CN114303618A - 预测动力图生成和控制系统 - Google Patents

Abstract

由农业作业机器获得一个或更多个信息图。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。农业作业机器上的现场传感器在该农业作业机器移动穿过田地时感测农业特性。预测图生成器基于所述一个或更多个信息图中的所述值和由现场传感器感测的农业特性之间的关系生成预测图，该预测图预测田地中的不同位置处的预测农业特性。预测图可以被输出并用于自动机器控制。

Description

预测动力图生成和控制系统

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

存在各种不同类型的农业机器。一些农业机器包括收割机，例如联合收割机、甘蔗收割机、棉花收割机、自走式饲料收割机和割晒机。一些收割机还可配备有不同类型的割台以收割不同类型的作物。

农业收割机通常包括发动机或其它动力源，其产生提供给农业收割机的多种不同的子系统的有限量的动力。在横跨不断变化的田地状况的情况下，维持从有限量的动力到多种不同的子系统的高效的动力分布是困难的。

上面的讨论仅是作为一般背景信息被提供的，并非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。随着农业作业机器穿过田地移动，农业作业机器上的现场传感器感测农业特性。预测图生成器基于所述一个或更多个信息图中的值与由现场传感器所感测的农业特性之间的关系来生成预测田地中的不同位置的预测农业特性的预测图。预测图可被输出和用于自动机器控制。

提供本发明内容以按简化形式介绍概念的选择，所述概念在下面的具体实施方式中被进一步描述。本发明内容并非旨在标识要求保护的主题的关键特征或必要特征，也非旨在用于帮助确定要求保护的主题的范围。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局部图示性的局部示意图。

图2是根据本公开的一些示例的更详细地示出农业收割机的一些部分的框图。

图3A至图3B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度量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、作物湿度、土壤性质、地形、产量、杂草或生物量图、检测动力特性以及生成用于在收割操作期间控制农业收割机时使用的功能性预测动力图时的操作示例的流程图。

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和前述附图中示出的架构的计算环境的一个示例的框图。

具体实施方式

为了促进理解本公开的原理，现在将参考附图中所示的示例，并且将使用具体语言来描述它们。然而，将理解，并非意图限制本公开的范围。对所描述的装置、系统、方法的任何改变和进一步修改以及本公开的原理的任何进一步应用是被充分地预想到的，如本公开所属领域的技术人员通常将想到的那样。具体地，充分地预想到的是，关于一个示例描述的特征、组件和/或步骤可与关于本公开的其它示例描述的特征、组件和/或步骤进行组合。

本说明书涉及与预测或先验数据组合地使用与农业操作同时获取的现场数据来生成预测图，并且更具体地，生成预测动力图。在一些示例中，预测动力图可用于控制农业作业机器(例如，农业收割机)。如上所讨论的，收割机的动力生成具有一有限的极限，并且当一个或更多个子系统具有增加的动力需求时整体性能可能会恶化。

基于多种不同的标准，收割机的性能可能受到不利影响。例如，密集的作物植株、杂草或其组合的区域可能对收割机的操作具有有害的影响，这是因为子系统需要更多动力来处理包括作物植株和杂草在内的更大量的材料。植被指数可以表示可以存在密集的作物植株、杂草或其组合的区域。或者例如，具有较高水分含量的作物植株或杂草也需要更多的动力来处理。或者例如，土壤性质(诸如类型或湿度)可能影响转向系统和推进系统的动力用量。例如，与干燥的土壤相比，潮湿的粘土型土壤会导致额外的滑动，这会降低传动系的效率。或者例如，田地的地形可以改变农业收割机的动力特性。例如，当收割机爬坡时，需要将一些动力转移到推进系统以维持恒定的速度。或者例如，田地的具有较高谷物产量的区域可能需要将更多的动力转移到作物处理子系统。或者例如，田地的含有大量生物质的区域可能需要将更多的动力转移到作物处理子系统。

一些当前的系统提供植被指数图。植被指数图说明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(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(normalized difference vegetation index，NDVI)。还存在在本公开的范围内的许多其它植被指数。在一些示例中，可以从由植物反射的一个或更多个电磁辐射带的传感器读数中导出植被指数。非限制性地，这些电磁辐射带可以在电磁波谱的微波、红外线、可见光或紫外线部分中。

植被指数图可以用于标识植被的存在和位置。在一些示例中，这些图使得能够在裸土、作物残留物或包括作物或其它杂草的其它植物存在的情况下对杂草进行标识和地理配准。例如，在生长季节结束时，当作物成熟时，作物植株可能显示出相对低水平的活的且生长的植被。然而，杂草通常在作物成熟之后仍保持生长状态。因此，如果在生长季节中的相对晚的时期生成植被指数图，则该植被指数图可以指示杂草在田地中的位置。

一些当前的系统提供作物湿度图。作物湿度图说明性地映射了横跨感兴趣的田地中的不同地理位置的作物湿度。在一个示例中，可以在收割操作之前通过配备有湿度传感器的无人机(UAV)来感测作物湿度。当无人机行进穿过田地时，对作物湿度读数进行地理定位以创建作物湿度图。这仅仅是示例，并且也可以通过其它方式创建作物湿度图，例如，可以基于降水、土壤湿度或其组合来预测遍及整个田地的作物湿度。

一些当前的系统提供地形图。地形图说明性地映射了横跨感兴趣的田地中的不同地理位置的地面的高度或其它地形特性。由于地面坡度指示高度的改变，所以有两个或更多个高度值允许横跨具有已知高度值的区域来计算坡度。可通过具有已知高度值的更多区域来实现更大粒度(granularity)的坡度。随着农业收割机在已知方向上横跨地势行进，可基于地面的坡度(即，高度变化的区域)来确定农业收割机的俯仰和翻滚。下面提及的地形特性可以包括(但不限于)高度、坡度(例如，包括相对于坡度的机器取向)和地面轮廓(例如，粗糙度)。

土壤性质图说明性地映射横跨感兴趣的田地中的不同地理位置的土壤性质值(其可以指示土壤类型、土壤湿度、土壤覆盖度、土壤结构、以及多种不同的其它土壤性质)。因此，土壤性质图提供了横跨感兴趣的田地的经地理配准的土壤性质。土壤类型可以指土壤科学中的分类单位，其中每种土壤类型包括限定的共享性质集合。土壤类型可以包括例如沙土型土壤、粘土型土壤、淤泥型土壤、泥炭型土壤、白垩土型土壤、壤土型土壤和多种不同的其它土壤类型。土壤湿度可以指在土壤中所保持的或以其它方式包含的水量。土壤湿度也可被称为土壤湿润度。土壤覆盖度(cover)可以指覆盖土壤的物品或材料的量，包括植被材料，例如作物残留物或覆盖作物、残渣、以及多种不同的其它物品或材料。通常，在农业术语中，土壤覆盖度包括剩余的作物残留物的量度(例如，植物茎秆的剩余量)以及覆盖作物的量度。土壤结构可以指土壤的固体部分的排列和位于土壤固体部分之间的孔隙空间。土壤结构可以包括各个颗粒(诸如，沙子、淤泥和粘土的各个颗粒)的组合方式。土壤结构可以依据等级(聚集程度)、类别(聚集体的平均大小)和形式(聚集体的类型)以及多种不同其它描述来描述。这些仅仅是示例。土壤的多种不同的其它特性和性质可以被映射为土壤性质图上的土壤性质值。

可以基于在与感兴趣的田地相对应的另一操作期间所收集的数据来生成这些土壤性质图，例如，所述另一操作为相同季节的先前的农业操作(诸如，种植操作或喷洒操作)以及过去的季节中执行的先前的农业操作(例如，先前的收割操作)。执行那些农业操作的农业机器可以具有机载传感器，该机载传感器检测指示土壤性质的特性，例如指示土壤类型、土壤湿度、土壤覆盖度、土壤结构的特性以及指示多种不同的其它土壤性质的多种不同的其它特性。此外，农业机器在先前的操作期间的操作特性或机器设定连同其它数据可以用于生成土壤性质图。例如，指示农业收割机割台在先前的收割操作期间在横跨该感兴趣的田地中的不同地理位置的高度的割台高度数据连同指示天气状况的天气数据(例如，间歇时间段(例如，从先前的收割操作和生成土壤性质图的时间开始的时间段)期间的降水数据或风数据)可以用于生成土壤湿度图。例如，通过知道割台的高度，可以知道或估计剩余的植物残留物(例如，作物秸秆)的量，并且连同降水数据一起，可以预测土壤湿度水平。这仅仅是示例。

本讨论还包括基于信息图和与现场传感器的关系来预测特性的预测图。这些图中的两种图包括预测产量图和预测生物量图。在一个示例中，通过以下来生成预测产量图：接收先验植被指数图，并在收割操作期间感测产量，并确定先验植被指数图与产量传感器信号之间的关系，并使用该关系以基于该关系和先验植被指数图来生成预测产量图。在一个示例中，通过以下来生成预测生物量图：接收先验植被指数图，并感测生物量，并确定先验植被指数图与生物量传感器信号之间的关系，并使用该关系以基于该关系和先验植被指数图来生成预测生物量图。也可以基于其它信息图来创建或以其它方式生成预测产量图和预测生物量图。例如，可以基于卫星数据或生长模型来生成预测产量图和预测生物量图。

因此，关于如下示例来进行本讨论，在该示例中系统接收植被指数图、杂草图、作物湿度图、土壤性质图、地形图、预测产量图或预测生物量图中的一个或更多个，并且还使用现场传感器来在收割操作期间检测指示作物状态的变量。该系统生成对来自所述图的植被指数值、作物湿度值、土壤性质值、预测产量值或预测生物量值与来自现场传感器的现场数据之间的关系进行建模的模型。该模型用于生成功能性预测动力图，该功能性预测动力图预测农业收割机在该田地中的预期的动力特性。在收割操作期间生成的功能性预测动力特性图可以被呈现给操作者或其它用户，和/或被用于在收割操作期间自动控制农业收割机。

图1是自走式农业收割机100的局部图示性的局部示意图。在所示的示例中，农业收割机100是联合收割机。此外，尽管贯穿本公开提供联合收割机作为示例，但是将理解，本说明书也适用于其它类型的收割机，例如棉花收割机、甘蔗收割机、自走式牧草收割机、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，并因此不限于联合收割机。此外，本公开涉及其它类型的作业机器，例如可适用预测图的生成的农业播种机和喷洒器、建筑设备、林业设备和草皮管理设备。因此，本公开旨在涵盖这些各种类型的收割机以及其它作业机器，并因此不限于联合收割机。

如图1所示，农业收割机100示例性地包括操作者室101，该操作者室101可具有用于控制农业收割机100的多种不同的操作者接口机构。农业收割机100包括前端设备，例如割台102以及总体以104指示的切割器。农业收割机100还包括进料器壳体106、进料加速器108以及总体以110指示的脱粒机。进料器壳体106和进料加速器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可枢转地联接到农业收割机100的框架103。一个或更多个致动器107驱动割台102在通常由箭头109指示的方向上绕轴线105移动。因此，可通过对致动器107进行致动来控制割台102在地面111(割台102在该地面111上行进)上方的竖直位置(割台高度)。尽管图1中未示出，农业收割机100还可包括操作以对割台102或割台102的部分施加倾斜角、翻滚角或二者的一个或更多个致动器。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以使切割器104的远侧边缘113更指向地面来增加倾斜角。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。翻滚角是指割台102绕农业收割机100的前后纵向轴线的取向。

脱粒机110示例性地包括脱粒滚筒112和一组凹板114。此外，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室118(统称为清粮子系统118)，其包括清粮风扇120、谷壳筛122和筛网124。材料处理子系统125还包括排出搅拌器126、杂余升运器128、干净谷物升运器130以及卸载螺旋输送器134和喷口136。干净谷物升运器使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，该残留物子系统138可包括切碎机140和散布机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组件144(例如，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具有上述任何子系统中的不止一个。在一些示例中，农业收割机100可具有图1中未示出的左右清粮子系统、分离器等。

在操作中，作为概述，农业收割机100示例性地在箭头147所指示的方向上穿过田地移动。随着农业收割机100移动，割台102(以及关联的拨禾轮164)接合待收割的作物并将作物朝着切割器104收集。农业收割机100的操作者可以是本地的人工操作者、远程的人工操作者或者自动化系统。农业收割机100的操作者可确定割台102的高度设定(setting)、倾斜角设定或翻滚角设定中的一个或更多个。例如，操作者向控制致动器107的控制系统(下面被更详细地描述)输入一个或更多个设定(setting)。控制系统还可从操作者接收用于建立割台102的倾斜角和翻滚角的设定，并且通过控制操作以改变割台102的倾斜角和翻滚角的关联的致动器(未示出)来实现所输入的设定。致动器107基于高度设定将收割台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。高度设定、翻滚设定和倾斜设定中的每一个可以独立于其它设定的方式来被实现。控制系统以基于所选择的灵敏度水平确定的响应性对割台误差(例如，高度设定与所测量的割台104在地面111上方的高度之间的差异，以及在一些情况下，倾斜角误差和翻滚角误差)作出响应。如果灵敏度水平被设置在较大的灵敏度水平，则控制系统对较小的割台位置误差作出响应，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。

返回到农业收割机100的操作的描述，在作物被切割器104切割之后，切断的作物材料在进料器壳体106中通过输送机朝着进料加速器108移动，进料加速器108使作物材料加速到脱粒机110中。通过使作物材料抵靠凹板114旋转的滚筒112来使作物脱粒。在分离器116中分离器滚筒使脱粒的作物移动，其中排出搅拌器126使一部分残留物朝着残留物子系统138移动。传送至残留物子系统138的那部分残留物被残留物切碎机140切碎并由散布机142散布在田地上。在其它配置中，残留物从农业收割机100成堆排出。在其它示例中，残留物子系统138可包括草籽排除器(未示出)，例如种子装袋机或其它种子收集器或者种子粉碎机或其它种子破碎器。

谷物落到清粮子系统118中。谷壳筛122从谷物分离出一些较大的材料，筛网124从干净谷物分离出一些细小材料。干净谷物落到使谷物移动到干净谷物升运器130的入口端的螺旋输送器，并且干净谷物升运器130使干净谷物向上移动，从而使干净谷物沉积在干净谷物箱132中。通过清粮风扇120所生成的气流从清粮子系统118移除残留物。清粮风扇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。

杂余升运器128使杂余返回到脱粒机110，在脱粒机110中杂余被重新脱粒。另选地，杂余也可通过杂余升运器或另一运输装置被传递到单独的重新脱粒机构，在单独的重新脱粒机构中杂余也被重新脱粒。

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、前视图像捕获机构151(可以是立体摄像机或单目摄像机的形式)以及设置在清粮子系统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可通过感测地面接合组件(例如，轮子或履带)、驱动轴、车轴或其它组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，可使用定位系统来感测行进速度，所述定位系统例如是全球定位系统(GPS)、航位推算系统、远程导航(LORAN)系统、或者提供行进速度的指示的各种其它系统或传感器。

损失传感器152示例性地提供指示发生在清粮子系统118的右侧和左侧二者中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，其对每单位时间或每单位行进距离的谷物撞击进行计数以提供发生在清粮子系统118处的谷物损失的指示。清粮子系统118的右侧和左侧的撞击传感器可提供单独的信号或者组合或聚合信号。在一些示例中，与为各个清粮子系统118提供单独的传感器相反，传感器152可包括单个传感器。

分离器损失传感器148提供指示左分离器和右分离器(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可与左分离器和右分离器关联并且可提供单独的谷物损失信号或者组合或聚合信号。在一些情况下，也可使用各种不同类型的传感器来感测分离器中的谷物损失。

农业收割机100还可包括其它传感器和测量机构。例如，农业收割机100可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的振荡或跳动(和振幅)；残留物设定传感器，其被配置为感测农业收割机100是否被配置为切碎残留物、成堆等；清粮室风扇速度传感器，其感测风扇120的速度；凹板间隙传感器，其感测滚筒112与凹板114之间的间隙；脱粒滚筒速度传感器，其感测滚筒112的滚筒速度；谷壳筛间隙传感器，其感测谷壳筛122中的开口尺寸；筛网间隙传感器，其感测筛网124中的开口尺寸；谷物以外的材料(MOG)湿度传感器，其感测通过农业收割机100的MOG的湿度水平；一个或更多个机器设定传感器，其被配置为感测农业收割机100的多种可配置的设定；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，例如作物类型、作物湿度以及其它作物性质。当农业收割机100正处理作物材料时，作物性质传感器还可被配置为感测切断的作物材料的特性。例如，在一些情况下，作物性质传感器可感测：谷物质量，例如碎谷物、MOG水平；谷物成分，例如淀粉和蛋白质；以及当谷物经过进料器壳体106、干净谷物升运器130或者农业收割机100中的别处时的谷物进料速率。作物性质传感器还可感测生物质通过进料器壳体106、分离器116或农业收割机100中的别处的进料速率。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，或者提供指示其它感测的变量的其它输出信号。

用于检测或感测动力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、流体压力传感器、流体流量传感器、力传感器、轴承载荷传感器和旋转传感器。可以以变化的粒度(granularity)水平测量动力特性。例如，可以在机器范围内、子系统范围内或由子系统的各个组件感测动力用量。

在描述农业收割机100如何生成功能性预测动力图并将该功能性预测动力图用于控制之前，将首先描述农业收割机100上的一些项目及其操作的简要说明。图2、图3A和图3B的绘图描述了接收一般类型的信息图并将来自信息图的信息与现场传感器所生成的经地理配准的传感器信号组合，其中传感器信号指示田地中的特性，例如农业收割机的动力特性。田地的特性可包括(但不限于)：田地的特性，例如坡度、杂草密集度、杂草类型、土壤湿度、表面质量；作物性质的特性，例如作物高度、作物湿度、作物密度、作物状态；谷物性质的特性，例如谷物湿度、谷物大小、谷物测试重量；以及机器性能的特性，例如损失水平、工作质量、燃料消耗和动力利用率。识别从现场传感器信号获得的特性值与信息图值之间的关系，并且使用该关系来生成新的功能性预测图。功能性预测图预测田地中的不同地理位置处的值，并且那些值中的一个或更多个可用于控制机器，例如控制农业收割机的一个或更多个子系统。在一些情况下，可将功能性预测图呈现给用户，例如农业作业机器(可以是农业收割机)的操作者。可在视觉上(例如，经由显示器)、触觉上或听觉上将功能性预测图呈现给用户。用户可与功能性预测图交互以执行编辑操作和其它用户接口操作。在一些情况下，功能性预测图可用于控制农业作业机器(例如，农业收割机)、呈现给操作者或其它用户、以及呈现给操作者或用户以便于操作者或用户交互中的一个或更多个。

在参照图2、图3A和图3B描述一般方法之后，参照图4和图5描述生成可呈现给操作者或用户、和/或用于控制农业收割机100的功能性预测动力特性图的更具体的方法。同样，尽管针对农业收割机(具体地，联合收割机)进行本讨论，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是示出示例农业收割机100的一些部分的框图。图2示出农业收割机100示例性地包括一个或更多个处理器或服务器201、数据存储装置202、地理位置传感器204、通信系统206、以及与收割操作同时地感测田地的一个或更多个农业特性的一个或更多个现场传感器208。农业特性可包括可对收割操作有影响的任何特性。农业特性的一些示例包括收割机器、田地、田地上的植物和天气的特性。也包括其它类型的农业特性。农业特性可以包括可对收割操作具有影响的任何特性。其中，农业特性的一些示例包括收割用机器、田地、田地上的植物、天气等的特性。现场传感器208生成与所感测的特性对应的值。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以及操作者接口机构218。农业收割机100还可包括各种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、以及在农业操作的过程期间感测田地的特性的其它传感器226。预测模型生成器210示例性地包括信息变量对现场变量模型生成器228，并且预测模型生成器210可包括其它项目230。控制系统214包括通信系统控制器229、操作者接口控制器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、带式输送器带控制器240、盖板位置控制器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可包括其它项目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可包括各种其它子系统256。

图2还示出农业收割机100可接收信息图258。如下面描述的，例如，信息图258包括例如来自先前或先验操作的植被指数图或植被图。然而，先验信息图258还可涵盖在收割操作之前获得的其它类型的数据或者来自先验或先前操作的图。图2还示出操作者260可操作农业收割机100。操作者260与操作者接口机构218交互。在一些示例中，操作者接口机构218可包括摇杆、操纵杆、方向盘、连杆、踏板、按钮、拨盘、键区、用户接口显示装置上的用户可致动元件(例如图标、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可利用触摸手势来与操作者接口机构218交互。提供上述这些示例作为示例性示例，而非旨在限制本公开的范围。因此，其它类型的操作者接口机构218也可被使用并且在本公开的范围内。

使用通信系统206或其它方式，信息图258可被下载到农业收割机100上并被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、经由广域网或局域网通信的系统、经由近场通信网络通信的系统、或者被配置为经由各种其它网络中的任一种或网络的组合通信的通信系统。通信系统206还可包括方便来往安全数字(SD)卡或通用串行总线(USB)卡或这二者的信息下载或传送的系统。

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可包括(但不限于)全球导航卫星系统(GNSS)接收器，该全球导航卫星系统(GNSS)接收器接收来自GNSS卫星发送器的信号。地理位置传感器204还可包括实时运动(RTK)组件，该实时运动(RTK)组件被配置为增强从GNSS信号推导的位置数据的精度。地理位置传感器204可包括航位推算系统、蜂窝三角测量系统或者各种其它地理位置传感器中的任一种。

现场传感器208可以是上面参照图1描述的任何传感器。现场传感器208包括安装在农业收割机100上的机载传感器222。例如，这些传感器可包括感知传感器(例如，前视的单目或立体相机系统和图像处理系统)、在农业收割机100内部的图像传感器(例如，干净谷物相机、或者被安装以识别通过残留物子系统或从清粮子系统离开农业收割机100的杂草种子的相机)。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者在收割操作期间检测数据的情况下由任何传感器获取的数据。

预测模型生成器210生成指示现场传感器208所感测的值与通过信息图258映射到田地的度量之间的关系的模型。例如，如果信息图258建立植被指数值与田地中的不同位置的映射，并且现场传感器208正在感测指示割台动力用量的值，则先验信息变量对现场变量模型生成器228生成对植被指数值与割台动力用量值之间的关系进行建模的预测动力模型。还可基于来自信息图258的植被指数值和现场传感器208所生成的多个现场数据值来生成预测动力模型。然后，基于信息图258，预测图生成器212使用由预测模型生成器210所生成的预测动力模型来生成功能性预测动力图，该功能性预测动力图预测由现场传感器208所感测的在田地中的不同位置的动力特性(例如，子系统的动力用量)的值。

在一些示例中，功能性预测图263中的值的类型可与现场传感器208所感测的现场数据类型相同。在一些情况下，功能性预测图263中的值的类型可具有与现场传感器208所感测的数据不同的单位。在一些示例中，功能性预测图263中的值的类型可与现场传感器208所感测的数据类型不同，但是与现场传感器208所感测的数据类型有关系。例如，在一些示例中，现场传感器208所感测的数据类型可指示功能性预测图263中的值的类型。在一些示例中，功能性预测图263中的数据的类型可与信息图258中的数据类型不同。在一些情况下，功能性预测图263中的数据的类型可具有与信息图258中的数据不同的单位。在一些示例中，功能性预测图263中的数据的类型可与信息图258中的数据类型不同，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中的数据类型可指示功能性预测图263中的数据的类型。在一些示例中，功能性预测图263中的数据的类型与现场传感器208所感测的现场数据类型和信息图258中的数据类型中的一者或二者不同。在一些示例中，功能性预测图263中的数据的类型与现场传感器208所感测的现场数据类型和信息图258中的数据类型中的一者或二者相同。在一些示例中，功能性预测图263中的数据的类型与现场传感器208所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，与另一个不同。

继续前述示例，其中信息图258是植被指数图、并且现场传感器208感测指示割台动力用量的值，预测图生成器212可使用信息图258中的植被指数值和由预测模型生成器210所生成的模型来生成功能性预测图263，该功能性预测图263预测田地中的不同位置的割台动力用量。预测图生成器212因此输出预测图264。

如图2所示，预测图264基于信息图258中在那些位置处的信息值和预测模型来预测横跨田地的多个位置处所感测的特性(由现场传感器208感测)的值或与所感测的特性有关的特性的值。例如，如果预测模型生成器210已生成指示植被指数值与割台动力用量之间的关系的预测模型，则给定在横跨田地不同位置的植被指数值，预测图生成器212生成预测在横跨田地不同位置的割台动力用量的值的预测图264。使用从植被指数图获得的那些位置处的植被指数值以及从预测模型获得的植被指数值与割台动力用量之间的关系来生成预测图264。

现在将描述在信息图258中所映射的数据类型、现场传感器208所感测的数据类型以及预测图264上所预测的数据类型的一些变化。

在一些示例中，信息图258中的数据类型与现场传感器208所感测的数据类型不同，而预测图264中的数据类型与现场传感器208所感测的数据类型相同。例如，信息图258可以是植被指数图，并且现场传感器208所感测的变量可以是产量。因而，预测图264可以是将预测的产量值映射到田地中的不同地理位置的预测产量图。在另一示例中，信息图258可以是植被指数图，并且现场传感器208所感测的变量可以是作物高度。然后，预测图264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。

另外，在一些示例中，信息图258中的数据类型与现场传感器208所感测的数据类型不同，并且预测图264中的数据类型与信息图258中的数据类型和现场传感器208所感测的数据类型二者不同。例如，信息图258可以是植被指数图，并且现场传感器208所感测的变量可以是作物高度。因而，预测图264可以是将预测的生物量值映射到田地中的不同地理位置的预测生物量图。在另一示例中，信息图258可以是植被指数图，并且现场传感器208所感测的变量可以是产量。而预测图264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来自在或先前操作期间穿过田地的或先前穿行，并且数据类型与现场传感器208所感测的数据类型不同，而预测图264中的数据类型与现场传感器208所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，并且现场传感器208所感测的变量可以是茎秆尺寸。因而，预测图264可以是将预测的茎秆尺寸值映射到田地中的不同地理位置的预测茎秆尺寸图。在另一示例中，信息图258可以是播种杂交图，并且现场传感器208所感测的变量可以是作物状态(诸如直立的作物或倒伏的作物)。因而，预测图264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来自在或先前操作期间穿过田地的穿行，并且数据类型与现场传感器208所感测的数据类型相同，并且预测图264中的数据类型也与现场传感器208所感测的数据类型相同。例如，信息图258可以是在前一年生成的产量图，并且现场传感器208所感测的变量可以是产量。因而，预测图264可以是将预测的产量值映射到田地中的不同地理位置的预测产量图。在这种示例中，预测模型生成器210可使用来自前一年的经地理配准的信息图258中的相对产量差异，来生成对信息图258上的相对产量差异与现场传感器208在当前收割操作期间所感测的产量值之间的关系进行建模的预测模型。然后，预测图生成器210使用预测模型来生成预测产量图。

在另一示例中，信息图258可以是在先前或先验操作期间生成的脱粒/分离子系统动力用量图，并且现场传感器208所感测的变量可以是脱粒/分离子系统动力用量。因而，预测图264可以是将预测的脱粒/分离子系统动力用量值映射到田地中的不同地理位置的预测脱粒/分离子系统动力用量图。

在一些示例中，预测图264可被提供给控制区生成器213。控制区生成器213基于预测图264的与一区域的相邻部分相关联的数据值，将该区域的这些相邻部分分组为一个或更多个控制区。控制区可包括一区域(例如，田地)的两个或更多个连续部分，对所述两个或更多个连续部分来说，与该控制区相对应的、用于控制可控子系统的控制参数是恒定的。例如，改变可控子系统216的设定的响应时间可能不足以令人满意地响应被包含在诸如预测图264的图中的值的改变。在这种情况下，控制区生成器213解析该图并识别具有定义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，控制区可被调整尺寸以减小由连续调节导致的过度致动器移动所造成的磨损。在一些示例中，对于各个可控子系统216或成组的可控子系统216，可存在不同组的控制区。控制区可被添加到预测图264以获得预测控制区图265。因此，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可与预测图264相似。因此，如本文所描述的，功能性预测图263可包括或者可不包括控制区。预测图264和预测控制区图265二者均是功能性预测图263。在一个示例中，功能性预测图263不包括控制区(例如，预测图264)。在另一示例中，功能性预测图263确实包括控制区(例如，预测控制区图265)。在一些示例中，如果实施间作生产系统，则多种作物可同时存在于田地中。在这种情况下，预测图生成器212和控制区生成器213能够识别两种或更多种作物的位置和特性，然后相应地生成预测图264和具有控制区的预测图265。

还将理解，控制区生成器213可对值进行聚类以生成控制区，并且控制区可被添加到预测控制区图265或者被添加到仅显示所生成的控制区的单独图。在一些示例中，控制区可用于控制和/或校准农业收割机100。在其它示例中，控制区可被呈现给操作者260并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或这二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或这二者来生成控制信号。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控制该通信系统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。

操作者接口控制器231能够操作以生成控制信号以控制操作者接口机构218。操作者接口控制器231还能够操作以将预测图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可生成操作者可致动机构，操作者可致动机构被显示并且可由操作者致动以与所显示的图交互。操作者可通过例如基于操作者的观察校正显示在图上的动力特性来编辑该图。设定控制器232可基于预测图264、预测控制区图265或这二者来生成控制农业收割机100上的多种设定的控制信号。例如，设定控制器232可生成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定、凹板间隙、滚筒设定、清粮风扇速度设定、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联接到带式输送器割台)、谷物割台功能、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中的一个或更多个。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可控制路径规划系统为农业收割机100生成路线，并且可控制推进子系统250和转向子系统252使农业收割机100沿着该路线转向。进料速率控制器236可控制诸如推进子系统250和机器致动器248之类的多种子系统，以基于预测图264或预测控制区图265或这二者来控制进料速率。例如，随着农业收割机100接近具有高于所选阈值的预测的子系统动力用量值的区域，进料速率控制器236可降低农业收割机100的速度以维持针对所述一个或更多个子系统的预测的动力用量需求的动力分配。割台和拨禾轮控制器238可生成控制信号以控制割台或拨禾轮或其它割台功能。带式输送器带控制器240可基于预测图264、预测控制区图265或这二者来生成控制信号以控制带式输送器带或其它带式输送器功能。盖板位置控制器242可基于预测图264或预测控制区图265或这二者来生成控制信号以控制被包括在割台上的盖板的位置，并且残留物系统控制器244可基于预测图264或预测控制区图265或这二者来生成控制信号以控制残留物子系统138。机器清粮控制器245可生成控制信号以控制机器清粮子系统254。被包括在农业收割机100上的其它控制器也可基于预测图264或预测控制区图265或这二者来控制其它子系统。

图3A和图3B示出流程图，其示出在基于信息图258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。

在框280处，农业收割机100接收信息图258。参照框281、282、284和286讨论信息图258或接收信息图258的示例。如上所述，信息图258将与第一特性对应的变量的值映射到田地中的不同位置，如框282所指示的。如框281所指示的，接收信息图258可涉及选择可用的多个可能信息图中的一个或更多个。例如，一个信息图可以是从航拍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所生成的图，这种先前通过可由在田地中执行先验或先验操作的不同机器(例如，喷洒器或其它机器)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，可基于在前一年或者在当前生长季节早前或者在其它时间获取的空中图像来收集所述数据。如由框285指示的，信息图可以是基于信息图和与现场传感器的关系来预测特性的预测图。在图5中呈现生成预测图的过程。也可以用其它传感器和其它图来执行该过程以生成例如预测产量图或预测生物量图。这些预测图可以用作其它预测过程中的图，如由框285指示的。所述数据可以基于除了使用空中图像之外的其它方式所检测的数据。例如，用于信息图258的数据可使用通信系统206而被发送到农业收割机100并被存储在数据存储装置202中。也可使用通信系统206以其它方式将信息图258的数据提供给农业收割机100，这由图3A的流程图中的框286指示。在一些示例中，信息图258可由通信系统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，所述一个或更多个现场数据值指示例如动力特性(例如，由一个或更多个子系统使用的动力用量)的特性，如由框288指示的。参照框222、290和226来讨论现场传感器288的示例。如上面说明的，现场传感器208包括：机载传感器222；远程现场传感器224，例如飞行一次以收集现场数据的基于UAV的传感器(在框290中被示出)；或者由现场传感器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、航向或速度数据对来自机载传感器的数据进行地理配准。

预测模型生成器210控制信息变量对现场变量模型生成器228以生成对被包含在信息图258中的映射的值与现场传感器208所感测的现场值之间的关系进行建模的模型，如框292所指示的。由信息图258中的映射的值和现场传感器208所感测的现场值所表示的特性或数据类型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使用预测模型和信息图258来生成预测图264，该预测图264预测在正在收割的田地中的不同地理位置处由现场传感器208所感测的特性或者与现场传感器208所感测的特性有关的不同特性的值，如框294所指示的。

应该注意的是，在一些示例中，信息图258可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。两个或更多个不同的图中的各个图、或者图的两个或更多个不同的图层中的各个层，将不同类型的变量映射到田地中的地理位置。在这种示例中，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的图层所映射的各个不同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可包括各自感测不同类型的变量的两个或更多个传感器。因此，预测模型生成器210生成对由信息图258所映射的各个类型的变量与由现场传感器208所感测的各个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可使用预测模型和信息图258中的各个图或图层来生成功能性预测图263，该功能性预测图263预测在正在收割的田地中的不同位置处由现场传感器208感测的每个感测的特性(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，以使得预测图264可由控制系统214操纵(或使用)。预测图生成器212可将预测图264提供给控制系统214或控制区生成器213或这二者。将参照框296、295、299和297描述可配置或输出预测图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，以使得预测图264包括可由控制系统214读取并用作针对农业收割机100的一个或更多个不同的可控子系统生成控制信号的基础的值，如框296所指示的。

控制区生成器213可基于预测图264上的值将预测图264分成控制区。在彼此的阈值内的地理上连续的值可被分组到一控制区中。该阈值可以是默认阈值，或者可基于操作者输入、基于来自自动化系统的输入或者基于其它标准来设置该阈值。所述区的大小可基于控制系统214、可控子系统216的响应性，基于磨损考虑或其它标准，如框295所指示的。预测图生成器212配置预测图264以用于呈现给操作者或其它用户。控制区生成器213可配置预测控制区图265以用于呈现给操作者或其它用户。这由框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或这二者的呈现可包含预测图264上的与地理位置相关的预测值、预测控制区图265上的与地理位置相关的控制区、以及基于图264上的预测的值或预测控制区图265上的区被使用的设定值或控制参数中的一个或更多个。在另一示例中，所述呈现可包括更抽象的信息或更详细的信息。所述呈现还可包括置信度，该置信度指示预测图264上的预测值或预测控制区图265上的区符合当农业收割机100穿过田地移动时可由农业收割机100上的传感器测量的测量值的准确度。此外，在信息被呈现给超过一个位置的情况下，可提供验证和授权系统以实现验证和授权过程。例如，可存在被授权查看和改变图和其它呈现的信息的个人层级。作为示例，机载显示装置可在机器上本地地近似实时显示所述图，或者也可在一个或更多个远程位置处生成所述图，或者进行这两者。在一些示例中，每个位置处的每个物理显示装置可与人或用户许可级别关联。用户许可级别可用于确定在物理显示装置上哪些显示标记可见、以及对应人可改变哪些值。作为示例，农业收割机100的本地操作者可能无法看到与预测图264对应的信息或者无法对机器操作进行任何改变。然而，监督者(例如，远程位置处的监督者)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。可处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，并且还能改改变预测图264。在一些情况中，可由处于远程位置处的管理者访问和改变的预测图264可以用于机器控制。这是可实现的授权层级的一个示例。预测图264或预测控制区图265或这二者也可按其它方式被配置，如框297所指示的。

在框298处，由控制系统接收来自地理位置传感器204和其它现场传感器208的输入。特别地，在框300处，控制系统214从地理位置传感器204检测识别农业收割机100的地理位置的输入。框302表示控制系统214接收指示农业收割机100的轨迹或航向的传感器输入，并且框304表示控制系统214接收农业收割机100的速度。框306表示控制系统214从多种现场传感器208接收其它信息。

在框308处，控制系统214基于预测图264或预测控制区图265或这二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。在框310处，控制系统214将控制信号施加到可控子系统。将理解，所生成的特定控制信号和被控制的特定可控子系统216可基于一个或更多个不同的事物而变化。例如，所生成的控制信号和被控制的可控子系统216可基于正在使用的预测图264或预测控制区图265或这二者的类型。类似地，所生成的控制信号、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，所生成的呈预测动力图形式的预测图264可用于控制一个或更多个子系统216。例如，预测动力图可包括被地理配准到正收割的田地内的位置的动力用量需求值。来自预测动力图的动力用量需求值可以被提取，以及用于控制转向子系统252和推进子系统250。通过控制转向子系统252和推进子系统250，可以控制材料移动通过农业收割机100的进料速率。类似地，可以控制割台高度以引入更多或更少的材料，并因此也可以控制割台高度以控制材料通过农业收割机100的进料速率。在其它示例中，如果预测图264将预测的割台动力用量映射到田地中的位置，则可以实施对割台的动力分配。例如，如果存在于预测动力图中的值指示一个或更多个区域对割台子系统具有更高的动力用量需求，则割台和拨禾轮控制器238可以从发动机向割台子系统分配更多的动力，这可能需要对其它子系统分配更少的动力，例如通过降低速度和降低推进子系统的动力。前面使用预测动力图涉及割台控制的示例仅作为示例被提供。因此，可使用从预测动力图或其它类型的预测图获得的值来生成多种其它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完成。如果收割未完成，则处理前进到框314，在框314中，不断读取来自地理位置传感器204和现场传感器208(以及可能其它传感器)的现场传感器数据。

在一些示例中，在框316处，农业收割机100还可检测学习触发标准以对预测图264、预测控制区图265、预测模型生成器210所生成的模型、控制区生成器213所生成的区、由控制系统214中的控制器所实现的一个或更多个控制算法以及其它触发式学习中的一个或更多个执行机器学习。

学习触发标准可包括多种不同标准中的任一种。参照框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，触发式学习可涉及当从现场传感器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。在这些示例中，从现场传感器208接收到超过阈值的量的现场传感器数据触发或使得预测模型生成器210生成由预测图生成器212使用的新预测模型。因此，随着农业收割机100继续收割操作，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所生成的预测模型所表示的新关系。此外，可使用新预测模型重新生成新的预测图264、预测控制区图265或这二者。框318表示检测用于触发创建新预测模型的阈值量的现场传感器数据。

在其它示例中，学习触发标准可基于来自现场传感器208的现场传感器数据例如随着时间的流逝或相比于先前的值改变了多少。例如，如果现场传感器数据内的变化(或现场传感器数据与信息图258中的信息之间的关系)在所选择的范围内、或小于限定的量或者低于阈值，则预测模型生成器210不生成新预测模型。结果，预测图生成器212不生成新的预测图264和/或预测控制区图265。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、或大于限定的量、或高于阈值，则预测模型生成器210使用预测图生成器212用于生成新预测图264的新接收的现场传感器数据的全部或部分来生成新预测模型。在框320处，现场传感器数据中的变化(例如，数据超出所选范围的量的量值、或者现场传感器数据与信息图258中的信息之间的关系的变化的幅度)可用作用于引起新预测模型和预测图的生成的触发器。继续以上描述的示例，所述阈值、范围和限定的量可被设置为默认值，由操作者或用户通过用户接口交互来设置，由自动化系统设置，或者被以其它方式设置。

也可使用其它学习触发标准。例如，如果预测模型生成器210切换到不同信息图(不同于最初选择的信息图258)，则切换到不同信息图可触发预测模型生成器210、预测图生成器212、控制区生成器213、控制系统214或其它项目重新学习。在另一示例中，农业收割机100转变到不同地形或不同控制区也可用作学习触发标准。

在一些情况下，操作者260也可编辑预测图264或预测控制区图265或这二者。这种编辑可改变预测图264上的值，改变预测控制区图265上的控制区的尺寸、形状、位置或存在，或改变这两者。框321示出编辑的信息可用作学习触发标准。

在一些情况下，操作者260还可观察到可控子系统的自动控制不是操作者所期望的。在这些情况下，操作者260可向可控子系统提供手动调节，这反映出操作者260期望可控子系统以与控制系统214所命令的方式不同的方式操作。因此，操作者260手动更改设定可使得基于由操作者260进行的调节(如框322所示)来进行如下项中的一个或更多个：使预测模型生成器210重新学习模型，使预测图生成器212重新生成图264，使控制区生成器213重新生成预测控制区图265上的一个或更多个控制区，以及使控制系统214重新学习控制算法或对控制系统214中的控制器组件232至246中的一个或更多个组件执行机器学习。框324表示使用其它触发式学习标准。

在其它示例中，可基于例如所选时间间隔(例如，离散时间间隔或可变时间间隔)周期性地或间歇地执行重新学习，如由框326指示。

如框326所指示的，如果重新学习被触发(无论基于学习触发标准还是基于过去了的时间间隔)，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中的一个或更多个执行机器学习，以基于学习触发标准分别生成新预测模型、新预测图、新控制区和新控制算法。使用自执行上次学习操作以来收集的任何附加数据来生成新预测模型、新预测图和新控制算法。执行重新学习由框328指示。

如果收割操作已完成，则操作从框312移至框330，在框330中，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和预测模型可被本地存储在数据存储装置202上或者可使用通信系统206被发送到远程系统以便于随后使用。

将注意的是，尽管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性预测图时接收信息图，但是在其它示例中，预测模型生成器210和预测图生成器212在分别生成预测模型和功能性预测图时可接收其它类型的图，包括预测图，例如在收割操作期间生成的功能性预测图。

图4是图1所示的农业收割机100的一部分的框图。具体地，除了别的以外，图4更详细地示出预测模型生成器210和预测图生成器212的示例。图4还示出所示的各种组件之间的信息流。预测模型生成器210接收植被指数图332、作物湿度图335、地形图337、土壤性质图339、预测产量图341或预测生物量图343中的一个或更多个以作为信息图。植被指数图332包括经地理配准的植被指数值。作物湿度图335包括经地理配准的作物湿度值。地形图337包括经地理配准的地形特性值。土壤性质图339包括经地理配准的土壤性质值。

预测产量图341包括经地理配准的预测产量值。可以使用在图2和图3中所描述的过程来生成预测产量图341，其中信息图包括植被指数图或历史产量图，并且现场传感器包括产量传感器。也可以以其它方式生成预测产量图341。

预测生物量图343包括经地理配准的预测生物量值。可以使用在图2和图3中所描述的过程来生成预测生物量图343，其中信息图包括植被指数图，并且现场传感器包括生成指示生物量的传感器信号的滚筒驱动压力传感器或光学传感器。也可以以其它方式生成预测生物量图343。

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说明性地包括动力特性传感器(例如动力传感器336)以及处理系统338。动力传感器336感测农业收割机100的一个或更多个组件的动力特性。在一些情况下，动力传感器336可以位于农业收割机100上。处理系统338处理从动力传感器336生成的传感器数据以生成经处理的数据，在下面描述其中的一些示例。动力传感器336可以包括(但不限于)：电压传感器、电流传感器、扭矩传感器、流体压力传感器、流体流量传感器、力传感器、轴承载荷传感器和旋转传感器中的一个或更多个。可以组合这些传感器或其它传感器中的一个或更多个传感器的输出以确定一个或更多个动力特性。

关于动力传感器336是以上所列传感器中的一个或更多个的示例进行本讨论。应当理解的是，这些仅仅是示例，并且在本文中也考虑了动力传感器336的其它示例。如图4所示，示例的预测模型生成器210包括植被指数对动力特性模型生成器342、作物湿度对动力特性模型生成器343、地形对动力特性模型生成器344、土壤性质特性对动力特性模型生成器345、产量对动力特性模型生成器346、生物量对动力特性模型生成器347中的一个或更多个。在其它示例中，预测模型生成器210可以包括比图4的示例中所示的那些组件更多、更少或不同的组件。因此，在一些示例中，预测模型生成器210也可以包括其它项目348，所述其它项目348可以包括其它类型的预测模型生成器以生成其它类型的动力模型。

模型生成器342确定在对应于动力传感器336感测到动力特性的地理位置处的动力特性与来自植被指数图332的、对应于田地中的感测到该动力特性的同一位置的植被指数值之间的关系。基于由模型生成器342所建立的这种关系，模型生成器342生成预测动力模型350。预测图生成器212使用所述预测动力模型350，以基于植被指数图332中所包含的、在田地中的不同位置处的经地理配准的植被指数值来预测在田地中的同一所述位置处的动力特性。

模型生成器343确定在对应于动力传感器336感测到动力特性的地理位置处的动力特性与来自作物湿度图335的、对应于田地中的感测到该动力特性的同一位置的作物湿度值之间的关系。基于由模型生成器343所建立的这种关系，模型生成器343生成预测动力模型350。预测图生成器212使用所述预测动力模型350，以基于作物湿度图335中所包含的、在田地中的不同位置处的经地理配准的作物湿度值来预测在田地中的同一所述位置处的动力特性。

模型生成器344确定在对应于动力传感器336感测到动力特性的地理位置处的动力特性与来自地形图337的、对应于田地中的感测到该动力特性的同一位置的地形特征值之间的关系。基于由模型生成器344所建立的这种关系，模型生成器344生成预测动力模型350。预测图生成器212使用所述预测动力模型350，以基于地形图337中所包含的、在田地中的不同位置处的经地理配准的地形特征值来预测在田地中的同一所述位置处的动力特性。

模型生成器345确定在对应于动力传感器336感测到动力特性的地理位置处的动力特性与来自土壤性质图339的、对应于田地中的感测到该动力特性的同一位置的土壤性质值之间的关系。基于由模型生成器345所建立的这种关系，模型生成器345生成预测动力模型350。预测图生成器212使用所述预测动力模型350，以基于土壤性质图339中所包含的、在田地中的不同位置处的土壤性质值来预测在田地中的同一所述位置处的动力特性。

模型生成器346确定在对应于动力传感器336感测到动力特性的地理位置处的动力特性与来自产量图341的、对应于田地中的感测到该动力特性的同一位置的产量值之间的关系。基于由模型生成器346所建立的这种关系，模型生成器346生成预测动力模型350。预测图生成器212使用所述预测动力模型350，以基于产量图341中所包含的、在田地中的不同位置处的产量值来预测在田地中的同一所述位置处的动力特性。

模型生成器347确定在对应于动力传感器336感测到动力特性的地理位置处的动力特性与来自生物量图343的、对应于田地中的感测到该动力特性的同一位置的生物量值之间的关系。基于由模型生成器347所建立的这种关系，模型生成器347生成预测动力模型350。预测图生成器212使用所述预测动力模型350，以基于生物量图343中所包含的、在田地中的不同位置处的生物量值来预测在田地中的同一所述位置处的动力特性。

鉴于以上内容，预测模型生成器210能够操作以生成多个预测动力模型，例如由模型生成器342、343、344、345、346和347生成的一个或更多个预测动力模型。在另一示例中，上述预测动力模型中的两个或更多个可被组合成单个预测动力模型，该单个预测动力模型基于田地中的不同位置处的不同值来预测两个或更多个动力特性。这些动力模型中的任一个或其组合由图4中的动力模型350统一地表示。

预测动力模型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包括作物接合组件图生成器351、割台动力图生成器352、进料器动力图生成器353、残留物处理动力图生成器356和推进动力图生成器357。在其它示例中，预测图生成器212可包括更多、更少或不同的图生成器。因此，在一些示例中，预测图生成器212可包括其它项目358，其可包括其它类型的图生成器以生成用于其它类型的动力特性的动力图。

作物接合组件图生成器351接收预测动力模型350(该预测动力模型350基于植被指数图332、作物湿度图335、地形图337、土壤性质图339、预测产量图341或预测生物量图343中的一个或更多个图中的值来预测动力特性)，并且生成预测作物接合组件在田地中的不同位置处的动力特性的预测图。例如，作物接合组件可以包括切割器和拨禾轮，并且作物接合组件图生成器351基于限定作物湿度与拨禾轮和切割器的动力用量之间的关系的预测动力模型350来生成拨禾轮和切割器的估计的动力用量的图。

割台动力图生成器352接收预测动力模型350(该预测动力模型350基于植被指数图332、作物湿度图335、地形图337、土壤性质图339、预测产量图341或预测生物量图343中的一个或更多个图中的值来预测动力特性)，并且生成预测割台在田地中的不同位置处的动力特性的预测图。例如，作物接合组件可以包括切割器、拨禾轮、带式输送器带、螺旋输送器、收集组件、茎秆处理组件和割台定位致动器中的一个或更多个；并且割台动力图生成器352基于预测动力模型350生成所述拨禾轮、切割器、带式输送器带、螺旋输送器、收集组件、茎秆处理组件和割台定位致动器中的一个或更多个的估计的动力用量的图，其中所述预测动力模型350限定作物湿度和地形与所述拨禾轮、切割器、带式输送器带、螺旋输送器和割台定位致动器中的一个或更多个的动力用量之间的关系。

进料器动力图生成器353接收预测动力模型350(该预测动力模型350基于植被指数图332、作物湿度图335、地形图337、土壤性质图339、预测产量图341或预测生物量图343中的一个或更多个图中的值来预测动力特性)，并且生成预测进料器在田地中的不同位置处的动力特性的预测图。

脱粒动力图生成器354接收预测动力模型350(该预测动力模型350基于植被指数图332、作物湿度图335、地形图337、土壤性质图339、预测产量图341或预测生物量图343中的一个或更多个图中的值来预测动力特性)，并且生成预测脱粒子系统在田地中的不同位置处的动力特性的预测图。例如，脱粒子系统可以包括一个或更多个脱粒筒、凹板调节致动器和搅打机，并且脱粒动力图生成器352基于预测动力模型350生成所述一个或更多个脱粒筒、凹板调节致动器和搅打机的估计的动力用量的图，其中所述预测动力模型350限定植被指数与所述一个或更多个脱粒筒、凹板调节致动器和搅打机的动力用量之间的关系。或者例如，脱粒子系统可以包括脱粒筒和处于给定间隙的一组凹板，并且脱粒动力图生成器352基于预测动力模型350生成带有处于给定间隙的所述一组凹板的所述脱粒筒的估计的动力用量的图，其中所述预测动力模型350限定预测的生物量与带有处于给定间隙的所述一组凹板的所述脱粒筒的动力用量之间的关系。或者例如，脱粒子系统可以包括处于给定配置的一个或更多个搅打机，并且脱粒动力图生成器352基于预测动力模型350生成所述处于给定配置的所述一个或更多个搅打机的估计的动力用量的图，其中所述预测动力模型350限定预测的生物量与处于给定配置的所述一个或更多个搅打机的动力用量之间的关系。

分离器动力图生成器355接收预测动力模型350(该预测动力模型350基于植被指数图332、作物湿度图335、地形图337、土壤性质图339、预测产量图341或预测生物量图343中的一个或更多个图中的值来预测动力特性)，并且生成预测分离器子系统在田地中的不同位置处的动力特性的预测图。例如，分离器子系统可以包括一个或更多个风扇、筛网、谷壳筛和逐稿器(straw walker)，并且分离器动力图生成器355基于预测动力模型350生成所述一个或更多个风扇、筛网、谷壳筛和逐稿器的估计的动力用量的图，其中所述预测动力模型350限定预测的产量值与所述一个或更多个风扇、筛网、谷壳筛和逐稿器的动力用量之间的关系。例如，分离器子系统可以包括以给定速度运行的一个或更多个风扇、以及处于给定配置的筛网、谷壳筛和逐稿器，并且分离器动力图生成器355基于预测动力模型350生成以给定速度运行的所述一个或更多个风扇、以及处于给定配置的筛网、谷壳筛和逐稿器的估计的动力用量的图，其中所述预测动力模型350限定预测的产量值与以给定速度运行的所述一个或更多个风扇、以及处于给定配置的筛网、谷壳筛和逐稿器的动力用量之间的关系。

残留物处理动力图生成器356接收预测动力模型350(该预测动力模型350基于植被指数图332、作物湿度图335、地形图337、土壤性质图339、预测产量图341或预测生物量图343中的一个或更多个图中的值来预测动力特性)，并且生成预测残留物处理子系统在田地中的不同位置处的动力特性的预测图。例如，残留物处理动力图生成器356基于预测动力模型350生成残留物散布机的估计的动力用量的图，其中预测动力模型350限定预测的生物量值与残留物散布机的动力用量之间的关系。例如，残留物处理动力图生成器356基于预测动力模型350生成残留物切碎机的估计的动力用量的图，其中预测动力模型350限定预测的产量值与残留物切碎机的动力用量之间的关系。

推进动力图生成器357接收预测动力模型350(该预测动力模型350基于植被指数图332、作物湿度图335、地形图337、土壤性质图339、预测产量图341或预测生物量图343中的一个或更多个图中的值来预测动力特性)，并且生成预测推进子系统在田地中的不同位置处的动力特性的预测图。例如，推进动力图生成器357基于预测动力模型350生成推进子系统的估计的动力用量的图，其中预测动力模型350限定地形图值与推进系统的动力用量之间的关系。

预测图生成器212输出预测一个或更多个动力特性的一个或更多个预测动力图360。每个所述预测动力图360预测田地中的不同位置的相应的动力特性。每个生成的预测动力图360可被提供给控制区生成器213、控制系统214或这二者。控制区生成器213生成控制区，并将那些控制区并入功能性预测图(即，预测图360)中，以生成预测控制区图265。预测图264和预测控制区图265中的一者或两者可被提供给控制系统214，该控制系统214基于所述预测图264和/或预测控制区图265来生成控制信号以控制一个或更多个可控子系统216。

图5是预测模型生成器210和预测图生成器212在生成预测动力模型350和预测动力图360时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、作物湿度图335、地形图337、土壤性质图339、预测产量图341、预测生物量图343或一些其它图363中的一个或更多个。在框364处，处理系统338从动力传感器336接收一个或更多个传感器信号。如上所讨论的，动力传感器336可以包括(但不限于)：电压传感器371、电流传感器373、扭矩传感器375、流体压力传感器377、流体流量传感器379、力传感器381、轴承载荷传感器383、旋转传感器385和其它类型的动力传感器370中的一个或更多个。

在框372处，处理系统338处理接收到的所述一个或更多个传感器信号以生成指示动力特性的数据。如框374所示，以机器范围水平来标识动力特性，例如，整个农业收割机的整体的动力用量。可以使用该水平的动力用量来计算燃料消耗、效率等。如框376所示，以子系统水平来标识动力特性。例如，可以使用该水平的特性来在子系统上分配动力。如框378所示，以组件水平来标识动力特性。传感器数据也可以包括其它等级的其它数据，如框380所示。

在框382处，预测模型生成器210还获得与传感器数据对应的地理位置。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、机器速度等确定捕获或导出传感器数据340的精确地理位置。

在框384处，预测模型生成器210生成一个或更多个预测动力模型，例如动力模型350，该预测动力模型对从信息图(例如，信息图258)获取的植被指数值、作物湿度值、土壤性质值、预测产量值或预测生物量值与正被现场传感器208感测的动力特性或相关特性之间的关系进行建模。例如，预测模型生成器210可以生成预测动力模型，该预测动力模型对植被指数值与由从现场传感器208获得的传感器数据所指示的包括动力用量的被感测的特性之间的关系进行建模。

在框386处，诸如预测动力模型350之类的预测动力模型被提供给预测图生成器212，该预测图生成器212基于植被指数图、作物湿度图、土壤性质图、预测产量图或预测生物量图以及预测动力模型350生成预测动力图360，该预测动力图360映射预测的动力特性。例如，在一些示例中，预测动力图360预测多种不同的子系统的动力用量/需求。此外，可以在农业操作的过程期间生成预测动力图360。因此，在农业收割机移动穿过田地以执行农业操作时，在正在执行该农业操作时生成预测动力图360。

在框394处，预测图生成器212输出预测动力图360。在框391处，预测图生成器212输出预测动力图360，以便呈现给操作者260并由操作者260进行可能的交互。如框393所示，预测图生成器212可以配置该图以便由控制系统214使用。在框395处，预测图生成器212还可以向控制区生成器213提供该图360以便控制区的生成。在框397处，预测图生成器212还以其它方式配置该图360。预测动力图360(具有或没有控制区)被提供给控制系统214。在框396处，控制系统214基于预测动力图360生成控制信号以控制可控子系统216。

由此可以看出，本系统采用将诸如植被指数值、作物湿度值、土壤性质值、预测产量值或预测生物量值、或来自先前或先验操作的信息之类的特性映射到田地中不同位置的信息图。本系统还使用感测指示动力特性(诸如，动力用量、动力需求、动力效率或动力损失)的现场传感器数据的一个或更多个现场传感器，并且生成对使用现场传感器所感测的特性或相关特性与在所述信息图中所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、现场数据和信息图生成功能性预测图，并且可以配置所生成的功能性预测图以供控制系统使用、呈现给本地操作者或远程操作者或其它用户、或这两者。例如，控制系统可以使用该图来控制联合收割机的一个或更多个系统。

本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定时电路(未单独示出)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设备的功能部分，并且由这些系统中的其它组件或项目激活并促进该组件或项目的功能。

而且，已经讨论了许多用户接口显示部。该显示部可以采取各种不同的形式，并且可以具有设置在该显示部上的各种不同的用户可致动的操作者接口机构。例如，用户可致动的操作者接口机构可以是文本框、复选框、图标、链接、下拉菜单、搜索框等。也可以以各种不同的方式致动用户可致动的操作者接口机构。例如，可以使用操作者接口机构(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)、虚拟键盘或其它虚拟致动器)来致动用户可致动的操作者接口机构。此外，在其上显示用户可致动的操作者接口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该用户可致动的操作者接口机构。而且，可以使用语音识别功能使用语音命令来致动用户可致动的操作者接口机构。可以使用语音检测没备(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语音识别。

还讨论了许多数据存储装置。应当注意的是，每个数据存储装置可以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该数据存储装置的系统来说可以是本地的，数据存储装置中的一个或更多个可以全部位于远离利用该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，而其它的数据存储装置是远程的。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组件来执行。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组件中。在不同的示例中，可以添加一些功能，并且也可以删除一些功能。

应当注意的是，上述讨论已经描述了各种不同的系统、组件、逻辑和交互。应当理解的是，这样的系统、组件、逻辑和交互中的任何一个或全部可以由硬件项目实施，所述硬件项目例如是处理器、存储器或其它处理组件(其中的一些在下面被描述)，其执行与那些系统、组件、逻辑或交互相关联的功能。此外，所述系统、组件、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它计算组件执行的软件来实施，如下所述。所述系统、组件、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，其中的一些示例在下面被描述。这些是可以用于实施以上描述的系统、组件、逻辑和交互中的任何一个或全部的不同结构的一些示例。也可以使用其它结构。

图6是农业收割机600的框图，该农业收割机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可以提供计算、软件、数据访问和存储服务，这些服务不需要终端用户了解递送所述服务的系统的物理位置或配置。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)递送所述服务。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它计算组件被访问。图2中示出的软件或组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来递送服务，即使该服务作为用户的单个访问点来出现。因此，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本文描述的组件和功能。替代性地，可以从服务器提供所述组件和功能，或者所述组件和功能可以直接或以其它方式安装在客户端设备上。

在图6中示出的示例中，一些项目类似于图2中示出的项目，并且这些项目被相似地进行编号。图6具体示出了预测模型生成器210或预测图生成器212或这两者可以位于远离农业收割机600的服务器位置502处。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，而其它元件可以位于其它地方。作为示例，数据存储装置202可以被布置在与位置502分离的位置处，并且经由位置502处的远程服务器来访问该数据存储装置202。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)来直接访问；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被提供、或者由驻留在远程位置的连接服务所访问。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者、用户或系统访问或转发给操作者、用户或系统。例如，可以使用物理载波来代替电磁波载波，或者除了电磁波载波之外还可以使用物理载波。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(诸如燃料车或其它移动机器或车辆)可以具有自动的、半自动的或手动的信息收集系统。在联合收割机600在加燃料之前靠近包含该信息收集系统的机器(诸如燃料车)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它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，当燃料车行进到给其它机器加燃料的位置时或在主燃料存储位置时，燃料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，直到该农业收割机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布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、平板计算机或其它移动设备，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、以及使用分类帐来记录元数据、数据、数据传送、数据访问和数据转换。在一些示例中，分类账可以是分布式的和不可变的(例如，被实施为区块链)。

图7是可以用作用户的或客户的手持设备16的手持计算设备或移动计算设备的一个示意性示例的简化框图，本系统(或其一部分)可以部署在该设备中。例如，移动设备可以部署在农业收割机100的操作者室中，用于在生成、处理或显示以上讨论的图时使用。图8至图9是手持设备或移动设备的示例。

图7提供了客户端设备16的组件的总体框图，该客户端设备16可以运行图2中示出的一些组件、该客户端设备16可以与图2中示出的一些组件交互、或者两者都进行。在设备16中，提供了允许手持设备与其它计算设备通信的通信链路13，并且在一些示例下提供了用于(例如，通过扫描)自动接收信息的信道。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，所述通信协议例如是用于提供对网络的蜂窝访问的无线服务、以及提供对网络的本地无线连接的协议。

在其它示例中，可以在连接到接口15的可移动安全数字(Secure Digital，SD)卡上接收应用。接口15和通信链路13沿着总线19与处理器17(该处理器也可以以来自其它附图的处理器或服务器来体现)通信，该总线19也连接到存储器21和输入/输出(I/O)组件23、以及时钟25和定位系统27。

在一个示例中，提供I/O组件23来促进输入和输出操作。设备16的各种示例的I/O组件23可以包括输入组件(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、取向传感器)以及输出组件(诸如显示设备、扬声器和/或打印机端口)。也可以使用其它I/O组件23。

时钟25示意性地包括输出时刻和日期的实时时钟组件。示意性地，时钟25还可以为处理器17提供定时功能。

定位系统27示意性地包括输出所述设备16的当前地理位置的组件。该定位系统27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它定位系统。定位系统27还可以包括，例如，生成所期望的图、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、网络设定31、应用33、应用配置设定35、数据存储装置37、通信驱动器39和通信配置设定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，所述计算机可读指令当由处理器17执行时使处理器根据该指令执行计算机实施的步骤或功能。处理器17也可以由其它组件激活以促进这些组件的功能。

图8示出了其中设备16是平板计算机600的一个示例。在图8中，计算机600被示出为具有用户接口显示屏幕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接口。平板计算机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机构(诸如无线链接件或USB端口)附接到键盘或其它用户输入设备。计算机600也可以示意性地接收声音输入。

图9类似于图8，除了该设备是智能电话71。智能电话71具有显示图标或贴片或其它用户输入机构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，智能电话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的其它形式是可能的。

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的组件可以包括(但不限于)处理单元820(该处理单元820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组件联接到处理单元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被部署在图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、程序模块或其它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、闪存或其它存储器技术、CD-ROM、数字多功能盘(digitalversatile disk，DVD)或其它光盘存储装置、盒式磁带、磁带、磁盘存储装置或其它磁存储设备，或可以用于存储所期望的信息并可以由计算机810访问的任何其它介质。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它数据，并且包括任何信息递送介质。术语“调制数据信号”是指具有以在信号中编码信息的方式设置或改变其特性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这两者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)通常被存储在ROM 831中。RAM 832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/或程序模块或这两者。作为示例而非限制，图10示出了操作系统834、应用程序835、其它程序模块836和程序数据837。

计算机810还可以包括其它可移动/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示出了从不可移动的非易失性磁介质、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，并且光盘驱动器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组件来执行。例如但不限于，可以使用的示意性类型的硬件逻辑组件，包括现场可编程门阵列(FPGA)、专用集成电路(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、程序模块和其它数据的存储。例如，在图10中，硬盘驱动器841被示为存储操作系统844、应用程序845、其它程序模块846和程序数据847。注意，这些组件可以与操作系统834、应用程序835、其它程序模块836和程序数据837相同或不同。

用户可以通过输入设备(诸如键盘862、麦克风863和指向设备861(诸如鼠标、追踪球或触摸板))向计算机810输入命令和信息。其它输入设备(未示出)可以包括操纵杆、游戏手柄、碟形卫星天线(satellite dish)、扫描仪等。这些和其它输入设备通常通过联接到系统总线的用户输入接口860连接到处理单元820，但是也可以通过其它接口和总线结构连接。视觉显示器891或其它类型的显示设备也通过诸如视频接口890的接口而连接到系统总线821。除了监视器之外，计算机还可以包括可以通过外围输出接口895而被连接的其它外围输出设备，诸如扬声器897和打印机896。

计算机810在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))的联网环境中运行。

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WAN 873(诸如因特网)建立通信的其它装置。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它示例的部分组合。在本文中考虑了这些方面的全部。

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对应于田地中的不同地理位置的值；

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所述农业作业机器的动力特性对应于所述地理位置的值，所述农业作业机器的所述动力特性作为第二农业特性；

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所述第一农业特性在所述地理位置处的值和由所述现场传感器感测的所述第二农业特性在所述地理位置处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；和

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并且基于所述预测农业模型来生成所述田地的功能性预测农业图，所述功能性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。

示例2是任何或所有前述示例的农业作业机器，其中，所述预测图生成器配置所述功能性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性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。

示例3是任何或所有前述示例的农业作业机器，其中，所述农业作业机器上的所述现场传感器被配置为检测一个或更多个子系统的对应于所述地理位置的动力用量，该动力用量作为所述第二农业特性的值。

示例4是任何或所有前述示例的农业作业机器，其中，所述现场传感器包括电压传感器、电流传感器、扭矩传感器、流体压力传感器、流体流量传感器、力传感器、轴承载荷传感器和旋转传感器中的一种或更多种。

示例5是任何或所有前述示例的农业作业机器，其中，所述信息图包括植被指数图，所述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。

示例6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基于在所述地理位置处检测到的所述动力特性值和在所述植被指数图中的、在所述地理位置处的植被指数值来确定所述动力特性与所述植被指数之间的关系，所述预测农业模型被配置为接收输入植被指数值以作为模型输入、并且基于所确定的关系生成预测的动力特性值以作为模型输出。

示例7是任何或所有前述示例的农业作业机器，其中，所述信息图包括作物湿度图，所述作物湿度图将作为所述第一农业特性的作物湿度值映射到所述田地中的所述不同地理位置。

示例8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基于在所述地理位置处检测到的所述动力特性值和在所述作物湿度图中的、在所述地理位置处的作物湿度值来确定所述动力特性与所述作物湿度之间的关系，所述预测农业模型被配置为接收输入作物湿度值以作为模型输入、并且基于所确定的关系生成预测的动力特性值以作为模型输出。

示例9是任何或所有前述示例的农业作业机器，其中，所述信息图包括预测产量图，所述预测产量图将作为所述第一农业特性的预测产量值映射到所述田地中的所述不同地理位置；并且其中所述预测模型生成器被配置为基于在所述地理位置处检测到的所述动力特性值和在所述预测产量图中的、在所述地理位置处的产量值来确定所述预测产量与所述动力特性之间的关系，所述预测农业模型被配置为接收输入的预测产量值以作为模型输入、并且基于所确定的关系生成预测的动力特性值以作为模型输出。

示例10是任何或所有前述示例的农业作业机器，其中，所述信息图包括预测生物量图，所述预测生物量图将作为所述第一农业特性的预测生物量值映射到所述田地中的所述不同地理位置；并且其中所述预测模型生成器被配置为基于在所述地理位置处检测到的所述动力特性值和在所述预测生物量图中的、在所述地理位置处的生物量值来确定所述预测生物量与所述动力特性之间的关系，所述预测农业模型被配置为接收输入的预测生物量值以作为模型输入、并且基于所确定的关系生成预测的动力特性值以作为模型输出。

示例11是任何或所有前述示例的农业作业机器，其中，所述信息图包括地形图，所述地形图将作为所述第一农业特性的地形特性值映射到所述田地中的所述不同地理位置；并且其中所述预测模型生成器被配置为基于在所述地理位置处检测到的所述动力特性值和在所述地形图中的、在所述地理位置处的地形值来确定所述地形特性与所述动力特性之间的关系，所述预测农业模型被配置为接收输入的地形特性值以作为模型输入、并且基于所确定的关系生成预测的动力特性值以作为模型输出。

示例12是一种生成功能性预测农业图的计算机实施的方法，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对应于田地中的不同地理位置的值；

检测所述农业作业机器的地理位置；

用现场传感器检测对应于所述地理位置的、作为第二农业特性的动力特性值；

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所述第一农业特性的值以及所述预测农业模型来生成所述田地的所述功能性预测农业图，所述功能性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。

示例13是任何或所有前述示例的计算机实施的方法，进一步包括：

配置所述功能性预测农业图以用于控制系统，所述控制系统基于所述功能性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。

示例14是任何或所有前述示例的计算机实施的方法，其中，用现场传感器检测作为第二农业特性的动力特性值包括检测所述农业作业机器的子系统的对应于所述地理位置的动力用量需求。

示例15是任何或所有前述示例的计算机实施的方法，其中，用现场传感器检测作为第二农业特性的动力特性值包括检测所述子系统的组件的对应于所述地理位置的动力用量需求。

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：

接收根据在所述田地中执行的先前操作生成的信息图。

示例17是任何或所有前述示例的计算机实施的方法，其中，所述第一农业特性包括植被指数、作物湿度、地形特性、土壤性质、预测产量和预测生物量中的一种。

示例18是任何或所有前述示例的计算机实施的方法，进一步包括：

控制操作者接口机构以呈现所述预测性农业图。

实施例19是一种农业作业机器，包括：

通信系统，所述通信系统接收信息图，所述信息图指示对应于田地中的不同地理位置的农业特性值；

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动力特性对应于所述地理位置的动力特性值；

预测模型生成器，所述预测模型生成器基于在所述信息图中的、在所述地理位置处的农业特性值和由所述现场传感器感测的所述动力特性在所述地理位置处的所述动力特性值来生成预测动力模型，所述预测动力模型对所述农业特性值与所述动力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信息图中的所述农业特性值并且基于所述预测动力模型来生成所述田地的功能性预测动力图，所述功能性预测动力图将预测的动力特性值映射到所述田地中的所述不同地理位置。

示例20是任何或所有前述示例的农业作业机器，其中，所述信息图指示农业特性，所述农业特性指示植被指数、作物湿度、地形特性、土壤性质、预测产量和预测生物量中的一种或更多种。

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具体特征或动作。相反，以上具体特征和动作是作为权利要求的示例形式而被公开的。

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)，所述信息图包括第一农业特性对应于田地中的不同地理位置的值；

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所述农业作业机器(100)的动力特性对应于所述地理位置的值，所述动力特性作为第二农业特性；

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在所述地理位置处的值和由所述现场传感器(208)感测的所述第二农业特性在所述地理位置处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；和

预测图生成器(212)，所述预测图生成器基于所述信息图(258)中的所述第一农业特性的值并且基于所述预测农业模型来生成所述田地的功能性预测农业图，所述功能性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性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性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。

3.根据权利要求1所述的农业作业机器，其中，所述农业作业机器上的所述现场传感器被配置为检测一个或更多个子系统的对应于所述地理位置的动力用量以作为所述第二农业特性的值。

4.根据权利要求3所述的农业作业机器，其中，所述现场传感器包括电压传感器、电流传感器、扭矩传感器、流体压力传感器、流体流量传感器、力传感器、轴承载荷传感器和旋转传感器中的一种或更多种。

5.根据权利要求1所述的农业作业机器，其中，所述信息图包括植被指数图，所述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。

6.根据权利要求5所述的农业作业机器，其中，所述预测模型生成器被配置为基于在所述地理位置处检测到的动力特性值和在所述植被指数图中的、在所述地理位置处的所述植被指数值来确定所述动力特性与所述植被指数之间的关系，所述预测农业模型被配置为接收输入的植被指数值以作为模型输入、并且基于所确定的关系生成预测的动力特性值以作为模型输出。

7.根据权利要求1所述的农业作业机器，其中，所述信息图包括作物湿度图，所述作物湿度图将作为所述第一农业特性的作物湿度值映射到所述田地中的所述不同地理位置。

8.根据权利要求7所述的农业作业机器，其中，所述预测模型生成器被配置为基于在所述地理位置处检测到的动力特性值和在所述作物湿度图中的、在所述地理位置处的所述作物湿度值来确定所述动力特性与所述作物湿度之间的关系，所述预测农业模型被配置为接收输入的作物湿度值以作为模型输入、并且基于所确定的关系生成预测的动力特性值以作为模型输出。

9.一种生成功能性预测农业图的计算机实施的方法，包括：

在农业作业机器(100)处接收信息图(258)，所述信息图指示第一农业特性对应于田地中的不同地理位置的值；

检测所述农业作业机器(100)的地理位置；

用现场传感器(258)检测对应于所述地理位置的、作为第二农业特性的动力特性值；

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)中的所述第一农业特性的值以及所述预测农业模型来生成所述田地的所述功能性预测农业图，所述功能性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。

10.一种农业作业机器(100)，包括：

通信系统(206)，所述通信系统接收信息图(258)，所述信息图指示对应于田地中的不同地理位置的农业特性值；

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动力特性对应于所述地理位置的动力特性值；

预测模型生成器(210)，所述预测模型生成器基于在所述信息图(258)中的、在所述地理位置处的农业特性值和由所述现场传感器(208)感测的所述动力特性在所述地理位置处的所述动力特性值来生成预测动力模型，所述预测动力模型对所述农业特性值与所述动力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信息图(258)中的所述农业特性值并且基于所述预测动力模型来生成所述田地的功能性预测动力图，所述功能性预测动力图将预测的动力特性值映射到所述田地中的所述不同地理位置。

Images