DE102021120069A1 - Prädiktives geschwindigkeitskartenerzeugungs- und steuersystem - Google Patents
Prädiktives geschwindigkeitskartenerzeugungs- und steuersystem Download PDFInfo
- Publication number
- DE102021120069A1 DE102021120069A1 DE102021120069.5A DE102021120069A DE102021120069A1 DE 102021120069 A1 DE102021120069 A1 DE 102021120069A1 DE 102021120069 A DE102021120069 A DE 102021120069A DE 102021120069 A1 DE102021120069 A1 DE 102021120069A1
- Authority
- DE
- Germany
- Prior art keywords
- map
- predictive
- agricultural
- values
- velocity
- 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
- 238000011065 in-situ storage Methods 0.000 claims abstract description 145
- 238000003306 harvesting Methods 0.000 claims description 75
- 239000002689 soil Substances 0.000 claims description 42
- 239000002028 Biomass Substances 0.000 claims description 40
- 238000004891 communication Methods 0.000 claims description 32
- 239000000463 material Substances 0.000 claims description 19
- 238000000034 method Methods 0.000 claims description 19
- 238000010899 nucleation Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 15
- 238000013507 mapping Methods 0.000 claims description 3
- 241000196324 Embryophyta Species 0.000 description 44
- 230000007246 mechanism Effects 0.000 description 25
- 238000004140 cleaning Methods 0.000 description 22
- 238000003860 storage Methods 0.000 description 20
- 230000000875 corresponding effect Effects 0.000 description 17
- 241001124569 Lycaenidae Species 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 230000003993 interaction Effects 0.000 description 9
- 230000001276 controlling effect Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000012876 topography Methods 0.000 description 6
- 230000035945 sensitivity Effects 0.000 description 5
- 241000251169 Alopias vulpinus Species 0.000 description 4
- 238000013459 approach Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 238000009313 farming Methods 0.000 description 4
- 239000000446 fuel Substances 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 230000001960 triggered effect Effects 0.000 description 4
- 238000013475 authorization Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000004043 responsiveness Effects 0.000 description 3
- 238000005507 spraying Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 229920000742 Cotton Polymers 0.000 description 2
- 240000000111 Saccharum officinarum Species 0.000 description 2
- 235000007201 Saccharum officinarum Nutrition 0.000 description 2
- 240000008042 Zea mays Species 0.000 description 2
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 2
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 239000000969 carrier Substances 0.000 description 2
- 235000005822 corn Nutrition 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000005670 electromagnetic radiation Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000004459 forage Substances 0.000 description 2
- 238000013340 harvest operation 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
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012272 crop production Methods 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
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005259 measurement Methods 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
- 230000008447 perception Effects 0.000 description 1
- 239000010908 plant waste Substances 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 238000009331 sowing Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 235000019698 starch Nutrition 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 229940012720 subsys Drugs 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
- 238000003971 tillage Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 230000009105 vegetative growth Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- 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
- A01D41/02—Self-propelled combines
-
- 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
- A01D41/1277—Control or measuring arrangements specially adapted for combines for measuring grain quality
-
- 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
- A01D—HARVESTING; MOWING
- A01D41/00—Combines, i.e. harvesters or mowers combined with threshing devices
- A01D41/12—Details of combines
- A01D41/14—Mowing tables
- A01D41/141—Automatic header control
-
- 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- 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
-
- 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
-
- 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
- G05D1/20—Control system inputs
- G05D1/24—Arrangements for determining position or orientation
- G05D1/243—Means capturing signals occurring naturally from the environment, e.g. ambient optical, acoustic, gravitational or magnetic signals
-
- 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
- G05D1/20—Control system inputs
- G05D1/24—Arrangements for determining position or orientation
- G05D1/247—Arrangements for determining position or orientation using signals provided by artificial sources external to the vehicle, e.g. navigation beacons
- G05D1/248—Arrangements for determining position or orientation using signals provided by artificial sources external to the vehicle, e.g. navigation beacons generated by satellites, e.g. GPS
-
- 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
- G05D1/60—Intended control result
- G05D1/65—Following a desired speed profile
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Mechanical Engineering (AREA)
- Soil Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Es werden eine oder mehrere Informationskarten von einer landwirtschaftlichen Arbeitsmaschine erhalten. Die eine oder mehreren Informationskarten bilden einen oder mehrere landwirtschaftliche Merkmalswerte an verschiedenen geografischen Positionen eines Feldes ab. Ein In-situ-Sensor an der landwirtschaftlichen Arbeitsmaschine erfasst ein landwirtschaftliches Merkmal, während sich die landwirtschaftliche Arbeitsmaschine durch das Feld bewegt. Ein prädiktiver Kartengenerator erzeugt eine prädiktive Karte, die ein prädiktives landwirtschaftliches Merkmal an verschiedenen Positionen in dem Feld auf Grundlage einer Beziehung zwischen den Werten in der einen oder den mehreren Informationskarten und des landwirtschaftlichen Merkmals, das durch den In-situ-Sensor erfasst wird, vorhersagt. Die prädiktive Karte kann ausgegeben und in der automatisierten Maschinensteuerung verwendet werden.
Description
- GEBIET DER BESCHREIBUNG
- Die vorliegende Beschreibung bezieht sich auf landwirtschaftliche Maschinen.
- HINTERGRUND
- Es gibt eine Vielzahl verschiedener Arten von landwirtschaftlichen Maschinen. Einige landwirtschaftliche Maschinen beinhalten Erntemaschinen, wie etwa Mähdrescher, Zuckerrohrerntemaschinen, Baumwollerntemaschinen, selbstfahrende Feldhäcksler und Schwader. Einige Erntemaschinen können auch mit verschiedenen Arten von Erntevorsätzen ausgestattet werden, um verschiedene Arten von Erntegut zu ernten.
- Eine Vielzahl verschiedener Bedingungen auf Feldern hat eine Reihe von nachteiligen Auswirkungen auf den Erntevorgang. Daher kann ein Bediener versuchen, die Steuerung der Erntemaschine zu modifizieren, wenn solche Bedingungen während des Erntevorgangs auftreten.
- KURZFASSUNG
- Es werden eine oder mehrere Informationskarten von einer landwirtschaftlichen Arbeitsmaschine erhalten. Die eine oder mehreren Informationskarten bilden einen oder mehrere landwirtschaftliche Merkmalswerte an verschiedenen geografischen Positionen eines Feldes ab. Ein In-situ-Sensor an der landwirtschaftlichen Arbeitsmaschine erfasst ein landwirtschaftliches Merkmal, während sich die landwirtschaftliche Arbeitsmaschine durch das Feld bewegt. Ein prädiktiver Kartengenerator erzeugt eine prädiktive Karte, die ein prädiktives landwirtschaftliches Merkmal an verschiedenen Positionen in dem Feld auf Grundlage einer Beziehung zwischen den Werten in der einen oder den mehreren Informationskarten und des landwirtschaftlichen Merkmals, das durch den In-situ-Sensor erfasst wird, vorhersagt. Die prädiktive Karte kann ausgegeben und in der automatisierten Maschinensteuerung verwendet werden.
- Figurenliste
-
-
1 ist eine teilweise bildliche, teilweise schematische Darstellung eines Beispiels eines Mähdreschers. -
2 ist ein Blockdiagramm, das einige Abschnitte einer landwirtschaftlichen Erntemaschine gemäß einiger Beispiele der vorliegenden Offenbarung detaillierter zeigt. - Die
3a-3b (hierin gemeinsam als3 bezeichnet) zeigen ein Flussdiagramm, das ein Beispiel für den Betrieb einer landwirtschaftlichen Erntemaschine beim Erzeugen einer Karte veranschaulicht. -
4 ist ein Blockdiagramm, das ein Beispiel für einen prädiktiven Modellgenerator und einen prädiktiven Kartengenerator zeigt. -
5 ist ein Flussdiagramm, das ein Beispiel für einen Betrieb einer landwirtschaftlichen Erntemaschine beim Empfangen einer Informationskarte, Erkennen eines Geschwindigkeitsmerkmals und Erzeugen einer funktionellen prädiktiven Geschwindigkeitskarte zur Verwendung beim Steuern der landwirtschaftlichen Erntemaschine während eines Erntevorgangs zeigt. -
6 ist ein Blockdiagramm, das ein Beispiel für eine landwirtschaftliche Erntemaschine in Kommunikation mit einer Remote-Serverumgebung zeigt. - Die
7-9 zeigen Beispiele für mobile Vorrichtungen, die in einer landwirtschaftlichen Erntemaschine verwendet werden können. -
10 ist ein Blockdiagramm, das ein Beispiel einer Computerumgebung zeigt, die in einer landwirtschaftlichen Erntemaschine verwendet werden kann, und die Architekturen, die in den vorhergehenden Figuren veranschaulicht sind. - AUSFÜHRLICHE BESCHREIBUNG
- Für ein besseres Verständnis der Prinzipien der vorliegenden Offenbarung wird nun auf die in den Zeichnungen dargestellten Beispiele Bezug genommen, und es wird eine spezifische Sprache verwendet, um diese zu beschreiben. Es versteht sich jedoch, dass keine Einschränkung des Schutzumfangs der Offenbarung beabsichtigt ist. Jegliche Abänderungen und weiteren Modifikationen der beschriebenen Vorrichtungen, Systeme, Verfahren und jede weitere Anwendung der Prinzipien der vorliegenden Offenbarung werden vollständig in Betracht gezogen, wie sie normalerweise Fachleute auf dem Gebiet, auf das sich die Offenbarung bezieht, bemerken würden. Insbesondere wird vollständig in Betracht gezogen, dass die Merkmale, Komponenten und/oder Schritte, die in Bezug auf ein Beispiel beschrieben sind, mit den Merkmalen, Komponenten und/oder Schritten kombiniert werden können, die in Bezug auf andere Beispiele der vorliegenden Offenbarung beschrieben sind.
- Die vorliegende Beschreibung bezieht sich auf die Verwendung von In-situ-Daten, die gleichzeitig mit einem landwirtschaftlichen Vorgang in Kombination mit vorherigen Daten aufgenommen wurden, um eine prädiktive Karte und insbesondere eine prädiktive Geschwindigkeitskarte zu erzeugen. In einigen Beispielen kann die prädiktive Geschwindigkeitskarte verwendet werden, um eine landwirtschaftliche Arbeitsmaschine, wie etwa eine landwirtschaftliche Erntemaschine, zu steuern. Wie vorstehend erörtert, kann sie die Leistung der landwirtschaftlichen Erntemaschine verbessern, um die Geschwindigkeit der landwirtschaftlichen Erntemaschine zu steuern, wenn die landwirtschaftliche Erntemaschine unterschiedliche Bedingungen auf dem Feld in Eingriff nimmt. Wenn beispielsweise die Erntegüter ausgereift sind, kann das Unkraut noch grün sein, wodurch sich der Feuchtigkeitsgehalt der Biomasse, auf die der landwirtschaftliche Mähdrescher trifft, erhöht. Dieses Problem kann sich verschärfen, wenn die Unkrautstellen nass sind (z. B. kurz nach einem Regen oder wenn Unkrautstellen Tau enthalten) und bevor das Unkraut eine trocknen konnte. Wenn die landwirtschaftliche Erntemaschine somit auf einen Bereich mit erhöhter Biomasse trifft, kann der Bediener die Geschwindigkeit der landwirtschaftlichen Erntemaschine verlangsamen, um eine konstante Vorschubgeschwindigkeit des Materials durch die landwirtschaftliche Erntemaschine aufrechtzuerhalten. Das Aufrechterhalten einer konstanten Vorschubgeschwindigkeit kann die Leistung der landwirtschaftlichen Erntemaschine aufrechterhalten.
- Die Leistung einer landwirtschaftlichen Erntemaschine kann aufgrund einer Reihe verschiedener Kriterien nachteilig beeinflusst werden. Solche unterschiedlichen Kriterien können Änderungen der Biomasse, des Erntegutzustands, der Topographie, der Bodeneigenschaften und der Aussaatmerkmale oder andere Bedingungen beinhalten. Daher kann es auch sinnvoll sein, die Geschwindigkeit der landwirtschaftlichen Erntemaschine auf Grundlage anderer Bedingungen, die auf dem Feld vorhanden sein können, zu steuern. Beispielsweise kann die Leistung der landwirtschaftlichen Erntemaschine auf einem akzeptablen Niveau gehalten werden, indem die Geschwindigkeit der landwirtschaftlichen Erntemaschine auf Grundlage der von der landwirtschaftlichen Erntemaschine angetroffenen Biomasse, des Erntegutzustands des geernteten Ernteguts, der Topographie des geernteten Ernteguts, der Bodeneigenschaften des Bodens des geernteten Feldes, der Aussaatmerkmale in dem geernteten Feld, des Ertrags in dem geernteten Feld oder anderer Bedingungen, die in dem Feld vorhanden sind, gesteuert wird.
- Einige aktuelle Systeme stellen vegetative Indexkarten bereit. Eine vegetative Indexkarte bildet veranschaulichend vegetative Indexwerte (die auf vegetatives Wachstum hinweisen können) über verschiedene geografische Positionen in einem Feld von Interesse ab. Ein Beispiel eines vegetativen Index beinhaltet einen normalisierten Differenzvegetationsindex (NDVI). Es gibt viele andere vegetative Indizes, die im Geltungsbereich der vorliegenden Offenbarung liegen. In einigen Beispielen kann ein vegetativer Index aus Sensormesswerten eines oder mehrerer Bänder elektromagnetischer Strahlung abgeleitet werden, die von den Pflanzen reflektiert werden. Ohne Einschränkungen können diese Bänder in Mikrowellen-, Infrarot-, sichtbaren oder ultravioletten Teilen des elektromagnetischen Spektrums liegen.
- Eine vegetative Indexkarte kann verwendet werden, um das Vorhandensein und die Position der Vegetation zu identifizieren. In einigen Beispielen ermöglichen diese Karten, dass Vegetation in Gegenwart von nacktem Boden, Erntegutrückständen oder anderen Pflanzen, einschließlich Erntegut oder anderem Unkraut, identifiziert und georeferenziert wird.
- In einigen Beispielen wird eine Biomassekarte bereitgestellt. Eine Biomassekarte bildet veranschaulichend ein Maß von Biomasse auf dem Feld ab, das an verschiedenen Positionen auf dem Feld geerntet wird. Eine Biomassekarte kann aus vegetativen Indexwerten, aus historisch gemessenen oder geschätzten Biomasseniveaus, aus Bildern oder anderen Sensormesswerten, die während eines vorherigen Vorgangs auf dem Feld aufgenommen wurden, oder auf andere Weise erzeugt werden. In einigen Beispielen kann Biomasse durch einen Faktor angepasst werden, der einen Teil der gesamten Biomasse darstellt, die die die landwirtschaftliche Erntemaschine durchläuft. Bei Mais liegt dieser Faktor typischerweise bei etwa 50 %. In einigen Beispielen kann dieser Faktor auf Grundlage von Erntegutfeuchtigkeit variieren. In einigen Beispielen kann der Faktor einen Abschnitt von Unkrautmaterial oder Unkrautsamen repräsentieren. In einigen Beispielen kann der Faktor einen Abschnitt eines Ernteguts in einer Mischkulturmischung repräsentieren.
- In einigen Beispielen wird eine Erntegutzustandskarte bereitgestellt. Der Erntegutzustand kann definieren, ob das Erntegut umgeknickt, stehend, teilweise umgeknickt ist, die Ausrichtung von umgeknicktem oder teilweise umgeknicktem Erntegut relativ zur Bodenfläche oder zu einer Kompassrichtung und andere Dinge. Eine Erntegutzustandskarte bildet veranschaulichend den Erntegutzustand auf dem Feld ab, das an verschiedenen Positionen auf dem Feld geerntet wird. Eine Erntegutzustandskarte kann aus Luftbildern oder anderen Bildern des Feldes, aus Bildern oder anderen Sensormesswerten, die während eines Vorabbetriebs auf dem Feld oder auf andere Weise vor dem Ernten aufgenommen wurden, erzeugt werden.
- In einigen Beispielen wird eine Aussaatkarte bereitgestellt. Eine Aussaatkarte kann Aussaatmerkmale wie etwa Saatgutpositionen, Saatgutsorte oder Saatgutpopulation auf verschiedene Positionen in dem Feld abbilden. Die Aussaatkarte kann während eines früheren Saatgutpflanzvorgangs auf dem Feld erzeugt werden. Die Aussaatkarte kann aus Steuersignalen abgeleitet werden, die von einer Sämaschine verwendet werden, wenn Saatgut gepflanzt wird, oder aus Sensoren an der Sämaschine, die bestätigen, dass ein Saatgut dosiert oder gepflanzt wurde. Sämaschinen können auch geografische Positionssensoren beinhalten, die die Saatgutmerkmale auf dem Feld geolokalisieren.
- In einigen Beispielen wird eine Bodeneigenschaftskarte bereitgestellt. Eine Bodeneigenschaftskarte bildet veranschaulichend ein Maß für eine oder mehrere Bodeneigenschaften ab, wie etwa Bodentyp, chemische Bodenbestandteile, Bodenstruktur, Rückstandsbedeckung, Bodenbearbeitungsgeschichte oder Bodenfeuchtigkeit in dem geernteten Feld an verschiedenen Positionen in dem Feld. Eine Bodeneigenschaftskarte kann aus vegetativen Indexwerten, aus historisch gemessenen oder geschätzten Bodeneigenschaften, aus Bildern oder anderen Sensormesswerten, die während eines früheren Betriebs auf dem Feld aufgenommen wurden, oder auf andere Weise erzeugt werden.
- In einigen Beispielen werden andere Informationskarten bereitgestellt. Solche Informationskarten können eine topographische Karte des geernteten Feldes, eine prädiktive Ertragskarte für das geerntete Feld oder andere Informationskarten beinhalten.
- Die vorliegende Erörterung fährt somit in Bezug auf Systeme fort, die eine Informationskarte eines Felds oder eine Karte empfangen, die während eines Vorabbetriebs erzeugt wird, und auch einen In-situ-Sensor verwenden, um eine Variable zu erkennen, die eines oder mehrere von einer Maschinengeschwindigkeit und einer Ausgabe von einem Vorschubgeschwindigkeitssteuersystem angibt. Die Systeme erzeugen ein Modell, das eine Beziehung zwischen den Informationswerten auf der Informationskarte und den Ausgabewerten von dem In-situ-Sensor modelliert. Das Modell wird verwendet, um eine funktionelle prädiktive Geschwindigkeitskarte zu erzeugen, die beispielsweise eine erwartete Maschinengeschwindigkeit an verschiedenen Positionen in dem Feld vorhersagt. Die funktionelle prädiktive Geschwindigkeitskarte, die während des Erntevorgangs erzeugt wird, kann einem Bediener oder einem anderen Benutzer dargestellt werden oder zum automatischen Steuern einer landwirtschaftlichen Erntemaschine während des Erntevorgangs verwendet werden oder beides.
-
1 ist eine teilweise bildliche, teilweise schematische Darstellung einer selbstfahrenden landwirtschaftlichen Erntemaschine 100. Im veranschaulichten Beispiel ist die landwirtschaftliche Erntemaschine 100 ein Mähdrescher. Obwohl ferner Mähdrescher als Beispiele in der gesamten vorliegenden Offenbarung bereitgestellt werden, versteht es sich, dass die vorliegende Beschreibung auch auf andere Arten von Erntemaschinen anwendbar ist, wie etwa Baumwollerntemaschinen, Zuckerrohrerntemaschinen, selbstfahrende Feldhäcksler, Schwader oder andere landwirtschaftliche Arbeitsmaschinen. Folglich soll die vorliegende Offenbarung die verschiedenen Arten von beschriebenen Erntemaschinen umfassen und ist somit nicht auf Mähdrescher beschränkt. Darüber hinaus richtet sich die vorliegende Offenbarung auf andere Arten von Arbeitsmaschinen, wie etwa landwirtschaftliche Sämaschinen und Sprüher, Baumaschinen, Forstmaschinen und Rasenpflegemaschinen, bei denen die Erzeugung einer prädiktiven Karte anwendbar sein kann. Folglich soll die vorliegende Offenbarung diese verschiedenen Arten von Erntemaschinen und andere Arbeitsmaschinen umfassen und ist somit nicht auf Mähdrescher beschränkt. - Wie in
1 gezeigt, beinhaltet die landwirtschaftliche Erntemaschine 100 veranschaulichend eine Fahrerkabine 101, die eine Vielzahl von verschiedenen Bedienerschnittstellenmechanismen zum Steuern der landwirtschaftlichen Erntemaschine 100 aufweisen kann. Die landwirtschaftliche Erntemaschine 100 beinhaltet Vorsatzgeräte, wie etwa einen Erntevorsatz 102 und eine Schneidevorrichtung, im Allgemeinen angezeigt bei 104. Die landwirtschaftliche Erntemaschine 100 beinhaltet auch ein Zuführgehäuse 106, einen Zuführbeschleuniger 108 und einen Drescher, im Allgemeinen angezeigt bei 110. Das Zuführgehäuse 106 und der Zuführbeschleuniger 108 bilden einen Teil eines Materialhandhabungs-Teilsystems 125. Der Erntevorsatz 102 ist entlang der Schwenkachse 105 schwenkbar mit einem Rahmen 103 des landwirtschaftlichen Erntevorsatzes 100 gekoppelt. Ein oder mehrere Stellglieder 107 treiben die Bewegung des Erntevorsatzes 102 um die Achse 105 in die Richtung an, die im Allgemeinen durch Pfeil 109 angezeigt wird. Somit ist eine vertikale Position des Erntevorsatzes 102 (die Erntevorsatzhöhe) über dem Boden 111, über den der Erntevorsatz 102 fährt, durch Betätigen des Stellglieds 107 steuerbar. Obwohl in1 nicht gezeigt, kann die landwirtschaftliche Erntemaschine 100 auch ein oder mehrere Stellglieder beinhalten, die betrieben werden, um einen Neigungswinkel, einen Rollwinkel oder beides auf den Erntevorsatz 102 oder Abschnitte des Erntevorsatzes 102 anzuwenden. Neigung bezieht sich auf einen Winkel, in dem die Schneidvorrichtung 104 in das Erntegut eingreift. Der Neigungswinkel wird beispielsweise dadurch vergrößert, dass der Erntevorsatz 102 so gesteuert wird, dass eine distale Kante 113 der Schneidevorrichtung 104 mehr auf den Boden gerichtet ist. Der Neigungswinkel wird verringert, indem der Erntevorsatz 102 so gesteuert wird, dass die distale Kante 113 der Schneidevorrichtung 104 weiter vom Boden weg gerichtet wird. Der Rollwinkel bezieht sich auf die Ausrichtung des Erntevorsatzes 102 um die von vorne nach hinten verlaufende Längsachse der landwirtschaftlichen Erntemaschine 100. - Der Drescher 110 beinhaltet veranschaulichend einen Dreschrotor 112 und einen Satz von Dreschkörben 114. Ferner beinhaltet die landwirtschaftliche Erntemaschine 100 auch einen Abscheider 116. Die landwirtschaftliche Erntemaschine 100 beinhaltet auch ein Reinigungs-Teilsystem oder einen Siebkasten (gemeinsam als Reinigungs-Teilsystem 118 bezeichnet), das ein Reinigungsgebläse 120, einen Häcksler 122 und ein Sieb 124 beinhaltet. Das Materialhandhabungs-Teilsystem 125 beinhaltet außerdem eine Auswurftrommel 126, einen Überkehrelevator 128, einen Reinkornelevator 130 sowie eine Entladeschnecke 134 und den Auswurf 136. Der Reinkornelevator befördert reines Korn in den Reinkorntank 132. Die landwirtschaftliche Erntemaschine 100 beinhaltet auch ein Rückstands-Teilsystem 138, das einen Häcksler 140 und einen Verteiler 142 beinhalten kann. Die landwirtschaftliche Erntemaschine 100 beinhaltet auch ein Antriebs-Teilsystem, das einen Motor beinhaltet, der Bodeneingriffskomponenten 144, wie etwa Räder oder Raupenketten, antreibt. In einigen Beispielen kann ein Mähdrescher innerhalb des Umfangs der vorliegenden Offenbarung mehr als eines der oben genannten Teilsysteme aufweisen. In einigen Beispielen kann die landwirtschaftliche Erntemaschine 100 linke und rechte Reinigungs-Teilsysteme, Abscheider usw. aufweisen, die in
1 nicht gezeigt sind. - Im Betrieb und zur Übersicht bewegt sich die landwirtschaftliche Erntemaschine 100 veranschaulichend durch ein Feld in der durch Pfeil 147 angezeigten Richtung. Während der Bewegung der landwirtschaftlichen Erntemaschine 100 greift der Erntevorsatz 102 (und die zugehörige Haspel 164) in das zu erntende Erntegut ein und sammelt das Erntegut in Richtung der Schneidevorrichtung 104. Ein Bediener der landwirtschaftlichen Erntemaschine 100 kann ein lokaler menschlicher Bediener, ein entfernter menschlicher Bediener oder ein automatisiertes System sein. Der Bediener der landwirtschaftlichen Erntemaschine 100 kann eine oder mehrere Höheneinstellungen, Neigungswinkeleinstellungen oder Rollwinkeleinstellungen für den Erntevorsatz 102 bestimmen. Zum Beispiel gibt der Bediener eine Einstellung oder Einstellungen in ein Steuersystem ein, das im Folgenden genauer beschrieben wird und das das Stellglied 107 steuert. Das Steuersystem kann auch eine Einstellung vom Bediener zum Einrichten des Neigungswinkels und Rollwinkels des Erntevorsatzes 102 empfangen und die eingegebenen Einstellungen implementieren, indem zugeordnete Stellglieder, die nicht gezeigt sind, gesteuert werden, die arbeiten, um den Neigungswinkel und Rollwinkel des Erntevorsatzes 102 zu ändern. Das Stellglied 107 hält den Erntevorsatz 102 auf einer Höhe über dem Boden 111 auf Grundlage einer Höheneinstellung und gegebenenfalls auf gewünschten Neigungs- und Rollwinkeln. Jede der Höhen-, Roll- und Neigungseinstellungen kann unabhängig von den anderen implementiert werden. Das Steuersystem reagiert auf Erntevorsatzfehler (z. B. die Differenz zwischen der Höheneinstellung und der gemessenen Höhe des Erntevorsatzes 104 über dem Boden 111 und in einigen Beispielen Neigungswinkel- und Rollwinkelfehler) mit einer Reaktionsfähigkeit, die auf Grundlage einer ausgewählten Empfindlichkeitsstufe bestimmt wird. Wenn die Empfindlichkeitsstufe auf eine größere Empfindlichkeitsstufe eingestellt ist, reagiert das Steuersystem auf kleinere Erntevorsatz-Positionsfehler und versucht, die erkannten Fehler schneller zu reduzieren, als wenn die Empfindlichkeit auf einer niedrigeren Empfindlichkeitsstufe ist.
- Zurückkehrend zur Beschreibung des Betriebs der landwirtschaftlichen Erntemaschine 100 wird das abgetrennte Erntematerial, nachdem das Erntegut durch die Schneidevorrichtung 104 geschnitten wurde, durch einen Förderer im Zuführgehäuse 106 in Richtung des Zuführbeschleunigers 108 bewegt, der das Erntegutmaterial in den Drescher 110 beschleunigt. Das Erntegut wird durch den Rotor 112 gedroschen, der das Erntegut gegen die Dreschkörbe 114 dreht. Das gedroschene Erntegutmaterial wird durch einen Abscheiderrotor im Abscheider 116 bewegt, wobei ein Teil des Rückstands durch die Auswurftrommel 126 in Richtung des Rückstands-Teilsystems 138 bewegt wird. Der Teil des Rückstands, der an das Rückstands-Teilsystem 138 übertragen wird, wird vom Rückstandhäcksler 140 zerkleinert und vom Verteiler 142 auf dem Feld verteilt. In anderen Konfigurationen wird der Rückstand in einer Schwade von der landwirtschaftlichen Erntemaschine 100 freigegeben. In anderen Beispielen kann das Rückstands-Teilsystem 138 Unkrautbeseitigungsmittel (nicht gezeigt) beinhalten, wie etwa Samenabsackanlagen oder andere Samensammler oder Samenzerkleinerer oder andere Saatzerstörer.
- Das Korn fällt auf das Reinigungs-Teilsystem 118. Der Häcksler 122 trennt einen Teil gröberer Materialstücke vom Korn und das Sieb 124 trennt einen Teil feinerer Materialstücke vom Reinkorn. Das Reinkorn fällt auf eine Schnecke, die das Korn zu einem Einlassende des Reinkornelevators 130 bewegt und der Reinkornelevator 130 bewegt das Reinkorn nach oben, wodurch das Reinkorn im Reinkorntank 132 abgeschieden wird. Rückstände werden aus dem Reinigungs-Teilsystem 118 durch den Luftstrom des Reinigungsgebläses 120 entfernt. Das Reinigungsgebläse 120 leitet Luft entlang eines Luftstrompfads nach oben durch die Siebe und Häcksler. Der Luftstrom trägt Rückstände in der landwirtschaftlichen Erntemaschine 100 nach hinten in Richtung des Rückstandhandhabungs-Teilsystems 138.
- Der Überkehrelevator 128 führt die Überkehr zum Drescher 110 zurück, wo die Überkehr erneut gedroschen wird. Alternativ kann die Überkehr auch einem separaten Nachdresch-Mechanismus durch einen Überkehrelevator oder eine andere Transportvorrichtung zugeführt werden, wo die Überkehr ebenfalls nachgedroschen wird.
-
1 zeigt auch, dass in einem Beispiel die landwirtschaftliche Erntemaschine 100 den Maschinengeschwindigkeitssensor 146, einen oder mehrere Abscheider-Verlustsensoren 148, eine Reinkornkamera 150, einen nach vorne gerichteten Bilderfassungsmechanismus 151, der in Form einer Stereo- oder Monokamera vorliegen kann, und einen oder mehrere Verlustsensoren 152, die in dem Reinigungs-Teilsystem 118 bereitgestellt sind, beinhaltet. - Der Maschinengeschwindigkeitssensor 146 erfasst die Fahrgeschwindigkeit der landwirtschaftlichen Erntemaschine 100 über den Boden. Der Maschinengeschwindigkeitssensor 146 kann die Fahrgeschwindigkeit der landwirtschaftlichen Erntemaschine 100 durch Erfassen der Umdrehungsgeschwindigkeit der Bodeneingriffskomponenten (wie etwa Räder oder Raupenketten), einer Antriebswelle, einer Achse oder anderer Komponenten erfassen. In einigen Fällen kann die Fahrgeschwindigkeit mithilfe eines Ortungssystems, wie etwa eines globalen Positionierungssystems (GPS), eines Koppelnavigationssystems, eines Fernnavigationssystems (LORAN) oder einer Vielzahl anderer Systeme oder Sensoren, die eine Anzeige der Fahrgeschwindigkeit vorsehen, erfasst werden.
- Die Verlustsensoren 152 sehen veranschaulichend ein Ausgabesignal vor, das die Menge des Kornverlusts anzeigt, die sowohl auf der rechten als auch auf der linken Seite des Reinigungs-Teilsystems 118 auftritt. In einigen Beispielen sind die Sensoren 152 Schlagsensoren, die Kornschläge pro Zeiteinheit oder pro Entfernungseinheit zählen, um einen Hinweis auf den Kornverlust vorzusehen, der an dem Reinigungs-Teilsystem 118 auftritt. Die Schlagsensoren für die rechte und linke Seite des Siebkastens 118 können einzelne Signale oder ein kombiniertes oder aggregiertes Signal vorsehen. In einigen Beispielen können die Sensoren 152 einen einzelnen Sensor beinhalten, im Gegensatz zu separaten Sensoren, die für jedes Reinigungs-Teilsystem 118 bereitgestellt sind.
- Der Abscheider-Verlustsensor 148 stellt ein Signal bereit, das den Kornverlust im linken und rechten Abscheider anzeigt, die in
1 nicht separat gezeigt sind. Die Abscheider-Verlustsensoren 148 können den linken und rechten Abscheidern zugeordnet sein und können separate Kornverlustsignale oder ein kombiniertes oder aggregiertes Signal vorsehen. In einigen Fällen kann das Erfassen des Kornverlusts in den Abscheidern auch mithilfe einer Vielzahl verschiedener Arten von Sensoren durchgeführt werden. - Die landwirtschaftliche Erntemaschine 100 kann auch andere Sensoren und Messmechanismen beinhalten. Die landwirtschaftliche Erntemaschine 100 kann beispielsweise einen oder mehrere der folgenden Sensoren beinhalten: einen Erntevorsatzhöhensensor, der eine Höhe des Erntevorsatzes 102 über dem Boden 111 erfasst; Stabilitätssensoren, die eine Oszillations- oder Prellbewegung (und Amplitude) der landwirtschaftlichen Erntemaschine 100 erfassen; einen Rückstandeinstellungssensor, der konfiguriert ist, um zu erfassen, ob die landwirtschaftliche Erntemaschine 100 konfiguriert ist, den Rückstand zu zerkleinern, eine Schwade zu erzeugen usw.; einen Siebkasten-Gebläsedrehzahlsensor, um die Geschwindigkeit des Reinigungsgebläses 120 zu erfassen; einen Dreschkorbspaltsensor, der den Spalt zwischen dem Rotor 112 und den Dreschkörben 114 erfasst; einen Dreschrotor-Drehzahlsensor, der eine Rotordrehzahl des Rotors 112 erfasst; einen Überkehrmerkmalsensor; einen Häckslerspaltsensor, der die Größe der Öffnungen in dem Häcksler 122 erfasst; einen Siebspaltsensor, der die Größe der Öffnungen in dem Sieb 124 erfasst; einen Feuchtigkeitssensor für anderes Material als Korn (MOG), der einen Feuchtigkeitsgehalt des MOG erfasst, das die landwirtschaftliche Erntemaschine 100 passiert; einen oder mehrere Maschineneinstellsensoren, die konfiguriert sind, um verschiedene konfigurierbare Einstellungen der landwirtschaftlichen Erntemaschine 100 zu erfassen; einen Maschinenausrichtungssensor, der die Ausrichtung der landwirtschaftlichen Erntemaschine 100 erfasst; und Ernteguteigenschaftssensoren, die eine Vielzahl verschiedener Arten von Ernteguteigenschaften erfassen, wie etwa die Art des Ernteguts, die Feuchtigkeit des Ernteguts und andere Eigenschaften des Ernteguts. Die Ernteguteigenschaftssensoren können auch konfiguriert werden, um die Merkmale des abgetrennten Ernteguts während der Verarbeitung durch die landwirtschaftliche Erntemaschine 100 zu erfassen. Beispielsweise können die Ernteguteigenschaftssensoren in einigen Fällen die Kornqualität erfassen, wie etwa gebrochenes Korn, MOG-Werte; Kornbestandteile, wie etwa Stärken und Protein; und Kornzufuhrmenge, wenn sich das Korn durch das Zuführgehäuse 106, den Reinkornelevator 130 oder anderswo in der landwirtschaftlichen Erntemaschine 100 bewegt. Die Ernteguteigenschaftssensoren können auch die Vorschubgeschwindigkeit von Biomasse durch das Zuführgehäuse 106, durch den Abscheider 116 oder an anderer Stelle in der landwirtschaftlichen Erntemaschine 100 erfassen. Die Ernteguteigenschaftssensoren können die Vorschubgeschwindigkeit auch als Massendurchsatz von Korn durch den Elevator 130 oder durch andere Abschnitte der landwirtschaftlichen Erntemaschine 100 erfassen oder andere Ausgangssignale bereitstellen, die auf andere erfasste Größen hinweisen.
- Bevor beschrieben wird, wie die landwirtschaftliche Erntemaschine 100 eine funktionelle prädiktive Geschwindigkeitskarte erzeugt und die funktionelle prädiktive Geschwindigkeitskarte zur Steuerung verwendet, erfolgt zunächst eine kurze Beschreibung einiger Elemente der landwirtschaftlichen Erntemaschine 100 und deren Betrieb. Die Beschreibung von
2 und3 beschreibt das Empfangen einer allgemeinen Art von Informationskarte und das Kombinieren von Informationen von der Informationskarte mit einem georeferenzierten Sensorsignal, das von einem In-situ-Sensor erzeugt wird, wobei das Sensorsignal ein Merkmal auf dem Feld angibt, wie etwa Merkmale des Felds selbst, Erntegutmerkmale von Erntegut oder Korn, das in dem Feld vorhanden ist, oder Merkmale der landwirtschaftlichen Erntemaschine. Merkmale des Feldes können unter anderem Merkmale eines Feldes, wie Neigung, Unkrautintensität, Unkrautart, Bodenfeuchtigkeit, Oberflächenqualität; Merkmale von Ernteguteigenschaften, wie Ernteguthöhe, Erntegutfeuchtigkeit, Erntegutdichte, Erntegutzustand; Merkmale von Korneigenschaften, wie Kornfeuchte, Korngröße, Korntestgewicht; und Merkmale des Maschinenbetriebs, wie Maschinengeschwindigkeit, Ausgaben von verschiedenen Steuerungen, Maschinenleistung, wie etwa Verlustniveaus, Auftragsqualität, Kraftstoffverbrauch und Leistungsnutzung, sein. Es wird eine Beziehung zwischen den aus In-situ-Sensorsignalen gewonnenen Merkmalswerten oder daraus abgeleiteten Werten und den Informationskartenwerten identifiziert und diese Beziehung zur Erzeugung einer neuen funktionellen prädiktiven Karte verwendet. Eine funktionale prädiktive Karte sagt Werte an verschiedenen geografischen Positionen in einem Feld vorher, und einer oder mehrere dieser Werte können zum Steuern einer Maschine verwendet werden, wie etwa ein oder mehrere Teilsysteme einer landwirtschaftlichen Erntemaschine. In einigen Fällen kann eine funktionale prädiktive Karte einem Benutzer präsentiert werden, wie etwa einem Bediener einer landwirtschaftlichen Arbeitsmaschine, die eine landwirtschaftliche Erntemaschine sein kann. Eine funktionale prädiktive Karte kann einem Benutzer visuell präsentiert werden, wie etwa über eine Anzeige, haptisch oder akustisch. Der Benutzer kann mit der funktionalen prädiktiven Karte interagieren, um Bearbeitungsvorgänge und andere Benutzerschnittstellenvorgänge durchzuführen. In einigen Fällen kann eine funktionelle prädiktive Karte für eines oder mehrere von Steuern einer landwirtschaftlichen Arbeitsmaschine, wie etwa einer landwirtschaftlichen Erntemaschine, Präsentation für einen Bediener oder einen anderen Benutzer und Präsentation für einen Bediener oder Benutzer zur Interaktion durch den Bediener oder Benutzer verwendet werden. - Nachdem der allgemeine Ansatz in Bezug auf die
2 und3 beschrieben wurde, wird ein spezifischerer Ansatz zum Erzeugen einer funktionellen prädiktiven Geschwindigkeitskarte, die einem Bediener oder Benutzer dargestellt werden kann oder dazu verwendet wird, die landwirtschaftliche Erntemaschine 100 zu steuern oder beides, unter Bezugnahme auf die4 und5 beschrieben. Auch wenn die vorliegende Erörterung in Bezug auf die landwirtschaftliche Erntemaschine und insbesondere einen Mähdrescher fortgesetzt wird, umfasst der Umfang der vorliegenden Offenbarung andere Arten von landwirtschaftlichen Erntemaschinen oder anderen landwirtschaftlichen Arbeitsmaschinen. -
2 ist ein Blockdiagramm, das einige Abschnitte einer beispielhaften landwirtschaftlichen Erntemaschine 100 zeigt.2 zeigt, dass die landwirtschaftliche Erntemaschine 100 veranschaulichend einen oder mehrere Prozessoren oder Server 201, einen Datenspeicher 202, einen geografischen Positionssensor 204, ein Kommunikationssystem 206 und einen oder mehrere In-situ-Sensoren 208 beinhaltet, die eine oder mehrere landwirtschaftliche Merkmale eines Feldes gleichzeitig mit einem Erntevorgang erfassen. Ein landwirtschaftliches Merkmal kann jedes Merkmal umfassen, das sich auf den Erntevorgang auswirken kann. Einige Beispiele für landwirtschaftliche Merkmale umfassen Merkmale der Erntemaschine, des Feldes, der Pflanzen auf dem Feld und des Wetters. Andere Arten landwirtschaftlicher Merkmale werden ebenfalls berücksichtigt. Die In-situ-Sensoren 208 erzeugen Werte, die den erfassten Merkmalen entsprechen. Die landwirtschaftliche Erntemaschine 100 beinhaltet auch einen prädiktiven Modell- oder Beziehungsgenerator (im Folgenden gemeinsam als „prädiktiver Modellgenerator 210“ bezeichnet), einen prädiktiven Kartengenerator 212, einen Steuerzonengenerator 213, ein Steuersystem 214, ein oder mehrere steuerbare Teilsysteme 216 und einen Bedienerschnittstellenmechanismus 218. Die landwirtschaftliche Erntemaschine 100 kann auch eine Vielzahl sonstiger landwirtschaftlicher Erntemaschinenfunktionen 220 beinhalten. Die In-situ-Sensoren 208 beinhalten beispielsweise bordeigene Sensoren 222, Remote-Sensoren 224 und andere Sensoren 226, die Merkmale eines Feldes im Laufe eines landwirtschaftlichen Vorgangs erfassen. Der prädiktive Modellgenerator 210 beinhaltet veranschaulichend einen Informationsvariable-zu-In-situ-Variable-Modellgenerator 228 und der prädiktive Modellgenerator 210 kann weitere Elemente 230 beinhalten. Das Steuersystem 214 beinhaltet die Kommunikationssystemsteuerung 229, die Bedienerschnittstellensteuerung 231, eine Einstellungssteuerung 232, die Pfadplanungssteuerung 234, die Vorschubgeschwindigkeitssteuerung 236, die Erntevorsatz- und Haspelsteuerung 238, die Draperbandsteuerung 240, die Deckplattenpositionssteuerung 242, die Rückstandssystemsteuerung 244, die Maschinenreinigungssteuerung 245, die Zonensteuerung 247, und das System 214 kann andere Elemente 246 beinhalten. Die steuerbaren Teilsysteme 216 beinhalten Maschinen- und Erntevorsatzstellglieder 248, das Antriebs-Teilsystem 250, das Lenkungs-Teilsystem 252, das Rückstands-Teilsystem 138, das Maschinenreinigungs-Teilsystem 254, und die Teilsysteme 216 können eine Vielzahl anderer Teilsysteme 256 beinhalten. -
2 zeigt auch, dass die landwirtschaftliche Erntemaschine 100 die Informationskarte 258 empfangen kann. Wie nachfolgend beschrieben, beinhaltet die Informationskarte 258 zum Beispiel eine vegetative Indexkarte, eine Biomassekarte, eine Erntegutzustandskarte, eine topographische Karte, eine Bodeneigenschaftskarte, eine Aussaatkarte oder eine Karte von einem Vorabbetrieb. Die Informationskarte 258 kann jedoch auch andere Arten von Daten umfassen, die vor einem Erntevorgang erhalten wurden, oder eine Karte aus einem Vorabbetrieb.2 zeigt auch, dass ein Bediener 260 die landwirtschaftliche Erntemaschine 100 bedienen kann. Der Bediener 260 interagiert mit den Bedienerschnittstellenmechanismen 218. In einigen Beispielen können die Bedienerschnittstellenmechanismen 218 Joysticks, Hebel, ein Lenkrad, Gestänge, Pedale, Tasten, Drehknöpfe, Tastenfelder, vom Benutzer betätigbare Elemente (wie etwa Symbole, Tasten usw.) auf einer Benutzerschnittstellenanzeigevorrichtung, ein Mikrofon und einen Lautsprecher (wenn Spracherkennung und Sprachsynthese bereitgestellt werden) sowie eine Vielzahl anderer Arten von Steuervorrichtungen beinhalten. Wenn ein berührungsempfindliches Anzeigesystem bereitgestellt wird, kann der Bediener 260 mit den Bedienerschnittstellenmechanismen 218 mithilfe von Berührungsgesten interagieren. Diese vorstehend beschriebenen Beispiele werden als veranschaulichende Beispiele bereitgestellt und sollen den Umfang der vorliegenden Offenbarung nicht einschränken. Folglich können andere Arten von Bedienerschnittstellenmechanismen 218 verwendet werden und liegen im Geltungsbereich der vorliegenden Offenbarung. - Die Informationskarte 258 kann mithilfe des Kommunikationssystems 206 oder auf andere Weise auf die landwirtschaftliche Erntemaschine 100 heruntergeladen und im Datenspeicher 202 gespeichert werden. In einigen Beispielen kann das Kommunikationssystem 206 ein zellulares Kommunikationssystem, ein System zum Kommunizieren über ein Weitverkehrsnetzwerk oder ein lokales Netzwerk, ein System zum Kommunizieren über ein Nahfeldkommunikationsnetzwerk oder ein Kommunikationssystem sein, das konfiguriert ist, um über ein beliebiges aus einer Vielzahl anderer Netzwerke oder Kombinationen von Netzwerken zu kommunizieren. Das Kommunikationssystem 206 kann auch ein System beinhalten, das das Herunterladen oder Übertragen von Informationen auf und von einer Secure Digital (SD-) Karte oder einer universellen seriellen Bus (USB-) Karte oder beides erleichtert.
- Der geografische Positionssensor 204 erfasst oder erkennt veranschaulichend die geografische Position oder den Ort der landwirtschaftlichen Erntemaschine 100. Der geografische Positionssensor 204 kann unter anderem einen Empfänger für ein globales Navigationssatellitensystem (GNSS) beinhalten, der Signale von einem GNSS-Satellitensender empfängt. Der geografische Positionssensor 204 kann auch eine Echtzeit-Kinematikkomponente (RTK) enthalten, die konfiguriert ist, um die Genauigkeit der aus dem GNSS-Signal abgeleiteten Positionsdaten zu verbessern. Der geografische Positionssensor 204 kann ein Koppelnavigationssystem, ein zellulares Triangulationssystem oder eine Vielzahl von anderen geografischen Positionssensoren beinhalten.
- Bei den In-situ-Sensoren 208 kann es sich um beliebige der vorstehend beschriebenen Sensoren in Bezug auf
1 handeln. Die In-situ-Sensoren 208 beinhalten bordseitige Sensoren 222, die an Board der landwirtschaftlichen Erntemaschine 100 montiert sind. Solche Sensoren können zum Beispiel beliebige der vorstehend erörterten Sensoren in Bezug auf1 beinhalten, einen Wahrnehmungssensor (z. B. ein vorwärts gerichtetes Mono- oder Stereokamerasystem und ein Bildverarbeitungssystem), Bildsensoren, die sich innerhalb der landwirtschaftlichen Erntemaschine 100 befinden (wie etwa die Reinkornkamera oder Kameras, die montiert sind, um Material zu identifizieren, das die landwirtschaftliche Erntemaschine 100 durch das Rückstands-Teilsystem oder von dem Reinigungs-Teilsystem verlässt). Die In-situ-Sensoren 208 beinhalten auch Remote-In-situ-Sensoren 224, die In-situ-Informationen erfassen. In-situ-Daten umfassen Daten, die von einem Sensor an Bord der Erntemaschine oder von einem beliebigen Sensor aufgenommen werden, wo die Daten während des Erntevorgangs erkannt werden. - Der prädiktive Modellgenerator 210 erzeugt ein Modell, das eine Beziehung zwischen den durch den In-situ-Sensor 208 erfassten Werten und einem durch die Informationskarte 258 auf das Feld abgebildeten Metrik angibt. Wenn zum Beispiel die Informationskarte 258 einen vegetativen Indexwert auf verschiedene Positionen in dem Feld abbildet und der In-situ-Sensor 208 einen Wert erfasst, der die Maschinengeschwindigkeit angibt, dann erzeugt der Informationsvariable-zu-In-situ-Variable-Modellgenerator 228 ein prädiktives Geschwindigkeitsmodell, das die Beziehung zwischen dem vegetativen Indexwert und dem Maschinengeschwindigkeitswert modelliert. Das prädiktive Geschwindigkeitsmodell kann auch auf Grundlage vegetativer Indexwerte von der Informationskarte 258 und mehrerer In-situ-Datenwerte erzeugt werden, die durch In-situ-Sensoren 208 erzeugt werden. Dann verwendet der prädiktive Kartengenerator 212 das durch den prädiktiven Modellgenerator 210 erzeugte prädiktive Geschwindigkeitsmodell, um eine funktionelle prädiktive Geschwindigkeitskarte zu erzeugen, die die durch die In-situ-Sensoren 208 an verschiedenen Positionen in dem Feld erfasste erwartete Maschinengeschwindigkeit auf Grundlage der Informationskarte 258 vorhersagt.
- In einigen Beispielen kann der Typ der Werte in der funktionellen prädiktiven Karte 263 der gleiche wie der von den In-situ-Sensoren 208 erfasste In-situ-Datentyp sein. In einigen Fällen kann der Typ der Werte in der funktionellen prädiktiven Karte 263 andere Einheiten als die von den In-situ-Sensoren 208 erfassten Daten aufweisen. In einigen Beispielen kann der Typ der Werte in der funktionellen prädiktiven Karte 263 der gleiche wie der von den In-situ-Sensoren 208 erfasste In-situ-Datentyp sein, weist jedoch eine Beziehung zu dem von den In-situ-Sensoren 208 erfassten Datentyp auf. Beispielsweise kann der von den In-situ-Sensoren 208 erfasste Datentyp in einigen Beispielen den Typ der Werte in der funktionalen prädiktiven Karte 263 anzeigen. In einigen Beispielen kann sich der Datentyp in der funktionellen prädiktiven Karte 263 von dem Datentyp in der Informationskarte 258 unterscheiden. In einigen Fällen kann der Typ der Daten in der funktionalen prädiktiven Karte 263 andere Einheiten als die Daten in der Informationskarte 258 aufweisen. In einigen Beispielen kann sich der Typ der Daten in der funktionalen prädiktiven Karte 263 von dem Datentyp in der Informationskarte 258 unterscheiden, hat jedoch eine Beziehung zu dem Datentyp in der Informationskarte 258. Beispielsweise kann der Datentyp in der Informationskarte 258 in einigen Beispielen den Typ der Daten in der funktionalen prädiktiven Karte 263 angeben. In einigen Beispielen unterscheidet sich der Typ der Daten in der funktionalen prädiktiven Karte 263 von einem oder beiden von dem durch die In-situ-Sensoren 208 erfassten In-situ-Datentyp und dem Datentyp in der Informationskarte 258. In einigen Beispielen ist der Typ der Daten in der funktionalen prädiktiven Karte 263 der gleiche wie einer oder beide des von den In-situ-Sensoren 208 erfassten In-situ-Datentyps und des Datentyps in der Informationskarte 258. In einigen Beispielen ist der Datentyp in der funktionellen prädiktiven Karte 263 der gleiche wie der von den In-situ-Sensoren 208 erfasste In-situ-Datentyp oder der Datentyp in der Informationskarte 258 und unterscheidet sich von dem anderen.
- Fortfahrend mit dem vorhergehenden Beispiel, in dem die Informationskarte 258 eine vegetative Indexkarte ist und der in-situ-Sensor 208 einen Wert erfasst, der die Maschinengeschwindigkeit angibt, kann der prädiktive Kartengenerator 212 die vegetativen Indexwerte in der Informationskarte 258 und das durch den prädiktiven Modellgenerator 210 erzeugte Modell verwenden, um eine funktionelle prädiktive Karte 263 zu erzeugen, die die erwartete Maschinengeschwindigkeit an verschiedenen Positionen in dem Feld vorhersagt. Der prädiktive Kartengenerator 212 gibt somit die prädiktive Karte 264 aus.
- Wie in
2 gezeigt, sagt die prädiktive Karte 264 den Wert eines erfassten Merkmals (erfasst durch In-situ-Sensoren 208) oder eines Merkmals vorher, das sich auf das erfasste Merkmal bezieht, an verschiedenen Positionen über das Feld auf Grundlage eines Informationswerts in der Informationskarte 258 an diesen Positionen und mithilfe des prädiktiven Modells. Wenn zum Beispiel der prädiktive Modellgenerator 210 ein prädiktives Modell erzeugt hat, das eine Beziehung zwischen einem vegetativen Indexwert und der Maschinengeschwindigkeit anzeigt, dann erzeugt der prädiktive Kartengenerator 212 angesichts des vegetativen Indexwerts an verschiedenen Positionen über das Feld eine prädiktive Karte 264, die den Soll-Maschinengeschwindigkeitswert an verschiedenen Positionen über das Feld vorhersagt. Der vegetative Indexwert, der von der vegetativen Indexkarte erhalten wird, an jenen Positionen und die Beziehung zwischen dem vegetativen Indexwert und der Maschinengeschwindigkeit, die von dem prädiktiven Modell erhalten werden, werden verwendet, um die prädiktive Karte 264 zu erzeugen. - Nun werden einige Variationen in den Datentypen beschrieben, die in der Informationskarte 258 abgebildet sind, die Datentypen, die von In-situ-Sensoren 208 erfasst werden, und die Datentypen, die auf der prädiktiven Karte 264 vorhergesagt werden.
- In einigen Beispielen unterscheidet sich der Datentyp in der Informationskarte 258 von dem Datentyp, der von In-situ-Sensoren 208 erfasst wird, dennoch ist der Datentyp in der prädiktiven Karte 264 derselbe wie der Datentyp, der von den In-situ-Sensoren 208 erfasst wird. Beispielsweise kann die Informationskarte 258 eine vegetative Indexkarte sein, und die von den In-situ-Sensoren 208 erfasste Variable kann Ertrag sein. Die prädiktive Karte 264 kann dann eine prädiktive Ertragskarte sein, die vorhergesagte Ertragswerte auf verschiedene geografische Positionen in dem Feld abbildet. In einem weiteren Beispiel kann die Informationskarte 258 eine vegetative Indexkarte sein, und die von den In-situ-Sensoren 208 erfasste Variable kann eine Ernteguthöhe sein. Die prädiktive Karte 264 kann dann eine prädiktive Ernteguthöhenkarte sein, die vorhergesagte Ernteguthöhenwerte auf verschiedene geografische Positionen in dem Feld abbildet.
- Außerdem unterscheidet sich in einigen Beispielen der Datentyp in der Informationskarte 258 von dem Datentyp, der von In-situ-Sensoren 208 erfasst wird, und der Datentyp in der prädiktiven Karte 264 unterscheidet sich sowohl von dem Datentyp in der Informationskarte 258 als auch von dem Datentyp, der von den In-situ-Sensoren 208 erfasst wird. Beispielsweise kann die Informationskarte 258 eine vegetative Indexkarte sein, und die von den In-situ-Sensoren 208 erfasste Variable kann die Ernteguthöhe sein. Die prädiktive Karte 264 kann dann eine prädiktive Biomassekarte sein, die vorhergesagte Biomassewerte auf verschiedene geografische Positionen in dem Feld abbildet. In einem weiteren Beispiel kann die Informationskarte 258 eine vegetative Indexkarte sein, und die von den In-situ-Sensoren 208 erfasste Variable kann Ertrag sein. Die prädiktive Karte 264 kann dann eine prädiktive Geschwindigkeitskarte sein, die vorhergesagte Erntemaschinengeschwindigkeitswerte auf verschiedene geografische Positionen in dem Feld abbildet.
- In einigen Beispielen stammt die Informationskarte 258 von einem vorherigen Durchlauf durch das Feld während eines vorherigen Vorgangs und der Datentyp unterscheidet sich von dem Datentyp, der von In-situ-Sensoren 208 erfasst wird, jedoch ist der Datentyp in der prädiktiven Karte 264 der gleiche wie der Datentyp, der von den In-situ-Sensoren 208 erfasst wird. Beispielsweise kann die Informationskarte 258 eine Samenpopulationskarte sein, die während des Pflanzens erzeugt wird, und die Variable, die durch die In-situ-Sensoren 208 erfasst wird, kann die Stängelgröße sein. Die prädiktive Karte 264 kann dann eine prädiktive Stängelgrößenkarte sein, die vorhergesagte Stängelgrößenwerte auf verschiedene geografische Positionen in dem Feld abbildet. In einem weiteren Beispiel kann die Informationskarte 258 eine Aussaat-Hybridkarte sein, und die von den In-situ-Sensoren 208 erfasste Variable kann der Erntegutzustand sein, wie etwa stehendes Erntegut oder umgeknicktes Erntegut. Die prädiktive Karte 264 kann dann eine prädiktive Erntegutzustandskarte sein, die vorhergesagte Erntegutzustandswerte auf verschiedene geografische Positionen in dem Feld abbildet.
- In einigen Beispielen stammt die Informationskarte 258 von einem vorherigen Durchlauf durch das Feld während eines vorherigen Vorgangs und der Datentyp ist der gleiche wie der Datentyp, der von In-situ-Sensoren 208 erfasst wird, und der Datentyp in der prädiktiven Karte 264 ist auch der gleiche wie der Datentyp, der von den In-situ-Sensoren 208 erfasst wird. Beispielsweise kann die Informationskarte 258 eine Ertragskarte sein, die während eines vorhergehenden Jahres erzeugt wird, und die von den In-situ-Sensoren 208 erfasste Variable kann der Ertrag sein. Die prädiktive Karte 264 kann dann eine prädiktive Ertragskarte sein, die vorhergesagte Ertragswerte auf verschiedene geografische Positionen in dem Feld abbildet. In einem solchen Beispiel können die relativen Ertragsunterschiede in der georeferenzierten Informationskarte 258 aus dem Vorjahr durch den prädiktiven Modellgenerator 210 verwendet werden, um ein prädiktives Modell zu erzeugen, das eine Beziehung zwischen den relativen Ertragsunterschieden auf der Informationskarte 258 und den Ertragswerten modelliert, die durch In-situ-Sensoren 208 während des aktuellen Erntevorgangs erfasst werden. Das prädiktive Modell wird dann von dem prädiktiven Kartengenerator 210 verwendet, um eine prädiktive Ertragskarte zu erstellen.
- In einem weiteren Beispiel kann die Informationskarte 258 eine Unkrautintensitätskarte sein, die während eines früheren Vorgangs erzeugt wurde, wie etwa von einer Sprühvorrichtung, und die von den In-situ-Sensoren 208 erfasste Variable kann die Unkrautintensität sein. Die prädiktive Karte 264 kann dann eine prädiktive Unkrautintensitätskarte sein, die vorhergesagte Unkrautintensitätswerte auf verschiedene geografische Positionen in dem Feld abbildet. In einem solchen Beispiel wird eine Karte der Unkrautintensitäten zum Zeitpunkt des Besprühens georeferenziert aufgezeichnet und der landwirtschaftlichen Erntemaschine 100 als eine Informationskarte 258 der Unkrautintensität bereitgestellt. Die In-situ-Sensoren 208 können die Unkrautintensität an geografischen Positionen in dem Feld erkennen und der prädiktive Modellgenerator 210 kann dann ein prädiktives Modell erstellen, das eine Beziehung zwischen der Unkrautintensität zum Zeitpunkt der Ernte und der Unkrautintensität zum Zeitpunkt des Besprühens modelliert. Dies liegt daran, dass die Sprühvorrichtung die Unkrautintensität zum Zeitpunkt des Besprühens beeinflusst hat, aber bei der Ernte kann in ähnlichen Bereichen wieder Unkraut auftauchen. Die Unkrautbereiche bei der Ernte haben jedoch wahrscheinlich eine unterschiedliche Intensität, die unter anderem auf dem Zeitpunkt der Ernte, dem Wetter und der Unkrautart basiert.
- In einigen Beispielen kann dem Steuerzonengenerator 213 eine prädiktive Karte 264 bereitgestellt werden. Der Steuerzonengenerator 213 gruppiert benachbarte Abschnitte eines Bereichs auf Grundlage von Datenwerten der prädiktiven Karte 264, die diesen benachbarten Abschnitten zugeordnet sind, in eine oder mehrere Steuerzonen. Eine Steuerzone kann zwei oder mehr zusammenhängende Abschnitte eines Bereichs, wie etwa eines Feldes, beinhalten, für die ein Steuerparameter, der der Steuerzone zum Steuern eines steuerbaren Teilsystems entspricht, konstant ist. Beispielsweise kann eine Reaktionszeit zum Ändern einer Einstellung steuerbarer Teilsysteme 216 unzureichend sein, um zufriedenstellend auf Änderungen von Werten zu reagieren, die in einer Karte enthalten sind, wie etwa der prädiktiven Karte 264. In diesem Fall analysiert der Steuerzonengenerator 213 die Karte und identifiziert Steuerzonen, die eine definierte Größe aufweisen, um die Reaktionszeit der steuerbaren Teilsysteme 216 zu berücksichtigen. In einem weiteren Beispiel können die Steuerzonen bemessen sein, um den Verschleiß durch übermäßige Stellgliedbewegung, die sich aus der kontinuierlichen Einstellung ergibt, zu reduzieren. In einigen Beispielen kann es einen anderen Satz von Steuerzonen für jedes steuerbare Teilsystem 216 oder für Gruppen von steuerbaren Teilsystemen 216 geben. Die Steuerzonen können zu der prädiktiven Karte 264 hinzugefügt werden, um eine prädiktive Steuerzonenkarte 265 zu erhalten. Die prädiktive Steuerzonenkarte 265 kann somit der prädiktiven Karte 264 ähnlich sein, mit der Ausnahme, dass die prädiktive Steuerzonenkarte 265 Steuerzoneninformationen beinhaltet, die die Steuerzonen definieren. Somit kann eine funktionelle prädiktive Karte 263, wie hierin beschrieben, Steuerzonen beinhalten. Sowohl die prädiktive Karte 264 als auch die prädiktive Steuerzonenkarte 265 sind funktionale prädiktive Karten 263. In einem Beispiel beinhaltet eine funktionale prädiktive Karte 263 keine Steuerzonen, wie etwa die prädiktive Karte 264. In einem weiteren Beispiel beinhaltet eine funktionelle prädiktive Karte 263 Steuerzonen, wie etwa die prädiktive Steuerzonenkarte 265. In einigen Beispielen können mehrere Erntegüter gleichzeitig in einem Feld vorhanden sein, wenn ein Mischkultur-Produktionssystem implementiert ist. In diesem Fall sind der prädiktive Kartengenerator 212 und der Steuerzonengenerator 213 in der Lage, die Position und das Merkmal der zwei oder mehr Erntegutarten zu identifizieren und dann die prädiktive Karte 264 und die prädiktive Steuerzonenkarte 265 entsprechend zu erzeugen.
- Es ist ebenfalls zu beachten, dass der Steuerzonengenerator 213 Werte gruppieren kann, um Steuerzonen zu erzeugen, und die Steuerzonen zu einer prädiktiven Steuerzonenkarte 265 oder einer separaten Karte hinzugefügt werden können, die nur die erzeugten Steuerzonen zeigt. In einigen Beispielen können die Steuerzonen zum Steuern oder Kalibrieren der landwirtschaftlichen Erntemaschine 100 oder für beides verwendet werden. In anderen Beispielen können die Steuerzonen dem Bediener 260 angezeigt und verwendet werden, um die landwirtschaftliche Erntemaschine 100 zu steuern oder zu kalibrieren, und in anderen Beispielen können die Steuerzonen dem Bediener 260 oder einem anderen Benutzer angezeigt oder zur späteren Verwendung gespeichert werden.
- Die prädiktive Karte 264 oder die prädiktive Steuerzonenkarte 265 oder beide werden dem Steuersystem 214 bereitgestellt, das Steuersignale auf Grundlage der prädiktiven Karte 264 oder der prädiktiven Steuerzonenkarte 265 oder beider erzeugt. In einigen Beispielen steuert die Kommunikationssystemsteuerung 229 das Kommunikationssystem 206, um die prädiktive Karte 264 oder die prädiktive Steuerzonenkarte 265 oder Steuersignale auf Grundlage der prädiktiven Karte 264 oder der prädiktiven Steuerzonenkarte 265 an andere landwirtschaftliche Erntemaschinen, die auf demselben Feld ernten, zu kommunizieren. In einigen Beispielen steuert die Kommunikationssystemsteuerung 229 das Kommunikationssystem 206, um die prädiktive Karte 264, die prädiktive Steuerzonenkarte 265 oder beide an andere Remote-Systeme zu senden.
- Die Bedienerschnittstellensteuerung 231 ist betreibbar, um Steuersignale zu erzeugen, um die Bedienerschnittstellenmechanismen 218 zu steuern. Die Bedienerschnittstellensteuerung 231 ist außerdem betreibbar, um dem Bediener 260 die prädiktive Karte 264 oder die prädiktive Steuerzonenkarte 265 oder andere Informationen, die von oder auf Grundlage der prädiktiven Karte 264, der prädiktiven Steuerzonenkarte 265 oder beider abgeleitet werden, zu präsentieren. Der Bediener 260 kann ein lokaler Bediener oder ein Remote-Bediener sein. Als ein Beispiel erzeugt die Steuerung 231 Steuersignale, um einen Anzeigemechanismus zu steuern, um eine oder beide der prädiktiven Karte 264 und prädiktiven Steuerzonenkarte 265 für den Bediener 260 anzuzeigen. Die Steuerung 231 kann vom Bediener betätigbare Mechanismen erzeugen, die angezeigt werden und vom Bediener betätigt werden können, um mit der angezeigten Karte zu interagieren. Der Bediener kann die Karte bearbeiten, indem er beispielsweise aufgrund der Beobachtung des Bedieners einen auf der Karte angezeigten Unkrauttyp korrigiert. Die Einstellungssteuerung 232 kann Steuersignale erzeugen, um verschiedene Einstellungen an der landwirtschaftlichen Erntemaschine 100 auf Grundlage der prädiktiven Karte 264, der prädiktiven Steuerzonenkarte 265 oder beider zu steuern. Zum Beispiel kann die Einstellungssteuerung 232 Steuersignale erzeugen, um die Maschinen- und Erntevorsatzstellglieder 248 zu steuern. Als Reaktion auf die erzeugten Steuersignale arbeiten die Maschinen- und Erntevorsatzstellglieder 248, um zum Beispiel eine oder mehrere der Sieb- und Häckseleinstellungen, den Dreschkorbspalt, die Rotoreinstellungen, die Reinigungsgebläse-Drehzahleinstellungen, die Erntevorsatzhöhe, die Erntevorsatzfunktionalität, die Haspeldrehzahl, die Haspelposition, die Draperfunktionalität (wobei die landwirtschaftliche Erntemaschine 100 mit einem Draper-Erntevorsatz gekoppelt ist), die Maisvorsatzfunktionalität, die interne Verteilungssteuerung und andere Stellglieder 248, die die anderen Funktionen der landwirtschaftlichen Erntemaschine 100 beeinflussen, zu steuern. Die Pfadplanungssteuerung 234 erzeugt veranschaulichend Steuersignale, um das Lenkungs-Teilsystem 252 zu steuern, um die landwirtschaftliche Erntemaschine 100 gemäß einem gewünschten Pfad zu steuern. Die Pfadplanungssteuerung 234 kann ein Pfadplanungssystem steuern, um eine Route für die landwirtschaftliche Erntemaschine 100 zu erzeugen, und kann das Antriebs-Teilsystem 250 und das Lenkteilsystem 252 steuern, um die landwirtschaftliche Erntemaschine 100 entlang dieser Route zu lenken. Die Vorschubgeschwindigkeitssteuerung 236 kann eine Vielzahl verschiedener Eingaben empfangen, die eine Vorschubgeschwindigkeit des Materials durch die landwirtschaftliche Erntemaschine 100 angeben, und kann verschiedene Teilsysteme steuern, wie etwa das Antriebs-Teilsystem 250 und die Maschinenstellglieder 248, um die Vorschubgeschwindigkeit auf Grundlage der prädiktiven Karte 264 oder der prädiktiven Steuerzonenkarte 265 oder beider zu steuern. Wenn sich zum Beispiel die landwirtschaftliche Erntemaschine 100 einer Unkrautstelle nähert, der einen Intensitätswert über einem ausgewählten Schwellenwert aufweist, kann die Vorschubgeschwindigkeitssteuerung 236 ein Steuersignal erzeugen, um das Antriebs-Teilsystem 252 zu steuern, die Geschwindigkeit der landwirtschaftlichen Erntemaschine 100 zu reduzieren, um eine konstante Vorschubgeschwindigkeit von Biomasse durch die landwirtschaftliche Erntemaschine 100 aufrechtzuerhalten. Die Erntevorsatz- und Haspelsteuerung 238 kann Steuersignale erzeugen, um einen Erntevorsatz oder eine Haspel oder eine andere Erntevorsatzfunktionalität zu steuern. Die Draperbandsteuerung 240 kann Steuersignale erzeugen, um einen Draperband oder eine andere Draperfunktionalität auf Grundlage der prädiktiven Karte 264, der prädiktiven Steuerzonenkarte 265 oder beider zu steuern. Die Deckplattenpositionssteuerung 242 kann Steuersignale erzeugen, um eine Position einer Deckplatte, die in einem Erntevorsatz enthalten ist, auf Grundlage einer prädiktiven Karte 264 oder einer prädiktiven Steuerzonenkarte 265 oder beider zu steuern, und die Rückstandssystemsteuerung 244 kann Steuersignale erzeugen, um ein Rückstands-Teilsystem 138 auf Grundlage einer prädiktiven Karte 264 oder einer prädiktiven Steuerzonenkarte 265 oder beider zu steuern. Die Maschinenreinigungssteuerung 245 kann Steuersignale erzeugen, um das Maschinenreinigungs-Teilsystem 254 zu steuern. Zum Beispiel kann auf Grundlage der verschiedenen Arten von Saatgut oder Unkraut, das durch die landwirtschaftliche Erntemaschine 100 geleitet wird, eine bestimmte Art von Maschinenreinigungsvorgang oder eine Häufigkeit, mit der ein Reinigungsvorgang durchgeführt wird, gesteuert werden. Andere Steuerungen, die in der landwirtschaftlichen Erntemaschine 100 enthalten sind, können andere Teilsysteme auf Grundlage der prädiktiven Karte 264 oder prädiktiven Steuerzonenkarte 265 oder beider ebenfalls steuern.
- Die
3A und3B (hierin gemeinsam als3 bezeichnet) zeigen ein Flussdiagramm, das ein Beispiel für den Betrieb der landwirtschaftlichen Erntemaschine 100 beim Erzeugen einer prädiktiven Karte 264 und einer prädiktiven Steuerzonenkarte 265 auf Grundlage der Informationskarte 258 veranschaulicht. - Bei 280 empfängt die landwirtschaftliche Erntemaschine 100 die Informationskarte 258. Beispiele für die Informationskarte 258 oder das Empfangen der Informationskarte 258 werden in Bezug auf die Blöcke 281, 282, 284 und 286 erörtert. Wie oben erörtert, bildet die Informationskarte 258 Werte einer Variablen, die einem ersten Merkmal entspricht, auf verschiedene Positionen im Feld ab, wie bei Block 282 angezeigt. Wie bei Block 281 angegeben, kann das Empfangen der Informationskarte 258 das Auswählen einer oder mehrerer einer Vielzahl von möglichen Informationskarten beinhalten, die verfügbar sind. Zum Beispiel kann eine Informationskarte eine vegetative Indexkarte sein, die aus Luftbildern erzeugt wird. Eine andere Informationskarte kann eine Karte sein, die während eines früheren Durchlaufs durch das Feld erzeugt wurde, der von einer anderen Maschine durchgeführt worden sein kann, die einen früheren Vorgang auf dem Feld durchgeführt hat, wie beispielsweise eine Sprühvorrichtung oder eine Pflanzmaschine oder eine Sämaschine oder ein unbemanntes Luftfahrzeug (UAV) oder eine andere Maschine. Der Vorgang, bei dem eine oder mehrere Informationskarten ausgewählt werden, kann manuell, halbautomatisch oder automatisiert sein. Die Informationskarte 258 basiert auf Daten, die vor einem aktuellen Erntevorgang erfasst wurden. Dies wird durch Block 284 angezeigt. Beispielsweise können die Daten auf der Grundlage von Luftbildern erfasst werden, die während eines Vorjahres oder früher in der aktuellen Wachstumsperiode oder zu anderen Zeiten aufgenommen wurden. Die Daten können auf Daten basieren, die auf andere Weise als mithilfe von Luftbildern erkannt wurden. Zum Beispiel kann die landwirtschaftliche Erntemaschine 100 mit einem Sensor, wie etwa einem internen optischen Sensor, ausgestattet sein, der Unkrautsamen oder andere Arten von Material, das aus der landwirtschaftlichen Erntemaschine 100 austritt, identifiziert. Der Unkrautsamen oder andere Daten, die von dem Sensor während der Ernte eines Vorjahres erfasst werden, können als Daten verwendet werden, die zum Erzeugen der Informationskarte 258 verwendet werden. Die erfassten Unkrautdaten oder andere Daten können mit anderen Daten kombiniert werden, um die Informationskarte 258 zu erzeugen. Zum Beispiel kann auf Grundlage einer Größe der Unkrautsamen, die an verschiedenen Positionen aus der landwirtschaftlichen Erntemaschine 100 austreten, und auf Grundlage anderer Faktoren, wie etwa ob das Saatgut durch einen Verteiler ausgebreitet oder in einer Schwad fallen gelassen werden; der Wetterbedingungen, wie etwa Wind, wenn das Saatgut fallen gelassen oder ausgebreitet werden; Entwässerungsbedingungen, die Saatgut auf dem Feld bewegen können; oder anderer Informationen, die Position dieser Unkrautsamen vorhergesagt werden, so dass die Informationskarte 258 die vorhergesagten Saatgutpositionen auf dem Feld abbildet. Die Daten für die Informationskarte 258 können mithilfe des Kommunikationssystems 206 an die landwirtschaftliche Erntemaschine 100 übertragen und im Datenspeicher 202 gespeichert werden. Die Daten für die Informationskarte 258 können auch auf andere Weise mithilfe des Kommunikationssystems 206 der landwirtschaftlichen Erntemaschine 100 bereitgestellt werden, was durch Block 286 im Flussdiagramm von
3 angezeigt wird. In einigen Beispielen kann die Informationskarte 258 von dem Kommunikationssystem 206 empfangen werden. - Bei Beginn eines Erntevorgangs erzeugen die In-situ-Sensoren 208 Sensorsignale, die einen oder mehrere In-situ-Datenwerte anzeigen, die ein Merkmal anzeigen, wie etwa ein Geschwindigkeitsmerkmal, wie durch Block 288 angezeigt. Beispiele für In-situ-Sensoren 288 werden in Bezug auf die Blöcke 222, 290 und 226 erörtert. Wie oben erläutert, beinhalten die In-situ-Sensoren 208 bordeigene Sensoren 222; Remote-In-situ-Sensoren 224, wie etwa UAV-basierte Sensoren, die zu einem Zeitpunkt geflogen werden, um In-situ-Daten zu sammeln, wie in Block 290 gezeigt; oder andere Arten von In-situ-Sensoren, die durch In-situ-Sensoren 226 bezeichnet werden. In einigen Beispielen werden Daten von bordeigenen Sensoren mithilfe von Positions-, Kurs- oder Geschwindigkeitsdaten von dem geografischen Positionssensor 204 georeferenziert.
- Der prädiktive Modellgenerator 210 steuert den Informationsvariable-zu-In-situ-Variable-Modellgenerator 228, um ein Modell zu erzeugen, das eine Beziehung zwischen den abgebildeten Werten, die in der Informationskarte 258 enthalten sind, und den In-situ-Werten, die durch die In-situ-Sensoren 208 erfasst werden, modelliert, wie durch Block 292 angezeigt. Die Merkmale oder Datentypen, die durch die abgebildeten Werte in der Informationskarte 258 dargestellt werden, und die In-situ-Werte, die durch die In-situ-Sensoren 208 erfasst werden, können die gleichen Merkmale oder Datentypen oder verschiedene Merkmale oder Datentypen sein.
- Die Beziehung oder das Modell, die bzw. das von dem prädiktiven Modellgenerator 210 erzeugt wird, wird dem prädiktiven Kartengenerator 212 bereitgestellt. Der prädiktive Kartengenerator 212 erzeugt eine prädiktive Karte 264, die einen Wert des durch die In-situ-Sensoren 208 erfassten Merkmals an verschiedenen geografischen Positionen in einem zu erntenden Feld oder ein anderes Merkmal, das mit dem durch die In-situ-Sensoren 208 erfassten Merkmal in Beziehung steht, mithilfe des prädiktiven Modells und der Informationskarte 258 vorhersagt, wie durch Block 294 angezeigt.
- Es ist zu beachten, dass die Informationskarte 258 in einigen Beispielen zwei oder mehr verschiedene Karten oder zwei oder mehr verschiedene Kartenebenen einer einzelnen Karte beinhalten kann. Jede Kartenebene kann einen anderen Datentyp als den Datentyp einer anderen Kartenebene darstellen oder die Kartenebenen können denselben Datentyp aufweisen, der zu verschiedenen Zeitpunkten erhalten wurde. Jede Karte in den zwei oder mehr verschiedenen Karten oder jede Ebene in den zwei oder mehr verschiedenen Kartenebenen einer Karte bildet einen anderen Typ von Variablen zu den geografischen Positionen im Feld ab. In einem solchen Beispiel erzeugt der prädiktive Modellgenerator 210 ein prädiktives Modell, das die Beziehung zwischen den In-situ-Daten und jeder der verschiedenen Variablen modelliert, die durch die zwei oder mehr verschiedenen Karten oder die zwei oder mehr verschiedenen Kartenebenen abgebildet sind. Gleichermaßen können die In-situ-Sensoren 208 zwei oder mehr Sensoren beinhalten, die jeweils eine andere Art von Variablen erfassen. Somit erzeugt der prädiktive Modellgenerator 210 ein prädiktives Modell, das die Beziehungen zwischen jedem durch die Informationskarte 258 abgebildeten Variablentyp und jedem durch die In-situ-Sensoren 208 erfassten Variablentyp modelliert. Der prädiktive Kartengenerator 212 kann eine funktionelle prädiktive Karte 263 erzeugen, die einen Wert für jedes erfasste Merkmal, das von den In-situ-Sensoren 208 erfasst wird (oder einem Merkmal, das sich auf das erfasste Merkmal bezieht), an verschiedenen Positionen in dem Feld, das geerntet wird, mithilfe des prädiktiven Modells und jeder der Karten oder Kartenebenen in der Informationskarte 258 vorhersagt.
- Der prädiktive Kartengenerator 212 konfiguriert die prädiktive Karte 264 derart, dass die prädiktive Karte 264 durch das Steuersystem 214 umsetzbar (oder verbrauchbar) ist. Der prädiktive Kartengenerator 212 kann die prädiktive Karte 264 dem Steuersystem 214 oder dem Steuerzonengenerator 213 oder beiden bereitstellen. Einige Beispiele für verschiedene Arten, wie die prädiktive Karte 264 konfiguriert oder ausgegeben werden kann, werden in Bezug auf die Blöcke 296, 295, 299 und 297 beschrieben. Beispielsweise konfiguriert der prädiktive Kartengenerator 212 die prädiktive Karte 264, so dass die prädiktive Karte 264 Werte beinhaltet, die durch das Steuersystem 214 gelesen und als Grundlage zum Erzeugen von Steuersignalen für eines oder mehrere der verschiedenen steuerbaren Teilsysteme der landwirtschaftlichen Erntemaschine 100 verwendet werden können, wie durch Block 296 angezeigt.
- Der Steuerzonengenerator 213 kann die prädiktive Karte 264 auf Grundlage der Werte auf der prädiktiven Karte 264 in Steuerzonen unterteilen. Kontinuierlich geolokalisierte Werte, die innerhalb eines Schwellenwertes voneinander liegen, können in eine Steuerzone gruppiert werden. Der Schwellenwert kann ein Standardschwellenwert sein oder der Schwellenwert kann auf Grundlage einer Bedienereingabe, auf Grundlage einer Eingabe von einem automatisierten System oder auf Grundlage anderer Kriterien festgelegt werden. Eine Größe der Zonen kann auf einer Reaktionsfähigkeit des Steuersystems 214, der steuerbaren Teilsysteme 216 auf Grundlage von Verschleißüberlegungen oder auf anderen Kriterien basieren, wie durch Block 295 angezeigt. Der prädiktive Kartengenerator 212 konfiguriert die prädiktive Karte 264 zur Präsentation für einen Bediener oder einen anderen Benutzer. Der Steuerzonengenerator 213 kann eine prädiktive Steuerzonenkarte 265 zur Präsentation für einen Bediener oder einen anderen Benutzer konfigurieren. Dies wird durch Block 299 angezeigt. Wenn sie einem Bediener oder einem anderen Benutzer dargestellt wird, kann die Darstellung der prädiktiven Karte 264 oder der prädiktiven Steuerzonenkarte 265 oder beider einen oder mehrere der prädiktiven Werte auf der prädiktiven Karte 264, die mit der geografischen Position korreliert sind, die Steuerzonen auf der prädiktiven Steuerzonenkarte 265, die mit der geografischen Position korreliert sind, und Einstellwerte oder Steuerparameter enthalten, die auf der Grundlage der prädiktiven Werte auf der Karte 264 oder den Zonen auf der prädiktiven Steuerzonenkarte 265 verwendet werden. Die Präsentation kann in einem anderen Beispiel mehr abstrahierte Informationen oder detailliertere Informationen beinhalten. Die Darstellung kann auch ein Konfidenzniveau beinhalten, das eine Genauigkeit angibt, mit der die prädiktiven Werte auf der prädiktiven Karte 264 oder die Zonen auf der prädiktiven Steuerzonenkarte 265 mit gemessenen Werten übereinstimmen, die durch Sensoren an der landwirtschaftlichen Erntemaschine 100 gemessen werden können, wenn sich die landwirtschaftliche Erntemaschine 100 durch das Feld bewegt. Ferner kann ein Authentifizierungs- und Autorisierungssystem vorgesehen werden, das Authentifizierungs- und Autorisierungsprozesse implementiert, wenn Informationen an mehreren Positionen präsentiert werden. Beispielsweise kann es eine Hierarchie von Personen geben, die berechtigt sind, Karten und andere präsentierte Informationen anzuzeigen und zu ändern. Beispielsweise kann eine bordeigene Anzeigevorrichtung die Karten in nahezu Echtzeit lokal auf der Maschine anzeigen, oder die Karten können auch an einem oder mehreren Remote-Standorten oder beiden erzeugt werden. In einigen Beispielen kann jede physische Anzeigevorrichtung an jedem Standort einer Person oder einer Benutzerberechtigungsstufe zugeordnet sein. Die Benutzerberechtigungsstufe kann verwendet werden, um zu bestimmen, welche Anzeigemarkierungen auf der physischen Anzeigevorrichtung sichtbar sind und welche Werte die entsprechende Person ändern kann. Beispielsweise ist ein lokaler Bediener der Maschine 100 möglicherweise nicht in der Lage, die Informationen, die der prädiktiven Karte 264 entsprechen, zu sehen oder Änderungen am Maschinenbetrieb vorzunehmen. Ein Vorgesetzter, wie etwa ein Vorgesetzter an einem Remote-Standort, kann jedoch die prädiktive Karte 264 auf der Anzeige sehen, aber daran gehindert werden, Änderungen vorzunehmen. Ein Manager, der sich an einem separaten Remote-Standort befinden kann, kann in der Lage sein, alle Elemente auf der prädiktiven Karte 264 zu sehen und auch in der Lage sein, die prädiktive Karte 264 zu ändern. In einigen Fällen kann die prädiktive Karte 264, auf die ein remote angeordneter Manager zugreifen kann und die von ihm geändert werden kann, in der Maschinensteuerung verwendet werden. Dies ist ein Beispiel für eine Autorisierungshierarchie, die implementiert werden kann. Die prädiktive Karte 264 oder die prädiktive Steuerzonenkarte 265 oder beide können auch auf andere Weise konfiguriert werden, wie durch Block 297 angezeigt.
- Bei Block 298 werden Eingaben von dem geografischen Positionssensor 204 und anderen In-situ-Sensoren 208 von dem Steuersystem empfangen. Insbesondere erkennt das Steuersystem 214 bei Block 300 eine Eingabe von dem geografischen Positionssensor 204, der eine geografische Position der landwirtschaftlichen Erntemaschine 100 identifiziert. Block 302 stellt den Empfang von Sensoreingaben durch das Steuersystem 214 dar, die den Bahnverlauf oder den Kurs der landwirtschaftlichen Erntemaschine 100 angeben, und Block 304 stellt den Empfang einer Geschwindigkeit der landwirtschaftlichen Erntemaschine 100 durch das Steuersystem 214 dar. Block 306 stellt den Empfang anderer Informationen von verschiedenen In-situ-Sensoren 208 durch das Steuersystem 214 dar.
- Bei Block 308 erzeugt das Steuersystem 214 Steuersignale, um die steuerbaren Teilsysteme 216 auf Grundlage der prädiktiven Karte 264 oder der prädiktiven Steuerzonenkarte 265 oder beider und der Eingabe von dem geografischen Positionssensor 204 und beliebigen anderen In-situ-Sensoren 208 zu steuern. Bei Block 310 wendet das Steuersystem 214 die Steuersignale auf die steuerbaren Teilsysteme an. Es versteht sich, dass die bestimmten Steuersignale, die erzeugt werden, und die bestimmten steuerbaren Teilsysteme 216, die gesteuert werden, auf Grundlage eines oder mehrerer verschiedener Dinge variieren können. Beispielsweise können die erzeugten Steuersignale und die steuerbaren Teilsysteme 216, die gesteuert werden, auf der Art der prädiktiven Karte 264 oder der prädiktiven Steuerzonenkarte 265 oder beiden basieren, die verwendet werden. Gleichermaßen können die erzeugten Steuersignale und die steuerbaren Teilsysteme 216, die gesteuert werden, und der Zeitpunkt der Steuersignale auf verschiedenen Latenzen des Erntegutstroms durch die landwirtschaftliche Erntemaschine 100 und der Reaktionsfähigkeit der steuerbaren Teilsysteme 216 basieren.
- Beispielsweise kann eine erzeugte prädiktive Karte 264 in Form einer prädiktiven Geschwindigkeitskarte verwendet werden, um ein oder mehrere Teilsysteme 216 zu steuern. Beispielsweise kann die prädiktive Geschwindigkeitskarte Geschwindigkeitswerte beinhalten, die auf Positionen innerhalb des zu erntenden Feldes georeferenziert sind. Die Geschwindigkeitswerte aus der prädiktiven Geschwindigkeitskarte können extrahiert und verwendet werden, um das Antriebs-Teilsystem 250 zu steuern. Durch Steuern des Antriebs-Teilsystems 250 kann eine Vorschubgeschwindigkeit von Material, das sich durch die landwirtschaftliche Erntemaschine 100 bewegt, gesteuert werden. In ähnlicher Weise kann die Höhe des Erntevorsatzes gesteuert werden, um mehr oder weniger Material aufzunehmen, und somit kann die Höhe des Erntevorsatzes auch gesteuert werden, um die Vorschubrate des Materials durch die landwirtschaftliche Erntemaschine 100 zu steuern. Wenn die prädiktive Karte 264 in anderen Beispielen die Unkrauthöhe relativ zu Positionen im Feld abbildet, kann die Steuerung der Erntevorsatzhöhe implementiert werden. Wenn zum Beispiel die in der prädiktiven Unkrautkarte vorhandenen Werte einen oder mehrere Bereiche mit Unkrauthöhe mit einer ersten Höhe angeben, dann können die Erntevorsatz- und Haspelsteuerung 238 die Erntevorsatzhöhe steuern, so dass der Erntevorsatz über der ersten Höhe der Unkräuter innerhalb des einen oder der mehreren Bereiche mit Unkraut bei der ersten Höhe positioniert ist, wenn der Erntevorgang durchgeführt wird. Somit kann die Erntevorsatz- und Haspelsteuerung 238 mithilfe von georeferenzierten Werten, die in der prädiktiven Unkrautkarte vorhanden sind, gesteuert werden, um den Erntevorsatz auf einer Höhe zu positionieren, die über den vorhergesagten Höhenwerten von Unkraut liegt, die von der prädiktiven Unkrautkarte erhalten werden. Ferner kann die Höhe des Erntevorsatzes durch die Erntevorsatz- und Haspelsteuerung 238 automatisch geändert werden, wenn die landwirtschaftliche Erntemaschine 100 mithilfe georeferenzierter Werte, die von der prädiktiven Unkrautkarte erhalten werden, durch das Feld fährt. Das vorangegangene Beispiel mit Unkrauthöhe und -intensität mithilfe einer prädiktiven Unkrautkarte ist nur beispielhaft bereitgestellt. Folglich kann eine Vielzahl anderer Steuersignale mithilfe von Werten erzeugt werden, die von einer prädiktiven Unkrautkarte oder einer anderen Art von prädiktiver Karte erhalten werden, um eines oder mehrere der steuerbaren Teilsysteme 216 zu steuern.
- Bei Block 312 wird bestimmt, ob der Erntevorgang abgeschlossen wurde. Wenn die Ernte nicht abgeschlossen ist, fährt die Verarbeitung mit Block 314 fort, wo In-situ-Sensordaten von dem geografischen Positionssensor 204 und den In-situ-Sensoren 208 (und möglicherweise anderen Sensoren) weiterhin gelesen werden.
- In einigen Beispielen kann die landwirtschaftliche Erntemaschine 100 bei Block 316 auch Lernauslösekriterien erkennen, um maschinelles Lernen an einer oder mehreren von der prädiktiven Karte 264, der prädiktiven Steuerzonenkarte 265, dem Modell, das von dem prädiktiven Modellgenerator 210 erzeugt wird, den Zonen, die von dem Steuerzonengenerator 213 erzeugt werden, einem oder mehreren Steueralgorithmen, die von den Steuerungen in dem Steuersystem 214 implementiert werden, und anderem ausgelösten Lernen durchzuführen.
- Die Lernauslösekriterien können eine Vielzahl verschiedener Kriterien beinhalten. Einige Beispiele für das Erkennen von Auslösekriterien werden in Bezug auf die Blöcke 318, 320, 321, 322 und 324 erörtert. Beispielsweise kann das ausgelöste Lernen in einigen Beispielen das Wiederherstellen einer Beziehung beinhalten, die verwendet wird, um ein prädiktives Modell zu erzeugen, wenn eine Schwellenmenge von In-situ-Sensordaten von den In-situ-Sensoren 208 erhalten wird. In solchen Beispielen löst der Empfang einer Menge von In-situ-Sensordaten von den In-situ-Sensoren 208, die einen Schwellenwert überschreitet, den prädiktiven Modellgenerator 210 aus oder veranlasst ihn, ein neues prädiktives Modell zu erzeugen, das vom prädiktiven Kartengenerator 212 verwendet wird. Wenn also die landwirtschaftliche Erntemaschine 100 einen Erntevorgang fortsetzt, löst der Empfang der Schwellenmenge an In-situ-Sensordaten von den In-situ-Sensoren 208 die Erzeugung einer neuen Beziehung aus, die durch ein prädiktives Modell repräsentiert wird, das durch den prädiktiven Modellgenerator 210 erzeugt wird. Ferner können die neue prädiktive Karte 264, die prädiktive Steuerzonenkarte 265 oder beide mithilfe des neuen prädiktiven Modells erneut erzeugt werden. Block 318 stellt das Erkennen einer Schwellenwertmenge von In-situ-Sensordaten dar, die verwendet werden, um die Erstellung eines neuen prädiktiven Modells auszulösen.
- In anderen Beispielen können die Lernauslösekriterien darauf beruhen, wie stark sich die In-situ-Sensordaten von den In-situ-Sensoren 208 ändern, wie etwa über die Zeit oder im Vergleich zu vorherigen Werten. Wenn zum Beispiel Abweichungen innerhalb der In-situ-Sensordaten (oder der Beziehung zwischen den In-situ-Sensordaten und den Informationen in der Informationskarte 258) innerhalb eines ausgewählten Bereichs liegen oder weniger als ein definierter Betrag oder unter einem Schwellenwert liegen, dann wird kein neues prädiktives Modell durch den prädiktiven Modellgenerator 210 erzeugt. Infolgedessen erzeugt der prädiktive Kartengenerator 212 keine neue prädiktive Karte 264, prädiktive Steuerzonenkarte 265 oder beides. Wenn jedoch Abweichungen innerhalb der In-situ-Sensordaten außerhalb des ausgewählten Bereichs liegen, größer als der definierte Betrag sind oder beispielsweise über dem Schwellenwert liegen, erzeugt der prädiktive Modellgenerator 210 ein neues prädiktives Modell mithilfe aller oder eines Teils der neu empfangenen In-situ-Sensordaten, die der prädiktive Kartengenerator 212 verwendet, um eine neue prädiktive Karte 264 zu erzeugen. Bei Block 320 können Variationen der In-situ-Sensordaten, wie etwa eine Größe eines Betrags, um den die Daten den ausgewählten Bereich überschreiten, oder eine Größe der Variation der Beziehung zwischen den In-situ-Sensordaten und den Informationen in der Informationskarte 258, als Auslöser verwendet werden, um die Erzeugung eines neuen prädiktiven Modells und einer prädiktiven Karte zu veranlassen. Unter Beibehaltung der oben beschriebenen Beispiele können der Schwellenwert, der Bereich und der definierte Betrag auf Standardwerte eingestellt werden; durch einen Bediener oder eine Benutzerinteraktion über eine Benutzerschnittstelle eingestellt werden; durch ein automatisiertes System eingestellt werden; oder auf andere Weise eingestellt werden.
- Es können auch andere Lernauslösekriterien verwendet werden. Wenn zum Beispiel der prädiktive Modellgenerator 210 auf eine andere Informationskarte (die sich von der ursprünglich ausgewählten Informationskarte 258 unterscheidet) umschaltet, kann das Umschalten auf die andere Informationskarte ein erneutes Lernen durch den prädiktiven Modellgenerator 210, den prädiktiven Kartengenerator 212, den Steuerzonengenerator 213, das Steuersystem 214 oder andere Elemente auslösen. In einem weiteren Beispiel kann auch der Übergang der landwirtschaftlichen Erntemaschine 100 zu einer anderen Topographie oder zu einer anderen Steuerzone als Lernauslösekriterien verwendet werden.
- In einigen Fällen kann der Bediener 260 auch die prädiktive Karte 264 oder die prädiktive Steuerzonenkarte 265 oder beide bearbeiten. Die Bearbeitungen können einen Wert auf der prädiktiven Karte 264, eine Größe, Form, Position oder Vorhandensein einer Steuerzone auf der prädiktiven Steuerzonenkarte 265 oder beides ändern. Block 321 zeigt, dass bearbeitete Informationen als Lernauslösekriterien verwendet werden können.
- In einigen Fällen kann es auch sein, dass der Bediener 260 beobachtet, dass die automatisierte Steuerung eines steuerbaren Teilsystems nicht das ist, was der Bediener wünscht. In solchen Fällen kann der Bediener 260 dem steuerbaren Teilsystem eine manuelle Anpassung bereitstellen, die widerspiegelt, dass der Bediener 260 wünscht, dass das steuerbare Teilsystem anders arbeitet, als vom Steuersystem 214 befohlen wird. Somit kann eine manuelle Änderung einer Einstellung durch den Bediener 260 bewirken, dass einer oder mehrere von dem prädiktiven Modellgenerator 210 ein Modell neu erlernen, dem prädiktiven Kartengenerator 212, um die Karte 264 zu regenerieren, dem Steuerzonengenerator 213, um eine oder mehrere Steuerzonen auf der prädiktiven Steuerzonenkarte 265 zu regenerieren, und dem Steuersystem 214, um einen Steueralgorithmus neu zu erlernen oder maschinelles Lernen an einer oder mehreren der Steuerkomponenten 232 bis 246 im Steuersystem 214 auf Grundlage der Einstellung durch den Bediener 260 durchzuführen, wie in Block 322 gezeigt. Block 324 stellt die Verwendung anderer ausgelöster Lernkriterien dar.
- In anderen Beispielen kann das Umlernen periodisch oder intermittierend durchgeführt werden, zum Beispiel auf Grundlage eines ausgewählten Zeitintervalls, wie etwa eines diskreten Zeitintervalls oder eines variablen Zeitintervalls, wie durch Block 326 angezeigt.
- Wenn das Umlernen ausgelöst wird, ob auf Grundlage von Lernauslösekriterien oder auf Grundlage des Durchlaufs eines Zeitintervalls, wie durch Block 326 angezeigt, führt einer oder mehrere von dem prädiktiven Modellgenerator 210, dem prädiktiven Kartengenerator 212, dem Steuerzonengenerator 213 und dem Steuersystem 214 maschinelles Lernen durch, um ein neues prädiktives Modell, eine neue prädiktive Karte, eine neue Steuerzone bzw. einen neuen Steueralgorithmus auf Grundlage der Lernauslösekriterien zu erzeugen. Das neue prädiktive Modell, die neue prädiktive Karte und der neue Steueralgorithmus werden mithilfe zusätzlicher Daten erzeugt, die seit dem letzten Lernvorgang gesammelt wurden. Das Durchführen des Umlernens wird durch Block 328 angezeigt.
- Wenn der Erntevorgang abgeschlossen wurde, geht der Vorgang von Block 312 zu Block 330 über, wo eines oder mehrere von der prädiktiven Karte 264, der prädiktiven Steuerzonenkarte 265 und dem prädiktiven Modell, das durch den prädiktiven Modellgenerator 210 erzeugt wird, gespeichert werden. Die prädiktive Karte 264, die prädiktive Steuerzonenkarte 265 und das prädiktive Modell können lokal auf dem Datenspeicher 202 gespeichert oder mithilfe des Kommunikationssystems 206 zur späteren Verwendung an ein Remote-System gesendet werden.
- Es ist zu beachten, dass, während einige Beispiele hierin den prädiktiven Modellgenerator 210 und den prädiktiven Kartengenerator 212 beschreiben, die eine Informationskarte beim Erzeugen eines prädiktiven Modells bzw. beim Empfangen einer funktionalen prädiktiven Karte der prädiktive Modellgenerator 210 und der prädiktive Kartengenerator 212 in anderen Beispielen beim Erzeugen eines prädiktiven Modells und einer funktionalen prädiktiven Karte jeweils andere Arten von Karten, einschließlich prädiktiver Karten, wie etwa eine funktionale prädiktive Karte, die während des Erntevorgangs erzeugt wird, empfangen können.
-
4 ist ein Blockdiagramm eines Abschnitts der in1 gezeigten landwirtschaftlichen Erntemaschine 100. Insbesondere zeigt4 unter anderem Beispiele des prädiktiven Modellgenerators 210 und des prädiktiven Kartengenerators 212 detaillierter.4 veranschaulicht auch den Informationsfluss zwischen den verschiedenen Komponenten, die gezeigt sind. Der prädiktive Modellgenerator 210 empfängt eine Informationskarte 258, die eine vegetative Indexkarte 332, eine prädiktive Ertragskarte 333, eine Biomassekarte 335, eine Erntegutzustandskarte 337, eine topographische Karte 339, eine Bodeneigenschaftskarte 341, eine Aussaatkarte 343 oder eine andere Karte 353 sein kann, als Informationskarte. Der prädiktive Modellgenerator 210 empfängt auch eine geografische Position 334 oder eine Angabe einer geografischen Position von dem geografischen Positionssensor 204. Die In-situ-Sensoren 208 beinhalten beispielhaft den Maschinengeschwindigkeitssensor 146 oder einen Sensor 336, der eine Ausgabe von der Vorschubgeschwindigkeitssteuerung 236 erfasst, sowie ein Verarbeitungssystem 338. Das Verarbeitungssystem 338 verarbeitet Sensordaten, die von dem Maschinengeschwindigkeitssensor 146 oder von dem Sensor 336 oder beiden erzeugt werden, um verarbeitete Daten zu erzeugen, von denen einige Beispiele nachfolgend beschrieben werden. - In einigen Beispielen kann der Sensor 336 ein Sensor sein, der ein Signal erzeugt, das die Steuerausgaben von der Vorschubgeschwindigkeitssteuerung 236 anzeigt. Die Steuersignale können Geschwindigkeitssteuersignale oder andere Steuersignale sein, die an die steuerbaren Teilsysteme 216 angelegt werden, um die Vorschubgeschwindigkeit des Materials durch die landwirtschaftliche Erntemaschine 100 zu steuern. Das Verarbeitungssystem 338 verarbeitet die über den Sensor 336 erhaltenen Signale, um verarbeitete Daten 340 zu erzeugen, die die Geschwindigkeit der landwirtschaftlichen Erntemaschine 100 identifizieren.
- In einigen Beispielen können rohe oder verarbeitete Daten von dem oder den In-situ-Sensoren 208 dem Bediener 260 über den Bedienerschnittstellenmechanismus 218 dargestellt werden. Der Bediener 260 kann sich an Bord der landwirtschaftlichen Erntemaschine 100 oder an einem Remote-Standort befinden.
- Die vorliegende Erörterung fährt in Bezug auf ein Beispiel fort, in dem der In-situ-Sensor 208 ein Maschinengeschwindigkeitssensor 146 ist. Es versteht sich, dass es sich hierbei nur um ein Beispiel handelt und die oben genannten Sensoren als andere Beispiele des In-situ-Sensors 208, von dem die Maschinengeschwindigkeit abgeleitet werden kann, hierin ebenfalls in Betracht gezogen werden. Wie in
4 gezeigt, beinhaltet der beispielhafte prädiktive Modellgenerator 210 einen oder mehrere von einem Wert-zu-Geschwindigkeit-Modellgenerator 342 des vegetativen Index (VI), einem Biomasse-zu-Geschwindigkeit-Modellgenerator 344, einem Topographie-zu-Geschwindigkeit-Modellgenerator 345, einem Ertrag-zu-Geschwindigkeit-Modellgenerator 347, einem Erntegutzustand-zu-Geschwindigkeit-Modellgenerator 349, einem Bodeneigenschaft-zu-Geschwindigkeit-Modellgenerator 351 und einem Aussaatmerkmal-zu-Geschwindigkeit-Modellgenerator 346. In anderen Beispielen kann der prädiktive Modellgenerator 210 zusätzliche, weniger oder andere Komponenten beinhalten, als die in dem Beispiel von4 gezeigten. Folglich kann der prädiktive Modellgenerator 210 in einigen Beispielen auch andere Elemente 348 beinhalten, die andere Arten von prädiktiven Modellgeneratoren beinhalten können, um andere Arten von Modellen zu erzeugen. - Der Modellgenerator 342 identifiziert eine Beziehung zwischen der Maschinengeschwindigkeit, die in verarbeiteten Daten 340 an einer geografischen Position erkannt wurde, die der Position entspricht, an der die verarbeiteten Daten 340 erhalten wurden, und einem vegetativen Indexwert aus der vegetativen Indexkarte 332, der derselben Position auf dem Feld entspricht, an der das Geschwindigkeitsmerkmal erkannt wurde. Auf Grundlage dieser Beziehung, die durch den Modellgenerator 342 hergestellt wird, erzeugt der Modellgenerator 342 ein prädiktives Geschwindigkeitsmodell. Das prädiktive Geschwindigkeitsmodell wird von dem Geschwindigkeitskartengenerator 352 verwendet, um Soll-Maschinengeschwindigkeiten an verschiedenen Positionen auf Grundlage des georeferenzierten vegetativen Indexwerts, der in der vegetativen Indexkarte 332 an den gleichen Positionen in dem Feld enthalten ist, vorherzusagen.
- Der Modellgenerator 344 identifiziert eine Beziehung zwischen der Maschinengeschwindigkeit, die in den verarbeiteten Daten 340 an einer geografischen Position dargestellt ist, die den verarbeiteten Daten 340 entspricht, und dem Biomassewert an derselben geografischen Position. Wiederum ist der Biomassewert der georeferenzierte Wert, der in der Biomassekarte 335 enthalten ist. Der Modellgenerator 344 erzeugt dann ein prädiktives Geschwindigkeitsmodell, das von dem Geschwindigkeitskartengenerator 352 verwendet wird, um die Soll-Maschinengeschwindigkeit an einer Position in dem Feld auf Grundlage des Biomassewerts für diese Position in dem Feld vorherzusagen.
- Der Modellgenerator 345 identifiziert eine Beziehung zwischen der Maschinengeschwindigkeit, die durch verarbeitete Daten 340 an einer bestimmten Position auf dem Feld identifiziert wird, und dem topographischen Geschwindigkeitsmodell, das durch den Geschwindigkeitskartengenerator 352 verwendet wird, um die erwartete Maschinengeschwindigkeit an einer bestimmten Position auf Grundlage des topographischen Merkmalwerts an dieser Position auf dem Feld vorherzusagen.
- Der Modellgenerator 346 identifiziert eine Beziehung zwischen der Maschinengeschwindigkeit, die durch verarbeitete Daten 340 an einer bestimmten Position auf dem Feld identifiziert wird, und dem Aussaatmerkmalwert aus der Aussaatmerkmalkarte 343 an derselben Position. Der Modellgenerator 346 erzeugt ein prädiktives Geschwindigkeitsmodell, das von dem Geschwindigkeitskartengenerator 352 verwendet wird, um die erwartete Maschinengeschwindigkeit an einer bestimmten Position in dem Feld auf Grundlage des Aussaatmerkmal an dieser Position in dem Feld vorherzusagen.
- Der Modellgenerator 347 hat eine Beziehung zwischen der durch verarbeitete Daten 340 an einer bestimmten Position auf dem Feld identifizierten Maschinengeschwindigkeit und dem Ertragsmerkmalswertwert aus der prädiktiven Ertragskarte 333 an derselben Position identifiziert. Der Modellgenerator 347 erzeugt ein prädiktives Geschwindigkeitsmodell, das von dem Geschwindigkeitskartengenerator 352 verwendet wird, um die erwartete Maschinengeschwindigkeit an einer bestimmten Position auf dem Feld auf Grundlage des Ertragsmerkmalswerts an dieser Position auf dem Feld vorherzusagen.
- Der Modellgenerator 349 identifiziert eine Beziehung zwischen der Maschinengeschwindigkeit, die durch verarbeitete Daten 340 an einer bestimmten Position in dem Feld identifiziert wird, und dem Erntegutzustandsmerkmalswert aus der Erntegutzustandskarte 337 an derselben Position. Der Modellgenerator 349 erzeugt ein prädiktives Geschwindigkeitsmodell, das von dem Geschwindigkeitskartengenerator 352 verwendet wird, um die erwartete Maschinengeschwindigkeit an einer bestimmten Position in dem Feld auf Grundlage des Erntegutzustandsmerkmalswerts an dieser Position in dem Feld vorherzusagen.
- Der Modellgenerator 351 identifiziert eine Beziehung zwischen der Maschinengeschwindigkeit, die durch verarbeitete Daten 340 an einer bestimmten Position im Feld identifiziert wird, und dem Bodeneigenschaftsmerkmalswert aus der Bodeneigenschaftskarte 341 an derselben Position. Der Modellgenerator 351 erzeugt ein prädiktives Geschwindigkeitsmodell, das von dem Geschwindigkeitskartengenerator 352 verwendet wird, um die erwartete Maschinengeschwindigkeit an einer bestimmten Position auf Grundlage des Bodeneigenschaftsmerkmalwerts an dieser Position auf dem Feld vorherzusagen.
- Angesichts des Vorstehenden ist der prädiktive Modellgenerator 210 betreibbar, um eine Vielzahl von prädiktiven Geschwindigkeitsmodellen zu erzeugen, wie etwa eines oder mehrere der prädiktiven Geschwindigkeitsmodelle, die von den Modellgeneratoren 342, 344, 345, 346, 347, 349 und 351 erzeugt werden. In einem weiteren Beispiel können zwei oder mehr der vorstehend beschriebenen prädiktiven Geschwindigkeitsmodelle zu einem einzelnen prädiktiven Geschwindigkeitsmodell kombiniert werden, das eine erwartete Maschinengeschwindigkeit auf Grundlage von zwei oder mehr des vegetativen Indexwerts, des Biomassewerts, der Topographie, des Ertrags, des Aussaatmerkmals, des Erntegutzustands oder der Bodeneigenschaft an verschiedenen Positionen in dem Feld vorhersagt. Jedes dieser Geschwindigkeitsmodelle oder Kombinationen davon wird gemeinsam durch das prädiktive Modell 350 in
4 repräsentiert. - Das prädiktive Modell 350 wird dem prädiktiven Kartengenerator 212 bereitgestellt. Im Beispiel von
4 beinhaltet der prädiktive Kartengenerator 212 einen Geschwindigkeitskartengenerator 352. In anderen Beispielen kann der prädiktive Kartengenerator 212 zusätzliche, weniger oder andere Kartengeneratoren beinhalten. Somit kann der prädiktive Kartengenerator 212 in einigen Beispielen andere Elemente 358 beinhalten, die andere Arten von Kartengeneratoren beinhalten können, um Geschwindigkeitskarten zu erzeugen. Der Geschwindigkeitskartengenerator 352 empfängt das prädiktive Modell 350, das die Soll-Maschinengeschwindigkeit auf Grundlage eines Werts von einer oder mehreren Informationskarten 258 zusammen mit der einen oder den mehreren Informationskarten 258 vorhersagt, und erzeugt eine prädiktive Karte, die die Soll-Maschinengeschwindigkeit an verschiedenen Positionen in dem Feld vorhersagt. - Der prädiktive Kartengenerator 212 gibt eine oder mehrere funktionelle prädiktive Geschwindigkeitskarten 360 aus, die die erwartete Maschinengeschwindigkeit vorhersagen. Die funktionelle prädiktive Geschwindigkeitskarte 360 sagt die erwartete Maschinengeschwindigkeit an verschiedenen Positionen in einem Feld voraus. Die funktionellen prädiktiven Geschwindigkeitskarten 360 können dem Steuerzonengenerator 213, dem Steuersystem 214 oder beiden bereitgestellt werden. Der Steuerzonengenerator 213 erzeugt Steuerzonen und integriert diese Steuerzonen in die funktionelle prädiktive Karte, d. h. die prädiktive Karte 360, um die prädiktive Steuerzonenkarte 265 zu erzeugen. Die prädiktive Karte 264 und/oder die prädiktive Steuerzonenkarte 265 können dem Steuersystem 214 bereitgestellt werden, das Steuersignale erzeugt, um eines oder mehrere der steuerbaren Teilsysteme 216, wie etwa das Antriebs-Teilsystem 250, auf Grundlage der prädiktiven Karte 264, der prädiktiven Steuerzonenkarte 265 oder beider, zu steuern.
-
5 ist ein Flussdiagramm eines Beispiels für den Betrieb des prädiktiven Modellgenerators 210 und des prädiktiven Kartengenerators 212 beim Erzeugen des prädiktiven Modells 350 und der funktionellen prädiktiven Geschwindigkeitskarte 360. Bei Block 362 empfangen der prädiktive Modellgenerator 210 und der prädiktive Kartengenerator 212 eine Informationskarte 258. Bei der Informationskarte 258 kann es sich um eine der Karten 332, 333, 335, 337, 339, 341 oder 343 handeln. Zusätzlich gibt Block 361 an, dass die empfangene Informationskarte eine einzelne Karte sein kann. Block 363 gibt an, dass es sich bei der Informationskarte um mehrere Karten oder mehrere Kartenebenen handeln kann. Block 365 gibt an, dass die Informationskarte 258 auch andere Formen annehmen kann. In Block 364 empfängt das Verarbeitungssystem 338 ein oder mehrere Signale von einem Maschinengeschwindigkeitssensor 146 oder Sensor 336 oder beiden. - Bei Block 372 verarbeitet das Verarbeitungssystem 338 das eine oder die mehreren empfangenen Signale, um verarbeitete Daten 340 zu erzeugen, die eine Maschinengeschwindigkeit der landwirtschaftlichen Erntemaschine 100 angeben.
- Bei Block 382 erhält der prädiktive Modellgenerator 210 auch die geografische Position 334, die den verarbeiteten Daten entspricht. Beispielsweise kann der prädiktive Modellgenerator 210 die geografische Position von dem geografischen Positionssensor 204 erhalten und auf Grundlage von Maschinenverzögerungen, Maschinengeschwindigkeit usw. eine genaue geografische Position bestimmen, an der die verarbeiteten Daten aufgenommen wurden oder von der die verarbeiteten Daten 340 abgeleitet wurden.
- Bei Block 384 erzeugt der prädiktive Modellgenerator 210 ein oder mehrere prädiktive Modelle, wie etwa das prädiktive Modell 350, die eine Beziehung zwischen einem Wert in der einen oder den mehreren Informationskarten 258 und einer durch den In-situ-Sensor 208 erfassten Maschinengeschwindigkeit modellieren. Der VI-Wert-zu-Drehzahl-Modellgenerator 342 erzeugt ein prädiktives Modell, das eine Beziehung zwischen VI-Werten in der Vl-Karte 332 und der durch den In-situ-Sensor 208 erfassten Maschinengeschwindigkeit modelliert. Der Biomasse-zu-Geschwindigkeit-Modellgenerator 344 erzeugt ein prädiktives Modell, das eine Beziehung zwischen Biomassewerten in der Biomassekarte 335 und der Maschinengeschwindigkeit modelliert, die durch den In-situ-Sensor 208 erfasst wird. Der Topographie-zu-Geschwindigkeit-Modellgenerator 345 erzeugt ein prädiktives Modell, das eine Beziehung zwischen einem oder mehreren Topographiewerten wie etwa Neigung, Rollen oder Steigung in der topographischen Karte 339 und der Maschinengeschwindigkeit modelliert, die durch den In-situ-Sensor 208 erfasst wird. Der Aussaatmerkmal-zu-Geschwindigkeit-Modellgenerator 346 erzeugt ein prädiktives Modell, das eine Beziehung zwischen den Aussaatmerkmalen in der Aussaatkarte 343 und der Maschinengeschwindigkeit modelliert, die durch den In-situ-Sensor 208 erfasst wird. Der Ertrag-zu-Geschwindigkeit-Modellgenerator 347 erzeugt ein prädiktives Modell, das eine Beziehung zwischen Ertragswerten in der Ertragskarte 333 und der Maschinengeschwindigkeit modelliert, die durch den In-situ-Sensor 208 erfasst wird. Der Erntegutzustand-zu-Geschwindigkeit-Modellgenerator 342 erzeugt ein prädiktives Modell, das eine Beziehung zwischen Erntegutzustandswerten in der Erntegutzustandskarte 337 und der Maschinengeschwindigkeit modelliert, die durch den In-situ-Sensor 208 erfasst wird. Der Bodeneigenschaft-zu-Geschwindigkeit-Modellgenerator 351 erzeugt ein prädiktives Modell, das eine Beziehung zwischen Bodeneigenschaftswerten in der Bodeneigenschaftskarte 341 und der Maschinengeschwindigkeit modelliert, die durch den In-situ-Sensor 208 erfasst wird. Bei Block 386 wird das prädiktive Modell 350 dem prädiktiven Kartengenerator 212 bereitgestellt, der eine funktionelle prädiktive Geschwindigkeitskarte 360 erzeugt, die eine vorhergesagt Soll-Maschinengeschwindigkeit auf Grundlage der Informationskarte 258 und des prädiktiven Geschwindigkeitsmodells 350 abbildet. Der Geschwindigkeitskartengenerator 352 kann die funktionelle prädiktive Geschwindigkeitskarte 360 mithilfe eines prädiktiven Modells 350, das eine Beziehung zwischen VI-Werten in der Vl-Karte 332 und der Maschinengeschwindigkeit modelliert, und mithilfe der VI-Karte 332 erzeugen. Der Geschwindigkeitskartengenerator 352 kann die funktionelle prädiktive Geschwindigkeitskarte 360 mithilfe eines prädiktiven Modells 350, das eine Beziehung zwischen Ertragswerten in der Ertragskarte 333 und der Maschinengeschwindigkeit modelliert, und mithilfe der Ertragskarte 333 erzeugen. Der Geschwindigkeitskartengenerator 352 kann die funktionelle prädiktive Geschwindigkeitskarte 360 mithilfe eines prädiktiven Modells 350, das eine Beziehung zwischen Biomassewerten in der Biomassekarte 335 und der Maschinengeschwindigkeit modelliert, und mithilfe der Biomassekarte 335 erzeugen. Der Geschwindigkeitskartengenerator 352 kann die funktionelle prädiktive Geschwindigkeitskarte 360 mithilfe eines prädiktiven Modells 350, das eine Beziehung zwischen Erntegutzustandswerten in der Erntegutzustandskarte 337 und der Maschinengeschwindigkeit modelliert, und mithilfe der Erntegutzustandskarte 337 erzeugen. Der Geschwindigkeitskartengenerator 352 kann die funktionelle prädiktive Geschwindigkeitskarte 360 mithilfe eines prädiktiven Modells 350, das eine Beziehung zwischen topografischen Werten in der topografischen Karte 339 und der Maschinengeschwindigkeit modelliert, und mithilfe der topografischen Karte 332 erzeugen. Der Geschwindigkeitskartengenerator 352 kann die funktionelle prädiktive Geschwindigkeitskarte 360 mithilfe Verwendung eines prädiktiven Modells 350, das eine Beziehung zwischen Bodeneigenschaftswerten in der Bodeneigenschaftskarte 341 und der Maschinengeschwindigkeit modelliert, und mithilfe der Bodeneigenschaftskarte 341 erzeugen. Der Geschwindigkeitskartengenerator 352 kann die funktionelle prädiktive Geschwindigkeitskarte 360 mithilfe eines prädiktiven Modells 350, das eine Beziehung zwischen Aussaatmerkmalwerten in der Aussaatkarte 343 und der Maschinengeschwindigkeit modelliert, und mithilfe der Aussaatkarte 343 erzeugen. Der Geschwindigkeitskartengenerator 352 kann die funktionelle prädiktive Geschwindigkeitskarte 360 mithilfe eines anderen prädiktiven Modells 350, das eine Beziehung zwischen anderen Merkmalswerten auf der anderen Karte 353 und der Maschinengeschwindigkeit modelliert, und mithilfe der anderen Karte 353 erzeugen.
- Somit werden, wenn sich eine landwirtschaftliche Erntemaschine über ein Feld bewegt, in dem ein landwirtschaftlicher Vorgang durchgeführt wird, eine oder mehrere funktionelle prädiktive Geschwindigkeitskarten 360 erzeugt, während der landwirtschaftliche Vorgang durchgeführt wird.
- Bei Block 394 gibt der prädiktive Kartengenerator 212 die funktionelle prädiktive Geschwindigkeitskarte 360 aus. Bei Block 391 gibt der funktionelle prädiktive Geschwindigkeitskartengenerator 212 die funktionelle prädiktive Geschwindigkeitskarte 360 zur Präsentation für und zur möglichen Interaktion durch den Bediener 260 aus. Bei Block 393 kann der prädiktive Kartengenerator 212 die Karte 360 für den Verbrauch durch das Steuersystem 214 konfigurieren. Bei Block 395 kann der prädiktive Kartengenerator 212 dem Steuerzonengenerator 213 auch die Karte 360 zur Erzeugung von Steuerzonen bereitstellen. Bei Block 397 konfiguriert der prädiktive Kartengenerator 212 die Karte 360 auch auf andere Weise. Die funktionelle prädiktive Geschwindigkeitskarte 360 (mit oder ohne die Steuerzonen) wird dem Steuersystem 214 bereitgestellt. Bei Block 396 erzeugt das Steuersystem 214 Steuersignale, um die steuerbaren Teilsysteme 216 auf Grundlage der funktionellen prädiktiven Geschwindigkeitskarte 360 zu steuern. Das Steuersystem 214 kann das Antriebs-Teilsystem 250 oder andere Teilsysteme 399 steuern.
- Somit ist ersichtlich, dass das vorliegende System eine Informationskarte erstellt, die ein landwirtschaftliches Merkmal, wie etwa einen vegetativen Index, einen Erntegutzustand, ein Aussaatmerkmal, Bodeneigenschaften, Biomasse, einen vorhergesagten Ertrag, eine Topographie oder Informationen aus einem früheren Betriebsdurchgang oder Durchgänge auf verschiedene Positionen in einem Feld abbildet. Das vorliegende System verwendet auch einen oder mehrere In-situ-Sensoren, die In-situ-Sensordaten erfassen, die ein Merkmal angeben, das die Maschinengeschwindigkeit angibt, und erzeugt ein Modell, das eine Beziehung zwischen dem mithilfe des In-situ-Sensors erfassten Merkmal oder einem verwandten Merkmal und dem in der Informationskarte abgebildeten Merkmal modelliert. Somit erzeugt das vorliegende System eine funktionelle prädiktive Karte mithilfe eines Modells, von In-situ-Daten und einer Informationskarte und kann die erzeugte funktionelle prädiktive Karte zum Verbrauch durch ein Steuersystem, zur Darstellung für einen lokalen oder entfernten Bediener oder einen anderen Benutzer oder beides konfigurieren. Beispielsweise kann das Steuersystem die Karte verwenden, um eines oder mehrere Systeme eines Mähdreschers zu steuern.
- In der vorliegenden Erläuterung wurden Prozessoren und Server erwähnt. In einem Beispiel beinhalten die Prozessoren und Server Computerprozessoren mit zugehörigem Speicher und Zeitschaltungen, die nicht separat dargestellt werden. Die Prozessoren und Server sind funktionelle Teile der Systeme oder Vorrichtungen, zu denen die Prozessoren und Server gehören und durch die sie aktiviert werden, und erleichtern die Funktionalität der anderen Komponenten oder Elemente in diesen Systemen.
- Es wurde auch eine Reihe von Anzeigen der Benutzerschnittstelle diskutiert. Die Anzeigen können mehrere verschiedene Formen annehmen und können mehrere verschiedene benutzergesteuerte Bedienerschnittstellenmechanismen darauf aufweisen. Beispielsweise können die vom Benutzer aktivierbaren Bedienerschnittstellenmechanismen Textfelder, Kontrollkästchen, Symbole, Links, Dropdown-Menüs, Suchfelder usw. beinhalten. Die vom Benutzer betätigbaren Bedienschnittstellenmechanismen können auch auf unterschiedlichste Weise betätigt werden. Zum Beispiel können die vom Benutzer betätigbaren Bedienerschnittstellenmechanismen über Bedienerschnittstellenmechanismen, wie etwa eine Point-and-Click-Vorrichtung, ein Trackball oder eine Maus, Hardwaretasten, Schalter, einen Joystick oder eine Tastatur, Daumenschalter oder Daumenpads usw., eine virtuelle Tastatur oder andere virtuelle Stellglieder betätigt werden. Wenn der Bildschirm, auf dem die vom Benutzer betätigbaren Bedienerschnittstellenmechanismen angezeigt werden, ein berührungsempfindlicher Bildschirm ist, können außerdem die vom Benutzer betätigbaren Bedienerschnittstellenmechanismen mit Berührungsgesten betätigt werden. Benutzerbetätigbare Bedienerschnittstellenmechanismen können auch mithilfe von Sprachbefehlen mit der Spracherkennungsfunktionalität betätigt werden. Die Spracherkennung kann mithilfe einer Spracherkennungsvorrichtung, wie etwa eines Mikrofons, und einer Software implementiert werden, die dazu dient, Sprache zu erkennen und Befehle basierend auf der empfangenen Sprache auszuführen.
- Eine Reihe von Datenspeichern wurde ebenfalls erörtert. Es wird darauf hingewiesen, dass die Datenspeicher jeweils in mehrere Datenspeicher aufgeteilt werden können. In einigen Beispielen können einer oder mehrere der Datenspeicher lokal für die auf die Datenspeicher zugreifenden Systeme sein, einer oder mehrere der Datenspeicher können remote von einem den Datenspeicher verwendenden System angeordnet sein, oder ein oder mehrere Datenspeicher können lokal sein, während andere remote sind. All diese Konfigurationen werden durch die vorliegende Offenbarung in Betracht gezogen.
- Außerdem zeigen die Figuren eine Reihe von Blöcken mit Funktionen, die jedem Block zugeordnet sind. Es wird darauf hingewiesen, dass weniger Blöcke verwendet werden können, um zu veranschaulichen, dass die Funktionalität, die mehreren verschiedenen Blöcken zugewiesen wird, von weniger Komponenten ausgeführt wird. Es können auch mehr Blöcke verwendet werden, die veranschaulichen, dass die Funktionalität auf mehrere Komponenten verteilt sein kann. In verschiedenen Beispielen können einige Funktionen hinzugefügt und einige entfernt werden.
- Es ist zu beachten, dass die vorstehende Erläuterung eine Vielzahl unterschiedlicher Systeme, Komponenten, Logiken und Interaktionen beschrieben hat. Es versteht sich, dass beliebige oder alle solcher Systeme, Komponenten, Logiken und Interaktionen durch Hardwareelemente implementiert werden können, wie etwa Prozessoren, Speicher oder andere Verarbeitungskomponenten, von denen einige nachstehend beschrieben sind, die die Funktionen im Zusammenhang mit diesen Systemen, Komponenten, Logik oder Interaktionen ausführen. Darüber hinaus können beliebige oder alle Systeme, Komponenten, Logiken und Interaktionen durch Software implementiert werden, die in einen Speicher geladen werden und anschließend von einem Prozessor oder Server oder einer anderen Rechnerkomponente ausgeführt werden, wie nachfolgend beschrieben. Jedes oder alle Systeme, Komponenten, Logiken und Interaktionen können auch durch verschiedene Kombinationen von Hardware, Software, Firmware usw. umgesetzt werden, von denen einige Beispiele nachfolgend beschrieben werden. Dies sind einige Beispiele für verschiedene Strukturen, die zur Implementierung beliebiger oder aller der oben beschriebenen Systeme, Komponenten, Logiken und Interaktionen verwendet werden können. Es können auch andere Strukturen verwendet werden.
-
6 ist ein Blockdiagramm der landwirtschaftlichen Erntemaschine 600, die der in2 gezeigten landwirtschaftlichen Erntemaschine 100 ähnlich sein kann. Die landwirtschaftliche Erntemaschine 600 kommuniziert mit Elementen in einer Remote-Serverarchitektur 500. In einigen Beispielen stellt die Remote-Serverarchitektur 500 Rechen-, Software-, Datenzugriffs- und Speicherdienste bereit, die keine Kenntnisse des Endbenutzers über den physischen Standort oder die Konfiguration des Systems erfordern, das die Dienste bereitstellt. In verschiedenen Beispielen können Remote-Server die Dienste über ein Weitverkehrsnetzwerk, wie etwa das Internet, unter Verwendung geeigneter Protokolle bereitstellen. So können beispielsweise Remote-Serveranwendungen über ein Weitverkehrsnetzwerk bereitstellen und über einen Webbrowser oder eine andere Computerkomponente darauf zugreifen. Software oder Komponenten, die in2 gezeigt sind, sowie damit verbundene Daten können auf Servern an einem Remote-Standort gespeichert werden. Die Computerressourcen in einer Remote-Serverumgebung können an einem Remote-Standort des Rechenzentrums konsolidiert oder an eine Vielzahl von Remote-Rechenzentren verteilt werden. Remote-Server-Infrastrukturen können Dienste über gemeinsam genutzte Rechenzentren bereitstellen, obwohl die Dienste für den Benutzer als ein einziger Zugangspunkt erscheinen. Somit können die hierin beschriebenen Komponenten und Funktionen von einem Remote-Server an einem Remote-Standort über eine Remote-Server-Architektur bereitgestellt werden. Alternativ können die Komponenten und Funktionen von einem Server bereitgestellt werden, oder die Komponenten und Funktionen können direkt oder auf andere Weise auf Endgeräten installiert werden. - In dem in
6 dargestellten Beispiel sind einige Elemente einigen der in2 gezeigten Elemente ähnlich und diese Elemente sind ähnlich nummeriert.6 zeigt insbesondere, dass sich der prädiktive Modellgenerator 210 oder der prädiktive Kartengenerator 212 oder beide an einem Serverstandort 502 befinden können, der entfernt von der landwirtschaftlichen Erntemaschine 600 ist. Daher greift in dem in6 gezeigten Beispiel die landwirtschaftliche Erntemaschine 600 über den Remote-Serverstandort 502 auf Systeme zu. -
6 zeigt auch ein weiteres Beispiel für eine Remote-Serverarchitektur.6 zeigt, dass einige Elemente von2 an einem Remote-Serverstandort 502 angeordnet sein können, während sich andere woanders befinden können. So kann beispielsweise der Datenspeicher 202 an einem von Standort 502 getrennten Standort angeordnet sein und es kann über den Remote-Server an Standort 502 darauf zugegriffen werden. Unabhängig davon, wo sich die Elemente befinden, kann direkt auf die Elemente von der landwirtschaftlichen Erntemaschine 600 über ein Netzwerk wie etwa ein Weitverkehrsnetzwerk oder ein lokales Netzwerk zugegriffen werden; die Elemente können an einem Remote-Standort von einem Dienst gehostet werden; oder die Elemente können als Dienst bereitgestellt werden oder über einen Verbindungsdienst, der sich an einem entfernten Standort befindet, darauf zugegriffen werden. Außerdem können Daten an jedem Standort gespeichert werden und die gespeicherten Daten können von Bedienern, Benutzern oder Systemen abgerufen oder an diese weitergeleitet werden. So können beispielsweise physikalische Träger anstelle oder zusätzlich zu elektromagnetischen Strahlungsträgern verwendet werden. In einigen Beispielen, in denen die Netzabdeckung schlecht oder nicht vorhanden ist, kann eine andere Maschine, z. B. ein Tankwagen oder eine andere mobile Maschine oder ein anderes Fahrzeug, über ein automatisches, halbautomatisches oder manuelles System zur Informationserfassung verfügen. Wenn sich die Mähdreschervorrichtung 600 vor dem Betanken in die Nähe der Maschine begibt, die das Informationserfassungssystem enthält, wie etwa einen Tankwagen, sammelt das Informationserfassungssystem die Informationen von dem Mähdrescher 600 über eine beliebige drahtlose Ad-hoc-Verbindung. Die gesammelten Informationen können dann an ein anderes Netz weitergeleitet werden, wenn die Maschine, die die empfangenen Informationen enthält, einen Ort erreicht, an dem eine drahtlose Telekommunikationsdienstabdeckung oder eine andere drahtlose Abdeckung verfügbar ist. So kann beispielsweise ein Tankwagen in einen Bereich einfahren, der über eine drahtlose Kommunikationsabdeckung verfügt, wenn er zum Betanken anderer Maschinen an einen Ort fährt oder wenn er sich an einem Haupttanklager befindet. Alle diese Architekturen werden hierin betrachtet. Darüber hinaus können die Informationen in der landwirtschaftlichen Erntemaschine 600 gespeichert werden, bis die landwirtschaftliche Erntemaschine 600 einen Bereich mit drahtloser Kommunikationsabdeckung erreicht. Die landwirtschaftliche Erntemaschine 600 selbst kann die Informationen an ein anderes Netzwerk senden. - Es wird auch darauf hingewiesen, dass die Elemente von
2 oder Teile davon auf einer Vielzahl von unterschiedlichen Vorrichtungen angeordnet sein können. Eine oder mehrere dieser Vorrichtungen können einen Bordcomputer, eine elektronische Steuereinheit, eine Anzeigeeinheit, einen Server, einen Desktopcomputer, einen Laptop-Computer, einen Tablet-Computer oder eine andere mobile Vorrichtung beinhalten, wie etwa einen Palmtop-Computer, ein Mobiltelefon, ein Smartphone, einen Multimediaplayer, einen persönlichen digitalen Assistenten usw. - In einigen Beispielen kann die Remote-Serverarchitektur 500 Cybersicherheitsmaßnahmen beinhalten. Ohne Einschränkung können diese Maßnahmen eine Verschlüsselung von Daten auf Speichervorrichtungen, eine Verschlüsselung von Daten, die zwischen Netzwerkknoten gesendet werden, eine Authentifizierung von Personen oder Prozessen, die auf Daten zugreifen, sowie die Verwendung von Hauptbüchern zum Aufzeichnen von Metadaten, Daten, Datenübertragungen, Datenzugriffen und Datentransformationen beinhalten. In einigen Beispielen können die Hauptbücher verteilt und unveränderlich sein (z. B. als Blockchain implementiert).
-
7 ist ein vereinfachtes Blockdiagramm eines veranschaulichenden Beispiels einer tragbaren oder mobilen Computervorrichtung, das als tragbares Endgerät 16 eines Benutzers oder Kunden verwendet werden kann, in der das vorliegende System (oder Teile davon) eingesetzt werden kann. So kann beispielsweise eine mobile Vorrichtung in der Fahrerkabine der landwirtschaftlichen Erntemaschine 100 eingesetzt werden, um die oben erörterten Karten zu erzeugen, zu verarbeiten oder anzuzeigen. Die8-9 sind Beispiele für tragbare oder mobile Vorrichtungen. -
7 stellt ein allgemeines Blockdiagramm der Komponenten einer Endgerät-Vorrichtung 16 bereit, die einige der in2 dargestellten Komponenten ausführen kann, die mit ihnen interagieren, oder beides. In der Vorrichtung 16 ist eine Kommunikationsverbindung 13 bereitgestellt, die es der tragbaren Vorrichtung ermöglicht, mit anderen Computervorrichtungen zu kommunizieren, und unter einigen Beispielen einen Kanal zum automatischen Empfangen von Informationen, beispielsweise durch Scannen, bereitstellt. Beispiele für Kommunikationsverbindungen 13 beinhalten das Zulassen der Kommunikation über ein oder mehrere Kommunikationsprotokolle, wie etwa drahtlose Dienste, die verwendet werden, um einen zellularen Zugang zu einem Netzwerk zu ermöglichen, sowie Protokolle, die lokale drahtlose Verbindungen zu Netzwerken bereitstellen. - In anderen Beispielen können Anwendungen auf einer entfernbaren „Secure Digital“-(SD-)Karte empfangen werden, die mit einer Schnittstelle 15 verbunden ist. Die Schnittstelle 15 und die Kommunikationsverbindungen 13 kommunizieren mit einem Prozessor 17 (der auch die Prozessoren oder Server aus den anderen FIG. verkörpern kann) über einen Bus 19, der ebenfalls mit dem Speicher 21 und den Ein-/Ausgabekomponenten (E/A) 23 sowie dem Taktgeber 25 und dem Ortungssystem 27 verbunden ist.
- E/A-Komponenten 23 sind in einem Beispiel vorgesehen, um Ein- und Ausgabeoperationen zu erleichtern. E/A-Komponenten 23 für verschiedene Beispiele des Endgeräts 16 können Eingabekomponenten, wie etwa Tasten, Tastsensoren, optische Sensoren, Mikrofone, Touchscreens, Näherungssensoren, Beschleunigungssensoren, Orientierungssensoren, und Ausgabekomponenten, wie etwa eine Anzeigevorrichtung, ein Lautsprecher und/oder ein Druckeranschluss beinhalten. Es können auch andere E/A-Komponenten 23 verwendet werden.
- Die Uhr 25 umfasst veranschaulichend eine Echtzeituhrkomponente, die eine Uhrzeit und ein Datum ausgibt. Dieser kann auch, veranschaulichend, Timing-Funktionen für Prozessor 17 bereitstellen.
- Das Ortungssystem 27 beinhaltet veranschaulichend eine Komponente, die eine aktuelle geografische Position des Geräts 16 ausgibt. Dies kann beispielsweise einen globalen Positionierungssystem-(GPS-)Empfänger, ein LORAN-System, ein Koppelnavigationssystem, ein zellulares Triangulationssystems oder ein anderes Positionierungssystems beinhalten. Das Ortungssystem 27 kann beispielsweise auch eine Karten- oder Navigationssoftware beinhalten, die gewünschte Karten, Navigationsrouten und andere geografische Funktionen erzeugt.
- Der Speicher 21 speichert das Betriebssystem 29, die Netzwerkeinstellungen 31, die Anwendungen 33, die Anwendungskonfigurationseinstellungen 35, den Datenspeicher 37, die Kommunikationstreiber 39 und die Kommunikationskonfigurationseinstellungen 41. Der Speicher 21 kann alle Arten von greifbaren flüchtigen und nichtflüchtigen computerlesbaren Speichervorrichtungen beinhalten. Der Speicher 21 kann auch Computerspeichermedien beinhalten (siehe unten). Der Speicher 21 speichert computerlesbare Anweisungen, die, wenn sie von Prozessor 17 ausgeführt werden, den Prozessor veranlassen, computerimplementierte Schritte oder Funktionen gemäß den Anweisungen auszuführen. Der Prozessor 17 kann von anderen Komponenten aktiviert werden, um auch deren Funktionalität zu verbessern.
-
8 zeigt ein Beispiel, bei dem das Endgerät 16 ein Tablet-Computer 600 ist. In8 wird der Computer 600 mit dem Bildschirm 602 der Benutzerschnittstelle dargestellt. Der Bildschirm 602 kann ein Touchscreen oder eine stiftfähige Schnittstelle sein, die Eingaben von einem Stift oder Stylus empfängt. Der Tablet-Computer 600 kann auch eine virtuelle Bildschirmtastatur verwenden. Natürlich kann der Computer 600 auch über einen geeigneten Befestigungsmechanismus, wie etwa eine drahtlose Verbindung oder einen USB-Anschluss, an eine Tastatur oder eine andere Benutzereingabevorrichtung angeschlossen werden. Der Computer 600 kann auch illustrativ Spracheingaben empfangen. -
9 ist ähnlich der8 mit der Ausnahme, dass das Gerät ein Smartphone 71 ist. Das Smartphone 71 verfügt über ein berührungsempfindliches Display 73, das Symbole oder Grafiken oder andere Benutzereingabemechanismen 75 anzeigt. Die Mechanismen 75 können von einem Benutzer verwendet werden, um Anwendungen auszuführen, Anrufe zu tätigen, Datenübertragungsvorgänge durchzuführen usw. Im Allgemeinen ist das Smartphone 71 auf einem mobilen Betriebssystem aufgebaut und bietet eine fortschrittlichere Rechenleistung und Konnektivität als ein Funktionstelefon. - Es ist zu beachten, dass andere Formen der Vorrichtungen 16 möglich sind.
-
10 ist ein Beispiel für eine Computerumgebung, in der Elemente von2 eingesetzt werden können. Unter Bezugnahme auf10 beinhaltet ein beispielhaftes System zur Implementierung einiger Ausführungsformen eine Rechenvorrichtung in Form eines Computers 810, der programmiert ist, um wie oben erörtert zu arbeiten. Die Komponenten des Computers 810 können, ohne hierauf beschränkt zu sein, unter anderem eine Verarbeitungseinheit 820 (die Prozessoren oder Server aus den vorstehenden FIGUREN beinhalten kann), einen Systemspeicher 830 und einen Systembus 821 umfassen, die verschiedene Systemkomponenten einschließlich des Systemspeichers mit der Verarbeitungseinheit 820 koppeln. Der Systembus 821 kann eine von mehreren Arten von Busstrukturen sein, einschließlich eines Speicherbusses oder einer Speichersteuerung, eines Peripheriebusses und eines lokalen Busses mit einer Vielzahl von Busarchitekturen. Speicher und Programme, die in Bezug auf2 beschrieben werden, können in entsprechenden Teilen von10 eingesetzt werden. - Der Computer 810 beinhaltet typischerweise mehrere computerlesbare Medien. Computerlesbare Medien können beliebige verfügbare Medien sein, auf die der Computer 810 zugreifen kann, und umfassen sowohl flüchtige als auch nichtflüchtige Medien, entfernbare und nicht entfernbare Medien. Beispielsweise und nicht einschränkend können computerlesbare Medien Computerspeichermedien und Kommunikationsmedien umfassen. Computerspeichermedien unterscheiden sich von einem modulierten Datensignal oder einer Trägerwelle und beinhalten diese nicht. Computerlesbare Medien umfassen Hardware-Speichermedien mit flüchtigen und nichtflüchtigen, entfernbaren und nicht entfernbaren Medien, die in einem beliebigen Verfahren oder einer Technologie für die Speicherung von Informationen, wie etwa computerlesbaren Befehlen, Datenstrukturen, Programmmodulen oder anderen Daten, implementiert sind. Rechenspeichermedien umfassen, aber sie sind nicht beschränkt auf RAM, ROM, EEPROM, Flash-Speicher oder andere Speichertechnologie, CD-ROM, Digitalversatile-Disks (DVD) oder andere optische Plattenspeicher, Magnetkassetten, -bänder, -plattenspeicher oder andere magnetische Speichergeräte oder jedes andere Medium, das verwendet werden kann, um die gewünschte Information zu speichern, auf die über den Rechner 810 zugegriffen werden kann. Kommunikationsmedien können computerlesbare Anweisungen, Datenstrukturen, Programmmodule oder andere Daten in einem Transportmechanismus enthalten und umfassen alle Informationslieferungsmedien. Der Begriff „moduliertes Datensignal“ bezeichnet ein Signal, bei dem eine oder mehrere seiner Merkmale so eingestellt oder geändert werden, dass Informationen in dem Signal codiert werden.
- Der Systemspeicher 830 beinhaltet Computerspeichermedien in Form eines flüchtigen und/oder nichtflüchtigen Speichers oder beider, wie etwa Festwertspeicher (ROM) 831 und Direktzugriffsspeicher (RAM) 832. Ein grundlegendes Ein-/Ausgabesystem 833 (BIOS), das die grundlegenden Programme enthält, die helfen, Informationen zwischen den Elementen innerhalb des Computers 810 zu übertragen, wie etwa beim Starten, wird typischerweise im ROM 831 gespeichert. Der RAM 832 enthält typischerweise Daten- oder Programmmodule oder beide, die für die Verarbeitungseinheit 820 unmittelbar zugänglich sind und/oder derzeit betrieben werden. Beispielsweise und nicht einschränkend zeigt
10 das Betriebssystem 834, die Anwendungsprogramme 835, weitere Programmmodule 836 und die Programmdaten 837. - Der Computer 810 kann auch andere entfernbare/nicht-entfernbare flüchtige/nichtflüchtige Computerspeichermedien beinhalten. Beispielsweise wird in
10 ein Festplattenlaufwerk 841 nur beispielhaft veranschaulicht, das von nicht entfernbaren, nichtflüchtigen magnetischen Medien, einem optischen Plattenlaufwerk 855 und einer nichtflüchtigen optischen Platte 856 liest oder darauf schreibt. Das Festplattenlaufwerk 841 ist typischerweise über eine nicht-entfernbare Speicherschnittstelle, wie etwa die Schnittstelle 840, mit dem Systembus 821 verbunden, und das optische Plattenlaufwerk 855 sind typischerweise über eine entfernbare Speicherschnittstelle, wie etwa die Schnittstelle 850, mit dem Systembus 821 verbunden. - Alternativ oder zusätzlich kann die hierin beschriebene Funktionalität mindestens teilweise durch eine oder mehrere Hardware-Logikkomponenten ausgeführt werden. Zu den veranschaulichenden Arten von Hardware-Logikkomponenten, die verwendet werden können, gehören beispielsweise feldprogrammierbare Gate-Arrays (FPGAs), Applikations-spezifische integrierte Schaltungen (z. B. ASICs), Applikations-spezifische Standardprodukte (z. B. ASSPs), System-on-a-Chip-Systeme (SOCs), „Complex Programmable Logic Devices“ (CPLDs) usw.
- Die Laufwerke und die dazugehörigen Computerspeichermedien, die vorstehend erläutert und in
10 veranschaulicht wurden, stellen Speicherplatz von computerlesbaren Anweisungen, Datenstrukturen, Programmmodulen und anderen Daten für den Computer 810 bereit. In10 wird beispielsweise die Festplatte 841 als speicherndes Betriebssystem 844, Anwendungsprogramme 845, andere Programmmodule 846 und Programmdaten 847 dargestellt. Es ist zu beachten, dass diese Komponenten entweder gleich oder verschieden vom Betriebssystem 834, den Anwendungsprogrammen 835, anderen Programmmodulen 836 und den Programmdaten 837 sein können. - Ein Benutzer kann Befehle und Informationen in den Computer 810 über Eingabegeräte, wie etwa eine Tastatur 862, ein Mikrofon 863 und ein Zeigegerät 861, wie etwa eine Maus, einen Trackball oder ein Touchpad, eingeben. Andere Eingabevorrichtungen (nicht dargestellt) können einen Joystick, ein Gamepad, eine Satellitenschüssel, einen Scanner oder dergleichen beinhalten. Diese und andere Eingabegeräte sind oft über eine Benutzereingabeschnittstelle 860 mit der Verarbeitungseinheit 820 verbunden, die mit dem Systembus gekoppelt ist, aber auch über andere Schnittstellen- und Busstrukturen verbunden sein kann. Eine optische Anzeige 891 oder eine andere Art von Anzeigevorrichtung ist ebenfalls über eine Schnittstelle, wie etwa eine Videoschnittstelle 890, mit dem Systembus 821 verbunden. Zusätzlich zum Monitor können Computer auch andere periphere Ausgabevorrichtungen, wie etwa die Lautsprecher 897 und den Drucker 896 beinhalten, die über eine Ausgabeperipherieschnittstelle 895 verbunden werden können.
- Der Computer 810 wird in einer Netzwerkumgebung über logische Verbindungen (wie etwa CAN, LAN oder WAN) zu einem oder mehreren entfernten Computern, wie etwa einem entfernten Computer 880, betrieben.
- Bei Verwendung in einer LAN-Netzwerkumgebung ist der Computer 810 über eine Netzwerkschnittstelle oder einen Adapter 870 mit dem LAN 871 verbunden. Bei Verwendung in einer WAN-Netzwerkumgebung beinhaltet der Computer 810 typischerweise ein Modem 872 oder andere Mittel zum Aufbauen einer Kommunikation über das WAN 873, wie etwa das Internet. In einer vernetzten Umgebung können Programmmodule auf einer externen Speichervorrichtung gespeichert werden.
10 zeigt zum Beispiel, dass Remote-Anwendungsprogramme 885 auf dem Remote-Computer 880 liegen können. - Es ist auch zu beachten, dass die verschiedenen hierin beschriebenen Beispiele unterschiedlich kombiniert werden können. Das heißt, Teile eines oder mehrerer Beispiele können mit Teilen eines oder mehrerer anderer Beispiele kombiniert werden. All dies wird hier in Betracht gezogen.
- Beispiel 1 ist eine landwirtschaftliche Arbeitsmaschine, umfassend:
- ein Kommunikationssystem, das eine Informationskarte empfängt, die Werte eines ersten landwirtschaftlichen Merkmals beinhaltet, die verschiedenen geografischen Positionen in einem Feld entsprechen;
- einen geografischen Positionssensor, der eine geografische Position der landwirtschaftlichen Arbeitsmaschine erfasst;
- einen In-situ-Sensor, der einen Wert eines zweiten landwirtschaftlichen Merkmals erkennt, das der geografischen Position entspricht;
- einen prädiktiven Modellgenerator, der ein prädiktives landwirtschaftliches Modell erzeugt, das eine Beziehung zwischen dem ersten landwirtschaftlichen Merkmal und dem zweiten landwirtschaftlichen Merkmal auf Grundlage eines Werts des ersten landwirtschaftlichen Merkmals in der Informationskarte an der geografischen Position und des Werts des zweiten landwirtschaftlichen Merkmals, das durch den In-situ-Sensor an der geografischen Position erkannt wird, modelliert; und
- einen prädiktiven Kartengenerator, der eine funktionelle prädiktive Maschinengeschwindigkeitskarte des Feldes erzeugt, die prädiktive Maschinengeschwindigkeitswerte auf Grundlage der Werte des ersten landwirtschaftlichen Merkmals in der Informationskarte und auf das prädiktive landwirtschaftliche Modell abbildet.
- Beispiel 2 ist die landwirtschaftliche Arbeitsmaschine eines oder aller vorhergehenden Beispiele, wobei der prädiktive Kartengenerator die funktionelle prädiktive Maschinengeschwindigkeitskarte für den Verbrauch durch ein Steuersystem konfiguriert, das Steuersignale erzeugt, um ein Teilsystem auf der landwirtschaftlichen Arbeitsmaschine auf Grundlage der prädiktiven Maschinengeschwindigkeitswerte auf der funktionellen prädiktiven Maschinengeschwindigkeitskarte zu steuern.
- Beispiel 3 ist die landwirtschaftliche Arbeitsmaschine eines oder aller vorhergehenden Beispiele, wobei der In-situ-Sensor an der landwirtschaftlichen Arbeitsmaschine konfiguriert ist, um einen Wert eines Geschwindigkeitsmerkmals, das die Geschwindigkeit der landwirtschaftlichen Erntemaschine entsprechend der geografischen Position angibt, als den Wert des zweiten landwirtschaftlichen Merkmals zu erkennen.
- Beispiel 4 ist die landwirtschaftliche Arbeitsmaschine eines oder aller vorhergehenden Beispiele, ferner umfassend eine Vorschubgeschwindigkeitssteuerung, die konfiguriert ist, um ein Vorschubgeschwindigkeitssteuersignal zu erzeugen, um ein steuerbares Teilsystem der landwirtschaftlichen Erntemaschine auf Grundlage einer Soll-Vorschubgeschwindigkeit des Materials durch die landwirtschaftliche Erntemaschine zu steuern, und wobei der In-situ-Sensor Folgendes umfasst:
- einen Sensor, der konfiguriert ist, um ein Sensorsignal zu erzeugen, das eine Ausgabe der Vorschubgeschwindigkeitssteuerung anzeigt; und
- ein Verarbeitungssystem, das das Sensorsignal empfängt und verarbeitete Daten erzeugt, die die Maschinengeschwindigkeit der landwirtschaftlichen Erntemaschine auf der Grundlage des Sensorsignals angeben.
- Beispiel 5 ist die landwirtschaftliche Arbeitsmaschine eines oder aller vorhergehenden Beispiele, wobei die Informationskarte eine vegetative Indexkarte von vegetativen Indexwerten (VI) umfasst, die verschiedenen geografischen Positionen in einem Feld entsprechen, und wobei der prädiktive Modellgenerator Folgendes umfasst:
- einen VI-zu-Geschwindigkeit-Modellgenerator, der ein prädiktives Geschwindigkeitsmodell erzeugt, das eine Beziehung zwischen den VI-Werten und dem Geschwindigkeitsmerkmal auf Grundlage des VI-Werts in der VI-Karte an der geografischen Position und des Werts des Geschwindigkeitsmerkmals modelliert, der durch den In-situ-Sensor an der geografischen Position erkannt wird.
- Beispiel 6 ist die landwirtschaftliche Arbeitsmaschine eines oder aller vorhergehenden Beispiele, wobei die Informationskarte eine Biomassekarte mit Biomassewerten umfasst, die verschiedenen geografischen Positionen in einem Feld entsprechen, und wobei der prädiktive Modellgenerator Folgendes umfasst:
- einen Biomasse-zu-Geschwindigkeit-Modellgenerator, der ein prädiktives Geschwindigkeitsmodell erzeugt, das eine Beziehung zwischen den Biomassewerten und dem Geschwindigkeitsmerkmal auf Grundlage des Biomassewerts in der Biomassekarte an der geografischen Position und des Werts des Geschwindigkeitsmerkmals modelliert, der durch den In-situ-Sensor an der geografischen Position erkannt wird.
- Beispiel 7 ist die landwirtschaftliche Arbeitsmaschine eines oder aller vorhergehenden Beispiele, wobei die Informationskarte eine topografische Karte mit topografischen Werten umfasst, die verschiedenen geografischen Positionen in einem Feld entsprechen, und wobei der prädiktive Modellgenerator Folgendes umfasst:
- einen Topografie-zu-Geschwindigkeits-Modellgenerator, der ein prädiktives Geschwindigkeitsmodell erzeugt, das eine Beziehung zwischen den topografischen Werten und dem Geschwindigkeitsmerkmal auf Grundlage des topografischen Werts in der topografischen Karte an der geografischen Position und des Werts des Geschwindigkeitsmerkmals modelliert, der durch den In-situ-Sensor an der geografischen Position erkannt wird.
- Beispiel 8 ist die landwirtschaftliche Arbeitsmaschine eines oder aller vorhergehenden Beispiele, wobei die Informationskarte eine prädiktive Ertragskarte mit prädiktiven Ertragswerten umfasst, die verschiedenen geografischen Positionen in einem Feld entsprechen, und wobei der prädiktive Modellgenerator Folgendes umfasst:
- einen Ertrag-zu-Geschwindigkeit-Modellgenerator, der ein prädiktives Geschwindigkeitsmodell erzeugt, das eine Beziehung zwischen den prädiktiven Ertragswerten und dem Geschwindigkeitsmerkmal auf Grundlage des prädiktiven Ertragswerts in der prädiktiven Ertragskarte an der geografischen Position und des Werts des Geschwindigkeitsmerkmals modelliert, der durch den In-situ-Sensor an der geografischen Position erkannt wird.
- Beispiel 9 ist die landwirtschaftliche Arbeitsmaschine eines oder aller vorhergehenden Beispiele, wobei die Informationskarte eine Bodeneigenschaftskarte von Bodeneigenschaftswerten umfasst, die verschiedenen geografischen Positionen in einem Feld entsprechen, und wobei der prädiktive Modellgenerator Folgendes umfasst:
- einen Bodeneigenschafts-zu-Geschwindigkeit-Modellgenerator, der ein prädiktives Geschwindigkeitsmodell erzeugt, das eine Beziehung zwischen den Bodeneigenschaftswerten und dem Geschwindigkeitsmerkmal auf Grundlage des Bodeneigenschaftswerts in der Bodeneigenschaftskarte an der geografischen Position und des Werts des Geschwindigkeitsmerkmals modelliert, das durch den In-situ-Sensor an der geografischen Position erkannt wird.
- Beispiel 10 ist die landwirtschaftliche Arbeitsmaschine eines oder aller vorhergehenden Beispiele, wobei die Informationskarte eine Aussaatmerkmalkarte von Aussaatmerkmalwerten umfasst, die verschiedenen geografischen Positionen in einem Feld entsprechen, und wobei der prädiktive Modellgenerator Folgendes umfasst:
- einen Aussaatmerkmal-zu-Geschwindigkeit-Modellgenerator, der ein prädiktives Geschwindigkeitsmodell erzeugt, das eine Beziehung zwischen den Aussaatmerkmalwerten und dem Geschwindigkeitsmerkmal auf Grundlage des Aussaatmerkmalwerts in der Aussaatmerkmalkarte an der geografischen Position und des Werts des Geschwindigkeitsmerkmals modelliert, der durch den In-situ-Sensor an der geografischen Position erkannt wird.
- Beispiel 11 ist die landwirtschaftliche Arbeitsmaschine eines oder aller vorhergehenden Beispiele, wobei die Informationskarte eine Erntegutzustandskarte mit Erntegutzustandswerten umfasst, die verschiedenen geografischen Positionen in einem Feld entsprechen, und wobei der prädiktive Modellgenerator Folgendes umfasst:
- einen Erntegutzustands-zu-Geschwindigkeit-Modellgenerator, der ein prädiktives Geschwindigkeitsmodell erzeugt, das eine Beziehung zwischen den Erntegutzustandswerten und dem Geschwindigkeitsmerkmal auf Grundlage des Erntegutzustandswerts in der Erntegutzustandskarte an der geografischen Position und des Werts des Geschwindigkeitsmerkmals modelliert, der durch den In-situ-Sensor an der geografischen Position erkannt wird.
- Beispiel 12 ist ein computerimplementiertes Verfahren zum Erzeugen einer funktionellen prädiktiven landwirtschaftlichen Karte, umfassend:
- Empfangen einer Informationskarte in einer landwirtschaftlichen Arbeitsmaschine, die Werte eines ersten landwirtschaftlichen Merkmals angibt, die verschiedenen geografischen Positionen in einem Feld entsprechen;
- Erkennen einer geografischen Position der landwirtschaftlichen Arbeitsmaschine;
- Erkennen eines Werts eines zweiten landwirtschaftlichen Merkmals, das der geografischen Position entspricht, mit einem In-situ-Sensor;
- Erzeugen eines prädiktiven landwirtschaftlichen Modells, das eine Beziehung zwischen dem ersten landwirtschaftlichen Merkmal und dem zweiten landwirtschaftlichen Merkmal modelliert; und
- Steuern eines prädiktiven Kartengenerators, um eine funktionelle prädiktive Maschinengeschwindigkeitskarte des Feldes zu erzeugen, die prädiktive Soll-Maschinengeschwindigkeitswerte auf Grundlage der Werte des ersten landwirtschaftlichen Merkmals in der Informationskarte und des prädiktiven landwirtschaftlichen Modells auf die verschiedenen Positionen in dem Feld abbildet.
- Beispiel 13 ist das computerimplementierte Verfahren eines oder aller vorhergehenden Beispiele, ferner umfassend:
- [Konfigurieren der funktionellen prädiktiven Maschinengeschwindigkeitskarte für eine Antriebssteuerung, die Steuersignale erzeugt, um ein steuerbares Antriebs-Teilsystem auf der landwirtschaftlichen Arbeitsmaschine auf Grundlage der funktionellen prädiktiven Maschinengeschwindigkeitskarte zu steuern.
- Beispiel 14 ist das computerimplementierte Verfahren eines oder aller vorhergehenden Beispiele, wobei das Erkennen eines Werts des zweiten landwirtschaftlichen Merkmals mit einem In-situ-Sensor das Erkennen eines Geschwindigkeitsmerkmals umfasst, das der geografischen Position entspricht, und wobei das Empfangen der Informationskarte das Empfangen eines oder mehrerer von einer vegetativen Indexkarte, einer Biomassekarte, einer Erntegutzustandskarte, einer Bodeneigenschaftskarte, einer prädiktiven Ertragskarte, einer topographischen Karte und einer Aussaatkarte umfasst.
- Beispiel 15 ist das computerimplementierte Verfahren eines oder aller vorhergehenden Beispiele, wobei das Empfangen der Informationskarte Folgendes umfasst:
- Empfangen einer Vielzahl von unterschiedlichen Informationskartenebenen, wobei jede Informationskartenebene der Vielzahl von unterschiedlichen Informationskartenebenen einen oder mehrere von vegetativen Indexwerten, Biomassewerten, prädiktiven Ertragswerten, Erntegutzustandswerten, Bodeneigenschaftswerten, Aussaatmerkmalwerten und topographischen Werten an der geografischen Position angibt.
- Beispiel 16 ist das computerimplementierte Verfahren eines oder aller vorhergehenden Beispiele, wobei das Empfangen einer Informationskarte Folgendes umfasst:
- Empfangen einer Informationskarte, die von einem Vorabbetrieb erzeugt wurde, der im Feld durchgeführt wurde.
- Beispiel 17 ist das computerimplementierte Verfahren eines oder aller vorhergehenden Beispielen, ferner umfassend:
- Steuern eines Bedienerschnittstellenmechanismus, um die funktionelle prädiktive Maschinengeschwindigkeitskarte darzustellen.
- Beispiel 18 ist eine landwirtschaftliche Arbeitsmaschine, umfassend:
- ein Kommunikationssystem, das eine Informationskarte empfängt, die Werte eines ersten landwirtschaftlichen Merkmals angibt, die verschiedenen geografischen Positionen in einem Feld entsprechen;
- einen geografischen Positionssensor, der eine geografische Position der landwirtschaftlichen Arbeitsmaschine erkennt;
- einen In-situ-Sensor, der einen Wert eines Geschwindigkeitsmerkmals erkennt, der eine Geschwindigkeit der landwirtschaftlichen Arbeitsmaschine angibt, die der geografischen Position entspricht;
- einen prädiktiven Modellgenerator, der ein prädiktives Geschwindigkeitsmodell erzeugt, das eine Beziehung zwischen dem ersten landwirtschaftlichen Merkmal und dem Geschwindigkeitsmerkmal auf Grundlage des Werts des ersten landwirtschaftlichen Merkmals in der Informationskarte an der geografischen Position und des Werts des Geschwindigkeitsmerkmals modelliert, das durch den In-situ-Sensor an der geografischen Position erkannt wird; und
- einen prädiktiven Kartengenerator, der eine funktionelle prädiktive Geschwindigkeitskarte des Feldes erzeugt, die prädiktive Geschwindigkeitsmerkmale, die Soll-Maschinengeschwindigkeiten angeben, auf Grundlage der Werte des ersten landwirtschaftlichen Merkmals in der Informationskarte und auf Grundlage des prädiktiven Geschwindigkeitsmodells auf die verschiedenen Positionen in dem Feld abbildet.
- Beispiel 19 ist die landwirtschaftliche Arbeitsmaschine eines oder aller vorhergehenden Beispiele, wobei der In-situ-Sensor Folgendes umfasst:
- einen Maschinengeschwindigkeitssensor, der konfiguriert ist, um die Geschwindigkeit der landwirtschaftlichen Arbeitsmaschine zu erfassen.
- Beispiel 20 ist die landwirtschaftliche Arbeitsmaschine eines oder aller vorhergehenden Beispiele, wobei der prädiktive Kartengenerator konfiguriert ist, um die funktionelle prädiktive Geschwindigkeitskarte zum Verbrauch durch ein Steuersystem zu konfigurieren, um ein Antriebs-Teilsystem auf Grundlage der Soll-Maschinengeschwindigkeiten der funktionellen prädiktiven Geschwindigkeitskarte zu steuern.
- Obwohl der Gegenstand in einer für strukturelle Merkmale oder methodische Handlungen spezifischen Sprache beschrieben wurde, versteht es sich, dass der in den beigefügten Ansprüchen definierte Gegenstand nicht unbedingt auf die vorstehend beschriebenen spezifischen Merkmale oder Handlungen beschränkt ist. Vielmehr werden die vorstehend beschriebenen Besonderheiten und Handlungen als exemplarische Formen der Ansprüche offengelegt.
Claims (15)
- Landwirtschaftliche Arbeitsmaschine (100), umfassend: ein Kommunikationssystem (206), das eine Informationskarte (258) empfängt, die Werte eines ersten landwirtschaftlichen Merkmals beinhaltet, die verschiedenen geografischen Positionen in einem Feld entspricht; einen geografischen Positionssensor (204), der eine geografischen Position der landwirtschaftlichen Arbeitsmaschine (100) erkennt; einen In-situ-Sensor (208), der einen Wert eines zweiten landwirtschaftlichen Merkmals erkennt, das der geografischen Position entspricht; einen prädiktiven Modellgenerator (210), der ein prädiktives landwirtschaftliches Modell erzeugt, das eine Beziehung zwischen dem ersten landwirtschaftlichen Merkmal und dem zweiten landwirtschaftlichen Merkmal auf Grundlage eines Werts des ersten landwirtschaftlichen Merkmals in der Informationskarte (258) an der geografischen Position und des Werts des zweiten landwirtschaftlichen Merkmals modelliert, das durch den In-situ-Sensor (208) an der geografischen Position erkannt wird; und einen prädiktiven Kartengenerator (212), der eine funktionale prädiktive Maschinengeschwindigkeitskarte des Feldes erzeugt, die prädiktive Maschinengeschwindigkeitswerte, die die prädiktive Geschwindigkeit der landwirtschaftlichen Erntemaschine angeben, auf Grundlage der Werte des ersten landwirtschaftlichen Merkmals in der Informationskarte (258) und auf Grundlage des prädiktiven landwirtschaftlichen Modells auf die verschiedenen geografischen Positionen in dem Feld abbildet.
- Landwirtschaftliche Arbeitsmaschine nach
Anspruch 1 , wobei der prädiktive Kartengenerator die funktionale prädiktive Maschinengeschwindigkeitskarte zum Verbrauch durch ein Steuersystem konfiguriert, das Steuersignale erzeugt, um ein Teilsystem auf der landwirtschaftlichen Arbeitsmaschine auf Grundlage der prädiktiven Maschinengeschwindigkeitswerte auf der funktionellen prädiktiven Maschinengeschwindigkeitskarte zu steuern. - Landwirtschaftliche Arbeitsmaschine nach
Anspruch 1 , wobei der In-situ-Sensor an der landwirtschaftlichen Arbeitsmaschine konfiguriert ist, um einen Wert eines Geschwindigkeitsmerkmals, das die Geschwindigkeit der landwirtschaftlichen Erntemaschine entsprechend der geografischen Position angibt, als den Wert des zweiten landwirtschaftlichen Merkmals zu erkennen. - Landwirtschaftliche Arbeitsmaschine nach
Anspruch 3 , ferner umfassend eine Vorschubgeschwindigkeitssteuerung, die konfiguriert ist, um ein Vorschubgeschwindigkeitssteuersignal zu erzeugen, um ein steuerbares Teilsystem der landwirtschaftlichen Erntemaschine auf Grundlage einer Soll-Vorschubgeschwindigkeit von Material durch die landwirtschaftliche Erntemaschine zu steuern, wobei der In-situ-Sensor Folgendes umfasst: einen Sensor, der konfiguriert ist, um ein Sensorsignal zu erzeugen, das eine Ausgabe der Vorschubgeschwindigkeitssteuerung anzeigt; und ein Verarbeitungssystem, das das Sensorsignal empfängt und verarbeitete Daten erzeugt, die die Maschinengeschwindigkeit der landwirtschaftlichen Erntemaschine auf der Grundlage des Sensorsignals angeben. - Landwirtschaftliche Arbeitsmaschine nach
Anspruch 3 , wobei die Informationskarte eine vegetative Indexkarte von vegetativen Indexwerten (VI) umfasst, die verschiedenen geografischen Positionen in einem Feld entsprechen, und wobei der prädiktive Modellgenerator Folgendes umfasst: einen VI-zu-Geschwindigkeit-Modellgenerator, der ein prädiktives Geschwindigkeitsmodell erzeugt, das eine Beziehung zwischen den VI-Werten und dem Geschwindigkeitsmerkmal auf Grundlage des VI-Werts in der VI-Karte an der geografischen Position und des Werts des Geschwindigkeitsmerkmals modelliert, der durch den In-situ-Sensor an der geografischen Position erkannt wird. - Landwirtschaftliche Arbeitsmaschine nach
Anspruch 3 , wobei die Informationskarte eine Biomassekarte von Biomassewerten umfasst, die verschiedenen geografischen Positionen in einem Feld entsprechen, und wobei der prädiktive Modellgenerator Folgendes umfasst: einen Biomasse-zu-Geschwindigkeit-Modellgenerator, der ein prädiktives Geschwindigkeitsmodell erzeugt, das eine Beziehung zwischen den Biomassewerten und dem Geschwindigkeitsmerkmal auf Grundlage des Biomassewerts in der Biomassekarte an der geografischen Position und des Werts des Geschwindigkeitsmerkmals modelliert, das durch den In-situ-Sensor an der geografischen Position erkannt wird. - Landwirtschaftliche Arbeitsmaschine nach
Anspruch 3 , wobei die Informationskarte eine topographische Karte mit topographischen Werten umfasst, die verschiedenen geografischen Positionen in einem Feld entsprechen, und wobei der prädiktive Modellgenerator Folgendes umfasst: einen Topographie-zu-Geschwindigkeit-Modellgenerator, der ein prädiktives Geschwindigkeitsmodell erzeugt, das eine Beziehung zwischen den topographischen Werten und dem Geschwindigkeitsmerkmal auf Grundlage des topographischen Werts in der topographischen Karte an der geografischen Position und des Werts des Geschwindigkeitsmerkmals modelliert, der durch den In-situ-Sensor an der geografischen Position erkannt wird. - Landwirtschaftliche Arbeitsmaschine nach
Anspruch 3 , wobei die Informationskarte eine prädiktive Ertragskarte von prädiktiven Ertragswerten umfasst, die verschiedenen geografischen Positionen in einem Feld entsprechen, und wobei der prädiktive Modellgenerator Folgendes umfasst: einen Ertrag-zu-Geschwindigkeits-Modellgenerator, der ein prädiktives Geschwindigkeitsmodell erzeugt, das eine Beziehung zwischen den prädiktiven Ertragswerten und dem Geschwindigkeitsmerkmal auf Grundlage des prädiktiven Ertragswerts in der prädiktiven Ertragskarte an der geografischen Position und des Werts des Geschwindigkeitsmerkmals modelliert, der durch den In-situ-Sensor an der geografischen Position erkannt wird. - Landwirtschaftliche Arbeitsmaschine nach
Anspruch 3 , wobei die Informationskarte eine Bodeneigenschaftskarte von Bodeneigenschaftswerten umfasst, die verschiedenen geografischen Positionen in einem Feld entsprechen, und wobei der prädiktive Modellgenerator Folgendes umfasst: einen Bodeneigenschafts-zu-Geschwindigkeits-Modellgenerator, der ein prädiktives Geschwindigkeitsmodell erzeugt, das eine Beziehung zwischen den Bodeneigenschaftswerten und dem Geschwindigkeitsmerkmal auf Grundlage des Bodeneigenschaftswerts in der Bodeneigenschaftskarte an der geografischen Position und des Werts des Geschwindigkeitsmerkmals modelliert, das durch den In-situ-Sensor an der geografischen Position erkannt wird. - Landwirtschaftliche Arbeitsmaschine nach
Anspruch 3 , wobei die Informationskarte eine Aussaatmerkmalkarte von Aussaatmerkmalwerten umfasst, die verschiedenen geografischen Positionen in einem Feld entsprechen, und wobei der prädiktive Modellgenerator Folgendes umfasst: einen Aussaatmerkmal-zu-Geschwindigkeit-Modellgenerator, der ein prädiktives Geschwindigkeitsmodell erzeugt, das eine Beziehung zwischen den Aussaatmerkmalwerten und dem Geschwindigkeitsmerkmal auf Grundlage des Aussaatmerkmalwerts in der Aussaatmerkmalkarte an der geografischen Position und des Werts des Geschwindigkeitsmerkmals modelliert, das durch den In-situ-Sensor an der geografischen Position erkannt wird. - Landwirtschaftliche Arbeitsmaschine nach
Anspruch 3 , wobei die Informationskarte eine Erntegutzustandskarte von Erntegutzustandswerten umfasst, die verschiedenen geografischen Positionen in einem Feld entsprechen, und wobei der prädiktive Modellgenerator Folgendes umfasst: einen Erntegutzustands-zu-Geschwindigkeits-Modellgenerator, der ein prädiktives Geschwindigkeitsmodell erzeugt, das eine Beziehung zwischen den Erntegutzustandswerten und dem Geschwindigkeitsmerkmal auf Grundlage des Erntegutzustandswerts in der Erntegutzustandskarte an der geografischen Position und des Werts des Geschwindigkeitsmerkmals modelliert, das durch den In-situ-Sensor an der geografischen Position erkannt wird. - Computerimplementiertes Verfahren zum Erzeugen einer funktionellen prädiktiven landwirtschaftlichen Karte, umfassend: Empfangen einer Informationskarte (258) an einer landwirtschaftlichen Arbeitsmaschine (100), die Werte eines ersten landwirtschaftlichen Merkmals angibt, das verschiedenen geografischen Positionen in einem Feld entspricht; Erkennen einer geografischen Position der landwirtschaftlichen Arbeitsmaschine (100); Erkennen eines Werts eines zweiten landwirtschaftlichen Merkmals mit einem In-situ-Sensor (208), das der geografischen Position entspricht; Erzeugen eines prädiktiven landwirtschaftlichen Modells, das eine Beziehung zwischen dem ersten landwirtschaftlichen Merkmal und dem zweiten landwirtschaftlichen Merkmal modelliert; und Steuern eines prädiktiven Kartengenerators (212), um eine funktionale prädiktive Maschinengeschwindigkeitskarte des Feldes zu erzeugen, die prädiktive Soll-Maschinengeschwindigkeitswerte auf Grundlage der Werte des ersten landwirtschaftlichen Merkmals in der Informationskarte (258) und des prädiktiven landwirtschaftlichen Modells auf die verschiedenen Positionen in dem Feld abbildet.
- Computerimplementiertes Verfahren nach
Anspruch 12 , ferner umfassend: Konfigurieren der funktionalen prädiktiven Maschinengeschwindigkeitskarte für eine Antriebssteuerung, die Steuersignale erzeugt, um ein steuerbares Antriebsteilsystem auf der landwirtschaftlichen Arbeitsmaschine auf Grundlage der funktionalen prädiktiven Maschinengeschwindigkeitskarte zu steuern. - Computerimplementiertes Verfahren nach
Anspruch 12 , wobei das Erkennen eines Werts des zweiten landwirtschaftlichen Merkmals mit einem In-situ-Sensor das Erkennen eines Geschwindigkeitsmerkmals umfasst, das der geografischen Position entspricht, und wobei das Empfangen der Informationskarte das Empfangen einer oder mehrerer von einer vegetativen Indexkarte, einer Biomassekarte, einer Erntegutzustandskarte, einer Bodeneigenschaftskarte, einer prädiktiven Ertragskarte, einer topographischen Karte und einer Aussaatkarte umfasst. - Landwirtschaftliche Arbeitsmaschine (100), umfassend: ein Kommunikationssystem (206), das eine Informationskarte (258) empfängt, die Werte eines ersten landwirtschaftlichen Merkmals angibt, die verschiedenen geografischen Positionen in einem Feld entspricht; einen geografischen Positionssensor (204), der eine geografische Position der landwirtschaftlichen Arbeitsmaschine erkennt; einen In-situ-Sensor (208), der einen Wert eines Geschwindigkeitsmerkmals erkennt, der eine Geschwindigkeit der landwirtschaftlichen Arbeitsmaschine angibt, die der geografischen Position entspricht; einen prädiktiven Modellgenerator (210), der ein prädiktives Geschwindigkeitsmodell erzeugt, das eine Beziehung zwischen dem ersten landwirtschaftlichen Merkmal und dem Geschwindigkeitsmerkmal auf Grundlage des Werts des ersten landwirtschaftlichen Merkmals in der Informationskarte (258) an der geografischen Position und des Werts des Geschwindigkeitsmerkmals modelliert, das durch den In-situ-Sensor (208) an der geografischen Position erfasst wird; und einen prädiktiven Kartengenerator (212), der eine funktionale prädiktive Geschwindigkeitskarte des Feldes erzeugt, die prädiktive Geschwindigkeitsmerkmalswerte, die Sollmaschinengeschwindigkeiten angibt, auf Grundlage der Werte des ersten landwirtschaftlichen Merkmals in der Informationskarte (258) und auf Grundlage des prädiktiven Geschwindigkeitsmodells auf die verschiedenen Positionen in dem Feld abbildet.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/067,183 | 2020-10-09 | ||
US17/067,183 US11889787B2 (en) | 2020-10-09 | 2020-10-09 | Predictive speed map generation and control system |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102021120069A1 true DE102021120069A1 (de) | 2022-04-14 |
Family
ID=80818257
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102021120069.5A Pending DE102021120069A1 (de) | 2020-10-09 | 2021-08-03 | Prädiktives geschwindigkeitskartenerzeugungs- und steuersystem |
Country Status (4)
Country | Link |
---|---|
US (2) | US11889787B2 (de) |
CN (1) | CN114303587A (de) |
BR (1) | BR102021016281A2 (de) |
DE (1) | DE102021120069A1 (de) |
Families Citing this family (2)
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 |
US11980131B2 (en) * | 2020-12-29 | 2024-05-14 | Agco Corporation | Skid plate for sensor integration |
Family Cites Families (965)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE441597C (de) | 1927-03-05 | Paul Frenzel | Vorrichtung fuer Grasmaehmaschinen, um diese zum Maehen des Kartoffelkrautes geeignet zu machen | |
DE504035C (de) | 1930-07-31 | Hermann Lindstaedt | Kartoffelerntemaschine mit an das Schar anschliessendem Foerderwerk und hinter diesem angeordnetem Ablegerost | |
FI5533A (fi) | 1913-11-06 | Williamstown Glass Company | Anordningar vid glasbearbetningsmaskiner och sätt att tillverka buteljer med sådana | |
DE152380C (de) | 1897-07-11 | 1904-06-09 | Bauer & Co | Verfahren zur Darstellung von Casein- und anderen Eiweisspräparaten |
GB901081A (en) | 1958-07-31 | 1962-07-11 | Dunn Engineering Associates In | Improvements in apparatus for punching jacquard cards |
US3568157A (en) | 1963-12-31 | 1971-03-02 | Bell Telephone Labor Inc | Program controlled data processing system |
US3599543A (en) | 1964-12-02 | 1971-08-17 | Stothert & Pitt Ltd | Vibratory machines |
FR1451480A (fr) | 1965-07-20 | 1966-01-07 | France Etat | Procédé et appareil de mesure du tassement du sol sous les remblais et ouvrages d'art |
US3580257A (en) | 1969-12-24 | 1971-05-25 | Earl E Teague | Weed seed collector for a thresher combine |
DE2018219C3 (de) | 1970-04-16 | 1979-02-22 | Losenhausen Maschinenbau Ag, 4000 Duesseldorf | Vorrichtung zur Erzeugung eines Anzeige- oder Steuersignals für den Fahrantrieb eines dynamischen Bodenverdichters |
CH569747A5 (de) | 1972-08-25 | 1975-11-28 | Ciba Geigy Ag | |
DE2354828A1 (de) | 1973-11-02 | 1975-05-15 | Held & Francke Bau Ag | Verfahren zum verdichten des bodens und vorrichtung zur durchfuehrung dieses verfahrens |
CH618682A5 (de) | 1975-11-07 | 1980-08-15 | Ciba Geigy Ag | |
DE2646143A1 (de) | 1976-10-13 | 1978-04-20 | Bayer Ag | 4,5-dichlor-imidazol-1-carbonsaeure- arylester, verfahren zu ihrer herstellung sowie ihre verwendung als pflanzenschutzmittel |
US4166735A (en) | 1977-01-21 | 1979-09-04 | Shell Oil Company | Cycloalkanecarboxanilide derivative herbicides |
EP0000351A1 (de) | 1977-07-07 | 1979-01-24 | Ciba-Geigy Ag | Phenoxy-phenylthio-alkancarbonsäurederivate, Verfahren zu deren Herstellung und deren Verwendung als Herbizide und als Pflanzenwachstumsregulierungsmittel |
SU834514A1 (ru) | 1978-11-04 | 1981-05-30 | Smolyanitskij Leonid A | Способ контрол качества уплотнени гРуНТА |
SU887717A1 (ru) | 1979-09-18 | 1981-12-07 | Новосибирский филиал Всесоюзного научно-исследовательского института транспортного строительства | Устройство дл контрол качества уплотнени грунта |
US4360677A (en) | 1979-09-20 | 1982-11-23 | Uniroyal, Inc. | Herbicidal 2-(alpha-chloromethylsulfonyl) pyridine-1-oxides |
US4268679A (en) | 1980-02-19 | 1981-05-19 | Ppg Industries, Inc. | 3-[5- or 3-Substituted-5- or 3-isoxazolyl]-1-allyl or alkyl-4-substituted-5-substituted or unsubstituted-2-imidazolidinones |
EP0042245B1 (de) | 1980-06-14 | 1984-11-28 | Claydon Yield-O-Meter Limited | Körnermesseinrichtung für Mähdrescher |
SU1052940A1 (ru) | 1980-09-02 | 1983-11-07 | Войсковая часть 70170 | Способ измерени фильтрационных характеристик несв занных грунтов |
AU544099B2 (en) | 1980-12-15 | 1985-05-16 | Sumitomo Chemical Company, Limited | Triazolylpentenols |
DOP1981004033A (es) | 1980-12-23 | 1990-12-29 | Ciba Geigy Ag | Procedimiento para proteger plantas de cultivo de la accion fitotoxica de herbicidas. |
FR2509135A1 (fr) | 1981-07-10 | 1983-01-14 | Ugine Kuhlmann | Compositions herbicides a base de derives d'amino-4 chloro-6 alkylthio-5 pyrimidine et de derives de la dinitro-2,6 aniline et procede de traitement des cultures a l'aide desdites compositions |
US4566901A (en) | 1982-05-06 | 1986-01-28 | Ciba-Geigy Corporation | Novel oxime ethers, the preparation thereof, compositions containing them and the use thereof |
US4527241A (en) | 1982-08-30 | 1985-07-02 | Sperry Corporation | Automatic combine harvester adjustment system |
DE3476195D1 (en) | 1983-05-18 | 1989-02-23 | Ciba Geigy Ag | Cyclohexanedione-carboxylic-acid derivatives having a herbicidal and plant growth regulating activity |
SU1134669A1 (ru) | 1983-09-30 | 1985-01-15 | Всесоюзный научно-исследовательский институт транспортного строительства | Устройство дл непрерывного контрол степени уплотнени грунта |
US4687505A (en) | 1983-11-02 | 1987-08-18 | Sylling Truman V | Method for desalination and rehabilitation of irrigated soil |
ATE62104T1 (de) | 1984-04-11 | 1991-04-15 | Ciba Geigy Ag | Verfahren zur selektiven unkrautbekaempfung in nutzpflanzenkulturen. |
JPH0243845B2 (ja) | 1984-05-30 | 1990-10-01 | Shimizu Construction Co Ltd | Tsuchinogenbamitsudosokuteihohooyobisonosochi |
CS248318B1 (en) | 1984-12-21 | 1987-02-12 | Josef Hula | Device for soil compactness measuring |
CS247426B1 (cs) | 1984-12-21 | 1986-12-18 | Josef Hula | Zařízení pro mdření ulehlosti půdy |
GB2178934A (en) | 1985-03-22 | 1987-02-25 | Massey Ferguson Mfg | Agricultural husbandry |
US5250690A (en) | 1985-05-02 | 1993-10-05 | Dowelanco | Haloalkoxy anilide derivatives of 2-4(-heterocyclic oxyphenoxy)alkanoic or alkenoic acids and their use as herbicides |
US4857101A (en) | 1985-12-06 | 1989-08-15 | Rohm And Haas Company | Method of selectively controlling weeds in crops of cereals |
US5246915A (en) | 1986-06-20 | 1993-09-21 | Janssen Pharmaceutica N.V. | Method for controlling weeds |
SU1526588A1 (ru) | 1987-05-29 | 1989-12-07 | Всесоюзный научно-исследовательский институт по применению полимерных материалов в мелиорации и водном хозяйстве | Устройство дл измерени степени уплотнени почв |
JP2523324B2 (ja) | 1987-06-09 | 1996-08-07 | 建設省土木研究所長 | 地盤の締固め程度の測定方法 |
SU1540053A1 (ru) | 1987-06-16 | 1991-01-15 | Головное специализированное конструкторское бюро по комплексам зерноуборочных машин Производственного объединения "Ростсельмаш" | Способ управлени технологическим процессом уборочной машины |
DE3728669A1 (de) | 1987-08-27 | 1989-03-16 | Arcus Elektrotech | Messsonde zur messung der bodenverdichtung |
EP0355049A3 (de) | 1988-08-18 | 1990-06-13 | Zeneca Limited | Heterozyklische Verbindungen |
JP2671143B2 (ja) | 1989-01-25 | 1997-10-29 | 株式会社光電製作所 | 土の締固め測定装置 |
JP2767266B2 (ja) | 1989-02-15 | 1998-06-18 | ヤンマー農機株式会社 | 収穫機 |
JP2927532B2 (ja) | 1989-11-09 | 1999-07-28 | 塩野義製薬株式会社 | 含窒素異項環オキシーフェノキシ酢酸誘導体およびその除草剤としての用途 |
SU1761864A1 (ru) | 1990-03-27 | 1992-09-15 | Московский Автомобильно-Дорожный Институт | Способ контрол степени уплотнени грунтов |
RU1791767C (ru) | 1990-06-12 | 1993-01-30 | Усть-Каменогорский Строительно-Дорожный Институт | Прибор дл определени физико-механических свойств грунтов при уплотнении |
US5059154A (en) | 1990-10-19 | 1991-10-22 | The Board Of Trustees Of The University Of Arkansas | Grain cleaner and destructor of foreign matter in harvesting crops |
GB9108199D0 (en) | 1991-04-17 | 1991-06-05 | Rhone Poulenc Agriculture | New compositions of matter |
EP0532146B1 (de) | 1991-09-11 | 1998-08-19 | E.I. Du Pont De Nemours And Company | Herbizide substituierte bicyclische Triazole |
US5246164A (en) | 1991-12-16 | 1993-09-21 | Mccann Ian R | Method and apparatus for variable application of irrigation water and chemicals |
US5477459A (en) | 1992-03-06 | 1995-12-19 | Clegg; Philip M. | Real time three-dimensional machine locating system |
ES2154645T3 (es) | 1992-05-06 | 2001-04-16 | Novartis Ag | Composicion sinergica y procedimiento para el control selectivo de malas hierbas. |
US5300477A (en) | 1992-07-17 | 1994-04-05 | Rohm And Haas Company | 2-arylpyrimidines and herbicidal use thereof |
US5296702A (en) | 1992-07-28 | 1994-03-22 | Patchen California | Structure and method for differentiating one object from another object |
US5585626A (en) | 1992-07-28 | 1996-12-17 | Patchen, Inc. | Apparatus and method for determining a distance to an object in a field for the controlled release of chemicals on plants, weeds, trees or soil and/or guidance of farm vehicles |
AU658066B2 (en) | 1992-09-10 | 1995-03-30 | Deere & Company | Neural network based control system |
JP3359702B2 (ja) | 1993-06-28 | 2002-12-24 | 株式会社前川製作所 | 異種植物検出方法と該検出方法を用いた雑草駆除方法 |
EP0777960A3 (de) | 1993-06-28 | 1999-05-12 | New Holland Belgium N.V. | Verfahren zur Steuerung von selbstfahrenden Erntemaschinen |
US5592606A (en) | 1993-07-30 | 1997-01-07 | Myers; Allen | Method and apparatus for storage and display of hierarchally organized data |
AU691540B2 (en) | 1993-12-22 | 1998-05-21 | Syngenta Limited | Herbicidal diphenyl ether and nitrogen solution compositions and method |
US5995859A (en) | 1994-02-14 | 1999-11-30 | Nihon Kohden Corporation | Method and apparatus for accurately measuring the saturated oxygen in arterial blood by substantially eliminating noise from the measurement signal |
US5767373A (en) | 1994-06-16 | 1998-06-16 | Novartis Finance Corporation | Manipulation of protoporphyrinogen oxidase enzyme activity in eukaryotic organisms |
US5606821A (en) | 1994-07-25 | 1997-03-04 | Loral Corporation | Smart weed recognition/classification system |
DE4431824C1 (de) | 1994-09-07 | 1996-05-02 | Claas Ohg | Mähdrescherbetrieb mit Betriebsdatenkataster |
EP0723740B1 (de) | 1995-01-25 | 2000-07-19 | Agco Limited | Erntemaschine |
GB9504345D0 (en) | 1995-03-03 | 1995-04-19 | Compaction Tech Soil Ltd | Method and apparatus for monitoring soil compaction |
DE19509496C2 (de) | 1995-03-16 | 1998-07-09 | Claas Ohg | Selbstfahrender Mähdrescher |
DE19514223B4 (de) | 1995-04-15 | 2005-06-23 | Claas Kgaa Mbh | Verfahren zur Einsatzoptimierung von Landmaschinen |
DE19528663A1 (de) | 1995-08-04 | 1997-02-06 | Univ Hohenheim | Verfahren zur Einstellung einer mobilen Arbeitsmaschine |
EP0852544B2 (de) | 1995-09-29 | 2004-01-07 | Ingersoll-Rand Company | Verdichtungsgerät mit zugkraftsteuerungssystem |
US5991694A (en) | 1995-11-13 | 1999-11-23 | Caterpillar Inc. | Method and apparatus for determining the location of seedlings during agricultural production |
US5721679A (en) | 1995-12-18 | 1998-02-24 | Ag-Chem Equipment Co., Inc. | Heads-up display apparatus for computer-controlled agricultural product application equipment |
ATE298082T1 (de) | 1996-02-01 | 2005-07-15 | Bbnt Solutions Llc | Schermodulmessung von böden |
PL178299B1 (pl) | 1996-02-13 | 2000-04-28 | Jan Liszkowski | Sposób renowacji wałów przeciwpowodziowych |
ES2116215B1 (es) | 1996-02-22 | 1999-02-16 | Zuniga Escobar Orlando | Electrosonda para medir el contenido de humedad del suelo y la compactacion del mismo, metodo de medida correspondiente y utilizacion de dicha electrosonda. |
US7032689B2 (en) | 1996-03-25 | 2006-04-25 | Halliburton Energy Services, Inc. | Method and system for predicting performance of a drilling system of a given formation |
DE29607846U1 (de) | 1996-04-30 | 1996-07-25 | Neuhaus Neotec Maschinen- und Anlagenbau GmbH, 21465 Reinbek | Vorrichtung zum Dosieren von Mahlkaffee in Kaffeeverpackungen |
DE19629618A1 (de) | 1996-07-23 | 1998-01-29 | Claas Ohg | Routenplanungssystem für landwirtschaftliche Arbeitsfahrzeuge |
US5771169A (en) | 1996-08-29 | 1998-06-23 | Case Corporation | Site-specific harvest statistics analyzer |
WO1998017865A1 (de) | 1996-10-21 | 1998-04-30 | Ammann Verdichtung Ag | Verfahren zur messung mechanischer daten eines bodens sowie zu dessen verdichtung und mess- bzw. bodenverdichtungsvorrichtung |
US5789741A (en) | 1996-10-31 | 1998-08-04 | Patchen, Inc. | Detecting plants in a field by detecting a change in slope in a reflectance characteristic |
DE19647523A1 (de) | 1996-11-16 | 1998-05-20 | Claas Ohg | Landwirtschaftliches Nutzfahrzeug mit einem in seiner Lage und/oder Ausrichtung gegenüber dem Fahrzeug verstellbar angeordneten Bearbeitungsgerät |
US5902343A (en) | 1996-11-22 | 1999-05-11 | Case Corporation | Automatic scaling of GPS field maps |
US6029106A (en) | 1996-11-22 | 2000-02-22 | Case Corporation | Global position correction for the electronic display of field maps |
US5978723A (en) | 1996-11-22 | 1999-11-02 | Case Corporation | Automatic identification of field boundaries in a site-specific farming system |
US5974348A (en) | 1996-12-13 | 1999-10-26 | Rocks; James K. | System and method for performing mobile robotic work operations |
JPH10191762A (ja) | 1997-01-13 | 1998-07-28 | Yanmar Agricult Equip Co Ltd | コンバインの動力制御装置 |
US5841282A (en) | 1997-02-10 | 1998-11-24 | Christy; Colin | Device for measuring soil conductivity |
DE19705842A1 (de) | 1997-02-15 | 1998-08-20 | Same Deutz Fahr Spa | Ernteverfahren |
DE19706614A1 (de) | 1997-02-20 | 1998-08-27 | Claas Ohg | Situationsbezogene programmgesteuerte elektronische Kartenbilddarstellung in einem Kraftfahrzeug |
US5809440A (en) | 1997-02-27 | 1998-09-15 | Patchen, Inc. | Agricultural implement having multiple agents for mapping fields |
US5995894A (en) | 1997-05-27 | 1999-11-30 | Case Corporation | System for analyzing spatially-variable harvest data by pass |
JP3013036B2 (ja) | 1997-06-04 | 2000-02-28 | ヤンマー農機株式会社 | コンバイン |
US5991687A (en) | 1997-07-02 | 1999-11-23 | Case Corporation | System and method for communicating information related to a geographical area |
US5899950A (en) | 1997-07-07 | 1999-05-04 | Case Corporation | Sequential command repeater system for off-road vehicles |
US5878821A (en) | 1997-07-08 | 1999-03-09 | Flenker; Kevin P. | Tillage implement with on-the-go angle and depth controlled discs |
US5995895A (en) | 1997-07-15 | 1999-11-30 | Case Corporation | Control of vehicular systems in response to anticipated conditions predicted using predetermined geo-referenced maps |
GB9716251D0 (en) | 1997-08-01 | 1997-10-08 | Philips Electronics Nv | Attribute interpolation in 3d graphics |
ATE272149T1 (de) | 1997-08-20 | 2004-08-15 | Roxbury Ltd | Baugrundbehandlung |
DE19740346A1 (de) | 1997-09-13 | 1999-03-18 | Claas Selbstfahr Erntemasch | Selbstfahrende Arbeitsmaschine |
US6178253B1 (en) | 1997-10-10 | 2001-01-23 | Case Corporation | Method of determining and treating the health of a crop |
DE19800238C1 (de) | 1998-01-07 | 1999-08-26 | Claas Selbstfahr Erntemasch | System zur Einstellung einer selbstfahrenden Erntemaschine |
US6041582A (en) | 1998-02-20 | 2000-03-28 | Case Corporation | System for recording soil conditions |
GB9811177D0 (en) | 1998-05-26 | 1998-07-22 | Ford New Holland Nv | Methods for generating field maps |
DE19828355C2 (de) | 1998-06-25 | 2000-09-07 | Lausitzer Und Mitteldeutsche B | Pneumatisch-Dynamische-Sonde und Verfahren zur Erkundung und Beurteilung kollabiler, nichtbindiger Böden |
US6199000B1 (en) | 1998-07-15 | 2001-03-06 | Trimble Navigation Limited | Methods and apparatus for precision agriculture operations utilizing real time kinematic global positioning system systems |
US6141614A (en) | 1998-07-16 | 2000-10-31 | Caterpillar Inc. | Computer-aided farming system and method |
US6016713A (en) | 1998-07-29 | 2000-01-25 | Case Corporation | Soil sampling "on the fly" |
DE19836659A1 (de) | 1998-08-13 | 2000-02-17 | Hoechst Schering Agrevo Gmbh | Herbizide Mittel für tolerante oder resistente Baumwollkulturen |
US6327569B1 (en) | 1998-10-15 | 2001-12-04 | Milestone Technology, Inc. | System and methods for real time linkage between harvest environment and marketplace |
US6272819B1 (en) | 1998-11-17 | 2001-08-14 | Case Corporation | Sugar cane yield monitor |
US6216071B1 (en) | 1998-12-16 | 2001-04-10 | Caterpillar Inc. | Apparatus and method for monitoring and coordinating the harvesting and transporting operations of an agricultural crop by multiple agricultural machines on a field |
US6380745B1 (en) | 1999-03-17 | 2002-04-30 | Dennis M. Anderson | Electrical geophysical apparatus for determining the density of porous materials and establishing geo-electric constants of porous material |
US6205381B1 (en) | 1999-03-26 | 2001-03-20 | Caterpillar Inc. | Method and apparatus for providing autoguidance for multiple agricultural machines |
US6119442A (en) | 1999-05-14 | 2000-09-19 | Case Corporation | Combine setting autoadjust with machine vision |
GB2350275B (en) | 1999-05-25 | 2003-12-24 | Agco Ltd | Improvements in yield mapping |
US6374173B1 (en) | 1999-05-28 | 2002-04-16 | Freightliner Llc | Terrain adaptive cruise control |
US6188942B1 (en) | 1999-06-04 | 2001-02-13 | Caterpillar Inc. | Method and apparatus for determining the performance of a compaction machine based on energy transfer |
JP3460224B2 (ja) | 1999-06-09 | 2003-10-27 | 株式会社大林組 | 盛土転圧管理システム |
US6236924B1 (en) | 1999-06-21 | 2001-05-22 | Caterpillar Inc. | System and method for planning the operations of an agricultural machine in a field |
US6119531A (en) | 1999-08-03 | 2000-09-19 | Case Corporation | Crop sampling system |
JP2001057809A (ja) | 1999-08-20 | 2001-03-06 | Yanmar Agricult Equip Co Ltd | 農作業機におけるエラー信号の記憶制御装置 |
US6505146B1 (en) | 1999-09-24 | 2003-01-07 | Monsanto Company | Method and system for spatial evaluation of field and crop performance |
CA2283767C (en) | 1999-09-27 | 2007-06-19 | Monsanto Company | Method and system for spatial evaluation of field crop perfomance |
EA017859B1 (ru) | 1999-10-14 | 2013-03-29 | Басф Се | Синергетические гербицидные композиции и способы их применения |
AU2001227586A1 (en) | 2000-01-14 | 2001-07-24 | Ag-Chem Equipment Company, Inc. | Application report and method for creating the same |
CA2330979A1 (en) | 2000-02-10 | 2001-08-10 | L. Gregory Alster | Method and apparatus for controlling harvesting of trees |
DE10023443A1 (de) | 2000-05-12 | 2001-11-15 | Deere & Co | Fördervorrichtung |
FI114171B (fi) | 2000-05-12 | 2004-08-31 | Antti Paakkinen | Menetelmä ja laite maamassojen ja muiden niiden kaltaisten massojen tiivistysominaisuuksien mittaamiseksi |
GT200100103A (es) | 2000-06-09 | 2002-02-21 | Nuevos herbicidas | |
US6460008B1 (en) | 2000-07-19 | 2002-10-01 | Ivan E. Hardt | Yield monitoring system for grain harvesting combine |
US6735568B1 (en) | 2000-08-10 | 2004-05-11 | Eharmony.Com | Method and system for identifying people who are likely to have a successful relationship |
US6522948B1 (en) | 2000-08-14 | 2003-02-18 | Flexi-Coil Ltd. | Agricultural product application tracking and control |
SE520299C2 (sv) | 2000-08-23 | 2003-06-24 | Bengt Soervik | Förfarande och system för hantering av virkesbitar |
US6539102B1 (en) | 2000-09-01 | 2003-03-25 | Large Scale Proteomics | Reference database |
US6591145B1 (en) | 2000-09-21 | 2003-07-08 | Bechtel Bwxt Idaho, Llc | Systems and methods for autonomously controlling agricultural machinery |
DE10050224A1 (de) | 2000-10-11 | 2002-04-25 | Volkswagen Ag | Verfahren und Einrichtung zum Überwachen und/oder Steuern von beweglichen Objekten |
DE10053446B4 (de) | 2000-10-27 | 2006-03-02 | Wacker Construction Equipment Ag | Lenkbare Vibrationsplatte und fahrbares Vibrationsplattensystem |
CN2451633Y (zh) | 2000-11-23 | 2001-10-03 | 鹤壁市公路管理总段第二工程处 | 公路灰土基层压实度测定取样机 |
FR2817344B1 (fr) | 2000-11-28 | 2003-05-09 | Sol Solution | Penetrometre dynamique a energie variable |
JP2002186348A (ja) | 2000-12-20 | 2002-07-02 | Yanmar Agricult Equip Co Ltd | 穀物貯蔵施設への穀物運搬システム |
DE10064861A1 (de) | 2000-12-23 | 2002-06-27 | Claas Selbstfahr Erntemasch | Vorrichtung und Verfahren zur automatischen Steuerung einer Überladeeinrichtung an landwirtschaftlichen Erntemaschinen |
US6682416B2 (en) | 2000-12-23 | 2004-01-27 | Claas Selbstfahrende Erntemaschinen Gmbh | Automatic adjustment of a transfer device on an agricultural harvesting machine |
DE10064862A1 (de) | 2000-12-23 | 2002-07-11 | Claas Selbstfahr Erntemasch | Vorrichtung und Verfahren zur Koordination und Einstellung von landwirtschaftlichen Fahrzeugen |
GB2372105B (en) | 2001-02-13 | 2004-10-27 | Agco Ltd | Improvements in Mapping Techniques |
DE60118518T2 (de) | 2001-03-08 | 2006-12-14 | Deere & Company, Moline | Mittel zur Messung der Schnittbreite von Erntegut |
DE10120173B4 (de) | 2001-04-24 | 2006-02-23 | Gebr. Pöttinger GmbH | Verfahren und Vorrichtung zum Betreiben von Landmaschinen |
DE10129135B4 (de) | 2001-06-16 | 2013-10-24 | Deere & Company | Einrichtung zur Positionsbestimmung eines landwirtschaftlichen Arbeitsfahrzeugs sowie ein landwirtschaftliches Arbeitsfahrzeug mit dieser |
DE10129133A1 (de) | 2001-06-16 | 2002-12-19 | Deere & Co | Einrichtung zur selbsttätigen Lenkung eines landwirtschaftlichen Arbeitsfahrzeugs |
US6549849B2 (en) | 2001-06-25 | 2003-04-15 | Trimble Navigation Ltd. | Guidance pattern allowing for access paths |
DE10130665A1 (de) | 2001-06-28 | 2003-01-23 | Deere & Co | Vorrichtung zur Messung der Menge von auf einem Feld stehenden Pflanzen |
DE10133191A1 (de) | 2001-07-07 | 2003-01-16 | Deere & Co | Landwirtschaftliche Bestellkombination |
DE10134141A1 (de) | 2001-07-13 | 2003-02-06 | Deere & Co | Verteilvorrichtung für aus einer Erntemaschine austretendes Häckselgut |
US6553300B2 (en) | 2001-07-16 | 2003-04-22 | Deere & Company | Harvester with intelligent hybrid control system |
US6591591B2 (en) | 2001-07-30 | 2003-07-15 | Deere & Company | Harvester speed control with header position input |
US6834550B2 (en) | 2001-09-10 | 2004-12-28 | The Regents Of The University Of California | Soil profile force measurement using an instrumented tine |
US6592453B2 (en) | 2001-09-27 | 2003-07-15 | Deere & Company | Harvester feedrate control with tilt compensation |
US6741921B2 (en) | 2001-10-05 | 2004-05-25 | Caterpillar Inc | Multi-stage truck assignment system and method |
US6655351B2 (en) | 2001-10-24 | 2003-12-02 | Deere & Company | Vehicle engine control |
US7034666B2 (en) | 2002-02-20 | 2006-04-25 | Scott William Knutson | Device used to aid in the loading and unloading of vehicles and implements |
US6943824B2 (en) | 2002-03-13 | 2005-09-13 | Deere & Company | Image processing spout control system |
US7761334B2 (en) | 2002-03-20 | 2010-07-20 | Deere & Company | Method and system for automated tracing of an agricultural product |
US6726559B2 (en) | 2002-05-14 | 2004-04-27 | Deere & Company | Harvester with control system considering operator feedback |
NL1020804C2 (nl) | 2002-06-06 | 2003-12-09 | Lely Entpr Ag | Werkwijze en systeem voor het uitvoeren van ten minste twee landbouwbewerkingen op een landbouwperceel. |
NL1020792C2 (nl) | 2002-06-06 | 2003-12-09 | Lely Entpr Ag | Landbouwmachine voor het uitvoeren van een landbouwbewerking. |
US7062368B2 (en) | 2002-06-11 | 2006-06-13 | Cnh America Llc | Combine having a system estimator to automatically estimate and dynamically change a target control parameter in a control algorithm |
DE10230474A1 (de) | 2002-07-06 | 2004-01-15 | Deere & Company, Moline | Einrichtung zur Dokumentierung des Betriebs eines Zusatzgeräts für eine Arbeitsmaschine |
US6681551B1 (en) | 2002-07-11 | 2004-01-27 | Deere & Co. | Programmable function control for combine |
GB0217297D0 (en) | 2002-07-26 | 2002-09-04 | Cnh Belgium Nv | Methods of optimising stochastic processing parameters in crop harvesting machines |
US7103451B2 (en) | 2002-08-19 | 2006-09-05 | Intime, Inc. | Method and system for spatially variable rate application of agricultural chemicals based on remotely sensed vegetation data |
DE10240219A1 (de) | 2002-08-28 | 2004-03-11 | Claas Selbstfahrende Erntemaschinen Gmbh | Vorrichtung zur Steuerung einer Überladeeinrichtung |
US6687616B1 (en) | 2002-09-09 | 2004-02-03 | Pioneer Hi-Bred International, Inc. | Post-harvest non-containerized reporting system |
US20040073468A1 (en) | 2002-10-10 | 2004-04-15 | Caterpillar Inc. | System and method of managing a fleet of machines |
EP1410715A1 (de) | 2002-10-19 | 2004-04-21 | Bayer CropScience GmbH | Aryloxyphenoxypropionate und Safener enthaltende Mittel und deren Verwendung zur Erhöhung der Unkrautbekämpfung |
DE10303516A1 (de) | 2003-01-30 | 2004-08-12 | Amazonen-Werke H. Dreyer Gmbh & Co. Kg | Vorrichtung zum Bearbeiten und/oder Bestellen von landwirtschaftlichen Flächen |
US7047133B1 (en) | 2003-01-31 | 2006-05-16 | Deere & Company | Method and system of evaluating performance of a crop |
US6999877B1 (en) | 2003-01-31 | 2006-02-14 | Deere & Company | Method and system of evaluating performance of a crop |
WO2004083531A2 (en) | 2003-03-13 | 2004-09-30 | Burton James D | Soil sampler apparatus and method |
DE10314573A1 (de) | 2003-03-31 | 2004-10-28 | Henkel Kgaa | Verfahren zum rechnergestützten Regeln einer Mehrzahl von in Serie miteinander gekoppelten Maschinen, Regelungseinrichtung und Maschinen-Anordnung |
US6907336B2 (en) | 2003-03-31 | 2005-06-14 | Deere & Company | Method and system for efficiently traversing an area with a work vehicle |
IL156478A0 (en) | 2003-06-17 | 2004-07-25 | Odf Optronics Ltd | Compact rotating observation assembly with a separate receiving and display unit |
WO2005012866A2 (en) | 2003-07-30 | 2005-02-10 | Bbnt Solutions Llc | Soil compaction measurement on moving platform |
DE10342922A1 (de) | 2003-09-15 | 2005-05-19 | Claas Selbstfahrende Erntemaschinen Gmbh | Häcksel- und Verteilvorrichtung |
EP1516961B1 (de) | 2003-09-19 | 2013-12-25 | Ammann Aufbereitung AG | Verfahren zur Ermittlung einer Bodensteifigkeit und Bodenverdichtungsvorrichtung |
US7408145B2 (en) | 2003-09-23 | 2008-08-05 | Kyle Holland | Light sensing instrument with modulated polychromatic source |
CN1894202A (zh) | 2003-12-19 | 2007-01-10 | 巴斯福股份公司 | 苯甲酰基取代的苯基丙氨酸酰胺 |
US7191062B2 (en) | 2003-12-22 | 2007-03-13 | Caterpillar Inc | Method and system of forecasting compaction performance |
US8407157B2 (en) | 2003-12-22 | 2013-03-26 | Deere & Company | Locating harvested material within a work area |
US20050150202A1 (en) | 2004-01-08 | 2005-07-14 | Iowa State University Research Foundation, Inc. | Apparatus and method for monitoring and controlling an agricultural harvesting machine to enhance the economic harvesting performance thereof |
JP2005227233A (ja) | 2004-02-16 | 2005-08-25 | Taisei Corp | 地盤密度の測定システム |
DE102004011789A1 (de) | 2004-03-09 | 2005-09-29 | Claas Selbstfahrende Erntemaschinen Gmbh | Vorrichtung zum Erfassen eines Ladewagens |
CA2560909A1 (en) | 2004-03-27 | 2005-10-06 | Bayer Cropscience Gmbh | Use of sulfonylureas |
DE102004025135B4 (de) | 2004-05-17 | 2006-04-20 | Pt-Poly-Tec Gmbh Vertrieb Und Herstellung Von Dichtsystemen | Verfahren und Anordnung zur Leckagevorwarnung und Bauteilpositionierungsanzeige bei Muffenverbindungen |
US20070199903A1 (en) | 2004-05-18 | 2007-08-30 | Denney Larry W | System For Removing Solids From Aqueous Solutions |
US20050283314A1 (en) | 2004-06-10 | 2005-12-22 | Pioneer Hi-Bred International, Inc. | Apparatus, method and system of information gathering and use |
US7261632B2 (en) | 2004-06-21 | 2007-08-28 | Deere & Company | Self-propelled harvesting machine |
DE102004031211A1 (de) | 2004-06-28 | 2006-02-09 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren und Vorrichtung zur Steuerung einer landwirtschaftlichen Arbeitsmaschine |
DE102004034799A1 (de) | 2004-07-19 | 2006-03-16 | Claas Selbstfahrende Erntemaschinen Gmbh | Kommunikationssystem für mobile und stationäre Einrichtungen |
DE102004039460B3 (de) | 2004-08-14 | 2006-04-20 | Deere & Company, Moline | System zur Bestimmung der relativen Position eines zweiten landwirtschaftlichen Fahrzeugs in Bezug auf ein erstes landwirtschaftliches Fahrzeug |
US7703036B2 (en) | 2004-08-16 | 2010-04-20 | Microsoft Corporation | User interface for displaying selectable software functionality controls that are relevant to a selected object |
US7398137B2 (en) | 2004-08-25 | 2008-07-08 | Caterpillar Inc. | System and method for remotely controlling machine operations using mapping information |
DE102004043169A1 (de) | 2004-09-03 | 2006-03-09 | Claas Selbstfahrende Erntemaschinen Gmbh | Elektronisches Datenaustauschsystem |
DE202004015141U1 (de) | 2004-09-27 | 2004-12-09 | Weber Maschinentechnik Gmbh | Bodenverdichter |
DE102004052298A1 (de) | 2004-10-06 | 2006-06-08 | Claas Selbstfahrende Erntemaschinen Gmbh | Überladeassistenzsystem |
US7211994B1 (en) | 2004-10-12 | 2007-05-01 | Federal Network Systems Inc. | Lightning and electro-magnetic pulse location and detection for the discovery of land line location |
US7248968B2 (en) | 2004-10-29 | 2007-07-24 | Deere & Company | Obstacle detection using stereo vision |
DE102004061439A1 (de) | 2004-12-17 | 2006-07-13 | Claas Selbstfahrende Erntemaschinen Gmbh | Datengenerierungs- und -übertragungssystem in landwirtschaftlichen Arbeitsmaschinen |
JP2006166871A (ja) | 2004-12-20 | 2006-06-29 | Iseki & Co Ltd | 収穫作業機制御用のコンバイン制御装置 |
DE102004063104A1 (de) | 2004-12-22 | 2006-07-13 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliche Arbeitsmaschine |
DE102005000770B3 (de) | 2005-01-05 | 2006-07-20 | Langlott, Jürgen | Verfahren zur Steuerung der Arbeitsorgane und der Fahrgeschwindigkeit eines Mähdreschers |
DE102005000771A1 (de) | 2005-01-05 | 2006-08-24 | Langlott, Jürgen | Verfahren zur Steuerung einer selbstfahrenden Erntemaschine |
US7194965B2 (en) | 2005-01-06 | 2007-03-27 | Deere & Company | Variety locator |
RU2005102554A (ru) | 2005-02-02 | 2006-07-10 | Дальневосточный научно-исследовательский и проектно-технологический институт механизации и электрификации сельского хоз йства (ГНУ ДальНИПТИМЭСХ) (RU) | Способ оценки уплотненности полей |
DE102005008105A1 (de) | 2005-02-21 | 2006-08-31 | Amazonen-Werke H. Dreyer Gmbh & Co. Kg | Elektronisches Maschinen-Management-System |
US20060200334A1 (en) | 2005-03-07 | 2006-09-07 | Deere & Company, A Delaware Corporation | Method of predicting suitability for a soil engaging operation |
US7167797B2 (en) | 2005-03-07 | 2007-01-23 | Deere & Company | Method of predicting suitability for a crop harvesting operation |
US7167800B2 (en) | 2005-04-12 | 2007-01-23 | Deere & Company | Method of optimizing remote sensing operation timing |
HU3056U (en) | 2005-04-29 | 2006-03-28 | G & G Noevenyvedelmi Es Keresk | Construction for making weed map |
DE102005025318A1 (de) | 2005-06-02 | 2006-12-14 | Deere & Company, Moline | Landwirtschaftliche Erntemaschine mit einer Austrageinrichtung und einem Kollisionssensor |
BRPI0502658A (pt) | 2005-06-28 | 2007-02-13 | Unicamp | sistema e processo de monitoramento de peso em esteiras de transporte de produtos com taliscas |
DE102005031426A1 (de) | 2005-07-04 | 2007-01-18 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren und Vorrichtung zur Optimierung von Betriebsparametern einer landwirtschaftlichen Arbeitsmaschine |
US20070021948A1 (en) | 2005-07-21 | 2007-01-25 | Anderson Noel W | Variable rate prescription generation using heterogenous prescription sources with learned weighting factors |
DE102005038553A1 (de) | 2005-08-12 | 2007-02-22 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zum Überladen von Erntegut |
DE102005043991A1 (de) | 2005-09-14 | 2007-08-09 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Einstellung eines Arbeitsaggregats einer Erntemaschine |
CN100416590C (zh) | 2005-09-23 | 2008-09-03 | 中国农业机械化科学研究院 | 利用位置和纹理特征自动识别作物苗期田间杂草的方法 |
US7302837B2 (en) | 2005-09-27 | 2007-12-04 | Cnh America Llc | Tire inflation system for use with an agricultural implement |
US7945364B2 (en) | 2005-09-30 | 2011-05-17 | Caterpillar Inc. | Service for improving haulage efficiency |
US7725233B2 (en) | 2005-10-25 | 2010-05-25 | Deere & Company | Crop attribute map input for vehicle guidance |
US7827042B2 (en) | 2005-11-30 | 2010-11-02 | The Invention Science Fund I, Inc | Methods and systems related to transmission of nutraceutical associated information |
DE102005059003A1 (de) | 2005-12-08 | 2008-03-27 | Claas Selbstfahrende Erntemaschinen Gmbh | Routenplanungssystem für landwirtschaftliche Arbeitsmaschinen |
ES2311322B1 (es) | 2005-12-16 | 2009-11-30 | Consejo Superior Investigaciones Cientificas | Procedimiento para la discriminacion y mapeo de los rodales de malas hierbas gramineas en cultivos de cereales mediante teledeteccion. |
AU2006328589A1 (en) | 2005-12-22 | 2007-06-28 | Basf Se | Pestcidal compositions |
US20070185749A1 (en) | 2006-02-07 | 2007-08-09 | Anderson Noel W | Method for tracking hand-harvested orchard crops |
US7318010B2 (en) | 2006-02-07 | 2008-01-08 | Deere & Company | Method of regulating wireless sensor network energy use |
US20080276590A1 (en) | 2006-02-10 | 2008-11-13 | Agco Corporation | Flexible draper and cutter bar with tilt arm for cutterbar drive |
US20070208510A1 (en) | 2006-03-02 | 2007-09-06 | Deere & Company, A Delaware Corporation | Method of identifying and localizing drainage tile problems |
DE102006015204A1 (de) | 2006-03-30 | 2007-10-18 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Erstellung eines Routenplans für landwirtschaftliche Maschinensysteme |
DE102006015203A1 (de) | 2006-03-30 | 2007-11-15 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Steuerung von landwirtschaftlichen Maschinensystemen |
US20070239337A1 (en) | 2006-04-10 | 2007-10-11 | Deere & Company, A Delaware Corporation | System and method of optimizing ground engaging operations in multiple-fields |
US7347168B2 (en) | 2006-05-15 | 2008-03-25 | Freightliner Llc | Predictive auxiliary load management (PALM) control apparatus and method |
DE102006026572A1 (de) | 2006-06-06 | 2007-12-13 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren und Vorrichtung zur Anzeige von Fahrzeugbewegungen |
US7313478B1 (en) | 2006-06-08 | 2007-12-25 | Deere & Company | Method for determining field readiness using soil moisture modeling |
DE102006028909A1 (de) | 2006-06-21 | 2007-12-27 | Claas Selbstfahrende Erntemaschinen Gmbh | Kommunikationsnetz und Betriebsverfahren dafür |
MXGT06000012A (es) | 2006-08-01 | 2008-01-31 | Univ Guanajuato | Dispositivo para medir y mapear la compactacion del suelo, acoplable a tractor agricola. |
US20080030320A1 (en) | 2006-08-03 | 2008-02-07 | Deere & Company, A Delaware Corporation | Agricultural lift with data gathering capability |
DE102006045280A1 (de) | 2006-09-22 | 2008-04-03 | Claas Selbstfahrende Erntemaschinen Gmbh | Vorrichtung und Verfahren zur Koordination eines Maschinenparks |
CZ17266U1 (cs) | 2006-11-09 | 2007-02-15 | Šarec@Ondrej | Zařízení pro měření utužení půdy - penetrometr |
US7628059B1 (en) | 2006-11-22 | 2009-12-08 | The Toro Company | Mobile turf instrument apparatus having driven, periodically insertable, ground penetrating probe assembly |
US20080140431A1 (en) | 2006-12-07 | 2008-06-12 | Noel Wayne Anderson | Method of performing an agricultural work operation using real time prescription adjustment |
EP1938686A1 (de) | 2006-12-29 | 2008-07-02 | Bayer CropScience AG | Substituierte 1-(3-Pyridinyl)pyrazol-4-yl-essigsäuren, Verfahren zu deren Herstellung und deren Verwendung als Herbizide und Pflanzenwachstumsregulatoren |
US9615501B2 (en) | 2007-01-18 | 2017-04-11 | Deere & Company | Controlling the position of an agricultural implement coupled to an agricultural vehicle based upon three-dimensional topography data |
CN101236188B (zh) | 2007-01-31 | 2011-04-13 | 北京林业大学 | 土壤水分无线测量装置 |
DE102007016670A1 (de) | 2007-04-04 | 2008-10-09 | Claas Selbstfahrende Erntemaschinen Gmbh | Selbstfahrende landwirtschaftliche Erntemaschine mit steuerbarer Überladeeinrichtung |
BRPI0808408B1 (pt) | 2007-04-05 | 2018-04-17 | Iowa State University Research Foundation, Inc. | Sistema de colheita de resíduo de cultura para uma máquina de colheita, máquina de colheita e método para colher uma cultura usando uma máquina de colheita |
DE102007018743A1 (de) | 2007-04-22 | 2008-10-23 | Bomag Gmbh | Verfahren und System zur Steuerung von Verdichtungsmaschinen |
US7487024B2 (en) | 2007-04-26 | 2009-02-03 | Cnh America Llc | Apparatus and method for automatically setting operating parameters for a remotely adjustable spreader of an agricultural harvesting machine |
EP1987718A1 (de) | 2007-04-30 | 2008-11-05 | Bayer CropScience AG | Verwendung von Pyridin-2-oxy-3-carbonamiden als Safener |
US8010261B2 (en) | 2007-05-23 | 2011-08-30 | Cnh America Llc | Automatic steering correction of an agricultural harvester using integration of harvester header row sensors and harvester auto guidance system |
TW200904331A (en) | 2007-06-15 | 2009-02-01 | Bayer Cropscience Sa | Pesticidal composition comprising a strigolactone derivative and an insecticide compound |
TW200904330A (en) | 2007-06-15 | 2009-02-01 | Bayer Cropscience Sa | Pesticidal composition comprising a strigolactone derivative and a fungicide compound |
FR2901291B1 (fr) | 2007-07-06 | 2020-10-09 | Soc Du Canal De Provence Et Damenagement De La Region Provencale | Dispositif pour mesurer le tassement du sol soutenant une construction |
DE102007032309A1 (de) | 2007-07-11 | 2009-01-15 | Deere & Company, Moline | Bedienvorrichtung |
ATE546991T1 (de) | 2007-08-03 | 2012-03-15 | Agrocom Gmbh & Co Agrarsystem Kg | Landwirtschaftliche arbeitsmaschine |
EP2311815B1 (de) | 2007-08-13 | 2012-12-19 | Dow AgroSciences LLC | 2-(2-Fluor-substituierte phenyl)-6-amino-5-chlor-4-pyrimidincarboxylate und ihre Verwendung als Herbizide |
US8073235B2 (en) | 2007-08-13 | 2011-12-06 | Pioneer Hi-Bred International, Inc. | Method and system for digital image analysis of ear traits |
GB0717986D0 (en) | 2007-09-14 | 2007-10-24 | Cnh Belgium Nv | A method and apparatus for detecting errors in electronically processed images |
BRPI0817450B1 (pt) | 2007-09-26 | 2018-12-18 | Prec Planting Inc | método de determinar quando ajustar a força descendente suplementar |
US8060283B2 (en) | 2007-10-15 | 2011-11-15 | Deere & Company | Method and system for controlling the loading of a container associated with a vehicle |
EP2052604A1 (de) | 2007-10-24 | 2009-04-29 | Bayer CropScience AG | Salz des 2-lodo-N-[(4-methoxy-6-methyl-1,3,5-triazin-2-yl)carbamoyl] benzolsulfonamids,Verfahren zu deren Herstellung, sowie deren Verwendung als Herbizide und Pflanzenwachstumregulatoren |
EP2052616A1 (de) | 2007-10-24 | 2009-04-29 | Bayer CropScience AG | Herbizid-Safener-Kombination |
DE102007053912A1 (de) | 2007-11-09 | 2009-05-14 | Claas Selbstfahrende Erntemaschinen Gmbh | Überladeassistenzsystem |
US8024074B2 (en) | 2007-12-07 | 2011-09-20 | Deere & Company | System and method of managing substances in a plant root zone |
US8924030B2 (en) | 2008-01-24 | 2014-12-30 | Cnh Industrial America Llc | Method and apparatus for optimization of agricultural field operations using weather, product and environmental information |
US8190335B2 (en) | 2008-02-04 | 2012-05-29 | Caterpillar Inc. | Performance management system for multi-machine worksite |
PE20100014A1 (es) | 2008-02-13 | 2010-02-17 | Raymond Brian Harrington | Destruccion de maleza y semillas de poblaciones voluntarias |
US20090216410A1 (en) | 2008-02-26 | 2009-08-27 | William Edward Allen | Automated machine management system with destination selection |
DE102008015277A1 (de) | 2008-03-20 | 2009-09-24 | Deere & Company, Moline | Verfahren und Vorrichtung zur Lenkung einer zweiten landwirtschaftlichen Maschine, die relativ zu einer ersten landwirtschaftlichen Maschine über ein Feld lenkbar ist |
US20090259483A1 (en) | 2008-04-11 | 2009-10-15 | Larry Lee Hendrickson | Method for making a land management decision based on processed elevational data |
US8060269B2 (en) | 2008-04-16 | 2011-11-15 | Cnh America Llc | Swath line creation including slope compensation for an automatic guidance system of a work vehicle |
DE102008020494A1 (de) | 2008-04-23 | 2009-10-29 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zum Koordinieren von fahrbaren landwirtschaftlichen Maschinen |
DE102008021785A1 (de) | 2008-04-30 | 2009-11-05 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren und Vorrichtung zum Koordinieren eines Bearbeitungsvorgangs von landwirtschaftlicher Fläche |
CN201218789Y (zh) | 2008-05-09 | 2009-04-08 | 昆明理工大学 | 一种手持式定压土壤压实度测量装置 |
CA2629555A1 (en) | 2008-05-14 | 2009-11-14 | Gerard Voon | Related/overlapping innovations in health/energy/transport/farming and infrastructure |
DE102008002006A1 (de) | 2008-05-27 | 2009-12-03 | Deere & Company, Moline | Steueranordnung zur Kontrolle des Überladens landwirtschaftlichen Ernteguts von einer Erntemaschine auf ein Transportfahrzeug |
DE102008027282A1 (de) | 2008-06-06 | 2009-12-10 | Claas Industrietechnik Gmbh | Landwirtschaftliches Fahrzeug und Betriebsverfahren dafür |
US8175775B2 (en) | 2008-06-11 | 2012-05-08 | Cnh America Llc | System and method employing short range communications for establishing performance parameters of an exemplar agricultural machine among a plurality of like-purpose agricultural machines |
DE102008027906A1 (de) | 2008-06-12 | 2009-12-17 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliche Erntemaschine |
US8147176B2 (en) | 2008-06-17 | 2012-04-03 | Deere & Company | Work machine and unloading system for unloading an agricultural product from a work machine |
ES2332567B1 (es) | 2008-06-27 | 2011-02-10 | Consejo Superior Investigacion | Procedimiento automatico para seccionar imagenes remotas y caracterizar indicadores agronomicos y ambientales en las mismas |
US8032255B2 (en) | 2008-06-30 | 2011-10-04 | Deere & Company | Monitoring of bin level for an agricultural product |
CN101303338B (zh) | 2008-07-01 | 2011-10-05 | 中国农业大学 | 一种车载行进式土壤坚实度传感器 |
WO2010003421A1 (en) | 2008-07-08 | 2010-01-14 | Aarhus Universitet | Method for optimizing harvesting of crops |
DE102008032418A1 (de) | 2008-07-10 | 2010-01-14 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftlicher Maschinenverband |
BRPI0802384B1 (pt) | 2008-07-23 | 2019-04-30 | Roberto Shiniti Sako | Penetrômetro portátil para análise de compactação de solo |
KR100974892B1 (ko) | 2008-08-01 | 2010-08-11 | 한국철도기술연구원 | 지반의 다짐 품질 측정 방법 |
US9152938B2 (en) | 2008-08-11 | 2015-10-06 | Farmlink Llc | Agricultural machine and operator performance information systems and related methods |
US8280595B2 (en) | 2008-08-12 | 2012-10-02 | Cnh America Llc | System and method employing short range communications for communicating and exchanging operational and logistical status information among a plurality of agricultural machines |
US8478493B2 (en) | 2008-09-11 | 2013-07-02 | Deere & Company | High integrity perception program |
US8818567B2 (en) | 2008-09-11 | 2014-08-26 | Deere & Company | High integrity perception for machine localization and safeguarding |
US8195358B2 (en) | 2008-09-11 | 2012-06-05 | Deere & Company | Multi-vehicle high integrity perception |
US8195342B2 (en) | 2008-09-11 | 2012-06-05 | Deere & Company | Distributed knowledge base for vehicular localization and work-site management |
US9235214B2 (en) | 2008-09-11 | 2016-01-12 | Deere & Company | Distributed knowledge base method for vehicular localization and work-site management |
US8224500B2 (en) | 2008-09-11 | 2012-07-17 | Deere & Company | Distributed knowledge base program for vehicular localization and work-site management |
US8145393B2 (en) | 2008-09-17 | 2012-03-27 | Cnh America Llc | System and method employing short range communications for interactively coordinating unloading operations between a harvester and a grain transport |
GB0817172D0 (en) | 2008-09-19 | 2008-10-29 | Cnh Belgium Nv | Control system for an agricultural harvesting machine |
CN101363833B (zh) | 2008-09-25 | 2012-02-22 | 中国科学院地质与地球物理研究所 | 一种土体击实排水模型试验装置 |
DE102008050460A1 (de) | 2008-10-08 | 2010-04-15 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Einsatzsteuerung von landwirtschaftlichen Maschinen |
US8639408B2 (en) | 2008-10-15 | 2014-01-28 | Deere & Company | High integrity coordination system for multiple off-road vehicles |
DE102008056557A1 (de) | 2008-11-10 | 2010-05-12 | Claas Selbstfahrende Erntemaschinen Gmbh | Erstellung von Bilddatenbanken für Bildauswertung |
DE102008061252A1 (de) | 2008-11-24 | 2010-05-27 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Unterstützung der Automatisierung landwirtschaftlicher Leistungen |
EP2191719A1 (de) | 2008-11-29 | 2010-06-02 | Bayer CropScience AG | Herbizid-Safener-Kombination |
KR101067576B1 (ko) | 2008-12-03 | 2011-09-27 | 한국수자원공사 | 성토재료의 다짐특성 실내 측정방법 및 장치 |
US8577537B2 (en) | 2008-12-16 | 2013-11-05 | Agco Corporation | Methods and systems for optimizing performance of vehicle guidance systems |
EP2210879A1 (de) | 2008-12-30 | 2010-07-28 | Bayer CropScience AG | Pyrimidinderivate und ihre Verwendung zur Bekämpfung unerwünschten Pflanzenwachstums |
DE102009009767A1 (de) | 2009-02-20 | 2010-08-26 | Claas Selbstfahrende Erntemaschinen Gmbh | Fahrerassistenzsystem für landwirtschaftliche Arbeitsmaschine |
DE102009009817A1 (de) | 2009-02-20 | 2010-08-26 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliches Arbeitsfahrzeug und Steuereinheit dafür |
CN101929166B (zh) | 2009-04-14 | 2012-08-08 | 洛阳路为电子科技有限公司 | 便携式土基密实度测量仪 |
US8321365B2 (en) | 2009-04-21 | 2012-11-27 | Deere & Company | Horticultural knowledge base for managing yards and gardens |
US9538714B2 (en) | 2009-04-21 | 2017-01-10 | Deere & Company | Managing resource prescriptions of botanical plants |
US7993188B2 (en) | 2009-06-09 | 2011-08-09 | Deere & Company | Variable rate diverter for a crop residue collecting device carried by a combine harvester |
DE102009025438A1 (de) | 2009-06-16 | 2011-01-05 | Claas Selbstfahrende Erntemaschinen Gmbh | Routenplanungsverfahren und -system |
US20100319941A1 (en) | 2009-06-22 | 2010-12-23 | Agco Corp. | Trenching Device And System |
DE102009027245A1 (de) | 2009-06-26 | 2010-12-30 | Deere & Company, Moline | Steueranordnung zur Kontrolle des Überladens landwirtschaftlichen Ernteguts von einer Erntemaschine auf ein Transportfahrzeug |
KR20110018582A (ko) | 2009-08-18 | 2011-02-24 | 진성기 | 약액형 및 분말형 고화제를 이용한 고화 흙벽돌 및 블록 제작 방법 |
EP2311307B1 (de) | 2009-09-07 | 2011-12-07 | CLAAS Agrosystems GmbH & Co. KG | Füllstärkemessgerät, landwirtschaftliches Fahrzeug mit solch einem Messgerät und Verfahren zur Steuerung der Befüllung eines Zielbereichs |
DE102009041646A1 (de) | 2009-09-17 | 2011-03-24 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliche Maschine mit Autopilot |
US20110224873A1 (en) | 2009-09-17 | 2011-09-15 | Reeve David R | Vehicle assembly controller with automaton framework and control method |
AU2010224431A1 (en) | 2009-09-29 | 2011-04-14 | Riteway Holdings Australia Pty Ltd | An apparatus to be used in conjunction with a grain harvester for collecting weeds, weed seeds, chaff and so forth |
US9345194B2 (en) | 2009-09-30 | 2016-05-24 | Cnh Industrial America Llc | Automatic display of remote camera image |
CZ20252U1 (cs) | 2009-10-06 | 2009-11-16 | Šarec@Petr | Přístroj pro měření utužení půdy s laserovým snímáním hloubky - laserový penetrometr |
US8082809B2 (en) | 2009-10-08 | 2011-12-27 | Pioneer Hi-Bred International, Inc. | Combine harvester and associated method for selectively gathering grain test data |
US8344897B2 (en) | 2009-10-12 | 2013-01-01 | Agco Corporation | System and method for assisting in the refilling of agricultural vehicles |
KR101134075B1 (ko) | 2009-10-13 | 2012-04-13 | 한국건설기술연구원 | 지반다짐장비의 이동에 따른 지반의 연속 다짐정보 제공장치 및 이를 이용한 지반의 연속 다짐정보 제공방법 |
US8738238B2 (en) | 2009-11-12 | 2014-05-27 | Deere & Company | Coordination of vehicle movement in a field |
EP2503867B1 (de) | 2009-11-25 | 2018-04-25 | Aarhus Universitet | System zur verringerung der bodenverdichtung |
US8635903B2 (en) | 2009-12-22 | 2014-01-28 | Caterpillar Paving Products Inc. | Method and system for compaction measurement |
US20110160961A1 (en) | 2009-12-29 | 2011-06-30 | Agco Corporation | Guidance using a worked edge for wayline generation |
DE102010004648A1 (de) | 2010-01-13 | 2011-07-14 | CLAAS Selbstfahrende Erntemaschinen GmbH, 33428 | Erntemaschine, insbesondere Feldhäcksler |
UA103928C2 (ru) | 2010-01-15 | 2013-12-10 | Лейка Геосистемз Аг | Система и способ общего использования данных |
CN102138383A (zh) | 2010-01-28 | 2011-08-03 | 中国农业机械化科学研究院 | 一种联合收割机谷物损失空间分布的测量方法及其装置 |
EP2353353A1 (de) | 2010-02-05 | 2011-08-10 | Flander's Mechatronics Technology Centre v.z.w. | Einsatzanpassung der Planung von Bodenverarbeitungsoperationen für mehrere Fahrzeuge |
RU2421744C1 (ru) | 2010-02-15 | 2011-06-20 | Открытое акционерное общество "Научно-исследовательский институт приборостроения имени В.В. Тихомирова" | Компактный полигон для измерения характеристик различных антенных систем |
US10537061B2 (en) | 2010-02-26 | 2020-01-21 | Cnh Industrial America Llc | System and method for controlling harvest operations |
JP5522785B2 (ja) | 2010-03-19 | 2014-06-18 | 株式会社日立ソリューションズ | 農作業車両運行管理システム |
JP2011205967A (ja) | 2010-03-30 | 2011-10-20 | Takayuki Nishida | 水田における雑草の発生防止用ロボット |
US20110257850A1 (en) | 2010-04-14 | 2011-10-20 | Reeve David R | Vehicle assembly control system and method for composing or decomposing a task |
US8527157B2 (en) | 2010-04-28 | 2013-09-03 | Deere & Company | Agricultural combine and draper header |
US8463510B2 (en) | 2010-04-30 | 2013-06-11 | Cnh America Llc | GPS controlled residue spread width |
CN101839906B (zh) | 2010-05-10 | 2013-10-09 | 吉林大学 | 一种具有耐磨几何结构表面的锥形触土部件 |
CA135611S (en) | 2010-05-19 | 2011-05-05 | Rhonda Genest | Weed removing and grooming garden hand tool |
WO2011150351A2 (en) | 2010-05-28 | 2011-12-01 | Gvm, Inc. | System and method for collecting and processing agricultural field data |
US8380401B2 (en) | 2010-06-09 | 2013-02-19 | Cnh America Llc | Automatic grain transfer control system based on real time modeling of a fill level profile for regions of the receiving container |
DE102010017687A1 (de) | 2010-07-01 | 2012-01-05 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Einstellung zumindest eines Arbeitsorganes einer selbstfahrenden Erntemaschine |
BE1019422A3 (nl) | 2010-07-14 | 2012-07-03 | Cnh Belgium Nv | Werkwijze en toestel voor voorspellende sturing van een landbouwvoertuigsysteem. |
DE102010038661B4 (de) | 2010-07-29 | 2020-07-02 | Deere & Company | Erntemaschine mit einem an einem Fluggerät befestigten Sensor |
US8544397B2 (en) | 2010-09-15 | 2013-10-01 | Dawn Equipment Company | Row unit for agricultural implement |
DE102010053331A1 (de) | 2010-09-28 | 2012-03-29 | Lacos Computerservice Gmbh | Verfahren und Navigationsvorrichtung zur Optimierung des Transportes landwirtschaftlicher Produkte |
US9043129B2 (en) | 2010-10-05 | 2015-05-26 | Deere & Company | Method for governing a speed of an autonomous vehicle |
US9072227B2 (en) | 2010-10-08 | 2015-07-07 | Deere & Company | System and method for improvement of harvest with crop storage in grain bags |
US8789563B2 (en) | 2010-10-12 | 2014-07-29 | Deere & Company | Intelligent grain bag loader |
US8677724B2 (en) | 2010-10-25 | 2014-03-25 | Deere & Company | Round baler for baling crop residue |
US8596194B2 (en) | 2010-10-28 | 2013-12-03 | Deere & Company | Method and apparatus for determining fraction of hay at different moisture levels |
DE102010043854B4 (de) | 2010-11-12 | 2016-01-14 | Deere & Company | Steueranordnung zur Kontrolle des Überladens landwirtschaftlichen Ernteguts von einer Erntemaschine auf ein Transportfahrzeug |
DE102010052713A1 (de) | 2010-11-26 | 2012-05-31 | Bomag Gmbh | Verfahrbare Vorrichtung zur Verdichtung eines Bodenschichtaufbaus und Verfahren zur Ermittlung eines Schicht-E-Moduls einer obersten Schicht dieses Bodenschichtaufbaus |
GB2492954A (en) | 2010-12-06 | 2013-01-23 | Agco Corp | A system for automatic agricultural reporting |
RU2447640C1 (ru) | 2010-12-08 | 2012-04-20 | Василий Васильевич Ефанов | Способ управления технологическим процессом уборочной машины и система для его осуществления |
CN102080373B (zh) | 2010-12-09 | 2012-07-04 | 西安建筑科技大学 | 用ddc桩和桩基础联合处理黄土地基湿陷性的施工方法 |
US10475212B2 (en) | 2011-01-04 | 2019-11-12 | The Climate Corporation | Methods for generating soil maps and application prescriptions |
ITTO20110133A1 (it) | 2011-02-16 | 2012-08-17 | Cnh Italia Spa | Sistema di comunicazione senza fili per veicoli agricoli |
UA111735C2 (uk) | 2011-02-18 | 2016-06-10 | СіЕнЕйч ІНДАСТРІАЛ АМЕРІКА ЕлЕлСі | Система й спосіб керування траєкторією транспортного засобу, використовуваного зі збиральною машиною |
US9002591B2 (en) | 2011-02-18 | 2015-04-07 | Cnh Industrial America Llc | Harvester spout control system and method |
US8606454B2 (en) | 2011-02-18 | 2013-12-10 | Cnh America Llc | System and method for synchronized control of a harvester and transport vehicle |
BR112013021038B1 (pt) | 2011-02-18 | 2018-06-26 | Cnh Industrial America Llc | Sistema e método de controle de bico de descarga de ceifadeira |
US8463460B2 (en) | 2011-02-18 | 2013-06-11 | Caterpillar Inc. | Worksite management system implementing anticipatory machine control |
US8655505B2 (en) | 2011-02-18 | 2014-02-18 | Caterpillar Inc. | Worksite management system implementing remote machine reconfiguration |
BRPI1100258A2 (pt) | 2011-02-28 | 2014-03-11 | Apagri Consultoria Agronomica Ltda | Processo para obtenção de mapas de aplicação em taxa variada de herbicidas pré-emergentes |
US8577561B2 (en) | 2011-03-08 | 2013-11-05 | Deere & Company | Control system and method of operating a product distribution machine |
US9631964B2 (en) | 2011-03-11 | 2017-04-25 | Intelligent Agricultural Solutions, Llc | Acoustic material flow sensor |
DE102011005400B4 (de) | 2011-03-11 | 2015-05-28 | Deere & Company | Anordnung und Verfahren zur Abschätzung des Füllgrades beim Überladen landwirtschaftlichen Ernteguts von einer Erntemaschine auf ein Transportfahrzeug |
US10318138B2 (en) | 2011-03-11 | 2019-06-11 | Intelligent Agricultural Solutions Llc | Harvesting machine capable of automatic adjustment |
US9629308B2 (en) | 2011-03-11 | 2017-04-25 | Intelligent Agricultural Solutions, Llc | Harvesting machine capable of automatic adjustment |
US9043096B2 (en) | 2011-03-31 | 2015-05-26 | Ag Leader Technology | Combine bin level monitoring system |
DE102011001858A1 (de) | 2011-04-07 | 2012-10-11 | Claas Selbstfahrende Erntemaschinen Gmbh | Vorrichtung und Verfahren zur Überwachung der Befahrbarkeit eines Bodens |
DE102011016743A1 (de) | 2011-04-12 | 2012-10-18 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliches Transportfahrzeug und Fahrzeugverbund |
DE102011002071A1 (de) | 2011-04-15 | 2012-10-18 | Claas Selbstfahrende Erntemaschinen Gmbh | System und Verfahren zur Steuerung der Erntegutüberladung |
DE102011007511A1 (de) | 2011-04-15 | 2012-10-18 | Deere & Company | Verfahren zur Einstellung einer Reinigungseinrichtung eines Mähdreschers und Reinigungseinrichtung |
CN102277867B (zh) | 2011-05-13 | 2013-10-09 | 西安建筑科技大学 | 一种湿陷性黄土地基的施工方法 |
CN202110103U (zh) | 2011-05-14 | 2012-01-11 | 长沙亚星数控技术有限公司 | 电液伺服车载式混填土压实度快速测定系统 |
DE102011050474A1 (de) | 2011-05-19 | 2012-11-22 | Amazonen-Werke H. Dreyer Gmbh & Co.Kg | Landwirtschaftliches Gerät |
DE102011050629A1 (de) | 2011-05-25 | 2012-11-29 | Claas Selbstfahrende Erntemaschinen Gmbh | Erntevorrichtung |
EP2529610A1 (de) | 2011-05-30 | 2012-12-05 | Agri-Esprit SAS | Verfahren zur Ernteüberwachung |
CN202119772U (zh) | 2011-06-01 | 2012-01-18 | 王新勇 | 一种车载土基密实度在线测量仪 |
EP3343176B1 (de) | 2011-06-13 | 2020-01-08 | The Climate Corporation | Verfahren zur erzeugung von applikationskarten |
US20130019580A1 (en) | 2011-07-20 | 2013-01-24 | Anderson Noel W | Bidirectional harvesting system |
US20130022430A1 (en) | 2011-07-20 | 2013-01-24 | Anderson Noel W | Material transfer system |
WO2013023964A1 (fr) | 2011-08-12 | 2013-02-21 | Rhodia Operations | Procede de fluoration d'un halogenure metallique en milieu aqueux |
DE102011052688B4 (de) | 2011-08-12 | 2021-02-04 | Andreas Reichhardt | Verfahren und System zur Befüllung von Transportfahrzeugen mit Erntegut |
US9511633B2 (en) | 2011-08-17 | 2016-12-06 | Deere & Company | Soil compaction management and reporting |
US8843269B2 (en) | 2011-08-17 | 2014-09-23 | Deere & Company | Vehicle soil pressure management based on topography |
DE102011082052B4 (de) | 2011-09-02 | 2015-05-28 | Deere & Company | Anordnung und Verfahren zur selbsttätigen Überladung von Erntegut von einer Erntemaschine auf ein Transportfahrzeug |
DE102011082908A1 (de) | 2011-09-19 | 2013-03-21 | Deere & Company | Verfahren und Anordnung zur optischen Beurteilung von Erntegut in einer Erntemaschine |
DE102011054630A1 (de) | 2011-10-20 | 2013-04-25 | Claas Agrosystems GmbH | Visualisierungseinrichtung |
EP2768298B1 (de) | 2011-10-21 | 2017-11-22 | Pioneer Hi-Bred International, Inc. | Mähdrescher und zugehöriges verfahren zum sammeln von körnern |
WO2013063106A2 (en) | 2011-10-24 | 2013-05-02 | Trimble Navigation Limited | Agricultural and soil management |
DE102011085380A1 (de) | 2011-10-28 | 2013-05-02 | Deere & Company | Anordnung und Verfahren zur vorausschauenden Untersuchung von mit einer Erntemaschine aufzunehmenden Pflanzen |
DE102011085977A1 (de) | 2011-11-09 | 2013-05-16 | Deere & Company | Sieb für eine Reinigungseinrichtung eines Mähdreschers |
US20130124239A1 (en) | 2011-11-15 | 2013-05-16 | Uriel Rosa | Crop yield per location measurer |
EP2782438B1 (de) | 2011-11-22 | 2017-06-21 | The Climate Corporation | Halmsensorvorrichtung, systeme und verfahren |
CN202340435U (zh) | 2011-11-28 | 2012-07-25 | 南京工业职业技术学院 | 基于作业路径的玉米产量实时测量系统 |
DE102011120402A1 (de) | 2011-12-03 | 2013-06-06 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Koordinieren einer Transportlogistik sowie Transportlogistiksystem |
BR102012017584B1 (pt) | 2011-12-08 | 2019-03-26 | Agco Do Brasil Máquinas E Equipamentos Agrícolas Ltda. | Sistema e método de auxílio de correção de velocidade |
DE102011121414A1 (de) | 2011-12-17 | 2013-06-20 | Robert Bosch Gmbh | Verfahren und eine Vorrichtung zur Regelung einer Fahrt einer ersten selbstfahrenden Arbeitsmaschine in Bezug zu einer zweiten selbstfahrenden Arbeitsmaschine |
US8801512B2 (en) | 2011-12-19 | 2014-08-12 | Agco Corporation | Method for measuring air efficiency and efficacy in a combine harvester |
US8626406B2 (en) | 2011-12-22 | 2014-01-07 | Deere & Company | Method and system for transferring material between vehicles |
DE102012201333A1 (de) | 2012-01-31 | 2013-08-01 | Deere & Company | Landwirtschaftliche Maschine mit einem System zur selbsttätigen Einstellung eines Bearbeitungsparameters und zugehöriges Verfahren |
US9861040B2 (en) | 2012-02-10 | 2018-01-09 | Deere & Company | Method and stereo vision system for facilitating the unloading of agricultural material from a vehicle |
GB2511714B (en) | 2012-02-10 | 2017-12-27 | Deere & Co | Method of material handling using one or more imaging devices on the transferring vehicle and on the receiving vehicle to control the material distribution |
US8868304B2 (en) | 2012-02-10 | 2014-10-21 | Deere & Company | Method and stereo vision system for facilitating the unloading of agricultural material from a vehicle |
US8649940B2 (en) | 2012-02-10 | 2014-02-11 | Deere & Company | Method and stereo vision system for managing the unloading of an agricultural material from a vehicle |
US9392746B2 (en) | 2012-02-10 | 2016-07-19 | Deere & Company | Artificial intelligence for detecting and filling void areas of agricultural commodity containers |
DE102012208554A1 (de) | 2012-05-22 | 2013-11-28 | Hamm Ag | Verfahren zur Planung und Durchführung von Bodenverdichtungsvorgängen, insbesondere zurAsphaltverdichtung |
US9288938B2 (en) | 2012-06-01 | 2016-03-22 | Rowbot Systems Llc | Robotic platform and method for performing multiple functions in agricultural systems |
US20130319941A1 (en) | 2012-06-05 | 2013-12-05 | American Water Works Company, Inc. | Simultaneous recovery of coagulant and acid |
US8930039B2 (en) | 2012-06-11 | 2015-01-06 | Cnh Industrial America Llc | Combine performance evaluation tool |
US9117790B2 (en) | 2012-06-25 | 2015-08-25 | Marvell World Trade Ltd. | Methods and arrangements relating to semiconductor packages including multi-memory dies |
DE102012211001A1 (de) | 2012-06-27 | 2014-01-02 | Deere & Company | Anordnung zur Kontrolle einer Austrageinrichtung einer Erntemaschine mit einer selbsttätigen Positionierung in einer Ruhestellung bei nicht möglichen bzw. stattfindendem Überladevorgang |
RU2502047C1 (ru) | 2012-07-13 | 2013-12-20 | Федеральное государственное бюджетное учреждение науки Институт геологии и минералогии им. В.С. Соболева Сибирского отделения Российской академии наук (Институт геологии и минералогии СО РАН, ИГМ СО РАН) | Способ оценки проходимости местности вне дорог |
DE102013106128A1 (de) | 2012-07-16 | 2014-06-12 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliche Arbeitsmaschine mit zumindest einer Steuerungseinrichtung |
US20140067745A1 (en) | 2012-08-30 | 2014-03-06 | Pioneer Hi-Bred International, Inc. | Targeted agricultural recommendation system |
US9095090B2 (en) | 2012-08-31 | 2015-08-04 | Deere & Company | Pressure-based control system for an agricultural implement |
WO2014046685A1 (en) | 2012-09-24 | 2014-03-27 | Deere & Company | Bidirectional harvesting system |
WO2014050524A1 (ja) | 2012-09-26 | 2014-04-03 | 株式会社クボタ | 農作管理システム及び農作物収穫機 |
EP2902984A4 (de) | 2012-09-26 | 2016-07-13 | Kubota Kk | Bodenarbeitsfahrzeug, verwaltungssystem für das bodenarbeitsfahrzeug und verfahren zur anzeige von bodenarbeitsinformationen |
DE202012103730U1 (de) | 2012-09-28 | 2012-10-16 | Agco International Gmbh | Erntemaschine mit einer Überladeeinrichtung |
US20140121882A1 (en) | 2012-10-31 | 2014-05-01 | Brian J. Gilmore | System for Coordinating the Relative Movements of an Agricultural Harvester and a Cart |
CN203053961U (zh) | 2012-11-02 | 2013-07-10 | 昆明理工大学 | 一种土壤压实数据监测装置 |
DE102012220109A1 (de) | 2012-11-05 | 2014-05-08 | Deere & Company | Einrichtung zur Erfassung des Betriebszustands einer Arbeitsmaschine |
DE102012021469A1 (de) | 2012-11-05 | 2014-05-08 | Claas Selbstfahrende Erntemaschinen Gmbh | Assistenzsystem zur Optimierung des Fahrzeugbetriebes |
KR101447197B1 (ko) | 2012-11-07 | 2014-10-06 | 최준성 | 다짐 평가용 동적 관입 시험 장치 및 이를 이용한 다짐 평가 방법 |
DE102012220916A1 (de) | 2012-11-15 | 2014-05-15 | K&K Maschinenentwicklungs GmbH & Co. KG | Verfahren zum Neuherstellen, Sanieren oder Rückbauen einer Schienenfahrbahn |
DE102012221344B3 (de) | 2012-11-22 | 2014-05-15 | Hamm Ag | Umkleidungsanordnung, Bodenbearbeitungswalze und Verfahren zum Anbringen einer Umkleidungsanordnung |
WO2014093814A1 (en) | 2012-12-14 | 2014-06-19 | Agco Corporation | Predictive load estimation through forward vision |
DE102012223434B4 (de) | 2012-12-17 | 2021-03-25 | Deere & Company | Verfahren und Anordnung zur Optimierung eines Betriebsparameters eines Mähdreschers |
DE102012223768B4 (de) | 2012-12-19 | 2014-07-03 | Deere & Company | Fremdkörpernachweiseinrichtung für eine landwirtschaftliche Erntemaschine |
US20140172225A1 (en) | 2012-12-19 | 2014-06-19 | Agco Corporation | Speed control in agricultural vehicle guidance systems |
US20140172224A1 (en) | 2012-12-19 | 2014-06-19 | Agco Corporation | Speed control in agricultural vehicle guidance systems |
US20140172222A1 (en) | 2012-12-19 | 2014-06-19 | Agco Corporation | Speed control in agricultural vehicle guidance systems |
JP6059027B2 (ja) | 2013-01-21 | 2017-01-11 | 株式会社クボタ | 農作業機と農作業管理プログラム |
US9497898B2 (en) | 2013-01-24 | 2016-11-22 | Tribine Industries, LLC | Agricultural harvester unloading assist system and method |
DE102013001157A1 (de) | 2013-01-24 | 2014-08-07 | Zind Systementwicklungs Gmbh | Fertigungsanlage zur Fertigung von Gefäßen aus Gefäßrohlingen und Fertigungsverfahren |
CN203206739U (zh) | 2013-01-25 | 2013-09-25 | 蒋行宇 | 打瓜联合收获机 |
US8955402B2 (en) | 2013-01-25 | 2015-02-17 | Trimble Navigation Limited | Sugar cane yield mapping |
CN103088807B (zh) | 2013-01-30 | 2014-12-10 | 青岛市勘察测绘研究院 | 强夯地基加固处理系统及其方法 |
DE102013201996A1 (de) | 2013-02-07 | 2014-08-07 | Deere & Company | Verfahren zur Einstellung von Arbeitsparametern einer Erntemaschine |
WO2014137533A2 (en) | 2013-02-07 | 2014-09-12 | Brown Owen J Jr | Wireless monitor maintenance and control system |
US9326444B2 (en) | 2013-02-08 | 2016-05-03 | Deere & Company | Method and stereo vision system for facilitating the unloading of agricultural material from a vehicle |
GB2510629B (en) | 2013-02-11 | 2015-10-14 | Kverneland Group Les Landes Genusson | Strip tilling system |
GB2510630B (en) | 2013-02-11 | 2015-08-05 | Kverneland Group Les Landes Genusson | Strip tilling system |
EP2958676B1 (de) | 2013-02-19 | 2018-05-23 | Grains Research And Development Corporation | Anordnung zur devitalisierung von unkrautsamen |
US10178828B2 (en) | 2013-02-20 | 2019-01-15 | Deere & Company | Per plant crop sensing resolution |
US9066465B2 (en) | 2013-02-20 | 2015-06-30 | Deere & Company | Soil compaction reduction system and method |
US9693503B2 (en) | 2013-02-20 | 2017-07-04 | Deere & Company | Crop sensing |
US11212962B2 (en) | 2013-02-20 | 2022-01-04 | Deere & Company | Field condition determination |
US9668420B2 (en) | 2013-02-20 | 2017-06-06 | Deere & Company | Crop sensing display |
US20140257911A1 (en) | 2013-03-08 | 2014-09-11 | Deere & Company | Methods and apparatus to schedule refueling of a work machine |
CN103181263A (zh) | 2013-03-11 | 2013-07-03 | 西北农林科技大学 | 一种多机器协作的小麦收割系统 |
US9410840B2 (en) | 2013-03-15 | 2016-08-09 | Raven Industries, Inc. | Multi-variable yield monitor and methods for the same |
US20140277960A1 (en) | 2013-03-18 | 2014-09-18 | Deere & Company | Harvester with fuzzy control system for detecting steady crop processing state |
WO2014160589A1 (en) | 2013-03-24 | 2014-10-02 | Bee Robotics Corporation | Aerial farm robot system for crop dusting, planting, fertilizing and other field jobs |
KR102234179B1 (ko) | 2013-03-27 | 2021-03-31 | 가부시끼 가이샤 구보다 | 콤바인 |
EP2792229B1 (de) | 2013-04-02 | 2016-03-23 | Deere & Company | Steueranordnung und Verfahren zur Steuerung der Position einer Vorrichtung einer Erntemaschine |
US9992932B2 (en) | 2013-04-02 | 2018-06-12 | Deere & Company | Control arrangement and method for controlling a position of a transfer device of a harvesting machine |
US10129528B2 (en) | 2013-04-02 | 2018-11-13 | Deere & Company | Control arrangement and method for controlling a position of a transfer device of a harvesting machine |
GB2515172B (en) | 2013-04-22 | 2016-01-06 | Univ Carnegie Mellon | Methods for improving the robustness of an automated unloading system |
CN203275401U (zh) | 2013-04-24 | 2013-11-06 | 陈金 | 一种新型公路土工击实快速测厚调节仪 |
CN203055121U (zh) | 2013-04-26 | 2013-07-10 | 昆明理工大学 | 一种基于Zigbee技术的土壤压实数据无线传输装置 |
US10740703B2 (en) | 2013-04-29 | 2020-08-11 | Verge Technologies Inc. | Method and system for determining optimized travel path for agricultural implement on land with obstacle |
CA2814599A1 (en) | 2013-04-29 | 2014-10-29 | Fieldstone Land Management Inc. | Method and apparatus for tangible effect calculation and compensation |
EP2798928B1 (de) | 2013-04-29 | 2024-02-07 | CLAAS E-Systems GmbH | Betriebssystem für, und verfahren zum betrieb eines automatischen lenksystems eines landwirtschaftlichen fahrzeugs |
DE102013209197A1 (de) | 2013-05-17 | 2014-11-20 | Deere & Company | Erntemaschine mit vorausschauender Vortriebsgeschwindigkeitsregelung |
USD721740S1 (en) | 2013-05-23 | 2015-01-27 | Deere & Company | Display interface or housing thereof |
BE1021150B1 (nl) | 2013-06-03 | 2016-01-13 | Cnh Industrial Belgium Nv | Werkwijze voor het verwerken van belastingssignaal van een balenpers |
DE102013105821A1 (de) | 2013-06-06 | 2014-12-11 | Claas Selbstfahrende Erntemaschinen Gmbh | Erntemaschine zur Aufnahme von Erntegut |
DE102013212151A1 (de) | 2013-06-26 | 2014-12-31 | Robert Bosch Gmbh | Baumaschine mit einer Vibrationseinheit |
DE102013107169A1 (de) | 2013-07-08 | 2015-01-08 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliche Erntemaschine |
EP3018987B1 (de) | 2013-07-10 | 2020-09-02 | Agco Corporation | Automatisierung der verteilung von arbeit in einem feld |
DE102013012027A1 (de) | 2013-07-19 | 2015-01-22 | Claas Selbstfahrende Erntemaschinen Gmbh | Selbstfahrende Erntemaschine und Fahrzeugverbund |
GB2517049B (en) | 2013-07-28 | 2019-09-11 | Deere & Co | Artificial intelligence for detecting and filling void areas of agricultural commodity containers |
US9301466B2 (en) | 2013-07-29 | 2016-04-05 | Syngenta Participations Ag | Variety corn line HID3259 |
US9188518B2 (en) | 2013-08-19 | 2015-11-17 | Bridgestone Americas Tire Operations, Llc | Ground compaction images |
JP6134609B2 (ja) | 2013-08-28 | 2017-05-24 | ヤンマー株式会社 | 遠隔サーバ |
US9767521B2 (en) | 2013-08-30 | 2017-09-19 | The Climate Corporation | Agricultural spatial data processing systems and methods |
WO2015034876A1 (en) | 2013-09-03 | 2015-03-12 | Agco Corporation | System and method for automatically changing machine control state |
WO2015038751A1 (en) | 2013-09-13 | 2015-03-19 | Agco Corporation | Method to automatically estimate and classify spatial data for use on real time maps |
US9234317B2 (en) | 2013-09-25 | 2016-01-12 | Caterpillar Inc. | Robust system and method for forecasting soil compaction performance |
US9804756B2 (en) | 2013-09-27 | 2017-10-31 | Iteris, Inc. | Comparative data analytics and visualization tool for analyzing traffic performance data in a traffic management system |
WO2015048499A1 (en) | 2013-09-27 | 2015-04-02 | John Earl Acheson | Yield monitor calibration method and system |
US9188986B2 (en) | 2013-10-01 | 2015-11-17 | Jaybridge Robotics, Inc. | Computer-implemented method and system for dynamically positioning a vehicle relative to another vehicle in motion for on-the-fly offloading operations |
US20160247082A1 (en) | 2013-10-03 | 2016-08-25 | Farmers Business Network, Llc | Crop Model and Prediction Analytics System |
JP2015070812A (ja) | 2013-10-03 | 2015-04-16 | ヤンマー株式会社 | 農作物情報管理システム |
EP3057398B1 (de) | 2013-10-14 | 2020-07-08 | Kinze Manufacturing, Inc. | Autonome systeme, verfahren und vorrichtung für landwirtschaftliche tätigkeiten |
US10362733B2 (en) | 2013-10-15 | 2019-07-30 | Deere & Company | Agricultural harvester configured to control a biomass harvesting rate based upon soil effects |
BE1021108B1 (nl) | 2013-10-28 | 2016-01-18 | Cnh Industrial Belgium Nv | Ontlaadsystemen |
BE1021164B1 (nl) | 2013-10-28 | 2016-01-18 | Cnh Industrial Belgium Nv | Ontlaadsystemen |
JP6087258B2 (ja) | 2013-10-28 | 2017-03-01 | ヤンマー株式会社 | 遠隔配車サーバ |
DE102013222122B4 (de) | 2013-10-30 | 2020-10-15 | Mts Maschinentechnik Schrode Ag | Verfahren zum Betreiben eines Bodenverdichtungs- oder Bodenprüfgeräts, sowie Bodenverdichtungs- oder Verdichtungsprüfgerät |
US10371561B2 (en) | 2013-11-01 | 2019-08-06 | Iowa State University Research Foundation, Inc. | Yield measurement and base cutter height control systems for a harvester |
DE102013019098B3 (de) | 2013-11-11 | 2015-01-08 | Hochschule für Technik und Wirtschaft Dresden | System zum Erfassen von Parametern der Umwelt und Umgebung |
CN203613525U (zh) | 2013-11-25 | 2014-05-28 | 杨振华 | 一种公路灰土基层压实度测定取样机 |
CN203658201U (zh) | 2013-12-09 | 2014-06-18 | 长安大学 | 一种用于测量路基土压实度的装置 |
US9714856B2 (en) | 2013-12-13 | 2017-07-25 | Ag Leader Technology, Inc. | Automatic compensation for the effect of grain properties on mass flow sensor calibration |
JP5986064B2 (ja) | 2013-12-25 | 2016-09-06 | Necプラットフォームズ株式会社 | 冷却システムおよび電子機器 |
DE102014100136A1 (de) | 2014-01-08 | 2015-07-09 | Claas Selbstfahrende Erntemaschinen Gmbh | Erntevorrichtung |
CN203741803U (zh) | 2014-01-10 | 2014-07-30 | 瑞和安惠项目管理集团有限公司 | 工程监理用路基压实度检测取土装置 |
DE102014201203A1 (de) | 2014-01-23 | 2015-07-23 | Deere & Company | Landwirtschaftliches Arbeitsfahrzeug mit einem Fluggerät und zugehöriger Stromversorgung |
US20150211199A1 (en) | 2014-01-24 | 2015-07-30 | Caterpillar Inc. | Device and process to measure ground stiffness from compactors |
CN106102444B (zh) | 2014-02-10 | 2020-02-11 | 克莱米特公司 | 用于生成共享协作图的方法和系统 |
JP6298313B2 (ja) | 2014-02-18 | 2018-03-20 | 鹿島建設株式会社 | 地盤剛性測定装置、締固め機械及び地盤剛性測定方法 |
DE102014203005B3 (de) | 2014-02-19 | 2015-05-13 | Deere & Company | Vibrationsdämpfende Ansteuerung eines Aktors einer landwirtschaftlichen Arbeitsmaschine |
US20150254800A1 (en) | 2014-03-06 | 2015-09-10 | F12 Solutions, Llc | Nitrogen status determination in growing crops |
DE102014205233A1 (de) | 2014-03-20 | 2015-09-24 | Deere & Company | Erntemaschine mit vorausschauender Vortriebsgeschwindigkeitsvorgabe |
NL2012485B1 (en) | 2014-03-20 | 2016-01-18 | Lely Patent Nv | Method and system for navigating an agricultural vehicle on a land area. |
US9529364B2 (en) | 2014-03-24 | 2016-12-27 | Cnh Industrial America Llc | System for coordinating agricultural vehicle control for loading a truck |
DE102014205503A1 (de) | 2014-03-25 | 2015-10-01 | Hamm Ag | Verfahren zur Korrektur eines Messwerteverlaufs durch das Eliminieren periodisch auftretender Messartefakte, insbesondere bei einem Bodenverdichter |
US9489576B2 (en) | 2014-03-26 | 2016-11-08 | F12 Solutions, LLC. | Crop stand analysis |
BR102014007178B1 (pt) | 2014-03-26 | 2020-12-22 | São Martinho S/A | processo de geração de mapas de aplicação de herbicida em função das espécies de plantas daninhas e teores de argila e matéria orgânica de solo |
CN103954738B (zh) | 2014-04-01 | 2015-11-04 | 中国科学院力学研究所 | 一种测量土体振动传播特性的室内试验装置 |
AU2015240770B2 (en) | 2014-04-01 | 2018-07-19 | Climate Llc | Agricultural implement and implement operator monitoring apparatus, systems, and methods |
US9810679B2 (en) | 2014-04-02 | 2017-11-07 | Colorado School Of Mines | Intelligent pad foot soil compaction devices and methods of using same |
DE102014104619A1 (de) | 2014-04-02 | 2015-10-08 | Claas Agrosystems Kgaa Mbh & Co. Kg | Planungssystem und Verfahren zur Planung einer Feldbearbeitung |
WO2015160837A2 (en) | 2014-04-15 | 2015-10-22 | Raven Industries, Inc. | Reaping based yield monitoring system and method for the same |
US9974226B2 (en) | 2014-04-21 | 2018-05-22 | The Climate Corporation | Generating an agriculture prescription |
US9405039B2 (en) | 2014-04-22 | 2016-08-02 | Deere & Company | Ground engaging member accumulation determination |
US9523180B2 (en) | 2014-04-28 | 2016-12-20 | Deere & Company | Semi-automatic material loading |
DE102014208068A1 (de) | 2014-04-29 | 2015-10-29 | Deere & Company | Erntemaschine mit sensorbasierter Einstellung eines Arbeitsparameters |
DE102014208070A1 (de) | 2014-04-29 | 2015-12-17 | Deere & Company | Die Fahrzeugdynamik berücksichtigendes Kontrollsystem zur Positionssteuerung eines Geräts für ein landwirtschaftliches Arbeitsfahrzeug |
WO2015171954A2 (en) | 2014-05-09 | 2015-11-12 | Raven Industries, Inc. | Refined row guidance parameterization with hough transform |
FR3021114B1 (fr) | 2014-05-13 | 2017-08-11 | Sol Solution | Penetrometre dynamique, ensemble de mesure, systeme et methode de determination de la compacite et de la capacite portante d'un sol |
JP6410130B2 (ja) | 2014-05-15 | 2018-10-24 | 株式会社Jsol | 農作物の収穫予測装置、収穫予測システム及び収穫予測方法 |
US9578808B2 (en) | 2014-05-16 | 2017-02-28 | Deere & Company | Multi-sensor crop yield determination |
US10104836B2 (en) | 2014-06-11 | 2018-10-23 | John Paul Jamison | Systems and methods for forming graphical and/or textual elements on land for remote viewing |
BR102015013228B1 (pt) | 2014-06-13 | 2020-11-24 | Cnh Industrial America Llc | SISTEMA E METODO DE CONTROLE PARA UM VEfCULO AGRiCOLA |
DE102014009090B4 (de) | 2014-06-19 | 2017-04-06 | Technische Universität Dresden | Landwirtschaftliches Gerät zur konservierenden Bodenbearbeitung |
EP3160220A4 (de) | 2014-06-24 | 2017-12-20 | 360 Yield Center, LLC | Landwirtschaftliches system, verfahren und vorrichtungen |
CN204000818U (zh) | 2014-07-02 | 2014-12-10 | 四川农业大学 | 一种土壤坚实度测定装置 |
US10126153B2 (en) | 2014-07-22 | 2018-11-13 | Deere & Company | Particulate matter impact sensor |
US10034423B2 (en) | 2014-07-29 | 2018-07-31 | Deere & Company | Biomass sensing |
FR3024772B1 (fr) | 2014-08-07 | 2016-09-02 | Electricite De France | Procede et dispositif pour la determination de la profondeur de l'origine d'un tassement de sol |
US9717178B1 (en) | 2014-08-08 | 2017-08-01 | The Climate Corporation | Systems and method for monitoring, controlling, and displaying field operations |
US10568316B2 (en) | 2014-08-15 | 2020-02-25 | Monsanto Technology Llc | Apparatus and methods for in-field data collection and sampling |
US9131644B2 (en) | 2014-08-19 | 2015-09-15 | Iteris, Inc. | Continual crop development profiling using dynamical extended range weather forecasting with routine remotely-sensed validation imagery |
DE102014216593A1 (de) | 2014-08-21 | 2016-02-25 | Deere & Company | Bedienerassistenzsystem für eine landwirtschaftliche Arbeitsmaschine |
CA2957081A1 (en) | 2014-08-22 | 2016-02-25 | The Climate Corporation | Methods for agronomic and agricultural monitoring using unmanned aerial systems |
WO2016032956A1 (en) | 2014-08-27 | 2016-03-03 | Premier Crop Systems, LLC | System and method for controlling machinery for randomizing and replicating predetermined agronomic input levels |
US9829364B2 (en) | 2014-08-28 | 2017-11-28 | Raven Industries, Inc. | Method of sensing volume of loose material |
US10109024B2 (en) | 2014-09-05 | 2018-10-23 | The Climate Corporation | Collecting data to generate an agricultural prescription |
DE102014113001A1 (de) | 2014-09-10 | 2016-03-10 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Steuerung eines Überladeprozesses |
US11080798B2 (en) | 2014-09-12 | 2021-08-03 | The Climate Corporation | Methods and systems for managing crop harvesting activities |
US10667456B2 (en) | 2014-09-12 | 2020-06-02 | The Climate Corporation | Methods and systems for managing agricultural activities |
US10085379B2 (en) | 2014-09-12 | 2018-10-02 | Appareo Systems, Llc | Grain quality sensor |
US10564316B2 (en) | 2014-09-12 | 2020-02-18 | The Climate Corporation | Forecasting national crop yield during the growing season |
US11113649B2 (en) | 2014-09-12 | 2021-09-07 | The Climate Corporation | Methods and systems for recommending agricultural activities |
DE102014113335A1 (de) | 2014-09-16 | 2016-03-17 | Claas Tractor Sas | Landwirtschaftliche Arbeitsmaschine mit und Verfahren zur vorausschauenden Regelung einer Antriebsleistung und/oder eines Antriebsstranges |
US9903979B2 (en) | 2014-09-23 | 2018-02-27 | Deere & Company | Yield estimation |
US10126282B2 (en) | 2014-09-23 | 2018-11-13 | Deere & Company | Yield estimation |
DE102014113874A1 (de) | 2014-09-25 | 2016-03-31 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zum Überladen bei Erntemaschinen |
DE102014113887A1 (de) | 2014-09-25 | 2016-03-31 | Claas Selbstfahrende Erntemaschinen Gmbh | Mähdrescher mit einer Verteilvorrichtung |
DE102014113965A1 (de) | 2014-09-26 | 2016-03-31 | Claas Selbstfahrende Erntemaschinen Gmbh | Mähdrescher mit Fahrerassistenzsystem |
JP2016071726A (ja) | 2014-09-30 | 2016-05-09 | 井関農機株式会社 | 作業情報記憶装置 |
US9807933B2 (en) | 2014-10-20 | 2017-11-07 | Cnh Industrial America Llc | Sensor equipped agricultural harvester |
EP3219184B1 (de) | 2014-11-13 | 2020-04-15 | Yanmar Co., Ltd. | Landwirtschaftliches arbeitsfahrzeug |
AU2014411244B2 (en) | 2014-11-14 | 2018-11-29 | Bitstrata Systems Inc. | System and method for measuring grain cart weight |
GB201421527D0 (en) | 2014-12-04 | 2015-01-21 | Agco Int Gmbh | Automated agriculture system |
WO2016090212A1 (en) | 2014-12-05 | 2016-06-09 | Board Of Trustees Of Michigan State University | Methods and systems for precision crop management |
DE102014226189B4 (de) | 2014-12-17 | 2017-08-24 | Continental Automotive Gmbh | Verfahren zur Ermittlung eines Unkrautanteils und Landtechnik-Steuereinrichtung |
US9563492B2 (en) | 2015-01-09 | 2017-02-07 | Deere & Company | Service diagnostic trouble code sequencer and method |
US9792557B2 (en) | 2015-01-14 | 2017-10-17 | Accenture Global Services Limited | Precision agriculture system |
CN204435344U (zh) | 2015-01-22 | 2015-07-01 | 中交四公局第二工程有限公司 | 一种用于测定土层压实度的可行走式取样机 |
US9140824B1 (en) | 2015-01-23 | 2015-09-22 | Iteris, Inc. | Diagnosis and prediction of in-field dry-down of a mature small grain, coarse grain, or oilseed crop using field-level analysis and forecasting of weather conditions, crop characteristics, and observations and user input of harvest condition states |
WO2016118686A1 (en) | 2015-01-23 | 2016-07-28 | Iteris, Inc. | Modeling of crop growth for desired moisture content of targeted livestock feedstuff for determination of harvest windows using field-level diagnosis and forecasting of weather conditions and observations and user input of harvest condition states |
US9009087B1 (en) | 2015-01-23 | 2015-04-14 | Iteris, Inc. | Modeling the impact of time-varying weather conditions on unit costs of post-harvest crop drying techniques using field-level analysis and forecasts of weather conditions, facility metadata, and observations and user input of grain drying data |
US20160232621A1 (en) | 2015-02-06 | 2016-08-11 | The Climate Corporation | Methods and systems for recommending agricultural activities |
US20160247079A1 (en) | 2015-02-20 | 2016-08-25 | Iteris, Inc. | Modeling of soil compaction and structural capacity for field trafficability by agricultural equipment from diagnosis and prediction of soil and weather conditions associated with user-provided feedback |
JP2016160808A (ja) | 2015-02-27 | 2016-09-05 | 井関農機株式会社 | コンバインのエンジン制御システム |
US20160260021A1 (en) | 2015-03-06 | 2016-09-08 | William Marek | System and method for improved agricultural yield and efficiency using statistical analysis |
CN204475304U (zh) | 2015-03-17 | 2015-07-15 | 攀枝花天誉工程检测有限公司 | 土工压实度检测成孔器 |
CN106998651B (zh) | 2015-03-18 | 2019-10-18 | 株式会社久保田 | 联合收割机 |
RO130713B1 (ro) | 2015-03-19 | 2023-05-30 | Universitatea De Ştiinţe Agronomice Şi Medicină Veterinară Din Bucureşti | Sistem automat gis pentru realizarea hărţilor cu distribuţia speciilor de buruieni |
US20180014452A1 (en) | 2015-03-25 | 2018-01-18 | 360 Yield Center, Llc | Agronomic systems, methods and apparatuses |
US10095200B2 (en) | 2015-03-30 | 2018-10-09 | Uop Llc | System and method for improving performance of a chemical plant with a furnace |
DE102015004343A1 (de) | 2015-04-02 | 2016-10-06 | Claas Selbstfahrende Erntemaschinen Gmbh | Mähdrescher |
DE102015004174A1 (de) | 2015-04-02 | 2016-10-06 | Claas Selbstfahrende Erntemaschinen Gmbh | Mähdrescher |
DE102015004344A1 (de) | 2015-04-02 | 2016-10-06 | Claas Selbstfahrende Erntemaschinen Gmbh | Mähdrescher |
DE102015106302A1 (de) | 2015-04-24 | 2016-10-27 | Claas Selbstfahrende Erntemaschinen Gmbh | Erntesystem mit einer selbstfahrenden Erntemaschine |
US9694712B2 (en) | 2015-05-01 | 2017-07-04 | Hyliion Inc. | Motor vehicle accessory to increase power supply and reduce fuel requirements |
US20170270446A1 (en) | 2015-05-01 | 2017-09-21 | 360 Yield Center, Llc | Agronomic systems, methods and apparatuses for determining yield limits |
US10209235B2 (en) | 2015-05-04 | 2019-02-19 | Deere & Company | Sensing and surfacing of crop loss data |
US9872433B2 (en) | 2015-05-14 | 2018-01-23 | Raven Industries, Inc. | System and method for adjusting harvest characteristics |
WO2016183182A1 (en) | 2015-05-14 | 2016-11-17 | Board Of Trustees Of Michigan State University | Methods and systems for crop land evaluation and crop growth management |
US10039231B2 (en) | 2015-05-19 | 2018-08-07 | Deere & Company | System for measuring plant attributes using a priori plant maps |
DE102015006398B3 (de) | 2015-05-21 | 2016-05-04 | Helmut Uhrig Strassen- und Tiefbau GmbH | Bodenverdichtung mit einem Baggeranbauverdichter |
EP3095310B1 (de) | 2015-05-21 | 2018-05-16 | Robert Thomas Farms Ltd | Landwirtschaftliche vorrichtung |
US20160342915A1 (en) | 2015-05-22 | 2016-11-24 | Caterpillar Inc. | Autonomous Fleet Size Management |
DE102015108374A1 (de) | 2015-05-27 | 2016-12-01 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Ansteuerung einer selbstfahrenden Erntemaschine |
AU2016269849B2 (en) | 2015-06-05 | 2019-08-15 | Agerris Pty Ltd | Automatic target recognition and management system |
ES2965819T3 (es) | 2015-06-08 | 2024-04-17 | Climate Llc | Análisis de datos agrícolas |
DE102015109799A1 (de) | 2015-06-18 | 2016-12-22 | Claas E-Systems Kgaa Mbh & Co Kg | Verfahren zur Synchronisation zweier unabhängiger, selbstfahrender landwirtschaftlicher Arbeitsmaschinen |
WO2016201482A1 (en) | 2015-06-18 | 2016-12-22 | Bail & Burnit Pty Ltd | Mechanical weed seed management system |
UA126111C2 (uk) | 2015-06-30 | 2022-08-17 | Зе Клаймат Корпорейшн | Системи та методи для фіксування зображення та аналізу сільськогосподарських полів |
EP3590319B1 (de) | 2015-07-14 | 2021-02-17 | Dean Mayerle | Zerstörung von unkrautsamen |
US9968027B2 (en) | 2015-07-14 | 2018-05-15 | Clemson University | Automated control systems and methods for underground crop harvesters |
US10492369B2 (en) | 2015-07-14 | 2019-12-03 | Dean Mayerle | Weed seed destruction |
US9740208B2 (en) | 2015-07-30 | 2017-08-22 | Deere & Company | UAV-based sensing for worksite operations |
CN204989174U (zh) | 2015-08-05 | 2016-01-20 | 中国农业大学 | 一种用于测量土壤压实的试验平台 |
US9642305B2 (en) | 2015-08-10 | 2017-05-09 | Deere & Company | Method and stereo vision system for managing the unloading of an agricultural material from a vehicle |
US10015928B2 (en) | 2015-08-10 | 2018-07-10 | Deere & Company | Method and stereo vision system for managing the unloading of an agricultural material from a vehicle |
DE102015113527A1 (de) | 2015-08-17 | 2017-02-23 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliche Erntemaschine |
WO2017035578A1 (en) | 2015-08-28 | 2017-03-09 | Tecfarm Pty Ltd | Apparatus and method for processing a crop residue |
JP6502221B2 (ja) | 2015-09-14 | 2019-04-17 | 株式会社クボタ | 作業車支援システム |
DE102015217496A1 (de) | 2015-09-14 | 2017-03-16 | Deere & Company | Verfahren zum Ausbringen von Saatgutpartikeln oder Pflanzen auf ein Feld und eine entsprechende Maschine |
US10183667B2 (en) | 2015-09-15 | 2019-01-22 | Deere & Company | Human presence detection on a mobile machine |
CN105205248B (zh) | 2015-09-17 | 2017-12-08 | 哈尔滨工业大学 | 一种基于ode物理引擎的车辆地形通过性仿真分析组件的设计方法 |
US9696162B2 (en) | 2015-09-17 | 2017-07-04 | Deere & Company | Mission and path planning using images of crop wind damage |
US10025983B2 (en) | 2015-09-21 | 2018-07-17 | The Climate Corporation | Ponding water detection on satellite imagery |
US10188037B2 (en) | 2015-09-24 | 2019-01-29 | Deere & Company | Yield estimation |
US9699967B2 (en) | 2015-09-25 | 2017-07-11 | Deere & Company | Crosswind compensation for residue processing |
JP6770300B2 (ja) | 2015-09-29 | 2020-10-14 | 株式会社ミツトヨ | 計測機器用の信号処理回路 |
US9807940B2 (en) | 2015-09-30 | 2017-11-07 | Deere & Company | System for prediction and control of drydown for windrowed agricultural products |
EP3150052B1 (de) | 2015-09-30 | 2018-06-13 | CLAAS E-Systems KGaA mbH & Co KG | Getreideerntemaschine |
US10856463B2 (en) | 2015-10-05 | 2020-12-08 | Basf Agro Trademarks Gmbh | Method for operating a harvesting machine with the aid of a plant growth model |
KR20170041377A (ko) | 2015-10-07 | 2017-04-17 | 안범주 | 후방에 설치된 토양 경도 측정 센서를 갖는 차량 |
US10342174B2 (en) * | 2015-10-16 | 2019-07-09 | The Climate Corporation | Method for recommending seeding rate for corn seed using seed type and sowing row width |
US9681605B2 (en) | 2015-10-26 | 2017-06-20 | Deere & Company | Harvester feed rate control |
US10080325B2 (en) | 2015-10-27 | 2018-09-25 | Cnh Industrial America Llc | Predictive overlap control model |
US20170115862A1 (en) | 2015-10-27 | 2017-04-27 | Cnh Industrial America Llc | Graphical yield monitor real-time data display |
US20170112061A1 (en) | 2015-10-27 | 2017-04-27 | Cnh Industrial America Llc | Graphical yield monitor static (previous) data display on in-cab display |
US10586158B2 (en) | 2015-10-28 | 2020-03-10 | The Climate Corporation | Computer-implemented calculation of corn harvest recommendations |
DE102015118767A1 (de) | 2015-11-03 | 2017-05-04 | Claas Selbstfahrende Erntemaschinen Gmbh | Umfelddetektionseinrichtung für landwirtschaftliche Arbeitsmaschine |
EP3371756A1 (de) | 2015-11-05 | 2018-09-12 | AGCO International GmbH | Verfahren und system zur bestimmung von arbeitstrajektorien für eine flotte von arbeitseinheiten bei einer ernteoperation |
US20170127606A1 (en) | 2015-11-10 | 2017-05-11 | Digi-Star, Llc | Agricultural Drone for Use in Controlling the Direction of Tillage and Applying Matter to a Field |
DE102016121523A1 (de) | 2015-11-17 | 2017-05-18 | Lacos Computerservice Gmbh | Verfahren zum prädikativen Erzeugen von Daten zur Steuerung eines Fahrweges und eines Betriebsablaufes für landwirtschaftliche Fahrzeuge und Maschinen |
US10890922B2 (en) | 2015-11-19 | 2021-01-12 | Agjunction Llc | Automated multi-vehicle alignment steering |
DK178711B1 (en) | 2015-11-24 | 2016-11-28 | Green Agro And Transp Aps | Flexible wheel track system for in-field trailer |
US11062223B2 (en) | 2015-12-02 | 2021-07-13 | The Climate Corporation | Forecasting field level crop yield during a growing season |
US9721181B2 (en) | 2015-12-07 | 2017-08-01 | The Climate Corporation | Cloud detection on remote sensing imagery |
DE102015121210A1 (de) | 2015-12-07 | 2017-06-08 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliche Arbeitsmaschine |
WO2017096489A1 (en) | 2015-12-09 | 2017-06-15 | Scanimetrics Inc. | Measuring and monitoring a body of granular material |
US10091925B2 (en) | 2015-12-09 | 2018-10-09 | International Business Machines Corporation | Accurately determining crop yield at a farm level |
WO2017099570A1 (es) | 2015-12-11 | 2017-06-15 | Pacheco Sanchez José Antonio | Sistema y método para agricultura de precisión por análisis multiespectral e hiperespectral de imágenes aéreas utilizando vehículos aéreos no tripulados |
CN105432228A (zh) | 2015-12-16 | 2016-03-30 | 无锡同春新能源科技有限公司 | 一种无人玉米收获机 |
DE102015122269A1 (de) | 2015-12-18 | 2017-06-22 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren für den Betrieb eines Mähdreschers |
US9856612B2 (en) | 2015-12-21 | 2018-01-02 | Caterpillar Paving Products Inc. | Compaction measurement using nearby sensors |
WO2017116913A1 (en) | 2015-12-29 | 2017-07-06 | Agco Corporation | Integrated driveline slip clutch system for large square baler |
BR102016024151B1 (pt) | 2016-01-06 | 2021-10-13 | Cnh Industrial America Llc | Meio legível por computador não transitório tangível, sistema e método para controlar pelo menos um veículo agrícola autônomo |
BR102016024930B1 (pt) | 2016-01-06 | 2021-08-24 | Cnh Industrial America Llc | Sistema de controle para um veículo de reboque e método para controlar um veículo agrícola |
US10019790B2 (en) | 2016-01-15 | 2018-07-10 | Deere & Company | Fill level indicator for an automated unloading system |
EP3195719B1 (de) | 2016-01-20 | 2018-10-24 | CLAAS E-Systems KGaA mbH & Co KG | Landwirtschaftliche maschine |
EP3195720A1 (de) | 2016-01-21 | 2017-07-26 | CLAAS E-Systems KGaA mbH & Co KG | Ernteguttanksystem |
US10529036B2 (en) | 2016-01-22 | 2020-01-07 | The Climate Corporation | Forecasting national crop yield during the growing season using weather indices |
BE1023467B1 (nl) | 2016-02-01 | 2017-03-29 | Cnh Industrial Belgium Nv | Beheer van een restantensysteem van een maaidorser door veldgegevens te gebruiken |
US9891629B2 (en) | 2016-02-04 | 2018-02-13 | Deere & Company | Autonomous robotic agricultural machine and system thereof |
JP6688542B2 (ja) | 2016-02-04 | 2020-04-28 | ヤンマー株式会社 | 追従型コンバイン |
JP6567440B2 (ja) | 2016-02-05 | 2019-08-28 | 鹿島建設株式会社 | 地盤の締固め状態測定装置、締固め状態測定方法、及び締固め機械 |
BE1023485B1 (nl) | 2016-02-23 | 2017-04-06 | Cnh Industrial Belgium Nv | Kafstrooier met zaadkneuzing |
US10588258B2 (en) | 2016-02-25 | 2020-03-17 | Deere & Company | Automatic determination of the control unit parameters of an arrangement to control an actuator for the adjustment of an adjustable element of an agricultural machine |
US9675008B1 (en) | 2016-02-29 | 2017-06-13 | Cnh Industrial America Llc | Unloading arrangement for agricultural harvesting vehicles |
US10201121B1 (en) | 2016-03-01 | 2019-02-12 | Ag Leader Technology | Prediction of amount of crop or product remaining for field |
US10028435B2 (en) | 2016-03-04 | 2018-07-24 | Deere & Company | Sensor calibration using field information |
KR101653750B1 (ko) | 2016-03-10 | 2016-09-02 | 한국건설기술연구원 | 식생매트 고정용 앵커핀의 인발 시험 장치 및 방법 |
BE1023982B1 (nl) | 2016-03-23 | 2017-10-03 | Cnh Industrial Belgium Nv | Geautomatiseerd lossysteem voor het lossen van gewas |
US20190057460A1 (en) | 2016-03-25 | 2019-02-21 | Nec Corporation | Information processing device, control method for information processing device, and recording medium having control program for information processing device recorded therein |
KR102394967B1 (ko) | 2016-03-29 | 2022-05-04 | 얀마 파워 테크놀로지 가부시키가이샤 | 콤바인 |
US9903077B2 (en) | 2016-04-04 | 2018-02-27 | Caterpillar Paving Products Inc. | System and method for performing a compaction operation |
RU164128U1 (ru) | 2016-04-05 | 2016-08-20 | Федеральное государственное автономное образовательное учреждение высшего образования "Крымский федеральный университет имени В.И. Вернадского" | Установка для испытания на изнашиваемость материалов для рабочих органов почвообрабатывающих машин |
WO2017181127A1 (en) | 2016-04-15 | 2017-10-19 | The Regents Of The University Of California | Robotic plant care systems and methods |
CN105741180B (zh) | 2016-04-21 | 2021-06-18 | 江苏大学 | 一种联合收获机谷物产量图绘制系统 |
JP6755117B2 (ja) | 2016-04-26 | 2020-09-16 | ヤンマーパワーテクノロジー株式会社 | コンバイン |
US10275550B2 (en) | 2016-04-27 | 2019-04-30 | The Climate Corporation | Assimilating a soil sample into a digital nutrient model |
US10152891B2 (en) | 2016-05-02 | 2018-12-11 | Cnh Industrial America Llc | System for avoiding collisions between autonomous vehicles conducting agricultural operations |
DE102016118205A1 (de) | 2016-05-10 | 2017-11-16 | Claas Tractor Sas | Zugmaschinen-Geräte-Kombination mit Fahrerassistenzsystem |
CN109478232A (zh) | 2016-05-12 | 2019-03-15 | 巴斯夫欧洲公司 | 自然环境中的杂草的识别 |
DE102016108902A1 (de) | 2016-05-13 | 2017-11-16 | Claas Saulgau Gmbh | Verfahren und Steuerungseinrichtung zum Betreiben eines landwirtschaftlichen Transportwagens sowie Transportwagen |
US10051787B2 (en) | 2016-05-17 | 2018-08-21 | Deere & Company | Harvesting head with yield monitor |
CN106053330B (zh) | 2016-05-23 | 2018-12-18 | 北京林业大学 | 土壤紧实度及水分复合测量方法及装置 |
US11372402B2 (en) | 2016-05-24 | 2022-06-28 | Cnh Industrial America Llc | Autonomous grain cart dimensioned to fit behind header |
EP3462832B1 (de) | 2016-05-24 | 2021-11-24 | CNH Industrial Belgium NV | Verfahren zum kontinuierlichen fördern von landwirtschaftlichen produkten mittels getreidewagen |
US9563852B1 (en) | 2016-06-21 | 2017-02-07 | Iteris, Inc. | Pest occurrence risk assessment and prediction in neighboring fields, crops and soils using crowd-sourced occurrence data |
DE102016111665A1 (de) | 2016-06-24 | 2017-12-28 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliche Arbeitsmaschine und Verfahren zum Betrieb einer landwirtschaftlichen Arbeitsmaschine |
EP3262934A1 (de) | 2016-06-28 | 2018-01-03 | Bayer CropScience AG | Verfahren zur unkrautbekämpfung |
UY36763A (es) | 2016-07-01 | 2018-01-31 | Carlos Hartwich | Roturador y plantador en plataforma motorizada unitaria con navegador automático |
US9563848B1 (en) | 2016-07-06 | 2017-02-07 | Agrian, Inc. | Weighted multi-year yield analysis for prescription mapping in site-specific variable rate applications in precision agriculture |
US9928584B2 (en) | 2016-07-11 | 2018-03-27 | Harvest Moon Automation Inc. | Inspecting plants for contamination |
US10231371B2 (en) | 2016-07-18 | 2019-03-19 | Tribine Industries Llc | Soil compaction mitigation assembly and method |
US10795351B2 (en) | 2016-07-19 | 2020-10-06 | Raven Industries, Inc. | System and method for autonomous control of agricultural machinery and equipment |
CN106248873B (zh) | 2016-07-22 | 2019-04-12 | 黄哲敏 | 一种通过检测设备测定松树坚固程度的方法 |
CN106198879B (zh) | 2016-07-22 | 2018-11-16 | 广东双木林科技有限公司 | 一种检测杉树抗风稳定性能的方法 |
CN106226470B (zh) | 2016-07-22 | 2019-06-11 | 孙红 | 一种通过测量装置测定槐树的稳固性能的方法 |
CN106198877A (zh) | 2016-07-22 | 2016-12-07 | 陈显桥 | 通过测量设备检验杨树稳定性的方法 |
US20180022559A1 (en) | 2016-07-22 | 2018-01-25 | Scott William Knutson | Loader Positioning System |
DE102016009085A1 (de) | 2016-07-26 | 2018-02-01 | Bomag Gmbh | Bodenverdichtungswalze mit Sensoreinrichtung an der Walzbandage und Verfahren zur Ermittlung der Bodensteifigkeit |
DE102016214554A1 (de) | 2016-08-05 | 2018-02-08 | Deere & Company | Verfahren zur Optimierung eines Arbeitsparameters einer Maschine zur Ausbringung von landwirtschaftlichem Material auf ein Feld und entsprechende Maschine |
US10351364B2 (en) | 2016-08-05 | 2019-07-16 | Deere & Company | Automatic vehicle and conveyor positioning |
US10154624B2 (en) | 2016-08-08 | 2018-12-18 | The Climate Corporation | Estimating nitrogen content using hyperspectral and multispectral images |
US10410299B2 (en) | 2016-08-24 | 2019-09-10 | The Climate Corporation | Optimizing split fertilizer application |
EP3287007A1 (de) | 2016-08-24 | 2018-02-28 | Bayer CropScience AG | Bekämpfung von schadorganismen auf basis der vorhersage von befallsrisiken |
DE102016116043A1 (de) | 2016-08-29 | 2018-03-01 | Claas Selbstfahrende Erntemaschinen Gmbh | Transportfahrzeug |
US10609856B2 (en) | 2016-08-29 | 2020-04-07 | Troy Oliver | Agriculture system and method |
CN106327349A (zh) | 2016-08-30 | 2017-01-11 | 张琦 | 一种基于云计算的园林绿化精细化管理装置 |
JP2018033407A (ja) | 2016-09-01 | 2018-03-08 | ヤンマー株式会社 | 配車システム |
DE102016116461A1 (de) | 2016-09-02 | 2018-03-08 | Claas Saulgau Gmbh | Verfahren und Steuerungseinrichtung zum Betreiben eines landwirtschaftlichen Transportwagens sowie Transportwagen |
DE102016117757A1 (de) | 2016-09-21 | 2018-03-22 | Claas Selbstfahrende Erntemaschinen Gmbh | Feldhäcksler |
EP3298873B1 (de) | 2016-09-21 | 2020-03-04 | Exel Industries | Steuerungsvorrichtung für ein fahrzeug, entsprechendes fahrzeug und verfahren |
DE102016118297A1 (de) | 2016-09-28 | 2018-03-29 | Claas Tractor Sas | Verfahren und System zur Bestimmung eines Betriebspunktes |
DE102016118283A1 (de) | 2016-09-28 | 2018-03-29 | Claas Tractor Sas | Landwirtschaftliche Arbeitsmaschine |
US10078890B1 (en) | 2016-09-29 | 2018-09-18 | CHS North LLC | Anomaly detection |
CA3038768A1 (en) | 2016-09-29 | 2018-04-05 | Agro Intelligence Aps | A system and a method for determining a trajectory to be followed by an agricultural work vehicle |
CN106290800B (zh) | 2016-09-30 | 2018-10-12 | 长沙理工大学 | 一种土质边坡抗水流侵蚀能力模拟试验方法及装置 |
DE102016118651A1 (de) | 2016-09-30 | 2018-04-05 | Claas Selbstfahrende Erntemaschinen Gmbh | Selbstfahrende landwirtschaftliche Arbeitsmaschine |
US10165725B2 (en) | 2016-09-30 | 2019-01-01 | Deere & Company | Controlling ground engaging elements based on images |
US20180092302A1 (en) | 2016-10-01 | 2018-04-05 | Deere & Company | Residue spread control using operator input of wind direction and combine bearing |
US20180092301A1 (en) | 2016-10-01 | 2018-04-05 | Deere & Company | Residue spread control using crop deflector commands input by the operator and satnav combine bearing |
BR112019007886A2 (pt) | 2016-10-18 | 2019-07-02 | Basf Agro Trademarks Gmbh | método e sistema de planejamento e implementação de medidas agrícolas |
US20190335674A1 (en) | 2016-10-24 | 2019-11-07 | Board Of Trustees Of Michigan State University | Methods for mapping temporal and spatial stability and sustainability of a cropping system |
JP6832828B2 (ja) | 2016-10-26 | 2021-02-24 | 株式会社クボタ | 走行経路決定装置 |
US11256999B2 (en) | 2016-10-28 | 2022-02-22 | Deere & Company | Methods and systems of forecasting the drying of an agricultural crop |
EP3315005B1 (de) | 2016-10-28 | 2022-04-06 | Deere & Company | Stereosichtsystem zur verwaltung der entladung eines landwirtschaftlichen materials aus einem fahrzeug |
US10719787B2 (en) | 2016-10-31 | 2020-07-21 | Basf Agro Trademarks Gmbh | Method for mapping crop yields |
US10832351B2 (en) | 2016-11-01 | 2020-11-10 | Deere & Company | Correcting bias in agricultural parameter monitoring |
US10408645B2 (en) | 2016-11-01 | 2019-09-10 | Deere & Company | Correcting bias in parameter monitoring |
US10901420B2 (en) | 2016-11-04 | 2021-01-26 | Intel Corporation | Unmanned aerial vehicle-based systems and methods for agricultural landscape modeling |
BR112019009310B8 (pt) | 2016-11-07 | 2023-04-04 | Climate Corp | Sistemas de geração de imagem de solo |
AU2017355728B2 (en) | 2016-11-07 | 2020-09-10 | Climate Llc | Agricultural implements for soil and vegetation analysis |
US10398096B2 (en) | 2016-11-16 | 2019-09-03 | The Climate Corporation | Identifying management zones in agricultural fields and generating planting plans for the zones |
US10028451B2 (en) | 2016-11-16 | 2018-07-24 | The Climate Corporation | Identifying management zones in agricultural fields and generating planting plans for the zones |
US20180146624A1 (en) | 2016-11-28 | 2018-05-31 | The Climate Corporation | Determining intra-field yield variation data based on soil characteristics data and satellite images |
WO2018101351A1 (ja) | 2016-12-02 | 2018-06-07 | 株式会社クボタ | 走行経路管理システム及び走行経路決定装置 |
US10178823B2 (en) | 2016-12-12 | 2019-01-15 | Cnh Industrial Canada, Ltd. | Agricultural implement with automatic shank depth control |
CN106644663B (zh) | 2016-12-12 | 2023-07-21 | 江苏省海洋水产研究所 | 一种紫菜孢子计数用过滤装置及计数方法 |
KR102532963B1 (ko) | 2016-12-19 | 2023-05-16 | 가부시끼 가이샤 구보다 | 작업차 자동 주행 시스템 |
WO2018116770A1 (ja) | 2016-12-19 | 2018-06-28 | 株式会社クボタ | 作業車自動走行システム |
JP6936356B2 (ja) | 2016-12-19 | 2021-09-15 | 株式会社クボタ | 作業車自動走行システム |
GB201621879D0 (en) | 2016-12-21 | 2017-02-01 | Branston Ltd | A crop monitoring system and method |
JP6615085B2 (ja) | 2016-12-22 | 2019-12-04 | 株式会社クボタ | 収穫機 |
KR101873657B1 (ko) | 2016-12-22 | 2018-08-03 | 현대건설주식회사 | 탄성파 속도를 이용한 성토지반 다짐특성 측정장치와 이를 활용한 다짐관리 방법 |
WO2018112615A1 (en) | 2016-12-22 | 2018-06-28 | Greentronics Ltd. | Systems and methods for automated tracking of harvested materials |
CN206330815U (zh) | 2017-01-06 | 2017-07-14 | 福建九邦环境检测科研有限公司 | 一种土壤检测用土壤快速压实器 |
US10255670B1 (en) | 2017-01-08 | 2019-04-09 | Dolly Y. Wu PLLC | Image sensor and module for agricultural crop improvement |
US10775796B2 (en) | 2017-01-10 | 2020-09-15 | Cnh Industrial America Llc | Aerial vehicle systems and methods |
DE102017200336A1 (de) | 2017-01-11 | 2018-07-12 | Deere & Company | Modellbasierte prädiktive Geschwindigkeitskontrolle einer Erntemaschine |
KR200485051Y1 (ko) | 2017-01-16 | 2017-11-22 | 서울특별시 | 다짐도 평가장치 |
US10699185B2 (en) | 2017-01-26 | 2020-06-30 | The Climate Corporation | Crop yield estimation using agronomic neural network |
JP6767892B2 (ja) | 2017-02-03 | 2020-10-14 | ヤンマーパワーテクノロジー株式会社 | 収穫量管理システム |
DE102017104009A1 (de) | 2017-02-27 | 2018-08-30 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliches Erntesystem |
US10315655B2 (en) | 2017-03-07 | 2019-06-11 | Deere & Company | Vehicle control based on soil compaction |
CN206515119U (zh) | 2017-03-10 | 2017-09-22 | 南京宁曦土壤仪器有限公司 | 电动击实仪 |
CN206515118U (zh) | 2017-03-10 | 2017-09-22 | 南京宁曦土壤仪器有限公司 | 多功能电动击实仪 |
JP6888340B2 (ja) * | 2017-03-13 | 2021-06-16 | 井関農機株式会社 | 農作業車の作業地地図データ作成装置 |
JP7075787B2 (ja) | 2017-03-14 | 2022-05-26 | 株式会社フジタ | トラフィカビリティ推定装置およびプログラム |
DE102017105496A1 (de) | 2017-03-15 | 2018-09-20 | Amazonen-Werke H. Dreyer Gmbh & Co. Kg | Landwirtschaftliches Terminal |
DE102017105490A1 (de) | 2017-03-15 | 2018-09-20 | Amazonen-Werke H. Dreyer Gmbh & Co. Kg | Landwirtschaftliches Terminal |
DE102017204511A1 (de) | 2017-03-17 | 2018-09-20 | Deere & Company | Landwirtschaftliche Erntemaschine zur Bearbeitung und Förderung von Erntegut mit einer Sensoranordnung zur Erkennung von unerwünschten Gefahr- und Inhaltsstoffen im Erntegut |
CN110740635A (zh) | 2017-03-21 | 2020-01-31 | 蓝河技术有限公司 | 包括机器反馈控制的联合收割机 |
CN206616118U (zh) | 2017-03-21 | 2017-11-07 | 嵊州市晟祥盈净水设备有限公司 | 一种多层次深度净水设备 |
DE102017205293A1 (de) | 2017-03-29 | 2018-10-04 | Deere & Company | Verfahren und Vorrichtung zur Bekämpfung unerwünschter Lebewesen auf einem Feld |
US10152035B2 (en) | 2017-04-12 | 2018-12-11 | Bayer Ag | Value added pest control system with smart learning |
CN206906093U (zh) | 2017-04-21 | 2018-01-19 | 青岛科技大学 | 一种岩土试件压实过程可以测量重量的装置 |
RU2017114139A (ru) | 2017-04-24 | 2018-10-24 | Общество с ограниченной ответственностью "Завод инновационных продуктов "КТЗ" | Способ управления уборочным комбайном |
EP3614822A4 (de) | 2017-04-26 | 2021-01-13 | The Climate Corporation | Verfahren zur einpegelung von sensormesswerten bei einem gerät |
US10952374B2 (en) | 2017-05-01 | 2021-03-23 | Cnh Industrial America Llc | System and method for monitoring residue output from a harvester |
US10548260B2 (en) | 2017-05-04 | 2020-02-04 | Dawn Equipment Company | System for automatically setting the set point of a planter automatic down pressure control system with a seed furrow sidewall compaction measurement device |
DE102017109849A1 (de) | 2017-05-08 | 2018-11-08 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Abarbeitung eines landwirtschaftlichen Ernteprozesses |
US10531603B2 (en) | 2017-05-09 | 2020-01-14 | Cnh Industrial America Llc | Agricultural system |
BE1024513B1 (nl) | 2017-05-09 | 2018-03-21 | Cnh Industrial Belgium Nv | Landbouwsysteem |
BE1024475B1 (nl) | 2017-05-09 | 2018-03-01 | Cnh Industrial Belgium Nv | Werkwijze voor het oogsten en oogsttoestel |
US10317272B2 (en) | 2017-05-17 | 2019-06-11 | Deere & Company | Automatic wireless wagon detection apparatus and method |
DE102017208442A1 (de) | 2017-05-18 | 2018-11-22 | Deere & Company | Selbstlernende, Korrektureingaben berücksichtigende Anordnung zur selbsttätigen Kontrolle eines Arbeitsparameters einer Erntegutförder- und/oder -bearbeitungseinrichtung |
CN206696107U (zh) | 2017-05-18 | 2017-12-01 | 贵州省山地农业机械研究所 | 多用途土壤坚实度测量装置 |
US10481142B2 (en) | 2017-05-25 | 2019-11-19 | Deere & Company | Sensor system for determining soil characteristics |
US10537062B2 (en) | 2017-05-26 | 2020-01-21 | Cnh Industrial America Llc | Aerial vehicle systems and methods |
CN207079558U (zh) | 2017-05-31 | 2018-03-09 | 中铁二十一局集团第六工程有限公司 | 高速铁路路基沉降监测元件保护装置 |
BE1025282B1 (nl) | 2017-06-02 | 2019-01-11 | Cnh Industrial Belgium Nv | Draagvermogen van de grond |
US9984455B1 (en) | 2017-06-05 | 2018-05-29 | Hana Resources, Inc. | Organism growth prediction system using drone-captured images |
SE542261C2 (en) | 2017-06-05 | 2020-03-31 | Scania Cv Ab | Method and control arrangement for loading |
CN206941558U (zh) | 2017-06-16 | 2018-01-30 | 中石化中原建设工程有限公司 | 一种公路灰土基层压实度测定取样机 |
US10437243B2 (en) | 2017-06-19 | 2019-10-08 | Deere & Company | Combine harvester control interface for operator and/or remote user |
US10310455B2 (en) | 2017-06-19 | 2019-06-04 | Deere & Company | Combine harvester control and communication system |
US20180359917A1 (en) | 2017-06-19 | 2018-12-20 | Deere & Company | Remote control of settings on a combine harvester |
US11589507B2 (en) | 2017-06-19 | 2023-02-28 | Deere & Company | Combine harvester control interface for operator and/or remote user |
US10459447B2 (en) | 2017-06-19 | 2019-10-29 | Cnh Industrial America Llc | System and method for generating partitioned swaths |
US10314232B2 (en) | 2017-06-21 | 2019-06-11 | Cnh Industrial America Llc | System and method for destroying seeds in crop residue prior to discharge from agricultural harvester |
JP6887323B2 (ja) | 2017-06-23 | 2021-06-16 | 株式会社クボタ | コンバイン及び圃場営農マップ生成方法 |
KR102589076B1 (ko) | 2017-06-23 | 2023-10-16 | 가부시끼 가이샤 구보다 | 수확기 |
JP6827373B2 (ja) | 2017-06-26 | 2021-02-10 | 株式会社クボタ | コンバイン |
CN110622200B (zh) | 2017-06-26 | 2023-10-27 | 株式会社久保田 | 农田地图生成系统 |
DE102017006844B4 (de) | 2017-07-18 | 2019-04-11 | Bomag Gmbh | Bodenverdichter und Verfahren zur Bestimmung von Untergrundeigenschaften mittels eines Bodenverdichters |
US10757859B2 (en) | 2017-07-20 | 2020-09-01 | Deere & Company | System for optimizing platform settings based on crop state classification |
US11263707B2 (en) | 2017-08-08 | 2022-03-01 | Indigo Ag, Inc. | Machine learning in agricultural planting, growing, and harvesting contexts |
DK179454B1 (en) | 2017-08-17 | 2018-10-19 | Agro Intelligence Aps | A system for controlling soil compaction caused by wheels, and use of such system |
US10512217B2 (en) * | 2017-08-23 | 2019-12-24 | Deere & Company | Metering flow of grain to a cleaning device |
US10438302B2 (en) | 2017-08-28 | 2019-10-08 | The Climate Corporation | Crop disease recognition and yield estimation |
CN107576674A (zh) | 2017-08-30 | 2018-01-12 | 曲阜师范大学 | 一种基于探地雷达测量土壤压实程度的方法 |
US11140807B2 (en) | 2017-09-07 | 2021-10-12 | Deere & Company | System for optimizing agricultural machine settings |
AU2018329244A1 (en) | 2017-09-11 | 2020-03-12 | Farmers Edge Inc. | Generating a yield map for an agricultural field using classification and regression methods |
US10368488B2 (en) | 2017-09-18 | 2019-08-06 | Cnh Industrial America Llc | System and method for sensing harvested crop levels within an agricultural harvester |
US10883437B2 (en) | 2017-09-19 | 2021-01-05 | Doug Abolt | Horsepower on demand system |
DE102017121654A1 (de) | 2017-09-19 | 2019-03-21 | Claas Tractor Sas | Landwirtschaftliche Arbeitsmaschine |
CN107736088B (zh) | 2017-09-22 | 2020-06-26 | 江苏大学 | 一种用于精整地土壤密实度测量与自动调节系统 |
DE102017122300A1 (de) | 2017-09-26 | 2019-03-28 | Claas Selbstfahrende Erntemaschinen Gmbh | Arbeitsmaschine |
DE102017122712A1 (de) | 2017-09-29 | 2019-04-04 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren für den Betrieb einer selbstfahrenden landwirtschaftlichen Arbeitsmaschine |
DE102017122711A1 (de) | 2017-09-29 | 2019-04-04 | Claas E-Systems Kgaa Mbh & Co. Kg | Verfahren für den Betrieb einer selbstfahrenden landwirtschaftlichen Arbeitsmaschine |
DE102017122710A1 (de) | 2017-09-29 | 2019-04-04 | Claas E-Systems Kgaa Mbh & Co. Kg | Verfahren für den Betrieb einer selbstfahrenden landwirtschaftlichen Arbeitsmaschine |
CA3199290A1 (en) | 2017-10-02 | 2019-04-11 | Precision Planting Llc | Systems and apparatuses for soil and seed monitoring |
US10423850B2 (en) | 2017-10-05 | 2019-09-24 | The Climate Corporation | Disease recognition from images having a large field of view |
CN107795095A (zh) | 2017-10-10 | 2018-03-13 | 上海科城建设工程有限公司 | 一种预制混凝土地坪的连接工艺 |
US10517215B2 (en) | 2017-10-12 | 2019-12-31 | Deere & Company | Roll center for attachment frame control arms |
US11308735B2 (en) | 2017-10-13 | 2022-04-19 | Deere & Company | Unmanned aerial vehicle (UAV)-assisted worksite data acquisition |
EP4230009A3 (de) | 2017-10-17 | 2023-11-08 | Precision Planting LLC | Bodenmesssysteme und vorrichtungen zur erfassung verschiedener bodenparameter |
WO2019081349A1 (de) | 2017-10-24 | 2019-05-02 | Basf Se | Erstellung digitaler bearbeitungskarten |
CN107957408B (zh) | 2017-10-30 | 2021-01-12 | 汕头大学 | 一种利用光反射理论测量土壤吸力的方法 |
US20190129430A1 (en) | 2017-10-31 | 2019-05-02 | Agjunction Llc | Vehicle control optimization |
CN108009542B (zh) | 2017-11-01 | 2021-06-15 | 华中农业大学 | 油菜大田环境下杂草图像分割方法 |
US10914054B2 (en) | 2017-11-07 | 2021-02-09 | ModernAg, Inc. | System and method for measurement and abatement of compaction and erosion of soil covering buried pipelines |
US11568340B2 (en) | 2017-11-09 | 2023-01-31 | Climate Llc | Hybrid seed selection and seed portfolio optimization by field |
DK179951B1 (en) | 2017-11-11 | 2019-10-24 | Agro Intelligence Aps | A system and a method for optimizing a harvesting operation |
US10853377B2 (en) | 2017-11-15 | 2020-12-01 | The Climate Corporation | Sequential data assimilation to improve agricultural modeling |
US10521526B2 (en) | 2017-11-20 | 2019-12-31 | Nfl Players, Inc. | Hybrid method of assessing and predicting athletic performance |
US11151500B2 (en) | 2017-11-21 | 2021-10-19 | The Climate Corporation | Digital modeling of disease on crops on agronomic fields |
DE102017221134A1 (de) | 2017-11-27 | 2019-05-29 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Betreiben eines mobilen Systems |
US10412889B2 (en) | 2017-12-05 | 2019-09-17 | Deere & Company | Combine harvester control information for a remote user with visual feed |
US11197405B2 (en) | 2017-12-07 | 2021-12-14 | Kubota Corporation | Harvesting machine and travel mode switching method |
CN207567744U (zh) | 2017-12-08 | 2018-07-03 | 山西省交通科学研究院 | 公路灰土基层压实度测定取样机 |
US11835955B2 (en) | 2017-12-08 | 2023-12-05 | Camso Inc. | Systems and methods for monitoring off-road vehicles |
DE102017222403A1 (de) | 2017-12-11 | 2019-06-13 | Deere & Company | Verfahren und Vorrichtung zur Kartierung eventuell in einem Feld vorhandener Fremdkörper |
EP3725632A4 (de) | 2017-12-15 | 2021-10-20 | Kubota Corporation | Schlupffeststellungssystem, fahrwegerzeugungssystem und feldarbeitsfahrzeug |
US10660268B2 (en) | 2017-12-16 | 2020-05-26 | Deere & Company | Harvester with electromagnetic plane crop material flow sensor |
KR20200096496A (ko) | 2017-12-18 | 2020-08-12 | 가부시끼 가이샤 구보다 | 콤바인 제어 시스템, 콤바인 제어 프로그램, 콤바인 제어 프로그램을 기록한 기록 매체, 콤바인 제어 방법, 수확기 제어 시스템, 수확기 제어 프로그램, 수확기 제어 프로그램을 기록한 기록 매체, 수확기 제어 방법 |
WO2019124225A1 (ja) | 2017-12-18 | 2019-06-27 | 株式会社クボタ | 農作業車、作業車衝突警戒システム及び作業車 |
EP3498074A1 (de) | 2017-12-18 | 2019-06-19 | DINAMICA GENERALE S.p.A | Ernteanalysesystem zur verwendung in einer maschine |
KR20200096497A (ko) | 2017-12-18 | 2020-08-12 | 가부시끼 가이샤 구보다 | 자동 주행 시스템, 자동 주행 관리 프로그램, 자동 주행 관리 프로그램을 기록한 기록 매체, 자동 주행 관리 방법, 영역 결정 시스템, 영역 결정 프로그램, 영역 결정 프로그램을 기록한 기록 매체, 영역 결정 방법, 콤바인 제어 시스템, 콤바인 제어 프로그램, 콤바인 제어 프로그램을 기록한 기록 매체, 콤바인 제어 방법 |
KR20200096500A (ko) | 2017-12-18 | 2020-08-12 | 가부시끼 가이샤 구보다 | 자동 조타 시스템 및 자동 조타 방법 |
CN111343854B (zh) | 2017-12-20 | 2022-08-12 | 株式会社久保田 | 作业车、用于作业车的行驶路径选择系统以及行驶路径计算系统 |
CN208047351U (zh) | 2017-12-26 | 2018-11-06 | 南安市振邦家庭农场有限公司 | 一种高效率的玉米脱粒机 |
US10568261B2 (en) | 2017-12-28 | 2020-02-25 | Cnh Industrial America Llc | Dynamic combine fire risk index and display |
DK179771B1 (en) | 2017-12-29 | 2019-05-15 | Agro Intelligence Aps | Apparatus and method for improving the yield of grass and clover harvested from an agricultural field |
DK179768B1 (en) | 2017-12-29 | 2019-05-15 | Agro Intelligence Aps | Apparatus and method for improving the conditioning quality of grass and clover prior to the collecting thereof |
DK179878B1 (en) | 2017-12-29 | 2019-08-16 | Agro Intelligence Aps | Apparatus and method for improving the quality of grass and clover by tedding |
CN107941286A (zh) | 2018-01-09 | 2018-04-20 | 东北农业大学 | 一种便携式田间多参数测量装置 |
US10477756B1 (en) | 2018-01-17 | 2019-11-19 | Cibo Technologies, Inc. | Correcting agronomic data from multiple passes through a farmable region |
US10909368B2 (en) | 2018-01-23 | 2021-02-02 | X Development Llc | Crop type classification in images |
CN108304796A (zh) | 2018-01-29 | 2018-07-20 | 深圳春沐源控股有限公司 | 一种智能杂草警示方法及系统 |
US10687466B2 (en) | 2018-01-29 | 2020-06-23 | Cnh Industrial America Llc | Predictive header height control system |
JP7101488B2 (ja) | 2018-01-30 | 2022-07-15 | 株式会社クボタ | 作業車管理システム |
DE102018104286A1 (de) | 2018-02-26 | 2019-08-29 | Claas Selbstfahrende Erntemaschinen Gmbh | Selbstfahrender Feldhäcksler |
US11006577B2 (en) | 2018-02-26 | 2021-05-18 | Cnh Industrial America Llc | System and method for adjusting operating parameters of an agricultural harvester based on estimated crop volume |
JP2019146506A (ja) | 2018-02-26 | 2019-09-05 | 井関農機株式会社 | コンバインの自動走行制御装置 |
DE102018001551A1 (de) | 2018-02-28 | 2019-08-29 | Class Selbstfahrende Erntemaschinen Gmbh | Selbstfahrende Erntemaschine und Betriebsverfahren dafür |
US10830634B2 (en) | 2018-03-06 | 2020-11-10 | Deere & Company | Fill level detection and control |
CN208013131U (zh) | 2018-03-16 | 2018-10-26 | 云南群林科技有限公司 | 一种基于多传感器的农业信息采集系统 |
US10785903B2 (en) | 2018-04-17 | 2020-09-29 | Hrl Laboratories, Llc | System and method for determining crop residue fraction using blind source separation of color images |
DE102018206507A1 (de) | 2018-04-26 | 2019-10-31 | Deere & Company | Schneidwerk mit selbsttätiger Einstellung der Haspelzinkenorientierung |
US11240959B2 (en) | 2018-04-30 | 2022-02-08 | Deere & Company | Adaptive forward-looking biomass conversion and machine control during crop harvesting operations |
EP3563654B1 (de) | 2018-05-02 | 2022-12-21 | AGCO Corporation | Simulation einer automatischen vorsatzgerätsteuerung |
BE1025780B1 (nl) | 2018-05-07 | 2019-07-08 | Cnh Industrial Belgium Nv | Systeem en werkwijze voor het lokaliseren van een aanhangwagen ten opzichte van een landbouwmachine |
DE102018111076A1 (de) | 2018-05-08 | 2019-11-14 | Claas Selbstfahrende Erntemaschinen Gmbh | Mähdrescher |
DE102018111077A1 (de) | 2018-05-08 | 2019-11-14 | Claas Selbstfahrende Erntemaschinen Gmbh | Mähdrescher sowie Verfahren zum Betreiben eines Mähdreschers |
US10820516B2 (en) | 2018-05-08 | 2020-11-03 | Cnh Industrial America Llc | System and method for monitoring the amount of plant materials entering an agricultural harvester |
CN108614089A (zh) | 2018-05-09 | 2018-10-02 | 重庆交通大学 | 压实土体冻融和风化环境模拟系统及其试验方法 |
US11641790B2 (en) | 2018-05-09 | 2023-05-09 | Deere & Company | Method of planning a path for a vehicle having a work tool and a vehicle path planning system |
US10782672B2 (en) | 2018-05-15 | 2020-09-22 | Deere & Company | Machine control system using performance score based setting adjustment |
DE102018111746A1 (de) | 2018-05-16 | 2019-11-21 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliche Arbeitsmaschine |
US20190351765A1 (en) | 2018-05-18 | 2019-11-21 | Cnh Industrial America Llc | System and method for regulating the operating distance between work vehicles |
JP7039026B2 (ja) | 2018-05-28 | 2022-03-22 | ヤンマーパワーテクノロジー株式会社 | 地図情報生成システム、および作業支援システム |
US10813288B2 (en) | 2018-05-31 | 2020-10-27 | Deere & Company | Automated belt speed control |
DE102018113327A1 (de) | 2018-06-05 | 2019-12-05 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Steuerung einer landwirtschaftlichen Erntekampagne |
CN108881825A (zh) | 2018-06-14 | 2018-11-23 | 华南农业大学 | 基于Jetson TK1的水稻杂草无人机监控系统及其监控方法 |
US11064653B2 (en) | 2018-06-18 | 2021-07-20 | Ag Leader Technology | Agricultural systems having stalk sensors and data visualization systems and related devices and methods |
US11419261B2 (en) | 2018-06-25 | 2022-08-23 | Deere & Company | Prescription cover crop seeding with combine |
US11395452B2 (en) | 2018-06-29 | 2022-07-26 | Deere & Company | Method of mitigating compaction and a compaction mitigation system |
DE102018116578A1 (de) | 2018-07-09 | 2020-01-09 | Claas Selbstfahrende Erntemaschinen Gmbh | Erntesystem |
DE102018116817A1 (de) | 2018-07-11 | 2020-01-16 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Steuerung einer Datenübertragung zwischen einer landwirtschaftlichen Arbeitsmaschine und einer externen Sende-/Empfangseinheit |
AU2019299980B2 (en) | 2018-07-11 | 2022-03-17 | Raven Industries, Inc. | Agricultural control and interface system |
DE102018116990A1 (de) | 2018-07-13 | 2020-01-16 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliche Arbeitsmaschine |
DE102018212150A1 (de) | 2018-07-20 | 2020-01-23 | Deere & Company | Verfahren zur Energieversorgung eines kabelgebundenen betriebenen Feldhäckslers |
MX2021000907A (es) | 2018-07-26 | 2021-03-31 | Climate Llc | Generacion de mapas de rendimiento agronomico a partir de imagenes de salud del campo. |
US11277956B2 (en) | 2018-07-26 | 2022-03-22 | Bear Flag Robotics, Inc. | Vehicle controllers for agricultural and industrial applications |
WO2020026578A1 (ja) | 2018-07-31 | 2020-02-06 | 株式会社クボタ | 走行経路生成システム、走行経路生成方法、走行経路生成プログラム、及び走行経路生成プログラムが記録されている記録媒体と、作業管理システム、作業管理方法、作業管理プログラム、及び作業管理プログラムが記録されている記録媒体と、収穫機、走行パターン作成システム、走行パターン作成プログラム、走行パターン作成プログラムが記録されている記録媒体、及び走行パターン作成方法 |
WO2020026650A1 (ja) | 2018-08-01 | 2020-02-06 | 株式会社クボタ | 自動走行制御システム、自動走行制御方法、自動走行制御プログラム、及び、記憶媒体 |
CN112752500A (zh) | 2018-08-01 | 2021-05-04 | 株式会社久保田 | 收获机、行驶系统、行驶方法、行驶程序以及存储介质 |
JP6958508B2 (ja) | 2018-08-02 | 2021-11-02 | 井関農機株式会社 | 収穫作業システム |
US11234357B2 (en) | 2018-08-02 | 2022-02-01 | Cnh Industrial America Llc | System and method for monitoring field conditions of an adjacent swath within a field |
WO2020031473A1 (ja) | 2018-08-06 | 2020-02-13 | 株式会社クボタ | 外形形状算出システム、外形形状算出方法、外形形状算出プログラム、及び外形形状算出プログラムが記録されている記録媒体と、圃場マップ作成システム、圃場マップ作成プログラム、圃場マップ作成プログラムが記録されている記録媒体、及び圃場マップ作成方法 |
JP7034866B2 (ja) | 2018-08-20 | 2022-03-14 | 株式会社クボタ | 収穫機 |
US11154008B2 (en) | 2018-08-20 | 2021-10-26 | Cnh Industrial America Llc | System and method for steering an agricultural harvester |
EP3840563A1 (de) | 2018-08-22 | 2021-06-30 | AGCO International GmbH | Erntelogistik |
US20210321602A1 (en) | 2018-08-22 | 2021-10-21 | Precision Planting Llc | Implements and application units having sensors for sensing agricultural plants of agricultural fields |
DE102018120741A1 (de) | 2018-08-24 | 2020-02-27 | Claas Selbstfahrende Erntemaschinen Gmbh | Mähdrescher |
WO2020044726A1 (ja) | 2018-08-29 | 2020-03-05 | 株式会社クボタ | 自動操舵システムおよび収穫機、自動操舵方法、自動操舵プログラム、記録媒体 |
AU2019330032A1 (en) | 2018-08-31 | 2021-04-29 | Climate Llc | Subfield moisture model improvement using overland flow modeling with shallow water computations |
JP7121598B2 (ja) | 2018-08-31 | 2022-08-18 | 三菱マヒンドラ農機株式会社 | 収穫機 |
US11197417B2 (en) | 2018-09-18 | 2021-12-14 | Deere & Company | Grain quality control system and method |
US20200090094A1 (en) | 2018-09-19 | 2020-03-19 | Deere & Company | Harvester control system |
CA3112950A1 (en) | 2018-09-21 | 2020-03-26 | The Climate Corporation | Method and system for executing machine learning algorithms |
DE102018123478A1 (de) | 2018-09-24 | 2020-03-26 | Claas Tractor Sas | Landwirtschaftliche Arbeitsmaschine |
EP3863394A2 (de) | 2018-10-11 | 2021-08-18 | Mtd Products Inc. | Lokalisiertes datenmapping für innen- und aussenanwendungen |
US11676244B2 (en) | 2018-10-19 | 2023-06-13 | Mineral Earth Sciences Llc | Crop yield prediction at field-level and pixel-level |
US10729067B2 (en) | 2018-10-20 | 2020-08-04 | Deere & Company | Biomass impact sensor having a conformal encasement enveloping a pressure sensitive film |
AU2019368545A1 (en) | 2018-10-24 | 2021-05-06 | Bitstrata Systems Inc. | Machine operational state and material movement tracking |
US11467605B2 (en) | 2019-04-10 | 2022-10-11 | Deere & Company | Zonal machine control |
US11178818B2 (en) | 2018-10-26 | 2021-11-23 | Deere & Company | Harvesting machine control system with fill level processing based on yield data |
US11240961B2 (en) | 2018-10-26 | 2022-02-08 | Deere & Company | Controlling a harvesting machine based on a geo-spatial representation indicating where the harvesting machine is likely to reach capacity |
US11079725B2 (en) | 2019-04-10 | 2021-08-03 | Deere & Company | Machine control using real-time model |
US20200133262A1 (en) | 2018-10-31 | 2020-04-30 | Cnh Industrial America Llc | System and method for calibrating alignment of work vehicles |
US11564349B2 (en) | 2018-10-31 | 2023-01-31 | Deere & Company | Controlling a machine based on cracked kernel detection |
US10986778B2 (en) | 2018-10-31 | 2021-04-27 | Deere & Company | Weed seed devitalizer control |
US11399462B2 (en) | 2018-10-31 | 2022-08-02 | Cnh Industrial America Llc | System and method for calibrating alignment of work vehicles |
US20200128738A1 (en) | 2018-10-31 | 2020-04-30 | Cnh Industrial America Llc | System and method for calibrating alignment of work vehicles |
US11206763B2 (en) | 2018-10-31 | 2021-12-28 | Deere & Company | Weed seed based harvester working member control |
US11175170B2 (en) | 2018-11-07 | 2021-11-16 | Trimble Inc. | Estimating yield of agricultural crops |
US10996656B2 (en) | 2018-11-08 | 2021-05-04 | Premier Crop Systems, LLC | System and method for aggregating test plot results based on agronomic environments |
CN109357804B (zh) | 2018-11-13 | 2023-09-19 | 西南交通大学 | 一种压实土水平应力测试装置及测试方法 |
US20200146203A1 (en) | 2018-11-13 | 2020-05-14 | Cnh Industrial America Llc | Geographic coordinate based setting adjustment for agricultural implements |
CN112996378B (zh) | 2018-11-15 | 2023-04-18 | 株式会社久保田 | 收割机以及路径设定系统 |
CN111201879B (zh) | 2018-11-21 | 2023-10-03 | 金华中科艾特智能科技研究所有限公司 | 基于图像识别的粮食收割、运输一体化装载装置/方法 |
WO2020110920A1 (ja) | 2018-11-26 | 2020-06-04 | 株式会社クボタ | 農作業機、農作業機制御プログラム、農作業機制御プログラムを記録した記録媒体、農作業機制御方法、収穫機、収穫機制御プログラム、収穫機制御プログラムを記録した記録媒体、収穫機制御方法 |
US11483970B2 (en) | 2018-11-28 | 2022-11-01 | Cnh Industrial America Llc | System and method for adjusting the orientation of an agricultural harvesting implement based on implement height |
DE102018131142A1 (de) | 2018-12-06 | 2020-06-10 | Claas Selbstfahrende Erntemaschinen Gmbh | Landwirtschaftliche Arbeitsmaschine sowie Verfahren zum Betreiben einer landwirtschaftlichen Arbeitsmaschine |
US11067994B2 (en) | 2018-12-06 | 2021-07-20 | Deere & Company | Machine control through active ground terrain mapping |
DE102018132144A1 (de) | 2018-12-13 | 2020-06-18 | Claas E-Systems Gmbh | Landwirtschaftliche Arbeitssystem |
EP3671590A1 (de) | 2018-12-21 | 2020-06-24 | AGCO Corporation | Verfahren zum entladen von kornchargenmengen für erntemaschinen |
JP7182471B2 (ja) | 2019-01-11 | 2022-12-02 | 株式会社クボタ | 作業管理システム及び作業機 |
CN109485353A (zh) | 2019-01-18 | 2019-03-19 | 安徽马钢嘉华新型建材有限公司 | 一种新型钢渣混合土道路基层材料及制备方法 |
DE102019200794A1 (de) | 2019-01-23 | 2020-07-23 | Amazonen-Werke H. Dreyer Gmbh & Co. Kg | System und Verfahren zur Identifizierung von Zeitfenstern und Flächenbereichen eines landwirtschaftlich genutzten Feldes mit günstigen Bedingungen für einen wirkungsvollen und umweltgerechten Einsatz und/oder die Befahrbarkeit von Landmaschinen |
CN109633127B (zh) | 2019-01-24 | 2024-06-04 | 山东省农业机械科学研究院 | 一种土壤压实度测定机构、装置及方法 |
US20200265527A1 (en) | 2019-02-15 | 2020-08-20 | Growers Edge Financial, Inc. | Agronomic prescription product |
CN109961024A (zh) | 2019-03-08 | 2019-07-02 | 武汉大学 | 基于深度学习的小麦田间杂草检测方法 |
JP7062610B2 (ja) | 2019-03-26 | 2022-05-06 | ヤンマーパワーテクノロジー株式会社 | 作業制御システム |
CN210585958U (zh) | 2019-03-28 | 2020-05-22 | 宁夏大学 | 霉变玉米识别与分拣的辅助装置 |
DE102019108505A1 (de) | 2019-04-02 | 2020-10-08 | Claas E-Systems Gmbh | Landwirtschaftliche Arbeitsmaschine |
US10677637B1 (en) | 2019-04-04 | 2020-06-09 | Scale Tec, Ltd. | Scale controller with dynamic weight measurement |
CN110232494A (zh) | 2019-04-09 | 2019-09-13 | 丰疆智能科技股份有限公司 | 物流车调度系统和方法 |
CN110232493B (zh) | 2019-04-09 | 2021-07-30 | 丰疆智能科技股份有限公司 | 收割机和物流车智能配合系统和方法 |
US11234366B2 (en) | 2019-04-10 | 2022-02-01 | Deere & Company | Image selection for machine control |
US11778945B2 (en) | 2019-04-10 | 2023-10-10 | Deere & Company | Machine control using real-time model |
US11856882B2 (en) | 2019-04-10 | 2024-01-02 | Kansas Stte University Research Foundation | Autonomous robot system for steep terrain farming operations |
US11016049B2 (en) | 2019-04-17 | 2021-05-25 | Deere & Company | Agricultural moisture and test weight sensor with co-planar electrodes |
US20200337232A1 (en) | 2019-04-24 | 2020-10-29 | Deere & Company | Information inference for agronomic data generation in sugarcane applications |
FR3095572B1 (fr) | 2019-05-02 | 2023-03-17 | Agreenculture | Procédé de gestion de flottes de véhicules agricoles autoguidés |
DE102019206734A1 (de) | 2019-05-09 | 2020-11-12 | Deere & Company | Sämaschine mit vorausschauender Ansteuerung |
US10703277B1 (en) | 2019-05-16 | 2020-07-07 | Cnh Industrial America Llc | Heads-up display for an agricultural combine |
US11674288B2 (en) | 2019-05-30 | 2023-06-13 | Deere & Company | System and method for obscurant mitigation |
DE102019114872A1 (de) | 2019-06-03 | 2020-12-03 | Horsch Leeb Application Systems Gmbh | System und Verfahren zur Simulation und/oder Konfiguration eines mittels einer landwirtschaftlichen Arbeitsmaschine durchzuführenden Arbeitsprozesses und landwirtschaftliche Arbeitsmaschine |
US11457563B2 (en) | 2019-06-27 | 2022-10-04 | Deere & Company | Harvester stability monitoring and control |
CN110262287A (zh) | 2019-07-14 | 2019-09-20 | 南京林业大学 | 用于收获机械割台高度自动控制的冠层高度在线探测方法 |
DE102019119110A1 (de) | 2019-07-15 | 2021-01-21 | Claas Selbstfahrende Erntemaschinen Gmbh | Verfahren zur Abarbeitung eines landwirtschaftlichen Arbeitsprozesses auf einem Feld |
JP2019216744A (ja) | 2019-09-03 | 2019-12-26 | ヤンマー株式会社 | コンバイン |
US11904871B2 (en) | 2019-10-30 | 2024-02-20 | Deere & Company | Predictive machine control |
CN110720302A (zh) | 2019-11-29 | 2020-01-24 | 河南瑞创通用机械制造有限公司 | 一种谷物收获机智能调节系统及其控制方法 |
US11540447B2 (en) | 2019-12-17 | 2023-01-03 | Deere & Company | Predictive crop characteristic mapping for product application |
US11800829B2 (en) | 2019-12-17 | 2023-10-31 | Deere & Company | Work machine zone generation and control system with geospatial constraints |
US11641801B2 (en) | 2020-04-21 | 2023-05-09 | Deere & Company | Agricultural harvesting machine control using machine learning for variable delays |
CN111406505A (zh) | 2020-04-30 | 2020-07-14 | 江苏大学 | 一种联合收获机粮箱剩余容量及剩余行走距离监测装置和方法 |
CN111667017B (zh) * | 2020-06-17 | 2023-02-28 | 中国科学院合肥物质科学研究院 | 一种联合收割机喂入量预测系统及其预测方法 |
AU2021296123A1 (en) | 2020-06-25 | 2023-01-19 | The Toro Company | Turf management systems and methods |
-
2020
- 2020-10-09 US US17/067,183 patent/US11889787B2/en active Active
-
2021
- 2021-08-03 DE DE102021120069.5A patent/DE102021120069A1/de active Pending
- 2021-08-17 BR BR102021016281-3A patent/BR102021016281A2/pt unknown
- 2021-08-30 CN CN202111008329.9A patent/CN114303587A/zh active Pending
-
2023
- 2023-12-12 US US18/536,883 patent/US20240122103A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US20240122103A1 (en) | 2024-04-18 |
CN114303587A (zh) | 2022-04-12 |
US20220110246A1 (en) | 2022-04-14 |
BR102021016281A2 (pt) | 2022-04-26 |
US11889787B2 (en) | 2024-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102020204464A1 (de) | Maschinensteuerung unter verwendung eines echtzeitmodells | |
DE102020204478A1 (de) | Maschinensteuerung unter verwendung eines echtzeitmodells | |
DE102021200028A1 (de) | Landwirtschaftliche erntemaschine mit vorauflauf-unkrauterkennungs- und -eindämmungssystem | |
DE102021126413A1 (de) | Landwirtschaftliche merkmale, konfidenz und steuerung | |
DE102021120069A1 (de) | Prädiktives geschwindigkeitskartenerzeugungs- und steuersystem | |
EP4245117A1 (de) | Systeme und verfahren zur prädiktiven aspelsteuerung | |
US11672203B2 (en) | Predictive map generation and control | |
CN114303616A (zh) | 作物成分图生成器和控制系统 | |
DE102022123724A1 (de) | Erntegutgutbestandteilerfassung | |
DE102022124448A1 (de) | Prädiktives reaktionskarten-erzeugungs- und steuersystem | |
DE102021124364A1 (de) | Erntegutfeuchtigkeitskartenerzeugungs- und steuersystem | |
DE102022100945A1 (de) | Maschinensteuerung mithilfe einer karte mit regimezonen | |
DE102021119856A1 (de) | Maschinensteuerung mithilfe einer prädiktiven geschwindigkeitskarte | |
DE102021124715A1 (de) | Erntegutbestandteilkartenerzeugungs- und steuersystem | |
DE102021124212A1 (de) | Maschinensteuerung mithilfe einer prädiktiven Karte | |
DE102021119643A1 (de) | Erntegutzustandskarten-erzeugungs- und steuersystem | |
DE102021101230A1 (de) | Erzeugung prädiktiver Maschineneigenschaftskarten und Steuersystem | |
DE102022122389A1 (de) | Landmaschinensteuerung unter verwendung einer arbeitsqualität auf der grundlage einerin-situ-arbeitsablauferfassung | |
DE102021120197A1 (de) | Prädiktive Kartenerzeugung auf der Grundlage von Aussaatmerkmalen und Steuerung | |
DE102021124343A1 (de) | Kartenerzeugungs- und steuersystem | |
DE102021119312A1 (de) | Erzeugungs- und steuersystem für eine erntegutzustandskarte | |
DE102021123055A1 (de) | Prädiktives leistungskarten-erzeugungs- und steuersystem | |
DE102021119842A1 (de) | Prädiktive kartenerzeugung und steuerung basierend auf bodeneigenschaften | |
DE102021123998A1 (de) | Prädiktive biomassekartenerzeugung und steuerung | |
DE102020120877A1 (de) | Überwachungs- und verbesserungssystem für die maschinensteuerung |