DE102021120069A1

DE102021120069A1 - Prädiktives geschwindigkeitskartenerzeugungs- und steuersystem

Info

Publication number: DE102021120069A1
Application number: DE102021120069.5A
Authority: DE
Inventors: Noel W. Anderson; Frederico Pardina-Malbran; Bhanu Kiran Palla; Nathan R. Vandike
Original assignee: Deere and Co
Current assignee: Deere and Co
Priority date: 2020-10-09
Filing date: 2021-08-03
Publication date: 2022-04-14
Also published as: US20240122103A1; CN114303587A; US20220110246A1; BR102021016281A2; US11889787B2

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 als 3 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 in 1 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 und 3 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 und 3 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 die 4 und 5 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 auf 1 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 und 3B (hierin gemeinsam als 3 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 in 1 gezeigten landwirtschaftlichen Erntemaschine 100. Insbesondere zeigt 4 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 von 4 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 in 2 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 in 2 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 in 2 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 in 6 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 von 2 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. Die 8-9 sind Beispiele für tragbare oder mobile Vorrichtungen.
7 stellt ein allgemeines Blockdiagramm der Komponenten einer Endgerät-Vorrichtung 16 bereit, die einige der in 2 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. In 8 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 der 8 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 von 2 eingesetzt werden können. Unter Bezugnahme auf 10 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 auf 2 beschrieben werden, können in entsprechenden Teilen von 10 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. In 10 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

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.