送器带控制器240可以基于预测图264、预测控制区域图265或两者生成控制信号以控制带式输送器带或其他带式输送器功能。台面板位置控制器242可以基于预测图264或预测控制区域图265或两者生成控制信号以控制包括在割台上的台面板的位置，并且残留物系统控制器244可以基于预测图264或预测控制区域图265或两者生成控制信号以控制残留物子系统138。机器清选控制器245可以生成控制信号来控制机器清选子系统254。例如，基于经过农业收割机100的种子或杂草的不同类型，可以控制特定类型的机器清选操作或执行清选操作的频率。农业收割机100上包括的其他控制器也可以基于预测图264或预测控制区域图265或两者来控制其他子系统。

图3A和图3B(本文统称为图3)示出了流程图，其图示农业收割机100在基于信息图258生成预测图264和预测控制区域图265时的操作的一个示例。

在280，农业收割机100接收信息图258。关于框282、284、285和286讨论了信息图258或接收信息图258的示例。如上所讨论那样，如框282所示，信息图258将对应于第一特性的变量的值映射到田地中的不同位置。如框281所示，接收信息图258可以包括选择可用的多个可能的信息图中的一个或更多个。例如，一个信息图可以是从航空图像生成的植被指数图。另一信息图可以是在先前通过田地期间生成的图，其可以由在田地中执行前一操作的不同机器(诸如喷雾器或其他机器)执行。选择一个或更多个信息图的过程可以是手动的、半自动的或自动的。信息图258基于在当前收割操作之前收集的数据。这由框284指示。例如，数据可以基于前一年期间、当前生长季节早期或其他时间获取的航空图像来收集，或者数据可以是在前一年期间、当前生长季节早期或其他时间获取的测量值。信息也可以是基于其他方式(不同于使用航空图像)检测的数据。例如，信息图258可以使用通信系统206传输到农业收割机100，并存储在数据存储装置202中。

信息图258也可以是预测图，这由框285表示。如上所述，预测图可以包括例如部分地基于先验植被指数图或其他信息图和现场传感器值生成的预测产量图或预测生物量图。在一些示例中，预测产量图或预测生物量图可以全部或部分地基于地形图、土壤类型图、土壤成分图或土壤健康图。也可以通过其他方式预测和生成预测产量图或预测生物量图。

信息图258也可以使用通信系统206以其他方式被装载到农业收割机100上，并且这由图3的流程图中的框286表示。在一些示例中，信息图258可以由通信系统206接收。

在收割操作开始时，现场传感器208生成指示一个或更多个现场数据值的传感器信号，该一个或更多个现场数据值指示植株特性，例如作物状态，如框288所示。关于框222、290和226讨论了现场传感器288的示例。如上所解释那样，现场传感器208包括机载传感器222、远程现场传感器224(诸如每次飞行以搜集现场数据的基于UAV的传感器(如框290中示出))、或者由现场传感器226指定的其他类型的现场传感器。在一些示例中，使用来自地理位置传感器204的位置、航向或速度数据对来自机载传感器的数据进行地理参考。

预测模型生成器210控制信息变量到现场变量模型生成器228来生成对包含在信息图258中的映射值和由现场传感器208感测的现场值之间的关系进行建模的模型，如框292所示。由信息图258中的映射值和由现场传感器208感测的现场值表示的特性或数据类型可以是相同的特性或数据类型或者不同的特性或数据类型。

由预测模型生成器210生成的关系或模型被提供给预测图生成器212。预测图生成器212使用预测模型和信息图258来生成预测图264，其预测由现场传感器208感测的在正在被收割的田地中的不同地理位置处的特性、或者与由现场传感器208感测的特性相关的不同特性的值，如框294所示。

应当注意的是，在一些示例中，信息图258可以包括两个或更多个不同的图或者单个图的两个或更多个不同的图层。每个图层可以表示与另一图层的数据类型不同的数据类型，或者图层可以具有在不同时间获得的相同数据类型。两个或更多个不同图中的每个图或图的两个或更多个不同图层中的每个层将不同类型的变量映射到田地中的地理位置。在这样的示例中，预测模型生成器210生成对现场数据和由两个或更多个不同图或两个或更多个不同图层映射的不同变量中的每一个之间的关系进行建模的预测模型。类似地，现场传感器208可以包括两个或更多个传感器，每个传感器感测不同类型的变量。因此，预测模型生成器210生成对由信息图258映射的每种类型的变量和由现场传感器208感测的每种类型的变量之间的关系进行建模的预测模型。预测图生成器212可以使用预测模型和信息图258中的图或图层中的每一个来生成功能预测图263，该功能预测图预测由现场传感器208感测到的在正在被收割的田地中的不同位置处的每个感测的特性(或与感测的特性相关的特性)的值。

预测图生成器212配置预测图264，使得预测图264可由控制系统214操作(或消耗)。预测图生成器212可以将预测图264提供给控制系统214或提供给控制区域生成器213或提供给两者。关于框296、295、299和297描述了可以配置或输出预测图264的不同方式的一些示例。例如，预测图生成器212配置预测图264，使得预测图264包括可以由控制系统214读取并且用作用于生成农业收割机100的不同可控子系统中的一个或更多个的控制信号的基础的值，如框296所示。

控制区域生成器213可以基于预测图264上的值将预测图264划分成控制区域。在彼此的阈值内的连续地理定位的值可以被分组到控制区域中。阈值可以是默认阈值，或者阈值可以基于操作员输入、基于来自自动化系统的输入或基于其他标准来设置。区域的尺寸可以基于控制系统214、可控子系统216的响应性、基于磨损考虑、或者基于其他标准，如框295所示。预测图生成器212配置预测图264以便呈现给操作员或其他用户。控制区域生成器213可以配置预测控制区域图265以便呈现给操作员或其他用户。这由框299指示。当呈现给操作员或其他用户时，预测图264或预测控制区域图265或两者的呈现可以包含预测图264上与地理位置相关的预测值、预测控制区域图265上与地理位置相关的控制区域、以及基于预测图264上的预测值或预测控制区域图265上的区域而使用的设置值或控制参数中的一个或更多个。在另一示例中，所述呈现可以包括更抽象的信息或更详细的信息。该呈现还可以包括置信水平，该置信水平指示预测图264上的预测值或预测控制区域图265上的区域符合在农业收割机100移动穿过田地时可以由农业收割机100上的传感器测量的测量值的精度。另外，在信息被呈现给多于一个的位置的情况下，可以提供认证和授权系统来实施认证和授权过程。例如，可能存在被授权查看和改变图和其他呈现信息的个人的层级。作为示例，机载显示设备可以在机器上近实时地在本地显示图，或者图也可以在一个或更多个远程位置处生成，或者两者均可。在一些示例中，每个位置处的每个物理显示设备可以与人或用户许可级别相关联。用户许可级别可以用于确定哪些显示元素在物理显示设备上是可见的，以及相对应的人可以改变哪些值。例如，收割机100的本地操作员可能无法看到与预测图264相对应的信息或对机器操作进行任何改变。然而，诸如远程位置处的监管者的监管者可能能够在显示器上看到预测图264，但是被阻止进行任何改变。可能在分离的远程位置处的管理者可能能够看到预测图264上的所有元素，并且还能够改变预测图264。在一些情况下，可由位于远程的管理人员访问和改变的预测图264可以用于机器控制。这是可以实施的授权层级的一个示例。预测图264或预测控制区域图265或两者也可以以其他方式配置，如框297所示。

在框298处，由控制系统接收来自地理位置传感器204和其他现场传感器208的输入。特别地，在框300处，控制系统214检测来自地理位置传感器204的标识农业收割机100的地理位置的输入。框302表示由控制系统214接收到指示农业收割机100的轨迹或航向的传感器输入，并且框304表示由控制系统214接收到农业收割机100的速度。框306表示由控制系统214从各种现场传感器208接收其他信息。

在框308处，控制系统214基于预测图264或预测控制区域图265或两者以及来自地理位置传感器204和任何其他现场传感器208的输入来生成控制信号以控制可控子系统216。在框310处，控制系统214将控制信号应用于可控子系统。应当理解的是，被生成的特定控制信号和被控制的特定可控子系统216可以基于一个或更多个不同的因素变化。例如，被生成的控制信号和被控制的可控子系统216可以基于正在使用的预测图264或预测控制区域图265或两者的类型。类似地，被生成的控制信号、被控制的可控子系统216以及控制信号的定时可以基于通过农业收割机100的作物流的各种延迟和可控子系统216的响应性。

作为示例，呈预测作物状态图的形式的所生成的预测图264可以用于控制一个或更多个可控子系统216。例如，功能预测作物状态图可以包括地理参考正在被收割的田地内的位置的作物状态值。功能预测作物状态图可以被提取，并用于控制例如转向和推进子系统252和250。通过控制转向和推进子系统252和250，可以控制移动通过农业收割机100的材料或谷物的喂料速率。或者例如，通过控制转向和推进子系统252和250，可以保持作物倾斜于倒伏作物的方向相反的方向。类似地，可以控制割台高度以收取更多或更少的材料(在一些情况下，割台必须被降下以确保作物被接触)，并且因此，也可以控制割台高度以控制通过农业收割机100的材料的喂料速率。在其他示例中，如果预测图264映射机器前方的作物状态，其中作物沿着割台的一个部分处于倒伏状态而没有位于割台的另一部分上，或者如果作物沿割台的一部分相对于割台的另一个部分处于更大幅度的倒伏状态，则割台可以被控制以倾斜、侧倾或两者兼有，从而以更有效的方式收集倒伏的作物。前述涉及使用功能预测作物状态图的喂料速率和割台控制的示例仅作为一个示例提供。因此，可以使用从预测作物状态图或其他类型的功能预测图获得的值来生成多种其他控制信号，以控制一个或更多个可控子系统216。

在框312处，确定收割操作是否已经完成。如果收割没有完成，则处理前进到框314，在框314中，继续读取来自地理位置传感器204和现场传感器208(以及可能地其他传感器)的现场传感器数据。

在一些示例中，在框316处，农业收割机100还可以检测学习触发标准，以对预测图264、预测控制区域图265、由预测模型生成器210生成的模型、由控制区域生成器213生成的区域、由控制系统214中的控制器实施的一个或更多个控制算法以及其他触发学习中的一个或更多个执行机器学习。

学习触发标准可以包括多种不同标准中的任何一种。关于框318、320、321、322和324讨论检测触发标准的一些示例。例如，在一些示例中，触发学习可以包括当从现场传感器208获得阈值量的现场传感器数据时，重新创建用于生成预测模型的关系。在这样的示例中，从现场传感器208接收到的超过阈值的现场传感器数据量触发或促使预测模型生成器210生成由预测图生成器212使用的新的预测模型。因此，在农业收割机100继续收割操作时，从现场传感器208接收到阈值量的现场传感器数据触发创建由预测模型生成器210生成的预测模型表示的新关系。进一步，可以使用新的预测模型来重新生成新的预测图264、预测控制区域图265或两者。框318表示检测用于触发新预测模型的创建的阈值量的现场传感器数据。

在其他示例中，学习触发标准可以基于来自现场传感器208的现场传感器数据的变化程度，诸如随着时间或与先前值相比的变化程度。例如，如果现场传感器数据内的变化(或者现场传感器数据和信息图258中的信息之间的关系)在所选择的范围内、或者小于所定义的量、或者在阈值之下，则新的预测模型不由预测模型生成器210生成。结果，预测图生成器212不生成新的预测图264、预测控制区域图265或两者。然而，例如，如果现场传感器数据内的变化在所选择的范围之外、大于所定义的量、或者在阈值之上，则预测模型生成器210使用预测图生成器212用以生成新的预测图264的新接收的现场传感器数据中的全部或部分来生成新的预测模型。在框320处，现场传感器数据方面的变化(诸如数据超出所选择的范围的量的幅度或现场传感器数据和信息图258中的信息之间的关系的变化的幅度)可以被用作导致生成新的预测模型和预测图的触发。继续以上描述的示例，阈值、范围和所定义的量可以被设置为默认值、由操作员或用户通过用户界面的交互来设置、由自动化系统设置、或者以其他方式设置。

也可以使用其他学习触发标准。例如，如果预测模型生成器210切换到不同的信息图(不同于最初选择的信息图258)，则切换到不同的信息图可以触发预测模型生成器210、预测图生成器212、控制区域生成器213、控制系统214或其他项进行的重新学习。在另一示例中，农业收割机100到不同地形或到不同控制区域的转换也可以用作学习触发标准。

在一些情况下，操作员260还可以编辑预测图264或预测控制区域图265或两者。编辑可以改变预测图264上的值、或改变预测控制区域图265上的控制区域的尺寸、形状、位置或存在、或者改变两者。框321示出所编辑的信息可以用作学习触发标准。

在某些情况下，操作员260也可能观察到可控子系统的自动控制不是操作员期望的。在这种情况下，操作员260可以向可控子系统提供手动调节，这反映了操作员260期望可控子系统以不同于由控制系统214命令的方式操作。因此，由操作员260对设置的手动更改可能导致以下中的一个或更多个：基于操作员260的调整(如框322所示)，预测模型生成器210重新学习模型、预测图生成器212重新生成图264、控制区域生成器213重新生成预测控制区域图265上的一个或更多个控制区域、以及控制系统214重新学习控制算法或对控制系统214中的控制器部件232至246中的一个或更多个执行机器学习。框324表示使用其他触发学习标准。

在其他示例中，重新学习可以周期性地或间歇地执行，例如基于所选择的时间间隔，诸如离散时间间隔或可变时间间隔，如框326所示。

如果重新学习被触发(无论是基于学习触发标准还是基于时间间隔的流逝，如框326所示)，则预测模型生成器210、预测图生成器212、控制区域生成器213和控制系统214中的一个或更多个执行机器学习，以基于学习触发标准分别生成新的预测模型、新的预测图、新的控制区域和新的控制算法。新的预测模型、新的预测图和新的控制算法是使用自上次执行学习操作以来收集的任何附加数据生成的。执行重新学习由框328指示。

如果收割操作已经完成，操作从框312移动到框330，在框330中，存储预测图264、预测控制区域图265和由预测模型生成器210生成的预测模型中的一个或更多个。预测图264、预测控制区域图265和预测模型可以本地存储在数据存储装置202上，或者使用通信系统206发送到远程系统供以后使用。

将注意到的是，虽然本文中的一些示例描述了预测模型生成器210和预测图生成器212分别在生成预测模型和功能预测图时接收信息图，但是在其他示例中，预测模型生成器210和预测图生成器212可以分别在生成预测模型和功能预测图时接收其他类型的图，包括预测图，诸如在收割操作期间生成的功能预测图。

图4是图1中示出的农业收割机100的一部分的框图。特别地，图4尤其更详细地示出了预测模型生成器210和预测图生成器212的示例。图4还图示了这里所示出的不同部件之间的信息流。如图所示，预测模型生成器210接收植被指数图332、播种特性图333、预测产量图335、或预测生物量图337中的一个或更多个作为信息图。植被指数图332包括地理参考的植被指数值。播种特性图333包括地理参考的种子特性值。例如，种子特性可以包括所种植的种子的位置和数量。此外，种子特性可以包括种子类型、遗传性茎或杆强度、对倒伏的遗传易感性、种子上的包被、种子的基因型等。

预测产量图335包括地理参考的预测产量值。预测产量图335可以使用图1和图2中描述的过程生成，其中信息图包括植被指数图或历史产量图，而现场传感器包括产量传感器。也可以以其他方式生成预测产量图335。

预测生物量图337包括地理参考的预测生物量值。预测生物量图337可以使用图2和图3中描述的过程生成，其中信息图包括植被指数图，而现场传感器包括转子驱动压力或光学传感器，所述转子驱动压力或光学传感器生成指示生物量的传感器信号。也可以以其他方式生成预测生物量图337。

除了接收植被指数图332、播种特性图333、预测产量图335或预测生物量图337中的一个或更多个作为信息图之外，预测模型生成器210还从地理位置传感器204接收地理位置334、或地理位置的指示。现场传感器208示意性地包括机载作物状态传感器336以及处理系统338。处理系统338处理来自机载作物状态传感器336的传感器数据。

在一些示例中，机载作物状态传感器336可以是农业收割机100上的光学传感器。光学传感器可以布置在农业收割机100的前面，以在收割操作期间当农业收割机100穿过田地时收集农业收割机100前面的田地的图像。处理系统338处理经由机载作物状态传感器336获得的一个或更多个图像，以生成在图像中标识作物植株的一个或更多个特性的处理后的图像数据。例如，作物植株在倒伏状态下的幅度和取向。处理系统338还可以对从现场传感器208接收到的值进行地理定位。例如，农业收割机100在接收到来自现场传感器208的信号时的位置通常不是感测到的作物状态的准确位置。这是因为从传送感测到农业收割机100(配备有地理位置传感器)接触其作物状态被感测的作物植株需要时间。在一些示例中，为了考虑传送感测，可以校准相机视场，使得可以基于倒伏作物的区域在图像中的位置对由相机捕获的图像中的所述倒伏作物的区域进行地理定位。

也可以使用其他作物状态传感器。在一些示例中，来自机载作物状态传感器336的原始或处理后的数据可以经由操作员接口机构218被呈现给操作员260。操作员260可以被作业农业收割机100机载或在远程位置处。

本讨论关于其中机载作物状态传感器336包括光学传感器(例如相机)的示例继续进行。应当理解，这只是一个示例，并且上文提到的传感器作为机载作物状态传感器336的其他示例也在本文中被考虑。如图4所示，预测模型生成器210包括植被指数到作物状态模型生成器342、产量到作物状态模型生成器344和生物量到作物状态模型生成器346。在其他示例中，预测模型生成器210可以包括与图4的示例中所示的部件相比额外的、更少的或不同的部件。因此，在一些示例中，预测模型生成器210也可以包括其他项目348，所述其他项目可以包括其他类型的预测模型生成器以生成其他类型的作物状态模型。

模型生成器342确定与现场作物状态数据340被地理定位的位置对应的地理位置处的现场作物状态数据340与来自植被指数图332的与田地中的作物状态数据340被地理定位的相同位置对应的植被指数值之间的关系。基于由模型生成器342建立的这种关系，模型生成器342生成预测作物状态模型。作物状态模型用于基于包含在植被指数图332中的在田地中的不同位置处的地理参考的植被指数值来预测田地中的相同位置处的作物状态。在一些示例中，模型生成器342可以使用植被指数图的时间序列来识别绿色脆断(green snap)之后的作物衰老的速率、来自茎杆损伤的增加的作物应力等。

模型生成器344确定在现场作物状态数据340中表示的、在与现场作物状态数据340被地理定位处对应的地理位置处的作物状态与在同一位置处的播种特性之间的关系。播种特性值是包含在播种特性图333中的地理参考值。模型生成器344基于播种特性值生成预测田地中的位置处的作物状态的预测作物状态模型。作物状态模型用于基于包含在播种特性图333中的在田地中的不同位置处的被地理参考的播种特性值来预测田地中的相同位置处的作物状态。例如，播种特性可以是种子种植密度。

模型生成器345确定在现场作物状态数据340中表示的、在与现场作物状态数据340被地理定位处对应的地理位置处的作物状态与在同一位置处的预测产量之间的关系。预测产量值是包含在预测产量图335中的地理参考值。模型生成器345基于预测产量值生成预测田地中的位置处的作物状态的预测作物状态模型。作物状态模型用于基于包含在预测产量图335中的在田地中的不同位置处的被地理参考的预测产量值来预测田地中的相同位置处的作物状态。

模型生成器346确定在现场作物状态数据340中表示的、在与现场作物状态数据340被地理定位处对应的地理位置处的作物状态与在同一位置处的预测生物量之间的关系。预测生物量值是包含在预测生物量图337中的地理参考值。模型生成器346基于预测生物量值生成预测田地中的位置处的作物状态的预测作物状态模型。作物状态模型用于基于包含在预测生物量图337中的在田地中不同位置处的被地理参考的预测生物量值来预测田地中的相同位置处的作物状态。

鉴于上述，预测模型生成器210可操作成产生多个预测作物状态模型，例如由模型生成器342、344、345、346和348生成的预测作物状态模型中的一个或更多个。在另一个示例中，两个或更多个上述预测作物状态模型可以组合成单个预测作物状态模型，该单个预测作物状态模型基于田地中的不同位置处的植被指数值、播种特性值、预测产量值或预测生物量值来预测作物状态。这些作物状态模型中的任一个或其组合由图4中的作物状态模型350共同表示。

预测作物状态模型350被提供给预测图生成器212。在图4的示例中，预测图生成器212包括作物状态图生成器352。在其他示例中，预测图生成器212可以包括额外的、更少的或不同的图生成器。作物状态图生成器352接收预测作物状态模型350，该预测作物状态模型基于在作物状态被感测的相应位置处、在感测到的作物状态值与来自植被指数图332、播种特性图333、预测产量图335、和预测生物量图337中的一个或更多个的值之间的关系预测作物状态。

作物状态图生成器354还可以基于在田地中的不同位置处的植被指数值、播种特性值、预测产量值或预测生物量值和预测作物状态模型350生成预测田地中的所述不同位置处的作物状态的功能预测作物状态图360。生成的功能预测作物状态图360可以被提供给控制区域生成器213、控制系统214或两者。控制区域生成器213生成控制区域，并将这些控制区域并入功能预测图，即，预测图360，以生成预测控制区域图265。功能预测图264或预测控制区域图265中的一个或两者可以被呈现给操作员260或其他用户或被提供给控制系统214，所述控制系统基于预测图264、预测控制区域图265或两者生成控制信号以控制可控子系统216中的一个或更多个。

图5是预测模型生成器210和预测图生成器212在生成预测作物状态模型350和功能预测作物状态图360中的操作的示例的流程图。在框362处，预测模型生成器210和预测图生成器212接收先验植被指数图332、播种特性图333、预测产量图335和预测生物量图337中的一个或更多个。

在框363处，信息图选择器209选择一个或更多个特定信息图250以供预测模型生成器210使用。在一些示例中，信息图选择器209可以在检测到其他信息图中的一个与现场感测到的作物状态更紧密地相关时，改变正在被使用的信息图。例如，在播种特性图333与由现场传感器感测到的作物状态更好地相关时，可以发生从植被指数图332到播种特性图333的改变。

在框364处，从机载作物状态传感器336接收作物状态传感器信号。如上所述，机载作物状态传感器336可以是光学传感器365或一些其他作物状态传感器370。

在框372处，处理系统338处理从机载作物状态传感器336接收的一个或更多个接收到的现场传感器信号，以生成指示田地中的紧邻农业收割机100的作物植株的作物状态特性的作物状态值。

在框382处，预测模型生成器210还获得与传感器信号对应的地理位置。例如，预测模型生成器210可以从地理位置传感器204获得地理位置，并且基于机器延迟(例如，机器处理速度)、机器速度和传感器考虑(例如，相机视野、传感器校准等)确定现场感测到的作物状态所归属处的精确的地理位置。例如，捕获作物状态传感器信号的准确时间通常不对应于农业收割机100的当前地理位置处的作物的作物状态。相反，当前的现场作物状态传感器信号对应于农业收割机100前面的田地上的位置，这是因为在农业收割机100前面拍摄的图像中感测当前的现场作物状态传感器信号。这由框378表示。

在框384处，预测模型生成器210生成一个或更多个预测作物状态模型，例如作物状态模型350，所述预测作物状态模型对从诸如信息图258的信息图获得植被指数值、播种特性、预测产量值、或预测生物量值中的至少一个与由现场传感器208感测到的作物状态之间的关系进行建模。例如，预测模型生成器210可以基于播种密度值和由从现场传感器208获得的传感器信号指示的感测到的作物状态生成预测作物状态模型，其中所述播种密度值还可以指示高作物植株种群。

在框386处，预测作物状态模型(例如，预测作物状态模型350)被提供给预测图生成器212，所述预测图生成器基于先验植被指数图332、播种特性图333、预测产量图335或预测生物量图337和预测作物状态模型350生成将预测的作物状态映射到田地中的不同地理位置的功能预测作物状态图。例如，在一些示例中，功能预测作物状态图360预测作物状态。在其他示例中，功能预测作物状态图360预测其他项目。此外，功能预测作物状态图360可以在农业收割操作的过程期间生成。因此，当农业收割机穿过执行农业收割操作的田地时，功能预测作物状态图360被生成。

在框394处，预测图生成器212输出功能预测作物状态图360。在框393处，预测图生成器212配置功能预测作物状态图360以供控制系统214使用。在框395处，预测图生成器212还可以向控制区域生成器213提供图360以生成控制区域。在框397处，预测图生成器212也以其他方式配置图360。功能预测作物状态图360(有或没有控制区域)被提供给控制系统214。在框396处，控制系统214基于功能预测作物状态图360生成控制信号以控制可控子系统216。

因此可以看出，本系统采用信息图，该信息图将诸如植被指数、播种特性、预测产量或预测生物量值的特性映射到田地中的不同位置。本系统还使用感测指示诸如作物状态的特性的现场传感器数据的一个或更多个现场传感器，并生成对使用现场传感器现场感测的作物状态与信息图中映射的特性之间的关系进行建模的模型。因此，本系统使用模型和信息图生成功能预测图，并且可以配置所生成的功能预测图以供控制系统使用或呈现给本地或远程操作员或其他用户。例如，控制系统可以使用图来控制联合收割机的一个或更多个系统。

目前的讨论已经提到了处理器和服务器。在一些示例中，处理器和服务器包括具有相关联的存储器和时序电路(未单独示出)的计算机处理器。处理器和服务器是处理器和服务器所属的系统或设备的功能部分，并且由这些系统中的其他部件或项激活并促进其功能。

而且，已经讨论了许多用户界面显示。显示可以采取各种不同的形式，并且可以具有设置在其上的各种不同的用户可致动的操作员界面结构。例如，用户可致动的操作员界面机构可以是文本框、复选框、图标、链接、下拉菜单、搜索框等。用户可致动的操作员界面机构也可以以各种不同的方式被致动。例如，用户可致动的操作员界面机构可以使用操作员界面机构(诸如点击设备，(诸如轨迹球或鼠标、硬件按钮、开关、操纵杆或键盘、拇指开关或拇指垫等)、虚拟键盘或其他虚拟致动器)来致动。此外，在其上显示用户可致动的操作员界面机构的屏幕是触敏屏幕的情况下，可以使用触摸手势来致动用户可致动的操作员界面机构。而且，可以使用利用了语音识别功能的语音命令来致动用户可致动的操作员界面机构。语音识别可以使用语音检测设备(诸如麦克风)和用于识别所检测的语音并基于所接收的语音执行命令的软件来实施。

还讨论了许多数据存储装置。应当注意的是，数据存储可以各自分成多个数据存储装置。在一些示例中，数据存储装置中的一个或更多个对于访问数据存储装置的系统可以是本地的，数据存储装置中的一个或更多个可以全部位于远离利用数据存储装置的系统，或者一个或更多个数据存储装置可以是本地的，而其他的是远程的。本公开考虑了所有这些配置。

此外，附图示出了多个框，其中功能归属于每个框。应当注意的是，可以使用更少的框来示出归因于多个不同框的功能由更少的部件来执行。而且，可以使用更多的框，从而示出该功能可以分布在更多的部件当中。在不同的示例中，可以添加一些功能，并且也可以移除一些功能。

应当注意的是，上述讨论已经描述了各种不同的系统、部件、逻辑和交互。应当理解的是，这样的系统、部件、逻辑和交互中的任何一个或全部可以由以下所述中的一些的、执行与那些系统、部件、逻辑或交互相关联的功能的硬件项实施，诸如处理器、存储器或其他处理部件。此外，系统、部件、逻辑和交互中的任何一个或全部可以由加载到存储器中并随后由处理器或服务器或其他计算部件执行的软件来实施，如下所述。系统、部件、逻辑和交互中的任何一个或全部也可以通过硬件、软件、固件等的不同组合来实施，其一些示例在下面描述。这些是可以用于实施以上描述的系统、部件、逻辑和交互中的任何一个或全部的不同结构的一些示例。也可以使用其他结构。

图6是农业收割机600的框图，其可以类似于图2中示出的农业收割机100。农业收割机600与远程服务器架构500中的元件通信。在一些示例中，远程服务器架构500可以提供不需要终端用户了解递送服务的系统的物理位置或配置的计算、软件、数据访问和存储服务。在各种示例中，远程服务器可以使用适当的协议通过广域网(诸如互联网)递送服务。例如，远程服务器可以通过广域网递送应用，并且可以通过网络浏览器或任何其他计算部件访问。图2中示出的软件或部件以及与之相关联的数据可以存储在远程位置处的服务器上。远程服务器环境中的计算资源可以被合并在远程数据中心位置处，或者计算资源可以被分散到多个远程数据中心。远程服务器基础设施可以通过共享数据中心递送服务，即使服务对于用户来说作为单个访问点出现。因此，本文描述的部件和功能可以使用远程服务器架构从远程位置处的远程服务器提供。替代性地，部件和功能可以从服务器提供，或者部件和功能可以直接或以其他方式安装在客户端设备上。

在图6中示出的示例中，一些项类似于图2中示出的项目，并且这些项被相似地进行编号。图6具体示出了预测模型生成器210或预测图生成器212或两者可以位于远离农业收割机600的服务器位置502。因此，在图6中示出的示例中，农业收割机600通过远程服务器位置502访问系统。

图6还描绘了远程服务器架构的另一示例。图6示出了图2的一些元件可以被布置在远程服务器位置502处，而其他元件可以位于其他地方。作为示例，数据存储装置202可以被放置在与位置502分离的位置处，并且经由位置502处的远程服务器来访问。无论这些元件位于何处，这些元件可以由农业收割机600通过网络(诸如广域网或局域网)直接访问；这些元件可以由服务托管在远程站点、或者这些元件可以作为服务提供、或者由驻留在远程位置的连接服务访问。此外，数据可以存储在任何位置，并且存储的数据可以被操作员、用户或系统访问或转发给操作员、用户或系统。例如，可以载体之外还可以使用物理载体。在一些示例中，在无线电信服务覆盖差或不存在的情况下，另一机器(诸如燃料卡车或其他移动机器或车辆)可以具有自动、半自动或手动信息收集系统。在联合收割机600在加燃料前靠近包含信息收集系统的机器(诸如燃料卡车)时，信息收集系统使用任何类型的临时专用无线连接从联合收割机600收集信息。然后，当包含所接收的信息的机器到达无线电信服务覆盖或其他无线覆盖可用的位置时，所收集的信息可以被转发到另一网络。例如，当燃料卡车行驶到给其他机器加燃料的位置时或在主燃料存储位置时，燃料卡车可以进入具有无线通信覆盖的区域。本文考虑了所有这些架构。此外，信息可以存储在农业收割机600上，直到农业收割机600进入具有无线通信覆盖的区域。农业收割机600本身可以将信息发送到另一网络。

还将注意到，图2的元件或其部分可以设置在各种不同的设备上。这些设备中的一个或更多个可以包括机载计算机、电子控制单元、显示单元、服务器、台式计算机、膝上型计算机、平板计算机或其他移动设备，诸如掌上电脑、蜂窝电话、智能电话、多媒体播放器、个人数字助理等。

在一些示例中，远程服务器架构500可以包括网络安全措施。非限制性地，这些措施包括存储设备上的数据的加密、网络节点之间发送的数据的加密、访问数据的人员或进程的认证、以及用于记录元数据、数据、数据传送、数据访问和数据转换的分类帐的使用。在一些示例中，分类账可以是分布式的和不可变的(例如，实施为区块链)。

图7是可以用作本系统(或其一部分)可以部署在其中的用户的或客户的手持设备16的手持式或移动式计算设备的一个示意性示例的简化框图。例如，移动设备可以部署在农业收割机100的操作员室中，用于在生成、处理或显示以上讨论的图时使用。图8至图9是手持式或移动式设备的示例。

图7提供了客户端设备16的部件的总体框图，该客户端设备可以运行图2中示出的一些部件、与它们交互、或者两者都进行。在设备16中，提供了允许手持设备与其他计算设备通信的通信链路13，并且在一些示例下通信链路13提供了用于自动接收信息(例如通过扫描)的信道。通信链路13的示例包括允许通过一个或更多个通信协议进行通信，诸如用于提供对网络的蜂窝接入的无线服务，以及提供对网络的本地无线连接的协议。

在其他示例中，应用可以在连接到接口15的可移除安全数字(Secure Digital，SD)卡上接收。接口15和通信链路13沿着总线19与处理器17(其也可以实现来自其他附图的处理器或服务器)通信，该总线也连接到存储器21和输入/输出(I/O)部件23、以及时钟25和位置系统27。

在一个示例中，提供I/O部件23来促进输入和输出操作。设备16的各种示例的I/O部件23可以包括输入部件(诸如按钮、触摸传感器、光学传感器、麦克风、触摸屏、接近传感器、加速度计、方位传感器)以及输出部件(诸如显示设备、扬声器和/或打印机端口)。也可以使用其他I/O部件23。

时钟25示意性地包括输出时间和日期的实时时钟部件。示意性地，它还可以为处理器17提供定时功能。

位置系统27示意性地包括输出设备16的当前地理位置的部件。这可以包括例如全球定位系统(GPS)接收器、LORAN系统、航位推算系统、蜂窝三角测量系统或其他定位系统。位置系统27还可以包括，例如，生成所期望的图、导航路线和其他地理功能的绘图软件或导航软件。

存储器21存储操作系统29、网络设置31、应用33、应用配置设定35、数据存储装置37、通信驱动器39和通信配置设置41。存储器21可以包括所有类型的有形易失性和非易失性计算机可读存储器设备。存储器21还可以包括计算机存储介质(下文描述)。存储器21存储计算机可读指令，当由处理器17执行时，这些指令使处理器根据指令执行计算机实施的步骤或功能。处理器17也可以由其他部件激活以促进它们的功能。

图8示出了其中设备16是平板电脑600的一个示例。在图8中，计算机600被示出为具有用户界面显示屏602。屏幕602可以是从笔或触笔接收输入的触摸屏或支持笔的界面。平板电脑600还可以使用屏幕上虚拟键盘。当然，计算机600也可以例如通过合适的附接结构(诸如无线链接件或USB端口)附接到键盘或其他用户输入设备。计算机600也可以示意性地接收语音输入。

图9类似于图8，除了设备是智能电话71之外。智能电话71具有显示图标或小块或其他用户输入机构75的触敏显示器73。可以由用户使用机构75来运行应用、进行呼叫、执行数据传输操作等。一般而言，智能手机71建立在移动操作系统上，并且提供比功能手机更高级的计算能力和连接性。

注意，设备16的其他形式是可能的。

图10是其中可以部署图2的元件的计算环境的一个示例。参考图10，用于实施一些实施例的示例系统包括呈被编程为如上所讨论那样操作的计算机810形式的计算设备。计算机810的部件可以包括但不限于处理单元820(其可以包括来自先前附图的处理器或服务器)、系统存储器830和将包括系统存储器的各种系统部件耦接到处理单元820的系统总线821。系统总线821可以是几种类型的总线结构中的任何一种，包括存储器总线或存储器控制器、外围总线以及使用各种总线架构中的任何一种的局部总线。关于图2描述的存储器和程序可以部署在图10的相对应部分中。

计算机810通常包括各种计算机可读介质。计算机可读介质可以是可以由计算机810访问的任何可用介质，并且包括易失性和非易失性介质、可移动和不可移动介质。作为示例而非限制，计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质不同于调制数据信号或载波，并且也不包括调制数据信号或载波。计算机可读介质包括硬件存储介质，包括以任何方法或技术实施用于存储诸如计算机可读指令、数据结构、程序模块或其他数据的信息的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(digitalversatile disk，DVD)或其他光盘存储装置、盒式磁带、磁带、磁盘存储装置或其他磁存储设备，或可以用于存储所期望的信息并可以由计算机810访问的任何其他介质。通信介质可以实现计算机可读指令、数据结构、程序模块或传输机构中的其他数据，并且包括任何信息递送介质。术语“经调制的数据信号”是指具有以在信号中编码信息的方式设置或改变其特征中的一个或更多个的信号。

系统存储器830包括易失性和/或非易失性存储器或者两者形式的计算机存储介质，诸如只读存储器(read only memory，ROM)831和随机存取存储器(random accessmemory，RAM)832。基本输入/输出系统833(basic input/output system，BIOS)(其包含诸如在启动期间帮助在计算机810内的元件之间传递信息的基本例程)通常存储在ROM831中。RAM832通常包含处理单元820可立即访问和/或当前正在被处理单元820操作的数据和/或程序模块或两者。作为示例而非限制，图10示出了操作系统834、应用程序835、其他程序模块836和程序数据837。

计算机810还可以包括其他可移动/不可移动的易失性/非易失性计算机存储介质。仅作为示例，图10示出了从不可移动、非易失性磁介质、光盘驱动器855和非易失性光盘856读取或向其写入的硬盘驱动器841。硬盘驱动器841通常通过不可移动存储器接口(诸如接口840)连接到系统总线821，光盘驱动器855通常通过可移动存储器接口(诸如接口850)连接到系统总线821。

替代性地或附加地，本文描述的功能可以至少部分地由一个或更多个硬件逻辑部件来执行。例如但不限于，可以使用的示意性类型的硬件逻辑部件包括现场可编程门阵列(Field-programmable Gate Array，FPGA)、专用集成电路(Application-specificIntegrated Circuit，ASIC)、专用标准产品(例如ASSP)、片上系统(System-on-a-chipsystem，SOC)、复杂可编程逻辑器件(Complex Programmable Logic Device，CPLD)等。

上文讨论并在图10中示出的驱动器及其相关联的计算机存储介质为计算机810提供了计算机可读指令、数据结构、程序模块和其他数据的存储。例如，在图10中，硬盘驱动器841被示出为存储操作系统844、应用程序845、其他程序模块846和程序数据847。注意，这些部件可以与操作系统834、应用程序835、其他程序模块836和程序数据837相同或不同。

用户可以通过输入设备(诸如键盘862、麦克风863和指向设备861(诸如鼠标、跟踪球或触摸板))向计算机810输入命令和信息。其他输入设备(未示出)可以包括操纵杆、游戏键盘、卫星天碟、扫描仪等。这些和其他输入设备通常通过耦接到系统总线的用户输入接口860连接到处理单元820，但是也可以通过其他接口和总线结构连接。视觉显示器891或其他类型的显示设备也通过诸如视频接口890的接口连接到系统总线821。除了监视器之外，计算机还可以包括可以通过输出外围接口895连接的其他外围输出设备，诸如扬声器897和打印机896。

计算机810使用到一个或更多个远程计算机(诸如远程计算机880)的逻辑连接(诸如控制器局部网(CAN)、局域网(LAN)或广域网(WAN))在联网环境中操作。

当在LAN联网环境中使用时，计算机810通过网络接口或适配器870连接到LAN871。当在WAN联网环境中使用时，计算机810通常包括调制解调器872或用于通过WAN873(诸如因特网)建立通信的其他装置。在联网环境中，程序模块可以被存储在远程存储器存储设备中。例如，图10示出了远程应用程序885可以驻留在远程计算机880上。

还应当注意的是，本文描述的不同示例可以以不同的方式组合。也就是说，一个或更多个示例的部分可以与一个或更多个其他示例的部分组合。在本文中考虑了这方面的全部。

示例1是一种农业作业机器，包括：

通信系统，所述通信系统接收信息图，所述信息图包括第一农业特性的与田地中的不同地理位置对应的值；

地理位置传感器，所述地理位置传感器检测农业作业机器的地理位置；

现场传感器，所述现场传感器检测作为与地理位置对应的第二农业特性的作物状态；

预测模型生成器，所述预测模型生成器基于信息图中的第一农业特性的在所述地理位置处的值和由现场传感器感测到的第二农业特性的在所述地理位置处的值生成预测农业模型，所述预测农业模型对所述第一农业特性与所述第二农业特性之间的关系进行建模；和

预测图生成器，所述预测图生成器基于信息图中的第一农业特性的值并基于预测农业模型生成田地的功能预测农业图，所述功能预测农业图将所述第二农业特性的预测值映射到田地中的不同地理位置。

示例2是任何或所有前述示例的农业作业机器，其中，预测图生成器配置所述功能预测农业图以供控制系统使用，所述控制系统基于所述功能预测农业图生成控制信号以控制所述农业作业机器上的可控子系统。

示例3是任何或所有前述示例的农业作业机器，其中，所述现场传感器生成指示作物状态的传感器数据，并且其中所述现场传感器包括：

处理系统，所述处理系统被配置成分析所述传感器数据并确定所述作物状态的取向或幅度中的至少一个。

示例4是任何或所有前述示例的农业作业机器，其中，所述信息图包括先验植被指数图，所述先验植被指数图将作为所述第一农业特性的植被指数值映射到所述田地中的不同地理位置。

示例5是任何或所有前述示例的农业作业机器，其中，所述预测模型生成器被配置为确定在所述地理位置处检测到的作物状态与在所述先验植被指数图中的植被指数值中的在所述地理位置处的一个植被指数值之间的关系，所述预测农业模型被配置为接收输入植被指数值作为模型输入，并基于所述确定的关系生成预测的作物状态值作为模型输出。

示例6是任何或所有前述示例的农业作业机器，其中，所述信息图包括播种特性图，所述播种特性图将作为所述第一农业特性的播种特性值映射到所述田地中的不同地理位置。

示例7是任何或所有前述示例的农业作业机器，其中，所述预测模型生成器被配置为确定在所述地理位置处检测到的作物状态与所述播种特性图中的在所述地理位置处的播种特性之间的关系，所述预测农业模型被配置为接收输入播种特性值作为模型输入，并基于所述确定的关系生成预测作物状态值作为模型输出。

示例8是任何或所有前述示例的农业作业机器，其中，所述播种特性包括遗传性茎或杆强度。

示例9是任何或所有前述示例的农业作业机器，其中，播种特性包括对倒伏的遗传易感性。

示例10是任何或所有前述示例的农业作业机器，其中，信息图包括预测图，所述预测图将作为第一农业特性的预测产量或预测生物量值映射到所述田地中的不同地理位置。

示例11是任何或所有前述示例的农业作业机器，其中，预测模型生成器被配置为确定在所述地理位置处检测到的作物状态与所述预测图中的在所述地理位置处的预测产量或预测生物量之间的关系，所述预测农业模型被配置为接收输入产量值或输入生物量值作为模型输入，并基于所述确定的关系生成预测作物状态值作为模型输出。

示例12是一种生成功能预测农业图的计算机实施的方法，所述计算机实施的方法包括：

在农业作业机器处接收信息图，所述信息图指示第一农业特性的与田地中的不同地理位置对应的值；

检测所述农业作业机器的地理位置；

利用现场传感器检测作为与地理位置对应的第二农业特性的作物状态；

生成对所述第一农业特性与所述第二农业特性之间的关系进行建模的预测农业模型；和

控制预测图生成器，以基于所述信息图中的第一农业特性的值和预测农业模型生成所述田地的功能预测农业图，所述功能预测农业图将所述第二农业特性的预测值映射到所述田地中的不同位置。

示例13是任何或所有前述示例的计算机实施的方法，并且还包括：

为控制系统配置功能预测农业图，所述控制系统基于功能预测农业图生成控制信号以控制农业作业机器上的可控子系统。

示例14是任何或所有前述示例的计算机实施的方法，其中，接收信息图包括接收先验植被指数图，所述先验植被指数图将植被指数值作为第一农业特性映射到田地中的不同地理位置。

示例15是任何或所有前述示例的计算机实施的方法，其中，生成预测农业模型包括：

基于在地理位置处检测到的作物状态和在先验植被指数图中的植被指数值中的在所述地理位置处的一个植被指数值，确定植被指数值与作物状态之间的关系；

控制预测模型生成器以基于所确定的关系生成预测农业模型，所述预测农业模型接收输入植被指数值作为模型输入，并生成预测作物状态值作为模型输出。

示例16是任何或所有前述示例的计算机实施的方法，其中，接收信息图包括接收播种特性图，该播种特性图将作为第一农业特性的播种特性值映射到田地中的不同地理位置。

示例17是任何或所有前述示例的计算机实施的方法，其中，生成预测农业模型包括：

基于在所述地理位置检测到的作物状态和播种特性图中的在所述地理位置处的播种特性值，确定播种特性值与作物状态之间的关系；和

控制预测模型生成器，以基于所确定的关系生成预测农业模型，所述预测农业模型接收输入播种特性值作为模型输入，并生成预测作物状态值作为模型输出。

示例18是任何或所有前述示例的计算机实施的方法，其中播种特性值包括种子种植密度值。

示例19是一种农业作业机器，包括：

通信系统，所述通信系统接收先验植被指数图，所述先验植被指数图指示与田地中的不同地理位置对应的植被指数值；

地理位置传感器，所述地理位置传感器检测农业作业机器的地理位置；

现场传感器，所述现场传感器检测与所述地理位置对应的作物状态特性；

预测模型生成器，所述预测模型生成器基于所述先验植被指数图中的在所述地理位置处的植被指数值和由所述现场传感器感测到的在所述地理位置处的作物状态特性生成预测作物状态模型，所述预测作物状态模型对所述第一农业特性值与所述作物状态特性之间的关系进行建模；和

预测图生成器，所述预测图生成器基于所述先验植被指数图中的植被指数值并基于所述预测作物状态模型生成所述田地的功能预测作物状态图，所述功能预测作物状态图将所述预测作物状态值映射到所述田地中的不同位置。

示例20是任何或所有前述示例的农业作业机器，其中，现场传感器包括光学传感器，并且其中地理位置传感器在现场传感器检测到与地理位置对应的作物状态特性之后的给定时间检测地理位置，所述给定时间的长度至少部分地基于机器速度和光学传感器的视野。

尽管已经用特定于结构特征或方法动作的语言描述了主题，但是应当理解的是，在所附权利要求中限定的主题不必限于以上描述的特定特征或动作。相反，以上具体特征和动作是作为权利要求的示例形式而公开的。

Claims (10)

1.一种农业作业机器(100)，包括：

通信系统(206)，所述通信系统接收信息图(258)，所述信息图(258)包括第一农业特性的与田地中的不同地理位置对应的值；

地理位置传感器(204)，所述地理位置传感器检测所述农业作业机器的地理位置；

现场传感器(208)，所述现场传感器检测作为第二农业特性的与所述地理位置对应的作物状态；

预测模型生成器(210)，所述预测模型生成器基于所述信息图(258)中的所述第一农业特性的在所述地理位置处的值和由所述现场传感器(208)感测到的所述第二农业特性的在所述地理位置处的值生成预测农业模型，所述预测农业模型对所述第一农业特性与所述第二农业特性之间的关系进行建模；和

预测图生成器(212)，所述预测图生成器基于所述信息图(258)中的第一农业特性的值并基于所述预测农业模型生成所述田地的功能预测农业图，所述功能预测农业图将所述第二农业特性的预测值映射到所述田地中的所述不同地理位置。

2.根据权利要求1所述的农业作业机器，其中，所述预测图生成器配置所述功能预测农业图以供控制系统使用，所述控制系统基于所述功能预测农业图生成控制信号以控制所述农业作业机器上的可控子系统。

3.根据权利要求1所述的农业作业机器，其中，所述现场传感器生成指示所述作物状态的传感器数据，并且其中所述现场传感器包括：

处理系统，所述处理系统被配置成分析所述传感器数据并确定所述作物状态的取向或幅度中的至少一个。

4.根据权利要求1所述的农业作业机器，其中，所述信息图包括先验植被指数图，所述先验植被指数图将作为所述第一农业特性的植被指数值映射到所述田地中的所述不同地理位置。

5.根据权利要求4所述的农业作业机器，其中，所述预测模型生成器被配置为确定在所述地理位置处检测到的作物状态与在所述先验植被指数图中的植被指数值中的在所述地理位置处的植被指数值之间的关系，所述预测农业模型被配置为接收输入植被指数值作为模型输入，并基于所确定的关系生成预测作物状态值作为模型输出。

6.根据权利要求1所述的农业作业机器，其中，所述信息图包括播种特性图，所述播种特性图将作为所述第一农业特性的播种特性值映射到所述田地中的所述不同地理位置。

7.根据权利要求8所述的农业作业机器，其中，所述预测模型生成器被配置为确定在所述地理位置处检测到的作物状态与所述播种特性图中的在所述地理位置处的播种特性之间的关系，所述预测农业模型被配置为接收输入播种特性值作为模型输入，并基于所确定的关系生成预测作物状态值作为模型输出。

8.根据权利要求7所述的农业作业机器，其中，所述播种特性包括遗传性茎或杆强度或对倒伏的遗传易感性。

9.一种生成功能预测农业图的计算机实施的方法，所述计算机实施的方法包括：

在农业作业机器处接收信息图(258)，所述信息图指示第一农业特性的与田地中的不同地理位置对应的值；

检测所述农业作业机器的地理位置；

利用现场传感器(208)检测作为第二农业特性的与所述地理位置对应的作物状态；

生成对所述第一农业特性与所述第二农业特性之间的关系进行建模的预测农业模型；和

控制预测图生成器(212)，以基于所述信息图(258)中的第一农业特性的值和所述预测农业模型生成所述田地的功能预测农业图，所述功能预测农业图将所述第二农业特性的预测值映射到所述田地中的所述不同位置。

10.一种农业作业机器(100)，包括：

通信系统(206)，所述通信系统接收先验植被指数图(332)，所述先验植被指数图(332)指示与田地中的不同地理位置对应的植被指数值；

地理位置传感器(204)，所述地理位置传感器检测所述农业作业机器的地理位置；

现场传感器(208)，所述现场传感器检测与所述地理位置对应的作物状态特性；

预测模型生成器(210)，所述预测模型生成器基于所述先验植被指数图(332)中的在所述地理位置处的植被指数值和由所述现场传感器(208)感测到的在所述地理位置处的作物状态特性生成预测作物状态模型，所述预测作物状态模型对第一特性值与所述作物状态特性之间的关系进行建模；和

预测图生成器(212)，所述预测图生成器基于所述先验植被指数图(332)中的植被指数值并基于所述预测作物状态模型生成所述田地的功能预测作物状态图，所述功能预测作物状态图将预测作物状态值映射到所述田地中的所述不同位置。

Images