UA124801C2 - Точні картографічні дані врожайності, що генеруються комп'ютером із використанням експертних фільтрів та виявленням просторових статистичних викидів - Google Patents
Точні картографічні дані врожайності, що генеруються комп'ютером із використанням експертних фільтрів та виявленням просторових статистичних викидів Download PDFInfo
- Publication number
- UA124801C2 UA124801C2 UAA201805318A UAA201805318A UA124801C2 UA 124801 C2 UA124801 C2 UA 124801C2 UA A201805318 A UAA201805318 A UA A201805318A UA A201805318 A UAA201805318 A UA A201805318A UA 124801 C2 UA124801 C2 UA 124801C2
- Authority
- UA
- Ukraine
- Prior art keywords
- data
- yield
- statistical
- filtered
- filtered data
- Prior art date
Links
- 238000013450 outlier detection Methods 0.000 title claims description 19
- 238000000034 method Methods 0.000 claims abstract description 92
- 238000003306 harvesting Methods 0.000 claims description 58
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 40
- 230000009418 agronomic effect Effects 0.000 claims description 40
- 238000004458 analytical method Methods 0.000 claims description 35
- 238000012545 processing Methods 0.000 claims description 34
- 238000003860 storage Methods 0.000 claims description 31
- 230000001186 cumulative effect Effects 0.000 claims description 28
- 229910052757 nitrogen Inorganic materials 0.000 claims description 22
- 238000004891 communication Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 12
- 230000007246 mechanism Effects 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 10
- 238000013479 data entry Methods 0.000 claims description 6
- 238000013523 data management Methods 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000011068 loading method Methods 0.000 claims description 5
- 238000007726 management method Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 230000036541 health Effects 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 241000543381 Cliftonia monophylla Species 0.000 claims 2
- CUARLQDWYSRQDF-UHFFFAOYSA-N 5-Nitroacenaphthene Chemical compound C1CC2=CC=CC3=C2C1=CC=C3[N+](=O)[O-] CUARLQDWYSRQDF-UHFFFAOYSA-N 0.000 claims 1
- 241000283153 Cetacea Species 0.000 claims 1
- 101000980162 Homo sapiens Mediator of RNA polymerase II transcription subunit 18 Proteins 0.000 claims 1
- 101100533874 Hypocrea jecorina (strain QM6a) sor5 gene Proteins 0.000 claims 1
- 241000286819 Malo Species 0.000 claims 1
- 102100024280 Mediator of RNA polymerase II transcription subunit 18 Human genes 0.000 claims 1
- 241000208125 Nicotiana Species 0.000 claims 1
- 235000002637 Nicotiana tabacum Nutrition 0.000 claims 1
- 210000003746 feather Anatomy 0.000 claims 1
- 238000005188 flotation Methods 0.000 claims 1
- 238000007689 inspection Methods 0.000 claims 1
- 150000002500 ions Chemical class 0.000 claims 1
- 230000009758 senescence Effects 0.000 claims 1
- 238000005259 measurement Methods 0.000 description 65
- 238000013459 approach Methods 0.000 description 30
- 230000008569 process Effects 0.000 description 28
- 230000006870 function Effects 0.000 description 23
- 238000012360 testing method Methods 0.000 description 22
- 238000004422 calculation algorithm Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 20
- 239000002689 soil Substances 0.000 description 19
- 238000009826 distribution Methods 0.000 description 15
- 241001124569 Lycaenidae Species 0.000 description 10
- 238000013500 data storage Methods 0.000 description 10
- 239000003337 fertilizer Substances 0.000 description 10
- 230000003287 optical effect Effects 0.000 description 10
- 230000007774 longterm Effects 0.000 description 8
- 239000000463 material Substances 0.000 description 7
- 238000003971 tillage Methods 0.000 description 7
- 239000000203 mixture Substances 0.000 description 6
- 239000000969 carrier Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 238000013075 data extraction Methods 0.000 description 4
- 230000007812 deficiency Effects 0.000 description 4
- 239000000575 pesticide Substances 0.000 description 4
- 238000001556 precipitation Methods 0.000 description 4
- 239000008186 active pharmaceutical agent Substances 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000002917 insecticide Substances 0.000 description 3
- 238000003973 irrigation Methods 0.000 description 3
- 230000002262 irrigation Effects 0.000 description 3
- 238000010899 nucleation Methods 0.000 description 3
- 239000005416 organic matter Substances 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 238000010187 selection method Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 239000002028 Biomass Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 238000013481 data capture Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000013079 data visualisation Methods 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000000417 fungicide Substances 0.000 description 2
- PWPJGUXAGUPAHP-UHFFFAOYSA-N lufenuron Chemical compound C1=C(Cl)C(OC(F)(F)C(C(F)(F)F)F)=CC(Cl)=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F PWPJGUXAGUPAHP-UHFFFAOYSA-N 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 101000837626 Homo sapiens Thyroid hormone receptor alpha Proteins 0.000 description 1
- 241000257303 Hymenoptera Species 0.000 description 1
- 101000862475 Neurospora crassa (strain ATCC 24698 / 74-OR23-1A / CBS 708.71 / DSM 1257 / FGSC 987) 40S ribosomal protein S26E Proteins 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- 101100385396 Schizosaccharomyces pombe (strain 972 / ATCC 24843) cka1 gene Proteins 0.000 description 1
- 102100028702 Thyroid hormone receptor alpha Human genes 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 239000006096 absorbing agent Substances 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000005341 cation exchange Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000003967 crop rotation Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 239000002837 defoliant Substances 0.000 description 1
- 239000002274 desiccant Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000035558 fertility Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000002986 genetic algorithm method Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000004009 herbicide Substances 0.000 description 1
- 239000003864 humus Substances 0.000 description 1
- 238000013095 identification testing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 229920001690 polydopamine Polymers 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000005070 ripening Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000000682 scanning probe acoustic microscopy Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 239000007858 starting material Substances 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
- G06F16/2358—Change logging, detection, and notification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Agronomy & Crop Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Processing (AREA)
Description
врожайності сільськогосподарських культур, зібраних з сільськогосподарського поля, використовуючи лише другі дані статистичних викидів. ще чи ши ти 128 да
МЕ , ОК ооо
Ко Ж Є оту Н 7 Ї дян Я адаитьь: ВО БООяе . пенттюитнктютюттюсттмсмссхенї ЛОЛЬОВІ її вОовВНІШНІ Зо-рлооспетов реа ШО ення дані 3 010одані 1005
І Пл Тхойан их дані У ов . рнннчннноплонняннтяуппчапеннкннтннннкя г Ї Кон я
Дт їїї в і і Ша
ГР кабінний ссільськогоспода, ОЗ | і гіломпьютер, ський пристрій и ! при нн ен і І 112 дистанційний | 114 контролер і і | датчик і | прикладної програми і і Е є ЗЕ і
Ї У рда т нн і що 109 мережа (мережі) В; і Кн допдняженяутнт і ( пен урни Її не НН ШИК ІНЬ ОН
Н ; 7
ЕК дну 132 рівень обміну інформацією ення
Бі на о аа і | :180 запрограмовані команди Н . (ОБО о рннннннннннннннннннннннну 000 тн і ПИ 1182 команди прийому даних Е Би х
КОКО Ро слЕдрт и ой і РО ВУ КОМандитдентифікаці ТО 01 Модний
ОКО дн ПрРОХО ДЖЕННЯ сн 001010 нн і і : ПІ8З Команди фільтру вИЯВЛення! | 160 і : 005 АЩІЙТИСТИЧНИХ ВИКИДІВ у : р централізована |; і І її фтттяд команди фільтрування ої. база даних І
КОР РО 0 ЗБ - - -елершого етапу сн моделі та і і ' ОО ТІВ команди виявлення ТЕО 7 БЕ польовихданих
ОКО 1 Епросторовихстатистичнихвикиді 1 я і і і г 8бкоманди фільтрування С Пн
КОРОБ ссоюедругогоетапу сс й
Й ОБ ! 0000000 Пе іншікомандивиявлення С рен і І КАШШИПЛУИИИ" пт пло МИ
Н ї ї і ! Я - і в.--ф 134 рівень і ї 140 рівень керування даними: ії представлення даних ; ї і фол КИ енер 132 рівень обміну інформацією
І ІЗ комп'ютерна система інтелектуального аналіз
Ко додоттнтооколо токопооооо о о І ЛЬСЬКОГОосподарських даних
Фіг. 1
ПОВІДОМЛЕННЯ ЩОДО АВТОРСЬКИХ ПРАВ
0001) Частина розкриття цього патентного документа містить матеріали, які підлягають захисту авторських прав. Власник авторських прав не заперечує проти факсимільного відтворення будь-ким патентного документу або патентного розкриття так, як це представлено у файлі патенту або записах Бюро із реєстрації патентів та товарних знаків, але в інших випадках зберігаються всі авторські чи будь-які права. Є 2015 Те Сіїтайїе Согрогаїйоп.
ГАЛУЗЬ ТЕХНІКИ
І0002| В цілому даний винахід відноситься до комп'ютерних систем, що успішно використовуються у сільському господарстві. Більш конкретно, даний винахід відноситься до комп'ютерних систем, які запрограмовані або виконані із можливістю отримувати точні картографічні дані врожайності, використовуючи експертні фільтри та підходи щодо виявлення просторових статистичних викидів.
РІВЕНЬ ТЕХНІКИ
0003) Підходи до вирішення питань, описані в цьому розділі, є підходами, які можуть бути досягнуті, але не обов'язково підходи, які раніше були задумані або яких дотримувались. Тому, якщо не зазначено будь-що інше, не слід припускати, що будь-який з підходів, описаних у цьому розділі, можна кваліфікувати як відомий рівень техніки лише в силу їх включення в цей розділ. (00041 Визначення розподілу врожаю сільськогосподарських культур із сільськогосподарських полів має важливе значення для планування та оцінки стратегій управління сільським господарством. Однак відомо, що вихідні дані, що відображають врожайність сільськогосподарських культур та які отримані з польового обладнання, страждають від наявності небажаних даних, таких як помилки вимірювань. Деякі помилки можуть бути пов'язані з помилками або недоліками механізмів, що використовуються у полі для збирання даних щодо врожайності сільськогосподарських культур. Наприклад, деякі датчики збору даних на інструментах для збирання врожаю або іншій сільськогосподарській техніці можуть бути некоректно відкалібровані, та, отже, вносити деяке зміщення у вимірювану врожайність. Інші помилки можуть бути притаманні навколишньому середовищу та умовам збирання врожаю, що включає у себе операційні затримки щодо обліку зібраних сільськогосподарських культур, невірно відкаліброване збиральне обладнання, у тому числі
Зо обрізувальний апарат збиральної машини, невірно зареєстровані показання швидкості, з якою збиральна машина збирає сільськогосподарські культури, вузькі фінішні коридори збиральних комбайнів та помилки, що викликані розвертаннями збиральних машин та перекриванням зон збирання.
І0005| Вилучення таких даних, що представляють врожайність сільськогосподарських культур, зазвичай виконується особами, які візуально перевіряють дані. Особи можуть бути експертами, які мають досвід застосовувати різні фільтри та порогові значення для того, щоб визначити, чи мають бути вилучені дані, що представляють врожайність. На основі візуальної експертизи та аналізу співвідношень між зібраними даними та пороговими значеннями експерти можуть спробувати визначити джерела, що спричинили наявність небажаних даних.
На жаль, методи вибору фільтрів та порогових значень, як правило, випадкові та неструктуровані, й таким чином, не пропонують узгодженого та надійного підходу для вилучення даних. Крім того, часто важко оцінити ефективність фільтрів та порогових значень залежно від їх застосовності до даних, зібраних з різних полів, використовуючи різне обладнання для збирання врожаю та збирання із використанням різних методів збирання врожаю.
СТИСЛИЙ ОПИСТ СУТІ ВИНАХОДУ
ІЇ0006| Формула винаходу, що додається, може виконувати функцію викладення суті винаходу.
СТИСЛИЙ ОПИС ГРАФІЧНИХ МАТЕРІАЛІВ
І0007| Фіг. 1 ілюструє типову комп'ютерну систему, яка налаштована для виконання описаних у даному документі функцій, показану в експлуатаційних умовах з іншими пристроями, з якими система може взаємодіяти.
ІО0О8) фіг. 2 ілюструє два представлення типової логічної схеми наборів команд у основному запам'ятовуючому пристрої при завантаженні для виконання типової прикладної програми для мобільних пристроїв. 0009) Фіг. З ілюструє запрограмований процес, із використанням якого комп'ютерна система інтелектуального аналізу сільськогосподарських даних генерує одну або декілька попередньо сконфігурованих агрономічних моделей з використанням агрономічних даних, що надаються одним або кількома джерелами даних. 0010) Фіг. 4 являє собою блок-схему, яка ілюструє комп'ютерну систему, на якій може бути бо реалізований варіант здійснення винаходу.
0011) Фіг. 5 являє собою блок-схему, яка зображує типовий спосіб або алгоритм вилучення даних щодо врожайності сільськогосподарських культур шляхом поєднання експертних фільтрів з детекторами просторових статистичних викидів.
І0012| Фіг. б являє собою блок-схему, яка зображує типовий спосіб або алгоритм для виконання проходження тесту щодо якісного змісту даних щодо врожайності сільськогосподарських культур.
ІЇ0013| Фіг. 7 являє собою блок-схему, яка зображує типовий спосіб або алгоритм для виконання тесту фільтром скороченого проходження даних врожайності сільськогосподарських культур.
І0014| Фіг. 8 являє собою блок-схему, яка зображує типовий спосіб або алгоритм для проведення тестування фільтром затримки початку проходження даних врожайності сільськогосподарських культур. 0015) Фіг. 9 являє собою блок-схему, яка зображує типовий спосіб або алгоритм для проведення тестування фільтром затримки закінчення проходження даних врожайності сільськогосподарських культур. 0016) Фіг. 10 являє собою блок-схему, яка зображує типовий спосіб або алгоритм для проведення тестування фільтром скороченої смуги захоплення даних врожайності сільськогосподарських культур.
І0017| Фіг. 11 являє собою блок-схему, яка показує типовий спосіб або алгоритм для проведення виявлення просторових статистичних викидів на основі сукупного середнього значення, обчисленого з елементів даних. 0018) Фіг. 12 являє собою блок-схему, яка зображує типовий спосіб або алгоритм для проведення виявлення просторових статистичних викидів на основі зваженого сукупного середнього значення, обчисленого з елементів даних.
ДОКЛАДНИЙ ОПИС СУТІ ВИНАХОДУ
І0019| Варіанти здійснення винаходу описані у розділах відповідно до наступної розбивки: 1. ЗАГАЛЬНИЙ ОГЛЯД 2. ТИПОВА КОМП'ЮТЕРНА СИСТЕМА ІНТЕЛЕКТУАЛЬНОГО АНАЛІЗУ
СІЛЬСЬКОГОСПОДАРСЬКИХ ДАНИХ
Зо 21. СТРУКТУРНИЙ ОГЛЯД 2.2. ОГЛЯД ПРИКЛАДНОЇ ПРОГРАМИ 2.3. ВВЕДЕННЯ ДАНИХ ДО КОМП'ЮТЕРНОЇ СИСТЕМИ 2.4. ОГЛЯД ПРОЦЕСУ -- ФОРМУВАННЯ АГРОНОМІЧНОЇ МОДЕЛІ 2.5. ПРИКЛАД РЕАЛІЗАЦІЇ -- ОГЛЯД АПАРАТНОГО ЗАБЕЗПЕЧЕННЯ 3. ЗБИРАННЯ ДАНИХ РЕЗУЛЬТАТІВ ВИМІРЮВАННЯ 4. НЕРІВНОМІРНЕ РОЗПОДІЛЕННЯ НЕОБРОБЛЕНИХ ДАНИХ ЩОДО ВРОЖАЙНОСТІ 5. ТИПОВІ ДЖЕРЕЛА НАЯВНОСТІ НЕБАЖАНИХ ДАНИХ 6. СТВОРЕННЯ КАРТОГРАФІЧНИХ ДАНИХ ВРОЖАЙНОСТІ ІЗ ВИЛУЧЕНИМИ
НЕБАЖАНИМИ ДАНИМИ З ВИКОРИСТАННЯМ ЕКСПЕРТНИХ ФІЛЬТРІВ ТА ДЕТЕКТОРАМИ
ПРОСТОРОВИХ ВИКИДІВ
7. ПРИКЛАДИ ОБРОБКИ ДАНИХ ІЗ ВИКОРИСТАННЯМ ФІЛЬТРІВ 7.1. ФІЛЬТР ІДЕНТИФІКАЦІЇ ПРОХОДЖЕННЯ 7.2. ФІЛЬТР СКОРОЧЕНОГО ПРОХОДЖЕННЯ 7.3. ФІЛЬТР ВІДСТАВАННЯ ПОТОКУ 7.4. ФІЛЬТР РІЗКИХ ЗМІН ШВИДКОСТІ 7.5. ФІЛЬТР ЗАТРИМКИ ПОЧАТКУ ПРОХОДЖЕННЯ 7.6. ФІЛЬТР ЗАТРИМКИ ЗАКІНЧЕННЯ ПРОХОДЖЕННЯ 7.1. ФІЛЬТР СКОРОЧЕНОЇ СМУГИ ЗАХОПЛЕННЯ 8. ПРИКЛАДИ ВИЯВЛЕННЯ ПРОСТОРОВИХ СТАТИСТИЧНИХ ВИКИДІВ 8.1. ТЕСТ ЗНАЧЕННЯ СЕРЕДНЬОЇ ВЕЛИЧИНИ 8.2. ТЕСТ ЗВАЖЕНОГО ЗНАЧЕННЯ СЕРЕДНЬОЇ ВЕЛИЧИНИ 9. ПЕРЕВАГИ ПЕВНИХ ВАРІАНТІВ ЗДІЙСНЕННЯ ВИНАХОДУ 10. РОЗШИРЕННЯ ТА АЛЬТЕРНАТИВИ 00201 1. ЗАГАЛЬНИЙ ОГЛЯД
І0021| Аспекти даного винаходу взагалі відносяться до реалізованих із використанням комп'ютерних технологій методів вилучення даних, що представляють врожайність сільськогосподарських культур, зібраних з сільськогосподарських полів, та які базуються на даних, зібраних із використанням датчиків, прикріплених до сільськогосподарських пристроїв у полі. Неочищені дані можуть включати у себе дані, які вважаються некоректними або бо потенційно некоректними через будь-яку з декількох причин. Наприклад, такі дані можуть включати у себе дані, які були отримані неналежно функціонуючими датчиками або даними, які були невірно отримані не вирівняними збиральними пристроями або іншими аграрними пристроями. Наприклад, неочищені дані можуть включати у себе дані, які були невірно зареєстровані через невірно відкалібровані датчики, встановлені у комбайнах у полі. Неочищені дані можуть також включати у себе дані, що містять помилки, які виникають через непідтверджену ширину обрізувального апарату збирального комбайну, змінну швидкість збирального апарату, із якою комбайн збирає врожай, вузькі фінішні коридори проходження збирання врожаю, розвертання та перекривання зон збирання комбайнів або іншого обладнання.
І0022| В одному варіанті здійснення винаходу процес виправлення або вилучення небажаних даних може включати у себе один або декілька етапів або фаз. Протягом кожного етапу видаляються дані певного типу або дані, що мають певні характеристики. Наприклад, один етап може бути спрямований на відфільтровування даних, які виглядають некоректними, оскільки вони містять помилки, які виникають через неналежне функціонування датчиків, встановлених у комбайні. Інший етап може бути спрямований на видалення даних, які виглядають некоректними, оскільки вони містять помилки, які виникають через розвертання комбайну.
І0023) В одному варіанті здійснення винаходу процес вилучення даних, що представляють врожайність сільськогосподарських культур, починається з прийому електронних цифрових даних, що представляють врожайність сільськогосподарської культури, яка була зібрана з одного або декількох сільськогосподарських полів, та первинно зібраних у полі із використанням датчиків, прикріплених до сільськогосподарського обладнання. Електронні дані також називаються у даному документі першими даними щодо врожайності та можуть бути отримані з різних джерел, таких як комп'ютерні бази даних, централізовані бази даних, безпосередньо з датчиків та/або сільськогосподарського обладнання або будь-яких інших сховищ даних, виконаний із можливістю зберігання інформації щодо сільськогосподарських культур.
І0024| Один етап процесу може використовувати підхід, оснований на фільтрах, який включає у себе застосування одного або декількох реалізованих із використанням програмного забезпечення фільтрів до отриманих перших даних щодо врожайності. Фільтри можуть бути застосовані до перших даних щодо врожайності, щоб визначити елементи даних, які можуть містити помилки. Дані статистичних викидів можуть бути позначені або відфільтровані з перших даних щодо врожайності, щоб створювати відфільтровані перші дані, які можуть бути додатково оброблені протягом іншого етапу. 0025) Іноді дані статистичних викидів не видаляються з набору даних щодо врожайності, але замість цього позначаються як такі, що потенційно містять помилки та які можуть бути додатково опрацьовані. Додаткова обробка може виконуватися із використанням інших видів обробки даних, за допомогою різних фільтрів або використання іншого етапу процесу вилучення небажаних даних. 0026) В одному варіанті здійснення винаходу інший етап використовує просторовий аналіз даних за допомогою виявлення просторових статистичних викидів. Етап виявлення просторових статистичних викидів може бути виконаний після завершення описаного раніше етапу, що базується на застосуванні фільтрів. Однак цей етап також може бути виконаний до етапу, що базується на застосуванні фільтрів, або може виконуватися як незалежний етап, не пов'язаний з будь-якими іншими етапами.
І0027| Етап виявлення просторових статистичних викидів може включати у себе виконання обчислювальне складного аналізу даних та обчислювальне інтенсивну обробку аналізованих даних, включаючи, але не обмежуючись цим, виявлення та визначення просторових зв'язків між елементами даних у межах груп елементів даних, або визначення відносного впливу, який деякі елементів даних у групі мають один на інший або на інші елементи даних у групі тощо.
І0028| Через обчислювану складність етапу виявлення просторових статистичних викидів виконання цього етапу на великих наборах даних може вимагати багато часу та ресурсів. Тому в багатьох випадках з точки зору витрат фінансових ресурсів та часу є ефективним виконувати етап, що базується на застосуванні фільтрів, на першому наборі даних, який зазвичай великий, а потім виконувати етап виявлення просторових статистичних викидів на даних на виході етапу, що базується на застосуванні фільтрів, що зазвичай менші, ніж необроблений перший набір даних щодо врожайності.
Виконання етапу виявлення просторових статистичних викидів після етапу, що базується на застосуванні фільтрів зазвичай є більш ефективним, ніж зворотне.
І0029| Виконання етапу виявлення просторових статистичних викидів може включати у себе бо ідентифікацію, у першому відфільтрованому наборі даних, других даних статистичних викидів,
що містять одне або декілька значень статистичних викидів, які виглядають некоректними. Другі елементи даних статистичних викидів або позначаються як такі, або видаляються з першого відфільтрованого набору даних.
І0030| Елемент даних може бути ідентифікований як другий елемент даних статистичних викидів якщо елемент даних містить одну або декілька характеристик статистичних викидів. Такі характеристики можуть включати у себе просторові характеристики елементів даних у групі сусідніх елементів даних, характеристики на основі зваженого значення елементів даних у групі сусідніх елементів даних тощо.
І0031) В одному варіанті здійснення винаходу виконання етапу просторових статистичних викидів передбачає визначення, для певного елементу даних з фільтрованого першого набору даних, групи сусідніх перших відфільтрованих даних, обчислення сукупного середнього значення на основі елементів даних у межах групи та порівняння сукупного середнього значення із пороговим значенням або пороговим діапазоном, щоб визначити, чи містить певний елемент даних помилки, або чи може містити помилки певний елемент даних.
І0032| Пороговий діапазон може показувати прийнятний діапазон значень для сукупних середніх значень. Якщо сукупне середнє значення не потрапляє до меж порогового діапазону, то певний елемент перших відфільтрованих даних буде або позначений як такий, або виключений з першого відфільтрованого набору даних. Позначення або виключення певного елементу даних означає, що певний елемент даних, що відображає значення врожайності сільськогосподарської культури, є некоректним, або із великим ступенем вірогідності є некоректним.
І0033| Процес визначення других даних статистичних викидів може бути повторений для кожного та будь-якого окремого елементу перших відфільтрованих даних, груп елементів перших відфільтрованих даних та груп елементів перших відфільтрованих даних. 00341 Другі дані статистичних викидів також можуть бути визначені на основі зважених просторових характеристик даних. Цей підхід включає виконання етапів, аналогічних тим, які виконуються в описаному вище підході, за винятком того, що замість обчислення сукупного середнього значення обчислюється зважене сукупне середнє значення. У цьому підході для певного елементу перших відфільтрованих даних у перших відфільтрованих даних
Зо визначається набір сусідніх перших відфільтрованих даних. Потім для кожного елемента в наборі відфільтрованих даних визначається значення ваги, та для визначення того, чи потрібно виключити певний елемент перших відфільтрованих даних з перших відфільтрованих даних, обчислюється й використовується зважене сукупне середнє значення.
І0035| Значення ваги можуть відображати різні характеристики та критерії, та їх можна визначати різними способами. Наприклад, значення ваги можуть бути визначені, виходячи з характеристик, пов'язаних із відстанню елементів у групі. Наприклад, значення ваги можуть бути зворотно пропорційними до відстані між одним елементом даних та певним елементом перших відфільтрованих даних. Значення елементів даних та відповідні значення ваги використовуються для обчислення зваженого сукупного середнього значення, та зважене сукупне середнє значення використовується для визначення того, чи потрібно виключити певний елемент перших відфільтрованих даних з перших відфільтрованих даних. 0036) Значення ваги також можуть бути визначені на основі характеристик елементів даних, пов'язаних із часом. Наприклад, елементи даних у групі елементів, зібраних протягом одного періоду часу із певними елементами даних, можуть мати більші значення ваги, ніж елементи даних у групі, які були зібрані в інші періоди часу. При використанні такого підходу на зважене сукупне середнє значення впливатимуть, перш за все, елементи даних, які були зібрані протягом одного періоду часу із певним елементом даних, та не дуже сильно впливатимуть інші елементи даних у групі.
І0037| Значення ваги також можуть бути визначені на основі характеристик елементів даних, пов'язаних із місцезнаходженням. У цьому підході значення ваги для елементів даних у групі елементів визначаються на основі наближеності полів, з яких збирали дані щодо врожайності.
Наприклад, якщо певний елемент даних був зібраний з певного поля, що є прилеглим до першого поля, але не примикає до другого поля, то вага, пов'язана з першим елементом даних, зібраним з першого поля, буде вищою ніж вага, пов'язана з другим елементом даних, зібраним з другого поля. При використанні такого підходу на зважене сукупне середнє значення впливатимуть, перш за все, елементи даних, які були зібрані з місць розташування у полі, що примикає до певного поля, та менше впливатимуть значеннями даних, зібраних з інших полів даних. 0038) Виконання етапу виявлення просторових статистичних викидів процесу вилучення 60 небажаних даних може завершитися визначенням одного або кількох елементів даних статистичних викидів, які містять помилки, або потенційно містять помилки. Другі елементи даних статистичних викидів можуть бути позначені як такі, що містять помилки або позначені як такі, що потенційно містять помилки.
Ї0039| Позначення елементів даних як такі, що містять помилки, може передбачати зв'язування індикатора умови з елементами даних або іншим чином позначення елементів даних, як таких, що є рекомендованими для подальшої обробки. 00401 Замість того, щоб призначати індикатори елементам даних, ідентифікованим як такі, що містять помилки, елементи даних можуть бути вилучені з першого відфільтрованих даних.
Наприклад, коли ідентифікується один або декілька елементів других даних статистичних викидів, другий етап команд фільтрування, реалізованих у комп'ютерній системі, може бути виконаний для створення другого відфільтрованого набору даних з перших відфільтрованих даних шляхом видалення других даних статистичних викидів з першого відфільтрованого набору даних.
І0041| Елементи даних, які визначені як такі, що не містять помилок, або потенційно не містять помилок, можуть бути надані користувачеві та відображені, наприклад, у графічному інтерфейсі користувача. Графічне представлення елементів даних може бути створено із використанням рівня представлення даних комп'ютерної системи. Графічне представлення елементів даних може відображатися в користувацькому інтерфейсі мобільного пристрою, обчислювального ноутбука, планшета та подібних пристроїв.
І0042| Також можуть відображатися елементи даних, які були позначені як такі, що потенційно містять помилки. Графічне представлення елементів даних, позначених як такі, що потенційно містять помилки, може бути графічно відмінним від представлення елементів даних, які визначені як такі, що не містять помилок. Наприклад, ці елементи даних можуть відображатися в окремій групі, використовуючи окремі заголовки, використовуючи інше кольорове кодування й таке інше.
І0043| Можливість відображати графічні представлення елементів даних, які не містять помилок, графічні представлення елементів даних, які містять помилки та/або графічні представлення даних, позначених як такі, що потенційно містять помилки, дає цінні відомості щодо врожайності сільськогосподарських культур, зібраних з сільськогосподарських полів.
Зо Наприклад, графічне представлення може надавати важливу інформацію щодо врожайності, отриманої або з різних полів, або із використанням різної техніки, або із використанням іншого способу збирання. (0044) Графічні представлення можуть відображатися на графічному дисплеї будь-якого портативного пристрою, та, таким чином, інформація може бути легко доступною для користувачів, що знаходяться у полі. Наприклад, користувач може відображати інформацію на планшеті або смартфоні у той час як збиральний комбайн збирає сільськогосподарські культури. Це може дозволити користувачеві отримувати зведений аналіз щодо сільськогосподарських культур, які збираються, майже у режимі реального часу. 0045) Оскільки інформація може бути сформована та відображатися практично одночасно із зриранням сільськогосподарських культур, користувач може приймати рішення у той час, як збирається урожай. Наприклад, для покращення кількості заготовлених сільськогосподарських культу на основі відображеної інформації користувач може порекомендувати регулювання механізму збирання, регулювання датчиків, встановлених у збиральному комбайні й таке подібне. Крім того, на основі відображеної інформації користувач може надати оператору комбайна команди щодо коригування проходжень для збирання й таке інше. (0046 2. ТИПОВА КОМП'ЮТЕРНА СИСТЕМА ІНТЕЛЕКТУАЛЬНОГО / АНАЛІЗУ
СІЛЬСЬКОГОСПОДАРСЬКИХ ДАНИХ
00471 2.1. СТРУКТУРНИЙ ОГЛЯД
І0048| Фіг. 1 ілюструє типову комп'ютерну систему, яка налаштована для виконання описаних у даному документі функцій, показану в експлуатаційних умовах з іншими пристроями, з якими система може взаємодіяти. В одному варіанті здійснення винаходу користувач 102 має, експлуатує або володіє обчислювальним пристроєм 104 керівника польовими роботами у місці розташування на полі або пов'язаним з місцем розташування на полі, таким як полі, призначеним для сільськогосподарської діяльності, або у місці управління одним або більшою кількістю сільськогосподарських полів. Обчислювальний пристрій 104 керівника польовими роботами запрограмований або виконаний із можливістю забезпечувати польові дані 106 комп'ютерній системі 130 інтелектуального аналізу сільськогосподарських даних через одну або декілька мереж 109. 0049) Приклади польових даних 106 включають у себе: (а) ідентифікаційні дані (наприклад, бо площа ділянки, найменування поля, польові ідентифікатори, географічні ідентифікатори,
ідентифікатори кордону, ідентифікатори сільськогосподарських культур та будь-які інші відповідні дані, які можуть бути використані для ідентифікації сільськогосподарських земель, наприклад, одиниця земель загального користування (СІ), номер ділянки та масиву, номер земельної ділянки, географічні координати та межі, серійний номер ферми (ЕМ), номер ферми, номер ділянки землі площею 40 акрів, номер поля, ділянки землі площею 640 акрів, ділянки землі площею 23 040 акрів та/або ареалу); (Б) дані щодо врожаю (наприклад, тип сільськогосподарських культур, різновид сільськогосподарських культур, сівозміна сільськогосподарських культур, дані щодо того, чи є сільськогосподарська культура органічне вирощувана, дата збору врожаю, фактична історія виробництва (АРН), очікувана врожайність, врожайність, ціна на сільськогосподарську культуру, доходи від врожаю сільськогосподарської культури, волога зерна, практика механічної обробки грунту та інформація щодо попереднього вегетаційного періоду (с) дані щодо грунту (наприклад, тип, склад, рН, гумус (ОМ), катіонообмінна здатність грунту (СЕС)); (4) дані щодо висаджування (наприклад, дата висаджування, тип (типи) насіннєвого матеріалу, відносна зрілість (РМ) висадженого насіння, популяція насіння), (е) дані щодо добрив (наприклад, тип поживної речовини (азот, фосфор, калій), тип застосування, дата застосування, кількість, джерело); (Ї) дані щодо пестицидів (наприклад, пестициди, гербіциди, фунгіциди, інша речовина або суміш речовин, призначені для використання як регулятор рослин, дефоліант або осушувач); 9) дані щодо зрошення (наприклад, дата застосування, кількість, джерело); п) дані щодо погодних умов (наприклад, опади, температура, вітер, прогноз, атмосферний тиск, видимість, хмарність, індекс тепла, точка роси, вологість, глибина снігу, якість повітря, схід сонця, захід сонця), (ї) дані щодо отриманих зображень (наприклад, зображення та інформація щодо спектру світла від датчику сільськогосподарського пристрою, камери, комп'ютера, смартфона, планшета, безпілотного літального апарата, літаків або супутнику), |) пошукове-розвідувальне спостереження (фотографії, відеоролики, нотатки вільної форми, голосові записи, розшифрування голосових записів, погодні умови (температура, опади (поточний та через деякий часовий), вологість грунту, стадія росту сільськогосподарських культур, швидкість вітру, відносна вологість повітря, точка роси, чорний шар)) та (К) грунт, насіння, фенологія сільськогосподарських культур, звітування щодо шкідників та хвороб, а також джерела та бази даних для прогнозування.
Зо ЇОО50О| Серверний комп'ютер 108 зовнішніх даних з'єднаний із можливістю обміну інформацією з комп'ютерною системою 130 інтелектуального аналізу сільськогосподарських даних та запрограмований або виконаний із можливістю надсилати зовнішні дані 110 до комп'ютерної системи 130 інтелектуального аналізу сільськогосподарських даних через мережу (мережі) 109. Серверний комп'ютер 108 зовнішніх даних може бути власністю або експлуатуватися тією ж юридичною особою або суб'єктом господарювання, що й володіє або експлуатує комп'ютерну систему 130 інтелектуального аналізу сільськогосподарських даних, або іншою особою чи суб'єктом господарювання, такою як державне агентство, неурядова організація (МО) та/або приватний постачальник послуг передачі даних. Приклади зовнішніх даних включають у себе, серед інших даних, дані щодо погодних умов, дані щодо отриманих зображень, дані щодо грунту або статистичні дані щодо врожайності сільськогосподарських культур. Зовнішні дані 110 можуть складатися з того ж типу інформації, що й польові дані 106. У деяких варіантах здійснення винаходу зовнішні дані 110 забезпечуються сервером 108 зовнішніх даних, який належить одному й тому ж суб'єкту господарювання, який володіє та/або експлуатує комп'ютерну систему 130 інтелектуального аналізу сільськогосподарських даних.
Наприклад, комп'ютерна система 130 інтелектуального аналізу сільськогосподарських даних може включати у себе сервер даних, орієнтований виключно на той тип даних, які в іншому випадку можуть бути отримані зі сторонніх джерел, наприклад дані щодо погодних умов.
І0О511| Сільськогосподарський пристрій 111 має один або декілька дистанційних датчиків 112, закріплених на ньому, ці датчики безпосередньо чи опосередковано через сільськогосподарський пристрій 111 з'єднані із можливістю обміну інформацією з комп'ютерною системою 130 інтелектуального аналізу сільськогосподарських даних та запрограмовані або виконані із можливістю надсилати дані датчиків до комп'ютерної системи 130 інтелектуального аналізу сільськогосподарських даних. Приклади сільськогосподарського пристрою 111 включають у себе трактори, комбайни, комбайни, збиральні машини, сіялки, вантажівки, обладнання для добрив, безпілотні літальні апарати та будь-який інший елемент фізичної техніки або апаратного обладнання, як правило, мобільної техніки, та які можуть використовуватися в завданнях, пов'язаних із сільським господарством. У деяких варіантах здійснення винаходу одна одиниця пристрою 111 може містити декілька датчиків 112, які локально з'єднані в мережу на пристрої; локальна мережа контролерів (САМ) є прикладом такої 60 мережі, яка може бути встановлена на комбайнах або збиральних машинах. Контролер 114 прикладної програми з'єднаний із можливістю обміну інформацією з комп'ютерною системою 130 інтелектуального аналізу сільськогосподарських даних через мережу (мережі) 109 та запрограмований або виконаний із можливістю отримувати одну або декілька команд програмного процесора для керування експлуатаційним параметром сільськогосподарської машини або знаряддя з комп'ютерної системи 130 інтелектуального аналізу сільськогосподарських даних. Наприклад, для забезпечення обміну інформацією від комп'ютерної системи 130 інтелектуального аналізу сільськогосподарських даних до сільськогосподарського апарату 111 може використовуватися інтерфейс шини локальної мережі контролерів (САМ), таким чином, як використовується СІ ІМАТЕ РІЕГО МІЕУМ ОКІМЕ, доступний від компанії "Тпе Сійпаїе Согрогайоп", Сан-Франциско, штат Каліфорнія. Дані датчика можуть складатися з того ж типу інформації, що й польові дані 106. 00521) Пристрій 111 може включати у себе кабінний комп'ютер 115, який запрограмований кабінною прикладною програмою, що може включати у себе версію або варіант прикладної програми для мобільних пристроїв для пристрою 104, який додатково описаний в інших розділах даного документу. В одному варіанті здійснення винаходу кабінний комп'ютер 115 містить компактний комп'ютер, часто комп'ютер форм-фактору планшету або смартфон, з кольоровим графічним екраном, який встановлюється в кабіні оператора пристрою 111.
Кабінний комп'ютер 115 може реалізувати деякі або всі операції та функції, описані далі у даному документі для мобільного комп'ютерного пристрою 104.
І0053| Мережа (мережі) 109 в цілому представляє собою будь-яку комбінацію однієї або декількох мереж обміну інформацією, включаючи локальні мережі, широкосмугові мережі,
Інтернет-мережі або Інтернет, використовуючи будь-які дротові та бездротові канали зв'язку, включаючи наземні або супутникові канали зв'язку. Мережа (мережі) може бути реалізована будь-яким середовищем або механізмом, який забезпечує обмін даними між різними елементами, показаними на Фіг. 1. Різні елементи, показані на Фіг. 1, також можуть мати безпосередні (дротові або бездротові) канали обміну інформацією. Датчики 112, контролер 114, серверний комп'ютер 108 зовнішніх даних та кожний з інших елементів системи містять інтерфейс, сумісний з мережею (мережами) 109, та запрограмовані або виконані із можливістю використання стандартизованих протоколів обмін інформацією в таких мережах, як ТСР/Р,
Зо протокол САМ та протоколів вищого рівня, таких як НТТР, ТІ 5 та тому подібних.
І0054| Комп'ютерна система 130 інтелектуального аналізу сільськогосподарських даних запрограмована або виконана із можливістю отримувати польові дані 106 від обчислювального пристрою 104 керівника польовими роботами, зовнішні дані 110 від серверного комп'ютера 108 зовнішніх даних та дані датчика від дистанційного датчика 112. Додатково комп'ютерна система 130 інтелектуального аналізу сільськогосподарських даних може бути виконана із можливістю приймати, використовувати або виконувати одну або декілька комп'ютерних програм, інших елементів програмного забезпечення, цифрової програмованої логіки, таких як ЕРСА або АБІС, або будь-якої їх комбінації, для виконання інтерпретації та зберігання значень даних, побудови цифрових моделей однієї або декількох сільськогосподарських культур на одному або декількох полях, створення рекомендацій та сповіщень, а також створення та відправлення команд програмного процесора на контролер 114 прикладної програми, таким чином, як описано далі в інших розділах цього опису. 0055) В одному варіанті здійснення винаходу комп'ютерна система 130 інтелектуального аналізу сільськогосподарських даних запрограмована з, або містить рівень 132 обміну інформацією, рівень 134 представлення даних, рівень 140 керування даними, рівень 150 апаратного обладнання/віртуалізації, а також централізовану базу 160 даних моделі та польових даних. "Рівень" в цьому контексті стосується будь-якої комбінації електронних цифрових інтерфейсних схем, мікроконтролерів, програмного забезпечення, такого як драйвери та/або комп'ютерні програми або інші елементи програмного забезпечення.
ІЇ0О56| Рівень 132 обміну інформацією може бути запрограмований або виконаний із можливістю виконання функцій інтерфейсу введення/виведення, включаючи надсилання запитів до обчислювального пристрою 104 керівника польовими роботами, серверного комп'ютера 108 зовнішніх даних та дистанційного датчика 112 для отримання польових даних, зовнішніх даних та даних датчиків, відповідно. Рівень 132 обміну інформацією може бути запрограмований або виконаний із можливістю надсилати отримані дані до централізованої бази 160 даних моделі та польових даних для того, щоб вони були збережені як польові дані 106.
В одному варіанті здійснення винаходу комп'ютерна система 130 інтелектуального аналізу сільськогосподарських даних запрограмована із або містить запрограмовані команди 180. бо Запрограмовані команди 180 можуть містити один або декілька наборів запрограмованих команд програмування. Наприклад, запрограмовані команди 180 можуть включати у себе команди 182 прийому даних, які, коли вони виконуються одним або декількома процесорами, призводять до того, що процесори виконують прийом, через комп'ютерну мережу, електронних цифрових даних, що включають у себе перші дані щодо врожайності, що представляють врожайності сільськогосподарських культур, зібраних з сільськогосподарського поля.
Запрограмовані команди 180 можуть також включати у себе команди 187 ідентифікації проходження, які при виконанні викликають ідентифікацію множини ідентифікаторів проходу та множини моменти часу глобальної системи позиціонування в перших даних щодо врожайності; команди 183 виявлення статистичних викидів, які коли вони виконуються процесорами, викликають застосування одного або декількох фільтрів до перших даних щодо врожайності, щоб визначити перші дані статистичних викидів з перших даних щодо врожайності. Крім того, запрограмовані команди 180 можуть включати у себе команди 184 фільтрування першого етапу, які, коли вони виконуються процесорами, створюють перші відфільтровані дані з перших даних щодо врожайності шляхом видалення перших даних статистичних викидів з перших даних щодо врожайності; команди 185 виявлення просторових статистичних викидів, які, коли вони виконуються, викликають ідентифікацію, у перших відфільтрованих даних, других даних статистичних викидів, що представляє значення статистичних викидів на основі однієї або декількох характеристик статистичних викидів; команди 186 фільтрування другого етапу, які при виконанні викликають створення других даних статистичних викидів з перших відфільтрованих даних шляхом видалення других даних статистичних викидів з перших відфільтрованих даних; та будь-які інші команди 188 виявлення.
І0057| Рівень 134 представлення даних може бути запрограмований або виконаний із можливістю створення графічного інтерфейсу користувача (9ШІ), який відображатиметься на обчислювальному пристрої 104 керівника польовими роботами, кабінному комп'ютері 115 або інших комп'ютерах, які з'єднані з системою 130 через мережу 109. ЗІЦІ може включати у себе елементи керування для введення даних, що надсилаються до комп'ютерної системи 130 інтелектуального аналізу сільськогосподарських даних, для створення запитів для моделей та/або рекомендацій, та/"або для відображення рекомендацій, сповіщень, моделей та інших польових даних.
Зо І0058| Рівень 140 управління даними може бути запрограмований або виконаний із можливістю керування операціями зчитування та операціями запису, що стосуються централізованої бази 160 та інших функціональних елементів системи, включаючи запити та набори результатів, що передані між функціональними елементами системи та сховищем.
Приклади рівня 140 керування даними включають у себе, серед інших, ОВС, інтерфейсний код
ЗОЇ -сервера та/або інтерфейсний код НАБООР. Централізована база 160 може містити базу даних. Як використовується у даному документі, термін "база даних" може відноситися або до масиву даних, або до системи керування реляційними базами даних (КОВМ5), або до обох. Як використовується у даному документі, база даних може містити будь-який набір даних, включаючи ієрархічні бази даних, реляційні бази даних, бази даних неструктурованих файлів, об'єктно-реляційні бази даних, ооб'єктно-орієнтовані бази даних та будь-який інший структурований набір записів або даних, що зберігаються у комп'ютерній системі. Приклади
КОВМ5 включають у себе, але не обмежуються перерахованими, бази даних ОКАСІ ЕФ,
МУБОЇ, ІВМФ 082, МІСКОБОГТФ 501 5ЕКМЕК, ЗУВАБЕФ та РОБТОКЕЗОЇ. Разом з цим, може бути використана будь-яка база даних, що дозволяє використовувати системи та способи, описані у даному документі.
ІЇ0059| Коли одна або декілька сільськогосподарських машин або сільськогосподарських машинних пристроїв, які взаємодіють з комп'ютерною системою інтелектуального аналізу сільськогосподарських даних, не забезпечують безпосередньо комп'ютерну систему інтелектуального аналізу сільськогосподарських даних польовими даними 106, користувачу 102 може бути запропоновано введення такої інформації через один або декілька користувацьких інтерфейсів на пристрої користувача (обслуговується комп'ютерною системою інтелектуального аналізу сільськогосподарських даних). У типовому варіанті здійснення винаходу користувач 102 може вказувати ідентифікаційні дані, отримуючи доступ до карти на користувацькому пристрої (обслуговується комп'ютерною системою інтелектуального аналізу сільськогосподарських даних) та вибору конкретних СІ, які були графічно відображені на карті. В альтернативному варіанті здійснення винаходу користувач 102 може вказувати ідентифікаційні дані, отримуючи доступ до карти на користувацькому пристрої (обслуговується системою 130 інтелектуального аналізу сільськогосподарських даних) та окреслюючи границі поля поверх карти. Такий вибір
СІ або креслення мапи відображають географічні ідентифікатори. У альтернативних варіантах бо здійснення винаходу користувач 102 може вказувати ідентифікаційні дані, отримуючи доступ до даних ідентифікації поля (наданих у вигляді файлів векторного формату або у аналогічному форматі) від Агенції із обслуговування фермерів Міністерства сільського господарства США або іншого джерела через користувацький пристрій та надаючи такі дані ідентифікації поля до комп'ютерної системи інтелектуального аналізу сільськогосподарських даних. 0060) В одному варіанті здійснення винаходу дані моделі та польові дані зберігаються у централізованій базі 160 даних моделі та польових даних. Дані моделі включають у себе моделі даних, створені для одного або декількох полів. Наприклад, модель сільськогосподарської культури може включати у себе побудовану із використанням цифрових технологій модель еволюції культури на одному або декількох полях. "Модель" у цьому контексті відноситься до електронного, збереженого із використанням цифрових технологій набору виконуваних команд та значень даних, пов'язаних один з одним, які здатні приймати та реагувати на програмний чи інший цифровий виклик, ініціювання або запит для вирішення на основі вказаних вхідних значень ситуації, при якій одержують одне або декілька збережених вихідних значень, які, крім іншого, можуть слугувати основою рекомендацій, реалізованих із використанням комп'ютеру, основою відображуваних вихідних даних або основою для керування машинами. Кваліфіковані фахівці в даній галузі знаходять зручнішим відображати моделі з використанням математичних рівнянь, але така форма вираження не обмежує розкриті у даному документі моделі абстрактними поняттями, навпаки, кожна модель у даному документі має практичне застосування в комп'ютері у вигляді збережених виконуваних команд та даних, що реалізують модель із використанням комп'ютера. Дані моделі можуть включати у себе модель минулих подій на одному або декількох полях, модель поточного стану одного або декількох полів та/або модель прогнозованих подій на одному або декількох полях. Дані моделі та польові дані можуть зберігатися у структурах даних у запам'ятовуючому пристрої, рядах в таблиці бази даних, у неструктурованих файлах або динамічних таблицях або інших формах збережених цифрових даних.
І00О61| Рівень 150 апаратного обладнання/віртуалізації містить один або більше центральний процесорний блок (СР), контролери запам'ятовуючого пристрою та інші пристрої, компоненти або елементи комп'ютерної системи, такі як короткочасний або довгочасний запам'ятовуючий пристрій, довгочасний пристрій зберігання, такий як диск, а також пристрої введення/виведення
Зо або інтерфейси, як проілюстровано та описано, наприклад, у зв'язку з Фіг. 4. Рівень 150 також може містити запрограмовані команди, виконані із можливістю підтримки віртуалізації, контейнеризації та інших технологій.
І0062| З метою ілюстрування чіткого прикладу, на Фіг. 1 показана обмежена кількість екземплярів певних функціональних елементів. Проте в інших варіантах здійснення винаходу може бути будь-яка кількість таких елементів. Наприклад, варіанти здійснення винаходу можуть використовувати тисячі або мільйони різних мобільних обчислювальних пристроїв 104, пов'язаних з різними користувачами. Крім того, система 130 та/або серверний комп'ютер 108 зовнішніх даних можуть бути реалізовані із використанням двох або більшої кількості процесорів, ядер, кластерів або екземплярів фізичних машин або віртуальних машин, налаштованих у окремому місці розташування або спільно з іншими елементами в центрі обробки даних, спільному обчислювальному об'єкті або хмарному обчислювальному об'єкті. 0063) 2.2. ОГЛЯД ПРИКЛАДНОЇ ПРОГРАМИ
І0064| В одному варіанті здійснення винаходу реалізація функцій, описаних у даному документі із використанням однієї або декількох комп'ютерних програм або інших елементів програмного забезпечення, які завантажуються та виконуються з використанням одного або декількох комп'ютерів загального призначення призводять до налаштування комп'ютерів загального призначення як певної машини або як комп'ютера, спеціально адаптованого для виконання описаних у даному документі функцій. Крім того, кожна із схем послідовності операцій, описаних далі у даному документі, може виконувати, окремо або в поєднанні з описами процесів та функцій, як буденно описано у даному документі, може виконувати функції алгоритмів, планів або директив, які можуть бути використані для програмування комп'ютера або логічного пристрою для реалізації описаних функцій. Іншими словами, весь прозаїчний текст у даному документі та всі фігури графічних матеріалів разом покликані забезпечити розкриття алгоритмів, планів або напрямків, достатніх для того, щоб дозволити кваліфікованій особі запрограмувати комп'ютер для виконання описаних у даному документі функцій, у поєднанні з уміннями та знаннями такої людини, з урахуванням рівня кваліфікації, що підходить для винаходів та описів такого типу. 0065) В одному варіанті здійснення винаходу користувач 102 взаємодіє з комп'ютерною системою 130 інтелектуального аналізу сільськогосподарських даних, використовуючи бо обчислювальний пристрій 104 керівника польовими роботами, налаштований із операційною системою та однією або декількома додатковими прикладними програмами або додатками; обчислювальний пристрій 104 керівника польовими роботами також може взаємодіяти із комп'ютерною системою 130 інтелектуального аналізу сільськогосподарських даних незалежно та автоматично під керуванням програми або керуванням логічного об'єкту, та безпосередня взаємодія користувача не завжди необхідна. Обчислювальний пристрій 104 керівника польовими роботами в цілому являє собою один або декілька смартфонів, КПК, планшетних обчислювальних пристроїв, портативних комп'ютерів, настільних комп'ютерів, робочих станцій або будь-яких інших обчислювальних пристроїв, здатних передавати та приймати інформацію та викувати функції, описані у даному документі. Обчислювальний пристрій 104 керівника польовими роботами може здійснювати обмін інформацією через мережу, використовуючи прикладну програма для мобільних пристроїв, що зберігається на обчислювальному пристрої 104 керівника польовими роботами, та в деяких варіантах здійснення винаходу пристрій може бути з'єднаний із використанням кабелю 113 або з'єднувального елемента з датчиком 112 та/або контролером 114. Конкретний користувач 102 може мати, експлуатувати або володіти та використовувати одночасно більше ніж один обчислювальний пристрій 104 керівника польовими роботами, що з'єднані із системою 130. (0066) Через мережу 109 прикладна програма може надавати функціональні можливості, які виконуються на стороні клієнту, до одного або декількох мобільних обчислювальних пристроїв.
У типовому варіанті здійснення винаходу, обчислювальний пристрій 104 керівника польовими роботами може отримати доступ до прикладної програми для мобільних пристроїв через веб- браузер або локальну клієнтську прикладну програму або додаток. Обчислювальний пристрій 104 керівника польовими роботами може передавати дані до одного або декількох серверів переднього плану та приймати дані від них із використанням протоколів або форматів, орієнтованих на веб-технології, таких як НТТР, ХМІ. та/або У5ОМ, або протоколів, орієнтованих на додатки. У типовому варіанті здійснення винаходу дані можуть приймати форму запитів та введення інформації користувача, наприклад даних, що відносяться до поля, до мобільного обчислювального пристрою. У деяких варіантах здійснення винаходу прикладна програма для мобільних пристроїв взаємодіє з апаратним та програмним забезпеченням для відстеження місцезнаходження на обчислювальний пристрій 104 керівника польовими роботами, яке
Зо визначає місце розташування обчислювального пристрою 104 керівника польовими роботами із використанням стандартних методів відстеження, таких як багатопозиційне спостереження радіосигналів, глобальна система позиціонування (СРБ), системи позиціонування М/і-Рі або інші способи мобільного позиціонування. У деяких випадках дані про місцезнаходження або інші дані, пов'язані з пристроєм 104, користувачем 102 та/або обліковим записом (обліковими записами) користувача можуть бути отримані через запити до операційної системи пристрою або через додаток запитування на пристрої, щоб отримати дані з операційної системи.
І0067| В одному варіанті здійснення винаходу обчислювальний пристрій 104 керівника польовими роботами надсилає польові дані 106 до комп'ютерної системи 130 інтелектуального аналізу сільськогосподарських даних, що містить або включає у себе значення даних, що відображають один або декілька з типів даних: географічне розташування одного або декількох полів, інформацію щодо механічної обробки грунту для одного або декількох полів, дані щодо сільськогосподарських культур, висаджених на одному або декількох полях, а також дані щодо грунту, отримані з одного або декількох полів. Обчислювальний пристрій 104 керівника польовими роботами може надсилати польові дані 106 у відповідь на введення даних користувачем 102, який визначає значення даних для одного або декількох полів. Крім того, обчислювальний пристрій 104 керівника польовими роботами може автоматично надсилати польові дані 106, коли одне або декілька значень даних стають доступними для обчислювального пристрою 104 керівника польовими роботами. Наприклад, обчислювальний пристрій 104 керівника польовими роботами може бути з'єднаний із можливістю обміну інформацією з дистанційним датчиком 112 та/або контролером 114 прикладної програми. У відповідь на прийом даних, що вказують, що контролер 114 прикладної програми подав воду на одне або декілька полів, обчислювальний пристрій 104 керівника польовими роботами може надіслати польові дані 106 до комп'ютерна система 130 інтелектуального аналізу сільськогосподарських даних, які вказують, що вода була подана на одне або декілька полів.
Польові дані 106, зазначені в цьому описі, можуть вводитися та передаватися із використанням електронних цифрових даних, які передаються між обчислювальними пристроями, використовуючи параметризовані ОКІ-адреси через НТТР, або через інший відповідний протокол обміну інформацією або обміну повідомленнями. (0068) Комерційним прикладом прикладної програми для мобільних пристроїв є програма 60 СІІМАТЕ РІЕСО МІЕМУ, комерційне доступна від компанії "Те Сійтптаге Согрогайоп", Сан-
Франциско, штат Каліфорнія. Прикладна програма СГ ІМАТЕ РІЕЄГО МІЕМУ або інші прикладні програми можуть бути змінені, розширені або адаптовані для того, щоб включати у себе конструктивні особливості, функції та програмну частину, які не були розкриті раніше, ніж дата подання цього опису. В одному варіанті здійснення винаходу прикладна програма для мобільних пристроїв включає у себе інтегровану програмну платформу, яка дозволяє виробникам для їх діяльності приймати рішення, що базуються на фактах, оскільки поєднують в собі історичні дані про поля виробників з будь-якими іншими даними, які хоче порівняти виробник. Комбінації та порівняння можуть виконуватися в режимі реального часу та базуються на наукових моделях, які забезпечують потенційні сценарії, щоб дозволити виробнику прийняти кращі, більш обгрунтовані рішення. 0069) фіг. 2 ілюструє два представлення типової логічної схеми наборів команд у основному запам'ятовуючому пристрої при завантаженні для виконання типової прикладної програми для мобільних пристроїв. На Фіг. 2 кожен названий елемент відображає область з однієї або декількох сторінок КАМ або іншого основного запам'ятовуючого пристрою, або один або декілька блоків дискового пристрою зберігання або іншого довгочасного пристрою зберігання, та запрограмовані команди у цих областях. В одному варіанті здійснення винаходу у представленні (а) прикладна програма 200 мобільного комп'ютера включає у себе команди 202 щодо обліку-полів-введення даних-розподілення, команди 204 щодо огляду та сповіщення, команди 206 щодо книги документації цифрових карт, команди 208 щодо насіння та висаджування, команди 210 щодо азоту, команди 212 щодо погодних умов, команди 214 щодо здоров'я поля та команди 216 щодо експлуатації.
І0070| В одному варіанті здійснення винаходу прикладна програма 200 мобільного комп'ютера містить команди 202 щодо обліку-полів-введення даних-розподілення, які запрограмовані для прийому, інтерпретації та введення польових даних зі сторонніх систем із використанням ручного завантаження або АРІ. Типи даних можуть включати у себе, серед іншого, межі полів, графіки врожайності, карти висаджування рослин, результати тестів грунту, картотеки, карти застосовування та/або зони управління. Формати даних можуть включати у себе, серед іншого, файли векторного формату, внутрішніх форматів даних третіх сторін та/або експортного формату Інформаційної системи управління фермами (ЕМІ5). Отримання даних може відбуватися із використанням ручного завантаження, зовнішніх АРІ, які передають дані до прикладної програми для мобільних пристроїв, або команд, які викликають АРІ зовнішніх систем для збору даних у прикладну програму для мобільних пристроїв.
І0071| В одному варіанті здійснення винаходу команди 206 щодо книги документації цифрових карт містять рівні даних карти поля, що зберігаються в запам'ятовуючому пристрої пристрою та запрограмовані засобами візуалізації даних та примітками геопросторових полів.
Це забезпечує виробників зручною інформацією, що знаходиться під рукою, для довідкових цілей, ведення журналів та візуальної статистики ефективності роботи на полі. В одному варіанті здійснення винаходу команди 204 щодо огляду та сповіщення запрограмовані для забезпечення повноцінного огляду того, що важливим для виробника в процесі експлуатації, та своєчасних рекомендацій щодо заходів, які необхідно вжити або зосередити увагу на конкретних питаннях. Це дозволяє виробнику зосередити час на тому, що потребує уваги, щоб заощадити час та зберегти врожай протягом всього сезону. В одному варіанті здійснення винаходу команди 208 щодо насіння та висаджування запрограмовані для забезпечення інструментів для вибору насіння, змішаного внесення у грунт та створення команд програмного процесора, включаючи створення команди змінної швидкості (УК) на основі наукових моделей та емпіричних даних. Це надає виробникам можливість максимізувати врожай або рентабельність інвестицій шляхом оптимізації закупівлі насіння, внесення насіння у грунт та популяції насіння. 0072) В одному варіанті здійснення винаходу команди 210 щодо азоту запрограмовані для забезпечення інструментів для інформування рішень щодо азоту, візуалізуючи доступність азоту до сільськогосподарських культур та створюючи команди програмного процесора щодо родючості зі змінною швидкістю (УК). Це надає виробникам можливість максимізувати врожай або рентабельність інвестицій шляхом оптимізації застосування азоту протягом сезону.
Приклади запрограмованих функцій включають у себе, серед інших, відображення зображень, таких як зображення 55ИКОСО, щоб дозволити малювати зони застосування; завантаження існуючих зон, визначених виробником; надання графіку застосування, що дозволяє регулювати застосування азоту в різних зонах; вихід команд програмного процесора для керування машинами; інструменти для введення та налаштування масиву даних; та/або карти для візуалізації даних. "Чведення масиву даних" у цьому контексті може означати, що потрібно 60 вводити дані один раз, а потім застосовувати однакові дані до декількох полів, визначених у системі; типові дані можуть включати у себе дані щодо застосування азоту, що є однаковими для багатьох полів одного та того ж виробника. Наприклад, команди 210 щодо азоту можуть бути запрограмовані для того, щоб приймати визначення щодо програм внесення та практичного застосування азоту, а також приймати введення користувача, що вказує, що ці програми застосовуються на декількох полях. "Програми внесення азоту" в цьому контексті відносяться до збереженого набору даних, якому присвоєно найменування, що пов'язує, серед іншого: найменування, код кольору або інший ідентифікатор, одну або декілька дат застосування, типи матеріалу або продукту для кожної дати та кількості, спосіб застосування або внесення, такий як ін'єкційний чи із використанням ножового пристрою, та/або кількості або періодичності застосування для кожної дати, сільськогосподарської культури або гібриду, який є предметом застосування. "Програми внесення азоту" в цьому контексті відносяться до збереженого набору даних, якому присвоєно найменування, що пов'язує, серед іншого: найменування практичного застосування; попередню сільськогосподарську культуру; систему механічної обробки грунту; дату первинної механічної обробки грунту; одну або декілька попередніх систем механічної обробки грунту, які були використані; один або декілька показників застосування органічних добрив, які були використані. Команди 210 щодо азоту також можуть бути запрограмовані для того, щоб створювати та спричиняти відображення графіку азоту, коли програма застосовується до поля, що вказує на прогнози використання рослинами зазначеного азоту та прогнозування надлишку або недостачі; в деяких варіантах здійснення винаходу різні кольорові індикатори можуть сигналізувати щодо величину надлишку або величину недостачі. В одному варіанті здійснення винаходу графік азоту містить графічне відображення на пристрої відображення комп'ютера, що містить множину рядків, кожен рядок пов'язаний з полем та визначає поле; дані, що вказують, яка сільськогосподарська культура висаджена в полі, розмір поля, місце розташування поля та графічне представлення периметру поля; в кожному рядку шкала часу за місяцями із графічними показниками, що визначають кожне застосування азоту та кількість у точках корелює з назвами місяців; та числові та/або кольорові показники надлишку або недостачі, у яких колір вказує на величину.
І0073| В одному варіанті здійснення винаходу команди 212 щодо погодних умов запрограмовані для того, щоб забезпечувати невідкладними даними щодо погодних умов,
Зо пов'язаними із конкретним полем, та прогнозованою інформацією щодо погодних умов. Це надає виробникам можливість економити час та мати ефективне інтегроване відображення щодо щоденних оперативних рішень.
ІЇ0074| В одному варіанті здійснення винаходу команди 214 щодо здоров'я поля запрограмовані таким чином, щоб забезпечувати своєчасні зображень дистанційного зондування, що підкреслюють сезонні зміни сільськогосподарської культури та можливі проблемні питання. Приклади запрограмованих функцій включають у себе, серед іншого, перевірку хмарності, щоб визначити можливі хмари або тіней від хмар; визначення показників азоту на основі зображень поля; графічну візуалізацію рівнів проведення рекогносцировки, включаючи, наприклад, такі, що стосуються здоров'я поля, та перегляд та/або обмін нотатками щодо проведення рекогносцировки; та/"або завантаження супутникових зображень з різних джерел та визначення пріоритету зображення для виробника.
І0075| В одному варіанті здійснення винаходу команди 216 щодо експлуатації запрограмовані для того, щоб забезпечувати звіти, результати аналізу та інструменти спеціалізованих оцінок, використовуючи дані на базі господарства для оцінювання, аналітичної обробки інформації та прийняття рішень. Це надає виробнику можливість досягти покращених результатів на наступний рік шляхом висновків, що базуються на фактах, про те, чому рентабельність інвестицій була на попередніх рівнях, а також аналітичної обробки інформації про фактори, що обмежують врожай. Команди 216 щодо експлуатації можуть бути запрограмовані для обміну інформацією через мережу (мережі) 109 із програм аналітичними програмами серверної частини, що виконуються на серверному комп'ютері 108 зовнішніх даних та виконані із можливістю аналізу показників, таких як, серед інших, врожай, гібрид, популяція,
З5ИКОСО, тести грунту або висота. Запрограмовані звіти та результати аналізу можуть включати у себе, серед іншого, аналіз змінюваності врожаю, порівняльний аналіз врожайності та інших показників із показниками інших виробників на основі анонімних даних, зібраних з багатьох виробників, або дані для насіння та висаджування.
І0076| Прикладні програми, що мають сконфігуровані таким чином команди, можуть бути застосовані для різних платформ обчислювальних пристроїв, зберігаючи при цьому однаковий загальний зовнішній вигляд користувацького інтерфейсу. Наприклад, прикладна програма для мобільних пристроїв може бути запрограмована для виконання на планшетах, смартфонах або бо серверних комп'ютерах, доступ до яких здійснюється із використанням браузерів на клієнтських комп'ютерах. Крім того, прикладна програма для мобільних пристроїв, сконфігурована для планшетних комп'ютерів або смартфонів, може забезпечити повну версію додатка або кабінну версію додатку, що є зручним для можливостей щодо відображення та обробки даних кабінного комп'ютера 115. Наприклад, посилаючись тепер на представлення (Б) на Фіг. 2, в одному варіанті здійснення винаходу прикладна програма 220 кабінного комп'ютеру може включати у себе команди 222 щодо карт-кабіни, команди 224 щодо дистанційного огляду, команди 226 щодо збирання та передачі даних, команди 228 щодо машинних сповіщень, команди 230 щодо передачі команд програмного процесора та команди 232 щодо проведення рекогносцировки- кабіни. База програмного коду для команд представлення (б) може бути такою самою, як для представлення (а), а виконувані файли, що реалізують програмний код, можуть бути запрограмовані для виявлення типу платформи, на якій вони виконуються, та для розкриття, через графічний інтерфейс користувача, лише тих функцій, які підходять для кабінної платформи або повної платформи. Такий підхід дозволяє системі чітко розпізнати відмінну користувацьку версію, яка є пристосованою для середовища в кабіні, та відмінне технологічне середовище кабіни. Команди 222 щодо карт-кабіни можуть бути запрограмовані для забезпечення горизонтальних проекцій полів, ферм або областей, що є корисними для керування роботою машини. Команди 224 щодо дистанційний огляду можуть бути запрограмовані для вмикання, керування та забезпечення представлень активності машини, в режимі реального часу або майже у режимі реального часу, на інші обчислювальні пристрої, підключені до системи 130 через бездротові мережі, дротові з'єднувальні елементи або адаптери та подібні елементи. Команди 226 щодо збирання та передачі даних можуть бути запрограмовані для вмикання, керування та забезпечення передачі даних, зібраних машинними датчиками та контролерами, до системи 130 через бездротові мережі, дротові з'єднувальні елементи або адаптери та подібні елементи. Команди 228 щодо машинних сповіщень можуть бути запрограмовані для виявлення проблемних питань із експлуатації машини або інструментів, що пов'язані з кабіною, та генерувати сповіщення оператора. Команди 230 щодо передачі команди програмного процесора можуть бути виконані із можливістю передачі у команди програмного процесора команд, виконані із можливістю керувати операціями машини або збиранням даних. Команди 232 проведення рекогносцировки-кабіни можуть бути
Зо запрограмовані для відображення сповіщень, що базуються на місцезнаходженні та інформації, отриманої від системи 130 на основі місцезнаходження сільськогосподарського пристрою 111 або датчиків 112 на полі та для введення, керування та забезпечення передачі даних спостереження на основі місцезнаходження до системи 130, базуючись на місцезнаходженні сільськогосподарського пристрою 111 або датчиків 112 у полі. 007712.3. ВВЕДЕННЯ ДАНИХ ДО КОМП'ЮТЕРНОЇ СИСТЕМИ
І0078)| В одному варіанті здійснення винаходу серверний комп'ютер 108 зовнішніх даних зберігає зовнішні дані 110, включаючи дані щодо грунту, що відображають склад грунту для одного або декількох полів, та дані щодо погодних умов, що відображають температуру та опади на одному або декількох полях. Дані щодо погодних умов можуть включати у себе дані щодо погодних умов у минулому та теперішніх погодних умов, а також прогнози щодо даних щодо майбутніх погодних умов. В одному варіанті здійснення винаходу серверний комп'ютер 108 зовнішніх даних містить декілька серверів, розміщених різними суб'єктами господарювання.
Наприклад, перший сервер може містити дані щодо складу грунту, тоді як другий сервер може містити дані щодо погодних умов. Крім того, дані щодо складу грунту можуть зберігатися на декількох серверах. Наприклад, один сервер може зберігати дані, що відображають відсоток піску, пилового матеріалу та глини в грунті, тоді як другий сервер може зберігати дані, що відображають відсоток органічних речовин (ОМ) у грунті.
І0079| В одному варіанті здійснення винаходу дистанційний датчик 112 містить один або кілька датчиків, які запрограмовані або виконані із можливістю справляти одне або декілька спостережень. Дистанційний датчик 112 може бути датчиками, що переносяться повітряним шляхом, як, наприклад, супутниковими датчиками, датчиками транспортних засобів, датчиками обладнання з висаджування, датчиками засобів механічної обробки грунту, або датчиками застосування добрив або інсектицидів, датчиками збиральних машин та будь-якими іншими пристроями, здатними приймати дані з одного або декількох полів. В одному варіанті здійснення винаходу контролер 114 прикладної програми запрограмований або виконаний із можливістю отримувати команди від комп'ютерної системи 130 інтелектуального аналізу сільськогосподарських даних. Контролер 114 прикладної програми також може бути запрограмований або виконаний із можливістю керувати експлуатаційним параметром сільськогосподарського транспортного засобу або пристрою. Наприклад, контролер прикладної бо програми може бути запрограмований або виконаний із можливістю керувати експлуатаційним параметром транспортного засобу, такого як трактор, обладнання з висаджування, обладнання для механічної обробки грунту, обладнання для застосування добрив або інсектицидів, обладнання збиральних машин або інші сільськогосподарські пристрої, такі як водяний клапан.
Інші варіанти здійснення винаходу можуть використовувати будь-яку комбінацію датчиків та контролерів, з яких наступні є лише вибраними прикладами. 0080) Система 130 може отримувати або вводити дані під керуванням користувача 102, на масовій основі з великої кількості виробників, які внесли дані в загальну систему бази даних.
Така форма отримання даних може бути названа "ручним введенням даних", оскільки для отримання даних для використання системою 130 запитуються або активізуються одна або декілька керованих користувачем комп'ютерних операцій. Як приклад, МІТКОСЕМ АОМІБЗОК, комерційне доступна від компанії "пе Сійпасе Согрогайноп", Сан-Франциско, штат Каліфорнія, може бути використана для того, щоб експортувати дані у систему 130 для зберігання у централізованій базі 160. 0081) Наприклад, системи моніторингу насіння можуть як керувати компонентами пристрою висаджування, так й отримувати дані щодо висаджування, включаючи сигнали від датчиків насіння через джгут сигналу, який включає у себе магістральний кабель САМ та з'єднання точка-точка для реєстрації та/або діагностики. Системи моніторингу насіння можуть бути запрограмовані або виконані із можливістю відображення періоду посівів, популяції та іншої інформації для користувача через кабінний комп'ютер 115 або інші пристрої у межах системи 130. Приклади розкриті у патенті США Мо 8738243 та у патенті США 2015/0094916, і даний винахід передбачає знання про ці інші патентні розкриття. (0082) Аналогічно, системи моніторингу врожайності можуть містити датчики врожайності для збиральної машини, що передають дані результату вимірювання врожайності до кабінного комп'ютеру 115 або інших пристроїв системи 130. Системи моніторингу врожайності можуть використовувати один або декілька дистанційних датчиків 112, щоб отримувати результати вимірів вологості зерна в комбайні або іншій збиральній машині та передавати ці виміри користувачеві через кабінний комп'ютер 115 або інші пристрої у межах системи 130.
І0083| В одному варіанті здійснення винаходу приклади датчиків 112, які можуть використовуватися з будь-яким рухомим транспортним засобом або апаратом типу, описаному
Зо будь-де у даному документі, включають у себе кінематичні датчики та датчики положення.
Кінематичні датчики можуть включати у себе будь-які датчики швидкості, такі як радарні або датчики швидкості обертання колеса, акселерометри або гіроскопи. Датчики положення можуть включати у себе, серед іншого, зРбО-приймачі або прийомопередавачі, або додатки щодо позиціонування або картографування на основі УМ-Рі, запрограмовані для визначення місця розташування на основі розташованих неподалік точок доступу УмМі-Рі.
І0084| В одному варіанті здійснення винаходу приклади датчиків 112, які можуть використовуватися з тракторами або іншими рухомими транспортними засобами, включають у себе датчики швидкості двигуна, датчики витрати палива, лічильники площі або лічильники відстані, які взаємодіють з сигналами СРБ5 або радіолокаційними сигналами, датчики швидкості
РТО (механізму відбору потужності), датчики тракторної гідравліки, виконані із можливістю виявляти параметри гідравліки, таких як тиск або кількість рідини, що проходить, та/або швидкість гідравлічного насоса, датчики швидкості обертання колеса або датчики ковзання колеса. В одному варіанті здійснення винаходу приклади контролерів 114, які можуть використовуватися з тракторами, включають у себе гідравлічні скеровуючи контролери, контролери тиску та/або контролери потоку; контролери швидкості гідравлічного насоса; контролери або регулятори швидкості; контролери положення зчеплення; або контролери положення колеса, що забезпечують автоматичне керування.
І0085| В одному варіанті здійснення винаходу приклади датчиків 112, які можуть бути використані з обладнанням для висаджування посівів, такі як висаджувачі, рядкові сівалки або повітряні сівалки, включають у себе датчики насіння, які можуть бути оптичними, електромагнітними або ударними датчиками; датчики прижимного зусилля, такі як штифти навантаження, тензометричні динамометри, датчики тиску; датчики властивостей грунту, такі як датчики відбивної здатності поверхні, датчики вологості, датчики електропровідності, датчики оптичного залишку або датчики температури; датчики експлуатаційних критеріїв компонентів, такі як датчики глибини висаджування, датчики прижимного зусилля тиску у циліндрі, датчики швидкості диску насіння, кодові датчики двигуна приводу насіння, датчики швидкості системи конвеєра насіння або датчики рівня вакууму; або датчики застосування пестицидів, такі як оптичні або інші електромагнітні датчики, або датчики впливу. В одному варіанті здійснення винаходу приклади контролерів 114, які можуть використовуватися з таким обладнанням для бо висаджування посівів, включають у себе: контролери рівня згинання навісного брусу, такі як контролери для клапанів, пов'язаних з гідравлічними циліндрами; контролери прижимного зусилля, такі як контролери для клапанів, пов'язаних з пневматичними циліндрами, подушками безпеки або гідравлічними циліндрами, та запрограмовані для застосування прижимного зусилля до окремих елементів рядку або рами висаджувача в цілому; контролери глибини висаджування, такі як механізми лінійного переміщення; контролери вимірювань, такі як двигуни приводу електричного дозатору насіння, двигуни приводу гідравлічного дозатору насіння або муфти керування валом; контролери відбору гібриду, такі як двигуни приводу дозатору насіння або інші механізми автоматичного керування, запрограмовані для того, щоб вибірково дозволяти або забороняти насінню або суміші насіння з повітрям доставляти насіння до дозаторів насіння або центральних бункерів сипучих продуктів або з них; контролери дозування, такі як двигуни приводу електричного дозатору насіння або двигуни приводу гідравлічного дозатору насіння; контролери системи конвеєра насіння, такі як контролери для двигуна конвеєра ремінної доставки насіння; маркерні контролери, такі як контролер для пневматичного або гідравлічного механізму автоматичного керування; або контролери швидкості застосування пестицидів, такі як контролери приводу дозування, контролери розміру отвору або позиції.
І0086| В одному варіанті здійснення винаходу приклади датчиків 112, які можуть бути використані з обладнанням для механічної обробки грунту, включають у себе датчики положення для таких інструментів, як сошники або диски; датчики положення інструменту для таких інструментів, які виконані із можливістю виявляти глибину, кут машинного агрегату або бічну відстань; датчики прижимного зусилля; або датчики тяглового зусилля. В одному варіанті здійснення винаходу приклади контролерів 114, які можуть бути використані із обладнанням для механічної обробки грунту, включають у себе контролери прижимного зусилля або контролери положення інструменту, такі як контролери, виконані із можливістю керувати глибиною інструменту, кутом машинного агрегату або бічною відстанню.
І0087| В одному варіанті здійснення винаходу приклади датчиків 112, які можуть бути використані щодо пристроїв для внесення добрив, інсектицидів, фунгіцидів та подібних речовин, такі як розташовані на висаджувачі початкові системи добрив, сошники для внесення добрив у підгрунтя або розпилювачі для добрив, або зрошувальні системи включають у себе: датчики критеріїв гідравлічної системи, такі як датчики потоку або датчики тиску; датчики, що вказують, які клапани головок для розпилення або клапани гідравлічної лінії є відкритими; датчики, пов'язані з баками, такі як датчики рівня заповнення; датчики секційних або системних ліній подачі, датчики ліній подачі окремого рядку; або кінематичні датчики, такі як акселерометри, розташовані на стрілах розпилювача. В одному варіанті здійснення винаходу приклади контролерів 114, які можуть використовуватися з таким пристроєм, включають у себе контролери швидкості насосу; контролери клапанів, які запрограмовані для контролю тиску, потоку, напрямку, РМ/М та тому подібного; або механізми автоматичного керування положенням, наприклад, для висоти стріли, глибини чизель-культиватора або позиції стріли.
І0088| В одному варіанті здійснення винаходу приклади датчиків 112, які можуть використовуватися з комбайнами, включають у себе монітори намолоту комбайну, такі як тензодатчики амортизаційного екрану або датчики положення, датчики ємнісного потоку, датчики навантаження, датчики ваги або датчики крутного моменту, пов'язані з вантажопідйомниками або шнеками, або оптичні чи інші електромагнітні датчики висоти зерна; датчики вологості зерна, такі як ємнісні датчики; датчики втрати зерна, включаючи ударні, оптичні або ємнісні датчики; датчики експлуатаційних критеріїв жнивної частини комбайну, такі як висота жнивної частини комбайну, тип жнивної частини комбайну, просвіт плити настілу, датчики швидкості подачі та швидкості обертання мотовила; датчики експлуатаційних критеріїв сепаратора, такі як датчики увігнутого зазору, швидкості ротора, зазору колодки чи зазору решета первинного очищення; шнекові датчики для положення, експлуатації або швидкості; або датчики швидкості двигуна. В одному варіанті здійснення винаходу приклади контролерів 114, які можуть використовуватися із збиральними машинами, включають у себе контролери експлуатаційних критеріїв жнивної частини комбайну для таких елементів, як висота жнивної частини комбайну, тип жнивної частини комбайну, просвіт плити настілу, швидкість подачі, або швидкість обертання мотовила; контролери експлуатаційних критеріїв сепаратору для таких конструктивних особливостей, як увігнутий зазор, швидкість ротора, зазору колодки чи зазору решета первинного очищення; або контролери для розташування, роботи чи швидкості шнеку.
І0089| В одному варіанті здійснення винаходу приклади датчиків 112, які можуть використовуватися із причепами для перевезення зерна, включають у себе датчики ваги або датчики для розташування, роботи чи швидкості шнеку. В одному варіанті здійснення винаходу приклади контролерів 114, які можуть використовуватися із причепами для перевезення зерна, 60 включають у себе контролери для розташування, роботи чи швидкості шнеку.
І0090) В одному варіанті здійснення винаходу приклади датчиків 112 та контролерів 114 можуть бути встановлені у пристрої безпілотного літального апарату (ШАМ) або "дронах". Такі датчики можуть включати у себе камери з детекторами, ефективними для будь-якого діапазону електромагнітного спектру, включаючи видиме світло, інфрачервоне випромінювання, ультрафіолетове випромінювання, ближня інфрачервона область спектру (МІК) та подібні; акселерометри; висотоміри; датчики температури; датчики вологості; датчики повного тиску або інші датчики швидкості повітря або швидкості вітру; датчики часу дії елементів живлення; або пристрої виявлення випромінюючих радіолокаційних станцій та відбитої енергії радіолокаційного випромінювання. Такі контролери можуть включати у себе керуючий пристрій або пристрій керування двигуном, контролери керування поверхнею, контролери камери або контролери, запрограмовані для вмикання, експлуатації, отримання даних від будь-якого з попередніх датчиків, їх налаштування та керування ними. Приклади розкриті у заявці на патент
США Мо 14/831165, і даний винахід передбачає знання про це інше патентне розкриття.
І0091) В одному варіанті здійснення винаходу датчики 112 та контролери 114 можуть бути прикріплені до пристрою для збирання зразків грунту та проведення вимірювання, який виконаний з можливістю або запрограмований для відбору грунту, проведення хімічних випробувань грунту, випробувань вологості грунту та інших досліджень, що стосуються грунту.
Наприклад, можуть бути використані пристрої, описані у патенті США Мо 8767194 та у патенті
США Мо 8712148, і в даному описі передбачається знання цієї розкритої патентної інформації. 0092) 2.4. ОГЛЯД ПРОЦЕСУ -- ФОРМУВАННЯ АГРОНОМІЧНОЇ МОДЕЛІ 0093) В одному варіанті здійснення винаходу комп'ютерна система 130 інтелектуального аналізу сільськогосподарських даних запрограмована або виконаний із можливістю створення агрономічної моделі. У цьому контексті агрономічна модель являє собою структуру даних у запам'ятовуючому пристрої комп'ютерної системи 130 інтелектуального аналізу сільськогосподарських даних, яка містить польові дані 106, такі як дані ідентифікації та дані щодо врожаю для одного або декількох полів. Агрономічна модель може також включати у себе розрахункові агрономічні властивості, які описують або умови, які можуть вплинути на зростання однієї або декількох сільськогосподарських культур на полі, або властивості однієї або декількох сільськогосподарських культур, або й одне, й інше. Крім того, агрономічна модель
Зо може містити рекомендації, що базуються на агрономічних факторах, такі як рекомендації щодо сільськогосподарської культури, рекомендації щодо зрошення, рекомендації щодо висаджування та рекомендації щодо збирання врожаю. Агрономічні фактори також можуть бути використані для оцінювання одного або декількох результатів, пов'язаних з сільськогосподарською культурою, наприклад агрономічна врожайність. Агрономічна врожайність сільськогосподарської культури являє собою оцінювання кількості виробленої сільськогосподарської культури або, в деяких прикладах, дохід або прибуток, отриманий від виробництва сільськогосподарської культура. 0094) В одному варіанті здійснення винаходу комп'ютерна система 130 інтелектуального аналізу сільськогосподарських даних може використовувати попередньо сконфігуровану агрономічну модель для обчислення агрономічних властивостей, пов'язаних з поточне отриманою інформацією про місцезнаходження та інформацією щодо сільськогосподарської культури для одного або декількох полів. Попередньо сконфігурована агрономічна модель грунтується на раніше оброблених польових даних, включаючи, але не обмежуючись перерахованим, дані ідентифікації, дані щодо врожаю, дані щодо добрив та дані щодо погодних умов. Для забезпечення точності моделі можливо, щоб попередньо сконфігурована агрономічна модель була перехресно перевірена. Перехресна перевірка може включати у себе порівняння із наземним контролем даних, яке порівнює прогностичні результати з фактичними результатами на полі, як наприклад порівняння оцінювання атмосферних опадів з датчиком дощу в тому ж місці або оцінку вмісту азоту із результатом вимірювання проби грунту. 0095) Фіг. З ілюструє запрограмований процес, із використанням якого комп'ютерна система інтелектуального аналізу сільськогосподарських даних генерує одну або декілька попередньо сконфігурованих агрономічних моделей з використанням даних поля, що надаються одним або кількома зовнішніми джерелами даних. Фіг. З може служити як алгоритм або інструкції для програмування функціональних елементів комп'ютерної системи 130 інтелектуального аналізу сільськогосподарських даних для виконання описаних зараз операцій. 0096) У блоці 305 комп'ютерна система 130 інтелектуального аналізу сільськогосподарських даних виконана з можливістю або запрограмована для здійснення попередньої обробки агрономічних даних щодо польових даних, отриманих від одного або декількох зовнішніх джерел даних. Польові дані, отримані від одного або декількох зовнішніх джерел даних, можуть 60 бути попередньо оброблені з метою усунення шуму та ефектів спотворень у межах агрономічних даних, включаючи вимірювані відхилення, що зміщують отримані значення польових даних. Варіанти здійснення попередньої обробки агрономічних даних можуть включати у себе, але не обмежуються перерахованим, видалення значень даних, загально пов'язаних із значеннями вихідних даних, конкретними виміряними точками даних, що, як відомо, зайве відхиляє інші значення даних, для видалення або зменшення аддитивних або мультиплікативних ефектів від шуму використовуються методи згладжування даних та інші способи фільтрації або отримання даних використовуються для забезпечення чіткої різниці між позитивними та негативними вхідними даними. Різні варіанти здійснення цих методів включають, але не обмежуються такими, що описані у даному документі. 00971 У блоці 310 комп'ютерна система 130 інтелектуального аналізу сільськогосподарських даних виконана з можливістю або запрограмована для вибору підмножини даних із використанням попередньо оброблених польових даних для ідентифікації наборів даних, котрі є корисними для формування початкової агрономічної моделі. Комп'ютерна система 130 інтелектуального аналізу сільськогосподарських даних може реалізовувати методи виділення підмножин даних, включаючи у себе, але не обмежуючись перерахованим, спосіб генетичного алгоритму, спосіб моделей всіх підмножин, спосіб послідовного пошуку, спосіб ступінчастої регресії, спосіб оптимізації групування частинок та спосіб оптимізації колонії мурах. Наприклад, метод вибору генетичного алгоритму використовує адаптивний алгоритм евристичного пошуку, що базується на еволюційних принципах природного відбору та генетики, для визначення та оцінювання наборів даних у межах попередньо оброблених агрономічних даних. 0098) У блоці 315 комп'ютерна система 130 інтелектуального аналізу сільськогосподарських даних виконана з можливістю або запрограмована здійснювати оцінювання набору польових даних. В одному варіанті здійснення винаходу конкретний набір польових даних оцінюється шляхом створення агрономічної моделі та використання конкретних порогових значень якості для створеної агрономічної моделі. Агрономічні моделі можуть бути порівняні із використанням методів перехресної перевірки, включаючи, але не обмежуючись перерахованим, середню квадратичну похибку перехресної перевірки із виключенням об'єктів по одному (КМЗЕСМ), середню абсолютну похибку та середню відсоткову похибку. Наприклад, ЕМ5ЕСМ може здійснювати перехресну перевірку агрономічні моделі, порівнюючи прогностичні значення
Зо агрономічних властивостей, створені агрономічною моделлю, із зібраними та проаналізованими значеннями історичних агрономічних властивостей. В одному варіанті здійснення винаходу логіка оцінювання агрономічного набору даних використовується як контур зворотного зв'язку, коли агрономічні набори даних, які не відповідають встановленим пороговим значенням якості, використовуються під час майбутніх етапів (блок 310) вибору підмножини даних. 00991 У блоці 320 комп'ютерна система 130 інтелектуального аналізу сільськогосподарських даних виконана з можливістю або запрограмована реалізовувати створення агрономічної моделі на основі перехресної перевірки агрономічних наборів даних. В одному варіанті здійснення винаходу створення агрономічної моделі може застосовувати методи багатовимірної регресії для створення попередньо сконфігурованих моделей агрономічних даних.
ІО1001 У блоці 325 комп'ютерна система 130 інтелектуального аналізу сільськогосподарських даних виконана з можливістю або запрограмована зберігати попередньо сконфігуровані моделі агрономічних даних для майбутнього оцінювання польових даних. (010112.5. ПРИКЛАД РЕАЛІЗАЦІЇ -- ОГЛЯД АПАРАТНОГО ЗАБЕЗПЕЧЕННЯ
І0102| Відповідно до одного варіанта здійснення винаходу, методи, описані у даному документі, реалізуються одним або декількома обчислювальними пристроями спеціального призначення. Обчислювальні пристрої спеціального призначення можуть бути апаратно реалізовані для виконання таких методів або можуть включати у себе цифрові електронні пристрої, такі як одну або декілька спеціалізованих інтегральних схем (АБІС) або матриць логічних елементів із експлуатаційним програмуванням (ЕРСА), які цілеспрямовано запрограмовані для виконання таких методів, або можуть включати у себе один або декілька апаратно забезпечених процесорів загального призначення, запрограмованих для виконання методів відповідно до програмних команд у вбудованому програмному забезпеченні, запам'ятовуючому пристрої, інших пристроях зберігання даних або їх комбінацій. Такі обчислювальні пристрої спеціального призначення також можуть поєднувати в собі виготовлений на замовлення апаратно реалізований логічний пристрій, АБІС або ЕРБА із виготовленим на замовлення програмуванням для виконання методів. Комп'ютерні пристрої спеціального призначення можуть бути настільними комп'ютерними системами, портативними комп'ютерними системами, мобільними пристроями, мережевими пристроями або будь-якими іншими пристроями, що включають у себе апаратно реалізовані та/або програмні логічні бо пристрої для реалізації цих методів.
ІО103) Наприклад, фіг. 4 являє собою блок-схему, яка ілюструє комп'ютерну систему 400, на якій може бути реалізований варіант здійснення винаходу. Комп'ютерна система 400 включає у себе шину 402 або інший комунікаційний механізм для обміну інформацією, а також апаратний процесор 404, який з'єднаний з шиною 402 для обробки інформації. Апаратний процесор 404 може бути, наприклад, мікропроцесором загального призначення. (0104) Комп'ютерна система 400 також включає у себе основний запам'ятовуючий пристрій 406, такий як оперативний запам'ятовуючий пристрій (КАМ) або інший динамічний пристрій зберігання даних, з'єднаний з шиною 402 для зберігання інформації та команд, що мають виконуватись процесором 404. Основний запам'ятовуючий пристрій 406 також може бути використаний для зберігання тимчасових змінних або іншої проміжної інформації під час виконання команд, що мають виконуватись процесором 404. Такі команди, у разі зберігання на довгочасних носіях даних, доступних для процесора 404, перетворюють комп'ютерну систему 400 на машину спеціального призначення, яка пристосована для виконання операцій, зазначених у командах.
ІО105| Комп'ютерна система 400 додатково включає у себе постійний запам'ятовуючий пристрій (КОМ) 408 або інший статичний запам'ятовуючий пристрій, з'єднаний з шиною 402 для зберігання статичної інформації та команд для процесора 404. Для зберігання інформації та команд забезпечується та з'єднаний з шиною 402 пристрій 410 зберігання даних, наприклад, магнітний диск, оптичний диск або твердотільний накопичувач. (0106) Через шину 402 комп'ютерна система 400 може бути з'єднана з дисплеєм 412, таким як катодно-променева трубка (СКТ), для відображення інформації для користувача комп'ютера.
Пристрій 414 введення даних, включаючи буквено-цифрові та інші клавіші, з'єднаний з шиною 402 для передачі інформації та вибору команд для процесора 404. Іншим типом пристрою введення даних користувача є пристрій керування 416 курсором, такий як миша, трекбол або клавіші керування курсором для передачі інформації про напрям та вибір команд для процесора 404 та для керування переміщенням курсора на дисплеї 412. Такий пристрій введення даних зазвичай має два ступеню свободи по двом вісям, першій вісі, (наприклад, х), та другій вісі, (наприклад, у), що дозволяє пристрою визначати положення в площині.
І0107| Комп'ютерна система 400 може реалізовувати описані у даному документі методи з
Зо використанням виготовленого на замовлення апаратно реалізованого логічного пристрою, одного або декількох АБІС або ЕРСА, вбудованого програмного забезпечення та/або програмного логічного пристрою, що в комбінації з комп'ютерною системою призводить або програмує комп'ютерну систему 400 до машини спеціального призначення. Згідно з одним варіантом здійснення винаходу, методи, описані у даному документі, виконуються комп'ютерною системою 400 у відповідь на виконання процесором 404 однієї або декількох послідовностей однієї або декількох команд, що містяться в основному запам'ятовуючому пристрої 406. Такі команди можуть бути зчитані до основного запам'ятовуючого пристрою 406 з іншого носія інформації, наприклад, пристрою 410 зберігання даних. Виконання послідовностей команд, що містяться в основному запам'ятовуючому пристрої 406 призводить до того, що процесор 404 виконує етапи способу, описані у даному документі. У альтернативних варіантах здійснення винаходу апаратно реалізовані схеми можуть використовуватися замість або в комбінації з програмними командами. 0108) Термін "носії інформації", як він використовується у даному документі, стосується будь-яких довгочасних носіїв даних, які зберігають дані та/або команди, які спонукають машину функціонувати певним чином. Такі носії інформації можуть містити довгочасні носії даних та/або короткочасні носії даних. Довгочасні носії даних включають у себе, наприклад, оптичні диски, магнітні диски або твердотільні накопичувачі, такі як пристрій 410 зберігання даних.
Короткочасні носії даних включають у себе динамічний запам'ятовуючий пристрій, наприклад, основний запам'ятовуючий пристрій 406. Звичайні форми носіїв для зберігання даних включають у себе, наприклад, дискету, гнучкий диск, жорсткий диск, твердотільний накопичувач, магнітну стрічку або будь-який інший магнітний носій даних, компакт-диск, будь- який інший оптичний носій даних, будь-який фізичний носій даних із малюнком із отворів, КАМ,
РКОМ та ЕРКОМ, РГАЗН-ЕРВОМ, ММУКАМ, будь-яку іншу інтегральну схему або картридж запам'ятовуючого пристрою. 01091 Носії для зберігання даних відрізняються від, але можуть використовуватися разом із засобами передавання даних. Засоби передавання даних беруть участь у передаванні інформації між носіями для зберігання даних. Наприклад, засоби передавання даних включають у себе коаксіальні кабелі, мідний дріт та волоконну оптику, включаючи дроти, що містять шину 402. Засоби передавання даних також можуть мати форму акустичних або світлових хвиль, бо наприклад, таких, що створюються під час радіохвиль та інфрачервоного передавання даних.
ІО1101 Різні форми носіїв даних можуть бути задіяні у забезпеченні однієї або декількох послідовностей однієї або декількох команд, що мають виконуватись процесором 404.
Наприклад, команди можуть спочатку бути перенесені на магнітний диск або на твердотільний накопичувач віддаленого комп'ютера. Віддалений комп'ютер може завантажувати команди у свій динамічний запам'ятовуючий пристрій та надсилати команди через телефонну лінію із використанням модему. Модем, що є локальним об'єктом комп'ютерної системи 400, може отримувати дані через телефонну лінію та використовувати інфрачервоний передавач для перетворення даних на інфрачервоний сигнал. Інфрачервоний детектор може отримувати дані, що надходять у вигляді інфрачервоного сигналу, та відповідні схеми можуть розміщати дані на шині 402. Шина 402 переносить дані в основний запам'ятовуючий пристрій 406, з якого процесор 404 отримує та виконує команди. Команди, отримані основним запам'ятовуючим пристроєм 406, можуть необов'язково зберігатись на пристрої 410 зберігання даних або перед виконанням, або після виконання процесором 404. 01111) Комп'ютерна система 400 також включає у себе інтерфейс 418 обміну інформацією, з'єднаний з шиною 402. Інтерфейс 418 обміну інформацією забезпечує двоканальний обмін даними, з'єднаний із мережевим каналом 420, який підключений до локальної мережі 422.
Наприклад, інтерфейс 418 обміну інформацією може являти собою плату цифрової мережі із інтегрованими сервісами (ІЗЮМ), кабельний модем, супутниковий модем або модем, щоб забезпечити підключення із обміном даних до відповідного типу телефонної лінії. Як інший приклад, інтерфейс 418 обміну інформацією може бути платою локальної мережі (ГАМ), щоб забезпечити підключення до сумісної локальної мережі для обміну даними. Також можуть бути реалізовані бездротові канали. У будь-якому такому виконанні інтерфейс 418 обміну інформацією посилає та отримує електричні, електромагнітні або оптичні сигнали, що переносять цифрові потоки даних, що представляють різні типи інформації.
І0112| Мережева лінія 420 зазвичай забезпечує обмін даними із іншими пристроями даних через одну або декілька мереж. Наприклад, мережевий канал 420 може надавати з'єднання через локальну мережу 422 до центральної ЕОМ 424 або до обладнання обробки даних, яким керує провайдер послуг мережі Інтернет (ІЗР) 426. ІЗР 426, в свою чергу, надає послуги обміну даними через глобальну мережу обміну пакетними даних, яка зазвичай називається "Інтернет"
Зо 428. Обидві - місцеві мережі 422 та Інтернет 428 - використовують електричні, електромагнітні або оптичні сигнали, що переносять цифрові потоки даних. Сигнали через різні мережі та сигнали по мережевому каналу 420 та через інтерфейс 418 обміну інформацією, які переносять цифрові дані до комп'ютерної системи 400 та від комп'ютерної системи 500, є прикладом форм засобів передавання даних. 0113) Комп'ютерна система 400 може надсилати повідомлення та отримувати дані, в тому числі програмний код керування, через мережу (мережі), мережевий канал 420 та інтерфейс 418 обміну інформацією. У прикладі із використанням Інтернету сервер 430 може передавати запитуваний код для прикладної програми через Інтернет 428, ІБР 426, локальну мережу 422 та інтерфейс 418 обміну інформацією.
І0114| Отриманий код може бути виконаний процесором 404, оскільки він приймається та/або зберігається у пристрої 410 зберігання даних або іншому довгочасному пристрої збереження даних для подальшого виконання. (0115) 3. ЗБИРАННЯ ДАНИХ РЕЗУЛЬТАТІВ ВИМІРЮВАННЯ
ІО116) Збирання інформації щодо врожайності сільськогосподарських культур, зібраних з сільськогосподарських полів, зазвичай передбачає збирання великих обсягів елементів даних вимірювань. Зібрані набори даних можуть бути особливо великими, якщо поля є великими, а інформація збирається часто та протягом тривалих періодів часу. Наприклад, якщо результати вимірювань даних, що представляють зібраний врожай, фіксуються у односекундний або двосекундний інтервали у той час, як збиральний комбайн збирає сільськогосподарські культури з тисяч акрів полів, то зібраний набір даних може включати у себе великий обсяг елементів даних. Але навіть якщо сільськогосподарські культури збираються з невеликих сільськогосподарських полів протягом коротких періодів часу, збирання результатів вимірювань урожаю може спричинити створення великих наборів даних, які в деяких випадках можуть включати у себе від десятків до сотень тисяч елементів даних. (0117 4. НЕРІВНОМІРНЕ РОЗПОДІЛЕННЯ НЕОБРОБЛЕНИХ ДАНИХ ЩОДО
ВРОЖАЙНОСТІ
ІО118| Емпіричні дані показують, що гістограми, отримані від даних, що відображають результати вимірювання врожайності, не є розподіленими за нормальним законом. Часто необроблені розподілення врожайності не є нормальними розподіленнями, та іноді вони можуть бо бути негативно нахиленими, наприклад, уздовж низькопродуктивних "хвостів" кривої розподілення. У деяких ситуаціях необроблені розподілення врожайностей можуть бути негативно нахиленими, нагадуючи усічене справа нормальне розподілення, таке як переважно негативне відхилення та значення коефіцієнту ексцесу розподілення близьке до нуля. В інших ситуаціях деяке розподілення даних врожайності вказує на ознаку негативного відхилення.
Деякі з чинників ненормального розподілення необроблених даних щодо врожайності включають у себе неточності вимірювального обладнання, встановленого у збиральному комбайні. Коли дані, що містять помилки, усуваються, гістограми, отримані з даних, очищених від небажаних даних, швидше за все втрачають ознаку ненормального розподілення.
Наприклад, у полі може бути деяка просторова дисперсія, або фермер може вирощувати смуги різних гібридів на одному полі. Принаймні в цих двох випадках відповідні гістограми можуть не мати нормального розподілення. (0119) 5. ДКЕРЕЛА НАЯВНОСТІ НЕБАЖАНИХ ДАНИХ (0120) Наявність небажаних даних статистичних викидів у необроблених картах врожайності можна віднести до досить багатьох невідповідностей, що виникають при збиранні сільськогосподарської культури. Деякі з невідповідностей включають затримки часу, зумовлені динамікою збирання врожаю, а також умовами збирання врожаю. Наприклад, результати вимірювання врожайності також можуть отримувати небажані дані, якщо датчики та вимірювальні прилади невірно відкалібровані. Щоб правильно зареєструвати кількість зібраної сільськогосподарської культури, пристрій збирання даних, встановлений на збиральному комбайні, має бути правильно налаштований та встановлений. Наприклад, для збирання точних даних оператори обладнання повинні відкалібрувати інтервал реєстрації результатів спостережень збиральної машини, відстань реєстрації результатів спостережень, реєстрацію початку та закінчення проходів тощо. Якщо параметри записані невірно, то зібрані дані про врожайності можуть бути невірними.
І0121| Результати вимірювання також можуть отримувати небажані дані через затримку між моментом, коли сільськогосподарська культура є фактично зрізаною та моментом, коли зерно фактично вимірюється датчиком, встановленим у збиральному комбайні. Затримка може вимірюватися як відставання потоку та може відповідати різниці часу між моментом зрізання сільськогосподарської культури та моментом, коли зерно досягає датчика масового потоку,
Зо встановленого на верхній частині збиральної машини. Помилка може призвести до зміщення результатів вимірювань таким чином, що результат вимірювання показує розташування поточного потоку маси зерна, який не відповідає фактичному місцю розташування, з якого був зібраний потік зерна. Наприклад, до того часу, коли датчик потоку виявляє певний масовий потік, СР5 місцезнаходження збирального комбайну може змінюватися, а запізнення, часто виміряне у секундах, може не відповідати показникам СР5. 01221 Дані, що представляють врожайність зібраної сільськогосподарської культури, можуть також мати небажані дані через затримку, внесену транспортером зерна збирального комбайна.
Це часто називається затримкою режиму потоку збиральної машини або затримкою початку проходження. Затримка початку проходження може вимірюватися як затримка між початком проходження, вказаним датчиком (СР5, та тим моментом, коли транспортер зерна наповнюється на початку проходження урожаю. Також може бути затримка режиму потоку збиральної машини, що також називається затримкою закінчення проходження. Затримка закінчення проходження може вимірюватися як затримка між тим моментом, коли датчик СОР5 вказує закінчення проходження урожаю та моментом, коли транспортер зерна очищується в кінці проходження урожаю. 01231 Крім того, значення вимірювання врожайності зібраних сільськогосподарських культур можуть отримувати небажані дані через різкі зміни швидкості, з якою збиральний комбайн перетинає поле. Різкі зміни швидкості можуть призвести до отримання нереалістичних результатів вимірювань врожайності.
Залежно від того, наскільки різкими є зміни у швидкості, результати вимірювання можуть бути або занадто високими, або надто низькими. Якщо збиральний комбайн різко прискорюється, то результати вимірів врожайності можуть бути помилково низькими. Однак, якщо збиральний комбайн різко сповільнюється, то результати вимірювання врожайності можуть бути помилково високими.
І0124| Результати вимірювання врожайності також можуть отримувати небажані дані, якщо вони збираються в той час, коли збиральний комбайн робить різкі розвертання. Також результати вимірювання можуть отримувати небажані дані в той час, коли збиральний комбайн змінює довжини сектору (смуги захоплення) обрізувального апарату, що може статися, коли збиральна машина робить різкі розвертання. Результати вимірювання також можуть 60 отримувати небажані дані, коли точна інформація СОР5 недоступна або не може бути пов'язана з результатами вимірювань. Відсутність точної ОРЗ інформації може таким чином вплинути на карту врожайності, що вона або зміститься по всьому полю, що називається систематичною помилкою, або вона зміщується на якесь неправильне місце знаходження, що називається локалізованою помилкою. Систематична помилка може впливати на весь набір даних вимірювань та може бути виявлена візуально, оскільки отримана карта врожайності не буде вирівняна з фактичними межами поля. Локалізована помилка може вплинути на невелику кількість результатів вимірювань, таких як результати вимірювань, які ідентифікуються як зібрані з того самого місця знаходження у полі. 0125) Наявність небажаних даних також може бути викликана місцевими обставинами, пов'язаними із процесом збирання. Обставини можуть включати у себе умови засухи, умови підвищеної вологості або пилові умови, що виникають під час збирання врожаю, що можуть неналежним чином впливати на виміри вологості зерна. Оскільки розрахована врожайність залежить від вологості зерна, помилкові результати вимірювання вологості можуть призвести до помилкових результатів вимірювань врожаю. Наприклад, умови засухи можуть спричинити низьку вологість зерна, та, отже, результати вимірювання, зібрані в сухих умовах, можуть бути нижчими, ніж фактична врожайність сільськогосподарської культури. З іншого боку, умови підвищеної вологості можуть викликати високу вологість зерна, та, отже, вимірювання, зібрані в умовах підвищеної вологості, можуть бути вищими, ніж фактична врожайність. 0126 6. СТВОРЕННЯ КАРТОГРАФІЧНИХ ДАНИХ ВРОЖАЙНОСТІ ІЗ ВИЛУЧЕНИМИ
НЕБАЖАНИМИ ДАНИМИ 3 ВИКОРИСТАННЯМ ЕКСПЕРТНИХ ФІЛЬТРІВ ТА ДЕТЕКТОРІВ
ПРОСТОРОВИХ ВИКИДІВ
І0127| В одному варіанті здійснення винаходу представлені методи, реалізовані із використанням комп'ютерних технологій, які спрямовані на підхід до вилучення даних, що відображають врожайність сільськогосподарських культур, зібраних з сільськогосподарських полів. Цей процес може включати у себе один або декілька етапів, та кожен етап може бути спрямований на відфільтрування очищених даних певного типу або які мають певні характеристики. Наприклад, якщо один етап може бути спрямований на фільтрацію неочищених даних, які можуть бути зібрані неналежно функціонуючими датчиками, встановленими на збиральних комбайнах, інший етап може бути спрямований на видалення даних, які виглядають такими, що дублюються, й таке інше. 0128) Фіг. 5 являє собою блок-схему, яка зображує типовий спосіб або алгоритм вилучення даних щодо врожайності сільськогосподарських культур шляхом поєднання експертних фільтрів з детекторами просторових статистичних викидів. В одному варіанті здійснення винаходу процес вилучення даних, що представляють врожайність сільськогосподарських культур, починається з етапу 502, на якому отримуються електронні цифрові дані, що представляють урожайність сільськогосподарської культури, зібраної з одного або декількох сільськогосподарських полів. У даному документі електронні цифрові дані також називаються першими даними щодо врожайності та можуть бути отримані з різних джерел. У контексті вилучення даних щодо врожайності, перші дані щодо врожайності можуть бути отримані з комп'ютерних баз даних, централізованих баз даних або будь-яких інших сховищ даних, виконаний із можливістю зберігання інформації про сільськогосподарські культури. Перші дані щодо врожайності можуть бути отримані через одну або декілька комп'ютерних мереж, що з'єднують комп'ютерну базу даних або централізовану базу даних з комп'ютерною системою, виконаний із можливістю реалізації підходу вилучення небажаних даних.
ІО129| На етапі 504 обирається один або декілька реалізованих із використанням програмного забезпечення фільтрів, які застосовуються до отриманих перших даних щодо врожайності. Приклади фільтрів наведено на Фіг. 6-10.
ІО130| На етапі 506 перші дані щодо врожайності, які представляють врожайність сільськогосподарської культури, зібраної з сільськогосподарських полів, обробляють у комп'ютерній системі із використанням команд фільтру виявлення статистичних викидів.
Обробка може включати у себе застосування одного або декількох обраних фільтрів до перших даних щодо врожайності, щоб визначити перші дані статистичних викидів в перших даних щодо врожайності. Приклади цього виду обробки надані на Фіг. 6-10. Перші дані статистичних викидів можуть включати у себе дані, які вважаються такими, що містять небажані дані. Подібні елементи даних можуть потім відфільтровуватися з перших даних щодо врожайності.
Необов'язково, користувач може вирішувати, чи створювати та відображати графічне представлення перших даних щодо врожайності з розташуваннями перших даних статистичних викидів, ідентифікованих на карті врожайності.
ІО131| Неочищені дані можуть включати у себе дані, які вважаються помилковими або бо потенційно помилковими. Такі дані можуть включати у себе дані, які були зроблені неналежно функціонуючими датчиками або дані, невірно отриманими не вирівняними засобами, які використовуються для збирання врожаю сільськогосподарських культур Кк сільськогосподарських полів. Наприклад, неочищені дані можуть включати у себе дані, які були невірно зареєстровані через невірно відкалібровані датчики, встановлені у комбайнах, що збирають сільськогосподарські культури. Такі дані можуть також включати у себе дані, що містять помилки, які виникають через непідтверджену ширину обрізувального апарату збирального комбайну, змінну швидкість збиральної машини, з якою комбайн збирає сільськогосподарські культури, вузькі фінішні коридори проходжень збирання та розвертання та перекривання зон збирання збиральної машини. Різні джерела наявність небажаних даних описані в попередніх розділах.
ІО132| На етапі 508 виконується тест, щоб визначити, чи були застосовані всі фільтри до перших даних щодо врожайності. Якщо до перших даних щодо врожайності були застосовані всі фільтри, то виконується етап 510. В іншому випадку обирається інший фільтр, та щойно обраний фільтр застосовується до перших даних щодо врожайності на етапі 506.
ІО133)| На етапі 510 з перших даних щодо врожайності створюються перші відфільтровані дані. Неочищені дані називаються першими даними статистичних викидів. Перші дані статистичних викидів включають у себе один або більше елементів з перших даних щодо врожайності, які містять невірні дані, або дані, які потенційно невірні. На етапі 510 елементи перших даних статистичних викидів видаляються з набору перших даних щодо врожайності.
Отримана підмножина перших даних щодо врожайності містить елементи даних, які називаються першими відфільтрованими даними, або набором перших відфільтрованих даних.
Набір перших відфільтрованих даних може бути підданий подальшій обробці та аналізу.
І0134| В одному варіанті здійснення винаходу, перші дані статистичних викидів не видаляються з перших даних щодо врожайності, але замість цього позначаються як такі, що потенційно містять помилки. Позначення елемента даних може включати у себе присвоєння ідентифікатору чи індикатору елементу даних, щоб вказати, що елемент потенційно містить небажану інформацію.
ІО135| Перші відфільтровані дані можуть бути або надані користувачеві, або можуть вимагати додаткової обробки. Додаткова обробка може бути виконана із використанням різних
Зо підходів, із використанням різних фільтрів або із використанням іншого етапу процесу вилучення небажаних даних, описаного нижче.
ІО136) На етапі 512 виконуються етап виявлення просторових статистичних викидів процесу вилучення небажаних даних. На цьому етапі обираються один або декілька детекторів просторових статистичних викидів. Різні типи детекторів просторових статистичних викидів описані на Фіг. 11 та Фіг. 12.
ІО137| На етапі 514 на перших відфільтрованих даних виконується процес виявлення просторових статистичних викидів. Виконання процесу виявлення просторових статистичних викидів може включати у себе виконання, на перших відфільтрованих даних, команд виявлення просторових статистичних викидів, що реалізуються у комп'ютерній системі. Такий тип обробки може включати у себе ідентифікацію, у перших відфільтрованих даних, других даних статистичних викидів, що представляють одне або декілька значень статистичних викидів, які визначаються як такі, що є невірними або потенційно невірними.
Приклади цього виду обробки надані на Фіг. 11 та Фіг. 12.
ІО138| На етапі 516 виконується тест, щоб визначити, чи всі детектори просторових статистичних викидів були застосовані до перших відфільтрованих даних для ідентифікації других даних статистичних викидів. Якщо до перших даних щодо врожайності були застосовані всі фільтри, то виконується етап 518. В іншому випадку обирається інший детектор просторових статистичних викидів, та щойно обраний детектор просторових статистичних викидів застосовується до перших відфільтрованих даних на етапі 514. 0139 На етапі 518 створюються другі дані статистичних викидів. Елемент даних може бути ідентифікований як другий елемент даних статистичних викидів якщо елемент даних містить одну або декілька характеристик статистичних викидів. Такі характеристики можуть включати у себе просторові характеристики елементів даних у групі сусідніх елементів даних, характеристики на основі зваженого значення елементів даних у групі сусідніх елементів даних тощо. (0140) Характеристики статистичних викидів зазвичай визначаються для групи елементів даних. Процес визначення характеристик статистичних викидів може бути реалізований в різних формах, та реалізація процесу не обмежується будь-яким конкретним підходом. Один із способів реалізації процесу визначення характеристик статистичних викидів містить визначення 60 групи сусідніх наборів даних, визначення значення середньої величини для групи та визначення, на основі сукупного середнього значення, того, чи містить помилкові дані певний елемент даних у межах групи. Конкретна реалізація процесу може включати у себе визначення, для певного елемента даних з відфільтрованих елементів перших даних, групи сусідніх перших відфільтрованих даних, обчислення сукупного середнього значення для елементів даних у межах групи сусідніх перших відфільтрованих даних та порівняння сукупного середнього значення з пороговим значенням або пороговим діапазоном, щоб визначити, чи містить помилку певний елемент даних. Пороговий діапазон може показувати прийнятний діапазон значень для перших відфільтрованих даних. Якщо сукупне середнє значення не потрапляє до меж порогового діапазону, то певний елемент перших відфільтрованих даних може бути включений у другий набір даних статистичних викидів, а потім позначений або виключений з перших відфільтрованих даних.
ІО141| Конкретний елемент даних позначається або виключається з набору перших відфільтрованих даних якщо певний елемент даних представляє значення урожайності сільськогосподарської культури, яке із великим ступенем вірогідності є помилковим. Наприклад, якщо певний елемент даних представляє собою значення врожайності сільськогосподарської культури, яке є надто далеким від значення середньої величини, обчисленого для сусідніх елементів даних, то певний елемент даних із великим ступенем вірогідності містить невірні дані щодо врожайності сільськогосподарської культури. Такі елементи даних можуть використовуватися для створення других даних статистичних викидів.
І0142| Процес визначення других даних статистичних викидів може бути повторений для кожного та будь-якого окремого елементу перших відфільтрованих даних, груп елементів перших відфільтрованих даних та груп елементів перших відфільтрованих даних. Процес також може бути повторений лише для елементів даних, які були позначені на етапі, що базується на застосуванні фільтрів, як такі, що потенційно містять помилки.
ІЇО143| На етапі 520 створюється та відображається для користувача графічне представлення других відфільтрованих даних.
І0144| Елементи даних, які визначені як такі, що не містять помилок, або потенційно не містять помилок, можуть бути надані користувачеві та представлені користувачеві у графічному представленні у графічному інтерфейсі користувача. Графічне представлення елементів даних
Зо може бути створено із використанням рівня представлення даних комп'ютерної системи. Цей же рівень представлення даних або аналогічний рівень може призвести до відображення графічного представлення елементів даних на користувацькому пристрої, такому як мобільному пристрої, обчислювальному ноутбуці, планшеті та подібних пристроях. 0145) В одному варіанті здійснення винаходу, у доповнення до, або замість забезпечення елементів даних, що визначаються як такі, що не містять помилок або потенційно не містять помилок, система може надавати користувачеві елементи даних, які були позначені як такі, що містять помилки або потенційно містять помилки. Ці елементи даних можуть бути графічно представлені у формі, яка відрізняє ці елементи від елементів даних, які визначені як такі, що не містять помилок. Наприклад, ці елементи даних можуть відображатися в окремій групі, з окремими заголовками й таке інше. (0146) 7. ОБРОБКА ІЗ ВИКОРИСТАННЯМ ФІЛЬТРІВ
ЇО147| В одному варіанті здійснення винаходу, етап використання фільтрів процесу вилучення даних, що представляють врожайність сільськогосподарських культур, використовує підхід, оснований на фільтрах - застосування одного або декількох фільтрів до перших даних щодо врожайності. Фільтри застосовуються для ідентифікації елементів даних, які містять або можуть містити помилки. Елементи даних, які містять помилки або можуть містити помилки, які називаються першими даними статистичних викидів та можуть бути позначені або відфільтровані з першого набору даних щодо врожайності. Отримані елементи даних називаються першими відфільтрованими даними та включають у себе елементи даних, які не містять помилок, виявлених із використанням підходу, основаного на фільтрах. Будь-який один або декілька фільтрів, описаних у наступних розділах, можуть використовуватися окремо або в будь-якій комбінації з двох або більше фільтрів, у різних варіантах здійснення. Таким чином, перерахування та опис множини фільтрів у наступних розділах не вимагає використання всіх фільтрів у всіх варіантах здійснення. (01481) 7.1. ФІЛЬТР ІДЕНТИФІКАЦІЇ ПРОХОДЖЕННЯ 01491 У контексті збирання сільськогосподарської культури проходження є циклом збирання врожаю, протягом якого збиральний комбайн збирає сільськогосподарську культуру.
Сільськогосподарську культуру можна збирати, використовуючи, наприклад, спосіб, що реалізується за одне проходження або спосіб, що реалізується за два проходження. За 60 способом, що реалізується за одне проходження, біомаса та круглі лісоматеріали або пиломатеріалі збирають та переробляють одночасно. За способом, що реалізується за два проходження, збирання та переробка лісоматеріали та біомаси виконуються за окремі проходження. Як правило, кожне проходження ідентифікується за допомогою ідентифікатора проходження, а інформація про ідентифікатори проходження включається до даних вимірювань.
ІЇО150| Як правило, записи щодо проходження для збирання врожаю є точними, тому інформація про початок та кінець кожного проходження зазвичай доступна. Проте в деяких ситуаціях інформація щодо проходжень може бути недоступною або може бути невірно записана.
ІЇО151| Фільтр ідентифікації проходження дозволяє ідентифікувати випадки, коли ідентифікатори проходження невірно записані або відсутні. Підхід залежить від двох основних величин: (1) моментів часу СОРБ5, записаних між послідовними спостереженнями, та (2) розрахованими кутами між поточним спостереженням, попереднім спостереженням та наступним спостереженням.
І0152| В одному варіанті здійснення винаходу, підхід ідентифікує набір спостережень відповідно до впорядкуванню за часом, в якому спостереження були записані, та перевіряє: (1) чи є час між поточним спостереженням та наступним спостереженням більшим, ніж середній інтервал реєстрації, та (2) чи є кут між попереднім спостереженням, поточним спостереженням та наступним спостереженням значно меншим, ніж п. Якщо обидві умови задовольняються, то поточне спостереження вважається початком нового проходження. Інтервал реєстрації є часом між двома послідовними вимірами. Як правило, інтервал реєстрації встановлюється на початку збирання врожаю. Наприклад, інтервал реєстрації може бути встановлений у 1-секундний інтервал або 2-секундний інтервал й таке подібне.
ІО153| Фіг. б являє собою блок-схему, яка зображує типовий спосіб або алгоритм для виконання проходження тесту щодо якісного змісту даних щодо врожайності сільськогосподарських культур. (0154) На етапі 602 ідентифікується множина ідентифікаторів проходження, пов'язаних з першими даними щодо врожайності. Множина ідентифікаторів проходження ідентифікує фактичні проходи, протягом яких перші дані щодо врожайності були зареєстровані у той час як
Зо збиральний комбайн проходить через сільськогосподарське поле.
ЇО155| На етапі 604 ідентифікується множина моментів часу глобальної системи позиціонування (ЗР5) у перших даних щодо врожайності. Момент часу ОР5Б з множини моментів часу ОРЗ визначає фактичний проміжок часу між записом двох послідовних значень перших даних щодо врожайності.
ІО156| На етапі 606, що базується принаймні частково на множині моментів часу СРБ, ідентифікується множина фактичних проходжень, для яких перші дані щодо врожайності записані у той час як збиральний комбайн що проходить через сільськогосподарське поле.
ІО157| На етапі 608, що базується щонайменше частково на множині ідентифікаторів проходження та множині фактичних проходжень, визначається, чи є множина ідентифікаторів проходження невірно призначена для перших даних щодо врожайності. Якщо визначення є позитивним, то на етапі 610 коригується спосіб, у який множина ідентифікаторів проходження присвоюється першим даним щодо врожайності. 0158) На етапі 612 процес виконання тесту ідентифікації проходження перших даних щодо врожайності зупиняється. У цей момент виправляється присвоєння ідентифікаторів проходження першим даним щодо врожайності. 01591 7.2. ФІЛЬТР СКОРОЧЕНОГО ПРОХОДЖЕННЯ
ІО160| У одному варіанті здійснення винаходу для ідентифікації перших даних щодо врожайності, які виглядають як такі, що відповідають незвичайно скороченому проходженню, розроблено фільтр скороченого проходження. Відомо, що скорочені проходження, що також називаються короткими відрізками, створюють ненадійні результати вимірювання врожайності, та, отже, результати вимірювання, що відповідають скороченому проходженню, зазвичай позначаються або вилучаються з перших даних щодо врожайності.
ІЇО161| Позначення або вилучення результатів вимірювань, пов'язаних із скороченими проходженнями, може включати у себе встановлення нижньої межі кількості спостережень, що очікуються у проходженні, та визначення періоду часу, протягом якого збиральний комбайн знаходиться у холостому режимі або знаходиться поза режиму стійкого потоку. Затримки зазвичай тривають від 10 до 40 секунд, та, таким чином, нижня межа, як правило, встановлюється на кількість спостережень, записаних у межах інтервалів протягом 10-40 секунд. Наприклад, якщо результати вимірювання записуються кожну секунду, то проходження,
які містять менше ніж 30 спостережень, можуть вважатися занадто короткими, щоб не містити небажані дані.
ІО162| Фіг. 7 являє собою блок-схему, яка зображує типовий спосіб або алгоритм для виконання тесту фільтром скороченого проходження даних врожайності сільськогосподарських культур.
ІО163) На етапі 702 ідентифікується одне або декілька проходжень із множини фактичних проходжень, які мають тривалість, що не перевищує порогової тривалості проходження. Ці проходження можуть вважатися занадто короткими, щоб не містити небажані дані. 0164) На етапі 704 ідентифікується одне або декілька конкретних елементів перших даних щодо врожайності з перших даних щодо врожайності, які відповідають одному або декільком проходженням. Ці елементи перших даних щодо врожайності можуть відповідати проходження, які були визнані занадто короткими, щоб не містити небажані дані. 0165) На етапі 706 у перші дані статистичних викидів включається один або декілька певних елементів перших даних щодо врожайності. Елементи, включені до перших даних статистичних викидів є елементами, які були визначені як занадто короткі, щоб не містити небажані дані. Ці елементи можуть бути позначені як неочищені дані або можуть бути виключені з перших даних щодо врожайності. 0166) 7.3. ФІЛЬТР ВІДСТАВАННЯ ПОТОКУ
І0167| Відставання потоку відповідає часу від моменту, коли сільськогосподарська культура зрізується збиральним комбайном, до моменту, коли збіюжя сільськогосподарської культури досягає датчика масового потоку, встановленого на верхній частині збиральної машини.
Відставання потоку є помилкою та призводить до зміщення результатів вимірювань врожаю таким чином, що поточний результат вимірювання масового потоку зерна не відповідає місцю розташування ОРБ5, зареєстрованому датчиком для поточного результату вимірювання зерна.
Коли спостерігається відставання потоку, то поточне вимірювання масового потоку зерна може бути пов'язане із місцем знаходженням СРО наступних результатів вимірювань, записаних через кілька секунд після фактичного збирання поточної маси зерна.
ІО168| Оцінка відставання потоку може бути виконана візуальною експертизою перших даних щодо врожайності У деяких ситуаціях результати вимірювань врожайності
Зо сільськогосподарської культури можуть бути зміщені на певну величину, а потім візуально перевірені користувачем. Візуальна експертиза може дозволити визначити, чи призвело зміщення до покращення вирівнювання проходження, та, таким чином, принаймні частково зменшило "ефект стиснення" вимірювань.
І0169| Амплітуди зміщення можна вибрати вручну або автоматично із використанням комп'ютера. Можна дослідити різні амплітуди зміщення, та одна з них може бути обрана для виконання вирівнювання проходження та коригування відставання потоку. 01701 7.4. ФІЛЬТР РІЗКИХ ЗМІН ШВИДКОСТІ
ІО1711| Різкі зміни швидкості, з якою збиральний комбайн збирає сільськогосподарські культури, може призвести до нереалістичних результатів вимірювання урожаю. Залежно від швидкості, результати вимірювання можуть бути занадто високими або занадто низькими.
Наприклад, якщо швидкість є занадто високою, то результати вимірювань врожайності можуть помилково бути надто низькими. У наслідку випадку, якщо швидкість є занадто низькою, результати вимірювань врожайності можуть помилково бути надто високими.
І0172| Для обчислення швидкості при кожному спостереженні із використанням моментів часу СРБ5, записаних датчиком, та для обчислення відстаней між двома послідовними спостереженнями може бути розроблений фільтр різких змін швидкості. Спостереження з розрахунковими швидкостями, що перевищують, наприклад, 7 миль/год. (11,27 км/год.), та спостереження з розрахунковими швидкостями, що є меншими ніж, наприклад, 2 миль/год. (3,22 км/год.), можуть бути ідентифіковані як такі, що мають небажані дані, та тому позначені або видалені з перших даних щодо врожайності, крім того, спостереження, для яких розрахункова швидкість змінюється, наприклад, на 20 95 від місця попереднього спостереження, можуть бути ідентифіковані як такі, що мають небажані дані та, таким чином, позначені або видалені з перших даних щодо врожайності. 01731 7.5. ФІЛЬТР ЗАТРИМКИ ПОЧАТКУ ПРОХОДЖЕННЯ
І0174| Затримка початку проходження, що також називається затримкою режиму заповнення збиральної машини, є затримкою часу, протягом якої транспортер зерна заповнюється на початку проходження збирання урожаю. Затримка початку проходження може тривати кілька хвилин. Затримка початку проходження розпочинається, коли починається проходження та закінчується, коли збиральний комбайн виходить на стабільний режим. Результати вимірювань, бо зібрані під час затримки початку проходження, можуть бути позначені як такі, що мають небажані дані, або можуть бути видалені з перших даних щодо врожайності, як такі, що мають небажані дані. 0175) В одному варіанті здійснення винаходу фільтр затримки початку проходження працює на кожному проходженні та видаляє перші кілька спостережень, що припадають на проміжок часу затримки початку. Затримка початку проходження може визначатися на підставі даних, що свідчать про достатньо довгі проходження та через спостереження за тим, як довго вони тривають для того, щоб масовий потік (що нормалізується згідно із швидкістю, з якою рухається збиральний комбайн) досягає стабільного режиму. Наприклад, якщо перші 15 спостережень, які виглядають як такі, що зібрані у той час як збиральний комбайн виходить на стаціонарний режим, то дані щодо врожайності з 15 спостережень можуть бути використані для обчислення середнього значення та можуть бути використані для визначення затримки початку проходження.
ІО176| Фіг. 8 являє собою блок-схему, яка зображує типовий спосіб або алгоритм для проведення тестування фільтром затримки початку проходження даних врожайності сільськогосподарських культур.
І0177| На етапі 802 ідентифікується множина проходжень.
ІО178| На етапі 804 для кожного проходження з множини фактичних проходжень визначається інтервал часу затримки початку для того, щоб збиральний комбайн вийшов на стаціонарний режиму збирання сільськогосподарської культури.
І0179| На етапі 806 ідентифікується та включається до перших даних статистичних викидів один або декілька конкретних елементів перших даних щодо врожайності з перших даних щодо врожайності, які були зібрані протягом інтервалу часу затримки початку.
ІО180| На етапі 808 виконується тестування того, чи всі проходження були перевірені. Якщо ні, то на етапі 806 перевіряється інше проходження.
ІО181| На етапі 810 елементи перших даних статистичних викидів позначаються як такі, що містять небажані дані, або можуть бути виключені з перших даних щодо врожайності. Перші дані статистичних викидів містять елементи, які були ідентифіковані як зібрані під час затримки скороченого проходження. 0182) 7.6. ФІЛЬТР ЗАТРИМКИ ЗАКІНЧЕННЯ ПРОХОДЖЕННЯ
Зо ІЇО183| Затримка закінчення проходження, що також називається затримкою режиму закінчення збиральної машини, є затримкою часу, протягом якої транспортер зерна очищується в кінці проходження для збирання урожаю. Затримка закінчення проходження може визначатися візуальною експертизою зібраних даних щодо врожайності або застосуванням фільтрів, реалізованих із використанням комп'ютерних технологій.
І0184)| В одному варіанті здійснення винаходу, фільтр затримки закінчення проходження працює на кожному проходженні та спричиняє видалення останніх декількох спостережень, що припадають на проміжок часу затримки закінчення. Цей підхід є, по суті, зворотною реалізацією фільтру затримки початку проходження. У той час як фільтр затримки початку проходження видаляє перші кілька спостережень, що припадають на проміжок часу затримки початку, фільтр затримки закінчення проходження видаляє останні кілька спостереження, що припадають на проміжок часу затримки закінчення.
ІО185| Фільтр затримки закінчення проходження може визначати, коли масовий потік (нормалізований швидкістю, з якою рухається комбайн) виходить із стаціонарного режиму. Час від цього моменту часу до закінчення проходження відповідає часу затримки закінчення.
Елементи перших даних щодо врожайності, що зібрані протягом цього періоду часу, можуть бути ідентифіковані як такі, що мають небажані дані та, таким чином, позначені або вилучені з першого набору даних щодо врожайності.
ІО186| Фіг. 9 являє собою блок-схему, яка зображує типовий спосіб або алгоритм для виконання тестування фільтром затримки закінчення проходження даних врожайності сільськогосподарських культур.
І0187| На етапі 902 ідентифікується множина проходжень.
ІО188| На етапі 904 для кожного проходження з множини фактичних проходження ідентифікується інтервал часу затримки закінчення для того, щоб збиральний комбайн вийшов зі стаціонарного режиму збирання сільськогосподарської культури.
І0189| На етапі 906 у перших даних щодо врожайності, які були зібрані протягом періоду інтервалу часу затримки закінчення, ідентифікується один або декілька певних елементів перших даних щодо врожайності, та включається до перших даних статистичних викидів.
ІО190| На етапі 908 виконується тестування того, чи всі проходження були перевірені. Якщо ні, то на етапі 906 перевіряється інше проходження.
0191) На етапі 910 елементи перших даних статистичних викидів позначаються як такі, що містять небажані дані, або можуть бути виключені з перших даних щодо врожайності. Перші дані статистичних викидів містять елементи, які були ідентифіковані як зібрані під час затримки закінчення проходження. (0192) 7.7. ФІЛЬТР СКОРОЧЕНОЇ СМУГИ ЗАХОПЛЕННЯ
І0193| Смуга захоплення є довжиною сегменту обрізувального апарату, визначеного для збирального блоку збирального комбайну. Довжина сегменту обрізувального апарату може змінюватися, коли комбайн розвертається. Результати вимірювань скороченої смуги захоплення можуть призвести до вузьких фінішних коридорів та перекривання зон збирання, а також до того, що результати вимірювань, зібрані в ці проміжки часу, можуть містити небажані дані.
І0194| Для перевірки записаної смуги захоплення для кожного спостереження може бути розроблений фільтр скороченої смуги захоплення. Якщо записані значення смуги захоплення є нижчими, аніж повна ширина обрізувального апарату, то відповідні результати вимірювань врожайності можуть вважатися як такі, що мають небажані дані.
ІО1951| Фіг. 10 являє собою блок-схему, яка зображує типовий спосіб або алгоритм для виконання тестування фільтром скороченої смуги захоплення даних врожайності сільськогосподарських культур. 0196) На етапі 1002 завантажуються перші дані щодо врожайності.
І0О197| На етапі 1004 для кожного елемента перших даних щодо врожайності з перших даних щодо врожайності визначається значення записаної смуги захоплення. 0198) На етапі 1006 визначається, чи не перевищує записане значення смуги захоплення порогове значення смуги захоплення. Якщо записане значення смуги захоплення не перевищує порогове значення смуги захоплення, тоді елемент перші дані щодо врожайності включається до перших даних статистичних викидів.
І0199| На етапі 1008 виконується тестування того, чи всі елементи перших даних щодо врожайності були перевірені. Якщо ні, то на етапі 1006 перевіряється інший елемент перших даних щодо врожайності. 02001 На етапі 1010 елементи перших даних статистичних викидів позначаються як такі, що
Зо містять небажані дані, або можуть бути виключені з перших даних щодо врожайності. Перші дані статистичних викидів включають у себе елементи, які були ідентифіковані як зібрані із скороченою смугою захоплення та, таким чином, містять небажані дані. (0201| 8. ВИЯВЛЕННЯ ПРОСТОРОВИХ СТАТИСТИЧНИХ ВИКИДІВ
І0202| Етап виявлення просторових статистичних викидів може бути виконаний після виконання етапу, що базується на застосуванні фільтрів, або до етапу, що базується на застосуванні фільтрів. Як альтернатива, етап виявлення просторових статистичних викидів може бути виконаний як незалежний етап, не пов'язаний з будь-якими іншими етапами.
І0203| Виконання етапу виявлення просторових статистичних викидів процесу вилучення небажаних даних включає у себе визначення одного або декількох елементів даних, які містять або потенційно містять помилки. Один або декілька елементів даних можуть бути коли-небудь позначені як такі, що містять або потенційно містять помилки, або просто видалені з набору даних. Позначення одного або декількох елементів даних як такі, що містять або потенційно містять помилки, може передбачати зв'язування індикатора умови з елементами даних або іншим чином позначення елементів даних, як таких, що є рекомендованими для подальшої обробки.
І0204| Виявлення просторових статистичних викидів може включати у себе застосування одного або декількох детекторів просторових статистичних викидів до перших відфільтрованих даних або до будь-якого типу даних, наданих детекторам. Детектори обчислюють показники рівню вкладів для елементів перших відфільтрованих даних та елементи даних з екстремальними показниками рівню вкладів позначаються як статистичні викиди. Елементи даних з екстремальними показниками рівню вкладів можуть бути віднесені до елементів других відфільтрованих даних або 5-статистичних викидів.
І0205| Детектор просторових статистичних викидів зазвичай обчислює узагальнюючу функцію для кожного вимірювання шляхом обчислення узагальнюючої функції К найближчих сусідніх елементів вимірювання. Узагальнююча функція може бути розрахована як середнє значення К найближчих сусідніх елементів або зважене середнє значення К найближчих сусідніх елементів. Узагальнююча функція також може бути обчислена як медіанне значення або через будь-який інший спосіб, який дозволяє зафіксувати просторову автокореляцію між результатами вимірювань у межах сусідства елементів. Просторова автокореляція між результатами вимірювань в межах сусідства елементів може бути визначена в просторі часу, в просторі місця розташування та на основі будь-якого типу характеристик вимірювань.
І0206| Фіг. 11 являє собою блок-схему, яка показує типовий спосіб або алгоритм для проведення виявлення просторових статистичних викидів на основі сукупного середнього значення, обчисленого з елементів даних.
І0207| На етапі 1102 завантажуються перші відфільтровані дані.
І0208| На етапі 1104 один або декілька детекторів просторових статистичних викидів застосовують до перших відфільтрованих даних, щоб визначити, для кожного елемента перших відфільтрованих даних з перших відфільтрованих даних, сукупність сусідніх елементів перших відфільтрованих даних, які були зібрані або незадовго до, або незабаром після того, як був зібраний елемент перших відфільтрованих даних. Для сукупності сусідніх елементів перших відфільтрованих даних, з сукупності сусідніх елементів першого відфільтрованих даних завантажуються та використовуються для розрахунку сукупного середнього значення відповідні результати вимірювання.
І0209| На етапі 1106, базуючись принаймні частково на сукупному середньому значенні, визначається, чи включати у другі дані статистичних викидів елемент перших відфільтрованих даних.
І0210| Елемент перших відфільтрованих даних включається у другі дані статистичних викидів, якщо дані вимірювання для елемент перших відфільтрованих даних або значно перевищують середнє сукупне середнє значення або значно менше, ніж сукупне середнє значення. Такий елемент перших відфільтрованих даних вважається як такий, що є статистичним викидом, та таким чином, із великим ступенем вірогідності містить неочищену інформацію із небажаними даними. Наприклад, якщо сукупне середнє значення, обчислене для
К сусідніх елементів у сукупності сусідніх елементів, визначених для конкретного першого відфільтрованого елемента даних, є "АМУ", та конкретний елемент перших відфільтрованих даних перевищують АММ більше, ніж порогове значення, то конкретний елемент перших відфільтрованих даних може розглядатися як статистичний викид, оскільки його значення значно перевищує середнє значення, обчислене для К сусідніх елементів. 0211) На етапі 1108 виконується тестування того, чи всі елементи перших відфільтрованих
Зо даних були перевірені. Якщо ні, то на етапі 1106 перевіряється інший елемент перших відфільтрованих даних. 02121) На етапі 1110 елементи других даних статистичних викидів позначаються як такі, що містять небажані дані, або можуть бути виключені з перших відфільтрованих даних. Другі дані статистичних викидів включають у себе елементи, які були ідентифіковані як просторові викиди, та, таким чином, містять небажані дані.
І021318.2. ТЕСТ ЗВАЖЕНОГО ЗНАЧЕННЯ СЕРЕДНЬОЇ ВЕЛИЧИНИ
І0214| Детектор просторових статистичних викидів також може обчислювати зважену узагальнюючу функцію для кожного вимірювання шляхом визначення відповідних значень ваги та обчислення зваженої узагальнюючої функції К найближчих сусідніх елементів вимірювання.
Зважена узагальнююча функція може бути розрахована як зважене середнє значення К найближчих сусідніх елементів та може бути використана для визначення других даних статистичних викидів.
І0215| Другі дані статистичних викидів можуть бути визначені на основі зважених просторових характеристик. Цей підхід може включати у себе обчислення зваженого середнього значення. У цьому підході для певного елементу перших відфільтрованих даних у перших відфільтрованих даних може бути визначений набір сусідніх перших відфільтрованих даних. Тоді відповідне значення ваги може бути визначено для кожного елемента у перших відфільтрованих даних. Значення ваги, визначене для елемента даних, може бути зворотне пропорційним відстані між елементом даних та певним елементом перших відфільтрованих даних. Значення елементів даних та відповідні значення ваги використовуються для обчислення зваженого сукупного середнього значення, та зважене сукупне середнє значення використовується для визначення того, чи потрібно виключити певний елемент перших відфільтрованих даних з перших відфільтрованих даних. (0216) Значення ваги можуть представляти різні характеристики та критерії. Наприклад, елементи даних у групі елементів, що були зібрані у межах одного періоду часу із певними елементами даних, можуть мати більші значення ваги, ніж елементи даних у групі, які були зібрані в інші періоди часу. Оскільки елементи даних, які були зібрані в тому самому інтервалі часу як й конкретні дані, що будуть пов'язані з більш високими значеннями ваги, ніж значення ваги інших елементів даних у межах групи, зважене сукупне середнє значення буде залежати бо насамперед від елементів даних, які були зібрані в той самий інтервал часу, що й конкретні дані, а не від інших елементів даних. Таким чином, цей підхід надає преференційні умови до кластерів елементів даних, зібраних приблизно у межах того ж самого інтервалу часу, та гірші умови до інших елементів даних у межах групи елементів даних. 0217) Інші значення ваги можуть відображати близькість, що базується на відстані, між елементами даних у межах групи елементів даних. Наприклад, елементи даних у групі елементів, які були зібрані з місць розташування у полі, подібним певному місцю розташування у полі, з якого було локалізовано певний елемент даних, можуть мати більш високі значення ваги, ніж елементи даних у групі, які були зібрані з інших місць розташування у полі. Оскільки елементи даних, які були зібрані з місць розташування у полі, подібних до конкретного місця розташування, зважене сукупне середнє значення залежатиме, перш за все від елементів, які були зібрані з місць розташування подібних до конкретного місця розташування, та менше залежатиме від інших значень даних у групі. Таким чином, цей підхід надає преференційні умови до кластерів елементів даних, зібраних з полів, що є близькими сусідами, та гірші умови до інших елементів у межах групи елементів даних. (02181 Фіг. 12 являє собою блок-схему, яка зображує типовий спосіб або алгоритм для проведення виявлення просторових статистичних викидів на основі зваженого сукупного середнього значення, обчисленого з елементів даних. 0219) На етапі 1202 завантажуються перші відфільтровані дані.
І(0220| На етапі 1204 один або декілька детекторів просторових статистичних викидів застосовують до перших відфільтрованих даних, щоб визначити, для кожного елемента перших відфільтрованих даних з перших відфільтрованих даних, сукупність сусідніх елементів перших відфільтрованих даних, які були зібрані або незадовго до, або незабаром після того, як був зібраний елемент перших відфільтрованих даних. Для сукупності сусідніх елементів перших відфільтрованих даних, з сукупності сусідніх елементів першого відфільтрованих даних завантажуються та використовуються для розрахунку зваженого сукупного середнього значення відповідні результати вимірювання. (02211 На етапі 1206, що базується принаймні частково на зваженому сукупному середньому значенні, визначається, чи включати у другі дані статистичних викидів елемент перших відфільтрованих даних.
Зо (0222| Елемент перших відфільтрованих даних включається у другі дані статистичних викидів, якщо дані вимірювання для елементу перших відфільтрованих даних або значно перевищують зважене середнє сукупне середнє значення або значно менше, ніж зважене сукупне середнє значення. Такий елемент перших відфільтрованих даних вважається як такий, що є статистичним викидом, та таким чином, із великим ступенем вірогідності містить неочищену інформацію із небажаними даними. 0223) На етапі 1208 виконується тестування того, чи всі елементи перших відфільтрованих даних були перевірені. Якщо ні, то на етапі 1206 перевіряється інший елемент перших відфільтрованих даних. (0224) На етапі 1210 елементи других даних статистичних викидів позначаються як такі, що містять небажані дані, або можуть бути виключені з перших відфільтрованих даних. Другі дані статистичних викидів включають у себе елементи, які були ідентифіковані як просторові викиди, та, таким чином, містять небажані дані. (0225) В одному варіанті здійснення винаходи, базуючись на множині сукупних середніх значень або базуючись на множині зважених сукупних середніх значень, один або декілька показників рівню вкладів статистичних викидів обчислюється для кожного елемента перших відфільтрованих даних з перших відфільтрованих даних, та базуючись на показниках рівню вкладів статистичних викидів проводиться визначення, чи слід вносити у другі дані статистичних викидів елемент перших відфільтрованих даних. (0226) В одному варіанті здійснення винаходу певне значення ваги, яке визначається для даних певного сусіднього елемента, обернено пропорційно значенню відстані часу між часом, коли було зібрано елемент перших відфільтрованих даних, та часом, коли був зібраний певний елемент даних сусіднього елемента. (022719. ПЕРЕВАГИ ПЕВНИХ ВАРІАНТІВ ЗДІЙСНЕННЯ ВИНАХОДУ (0228) Методи, описані у даному документі, пропонують узгоджений та надійний підхід для вилучення небажаних даних. Зокрема, методи дозволяють ідентифікувати та, якщо це необхідно, ігнорувати результати вимірювання врожайності сільськогосподарської культури, які мають небажані дані. Наприклад, підхід дозволяє виявляти помилки, які можуть бути пов'язані з недоліками механізмів, які використовуються для збирання даних щодо врожайності сільськогосподарських культур, а також помилок, притаманних навколишньому середовищу та 60 умовам збирання врожаю.
І0229| Представлений підхід також дозволяє відображати графічне представлення елементів даних, які не містять помилок, графічне представлення елементів даних, які позначені як такі, що потенційно містять помилки, або обидва графічних представлення.
Відповідні дисплеї забезпечують цінну інформацію щодо врожайності сільськогосподарських культур, зібраних з сільськогосподарських полів. Наприклад, інформація може свідчити про те, що були зібрані значення врожайності, що не мають небажаних даних, та, отже, вони містять більш точний зведений аналіз щодо інформації про зібраний врожай, ніж зведений аналіз, створений з необроблених даних щодо врожайності. (02301) Інформація щодо очищених даних може відображатися на мобільному пристрої у той час як комбайн збирає сільськогосподарські культури, та таким чином забезпечує зведений аналіз щодо сільськогосподарських культур, які фактично збираються, майже у режимі реального часу. Якщо користувач помічає незвичайні показники очищених даних, тоді користувач може мати можливість вимагати коригування механізму збирання, датчиків та подібних пристроїв, або надати оператору комбайна команди для регулювання проходження для збирання врожаю й таке інше. (02311 10. РОЗШИРЕННЯ ТА АЛЬТЕРНАТИВИ (0232) У вищезгаданому описі, варіанти здійснення винаходу були описані з посиланням на численні конкретні деталі, які можуть відрізнятися від одного варіанту реалізації до іншого варіанту реалізації. Відповідно, опис та графічні матеріали розглядаються в ілюстративному, а не обмежувальному значенні. Єдиним та винятковим показником обсягу даного винаходу, а також того, що заявники розглядають як обсяг даного винаходу, є буквальним та еквівалентним обсягом сукупності пунктів формули винаходу, викладених у цій заявці, у конкретній формі, в якій такі пункти формули винаходу видані, включаючи будь-яке подальше виправлення.
Claims (20)
1. Спосіб покращення точності картографічних даних врожайності із використанням експертних фільтрів та детекторів просторових статистичних викидів, що включає етапи, на яких: використовуючи запрограмовані у комп'ютерній системі, що включає один або декілька Зо процесорів та запам'ятовуючий комп'ютерний пристрій, команди з отримання даних, отримують за допомогою комп'ютерної системи, безпосередньо від одного або декількох датчиків, встановлених на сільськогосподарській техніці, у міру того, як сільськогосподарська техніка застосовується для збору врожаю з сільськогосподарського поля, та через комп'ютерну мережу електронних цифрових даних, які включають у себе перші дані щодо врожайності, що представляють врожайність сільськогосподарської культури, зібраної з сільськогосподарського поля; використовуючи у комп'ютерній системі команди фільтра виявлення статистичних викидів, застосовують один або декілька фільтрів до перших даних щодо врожайності для того, щоб визначити перші дані статистичних викидів з перших даних щодо врожайності; використовуючи у комп'ютерній системі команди першого етапу фільтрування, створюють перші відфільтровані дані з перших даних щодо врожайності шляхом видалення перших даних статистичних викидів з перших даних щодо врожайності; використовуючи у комп'ютерній системі команди щодо виявлення просторових статистичних викидів, у відповідь на створення перших відфільтрованих даних, ідентифікують, у перших відфільтрованих даних, другі дані статистичних викидів, застосовуючи до перших відфільтрованих даних один або декілька детекторів просторових статистичних викидів, які відрізняються від одного або декількох перших фільтрів, що представляють значення статистичних викидів на основі однієї або декількох характеристик статистичних викидів; причому застосування до перших відфільтрованих даних одного або декількох детекторів просторових статистичних викидів включає обробку, за допомогою одного або декількох детекторів просторових статистичних викидів, одну або декілька підмножин даних перших відфільтрованих даних для кожного елемента перших відфільтрованих даних з перших відфільтрованих даних; використовуючи у комп'ютерній системі команди другого етапу фільтрування, створюють другі відфільтровані дані з перших відфільтрованих даних шляхом видалення других даних статистичних викидів з перших відфільтрованих даних; використовуючи рівень представлення даних комп'ютерної системи, створюють та відображають на мобільному обчислювальному пристрої графічного представлення врожайність сільськогосподарської культури, зібраної з сільськогосподарського поля, бо використовуючи лише другі відфільтровані дані; Зо одночасно зі збиранням врожаю, визначають на основі других відфільтрованих даних та надсилають на мобільний обчислювальний пристрій, встановлений в сільськогосподарській техніці, одну або декілька рекомендацій щодо налаштування механізму для збирання врожаю, встановленого на сільськогосподарській техніці та налаштування одного або декількох датчиків, встановлених на сільськогосподарській техніці для покращення обсягів зібраного врожаю.
2. Спосіб за п. 1, який відрізняється тим, що додатково включає у себе використання у комп'ютерній системі команд ідентифікації проходження для виконання: ідентифікації множини ідентифікаторів проходження та множини моментів часу глобальної системи позиціонування (ЗР5) у перших даних щодо врожайності, при цьому множина ідентифікаторів проходження ідентифікує фактичні проходження, протягом яких перші дані щодо врожайності були записані у той час, як комбайн проходив через сільськогосподарське поле, та при цьому час СРБ5 з множини моментів часу ОР5 визначає фактичний проміжок часу між записом двох послідовних значень перших даних щодо врожайності; базуючись принаймні частково на множині моментів часу СРБ, ідентифікації множини фактичних проходжень, для яких перші дані щодо врожайності записані у той час, як збиральний комбайн проходить через сільськогосподарське поле; базуючись принаймні частково на множині ідентифікаторів проходження та на множині фактичних проходжень, визначення, чи невірно присвоєна множина ідентифікаторів проходження першим даним дані щодо врожайності, та, якщо це так, коригування способу, у який множина ідентифікаторів проходження присвоюється першим даним щодо врожайності.
З. Спосіб за п. 2, який відрізняється тим, що застосування одного або декількох перших фільтрів до перших даних щодо врожайності включає у себе виконання: використовуючи в обчислювальній системі команди фільтра виявлення статистичних викидів: ідентифікації одного або декількох проходжень із множини фактичних проходжень, які мають тривалість, що не перевищує порогової тривалості проходження; ідентифікації одного або декількох конкретних елементів перших даних щодо врожайності з перших даних щодо врожайності, які відповідають одному або декільком проходженням; включення одного або декількох конкретних елементів перших даних щодо врожайності у перші дані статистичних викидів.
4. Спосіб за п. 2, який відрізняється тим, що застосування одного або декількох перших фільтрів до перших даних щодо врожайності включає використання в обчислювальній системі команд фільтра виявлення статистичних викидів, щоб виконати, для кожного проходження з множини фактичних проходження, визначення інтервалу часу затримки початку, у який збиральний комбайн виходить на стабільний режим збирання сільськогосподарської культури, визначення одного або декількох певних елементів перших даних щодо врожайності з перших даних щодо врожайності, які були зібрані протягом інтервалу часу затримки початку, та включення одного або декількох конкретних елементів перших даних щодо врожайності у перші дані статистичних викидів.
5. Спосіб за п. 2, який відрізняється тим, що застосування одного або декількох перших фільтрів до перших даних щодо врожайності включає у себе використання в обчислювальній системі команд фільтра виявлення статистичних викидів, щоб виконати, для кожного проходження з множини фактичних проходження, визначення інтервалу часу затримки закінчення, у який збиральний комбайн завершує стабільний режим збирання сільськогосподарської культури, визначення одного або декількох певних елементів перших даних щодо врожайності з перших даних щодо врожайності, які були зібрані протягом інтервалу часу затримки закінчення, та включення одного або декількох певних елементів перших даних щодо врожайності у перші дані статистичних викидів.
6. Спосіб за п. 2, який відрізняється тим, що застосування одного або декількох перших фільтрів до перших даних щодо врожайності включає у себе виконання, використовуючи в обчислювальній системі команди фільтра виявлення статистичних викидів для кожного елемента перші дані щодо врожайності з перших даних щодо врожайності, визначення записаного значення смуги захоплення, та якщо записане значення смуги захоплення не перевищує порогове значення смуги захоплення, включення елемента перших даних щодо врожайності, в тому числі перших даних прибутковості в перші дані статистичних викидів.
7. Спосіб за п. 2, який відрізняється тим, що ідентифікація, у перших відфільтрованих даних, других даних статистичних викидів включає у себе виконання, використовуючи в обчислювальній системі команди виявлення просторових статистичних викидів для кожного елемента перших відфільтрованих даних з перших відфільтрованих даних, визначення бо сукупності сусідніх елементів перших відфільтрованих даних, які були зібрані або незадовго до,
або незабаром після того, як було зібрано елемент перших відфільтрованих даних, обчислення сукупного середнього значення із сукупності елементів перших відфільтрованих даних та, базуючись принаймні частково на сукупному середньому значенні, визначення того, чи включити елемент перших відфільтрованих даних у другі дані статистичних викидів.
8. Спосіб за п. 7, який відрізняється тим, що додатково включає у себе, використовуючи в обчислювальній системі команди виявлення просторових статистичних викидів, базуючись на множині сукупних середніх значень, обчислення показника рівня вкладів статистичних викидів для кожного елемента перших відфільтрованих даних з перших відфільтрованих даних, та визначення, на основі показника рівня вкладів статистичних викидів, чи включати елемент перших фільтрованих даних у другі дані статистичних викидів.
9. Спосіб за п. 2, який відрізняється тим, що застосування одного або декількох детекторів просторових статистичних викидів до перших відфільтрованих даних включає у себе виконання, використовуючи в обчислювальній системі команди виявлення просторових статистичних викидів для кожного елемента перших відфільтрованих даних з перших відфільтрованих даних, визначення набору сусідніх елементів перших відфільтрованих даних, які були зібрані або за першу відстань до, або після другої відстані після того, як було зібрано елемент перших відфільтрованих даних, визначення набору значень ваги для набору сусідніх елементів перших відфільтрованих даних, обчислення зваженого сукупного середнього значення з набору сусідніх елементів перших відфільтрованих даних та набору значень ваги та, базуючись принаймні частково на зваженому сукупному середньому значенні, визначення того, чи включати елемент перших відфільтрованих даних у другі дані статистичних викидів; при цьому певне значення ваги для певного сусіднього елемента даних є зворотне пропорційним значенню відстані, яка вимірюється між місцем, з якого було зібрано елемент перших відфільтрованих даних та місцем, з якого було зібрано певний сусідній елемент даних.
10. Спосіб за п. 9, який відрізняється тим, що додатково включає у себе, використовуючи в обчислювальній системі команди виявлення просторових статистичних викидів, базуючись на множині зважених сукупних середніх значень, обчислення показника рівня вкладів статистичних викидів для кожного елемента перших відфільтрованих даних з перших відфільтрованих даних, та визначення, на основі показника рівня вкладів статистичних викидів, чи включати елемент Зо перших фільтрованих даних у другі дані статистичних викидів.
11. Система обробки даних для покращення точності картографічних даних врожайності із використанням експертних фільтрів та детекторів просторових статистичних викидів, що включає у себе: запам'ятовуючий пристрій; один або декілька процесорів, приєднаних до запам'ятовуючого пристрою та запрограмованих таким чином, щоб: отримувати через комп'ютерну мережу електронні цифрові дані, які включають у себе перші дані щодо врожайності, що представляють врожайність сільськогосподарської культури, зібраної з сільськогосподарського поля; застосовувати один або декілька перших фільтрів до перших даних щодо врожайності, щоб вибрати з перших даних щодо врожайності перші дані статистичних викидів; створювати перші відфільтровані дані з перших даних щодо врожайності шляхом видалення перших даних статистичних викидів з перших даних щодо врожайності; у відповідь на створення перших відфільтрованих даних, застосовувати один або декілька детекторів просторових статистичних викидів до перших відфільтрованих даних, щоб вибрати з перших відфільтрованих даних другі дані статистичних викидів; причому один або декілька детекторів просторових статистичних викидів відрізняється від одного або декількох перших фільтрів; причому застосування до перших відфільтрованих даних одного або декількох детекторів просторових статистичних викидів включає обробку, за допомогою одного або декількох детекторів просторових статистичних викидів, одну або декілька підмножин даних перших відфільтрованих даних для кожного елемента перших відфільтрованих даних з перших відфільтрованих даних; створювати другі дані статистичних викидів з перших відфільтрованих даних шляхом видалення других даних статистичних викидів з перших відфільтрованих даних; створювати та відображувати, використовуючи мобільний обчислювальний пристрій, графічне представлення других відфільтрованих даних.
12. Система обробки даних за п. 11, яка відрізняється тим, що один або декілька процесорів додатково запрограмовані таким чином, щоб:
ідентифікувати множину ідентифікаторів проходження та множину моментів часу глобальної системи позиціонування (ЗР5) у перших даних щодо врожайності, при цьому множина ідентифікаторів проходження ідентифікує фактичні проходження, протягом яких перші дані щодо врожайності були записані у той час як комбайн проходив через сільськогосподарське поле, та при цьому час СРБ5 з множини моментів часу СОР5 визначає фактичний проміжок часу між записом двох послідовних значень перших даних щодо врожайності; базуючись принаймні частково на множині моментів часу СРБ5, ідентифікувати множину фактичних проходжень, для яких перші дані щодо врожайності записані у той час як збиральний комбайн проходить через сільськогосподарське поле; базуючись принаймні частково на множині ідентифікаторів проходження та на множині фактичних проходжень, визначати, чи невірно присвоєна множина ідентифікаторів проходження першим даним дані щодо врожайності, та, якщо це так, коригувати спосіб, у який множина ідентифікаторів проходження присвоюється першим даним щодо врожайності.
13. Система обробки даних за п. 12, яка відрізняється тим, що один або декілька процесорів додатково запрограмовані таким чином, щоб: ідентифікувати одне або декілька проходжень із множини фактичних проходжень, які мають тривалість, що не перевищує порогової тривалості проходження; ідентифікувати один або декілька конкретних елементів перших даних щодо врожайності з перших даних щодо врожайності, які відповідають одному або декільком проходженням; включати один або декілька конкретних елементів перших даних щодо врожайності у перші дані статистичних викидів.
14. Система обробки даних за п. 12, яка відрізняється тим, що один або декілька процесорів додатково запрограмовані таким чином, щоб: визначати, для кожного проходження з множини фактичних проходжень, інтервал часу затримки початку, у який збиральний комбайн виходить она стабільний режим збирання сільськогосподарської культури, визначати один або декількох певних елементів перших даних щодо врожайності з перших даних щодо врожайності, які були зібрані протягом інтервалу часу затримки початку, та включати один або декілька конкретних елементів перших даних щодо врожайності у перші дані статистичних викидів. Ко)
15. Система обробки даних за п. 12, яка відрізняється тим, що один або декілька процесорів додатково запрограмовані таким чином, щоб: визначати, для кожного проходження з множини фактичних проходжень, інтервал часу затримки закінчення, у який збиральний комбайн закінчує стабільний режим збирання сільськогосподарської культури, визначати один або декількох певних елементів перших даних щодо врожайності з перших даних щодо врожайності, які були зібрані протягом інтервалу часу затримки закінчення, та включати один або декілька певних елементів перших даних щодо врожайності у перші дані статистичних викидів.
16. Система обробки даних за п. 12, яка відрізняється тим, що один або декілька процесорів додатково запрограмовані таким чином, щоб: визначати, для кожного елемента перших даних щодо врожайності з перших даних щодо врожайності, записані значення смуги захоплення, та, якщо записане значення смуги захоплення не перевищує порогове значення смуги захоплення, включати елемент перших даних щодо врожайності в перші дані статистичних викидів.
17. Система обробки даних за п. 12, яка відрізняється тим, що один або декілька процесорів додатково запрограмовані таким чином, щоб: визначати, для кожного елемента перших відфільтрованих даних з перших відфільтрованих даних, сукупність сусідніх елементів перших відфільтрованих даних, які були зібрані або незадовго до, або незабаром після того, як було зібрано елемент перших відфільтрованих даних, обчислювати сукупне середнє значення із сукупності елементів перших відфільтрованих даних та, базуючись принаймні частково на сукупному середньому значенні, визначати, чи включати елемент перших відфільтрованих даних у другі дані статистичних викидів.
18. Система обробки даних за п. 17, яка відрізняється тим, що один або декілька процесорів додатково запрограмовані таким чином, щоб: обчислювати показник рівня вкладів статистичних викидів для кожного елемента перших відфільтрованих даних з перших відфільтрованих даних, та, базуючись на показнику рівня вкладів статистичних викидів, визначати, чи включати елемент перших відфільтрованих даних у другі дані статистичних викидів.
19. Система обробки даних за п. 12, яка відрізняється тим, що один або декілька процесорів додатково запрограмовані таким чином, щоб:
визначати, для кожного елемента перших відфільтрованих даних з перших відфільтрованих даних, набір сусідніх елементів перших відфільтрованих даних, які були зібрані або за першу відстань до, або після другої відстані після того, як було зібрано елемент перших відфільтрованих даних, визначати набір значень ваги для набору сусідніх елементів перших відфільтрованих даних, обчислювати зважене сукупне середнє значення з набору сусідніх елементів перших відфільтрованих даних та набору значень ваги та, базуючись принаймні частково на зваженому сукупному середньому значенні, визначати, чи включати елемент перших відфільтрованих даних у другі дані статистичних викидів; при цьому певне значення ваги для певного сусіднього елемента даних є зворотне пропорційному значенню відстані, яка вимірюється між місцем, з якого було зібрано елемент перших відфільтрованих даних, та місцем, з якого було зібрано певний сусідній елемент даних.
20. Система обробки даних за п. 19, яка відрізняється тим, що один або декілька процесорів додатково запрограмовані таким чином, щоб: обчислювати, базуючись на множині зважених сукупних середніх значень, показник рівня вкладів статистичних викидів для кожного елемента перших відфільтрованих даних з перших відфільтрованих даних та, базуючись на показнику рівня вкладів статистичних викидів, визначати, чи потрібно включати елемент перших відфільтрованих даних у другі дані статистичних викидів.
еУ іч ЧУ, я м ги ще: 108 у і І. 7 х ними тю ГУ ; леж Ех Ге й Я пози нь ТО щи ення Шин вп шни НВ Он - 7 ще ИН и Не зняття) ПОЛЬОВІ | вовнішні се р ща бен дані (| Ч дані ово ти ри (банти Мн я рнттттудттиттрт І ! І Коти і л15 мії І ! «33 і Н т НВ: кабінний (|сільськогоспода й ! Н не Н І і іемпеютав ВЕ ни ! ІЗ Н Н Н і | її і І Й ГУМИ ії ; І : ОО В Н р тку р ї і , 112 дистанційний | і 4114 контролер Я ! і і датчик іі прикладної програми / і Я пн п і і Е іч Н Н Н х В дддлкляясу І Н ї Пн во АНЩО і дет Й ша і Кш 109 мережа (мережі) - Н ї па ОН пн они ІЗ о ! ро НН ж ЛИШ ли Н ; ; 2, Й й оду 132 рівень обміну інформацією ен її ї Н Й Кі нин но пива по п ин ис питание і і і : : Н о 180 запрограмовані команди і і Н Н : ' ня кякюя Н ї Н Н пок пп оп пн : тт -- ї І : 182 команди прийому даних | : С р і рі : перук тн нтнвтнтннн м і іо ГО тВ7кбмандитдентйфікаці |: о о ро оон ПОХОДЖЕННЯ сн 0101 нн Вес : ї Н я ре сердечко не я нею чеку я уче тю тая тет хе я Ка ет Му чи я уче ти чення ї рр ї 01000700 ТІ83 Команди фільтрувиявлення! І 160 І ВО -- С ЛИСТИЧНиИХ ВИКИДІВ. 08000101 централізована Я і і і г Іва жЖеманди фільтрування | : | база даних і р о ш-- - - «першого єтапу. 222-32-41 моделі та і КЕ 1 0085 команди виявлення ШІ ї | польових даних і і і : і просторових статистичних викиді. і : і ті 0000700 ЕТІВБ'ювманди фільтруванні я нин і КО нн ОПО ВТаЛу ння І Бор т: і Й | і 1188 інші команди виявлення КЕ. пкт Н
Ко. Ро Б ення ення вк нинютння : Н Н і Н мете и и м ди м о м м в и у І У | Т Й РОГ овес уХ п п Код 134 рівень І 140 рівень керування даними. ! представлення даних і Ще ЕН ЗОН кб сіно Ан тн тент неточне тенет 1 ДКСТКЦ Ина К ! і 1132. рівень обміну інформацією ! і Її дути тонке нтротіннй і й ІЗб'юєюмп'ютерна система інтелектуального аналізу Гете тнтетотесттнтетнтттнтвкоттнтн тин ВІЛ ЬСЬКОГОСПОДарських даних
Фіг. 1 ів) І 200 прикладна програма мобільного комп'ютера пев нн ШИ пон ШИ повно М нн ою Ї вм дв ркоманди! | 210 І команди / (команди | командинасіння |боМманди | щодо 0 щодо || й Н і | рі . : щодо ! ; та і : щодо погодних! іІздоров'я; і «1 івисаджуві | азоту ! умов ої) ополя 17лУатаци рот і 206 книга документації цифрових карт І династію нин нн ! І ! 204 команди щодо огляду та сповішення ) пенею нттнттнт ння еттятчяяттнсттнетятнттнтт тт ння тнтнттнянттеттнт тютюн, 202 команди. шодо обліку, полів, введення даних, у донячкттнтннтнялтачноптякн дитя яктяя уп тата тат кт чатах Акт тт т жна, 169 мережа (мережі) ен нн нн фр2о прикладна програма кабінного комп'ютеру о . роб зв00230 й 224 Е (збирання, о машичні | передача 222 карти. (пистанці. рота, . спові вені 0 Команди І : кабіна : | иний ! | передача! ! що | програмного огляд | Її даних Гі | процесораон Мн виш ші пи В МНН ЩО 282 проведення рекогносцировки кабіна | !
Ї.пдолчнлнтккнкч чани КАРАТ КАТ КК ЧКЕ КЕ КАТ АККАУНТ КК СК КК АКА НК Ко КкрекетекиК ПОП ОК НА Н К Н НО А А АК о А ц К кАК
Фіг. 2 і З Н 305 попенедна обробна ; і агрономічних данних : Н ї і ! і ЗІ витр підмножини НН: пгроневмічних даних : і ; пеннур звавотного | пн пн зв'язку : пи : і З15 оцінювання набору Менні : і і ягранемічнех дзних ! і ; Н 5 седечи в , що Н Н 829 стаорення агрономічної ; і маделі о І І 1 і 825 3береження агрономічної : і меделі І
; .
Фі. З лінк ніннік явну Я і тм - і Н 330 ї : б окневний: 408 постійний А1отіристрій й ян З ї, : дПб основний: п Н вне У . п Ї й Блін і запам'ятовую запам'ятовуюч зберігання | сервер І ЗЕ дисплей ї и Ї чий пристрій | ий пристрій і й і 4 " ОК ож го ШЕ: емо даних ї у няння нення ни х В Н дення
КЕ. р ТУ Ка Н с - : Ш ху Че зу де ож й А ех НЕО І рі НЕ и Йо інтернет о Х НИ ще гі р ; 3 ї ШЕ рі Ті рі й І і ЕЕ с ше «Ох, «їх ! ше. ; НЕ р ши Й и : Забправайдер о " НИ ї Ех сонна в в п як Х поети кер й Зх приєтрій нні Ма ЩЕ пінєрнся ПЕРІ Введення Коди печей іина зи і винос Ежви В вжЯ ї ї ее щЕй яних і ЕЕ - ш ЕН по: Не її і : г її ЕН : НЕ Не і з ; пкт Еш ЕІ гі : Е ц см Б. С но Й кожне нинк 416 пристрій | І ЕЕ ЩЕ вича ан Ка Щ ! Ж Ж керування соя / нріщесюр ЗіВінтерфейс | ї лврежсвий! 32 курсором й : Й 4 пібаану фею тт пожальна : пон ожтонекіакикни Е. пформацівю з каналі Х мережа г МАРКАХ АМААТАК АТАІЧАЖ ВАТАЖКА КУН Н ре я Ж «ри ї централь! на ОМ Віза:
фіг. 4 жо. отримання перших даних шодо врожайні нн и а и и ие ї 104 вибір одного абз денількох фільтрів Доджкюєкююююкіеют уюуюєюьєьюк кююкт юю кюткекрукююєтют юю юєюєтеєьюкеююкєкюєтюкєєєююєєьикі Го зіінівііовннвінвван ванн ПОКИ КОН ТК загихування вдмого зим; декількох фільтрів до першими данми щадо і: Н змлунайност для ідватифизці: легиних домих статмстемчих викидів: І Н інеабов'яхноко, спичиних та підобраненмя графічно прадсетувлемня Н іпаромих дяних водо КЕЙС ях місцями поятз щування перімх дяних Н зегатметимнх БИКУДОЕ;: Іданук мист Мих Мо КЯря : шт Ше і ке щ й чу в Е я МОВ вк зн й Н йо фільтри? ши ася ях оо вон до шен Так ТЕ аа МАННА ГН стводення чершмх відфілеотрованих даких піляхом виданення перших днях піятистмчниХ КИСТЮ З першмх дяеиХх ЩОДО іроокайності ен ни ї пшшншшаананнаннн ІІ НВ зе висів однато або декількох детекторів просторових ууаінстичних в пкидна Ку лхлахАМАААМАААМААХАМААХАККААМАНМАААМ АХА УАААМААЛАХААХААА МАХ ААААМААААМААХАНААХААЛАХА Фефетння ук к кни ту ; І ІА вастолуваннмя сдного іх декільник детекторів просторових ! ї Ктатнутичних вимі до перших відбяльсрокамих да мих ДиЯ Н Н йдем тини дромекх демих статистечеох викидів Н і Киллу АНА ВКА ВВА ВАВ А АВ АВ ув АВ А ВАВ УВАЖАВ НАВ А ВКАТА ВАТА кажи се і і ; Н лечо Е рей а ще Н му мя Ні і я сани ваз ї ще Ма вкі а Н ни де тектори? Дон пи МЕ пе о доки тт ди те а Седими т Тзв : ЗІ створення других підфільтрованих даних шлахом видалення других даних статистичних викидів з перших ї до створення та відображення графічного представлення других. відфФільтрованих даних
Фіг. 5 фукуунунччннннкниункннккункакничьнкккекк нин жтнкь кети чнккннкнтькикаькькжьтькнккекьькики 02 ідентифікація множини ідентифікатарів Н проходження і Кут кеккттсєкт яти ке кутею оку е Косенко теесеєкттютосеттеттней моля -Х. - рн а БО ідянтафікація множини моментів часу і плобильної системи позионування : пон оп а да ИН КЗ зу нн мов ре ідентифікація мнежиени фантичних проходжень і потен усне Ж онося ж й всей -о8 чх ди рено ск, й : : те Так Ша ідентифікатори Ше А юку Ма проходження кит Н вх и не Н йо вірні? ней ! ва я і о я Н ай ї -е !
НЕ. і У і он нн пон Н НО коригування приєвоєння ідентифікаторів і ! іроходження першим даним щодо врожайнасті і Н і І і ! урн У ин п і 1 Б кінвцій і на
Фіг. 6 ДВ дети фікація вано бо пейількох ВБОХОДЖене; якіЗ манть тривалість, що не перевишує порогової Привалості прохо вяенн, укладання кнннлклнчянни у і аа МИ дя Ідедтифіканія одно що декльнох конкратних і жлементівперштих даних щодо врожайності, які і Відповідають одному або декільком проходженням 3 б вюгвечення ж перші дані статистичних викидів Н Ібдного або декількох конкретних елементів перших Н іданих шодо врожайності ; Кн
Фіг. 7 пн в 1802 ідентедфнкація множини праходнень Ії ння Н ї ОЯ для кожного проходження з множини проходжень изначення інтердзлу часу затримки початку У І З у Хпинотани вто тті ча тети тенту кт пити ть котить В пит тт нти ти от кет ва и тив Дт Мтике тт, Ми т ву отут пут тот вт т кт ву тулт тити нету тіль тити етикет р нн и Ок ідентифікація самого за декількох конкретних Н Н івлементів перших даних подо врожайності, які Були ї ізійвані прозягом зтервалу часу затрилзни початку, Та ї Н івключення їх до перших даних статистичних викидів Н Н гово оп ово повів пора плов оон вованоня ; : Н у І я Н ши Ше ! Ден ню Тзе ! це ? а С лрохо дження? є ле ця Г: ПИ ПИ ВО кінець пініннкнттнтнаінтютікеттннтітіттнік тні каски тітка Кіті юній
Фіг. 8 ко о В во ідентифікація маможини проходжень ! Н моя для кожного проходження З гаможини проходженіх днаначзення інтерезлу часу затримки початну З днндиткан тд Кн днтачК утік оте кнечнно офонянинятятятттяня няня тент ннтянту Я Н Х ! КО ідентифікація одного збо декільнох конкветних і зламентів перитих даних продо врожайності, які була Н і ібрані проувуом інтервалу квсх затрикки закінвення, та і Н івнсечення їх до поіних необроблених даннх А і У лактмнжччК АКА ЧАМАНКАМАМАММЧАНММАМКНАНАМАМ КАМ АКАКНКАКАМАМИ Н і і ь і Н ре і неон кеш дно М НІ у ме ВОМ вої дріт У, Вроходження? де й ше п ке ни Так пк КК Кс ооккгекклооо те пня ечнн КО кінець а п В В фіг. 5 нан 1002 завантаження перших даних щоді врожайності Дестететовстевеоютеютсюгєтютеогтєеоове о евевосоєовекоговтогосогововесювовеогосговгоюо Н Н Н Н Кі Н по для кожного влегента першия даних шеде вражайнссті і визначення зазвсаного значення смути захоплення Н Еко і допо ла ік іон Віто іі ні Ф ! Н п ИН Н ПОС Ялті ее значених не ее є ПОТОТОВ Н Вначення смуг захоплення; включення влемечту пери Н Н зданих щодо пухожайноко де перидах даних статистичних Н Н По а: ! : Н : Н ! Н і Н Н і Її ! и, і я - Й Н ще пу ні Е «С ЗО ве о Н х ТЕ с АЙ рокодження? Ша ккд о сс Так: К-й па М Іо кінь І. У дала Л НАВЧАН КН КНАЖАНАНН КНТ А НК НАТАН ТАКА ТЕТ чечччн Фіг, 10 ут т т т тт я тост нт пт тет пк завантаження певших віддільтрованих ланих інн зн У офі лалилтнижнякн ння киянина жижкяккакикнятику : Н К! і Н тебя комєло немеція еріх Відня наих і її Ї иЗначення сукупност сусієніх елеменнюе нерших ї Мурільтраваних даних те о числення сукупмсх о серии ї ХНА оснсюносюєтюетювостогогвотвеювегосгосодеєовіваваогсоєвовеєтвдювєіювовтюєс ї Н і ! і Н ПОПИ ДИ піс базуначись на сукупному серодньаму знаанні, і Н тизначенинй, чи включати впемені перших ї і івідфільнізот «пани лі зані стятис ок ; ї звідфільтостаних даних у Другі доні спи мстнчних викидів | ! Н і Н 1 ї і па ї Кеш ах . Її де Шо Ні Н ше Ван Е в проходження? ИМЯ пед р рос ди вени ївк У орними нн нн МАЛО кінець і У нн нннннентючсннетннтоюсттннноєеччк нта ктнекпстючннчнесноєненесненаннк сні
Фіг. 11 тя пов завантаження перших відфілотрованих даних і пилечяад яхт ячя мч дячю и чіл уч тю учня пн нню ния яхти дн пУидечад ючи нчю кю зі чнчн інно нд нечітких уч. й І ПОП ДАК По для кожного елемента перших віддфільтрованих і ! визначення сукупності сусідніх ейеминивцерших і І ізвідфільтрованих даних та обчислення зваженого Н І : І і І і І по Тео бизуючись на зваженому кукуйнаму середнвсму змаченні, визначення, чи включати злемену пероних і ідфільтровиних даних у друй дані статистичних викидів | Е ї реа і деки т й І рес Мас ні і В Е у роходженн чо ки ес ши Мосс їзк ї р у т 11219 кінецх : нн а а а а
Фнг. 12
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US14/883,517 US10303677B2 (en) | 2015-10-14 | 2015-10-14 | Computer-generated accurate yield map data using expert filters and spatial outlier detection |
| PCT/US2016/055121 WO2017066021A1 (en) | 2015-10-14 | 2016-10-03 | Computer-generated accurate yield map data using expert filters and spatial outlier detection |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| UA124801C2 true UA124801C2 (uk) | 2021-11-24 |
Family
ID=58517808
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| UAA201805318A UA124801C2 (uk) | 2015-10-14 | 2016-10-03 | Точні картографічні дані врожайності, що генеруються комп'ютером із використанням експертних фільтрів та виявленням просторових статистичних викидів |
Country Status (8)
| Country | Link |
|---|---|
| US (4) | US10303677B2 (uk) |
| EP (2) | EP3362909A4 (uk) |
| AR (1) | AR106336A1 (uk) |
| AU (2) | AU2016337264B2 (uk) |
| CA (2) | CA3001328C (uk) |
| UA (1) | UA124801C2 (uk) |
| WO (1) | WO2017066021A1 (uk) |
| ZA (2) | ZA201803005B (uk) |
Families Citing this family (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11762125B2 (en) * | 2014-09-12 | 2023-09-19 | Climate Llc | Forecasting national crop yield during the growing season |
| US10303677B2 (en) | 2015-10-14 | 2019-05-28 | The Climate Corporation | Computer-generated accurate yield map data using expert filters and spatial outlier detection |
| JP6678247B2 (ja) * | 2016-02-12 | 2020-04-08 | タタ コンサルタンシー サービシズ リミテッドＴＡＴＡ Ｃｏｎｓｕｌｔａｎｃｙ Ｓｅｒｖｉｃｅｓ Ｌｉｍｉｔｅｄ | 農業気候地帯の自動識別のための方法およびシステム |
| US20170286574A1 (en) * | 2016-03-31 | 2017-10-05 | United States Of America As Represented By The Secretary Of The Army | Predictive soil analysis |
| US11080613B1 (en) * | 2016-04-29 | 2021-08-03 | EMC IP Holding Company LLC | Process monitoring based on large-scale combination of time series data |
| WO2018049289A1 (en) | 2016-09-09 | 2018-03-15 | Cibo Technologies, Inc. | Systems for adjusting agronomic inputs using remote sensing, and related apparatus and methods |
| US10838936B2 (en) * | 2017-05-12 | 2020-11-17 | Harris Lee Cohen | Computer-implemented methods, computer readable medium and systems for generating an orchard data model for a precision agriculture platform |
| US11190479B2 (en) * | 2017-05-23 | 2021-11-30 | Verisign, Inc. | Detection of aberrant domain registration and resolution patterns |
| US11238393B2 (en) * | 2017-07-12 | 2022-02-01 | Monsanto Technology Llc | Yield monitoring systems and methods |
| US11263707B2 (en) | 2017-08-08 | 2022-03-01 | Indigo Ag, Inc. | Machine learning in agricultural planting, growing, and harvesting contexts |
| WO2019046967A1 (en) * | 2017-09-11 | 2019-03-14 | Farmers Edge Inc. | GENERATING A YIELD CARD FOR AN AGRICULTURAL FIELD USING REGRESSION AND CLASSIFICATION PROCESSES |
| US10477756B1 (en) | 2018-01-17 | 2019-11-19 | Cibo Technologies, Inc. | Correcting agronomic data from multiple passes through a farmable region |
| BR112020021919A2 (pt) | 2018-04-24 | 2021-05-11 | Indigo Ag, Inc. | gestão de interação em um sistema agrícola online |
| US10736266B2 (en) | 2018-05-31 | 2020-08-11 | Deere & Company | Control of settings on a combine harvester with bias removal |
| CN111127525B (zh) * | 2018-10-31 | 2023-07-25 | 千寻位置网络有限公司 | 带约束点集配准的增量式农田边界精度校准方法及装置 |
| JP2020087491A (ja) * | 2018-11-21 | 2020-06-04 | キオクシア株式会社 | 半導体記憶装置 |
| CN110008982B (zh) * | 2019-01-11 | 2023-11-03 | 国网浙江省电力有限公司 | 一种基于光伏发电出力聚类的气象监测点选择方法 |
| US11510365B2 (en) * | 2019-09-03 | 2022-11-29 | Cnh Industrial America Llc | Harvesting header segment display and map |
| US11240960B2 (en) * | 2019-09-18 | 2022-02-08 | Deere & Company | Delay management for geospatial crop yield mapping |
| WO2021062147A1 (en) | 2019-09-27 | 2021-04-01 | Indigo Ag, Inc. | Modeling field irrigation with remote sensing imagery |
| US11937530B2 (en) * | 2020-05-01 | 2024-03-26 | Kinze Manufacturing, Inc. | GPS location augmentation and outage playthrough |
| BR112023000950A2 (pt) | 2020-07-21 | 2023-03-28 | Indigo Ag Inc | Algoritmos de sensoriamento remoto para mapear a agricultura regenerativa |
| CN112148785B (zh) * | 2020-09-24 | 2021-09-28 | 中国科学院空天信息创新研究院 | 一种作物分布制图方法 |
| WO2023034118A1 (en) | 2021-08-30 | 2023-03-09 | Indigo Ag, Inc. | Systems for management of location-aware market data |
| WO2023034386A1 (en) | 2021-08-31 | 2023-03-09 | Indigo Ag, Inc. | Systems and methods for ecosystem credit recommendations |
Family Cites Families (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6338221B1 (en) | 1992-07-01 | 2002-01-15 | Colin Herbert Salmond | Crop |
| US6525276B1 (en) | 1998-08-07 | 2003-02-25 | The University Of Georgia Research Foundation, Inc. | Crop yield monitoring system |
| US6505146B1 (en) * | 1999-09-24 | 2003-01-07 | Monsanto Company | Method and system for spatial evaluation of field and crop performance |
| EP2104413B2 (en) | 2007-01-08 | 2020-03-25 | The Climate Corporation | Planter monitor system and method |
| WO2008142682A2 (en) | 2007-05-20 | 2008-11-27 | Cvidya Networks Ltd | Methods, systems and computer code for finding outlier hyper cells in multidimentional hierachical data sets |
| BRPI0915065B1 (pt) | 2008-06-06 | 2019-12-03 | Monsanto Technology Llc | geração de produtos de informação agrícola utilizando sensoriamento remoto |
| US8477295B2 (en) | 2009-05-07 | 2013-07-02 | Solum, Inc. | Automated soil measurement device |
| US8875641B2 (en) | 2009-10-23 | 2014-11-04 | Ag Leader Technology | Agricultural implement pass marker system |
| US8564401B2 (en) * | 2011-09-19 | 2013-10-22 | Disney Enterprises, Inc. | Airport security screening system and method |
| LT2876993T (lt) | 2012-07-25 | 2017-11-10 | Precision Planting Llc | Daugiaeilio žemės ūkio padargo valdymo bei stebėsenos sistema ir būdas |
| US9113590B2 (en) * | 2012-08-06 | 2015-08-25 | Superior Edge, Inc. | Methods, apparatus, and systems for determining in-season crop status in an agricultural crop and alerting users |
| CN104737214B (zh) | 2012-09-26 | 2017-09-01 | 株式会社久保田 | 联合收割机、以及联合收割机管理系统 |
| US9767521B2 (en) * | 2013-08-30 | 2017-09-19 | The Climate Corporation | Agricultural spatial data processing systems and methods |
| US10371561B2 (en) * | 2013-11-01 | 2019-08-06 | Iowa State University Research Foundation, Inc. | Yield measurement and base cutter height control systems for a harvester |
| US10303677B2 (en) | 2015-10-14 | 2019-05-28 | The Climate Corporation | Computer-generated accurate yield map data using expert filters and spatial outlier detection |
-
2015
- 2015-10-14 US US14/883,517 patent/US10303677B2/en active Active
-
2016
- 2016-10-03 UA UAA201805318A patent/UA124801C2/uk unknown
- 2016-10-03 WO PCT/US2016/055121 patent/WO2017066021A1/en active Application Filing
- 2016-10-03 CA CA3001328A patent/CA3001328C/en active Active
- 2016-10-03 CA CA3092808A patent/CA3092808C/en active Active
- 2016-10-03 EP EP16855961.5A patent/EP3362909A4/en not_active Ceased
- 2016-10-03 EP EP20172804.5A patent/EP3709238A1/en not_active Withdrawn
- 2016-10-03 AU AU2016337264A patent/AU2016337264B2/en active Active
- 2016-10-13 AR ARP160103126A patent/AR106336A1/es active IP Right Grant
-
2018
- 2018-05-08 ZA ZA2018/03005A patent/ZA201803005B/en unknown
-
2019
- 2019-02-28 US US16/288,738 patent/US11010364B2/en active Active
- 2019-08-16 ZA ZA2019/05427A patent/ZA201905427B/en unknown
-
2020
- 2020-03-03 AU AU2020201559A patent/AU2020201559B2/en active Active
-
2021
- 2021-05-07 US US17/314,439 patent/US11544247B2/en active Active
-
2022
- 2022-12-29 US US18/091,299 patent/US11940977B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CA3001328A1 (en) | 2017-04-20 |
| ZA201905427B (en) | 2021-03-31 |
| US11010364B2 (en) | 2021-05-18 |
| US10303677B2 (en) | 2019-05-28 |
| US20170109395A1 (en) | 2017-04-20 |
| EP3362909A1 (en) | 2018-08-22 |
| EP3362909A4 (en) | 2019-03-20 |
| AU2016337264B2 (en) | 2019-12-05 |
| US20230222112A1 (en) | 2023-07-13 |
| AU2020201559B2 (en) | 2021-04-08 |
| US20210271661A1 (en) | 2021-09-02 |
| EP3709238A1 (en) | 2020-09-16 |
| AR106336A1 (es) | 2018-01-03 |
| BR112018007534A2 (pt) | 2018-10-23 |
| US11940977B2 (en) | 2024-03-26 |
| ZA201803005B (en) | 2020-05-27 |
| US11544247B2 (en) | 2023-01-03 |
| AU2016337264A1 (en) | 2018-05-24 |
| CA3092808C (en) | 2023-12-05 |
| US20190243817A1 (en) | 2019-08-08 |
| WO2017066021A1 (en) | 2017-04-20 |
| CA3001328C (en) | 2020-10-06 |
| AU2020201559A1 (en) | 2020-04-09 |
| CA3092808A1 (en) | 2017-04-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11940977B2 (en) | Computer-generated accurate yield map data using expert filters and spatial outlier detection | |
| AU2020264305B2 (en) | Agricultural data analysis | |
| US11818981B2 (en) | Automatically detecting outlier values in harvested data | |
| CA3082815A1 (en) | Digital modeling of disease on crops on agronomic fields | |
| US20240049620A1 (en) | Flagging Operational Differences In Agricultural Implements | |
| US20230385958A1 (en) | Systems and methods for use in identifying trials in fields |