UA126552C2 - Спосіб визначення та надання рекомендації щодо норми висіву насіння рослин на полі - Google Patents
Спосіб визначення та надання рекомендації щодо норми висіву насіння рослин на полі Download PDFInfo
- Publication number
- UA126552C2 UA126552C2 UAA201805466A UAA201805466A UA126552C2 UA 126552 C2 UA126552 C2 UA 126552C2 UA A201805466 A UAA201805466 A UA A201805466A UA A201805466 A UAA201805466 A UA A201805466A UA 126552 C2 UA126552 C2 UA 126552C2
- Authority
- UA
- Ukraine
- Prior art keywords
- data
- seeding
- rate
- field
- optimal
- Prior art date
Links
- 238000010899 nucleation Methods 0.000 title claims abstract description 254
- 238000009331 sowing Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 60
- 240000008042 Zea mays Species 0.000 title claims description 23
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 title claims description 23
- 235000002017 Zea mays subsp mays Nutrition 0.000 title claims description 23
- 235000005822 corn Nutrition 0.000 title claims description 23
- 238000009826 distribution Methods 0.000 claims abstract description 80
- 239000002131 composite material Substances 0.000 claims abstract description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 106
- 229910052757 nitrogen Inorganic materials 0.000 claims description 53
- 230000009418 agronomic effect Effects 0.000 claims description 44
- 239000002689 soil Substances 0.000 claims description 37
- 241000196324 Embryophyta Species 0.000 claims description 32
- 238000012360 testing method Methods 0.000 claims description 32
- 238000004891 communication Methods 0.000 claims description 29
- 238000003860 storage Methods 0.000 claims description 22
- 230000005540 biological transmission Effects 0.000 claims description 20
- 238000013515 script Methods 0.000 claims description 19
- 238000005259 measurement Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 238000013479 data entry Methods 0.000 claims description 13
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000013523 data management Methods 0.000 claims description 5
- 238000012417 linear regression Methods 0.000 claims description 5
- 238000012614 Monte-Carlo sampling Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000011160 research Methods 0.000 claims description 2
- 230000015572 biosynthetic process Effects 0.000 claims 4
- 241000005672 Baia Species 0.000 claims 1
- 244000046052 Phaseolus vulgaris Species 0.000 claims 1
- 235000010627 Phaseolus vulgaris Nutrition 0.000 claims 1
- 240000000038 Ziziphus mauritiana Species 0.000 claims 1
- 235000006545 Ziziphus mauritiana Nutrition 0.000 claims 1
- 101150041594 soti gene Proteins 0.000 claims 1
- 239000000203 mixture Substances 0.000 abstract description 10
- 230000006870 function Effects 0.000 description 31
- 230000008569 process Effects 0.000 description 11
- 230000004044 response Effects 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000007726 management method Methods 0.000 description 10
- 230000003287 optical effect Effects 0.000 description 10
- 238000003971 tillage Methods 0.000 description 10
- 239000003337 fertilizer Substances 0.000 description 9
- 238000003306 harvesting Methods 0.000 description 8
- 238000013459 approach Methods 0.000 description 7
- 239000000463 material Substances 0.000 description 7
- 238000003973 irrigation Methods 0.000 description 6
- 230000002262 irrigation Effects 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 241001124569 Lycaenidae Species 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 239000000575 pesticide Substances 0.000 description 5
- 239000000969 carrier Substances 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 4
- 230000006735 deficit Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000011068 loading method Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 235000015097 nutrients Nutrition 0.000 description 4
- 239000005416 organic matter Substances 0.000 description 4
- 238000001556 precipitation Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 239000008186 active pharmaceutical agent Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 3
- 238000002790 cross-validation Methods 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 3
- 239000002917 insecticide Substances 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 241001057636 Dracaena deremensis 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
- 238000004883 computer application Methods 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000013079 data visualisation Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 210000005069 ears Anatomy 0.000 description 2
- 239000000417 fungicide Substances 0.000 description 2
- 230000012010 growth Effects 0.000 description 2
- 238000012905 input function Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- PWPJGUXAGUPAHP-UHFFFAOYSA-N lufenuron Chemical compound C1=C(Cl)C(OC(F)(F)C(C(F)(F)F)F)=CC(Cl)=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F PWPJGUXAGUPAHP-UHFFFAOYSA-N 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 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
- 238000002360 preparation method Methods 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000005527 soil sampling Methods 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- KTTCLOUATPWTNB-UHFFFAOYSA-N 2-[2-[4-(6,7-dimethoxy-3,4-dihydro-1h-isoquinolin-2-yl)butylcarbamoyl]-4-methylphenoxy]ethyl methanesulfonate Chemical compound C1C=2C=C(OC)C(OC)=CC=2CCN1CCCCNC(=O)C1=CC(C)=CC=C1OCCOS(C)(=O)=O KTTCLOUATPWTNB-UHFFFAOYSA-N 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 101000980162 Homo sapiens Mediator of RNA polymerase II transcription subunit 18 Proteins 0.000 description 1
- 102100024280 Mediator of RNA polymerase II transcription subunit 18 Human genes 0.000 description 1
- 229920000954 Polyglycolide Polymers 0.000 description 1
- 241000204357 Porites Species 0.000 description 1
- 101100385396 Schizosaccharomyces pombe (strain 972 / ATCC 24843) cka1 gene Proteins 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 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
- 230000008901 benefit Effects 0.000 description 1
- 230000031018 biological processes and functions Effects 0.000 description 1
- 238000005341 cation exchange Methods 0.000 description 1
- 238000013098 chemical test method Methods 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000003967 crop rotation Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000002837 defoliant Substances 0.000 description 1
- 239000002274 desiccant Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000011049 filling Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000000499 gel Substances 0.000 description 1
- 238000002986 genetic algorithm method Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000004009 herbicide Substances 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000010871 livestock manure Substances 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 235000010409 propane-1,2-diol alginate Nutrition 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000001850 reproductive effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- -1 silt Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C7/00—Sowing
- A01C7/08—Broadcast seeders; Seeders depositing seeds in rows
- A01C7/10—Devices for adjusting the seed-box ; Regulation of machines for depositing quantities at intervals
- A01C7/102—Regulating or controlling the seed rate
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Soil Sciences (AREA)
- Engineering & Computer Science (AREA)
- Environmental Sciences (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Sowing (AREA)
- Pretreatment Of Seeds And Plants (AREA)
Description
логіку змішаної моделі, набір даних розподілу оптимальної норми висіву в цифровій пам'яті комп'ютера на основі емпіричної змішаної моделі, причому набір даних розподілу оптимальної норми висіву представляє оптимальну норму висіву для всього поля, на якому проводили вимірювання; розраховують, використовуючи логіку рекомендації оптимальної норми висіву в серверній комп'ютерній системі, та надають на цифровому дисплеї рекомендації щодо оптимальної норми висіву на основі набору даних розподілу оптимальної норми висіву; створюють, використовуючи рекомендації щодо оптимальної норми висіву, скрипт, який завантажується на контролер для контролю за робочими параметрами сільськогосподарської техніки.
Фіг. 1 192 т 104 108 ДТ що / польові - її 196 Попьові Ме ни вн дані Зовнішнідан|ї (003 115 Комп'ютер! М Сільськогосто» 113 стіни у кабіні дарських пристрій 412 Дистанційний! | 114 Контролер внесення датчик 199 Мережаці) 132 Рівень зв'язку 170. Підсистема рекомендування норми висіву 73 Логіка - пло 176 Логіка с - запиту . моделі . параметра : . , висіву Ш модені висіву 160
Схавище моделей та польсзвих даних - 174 Логіка плоска змішаної реком. ндування " ї оптимальної моделі ;
Що норми висіву в»! 134 Рівень предстанлення 140 Рівень керування даними 150 Рівень обладнання; віртуалізації 130 Сільськогосподарська інформаційна комп'ютерна система
ПОВІДОМЛЕННЯ ПРО АВТОРСЬКІ ПРАВА
0001) Частина опису цього патентного документа містить матеріали, захищені авторським правом. Власник авторських прав не заперечує проти факсимільного відтворення будь-якою особою патентного документа або його опису, наявного у файлах або записах Патентного офісу та Офісу товарних знаків, але залишає за собою всі авторські та інші права в усіх інших випадках. Є 2015 Те Сіїтаїе Согрогайоп.
ГАЛУЗЬ ТЕХНІКИ
ІЇ0002| Даний винахід стосується комп'ютерно реалізованих методів прогнозування або рекомендування оптимальної норми висіву для насіння гібридних сортів кукурудзи на основі типу насіння гібридних сортів та ширини рядка висівання.
РІВЕНЬ ТЕХНІКИ
0003) Описані в даному розділі підходи -- це підходи, які можуть бути реалізовані, але не обов'язково це підходи, які були раніше задумані або реалізовані. Тому, якщо не вказано інше, не слід вважати, що будь-який з описаних в цьому розділі підходів належить до попереднього рівня техніки тільки внаслідок його включення в даний розділ.
І0004| Норма висіву є одним з багатьох важливих агрономічних управлінських рішень, які щороку приймає виробник кукурудзи. Норма висіву -- це кількість насінин, висіяних на акр землі. Витрати на насіння можуть становити до 1495 загальних виробничих витрат за рік. Тому важливо визначити оптимальну норму висіву, яка забезпечуватиме бажаний дохід для виробників. Різні види кукурудзи можуть мати різну врожайність в залежності від щільності рослин. Таким чином, від типу насіння гібридних сортів може залежати співвідношення між нормою висіву та врожайністю. 0005) Як правило, рослини кукурудзи в межах поля спільно використовують ресурсами, отже щільніше розташовані рослини кукурудзи дають менші качани, ніж рослини, розташовані на більшій відстані. «Реакція» кукурудзи на збільшення норми висіву залежить від складного біологічного процесу, який включає як вегетативний, так і репродуктивний ріст і впливає на врожайність рослини через різні компоненти, такі як кількість качанів на рослину, кількість ядер у качані та вага ядра. У результаті кінцевий урожай є компромісом між більшою кількістю рослин на полі та зниженням урожайності на рослину через посилення конкуренції між ними. На норму
Зо висіву також впливає продуктивність грунту, погодні умови та ширина рядка висівання.
Визначення оптимальної норми висіву може залежати від гібридних сортів насіння та стратегій висівання, застосовуваних виробником.
КОРОТКИЙ ОПИС СУТІ ВИНАХОДУ
І0006)| Формула винаходу, що додається, може служити викладенням суті винаходу.
КОРОТКИЙ ОПИС ГРАФІЧНИХ МАТЕРІАЛІВ
І0007| У наведених графічних матеріалах:
І0008) На ФІГ. 1 проілюстровано приклад комп'ютерної системи, виконаною з можливістю виконання описаних тут функцій, зображеної у польових умовах разом з іншими пристроями, з якими ця система може взаємодіяти. 0009 На ФІГ. 2 наведено два варіанти ілюстративної логічної організації наборів команд у основній пам'яті при завантаженні ілюстративної програми для мобільних пристроїв для її виконання. 0010 На ФІГ. 3 проілюстровано запрограмований процес, використовуючи який сільськогосподарська інформаційна комп'ютерна система генерує одну або кілька попередньо налаштованих агрономічних моделей із застосуванням агрономічних даних, отриманих з одного або кількох джерел даних. 00111 На ФІГ. 4 наведена блок-схема, що ілюструє комп'ютерну систему 400, в якій можуть бути здійснені варіанти реалізації даного винаходу.
І0012| На ФІГ. 5 проілюстровано приклад запрограмованого алгоритму або процесу визначення рекомендованої норми висіву для конкретного насіння гібридного сорту та ширини рядків висівання кукурудзи у конкретному географічному місцерозташуванні. 0013) На ФІГ. 6 проілюстровано приклад запрограмованого алгоритму або процесу, за допомогою якого логіка моделі висіву використовується для створення моделі висіву для конкретного тестового поля. (0014) На ФІГ. 7А ї ФІГ. 7В наведені графіки співвідношення між врожайністю та нормою висіву.
І0015) На ФІГ. 8 проілюстровано приклад реалізації виду часової шкали для введення даних. 0016) На ФІГ. 9 проілюстровано приклад реалізації виду таблиці для введення даних.
ДОКЛАДНИЙ ОПИС СУТІ ВИНАХОДУ бо І0017| У наведеному нижче описі при поясненні використовуються численні конкретні деталі та приклади. Це зроблено для того, щоб забезпечити повне розуміння цього винаходу. Однак слід розуміти, що варіанти реалізації винаходу можуть застосовуватись на практиці і без зазначених конкретних деталей. В інших випадках добре відомі конструкції та пристрої показані у вигляді блок-схеми, щоб не ускладнювати сприйняття опису винаходу. Варіанти реалізації описані в розділах, що мають таку структуру: 1. ЗАГАЛЬНА ІНФОРМАЦІЯ 2. ІЛЮСТРАТИВНА / СІЛЬСЬКОГОСПОДАРСЬКА ІНФОРМАЦІЙНА / КОМП'ЮТЕРНА
СИСТЕМА
21. ОГЛЯД СТРУКТУРИ 2.2. ОГЛЯД ПРИКЛАДНОЇ ПРОГРАМИ 2.3. ВВЕДЕННЯ ДАНИХ У КОМП'ЮТЕРНУ СИСТЕМУ 2.4. ОГЛЯД ПРОЦЕСУ -- ПІДГОТОВКА АГРОНОМІЧНОЇ МОДЕЛІ 2.5. ПІДСИСТЕМА РЕКОМЕНДУВАННЯ НОРМИ ВИСІВУ 2.8. ПРИКЛАД РЕАЛІЗАЦІЇ -- ОГЛЯД ОБЛАДНАННЯ 3. ОГЛЯД ФУНКЦІЙ 3.1. ЛОГІКА ЗАПИТУВАННЯ ПАРАМЕТРІВ МОДЕЛІ ВИСІВУ 3.2. ЛОГІКА ЗМІШАНОЇ МОДЕЛІ 3.3. ЛОГІКА РЕКОМЕНДУВАННЯ ОПТИМАЛЬНОЇ НОРМИ ВИСІВУ 3.4. ЛОГІКА МОДЕЛІ ВИСІВУ (0018) 1. ЗАГАЛЬНА ІНФОРМАЦІЯ
І0019| Запропоновано комп'ютерну систему та комп'ютерно реалізовані способи визначення та надання поліпшених рекомендацій щодо норми висіву насіння гібридних сортів на полі. У варіанті реалізації визначення та надання рекомендацій щодо норми висіву для поля може бути здійснено за допомогою серверної комп'ютерної системи, яка налаштована та запрограмована для отримання через мережу цифрового зв'язку електронних цифрових даних, що являють собою властивості насіння гібридних сортів, включаючи тип насіння гібридного сорту та ширину рядка висівання. Використовуючи цифрову запрограмовану логіку запитів щодо висівання, комп'ютерна система запрограмована для отримання цифрових даних, що представляють параметри висівання, включаючи інформацію про тип насіння гібридного сорту та ширину рядка
Зо висівання. Використовуючи логіку запитів щодо висівання, система запрограмована для отримання набору з однією або кількома моделями висіву зі сховища електронних цифрових даних висіву на основі параметрів висівання. У кожній з отриманих моделей висіву міститься регресійна модель, яка моделює співвідношення між урожайністю рослин та нормою висіву на конкретному полі, де проводились випробування з використанням певного типу насіння гібридних сортів. «Модель» у цьому контексті означає набір виконуваних комп'ютером команд та пов'язаних з ними даних, які можна запитати, викликати, виконувати, розв'язувати чи розраховувати, щоб отримати вихідні дані, що зберігаються в цифровому форматі, на основі вхідних даних, отриманих у електронній цифровій формі. Інколи в цьому описі для вказування моделі використовується одне або кілька математичних рівнянь, але будь-яка така модель призначена для реалізації в запрограмованих комп'ютерно-виконуваних командах, які зберігаються в пам'яті разом з пов'язаними даними.
І0020| Використовуючи логіку змішаної моделі, комп'ютерна система запрограмована для формування емпіричної змішаної моделі в цифровій пам'яті комп'ютера, яка являє собою складений розподіл набору однієї або кількох моделей висіву. Використовуючи логіку змішаної моделі, комп'ютерна система запрограмована для створення набору даних розподілу оптимальної норми висіву в цифровій пам'яті комп'ютера на основі емпіричної змішаної моделі, де набір даних розподілу оптимальної норми висіву являє собою розподіл оптимальних норм висіву на всіх полях, де проводились вимірювання.
І0021| Використовуючи логіку рекомендації оптимальної норми висіву, комп'ютерна система запрограмована для обчислення та виведення на дисплей цифрового пристрою рекомендації щодо оптимальної норми висіву на основі набору даних розподілу оптимальної норми висіву. (00221 2. ІЛЮОСТРАТИВНА СІЛЬСЬКОГОСПОДАРСЬКА ІНФОРМАЦІЙНА КОМП'ЮТЕРНА
СИСТЕМА
(0023) 21 ОГЛЯД СТРУКТУРИ (0024) На ФІГ. 1 проілюстровано приклад комп'ютерної системи, виконаної з можливістю виконання описаних тут функцій, зображеної у польових умовах разом з іншими пристроями, з якими ця система може взаємодіяти. В одному варіанті реалізації користувач 102 володіє, експлуатує або використовує обчислювальний пристрій 104 для керування польовими роботами, розташований на полі або пов'язаний з таким місцем розташування, наприклад, 60 полем, на якому проводиться сільськогосподарська діяльність, або центром, з якого здійснюється управління сільськогосподарськими роботами на одному чи кількох полях.
Обчислювальний пристрій 104 для керування польовими роботами запрограмований або налаштований із можливістю надання польових даних 106 сільськогосподарській інформаційній комп'ютерній системі 130 через одну або кілька мереж 109. (0025) Приклади польових даних 106 включають: (а) ідентифікаційні дані (наприклад, площа ділянки, назва поля, ідентифікатори полів, географічні ідентифікатори, ідентифікатори меж, ідентифікатори культур та будь-які інші придатні дані, які можуть використовуватись для ідентифікації сільськогосподарських земель, наприклад, загальні земельні одиниці (СІ), номер ділянки та блоку, номер земельної ділянки (на великомасштабних картах), географічні координати та межі, серійний номер ферми (Е5М), номер ферми, номер ділянки у 40 акрів (прибл. 16 га), номер поля, ділянка у 640 акрів (256 га), ділянка площею 36 кв. миль (93,236 кв. км) та/або ділянка вигулу); (Б) дані про врожай (наприклад, тип сільськогосподарських культур, сорти сільськогосподарських культур, сівозміна, застосування органічних методів вирощування культур, дата збирання врожаю, хронологія фактичного виробництва (АРН), очікувана врожайність, врожайність, ціна на культуру, доходи від культури, вологість зерен, практика механічної обробки грунту та інформація про попередній вегетаційний сезон), (с) дані про грунт (наприклад, тип, склад, рН, органічна речовина (ОМ), катіонообмінна здатність (СЕС)); (4) дані про сівбу і посадки (наприклад, дата сівби/посадки, тип насіння, відносна зрілість (КМ) посадженого насіння, щільність висівання насіння), (е) дані про добрива (наприклад, тип нутрієнта (азот, фосфор, калій), тип внесення, дата внесення, кількість, джерело, спосіб); (ї) дані про пестициди (наприклад, пестициди, гербіциди, фунгіциди, інша речовина або суміш речовин, призначених для використання як регулятора рослин, дефоліант або осушувач, дата внесення, кількість, джерело, спосіб), (9) дані про зрошення (наприклад, дата внесення, кількість, джерело, спосіб); (п) дані про погоду (наприклад, опади, температура, вітер, прогноз, тиск, видимість, хмарність, тепловий індекс, точка роси, вологість, глибина снігу, якість повітря, схід сонця, захід сонця), (і) дані зображень (наприклад, зображення та дані світлового спектра, отримані від датчика сільськогосподарського пристрою, камери, комп'ютера, смартфона, планшета, безпілотного літального апарата, літаків або супутника), () дані польових спостережень (фотографії, відеоролики, нотатки у вільній формі, голосові записи,
Зо розшифровані голосові записи, погодні умови (температура, опади (поточні і протягом того чи іншого проміжку часу), вологість грунту, стадія росту рослин, швидкість вітру, відносна вологість, точка роси, чорний шар)), і «(К) грунт, насіння, фенологія культур, звіти про шкідників та хвороби, джерела прогнозів та бази даних.
І0026| Комп'ютер 108 сервера даних комунікативно зв'язаний із сільськогосподарською інформаційною комп'ютерною системою 130 та запрограмований або налаштований з можливістю передачі зовнішніх даних 110 у сільськогосподарську інформаційну комп'ютерну систему 130 через мережу(і) 109. Комп'ютер 108 зовнішнього сервера даних може належати або керуватись тією ж юридичною особою або суб'єктом господарювання, що й сільськогосподарська інформаційна комп'ютерна система 130, або іншою особою чи суб'єктом права, наприклад, державним агентством, неурядовою організацією (МО) та/або приватним постачальником послуг передачі даних. Приклади зовнішніх даних включають дані про погоду, дані зображень, дані про грунт або статистичні дані щодо врожайності сільськогосподарських культур тощо. Зовнішні дані 110 можуть складатися з інформації того ж типу, що і польові дані 106. У деяких варіантах реалізації зовнішні дані 110 забезпечуються зовнішнім сервером даних 108, який належить одному і тому ж суб'єкту господарювання, який володіє та/або управляє сільськогосподарською інформаційною комп'ютерною системою 130. Наприклад, сільськогосподарська інформаційна комп'ютерна система 130 може містити сервер даних, орієнтований виключно на тип даних, які в іншому випадку можна отримати зі сторонніх джерел, наприклад, дані про погоду. У деяких варіантах реалізації зовнішній сервер даних 108 може бути фактично включений в систему 130.
І0027| Сільськогосподарський пристрій 111 має один або кілька закріплених на ньому дистанційних датчиків 112, які комунікативно зв'язані прямо або опосередковано через сільськогосподарський апарат 111 з сільськогосподарською інформаційною комп'ютерною системою 130 і запрограмовані або налаштовані з можливістю передачі даних датчиків до сільськогосподарської інформаційної комп'ютерної системи 130. Приклади сільськогосподарського пристрою 111 включають трактори, комбайни, збиральні комбайни, сівалки, вантажні автомобілі, обладнання для внесення добрив, безпілотні літальні апарати та будь-який інший варіант фізичного обладнання або апаратного забезпечення, як правило, мобільні машини, які можуть використовуватися для виконання завдань, пов'язаних із сільським бо господарством. У деяких варіантах реалізації одна одиниця пристрою 111 може містити множину датчиків 112, які локально з'єднані в мережі на пристрої; контролерна мережа (САМ) є прикладом такої мережі, яка може бути встановлена на комбайнах або збиральних комбайнах.
Контролер внесення 114 комунікативно з'єднаний із сільськогосподарською інформаційною комп'ютерною системою 130 через мережу(ї) 109 і запрограмований або налаштований на одержання одного або кількох скриптів для керування робочим параметром сільськогосподарського транспортного засобу або обладнання від сільськогосподарської інформаційної комп'ютерної системи 130. Наприклад, інтерфейс шини контролерної мережі (САМ) може використовуватися для забезпечення зв'язку між сільськогосподарською інформаційною комп'ютерною системою 130 та сільськогосподарським пристроєм 111, як-от
СІГІМАТЕ РІЕСО МІЕМУ ОКІМЕ, доступним від Те Сійтасе Согрогайоп, Сан-Франциско, штат
Каліфорнія. Дані датчика можуть складатися з інформації того ж типу, що і польові дані 106. 0028) Пристрій 111 може містити комп'ютер у кабіні 115, запрограмований із застосуванням прикладної програми для використання в кабіні що може включати версію або варіант мобільної програми для пристрою 104, який додатково описаний в інших розділах цього документу. У варіанті реалізації комп'ютер у кабіні 115 містить компактний комп'ютер, як правило, планшет або смартфон з кольоровим графічним екраном, який встановлюється в кабіні оператора пристрою 111. Комп'ютер у кабіні 115 може реалізувати деякі або всі операції та функції, описані нижче для мобільного комп'ютерного пристрою 104. (0029) Мережайї) 109 у широкому сенсі представляє(ють) собою будь-яку комбінацію однієї або кількох мереж передачі даних, включаючи локальні мережі, широкосмугові мережі, міжмережевий обмін або Інтернет, використовуючи будь-які дротові та бездротові лінії зв'язку, включаючи наземні або супутникові. Мережа (мережі) може (можуть) бути реалізована (реалізовані) із застосуванням будь-якого середовища або засобу, 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 зовнішнього сервера даних 108 та інші елементи системи містять (кожний) інтерфейс, сумісний з мережею(ами) 109, і запрограмовані або виконані з можливістю використання стандартизованих протоколів для зв'язку в таких мережах, як ТСР/Р, Вінефооїй, протокол САМ та протоколи високого рівня, такі як
НТТР, ТІ 5 тощо.
Зо І0030| Сільськогосподарська інформаційна комп'ютерна система 130 запрограмована або сконфігурована для прийому польових даних 106 від обчислювального пристрою 104 для керування польовими роботами, зовнішніх даних 110 від комп'ютера 108 зовнішнього сервера даних та даних датчика з дистанційного датчика 112. Сільськогосподарська інформаційна комп'ютерна система 130 може бути додатково сконфігурована для зберігання, використання або виконання однієї або кількох комп'ютерних програм, інших елементів програмного забезпечення, цифрової програмованої логіки, такої як ЕРА або АБІС, або будь-якої їх комбінації для виконання трансляції та зберігання значень даних, побудови цифрових моделей однієї або кількох культур на одному або кількох полях, формування рекомендацій та сповіщень, а також створення та відправлення скриптів у контролер внесення 114, як описано далі в інших розділах цього опису.
І0ОЗ31) У варіанті реалізації сільськогосподарська інформаційна комп'ютерна система 130 запрограмована або містить рівень зв'язку 132, рівень представлення 134, рівень керування даними 140, рівень обладнання/віртуалізації 150, а також сховище моделей та польових даних 160. «Рівень» у цьому контексті означає будь-яку комбінацію електронних цифрових інтерфейсних схем, мікроконтролерів, прошивки, наприклад, драйверів та/або комп'ютерних програм або інших елементів програмного забезпечення. 0032) Рівень зв'язку 132 може бути запрограмований або налаштований з можливістю виконання функцій інтерфейсу введення/виведення, включаючи передачу запитів в обчислювальний пристрій 104 для керування польовими роботами, комп'ютер 108 зовнішнього сервера даних та дистанційний датчик 112 для отримання польових даних, зовнішніх даних та даних датчиків, відповідно. Рівень зв'язку 132 може бути запрограмований або налаштований з можливістю передачі отриманих даних у сховище моделей та польових даних 160 для зберігання як польових даних 106.
ІЇ0033| Рівень представлення 134 може бути запрограмований або налаштований з можливістю створення графічного інтерфейсу користувача (СИ), який відображатиметься на екрані обчислювального пристрою 104 для керування польовими роботами, комп'ютера в кабіні 115 або інших комп'ютерів, які з'єднані з системою 130 через мережу 109. ЦІ може містити елементи керування для введення даних, що мають направлятися в сільськогосподарську інформаційну комп'ютерну систему 130, формування запитів для моделей та/або рекомендацій, 60 і/або відображення рекомендацій, сповіщень, моделей та інших польових даних.
І0034| Рівень керування даними 140 може бути запрограмований або налаштований з можливістю керування операціями зчитування та запису, що стосуються сховища 160 та інших функціональних елементів системи, включаючи запити та набори результатів, що передаються між функціональними елементами системи та сховищем. Приклади рівня керування даними 140 включають УОВС, код інтерфейсу ЗОЇ -сервера та/або код інтерфейсу НАБООР та інші.
Сховище 160 може містити базу даних. Термін «база даних», що тут вживається, може стосуватися сукупності даних, системи керування базами даних (КОВМ5) або обох. У даному описі база даних може містити будь-яку сукупність даних, включаючи ієрархічні бази даних, реляційні бази даних, бази даних з неструктурованими файлами, об'єктно-реляційні бази даних, об'єктно-орієнтовані бази даних і будь-який інший структурований набір записів або даних, що зберігаються в комп'ютерній системі. Приклади КОВМ5 включають, але не обмежуються названим: бази даних ОКАСІ ЕФ, МУЗОЇ, ІВМФ 082, МІСКОБОГТФ 5ОЇ ЗЕКМЕК, ЗУВАЗЕФ і
РОБТОКЕЗ5ОЇ. Однак можна використовувати будь-яку базу даних, яка дозволяє здійснювати описані тут системи та способи.
ЇОО35| Якщо польові дані 106 не надаються безпосередньо сільськогосподарській інформаційній комп'ютерній системі через одну або кілька сільськогосподарських машин або пристроїв сільськогосподарських машин, які взаємодіють 3 сільськогосподарською інформаційною комп'ютерною системою, користувачу може бути запропоновано на одному або кількох інтерфейсах користувача на пристрої користувача (обслуговується сільськогосподарською інформаційною комп'ютерною системою) ввести таку інформацію. У прикладі здійснення користувач може вказувати ідентифікаційні дані, отримуючи доступ до карти на пристрої користувача (обслуговується сільськогосподарською інформаційною комп'ютерною системою) та вибираючи конкретні СО, що графічно відображені на карті. В альтернативному варіанті реалізації користувач 102 може вказувати ідентифікаційні дані, отримуючи доступ до карти на пристрої користувача (обслуговується сільськогосподарською інформаційною комп'ютерною системою 130) та наносячи межі поля на карті. Такі схеми вибору
СО або окреслення на карті представляють собою географічні ідентифікатори. У альтернативних варіантах реалізації користувач може вказувати ідентифікаційні дані, отримуючи доступ до ідентифікаційних польових даних (наданих у вигляді файлів форми або в
Зо аналогічному форматі) Управління обслуговування фермерів Міністерства сільського господарства США або з іншого джерела через пристрій користувача та передаючи такі ідентифікаційні польові дані у сільськогосподарську інформаційну комп'ютерну систему.
І0О3б6| У варіанті реалізації винаходу сільськогосподарська інформаційна комп'ютерна система 130 запрограмована для створення та виведення на дисплей графічного інтерфейсу користувача, що містить менеджер даних для введення даних. Після ідентифікації одного або кількох полів за допомогою описаних вище способів менеджер даних може надавати один або кілька віджетів графічного інтерфейсу користувача, які при їх виборі можуть ідентифікувати зміни на полі, в грунті, практиці сівби, обробки грунту або внесенні нутрієнтів. Менеджер даних може включати вид часової шкали, електронної таблиці та/або одну або кілька програм, які можна редагувати.
І0037| На ФІГ. 8 проілюстровано приклад реалізації виду часової шкали для введення даних.
Використовуючи дисплей, зображений на ФІГ. 8, комп'ютер користувача може вводити вибір певного поля та певну дату для додавання події. Події, зображені у верхній частині шкали часу, включають азот, висівання, практики та грунт. Щоб додати подію внесення азоту, комп'ютер користувача може надавати можливість вибору вкладки «азот». Після цього комп'ютер користувача може вибрати місце на часовій шкалі для певного поля, щоб вказати внесення азоту на вибраному полі. У відповідь на отримання вибору місця на часовій шкалі для певного поля менеджер даних може відображати шар введення даних, дозволяючи комп'ютеру користувача вводити дані щодо внесення азоту, процедури висівання, внесення в грунт, процедури обробки грунту, зрошення або іншу інформацію, що стосується конкретного поля.
Наприклад, якщо комп'ютер користувача вибирає частину часової шкали і вказує внесення азоту, шар введення даних може містити поля для введення кількості азоту для внесення, дати внесення, типу використовуваного добрива та будь-якої іншої інформації, що стосується внесення азоту.
І0038)| У варіанті реалізації менеджер даних забезпечує інтерфейс для створення однієї або кількох програм. «Програма» в цьому контексті означає набір даних, що стосуються внесення азоту, процедур висівання, внесення в грунт, процедур обробки грунту, зрошення та іншої інформації, яка може бути пов'язана з одним або кількома полями, і які можуть зберігатися в сховищі цифрових даних для повторного використання як набору в інших операціях. Після 60 створення програми вона може концептуально застосовуватись до одного або кількох полів, а посилання на програму можуть зберігатися в цифровому сховищі разом із даними, що ідентифікують поля. Таким чином, замість введення вручну ідентичних даних, що стосуються одного і того ж внесення азоту для кількох різних полів, комп'ютер користувача може створювати програму, яка вказує конкретне внесення азоту, а потім застосовувати програму до кількох різних полів. Наприклад, у виді часової шкали на ФІГ. 8 у двох верхніх часових шкалах вибрано програму «Осіннє внесення», яка включає внесення 150 фунтів азоту/акр на початку квітня. Менеджер даних може забезпечувати інтерфейс для редагування програми. У варіанті реалізації у разі редагування певної програми кожне поле, де вибрано цю програму, буде змінюватись. Наприклад, на ФІГ. 8, якщо програму «Осіннє внесення» редагували для зменшення внесення азоту до 130 фунтів азоту/акр, дані для двох верхніх полів можуть бути оновлені з використанням зменшеної кількості азоту на основі зміненої програми.
І0039) У варіанті реалізації у відповідь на отримання змін стосовно поля, яке має вибрану програму, менеджер даних видаляє відповідність поля вибраній програмі. Наприклад, якщо внесення азоту додається до верхнього поля на ФІГ. 8, інтерфейс може оновлюватися, щоб вказати, що програма «Осіннє внесення» більше не застосовується до верхнього поля.
Незважаючи на те, що внесення азоту на початку квітня може залишитися, оновлення програми «Осіннє внесення» не змінить квітневого внесення азоту.
І0040| На ФІГ. 9 проілюстровано приклад реалізації виду таблиці для введення даних.
Використовуючи дисплей, зображений на ФІГ. 9, користувач може створювати та редагувати інформацію для одного або кількох полів. Менеджер даних може включати електронні таблиці для введення інформації щодо азоту, висівання, практик та грунту, як показано на ФІГ. 9. Для редагування певного запису комп'ютер користувача може вибрати конкретний запис у електронній таблиці та оновити значення. Наприклад, на ФІГ. 9 показане поточне оновлення цільового значення врожаю для другого поля. Крім того, комп'ютер користувача може вибрати одне або кілька полів, щоб застосувати одну або кілька програм. У відповідь на отримання вибору програми для певного поля, менеджер даних може автоматично заповнювати записи для конкретного поля на основі вибраної програми. Як і у випадку виду часової шкали, менеджер даних може оновлювати записи для кожного поля, пов'язаного з конкретною програмою, у відповідь на отримання оновлення даних програми. Крім того, менеджер даних може видалити відповідність вибраної програми полю у відповідь на отримання змінених даних одного з записів для поля.
І0041| У варіанті реалізації дані моделі та поля зберігаються в сховищі моделей та польових даних 160. Дані моделі включають моделі даних, створені для одного або кількох полів.
Наприклад, модель культури може містити побудовану цифровими засобами модель розвитку культури на одному або кількох полях. «Модель» у цьому контексті стосується набору виконуваних команд та значень даних, що зберігаються з використанням електронних цифрових засобів, пов'язаних один з одним, які здатні приймати та реагувати на програмний або інший цифровий виклик, активізацію або запит на вирішення на основі вказаних вхідних значень для отримання одного або кількох вихідних значень, що зберігаються, які, крім іншого, можуть слугувати основою для комп'ютерних рекомендацій, відображуваних вихідних даних або керування машинами. Кваліфіковані фахівці у цій галузі вважають, що зручніше представляти моделі з використанням математичних рівнянь, але форма вираження не обмежує описані тут моделі абстрактними поняттями; навпаки, кожна модель має практичне застосування в комп'ютері у вигляді збережених виконуваних команд та даних, що реалізують модель за допомогою комп'ютера. Дані моделі можуть містити модель минулих подій на одному або кількох полях, модель поточного стану одного або кількох полів та/"або модель прогнозованих подій в одному або кількох полях. Дані моделі та польові дані можуть зберігатися в структурах даних у пам'яті, рядках таблиці бази даних, неструктурованих файлах або електронних таблицях або в інших формах збережених цифрових даних. (00421 Рівень обладнання/віртуалізації 150 містить один або кілька центральних процесорів (СРШ), контролерів пам'яті та інших пристроїв, компонентів або елементів комп'ютерної системи, таких як енергозалежна або енергонезалежна пам'ять, енергонезалежне сховище, таке як диск, та пристрої або інтерфейси введення/виведення, зображені та описані, наприклад, у зв'язку з ФІГ. 4. Рівень 150 також може містити запрограмовані команди, виконані з можливістю підтримки віртуалізації, контейнеризації та інших технологій. 0043) Для ілюстрації чіткого і ясного прикладу ФІГ. 1 ілюструє обмежене число екземплярів деяких функціональних елементів. Проте, в інших варіантах реалізації може використовуватись будь-яка кількість таких елементів. Наприклад, у варіантах реалізації можуть використовуватися тисячі або мільйони різних мобільних обчислювальних пристроїв 104, пов'язаних з різними бо користувачами. Крім того, система 130 та/або комп'ютер 108 зовнішнього сервера даних може бути реалізований з використанням двох або більшої кількості процесорів, ядер, кластерів або екземплярів фізичних або віртуальних машин, сконфігурованих у конкретному місці розташування або розташованих разом з іншими елементами в центрі обробки даних, спільно використовуваному обчислювальному центрі або засобі хмарних обчислень. (004412.2. ОГЛЯД ПРИКЛАДНОЇ ПРОГРАМИ (0045) В одному варіанті реалізації винаходу втілення описаних тут функцій з використанням однієї або кількох комп'ютерних програм або інших програмних елементів, які завантажуються і виконуються з використанням одного або кількох комп'ютерів загального призначення, приводить до того, що зазначені комп'ютери загального призначення будуть налаштовані як спеціальна машина або комп'ютер, спеціально адаптований для виконання описаних тут функцій. Крім того, кожна з описаних далі блок-схем може служити, окремо або в поєднанні з наведеними тут описами процесів та функцій, алгоритмами, планами або вказівками, які можуть використовуватися для програмування комп'ютера або логіки з метою втілення описаних функцій. Іншими словами, весь текст опису в цьому документі та всі графічні матеріали разом покликані забезпечити розкриття алгоритмів, планів або вказівок, достатніх для того, щоб надати кваліфікованому фахівцю можливість запрограмувати комп'ютер для виконання описаних тут функцій, у поєднанні зі знаннями та навичками такої людини, за наявності рівня знань, що відповідає винаходам та описам цього виду.
І0046| В одному варіанті реалізації винаходу користувач 102 взаємодіє з сільськогосподарською інформаційною комп'ютерною системою 130, використовуючи обчислювальний пристрій 104 для керування польовими роботами, забезпечений операційною системою і однією або кількома прикладними або мобільними програмами; обчислювальний пристрій 104 для керування польовими роботами також може взаємодіяти з сільськогосподарською інформаційною комп'ютерною системою незалежно і автоматично під керуванням програми або логічним управлінням, так що безпосередня взаємодія з користувачами не завжди є потрібною. Обчислювальний пристрій 104 для керування польовими роботами в широкому сенсі може являти собою одне або кілька з таких пристроїв, як смартфон,
КПК, планшетний комп'ютерний пристрій, переносний комп'ютер, настільний комп'ютер або робоча станція, або будь-який інший обчислювальний пристрій, здатний передавати й
Зо отримувати інформацію, а також виконувати описані тут функції. Обчислювальний пристрій 104 для керування польовими роботами може здійснювати зв'язок через мережу, використовуючи мобільну програму, що зберігається в обчислювальному пристрої 104 для керування польовими роботами, і в деяких варіантах реалізації винаходу пристрій може бути з'єднаний за допомогою кабелю 113 або з'єднувача з датчиком 112 та/або контролером 114. Конкретний користувач 102 може володіти, експлуатувати або володіти та експлуатувати у зв'язку з системою 130 більше одного обчислювального пристрою 104 для керування польовими роботами одночасно.
І0047| Мобільна програма може надавати функціональність на стороні клієнта через мережу для одного або кількох мобільних обчислювальних пристроїв. В ілюстративному варіанті реалізації обчислювальний пристрій 104 для керування польовими роботами може отримувати доступ до мобільної програми через веб-браузер або локальну клієнтську програму або програму для мобільних пристроїв. Обчислювальний пристрій 104 для керування польовими роботами може передавати і приймати дані від одного або кількох інтерфейсних серверів із використанням веб-протоколів або форматів, таких як НТТР, ХМ. та/або У5ОМ, або спеціальних протоколів для програм для мобільних пристроїв. В ілюстративному варіанті реалізації винаходу дані можуть мати форму запитів та інформації, що вводиться користувачем в мобільний обчислювальний пристрій, наприклад, польові дані. У деяких варіантах реалізації винаходу програма для мобільних пристроїв взаємодіє з апаратним та програмним забезпеченням відстеження на обчислювальному пристрої 104 для керування польовими роботами, що визначає місцерозташування обчислювального пристрою 104 для керування польовими роботами, використовуючи стандартні методи відстеження, такі як мультилатерація радіосигналів, глобальна система позиціонування (СРБ5), УмМігі-системи визначення місцерозташування або інші методи мобільного визначення місцерозташування. У деяких випадках дані про місцезнаходження або інші дані, пов'язані з пристроєм 104, користувачем 102 та/або обліковим(и) записом(ами) користувача(ів), можуть бути отримані шляхом запитів до операційної системи пристрою або запиту до мобільної програми на пристрої для отримання даних від операційної системи.
Ї0048| У варіанті реалізації обчислювальний пристрій 104 для керування польовими роботами надсилає польові дані 106 до сільськогосподарської інформаційної комп'ютерної системи 130, що містить або включає в себе, без обмеження вказаним, значення даних, які бо представляють одне або кілька з таких: географічне розташування одного або кількох полів,
обробка інформації про механічну обробку грунту для одного або кількох полів, культури, посіяні/посаджені на одному або кількох полях, та дані грунту, отримані для одного або кількох полів. Обчислювальний пристрій 104 для керування польовими роботами може надсилати польові дані 106 у відповідь на введення даних користувачем 102, який вказує значення даних для одного або кількох полів. Крім того, обчислювальний пристрій 104 для керування польовими роботами може автоматично надсилати польові дані 106, коли одне або кілька значень даних стають доступними для обчислювального пристрою 104 для керування польовими роботами. Наприклад, обчислювальний пристрій 104 для керування польовими роботами може бути з'єднаним із можливістю зв'язку з дистанційним датчиком 112 та/або контролером внесення 114. У відповідь на отримання даних, які вказують на те, що контролер внесення 114 забезпечив подачу води на одне або кілька полів, обчислювальний пристрій 104 для керування польовими роботами може передавати польові дані 106 в сільськогосподарську інформаційну комп'ютерну систему 130, що вказують на те, що воду було внесено на одному або кількох полях. Польові дані 106, зазначені в цьому описі, можуть вводитися та передаватися з використанням електронних цифрових даних, що передаються між обчислювальними пристроями з використанням параметризованих ОКІ -адрес за протоколом
НТТР або іншим відповідним протоком зв'язку або обміну повідомленнями.
І0049| Комерційним прикладом мобільної програми є СІІМАТЕ РІЕЄЇО МІЕМУ, що є комерційно доступною у Те Сійтасе Согрогайоп, Сан-Франциско, штат Каліфорнія. СІ ІМАТЕ
РІЕГО МІЕМУ або інші прикладні програми можуть бути змінені, розширені або адаптовані для включення характерних ознак, функцій та програм, які не були розкриті раніше дати подання цієї заявки на винахід. В одному варіанті реалізації програма для мобільних пристроїв містить інтегровану програмну платформу, яка дозволяє сільськогосподарському виробнику приймати основані на фактах рішення щодо роботи, оскільки поєднує в собі історичні дані про поля виробника та будь-які інші дані, які сільгоспвиробник бажає порівняти. Комбінації та порівняння можуть виконуватися в режимі реального часу, і вони базуються на наукових моделях, які надають потенційні сценарії, щоб дозволити виробнику приймати кращі, більш обгрунтовані рішення.
І0О50) На ФІГ. 2 наведено два варіанти ілюстративної логічної організації наборів команд у
Зо основній пам'яті при завантаженні ілюстративної програми для мобільних пристроїв для Її виконання. На ФІГ. 2 кожен названий елемент представляє область з однієї або кількох сторінок оперативної пам'яті або іншої основної пам'яті або одного або кількох блоків на диску або іншому енергонезалежному накопичувачі та запрограмовані команди у цих областях. У одному з варіантів реалізації винаходу на виді (а) мобільна комп'ютерна програма 200 містить команди щодо облікового запису, полів, введення даних і обміну ними 202, команди перегляду та сповіщення 204, команди цифрового набору карт 206, інструкції щодо насіння та сівби/посадки 208, інструкції щодо азоту 210, пов'язані з погодою команди 212, команди щодо стану поля 214 та інструкції щодо виконання 216.
І0О51) В одному варіанті реалізації мобільна комп'ютерна програма 200 містить команди щодо облікового запису, полів, введення даних і обміну ними 202, запрограмовані для прийому, трансляції та введення польових даних зі сторонніх систем за допомогою ручного завантаження або АРІ-інтерфейсів. Типи даних можуть включати, зокрема, межі полів, карти врожайності, карти сівби/посадки, результати тестів грунту, карти внесення та/або зони управління тощо.
Формати даних можуть включати, серед іншого, файли форми, власні формати даних третіх сторін та/або експортовані дані інформаційної системи управління фермою (ЕМІ5). Отримання даних може відбуватися шляхом ручного завантаження, електронного листа з прикріпленим файлом, з використанням зовнішніх АРІ, що передають дані до мобільної програми, або команд, які викликають інтерфейси АРІ зовнішніх систем для передачі даних у мобільну програму. В одному варіанті реалізації мобільна комп'ютерна програма 200 включає поштову скриньку для вхідних даних. У відповідь на отримання вибору поштової скриньки для вхідних даних мобільна комп'ютерна програма 200 може відображати графічний інтерфейс користувача для ручного завантаження файлів даних та імпортування завантажених файлів у менеджер даних. 0052) В одному варіанті команди цифрового набору карт 206 містять шари даних карти поля, що зберігаються в пам'яті пристрою, і програмуються з використанням засобів візуалізації даних та приміток щодо географічно- просторового розташування полів. Це забезпечує сільгоспвиробників зручною інформацією для довідки, ведення журналів та отримання візуальних даних про результати робіт на полі. В одному варіанті реалізації команди перегляду та сповіщення 204 запрограмовані для забезпечення загального огляду операцій, що надає важливі дані для виробників, та своєчасних рекомендацій щодо вжиття заходів чи 60 зосередження уваги на конкретних питаннях. Це дає змогу сільгоспвиробнику приділити час тому, що потребує уваги, щоб заощадити час і зберегти врожай протягом всього сезону. В одному варіанті реалізації інструкції щодо насіння та сівби/посадки 208 запрограмовані для надання інструментів для вибору насіння, гібридного розміщення та створення скриптів, включаючи створення скриптів змінної норми (МУК) на основі наукових моделей та емпіричних даних. Це дає можливість сільгоспвиробникам максимізувати врожайність або рентабельність інвестицій шляхом оптимізації закупівлі насіння, розміщення та густоти культур.
І0053)| В одному варіанті реалізації команди 205 створення скрипту запрограмовані для забезпечення інтерфейсу для створення скриптів, включаючи скрипти урожайності зі змінною нормою (МК). Інтерфейс дозволяє виробникам створювати скрипти для польового обладнання, наприклад, для внесення нутрієнтів, посадки та зрошення. Наприклад, інтерфейс скрипту висівання може містити інструменти для ідентифікації типу насіння для висівання. Отримавши вибір типу насіння, мобільна комп'ютерна програма 200 може відображати одне або кілька полів, розділених на зони за грунтом, разом з панеллю, що визначає кожну грунтову зону, назву грунту, текстуру і дренаж для кожної зони. Мобільна комп'ютерна програма 200 може також відображати інструменти для редагування або створення зазначених елементів, такі як графічні інструменти для окреслення грунтових зон на карті одного або кількох полів. Процедури висівання можуть бути застосовані до всіх грунтових зон, або різні процедури висівання можуть застосуватись до різних підмножин грунтових зон. Після створення скрипту мобільна комп'ютерна програма 200 може зробити скрипт доступним для завантаження у форматі, який може зчитати контролер внесення, наприклад, у архіві або стисненому форматі. Додатково і/або в альтернативному варіанті скрипт може бути відправлений безпосередньо в комп'ютер 115 у кабіні з мобільного комп'ютерної програми 200 та/або завантажений на один або кілька серверів даних і може зберігатися для подальшого використання. В одному варіанті реалізації команди 210 щодо внесення азоту запрограмовані для забезпечення інструментів для надання інформації для прийняття рішень про внесення азоту, візуалізуючи доступність азоту для культур. Це дає можливість сільгоспвиробникам максимізувати врожайність або рентабельність інвестицій за рахунок оптимізації внесення азоту протягом сезону. Прикладом запрограмованих функцій є виведення на дисплей зображень, таких як зображення 550КОО, щоб надати змогу окреслювати зони внесення, та/або зображення, створені з даних грунту на частині поля, наприклад, дані, отримані від датчиків, із високою просторовою роздільною здатністю (наприклад, 10 метрів або менше завдяки малій відстані до грунту); завантаження існуючих визначених сільгоспвиробником зон; надання графіку та/або карти внесення для забезпечення можливості регулювання внесення азоту в різних зонах; виведення скриптів для керування машинами; інструменти для введення масивів даних та налаштування; та/або карти для візуалізації даних тощо. «Введення масивів даних» у цьому контексті може означати однократне введення даних із подальшим їх застосуванням для кількох полів, визначених у системі; приклади даних можуть включати дані про внесення азоту, однакові для кількох полів одного й того ж сільгоспвиробника, але таке введення масових даних застосовується до запису будь- якого типу польових даних в мобільній комп'ютерній програмі 200. Наприклад, інструкції щодо азоту 210 можуть бути запрограмовані з можливістю прийняття визначень програм внесення азоту й методів внесення та прийняття введених користувачем даних, що визначають застосування зазначених програм для кількох полів. «Програми внесення азоту» в цьому контексті означає набір даних, що мають назву, зберігаються та відповідають такій інформації: назва, колірний код або інший ідентифікатор, одна або кілька дат внесення, типи матеріалу або продукту для кожної дати та кількості, спосіб застосування або внесення, наприклад, ін'єкційний або ножовий, та/або кількість і швидкість внесення для кожної дати, культура або гібрид, для якого(ої) здійснюється внесення, тощо. «Програми методів внесення азоту» в цьому контексті означає набір даних, що мають назву, зберігаються та відповідають такій інформації: назва способу; попередній урожай; система механічної обробки грунту; дата первинної механічної обробки грунту; одна або кілька попередніх систем механічної обробки грунту, які використовувались; один або кілька показників типу внесення, що застосовувався, наприклад, внесення гною. Інструкції щодо азоту 210 також можуть бути запрограмовані з можливістю формування та забезпечення виведення на дисплей графіку азоту, що демонструє прогноз використання рослинами внесеного у тій чи іншій формі азоту та можливий очікуваний надлишок або дефіцит; в деяких варіантах реалізації різні колірні індикатори можуть сигналізувати про величину надлишку або дефіциту. В одному варіанті реалізації графік азоту містить графічне відображення на дисплеї обчислюваного пристрою, що містить множину рядків, кожен з яких пов'язаний з полем та ідентифікує його; дані, що вказують, яку культуру вирощують на полі, розмір поля, місце розташування поля та графічне зображення периметру бо поля; в кожному рядку - часова лінія за місяцями з графічними індикаторами, що відповідають кожному внесенню азоту, із зазначенням кількості у точках, пов'язаних з назвами місяців; і числові та/або кольорові індикатори надлишку або дефіциту, у яких колір вказує на величину. 0054) В одному варіанті реалізації графік азоту може включати в себе одну або кілька функцій вводу даних користувачем, такі як поворотні ручки або слайдери, для динамічної зміни програм внесення азоту, висівання та практик, щоб користувач міг оптимізувати графік азоту.
Після цього користувач може використовувати свій оптимізований графік азоту та пов'язані програми внесення азоту, висівання та практик для реалізації одного або кількох скриптів, включаючи скрипти врожайності зі змінною нормою (МК). Інструкції щодо азоту 210 також можуть бути запрограмовані з можливістю формування та забезпечення виведення на дисплей карти азоту, що демонструє прогноз використання рослинами внесеного у тій чи іншій формі азоту та можливий очікуваний надлишок або дефіцит; в деяких варіантах реалізації різні колірні індикатори можуть сигналізувати про величину надлишку або дефіциту. На карті азоту можуть відображатися прогнози використання рослинами зазначеного азоту та можливий (очікуваний) надлишок або дефіцит у різні періоди часу в минулому та в майбутньому (наприклад, щодня, щотижня, щомісяця або щорічно) за допомогою числових та/або колірних індикаторів надлишку або дефіциту, в яких колір вказує на величину. В одному варіанті реалізації карта азоту може включати в себе одну або кілька функцій вводу даних користувачем, такі як поворотні ручки або слайдери, для динамічної зміни програм внесення азоту, висівання та практик, щоб користувач міг оптимізувати карту азоту, наприклад, отримати бажану кількість надлишку на дефіциту.
Після цього користувач може використовувати свою оптимізовану карту азоту та пов'язані програми внесення азоту, висівання та практик для реалізації одного або кількох скриптів, включаючи скрипти врожайності зі змінною нормою (УК). В інших варіантах реалізації команди, аналогічні інструкціям щодо азоту 210, можуть використовуватись для внесення інших нутрієнтів (таких як фосфор і калій), пестицидів, а також у програмах зрошення.
І0055| В одному варіанті реалізації пов'язані з погодою команди 212 запрограмовані з можливістю надання відповідних полю даних про поточні/недавні погодні умови та прогноз погоди. Це дає змогу сільгоспвиробникам економити час і мати ефективне інтегроване представлення на дисплеї всіх даних, потрібних для прийняття щоденних оперативних рішень.
І0056| В одному варіанті реалізації команди щодо стану поля 214 запрограмовані з можливістю своєчасного надання зображень дистанційного зондування, на яких виділені відхилення у розвитку культур протягом вегетаційного періоду та інші можливі проблеми.
Приклади запрограмованих функцій включають перевірку на наявність хмар, визначення можливих хмар або тіней від них; визначення показників азоту на основі зображень полів; графічна візуалізація даних польових спостережень, включаючи, наприклад, ті, що стосуються стану поля, та перегляд і/або обмін нотатками з польових спостережень; і/або завантаження супутникових зображень з різних джерел та визначення пріоритету зображень для сільгоспвиробника тощо.
І0057| В одному варіанті реалізації інструкції щодо виконання 216 запрограмовані з можливістю надання звітів, аналізу та інструментів для отримання більш докладної інформації, використовуючи дані ферми для оцінки, розуміння ситуації та прийняття рішень. Це дає змогу сільгоспвиробнику досягти покращених результатів наступного року, використовуючи засновані на фактах висновки про те, чому прибутковість інвестицій була на попередніх рівнях, а також інформацію про чинники, що обмежують дохідність. Інструкції щодо виконання 216 можуть бути запрограмовані з можливістю зв'язку через мережу(і) 109 для внутрішніх аналітичних програм, що виконуються у сільськогосподарській інформаційній комп'ютерній системі та/або комп'ютері 108 зовнішнього сервера даних та налаштовані на аналіз таких показників, як урожай, гібрид, густота культур, 5ББОКСО, тести грунту або висота тощо. Запрограмовані звіти та аналіз можуть включати аналіз змінності врожаю, порівняльний аналіз урожайності та інших показників з іншими сільгоспвиробниками на основі анонімізованих даних, зібраних для багатьох
БО сільгоспвиробників, або дані щодо насіння та сівби/посадки тощо. 0058) Програми, що мають сконфігуровані таким чином інструкції, можуть бути реалізовані на різних платформах обчислювальних пристроїв при збереженні однакового загального вигляду інтерфейсу користувача. Наприклад, програма для мобільних пристроїв може бути складена з можливістю виконання на планшетах, смартфонах або серверних комп'ютерах, доступ до яких здійснюється за допомогою браузерів на клієнтських комп'ютерах. Крім того, мобільна програма, налаштована для планшетів або смартфонів, може бути повністю працездатною на мобільному пристрої або пристрої в кабіні, забезпечуючи виведення на дисплей та обробку в комп'ютері у кабіні 115. Наприклад, на виді (Б) на ФІГ. 2 в одному варіанті реалізації програма у комп'ютері в кабіні 220 може містити команди карт у кабіні 222, команди 60 дистанційного перегляду 224, команди збирання та передачі даних 226, команди щодо машинних сповіщень 228, команди щодо передачі скриптів 230 і команди щодо перегляду даних польових досліджень у кабіні 232. Кодова база для команд на виді (б) може бути такою самою, як для виду (а), і виконувані файли, що реалізують код, можуть бути запрограмовані з можливістю виявлення типу платформи, на якій вони виконуються, і відкривати через графічний інтерфейс користувача доступ лише до тих функцій, які підходять для платформи у кабіні або повнофункціональної платформи. Цей підхід дозволяє системі розпізнавати інші умови взаємодії к користувачем, як це має місце у кабіні, а також інше технологічне середовище в кабіні. Команди карт у кабіні 222 можуть бути запрограмовані з можливістю виведення на дисплей карт з видами полів, ферм або ділянок, які є корисними для керування роботою машини. Команди дистанційного перегляду 224 можуть бути запрограмовані з можливістю вмикання, керування та виведення на екран видів, що відповідають роботі машин у режимі реального часу або майже в режимі реального часу, на інших обчислювальних пристроях, підключених до системи 130 через бездротові мережі, дротові з'єднувачі або адаптери тощо.
Команди збирання та передачі даних 226 можуть бути запрограмовані з можливістю вмикання, керування та передачі даних, зібраних датчиками та контролерами машин, до системи 130 через бездротові мережі, дротові з'єднувачі або адаптери тощо. Команди щодо машинних сповіщень 228 можуть бути запрограмовані з можливістю виявлення проблем у роботі машини або інструментів, пов'язаних з кабіною, і формування сповіщення для оператора. Команди щодо передачі скриптів 230 можуть бути виконані з можливістю передачі в скриптах інструкцій, виконаних з можливістю керування роботою машин або збирання даних. Команди щодо перегляду даних польових досліджень у кабіні 230 можуть бути запрограмовані з можливістю відображення на дисплеї пов'язаних з місцем розташування сповіщень та інформації, отриманої від системи 130, на основі розташування сільськогосподарського пристрою 111 або датчиків 112 на полі й отримання, керування та забезпечення передачі пов'язаних з місцем розташування даних польових досліджень у систему 130 на основі розташування сільськогосподарського пристрою 111 або датчиків 112 у полі.
І0059| 2.3. ВВЕДЕННЯ ДАНИХ У КОМП'ЮТЕРНУ СИСТЕМУ 0060) У варіанті реалізації комп'ютер 108 зовнішнього сервера даних зберігає зовнішні дані 110, включаючи дані про грунт, що являють собою відомості про склад грунту одного або
Зо кількох полів, і дані про погоду, що являють собою відомості про температуру та опади на одному або кількох полях. Дані про погоду можуть включати дані про минулі та поточні погодні умови, а також прогнози погоди. У варіанті реалізації комп'ютер 108 зовнішнього сервера даних містить кілька серверів, хостинг яких здійснюють різні суб'єкти господарювання. Наприклад, перший сервер може містити дані про склад грунту, а другий сервер -- дані про погоду. Крім того, дані про склад грунту можуть зберігатися на кількох серверах. Наприклад, один сервер може зберігати дані, що представляють відсоток піску, мулу та глини в грунті, а другий сервер - дані, що відображають відсоток органічних речовин (ОМ) у грунті. 0061) У варіанті реалізації дистанційний датчик 112 містить один або кілька датчиків, запрограмованих або налаштованих з можливістю здійснення одного або кількох спостережень.
Дистанційний датчик 112 може належати до надземних датчиків, наприклад, супутникових, датчиків на транспортних засобах, обладнанні для сівби/посадки, датчиків механічної обробки грунту, внесення добрив або інсектицидів, датчиків на збиральних комбайнах та будь-яких інших пристроях, здатних отримувати дані про одне або кілька полів. У варіанті реалізації контролер внесення 114 запрограмований або налаштований з можливістю отримання команд від сільськогосподарської інформаційної комп'ютерної системи 130. Контролер внесення 114 також може бути запрограмований або налаштований з можливістю керування робочим параметром сільськогосподарського транспортного засобу або обладнання. Наприклад, контролер внесення може бути запрограмований або налаштований з можливістю керування робочим параметром транспортного засобу, такого як трактор, обладнання для сівби/посадки, механічної обробки грунту, внесення добрив або інсектицидів, збирання врожаю або інших сільськогосподарських пристроїв, наприклад, водяного клапана. Інші варіанти реалізації можуть використовувати будь-яку комбінацію датчиків і контролерів, з яких названі являють собою лише деякі вибрані приклади. 0062) Система 130 може приймати або отримувати дані під керуванням користувача 102 на масовій основі від великої кількості сільгоспвиробників, які внесли дані в спільно використовувану систему бази даних. Цю форму отримання даних можна назвати «ручним введенням даних», оскільки відбувається запит або виникає запускаюча подія на/для виконання однієї або кількох керованих користувачем комп'ютерних операцій для отримання даних для використання системою 130. Наприклад, програма СГІМАТЕ РІЕГО МІЕМУ, комерційно доступна бо у Тпе Сійтаєе Согрогайоп, Сан-Франциско, штат Каліфорнія, може використовуватися для експорту даних у систему 130 для зберігання в сховищі 160.
ІЇ0063| Наприклад, системи моніторингу насіння можуть як управляти компонентами пристрою для висівання, так і отримувати дані про сівбу, включаючи сигнали від датчиків насіння через сигнальні кабелі, що включають магістральну САМ і парні з'єднання для реєстрації та/(або діагностики. Системи моніторингу насіння можуть бути запрограмовані або налаштовані з можливістю відображення відстані між насінням, густоти рослин та іншої інформації для користувача через комп'ютер у кабіні 115 або інші пристрої системи 130.
Приклади наведені в патентній заявці США Мо 8,738,243 та патентній публікації США Мо 20150094916, і даний винахід передбачає ознайомлення із зазначеними іншими патентними матеріалами. (0064) Аналогічно, системи моніторингу врожайності можуть містити датчики врожаю для збирального комбайна, що передають дані вимірювання врожаю в комп'ютер у кабіні 115 або інші пристрої системи 130. Системи моніторингу врожайності можуть використовувати один або кілька дистанційних датчиків 112, щоб отримувати дані вимірювання вологості зерна в комбайні або іншому збиральному пристрої та передавати ці дані вимірювань користувачеві через комп'ютер у кабіні 115 або інші пристрої системи 130. 0065) У варіанті реалізації приклади датчиків 112, які можуть використовуватися на будь- якому рухомому транспортному засобі або обладнанні іншого описаного у даному документі типу, включають кінематичні датчики та датчики положення. Кінематичні датчики можуть містити будь-які датчики швидкості, такі як радарні датчики або датчики швидкості колеса, акселерометри або гіроскопи. Датчики положення можуть містити сРеб-приймачі або трансивери, або мобільні програми визначення положення з використанням Умі-Рі або відображення карти, запрограмовані з можливістю визначення місця розташування на основі розташованих неподалік точок доступу УМігі, тощо.
І0О6б| У варіанті реалізації приклади датчиків 112, які можуть використовуватися на тракторах або інших транспортних засобах, що рухаються, включають датчики обертів двигуна, споживання пального, лічильники площі чи відстані, які взаємодіють з ОРБ5 або радіолокаційними сигналами, датчики швидкості у механізмі відбирання потужності двигуна (РТО), датчики гідравлічної системи трактора, призначені для визначення параметрів гідравлічної системи, таких як тиск або потік, та/або швидкості гідравлічного насоса, датчики швидкості колеса або датчики проковзування колеса. У варіанті реалізації приклади контролерів 114, які можуть використовуватися на тракторах, включають: гідравлічні спрямовані контролери, регулятори тиску та/або потоку; контролери швидкості гідравлічного насоса; контролери або регулятори швидкості; контролери позиції причіпного пристрою; або контролери положення коліс, що забезпечують автоматичне керування.
І0067| У варіанті реалізації приклади датчиків 112, які можуть використовуватись на обладнанні для сівби/посадки, наприклад, садильниках, рядкових сівалюках або пневматичних сівалках, включають датчики швидкості, які можуть бути оптичними, електромагнітними або ударними датчиками; датчики притискного зусилля, такі як штифти навантаження, елементи навантаження, датчики тиску; датчики властивостей грунту, такі як датчики відбивання, вологості, електропровідності, оптичні датчики залишків або датчики температури; датчики робочих критеріїв компонентів, такі як датчики глибини висівання, тиску в притискному циліндрі, швидкості насіннєвого диска, швидкості двигуна конвеєра для насіння, швидкості конвеєра для насіння або рівня вакууму; або датчики внесення пестицидів, такі як оптичні або інші електромагнітні датчики, або ударні датчики. У варіанті реалізації приклади контролерів 114, які можуть використовуватись на такому обладнання для сівби, включають: контролер розгортання рами для навішування інструментів, наприклад, контролери клапанів, пов'язаних з гідравлічними циліндрами; контролери притискного зусилля, такі як контролери клапанів, пов'язаних з пневматичними циліндрами, подушками безпеки або гідравлічними циліндрами, і запрограмовані для застосування сили притискання до окремих рядкових елементів або всієї рами обладнання для сівби/посадки; регулятори глибини висівання, такі як лінійні виконавчі механізми; регулятори дозування, такі як електромотори приводу дозування насіння, гідравлічні двигуни приводу дозування насіння або муфти керування обробкою смуги; контролери вибору гібридів, такі як двигуни привода для вимірювання насіння, або інші виконавчі механізми, запрограмовані для вибіркового пропускання або запобігання пропусканню насіння або суміші повітря з насінням у пристрої вимірювання насіння чи центральні насипні бункери або з них; регулятори дозування, такі як електромотори приводу дозування насіння або гідравлічні двигуни приводу дозування насіння; контролери системи конвеєра для насіння, такі як контролери двигуна стрічки транспортера для насіння; контролери маркування, такі як бо контролер пневматичного або гідравлічного виконавчого механізму; або регулятори швидкості внесення пестицидів, такі як контролери приводу вимірювання, регулятори розміру отвору або положення.
І0О68| У варіанті реалізації приклади датчиків 112, які можуть використовуватись на обладнанні для механічної обробки грунту, включають в себе датчики положення для таких інструментів, як насадки або диски; датчики положення таких інструментів, налаштовані з можливістю визначення глибини, кута насадки борони або бічної відстані; датчики притискного зусилля; або датчики тягового зусилля. У варіанті реалізації приклади регуляторів 114, які можуть використовуватись з обладнанням для механічної обробки грунту, включають регулятори притискного зусилля або контролери положення інструмента, такі як контролери, налаштовані з можливістю керування глибиною інструменту, кутом насадки борони або бічною відстанню.
І0069)| У варіанті реалізації наведено приклади датчиків 112, які можуть використовуватись на пристрої для внесення добрив, інсектицидів, фунгіцидів тощо, такі як системи початкового внесення добрив на сівалці, пристрої для підгрунтового внесення добрив або розприскувачі добрив, включають: датчики параметрів рідинної системи, такі як датчики потоку або тиску; датчики, що вказують, які клапани на головках для розприскування або у лініях подачі рідини відкриті; датчики, пов'язані з баками, такі як датчики рівня заповнення; датчики у лініях заповнення на рівні частини або всієї системи чи датчики у лініях подачі для конкретних рядків; або кінематичні датчики, такі як акселерометри, розташовані на штангах розприскувача. У варіанті реалізації приклади контролерів 114, які можуть використовуватись на таких пристроях, включають в себе: регулятори швидкості насоса; контролери клапанів, які запрограмовані з можливістю регулювання тиску, потоку, напрямку, РМ/М (від англ. Риїзе УМ Моашіайкоп -- широтно-імпульсна модуляція) тощо; або механізми позиціонування, наприклад, такі, що забезпечують певну висоту штанги, глибину підгрунтового внесення або положення штанги.
І0070| У варіанті реалізації приклади датчиків 112, які можуть використовуватися на збиральних комбайнах, включають монітори врожаю, такі як датчики деформації ударної плити або датчики положення, ємнісні датчики потоку, датчики навантаження, ваги або крутного моменту, пов'язані з елеваторами або шнеками, або оптичні чи інші електромагнітні датчики висоти зерна; датчики вологості зерна, такі як ємнісні датчики; датчики втрати зерна, включаючи ударні, оптичні або ємнісні датчики; датчики робочих параметрів жниварки, такі як датчики висоти жниварки, типу жниварки, відстані між пластиною і опорою, швидкості подачі та швидкості мотовила; датчики робочих параметрів сепаратора, такі як датчики зазору в увігнутій частині, швидкості ротора, зазору колодки або зазору полов'яного решета; датчики положення, роботи або швидкості шнека; або датчики обертів двигуна. У варіанті реалізації приклади контролерів 114, які можуть використовуватися на збиральних комбайнах, включають датчики робочих параметрів жниварки для таких елементів, як висота жниварки, тип жниварки, відстань між пластиною і опорою, швидкість подачі та швидкість мотовила; датчики робочих параметрів сепаратора для таких характеристик, як зазор в увігнутій частині, швидкість ротора, зазор колодки або зазор полов'яного решета; або контролери положення, роботи або швидкості шнека.
І0071| У варіанті реалізації приклади датчиків 112, які можуть використовуватися на причепах для перевезення зерна, включають датчики ваги або датчики положення, роботи або швидкості шнека. У варіанті реалізації приклади контролерів 114, які можуть використовуватися на причепах для перевезення зерна, включають контролери положення, роботи або швидкості шнека. 00721 У варіанті реалізації датчики 112 та контролери 114 наведених прикладів можуть бути встановлені в безпілотному літальному апараті (ОАМ, від англ. иптаппеа аєгіа! мепісіє, БПЛА) або «дрони». Такі датчики можуть включати в себе камери з детекторами, які діють у будь- якому діапазоні електромагнітного спектра, включаючи видиме світло, інфрачервоне, ультрафіолетове, ближнє інфрачервоне (МІК) випромінювання тощо; акселерометри; висотоміри; датчики температури; датчики вологості; датчики тиску з трубкою Піто або інші датчики швидкості повітря або вітру; датчики заряду акумулятора; або радіолокаційні випромінювачі та детектори енергії відбитого радіолокаційного сигналу. Такі контролери можуть включати пристрій керування або управління двигуном, контрольні контролери поверхонь, контролери камери або контролери, запрограмовані для вмикання, експлуатації, отримання даних, керування та налаштування будь-якого з зазначених вище датчиків. Приклади наведені в патентній заявці США Мо 14/831,165, і даний винахід передбачає ознайомлення з цим документом. 0073) У одному варіанті реалізації датчики 112 та контролери 114 можуть бути прикріплені бо до пристрою для отримання проб грунту та вимірювання, виконаного з можливістю або запрограмованого для отримання проб грунту та проведення хімічних тестів грунту, вимірювань його вологості та інших досліджень грунту. Наприклад, пристрій, описаний в патенті США Мо 8,767,194 та Мо 8,712,148, і даний винахід передбачає ознайомлення з цим документом. 0074) 2.4 ОГЛЯД ПРОЦЕСУ - ПІДГОТОВКА АГРОНОМІЧНОЇ МОДЕЛІ 0075) У варіанті реалізації сільськогосподарська інформаційна комп'ютерна система 130 запрограмована або налаштована з можливістю створення агрономічної моделі. У цьому контексті агрономічна модель являє собою структуру даних в пам'яті сільськогосподарської інформаційної комп'ютерної системи 130, яка містить польові дані 106, такі як ідентифікаційні дані та дані про врожай на одному або кількох полях. Агрономічна модель може також включати розраховані агрономічні властивості, які описують або умови, що можуть впливати на ріст однієї або кількох сільськогосподарських культур на полі, або властивості однієї або кількох культур, або і те, і інше. Крім того, агрономічна модель може містити рекомендації, засновані на агрономічних факторах, таких як рекомендації щодо культури, іригації, висівання та збору врожаю. Агрономічні фактори також можуть використовуватися для оцінки одного або кількох результатів, що стосуються культури, таких як агрономічний вихід. Агрономічний вихід культури являє собою оцінку кількості вирощеної культури або, в деяких випадках, доходів або прибутку, отриманих від зібраного врожаю. 0076) В одному варіанті реалізації сільськогосподарська інформаційна комп'ютерна система 130 може використовувати попередньо налаштовану агрономічну модель для обчислення агрономічних властивостей, пов'язаних з поточною отриманою інформацією про місцезнаходження та врожай для одного або кількох полів. Попередньо налаштована агрономічна модель грунтується на оброблених раніше польових даних, включаючи, але не обмежуючись названим: ідентифікаційні дані, дані врожаю, дані про добрива та дані про погоду.
Попередньо налаштована агрономічна модель, можливо, була перехресно перевірена для забезпечення точності моделі. Перехресна перевірка може включати в себе порівняння з даними підсупутникових спостережень, що передбачає порівняння прогнозованих результатів з фактичними результатами на полі, наприклад, порівняння оцінки опадів з датчиком дощу в тому ж місці або оцінки вмісту азоту з результатами тестування проби грунту.
І0077| На ФІГ. 3 проілюстровано запрограмований процес, використовуючи який
Зо сільськогосподарська інформаційна комп'ютерна система генерує одну або кілька попередньо налаштованих агрономічних моделей із застосуванням польових даних, отриманих з одного або кількох джерел даних. ФІГ. З може служити алгоритмом або інструкцією для програмування функціональних елементів сільськогосподарської інформаційної комп'ютерної системи 130 для виконання описаних операцій. 0078) У блоці 305 сільськогосподарська інформаційна комп'ютерна система 130 виконана або запрограмована з можливістю виконання попередньої обробки агрономічних або польових даних, отриманих з одного або кількох джерел даних. Польові дані, отримані від одного або кількох джерел даних, можуть бути попередньо оброблені з метою видалення шумів та спотворюючих ефектів з агрономічних даних, включаючи виміряні крайні значення, що можуть вносити зсув у отриманих значеннях польових даних. Варіанти реалізації попередньої обробки агрономічних даних можуть включати, без обмеження зазначеними: видалення даних, зазвичай пов'язаних із крайніми значеннями, конкретними точками результатів вимірювань, які, як відомо, негативно впливають на інші значення даних, методи згладжування даних, які використовуються для видалення або зменшення адитивних або мультиплікативних ефектів від шуму, та інші способи фільтрування або вилучення даних, що використовуються для забезпечення чіткої різниці між позитивними та негативними вхідними даними.
ІЇ0079| У блоці 310 сільськогосподарська інформаційна комп'ютерна система 130 налаштована або запрограмована з можливістю вибору підмножини даних із використанням попередньо оброблених польових даних для виявлення наборів даних, які є корисними для формування початкової агрономічної моделі. Сільськогосподарська інформаційна комп'ютерна система 130 може реалізовувати методи вибору підмножини даних, включаючи, без обмеження зазначеними: метод генетичного алгоритму, моделей з усіх підмножин, послідовного пошуку, ступінчастої регресії, оптимізації методом рою часток і оптимізації шляхом імітації мурашиної колонії. Наприклад, метод вибору генетичного алгоритму використовує адаптивний алгоритм евристичного пошуку, що базується на еволюційних принципах природного відбору та генетики, для визначення та оцінки наборів даних в рамках попередньо оброблених агрономічних даних.
І0О80| У блоці 315 сільськогосподарська інформаційна комп'ютерна система 130 налаштована або запрограмована з можливістю здійснення оцінки набору польових даних. У варіанті реалізації винаходу оцінка конкретного набору польових даних здійснюється шляхом 60 створення агрономічної моделі та використання певних порогових значень якості для створеної агрономічної моделі. Агрономічні моделі можуть бути порівняні з використанням методів перехресної перевірки, включаючи, без обмеження названими: перехресна перевірка з вилученням за середньоквадратичним відхиленням (КМЗ5ЕСУ, від англ. Косої Меап бдиаге Егтог ог І еєахе-Опе-Оці Сто55 Маїїдайоп), середня абсолютна помилка та середня відсоткова помилка.
Наприклад, КМ5ЕСМ може використовуватись для перехресної перевірки агрономічних моделей шляхом порівняння прогнозованих значень агрономічних властивостей, отриманих відповідно до агрономічної моделі, із зібраними та проаналізованими історичними значеннями агрономічних властивостей. У варіанті реалізації логіка оцінки агрономічного набору даних використовується як петля зворотного зв'язку, в якому агрономічні набори даних, які не відповідають встановленим порогам якості, використовуються на наступних етапах вибору підмножин даних (блок 310).
ІЇОО81| У блоці 320 сільськогосподарська інформаційна комп'ютерна система 130 налаштована або запрограмована з можливістю створення агрономічної моделі на основі перехресно перевірених агрономічних наборів даних. У варіанті реалізації у створенні агрономічної моделі можуть застосовуватись методи багатовимірної регресії для створення попередньо налаштованих моделей агрономічних даних.
І0082| У блоці 325 сільськогосподарська інформаційна комп'ютерна система 130 налаштована або запрограмована з можливістю зберігання попередньо створених моделей агрономічних даних для оцінки майбутніх польових даних. (0083) 2.5 ПІДСИСТЕМА РЕКОМЕНДУВАННЯ НОРМИ ВИСІВУ
І0084) У варіанті реалізації сільськогосподарська інформаційна комп'ютерна система 130, серед інших компонентів, містить підсистему рекомендування норми висіву 170. Підсистема рекомендування норми висіву 170 виконана з можливістю прогнозування оптимальної норми висіву для насіння гібридних сортів кукурудзи на основі типу насіння гібридних сортів кукурудзи та ширини рядка висівання. Підсистема рекомендування норми висіву 170 використовує польові дані 106 та зовнішні дані 110 для створення та отримання цифрових моделей висіву, пов'язаних з кількома полями, на яких проводились вимірювання.
І00О85) У варіанті реалізації підсистема рекомендування норми висіву 170 містить спеціально налаштовану логіку, що включає, без обмеження названим, логіку запиту параметра моделі
Зо висіву 173, логіку змішаної моделі 174, логіку рекомендації оптимальної норми висіву 175 і логіку моделі висіву 176. Кожен з названих вище елементів далі описується в розрізі структури і функціонування в інших розділах. «Логіка» на ФІГ. 1 означає принаймні один варіант реалізації в регіонах основної пам'яті в сільськогосподарській інформаційній комп'ютерній системі 130, в яку були завантажені запрограмовані, виконувані команди, які виконані з можливістю, у разі їх виконання, спонукати комп'ютер виконувати описані тут функції для цього логічного елемента.
Наприклад, логіка запиту параметра моделі висіву 173 вказує регіон основної пам'яті, в який комп'ютер завантажує команди, які при їх виконанні зумовлюють виконання функцій інтерфейсу, які будуть розглянуті далі в цьому описі. Ці елементи 1 також побічно вказують на те, як типовий програміст або інженер-програміст організовуватиме вихідний код програм, які реалізують описані функції; код може бути організований у логічні модулі, методи, підпрограми, гілки або інші одиниці, використовуючи архітектуру, що відповідає ФІГ. 1. (0086) Логіка запиту параметра моделі висіву 173 зазвичай виконана або запрограмована для отримання кількох цифрових моделей висіву, пов'язаних з кількома полями, на яких проводились вимірювання, на основі вхідних параметрів, отриманих від польових даних 106.
Цифрова модель висіву корелює врожайність і норму висіву, виходячи зі стратегій висіву, таких як ширина рядку висівання, для полів, на яких проводили вимірювання. Логіка змішаної моделі 174, як правило, виконана або запрограмована для створення емпіричної змішаної моделі на основі моделей висіву для кількох полів, на яких проводили вимірювання. Логіка рекомендації оптимальної норми висіву 175 зазвичай виконана або запрограмована для визначення оптимальної норми висіву, що максимізує врожайність або прибуток на основі створеної емпіричної змішаної моделі. Логіка моделі висіву 176 зазвичай виконана або запрограмована для створення моделі висіву на основі кількох типів конкретних польових даних для одного поля, для якого проводили вимірювання. Модель висіву включає, без обмеження названим, моделі регресії, що моделюють врожайність кукурудзи залежно від норми висіву, набір даних розподілів для параметрів регресії та набори даних, які містять кілька точок даних для поля, на якому проводили вимірювання.
І0087| Кожна з логіки запиту параметра моделі висіву 173, логіки змішаної моделі 174, логіки рекомендації оптимальної норми висіву 175 та логіки моделі висіву 176 можуть бути реалізовані з використанням однієї або кількох комп'ютерних програм або інших програмних елементів, які бо завантажуються і виконуються з використанням одного або кількох комп'ютерів загального призначення, логіки, реалізованої у вентильній матриці, що програмується користувачем (ЕРОСА) або спеціалізованих інтегральних схемах (АБІС). Хоча на ФІГ. 1 зображено логіку запиту параметра моделі висіву 173, логіку змішаної моделі 174, логіку рекомендації оптимальної норми висіву 175 та логіку моделі висіву 176 в одній обчислювальній системі, в різних варіантах здійснення логіки 173, 174, 175 та 176 можуть працювати в кількох обчислювальних системах.
І0088) У варіанті реалізації втілення описаних тут функцій логіки запиту параметра моделі висіву 173, логіки змішаної моделі 174, логіки рекомендації оптимальної норми висіву 175 та логіки моделі висіву 176 з використанням однієї або кількох комп'ютерних програм або інших програмних елементів, які завантажуються і виконуються з використанням одного або кількох комп'ютерів загального призначення, приводить до того, що зазначені комп'ютери загального призначення будуть налаштовані як спеціальна машина або комп'ютер, спеціально адаптований для виконання описаних тут функцій. Кожен елемент логіки на ФІГ. 1 і в усіх інших графічних матеріалах, наведених у даному документі, може являти собою регіон або набір з однієї або кількох сторінок основної пам'яті, в якій зберігаються запрограмовані команди, які, при їх виконанні, спричиняють виконання етапів описаного тут процесу або алгоритму. Таким чином, елементи логіки не являють собою лише абстракції, а представляють реальні сторінки пам'яті, завантажені виконуваними командами. Крім того, кожна з описаних далі блок-схем може служити алгоритмами, планами або вказівками, які можуть використовуватися для програмування комп'ютера або логіки з метою втілення описаних функцій. Іншими словами, весь текст опису в цьому документі та всі графічні матеріали разом покликані забезпечити розкриття алгоритмів, планів або вказівок, достатніх для того, щоб надати кваліфікованому фахівцю можливість запрограмувати комп'ютер для виконання описаних тут функцій, у поєднанні зі знаннями та навичками такої людини, за наявності рівня знань, що відповідає винаходам та описам цього виду. 0089) 2.6 ПРИКЛАД РЕАЛІЗАЦІЇ - ОГЛЯД ОБЛАДНАННЯ 0090) Згідно з одним варіантом реалізації винаходу описані тут способи реалізуються одним або кількома спеціалізованими комп'ютерними пристроями. Спеціалізовані комп'ютерні пристрої можуть бути жорстко орієнтовані на реалізацію цих методів, або вони можуть містити цифрові електронні пристрої, такі як одна або кілька спеціалізованих інтегральних схем (АБІС)
Зо або програмованих користувачем вентильних матриць (ЕРСА), які цілеспрямовано запрограмовані для виконання методів, або можуть містити один або кілька апаратних процесорів загального призначення, запрограмованих для виконання методів відповідно до програмних команд в прошивці, пам'яті, іншому сховищі або їх комбінації. Такі спеціалізовані комп'ютерні пристрої можуть також об'єднувати призначену для користувача логіку, АБІС або
ЕРОА з призначеним для користувача програмуванням для здійснення цих методів.
Спеціальними комп'ютерними пристроями можуть бути настільні комп'ютерні системи, портативні комп'ютерні системи, кишенькові пристрої, мережеві пристрої або будь-який інший пристрій, що містить жорстко визначену та/або програмну логіку для реалізації цих методів. 0091) Наприклад, на ФІГ. 4 наведена блок-схема, що ілюструє комп'ютерну систему 400, в якій можуть бути здійснені варіанти реалізації даного винаходу. Комп'ютерна система 400 містить шину 402 або інший засіб зв'язку для передачі інформації й апаратний процесор 404, з'єднаний з шиною 402, для обробки інформації. Апаратний процесор 404 може бути, наприклад, мікропроцесором загального призначення.
І0092| Комп'ютерна система 400 також містить основну пам'ять 406, таку як оперативний запам'ятовуючий пристрій (КАМ) або інший динамічний пристрій, з'єднаний з шиною 402, для зберігання інформації та команд, які виконуються процесором 404. Основна пам'ять 406 також може використовуватися для зберігання тимчасових змінних або іншої проміжної інформації в процесі виконання команд, які повинні виконуватися процесором 404. Такі команди, що зберігаються на енергонезалежних носіях даних, до яких може здійснювати доступ процесор 404, перетворюють комп'ютерну систему 400 на спеціалізовану машину, налаштовану для виконання операцій, зазначених у командах.
І0093| Комп'ютерна система 400 додатково містить постійний запам'ятовуючий пристрій (КОМ) 408 або інший статичний запам'ятовуючий пристрій, поєднаний з шиною 402, для зберігання статистичної інформації та команд для процесора 404. Запам'ятовуючий пристрій 410, такий як магнітний диск, оптичний диск або твердотільний накопичувач, присутній і зв'язаний з шиною 402 для зберігання інформації та команд.
І0094| Комп'ютерна система 400 може бути з'єднана за допомогою шини 402 з дисплеєм 412, таким як електронно-променева трубка (СКТ), для відображення інформації для користувача комп'ютера. Пристрій введення 414, що містить букви і цифри й інші клавіші, бо пов'язаний з шиною 402 для передачі інформації та вибору команд для процесора 404. Іншим типом пристрою введення користувача є пристрій керування курсором 416, такий як миша, трекбол або клавіші управління курсором, для передачі інформації про напрямок і вибору команд для процесора 404, а також управління рухом курсору на дисплеї 412. Цей пристрій введення зазвичай має два ступені свободи по двох осях - першій осі (наприклад, х) і другій осі (наприклад, у), - що дозволяє пристрою задавати положення на площині. 0095) Комп'ютерна система 400 може реалізовувати описані тут методи, використовуючи спеціальну жорстку логіку, одну або кілька АБІС або ЕРСА, прошивку та/або програмну логіку, які в поєднанні з комп'ютерною системою перетворюють комп'ютерну систему 400 на спеціалізовану машину або програмують її. Відповідно до одного варіанту реалізації винаходу зазначені в даному описі методи реалізуються комп'ютерною системою 400 у відповідь на виконання процесором 404 однієї або кількох послідовностей однієї або кількох команд, що містяться в основній пам'яті 406. Такі команди можуть зчитуватися в основну пам'ять 406 з іншого носія даних, такого як накопичувач 410. Виконання послідовностей команд, що містяться в основній пам'яті 406, приводить до виконання процесором 404 описаних тут етапів процесу. В альтернативних варіантах реалізації винаходу дротова схема може використовуватися замість або в поєднанні з програмними командами. (0096) Використовуваний тут термін «носій інформації» відноситься до будь-яких постійних носіїв, на яких зберігаються дані та/або команди, які спонукають машину працювати певним чином. Такі носії даних можуть включати енергонезалежні та/або енергозалежні носії.
Енергонезалежні носії включають, наприклад, оптичні диски, магнітні диски або твердотільні накопичувачі, такі як накопичувач 410. Енергозалежні носії включають динамічну пам'ять, таку як основна пам'ять 406. До звичайних носіїв інформації належать, наприклад, дискета, гнучкий диск, жорсткий диск, твердотільний накопичувач, магнітна стрічка або будь-який інший магнітний носій даних, компакт-диск, будь-який інший оптичний носій даних, будь-який фізичний носій з розташованими певним чином отворами, КАМ, РЕКОМ і ЕРКОМ, РІ АБН-ЕРНВОМ,
ММУКАМ, будь-який інший чіп або картридж пам'яті.
ІЇ0097| Носії інформації відрізняються від засобів передачі даних, але можуть використовуватися разом з ними. Засоби передачі даних беруть участь у передачі інформації між носіями даних. Наприклад, засоби передачі даних включають коаксіальні кабелі, мідні дроти
Зо і волоконну оптику, включаючи дроти, що складають шину 402. Засоби передачі даних можуть також мати форму акустичних або світлових хвиль, наприклад, що генеруються при радіочастотній та інфрачервоній передачі даних.
І0098| Різні форми носіїв/засобів можуть бути задіяні в передачі однієї або кількох послідовностей однієї або кількох команд процесору 404 для виконання. Наприклад, команди можуть бути спочатку записані на магнітному диску або твердотільному накопичувачі віддаленого комп'ютера. Віддалений комп'ютер може завантажити команди в свою динамічну пам'ять і відправити їх по телефонній лінії за допомогою модему. Локальний модем комп'ютерної системи 400 може отримувати дані по телефонній лінії та використовувати інфрачервоний передавач для перетворення даних на інфрачервоний сигнал. Інфрачервоний детектор може приймати дані, що передаються за допомогою інфрачервоного сигналу, а відповідні схеми можуть передавати дані в шину 402. Шина 402 передає дані в основну пам'ять 406, з якої процесор 404 отримує команди та виконує їх. Команди, отримані основною пам'яттю 406, можуть необов'язково зберігатись у пристрої 410 до або після виконання процесором 404.
І0099| Комп'ютерна система 400 також містить інтерфейс зв'язку 418, з'єднаний з шиною 402. Інтерфейс зв'язку 418 забезпечує комунікаційне з'єднання з двосторонньою передачею даних з мережевим каналом 420, підключеним до локальної мережі 422. Наприклад, інтерфейс зв'язку 418 може являти собою плату цифрової мережі з інтегрованими службами (ІЗОМ), кабельний модем, супутниковий модем або модем для забезпечення з'єднання для передачі даних з відповідним типом телефонної лінії. В іншому прикладі інтерфейс зв'язку 418 може бути платою локальної мережі (ГАМ) для забезпечення з'єднання з передачею даних із сумісною
ГАМ. Також можуть бути реалізовані бездротові з'єднання. У будь-якому такому варіанті реалізації винаходу інтерфейс зв'язку 418 відправляє та приймає електричні, електромагнітні або оптичні сигнали, що несуть потоки цифрових даних, які являють собою різні типи інформації.
І0100| Мережевий канал 420 зазвичай забезпечує передачу даних через одну або кілька мереж інших пристроїв роботи з даними. Наприклад, мережевий канал 420 може забезпечувати підключення через локальну мережу 422 до головного комп'ютера 424 або до обладнання для передачі даних, керованого Інтернет-провайдером (ІЗР) 426. І5Р 426, в свою чергу, надає послуги передачі даних через всесвітню мережу передачі пакетних даних, яку зараз зазвичай бо називають «Інтернетом» 428. Локальна мережа 422 та Інтернет 428 використовують електричні,
електромагнітні або оптичні сигнали, які несуть потоки цифрових даних. Сигнали, що проходять через різні мережі, і сигнали в мережевому каналі 420 і які проходять через інтерфейс зв'язку 418, що несуть цифрові дані в комп'ютерну систему 400 та з неї, є ілюстративними формами засобів передачі даних.
ІЇО101| Комп'ютерна система 400 може відправляти повідомлення й отримувати дані, включаючи програмний код, через мережу (мережі), мережевий канал 420 й інтерфейс зв'язку 418. У прикладі з Інтернетом сервер 430 може передавати запитаний код для прикладної програми через Інтернет 428, ІБР 426, локальну мережу 422 й інтерфейс зв'язку 418.
І0102| Отриманий код може виконуватися процесором 404 у міру його отримання та/або зберігатися в запам'ятовуючому пристрої 410 або іншому енергонезалежному сховищі для подальшого виконання. (01031) 3.0 ОГЛЯД ФУНКЦІЙ (0104) На ФІГ. 5 наведена блок-схема, яка ілюструє процес визначення оптимальної норми висіву для конкретного насіння гібридного сорту та ширини рядка висівання кукурудзи у певному географічному місцерозташуванні. На ФІГ. 5 блок-схема може бути реалізована в одному варіанті реалізації винаходу шляхом програмування елементів сільськогосподарської інформаційної системи 130 для виконання функцій, описаних в цьому розділі, які можуть являти собою викладення алгоритму для комп'ютерної реалізації описуваних функцій. Для ілюстрації чіткого і ясного прикладу ФІГ. 5 описується в контексті системи згідно з ФІГ. 1. Однак інші варіанти реалізації винаходу на ФІГ. 5 можуть бути реалізовані в багатьох інших контекстах, і наведені в даному описі посилання на блоки на ФІГ. 1 є просто прикладами, які не призначені для обмеження більш широкого обсягу ФІГ. 5. (0105) 3.1 ЛОГІКА ЗАПИТУВАННЯ ПАРАМЕТРІВ МОДЕЛІ ВИСІВУ
ІО106)| На етапі 505 сільськогосподарська інформаційна комп'ютерна система 130 отримує дані про насіння гібридного сорту та польові дані. Наприклад, рівень зв'язку 132 сільськогосподарської інформаційної комп'ютерної системи 130 може приймати польові дані 106 від обчислювального пристрою 104 для керування польовими роботами. Польові дані 106 можуть включати, без обмеження названим, ідентифікатори конкретного насіння гібридного сорту, запропоновану ширину рядка висівання для конкретного насіння гібридного сорту,
Зо географічне розташування поля 102 користувача, властивості грунту на полі, кліматичні та мікрокліматичні умови на полі та інші запропоновані сільськогосподарські стратегії.
ІО107| В одному варіанті реалізації обчислювальний пристрій 104 для керування польовими роботами надсилає польові дані 106. Наприклад, рівень представлення /- 134 сільськогосподарської інформаційної комп'ютерної систем 130 може спричиняти відображення інтерфейсу на дисплеї обчислювального пристрою 104 для керування роботами на полі для введення інформації, такої як межі поля, типи насіння гібридних сортів, що висівається, ширина рядка висівання та інша інформація про культуру та поле. Рівень зв'язку 132 може потім отримувати польові дані 106 і передавати їх логіці запиту параметра моделі висіву 173.
ІО108) На етапі 510 здійснюється компіляція набору цифрових моделей висіву. У варіанті реалізації логіка запиту параметра моделі висіву 173 використовує отримані польові дані 106, щоб визначити, які моделі висіву необхідні для набору цифрових моделей висіву. У варіанті реалізації специфічні для поля дані, пов'язані з набором тестових полів, зберігаються у сховищі моделей та польових даних 160. Тестові поля являють собою сільськогосподарські поля, на яких проводились вимірювання, тобто раніше на них висіяли кілька видів насіння гібридних сортів із різними значеннями ширини рядка висівання та норми висіву і отримали специфічні для полі дані. Модель висіву в наборі моделей висіву містить набір даних виміряних точок даних, включаючи, без обмеження названим, норму висіву та врожайність рослин на полі, розраховане співвідношення, таке як лінійний взаємозв'язок, між урожайністю рослин та нормою висіву, і розподіли, пов'язані з параметрами розрахунку співвідношення. У варіанті реалізації розмір і межі тестового поля можуть базуватися на встановлених СІ (загальні земельні одиниці).
ІО109) У варіанті реалізації логіка запиту параметра моделі висіву 173 отримує цільове насіння гібридного сорту та бажану ширину рядка висівання з польових даних 106. Логіка запиту параметра моделі висіву 173 створює запит на кілька моделей висіву на основі цільового типу насіння гібридного сорту кукурудзи та ширини рядка висівання. Запит на кілька моделей висіву стосується моделей висіву, побудованих та збережених у сховищі моделей та польових даних 160. У варіанті реалізації логіка моделі висіву 176 створює кілька моделей висіву з точок даних, зібраних на кількох тестових полях.
ЇО110| Модель висіву являє собою модель, яка описує граничні співвідношення між бо урожайністю рослин і нормою висіву для даного насіння гібридного сорту на конкретному полі.
Граничне співвідношення визначається з використанням кількох виміряних точок даних для даного поля та даного насіння гібридного сорту, яке висіяли із визначеною шириною рядка висівання. У варіанті реалізації логіка моделі висіву 176 визначає граничне співвідношення для даного насіння гібридного сорту та ширини рядка з використанням лінійної регресії. Лінійна регресія -- це підхід для моделювання взаємозв'язку між врожаєм на рослину і нормою висіву для певного гібридного сорту та умов на полі. Ці співвідношення моделюються між и (Г/р, урожай на рослину в бушелях на 1000 насінин) і У (норма висіву, що вимірюється в 1000 насінин на акр) з параметрами регоесії Во, Ві і б. Модель висіву може також містити розподіл наборів даних для параметрів Во, Ві і б на основі даних попередніх спостережень. Більш докладну інформація про створення моделі висіву наведено в розділі ЛОГІКА МОДЕЛІ ВИСІВУ.
ІЇО111) У варіанті реалізації, якщо сховище моделей та польових даних 160 не містить моделей висіву, що відповідають параметрам запиту, логіка запиту параметра моделі висіву 173 може вимагати, щоб логіка моделі висіву 176 створила моделі висіву з точок даних, зібраних на кількох тестових полях. 0112) У варіанті реалізації запити даних можуть містити інші відповідні параметри, такі як географічне розташування, властивості грунту та аналогічні кліматичні умови, які використовуються для отримання відфільтрованого набору моделей висіву, які відповідають бажаним параметрам. Сховище моделей та польових даних 160 попередньо зберігає виміряні точки даних для множини тестових полів, включаючи моделі регресії та розподілу, які базуються на точках даних кількох тестових полів. (0113) 3.2 ЛОГІКА ЗМІШАНОЇ МОДЕЛІ
І0114| Сільськогосподарська інформаційна комп'ютерна система 130 реалізує логіку змішаної моделі 174 для створення емпіричної змішаної моделі, яка використовує дані про врожай та норму висіву кількох тестових полів. На етапі 515 логіка змішаної моделі 174 створює емпіричну змішану модель, яка являє собою складений розподіл набору моделей висіву, отриманих за допомогою логікою запиту параметра моделі висіву 173. Складений розподіл -- це статистичний підхід до моделювання розподілу кількох окремих сукупностей розподілу. У цьому випадку окремі сукупності розподілу -- це набори даних, що представляють кілька тестових полів. Емпірична змішана модель містить спільні апостеріорні розподіли, отримані для
Зо кількох тестових полів. У варіанті реапізації кожен спільний апостеріорний розподіл представлений як 6, де бр - (Во Віль) а Ї представляє тестове поле в множині тестових полів 11... І, Тому емпірична змішана модель може використовуватись для оцінки поля Ї користувача 102 з точки зору його реакції у вигляді врожаю на норму висіву на основі цих тестових гелів: (0115) р(в; - бо| у - І) - р(б, - боІ(ил, ріл), о поріт)
ІО116Ї Де:
ГО11 7 р(Ву). набір спільних апостеріорних розподілів для поля 7, які представлені як б; - (рою Вул ог).
ІО118)І 00. бмпь-яке значення в просторі параметрів.
ІО119І б; - (бро Віль 01). параметри моделювання для кожного вимірюваного поля і -1...1,. 1
ІО120І Ір. змінна приналежності для поля Ї, така, що ро, т І) т / для будь-якого поля Ї.
ІО121| На етапі 520 логіка змішаної моделі 174 використовує емпіричну змішану модель для обчислення розподілу оптимальної норми висіву для цільового насіння гібридного сорту та ширини рядка. У варіанті реалізації логіка змішаної моделі 174 може застосовувати методи випадкової вибірки, такі як вибірка за методом Монте-Карло, для вибору точок даних, які використовуються для обчислення розподілу оптимальної норми висіву. Вибірка за методом
Монте-Карло -- це метод випадкової вибірки, який використовує розподіл ймовірностей для отримання значень вибірки. Наприклад, на випадкову вибірку впливають середнє значення, значення медіани та стандартного відхилення з апостеріорного розподілу.
І0122| У варіанті реалізації розподіл оптимальної норми висіву можна тозначити як агрономічно оптимальну норму висіву, де агрономічно оптимальна норму висіву щі - це норма висіву, яка максимізує очікувану врожайність. З моделі норми висіву, яка описана в розділі
ЛОГІКА МОДЕЛІ ВИСІВУ, агрономічно оптимальна норма висіву може бути отримана як ад. 1 від'ємну обернену величину "/1, так що 71, Тому апостеріорній розподіл для рт нн нн ну пн ння ння нини нн ни ння нт нн тн ся ; р 1. агрономи ай (7, Тр і) (7, о ) пт 1 к функція "7/1:
Бур но Хіт БІ пу т (123) Ї Ї Її Ї Її Ва КУ дир га)нКу тору) 0124) У варіанті реалізації логіка змішаної моделі 174 зберігає розрахований розподіл оптимальної норми висіву в сховищі моделей та польових даних 160. (0125) 3.3 ЛОГІКА РЕКОМЕНДУВАННЯ ОПТИМАЛЬНОЇ НОРМИ ВИСІВУ (0126) Логіка рекомендації оптимальної норми висіву 175 виконана з можливістю визначення точкової оцінки та інтервальної оцінки оптимальної норми висіву для даного насіння гібридного сорту та ширини рядка висівання, використовуючи розподіл оптимальної норми висіву. Точкова оцінка оптимальної норми висіву визначається як значення норми висіву, яке забезпечує або максимальний урожай для даного насіння гібридного сорту або значення норми висіву, який забезпечує максимальний прибуток для користувача 102.
І0О127| На етапі 525 логіка рекомендації оптимальної норми висіву 175 оцінює розподіл оптимальної норми висіву та визначає точкове значення для агрономічно оптимальної норми висіву, що забезпечує користувачеві 102 максимальний урожай від висіяного насіння гібридного сорту. Крім того, логіка рекомендації оптимальної норми висіву 175 розраховує економічно оптимальну норму висіву, яка забезпечує користувачеві 102 максимальну прибуток від урожаю висіяного насіння гібридного сорту, виходячи із вартості насіння та ціни на зерно. адо128) У варіанті реалізації точкове значення для агрономічно оптимальної норми висіву, ру , обчислюється як значення медіани розподілу оптимальної норми висіву. В іншому варіанті реалізації середнє значення розподілу оптимальної норми висіву може використовуватись як агрономічно оптимальна норма висіву. Використовуючи агрономічно оптимальну норму висіву, логіка рекомендації оптимальної норми висіву 175 додатково обчислює медіанний урожай для агрономічь- оптика, не пливли олясівч а тейіап У(р78) - р х ех ЗД, х рУЗ тейіап У . о . . о
ІО130| Де (р; ) допівніле доптимальній нормі висіву ру л помноженій на . . х . . . . експоненціальну функцію Во плюс В. щі - Медіанний урожай та агрономічно оптимальна норма висіву забезпечує користувачеві значення норми висіву, що максимізує врожайність культури та забезпечує оцінений медіанний урожай культури при цій нормі висіву. У варіанті
Зо реалізації логіка рекомендації оптимальної норми висіву 175 також обчислює змінність, пов'язану з агрономічно оптимальною нормою висіву, як медіанне абсолютне відхилення.
Медіанне абсолютне відхилення -- це вимірювання змінності апостеріорного розподілу.
ІО131) У варіанті реалізації логіка ре""гендації оптимальної норми висіву 175 обчислює економічно оптимальну норму висіву як ру , тобто норму висіву, яка максимізує ціну зерна, помножену на медіанну врожайність, мінус витрати (ціна на насіння, помножена на норму висіву), татедн й - агя тах х тейіап Х(р)- р. х (01321 ре 5 р (ра (в) Р» р) 01331 Пе: й
ІО1З41 агвтахр (ре х тедіап У(р) - р Х р). значення норми висіву Я, що максимізує . х тейіап УХ(р)- р. х дану функцію, тобто (ро (р) - р» р).
ІО1З5І Ра. ціна зерна в доларах за бушель (Ф/бушель).
ІО1З6) Р». ціна насіння, представлена в доларах на 1000 насінин (5/1000 насінин).
І0137| Економічно оптимальна норма висіву може відрізнятись від агрономічно оптимальної норми висіву, тому що економічно оптимальна норма висіву залежить від ціни на зерно та насіння. Наприклад, якщо закупівельна ціна насіння є відносно високою, а ціна продажу зерна є відносно низькою, то з точки зору економіки отримання максимального врожаю кукурудзи може не забезпечити максимальний прибуток. Тому перевагою є надання користувачеві 102 агрономічно і економічно оптимальних норм висіву. У варіанті реалізації точкові оцінки агрономічно оптимальної норми висіву та економічно оптимальної норми висіву разом з оцінками їх змінності, такими як медіанне абсолютне відхилення, передаються на рівень зв'язку 132, який потім представляє оптимальні значення норми висіву обчислювальному пристрою 104 для керування польовими роботами для того, щоб до них отримав доступ користувач 102. (0138) 3.4 ЛОГІКА МОДЕЛІ ВИСІВУ
ЇО139| Модель висіву являє собою модель, яка описує граничні співвідношення між урожайністю рослин і нормою висіву для даного насіння гібридного сорту на конкретному полі.
На ФІГ. 6 проілюстровано варіант реалізації процесу, в ході якого логіка моделі висіву 176 створює модель висіву для конкретного тестового поля. На етапі 602 логіка моделі висіву 176 запитує сховище моделей та польових даних 160 для отримання кількох точок даних тестових полів, що відповідають заданому насінню гібридного сорту і ширині рядка, бажаних для користувача 102. Потім сховище моделей та польових даних 160 повертає набір даних із запитаної множини точок даних, організованих за тестовими полями. Мета організації даних у наборах даних тестових полів полягає в тому, що кожне тестове поле може мати відмінні властивості, які по-різному впливають на врожай. Групування точок даних у набори даних тестових полів мінімізує ефекти невідомих латентних змінних, які можуть бути притаманними для кожного тестового поля. 0140) У варіанті реалізації, якщо сховище моделей та польових даних 160 не містить конкретних точок даних для кількох тестових полів, то сільськогосподарська інформаційна комп'ютерна система 130 може отримувати дані від одного або кількох комп'ютерів 108 зовнішнього серверу даних. Прикладом конкретних даних, отриманих з комп'ютера 108 зовнішнього сервера даних, є зовнішні дані 110, показані на ФІГ. 1. Рівень зв'язку 132 отримує зовнішні дані 110, які потім зберігаються у сховищі моделей та польових даних 160 для використання логікою моделі висіву 176.
ІО141| На етапі 604 логіка моделі висіву 176 створює модель лінійної регресії для кожного набору даних тестових полів. У варіанті реалізації логіка моделі висіву 176 реалізує модель лінійної регресії на основі експоненціальної функції Дункана. Експоненціальна функція Дункана визначає лінійний зв'язок між логарифмом середнього врожаю на рослину та щільністю рослин.
У цьому випадку щільність рослин вимірюється нормою висіву та шириною рядка висівання насіння в полі. Позначення для вимірювання врожайності та норми висіву: (01421 У: урожай на площу в бушелях на акр; 0143| Р: норма висіву в 1000 насінь на акр. (0144) М/: К/р, урожай на рослину в бушелях на 1000 насінин (або рослин). 0145) иепогюмино піна бухлтиліяй Ллілтана моделює логарифмічне співвідношення як: зо (чав) Іов(И) - Во - ВІ хр є й риф й (01471 Де: пт 5, - елемент помилки, який грунтується на нормальному розподілі помилок, такому як ЛО, 67), (01491 Во ; Ві є коефіцієнтами регресії.
ІО150| На ФІГ. 7А та 7В проілюстровані граничні співвідношення між урожайністю та нормою висіву. На ФІГ. 7А показано, що зв'язок між урожайністю, яку вимірюють у бушелях на акр (бушель/акр) і нормою висіву, яку вимірюють у 1000 насінин на акр, описується параболічною функцією. Графік 702 зображує точки даних, зібрані для конкретного типу насіння гібридного сорту кукурудзи в різних місцях на полі ІА17 протягом вегетаційного періоду, висіваючи насіння з шириною рядка 20 дюймів. Горизонтальна вісь представляє норму висіву (1000 насінин/акр), а вертикальна -- урожайність кукурудзи (бушель/акр). На графіках 704 і 706 показані точки даних з полів І35 для того ж вегетаційного сезону і ММ6З протягом наступного вегетаційного сезону, відповідно. На ФІГ. 7В показані ті ж дані, що і на ФІГ. 7А, але вісь у представляє логарифм урожаю на рослину замість урожаю на акр і демонструє лінійну залежність між логарифмом урожаю на рослину та нормою висіву. (0151) У варіанті реалізації співвідношення між урожаєм кукурудзи ХУ і нормою висіву Р можна ви зЗІіАлІі си/ пл піл І іплія го ггАЛІГг м ДМ (Во я Ві хр іодрог)
І0153| Лог-нормальні розподіли для кожного поля, на якому проводили вимірювання, зберігаються в моделі висіву. 0154) На етапі 606 логіка моделі висіву 176 створює апостеріорні розподіли для параметрів
Во, Рі і 0. Апостеріорний розподіл - це нормований розподіл, який враховує попередню ймовірність та спостережувані результати, і, таким чином, є більш інформативним розподілом.
У варіанті реалізації логіка моделі висіву 176 може вводити неінформативні попередні розрахунки, такі як апріорний розподіл Джеффрі, перед визначенням апостепіорного розподілу для параметрів лінійної моделі В і от, де В. транспонована матриця (Ро, В). Апріорний розподіл Джеффрі -- це метод застосування стандартного неінформативного апріорного розподілу для лінійних моделей. Неінформативний апріорний розподіл - це об'єктивна інформація, пов'язана зі змінною, що забезпечує деяку основу для визначення результатів цієї конкретної змінної. 0155) У вапіанті реалізації неінформативний апріооний розподіл для коефіцієнтів регресії вказує, що вік 0 і що спільні апріорні розподіли для В та 67 припускають пропорційність о, так що: 2 2 (0156) р(В, о) х 1/0 0157 Де 6. спільні апріорні і Во? : ріорні розподілидля РіО.
ІО158| У варіанті реалізації спільний апостеріорний розподіл для р представлено як нормальний розподіл, де В є функцією о? і спостережуваних пар врожайності кукурудзи та норми висту пулу Я о з/Уутух-1 (0159) В|о , (й, рі), бе (7 ри) т ЛВ, б (Х Х) (01601) Де (й, рі), йо (Те рт). п пар спостережень урожаю кукурудзи та норми висіву для певного насіння гібридного сорту та поля; В. Опішеа зпапацца В деппвана ча коваріаційній матриці ву Хіма МВ - (ХТХУ ХМ; Хо еоваріацій риці норми висіву і ма 1 1 1 т : коваріаційна х- ( с. ) матриця норм висіву, така що Рі Ра Р у МИ: спостереження урожаю на рослину - т
М - (М, 77 ЩО ; в": в апостеріорній частині відповідає зворотньому гамма-розподілу Р пар спостережень урожаю кукурудзи та норми висіву для даного насіння гібридного сорту та поля, такі ; п-2 (п-7)82 (01611 в7|(Й, рі), со (У рп) т Іпуетбе батта (и)
Уіна(й-Во-рРіхрі)? (01621 Де 6: оцінка значення 67, п-а2
ІО163)| На етапі 608 логіка моделі висіву 176 складає моделі висіву для різних комбінацій насіння гібридного сорту та ширини рядка висівання для тестових полів, на яких проводились вимірювання, причому кожна модель висіву відповідає одному тестовому полю. Кожна модель висіву містить отримані точки даних для тестового поля, лог-нормальний розподіл, створений за допомогою експоненціальної функції Дункана, і спільні апостеріорні розподіли, обчислені методом апріорного розподілу Джеффрі. Скомпільовані моделі висіву зберігаються в базі даних моделей та польових даних 160.
І0164| У наведеному вище описі варіанти реалізації винаходу описані з посиланням на численні конкретні деталі, які можуть відрізнятися в різних варіантах реалізації. Опис і креслення, відповідно, слід розглядати в ілюстративному, а не в обмежувальному сенсі. Єдиним і винятковим покажчиком обсягу винаходу і того, що за задумом авторів є обсягом винаходу, є буквальний та еквівалентний обсяг пунктів формули винаходу даної заявки, в конкретній формі, в якій зазначені пункти формули винаходу викладені, з урахуванням будь-яких подальших правок.
Claims (1)
- ФОРМУЛА ВИНАХОДУ1. Комп'ютерно реалізований спосіб визначення та надання рекомендації щодо норми висіву насіння рослин на полі, який включає етапи, на яких: отримують, використовуючи логіку запиту висіву в серверній комп'ютерній системі, цифрові дані, що представляють параметри висівання, які містять дані типу насіння гібридного сорту кукурудзи та ширину рядка висівання; отримують, використовуючи логіку запиту висіву, набір з однієї або більше цифрових моделей висіву зі сховища електронних цифрових даних висіву на основі параметрів висівання, причому одна або кожна з багатьох моделей висіву містить регресійну модель для типу насіння гібридних сортів кукурудзи, що моделює зв'язок між врожайністю культури і нормою висіву на конкретному полі, причому кожна регресійна модель базується на одній або більше точках даних, виміряних на конкретному полі за допомогою одного або більше віддалених датчиків, які з'єднані із серверною комп'ютерною системою із можливістю передачі даних;створюють, використовуючи логіку змішаної моделі в серверній комп'ютерній системі, емпіричну змішану модель в цифровій пам'яті комп'ютера на основі однієї або більше цифрових моделей висіву, причому емпірична змішана модель являє собою складний розподіл однієї або більше цифрових моделей висіву; створюють, використовуючи логіку змішаної моделі, набір даних розподілу оптимальної норми висіву в цифровій пам'яті комп'ютера на основі емпіричної змішаної моделі, причому набір даних розподілу оптимальної норми висіву представляє оптимальну норму висіву для всього поля, на якому проводили вимірювання; розраховують, використовуючи логіку рекомендації оптимальної норми висіву в серверній комп'ютерній системі, та надають на цифровому дисплеї рекомендації щодо оптимальної норми висіву на основі набору даних розподілу оптимальної норми висіву; створюють, використовуючи рекомендації щодо оптимальної норми висіву, скрипт, який завантажується на контролер для контролю за робочими параметрами сільськогосподарської техніки.2. Спосіб за п. 1, який відрізняється тим, що параметри висівання додатково включають дані про властивості грунту, кліматологічні дані, пов'язані з кліматом у географічному місці розташування поля або поряд з ним, та дані геолокації що визначають географічне розташування поля.З. Спосіб за п. 1, який відрізняється тим, що одна або більше точок даних, виміряних на конкретному полі, містять цифрові дані, що представляють тип насіння гібридних сортів, врожайність рослини та норму висіву висіяного насіння гібридного сорту.4. Спосіб за п. 1, який відрізняється тим, що регресійна модель для типу насіння гібридних сортів включає логнормальний розподіл співвідношення між врожайністю рослини та нормою висіву на конкретному полі.5. Спосіб за п. 1, який відрізняється тим, що модель висіву додатково містить спільні апостеріорні розподіли, що представляють розподіли параметрів регресії, які використовуються для обчислення регресійної моделі.6. Спосіб за п. 1, який відрізняється тим, що формування набору даних розподілу оптимальної норми висіву базується на від'ємних обернених значеннях параметрів, вибраних з емпіричної змішаної моделі.7. Спосіб за п. 6, який відрізняється тим, що формування набору даних розподілу оптимальної норми висіву додатково включає застосування генератора випадкової вибірки для вибору значень з емпіричної змішаної моделі для оцінки при створенні набору даних розподілу оптимальної норми висіву.8. Спосіб за п. 7, який відрізняється тим, що генератор випадкової вибірки використовує вибірку за методом Монте-Карло для вибору значень з емпіричної змішаної моделі.9. Спосіб за п. 1, який відрізняється тим, що обчислення рекомендації щодо оптимальної норми висіву додатково включає визначення медіанного врожаю для набору даних розподілу оптимальної норми висіву.10. Спосіб за п. 1, який відрізняється тим, що надання рекомендації щодо оптимальної норми висіву додатково включає представлення змінності, пов'язаної з рекомендацією щодо норми висіву, де змінність характеризується як медіанне абсолютне відхилення.11. Система, яка включає: цифрову комп'ютерну пам'ять; один або більше процесорів, з'єднаних із цифровою комп'ютерною пам'яттю із можливістю передачі даних, та налаштованих на: отримання цифрових даних, що представляють параметри висівання, які містять дані типу насіння гібридного сорту кукурудзи та ширину рядка висівання; отримання набору з однієї або більше цифрових моделей висіву зі сховища електронних цифрових даних висіву на основі параметрів висівання, причому одна або кожна з багатьох моделей висіву містить регресійну модель для типу насіння гібридних сортів кукурудзи, що моделює зв'язок між урожайністю культури і нормою висіву на конкретному полі, причому кожна регресійна модель базується на одній або більше точках даних, виміряних на конкретному полі за допомогою одного або більше віддалених датчиків, які з'єднані із серверною комп'ютерною системою із можливістю передачі даних; створення емпіричної змішаної моделі в цифровій пам'яті комп'ютера на основі однієї або більше цифрових моделей висіву, причому емпірична змішана модель являє собою складений розподіл однієї або кількох цифрових моделей висіву;створення набору даних розподілу оптимальної норми висіву в цифровій пам'яті комп'ютера на основі емпіричної змішаної моделі, причому набір даних розподілу оптимальної норми висіву представляє оптимальну норму висіву для всього поля, на якому проводили вимірювання; розрахування та надання на цифровому дисплеї рекомендації щодо оптимальної норми висіву на основі набору даних розподілу оптимальної норми висіву: створення скрипту, який завантажується на контролер для контролю за робочими параметрами сільськогосподарської техніки.12. Система за п. 11, яка відрізняється тим, що параметри висівання додатково включають: дані про властивості грунту, кліматологічні дані, пов'язані з кліматом у географічному місці розташування поля або поряд з ним, та дані геолокації що визначають географічне розташування поля.13. Система за п. 11, яка відрізняється тим, що одна або кілька точок даних, виміряних на конкретному полі, містять цифрові дані, що представляють: тип насіння гібридних сортів, урожайність рослини та норму висіву висіяного насіння гібридного сорту.14. Система за п. 11, яка відрізняється тим, що регресійна модель для типу насіння гібридних сортів кукурудзи включає логнормальний розподіл співвідношення між врожайністю рослини та нормою висіву на конкретному полі.15. Система за п. 11, яка відрізняється тим, що модель висіву додатково містить спільні апостеріорні розподіли, що представляють розподіли параметрів регресії, які використовуються для обчислення регресійної моделі.16. Система за п. 11, яка відрізняється тим, що формування набору даних розподілу оптимальної норми висіву базується на від'ємних обернених значеннях параметрів, вибраних з емпіричної змішаної моделі.17. Система за п. 16, яка відрізняється тим, що формування набору даних розподілу оптимальної норми висіву додатково включає застосування генератора випадкової вибірки для вибору значень з емпіричної змішаної моделі для оцінки при створенні набору даних розподілу оптимальної норми висіву.18. Система за п. 17, яка відрізняється тим, що генератор випадкової вибірки використовує вибірку за методом Монте-Карло для вибору значень з емпіричної змішаної моделі.19. Система за п. 11, яка відрізняється тим, що обчислення рекомендації щодо оптимальної норми висіву додатково включає визначення медіанного врожаю для набору даних розподілу оптимальної норми висіву.20. Система за п. 11, яка відрізняється тим, що надання рекомендації щодо оптимальної норми висіву додатково включає представлення змінності, пов'язаної з рекомендацією щодо норми висіву, де змінність характеризується як медіанне абсолютне відхилення.Фіг. 1Я 104 108 ЕСЕ її 106. Польові мо -О - НЕ дані Зовнішнідан 1 Комп'ютер ТИ Сільськогоспо- 113 и у кабіні дарський пристрій 112 Дистанційний | 14 Контролер внесення датчик 109 Мережа) ; 122 Рівень зв'язку 179 Підсистема рекомендування нерми висіву Мк огпка | 176Логіка с запиту с. моделі параметра висіву моделі висіву 160 Сховище ; моделей та ' польових даних Т74 Логіка 155 ЛеВК змішаної рекомендування й оптимальної моделі . норми висіву 134 Рівень представлення 140 Рівень керування даними 150 Рівень обладнання/віртуалізації 130 Сільськогосподарська інформаційна комп'ютерна системаФіг. 2 (а) 200 Мобільна комп'ютерна програма208. 210. 212 214 216 Інструкції | | Інструкції Пов'язані Команди Інструкції щодо щодо з ПОГОДОЮ щодо щодо насіння та азоту команди стану виконання сівби/ поля посадки 206 Цифровий набір карт 204 Команди перегляду та сповіщення 202 Команди щодо облікового запису, полів, введення даних і обміну ними 220 Програма у комп ютері в кабіні : 246 248 230 222 щ Збирег М Ї Передаче у кабіні перегляд ереда 4е КЕ : даних: 232 Дані польових досліджень у кабініФіг.З Попередня обробка агрономічних даних 305 Вибір підмножини агрономічних даних Зо Контур зворотного зв'язку Оцінка агрономічного набору даних 315 Створення агрономічної моделі 320 Збереження агрономічної моделі 325Фіг. 4 шо т т ян Дисплей Основна ОЗП Запам'ятовуючий по пам'ять пристрій | 428 шо 406 308 по ен І Ї | Ї й - ! Провайдер Пристрій послуг мережі введення Шина ! Інтернет НА 402 | дов І І І Пристрій управління 7 дя | Мережний Покал курсором в Процесор Інтерфейс канал Локальна дод зв'язку мережа а І 422 0 -шИ-О- - 301, хост 424Отримання параметрів моделі висівуОтримання та компіляція набору даних моделі висіву З15 Створення набору даних розподілу оптимальної норми висіву 920 Створення емпіричної змішаної моделі 82» Розрахування та надання оптимальної норми висіву на основі моделі розподілу оптимальної норми висівуФіг. 6Запитування зі сховища даних кількох точок даних для тестового поля 604 Створення лінійної регресійної. моделі для кожного набору даних тестового попя боб Створення апостеріорних розподілів для параметрів регресії ОВ Компіляція набору моделей висіву, що відповідають різним комоїнаціям типу насіння перидного сорту та ширини рядка висіванняДт мо те Б вн 230 те - ; рен АЙ з оНорма висіву (ТО0О насінин/акр) ри 704 - 200 гої се вів - сп 2 тв - щей їв БИ Фіг. 7А сю Й меааку й з 170- и Ов г -Ш- Ш-- 25 30 35 40 45 50 Норма висіву 41000 насінин/акр)і 706 ММез, 2011, Ширича рядка висівання « 20 Повторення ох 1 5 00001161 А рИБаш Ин ків 30 40 50 Нерма висіву (1000 насінин/акр)- ви З ІА 17,2010, Ширина рядка висівання х 20 а с Е5 ау -ш І З - з іч и пе ча В 16 В в 30 35 40 45 Норма висіву (1000 насінунлакрі а т ПД ТА 35, 2010, Ширина рядка висівання т 20 | Повторення - ІІ 1 - - ж « 3 16 те - Оз Фіг. 78 81001 АТ о 15 - и ГеНорме висіву 71000 васінин/акр) 716 5 МАЗ3, 2011, Ширина рядка висівання х 20 Ко ці 22-83 ВА--Н---222222222 п От в : З з и їв ке х 16 Шк А З 30 40 Норма висіву 11000 насінцн/акр)' Баїа Мападеє Сттвортя Т Різгіто : Ра аррівд (2 Рівідв: ФО Ра) тапоге (ОБіедв) Фор М Ргодгат 10 евро Бргіпо аррйсд 4 Рівідв ФО Тев! ргодгат і АтоцпЕ 150 105 Мас Атоцпє 200 |ре М/во Атоциє 150 Ю5 Мас Аптоци 150 Ір5 М/ас Агтоцупі 250 Я дрова. 1 х аррісабопа Арвівз: З х аррісайопа Арріва. 2 х аррісанопе Арріївй: 2 х арріїсайопе Аррієдс 7 х ДН НИ Я ГО Зеес А Ама бер; Осі Моу Оес о одапо Бебо Маг о Арго Мау опо У АБО 0 бері п ле Ід г й поз Ф Сот | 100 | Воопе А тр | грив! . 150 7 І дивіт, ММ 1 го я т йо Фо Сот | 106 | Егесіоке, ММ ше бигріне і Їзо ї і Воопе, ІМ 1 С й то і нд , ЗШ Є І І о С ФоСот | 100 | Воюпе А й Р ори ! 1; | - о ГДррзспатовідп 1 З х х 158 Ф Сот | 100 | Спатрают й. я (бите і ях 100 Зо Я Я Е Мерказка г си З 10; Оз», Сот | 106 | Виг, МЕ 5-5 БигріувФіг. 8 ' Паз Мападег ! | Рівгбпо 114 Рівідв) апчпо 20 Ріебб | Ріапіпа З Рівіов) Ріапнпо 401 Рівідє) ! РЕ (4 пед Р 210 Рівісв) ГРІ ЗО Бівід5) І 1 пе стор Сот Рюдцсі Стор Согп Ргодцсї | Стор Соті Родсї Стор бот Ргодисі . Ріапі Овів. 2016-04-12 Ріапі рате: 2016-04-15 і Ріапі Одів: 2016-06-13 Ріапі Овіе: 2016-04-13 і ЩО 112 Рор: 34000 І 83 | Рор: 24000 СО ЯЗ | Рор: 34000 ЩО 112 гРор: 34000 ! її Арріу ок | Арріх і її хору а Арріу івичпо Різп і Ї а Ї га І ЕЗ Аррі а Аррі В РІ ' ГІ с беест А СОР РІАМТЕВАСНЕВ РНОСОЄСТ РЕГСАТМУЕ МАТОМИХ ТАВОЕТ БО РОРШАТОМАМО РА : Атез, ІД 1 Сг ді ; Й І Сот | 100 | Воопе, ІА Сот - рМС82-М 112 160 ЗА000 Арг Гете дув, ММ с-оон о п Соті 00 Егтестек ММС бот - ОМев82-М й 36000 Арг Го Воло МІ -овА І о З боті 100 | Воспе, ІА Сот - оМОС82-М 12 150 Зоо Арг і : Спатраідн 1 СТ . . ' ес 1100 Спатраїдт и бот пе о ЗО Ах : Е Мергавка 1 СТ ; ' СО вето вих, че Сот - - 2 Іво ЗО АрхФіг. 9
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US14/885,886 US10342174B2 (en) | 2015-10-16 | 2015-10-16 | Method for recommending seeding rate for corn seed using seed type and sowing row width |
| PCT/US2016/055816 WO2017066078A1 (en) | 2015-10-16 | 2016-10-06 | A method for recommending seeding rate for corn seed using seed type and sowing row width |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| UA126552C2 true UA126552C2 (uk) | 2022-11-02 |
Family
ID=58517767
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| UAA201805466A UA126552C2 (uk) | 2015-10-16 | 2016-10-06 | Спосіб визначення та надання рекомендації щодо норми висіву насіння рослин на полі |
Country Status (9)
| Country | Link |
|---|---|
| US (4) | US10342174B2 (uk) |
| EP (2) | EP3981237A1 (uk) |
| AR (1) | AR106337A1 (uk) |
| AU (1) | AU2016338648B2 (uk) |
| BR (1) | BR112018007672B8 (uk) |
| CA (1) | CA3002007C (uk) |
| UA (1) | UA126552C2 (uk) |
| WO (1) | WO2017066078A1 (uk) |
| ZA (1) | ZA201803006B (uk) |
Families Citing this family (71)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11212962B2 (en) * | 2013-02-20 | 2022-01-04 | Deere & Company | Field condition determination |
| 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 |
| US20170115862A1 (en) * | 2015-10-27 | 2017-04-27 | Cnh Industrial America Llc | Graphical yield monitor real-time data display |
| US10111415B2 (en) * | 2016-03-01 | 2018-10-30 | Capstan Ag Systems, Inc. | Systems and methods for determining and visually depicting spray band length of an agricultural fluid application system |
| US20190090432A1 (en) * | 2016-03-04 | 2019-03-28 | Basf Se | Devices and Methods for Planning and Monitoring Agricultural Crop Growing |
| AU2017263638B2 (en) | 2016-05-13 | 2022-01-27 | Precision Planting Llc | Seed trench closing sensors |
| US20170344896A1 (en) * | 2016-05-31 | 2017-11-30 | Deere & Company | Disambiguation of agricultural input |
| WO2018049289A1 (en) | 2016-09-09 | 2018-03-15 | Cibo Technologies, Inc. | Systems for adjusting agronomic inputs using remote sensing, and related apparatus and methods |
| US10657372B2 (en) * | 2017-02-16 | 2020-05-19 | Walmart Apollo, Llc | Systems and methods for identifying and displaying optimal locations for a garden |
| US11263707B2 (en) | 2017-08-08 | 2022-03-01 | Indigo Ag, Inc. | Machine learning in agricultural planting, growing, and harvesting contexts |
| RU2020113428A (ru) * | 2017-09-29 | 2021-10-29 | Басф Се | Система и способ оптимизации защиты сельскохозяйственной культуры |
| US11562444B2 (en) * | 2017-11-09 | 2023-01-24 | Climate Llc | Hybrid seed selection and seed portfolio optimization by field |
| US11568340B2 (en) * | 2017-11-09 | 2023-01-31 | Climate Llc | Hybrid seed selection and seed portfolio optimization by field |
| US11423492B2 (en) | 2017-11-21 | 2022-08-23 | Climate Llc | Computing risk from a crop damaging factor for a crop on an agronomic field |
| US10477756B1 (en) | 2018-01-17 | 2019-11-19 | Cibo Technologies, Inc. | Correcting agronomic data from multiple passes through a farmable region |
| US20190325534A1 (en) | 2018-04-24 | 2019-10-24 | Indigo Ag, Inc. | Agricultural transportation entity identification and selection |
| US10999967B2 (en) * | 2018-05-25 | 2021-05-11 | The Climate Corporation | Cross-grower study and field targeting |
| US20200005401A1 (en) * | 2018-07-02 | 2020-01-02 | The Climate Corporation | Optimal placement and portfolio opportunity targeting |
| US20200042890A1 (en) * | 2018-08-02 | 2020-02-06 | The Climate Corporation | Automatic prediction of yields and recommendation of seeding rates based on weather data |
| US11861737B1 (en) | 2018-08-31 | 2024-01-02 | Climate Llc | Hybrid seed supply management based on prescription of hybrid seed placement |
| CA199220S (en) | 2018-09-28 | 2021-02-18 | Rockwool Int | Display screen with graphical interface |
| US11672203B2 (en) | 2018-10-26 | 2023-06-13 | Deere & Company | Predictive map generation and control |
| US11653588B2 (en) | 2018-10-26 | 2023-05-23 | Deere & Company | Yield map generation and control system |
| US11589509B2 (en) | 2018-10-26 | 2023-02-28 | Deere & Company | Predictive machine characteristic map generation and control system |
| US11178818B2 (en) | 2018-10-26 | 2021-11-23 | Deere & Company | Harvesting machine control system with fill level processing based on yield data |
| US11467605B2 (en) | 2019-04-10 | 2022-10-11 | Deere & Company | Zonal machine control |
| US11079725B2 (en) | 2019-04-10 | 2021-08-03 | Deere & Company | Machine control using real-time model |
| US11641800B2 (en) | 2020-02-06 | 2023-05-09 | Deere & Company | Agricultural harvesting machine with pre-emergence weed detection and mitigation system |
| US11240961B2 (en) | 2018-10-26 | 2022-02-08 | Deere & Company | Controlling a harvesting machine based on a geo-spatial representation indicating where the harvesting machine is likely to reach capacity |
| US11957072B2 (en) | 2020-02-06 | 2024-04-16 | Deere & Company | Pre-emergence weed detection and mitigation system |
| US11166406B2 (en) | 2018-12-19 | 2021-11-09 | Cnh Industrial America Llc | Soil resistivity detection system for an agricultural implement |
| AU2020226907A1 (en) * | 2019-02-21 | 2021-09-30 | Climate Llc | Digital modeling and tracking of agricultural fields for implementing agricultural field trials |
| US11770988B2 (en) | 2019-03-06 | 2023-10-03 | Cnh Industrial America Llc | Adjustable closing system for an agricultural implement |
| US11778945B2 (en) | 2019-04-10 | 2023-10-10 | Deere & Company | Machine control using real-time model |
| US11234366B2 (en) | 2019-04-10 | 2022-02-01 | Deere & Company | Image selection for machine control |
| US11212954B2 (en) | 2019-05-08 | 2022-01-04 | Deere & Company | Apparatus and methods for field operations based on historical field operation data |
| WO2021062147A1 (en) | 2019-09-27 | 2021-04-01 | Indigo Ag, Inc. | Modeling field irrigation with remote sensing imagery |
| AR121004A1 (es) * | 2020-01-07 | 2022-04-06 | Climate Corp | Aplicación de sensores remotos y modelos de aprendizaje automatizado para predecir datos de propiedad agronómica a campo |
| US20210243951A1 (en) * | 2020-02-06 | 2021-08-12 | Deere & Company | Machine control using a predictive map |
| US10878967B1 (en) * | 2020-02-21 | 2020-12-29 | Advanced Agrilytics Holdings, Llc | Methods and systems for environmental matching |
| US11477940B2 (en) | 2020-03-26 | 2022-10-25 | Deere & Company | Mobile work machine control based on zone parameter modification |
| CN113886674A (zh) * | 2020-07-01 | 2022-01-04 | 北京达佳互联信息技术有限公司 | 资源推荐方法、装置、电子设备及存储介质 |
| CA3186476A1 (en) | 2020-07-21 | 2022-01-27 | Eli Kellen Melaas | Remote sensing algorithms for mapping regenerative agriculture |
| US11889788B2 (en) | 2020-10-09 | 2024-02-06 | Deere & Company | Predictive biomass map generation and control |
| US11946747B2 (en) | 2020-10-09 | 2024-04-02 | Deere & Company | Crop constituent map generation and control system |
| US11825768B2 (en) | 2020-10-09 | 2023-11-28 | Deere & Company | Machine control using a predictive map |
| US11650587B2 (en) | 2020-10-09 | 2023-05-16 | Deere & Company | Predictive power map generation and control system |
| US11844311B2 (en) | 2020-10-09 | 2023-12-19 | Deere & Company | Machine control using a predictive map |
| US11711995B2 (en) | 2020-10-09 | 2023-08-01 | Deere & Company | Machine control using a predictive map |
| US11927459B2 (en) | 2020-10-09 | 2024-03-12 | Deere & Company | Machine control using a predictive map |
| US11474523B2 (en) | 2020-10-09 | 2022-10-18 | Deere & Company | Machine control using a predictive speed map |
| US11727680B2 (en) | 2020-10-09 | 2023-08-15 | Deere & Company | Predictive map generation based on seeding characteristics and control |
| US11849671B2 (en) | 2020-10-09 | 2023-12-26 | Deere & Company | Crop state map generation and control system |
| US11845449B2 (en) | 2020-10-09 | 2023-12-19 | Deere & Company | Map generation and control system |
| US11635765B2 (en) | 2020-10-09 | 2023-04-25 | Deere & Company | Crop state map generation and control system |
| US11983009B2 (en) | 2020-10-09 | 2024-05-14 | Deere & Company | Map generation and control system |
| US11675354B2 (en) | 2020-10-09 | 2023-06-13 | Deere & Company | Machine control using a predictive map |
| US11895948B2 (en) | 2020-10-09 | 2024-02-13 | Deere & Company | Predictive map generation and control based on soil properties |
| US11592822B2 (en) | 2020-10-09 | 2023-02-28 | Deere & Company | Machine control using a predictive map |
| US11871697B2 (en) | 2020-10-09 | 2024-01-16 | Deere & Company | Crop moisture map generation and control system |
| US11874669B2 (en) | 2020-10-09 | 2024-01-16 | Deere & Company | Map generation and control system |
| US11864483B2 (en) | 2020-10-09 | 2024-01-09 | Deere & Company | Predictive map generation and control system |
| US11849672B2 (en) | 2020-10-09 | 2023-12-26 | Deere & Company | Machine control using a predictive map |
| US11889787B2 (en) * | 2020-10-09 | 2024-02-06 | Deere & Company | Predictive speed map generation and control system |
| US11947355B2 (en) | 2020-10-15 | 2024-04-02 | Topcon Positioning Systems, Inc. | Method and apparatus for zone mapping |
| US11369055B1 (en) * | 2021-05-21 | 2022-06-28 | Advanced Agrilytics Holdings, Llc | Methods and systems for modeling soil processes and properties |
| US11978250B2 (en) | 2021-06-02 | 2024-05-07 | International Business Machines Corporation | Agricultural crop estimated date of planting |
| WO2023034118A1 (en) | 2021-08-30 | 2023-03-09 | Indigo Ag, Inc. | Systems for management of location-aware market data |
| US11880894B2 (en) | 2021-08-31 | 2024-01-23 | Indigo Ag, Inc. | Systems and methods for ecosystem credit recommendations |
| CN115062778B (zh) * | 2022-07-15 | 2024-04-23 | 中国农业大学 | 一种基于土壤有机质含量的玉米播种量决策方法 |
| US20240046177A1 (en) * | 2022-08-08 | 2024-02-08 | Monsanto Technology Llc | Methods and systems for use in seed production |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6662185B1 (en) | 1999-10-15 | 2003-12-09 | Dekalb Genetics Corporation | Methods and systems for plant performance analysis |
| US6516271B2 (en) * | 2001-06-29 | 2003-02-04 | The Regents Of The University Of California | Method and apparatus for ultra precise GPS-based mapping of seeds or vegetation during planting |
| US20050086010A1 (en) | 2003-05-30 | 2005-04-21 | Case Western Reserve University | Stochastic variable selection method for model selection |
| US8078367B2 (en) | 2007-01-08 | 2011-12-13 | Precision Planting, Inc. | Planter monitor system and method |
| US8712148B2 (en) | 2008-06-06 | 2014-04-29 | Monsanto Technology Llc | Generating agricultural information products using remote sensing |
| US8477295B2 (en) | 2009-05-07 | 2013-07-02 | Solum, Inc. | Automated soil measurement device |
| BR112012018114A2 (pt) * | 2010-01-22 | 2016-05-03 | Monsanto Company Llc | intensificação de desempenho de colheitas dentro de uma área de interesse |
| 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 |
| CA2864157A1 (en) * | 2012-02-10 | 2013-08-15 | Actuant Corporation | Seed metering device drive system for a twin-row seeder |
| EP2876993B1 (en) | 2012-07-25 | 2017-05-31 | Precision Planting LLC | System and method for multi-row agricultural implement control and monitoring |
| 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 |
-
2015
- 2015-10-16 US US14/885,886 patent/US10342174B2/en active Active
-
2016
- 2016-10-06 BR BR112018007672A patent/BR112018007672B8/pt active IP Right Grant
- 2016-10-06 WO PCT/US2016/055816 patent/WO2017066078A1/en active Application Filing
- 2016-10-06 EP EP21206140.2A patent/EP3981237A1/en active Pending
- 2016-10-06 EP EP16855986.2A patent/EP3362979B1/en active Active
- 2016-10-06 AU AU2016338648A patent/AU2016338648B2/en active Active
- 2016-10-06 CA CA3002007A patent/CA3002007C/en active Active
- 2016-10-06 UA UAA201805466A patent/UA126552C2/uk unknown
- 2016-10-13 AR ARP160103127A patent/AR106337A1/es active IP Right Grant
-
2018
- 2018-05-08 ZA ZA2018/03006A patent/ZA201803006B/en unknown
-
2019
- 2019-07-08 US US16/505,486 patent/US10827669B2/en active Active
-
2020
- 2020-10-28 US US17/083,288 patent/US11445660B2/en active Active
-
2022
- 2022-09-19 US US17/948,128 patent/US11882786B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CA3002007C (en) | 2023-09-05 |
| US20190327881A1 (en) | 2019-10-31 |
| EP3362979B1 (en) | 2022-05-18 |
| BR112018007672B8 (pt) | 2023-01-10 |
| US10342174B2 (en) | 2019-07-09 |
| US11445660B2 (en) | 2022-09-20 |
| WO2017066078A1 (en) | 2017-04-20 |
| US20210144908A1 (en) | 2021-05-20 |
| BR112018007672A2 (pt) | 2018-11-06 |
| US20170105335A1 (en) | 2017-04-20 |
| US11882786B2 (en) | 2024-01-30 |
| BR112018007672B1 (pt) | 2020-05-12 |
| EP3362979A4 (en) | 2019-06-05 |
| US10827669B2 (en) | 2020-11-10 |
| CA3002007A1 (en) | 2017-04-20 |
| AU2016338648B2 (en) | 2021-02-25 |
| EP3362979A1 (en) | 2018-08-22 |
| AU2016338648A1 (en) | 2018-05-24 |
| AR106337A1 (es) | 2018-01-03 |
| ZA201803006B (en) | 2020-08-26 |
| US20230030200A1 (en) | 2023-02-02 |
| EP3981237A1 (en) | 2022-04-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11558994B2 (en) | Agricultural data analysis | |
| US11882786B2 (en) | Method for recommending seeding rate for corn seed using seed type and sowing row width | |
| CA3054065C (en) | Location selection for treatment sampling | |
| AU2017316292A1 (en) | Optimizing split fertilizer application | |
| AU2019265649A1 (en) | Analysis and presentation of agricultural data | |
| UA125930C2 (uk) | Спосіб управління робочими параметрами сільскогосподарського обладнання (варіанти) та система обробки даних (варіанти) | |
| AU2017208959A1 (en) | Forecasting national crop yield during the growing season using weather indices | |
| US11707016B2 (en) | Cross-grower study and field targeting | |
| CA3121005A1 (en) | Utilizing spatial statistical models for implementing agronomic trials |