UA126359C2 - Перехресне дослідження сільськогосподарського виробника та таргетування поля - Google Patents
Перехресне дослідження сільськогосподарського виробника та таргетування поля Download PDFInfo
- Publication number
- UA126359C2 UA126359C2 UAA202007218A UAA202007218A UA126359C2 UA 126359 C2 UA126359 C2 UA 126359C2 UA A202007218 A UAA202007218 A UA A202007218A UA A202007218 A UAA202007218 A UA A202007218A UA 126359 C2 UA126359 C2 UA 126359C2
- Authority
- UA
- Ukraine
- Prior art keywords
- data
- field
- seeding rate
- agricultural
- yield
- Prior art date
Links
- 230000008685 targeting Effects 0.000 title claims abstract description 21
- 238000010899 nucleation Methods 0.000 claims abstract description 149
- 238000000034 method Methods 0.000 claims abstract description 71
- 230000004044 response Effects 0.000 claims abstract description 25
- 238000002474 experimental method Methods 0.000 claims description 98
- 230000009418 agronomic effect Effects 0.000 claims description 40
- 238000007726 management method Methods 0.000 claims description 22
- 238000013515 script Methods 0.000 claims description 16
- 238000012360 testing method Methods 0.000 claims description 14
- 238000009331 sowing Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 11
- 230000000694 effects Effects 0.000 claims description 11
- 238000011160 research Methods 0.000 claims description 11
- 238000003306 harvesting Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 238000004883 computer application Methods 0.000 claims description 9
- 230000001932 seasonal effect Effects 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000002829 reductive effect Effects 0.000 claims description 2
- 230000035939 shock Effects 0.000 claims description 2
- 239000004744 fabric Substances 0.000 claims 4
- 235000010469 Glycine max Nutrition 0.000 claims 2
- 241000159610 Roya <green alga> Species 0.000 claims 2
- 238000004364 calculation method Methods 0.000 claims 2
- 235000013305 food Nutrition 0.000 claims 2
- 150000002500 ions Chemical class 0.000 claims 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims 2
- 206010067484 Adverse reaction Diseases 0.000 claims 1
- 241000859095 Bero Species 0.000 claims 1
- 241000254173 Coleoptera Species 0.000 claims 1
- 101150105088 Dele1 gene Proteins 0.000 claims 1
- 244000068988 Glycine max Species 0.000 claims 1
- 235000016496 Panda oleosa Nutrition 0.000 claims 1
- 240000000220 Panda oleosa Species 0.000 claims 1
- 241001424341 Tara spinosa Species 0.000 claims 1
- 241000750042 Vini Species 0.000 claims 1
- 230000006838 adverse reaction Effects 0.000 claims 1
- 235000015110 jellies Nutrition 0.000 claims 1
- 239000008274 jelly Substances 0.000 claims 1
- 238000012423 maintenance Methods 0.000 claims 1
- 230000014759 maintenance of location Effects 0.000 claims 1
- NQBKFULMFQMZBE-UHFFFAOYSA-N n-bz-3-benzanthronylpyrazolanthron Chemical compound C12=CC=CC(C(=O)C=3C4=CC=CC=3)=C2C4=NN1C1=CC=C2C3=C1C1=CC=CC=C1C(=O)C3=CC=C2 NQBKFULMFQMZBE-UHFFFAOYSA-N 0.000 claims 1
- 210000002445 nipple Anatomy 0.000 claims 1
- 210000004197 pelvis Anatomy 0.000 claims 1
- 239000002574 poison Substances 0.000 claims 1
- 231100000614 poison Toxicity 0.000 claims 1
- 238000002360 preparation method Methods 0.000 claims 1
- 210000001550 testis Anatomy 0.000 claims 1
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 104
- 229910052757 nitrogen Inorganic materials 0.000 description 52
- 239000002689 soil Substances 0.000 description 36
- 238000003860 storage Methods 0.000 description 27
- 238000004891 communication Methods 0.000 description 21
- 230000008569 process Effects 0.000 description 19
- 230000006870 function Effects 0.000 description 17
- 238000013459 approach Methods 0.000 description 16
- 230000008901 benefit Effects 0.000 description 13
- 238000004458 analytical method Methods 0.000 description 12
- 230000008859 change Effects 0.000 description 12
- 239000003337 fertilizer Substances 0.000 description 11
- 238000013479 data entry Methods 0.000 description 10
- 230000003287 optical effect Effects 0.000 description 10
- 238000013461 design Methods 0.000 description 9
- 238000003971 tillage Methods 0.000 description 9
- 238000003973 irrigation Methods 0.000 description 7
- 230000002262 irrigation Effects 0.000 description 7
- 238000003066 decision tree Methods 0.000 description 6
- 239000000203 mixture Substances 0.000 description 6
- 238000001556 precipitation Methods 0.000 description 6
- 230000001186 cumulative effect Effects 0.000 description 5
- 230000006735 deficit Effects 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 239000000575 pesticide Substances 0.000 description 5
- 238000012546 transfer Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 239000000417 fungicide Substances 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 235000015097 nutrients Nutrition 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000013523 data management Methods 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000035558 fertility Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 239000002917 insecticide Substances 0.000 description 3
- 238000011022 operating instruction Methods 0.000 description 3
- 239000005416 organic matter Substances 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000011282 treatment Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 241001124569 Lycaenidae Species 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 2
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000013079 data visualisation Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000005670 electromagnetic radiation Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000000855 fungicidal effect Effects 0.000 description 2
- 238000012905 input function Methods 0.000 description 2
- 239000007788 liquid 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
- 238000010801 machine learning Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 229910052698 phosphorus Inorganic materials 0.000 description 2
- 239000011574 phosphorus Substances 0.000 description 2
- 239000011591 potassium Substances 0.000 description 2
- 229910052700 potassium Inorganic materials 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000003068 static effect Effects 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
- 241000143958 Limenitis archippus Species 0.000 description 1
- 102100028702 Thyroid hormone receptor alpha Human genes 0.000 description 1
- LEHOTFFKMJEONL-UHFFFAOYSA-N Uric Acid Chemical compound N1C(=O)NC(=O)C2=C1NC(=O)N2 LEHOTFFKMJEONL-UHFFFAOYSA-N 0.000 description 1
- TVWHNULVHGKJHS-UHFFFAOYSA-N Uric acid Natural products N1C(=O)NC(=O)C2NC(=O)NC21 TVWHNULVHGKJHS-UHFFFAOYSA-N 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000012190 activator Substances 0.000 description 1
- 239000008186 active pharmaceutical 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
- 230000002411 adverse Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000005341 cation exchange Methods 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction 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
- 238000007405 data analysis Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013502 data validation Methods 0.000 description 1
- 239000002837 defoliant Substances 0.000 description 1
- 239000002274 desiccant Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 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
- 230000002363 herbicidal effect Effects 0.000 description 1
- 239000004009 herbicide Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000010871 livestock manure Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 150000002823 nitrates Chemical class 0.000 description 1
- 235000021232 nutrient availability Nutrition 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 229920001690 polydopamine Polymers 0.000 description 1
- 230000000246 remedial effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- -1 silt Substances 0.000 description 1
- 238000005527 soil sampling Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 239000007858 starting material Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000013518 transcription Methods 0.000 description 1
- 230000035897 transcription Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 229940116269 uric acid Drugs 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
- A01C21/005—Following a specific plan, e.g. pattern
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01B—SOIL WORKING IN AGRICULTURE OR FORESTRY; PARTS, DETAILS, OR ACCESSORIES OF AGRICULTURAL MACHINES OR IMPLEMENTS, IN GENERAL
- A01B79/00—Methods for working soil
- A01B79/005—Precision agriculture
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
- A01C21/007—Determining fertilization requirements
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Soil Sciences (AREA)
- Environmental Sciences (AREA)
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Mining & Mineral Resources (AREA)
- Animal Husbandry (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Agronomy & Crop Science (AREA)
- Strategic Management (AREA)
- Marine Sciences & Fisheries (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Catching Or Destruction (AREA)
- Breeding Of Plants And Reproduction By Means Of Culturing (AREA)
- Pretreatment Of Seeds And Plants (AREA)
- General Factory Administration (AREA)
- Electrotherapy Devices (AREA)
- Cultivation Of Plants (AREA)
Abstract
Розкритий комп'ютерно реалізований спосіб таргетування полів сільськогосподарського виробника для підвищення врожайності. Спосіб включає отримання, пристроєм для обробки, даних про норму висіву врожаю та відповідні дані про врожайність за проміжок часу відносно групи полів, пов'язаних з множиною пристроїв сільськогосподарського виробника; отримання, пристроєм для обробки, поточної норми висіву для поля сільськогосподарського виробника, пов'язаного з одним із множини пристроїв сільськогосподарського виробника; визначення того, чи буде поле сільськогосподарського виробника реагувати на збільшення норми висіву сільськогосподарської культури для поля сільськогосподарського виробника з поточної норми висіву до цільової норми висіву на основі даних про норму висіву сільськогосподарської культури та відповідних даних про врожайність; підготовку, у відповідь на визначення того, що поле сільськогосподарського виробника буде реагувати, рецепта, який включає нову норму висіву сільськогосподарської культури та конкретного гібриду, який буде впроваджено на полі сільськогосподарського виробника.
Description
ПОВІДОМЛЕННЯ ПРО АВТОРСЬКЕ ПРАВО
Частина розкриття даного патентного документа містить матеріал, який є об'єктом захисту авторських прав. Власник авторських прав не заперечує проти факсимільного відтворення ким- небудь патентного документа або розкриття патенту, як це вказано у патентній справі або записах Бюро патентів та товарних знаків, але в іншому випадку зберігає всі авторські права чи права. Є 2015-2019 Клаймет корпорайшн.
ОБЛАСТЬ ТЕХНІКИ
Дане розкриття сутності відноситься до технічної галузі перехресного дослідження сільськогосподарськими виробниками та таргетування поля, а більше конкретно до технічної області проектування, відстеження та перевірки експериментів, що застосовуються на полях множини сільськогосподарських виробників.
РІВЕНЬ ТЕХНІКИ
Підходи, описані в даному розділі, є підходами, яких можна було б застосовувати, але не обов'язково підходами, які раніше були задумані або застосовувались. Таким чином, якщо не вказано інше, не слід вважати, що будь-який з підходів, описаних у даному розділі, кваліфікується як рівень техніки лише внаслідок їх включення до цього розділу.
Сільськогосподарські операції споживають, як правило, значний час, гроші й інші ресурси.
Таким чином здатність пришвидшити окремі операції, такі як висадка певного об'єму насіння, або скоротити будь-який процес спроб і помилок у досягненні певної мети, такої як певний рівень врожаю, загалом корисна. За допомогою комп'ютерів розробляться більше досконала сільськогосподарська техніка та більші об'єми датчиків даних, що відносяться до різних аспектів сільськогосподарських операцій, які часто охоплюють кілька полів сільськогосподарських виробників, генеруються і готові до обробки. Систематичний наскрізний підхід до збирання таких даних на полях сільськогосподарських виробників, перетворення даних в аналітичну інформацію або практичні рекомендації для прискорення окремих операцій або скорочення будь-якого процесу спроб і помилок та розподілу результатів перетворення на всі системи вирощування можуть бути корисними.
Одним із початкових компонентів у такому систематичному підході може бути таргетування поля, відбір деяких полів сільськогосподарського виробника для конкретних
Зо сільськогосподарських експериментів із прогнозованими результатами. Прикладом експерименту (або конкретно цілеспрямованого випробування) є збільшення норми висіву на конкретну кількість для поліпшення врожайності на певний рівень. Різні поля, що мають різні характеристики, можуть бути доступними для операцій, що виконуються на основі рецепту, шляхом проведення конкретних експериментів у напрямку прогнозованих результатів, а продуктивність окремих полів може бути покращена різними способами, часто на основі продуктивності інших полів. Це може бути завданням, визначити, які експерименти можуть бути виконані на окремих полях й як експерименти повинні координуватися між множиною полів для досягнення найкращих сукупних результатів.
СУТНІСТЬ ВИНАХОДУ
Прикладена формула винаходу може служити сутністю розкриття винаходу.
КОРОТКИЙ ОПИС КРЕСЛЕНЬ
На кресленнях:
ФІГ. 1 зображує приклад комп'ютерної системи, яка виконана з можливістю виконувати функції, описані в даному описі, показані у польовому середовищі з іншими пристроями, з якими система може взаємодіяти.
ФІГ. 2 зображує два вигляди прикладу логічної організації наборів інструкцій у основній пам'яті, коли зразковий мобільний додаток завантажений для виконання.
ФІГ. З зображує запрограмований процес, за допомогою якого комп'ютерна система сільськогосподарської розвідки генерує одну або більше попередньо налаштованих агрономічних моделей з використанням агрономічних даних, наданих одним або більше джерелами даних.
ФІГ. 4 є блок-схемою, яка ілюструє комп'ютерну систему, на якій може бути реалізований варіант здійснення винаходу.
ФІГ. 5 зображує варіант здійснення вигляду шкали часу для введення даних.
ФІГ. 6 зображує варіант здійснення вигляду динамічної таблиці для введення даних.
ФІГ. 7 зображує приклад процесу, що виконується сервером польових досліджень, від таргетування поля до розподілу інформації між системами сільськогосподарського виробника.
ФІГ. 8 зображує приклад співвідношення між густиною посадки та врожайністю для даного гібриду. бо ФІГ. 9 зображує приклади типів практики управління.
ФІГ. 10 зображує приклад процесу, що виконується сервером дослідження полів для визначення гібриду сільськогосподарської культури для поля сільськогосподарського виробника або його зон.
ФІГ. 11 зображує приклад процесу, який виконується сервером дослідження полів зі скеровування поля сільськогосподарського виробника для підвищення врожайності.
ДЕТАЛЬНИЙ ОПИС
У наступному описі з метою пояснення численні конкретні деталі викладаються для того, щоб надати глибоке розуміння даного розкриття. Однак буде очевидно, що варіанти здійснення можуть практикуватися без цих конкретних деталей. В інших випадках добре відомі конструкції та пристрої показані у вигляді блок-схеми, з метою уникнути непотрібної труднощі розуміння даного розкриття. Варіанти здійснення розкриті в розділах згідно з наступною структурою: 1. ЗАГАЛЬНИЙ ОГЛЯД 2. ПРИКЛАД КОМП'ЮТЕРНОЇ СИСТЕМИ СІЛЬСЬКОГОСПОДАРСЬКОЇ РОЗВІДКИ 21. ОГЛЯД СТРУКТУРИ 2.2. ОГЛЯД ЗАСТОСОВАНОЇ ПРОГРАМИ 2.3. ДАНІ, ЯКІ ВХОДЯТЬ В КОМП'ЮТЕРНУ СИСТЕМУ 2.4. ОГЛЯД ПРОЦЕСУ - НАВЧАННЯ АГРОНОМІЧНИХ МОДЕЛЕЙ 2.5. ПРИКЛАД ВИКОРИСТАННЯ - ОГЛЯД АПАРАТНОГО ЗАБЕЗПЕЧЕННЯ
З ФУНКЦІОНАЛЬНИЙ ОПИС
3.11 ДОСЛІДЖЕННЯ ПОЛІВ СІЛЬСЬКОГОСПОДАРСЬКОГО ВИРОБНИКА 3.2 ТАРГЕТУВАННЯ ПОЛЯ 1. ЗАГАЛЬНИЙ ОГЛЯД
Розкрита комп'ютерна система управління дослідженнями полів сільськогосподарського виробника та відповідні методи. У деяких варіантах здійснення система запрограмована або сконфігурована зі структурами даних і/або записами баз даних, які організовані для проведення комп'ютеризованого дослідження полів на полях сільськогосподарських виробників через наскрізний процес. У деяких варіантах здійснення система може бути запрограмована на побудову моделей на основі продуктів або інших концепцій для прогнозування підвищення врожаю або досягнення інших сільськогосподарських цілей.
Зо Система також може бути запрограмована на створення експериментів на визначених полях для перевірки прогнозованих підвищень, одночасно прозоро демонструючи результати врожаю.
Система також може бути додатково запрограмована для збору даних про посадки, сезонних даних та даних про збір врожаю для подальшого аналізу. На додачу, система може бути запрограмована на підтвердження того, що експерименти виконувались та керувались, як це передбачено. Система також може бути запрограмована на аналіз сезону та збирання врожаю в режимі реального часу та відповідати відповідно. Більше того, система може бути виконана з можливістю обміну сезонними та кінця сезону висновками та рекомендаціями через системи сільськогосподарського виробника.
У деяких варіантах здійснення система запрограмована для таргетування певних полів, які, як прогнозується, реагують на збільшення норми висіву для експериментів для досягнення підвищення врожайності. Базовим рівнем реакції на продукцію (врожайність) є зазвичай встановлена початкова основа історичних даних, що корелює густину врожаю та врожайність протягом ряду років для групи полів, які можуть бути подібними за гібридною сільськогосподарською культурою, розташуванням або практикою управління збільшенням врожаю. Система може бути виконана з можливістю визначення середньої або оптимальної норми висіву як частини базового рівня. Система також може представляти базовий рівень за допомогою структури комплексних даних, наприклад, дерева рішення. Для поля сільськогосподарського виробника, система потім налаштовується на визначення впливу збільшення поточної норми висіву до цільової норми висіву на підвищення врожайності для поля сільськогосподарського виробника від базової лінії та, в свою чергу, прогнозувати зворотню реакцію продуктивності поля сільськогосподарського виробника. У відповідь на визначення того, що поле сільськогосподарського виробника буде достатньо чутливим на збільшення норми висіву, система може бути виконана з можливістю таргетування поля сільськогосподарського виробника на експеримент та підготовки конструкції для експерименту, яка може бути параметризована новою нормою висіву та гібридом сільськогосподарської культури. Нова норма висіву, як правило, є цільовою нормою висіву, якщо вона не перевизначена нормою висіву, призначеною сільськогосподарським виробником, а гібрид сільськогосподарської культури, як правило, відповідає зміні норми висіву.
Система надає багато технічних переваг. У таргетуванні сільськогосподарських виробників 60 та полів сільськогосподарських виробників система використовує нові підходи для визначення того, як застосувати конкретні експерименти. Ці підходи призводять до вищого рівня врожаю для поля протягом певного періоду, скорочують час для досягнення певного збільшення врожаю або покращують певні операції поля. Застосування різноманітних ретельно розроблених експериментів для різноманітних перехресних полів сільськогосподарського виробника підтримує більше комплексний, повнорозмірний аналіз. Широке охоплення цих експериментів, таким чином, призводить до збору більшої кількості польових даних та генерування більше сільськогосподарських висновків, що сприяє росту полів за коротший проміжок часу. Крім того, інтегруючи ці підходи у впорядковані рамки, система дозволяє цим підходам виробляти найбільший ефект, вимагаючи мінімальних зусиль людини.
Ще одна перевага полягає в збільшенні комплексності та практичності кожного експерименту шляхом організації як цільових випробувань, так і контрольних випробувань у кожному експерименті. Такі експерименти сприяють спрощенню та зосередженню подальшого аналізу та чітко демонструють переваги цільових випробувань для сільськогосподарських виробників. Ще одна перевага полягає у постійному виконанні збору даних у реальному часі, підтвердженні виконання експерименту та аналізі результатів експерименту щодо прогнозованих результатів. Такі заходи збільшують рівень успішності призначених експериментів, а також пришвидшують досягнення прогнозованих результатів, які приносять користь полям. Жорсткість та ефективність аналізу забезпечує додаткові переваги сільськогосподарським виробникам та їх полям. 2. ПРИКЛАД СІЛЬСЬКОГОСПОДАРСЬКОЇ КОМП'ЮТЕРНОЇ СИСТЕМИ ІНТЕЛЕКТУАЛЬНОЇ
ОБРОБКИ
21 ОГЛЯД СТРУКТУРИ
ФІГ. 1 ілюструє приклад комп'ютерної системи, яка виконана з можливістю виконувати функції, описані тут, показані у польових умовах з іншими пристроями, з якими система може взаємодіяти. В одному варіанті здійснення користувач 102 має, експлуатує або має обчислювальний пристрій менеджера полів 104 розташований у полі або пов'язаний з місцем розташування у полі, таким як поле, призначене для сільськогосподарської діяльності, або місце управління для одного або більше сільськогосподарських полів. Обчислювальний пристрій менеджера полів 104 запрограмований або виконаний з можливістю забезпечення
Зо польовими даними 106 комп'ютерної системи сільськогосподарської розвідки 130 через одну або більше мереж 109.
Приклади польових даних 106 включають (а) ідентифікаційні дані (наприклад, площу, назву поля, ідентифікатори поля, географічні ідентифікатори, ідентифікатори меж, ідентифікатори сільськогосподарської культури та будь-які інші відповідні дані, які можуть бути використані для ідентифікації сільськогосподарських угідь, такі як загальна земельна одиниця (СІ), номер партії та блоку, номер земельної ділянки, географічні координати та межі, серійний номер ферми (Е5М), номер ферми, номер урочища, номер поля, ділянки, району округу та/або область розповсюдження), (б) збирання даних (наприклад, тип сільськогосподарської культури, сорт сільськогосподарської культури, сівозміну, чи вирощується сільськогосподарська культура органічно, дата збирання, фактична історія виробництва (АРН), очікуваний врожай, врожай, ціна врожаю, дохід від врожаю, вологість зерна, прийоми механічної обробки грунту та попередня інформація про вегетаційний період), (с) дані про грунт (наприклад, тип, склад, рн, органічні речовини (ОМ), катіонообмінну здатність (СЕС)), (4) дані про посадку (наприклад, дату посадки, тип (-и) насіння (-нь), відносну стиглість (КМ) висадженого (-их) насіння (-нин), щільність висіву насіння), (е) дані про добрива (наприклад, тип поживних речовин (азот, фосфор, калій), тип застосування, дата застосування, кількість, джерело, спосіб), (Її) дані хімічного застосування (наприклад, пестицид, гербіцид, фунгіцид, інша речовина або суміш речовин, призначені для використання в якості регулятора рослин, дефоліант або осушувач, дата застосування, кількість, джерело, спосіб), (4) дані про зрошення (наприклад, дата застосування, кількість, джерело, спосіб), (п) дані про погоду (наприклад, кількість опадів, швидкість опадів, прогнозована кількість опадів, швидкість стоку води в регіоні, температура, вітер, прогноз, тиск, видимість, хмари, індекс тепла, точка роси, вологість, глибина снігу, якість повітря, схід сонця, захід сонця), (ї) візуальні дані (наприклад, зображення та інформація про спектр світла від датчика сільськогосподарського обладнання, камери, комп'ютера, смартфона, планшета, безпілотного літального апарату, літаків або супутника), () розвідувальні спостереження (фотографії, відеозаписи, нотатки у вільній формі, голосові записи, транскрипція голосу, погодні умови (температура, опади (поточні та з часом), вологість грунту, стадія росту сільськогосподарських культур, швидкість вітру, відносна вологість, точка роси, чорна точка)) та (К) грунту, насіння, фенологія сільськогосподарської культури, звітування про шкідників та 60 хвороби, а також джерела прогнозів та бази даних.
Комп'ютер сервера даних 108 комунікативно з'єднаний із комп'ютерною системою сільськогосподарської розвідки 130 та запрограмований або виконаний з можливістю передачі зовнішніх даних 110 до комп'ютерної системи сільськогосподарської розвідки 130 за допомогою мережі (мереж) 109. Серверний комп'ютер зовнішніх даних 108 може належати або експлуатуватися тією самою фізичною або юридичною особою, що і комп'ютерною системою сільськогосподарської розвідки 130, або іншою фізичною або юридичною особою, такою як урядова установа, неурядова організація (НУС) та/або приватний постачальник послуг передачі даних. Приклади зовнішніх даних, серед інших, включають дані про погоду, візуальні дані, дані про грунт або статистичні дані, що відносяться до врожайності. Зовнішні дані 110 можуть складатися з того самого типу інформації, що і польові дані 106. У деяких варіантах здійснення зовнішні дані 110 забезпечуються зовнішнім сервером даних 108, що належить тому самому об'єкту, який має й/або експлуатує комп'ютерну систему сільськогосподарської розвідки 130.
Наприклад, комп'ютерна система сільськогосподарської розвідки 130 може включати сервер даних, орієнтований виключно на тип даних, які в іншому випадку можуть бути отримані від сторонніх джерел, таких як дані про погоду. В деяких варіантах здійснення зовнішній сервер даних 108 може фактично бути включений в систему 130.
Сільськогосподарський пристрій 111 може мати один або більше віддалених датчиків 112, закріплених на ньому, причому ці датчики комунікативно пов'язані безпосередньо або опосередковано за допомогою сільськогосподарського пристрою 111 з комп'ютерною системою сільськогосподарської розвідки 130 та запрограмовані або виконані з можливістю передачі даних датчиків в комп'ютерну систему сільськогосподарської розвідки 130. Приклади сільськогосподарських апаратів 111 включають трактори, комбайни, машини-збирачі, сівалки, вантажівки, обладнання для добрив, повітряні судна, включаючи безпілотні літальні апарати, та будь-який інший предмет фізичної техніки чи технічних засобів, як правило, мобільних машин, й який може бути використаний в завданнях, пов'язаних з сільським господарством. У деяких варіантах здійснення одиничний блок пристрою 111 може містити множину датчиків 112, які локально з'єднані у мережу на пристрої; мережа локальних контролерів (САМ) є прикладом такої мережі, яка може бути встановлена в комбайнах, машинах-збирачах, обприскувачах і культиваторах. Контролер додатків 114 комунікативно під'єднаний до комп'ютерної системи
Зо сільськогосподарської розвідки 130 за допомогою мережі (мереж) 109 та запрограмований або виконаний з можливістю прийому одного або декількох сценаріїв, які використовуються для контролю робочого параметра сільськогосподарського транспортного засобу або впровадженими від комп'ютерної системи сільськогосподарської розвідки 130. Наприклад, може бути використана шина інтерфейсу локальної мережі контролерів (САМ) для забезпечення комунікації від комп'ютерної системи сільськогосподарської розвідки 130 до сільськогосподарського пристрою 111, наприклад, як СГІМАТЕ РІЕЄГО МІЕУМ ОКІМЕ, доступний від корпорації Те Сійтасе Согрогайоп, Сан-Франциско, Каліфорнія. Дані датчиків можуть містити той самий тип інформації, що і польові дані 106. У деяких варіантах здійснення віддалені датчики 112 можуть не фіксуватися на сільськогосподарському пристрої 111, але можуть бути віддалено знаходиться у полі та можуть спілкуватися з мережею 109.
Пристрій 111 може містити комп'ютер кабіни 115, запрограмований з додатком кабіни, який може містити версію або варіант мобільного додатка для пристрою 104, який далі описаний в інших розділах даного документу. У варіанті здійснення, комп'ютер кабіни 115 містить компактний комп'ютер, комп'ютер розміром з планшет або смартфон, з графічним дисплеєм, таким як кольоровий дисплей, який встановлений у кабіні оператора пристрою 111. Комп'ютер кабіни 115 може виконувати деякі або всі операції та функції, описані далі в даному описі для мобільного комп'ютерного пристрою 104.
Мережа (жі) 109 в цілому представляє будь-яку комбінацію однієї або більше мереж передачі даних, включаючи локальні мережі, широкосмугові мережі, між мережевий обмін або інтермережі, використовуючи будь-які дротові або бездротові лінії зв'язку, включаючи наземні або супутникові лінії зв'язку. Мережа (жі) може бути реалізована будь-яким середовищем або механізмом, що забезпечує обмін даними між різними елементами на ФІГ. 1. Різні елементи на
ФІГ. 1 можуть також мати прямі (дротові або бездротові) лінії зв'язку. Датчики 112, контролер 114, комп'ютер сервера зовнішніх даних 108 та інші елементи системи, кожний містить інтерфейс, сумісний з мережею (ми) 109, і запрограмовані або виконані з можливістю використання стандартизованих протоколів для зв'язку через мережі, такі як ТСР/Р, Віцейфооїй, протокол САМ та протоколи вищого рівня, такі як НТТР, ТІ 5 і тому подібне.
Комп'ютерна система сільськогосподарської розвідки 130 запрограмована або виконана з можливістю прийому польових даних 106 від обчислювального пристрою менеджера полів 104, 60 зовнішніх даних 110 від комп'ютера сервера зовнішніх даних 108 та даних датчика від віддаленого датчика 112. Комп'ютерна система сільськогосподарської розвідки 130 може бути додатковою налаштована на розміщення, використання або виконання однієї або декількох комп'ютерних програм, інших елементів програмного забезпечення, цифрово запрограмованої логіки, такої як ЕРСА5 або АБІС», або будь-якої їх комбінації для виконання трансляції та зберігання значень даних, побудови цифрових моделей однієї або декількох сільськогосподарських культур на одному або більше полів, генерації рекомендацій та повідомлень, та генерації та надсилання сценаріїв контролеру додатків 114, способом, описаним далі в інших розділах даного розкриття.
У одному з варіантів здійснення комп'ютерна система сільськогосподарської розвідки 130 запрограмована або містить комунікаційний рівень 132, представницький рівень 134, рівень керування даними 140, рівень 150 апаратного забезпечення/віртуалізації та сховище даних моделі та польових даних 160. "Рівень" у даному контексті відноситься до будь-якої комбінації схем електронного цифрового інтерфейсу, мікроконтролерів, апаратно-програмного забезпечення, такого як драйвери та/або комп'ютерні програми або інші елементи програмного забезпечення.
Комунікаційний рівень 132 може бути запрограмований або виконаний з можливістю виконання інтерфейсних функцій вводу/виводу, включаючи надсилання запитів на обчислювальний пристрій менеджера полів 104, комп'ютер сервера зовнішніх даних 108 і віддалений датчик 112 для польових даних, зовнішніх даних та даних датчика відповідно.
Комунікаційний рівень 132 може бути запрограмований або сконфігурований для відправлення отриманих даних до сховища даних моделі та польових даних 160, для зберігання як польові дані 106.
Представницький рівень 134 може бути запрограмований або виконаний з можливістю створення графічного інтерфейсу користувача (ЗІ), який відображатиметься на обчислювальному пристрої менеджера полів 104, комп'ютері кабіни 115 або інших комп'ютерах, які з'єднані з системою 130 через мережу 109. ІІ може містити елементи керування для введення даних, що надсилаються до комп'ютерної системи сільськогосподарської розвідки 130, створення запитів на моделі та/або рекомендації та/або відображення рекомендацій, повідомлень, моделей й інших польових даних.
Зо Рівень керування даними 140 може бути запрограмований або виконаний з можливістю керування операціями читання та операціями запису, що включають сховище 160 й інші функціональні елементи системи, включаючи запити та набори результатів, що передаються між функціональними елементами системи та сховищем. Приклади рівня керування даними 140, серед іншого, включають Д/ОВС, код інтерфейсу сервера 5ОЇ та/або код інтерфейсу
НАОБООР. Сховище 160 може містити базу даних. Використовуваний у даному документі термін "база даних" може відноситися до кожного масиву даних, реляційної системи керування базами даних (КОВМ5), або обох. Як використовується у даному документі, база даних може містити будь-яку колекцію даних, включаючи ієрархічні бази даних, реляційні бази даних, бази даних плоских файлів, об'єктно-реляційні бази даних, об'єктно-орієнтовані бази даних, розподілені бази даних, та будь-яку іншу структуровану колекцію записів або даних, що зберігаються в комп'ютерній системі. Приклади КОВМ5 включають, але не обмежуючись цим, бази даних
ОКАСІ ЕФ, МУБОЇ, ІВМФ 082, МІСКОБОРТФ 5ОЇ 5ЕКМЕК, 5БУВАБЕФ та РОБТОКЕЗОЇ..
Однак може використовуватися будь-яка база даних, яка включає системи та методи, описані тут.
Коли польові дані 106 не надаються безпосередньо до комп'ютерної системи сільськогосподарської розвідки за допомогою однієї або декількох сільськогосподарських машин або пристроїв сільськогосподарських машин, що взаємодіють з комп'ютерною системою сільськогосподарської розвідки, користувач може отримати запит через один або більше користувальницьких інтерфейсів на користувацькому пристрої (обслуговується комп'ютерною системою сільськогосподарської розвідки) для введення такої інформації. У прикладі варіанта здійснення користувач може вказати ідентифікаційні дані, отримуючи доступ до карти на пристрої користувача (обслуговується комп'ютерною системою сільськогосподарської розвідки) та вибрати конкретні СІ Ш, які були графічно показані на мапі. В альтернативному варіанті користувач 102 може вказувати ідентифікаційні дані шляхом доступу до мапи на пристрої користувача (обслуговується комп'ютерною системою сільськогосподарської розвідки 130) та нанесення меж поля на мапу. Такі виділення СО або креслення мапи представляють географічні ідентифікатори. В альтернативних варіантах здійснення користувач може вказувати ідентифікаційні дані, отримуючи доступ до ідентифікаційних даних полів (наданих у вигляді векторного файлу або у подібному форматі) від Агентства з обслуговування сільського бо господарства Міністерства сільського господарства США або іншого джерела через пристрій користувача та надаючи такі ідентифікаційні дані полів комп'ютерній системі сільськогосподарської розвідки.
У прикладі варіанта здійснення, комп'ютерна система сільськогосподарської розвідки 130 запрограмована на створення та спричинення відображення графічного інтерфейсу користувача, що містить менеджер даних для введення даних. Після того, як одне або більше полів були визначені за допомогою описаних вище методів, менеджер даних може надати один або кілька графічних віджетів користувальницького інтерфейсу, які при виборі можуть ідентифікувати зміни до поля, грунту, сільськогосподарських культур, обробки грунту або поживних речовин. Менеджер даних може включати вигляд часової шкали, подання електронних таблиць та/або одну або кілька редагованих програм.
ФІГ. 5 зображує приклад варіанта здійснення подання шкали часу для введення даних.
Використовуючи дисплей, зображений на ФІГ. 5, комп'ютер користувача може ввести вибір певного поля та певну дату для додавання події. Події, зображені у верхній частині часової шкали, можуть включати Азот, Посадку, Обробки та Грунт. Щоб додати подію застосування азоту, комп'ютер користувача може надати вхідні дані для вибору вкладки азоту. Потім комп'ютер користувача може вибрати місце на часовій шкалі для конкретного поля, щоб вказати нанесення азоту на вибране поле. У відповідь на отримання вибору місця на часовій шкалі для певного поля, менеджер даних може відобразити накладку для введення даних, що дозволяє комп'ютеру користувача вводити дані, що стосуються внесення азоту, процедур посадки, внесення грунту, процедур обробки грунту, практики зрошення, або іншу інформацію, що стосується конкретного поля. Наприклад, якщо комп'ютер користувача вибирає частину часової шкали та вказує внесення азоту, тоді накладення для введення даних може включати поля для введення кількості застосованого азоту, дату внесення, тип використовуваного добрива та будь- яку іншу інформацію, яка відноситься до застосування азоту.
У варіанті здійснення менеджер даних забезпечує інтерфейс для створення однієї або більше програм. "Програма" в даному контексті відноситься до набору даних, що стосуються застосувань азоту, процедур посадки, внесення грунту, процедур обробки грунту, практики зрошення або іншої інформації, яка може бути пов'язана з одним або більше полями й яка може зберігатися у сховищі цифрових даних для повторного використання як набір для інших
Зо операцій. Після того, як програма була створена, вона може бути концептуально застосована до одного або більше полів, а посилання на програму можуть зберігатися в цифровому сховищі разом із даними, що ідентифікують поля. Таким чином, замість ручного введення однакових даних, що стосуються одних і тих самих застосувань азоту для множини різних полів, комп'ютер користувача може створити програму, яка вказує конкретне застосування азоту, а потім застосувати програму до множини різних полів. Наприклад, у поданні шкали часу на ФІГ.5, на двох верхніх часових шкалах вибрана програма "Весняне застосування"яка включає застосування на 150 фунтівМ/ак на початку Квітня. Менеджер даних може забезпечити інтерфейс для редагування програми. У варіанті здійснення, коли редагується конкретна програма, кожне поле, яке вибрало конкретну програму, редагується. Наприклад, на ФІГ.5, якщо програма "Весняне застосування" відредагована на зменшення застосування азоту до 130 фунтівМ/ак, два верхніх поля можуть бути оновлені зі зменшеним застосуванням азоту на основі відредагованої програми.
У варіанті здійснення, у відповідь на отримання змін у полі, що має вибрану програму, менеджер даних видаляє відповідність поля вибраній програмі. Наприклад, якщо застосування азоту додано до верхнього поля на ФІГ.5, інтерфейс може оновитись, щоб вказати, що програма "Весняне застосування" більше не застосовується до верхнього поля. Тоді як внесення азоту на початку квітня може залишитися, оновлення до програми "Весняне застосування" не змінять квітневе застосування азоту.
ФІГ.б зображує приклад втілення подання електронної таблиці для введення даних.
Використовуючи дисплей, зображений на ФІГ.б6, користувач може створювати та редагувати інформацію для одного або більше полів. Менеджер даних може включати електронні таблиці для введення інформації щодо Азоту, Посадки, Обробки та Грунту, якпоказанонафіг.б. Для редагування певного запису комп'ютер користувача може вибрати конкретний запису таблиці та оновити значення. Наприклад, ФІГ.б зображує поточне оновлення до цільового значення врожаю для другого поля. Крім того, комп'ютер користувача може вибрати одне або більше полів, щоб застосувати одну або більше програм. У відповідь на отримання вибору програми для певного поля менеджер даних може автоматично заповнювати записи для конкретного поля на основі вибраної програми. Як й у режимі часової шкали, менеджер даних може оновлювати записи для кожного поля, пов'язаного з певною програмою, у відповідь на отримання оновлення програми. Крім того, менеджер даних може видалити відповідність вибраної програми полю у відповідь на отримання редагування одного з записів для поля.
У варіанті здійснення модель та польові дані зберігаються у сховищі даних моделі та польових даних 160. Дані моделі містять даних моделей, створені для одного або більше полів.
Наприклад, модель сільськогосподарської культури може включати побудовану в цифровому вигляді модель розвитку сільськогосподарської культури на одному або більше полях. "Модель" у даному контексті відноситься до електронного цифрового набору виконуваних інструкцій та значень даних, пов'язаних між собою, які здатні приймати та відповідати на програмний або інший цифровий виклик, звернення або запит на вирішення на основі вказаних значень введення, щоб отримати одне або більше збережених або розрахованих вихідних значень, які можуть служити основою реалізованих комп'ютером рекомендацій, виведення вихідних даних або управління машиною, серед іншого. Фахівцям в цій галузі буде зручніше сформулювати моделі за допомогою математичних рівнянь, але ця форма вираження не обмежує розкриті тут моделі абстрактними поняттями; натомість кожна модель у даному документі має практичне застосування на комп'ютері у вигляді збережених виконуваних інструкцій та даних, які реалізують модель за допомогою комп'ютера. Модель може включати модель минулих подій на одному або більше полях, модель поточного стану одного або більше полів і/або модель прогнозованих подій на одному або більше полях. Дані моделі та поля можуть бути збережені в структурних даних у пам'яті, рядках таблиці бази даних, у неструктурованих файлах або електронних таблицях, або інших формах збережених цифрових даних.
У варіанті здійснення, комп'ютерна система сільськогосподарської розвідки 130 запрограмована на те, щоб містити сервер польових досліджень ("сервер") 170. Сервер 170 додатково виконаний з можливістю включати керуючого адміністратора 172 та модуль таргетування поля 174. Керуючий адміністратор 172 налаштований на керування наскрізним польовим дослідженням між виробниками. Наскрізний процес може включати різні компоненти, включаючи таргетування сільськогосподарських виробників та їх полів, призначення експериментів на полях для (демонстрації та) досягнення прогнозованих результатів, збір даних із призначених експериментів, підтвердження виконання призначених експериментів, аналіз зібраних даних для створення корисної інформації для сільськогосподарських виробників,
Зо включаючи сільськогосподарські поради та рекомендації, та розподіл такої інформації серед систем сільськогосподарського виробника. Керуючий адміністратор 172 додатково сконфігурований для впорядкування наскрізного процесу та застосування відповідних методів у кожному з компонентів. Модуль таргетування поля 174 запрограмований для фокусування на компоненті таргетування поля у наскрізному процесі. Зокрема, модуль таргетування поля 174 запрограмований для визначення того, які експерименти потрібно виконати на якому з полів.
Керуючий адміністратор 172 може бути сконфігурований для зв'язку з модулем таргетування поля 174 для реалізації компонента таргетування поля у наскрізному процесі. Сервер 170 може включати додаткові модулі для зосередження на інших компонентах у наскрізному процесі.
Кожен компонент сервера 170 містить набір з однієї або більше сторінок основної пам'яті, такої як оперативна пам'ять, в комп'ютерній системі сільськогосподарської розвідки 130, в яку завантажуються інструкції для виконання й які при виконанні спонукають систему сільськогосподарської розвідки виконувати функції або операції, описані тут з посиланням на ці модулі. Наприклад, модуль таргетування поля 174 може містити набір сторінок в оперативній пам'яті, які містять інструкції, які при виконанні викликають виконання функцій вибору місця, які описані у даному документі. Інструкції можуть бути в машинно-виконуваному коді в наборі інструкцій центрального процесора і можуть бути складені на основі вихідного коду, написаного на 9АМА, С, Ся, ОВОЕСТІМЕ-С або будь-якій іншій читаємій людиною мові програмування або середовищі, окремо або у поєднанні зі сценаріями на "АМАЗСРКІРТ, іншими мовами сценаріїв та іншим вихідним текстом програмування. Термін "сторінки" призначений для широкого позначення будь-якої області в межах основної пам'яті, і конкретна термінологія, що використовується в системі, може змінюватися залежно від архітектури пам'яті або архітектури процесора. В іншому варіанті здійснення кожен компонент сервера 170 також може представляти один або більше файлів або проектів вихідного коду, які зберігаються цифровому вигляді у запам'ятовувальному пристрої великої ємності, такому як енергонезалежна оперативна пам'ять або дисковий накопичувач, в комп'ютерній системі сільськогосподарської розвідки 130 або окремій системі зберігання, які при компіляції або інтерпретації викликають генерацію інструкцій для виконання, які при виконанні спонукають комп'ютерну систему сільськогосподарської розвідки виконувати функції або операції, описані у даному документі з посиланням на ці модулі. Іншими словами, фігура може представляти спосіб, яким програмісти 60 або розробники програмного забезпечення організовують та впорядковують вихідний код для подальшої компіляції у виконуваний, або інтерпретації у байт-код або еквівалент для виконання за допомогою комп'ютерної системи сільськогосподарської розвідки 130.
Апаратний/віртуалізаційний рівень 150 містить один або більше центральних процесорних блоків (ЦП), контролерів пам'яті та інших пристроїв, компонентів або елементів комп'ютерної системи, таких як енергозалежна або енергонезалежна пам'ять, енергонезалежне сховище, таке як диск, а також пристрої або інтерфейси вводу/виводу, як проілюстровано та описано, наприклад, у зв'язку з ФІГ. 4. Шар 150 також може містити програмні інструкції, які сконфігуровані для підтримки віртуалізації, контейнеризації або інших технологій.
З метою ілюстрації наочного прикладу, ФІГ. 1 показує обмежену кількість екземплярів певних функціональних елементів. Однак в інших варіантах здійснення може бути будь-яка кількість таких елементів. Наприклад, варіанти здійснення можуть використовувати тисячі або мільйони різних мобільних обчислювальних пристроїв 104, пов'язаних з різними користувачами.
Крім того, система 130 та/або комп'ютерний сервер зовнішніх даних 108 можуть бути реалізовані з використанням двох або більше процесорів, ядер, кластерів або екземплярів фізичних машин або віртуальних машин, сконфігурованих в окремому розташуванні або розташованих спільно з іншими елементами в центрі обробки даних, загальнодоступних обчислювальних засобів або хмарних обчислювальних засобів. 2.2. ОГЛЯД ЗАСТОСОВАНОЇ ПРОГРАМИ
У одному з варіантів здійснення, здійснення функцій, описаних у даному документі, з використанням однієї або більше комп'ютерних програм або інших програмних елементів, які завантажуються та виконуються з використанням одного або більше комп'ютерів загального призначення, призведуть конфігурацію комп'ютерів загального призначення бути певною машиною або комп'ютером, який спеціально пристосований для виконання функцій, описаних у даному документі. Крім того, кожна з блок-схем, описана далі у даному документі, може служити окремо або у поєднанні з описами процесів і функцій у прозі у даному документі, в якості алгоритмів, планів або розпоряджень, які можуть бути використані для програмування комп'ютера або логіки для реалізації функцій які описані. Іншими словами, весь текст у прозі у даному документі та всі фігури разом призначені для забезпечення розкриття алгоритмів, планів або розпоряджень, достатніх для того, щоб кваліфікований фахівець програмував
Зо комп'ютер для виконання функцій, описаних у даному документі, у поєднанні з майстерністю та знаннями такої особи з огляду на рівень кваліфікації, який відповідає винаходам та розкриттям даного типу.
У варіанті здійснення користувач 102 взаємодіє з комп'ютерною системою сільськогосподарської розвідки 130, використовуючи обчислювальний пристрій менеджера полів 104, сконфігурований з операційною системою та однією або кількома прикладними програмами або додатками; обчислювальний пристрій менеджера полів 104 також може взаємодіяти з комп'ютерною системою сільськогосподарської розвідки незалежно й автоматично під програмним контролем або логічним контролем, і безпосередня взаємодія користувача не завжди потрібна. Обчислювальний пристрій менеджера полів 104 в цілому представляє один або декілька смартфонів, КПК, планшетних комп'ютерних пристроїв, портативних комп'ютерів, настільних комп'ютерів, робочих станцій або будь-яких інших комп'ютерних пристроїв, здатних передавати та приймати інформацію та виконувати функції, описані тут. Обчислювальний пристрій менеджера полів 104 може взаємодіяти за допомогою мережі, використовуючи мобільний додаток, що зберігається на обчислювальний пристрій менеджера полів 104, й у деяких варіантах здійснення пристрій може бути з'єднаний за допомогою кабелю 113 або роз'єму з датчиком 112 та/або контролером 114. Конкретний користувач 102 може володіти, експлуатувати або мати та використовувати, у зв'язку із системою 130, більше ніж один обчислювальний пристрій менеджера полів 104.
Мобільний додаток може забезпечувати функціонування на стороні клієнта за допомогою мережі до одного або більше мобільних обчислювальних пристроїв. У прикладі варіанта здійснення обчислювальний пристрій менеджера полів 104 може отримати доступ до мобільного додатку через веб-браузер або локальний клієнтський додаток або додаток.
Обчислювальний пристрій менеджера полів 104 може передавати дані на, та отримувати дані від одного або більше серверів переднього плану, використовуючи веб-протоколи або формати, такі як НТТР, ХМ. та/або У5ОМ, або протоколи, специфічні для додатків. У зразковому варіанті здійснення дані можуть приймати форму запитів та введення інформації користувачем, таких як польові дані, в мобільний обчислювальний пристрій. У деяких варіантах здійснення мобільний додаток взаємодіє з апаратним та програмним забезпеченням відстеження місцезнаходження на обчислювальному пристрої менеджера полів 104, який визначає місце розташування бо обчислювального пристрою менеджера полів 104, використовуючи стандартні методи відстеження, такі як багатопозиційна система спостереження або радіосигнали, система глобального позиціонування (СРБ), УМігі системи позиціонування або інші способи мобільного позиціонування. У деяких випадках дані про місцезнаходження або інші дані, пов'язані з пристроєм 104, користувачем 102 й/або обліковим(ми) записом(ми) користувача, можуть бути отримані шляхом запитів до операційної системи пристрою або запитом додатку на пристрої для отримання даних від операційної системи.
У варіанті здійснення обчислювальний пристрій менеджера полів 104 надсилає польові дані 106 до комп'ютерної системи сільськогосподарської розвідки 130, що містить або включає, але не обмежуючись ними, значення даних, що представляють одне або більше з: географічне розташування одного або більше полів, інформацію про обробку для одного або більше полів, культури, висаджені на одному або декількох полях, і дані грунту, витягнуті з одного або декількох полів. Обчислювальний пристрій менеджера полів 104 може надсилати польові дані 106 у відповідь на введення користувача від користувача 102, вказуючи значення даних для одного або більше полів. Крім того, обчислювальний пристрій менеджера полів 104 може автоматично надсилати польові дані 106, коли одне або більше значень даних стає доступним для обчислювального пристрою менеджера полів 104. Наприклад, обчислювальний пристрій менеджера полів 104 може бути комунікативно з'єднаний з віддаленим датчиком 112 і/або контролером додатку 114, які включають датчик зрошення та/або контролер зрошення. У відповідь на прийом даних, що вказують на те, що контролер додатків 114 випустив воду на одне або більше поле, обчислювальний пристрій менеджера полів 104 може надсилати польові дані 106 в комп'ютерну систему сільськогосподарської розвідки 130, що вказує на те, що вода була випущена на одному або більше полях. Польові дані 106, ідентифіковані у цьому розкритті, можуть бути введені та передані за допомогою електронних цифрових даних, які передаються між обчислювальними пристроями за допомогою параметризованих ОРІ -адрес через НТТР, або іншого придатного протоколу зв'язку або обміну повідомленнями.
Комерційним прикладом мобільного додатка є СГІМАТЕ РІЕСГОМІЕМУ, комерційно доступний від Те Сіїйтацге Согрогайоп, Сан-Франциско, Каліфорнія. Додаток СГІМАТЕ РІЕЄГОМІЕММУ або інші додатки можуть бути модифіковані, розширені або адаптовані для включення особливостей, функцій та програмування, які не були розкриті раніше дати подання даного розкриття. В
Зо одному варіанті здійснення мобільний додаток містить інтегровану програмну платформу, яка дозволяє сільськогосподарському виробнику приймати рішення, що грунтуються на фактах, для їх роботи, оскільки він поєднує історичні дані про поля сільськогосподарського виробника з будь-якими іншими даними, які виробник бажає порівняти. Поєднання та порівняння можуть виконуватися в режимі реального часу та базуватися на наукових моделях, що забезпечують потенційні сценарії, що дозволяють сільськогосподарському виробнику приймати кращі, більш обгрунтовані рішення.
ФІГ. 2 ілюструє два види прикладу логічної організації наборів інструкцій в основній пам'яті, коли зразковий мобільний додаток завантажується для виконання. На Фіг. 2, кожен іменований елемент представляє область однієї або більше сторінок оперативної пам'яті або іншої основної пам'яті або одного або більше блоків дискового сховища або іншого енергонезалежного сховища, а також запрограмовані інструкції в цих регіонах. В одному варіанті здійснення, у вигляді (ах), мобільний комп'ютерний додаток 200 містить поля облікових записів-інструкції щодо спільного використання даних 202, інструкції огляду та попередження 204, книги інструкцій цифрових карт 206, насінневі та посадкові інструкції 208, азотні інструкції 210, погодні інструкції 212, інструкції стану поля 214 та інструкції з експлуатації 216.
В одному варіанті здійснення мобільний комп'ютерний додаток 200 включає обліковий запис, поля, передачу даних, інструкції спільного використання 202, які запрограмовані на отримання, переклад і поглинання польових даних від сторонніх систем за допомогою ручного завантаження або АРІ. Типи даних, серед іншого, можуть включати межі полів, карти врожаю, карти висадки, результати випробувань грунту, карти, що застосовані та/або зони управління.
Формати даних, серед іншого, можуть включати, зокрема, файли форм, власні формати даних третіх сторін й/або експорт інформаційної системи управління фермами (ЕМІ5). Отримання даних може відбуватися за допомогою ручного завантаження, електронної пошти з вкладенням, зовнішніх АРІ, які передають дані в мобільний додаток, або інструкцій, які викликають АРІ зовнішніх систем для передачі даних у мобільний додаток. В одному варіанті здійснення мобільний комп'ютерний додаток 200 містить папку вхідних даних. У відповідь на отримання вибору папки "Вхідні" даних мобільний комп'ютерний додаток 200 може відображати графічний інтерфейс користувача для ручного завантаження файлів даних та імпорту завантажених файлів менеджеру даних.
В одному варіанті здійснення книги інструкції цифрових карт 206 містять шари даних польових карт, що зберігаються у пам'яті пристрою, і запрограмовані за допомогою засобів візуалізації даних та геопросторових приміток до полів. Це забезпечує сільськогосподарським виробникам мати під рукою зручну інформацію для довідки, реєстрації та візуального уявлення про результати роботи на полях. В одному варіанті здійснення інструкції огляду та попередження 204 запрограмовані для забезпечення загальноопераційного уявлення про те, що важливо для сільськогосподарського виробника, та своєчасних рекомендацій щодо вжиття заходів або зосередження на конкретних проблемах. Це дозволяє сільськогосподарському виробнику зосередити час на тому, що потребує уваги, заощадити час і зберегти врожай протягом усього сезону. В одному варіанті здійснення насінневі та посадкові інструкції 208 запрограмовані на забезпечення інструментів для вибору насіння, гібридного розміщення та створення сценарію, включаючи створення сценарію зі змінною швидкістю (УК), на основі наукових моделей й емпіричних даних. Це дозволяє сільськогосподарським виробникам максимізувати врожайність або рентабельність інвестицій завдяки оптимізованому придбанню, розміщенню та щільності висіву насіння.
В одному варіанті здійснення інструкції створення сценаріїв 205 запрограмовані на забезпечення інтерфейсу для генерації сценаріїв, включаючи сценарії родючості зі змінною швидкістю (УК). Інтерфейс дозволяє сільськогосподарським виробникам створювати сценарії для польових знарядь, таких, які вносять поживні речовини, роблять посадку та зрошення.
Наприклад, інтерфейс сценарію посадки може містити інструменти для ідентифікації типу насіння для посадки. Отримавши вибір типу насіння, мобільний комп'ютерний додаток 200 може відображати одне або декілька полів, розбитих на зони управління, такі як шари даних польових карт, створені як частина інструкцій цифрової книги карт 206. В одному варіанті здійснення зони управління містять зони грунту, а також панель, що ідентифікує кожну зону грунту та назву грунту, текстуру, дренаж для кожної зони або інші дані полів. Мобільний комп'ютерний додаток 200 може також відображати інструменти для редагування або створення таких, як графічні інструменти для малювання зон управління, таких як зони грунту, на карті одного або більше полів. Процедури посадки можуть бути застосовані до всіх зон управління або різні процедури посадки можуть бути застосовані до різних підгруп зон управління. Коли створюється сценарій,
Зо мобільний комп'ютерний додаток 200 може зробити сценарій доступним для завантаження у форматі, що читається контролером програми, такому як архівований або стислий формат.
Додатково, й/або альтернативно, сценарій може бути надісланий безпосередньо на комп'ютер кабіни 115 з мобільного комп'ютерного додатка 200 та/або завантажений на один або більше серверів даних і збережений для подальшого використання.
В одному варіанті здійснення азотні інструкції 210 запрограмовані на забезпечення інструментів для інформування рішень щодо азоту шляхом візуалізації доступності азоту для посівів. Це дозволяє сільськогосподарським виробникам максимізувати врожайність або рентабельність інвестицій за рахунок оптимізованого внесення азоту протягом сезону.
Приклади запрограмованих функцій включають відображення зображень, таких як зображення
З5ИЦКОСО, щоб дозволити малювати зони внесення добрив і/або зображень, створених на основі даних грунту підполя, таких як дані, отримані від датчиків, з високою просторовою роздільною здатністю (такою як міліметри, або менше, залежно від близькості та роздільної здатності датчика); завантаження існуючих визначених сільськогосподарським виробником зон; надання графіку доступності рослинних поживних речовин і/або карти, що дозволяє налаштувати застосування азоту в декількох зонах; виведення сценаріїв для керування машинами; інструменти для масового введення та коригування даних; і/або карти для візуалізації даних, серед іншого. "Масове введення даних" у даному контексті може означати введення даних один раз, а потім застосування таких самих даних до множини полів і/або зон, які були визначені у системі; приклади даних можуть включати дані про застосування азоту, які є однаковими для багатьох полів і/або зон одного і того самого сільськогосподарського виробника, але таке масове введення даних застосовується до введення будь-якого типу польових даних у мобільний комп'ютерний додаток 200. Наприклад, азотні інструкції 210 можуть бути запрограмований на прийняття визначення застосування азоту та практичних програм і прийняти введення користувачем, що вказує застосовувати ці програми на декількох полях. "Програми застосування азоту" у даному контексті відносяться до збережених, іменованих наборів даних, які пов'язують, серед іншого: ім'я, кольоровий код або інший ідентифікатор, одну або більше дат застосування, типи матеріалу або продукту для кожної з дат та кількості, спосіб застосування або включення, такий як ін'єкція або розкидання, та/або кількості або норми застосування для кожної з дат, врожай або гібрид, що є предметом застосування. "Програми бо застосування азоту", у цьому контексті відносяться до збережених, іменованих наборів даних,
які асоціюються, серед іншого, з: назвою практик; попереднім врожаєм; системою обробки грунту; дати переважної обробки грунту; однією або декількома попередніми системами обробки грунту, які використовувались; одним або декількома показниками типу застосування, такого як гній, який був використаний. Азотні інструкції 210 також можуть бути запрограмовані на створення та виконання відображення графіка азоту, що вказує на прогнози використання рослинами зазначеного азоту та прогнозується чи буде надлишок або дефіцит; у деяких варіантах здійснення різні кольорові індикатори можуть сигналізувати про величину надлишку або про величину дефіциту. В одному варіанті здійснення графік азоту містить графічний дисплей на пристрої відображення комп'ютера, що містить множину рядків, кожен рядок пов'язаний з полем, яке ідентифікує; дані вказують, яка сільськогосподарська культура висаджена на полі, розмір поля, розташування поля та графічне зображення периметра поля; у кожному рядку - шкала по місяцях із графічними показниками, що вказують кожне застосування азоту та кількість у пунктах, що співвідносяться з назвами місяців; і числові та/або кольорові індикатори надлишку або дефіциту, в яких колір вказує на величину.
В одному варіанті здійснення графік азоту може включати одну або більше введених користувачем функцій, таких як циферблати або повзунки, для динамічної зміни програм внесення азоту та практик, щоб користувач міг оптимізувати свій графік азоту. Потім користувач може використовувати свій оптимізований графік азоту та відповідні програми посадки азоту та практик для реалізації одного або більше сценаріїв, включаючи сценарії родючості зі змінною швидкістю (МК). Азотні інструкції 210 також можуть бути запрограмовані на формування та спричинення відображення азотної карти, яка вказує прогнози використання рослинами зазначеного азоту та прогнозується надлишок або дефіцит; в деяких варіантах здійснення різні кольорові індикатори можуть сигналізувати про величину надлишку або про величину дефіциту.
Азотна карта може відображати прогнози використання рослинами зазначеного азоту, а також прогнозується надлишок або дефіцит для різних часів у минулому та майбутньому (наприклад, щодня, щотижня, щомісяця чи року) з використанням числових і/або кольорових індикаторів надлишку або дефіциту, в яких колір вказує на величину. В одному варіанті здійснення азотна карта може включати одну або більше функцій введення користувачем, таких як циферблати або повзунки, для динамічного зміни програм посадки азоту та практик, щоб користувач міг
Зо оптимізувати свою азотну карту, таким чином отримуючи бажану кількість надлишку до дефіциту. Потім користувач може використовувати свою оптимізовану азотну карту та відповідні програми посадки азоту та практик для реалізації одного або більше сценаріїв, включаючи сценарії родючості зі змінною швидкістю (УК). В інших варіантах здійснення аналогічні інструкції до азотних інструкцій 210 можуть бути використані для застосування інших поживних речовин (таких як фосфор та калій), застосування пестицидів та програм зрошення.
В одному варіанті здійснення погодні інструкції 212 запрограмовані на надання останніх погодних даних і прогнозованої погодної інформації для конкретних полів. Це дозволяє сільськогосподарським виробникам економити час та мати ефективний інтегрований дисплей відносно щоденних оперативних рішень.
В одному варіанті здійснення інструкції стану поля 214 запрограмовані для надання своєчасних зображень дистанційного зондування, що висвітлюють сезонні зміни врожаю та потенційні проблеми. Приклади запрограмованих функцій включають, серед іншого, перевірку хмарності для визначення можливих хмар або тіней хмар; визначення показників азоту на основі польових зображень; графічна візуалізація розвідувальних шарів, включаючи, наприклад, ті, що відносяться до стану полів, та перегляд і/або спільний доступ до розвідувальних нотаток; або завантаження супутникових знімків з множини джерел та визначення пріоритетів зображень для сільськогосподарського виробника.
В одному варіанті здійснення інструкції з експлуатації 216 запрограмовані для надання звітів, аналізу та інструментальних даних, що використовують дані на фермі для оцінки, розуміння та прийняття рішень. Це дозволяє сільськогосподарському виробнику шукати покращених результатів на наступний рік шляхом висновків, заснованих на фактах, про те, чому рентабельність інвестицій була на попередніх рівнях, та розуміння факторів, що обмежують врожайність. Інструкції з експлуатації 216 можуть бути запрограмовані на зв'язок за допомогою мережи(еж) 109 із програмами аналізу внутрішніх даних, що виконуються в комп'ютерній системі сільськогосподарської розвідки 130 та/або серверному комп'ютері зовнішніх даних 108 і виконані з можливістю аналізу таких показників як, серед іншого, врожайність, диференціальна врожайність, гібрид, щільність посіву, зона 55ИЦКОО, властивості випробувань грунту, або підйом. Запрограмовані звіти та аналіз можуть включати, серед іншого, аналіз мінливості врожаю, оцінку ефекту лікування, порівняльний показник врожайності та інші показники щодо інших виробників на основі анонімних даних, зібраних від багатьох сільськогосподарських виробників, або даних про насіння та посадку.
Програми, що мають налаштовані таким чином інструкції, можуть бути реалізовані для різних платформ обчислювальних пристроїв, при цьому зберігаючи однаковий загальний вигляд інтерфейсу користувача. Наприклад, мобільний додаток може бути запрограмований для виконання на планшетах, смартфонах або серверних комп'ютерах, які мають доступ, що здійснюється за допомогою браузерів на клієнтських комп'ютерах. Крім того, мобільний додаток, як він сконфігурований для планшетних комп'ютерів або смартфонів, може забезпечити повний досвід роботи додатків або досвід роботи з кабіною, який підходить для відображення та обробки можливостей комп'ютера кабіни 115. Наприклад, посилаючись тепер на вигляд (Б) на
ФІГ. 2, в одному варіанті здійснення додаток комп'ютера кабіни 220 може містити інструкції карт- кабіни 222, інструкції віддаленого перегляду 224, інструкції збору та передачі даних 226, інструкції машинних попереджень 228, інструкції передачі сценаріїв 230, й інструкції розвідувальної кабіни 232. Базовий код для інструкцій виду (Б) може бути таким самим як і для виду (а), а виконувані файли, що реалізують код, можуть бути запрограмовані на виявлення типу платформи, на якій вони виконуються, та викриття, через графічний інтерфейс користувача, лише тих функції, які відповідають платформі кабіни або повній платформі. Такий підхід дозволяє системі розпізнати різний досвід користування, який підходить для середовища в кабіні та різних технологічних умов кабіни. Інструкції карт-кабіни 222 можуть бути запрограмовані для надання видів карти на поля, ферми або регіони, які корисні для керування роботою машини. Інструкції віддаленого перегляду 224 можуть бути запрограмовані на включення, управління, і забезпечують уявлення про діяльність машини в режимі реального часу або майже в режимі реального часу для інших обчислювальних пристроїв, підключених до системи 130 за допомогою бездротових мереж, дротових роз'ємів або адаптерів тощо. Інструкції збору та передачі даних 226 можуть бути запрограмовані на включення, управління та забезпечення передачі даних, зібраних на датчиках і контролерах, до системи 130 за допомогою бездротових мереж, дротових роз'ємів або адаптерів тощо. Інструкції машинних попереджень 228 можуть бути запрограмовані на виявлення проблем з роботою машини або інструментів, які пов'язані з кабіною та генерують попередження оператору. Інструкції передачі
Зо сценаріїв 230 можуть бути налаштовані для передачі в сценаріях інструкцій, які налаштовані для керування машинними операціями або збору даних. Інструкції розвідувальної кабіни 232 можуть бути запрограмовані для відображення попереджень на основі місцезнаходження та інформації, отриманої від системи 130, на основі розташування обчислювального пристрою менеджера полів 104, сільськогосподарського приладу 111 або датчиків 112 у полі, а також приймати, управляти та забезпечувати передачу розвідувальних спостережень в систему 130 на основі місцезнаходження сільськогосподарського обладнання 111 або датчиків 112 на полі. 2.3. ДАНІ, ЯКІ ВХОДЯТЬ У КОМП'ЮТЕРНУ СИСТЕМУ
У варіанті здійснення серверний комп'ютер зовнішніх даних 108 зберігає зовнішні дані 110, включаючи дані грунту, що представляють склад грунту для одного або більше полів, і дані про погоду, що представляють температуру та кількість опадів на одному або більше полях. Дані про погоду можуть включати дані про минулу та сучасну погоду, а також прогнози щодо майбутніх даних про погоду. У варіанті здійснення серверний комп'ютер зовнішніх даних 108 містить множину серверів, які надані різними суб'єктами. Наприклад, перший сервер може містити дані про склад грунту, тоді як другий сервер може містити дані про погоду. Крім того, дані про склад грунту можуть зберігатися на декількох серверах. Наприклад, один сервер може зберігати дані, що представляють відсоток піску, мулу та глини у грунті, тоді як другий сервер може зберігати дані, що представляють відсоток органічної речовини (ОМ) у грунті.
У варіанті здійснення віддалений датчик 112 містить один або більше датчиків, які запрограмовані або сконфігуровані для здійснення одного або більше спостережень.
Віддалений датчик 112 може бути повітряними датчиками, такими як супутники, датчики транспортних засобів, датчики обладнання для посадки, датчики обробки грунту, датчики внесення добрив або інсектицидів, датчики збирання та будь-яке інше обладнання, здатне отримувати дані з одного або декількох полів. У варіанті здійснення контролер додатків 114 запрограмований або сконфігурований для прийому інструкцій від комп'ютерної системи сільськогосподарської розвідки 130. Контролер додатків 114 також може бути запрограмований або налаштований для управління робочим параметром сільськогосподарського транспортного засобу або обладнання. Наприклад, контролер програми може бути запрограмований або сконфігурований для управління робочими параметрами транспортного засобу, такими як трактор, обладнання для посадки, обладнання для обробки, обладнання для добрив чи 60 інсектицидів, збирального обладнання або іншого сільськогосподарського обладнання, такого як водяний клапан. Інші варіанти здійснення можуть використовувати будь-які комбінації датчиків і контролерів, з яких наступні є лише вибраними прикладами.
Система 130 може масово отримувати або приймати дані під контролем користувача 102 від великої кількості виробників, які внесли дані до загальної системи баз даних. Цю форму отримання даних можна назвати "ручним прийманням даних", оскільки для отримання даних для використання системою 130 вимагається або запускається одна або кілька керованих користувачем операцій на комп'ютері. Як приклад, додаток СГІМАТЕ РІЕГОМІЕМУ, комерційно доступний від Те Сійтаїе Согрогайоп, Сан-Франциско, Каліфорнія, може експлуатуватися для експорту даних до системи 130 для зберігання у сховищі 160.
Наприклад, системи моніторингу насіння можуть як керувати компонентами апарату сівалки, так й отримувати дані про посадку, включаючи сигнали від датчиків насіння за допомогою сигнального джгута, який містить магістраль САМ та з'єднання точка-точка для реєстрації та/або діагностики. Системи моніторингу насіння можуть бути запрограмовані або сконфігуровані для відображення інтервалу висівання, щільності й іншої інформації для користувача за допомогою комп'ютера кабіни 115 або інших пристрої в системі 130. Приклади розкриті у патенті США. 8,738,243 та публікації патенту США 20150094916, і дане розкриття передбачає знання про інші розкриття патентів.
Подібним чином, системи моніторингу врожайності можуть містити датчики врожайності для збирального пристрою, які надсилають дані вимірювання врожайності в комп'ютер кабіни 115 або інші пристрої в системі 130. Системи контролю врожайності можуть використовувати один або більше віддалених датчиків 112 для отримання вимірювань вологості зерна у комбайні або іншому збирачі та передайте їх вимірювання користувачу за допомогою комп'ютера кабіни 115 або інших пристрої в системі 130.
У варіанті здійснення, приклади датчиків 112, які можуть бути використані з будь-яким рухомим транспортним засобом або типом пристрою, описаного в іншому місці в даному описі, включають кінематичні датчики та датчики положення. Кінематичні датчики можуть містити будь-які датчики швидкості, такі як радарні або колісні датчики швидкості, акселерометри або гіроскопи. Датчики положення можуть містити ЗРБЗ-приймачі або приймачі-передавачі або додатки для розташування чи відображення на карті на основі УМ/-Рі, які запрограмовані для визначення місцеположення, серед іншого, на основі найближчих точок доступу М/РІі.
У варіанті здійснення, приклади датчиків 112, які можуть використовуватися з тракторами або іншими рухомими транспортними засобами, включають датчики швидкості обертання двигуна, датчики витрати палива, лічильники площі або лічильники відстані, які взаємодіють з
СРБЗ або радіолокаційними сигналами, ВП (відбір потужності) датчики швидкості, датчики гідравліки трактора, сконфігуровані для виявлення таких параметрів гідравліки, як тиск або витрата, та/або і швидкість гідравлічного насоса, датчики швидкості обертання коліс або датчики ковзання коліс. У варіанті здійснення приклади контролерів 114, які можуть використовуватися з тракторами, включають гідравлічні контролери спрямованості, контролери тиску та/або контролери потоку; контролери частоти обертання гідравлічного насоса; контролери швидкості або регулятори; контролери положення зчіпки; або контролери положення коліс, що забезпечують автоматичне рульове управління.
У варіанті здійснення, приклади датчиків 112, які можна використовувати з обладнанням для посіву насіння, таким як сівалки, рядові сівалки або пневматичні сівалки, включають датчики насіння, які можуть бути оптичними, електромагнітними або датчиками удару; датчики притискної сили, такі як штифти навантаження, тензодатчики, датчики тиску; датчики властивостей грунту, такі як датчики відбиття, датчики вологи, датчики електропровідності, датчики оптичних залишків або датчики температури; датчики експлуатаційних критеріїв компонентів, такі як датчики глибини посадки, датчики тиску в притискному циліндрі, датчики швидкості насіннєвого диска, датчики двигуна насіннєвого приводу, датчики швидкості системи насіннєвого конвеєра або датчики рівня вакууму; або датчики застосування пестицидів, такі як оптичні або інші електромагнітні датчики, або датчики удару. У варіанті здійснення приклади контролерів 114, які можна використовувати з таким обладнанням для посіву насіння, включають: складні контролери на панелі інструментів, такі як контролери для клапанів, пов'язаних з гідроциліндрами; регулятори притискної сили, такі як контролери для клапанів, пов'язаних з пневматичними циліндрами, подушками безпеки або гідроциліндрами, і запрограмовані для прикладання притискної сили до окремих рядних блоків або цілої рами сівалки; регулятори глибини посадки, такі як лінійні виконавчі механізми; контролери дозування, такі як електроприводні двигуни лічильника насіння, гідравлічні двигуни гідравлічного лічильника насіння або муфти управління валком; контролери відбору гібридів, такі як приводні 60 двигуни насіннєвих лічильників, або інші виконавчі механізми, запрограмовані для вибіркового дозволу або запобігання надходженню насіння або суміші повітряно-насіннєвого матеріалу з насінням до або з насіннєвих лічильників або центральних насипних бункерів; контролери вимірювання, такі як електроприводні двигуни лічильника насіння або гідравлічні двигуни лічильника насіння; контролери системи транспортування насіння, такі як контролери для стрічкового транспортера подачі насіння; маркерні контролери, такі як контролер для пневматичного або гідравлічного приводу; або контролери норми застосування пестицидів, такі як контролери приводу дозування, регулятори розміру отвору або положення.
У варіанті здійснення приклади датчиків 112, які можуть використовуватися з обладнанням для обробки, включають датчики положення інструментів, таких як лапа для рихлення або диски; датчики положення інструменту для таких інструментів, які сконфігуровані для виявлення глибини, кута нахилу або поперечного інтервалу; датчики притискної сили; або датчики сили тяги. У варіанті втілення, приклади контролерів 114, які можуть бути використані з обладнанням для обробки, включають контролери притискної сили або контролери положення інструменту, такі як контролери, сконфігуровані для управління заглибленням інструменту, кутом нахилу або бічним інтервалом.
У варіанті здійснення, приклади датчиків 112, які можуть бути використані по відношенню до пристроїв для застосування добрив, інсектицидів, фунгіцидів тощо, такі як стартові системи добрив при підсадці, машина для внесення добрив у нижні шари грунту або розприскувачі добрив, включають: датчики параметрів рідинної системи, такі як датчики витрати або датчики тиску; датчики, що вказують, які клапани розпилювальної головки або клапани рідинної лінії відкриті; датчики, пов'язані з резервуарами, такі як датчики рівня заповнення; секційні або загальносистемні датчики лінії живлення, або рядні датчики лінії живлення; або кінематичні датчики, такі як акселерометри, розміщені на штангах обприскувача. У варіанті здійснення приклади контролерів 114, які можуть бути використані з таким пристроєм, включають контролери швидкості насоса; контролери клапанів, які запрограмовані для управління тиском, витратою, напрямком, ШІМ тощо; або приводів положення, такі як для висоти штанги, глибини грунтозаглиблювача або положення штанги.
У варіанті здійснення, приклади датчиків 112, які можуть бути використані з комбайнами, включають в себе монітори врожаю, такі як тензодатчики ударної пластини або датчики
Зо положення, ємнісні датчики потоку, датчики завантаження, датчики ваги або датчики крутного моменту, пов'язані з елеваторами або шнеками, або оптичні або інші електромагнітні датчики висоти зерна; датчики вологості зерна, такі як ємнісні датчики; датчики втрат зерна, включаючи датчики удару, оптичні або ємнісні датчики; датчики критеріїв експлуатації жатки, такі як датчик висоти жатки, тип жатки, зазор пластини настилу, швидкість подачі та датчики швидкості барабана; датчики критеріїв експлуатації сепаратора, такі як зазор між бичами молотильного барабана та планками підбарабання, швидкість обертання ротора, зазор колодки або датчики зазору решета; датчики шнека для положення, роботи або швидкості; або датчики частоти обертання двигуна. У варіанті здійснення приклади контролерів 114, які можуть бути використані з комбайнами, включають контролери критеріїв експлуатації жатки для таких елементів, як висота жатки, тип жатки, зазор пластини настилу, швидкість подачі або швидкість барабана; контролери критеріїв експлуатації сепаратора для таких функцій, як зазор між бичами молотильного барабана та планками підбарабання, частота обертання ротора, зазор колодки або зазор решета; або контролери шнека для положення, роботи або швидкості.
У варіанті здійснення, приклади датчиків 112, які можуть бути використані на візках для зерна, включають датчики ваги або датчики положення, роботи або швидкості шнека. У варіанті здійснення, приклади контролерів 114, які можуть бути використані на візках для зерна, включають контролери положення, роботи або швидкості шнека.
У варіанті здійснення приклади датчиків 112 і контролерів 114 можуть бути встановлені у безпілотних літальних апаратах (БПЛА) або "дронах". Такі датчики можуть включати камери з детекторами, ефективні для будь-якого діапазону електромагнітного спектра, включаючи видиме світло, інфрачервоне, ультрафіолетове, ближнє інфрачервоне (МІК) тощо; акселерометри; висотоміри; датчики температури; датчики вологості; датчики трубки Піто або інші датчики швидкості повітря або швидкості вітру; датчики часу автономної роботи; або радіолокаційні випромінювачі та прилади виявлення відбитої радіолокаційної енергії; інші випромінювачі електромагнітного випромінювання та апарати для виявлення відбитого електромагнітного випромінювання. Такі контролери можуть включати пристрої керування або контроля двигуном, контролери поверхні управління, контролери камери або контролери, запрограмовані на включення, роботу, отримання даних від будь-якого з вищезазначених датчиків, управління та налаштування. Приклади розкриті у патентній заявці США Мо 14/831,165 60 і дане розкриття передбачає знання цього іншого розкриття патенту.
У варіанті здійснення датчики 112 і контролери 114 можуть бути прикріплені до пристрою для відбору проб і вимірювань грунту, який сконфігурований або запрограмований для відбору проб грунту та проведення тестів на хімію грунту, випробувань грунту на вологість та інших випробувань, що стосуються грунту. Наприклад, апарат, розкритий у патенті США 8,767,194 та патенті США Мо 8,712,148 може бути використаний, і дане розкриття передбачає знання цих інших розкриттів патентів.
У варіанті здійснення датчики 112 і контролери 114 можуть містити погодні пристрої для моніторингу погодних умов полів. Наприклад, апарати, розкриті у попередній заявці США Мо 62/154,207, яка була подана 29 квітня 2015 р., попередній заявці США Мо 62/175,160, яка була подана 12 червня 2015 р., попередній заявці США Мо 62/198,060, яка була подана 28 липня 2015 р., та попередній заявці США Мо 62/220,852, яка була подана 18 вересня 2015 р., можуть бути використані, і дане розкриття передбачає знання цих інших розкриттів патентів. 2.4. ОГЛЯД ПРОЦЕСУ- НАВЧАННЯ АГРОНОМІЧНОЇ МОДЕЛІ
У варіанті здійснення, комп'ютерна система сільськогосподарської розвідки 130 запрограмована або налаштована для створення агрономічної моделі. У даному контексті агрономічна модель являє собою структуру даних у пам'яті комп'ютерної системи сільськогосподарської розвідки 130, яка включає польові дані 106, такі як ідентифікаційні дані та дані про врожай для одного або більше полів. Агрономічна модель може також включати розраховані агрономічні властивості, які описують або умови, які можуть впливати на ріст однієї або більше сільськогосподарської культури на полі, або властивості однієї або більше сільськогосподарської культури, або обох. Додатково агрономічна модель може містити рекомендації, засновані на агрономічних факторах, таких як рекомендації щодо врожаю, зрошення, рекомендації щодо посадки, рекомендації щодо добрива, рекомендації щодо фунгіцидів, рекомендації щодо пестицидів, рекомендації щодо збирання врожаю та інші рекомендації щодо управління врожаєм. Агрономічні фактори також можуть бути використані для оцінки одного або більше результатів, пов'язаних із врожаєм, таким як агрономічний вихід.
Агрономічний вихід врожаю - це оцінка кількості врожаю, який виробляється, або у деяких прикладах дохід або прибуток, отриманий від виробленого врожаю.
У варіанті здійснення комп'ютерна система сільськогосподарської розвідки 130 може
Зо використовувати заздалегідь налаштовану агрономічну модель для обчислення агрономічних властивостей, пов'язаних з отриманою в даний час інформацією про місцезнаходження та урожай для одного або більше полів. Попередньо налаштована агрономічна модель базується на попередньо оброблених польових даних, включаючи, але не обмежуючись цим, ідентифікаційні дані, дані про врожай, дані про добрива та погодні дані. Попередньо налаштована агрономічна модель може бути перехресно перевірена для забезпечення точності моделі. Перехресна перевірка може включати перевірку даних на місці, яка порівнює передбачувані результати з фактичними результатами на полі, такі як порівняння оцінки опадів з датчиком дощу або датчиком, що надає дані про погоду в тому самому або сусідньому місці, або оцінка вмісту азоту за допомогою вимірювання проби грунту.
ФІГ. З ілюструє запрограмований процес, за допомогою якого комп'ютерна система сільськогосподарської розвідки генерує одну або кілька попередньо налаштованих агрономічних моделей з використанням польових даних, наданих одним або більше джерелами даних. ФІГ. З може служити алгоритмом або інструкцією для програмування функціональних елементів комп'ютерної системи сільськогосподарської розвідки 130 для виконання операцій, які зараз описані.
У блоці 305 комп'ютерна система сільськогосподарської розвідки 130 налаштована або запрограмована для реалізації попередньої обробки агрономічних даних польових даних, отриманих від одного або більше джерел даних. Польові дані, отримані від одного або більше джерел даних, можуть бути попередньо оброблені з метою усунення шуму, спотворюючих ефектів та факторів втручання в агрономічних даних, включаючи виміряні викиди, які можуть негативно вплинути на отримані значення польових даних. Варіанти здійснення попередньої обробки агрономічних даних можуть включати, але не обмежуючись ними, видалення значень даних, які зазвичай асоціюються зі сторонніми значеннями даних, конкретних виміряних точок даних, які, як відомо, надмірно перекошують інші значення даних, згладжування даних, агрегування або методи відбору проб, що використовуються для усунення або зменшення адитивних або мультиплікативних ефектів від шуму, та інші методи фільтрації або виведення даних, що використовуються для чіткого розрізнення позитивних та негативних введених даних.
У блоці 310 комп'ютерна система сільськогосподарської розвідки 130 налаштована або запрограмована на вибір підмножини даних з використанням попередньо оброблених польових бо даних з метою ідентифікації наборів даних, корисних для початкового формування агрономічної моделі. Комп'ютерна система сільськогосподарської розвідки 130 може реалізовувати методи вибору підмножин даних, що включають, але не обмежуючись цим, спосіб генетичного алгоритму, спосіб всіх підмножин моделей, спосіб послідовного пошуку, спосіб поетапної регресії, спосіб оптимізації рою частинок та спосіб оптимізації колонії мурашок. Наприклад, техніка вибору генетичного алгоритму використовує адаптивний евристичний алгоритм пошуку, заснований на еволюційних принципах природного відбору та генетики, для визначення та оцінки наборів даних у межах попередньо оброблених агрономічних даних.
У блоці 315 комп'ютерна система сільськогосподарської розвідки 130 налаштована або запрограмована для здійснення оцінки набору агрономічних даних. У варіанті здійснення конкретний набір польових даних оцінюється шляхом створення агрономічної моделі та використання конкретних порогових значень якості для створеної агрономічної моделі.
Агрономічні моделі можуть бути порівняні та/або перевірені за допомогою одного або більше методів порівняння, таких як, але не обмежуючись ними, середньоквадратична похибка з перехресною валідацією (КМ5ЕСМ), середнє арифметичне відхилення та середня відсоткова похибка. Наприклад, ЕМ5ЗЕСМ може перехресно перевіряти агрономічні моделі шляхом порівняння передбачених значень агрономічних властивостей, створених агрономічною моделлю, з історичними значеннями агрономічних властивостей, що були зібрані та проаналізовані У варіанті здійснення логіка оцінки агрономічного набору даних використовується в якості циклу зворотного зв'язку, де агрономічні набори даних, які не відповідають налаштованим порогам якості, використовуються під час майбутніх етапів вибору підмножини даних (блок 310).
У блоці 320 комп'ютерна система сільськогосподарської розвідки 130 налаштована або запрограмована для реалізації створення агрономічної моделі на основі перехресно підтверджених агрономічних наборів даних. У варіанті здійснення, створення агрономічної моделі може реалізовувати багатовимірну техніку регресії для створення попередньо налаштованих агрономічних моделей даних.
У блоці 325 комп'ютерна система сільськогосподарської розвідки 130 налаштована або запрограмована для зберігання попередньо налаштованих агрономічних моделей даних для майбутньої оцінки польових даних.
Зо 2.5. ПРИКЛАД ВИКОРИСТАННЯ - ОГЛЯД АПАРАТНОГО ЗАБЕЗПЕЧЕННЯ
Згідно з одним варіантом здійснення, методи, описані у даному документі, реалізовані одним або декількома обчислювальними пристроями спеціального призначення. Спеціальні обчислювальні пристрої можуть бути підключені за допомогою дротової мережі для виконання цих методів або можуть включати цифрові електронні пристрої, такі як одна або кілька специфічних інтегральних схем (АЗІС) або програмована логічна інтегральна схема (ЕРОА), які постійно програмуються для виконання методів, або може включати один або більше апаратних процесорів загального призначення, запрограмованих на виконання методів згідно з інструкціями програми у прошивці, пам'яті, іншому сховищі або їх комбінації. Такі спеціальні обчислювальні пристрої також може поєднувати користувацьку жорстку дротову логіку, АБІС5 або ЕРОСА5 із користувацьким програмуванням для реалізації методів. Спеціальними обчислювальними пристроями можуть бути настільні комп'ютерні системи, портативні комп'ютерні системи, мобільні пристрої, мережеві пристрої або будь-який інший пристрій, що включає в себе жорсткі дротові та/або програмні логіки для реалізації методів.
Наприклад, ФІГ.4 є блок-схемою, яка ілюструє комп'ютерну систему 400, на якій може бути реалізований варіант здійснення винаходу. Комп'ютерна система 400 включає в себе шину 402 або інший механізм зв'язку для передачі інформації та апаратний процесор 404 у поєднанні з шиною 402 для обробки інформації. Апаратний процесор 404 може бути, наприклад, мікропроцесором загального призначення.
Комп'ютерна система 400 також включає основну пам'ять 406, таку як оперативна пам'ять (ОЗУ) або інший динамічний пристрій зберігання, приєднаний до шини 402 для зберігання інформації та інструкцій, що виконуються процесором 404. Основна пам'ять 406 також може бути використана для зберігання тимчасових змінних або іншої проміжної інформації під час виконання інструкцій, що виконуються процесором 404. Такі інструкції, зберігаючись у непроміжному носії інформації, доступному для процесора 404, перетворюють комп'ютерну систему 400 у машину спеціального призначення, яка налаштована на виконувати операції, зазначені в інструкції.
Комп'ютерна система 400 додатково включає в себе постійно запам'ятовуючий пристрій (ПЗУ) 408 або інший статичний пристрій зберігання, приєднаний до шини 402 для зберігання статичної інформації та інструкцій для процесора 404. Пристрій зберігання 410, такий як магнітний диск, оптичний диск або твердотільний накопичувач передбачений та приєднаний до шини 402 для зберігання інформації та інструкцій.
Комп'ютерна система 400 може бути приєднана за допомогою шини 402 до дисплею 412, такому як електронно-променева трубка (ЕПТ), для відображення інформації на комп'ютері користувача. Пристрій введення 414, включаючи буквено-цифрові та інші клавіші, з'єднаний із шиною 402 для передачі інформації та вибору команд процесору 404. Іншим типом пристрою введення користувачем є керування курсором 416, такий як миша, трекбол або клавіші курсору для передачі інформації про напрямок і вибору команд процесору 404 і для керування рухом курсора на дисплеї 412. Даний пристрій введення зазвичай має два ступені свободи за двома осями, перша вісь (наприклад, х) і друга вісь (наприклад, у), що дозволяє пристрою визначати положення у площині.
Комп'ютерна система 400 може реалізовувати методи, описані у даному документі, використовуючи спеціальну логіку дротового з'єднання, одну або кілька АБІС або ЕРБА, прошивку та/або логіку програми, що у поєднанні з комп'ютерною системою викликає або програмує комп'ютерну систему 400 як машину спеціального призначення. Згідно з одним варіантом здійснення, способи в даному описі виконуються комп'ютерною системою 400 у відповідь на процесор 404, що виконує одну або кілька послідовностей однієї або більше інструкцій, що містяться в основній пам'яті 406. Такі інструкції можуть бути прочитані у основну пам'ять 406 з іншого середовища зберігання, такого як пристрій зберігання 410. Виконання послідовностей інструкцій, що містяться в основній пам'яті 406, змушує процесор 404 виконувати описані у даному описі етапи процесу. В альтернативних варіантах здійснення дротові схеми можуть бути використані замість або у поєднанні з інструкціями програмного забезпечення.
Термін "накопичувач", який використовується в даному описі, відноситься до будь-якого непроміжного носія, який зберігає дані й/або інструкції, що змушують машину працювати певним чином. Такі носії інформації можуть містити енергонезалежні носії та/або енергозалежні носії.
Енергонезалежні носії включають, наприклад, оптичні диски, магнітні диски або твердотільні накопичувачі, такі як пристрій зберігання 410. Енергозалежні носії включають динамічну пам'ять, таку як основна пам'ять 406. Поширені форми носіїв інформації включають, наприклад, дискета, гнучкий диск, жорсткий диск, твердотільний накопичувач, магнітна стрічка або будь-який інший магнітний носій даних, СО-КОМ, будь-який інший оптичний носій даних, будь-який фізичний носій із схемою отворів, КАМ, РЕОМ та ЕРВОМ, РІ АЗН-ЕРКОМ, МУРБАМ, будь-який інший чіп пам'яті або картридж.
Накопичувач відрізняється від, але може використовуватися разом із середовищем передачі даних. Середовище передачі даних бере участь у передачі інформації між накопичувачами.
Наприклад, накопичувач включає ксаксіальні кабелі, мідний дріт і волоконну оптику, включаючи дроти, що містить шина 402. Накопичувач може також мати форму акустичних або світлових хвиль, таких як ті, що генеруються під час передачі радіохвильових та інфрачервоних даних.
Різні форми носіїв можуть бути задіяні для перенесення однієї або більше послідовностей однієї або більше інструкцій до процесора 404 для виконання. Наприклад, інструкції спочатку можуть бути на магнітному диску або твердотільному накопичувачі віддаленого комп'ютера.
Віддалений комп'ютер може завантажити інструкції в свою динамічну пам'ять та надіслати інструкції за телефонною лінією використовуючи модем. Модем, під'єднаний до комп'ютерної системи 400, може приймати дані за телефонною лінією та використовувати інфрачервоний передавач для перетворення даних в інфрачервоний сигнал. Інфрачервоний детектор може приймати дані, передані в інфрачервоному сигналі, і відповідна схема може розмістити дані на шині 402. Шина 402 передає дані в основну пам'ять 406, з якої процесор 404 отримує та виконує інструкції. Інструкції, отримані основною пам'яттю 406, можуть додатково зберігатися на пристрої зберігання 410 до або після виконання процесором 404.
Комп'ютерна система 400 також включає в себе інтерфейс зв'язку 418, з'єднаний з шиною 402. Інтерфейс зв'язку 418 забезпечує двосторонню зв'язок передачі даних до мережевої лінії 420, яка підключена до локальної мережі 422. Наприклад, інтерфейс зв'язку 418 може бути картою цифрової мережі з комплексними послугами (ІЗОМ), кабельним модемом, супутниковим модемом або модемом для забезпечення з'єднання для передачі даних до відповідного типу телефонної лінії. В якості іншого прикладу, інтерфейс зв'язку 418 може бути картою локальної мережі (ГАМ) для забезпечення з'єднання для передачі даних до сумісною ГАМ. Також можуть бути реалізовані бездротові лінії зв'язку. У будь-якій такій реалізації інтерфейс зв'язку 418 передає та приймає електричні, електромагнітні або оптичні сигнали, які несуть цифрові потоки даних, що представляють різні типи інформації.
Мережеве з'єднання 420 зазвичай забезпечує передачу даних через одну або більше мереж до інших пристроїв даних. Наприклад, мережеве з'єднання 420 може забезпечувати з'єднання через локальну мережу 422 з головним комп'ютером 424 або обладнанням даних, що експлуатується постачальником послуг Інтернету (І5Р) 426. Інтернет-провайдер 426, у свою чергу, надає послуги передачі даних через всесвітню мережу зв'язку пакетних даних, яка в даний час зазвичай називається "Інтернет" 428. Локальна мережа 422 і Інтернет 428 обидві використовують електричні, електромагнітні або оптичні сигнали, які несуть цифрові потоки даних. Сигнали через різні мережі та сигнали через мережеве з'єднання 420 та через інтерфейс зв'язку 418, які несуть цифрові дані до і від комп'ютерної системи 400, є прикладами форм середовищ передачі даних.
Комп'ютерна система 400 може надсилати повідомлення та отримувати дані, включаючи програмний код, через мережу (мережі), мережеве з'єднання 420 та інтерфейс зв'язку 418. У прикладі Інтернету сервер 430 може передавати код запиту для прикладної програми через
Інтернет 428, І5Р 426, локальної мережі 422 та інтерфейсу зв'язку 418.
Отриманий код може виконуватися процесором 404 після його отримання та/або зберігатися у пристрої зберігання 410 або іншому енергонезалежному сховищі для подальшого виконання. 3. ФУНКЦІОНАЛЬНИЙ ОПИС 3.1 ДОСЛІДЖЕННЯ ПОЛІВ РІЗНИХ СІЛЬСЬКОГОСПОДАРСЬКИХ ВИРОБНИКІВ
ФІГ. 7 ілюструє процес, який виконується сервером дослідження поля, від таргетування поля до розподілу інформації між системами сільськогосподарського виробника. У деяких варіантах здійснення сервер 170 запрограмований на виконання автоматизованого аналізу між сільськогосподарськими виробниками, який може включати обчислювальне таргетування полів сільськогосподарського виробника, призначення експериментів полям сільськогосподарського виробника, збір даних із призначених експериментів, перевірку виконання призначених експериментів, аналізування зібраних даних і розподіл аналітичних результатів між системами сільськогосподарського виробника.
На етапі 702 сервер 170 запрограмований на обчислювальне таргетування полів сільськогосподарського виробника. В деяких варіантах, враховуючи відповідні дані щодо списку полів сільськогосподарського виробника, сервер 170 запрограмований на розробку конкретних
Зо експериментів для конкретних полів сільськогосподарського виробника. Завдання експерименту, як правило, полягає у збільшенні розміру врожаю одного або більше полів на певний рівень, хоча це також може бути пов'язано зі зменшенням вхідних даних або покращенням будь-якого іншого аспекту полів. Структура експерименту або конкретно цілеспрямованого випробування (яке слід відрізняти від контрольованого випробування, як далі обговорюється нижче) включає визначення того, які атрибути поля можуть бути пов'язані з експериментальною метою та як змінюються значення деяких з цих атрибутів може допомогти досягти експериментальної мети. Одним із прикладів експерименту є збільшення норми висіву поля на величину, щоб збільшити або підняти врожайність культури на певне значення. Іншим прикладом експерименту є збільшення використання фунгіцидів на полі, на величину, щоб досягти зменшення поширення хвороби на певне значення.
У деяких варіантах здійснення сервер 170 запрограмований для управління списком полів сільськогосподарського виробника на детальному рівні. Сервер 170, таким чином, виконаний з можливістю ідентифікувати певні межі або інші проблемні області полів, які не братимуть участі у призначених експериментах, і додатково визначатиме конкретні смуги або квадрати з буферними областями між ними, які братимуть участь у призначених експериментах.
Як приклад, щоб визначити, для яких частин яких полів збільшити норму висіву на певну величину або на яку кількість збільшити норму висіву для конкретних полів, сервер 170 може бути налаштований для оцінки, для кожного поля, гібриду або різноманітність видів сільськогосподарських культур, поточної норми висіву, історичний річний урожай, як зміна норми висіву впливала на врожайність у минулому, як на норму висіву впливали погода чи інші змінні чи інші фактори, що впливають на поле. Хоча це називається експериментом, сервер 170 налаштований на передбачення результату експерименту та визначення того, чи застосовувати експеримент на основі передбаченого результату. Наприклад, сервер 170 може бути налаштований на застосовування лише тих експериментів, що були з найвищим передбаченим підвищенням врожаю у дослідженні. Отже, кожен експеримент, по суті, включає рекомендацію, таку як збільшення норми висіву на певну кількість, яка повинна бути перевірена.
У деяких варіантах здійснення таргетування полів сільськогосподарських виробників також передбачає розробку множини експериментів, які будуть скоординовано застосовані до полів одного або більше сільськогосподарських виробників. Наприклад, одне поле можна розділити бо на множину смуг для посадки гібриду з множини культур. Хоча різні поля можуть конкретно виграти від різних експериментів у певний час, колекція всіх полів може отримати користь від скоординованих експериментів, щоб якомога більше аналітичної вхідної інформації можна було розповсюдити між полями-виробниками для отримання довгострокових переваг. Наприклад, деякі сільськогосподарські виробники можуть мати обмежену кількість полів, де лише обмежена кількість експериментів, що включають невелику кількість атрибутів або невелику кількість значень для певного атрибуту може застосовуватися цього року. Потім ці поля можуть отримати вигоду від застосування додаткових експериментів на полях інших сільськогосподарських виробників, які включають різні атрибути або різні значення для тих самих атрибутів.
У деяких варіантах здійснення сервер 170 запрограмований на початок проектування, вибору або застосування експериментів у відповідь на конкретні активатори. Такі активатори можуть включати, коли поле економічно не ефективне (наприклад, низька врожайність протягом певного періоду часу), коли поле перебуває у звичному стані (наприклад, низька вологість грунту або нітрати), коли відбувається зміна в навколишньому середовищі (наприклад, додаткове сонячне світло), або коли експеримент, призначений для подібного поля, дав певний результат. Ці активатори можуть бути виявлені за даними, зібраними під час здійснення передбачених експериментів, як далі обговорюється нижче. Кожен активатор, як правило, представляє можливість поліпшити роботу поля або отримати конкретне розуміння певних сільськогосподарських явищ чи взаємозв'язків.
На етапі 704 сервер 170 запрограмований для призначення експериментів полям сільськогосподарського виробника. У деяких варіантах здійснення проектування або вибір експериментів може бути здійснено автоматично згідно з заздалегідь визначеним графіком, наприклад, на початку кожного року або кожного вегетаційного періоду. Також можна проводити призначення експериментів автоматично. Сервер 170 може бути сконфігурований для формування рецепта, плану або схеми для експерименту, який повинен бути зрозумілим людині, машині або їх комбінації. Наприклад, одним експериментом може бути посадка певного насіння з певною швидкістю на певних полях сільськогосподарського виробника. План експерименту може включати різноманітні деталі, такі як тип насіння, місце призначення насіння на полях, обсяг насіння, яке потрібно висаджувати щодня, або час висадки насіння щодня.
У деяких варіантах здійснення рецепт або схема також включає деталі для здійснення
Зо цілеспрямованого випробування на противагу прогнозованому випробуванню (оригінальний, передбачуваний експеримент), щоб дати можливість сільськогосподарському виробнику краще зрозуміти ефект цілеспрямованого випробування. Наприклад, цілеспрямоване випробування включає контрастне значення для відповідного атрибута, яке може базуватися на тому, що було впроваджено в цій галузі в даний час або в минулому. Наприклад, коли прогнозованим випробуванням є збільшення норми висіву на першу кількість для збільшення врожаю на певний рівень, контрольним випробуванням може бути не збільшення норми висіву (підтримка поточної норми висіву) або на другу кількість, яка набагато вище або набагато нижче першої суми. Рецепт може містити додаткову інформацію, таку як, коли та де цілеспрямоване випробування та контрольне випробування мають бути здійснені на полях сільськогосподарського виробника. Наприклад, за однією схемою поле сільськогосподарського виробника можна розділити на смуги, а рецепт може вказувати, що перша смуга повинна бути використана для цілеспрямованого дослідження, друга смуга повинна бути використана для контрольного дослідження, і ця схема має географічно повторюватися тричі (другий раз на 3-й і четвертій смугах, і 3-й раз на 5-й і шостій смугах). Рецепт, як правило, може включати принаймні деякий рівень рандомізації в управління цілеспрямованим випробуванням та контрольним випробуванням, таким як випадкове призначення певних смуг кожному з випробувань, для мінімізації будь-яких відхилень, які можуть існувати між двома випробуваннями.
У деяких варіантах здійснення сервер 170 запрограмований на передачу плану безпосередньо сільськогосподарській техніці відповідних полів, такій як дозатор насіння або інша сівалка, зареєстрована у сільськогосподарського виробника полів або пов'язана з конкретними полями. Залежно від того, наскільки розумною є сівалка, сівалка може автоматично здійснити принаймні частину експерименту відповідно до плану або принаймні показати план сільськогосподарському виробнику, оскільки сільськогосподарській виробник вручну керує сівалкою. Наприклад, план може бути перетворений в електронні сигнали для контролю часу пробудження сівалки, швидкості руху або швидкості обертання сівалки або маршруту, пройденого сівалкою. В якості альтернативи сервер 170 може бути запрограмований на передачу планів або схем експерименту іншим розумним пристроям, зареєстрованим у сільськогосподарського виробника, таким як мобільний пристрій, в тій мірі, що частина плану бо повинна здійснюватися вручну або просто в інформаційних цілях.
У деяких варіантах здійснення, замість передачі всієї схеми для експерименту на розумний пристрій, будь то сільськогосподарська техніка або персональний цифровий помічник, сервер 170 запрограмований на передачу схеми поступово і своєчасно. Наприклад, коли схема передбачає виконання щоденних завдань, сервер 170 може бути налаштований на те, щоб щодня відправляти частину схеми, що відповідає роботі кожного дня. Сервер 170 також може бути налаштований на доставку нагадувань на мобільні пристрої сільськогосподарського виробника, наприклад, для виконання певних завдань згідно зі схемою.
На етапі 706 сервер 170 запрограмований на збір даних з призначених експериментів. У деяких варіантах здійснення сервер 170 запрограмований на отримання даних від тої самої сільськогосподарської техніки, до якої були передані схеми або плани експериментів, або від тих самих персональних комп'ютерів, включаючи мобільні пристрої, зареєстрованих у сільськогосподарських виробників. Сільськогосподарська техніка може бути оснащена датчиками, які можуть фіксувати багато типів даних. На додаток до даних, які відносяться до змінних, що беруть участь в експерименті, таких як об'єм фактично висадженого насіння, час фактичної посадки, фактична швидкість переміщення або обертання сільськогосподарської техніки, маршрут, який фактично пройшов сільськогосподарська техніка, або фактично досягнута врожайність, сільськогосподарська техніка може збирати додаткові дані, які відносяться до погоди, такі як кількість сонячного світла, вологість, пил, вітер тощо.
Сільськогосподарська техніка може також реєструвати додаткові дані, які відносяться до його внутрішнього стану, включаючи те, чи належним чином функціонують різні компоненти, коли сільськогосподарська техніка очищується чи обслуговується, як часто використовується сільськогосподарська техніка, сільськогосподарський інвентар або чи використовується сільськогосподарський інвентар якимось незвичним чином. Деякі дані цих типів можна спостерігати за допомогою датчиків, інтегрованих з персональними обчислювальними пристроями, або безпосередньо сільськогосподарськими виробниками, а згодом повідомляти їх за допомогою персональних обчислювальних пристроїв на сервер 170. Загалом, дані можуть передаватися сільськогосподарським обладнанням або персональним обчислювальним пристроєм до сервер 170 після того, як дані стануть доступними, за запитом сервера 170 або за заздалегідь визначеним графіком.
Зо На етапі 708 сервер 170 запрограмований для перевірки виконання призначених експериментів. У деяких варіантах здійснення сервер 170 запрограмований для визначення того, чи правильно проведений призначений експеримент згідно з планом або схемою для експерименту. Мета полягає в тому, щоб забезпечити належне виконання призначених експериментів, щоб отримати прогнозовані результати. Для змінних, що беруть участь у схемі, сервер 170 запрограмований для порівняння фактичного значення, такого як об'єм насіння, фактично висадженого в конкретному місці протягом одного години, і призначеного значення.
Сервер 170 виконаний з можливістю повідомляти про будь-які виявлені розбіжності. Наприклад, якщо план не дотримується суворо, щонайменше попередження може бути надіслане на персональний обчислювальний пристрій сільськогосподарського виробника, й очікувана користь від призначеного експерименту не буде досягнута.
У деяких варіантах здійснення сервер 170 запрограмований на оцінку інших зібраних даних і рекомендує кроки виправлення. Якщо говорити конкретніше, сервер 170 може бути налаштований на передачу ряду етапів для діагностики того, чи правильно працює компонент сільськогосподарської техніки. Наприклад, коли об'єм насіння, фактично висадженого у певному місці протягом однієї години, більше ніж встановлена величина, бункер, в якому зберігаються насіння, що висаджуються, або ваги для зважування насіння, яке потрібно висадити, можуть бути не у порядку. Таким чином, сервер 170 може бути запрограмований на запит перевірки бункера або ваг. Коли несправність сільськогосподарської техніки виявляється безпосередньо датчиками або за допомогою певної діагностики, сервер 170 може бути запрограмований на передачу подібної рекомендації щодо перекалібрування або ремонту сільськогосподарської техніки. З іншого боку, після визначення, що певні кроки повністю пропущені, сервер 170 може бути запрограмований на передачу інструкції щодо виконання цих кроків, або пропозиції для виправлення сигналів нагадування або для перевірки сільськогосподарської техніки.
У деяких варіантах здійснення сервер 170 може бути запрограмований для перевірки виконання кожного призначеного експерименту відповідно до визначеного графіка, наприклад, щомісяця, або як тільки приймаються сигнали про помилки. Сервер 170 також може бути запрограмований для перевірки виконання всіх призначених експериментів відповідно до певної парадигми, наприклад, на основі випадкової вибірки, з метою економії ресурсів.
На етапі 710 сервер 170 запрограмований на аналіз зібраних даних. У деяких варіантах бо здійснення сервер 170 запрограмований для подальшого аналізу даних, коригування прогнозів або планів призначених експериментів або отримання конкретного розуміння, яке може бути використано при розробці майбутніх експериментів. Такий аналіз можна проводити періодично, в кінці сезону або року, або за запитом від сільськогосподарського виробника.
У деяких варіантах здійснення, коли призначений експеримент не був проведений належним чином, передбачуваний результат може бути не отриманий, і сервер 170 може бути запрограмований для коригування передбачення на основі того, як було дотримано план для призначеного експерименту. Наприклад, сервер 170 може бути налаштований на врахування того, що фактична норма висіву становила лише 80 95 від загальної призначеної норми висіву внаслідок помилкового калібрування сільськогосподарської техніки, пропуску певних етапів посіву або інших причин, при визначенні прогнозована врожайність може бути лише на 80 95 або менше, ніж прогнозована або рекомендована врожайність. Сервер 170 також може бути запрограмований на створення ряду коригувальних етапів з метою реалізації вихідного прогнозування. Наприклад, коли фактична норма висіву становила лише 80 95 від загальної призначеної норми висіву, сервер 170 може бути налаштований на її компенсацію, призначаючи норму висіву, яка була на 20 95 або іншим чином вище, ніж спочатку призначалася для решти експерименту.
У деяких варіантах здійснення сервер 170 може бути запрограмований для визначення того, чому навіть коли призначений експеримент був проведений належним чином, прогнозований результат не був досягнутий. Порівняння даних, відповідно зібраних з цілеспрямованого випробування та контрольного випробування, часто може бути використано для виключення певних факторів з розгляду. Сервер 170 також може бути налаштований для виявлення кореляції між метою експерименту та іншими атрибутами поля або зовнішніми змінними.
Сервер 170 також може бути сконфігурований для виявлення закономірностей результатів подібних експериментів, які можуть допомогти ідентифікувати відхилення та вказати на специфічні для поля проблеми. Причини розбіжностей між прогнозованими результатами та фактичними результатами можуть бути використані для проектування майбутніх експериментів або створення прогнозів для майбутніх експериментів. Наприклад, виявивши значну кореляцію між типом культури та нормою висіву по відношенню до врожайності, сервер 170 може бути налаштований для таргетування конкретних полів, на яких зазвичай вирощуються певні типи
Зо сільськогосподарських культур для експерименту, що пов'язує норму висіву з врожайністю.
Подібним чином, сервер 170 може бути запрограмований для прогнозування різних рівнів врожайності в залежності від типів культур, вирощених на конкретному полі.
У деяких варіантах здійснення сервер 170 запрограмований на розробку поетапних експериментів. Для перевірки відносно нової гіпотези сервер 170 може бути налаштований на призначення консервативних експериментів шляхом внесення відносно невеликих змін до одного з атрибутів або змінних. Коли фактичний результат останнього призначеного експерименту узгоджується з прогнозованим результатом, сервер 170 може бути запрограмований на введення подальших змін в атрибут змінної. В інших варіантах здійснення сервер 170 запрограмований враховувати результати двох призначених експериментів, які були застосовані до двох подібних полів, і визначати, чи може поєднання двох експериментів бути допустимим та корисним. Наприклад, коли взаємозв'язок між нормою висіву та врожаєм та між вологістю грунту та врожаєм був чітко та окремо продемонстрований на двох подібних полях, майбутній експеримент може бути зі збільшенням норми висіву та вологості грунту в тому самому експерименті, застосованому до того самого поля.
На етапі 712 сервер 170 запрограмований на розподіл аналітичної інформації між системами сільськогосподарських виробників. У деяких варіантах здійснення сервер 170 запрограмований представляти зведення, підказки або подальші рекомендації, сформовані в результаті аналізу даних, отриманих в результаті множини призначених експериментів на полях сільськогосподарського виробника. Сервер 170 може бути налаштований на передачу звіту кожній системі сільськогосподарського виробника, такій як мобільний пристрій сільськогосподарського виробника, який показує сукупну статистику за всіма призначеними експериментами або певними групами призначених експериментів. Звіт може також вказати, як працювали поля сільськогосподарського виробника порівняно з іншими полями сільськогосподарських виробників, а також вказати можливі причини, на основі аналізу різниця у продуктивності між полями сільськогосподарського виробника та полями інших сільськогосподарських виробників. У звіті можна висвітлити інші призначені експерименти, подібні до тих, що призначені на полях сільськогосподарського виробника. У звіті також можна викласти можливі експерименти, які можна застосувати на полях сільськогосподарського виробника в майбутньому, і вимагати від сільськогосподарського виробника зворотного зв'язку.
У деяких варіантах здійснення деякі або всі ці етапи з 702 по 712 можуть виконуватися багаторазово, повторно або не упорядковано. Наприклад, збір даних та підтвердження виконання може відбуватися періодично протягом сезону. 3.2 ТАРГЕТУВАННЯ ПОЛЯ
У деяких варіантах здійснення сервер 170 запрограмований для побудови моделі, що містить виконувані комп'ютером інструкції для прогнозування відгуку продукту (врожайності) поля на зміну норми висіву. Сервер 170 запрограмований на початкове встановлення певних базових ліній з історичних даних, які охоплюють кілька років ряду полів у різних сільськогосподарських виробників, пов'язаних з різними пристроями сільськогосподарських виробників. Історичні дані можна отримати з внутрішніх випробувань та експериментів або із зовнішніх джерел даних. Кількість полів може мати спільні значення у певних характеристиках, таких як гібрид культури, вирощений на полі, розташування поля або практика управління підвищенням врожаю поля, як далі обговорюється нижче. Середнє співвідношення між щільністю врожаю та врожайністю для даного гібриду може бути обчислена з історичних даних, щоб забезпечити еталон. Такі співвідношення, як правило, відображаються на квадратичній кривій. ФІГ. 8 ілюструє приклад співвідношення між густотою врожаю та врожайністю для даного гібриду. Вісь Х 802 відповідає щільності врожаю або нормі висіву рослин на акр (рра), а вісь У 804 відповідає врожайності у бушелях на акр. У даному прикладі дані про норму висіву та відповідні дані про врожайність вкладаються в квадратичну криву 808. Форму та розмір квадратичної кривої 808 можна охарактеризувати лінією нахилу 810 з точки даних 812, що відповідає найнижчій нормі висіву до точки 806, що відповідає оптимальній нормі висіву та найвищій врожайності. Сервер 170 може бути запрограмований на вибір порогу реакції продукту на основі середнього співвідношення між щільністю врожаю та врожайністю. Наприклад, оскільки нахил лінії нахилу 810 тут становить приблизно 2,8, поріг може бути встановлений на 1,5, так що поле, що забезпечує збільшення врожаю на 1,5 бушеля на кожну 1000 збільшення насіння, буде вважатися таким, що відповідає, як це обговорюється нижче.
У деяких варіантах здійснення замість того, щоб зосередитись на досягненні оптимальної норми висіву, сервер 170 запрограмований на забезпечення гнучкості в збільшенні норми висіву. Більше конкретно, замість зосередження уваги на співвідношенні між поточною нормою
Зо висіву та оптимальною нормою висіву, сервер 170 налаштований враховувати інші фактори, такі як цільова норма висіву менше цільової норми висіву або підвищення врожайності, що відповідає зміні до цільової норми висіву. Наприклад, сервер 170 може бути налаштований на кластеризацію певних полів за гібридом та за місцем розташування та обчислення середньої норми висіву в кластері як цільової норми висіву. Той самий поріг, визначений із зазначеної вище лінії нахилу, все ще може застосовуватися при оцінці реакції продукту щодо цільової норми висіву.
У деяких варіантах здійснення сервер 170 налаштований на прийняття більше комплексного підходу, такого як побудова дерева рішень, яке класифікує дані поля з даними про норми висіву та даними врожайності у різні класи, що відповідають різним величинам підвищення врожайності на основі початкової (поточної) норми висіву, цільової норми висіву, різниці між початковою нормою висіву та цільовою нормою висіву або іншими атрибутами, пов'язаними з полями.
Приклади інших атрибутів можуть варіюватися від властивих атрибутів, таких як рівень вологості грунту, до атрибутів навколишнього середовища, таких як практика управління грунтом. Інші методи машинного навчання, відомі спеціалісту в галузі фіксації різних співвідношень між нормою висіву (у поєднанні з іншими атрибутами) та підвищенням врожайності, такі як нейронні мережі або методи регресії, також можуть бути використані.
Більше складний підхід може надати більше детальну інформацію, окрім того, чи можливе підвищення та на скільки можливе підвищення.
У деяких варіантах здійснення сервер 170 запрограмований для наступного визначення зворотної реакції продукту конкретного сільськогосподарського виробника. Для поля сільськогосподарського виробника сервер 170 запрограмований переглядати аналогічним чином історичні дані про врожайність культури протягом ряду років для конкретної зони в межах поля або поля в середньому та визначати гібрид і поточну норму висіву для поля або зони.
Посилаючись назад на ФІГ. 8, що ілюструє співвідношення між щільністю врожаю та врожайністю для відповідного гібриду, поріг нахилу, обговорений вище, такий як 1,5 на основі нахилу для першої лінії нахилу 810, можна використовувати для визначення того, чи може поле фермера реагувати на певне збільшення норми висіву. Наприклад, друга лінія нахилу 814 може бути сформована від точки 816 даних, що відповідає поточній нормі висіву, і точки 806 даних, бо що відповідає оптимальній нормі висіву та найвищій врожайності.
Коли поточна норма висіву менше ніж оптимальна норма висіву, нахил другої лінії нахилу буде позитивним, але може бути вище або нижче порогового значення, зазначеного вище.
Сервер 170 може бути сконфігурований так, щоб вважати поле чутливим до збільшення норми висіву до оптимальної норми висіву, коли нахил другої лінії нахилу дорівнює або перевищує поріг. Коли поточна норма висіву більша за оптимальну норму висіву, нахил другої лінії схилу буде негативним. Потім сервер 170 може бути налаштований для оцінки реакції відповіді продукту поля на зниження норми висіву. Сервер 170 може бути сконфігурований для аналогічної оцінки реакції відповіді продукту поля на збільшення норми висіву до цільової норми висіву менше, ніж оптимальна норма висіву.
У деяких варіантах здійснення сервер 170 запрограмований застосовувати один із більш комплексних підходів, такий як дерево рішень, обговорене вище, для оцінки реакції відповіді продукту на конкретного сільськогосподарського виробника. Щонайменше поточна норма висіву поля сільськогосподарського виробника та запланована або цільова норма висіву для поля сільськогосподарського виробника можуть бути подані в дерево рішень, а діапазон значень підвищення врожайності може бути оцінений за допомогою дерева рішень, яке можна додатково класифікувати у відповідні або невідповідні або інші детальні або різні класи.
У деяких варіантах здійснення сервер 170 запрограмований для оцінки практики управління полем сільськогосподарського виробника з точки зору підвищення врожайності з часом. ФІГ. 9 ілюструє приклади типів практики управління. Вісь Х 902 відповідає року, вісь У 904 відповідає цільовій або фактичній врожайності. Тип практики управління з точки зору підвищення врожайності може бути відображений на різних кривих. Крива 906 вказує на агресивний тип, де спостерігається стійке та значне збільшення врожайності культур один рік за іншим. Крива 908 вказує на консервативний або прагматичний тип, де не спостерігається значного збільшення врожайності з одного року до наступного. Крива 910 вказує на нереальний тип, коли врожайність не змінюється протягом декількох років, але потім різко зростає. Визначення типу практики управління або інших аспектів, зовнішніх для грунту, може бути корисним при призначенні фактичних експериментів на таргетованих полях сільськогосподарського виробника. В інших варіантах здійснення тип практики управління також може бути вхідним атрибутом для методу машинного навчання, обговореного вище.
Зо У деяких варіантах здійснення сервер 170 запрограмований також оцінювати ступінь мінливості у полі сільськогосподарського виробника. Дані про фактичну щільність можуть бути доступними для різних зон у полі, або аерофотознімання поля можуть бути проаналізовані за допомогою методів аналізу зображень, відомих фахівцям в даній галузі. На основі таких даних сервер 170 може бути запрограмований для визначення того, чи є щільність врожаю або норма висіву більше або менше постійною за полем або суттєво відрізняється між різними зонами.
Таке визначення також може бути корисним при призначенні фактичних експериментів на таргетованих полях сільськогосподарського виробника.
У деяких варіантах здійснення сервер 170 запрограмований для таргетування тих полів сільськогосподарського виробника, які реагують на збільшення норм висіву та спроектовані експерименти для цих полів. Кожен проект може мати різні параметри, такі як гібрид культури, мінливість зони або збільшення норми висіву. ФІГ. 10 ілюструє приклад процесу, що виконується сервером польових досліджень для визначення гібриду врожаю для поля сільськогосподарського виробника або його зон. У деяких варіантах здійснення на етапі 1002 сервер 170 запрограмований на комунікацію з пристроєм сільськогосподарським виробником, з таргетованим полем. Конкретно, сервер 170 виконаний з можливістю приймання запланованої щільності або норми висіву для поля від пристрою сільськогосподарського виробника.
Запланована щільність, як правило, перевищує поточну сукупну щільність на полі. Сервер 170 запрограмований, щоб потім визначити, як запланована щільність порівнюється з цільовою щільністю для поля. Цільова щільність може бути заздалегідь визначена для поля на основі комбінації підходів, таких як порівняння із розрахунковою середньою або оптимальною нормою висіву, класифікація за допомогою встановленого дерева рішень відносно норми висіву або оцінки типу практики управління стосовно підняття врожайності, як обговорювалося вище.
Цільова щільність також зазвичай більша за поточну сукупну щільність на полі. Коли запланована щільність нижче цільової щільності, на етапі 1004, сервер 170 налаштовується на отримання рішення щодо того, чи потрібно збільшувати заплановану щільність до цільової щільності від пристрою сільськогосподарського виробника. Коли надходить рішення не збільшувати заплановану щільність, на етапі 1006, сервер 170 налаштовується на обчислення відхилення запланованої щільності від цільової щільності. Коли відхилення перевищує певний поріг, так що запланована щільність залишається досить низькою, сервер 170 виконаний з бо можливістю рекомендувати гнучкий або напівгнучкий гібрид для поля. Наприклад, певний поріг може становити 80 95 від цільової щільності. У деяких варіантах здійснення, коли запланована щільність дорівнює або перевищує цільову щільність, досягаючи істотно великого значення, на етапі 1008 сервер 170 виконаний з можливістю рекомендувати фіксований або напівгнучкий гібрид для поля.
У деяких варіантах здійснення сервер 170 запрограмований на наступну відповідь на мінливість зони в межах таргетованого поля. Конкретно, на етапі 1010 сервер 170 виконаний з можливістю визначення того, чи існує суттєва мінливість норми висіву серед різних зон у полі, і поточна сукупна щільність, що розглядалася до цього моменту, є просто сукупністю за полем.
Сервер 170 може бути виконаний з можливістю подальшого визначення того, чи може певна зона отримати користь від вищих норм висіву від запланованої норми висіву, виходячи з різниці між поточною нормою висіву певної зони відносно поточної сукупної щільності, запланованої норми висіву, і цільової норми висіву. Наприклад, коли різниця між поточною нормою висіву певної зони та поточною сукупною щільністю перевищує певний поріг, такий як 30 95 поточної сукупної щільності, і коли запланована щільність менше цільової щільності, поточна швидкість висіву певної зони може бути збільшена, щоб перевищити заплановану. У таких випадках, коли існує можливість врожаю для норми висіву, що перевищує заплановану норму висіву, на етапі 1012 сервер 170 виконаний з можливістю рекомендувати фіксований або напівгнучкий гібрид через відносно велике обмеження щільності. В інших випадках, коли не існує можливості врожаю для норми висіву, що перевищує заплановану норму висіву, на етапі 1014 сервер 170 виконаний з можливістю рекомендувати не гібридні зміни для поля з постійною нормою. Крім того, сервер 170 може бути виконаний з можливістю подальшого визначення того, чи може певна зона отримати вигоду від нижчих норм висіву від запланованої норми висіву. Така зона може бути зоною ризику, яка страждає від посухи або інших природних або екологічних атак.
Таким чином, на етапі 1016 сервер 170 може бути виконаний з можливістю рекомендувати гнучкий гібрид для такої зони, що відповідає відносно низькій поточній нормі висіву або запланованій нормі висіву, щоб полегшити утримання води або стимулювати подальший ріст врожаю.
ФІГ. 11 ілюструє приклад процесу, проведеного сервером польових досліджень таргетованих полів сільськогосподарського виробника для підвищення врожайності.
Зо У деяких варіантах здійснення, на етапі 1102, сервер 170 запрограмований для прийому даних про норму висіву врожаю та відповідних даних про врожайність протягом певного періоду часу щодо групи полів, асоційованих з множиною пристроїв сільськогосподарського виробника.
Такі дані використовуються для встановлення орієнтирів для визначення зворотної реакції продукту на збільшення норми висіву для полів сільськогосподарського виробника. Групу полів можна вибрати з тих полів, які мають спільні значення з полем сільськогосподарського виробника за певними характеристиками, такими як гібрид сільськогосподарських культур, вирощений на полі, практика управління підвищенням врожайності для поля або розташування поля. Часове охоплення даних дозволяє виявити вплив збільшення норми висіву на підвищення врожайності. Як обговорювалося вище, можна визначити щонайменше оптимальну норму висіву та відповідний поріг на вплив збільшення норми висіву на підвищення врожайності та розробити більше комплексні підходи для характеристики або визначення потенційного впливу зміни норми висіву щодо врожайності на полі сільськогосподарського виробника та, зрештою, чи має бути поле виробника таргетоване на конкретні експерименти з підвищення врожайності. На етапі 1104 сервер 170 запрограмований на отримання поточної норми висіву для поля сільськогосподарського виробника, пов'язаного з одним із множини / пристроїв сільськогосподарського виробника. Поточна норма висіву може бути сукупною для різних зон у полі.
На етапі 1106 сервер 170 запрограмований для подальшого визначення того, чи поле сільськогосподарського виробника буде реагувати на збільшення норми висіву врожаю для поля сільськогосподарського виробника з поточної норми висіву до цільової норми висіву на основі даних про норму висіву культури та відповідні дані врожайності. Цільову норму висіву можна встановити як оптимальну норму висіву або як величину, яка більше відповідає практиці управління підвищенням врожаю на полі або іншим намірам сільськогосподарського виробника.
По суті, з відношення між нормою висіву та врожайністю, продемонстрованою групою полів, яка може бути отримана з даних про норму висіву та відповідних даних про врожайність, сервер 170 виконаний з можливістю або запрограмований для оцінки впливу зміни норми висіву від поточної норми висіву до цільової норми висіву на полі сільськогосподарського виробника і, в свою чергу, визначає, чи буде поле сільськогосподарського виробника ефективно реагувати на зміну норми висіву, виробляючи бажане підвищення врожайності.
На етапі 1108, у відповідь на визначення того, що поле сільськогосподарського виробника буде реагувати, сервер 170 запрограмований таргетувати поле виробника для експерименту з метою збільшення врожайності та підготовки рецепта для експерименту, включаючи нову норму висіву культури та конкретний гібрид врожаю, який буде впроваджено на полі сільськогосподарського виробника. Нова норма висіву врожаю може бути цільовою нормою висіву, якщо вона не перевизначена запланованою нормою висіву, передбаченою пристроєм сільськогосподарського виробника. Будь-яка рекомендована зміна в гібриді сільськогосподарської культури, головним чином, узгоджується зі зміною норми висіву, і її можна впроваджувати поступово у межах поля або крок за кроком продовж часу, щоб мати змогу досягти якомога більшої оцінки підвищення врожайності. Крім того, сервер 170 може бути виконаний з можливістю оцінки мінливості врожайності на полі сільськогосподарського виробника та підготовки більше детального рецепта. Така оцінка може базуватися на фізичних зразках з поля або з аерофотознімання поля. Вища норма висіву, ніж нова норма висіву, часто може бути додатково призначена для зони, що має норму висіву, вищу, ніж поточна норма висіву. Подібним чином нижча норма висіву, ніж нова норма висіву, може бути додатково призначена для зони, що має норму висіву, нижчу від поточної норми висіву.
Як показано на ФІГ. 7, сервер 170 може бути запрограмований для подальшого збору результатів реалізації призначених експериментів з одного сільськогосподарського виробника або безпосередньо з сільськогосподарської техніки призначених експериментів. Конкретно, прогнозоване підвищення врожайності може бути перевірене щодо фактичного підвищення врожайності. Сервер 170 може бути виконаний з можливістю подальшого розподілу даних, пов'язаних з експериментом, і перевірених результатів між іншими пристроями сільськогосподарського виробника, пов'язаними з групою полів. Дані про норму висіву та дані про врожайність також можуть бути оновлені з підтвердженим результатом, щоб зробити можливим більше точне моделювання взаємозв'язку між нормами висіву культури та врожайністю.
Claims (11)
- ФОРМУЛА ВИНАХОДУ Зо 1. Реалізований комп'ютером спосіб таргетування поля сільськогосподарського виробника для підвищення врожайності, який включає: отримання, пристроєм для обробки, даних про норму висіву сільськогосподарської культури та відповідних даних про врожайність за проміжок часу відносно групи полів, пов'язаних з множиною пристроїв сільськогосподарського виробника; 35 отримання, пристроєм для обробки, поточної норми висіву та відповідних даних про врожайність для поля сільськогосподарського виробника, пов'язаного з конкретним пристроєм сільськогосподарського виробника; ідентифікацію цільової норми висіву; визначення, після ідентифікації, того, чи буде поле сільськогосподарського виробника реагувати 40 підвищенням врожайності на збільшення норми висіву сільськогосподарської культури для поля сільськогосподарського виробника з поточної норми висіву до цільової норми висіву, де вплив збільшення норми висіву сільськогосподарської культури для поля сільськогосподарського виробника на підвищення врожайності сільськогосподарських культур перевищує порогове значення на зворотну реакцію, визначення базується на основі співвідношення між даними про 45 норму висіву сільськогосподарської культури та відповідними даними про врожайність; підготовку, у відповідь на визначення того, що поле сільськогосподарського виробника буде реагувати, призначення як сценарію для виконання, який буде впроваджено у поле сільськогосподарського виробника, призначення ідентифікує нову норму висіву та конкретний гібрид, на основі відношення між поточною нормою висіву та новою нормою висіву; 50 передачу сценарію для виконання на сільськогосподарський пристрій, сценарій для виконання після отримання операцій для виконання сільськогосподарського пристрою включає здійснення нової норми висіву та висаджування конкретного гібриду на поле сільськогосподарського виробника згідно з призначенням.
- 2. Реалізований комп'ютером спосіб за п. 1, який додатково включає ідентифікацію групи полів 55 на основі одного або більше: вирощеного на полі гібриду сільськогосподарської культури, практики управління підвищенням врожаю для поля та розташування поля.
- 3. Реалізований комп'ютером спосіб за п. 1, який додатково включає: обчислення оптимальної норми висіву з даних про норму висіву сільськогосподарської культури та відповідних даних про врожайність, оптимальну норму висіву, що відповідає максимальній бо врожайності для групи полів,цільову норму висіву, що досягає оптимальної норми висіву.
- 4. Реалізований комп'ютером спосіб за п. 3, який додатково включає: обчислення співвідношення, яке корелює дані про норму висіву сільськогосподарської культури та відповідні дані про врожайність; оцінку потенційного впливу збільшення норми висіву сільськогосподарської культури від мінімального значення до оптимальної норми висіву на підвищення врожайності від співвідношення; визначення порогового значення на зворотну реакцію для збільшення норми висіву на основі потенційного впливу.
- 5. Реалізований комп'ютером спосіб за п. 1, який додатково включає: отримання інформації відносно типу практики управління підвищенням врожаю для поля сільськогосподарського виробника, цільову норму висіву, що пов'язана з типом практики управління підвищенням врожаю.
- 6. Реалізований комп'ютером спосіб за п. 1, який додатково включає: отримання запланованої норми висіву для поля сільськогосподарського виробника від конкретного пристрою сільськогосподарського виробника; визначення нової норми висіву на основі однієї або більше запланованих норм висіву та цільової норми висіву.
- 7. Реалізований комп'ютером спосіб за п. б, в якому підготовка включає рекомендування фіксованого або напівгнучкого гібриду для поля сільськогосподарського виробника, коли запланована норма висіву не менше, ніж цільова норма висіву.
- 8. Реалізований комп'ютером спосіб за п. 1, який додатково включає ідентифікацію зони у полі сільськогосподарського виробника, для якої норма висіву змінюється від поточної норми висіву більше, ніж на визначений рівень.
- 9. Реалізований комп'ютером спосіб за п. 8, який додатково включає, коли норма висіву для зони вища, ніж поточна норма висіву, надання рекомендації фіксованого або напівгнучкого гібриду та вищу норму висіву, ніж нова норма висіву для зони; коли норма висіву для зони нижча, ніж поточна норма висіву, надання рекомендації гнучкого гібриду та нижчу норму висіву, ніж нова норма висіву для зони.
- 10. Реалізований комп'ютером спосіб за п. 1, який додатково включає отримання конкретних даних про врожайність від реалізації призначення на полі сільськогосподарського виробника.
- 11. Реалізований комп'ютером спосіб за п. 10, який додатково включає: перевірку ефективності призначення на основі конкретних даних про врожайність; розподіл результатів перевірки на множину пристроїв сільськогосподарського виробника.ЕК Шен г сі роя т КУ 1 мех ТЕЗ ; ек стю м й он Мов ше шини ши зе 5 ЗЩИЙ В Помьове дені КЕ МОВНЕ К ДЯК ро Ї ОМ, Кі ВО БОЛОТО Кун ї шо К Ко й БО КЕ У : : Н М ни 3 133 Сібвеько» «1 сій І Комськихн 0 хооиадавовкех УК х кжевцк 1 прис яке й А Е : ї Е ї пинжжжккккких їх Н : - -3 5 Я-- з Н І Ак дилавивннй 45 хол закл Н ІЛІдіднанених ря Коневолер лодетку А І датчие ІЗ : Ї дян меню оеехттт т юсетеєюкнттоососнтя о ла, зон т Е ч І98 Мережа ні Й А Пн ик ин Й КО ден ДУ КамМуУНЦІНеМ Сен» Жооннннннннння Е ї тТлтттТтТч'тТттТтТтнчннчшччнишшше реа й Мао : ї й ТО Сервер дослідження пов Р я НИШНЕ Н їх й НЕ ШУ ню ще: Е ЕН пиляння дитини їх по он ї НЕ 17 474 ЕНН яд : 1 щ роя й ве НЕ НУ й й Н щ НЕ СхоВ : ЕН Хоруючий подуть т нЕнище ! ї КНУ М І епертьх КЕ: дачих : ОО Ди» ГЕКагету НІ мМедеКх НЕ ати вання хі ЗНаЕНН т : ЕН вав ідола рі поливних ; КО Н ЕКО даних т ШЕ І Око дуннння КО юю Усюхюююююююююююююи ї Й а ШЕ ПИ с: кино КЕ т --кр» Представницький ріжан я 1 ва бонь орування даними Інн Ї дсееееесссссссссссссссссссссссосссоооооссссссссссссссссссссссссссссссї ї З ше па у ин 1 БК Апаратниввютувливціний т 3 5; КІ Долетттетттттт тесті т ті ттітітітіт і то ї БО Компютерна змстевня сплеск осподаровоі розвідик нау чад кох Й ЦО Мои компютерний додаток М вх ! і | й їх : Е І ЕН хе її І я Х ери ХЕ жд Насінне ЇХ давен Е У твико Тала З Он т ВашнНОЄУ їі зате Коротун Зінетрекюції 5: Зеструкці х КЗ 1: зр Н и Хе ; ГУ сек их й оф Онструкць о авотрУуюуці ! тозану ЗЕ весплудтацї ТАКО ШУ ІЗ І 7 т НБУВ Н Е зала ЗЕ ЧК Кк ї інФівекуЯ | : : І 3 ї Е ІЗ ГУ Н ІЗ З Н : І ЩЕ Союююююююююююююххим екю маше х З ї ї 3 ї «ку їх. ще ще З ЕК пуху ке ші ями «ж ЩО Кн пи рон х кет Е НАЕК Ммувце створення сцемам 1: ї се и КК КК кана а а а А ТААОВНОАОІОНООАЛЛОЛОЛЛОТЛОТ ЛОТО ОВО ОВО ТОВ ОВ ОО ОЛОВО ВОВНИ ї Н Н НГИ. кт У ст сту ра ї ШОЕ інструкції огзвду та попередження В Н Н Н Е- ППП З ї вича ОН зкїї хі с ря ад кв ї дя ле ЧУ АНЯ ЗЕ жен т, Ми. Приймання даних, ІНетууюції дпутяного викопистання ї т ї НІ Н Кпвваввввввввввввввввввввввввввввоввввввввввввввввввввввввввваввввввввввввввввввввввввввввввввввввввовавввввовввввввовввввввввввн Ер АТа с еукав жк міч ца же мя ї М Додаток кове ютера кабіни : : 3 з он ШИ ванн Шон ШИ ї ї І 1 ї ї х ї 1 з ї х ї 1 з ї х ї 1 з ї х ї 1 з ї х ї 1 з ї х ї 1 з ї х а ї 1 з : ст Х дя вн З ах мо ЕН ї і; їх ер вда ех Ку 1 з ТО1Жк І кий ВЕ ЕК жк Гі ржуси ин сек пе Дике тик й іму Зм нем ї ТО інеті ї Тнепежкуяї знштрукцк її пінетрукції ЗнетеукЦй 3 ї шили ІЗ - Ь я. дл І Я сек хрячи сет уж 3 ї 1 ду ї тля Зі ху жи кЕВІхн Ж пупжиЗкнахе 3 ї і хар 3 рвдаВле Зо у З х ; маних вера рі 3 ткани Ї інска унів 3 люперед» сцанщюю 1 і ї ї й й 1 ї : З пе Н сах 3 З щи х м ї і і перегляду ання ; жшМе і : ї нка ВИ ІТИ НННИТО кА ВЕ КН г У ун тини ОЇ ї булу 4. я с пек ї 3 | ЗЕ Розніууватьна кемиа | ї шин и М : ї ЗооФіг. 2 нн Госеоедня сорока Н : Н зпюномичних даних Н й Н ЕН і Н Н Вищі: поможи зпрсноменим давня Н ЗІ І Н зворот н Н Фцінев набобу впронамених даних зв; ЗКУ вгОеНнамічнНиХ о І Н Н Н Створення агрохомчної моде і Н Н Н х Соя : ц - ї Вкмерігения агрономічної модемі Н Н Н Н і тен м роги сненке деле : СКНОВНА Му приствя |. щі КИ КИ р память зБЕкАнМя С БЕ «з 327 Ко а сх Дим Ше шт Я 0 г ке яв що. ; г ках яв я ! Ко рі 3 3 і : : МТЕВНЕТ ЧЕх . Кі 1 ІЗ ї ГУ Кі ГЕ ІЯУ : Її І НЕ ЕМ ІЗ ЕЕ І ЕЕ РІ : ще са й 4 : ЕВНЕК сведений я Моінв, шина ще вн в с 5 Й : сне їй - ма ж; ССС Ше -в вся шк -х я : ІЗ : о Ше х Кк : ІЗ КЕ . : : ПУ : : НУ ІЗ : КЕ : І НИ : : КЕ | : кЕвУВАННЯ | Ті. Ку КА : | тек КУРСОМ | досі : оніми пимонша : і це : і ОпЕОЦЕОСВ ІстЕРеЕО заврежевА І ПОКАЛЬМА ар ї їх ЕРНЕКУ іінннівеннтту МЕРЕЖА пня : і Же дя : ВІННІ! «з І сінної м 5 / 8 : й НК: «5 У ГООВНИМ комп зотЕе ЕКФіг. 4Тая менедж сожер днк фей г -- У ще т Ук ВдиХ і с. т пики : п ване Шувляз КІ ХОВЕ - Не Кт зерні я ККНЕХ, В НІ тТдаст ема Пиннкть ВЕ Я» ще ЗА пк а І | кохьквт ОСЯХ маш і унеея же урзоувахми: | ЗЕ то МЕН Ме Метрурама і З іоню: і НЕ кн ес» За Я шок: ІВ ДЮ Гіолюї й і ЕЛЕ і ккхжАжж далихУуме | ие що УМОВ вени ее | ЗЕ ние " Я хі Зо тххвах |: Ле він З хаастось пох х сеоее |; зе ле ії їх. ше УК ЖЕ Заиихи ст ах хх сумами УЗИ за С Н ПЕ СО тонна ВВЕ йха б ішнкн: ВЕ зані Ге Я ще зав) Це) Зарксудати і ШК хастодкаання і пд ій ЕЕ пурхуев СТЕЙ кловомеєхо ів г ення їх МОНО: й хоєюотих й р фбеонетм ді е т Ш Пекун НЕ з й кн дм С З как ЖЕ вд | кр вк В се сонне ан с в урье: СЯ див ЗОБУ Лист Грек щИ5 ХО) КоХХхе Ом І. з и ЕЕ уекуері БК щи Я зна хо Дют 5 ХК реву І жкуФрі БК ун, В ще Я їет бедо Кат Ті я) Ж, В іБжиа пеплннннннй Же ТНБК ОЗ ши а Миті ВЕ дет 5. В й Ей у т МИ КЗ у сплетення у шИ яку КК вок соску Я шини ше / Ше ШИ їЕ пня под і К ха, ще Я нн Б шо у ВИХ ї І дпепнчттеотейи М т кур БЮ ою І не Я и з щі ШИ Ме зюжжюююююююєюююююююх І ' Що тетжтжжжжжютютютютю юю хо ЕЕ і ЕЕ ума укнях 3 мн 1 пнях ТК ГЕ ! кою; о х Щ/ В залах А те і жк і КК до Н «с в хх М окалини, У ПОД як Іо 7 ї їх в ен У пжжжжжжнй у фея ; ШО ЇЗ денс ї : ЯК ння Я о м: маска З Е : питенннттння Ко що Жук КО Бер, ОБ : вини існннни ї І ІК Бер, МЕ по пи -е панни я : вшиннн ве Що Я петля Я а : х кпктвтьтьтьтььтьтьсья Зо соя т : ен пе, вв ввввтютьтььььсьсь МИ се ЕЕ нд ак ЖЖ сення!Фіг. 5 фея ке платня пане платня мокра плат плаття плаття ШИ плаття г ши плаття фовдння | от еісодиевк с шосКя У Шо - Шо кове СКортюкех Ка нажаа люттю рі семадев НЯ повен ррня ЗОНІ В ШІ! її плн панк ПоАиннх фо фетяхх Хухх ! Бкозаляв ХВ повинна я - ї іде ухут. Гекхорх ме ЖИ Пол Геюндаю В ро ри боовикяо МИ юки памиз. Жуху» слі ЕН палої. І От: ХАІ | дк міт. Жуки». Пасдют 1 заваже огні | петвдка ! Е днкоюх дктенснтн ХЕ подих Тех кут. КІ Псопв: фр Бе пАААААААААААААХАААТЯ 1 Об ам ТА ЗАМ хі « МУЖНІ Жтоєг. Жіюуй Ме Че ви дя що І Рене пий із фідех Мрцпаух 11 с ПЕВНЕ пен ШЕ пад» ак хогуа ання в3Івор зу фдужижниеи ММ ДВ | дея ка | ЩІ ро ЖУмУУ Ізаетосивання Грек ще НЕжО Вівду жи ЖЖ | дек пса ко мае ! З ди кю секти : ік же Р | дя поехмихх хи | Ї зрання ка заці лк КВ І ГОМ : ШУ хх х 1 с т ЕЕ (вЕстоКуВе Ед ди НІ пф: ВИК АХ - 1 НІ ГО веезових зов М І Босування | с Т-- х | І ї пе с КК В м)! дж | І ша: кт погадж хо океан | Бо жо остосввння | ! ром Кох ТАЗ кУпЕТТВО Кх лин пед хан (я я І Б 1 Каже бр и й нки ПРОДУ Ка Кк І янв 1 Кур. КО вуніВ як З ї ВІДНОСЯ ат ві НІ ун Кук ЗЛ А ЦцІльСенИ сть ! І Су оте їк - пав, ЗвІДЄТЬ ПЛЮС Й Це Ш. ок та Щ Ва : кРОЖАЙ дить ст УВІ 1 пи | Но ХА жор в ІФ ред я ких це їща НУ : пи й дах 1 з Е з БЖ іх ще МОХ Ш Й НІ З кочеі їх рим а | Ш ШІ 1 жиже. ЗХ вій Ще Й ї Ті и пвжкіх мук й и І ш кас цик 1 ро Стань 1 дек Мова м Ш ШІ ї ух | МЕ Е | й - 1 їз с НВ - й ! 1 вних - Ш І НІ ЩІ жовте «Оранка ї щщл Й я - ї Кука КВ МЕ Е: й Е БНО Бар МЕ ко ! Бар МЕ ув й - ЗИХЕХ і ЖЕ Ша Є Й Хат і: ; га І КЕ З ! Ух ві! вані: 1Фіг. б пишна а щі й тве ії Гікаг опе ПЕНСМСВУ, ВУЖ, ФСНКНВЕНЕ м. КОМИ КНИ пОсуукту яккОодистаямються для прогному кхлешення оАлААААААААААААХАААХАААКААААААХАААКАААХАААААХААА ААААААААААХАААКАААХАААААХАААКАААКААААААААКААНАНН ве і з сзворянікя вкспарианків на дет фованнх лех для ідтверлевння пржогнозунання пудяКщень, Зрезуміла демеетрвнцю авиясву вка. й таз у Нрданих по песедик. сезонні роботи ма ваша й ди нем ху. ї ї ОВ В Бо Й Й їі т Бідтеероежевня. ще висперименти вуми проведені ; т та пюзвОВані як беро призначено З ї ї бивліз дяких про сезонні роботи та вромай у реальному масі та пешщуваннка за нессждкоєт Кк жа чу Мозювсодаення сезонних спібля сизонних З ВНУН КЕКВ Я ВКМ В Мі пмеуваВи ЇїФіг. 7ВЖЖЖЖЖЖЖЖЖТЖЖЖЖТТЖТТЖЖЮТТЖТТЖЖЖЖТЖТТ ЖЖ ТТ ЖЖ ЖЖ ЖОВ Ж ЖЖЖЖЖ юю ін ЕЖЖЖЖЖЖТЖЖЖЖТЖТЖЖЖЖТЖЖТТЖЖЖЖТЖТТ ЖЖ ЖЖЖЖЖЖ КТ, ж «ФЕМ ЕХХ "ен --п7ЕМ ' г ою і Щі : « рН: ! І НИ Н а НЯ «ХХ Н зе Кі МИНЕ | 4 о Аах і У кер: ни ни Ж М ШТ нн а ЕН: ВЕ ня КУ : Ще сш Ш-в би ВХ | ЩІ Ф НВ що КО і ще - | г де НИ р 5 ! Н і ши шк | | с х КЕ: жо ! і і Я ЩЕ я с ! ! Б щ яв ! | ще Би Н Н Н і і ж : Н Н і Ей | і і Бі й | ! ! щі сх 1-Й і і і їй ох пон ени нни ниноннн ннни ннй Мой, ЖЖ во Со чок я що зір ійнть Є Зольність (ЕХФіг. 8 я 5 | | Шу Х Ж: дення 18 и 5 Му Бинт в КИ о Шо іон Н З : й ТЕ . СУ ен пан ен Мн є Й нин пи по по поп ННВ. ж НО МН що? ма же дБ дме Ж -я . У желе феод ви пееетеетентнтнннх ДИВНЕ маамосза зь вааью ОКЕАНФіг. 9 оон нн ЗЕ Втрнманих ; ЗХТМЯНеНВНОї КУМННКХ З Ід проштскмт. З пр щі шерешка В Дорівнюює ак» - шої вин вевої Нижча цільові црлюност я Ше НІ й дач а Рі - Мне що - КОДУ сиримання Ка ло8 і ОхщеНя ЗщЕ і ЗбАМення 0 Покомехвацві ГК Нянне 1 ж Ве ВВНОгИ ВОЮ Іова мчанои нильа у нелівозсучнохі явриде і сн апп оп : : ще й Мів ЗБК. й. Но шк КІ в Кк Ї КУЩ Визначиен. чю й заз боях Ї веохкюомууютить! гли міни зринмааті нехх мегаалничким пбрмар р коре лен Е Е МамежинятьЬ. : - У ї неткенаки зму нн ооо ; - врожнк ям з ї з «кормі пух вище запнанованої Е беу Мтвленованвї й ой : Зм с АВ НеКХТУ іх зач с ВН ко Метан ве ож ща ме кмкии й ї Ка т ТЛ ганенехкдрювня ї іа бехнаевнація у Ввоомнниа нм ї ве ЗмНЮВИТИ ПОД ї дра ех за : Е КЕ нЕі РЕК ат пячаюь У КМ ьека корма : Е КЕ НКраКя с к 2 Я ТОБ Рееаеноут ня тек Е бно де ЗОН СКИВНХ Ж оВИЗе КЕ НеЖВИСНІ УЖЕ МЕМ УПН УЧ Пр К І БВ лЛеНе МеВ і іони ийЄ ї1ог ; її стримання, процесором, даних мери висіву сб культури та і відповідних даних врсжаювност за період чвст відповоно до ТО тру полів. пОоВ'язаНЯХ З МиОжикОою пристроєм ст висока і і КО нн рн я в з й ; Я хі М сатримання поточної нарюии висів» для поля ут виробн, пов'язаного з аднимМ Б множини престрев сл виробника "М дон роки Куазначенння ЗХ, мЕЕУММИНИ се Вик няка Муха гезлгуєать ма Зі тьунньки ех позву сут куту дя де се внипобннюв З пос нари вну що цьо норми миску мо ломев: памих пр неареу висіву сх вулики та вадлснеолне дані кроні і Ку г ме Іідеотовки, у відпові» ма визначення того, ще попе ут виреймикх Буде межу ти, вет. пи ВкМжчаЕ МОВ ННЯ Ви Ж культур тек хенуратмня піпрнд врожану, ВЕНИ Буде виго Жено ма лок У ВКШОСнНУВ х я я -Фіг. 11
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US15/989,944 US10999967B2 (en) | 2018-05-25 | 2018-05-25 | Cross-grower study and field targeting |
| PCT/US2019/033728 WO2019226884A1 (en) | 2018-05-25 | 2019-05-23 | Cross-grower study and field targeting |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| UA126359C2 true UA126359C2 (uk) | 2022-09-21 |
Family
ID=68613901
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| UAA202007218A UA126359C2 (uk) | 2018-05-25 | 2019-05-23 | Перехресне дослідження сільськогосподарського виробника та таргетування поля |
Country Status (10)
| Country | Link |
|---|---|
| US (3) | US10999967B2 (uk) |
| EP (1) | EP3803771A4 (uk) |
| CN (1) | CN112166453A (uk) |
| AR (1) | AR115167A1 (uk) |
| AU (1) | AU2019272880A1 (uk) |
| BR (1) | BR112020023684A8 (uk) |
| CA (1) | CA3098196C (uk) |
| MX (1) | MX2020012606A (uk) |
| UA (1) | UA126359C2 (uk) |
| WO (1) | WO2019226884A1 (uk) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10999967B2 (en) | 2018-05-25 | 2021-05-11 | The Climate Corporation | Cross-grower study and field targeting |
| US11861737B1 (en) * | 2018-08-31 | 2024-01-02 | Climate Llc | Hybrid seed supply management based on prescription of hybrid seed placement |
| CA199221S (en) * | 2018-09-28 | 2021-02-18 | Rockwool Int | Display screen with graphical interface |
| DE102020102149A1 (de) * | 2020-01-29 | 2021-07-29 | 365Farmnet Group Kgaa Mbh & Co Kg | Verfahren zum Analysieren landwirtschaftlicher Daten |
| US11295331B2 (en) * | 2020-07-01 | 2022-04-05 | X Development Llc | Analyzing crop fields based on agricultural management practices |
| US11896002B2 (en) * | 2020-10-30 | 2024-02-13 | Lindsay Corporation | Systems and methods for scheduling and coordinating applications of fertilizers, pesticides, and water in agricultural fields |
| CN113379188B (zh) * | 2021-05-06 | 2022-10-25 | 贵州省烟草公司贵阳市公司 | 基于物联网的烟草轮作种植方法和系统 |
| US11369055B1 (en) * | 2021-05-21 | 2022-06-28 | Advanced Agrilytics Holdings, Llc | Methods and systems for modeling soil processes and properties |
| TWI807611B (zh) * | 2022-01-24 | 2023-07-01 | 悠由數據應用股份有限公司 | 農業操作動態調整系統 |
Family Cites Families (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7440901B1 (en) * | 2000-11-02 | 2008-10-21 | Sureharvest | Method and system to communicate agricultural product information to a consumer |
| US7047133B1 (en) * | 2003-01-31 | 2006-05-16 | Deere & Company | Method and system of evaluating performance of a crop |
| NZ562316A (en) * | 2007-10-09 | 2009-03-31 | New Zealand Inst For Crop And | Method and system of managing performance of a tuber crop |
| CA2776577C (en) * | 2010-10-05 | 2021-03-30 | Bayer Cropscience Lp | A system and method establishing an agricultural pedigree for at least one agricultural product |
| US9058633B2 (en) * | 2010-10-25 | 2015-06-16 | Trimble Navigation Limited | Wide-area agricultural monitoring and prediction |
| US8855937B2 (en) * | 2010-10-25 | 2014-10-07 | Trimble Navigation Limited | Crop characteristic estimation |
| US20150206255A1 (en) * | 2011-05-13 | 2015-07-23 | HydroBio, Inc | Method and system to prescribe variable seeding density across a cultivated field using remotely sensed data |
| CN103047346B (zh) | 2012-12-19 | 2014-06-11 | 哈尔滨工业大学 | 滚动关节轴承角度解耦的磁浮零刚度隔振器与隔振系统 |
| US10104836B2 (en) * | 2014-06-11 | 2018-10-23 | John Paul Jamison | Systems and methods for forming graphical and/or textual elements on land for remote viewing |
| WO2016127094A1 (en) * | 2015-02-06 | 2016-08-11 | The Climate Corporation | Methods and systems for recommending agricultural activities |
| US20160260021A1 (en) | 2015-03-06 | 2016-09-08 | William Marek | System and method for improved agricultural yield and efficiency using statistical analysis |
| US20170270446A1 (en) * | 2015-05-01 | 2017-09-21 | 360 Yield Center, Llc | Agronomic systems, methods and apparatuses for determining yield limits |
| US10342174B2 (en) * | 2015-10-16 | 2019-07-09 | The Climate Corporation | Method for recommending seeding rate for corn seed using seed type and sowing row width |
| US11266056B2 (en) * | 2015-10-23 | 2022-03-08 | Deere & Company | System and method for residue detection and implement control |
| US11062223B2 (en) | 2015-12-02 | 2021-07-13 | The Climate Corporation | Forecasting field level crop yield during a growing season |
| US10091925B2 (en) * | 2015-12-09 | 2018-10-09 | International Business Machines Corporation | Accurately determining crop yield at a farm level |
| US10251347B2 (en) | 2016-01-07 | 2019-04-09 | The Climate Corporation | Generating digital models of crop yield based on crop planting dates and relative maturity values |
| US10331931B2 (en) | 2016-02-05 | 2019-06-25 | The Climate Corporation | Modeling trends in crop yields |
| WO2018017068A1 (en) | 2016-07-19 | 2018-01-25 | Visa International Service Association | Method of distributing tokens and managing token relationships |
| US10999967B2 (en) | 2018-05-25 | 2021-05-11 | The Climate Corporation | Cross-grower study and field targeting |
-
2018
- 2018-05-25 US US15/989,944 patent/US10999967B2/en active Active
-
2019
- 2019-05-23 AR ARP190101389A patent/AR115167A1/es active IP Right Grant
- 2019-05-23 BR BR112020023684A patent/BR112020023684A8/pt unknown
- 2019-05-23 EP EP19806618.5A patent/EP3803771A4/en active Pending
- 2019-05-23 MX MX2020012606A patent/MX2020012606A/es unknown
- 2019-05-23 CA CA3098196A patent/CA3098196C/en active Active
- 2019-05-23 UA UAA202007218A patent/UA126359C2/uk unknown
- 2019-05-23 AU AU2019272880A patent/AU2019272880A1/en active Pending
- 2019-05-23 CN CN201980035167.2A patent/CN112166453A/zh active Pending
- 2019-05-23 WO PCT/US2019/033728 patent/WO2019226884A1/en unknown
-
2021
- 2021-05-09 US US17/315,307 patent/US11707016B2/en active Active
-
2023
- 2023-07-24 US US18/225,634 patent/US20230363305A1/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| CA3098196C (en) | 2024-04-30 |
| US20230363305A1 (en) | 2023-11-16 |
| AR115167A1 (es) | 2020-12-02 |
| BR112020023684A8 (pt) | 2023-03-21 |
| US20210307243A1 (en) | 2021-10-07 |
| US10999967B2 (en) | 2021-05-11 |
| US20190357425A1 (en) | 2019-11-28 |
| CN112166453A (zh) | 2021-01-01 |
| BR112020023684A2 (pt) | 2021-02-17 |
| US11707016B2 (en) | 2023-07-25 |
| EP3803771A1 (en) | 2021-04-14 |
| EP3803771A4 (en) | 2022-08-24 |
| CA3098196A1 (en) | 2019-11-28 |
| WO2019226884A1 (en) | 2019-11-28 |
| AU2019272880A1 (en) | 2020-11-26 |
| MX2020012606A (es) | 2021-01-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112955000B (zh) | 使用基于机器学习的种子收获水分预测来改进计算机辅助农场操作 | |
| US11856881B2 (en) | Detection of plant diseases with multi-stage, multi-scale deep learning | |
| CN112106087B (zh) | 农业数据的分析和呈现 | |
| AU2016365336B2 (en) | Forecasting field level crop yield during a growing season | |
| EP3362979B1 (en) | A method for recommending seeding rate for corn seed using seed type and sowing row width | |
| EP3593130B1 (en) | Location selection for treatment sampling | |
| CN113168598B (zh) | 由田间的风险调整的杂交种子选择和作物产量优化 | |
| UA126359C2 (uk) | Перехресне дослідження сільськогосподарського виробника та таргетування поля | |
| US20200042890A1 (en) | Automatic prediction of yields and recommendation of seeding rates based on weather data | |
| CN113163710B (zh) | 标识和利用农田中的测试地点的系统和方法 | |
| CN112930544A (zh) | 利用遗传学和特征工程来提高按田地的种子产品选择和推荐的放置可预测性 | |
| CN113226010B (zh) | 利用空间统计模型实现农艺试验 | |
| CN112889007A (zh) | 使用特定于农艺田地的空间分布值来改进数字养分模型 |