CN114303614A - 图生成和控制系统 - Google Patents
图生成和控制系统 Download PDFInfo
- Publication number
- CN114303614A CN114303614A CN202111156435.1A CN202111156435A CN114303614A CN 114303614 A CN114303614 A CN 114303614A CN 202111156435 A CN202111156435 A CN 202111156435A CN 114303614 A CN114303614 A CN 114303614A
- Authority
- CN
- China
- Prior art keywords
- agricultural
- map
- prediction
- field
- values
- 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.)
- Pending
Links
- 238000012545 processing Methods 0.000 claims description 80
- 239000000463 material Substances 0.000 claims description 47
- 238000004891 communication Methods 0.000 claims description 43
- 238000000034 method Methods 0.000 claims description 40
- 238000013507 mapping Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 description 68
- 230000007246 mechanism Effects 0.000 description 47
- 241000196324 Embryophyta Species 0.000 description 43
- 241001516311 Watermelon virus A Species 0.000 description 39
- 239000002028 Biomass Substances 0.000 description 34
- 230000000875 corresponding effect Effects 0.000 description 33
- 238000004140 cleaning Methods 0.000 description 32
- 238000003306 harvesting Methods 0.000 description 30
- 230000009471 action Effects 0.000 description 28
- 238000010899 nucleation Methods 0.000 description 28
- 230000008569 process Effects 0.000 description 27
- 230000001276 controlling effect Effects 0.000 description 23
- 241001124569 Lycaenidae Species 0.000 description 20
- 230000003993 interaction Effects 0.000 description 20
- 230000008859 change Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 17
- 238000003860 storage Methods 0.000 description 17
- 230000000007 visual effect Effects 0.000 description 16
- 230000004044 response Effects 0.000 description 11
- 238000009826 distribution Methods 0.000 description 10
- 230000033001 locomotion Effects 0.000 description 10
- 239000003550 marker Substances 0.000 description 9
- 230000015572 biosynthetic process Effects 0.000 description 8
- 238000010801 machine learning Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 8
- 230000008094 contradictory effect Effects 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 7
- 238000007726 management method Methods 0.000 description 6
- 238000003786 synthesis reaction Methods 0.000 description 6
- 241000251169 Alopias vulpinus Species 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 5
- 230000036541 health Effects 0.000 description 5
- 238000011065 in-situ storage Methods 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 239000002689 soil Substances 0.000 description 5
- 230000001960 triggered effect Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000005670 electromagnetic radiation Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000010926 purge Methods 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 4
- 235000014698 Brassica juncea var multisecta Nutrition 0.000 description 3
- 235000006008 Brassica napus var napus Nutrition 0.000 description 3
- 240000000385 Brassica napus var. napus Species 0.000 description 3
- 235000006618 Brassica rapa subsp oleifera Nutrition 0.000 description 3
- 235000004977 Brassica sinapistrum Nutrition 0.000 description 3
- 229920000742 Cotton Polymers 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 238000013475 authorization Methods 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000013439 planning Methods 0.000 description 3
- 238000013442 quality metrics Methods 0.000 description 3
- 241000233866 Fungi Species 0.000 description 2
- 240000000111 Saccharum officinarum Species 0.000 description 2
- 235000007201 Saccharum officinarum Nutrition 0.000 description 2
- 241000607479 Yersinia pestis Species 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000003749 cleanliness Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000004459 forage Substances 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000012010 growth Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000008635 plant growth Effects 0.000 description 2
- 238000001314 profilometry Methods 0.000 description 2
- 230000004043 responsiveness Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 210000003813 thumb Anatomy 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 101000822695 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C1 Proteins 0.000 description 1
- 101000655262 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C2 Proteins 0.000 description 1
- 101000655256 Paraclostridium bifermentans Small, acid-soluble spore protein alpha Proteins 0.000 description 1
- 101000655264 Paraclostridium bifermentans Small, acid-soluble spore protein beta Proteins 0.000 description 1
- 229920002472 Starch Polymers 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 239000012773 agricultural material Substances 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 210000003811 finger Anatomy 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 239000000417 fungicide Substances 0.000 description 1
- 239000004009 herbicide Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 239000002917 insecticide Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000009342 intercropping Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000036244 malformation Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003534 oscillatory effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 239000010908 plant waste Substances 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 238000011218 seed culture Methods 0.000 description 1
- 239000004016 soil organic matter Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000009331 sowing Methods 0.000 description 1
- 235000019698 starch Nutrition 0.000 description 1
- 239000008107 starch Substances 0.000 description 1
- 239000010902 straw Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01D—HARVESTING; MOWING
- A01D41/00—Combines, i.e. harvesters or mowers combined with threshing devices
- A01D41/12—Details of combines
- A01D41/127—Control or measuring arrangements specially adapted for combines
- A01D41/1278—Control or measuring arrangements specially adapted for combines for automatic steering
-
- 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
- A01B69/00—Steering of agricultural machines or implements; Guiding agricultural machines or implements on a desired track
-
- 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
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01D—HARVESTING; MOWING
- A01D41/00—Combines, i.e. harvesters or mowers combined with threshing devices
- A01D41/12—Details of combines
- A01D41/127—Control or measuring arrangements specially adapted for combines
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01D—HARVESTING; MOWING
- A01D41/00—Combines, i.e. harvesters or mowers combined with threshing devices
- A01D41/12—Details of combines
- A01D41/127—Control or measuring arrangements specially adapted for combines
- A01D41/1277—Control or measuring arrangements specially adapted for combines for measuring grain quality
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Radar, Positioning & Navigation (AREA)
- Environmental Sciences (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Soil Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
通过农业作业机器来获得一个或更多个信息图。所述一个或更多个信息图将一个或更多个农业特性值映射在田地的不同地理位置处。所述农业作业机器上的现场传感器在所述农业作业机器移动通过所述田地时感测农业特性。预测图生成器基于所述一个或更多个信息图中的值与由所述现场传感器感测的农业特性之间的关系来生成预测图,所述预测图预测所述田地中的不同位置处的预测农业特性。所述预测图可以被输出并用于自动化机器控制。
Description
技术领域
本说明书涉及农业机器、林业机器、建筑机器和草皮管理机器。
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、自推进式饲料收割机和割晒机。一些收割机还可以安装有不同类型的割台,以收割不同类型的作物。
上文的论述仅针对一般的背景信息而提供,并且不旨在用于帮助确定要求保护的主题的范围。
发明内容
通过农业作业机器来获得一个或更多个信息图。所述一个或更多个信息图将一个或更多个农业特性值映射在田地的不同地理位置处。所述农业作业机器上的现场传感器在所述农业作业机器移动通过所述田地时感测农业特性。预测图生成器生成预测图,所述预测图基于所述一个或更多个信息图中的值与由所述现场传感器感测的农业特性之间的关系来预测所述田地中的不同位置处的预测农业特性。所述预测图可以被输出并用于自动化机器控制。
提供本发明内容是为了以简化的形式介绍将在以下具体实施方式中进一步描述的概念的选择。本发明内容不意图识别所要求保护的主题的关键特征或必要特征,也不意图用于限制所要求保护的主题的范围的目的。要求保护的主题不限于解决背景技术中指出的任何或所有缺点的示例。
附图说明
图1是联合收割机的一个示例的部分绘画的、部分示意性的示图。
图2是更详细地示出根据本公开的一些示例的农业收割机的一些部分的框图。
图3A至图3B(在本文中被共同称为图3)示出了说明在生成图时农业收割机的操作的示例的流程图。
图4A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4B是更详细地示出预测模型生成器的一个示例的框图。
图5是示出了在接收先验信息图、用现场传感器检测特性以及生成用于呈现农业收割机或用于控制收割操作期间的农业收割机的功能预测图时农业收割机的操作的示例的流程图。
图6是控制区生成器的一个示例的框图。
图7是示出控制区生成器的操作的一个示例的框图。
图8是使用控制区的操作的一个示例的流程图。
图9是操作者界面控制器的一个示例的框图。
图10是示出操作者界面控制器的操作的一个示例的流程图。
图11是用户界面显示器的一个示例的插图。
图12示出了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13至图15示出了可以在农业收割机中使用的移动装置的示例。
图16是示出了可以在农业收割机中使用的计算环境的一个示例的框图。
具体实施方式
为了促进对本公开的原理的理解,现在将参考本文中描述且附图中示出的示例,并且将用特定的语言来描述所述示例。然而,将理解,不旨在限制本公开的范围。对所描述的装置、系统、方法的任何变更和另外的修改,以及本公开的原理的任何另外的应用,都被完全预想到,如本公开相关领域技术人员通常想到的。特别地,完全预想到,关于一个示例描述的特征、部件和/或步骤可以与关于本公开的其它示例描述的特征、部件和/或步骤进行组合。
本说明书涉及使用与农业操作同时获取的现场数据,结合先前的数据,以生成预测图。
在一些示例中,预测图可以被用于控制农业作业机器,诸如农业收割机。如上文论述的,在不同条件下,农业收割机的性能可能劣化或以其它方式受到影响。例如,基于正在被收割的作物的籽粒大小,或正在被收割的作物的穗(ear)、穗头(head)、果荚(pod)的特性(EHP特性),收割机(或其它农业机器)的性能可能受到不利影响。如本文中使用的,籽粒大小可以包括籽粒的各种大小特性,诸如直径(诸如截面宽度)、重量、长度、质量、密度、体积,以及各种其它大小特性或尺寸。EHP特性可以包括而不限于这样的事物:籽粒、穗、穗轴、穗头或果荚的畸形;籽粒、穗、穗轴、穗头或果荚中的病害;和籽粒、穗、穗轴、穗头或果荚的损伤以及EHP的大小特性,诸如直径(诸如截面宽度)、重量、长度、质量、密度、体积,以及各种其它大小特性或尺寸。筛网、谷壳筛、清粮风扇、转子和凹板的设置可以基于籽粒大小或EHP特性而不同。
在一些示例中,预测生物量图可以被用于控制农业作业机器,诸如农业收割机。如本文中使用的,生物量指的是在给定面积或位置中地上植被材料的量。经常根据重量来测量所述量,所述重量例如是每给定面积的重量(诸如吨每英亩)。各种特性可以指示生物量(在本文中指的是生物量特性)并且可以被用于预测感兴趣的田地上的生物量。例如,生物量特性可以包括各种作物特性,诸如作物高度(作物在田地的表面上方的高度)、作物密度(给定间隔的作物物质的量,其可以从作物质量和作物体积导出)、作物质量(诸如作物的重量或作物成分的重量)、或作物体积(给定面积或位置中的多少被作物占据,即作物占据或包含的空间)。在另一示例中,生物量特性可以包括农业收割机的各种机器特性,诸如机器设置或操作特性。例如,用于驱动农业收割机的脱粒转子的力(诸如流体压力或扭矩)可以指示生物量。
当农业收割机接合田地的具有生物量变化的区域时,农业收割机的性能可能受到影响。例如,如果农业收割机的机器设置基于预期或期望的吞吐量来设置,则生物量变化可能使吞吐量变化,并且因而,机器设置对于植被(包括作物)的有效处理可能不是最佳的。如上文提到的,操作者可以尝试预测机器前方的生物量。另外,一些系统(诸如反馈控制系统)反应性地调整农业收割机的前进地面速度以试图保持期望的生产量。这可以通过尝试基于(诸如来自感测指示生物量的变量的传感器的)传感器输入而标识生物量来完成。然而,这样的布置可能易于发生错误并且可能太慢而难以对即将到来的生物量改变做出反应以便有效地变更机器的操作从而(诸如通过改变收割机的前进速度来)控制吞吐量。例如,这样的系统典型地是反应性的(reactive),因为仅在植被已经被机器遇到之后才进行对机器设置的调整以尝试减小(诸如反馈控制系统中的)进一步的错误。
植被指数图示例性地映射了横跨感兴趣的田地中的不同地理位置的植被指数值(所述植被指数值可以指示植物生长)。植被指数的一个示例包括归一化植被指数(NDVI)。存在许多其它植被指数,这些其它植被指数在本公开的范围内。在一些示例中,植被指数可以根据由植物反射的一个或更多个电磁辐射带的传感器读数来导出。不受限制地,这些电磁辐射带可以在电磁谱的微波、红外、可见光或紫外部分中。
植被指数图可以被用于标识植被的存在和位置。在一些示例中,植被指数图使作物能够在裸土、作物残留物或其它植物(诸如杂草)存在的情况下被标识和地理参考。在其它示例中,植被指数图能够检测横跨感兴趣的田地中的不同地理位置的各种作物特性,诸如作物生长和作物健康或活力。
种子基因型图映射种植在田地中的不同位置处的种子的特定基因型。种子基因型图可以通过种植者或通过机器来生成,从而执行后续操作,诸如具有检测植物基因型的光学检测器的喷雾器。
预测产量图包括地理参考预测产量值。
预测杂草图包括地理参考预测杂草强度值或杂草类型值中的一者或更多者。杂草强度值可以包括但不限于杂草种群、杂草生长阶段、杂草大小、杂草生物量、杂草湿度或杂草健康情况中的至少一者。
播种图说明性地映射横跨感兴趣的田地中的不同地理位置的播种特性。这些播种图典型地从田地上的过去的种子种植操作来收集。在一些示例中,播种图可以从在种植种子时由播种机使用的控制信号来导出,或从传感器来导出,所述传感器诸如为确认种子被传递至由播种机生成的犁沟。播种机可以包括对种子被种植的位置进行地理定位的地理位置传感器以及生成田地的地形信息的地形传感器。例如,地形传感器可以包括GPS、激光水平仪、倾斜仪/里程计对、本地无线电三角测量(仪)以及用于生成地形信息的各种其它系统。在先前的种子种植操作期间生成的信息可以被用于确定各种播种特性,诸如位置(例如,所种植的种子在田地中的地理位置)、间隔(例如,单独的种子之间的间隔、种子行之间的间隔,或这两者)、种群(其可以从间隔特性导出)、种子取向(例如,沟槽中的种子取向或种子行的取向)、深度(例如,种子深度或犁沟深度)、尺寸(诸如种子大小)或基因型(诸如种子种类、种子杂交种、种子栽培种等)。也可以确定各种其它播种特性。在一些示例中,播种图可以包括与其中放置有种子的种床有关的信息,诸如土壤湿度、土壤温度、土壤成分(诸如土壤有机质)。
代替来自先前操作的数据或除了来自先前操作的数据之外,可以基于来自第三方的数据来生成播种图上的各种播种特性,所述第三方诸如为提供用于种子种植操作的种子的第三方种子供应商。这些第三方可以包括指示各种播种特性的各种数据,所述各种播种特性例如为尺寸数据(诸如种子大小)或基因型数据(诸如种子种类、种子杂交种、种子品种或种子栽培种)。另外,种子供应商可以提供与每种不同的种子基因型的所得到的植物的特定植物特性有关的各种数据。例如,与植物生长(诸如秸秆直径、穗大小、植物高度、植物质量等),植物对天气条件的反应,植物对施用物质(诸如除草剂、杀菌剂、农药、杀虫剂、肥料)的反应,植物对害虫、真菌、杂草、病害等的反应,以及任意数量的其它植物特性有关的数据。应注意,植物反应数据可以包括指示植物对各种条件和特性的抗性,例如植物对施用物质的抗性,植物对天气条件的抗性,植物对害虫、真菌、杂草、病害等以及植物电阻至各种其它条件或特性的抗性,以及植物对各种其它条件或特性的抗性。
替代来自先前操作或来自第三方的数据,或除了来自先前操作或来自第三方的数据之外,播种图上的各种播种特性可以基于各种用户或操作者输入数据(例如指示各种播种特性的操作者或用户输入数据)来生成,所述各种播种特性诸如为位置、深度、取向、间隔、尺寸、基因型以及各种其它播种特性。
在一些示例中,播种图可以根据由种子或种床反射的一个或更多个电磁辐射带的传感器读数来导出。不受限制地,这些电磁辐射带可以位于电磁谱的微波、红外、可见光或紫外部分中。
参照这样的系统继续进行本论述:所述系统接收播种图、植被指数图、产量图、生物量图、另一图中的至少一个或更多个并且还使用现场传感器来检测指示在收割操作期间的EHP特性或籽粒大小中的一者或更多者的值。所述系统生成对从先验信息图导出的特性与来自现场传感器的输出值之间的一个或更多个关系进行建模的模型。一个或更多个模型被用于基于一个或更多个先验信息图来生成功能预测图,所述功能预测图预测特性,诸如由一个或更多个现场传感器或相关特性所感测的在田地中的不同地理位置处的特性。在收割操作期间所生成的功能预测图在收割操作期间可以被用于自动地控制收割机。例如,功能预测图可以被用于控制筛网、谷壳筛、清粮风扇、脱粒转子和凹板。功能预测图同样还可以被提供给操作者或另一用户。
图1是自推进式农业收割机100的部分绘画的、部分示意性的示图。在示出的示例中,农业收割机100是联合收割机。另外,虽然在整个本公开中联合收割机被作为示例提供,但是将理解,本说明书还适用于其它类型的收割机,诸如棉花收割机、甘蔗收割机、自推进式饲料收割机、割晒机或其它农业作业机器。因此,本公开旨在涵盖所描述的各种类型的收割机,并且因而不限于联合收割机。此外,本公开涉及可以适用于生成预测图的其它类型的作业机器(诸如农业播种机和喷雾器)、建筑装备、林业装备和草皮管理装备。因此,本公开旨在涵盖这些各种类型的收割机和其它作业机器,并且因而不限于联合收割机。
如图1中示出的,农业收割机100示例性地包括操作者驾驶室101,所述操作者驾驶室101可以具有各种不同的操作者界面机构,以控制农业收割机100。农业收割机100包括一组前端设备,诸如割台102和通常被指示为104的切割器。农业收割机100还包括进料器壳体106、进料加速器108和通常被指示为110的脱粒机。进料器壳体106和进料加速器108形成物料处理子系统125的一部分。割台102沿枢转轴线105被可枢转地耦接至农业收割机100的框架103。一个或更多个致动器107驱动割台102沿大致由箭头109指示的方向绕轴线105的移动。因而,割台102高于地面111的竖直位置(割台高度)是可通过对致动器107进行致动而被控制的,割台102在所述地面111上行进。虽然图1中未示出,但是农业收割机100还可以包括一个或更多个致动器,所述一个或更多个致动器操作以向割台102或割台102的各部分施加倾斜角、翻滚角或倾斜角和翻滚角两者。倾斜指的是切割器104与作物接合的角度。例如,通过控制割台102以使切割器104的远侧边缘113更指向地面,来增大倾斜角。通过控制割台102以使切割器104的远侧边缘113指向更远离地面,来减小倾斜角。翻滚角指的是割台102围绕农业收割机100的前后纵向轴线的取向。
脱粒机110示例性地包括脱粒转子112和一组凹板114。另外,农业收割机100还包括分离器116。农业收割机100还包括清粮子系统或清粮器(共同地被称为清粮子系统118),所述清粮子系统或清粮器包括清粮风扇120、谷壳筛122和筛网124。材料处理子系统125还包括卸料搅拌器126、尾料升运器128、干净谷物升运器130以及卸载螺旋输送器134和喷口136。干净谷物升运器将干净谷物移动到干净谷物箱132中。农业收割机100还包括残留物子系统138,所述残留物子系统138可以包括切碎机140和散布机142。联合收割机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(诸如轮或履带)的发动机。在一些示例中,本公开的范围内的联合收割机可以具有上文提到的任何子系统中的一个以上的子系统。在一些示例中,农业收割机100可以具有左右清粮子系统、分离器等,其在图1中未示出。
在操作中,并且通过概述的方式,农业收割机100示例性地沿由箭头147指示的方向移动通过田地。当农业收割机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收集作物。农业收割机100的操作者可以是本地的人类操作者、远程的人类操作者或自动化系统。农业收割机100的操作者可以确定割台102的高度设置、倾斜角设置或翻滚角设置中的一者或更多者。例如,操作者向控制致动器107的控制系统输入一个或多个设置,所述控制系统在下文中更详细地描述。控制系统还可以接收来自操作者的设置以建立割台102的倾斜角和翻滚角,并且通过控制操作以改变割台102的倾斜角和翻滚角的相关联的致动器(未示出)来实现所输入的设置。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,且在适用的情况下将割台102保持处于期望的倾斜角和翻滚角。所述高度设置、翻滚设置和倾斜设置中的每个设置都可以独亨于其它设置来实现。控制系统以基于灵敏度水平确定的响应性来对割台误差(例如,高度设置与所测得的割台102在地面111上方的高度之间的差异,以及在一些示例中,倾斜角误差和翻滚角误差)做出响应。如果灵敏度水平被设置为较高的灵敏度水平,则控制系统对较小的割台位置误差做出响应,并且尝试比灵敏度处于较低的灵敏度水平时更快地减小所检测到的误差。
返回至对农业收割机100的操作的描述,在作物被切割器104切割之后,切断的作物物料在进料器壳体106中通过输送机朝着进料加速器108移动,所述进料加速器108使作物物料加速进入脱粒机110中。通过转子112使作物抵靠凹板114转动,来对作物物料进行脱粒。脱粒后的作物物料通过分离器116中的分离器转子来移动,其中一部分残留物通过卸料搅拌器126朝向残留物子系统138移动。被传递至残留物子系统138的残留物部分被残留物切碎机140切碎并且被散布机142散布在田地上。在其它配置中,残留物成堆地从农业收割机100排出。在其它示例中,残留物子系统138可以包括杂草种子消除器(未示出),诸如种子装袋机或其它种子收集器,或种子压碎机或其它种子破坏器。
谷物降落至清粮子系统118。谷壳筛122从谷物分离出一些较大的物料块,并且筛网124从干净谷物分离出一些较细的物料块。干净谷物降落至使谷物移动至干净谷物升运器130的入口端的螺旋输送器,并且干净谷物升运器130向上移动干净谷物,从而将干净谷物沉积在干净谷物箱132中。通过由清粮风扇120生成的气流,从清粮子系统118去除残留物。清粮风扇120引导空气沿气流路径向上通过筛网和谷壳筛。气流将残留物在农业收割机100中向后朝着残留物处理子系统138输送。
尾料升运器128将尾料返回至脱粒机110,在脱粒机110中尾料被再脱粒。替代地,尾料也可以通过尾料升运器或另一传输装置被运送至单独的再脱粒机构,在所述单独的再脱粒机构中尾料也被再脱粒。
图1还示出了,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耗传感器148、干净谷物相机150、前视图像捕获机构151(其可以呈立体相机或单目相机的形式)以及设置在清粮子系统118中的一个或更多个损耗传感器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(诸如轮或履带)、驱动轴、车轴或其它部件的转动速度,来感测农业收割机100的行进速度。在一些情况下,行进速度也可以使用定位系统来感测,所述定位系统诸如是全球定位系统(GPS)、航位推算系统、长距离导航(LORAN)系统、多普勒效应速度传感器或者提供对行进速度的指示的各种各样的其它系统或传感器。地面速度传感器146还可以包括方向传感器,诸如罗盘、磁力仪、重力传感器、陀螺仪、GPS推导,以结合速度来确定二维或三维的行进方向。以这种方式,当农业收割机100位于斜坡上时,农业收割机100相对于斜坡的取向被知晓。例如,农业收割机100的取向可以包括沿斜坡上升、下降或横向行进。当在本公开中提到时,机器或地面速度还可以包括二维或三维行进方向。
损耗传感器152示例性地提供了指示在清粮子系统118的左右两侧发生的谷物损耗量的输出信号。在一些示例中,传感器152是击打传感器打击传感器,其对每单位时间或每单位行进距离的谷物击打进行计数,以提供在清粮子系统118处发生的谷物损耗的指示。清粮子系统118的右侧和左侧的击打传感器可以提供单独的信号,也可以提供组合或集合信号。在一些示例中,与为每个清粮子系统118提供单独的传感器相反,传感器152可以包括单个传感器。
分离器损耗传感器148提供了指示左、右分离器(在图1中未单独示出)中的谷物损耗的信号。分离器损耗传感器148可以与左、右分离器相关联,并且可以提供单独的谷物损耗信号、或者组合或集合信号。在一些情况下,感测分离器中的谷物损耗同样也可以使用各种各样的不同类型的传感器来执行。
农业收割机100还可以包括其它传感器和测量机构。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;稳定传感器,其感测农业收割机100的振荡或颠簸运动(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、生成料堆等;清粮器风扇速度传感器,其感测风扇120的速度;凹板间隙传感器,其感测转子112与凹板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;谷物之外的物料(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,其被配置成感测农业收割机100的各种可配置的设置;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、作物湿度和其它作物性质。作物性质传感器还被配置成在农业收割机100正在处理作物物料时感测切断的作物物料的特性。例如,在一些情况下,作物性质传感器可以感测:谷物品质,诸如破裂的谷物、MOG水平;谷物成分,诸如淀粉和蛋白质;以及当谷物行进通过进料器壳体106、干净谷物升运器130或农业收割机100中的其它地方时的谷物进料速率。作物性质传感器还可以感测生物量通过进料器壳体106、通过分离器116或农业收割机100中的其它地方的进料速率。作物性质传感器还可将进料速率感测为谷物通过升运器130或通过农业收割机100的其它部分的质量流速,或者提供指示其它所感测到的变量的其它输出信号。内部物料分配传感器可以感测农业收割机100内的物料分配。
用于检测或感测功率特性的传感器的示例包括但不限于电压传感器、电流传感器、扭矩传感器、液压压力传感器传感器、液压流量感器、力传感器、轴承载荷传感器和转动传感器。可以在变化的粒度水平下测量功率特性可以被测量。例如,可以在感测的机器范围内、子系统范围内或通过子系统的单独的部分来感测功率使用。
用于检测穗、穗头、或果荚特性(EHP特性)或籽粒大小中的一者或更多者的传感器的示例包括但不限于相机、电容传感器、压电片、电磁或超声飞行时间反射型传感器、信号衰减传感器、重量或质量传感器、物料流传感器等中的一者或更多者。这些传感器可以被放置在农业收割机100中的一个或更多个部位处以感测在农业收割机100的操作期间物料在农业收割机100中的分配。
用于检测或感测农业收割机100的俯仰或翻滚的传感器的示例包括加速度计、陀螺仪、惯性测量单元、重力传感器、磁力仪等。这些传感器还可以指示农业收割机100当前所处的地势的坡度。
作物处理系统包括处理作物及其成分的系统,所述作物处理系统可以基于农业收割机是否是联合收割机、自推进饲料收割机、甘蔗收获机、棉花收割机、干草收割机、木材收割机或其它收割机来变化。由作物处理系统执行的功能包括将植物物料与根分离、将植物物料与茎分离、将期望的物料与不期望的物料分离、将物料切割成一定大小和聚集物料中的一种或更多种。在联合收割机中,在一些示例中,作物处理系统可以包括而不限于脱粒转子112、凹板114、筛网124、谷壳筛122和清粮风扇120中的一者或更多者。
在描述农业收割机100如何生成功能预测图且将所述功能预测图用于控制之前,将首先描述农业收割机100上的一些物件及其操作的简要说明。对图2和图3的说明描述了接收一般类型的先验信息图以及将来自所述先验信息图的资讯与由现场传感器生成的地理参考传感器信号进行组合,其中传感器信号可以指示收割的物料的特性。收割的物料可以包括籽粒、果荚、穗头和穗。传感器信号可以指示农业特性,例如田地中的特性、作物特性、谷物的特性或农业收割机100的特性中的一者或更多者。“田地”的特性可以包括但不限于诸如坡度、杂草强度、杂草类型、土壤湿度、表面质量之类的田地的特性。作物性质的特性可以包括但不限于籽粒大小、EHP特性、作物高度、作物湿度、谷物质量、作物密度和作物状态。谷粒的特性可以包括但不限于谷物湿度、谷物大小、谷物测试重量;并且农业收割机100的特性可以包括但不限于取向、损耗水平、工作质量、燃料消耗、内部分配、尾料特性和功率利用率。从现场传感器信号获得的特性值与先验信息图值之间的关系被标识,并且所述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,并且一个或更多个那些值可以被用于控制机器。在一些情况下,功能预测图可以被呈现给用户,诸如农业作业机器的操作者,所述农业作业机器可以是农业收割机。功能预测图可以以视觉方式(诸如通过显示器)、以触觉方式或以听觉方式被呈现给用户。用户可以与功能预测图交互以执行编辑操作和其它用户界面操作。在一些情况下,功能预测图既可以被用于控制农业作业机器(诸如农业收割机)、呈现给操作者或其它用户,也可以被用于呈现给操作者或用户以便于操作者或用户交互。
在参照图2和图3描述了总体方法之后,参照图4和图5描述用于生成功能预测图的更具体的方法,所述功能预测速度图可以呈现给操作者或用户、或用于控制农业收割机100,或既呈现给操作者或用户又用于控制农业收割机100。此外,虽然继续针对农业收割机(并且特别是联合收割机)进行本论述,但是本公开的范围涵盖其它类型的农业收割机或其它农业作业机器。
图2是示出了示例农业收割机100的一些部分的框图。图2示出了,农业收割机100示例性地包括一个或更多个处理器或服务器201、数据存储器202、地理位置传感器204、通信系统206、和一个或更多个现场传感器208,所述一个或更多个现场传感器208与收割操作同时地感测一个或更多个农业特性。农业特性可以包括可能对收割操作有影响的任何特性。农业特性的一些示例包括农业收割机、田地、田地上的植物和天气的特性。还包括其它类型的农业特性。现场传感器208生成与所感测到的特性相对应的值。农业收割机100还包括预测模型或关系生成器(在下文中被共同地称为“预测模型生成器210”)、预测图生成器212、控制区生成器213、控制系统214、一个或更多个可控子系统216以及操作者界面机构218。农业收割机100还可以包括各种各样其它农业收割机功能220。例如,现场传感器208包括机载传感器222、远程传感器224和在农业操作的过程期间感测特性的其它传感器226。预测模型生成器210示例性地包括先前的信息变量对现场变量的模型生成器(a priorinformation variable-to-in-situ variable model generator)228,并且预测模型生成器210可以包括其它物件230。控制系统214包括通信系统控制器229、操作者界面控制器231、设定控制器232、路径规划控制器234、进料速率控制器236、割台和拨禾轮控制器238、输送带控制器240、台面板位置控制器242、残留物系统控制器244、机器清粮控制器245、区控制器247,并且系统214可以包括其它物件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、机器清粮子系统254,并且子系统216可以包括各种各样其它子系统256。
图2还示出,农业收割机100可以接收先验信息图258。如下文描述的,先验信息图258包括例如来自田地中的先前操作的图,诸如无人操纵或有人操纵的飞行器或另一陆上车辆。先验信息图258可以包括播种图、植被指数(VI)图/产量图/生物量图/杂草图或另一图中的一者或更多者。然而,先前的图信息还可以涵盖在收割操作之前获得的其它类型的数据或来自先前操作的图。图2还示出了,操作者260可以操作农业收割机100。操作者260与操作者界面机构218交互。在一些示例中,操作者界面机构218可以包括操纵杆、杠杆、方向盘、连杆机构、踏板、按钮、刻度盘、键盘、用户界面显示装置上的用户可致动元件(诸如图标、按钮等)、麦克风和扬声器(其中设置有语音识别和语音合成)、以及各种各样其它类型的控制装置。在提供触敏显示系统的情况下,操作者260可以使用触摸手势与操作者界面机构218交互。上文中描述的这些示例作为说明性示例被提供并且不旨在限制本公开的范围。因此,其它类型的操作者界面机构218可以被使用并且在本公开的范围内。然而,先前的图信息还可以涵盖在收割操作之前获得的其它类型的数据或来自先前操作的图。图2还示出了,操作者260可以操作农业收割机100。操作者260与操作者界面机构218交互。在一些示例中,操作者界面机构218可以包括操纵杆、杠杆、方向盘、连杆机构、踏板、按钮、刻度盘、键盘、用户界面显示装置上的用户可致动元件(诸如图标、按钮等)、麦克风和扬声器(其中设置有语音识别和语音合成)、以及各种各样其它类型的控制装置。在提供触敏显示系统的情况下,操作者260可以使用触摸手势与操作者界面机构218交互。上文中描述的这些示例作为说明性示例被提供并且不旨在限制本公开的范围。因此,其它类型的操作者界面机构218可以被使用并且在本公开的范围内。
先验信息图258可以使用通信系统206或以其它方式被下载到农业收割机100上并且储存在数据存储器202中。在一些示例中,通信系统206可以是蜂窝通信系统、用于在广域网或局域网上通信的系统、用于在近场通信网络上通信的系统、被配置成在各种其它网络中的任一网络上或在各网络的组合上通信的通信系统。通信系统206还可以包括这样的系统,所述系统便于将信息下载或传递至安全数字(SD)卡或通用串行总线(USB)卡或安全数字(SD)卡和通用串行总线(USB)卡两者以及从安全数字(SD)卡或通用串行总线(USB)卡或安全数字(SD)卡和通用串行总线(USB)卡两者下载或传递信息。
地理位置传感器204示例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可以包括但不限于全球导航卫星系统(GNSS)接收器,所述全球导航卫星系统(GNSS)接收器接收来自GNSS卫星发射机的信号。地理位置传感器204还可以包括实时运动学(RTK)部件,所述实时运动学(RTK)部件被配置成提高从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它地理位置传感器中的任一种。
现场传感器208可以是上文参照图1描述的传感器中的任一传感器。现场传感器208包括机载传感器222,所述机载传感器222被机载地安装在农业收割机100上。这样的传感器可以包括例如速度传感器(例如,GPS、速度计或罗盘)、位于农业收割机100内的图像传感器(诸如被安装成用于标识农业收割机100中(例如残留物子系统中或清粮系统中)的物料分配、籽粒大小或EHP特性中的一者或更多者的一个或多个干净谷物相机)、或其它籽粒大小传感器或EHP特性传感器。现场传感器208还包括捕获现场信息的远程现场传感器224。现场数据包括从收割机上的传感器获取的数据或由在收割操作期间检测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感测的值与由先验信息图258映射至田地的特性之间的关系的模型。例如,如果先验信息图258将产量特性映射至田地中的不同位置,并且现场传感器208感测指示籽粒大小的值,则先前的信息变量对现场变量的模型生成器228生成对产量特性与籽粒大小之间的关系进行建模的预测模型。预测机器模型还可以基于来自一个或更多个先验信息图258的特性以及由现场传感器208所生成的一个或更多个现场数据值来生成。然后,预测图生成器212使用由预测模型生成器210生成的预测模型以基于先验信息图258来生成功能预测图,所述功能预测图263预测由现场传感器208所感测的在田地中的不同位置处的特性(诸如籽粒大小或EHP特性)的值。
在一些示例中,功能预测图263中的值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中的值的类型与由现场传感器208感测的数据可以具有不同的单位。在一些示例中,功能预测图263中的值的类型可以不同于由现场传感器208感测的数据类型,但是与由现场传感器208感测的数据类型的类型有关系。例如,在一些示例中,由现场传感器208感测的数据类型可以指示功能预测图263中的值的类型。在一些示例中,功能预测图263中的数据类型可以不同于先验信息图258中的数据类型。在一些情况下,功能预测图263中的数据类型与先验信息图258中的数据可以具有不同的单位。在一些示例中,所述功能预测图263中的数据类型可以不同于先验信息图258中的数据类型,但是与先验信息图258中的数据类型有关系。例如,在一些示例中,先验信息图258中的数据类型可以指示功能预测图263中的数据类型。在一些示例中,功能预测图263中的数据类型不同于由现场传感器208感测的现场数据类型和先验信息图258中的数据类型中的一者或两者。在一些示例中,功能预测图263中的数据类型与由现场传感器208感测的现场数据类型和先验信息图258中的数据类型中的一者或两者相同。在一些示例中,功能预测图263中的数据类型与由现场传感器208感测的现场数据类型或先验信息图258中的数据类型中的一者相同,与另一者不同。
预测图生成器212可以使用先验信息图258中的特性以及由预测模型生成器210所生成的模型,来生成功能预测图263,所述功能预测图263预测在田地中的不同位置处的特性。因而,预测图生成器212输出预测图264。
如图2中示出的,预测图264基于先验信息图258中在横跨田地的各个位置处的先前的信息值并使用预测模型来预测在那些位置处的所感测(由现场传感器208感测)的特性的值、或与所感测的特性有关的特性。例如,如果预测模型生成器210已经生成了指示产量特性与籽粒大小之间的关系的预测模型,则在给定了横跨田地的不同位置处的产量特性的情况下,预测图生成器212生成预测横跨田地的不同位置处的籽粒大小的值的预测图264。从产量图获得的在那些位置处的产量特性、以及从预测模型获得的产量特性与籽粒大小之间的关系被用于生成预测图264。预测籽粒大小可以由控制系统使用以调整例如筛网和谷壳筛开口、转子操作、凹板间隙或清粮风扇速度中的一者或更多者。
现在将描述在先验信息图258中映射的数据类型、由现场传感器208感测的数据类型、以及预测图264上预测的数据类型中的一些变化。这些仅是图示所述数据类型可以相同或不同的示例。
在一些示例中,先验信息图258中的数据类型不同于由现场传感器208感测的数据类型,而预测图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,先验信息图258可以是地形图,并且由现场传感器208感测的变量可以是谷粒质量特性。然后,预测图264可以是将预测的机器特性值映射至田地中的不同地理位置的预测机器图。
此外,在一些示例中,先验信息图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先验信息图258中的数据类型和由现场传感器208感测的数据类型这两者。例如,先验信息图258可以是地形图,并且由现场传感器208感测的变量可以是机器俯仰/翻滚。然后,预测图264可以是将预测的内部分配值映射至田地中的不同地理位置的预测内部分配图。
在一些示例中,根据通过田地的先前操作来生成先验信息图258,并且数据类型不同于由现场传感器208感测的数据类型,而预测图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,先验信息图258可以是在种植期间生成的种子基因型图,并且由现场传感器208感测的变量可以是损耗。然后,预测图264可以是将预测的谷物损耗值映射至田地中的不同地理位置的预测损耗图。在另一示例中,先验信息图258可以是播种基因型图,并且由现场传感器208感测的变量可以是作物状态,诸如站立的作物或倒下的作物。然后,预测图264可以是将预测的作物状态值映射至田地中的不同地理位置的预测作物状态图。
在一些示例中,根据通过田地的先前操作来生成先验信息图258,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,先验信息图258可以是在上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。然后,预测图264可以是将预测的产量值映射至田地中的不同地理位置的预测产量图。在这样的示例中,地理参考的先验信息图258与上一年的相对产量差可以由预测模型生成器210使用,以生成对先验信息图258上的相对产量差与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。然后,预测模型由预测图生成器210使用以生成预测产量图。
在一些示例中,预测图264可以被提供给控制区生成器213。控制区生成器213将预测图264上的连续的单独的点数据值分组到控制区中。控制区可以包括区域(诸如田地)的两个或更多个连续部分,对于所述两个或更多个连续部分,与用于控制可控子系统的控制区相对应的控制参数是恒定的。例如,用于改变可控子系统216的设置的响应时间可能不足以对包含在图(诸如预测图264)中的值的改变做出令人满意的响应。在那种情况下,控制区生成器213解析所述图并标识具有限定尺寸以适应可控子系统216的响应时间的控制区。在另一示例中,控制区可以被设置尺寸以减少由于连续调整所引起的过度的致动器移动所造成的磨损。在一些示例中,对于每个可控子系统216或对于成组的可控子系统216,可以存在不同组的控制区。控制区可以被添加至预测图264以获得预测控制区图265。因而,除了预测控制区图265包括限定控制区的控制区信息之外,预测控制区图265可以类似于预测图264。因而,如本文中描述的功能预测图263可以包括或不包括控制区。预测图264和预测控制区图265两者均是功能预测图263。在一个示例中,功能预测图263不包括控制区,诸如预测图264。在另一示例中,功能预测图263包括控制区,诸如预测控制区图265。在一些示例中,如果实施间作生产系统,则多个作物可以同时存在于田地中。在那种情况下,预测图生成器212和控制区生成器213能够标识两种或更多种作物的位置和特性,然后相应地生成预测控制区图265和预测图264。
还将理解,控制区生成器213可以将值聚类以生成控制区,并且控制区可以被添加至预测控制区图265或仅示出所生成的控制区的分立的图。在一些示例中,控制区可以仅被用于控制和/或校准农业收割机100。在其它示例中,控制区可以被呈现给操作者260并且被用于控制或校准农业收割机100,并且在其它示例中,控制区可以仅被呈现给操作者260或另一用户、或被存储以供稍后使用。
预测图264或预测控制区图265或这两者被提供给控制系统214,控制系统214基于预测图264或预测控制区图265或这两者来生成控制信号。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或预测控制区图265或者将基于预测图264或预测控制区图265的控制信号通信给正在同一田地中进行收割的其它农业收割机。在一些示例中,通信系统控制器229控制通信系统206以将预测图264、预测控制区图265或这二者发送到其它远程系统。
在一些示例中,预测图264可以被提供给路线/任务生成器267。路线/任务生成器267基于预测图264来绘制农业收割机100在在收割操作期间行进的行进路径。行进路径同时还可以包括与沿行进路径的位置相对应的机器控制设置。例如,如果行进路径沿小山上升,则在沿小山上升之前的点处,行进路径可以包括对将功率引导至推进系统的指示的控制,以保持农业收割机100的速度或进料速率。在一些示例中,路线/任务生成器267针对多个不同的行进路线来分析农业收割机100的不同取向和预测的机器特性(即,根据预测图264来预测取向以预测将会生成的机器特性),并选择具有期望结果(诸如,快的收割时间或期望的功率利用率或物料分配均一性)的路线。
操作者界面控制器231可操作以生成用于控制操作者界面机构218的控制信号。操作者界面控制器231还可操作以将预测图264或预测控制区图265或者将从或基于预测图264、预测控制区图265或这二者推导出的其它信息呈现给操作者260。操作者260可以是本地操作者或远程操作者。作为示例,控制器231生成控制信号以控制显示机构为操作者260显示预测图264和预测控制区图265中的一者或二者。控制器231可以生成操作者可致动机构,所述操作者可致动机构被显示并且可以被所述操作者致动以与所显示的图交互。例如,操作者可通过基于操作者的观察以校正显示在图上的功率利用率来编辑该图。设定控制器232可以基于预测图264、预测控制区图265或这两者来生成控制信号,以控制对农业收割机100的各种设置。例如,设定控制器232可以生成用于控制机器和割台致动器248的控制信号。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、凹板间隙、脱粒转子设置、清粮风扇速度设置、割台高度、割台功能、拨禾轮速度、拨禾轮位置、输送器功能(其中农业收割机100被耦接至输送器割台)、玉米割台功能、内部分布控制、以及影响农业收割机100的其它功能的其它致动器248中的一者或更多者。路径规划控制器234示例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以生成用于农业收割机100的路线,并且可以控制推进子系统250和转向子系统252以使农业收割机100沿所述路线转向。进料速率控制器236可以基于预测图264或预测控制区图265或这两者来控制各个子系统(诸如推进子系统250和机器致动器248)以控制进料速率。例如,当农业收割机100接近估计的转速值高于所选阈值的下降地势时,进料速率控制器236可以降低机器100的速度以保持生物量通过农业收割机100的进料速率恒定。割台和拨禾轮控制器238可以生成控制信号以控制割台或拨禾轮或其它割台功能。输送带控制器240可以基于预测图264、预测控制区图265或这两者来生成控制信号以控制输送带或其它输送器功能。例如,当农业收割机100接近估计的转速值高于所选阈值的下降地势时,输送带控制器240可以增大输送带的速度以防止物料在带上堆积。台面板位置控制器242可以基于预测图264或预测控制区图265或这两者来生成控制信号以控制被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或预测控制区图265或这两者来控制残留物子系统138。机器清粮控制器245可以生成用于控制机器清粮子系统254的控制信号。例如,当农业收割机100即将在斜坡(在该斜坡处,估计内部物料将不成比例地被分配在清粮子系统254的一侧上)上横向行进时,则机器清粮控制器245可以调整清粮子系统254以考虑或校正不成比例的物料。被包括在农业收割机100上的其它控制器也可以基于预测图264或预测控制区图265或这两者来控制其它子系统。
图3A和图3B(在本文中被共同地称为图3)示出了示出在基于先验信息图258来生成预测图264和预测控制区图265时农业收割机100的操作的一个示例的流程图。
在280处,农业收割机100接收先验信息图258。参照方框281、282、284和286来论述先验信息图258或接收先验信息图258的示例。如上文论述的,先验信息图258将与第一特性相对应的变量的值映射至田地中的不同位置,如方框282所指示的。如方框281所指示的,接收先验信息图258可以包括选择可利用的多个可能的信息图中的一个或更多个。例如,一个先验信息图可以是根据空中相位轮廓成像法生成的地势轮廓图。另一先验信息图可以是在可以由执行田地中的先前操作的不同机器来执行的先前行进通过田地期间生成的图,所述不同机器诸如为喷雾器或其它机器。选择一个或更多个先验信息图的过程可以是手动的、半自动化的或自动化的。先验信息图258是基于在当前收割操作之前收集的数据。这由方框284指示。例如,所述数据可以在先前的田地操作期间由安装在一件装备上的GPS接收器来收集。例如,可以在上一年或在当前生长季节早期或在其它时间期间在激光雷达距离扫描(lidar range scanning)操作中收集所述数据。所述数据可以基于除了使用激光雷达距离扫描之外的方式来检测或接收的数据。例如,装备有条纹投影轮廓测定系统(fringeprojection profilometry system)的无人机可以检测地势的轮廓或海拔。或者例如,一些地形特征可以基于天气模式来估计,所述天气模式诸如为由于侵蚀而引起的车辙的形成或冻融循环中的团块分裂。在一些示例中,先验信息图258可以通过将来自许多源(诸如上文列出的那些源)的数据进行组合来生成。或者例如,用于先验信息图258(诸如地形图)的数据可以使用通信系统206被传递至农业收割机100并且被储存在数据存储器202中。用于先验信息图258的数据也可以使用通信系统206以其它方式提供给农业收割机100,并且这在图3的流程图中由方框286来指示。在一些示例中,先验信息图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生成对指示机器特性(例如籽粒大小和EHP特性)的一个或更多个现场数据值进行指示的传感器信号。参照方框222、290和226来论述现场传感器208的示例。如上文所解释的,现场传感器208包括:机载传感器222;远程现场传感器224,诸如在一次飞行时收集现场数据的基于UAV的传感器,在方框290中示出;或由现场传感器226指定的其它类型的现场传感器。在一些示例中,使用来自地理位置传感器204的位置、前进方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控制先前的信息变量对现场变量的模型生成器228以生成对被包含在先验信息图258中的所映射的值与由现场传感器208感测的现场值之间的关系进行建模的模型,如方框292指示的。由先验信息图258中的所映射的值以及由现场传感器208感测的现场值所表示的数据类型的特性可以是相同的特性或数据类型或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生成预测图264,所述预测图264使用预测模型和先验信息图258来预测在田地中的正在被收割的不同地理位置处由现场传感器208感测的特性的值、或与由现场传感器208所感测的特性有关的不同特性的值,由方框294所指示的。
应注意,在一些示例中,先验信息图258可以包括两个或更多个不同的图、或单个图的两个或更多个不同的图层。所述两个或更多个不同的图中的每个图、或单个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至田地中的地理位置。在这样的示例中,预测模型生成器210生成对现场数据与由两个或更多个不同的图或两个或更多个不同图层所映射的不同变量中的每个变量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。因而,预测模型生成器210生成对由先验信息图258映射的每种类型的变量与由现场传感器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可以生成功能预测图263,所述功能预测图263使用预测模型以及先验信息图258中的各图或各图层中的每者来预测在田地中的正在被收割的不同位置处由现场传感器208感测的每个所感测的特性(或与所感测的特性有关的特性)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执行(或使用)。预测图生成器212可以向控制系统214或控制区生成器213或这两者提供预测图264。参照方框296、293、295、299和297来描述预测图264可以被配置或输出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读取且作为生成用于农业收割机100的不同的可控子系统中的一个或更多个子系统的控制信号的基础来使用的值,如方框296所指示的。
路线/任务生成器267基于预测图204来绘制农业收割机100在收割操作期间行进的行进路径,如由方框293所指示的。控制区生成器213可以基于预测图264上的值,将预测图264分成各控制区。彼此在阈值内的连续地理定位值可以被分组到控制区中。所述阈值可以是默认阈值,或所述阈值可以基于操作者输入、基于来自自动化系统的输入、或基于其它标准来设置。各区的尺寸可以基于控制系统214、可控子系统216的响应,或基于磨损考虑因素,或基于其它标准,如方框295所指示的。控制区生成器213可以配置预测控制区图265以呈现给操作者或其它用户。这由方框299指示。当呈现给操作者或其它用户时,预测图264或预测控制区图265或这两者的呈现可以包含预测图264上的与地理位置有关的预测值、预测控制区图265上的与地理位置有关的控制区、和基于预测控制区图265上的图264或区上的预测值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,所述呈现包括更简要的信息或更详细的信息。所述呈现还可以包括置信水平指示置信水平,所述置信水平指示预测图264上的预测值或预测控制区图265上的区与当农业收割机100移动通过田地时可以由农业收割机100上的传感器所测量的测量值的一致程度的准确度。另外,在信息呈现在多于一个位置的情况下,认证或授权系统可以被提供以实施认证和授权过程。例如,可以存在被授权以查看和改变各图和其它所呈现的信息的个人级别。通过举例的方式,机载显示装置可以仅在所述机器上以接近实时的方式本地地示出各图,或者各图还可以被生成在一个或更多个远程位置处。在一些示例中,每个位置处的每个实体显示装置可以与人员或用户许可水平相关联。用户许可水平可以被用于确定哪些显示标识在实体显示装置上可见以及相应的人员可以改变哪些值。作为示例,机器100的本地操作者可能不能看到与预测图264相对应的信息或者不能对机器操作做出任何改变。然而,远程位置处的监控者可能能够看到显示器上的预测图264但不作出任何改变。可能位于单独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可能改变用于机器控制中的预测图264。这是可以实施的授权级别的一个示例。预测图264或预测控制区图265或这两者也可以以其它方式来配置,如方框297所指示的。
在方框298处,来自地理位置传感器204和其它现场传感器208的输入被控制系统接收。方框300表示控制系统214接收来自识别农业收割机100的地理位置的地理位置传感器204的输入。方框302表示由控制系统214接收指示农业收割机100的轨迹或前进方向的传感器输入,并且方框304表示由控制系统214接收农业收割机100的速度。方框306表示由控制系统214接收来自各个现场传感器208的其它信息。
在方框308处,控制系统214基于预测图264或预测控制区图265或这两者、以及来自地理位置传感器204和任何其它现场传感器208的输入来生成控制信号,以控制可控子系统216。在方框310处,控制系统214将控制信号施加给可控子系统。将理解,所生成的特定控制信号以及被控制的特定的可控子系统216可以基于一个或更多个不同事物而变化。例如,所生成的控制信号和被控制的可控子系统216可以基于正在被使用的预测图264或预测控制区图265或这两者的类型。类似地,所生成的控制信号和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。
通过举例的方式,呈预测籽粒大小图形式的所生成的预测图264可以被用于控制一个或更多个子系统216。例如,功能预测籽粒大小图可以包括对田地的正在被收割的位置进行地理参考的籽粒大小值。来自功能预测籽粒大小图的籽粒大小值可以被提取并用于控制风扇速度,以确保清粮风扇120使当农业收割机100移动通过田地时通过清粮子系统118的作物损耗最小。例如,可以通过降低风扇速度以避免将较小的籽粒吹到农业收割机100之外来控制清粮风扇120。在另一示例中,预测图264是EHP特性图,所述EHP特性图包括指示被地理参考至田地中的正在被收割的不同位置的患病作物的EHP特性值。EHP特性值可以被提取并用于通过增大风扇速度以将患病作物吹到农业收割机100之外来控制清粮风扇120的速度。涉及使用预测籽粒大小图和预测EHP特性图的前述示例仅作为示例被提供。因此,可以使用从预测机器图或其它类型的预测图获得的值来生成各种各样的其它控制信号,以控制可控子系统216中的一个或更多个。
在方框312处,确定收割操作是否已经完成。如果收割未完成,则处理前进到方框314,在方框314处,继续读取来自地理位置传感器204和现场传感器208(以及可能的其它传感器)的现场传感器数据。
在一些示例中,在方框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、预测控制区图265、由预测模型生成器210生成的模型、由控制区生成器213生成的区、由控制系统214中的控制器执行的一个或更多个控制算法、以及其它所触发的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各种各样不同标准中的任一标准。参照方框318、320、321、322和324来论述检测触发标准的一些示例。例如,在一些示例中,当从现场传感器208获得现场传感器数据的阈值量时,所触发的学习可以涉及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接收现场传感器数据的量超过阈值会触发或引起预测模型生成器210生成由预测图生成器212使用的新的预测模型。因而,当农业收割机100继续时,从现场传感器208接收现场传感器数据的阈值量会触发创建由通过预测模型生成器210生成的预测模型来表示的新的关系。另外,新的预测图264、预测控制区图265或这两者可以使用新的预测模型来再生。方框318表示检测用于触发创建新的预测模型的现场传感器数据的阈值量。
在其它示例中,学习触发标准可以基于来自现场传感器208的现场传感器数据从先前值或阈值改变的程度。例如,如果现场传感器数据(或现场传感器数据与先验信息图258中的信息之间的关系)的变化在范围内、小于限定量或低于阈值,则预测模型生成器210不会生成新的预测模型。结果,预测图生成器212不会生成新的预测图264、预测控制区图265或这两者。然而,例如,如果现场传感器数据的变化超出所述范围或超出所述限定量或所述阈值,或者例如如果现场传感器数据与先验信息图258中的信息之间的关系变化了一限定量,则预测模型生成器210利用预测图生成器212为生成新预测图264而使用的新接收的现场传感器数据的全部或一部分来生成新的预测模型。在方框320处,现场传感器数据的变化(诸如数据超过所选范围的量的量值、或所述现场传感器数据与先验信息图258中的信息之间的关系的变化的量值)可以被用作用于引起新预测模型和预测图的生成的触发器。所述阈值、范围和限定量可以被设置成默认值;或由操作者或用户经由用户界面交互来设置;或通过自动化系统来设置;或以其它方式来设置。
还可以使用其它学习触发标准。例如,如果预测模型生成器210切换到不同的先验信息图(不同于最初选择的先验信息图258),则切换到不同的先验信息图可以触发由预测模型生成器210、预测图生成器212、控制区生成器213、控制系统214或其它物件再学习。在另一示例中,农业收割机100转换至不同的地形或不同的控制区也可以被用作学习触发标准。
在一些情况下,操作者260还可以编辑预测图264或预测控制区图265或这两者。所述编辑可以改变预测图264上的值,或者改变预测控制区图265上的控制区的尺寸、形状、位置或存在或值,或改变这两者。方框321示出了,编辑后的信息可以被用作学习触发标准。
在一些情况下,操作者260还可能观察到,可控子系统的自动化控制不是操作者所期望的。在这些情况下,操作者260可以向可控子系统提供操作者自发调整,这反映出操作者260期望可控子系统以与正在由控制系统214所命令的不同的方式来操作。因而,由操作者260进行的设置的操作者自发变更可以基于操作者260的调整,使预测模型生成器210对模型进行再学习,使预测图生成器212再生成图264,使控制区生成器213再生成预测控制区图265上的控制区,并且使控制系统214对其控制算法进行再学习、或对控制系统214中的控制器部件232至246中的一个执行机器学习,如方框322中示出的。方框324表示使用其它所触发的学习标准。
在其它示例中,可以例如基于选定时间间隔(诸如离散时间间隔或可变时间间隔)周期性地或间歇地执行再学习。这由方框326来指示。
如方框326所指示的,如果触发了再学习(不论是基于学习触发标准还是基于经过了一时间间隔),则预测模型生成器210、预测图生成器212、控制区生成器213和控制系统214中的一个或更多个基于学习触发标准来执行机器学习,以分别生成新的预测模型、新的预测图、新的控制区和新的控制算法。使用自执行了上次学习操作以来已经被收集的任何额外的数据来生成所述新的预测模型、所述新的预测图和所述新的控制算法。由方框328来指示执行再学习。
如果收割操作已经完成,则操作从方框312移动至方框330,在方框330,存储预测图264、预测控制区图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、预测控制区图265和预测模型可以被本地储存在数据存储器202上、或使用通信系统206发送至远程系统以供稍后使用。
将注意,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先验信息图,但是在其它示例中,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它类型的图,包括预测图,诸如在收割操作期间生成的功能预测图。
图4A是图1中示出的农业收割机100的一部分的框图。特别地,除其它外,图4A更详细地示出了预测图生成器212的示例。图4A还示出了其中在所示出的各个部件之间的信息流。预测模型生成器210接收先验信息图258。先验信息图258包括农业特性的与田地中的不同地理位置相对应的值。在一些示例中,先验信息图258可以包括播种图335、VI图336、产量图338、生物量图340或其它图342中的一个或更多个。预测模型生成器210还接收来自地理位置传感器204的地理位置334、或地理位置的指示。现场传感器208检测指示籽粒大小或EHP特性中的一者或更多者的农业特性的值。因而,现场传感器208可以包括感测正在被收割的作物的籽粒大小的籽粒大小传感器344、或感测EHP特性的EHP特性传感器346、以及处理系统352中的一者或更多者。在一些情况下,一个或更多个传感器344和346可以机载于农业收割机100上。处理系统352处理从一个或更多个传感器344和346生成的传感器数据,以生成处理后的数据354,下文描述了其中的一些示例。
在一些示例中,一个或更多个传感器344和346可以生成指示所述传感器所感测的特性的电子信号。处理系统352处理经由所述传感器而获得的传感器信号中的一个或更多个,以生成标识一个或更多个特性的处理后的数据。由处理系统352所标识的特性可以包括籽粒大小或EHP特性。
传感器344和346可以是光学传感器或包括光学传感器,所述光学传感器诸如是位于农业收割机100中的相机(参考下文中的“过程相机”),所述相机观察农业收割机100的处理用于谷物的农业物料的内部部分。因而,在一些示例中,处理系统352可操作以基于由传感器344和346所捕获的图像来检测籽粒大小以及穿过农业收割机100的物料的一个或更多个EHP特性中的一者或更多者。在其它示例中,所述过程相机可以是干净谷物相机150,并且处理系统352可操作以检测籽粒大小和EHP特性。
还可以使用其它传感器。在一些示例中,来自传感器344和346的原始数据或处理后的数据可以经由操作者界面机构218而被呈现给操作者260。操作者260可以机载于农业收割机100上或位于远程位置处。
图4B是更详细地示出预测模型生成器210的一个示例的框图。在图4B中示出的示例中,预测模型生成器210可以包括植被指数对籽粒大小的模型生成器366、植被指数对EHP特性的模型生成器368、播种特性对籽粒大小的模型生成器372、播种特性对EHP特性的模型生成器374、产量对籽粒大小的模型生成器380、产量对EHP特性的模型生成器382、生物量对籽粒大小的模型生成器388、生物量对EHP特性的模型生成器390、组合模型生成器404以及其它物件406中的一者或更多者。图4B中示出的模型生成器中的每个模型生成器生成对信息图259(其可以是先验信息图或预测图或另一类型的图)上的值与由现场传感器208所感测的值之间的关系进行建模的模型。组合模型生成器404可以基于一个或更多个信息图259和来自一个或更多个现场传感器208的输入的不同组合来生成一个或更多个模型。
籽粒大小可能受到诸如植物健康状况(其可以由植被指数来指示)之类的事物的影响。植被指数对籽粒大小的模型生成器366可以生成对VI图336上的VI特性与籽粒大小传感器344的输出之间的关系进行建模的模型。此外,例如当收割卡诺拉(canola)或双低油菜时,难以生成保留所有谷物但吹出所有果夹、茎的皮和髓等的风扇速度。这个风扇在这样做时的有效性可以取决于例如籽粒的大小和填充,例如在由VI图336上的植被指数特性所指示的较差植物健康状况的区域中,籽粒可能更小且具有更容易被吹出的风险。因而,VI图336上的特性(诸如植物健康状况)与由传感器344所感测的籽粒大小之间的关系可以被模型生成器366使用以生成对所述关系进行建模的模型。
另外,VI值可以与EHP特性有关。因而,植被指数对EHP特性的模型生成器368可以生成VI图336上的值与EHP特性传感器346的输出之间的关系进行建模的模型。
不同的播种特性(诸如播种种群特性或种子基因型)可能对籽粒大小有影响或以其它方式与籽粒大小共享关系。例如,不同的植物基因型可以具有不同的籽粒大小特性。种群特性还可以与得到的籽粒大小具有反比关系。较小的籽粒可能更容易损耗。因此,播种特性对籽粒大小的模型生成器372可以生成播种图335上的播种特性值(诸如种群或基因型)与由籽粒大小传感器344所生成的籽粒大小传感器值之间的关系。
类似地,播种特性可能对各种EHP特性有影响或以其它方式与各种EHP特性共享关系。例如,不同的基因型在显现的畸形、抗病力和抗损力方面可以表现出不同。因而,播种特性对EHP特性的模型生成器374生成对播种图335上的播种特性与由EHP特性传感器346所感测的EHP特性之间的关系进行建模的模型。
产量还可以与籽粒大小有关。例如,田地中的较高产量区域可以比较低产量区域指示更大的籽粒。因而,产量对籽粒大小的模型生成器380可以生成对产量图338上的预测产量值与来自籽粒大小传感器344的输出之间的关系进行建模的模型。
产量还可以与EHP特性有关。例如,产量增加可以与更健康的作物有关。因此,产量对EHP特性的模型生成器382可以生成对产量图338上的预测产量值与由EHP特性传感器346所感测的EHP特性之间的关系进行建模的模型。
正在由农业收割机100处理的生物量的量还可以与籽粒大小有关。例如,在给定时间处正在由农业收割机100处理的生物量增加可以指示具有更大籽粒的、更健壮的作物。因而,在一些示例中,可以基于籽粒的大小来控制各种机器设置(诸如筛网、谷壳筛和清粮风扇的设置)以降低可能的谷物损耗。因此,生物量对籽粒大小的模型生成器388可以生成对生物量图340上的生物量特性值与由籽粒大小传感器344所感测的籽粒大小之间的关系进行建模的模型。
生物量还可以与EHP特性有关。患病的、损坏的或畸形的作物可以具有不同的生物量特性。因而,生物量对EHP特性的模型生成器390可以生成对生物量图340上的生物量特性与由EHP特性传感器346所感测的EHP特性之间的关系进行建模的模型。
也可以存在其它关系。因此,组合模型生成器404可以生成对一个或更多个信息图259上的特性与一个或更多个传感器344和346之间的关系进行建模的模型。
再次返回至图4A,预测图生成器212可以包括籽粒大小图生成器410、EHP特性图生成器412、组合图生成器414和其它物件417中的一者或更多者。现在将描述现场传感器208与信息图259的不同组合的许多示例。
预测模型生成器210可操作以生成预测模型408或生成多个预测模型408,诸如由图4B中示出的模型生成器所生成的预测模型中的一个或更多个。在另一示例中,上文中描述的预测模型中的两个或更多个可以被组合成单个预测模型,所述单个预测模型基于来自一个或更多个信息图259的在田地中的不同位置处的特性来预测例如籽粒大小或EHP特性中的两个或更多个特性。这些机器模型中的任一机器模型、或其组合在图4A中被共同地表示为机器模型408。
预测模型408被提供给预测图生成器212。在图4A的示例中,预测图生成器212包括籽粒大小图生成器410、EHP特性图生成器412和组合图生成器414。在其它示例中,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。因而,在一些示例中,预测图生成器212可以包括其它物件417,所述其它物件417可以包括用于生成针对其它类型的特性来生成图的其它类型的图生成器。
籽粒大小图生成器410说明性地基于由信息图259所指示的在田地中的不同位置处的信息值以及预测模型408来生成预测籽粒大小图418,所述预测籽粒大小图418预测田地中的那些位置处的籽粒大小。
EHP特性图生成器412说明性地基于信息图259中的在田地中的不同位置处的特性以及预测模型408来生成预测EHP图420,所述预测EHP图420预测在田地中的那些位置处的EHP特性。
组合图生成器414说明性地基于信息图259的组合在田地中的不同位置处的特性以及预测模型408来生成预测组合图422,所述预测组合图422预测在田地中的那些位置处的特性的组合。
预测图生成器212输出对特性进行预测的一个或更多个预测图418、420、422,作为预测图264。预测图418、420、422中的每个预测在田地中的不同位置处的相应的特性。预测图264(其可以是图418、420、422中的一个或更多个)可以被提供给控制区生成器213、控制系统214,或这两者。控制区生成器213生成控制区并将那些控制区合并到功能预测图(即预测图418、420、422)中以提供具有控制区的预测图418、具有控制区的预测图420和具有控制区的预测图422。预测图418、420和422(具有或不具有控制区)中的一个或更多个可以被提供给控制系统214,所述控制系统214基于一个或更多个预测图418、420和422(具有或不具有控制区)来生成控制信号以控制一个或更多个可控子系统216。
图5是在生成预测模型408和预测特性图418、420和422时预测模型生成器210和预测图生成器212的操作的示例的流程图。在方框430处,预测模型生成器210和预测图生成器212接收信息图259,所述信息图259可以是在图4A中示出的信息图中的一个或更多个。在方框432处,处理系统352接收来自现场传感器208的一个或更多个传感器信号。如上文论述的,现场传感器可以是籽粒大小传感器344或EHP特性传感器346。
在方框434处,处理系统352处理一个或更多个所接收的传感器信号以生成指示特性的数据。在一些情况下,如在方框436处所指示的,传感器数据可以指示籽粒大小。在一些情况下,如在方框438处所指示的,传感器数据可以指示一个或更多个EHP特性。
在方框444处,预测模型生成器210还获得与传感器数据相对应的地理位置334。例如,预测模型生成器210可以获得来自地理位置传感器204的地理位置,并且基于机器延迟、机器速度等来确定捕获或导出传感器数据所处的精确的地理位置。另外,在方框444处,可以确定农业收割机100在田地上的取向。农业收割机100的取向可以被获得例如以标识其相对于田地上的斜坡的取向。
在方框446处,预测模型生成器210生成对信息图259上的一个或更多个特性与正在由现场传感器208所感测的特性或相关特性之间的关系进行建模的一个或更多个预测模型,诸如机器模型408。
在方框448处,预测模型(诸如预测模型408)被提供给预测图生成器212,所述预测图生成器212基于信息图259和预测模型408来生成映射预测特性的功能预测图。在一些示例中,功能预测图是预测籽粒大小图418。在一些示例中,功能预测图是预测EHP图420。在一些示例中,功能预测图是预测组合图422。
功能预测图可以在农业操作的过程期间生成。因而,当农业收割机移动通过田地从而执行农业操作时,在农业操作正在被进行时生成功能预测图。
在方框450处,预测图生成器212输出功能预测图。在方框452处,预测图生成器212输出功能预测图以向操作者260呈现并由操作者260进行可能的交互。在方框454处,预测图生成器212可以配置功能预测图以用于供控制系统214使用。在方框456处,预测图生成器212还可以向控制区生成器213提供功能预测图以用于生成控制区。在方框458处,预测图生成器212还以其它方式配置功能预测图。功能预测图(具有或不具有控制区)被提供给控制系统214。在方框460处,控制系统214基于功能预测图来生成控制信号以控制可控子系统216。
控制系统124可以生成控制信号以控制致动器,所述致动器自身控制筛网124和谷壳筛122被振荡的速度、筛网124和谷壳筛122中的开口的大小、清粮风扇120和转子112的速度、驱动转子112的转子压力、以及转子112与凹板114之间的间隙、或其它事物中的一者或更多者。
因而可以看出,本系统采用将特性映射至田地中的不同位置的一个或更多个信息图。本系统还使用感测指示一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所感测的特性或有关特性与在信息图中映射的特性之间的关系进行建模的模型。因而,本系统使用模型、现场数据和信息图来生成功能预测图,并且可以配置所生成的功能预测图以用于由控制系统使用或用于呈现给本地或远程操作者或其它用户或这两者。例如,控制系统可以使用所述图来控制农业收割机的一个或更多个系统。
图6示出了示出控制区生成器213的一个示例的框图。控制区生成器213包括作业机器致动器(WMA)选择器486、控制区生成系统488和状态区(regime zone)生成系统490。控制区生成器213还可以包括其它物件492。控制区生成系统488包括控制区标准标识器部件494、控制区边界定义部件496、目标设置标识器部件498和其它物件520。状态区生成系统490包括状态区标准标识部件522、状态区边界定义部件524、设置解析器标识器部件526和其它物件528。在较详细地描述控制区生成器213的总体操作之前,将首先提供对控制区生成器213中的一些物件及其对应操作的简要描述。
农业收割机100或其它作业机器可以具有执行不同功能的各种各样不同类型的可控致动器。农业收割机100或其它作业机器上的可控致动器共同地被称为作业机器致动器(WMA)。每个WMA可以是能基于功能预测图上的值而独立控制的,或WMA可以作为集合而基于功能预测图上的一个或更多个值来控制。因此,控制区生成器213可以生成与每个可单独控制的WMA的相对应的或与以彼此配合的方式受控的WMA的集合相对应的控制区。
WMA选择器486选择WMA或WMA的集合,将生成用于所述WMA或WMA的集合的相应的控制区。然后,控制区生成系统488生成用于所选WMA或WMA的集合的控制区。对于每个WMA或WMA的集合,在标识控制区时可以使用不同标准。例如,对于一个WMA,WMA响应时间可以被用作用于定义控制区的边界的标准。在另一示例中,磨损特性(例如,特定致动器或机构由于其移动而磨损的程度)可以被用作用于标识控制区的边界的标准。控制区标准标识器部件494标识被用于为所选WMA或WMA的集合来定义控制区的特定标准。控制区边界定义部件496处理正在分析的功能预测图上的值,以基于正在分析的功能预测图上的值并基于用于所选WMA或WMA的集合的控制区标准来定义功能预测图上的控制区的边界。
目标设置标识器部件498设置将被用于控制不同控制区中的WMA或WMA的集合的目标设置的值。例如,如果所选WMA是清粮风扇120并且正在分析的功能预测图是功能预测籽粒大小图418,则每个控制区中的目标设置可以是基于被包含在所标识的控制区内的功能籽粒大小图418中的籽粒大小值的目标风扇速度设置。
在基于农业收割机100的当前或未来位置来控制农业收割机100的一些示例中,用于给定位置处的WMA的多个目标设置可以是可能的。在那种情况下,目标设置可以具有不同值并且可能是相互矛盾的。因而,目标设置需要被解析,使得仅单个目标设置被用于控制WMA。例如,在WMA是清粮风扇120中的正在被控制以便控制清粮风扇120的速度的致动器的情况下,在标识控制区和用于控制区中的所选WMA的目标设置时,控制区生成系统488考虑到可能存在多个不同的相互矛盾的标准集合。例如,可以基于例如检测的或预测的进料速率值、检测的或预测的籽粒特性值(诸如检测的或预测的籽粒大小特性值)、检测的或预测的EHP特性值、检测的或预测的燃料效率值、检测的或预测的谷物损耗值、或这些值的组合来生成用于控制风扇速度的不同目标设置。然而,在任何给定时间处,农业收割机100不能控制清粮风扇120以便同时以多个速度来操作。而是,在任何给定时间处,农业收割机100控制清粮风扇120以便以单个速度来操作。因而,相互矛盾的目标设置之一被选择以用于控制农业收割机100中的清粮风扇120的速度。
因此,在一些示例中,状态区生成系统490生成状态区以解析多个不同的相互矛盾的目标设置。状态区标准标识部件522标识用于建立用于正在分析的功能预测图上的所选WMA或WMA的集合的状态区的标准。可以被用于标识或限定状态区的一些标准包括例如基于种植图的作物类型或作物品种,或者另一源的作物类型或作物品种,杂草类型,杂草强度,作物状态(诸如作物是否倒下、部分倒下或站立,产量,生物量,植被指数,籽粒大小,EHP特性,或地形)。正如每个WMA或WMA的集合可以具有相应的控制区一样,不同WMA或WMA的集合可以具有相应的状态区。状态区边界定义部件524基于由状态区标准标识部件522标识的状态区标准来标识正在分析的功能预测图上的状态区的边界。
在一些示例中,状态区可以彼此重叠。例如,EHP特性状态区可以与籽粒大小状态区的一部分或全部重叠。在这样的示例中,不同状态区可以被分配优先等级,使得在两个或更多个状态区重叠的地方,分配有优先等级中的较大等级位置或重要性的状态区优先于具有优先等级中较小等级位置或重要性的状态区。可以使用基于规则的系统、基于模型的系统或另一系统来手动地设置或自动地设置状态区的优先等级。作为一个示例,在籽粒大小状态区与EHP特性状态区重叠的地方,籽粒大小状态区可以被分配有在优先等级中比EHP特性状态区更大的重要性,使得籽粒大小状态区优先。
另外,每个状态区可以具有用于给定WMA或WMA的集合的唯一设置解析器。设置解析器标识器部件526标识用于在正在分析的功能预测图上标识的每个状态区的特定设置解析器、和用于所选WMA或WMA的集合的特定设置解析器。
一旦用于特定状态区的设置解析器被标识,则设置解析器可以被用于解析相互矛盾的目标设置,其中基于控制区来标识多于一个目标设置。不同类型的设置解析器可以具有不同形式。例如,为每个状态区标识的设置解析器可以包括人工选择解析器,,其中相互矛盾的目标设置被呈现给操作者或其它用户以供解析。在另一示例中,设置解析器可以包括神经网络或其它人工智能或机器学习系统。在这样的实例中,设置解析器可以基于与不同目标设置中的每个相对应的预测的或历史的质量指标来解析相互矛盾的目标设置。作为示例,风扇速度设置增大可以改善谷物清洁度并增加谷物损耗。清粮风扇速度设置减小可以降低谷物清洁度并减少谷物损耗。当收割的谷物损耗或谷物质量被选为质量指标时,给定两个相互矛盾的风扇速度设定值,用于所选质量指标的预测或历史值可以被用于解析速度设置。在一些情况下,设置解析器可以是阈值规则的集合,所述阈值规则的集合可以被用于代替或附加于状态区。阈值规则的示例可以被表示如下:
如果在农业收割机100的割台的200英尺内的预测的谷物质量值大于x(其中x是所选值或预定值),则使用基于谷物损耗而选择的目标设置值而不是其它相互矛盾的目标设置,否则使用基于谷物质量的目标设置值而不是其它相互矛盾的目标设置值。
设置解析器可以是执行标识目标设置时的逻辑规则的逻辑部件。例如,设置解析器可以解析目标设置,同时试图最小化收割时间、或最小化总收割成本、或最大化收割的谷物、或基于根据不同的候选目标设置而计算的其它变量。当完成收割的量被减小至所选阈值或低于所选阈值时,收割时间可以被最小化。在总收割成本被减小至所选阈值或低于所选阈值的情况下,总收割成本可以被最小化。在收割的谷物的量被增加至所选阈值或高于所选阈值的情况下,收割的谷物可以被最大化。
图7是示出在生成用于由控制区生成器213接收以用于区处理的图(例如,用于正在分析的图)的控制区和状态区时控制区生成器213的操作的一个示例的流程图。
在方框530处,控制区生成器213接收正在分析以用于处理的图。在一个示例中,如在方框532处示出的,正在分析的图是功能预测图。例如,正在分析的图可以是功能预测图418、420或422之一。方框534指示出,正在分析的图也可以是其它图。
在方框536处,WMA选择器486选择WMA或WMA的集合,将在正在分析的图上生成用于所述WMA或WMA的集合的控制区。在方框538处,控制区标准标识部件494获得用于所选WMA或WMA的集合的控制区定义标准。方框540指示控制区标准是或包括所选WMA或WMA的集合的磨损特性的示例。方框542指示控制区定义标准是或包括输入源数据的量值和变化的示例,所述量值和变化诸如正在分析的图上的量值或变化、或来自各个现场传感器208的输入的量值或变化。方框544指示控制区定义标准是或包括物理机器特性的示例,所述物理机器特性诸如机器的物理尺寸、不同子系统操作的速度、或其它物理机器特性。方框546指示控制区定义标准是或包括在到达新命令的设置值时所选WMA或WMA的集合的响应的控制区定义标准的示例。方框548指示控制区定义标准是或包括机器性能指标的示例。方框550指示控制区定义标准是或包括操作者偏好的示例。方框552还指示控制区定义标准是或包括其它物件的示例。方框549指示控制区定义标准是基于时间的示例,这意味着农业收割机100将不会跨过控制区的边界,直到从农业收割机100进入特定控制区之后经过了所选时间量为止。在一些情况下,所选时间量可以是最小时间量。因而,在一些情况下,控制区定义标准可以防止农业收割机100跨过控制区的边界,直到经过了至少所选时间量为止。方框551指示控制区定义标准是基于所选尺寸值的示例。例如,基于所选尺寸值的控制区定义标准可以排出小于所选尺寸的控制区的定义。在一些情况下,所选尺寸可以是最小尺寸。
在方框554处,状态区标准标识部件522获得用于所选WMA或WMA的集合的状态区定义标准。方框556指示状态区定义标准是基于来自操作者260或另一用户的手动输入的示例。方框558图示状态区定义标准是基于作物类型或作物品种的示例。方框560图示状态区定义标准是基于籽粒大小的示例。方框562图示状态区定义标准是基于或包括作物状态的示例。方框564还指示状态区定义标准是或包括其它标准的示例。
在方框566处,控制区边界定义部件496基于控制区标准,在正在分析的图上生成控制区的边界。状态区边界定义部件524基于状态区标准,在正在分析的图上生成状态区的边界。方框568指示针对控制区和状态区来标识区边界的示例。方框570示出,目标设置标识器部件498针对每个控制区来标识目标设置。控制区和状态区也可以以其它方式生成,并且这由方框572来指示。
在方框574处,设置解析器标识器部件526针对由状态区边界定义部件524定义的每个状态区中的所选WMA来标识设置解析器。如上文论述的,状态区解析器可以是人工解析器576、人工智能或机器学习系统解析器578、基于每个相互矛盾的目标设置的预测或历史质量的解析器580、基于规则的解析器582、基于性能标准的解析器584、或其它解析器586。
在方框588处,WMA选择器486确定是否存在更多WMA或WMA的集合待处理。如果存在额外的WMA或WMA的集合待处理,则处理返回至方框436,在方框436处选择待针对其来定义控制区和状态区的下一WMA或WMA的集合。当没有针对其生成控制区或状态区的额外的WMA或WMA的集合剩余时,处理移动至方框590,在方框590处控制区生成器213针对每个WMA或WMA的集合来输出具有控制区、目标设置、状态区和设置解析器的图。如上文论述的,所输出的图可以被呈现给操作者260或另一用户;所输出的图可以被提供给控制系统214;或所输出的图可以以其它方式输出。
图8示出在基于由控制区生成器213输出的图来控制农业收割机100时控制系统214的操作的一个示例。因而,在方框592处,控制系统214接收作业场所的图。在一些情况下,所述图可以是可以包括控制区和状态区的功能预测图,如由方框594所表示的。在一些情况下,所接收的图可以是排除控制区和状态区的功能预测图。方框596指示指示作业场所的所接收的图可以是具有标识在其上的控制区和状态区的信息图的示例。信息图可以是先验信息图或预测图。方框598指示所接收的图可以包括多个不同图或多个不同图层的示例。方框610指示所接收的图还可以采用其它形成的示例。
在方框612处,控制系统214接收来自地理位置传感器204的传感器信号。来自地理位置传感器204的传感器信号可以包括指示农业收割机100的地理位置614、农业收割机100的速度616、前进方向618或农业收割机100、或其它信息620的数据。在方框622处,区控制器247选择状态区,并且在方框624处,区控制器247基于地理位置传感器信号来选择所述图上的控制区。在方框626处,区控制器247选择待控制的WMA或WMA的集合。在方框628处,区控制器247获得用于所选WMA或WMA的集合的一个或更多个目标设置。针对所选WMA或WMA的集合获得的目标设置可以来自各种不同的源。例如,方框630示出了针对所选WMA或WMA的集合的目标设置中的一个或更多个是基于来自作业场所的图上的控制区的输入的示例。方框632示出了目标设置中的一个或更多个是从来自操作者260或另一用户的人工输入获得的示例。方框634示出了目标设置是从现场传感器208获得的示例。方框636示出了从与农业收割机100同时在同一田地中作业的其它机器上的一个或更多个传感器、或从过去在同一田地中作业的机器上的一个或更多个传感器获得一个或更多个目标设置的示例。方框638还示出了目标设置是从其它源获得的示例。
在方框640处,区控制器247访问用于所选状态区的设置解析器并控制所述设置解析器以将相互矛盾的目标设置解析成解析后的目标设置。如上文论述的,在一些情况下,设置解析器可以是人工解析器,在这种情况下,区控制器247控制操作者界面机构218以向操作者260或另一用户呈现相互矛盾的目标设置以供解析。在一些情况下,设置解析器可以是神经网络或其它人工智能或机器学习系统,并且区控制器247将相互矛盾的目标设置提交至神经网络、人工智能或机器学习系统以供选择。在一些情况下,设置解析器可以基于预测或历史质量指标、阈值规则或逻辑部件。在这些后面的示例中的任一示例中,区控制器247基于预测或历史质量指标、基于阈值规则、或通过使用逻辑部件来执行设置解析器以获得解析后的目标设置。
在方框642处,在区控制器247已经标识了解析后的目标设置的情况下,区控制器247向控制系统214中的其它控制器提供解析后的目标设置,从而基于解析后的目标设置来生成控制信号并将控制信号施加给所选WMA或WMA的集合。例如,在所选WMA是机器或割台致动器248的情况下,区控制器247向设定控制器232或割台/真的控制器238或设定控制器232和割台/真的控制器238两者提供解析后的目标设置,以基于解析后的目标设置来生成控制信号,并且那些所生成的控制信号被施加给机器或割台致动器248。在方框644处,如果将在农业收割机100的当前地理位置处控制额外的WMA或额外的WMA的集合(如在方框612处所检测的),则处理返回至方框626,在方框626处选择下一WMA或WMA的集合。由方框626至644表示的过程继续,直到在农业收割机100的当前地理位置处待控制的所有WMA或WMA的集合已经被寻址。如果在农业收割机100的当前地理位置处不存在额外的WMA或WMA的集合待控制,则处理进行至方框646,在方框646处区控制器247确定是否认为在所选状态区中存在额外的控制区。如果认为存在额外的控制区,则处理返回至方框624,在方框624处选择下一控制区。如果认为不存在额外的控制区,则处理进行至方框648,在方框648处确定是否认为存在额外的状态区。区控制器247确定是否认为存在额外的状态区。如果认为存在额外的状态区,则处理返回至方框622,在方框622处选择下一状态区。
在方框650处,区控制器247确定农业收割机100正在执行的操作是否完成。如果否,则区控制器247确定是否已经满足控制区标准一继续处理,如由方框652所指示的。例如,如上文提到的,控制区定义标准可以包括定义控制区边界可以在何时由农业收割机100跨过的标准。例如,控制区边界是否可以被农业收割机100跨过可以由所选时间段来定义,这意味着农业收割机100被防止跨过区边界直到经过了所选时间量为止。在那种情况下,在方框652处,区控制器247确定已经经过了所选时间段。另外,区控制器247可以不断地执行处理。因而,在继续确定农业收割机100的操作是否完成之前,区控制器247不用等待任何特定时间段。在方框652处,区控制器247确定继续处理的时间,然后处理在方框612处继续,在方框612处区控制器247再次接收来自地理位置传感器204的输入。还将理解,区控制器247可以同时使用多输入、多输出调节器代替顺序地控制WMA和WMA的集合,来控制WMA和WMA的集合。
图9是示出操作者界面控制器231的一个示例的框图。在图示的示例中,操作者界面控制器231包括操作者输入命令处理系统654、其它控制器交互系统656、语音处理系统658和动作信号生成器660。操作者输入命令处理系统654包括语音处理系统662、触摸手势处理系统664和其它物件666。其它控制器交互系统656包括控制器输入处理系统668和控制器输出生成器670。语音处理系统658包括触发检测器672、识别部件674、合成部件676、自然语言理解系统678、对话管理系统680和其它物件682。动作信号生成器660包括视觉控制信号生成器684、听觉控制信号生成器686、触觉控制信号生成器688和其它物件690。在描述在处理各种操作者界面动作时图9中示出的示例操作者界面控制器231的操作之前,首先提供操作者界面控制器231中的一些物件及其相关操作。
操作者输入命令处理系统654检测操作者界面机构218上的操作者输入并且处理用于命令的这些输入。语音处理系统662检测语音输入并处理与语音处理系统658的交互以处理用于命令的语音输入。触摸手势处理系统664检测操作者界面机构218中的触敏元件上的触摸手势并且处理用于命令的那些输入。
其它控制器交互系统656处理与控制系统214中的其它控制器的交互。控制器输入处理系统668检测和过程来自控制系统214中的其它控制器的输入,并且控制器输出生成器670生成输出并向控制系统214中的其它控制器提供那些输出。语音处理系统658识别语音输入,确定那些输入的含义,并提供指示口语输入的含义的输出。例如,当操作者260正在命令控制系统214改变用于可控子系统216的设置时,语音处理系统658可以识别来自操作者260的语音输入。在这样的示例中,语音处理系统658识别口语命令的内容,识别作为设置改变命令的命令的含义,并将所述输入的含义提供回到语音处理系统662。语音处理系统662进而与控制器输出生成器670交互以向控制系统214中的适当控制器提供命令输出,以实现口语设置改变命令。
可以以各种不同的方式来调用语音处理系统658。例如,在一个示例中,语音处理系统662向语音处理系统658连续地提供来自麦克风(作为操作者界面机构218之一)的输入。麦克风检测来自操作者260的语音,并且语音处理系统662向语音处理系统658提供检测到的语音。触发检测器672检测指示语音处理系统658被调用的触发。在一些情况下,当语音处理系统658正在接收来自语音处理系统662的连续语音输入时,语音识别部件674对由操作者260说出的所有语音执行连续语音识别。在一些情况下,语音处理系统658被配置用于使用唤醒词来调用。也就是说,在一些情况下,语音处理系统658的操作可以基于所选口语词(被称为唤醒词)的识别来启动。在这样的示例中,在识别部件674识别到唤醒词的情况下,识别部件674提供唤醒词已经被触发检测器672识别的指示。触发检测器672检测语音处理系统658已经被唤醒词调用或触发。在另一示例中,语音处理系统658可以由操作者260激活用户界面机构上的致动器来调用,诸如通过触摸触敏显示屏上的致动器、通过按下按钮、或通过提供另一触发输入来调用。在这样的示例中,触发检测器672可以检测当触发输入由用户界面机构检测到时语音处理系统658已经被调用。触发检测器672还可以检测已经以其它方式调用了语音处理系统658。
一旦语音处理系统658被调用,来自操作者260的语音输入就被提供给语音识别部件674。语音识别部件674识别语音输入中的语言元素,诸如单词、短语或其它语言单位。自然语言理解系统678识别所识别的语音的含义。含义可以是自然语言输出、识别反映在所识别的语音中的命令的命令输出、识别所识别的语音中的值的值输出、或反映对所识别的语音的理解的各种各样其它输出中的任一其它输出。例如,更通常地,自然语言理解系统678和语音处理系统568可以理解农业收割机100的情境下所识别的语音的含义。
在一些示例中,语音处理系统658还可以基于语音输入来生成通过用户经验来对操作者260进行导航的输出。例如,对话管理系统680可以生成和管理与用户的会话以识别用户希望做什么。对话可以消除用户的命令的歧义;识别需要执行用户的命令的一个或更多个特定值;或获得来自用户的其它信息或向用户提供其它信息、或既获得来自用户的其它信息又向用户提供其它信息。合成部件676可以生成可以通过听觉操作者界面机构(诸如扬声器)被呈现给用户的语音合成。因而,由对话管理系统680管理的对话可以完全是口语对话、或视觉对话与口语对话两者的组合。
动作信号生成器660基于来自操作者输入命令处理系统654、其它控制器交互系统656和语音处理系统658中的一个或更多个的输出来生成动作信号,以控制操作者界面机构218。视觉控制信号生成器684生成控制信号,以控制操作者界面机构218中的视觉物件。视觉物件可以是灯、显示器屏幕、警告指示器、或其它视觉物件。听觉控制信号生成器686生成控制操作者界面机构218的听觉元件的输出。听觉元件包括扬声器、听觉警报机构、喇叭或其它听觉元件。触觉控制信号生成器688生成作为输出的控制信号以控制操作者界面机构218的触觉元件。触觉元件包括可以被用于例如使操作者的座位、方向盘、踏板或由操作者使用的操纵杆振动的振动元件。触觉元件可以包括触觉反馈或力反馈元件,所述触觉反馈或力反馈元件通过操作者界面机构向操作者提供触觉反馈或力反馈。触觉元件也可以包括各种各样其它触觉元件。
图10是示出在操作者界面机构218(其可以包括触敏显示屏)上生成操作者界面显示时对操作者界面控制器231的操作的一个示例的流程图。图10还示出操作者界面控制器231可以如何检测和处理操作者与触敏显示屏交互的一个示例。
在方框692处,操作者界面控制器231接收图。方框694指示所述图是功能预测图的示例,并且方框696指示所述图是另一类型的图的示例。在方框698处,控操作者界面控制器231接收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。如方框700中所指示的,来自地理位置传感器204的输入可以包括农业收割机100的前进方向以及位置。方框702指示来自地理位置传感器204的输入包括农业收割机100的速度的示例,并且方框704指示来自地理位置传感器204的输入包括其它物件的示例。
在方框706处,操作者界面控制器231中的视觉控制信号生成器684控制操作者界面机构218中的触敏显示屏,以生成示出由所接收的图表示的田地的全部或一部分的显示。方框708指示出,所显示的田地可以包括示出农业收割机100相对于田地的当前位置的当前位置标记。方框710指示所显示的田地包括标识农业收割机100将在其中操作的下一作业单元(或田地上的区域)的下一作业单元标记的示例。方框712指示所显示的田地包括显示即将被农业收割机100处理的区域的即将到来的区域显示部分的示例,并且方框714指示所显示的田地包括表示田地的已经被农业收割机100处理的区域的先前访问的显示部分的示例。方框716指示所显示的田地显示田地的具有图上的地理参考位置的各种特性的示例。例如,如果所接收的图是籽粒大小图,则所显示的田地可以示出存在于田地中的在所显示的田地内进行地理参考的不同类别的籽粒大小。所映射的特性可以被示出在先前访问的区域中(如方框714中示出的)、即将到来的区域中(如方框712中示出的)和下一作业单元中(如方框710中示出的)。方框718还指示所显示的田地包括其它物件的示例。
图11是示出了可以在触敏显示屏上生成的用户界面显示720的一个示例的插图。在其它实施方式中,用户界面显示720可以在其它类型的显示器上生成。触敏显示屏可以被安装在农业收割机100的操作者驾驶室中、或被安装在移动装置上、或被安装在其它地方。在继续描述图10中示出的流程图之前,将描述用户界面显示720。
在图11中示出的示例中,用户界面显示720示出,触敏显示屏包括用于操作麦克风722和扬声器724的显示特征。因而,触敏显示屏可以可通信地联接至麦克风722和扬声器724。方框726指示出,触敏显示屏可以包括各种各样的用户界面控制致动器,诸如按钮、键盘、软键盘、链接、图标、开关等。操作者260可以激活用户界面控制致动器以执行各种功能。
在图11中示出的示例中,用户界面显示720包括田地显示部分728,所述田地显示部分728显示农业收割机100正在其中操作的田地的至少一部分。田地显示部分728由当前位置标记708示出,所述当前位置标记708对应于田地的在田地显示部分728中示出的部分中的农业收割机100的当前位置。在一个示例中,操作者可以控制触敏显示以放大田地显示部分728的各部分、或者平移或滚动田地显示部分728以示出田地的不同部分。下一作业单元730被示出为田地的位于农业收割机100的当前位置标记708正前方的区域。当前位置标记708还可以被配置成标识农业收割机100的行进方向、农业收割机100的行进速度,或该行进方向和行进速度两者。在图11中,当前位置标记708的形状提供了关于农业收割机100在田地内的取向的指示,所述取向可以被用作农业收割机100的行进方向的指示。
在田地显示部分728上标记的下一作业单元730的大小可以基于各种各样的不同标准而变化。例如,下一作业单元730的大小可以基于农业收割机100的行进速度而变化。因而,当农业收割机100行进得更快时,则下一作业单元730的面积可以大于在农业收割机100行进得更缓慢的情况下下一作业单元730的面积。田地显示部分728还被示出为显示先前可见的区域714和即将到来的区域712。先前可见的区域714表示已经收割过的区域,而即将到来的区域712表示仍需要收割的区域。田地显示部分728还被示出为显示田地的不同特性。在图11中图示的示例中,正在被显示的图是籽粒大小图。因此,多个不同的籽粒大小标记被显示在田地显示部分728上。存在籽粒大小显示标记732的集合,被示出在已经可见的区域714中。还存在籽粒大小显示标记732的集合,被示出在即将到来的区域712中,并且存在籽粒大小显示标记732的集合,被使出在下一作业单元730中。图11示出,籽粒大小显示标记732由指示类似籽粒大小的区域的不同符号组成。在图3中示出的示例中,!符号表示大籽粒大小的区域;*符号表示中等籽粒大小的区域;并且#符号表示小籽粒大小的区域。因而,田地显示部分728示出位于田地内的不同区域的不同的测量的或预测的籽粒大小。如前文描述的,显示标记732可以由不同符号组成,并且如下文描述的,符号可以是任何显示特征,诸如不同的颜色、形状、图案、强度、文字、图标或其它显示特征。在一些情况下,田地的每个位置可以具有与其相关联的显示标记。因而,在一些情况下,显示标记可以被设置在田地显示部分728的每个位置处,以标识针对田地的每个特定位置所映射的特性的性质。因此,本公开涵盖在田地显示部分728上的一个或更多个位置处提供显示标记,诸如损耗水平显示标记732(如在图11的本实例的情境下),以标识正在被显示的特性的性质、程度等,从而标识正在被显示的田地中的相对应位置处的特性。
在图11的示例中,用户界面显示720还具有控制显示部分738。控制显示部分738允许操作者观察信息并以各种方式与用户界面显示720交互。
部分738中的致动器和显示标记可以被显示为例如单独的项目、固定列表、可滚动列表、下拉菜单或下拉列表。在图11中示出的示例中,显示部分738示出用于与上文提到的三种符号相对应的三种不同籽粒大小的信息。显示部分738还包括触敏致动器的集合,操作者260可以通过触摸而与所述触敏致动器的集合交互。例如,操作者260都可以用手指触摸触敏致动器以启动对应的触敏致动器。
标志栏739示出已经被自动地或手动地设置的标志。标志致动器740允许操作者260标记当前位置,然后添加指示在所述当前位置发现的籽粒大小的信息。例如,当操作者260通过触摸标志致动器740来激活标志致动器740时,操作者界面控制器231中的触摸手势处理系统664将所述当前位置标识为农业收割机100遇到大籽粒大小的一个位置。当操作者260触摸按钮742时,触摸手势处理系统664将所述当前位置标识为农业收割机100遇到中等籽粒大小的位置。当操作者260触摸按钮744时,触摸手势处理系统664将所述当前位置标识为农业收割机100遇到小籽粒大小的位置。触摸手势处理系统664还控制视觉控制信号生成器684,以便当按钮740、742或744被激活时标记与田地显示部分728上所标识的籽粒大小相对应的位置的点、开始、结束或继续。例如,视觉控制信号生成器可以在激活按钮740、742或744时添加与田地显示部分728上的所标识的籽粒大小相对应的符号。
栏746显示与田地显示部分728上追踪的每个类别的籽粒大小相对应的符号。指示符栏748示出标识所述类别的籽粒大小的指示符(其可以是文本指示符或其它指示符)。不受限制地,栏746中的籽粒大小符号和列748中的指示符可以包括任何显示标记特征,诸如不同颜色、形状、图案、强度、文字、图表,或其它显示标记特征。栏750中显示的值可以是预测的籽粒大小或由现场传感器208所测量的籽粒大小。在一个示例中,操作者260可以选择田地显示部分728的特定部分用于显示栏750中的值。因而,栏750中的值可以对应于显示部分712、714或730中的值。栏752显示动作阈值。栏752中的动作阈值可以是与栏750中的测量值相对应的阈值。如果栏750中的测量值满足栏752中的相应的动作阈值,则控制系统214采取栏754中标识的动作。在一些情况下,通过满足或超过相应的动作阈值,测量值可以满足相应的动作阈值。在一个示例中,操作者260可以通过触摸栏752中的阈值来选择阈值,例如,以改变阈值。一旦选择,操作者260就可以改变阈值。栏752中的阈值可以被配置成使得当测量值750超过阈值、等于阈值或小于阈值时执行指定动作。
类似地,操作者260可以触摸栏754中的动作标识器以改变待采取的动作。当满足阈值时,可以采取多个动作。例如,在栏754的底部处,将风扇速度降低50转每分钟(RPM)并将筛网开口降低1毫米(mm)被标识为在栏750中的测量值满足栏752中的阈值的情况下将采用的动作。
可以在栏754中设置的动作可以是各种各样不同类型的动作中的任一动作。例如,所述动作可以包括阻挡动作(keep out action),当执行所述阻挡动作时防止农业收割机100在区域中进行进一步收割。所述动作可以包括速度改变动作,当执行所述速度改变动作时改变农业收割机100行进通过田地的速度或清粮风扇120的速度。所述动作可以包括用于改变对内部致动器或另一WMA或WMA的集合(诸如改变筛网设置、谷壳筛设置、凹板间隙、转子速度的致动器)的设置的设置改变动作。所述动作还可以包括用于实现改变动作的设置,所述改变动作改变拨禾轮位置或其它WMA的设置。这些仅是示例,并且在本文中考虑到各种各样的其它动作。
用户界面显示720上示出的显示标记可以以视觉方式控制。可以执行以视觉方式控制界面显示720以获得操作者260的注意。例如,显示标记可以被控制以修改显示标记所显示的强度、颜色或图案。另外,显示标记可以被控制以闪光。所描述的对显示标记的视觉外观的变更作为示例被提供。因此,显示标记的视觉外观的其它方面可以被变更。因此,可以在各种环境下以期望的方式修改显示标记,例如以获得操作者260的注意。
现在返回至图10的流程图,继续描述操作者界面控制器231的操作。在方框760处,操作者界面控制器231检测设置标志的输入并控制触敏用户界面显示720,以显示田地显示部分728上的标志。检测到的输入可以是操作者输入(如在762处所指示的),或来自另一控制器的输入(如在764出所指示的)。在方框766处,操作者界面控制器231检测指示从现场传感器208之一测量到的田地的特性的现场传感器输入。在方框768处,视觉控制信号生成器684生成控制信号以控制用户界面显示720,从而显示用于修改用户界面显示720和用于修改机器控制的致动器。例如,方框770表示,可以显示用于设置或修改栏739、746和748中的值的致动器中的一个或更多个致动器。因而,用户可以设置标志并修改那些标志的特性。例如,用户可以修改与标志相对应的籽粒大小和生物量水平指示符。方框772表示,显示栏752中的动作阈值。方框776表示,显示栏754中的动作,并且方框778表示,显示栏750中的测量到的现场数据。方框780指示各种各样的其它信息,并且致动器也可以被显示在用户界面显示720上。
在方框782处,操作者输入命令处理系统654检测和处理与由操作者260执行的与用户界面显示720进行的交互相对应的操作者输入。在其上显示有用户界面显示720的用户界面机构是触敏显示屏的情况下,由操作者260进行的与触敏显示屏的交互输入可以是触摸手势784。在一些情况下,操作者交互输入可以是使用点击装置786或其它操作者交互输入788的输入。
在方框790处,操作者界面控制器231接收指示警报条件的信号。例如,方框792指示出,信号可以由控制器输入处理系统668接收,从而指示出栏750中的检测值满足栏752中呈现的阈值条件。如先前所解释的,阈值条件可以包括低于阈值、处于阈值或高于阈值的值。方框794示出,动作信号生成器660可以响应于接收到警报条件,通过使用视觉控制信号生成器684生成视觉警报、通过使用听觉控制信号生成器686生成听觉警报、通过使用触觉控制信号生成器688生成触觉警报、或通过使用这些的任何组合,来警告操作者260。类似地,如由方框796所指示的,控制器输出生成器670可以向控制系统214中的其它控制器生成输出,使得那些控制器执行在栏754中标识的相应的动作。方框798示出,操作者界面控制器231还可以以其它方式检测和处理警报条件。
方框900示出,语音处理系统662可以检测和处理调用语音处理系统658的输入。方框902示出,执行语音处理可以包括使用对话管理系统680来传递与操作者260的对话。方框904示出,语音处理可以包括向控制器输出生成器670提供信号,从而基于语音输入自动地执行控制操作。
下文中,表1示出了操作者界面控制器231与操作者260之间的对话的示例。在表1中,操作者260使用由触发检测器672检测的触发词或唤醒词以调用语音处理系统658。在表1中示出的示例中,唤醒词是“约翰尼(Johnny)”。
表1
操作者:“约翰尼,告诉我籽粒大小。”
操作者界面控制器:“当前籽粒大小是大。”
表2示出了语音合成部件676向听觉控制信号生成器686提供输出以在间歇的或周期的基础上提供听觉更新的示例。各更新之间的间隔可以是基于时间的(诸如每五分钟)、或基于覆盖区或距离(诸如每五英亩),或基于异常的(诸如当测量值大于阈值时)。
表2
操作者界面控制器:“在过去10分钟内,籽粒大小是5%大、80%中等和15%小。”
操作者界面控制器:“预测下一英亩的籽粒大小分配为:10%大,80%中等,10%小。”
图3中示出的示例示出,触敏显示720上的一些致动器或用户输入机构可以与语音对话互补。表3中的示例示出,动作信号生成器660可以生成动作信号以自动地标记正在被收割的田地中的大籽粒大小地块。
表3
人:“约翰尼,标记大籽粒大小地块。”
操作者界面控制器:“大籽粒大小地块已标记。”
表4中示出的示例示出,动作信号生成器660可以进行与操作者260的对话以开始和结束标记大籽粒大小地块。
表4
人:“约翰尼,开始标记大籽粒大小地块。”
操作者界面控制器:“标记大籽粒大小地块。”
人:“约翰尼,停止标记大籽粒大小地块。”
操作者界面控制器:“大籽粒大小地块标记已停止。”
表5中示出的示例示出,动作信号生成器160可以生成信号以便以与表3和表4中示出的不同的方式来标记小籽粒大小地块。
表5
人:“约翰尼,将下一100英尺标记为小籽粒大小地块。”
操作者界面控制器:“下一100英尺已被标记为小籽粒大小地块。”
再次返回至图10,方框906图示出,操作者界面控制器231还可以检测和处理用于以其它方式输出消息和其它信息的条件。例如,其它控制器交互系统656可以检测来自其它控制器的、指示警报或输出消息应被呈现给操作者260的输入。方框908示出,输出可以是听觉消息。方框910示出,输出可以是视觉消息,并且方框912示出,输出可以是触觉消息。直到操作者界面控制器231确定到当前收割操作完成,处理才恢复至方框698,在方框698处收割机100的地理位置被更新并且处理如上文描述的那样继续以更新用户界面显示720。
一旦操作完成,则可以保存用户界面显示720上显示的或已经显示的任何期望值。那些值还可以用于机器学习,以改善预测模型生成器210、预测图生成器212、控制区生成器213、控制算法或其它物件的不同部分。由方框916指示保存期望值。值可以被本地地保存在农业收割机100上,或者值可以被保存在远程服务器位置或被发送至另一远程系统。
因而可以看到,信息图由农业收割机获得并且示出在正在被收割的田地的不同地理位置处的值。收割机上的现场传感器感测当农业收割机移动通过田地时的特性。预测图生成器基于信息图中的值和由现场传感器感测的特性来生成预测图,所述预测图预测田地中的不同位置处的控制值。控制系统基于预测图中的值来控制可控子系统。
控制值是动作可以基于的值。如本文中描述的,控制值可以包括可以在控制农业收割机100时使用的任何值(或由所述值指示的或导出的特性)。控制值可以是指示农业特性的任何值。控制值可以是预测值、测量值或检测值。控制值可以包括由图(诸如本文中描述的图中的任一图)提供的值中的任一值,例如,控制值可以是由信息图提供的值、由先验信息图提供的值、或由预测图(诸如功能预测图)提供的值。控制值还可以包括由本文中描述的传感器中的任一传感器检测到的值所指示的或导出的特性中的任一特性。在其它示例中,控制值可以由农业机器的操作者来提供,诸如由农业机器的操作者输入的命令。
本论述已提到处理器和服务器。在一些示例中,处理器和服务器包括具有关联的存储器和定时电路(未分别示出)的计算机处理器。处理器和服务器是该处理器和服务器所属的系统或装置的功能部件,并由这些系统中其它部件或物件的功能激活,并促成这些系统中其它部件或物件的功能。
而且,已论述了许多用户界面显示器。所述显示器可以采取多种不同的形式,并且可以具有在其上设置各种各样不同的用户可激活的操作者界面机构。例如,用户可激活的操作者界面机构可以包括文本框、复选框、图标、链接、下拉菜单、搜索框等。用户可激活的操作者界面机构还可以以各种各样不同的方式来致动。例如,用户可激活的操作者界面机构可以使用操作者界面机构来致动,所述操作者界面机构诸如为点击装置(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)、虚拟键盘或其它虚拟致动器。另外,在显示用户可激活的操作者界面机构的屏幕是触敏屏的情况下,用户可激活的操作者界面机构可以使用触摸手势来激活。此外,用户可激活的操作者界面机构可以使用利用语音识别功能的语音命令来激活。语音识别可以使用语音检测装置和软件来实现,所述语音检测装置诸如麦克风,所述软件用于识别所检测的语音并基于所接收的语音来执行命令。
也已经论述了许多数据存储器。将注意,每个数据存储器都可以被分成多个数据存储器。在一些示例中,数据存储器中的一个或更多个对于访问该数据存储器的系统来说可以是本地的,数据存储器中的一个或更多个可以全部位于远离利用该数据存储器的系统,或者一个或更多个数据存储器可以是本地的,而其他的数据存储器是远程的。本公开考虑到了所有这些配置。
同样,所述附图示出了许多方框,并且向每个方框赋予功能。将注意,较少的方框可以被用于示出,归属于多个不同方框的功能由较少的部件来执行。也可以使用较多方框来示出,所述功能可以在较多部件之间分配。在不同的示例中,一些功能可以被增加,并且一些可以被去除。
将注意,以上论述已描述了各种不同的系统、部件、逻辑和交互。将理解,这样的系统、部件、逻辑或交互中的任一个或全部都可以由执行与那些系统、部件、逻辑或交互相关联的功能的硬件物件来实现,所述硬件物件诸如为处理器、存储器或其它处理部件,所述硬件物件包括但不限于诸如神经网络之类的人工智能部件,其中一些在下文描述。另外,所述系统、部件、逻辑和交互中的人一个或全部都可以由加载到存储器中且随后由处理器或服务器或其它计算部件执行的软件来实现,如下文描述的。所述系统、部件、逻辑和交互中的人一个或全部由硬件、软件、固件等的不同组合来实现,其中一些示例在下文中描述。这些是可以被用于实现上文中描述的所述系统、部件、逻辑和交互中的人一个或全部的不同结构的一些示例。也可以使用其它结构。
图12是农业收割机600的框图,所述农业收割机600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提供计算、软件、数据访问和存储服务,这些服务不需要最终用户知道传递服务的系统的实体位置或配置。在各个示例中,远程服务器可以使用适当的协议在广域网(诸如因特网)上传递服务。例如,远程服务器可以在广域网上传递应用,并且可以通过网络浏览器或任何其它计算部件进行访问。图2中示出的软件或部件以及与其相关联的数据都可以被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在远程数据中心位置处整合,或者计算资源可以被分配至多个远程数据中心。远程服务器基础设施可以通过共享数据中心传递服务,即使该服务作为用户的单个访问点来出现。因而,可以使用远程服务器架构从位于远程位置处的远程服务器来提供本文中描述的部件和功能。替代地,所述部件和功能可以从服务器来提供,或者所述部件和功能可以被直接地或以其它方式安装到客户端装置上。
在图12中示出的示例中,一些物件类似于图2中示出的物件并且那些物件被类似地编号。图12具体地示出了,预测模型生成器210或预测图生成器212或这两者可以位于远离农业收割机600的服务器位置。因此,在图12中示出的示例中,农业收割机600通过远程服务器位置502来访问系统。
图12还描绘了远程服务器架构的另一示例。图12示出了,图2的一些元件可以被设置在远程服务器位置502处,而其它元件可以位于其它地方。通过举例的方式,数据存储器202可以被设置在与位置502分离的位置处,并经由位置502处的远程服务器来访问。无论所述元件位于何处,所述元件都可以由农业收割机600通过网络(诸如广域网或局域网)直接访问;所述元件可以被服务器托管在远程位点;或者所述元件可以被作为服务器来提供,或被位于远程位置的连接服务器访问。此外,数据可以被储存在任何位置处,并且所存储的数据可以由操作者、用户或系统来访问或被转发至操作者、用户或系统。例如,可以使用实体载体来代替电磁波载体或除电磁波载体之外还使用实体载体。在一些示例中,在无线电信服务覆盖交叉或不存在的情况下,另一机器(诸如加油车或其它移动机器或车辆)可以具有自动化的、半自动化的或手动的信息收集系统。当联合收割机600接近包含信息收集系统的机器(诸如在加油之前的加油车)时,所述信息收集系统使用任何类型的点对点(ad-hoc)无线连接来收集来自联合收割机600的信息。然后,当包含所接收的信息的机器到达无线电信覆盖或其它无线覆盖可用的位置时,所收集的信息可以被转发至另一网络。例如,加油车可以在行驶至对其它机器进行加油的位置时或在处于主要燃料存储位置时进入具有无线通信覆盖的区域。本文考虑了所有这些架构。另外,信息可以被储存到农业收割机600上,直到农业收割机600进入具有无线通信覆盖的区域为止。农业收割机600本身可以向另一网络发送信息。
还将注意,图2的元件或其多个部分可以被设置在各种各样不同的装置上。这些装置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装置,诸如掌上型计算机、手机、智能手机、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。不受限制地,这些措施可以包括存储装置上的数据加密、网络节点之间发送的数据加密、访问数据的人员或进程的认证,以及使用分类帐记录元数据、数据、数据传输、数据访问和数据转换。在一些示例中,分类帐可以是分布式且不可变的(例如,实施为区块链)。
图13是可以用作用户的或客户端的手持装置16的手持或移动计算装置的一个说明性实施例的简化框图,其中可以部署本系统(或其一部分)。例如,可以将移动装置部署在农业收割机100的驾驶舱中,以用于生成、处理或显示上文论述的图。图14至图15是手持或移动装置的示例。
图13提供了客户端装置16的部件的总体框图,客户端装置16可以运行图2中示出的一些部件的、与图2中示出的一些部件交互、或这两者。在装置16中,提供了通信链路13,通信链路13允许手持装置与其它计算装置通信,并且在某些示例的情况下诸如通过扫描来自动地提供用于接收信息的信道或通道。通信链路13的示例包括允许通过一个或更多个通信协议通信,诸如用于提供访问网络的蜂窝的无线服务、以及提供到网络的本地无线连接的协议。
在其它示例中,可以将应用接收在连接至接口15的可移除安全数字(SD)卡上。接口15和通信链路13沿总线19与处理器17(也可以具现为根据其它附图的处理器或服务器)通信,所述总线19还被连接至存储器21和输入/输出(I/O)部件23以及时钟25和定位系统27。
在一个示例中,提供了I/O部件23以促成输入和输出操作。用于装置16的各个示例的I/O部件23可以包括输入部件和输出部件,所述输入部件诸如为按钮、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、取向传感器,所述输出部件诸如为显示器、扬声器和/或打印机端口。也可以使用其它I/O部件23。
时钟25示例性地包括输出时间和日期的实时时钟部件。时钟25也可以示例性地向处理器17提供定时功能。
定位系统27示例性地包括输出装置16的当前地理位置的部件。例如,这可以包括全球定位系统(GPS)接收器、LORAN系统、航位推算系统、蜂窝三角测量系统或其它定位系统。例如,定位系统27也可以包括生成期望的图、导航路线和其它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、应用配置设置35、数据存储器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的易失性和非易失性计算机可读存储器装置。存储器21还可以包括也可以包括计算机存储介质(在下文中描述)。存储器21存储计算机可读指令,当由处理器17执行计算机可读指令时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也可以由其它部件激活以促成其功能。
图14示出了其中装置16是平板计算机600的一个示例。在图14中,计算机601被示出具有用户界面显示屏602。屏幕602可以是触摸屏或接收来自笔或手写笔的输入的笔启动界面。平板计算机600还可以使用屏上虚拟键盘。当然,例如,计算机601也可以是通过合适的附接机构附接至键盘或其它用户输入装置,所述附接机构诸如为无线链路或USB端口。计算机601还可以示例性地接收语音输入。
图15类似于图14,除了所述装置是智能手机71之外。智能手机71具有触敏显示器73,该触敏显示器73显示图标或图块(tile)或其它用户输入机构75。用户可以使用机构75来运行应用、打电话、执行数据传输操作等。通常,智能手机71构建在移动操作系统上,并且提供比功能手机更先进的计算能力和连接性。
注意,装置16的其它形式也是可能的。
图16是其中可以部署图2的元件的计算环境的一个示例。参照图16,用于实施一些实施例的示例系统包括呈计算机810的形式的被编程为用于如上文论述的那样操作的计算装置。计算机810的部件可以包括但不限于处理单元820(其可以包括根据先前附图的处理器或服务器)、系统存储器830和系统总线821,系统总线821将各个系统部件(包括系统存储器)耦合至处理单元820。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、外围总线以及使用多种总线架构中的任何总线架构的本地总线。关于图2描述的存储器和程序可以被部署在图16的相应部分中。
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、可移除和不可移除介质。通过举例而非限制的方式,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并且不包括调制数据信号或载波,并且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,所述硬件存储介质包括以用于存储信息的任何方法或技术实施的易失性和非易失性、可移除和不可移除介质,所述信息诸如计算机可读指令、数据结构、程序模块或其它数据。计算机存储介顾包括但不限于RAM、ROM、EEPROM、闪存或其它存储器技术,CD-ROM、数字多功能磁盘(DVD)或其它光盘存储、盒式磁带、磁带、磁盘存储或其它磁性存储装置,或可以用于存储期望的信息并可以由计算机810访问的任何其它介质。通信介质可以包含计算机可读指令、数据结构、程序模块或传输机构中的其它数据,并且包括任何信息传递介质。术语“调制数据信号”是指这样的信号,该信号具有其特性中的一个或更多个特性,所述一个或更多个特性被设置或改变成编码所述信号中的信息。
系统存储器830包括呈易失性和/或非易失性存储器或这两者的形式的计算机存储介质,诸如只读存储器(ROM)831和随机存取存储器(RAM)832。基本输入/输出系统833(BIOS)(其包含基本例程)通常被存储在ROM 831中,所述基本例程有助于(诸如在启动期间)在计算机810内的元件之间传递信息。RAM 832通常包含可立即访问和/或当前正在处理单元820上或由其操作的数据和/或程序模块或这两者。通过举例而非限制的方式,图16示出了操作系统834、应用程序835、其它程序模块836和程序数据837。
计算机810也可以包括其它可移除/不可移除的易失性/非易失性计算机存储介质。仅通过举例的方式,图16示出了从非可移除的非易失性介质中读取或写入不可移除的非易失性介质的硬盘驱动器841、光盘驱动器855和非易失性光盘856。硬盘驱动器841通常通过不可移除的磁盘存储器接口(诸如接口840)连接到系统总线821,光盘驱动器855通常通过可移除的存储器接口(诸如接口850)连接到系统总线821。
可替代地,或者另外,本文中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执行。例如,但不限于,可以使用的说明性类型的硬件逻辑部件包括现场可编程门阵列(FPGA)、专用集成电路(例如,ASIC)、专用标准产品(例如,ASSP)、片上系统(SOC)、复杂可编程逻辑器件(CPLD)等。
上文论述并在图16中示出的驱动器及其关联的计算机存储介质为计算机810提供计算机可读指令、数据结构、程序模块和其它数据的存储。在图16中,例如,硬盘驱动器841被示出为存储操作系统844、应用程序845、其它程序模块846和程序数据847。应注意,这些部件可以与操作系统834、应用程序835、其它程序模块836和程序数据837相同或不同。
用户可以通过输入装置将命令和信息输入到计算机810中,所述输入装置诸如键盘862、麦克风863和点击装置或定点装置861,所述点击装置或定点装置861诸如鼠标、轨迹球或触摸垫。其它输入装置(未示出)可以包括操纵杆、游戏垫、碟形卫星天线、扫描器等。这些和其它输入装置通常通过用户输入接口860(耦合到系统总线)连接到处理单元820,但是可以通过其它接口和总线结构来连接。视觉显示器891或其它类型的显示装置也经由接口(诸如视频接口890)连接到系统总线821。除了监视器以外,计算机还可以包括其它外围输出装置,诸如可以通过输出外围接口895连接的扬声器897和打印机896。
计算机810使用与一个或更多个远程计算机(诸如远程计算机880)的逻辑连接(诸如控制器区域网(CAN)、局域网(LAN)、或广域网(WAN))在网络环境中进行操作。
当在LAN网络环境中使用时,计算机810通过网络接口或适配器870连接至LAN871。当在WAN网络环境中使用时,计算机810通常包括调制解调器872或用于通过WAN 873(诸如因特网)建立通信的其它装置。在网络环境中,程序模块可以存储在远程存储装置中。例如,图16示出了远程应用程序885可以留在远程计算机880上。
还应注意,本文中描述的不同示例可以不同方式组合。也就是说,一个或更多个示例的各部分可以与一个或更多个其它示例的各部分组合。本文中考虑了所有这些情况。
示例1是一种农业作业机器,包括:
作物处理系统;
通信系统,所述通信系统接收信息图,所述信息图包括与田地中的不同地理位置相对应的第一农业特性的值;
地理位置传感器,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,所述现场传感器检测与所述地理位置相对应的第二农业特性的值,所述第二农业特性指示收割的物料的特性;
预测图生成器,所述预测图生成器基于所述信息图中的所述第一农业特性的值来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至所述田地中的不同地理位置;以及
控制系统,所述控制系统基于所述田地中的不同位置处的所述第二农业特性的预测值并基于检测到的地理位置来控制所述作物处理系统。
示例2是根据任一或所有前述示例所述的农业作业机器,还包括:
预测模型生成器,所述预测模型生成器基于所述信息图中的在所述地理位置处的所述第一农业特性的值和由所述现场传感器所感测的在所述地理位置处的所述第二农业特性的值来生成预测农业模型,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,其中,所述预测图生成器基于所述信息图中的所述第一农业特性的值并基于所述预测农业模型来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至所述田地中的不同地理位置。
示例3是根据任一或所有前述示例所述的农业作业机器,其中,所述收割的物料包括籽粒,并且其中,所述现场传感器包括:
籽粒大小传感器,所述籽粒大小传感器感测所述农业作业机器中的籽粒的籽粒大小特性。
示例4是根据任一或所有前述示例所述的农业作业机器,其中,所述收割的物料包括穗、穗头和果荚(EHP)中的至少一者,并且其中,所述现场传感器包括:
EHP特性传感器,所述EHP特性传感器感测EHP特性,所述EHP特性指示所述农业作业机器中的穗、穗头和果荚中的一者或更多者的特性。
示例5是根据任一或所有前述示例所述的农业作业机器,其中,所述收割的物料包括籽粒,并且其中,所述预测图生成器包括:
籽粒大小图生成器,所述籽粒大小图生成器基于所述信息图中的所述第一农业特性的值并基于所述预测模型来生成作为所述功能预测农业图的预测籽粒大小图;所述预测籽粒大小图将所述籽粒的大小的预测值作为所述第二农业特性的预测值映射至所述田地中的不同地理位置。
示例6是根据任一或所有前述示例所述的农业作业机器,其中,所述收割的物料包括穗、穗头和果荚(EHP)中的至少一者,并且其中,所述预测图生成器包括:
EHP特性图生成器,所述EHP特性图生成器基于所述信息图中的所述第一农业特性的值并基于所述预测模型来生成作为所述功能预测农业图的预测EHP图;所述预测EHP图将一个或更多个EHP特性的预测值作为所述第二农业特性的预测值映射至所述田地中的不同地理位置。
示例7是根据任一或所有前述示例所述的农业作业机器,其中,所述通信系统接收作为所述信息图的第一信息图和第二信息图,所述第一信息图包括所述第一农业特性的值,所述第二信息图包括与所述田地中的不同位置相对应的第三农业特性的值,
其中,所述预测模型生成器基于由所述现场传感器所感测的在所述地理位置处的所述第二农业特性的值并基于所述第一信息图中的所述第一农业特性在所述地理位置处的值和所述第二信息图中的在所述地理位置处的所述第三农业特性的值来生成所述预测农业模型,以对所述第一农业特性和所述第三农业特性的组合与所述第二农业特性之间的关系进行建模,并且
其中,所述预测图生成器包括:
组合图生成器,所述组合图生成器基于所述预测农业模型并基于所述第一信息图中的所述第一农业特性的值并基于所述第二信息图中的所述第三农业特性的值来生成作为所述功能预测图的预测组合图,所述预测组合图将所述第二农业特性的预测值映射至所述田地中的不同地理位置。
示例8是根据任一或所有前述示例所述的农业作业机器,其中,所述通信系统接收作为先验信息图的种子基因型图,所述种子基因型图包括作为所述第一农业特性的种子基因型,其中,所述预测模型生成器生成所述预测农业模型以对所述种子基因型与所述第二农业特性之间的关系进行建模。
示例9是根据任一或所有前述示例所述的农业作业机器,其中,所述通信系统接收作为所述信息图的植被指数图,所述植被指数图包括作为所述第一农业特性的植被指数特性,其中,所述预测模型生成器生成所述预测农业模型以对所述植被指数特性与所述第二农业特性之间的关系进行建模。
示例10是根据任一或所有前述示例所述的农业作业机器,其中,所述通信系统接收作为所述信息图的产量图,所述产量图包括作为所述第一农业特性的预测产量特性,其中,所述预测模型生成器生成预测农业模型以对所述预测产量特性与所述第二农业特性之间的关系进行建模。
示例11是根据任一或所有前述示例所述的农业作业机器,其中,所述通信系统接收作为所述信息图的生物量图,所述生物量图包括作为所述第一农业特性的生物量特性,其中,所述预测模型生成器生成所述预测农业模型以对所述生物量特性与所述第二农业特性之间的关系进行建模。
示例12是一种控制包括作物处理系统的农业作业机器的、由计算机实现的方法,包括:
在所述农业作业机器处接收信息图,所述信息图指示与田地中的不同地理位置相对应的第一农业特性的值;
检测所述农业作业机器的地理位置;
用现场传感器检测第二农业特性,所述第二农业特性指示与所述地理位置相对应的收割的物料的特性;
控制预测图生成器,以基于所述信息图中的所述第一农业特性的值来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至所述田地中的不同位置;以及
基于在所述田地中的不同位置处的所述第二农业特性的预测值并基于检测到的地理位置来控制所述作物处理系统。
示例13是根据任一或所有前述示例所述的由计算机实现的方法,还包括:
基于所述信息图中的在所述地理位置处的所述第一农业特性的值和由所述现场传感器所感测的在所述地理位置处的所述第二农业特性的值来生成预测农业模型,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,其中,控制所述预测图生成器以基于所述信息图中的所述第一农业特性的值并基于所述预测农业模型来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至所述田地中的不同地理位置。
示例14是根据任一或所有前述示例所述的由计算机实现的方法,其中,所述收割的物料包括籽粒,并且其中,检测第二农业特性包括:
检测所述农业作业机器中的籽粒的籽粒大小特性。
示例15是根据任一或所有前述示例所述的由计算机实现的方法,其中,所述收割的物料包括穗、穗头和果荚(EHP)中的至少一者,并且其中,检测所述第二农业特性包括:
检测EHP特性,所述EHP特性指示所述农业作业机器中的穗、穗头和果荚中的一者或更多者的特性。
示例16是根据任一或所有前述示例所述的由计算机实现的方法,其中,所述收割的物料包括籽粒,并且其中,控制所述预测图生成器包括:
控制籽粒大小图生成器,所述籽粒大小图生成器基于所述信息图中的第一农业特性的值并基于所述预测模型来生成作为所述功能预测农业图的预测籽粒大小图,所述预测籽粒大小图将作为所述第二农业特性的预测值的所述籽粒的大小的预测值映射至所述田地中的不同地理位置。
示例17是根据任一或所有前述示例所述的由计算机实现的方法,其中,所述收割的物料包括穗、穗头和果荚(EHP)中的至少一者,并且其中,控制所述预测图生成器包括:
控制EHP特性图生成器,所述EHP特性图生成器基于先验信息图中的所述第一农业特性的值并基于所述预测模型来生成作为所述功能预测农业图的预测EHP图,所述预测EHP图将作为所述第二农业特性的预测值的一个或更多个EHP特性的预测值映射至所述田地中的不同地理位置。
示例18是根据任一或所有前述示例所述的由计算机实现的方法,其中,接收信息图包括:接收作为所述信息图的第一信息图和第二信息图,所述第一信息图包括所述第一农业特性的值,所述第二信息图包括与所述田地中的不同位置相对应的第三农业特性的值;并且其中,生成预测农业模型包括:基于由所述现场传感器所检测的在所述地理位置处的所述第二农业特性的值并基于所述第一信息图中的在所述地理位置处的所述第一农业特性的值和所述第二信息图中的在所述地理位置处的所述第三农业特性的值来生成所述预测农业模型,以对所述第一农业特性和第三农业特性的组合与所述第二农业特性之间的关系进行建模;并且其中,控制预测图生成器包括:
基于所述预测农业模型并基于所述第一信息图中的所述第一农业特性的值并基于所述第二信息图中的所述第三农业特性的值来生成作为所述功能预测图的预测组合图,所述预测组合图将所述第二农业特性的预测值映射至所述田地中的不同地理位置。
示例19是根据任一或所有前述示例所述的由计算机实现的方法,其中,所述通信系统接收作为所述信息图的种子基因型图、植被指数图、产量图、生物量图中的一者或更多者,所述种子基因型图包括作为所述第一农业特性的种子基因型,所述植被指数图包括作为所述第一农业特性的植被指数特性,所述产量图包括作为所述第一农业特性的预测产量特性,所述生物量图包括作为所述第一农业特性的生物量特性。
示例20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,所述信息图包括与田地中的不同地理位置相对应的第一农业特性的值;
地理位置传感器,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,所述现场传感器检测与所述地理位置相对应的第二农业特性的值,所述第二农业特性指示所述农业作业机器中的籽粒的籽粒大小、所述农业作业机器中的穗的特性、所述农业作业机器中的穗头的特性和所述农业作业机器中的果荚的特性中的一者或更多者;
预测图生成器,所述预测图生成器基于所述信息图中的所述第一农业特性的值来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至所述田地中的不同地理位置;以及
控制系统,所述控制系统基于所述功能预测农业图来生成控制信号以控制所述农业作业机器上的可控子系统。
虽然已经以特定于结构特征和/或方法行为的语言描述了本主题,但将理解,随附权利要求中限定的主题不必限于上文中描述的具体特征和/或行为。而是,上文所述的具体特征和行为作为权利要求的示例形式而被公开。
Claims (10)
1.一种农业作业机器(100),包括:
作物处理系统;
通信系统(206),所述通信系统(206)接收信息图(258),所述信息图(258)包括与田地中的不同地理位置相对应的第一农业特性的值;
地理位置传感器(204),所述地理位置传感器(204)检测所述农业作业机器(100)的地理位置;
现场传感器(208),所述现场传感器(208)检测与所述地理位置相对应的第二农业特性的值,所述第二农业特性指示收割的物料的特性;
预测图生成器(212),所述预测图生成器(212)基于所述信息图(258)中的所述第一农业特性的值来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至所述田地中的不同地理位置;以及
控制系统(214),所述控制系统(214)基于所述田地中的不同位置处的所述第二农业特性的预测值并基于检测到的地理位置来控制所述作物处理系统。
2.根据权利要求1所述的农业作业机器,还包括:
预测模型生成器,所述预测模型生成器基于所述信息图中的在所述地理位置处的所述第一农业特性的值和由所述现场传感器所感测的在所述地理位置处的所述第二农业特性的值来生成预测农业模型,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,其中,所述预测图生成器基于所述信息图中的所述第一农业特性的值并基于所述预测农业模型来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至所述田地中的不同地理位置。
3.根据权利要求1所述的农业作业机器,其中,所述收割的物料包括籽粒,并且其中,所述现场传感器包括:
籽粒大小传感器,所述籽粒大小传感器感测所述农业作业机器中的籽粒的籽粒大小特性。
4.根据权利要求1所述的农业作业机器,其中,所述收割的物料包括穗、穗头和果荚(EHP)中的至少一者,并且其中,所述现场传感器包括:
EHP特性传感器,所述EHP特性传感器感测EHP特性,所述EHP特性指示所述农业作业机器中的穗、穗头和果荚中的一者或更多者的特性。
5.根据权利要求2所述的农业作业机器,其中,所述收割的物料包括籽粒,并且其中,所述预测图生成器包括:
籽粒大小图生成器,所述籽粒大小图生成器基于所述信息图中的所述第一农业特性的值并基于所述预测模型来生成作为所述功能预测农业图的预测籽粒大小图;所述预测籽粒大小图将所述籽粒的大小的预测值作为所述第二农业特性的预测值映射至所述田地中的不同地理位置。
6.根据权利要求2所述的农业作业机器,其中,所述收割的物料包括穗、穗头和果荚(EHP)中的至少一者,并且其中,所述预测图生成器包括:
EHP特性图生成器,所述EHP特性图生成器基于所述信息图中的所述第一农业特性的值并基于所述预测模型来生成作为所述功能预测农业图的预测EHP图;所述预测EHP图将一个或更多个EHP特性的预测值作为所述第二农业特性的预测值映射至所述田地中的不同地理位置。
7.根据权利要求2所述的农业作业机器,其中,所述通信系统接收作为所述信息图的第一信息图和第二信息图,所述第一信息图包括所述第一农业特性的值,所述第二信息图包括与所述田地中的不同位置相对应的第三农业特性的值,
其中,所述预测模型生成器基于由所述现场传感器所感测的在所述地理位置处的所述第二农业特性的值并基于所述第一信息图中的在所述地理位置处的所述第一农业特性的值和所述第二信息图中的在所述地理位置处的所述第三农业特性的值来生成所述预测农业模型,以对所述第一农业特性和所述第三农业特性的组合与所述第二农业特性之间的关系进行建模,并且
其中,所述预测图生成器包括:
组合图生成器,所述组合图生成器基于所述预测农业模型并基于所述第一信息图中的所述第一农业特性的值并基于所述第二信息图中的所述第三农业特性的值来生成作为所述功能预测图的预测组合图,所述预测组合图将所述第二农业特性的预测值映射至所述田地中的不同地理位置。
8.根据权利要求2所述的农业作业机器,其中,所述通信系统接收作为先验信息图的种子基因型图,所述种子基因型图包括作为所述第一农业特性的种子基因型,其中,所述预测模型生成器生成所述预测农业模型以对所述种子基因型与所述第二农业特性之间的关系进行建模。
9.一种控制包括作物处理系统的农业作业机器(100)的、由计算机实现的方法,包括:
在所述农业作业机器(100)处接收信息图(258),所述信息图(258)指示与田地中的不同地理位置相对应的第一农业特性的值;
检测所述农业作业机器(100)的地理位置;
用现场传感器(208)检测第二农业特性,所述第二农业特性指示与所述地理位置相对应的收割的物料的特性;
控制预测图生成器(212),以基于所述信息图(258)中的所述第一农业特性的值来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至所述田地中的不同位置;以及
基于所述田地中的不同位置处的所述第二农业特性的预测值并基于检测到的地理位置来控制所述作物处理系统。
10.一种农业作业机器(100),包括:
通信系统(306),所述通信系统(306)接收信息图(258),所述信息图(258)包括与田地中的不同地理位置相对应的第一农业特性的值;
地理位置传感器(204),所述地理位置传感器(204)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(208)检测与所述地理位置相对应的第二农业特性的值,所述第二农业特性指示所述农业作业机器中的籽粒的籽粒大小、所述农业作业机器(100)中的穗的特性、所述农业作业机器(100)中的穗头的特性和所述农业作业机器(100)中的果荚的特性中的一者或更多者;
预测图生成器(212),所述预测图生成器(212)基于所述信息图(258)中的所述第一农业特性的值来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至所述田地中的不同地理位置;以及
控制系统(214),所述控制系统(214)基于所述功能预测农业图来生成控制信号以控制所述农业作业机器(100)上的可控子系统(216)。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/067,583 | 2020-10-09 | ||
US17/067,583 US20220110258A1 (en) | 2020-10-09 | 2020-10-09 | Map generation and control system |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114303614A true CN114303614A (zh) | 2022-04-12 |
Family
ID=81044986
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111156435.1A Pending CN114303614A (zh) | 2020-10-09 | 2021-09-29 | 图生成和控制系统 |
Country Status (3)
Country | Link |
---|---|
US (2) | US20220110258A1 (zh) |
CN (1) | CN114303614A (zh) |
BR (1) | BR102021016550A2 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230270040A1 (en) * | 2019-01-09 | 2023-08-31 | Precision Planting Llc | Systems, Implements, and Methods for Seed Orientation with Adjustable Singulators During Planting |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11727680B2 (en) * | 2020-10-09 | 2023-08-15 | Deere & Company | Predictive map generation based on seeding characteristics and control |
US11927459B2 (en) * | 2020-10-09 | 2024-03-12 | Deere & Company | Machine control using a predictive map |
US11845449B2 (en) * | 2020-10-09 | 2023-12-19 | Deere & Company | Map generation and control system |
US11983009B2 (en) * | 2020-10-09 | 2024-05-14 | Deere & Company | Map generation and control system |
US11825768B2 (en) * | 2020-10-09 | 2023-11-28 | Deere & Company | Machine control using a predictive map |
US20220117158A1 (en) * | 2020-10-15 | 2022-04-21 | Topcon Positioning Systems, Inc. | Method and apparatus for determining and mapping crop height |
US11877528B2 (en) * | 2021-08-30 | 2024-01-23 | Deere & Company | Agricultural machine map-based control system with position error rectification |
ES2956395A1 (es) * | 2022-05-11 | 2023-12-20 | Univ Sevilla | Dispositivo y procedimiento de monitorizacion de rendimiento para cosechadora en olivar superintensivo |
-
2020
- 2020-10-09 US US17/067,583 patent/US20220110258A1/en not_active Abandoned
-
2021
- 2021-08-20 BR BR102021016550-2A patent/BR102021016550A2/pt unknown
- 2021-09-29 CN CN202111156435.1A patent/CN114303614A/zh active Pending
-
2023
- 2023-09-28 US US18/476,927 patent/US20240090377A1/en active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230270040A1 (en) * | 2019-01-09 | 2023-08-31 | Precision Planting Llc | Systems, Implements, and Methods for Seed Orientation with Adjustable Singulators During Planting |
Also Published As
Publication number | Publication date |
---|---|
US20240090377A1 (en) | 2024-03-21 |
BR102021016550A2 (pt) | 2022-04-26 |
US20220110258A1 (en) | 2022-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20240090377A1 (en) | Map generation and control system | |
US12075724B2 (en) | Machine control using a predictive map | |
US11874669B2 (en) | Map generation and control system | |
US11635765B2 (en) | Crop state map generation and control system | |
CN114303608A (zh) | 使用预测图的机器控制 | |
US12063886B2 (en) | Machine control using a predictive map | |
US11927459B2 (en) | Machine control using a predictive map | |
US11711995B2 (en) | Machine control using a predictive map | |
US20220110262A1 (en) | Predictive map generation and control system | |
US20230315096A1 (en) | Machine control using a predictive map | |
CN114303592A (zh) | 使用预测图的机器控制 | |
CN114303613A (zh) | 基于播种特性的预测图生成和控制 | |
EP3981232B1 (en) | Predictive map generation and control system | |
US12013245B2 (en) | Predictive map generation and control system | |
EP3981235B1 (en) | Predictive map generation and control system | |
EP3981243B1 (en) | Map generation and control system | |
EP3981233B1 (en) | Map generation and control system |
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 |