UA126555C2 - Спосіб управління робочими параметрами сільськогосподарського обладнання - Google Patents
Спосіб управління робочими параметрами сільськогосподарського обладнання Download PDFInfo
- Publication number
- UA126555C2 UA126555C2 UAA201808543A UAA201808543A UA126555C2 UA 126555 C2 UA126555 C2 UA 126555C2 UA A201808543 A UAA201808543 A UA A201808543A UA A201808543 A UAA201808543 A UA A201808543A UA 126555 C2 UA126555 C2 UA 126555C2
- Authority
- UA
- Ukraine
- Prior art keywords
- yield
- data
- values
- instructions
- crop
- Prior art date
Links
- 238000000034 method Methods 0.000 claims abstract description 66
- 230000001419 dependent effect Effects 0.000 claims abstract description 10
- 238000004519 manufacturing process Methods 0.000 claims abstract 7
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 120
- 229910052757 nitrogen Inorganic materials 0.000 claims description 60
- 239000002689 soil Substances 0.000 claims description 57
- 230000009418 agronomic effect Effects 0.000 claims description 42
- 238000003860 storage Methods 0.000 claims description 39
- 240000008042 Zea mays Species 0.000 claims description 34
- 235000002017 Zea mays subsp mays Nutrition 0.000 claims description 34
- 230000005070 ripening Effects 0.000 claims description 31
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 claims description 30
- 235000005822 corn Nutrition 0.000 claims description 30
- 238000013515 script Methods 0.000 claims description 28
- 238000004891 communication Methods 0.000 claims description 24
- 239000011159 matrix material Substances 0.000 claims description 16
- 230000005540 biological transmission Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000004883 computer application Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 230000035800 maturation Effects 0.000 claims description 9
- 238000001556 precipitation Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 238000004088 simulation Methods 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000013523 data management Methods 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000012886 linear function Methods 0.000 claims description 5
- 230000036541 health Effects 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 210000003608 fece Anatomy 0.000 claims description 2
- 230000014509 gene expression Effects 0.000 claims description 2
- 241000238017 Astacoidea Species 0.000 claims 1
- 241000283725 Bos Species 0.000 claims 1
- 241000282994 Cervidae Species 0.000 claims 1
- 241000282326 Felis catus Species 0.000 claims 1
- 241001399426 Myas Species 0.000 claims 1
- 210000004556 brain Anatomy 0.000 claims 1
- 238000012552 review Methods 0.000 claims 1
- 230000035939 shock Effects 0.000 claims 1
- 230000002123 temporal effect Effects 0.000 abstract 1
- 230000035882 stress Effects 0.000 description 70
- 238000011161 development Methods 0.000 description 38
- 230000018109 developmental process Effects 0.000 description 38
- 230000006870 function Effects 0.000 description 24
- 230000000035 biogenic effect Effects 0.000 description 21
- 238000005516 engineering process Methods 0.000 description 19
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 19
- 239000000126 substance Substances 0.000 description 18
- 235000013339 cereals Nutrition 0.000 description 16
- 230000008642 heat stress Effects 0.000 description 16
- 230000000694 effects Effects 0.000 description 14
- 238000005259 measurement Methods 0.000 description 14
- 230000004044 response Effects 0.000 description 14
- 239000003337 fertilizer Substances 0.000 description 13
- 230000007246 mechanism Effects 0.000 description 11
- 238000003973 irrigation Methods 0.000 description 10
- 230000002262 irrigation Effects 0.000 description 10
- 230000003287 optical effect Effects 0.000 description 10
- 241000196324 Embryophyta Species 0.000 description 9
- 239000000969 carrier Substances 0.000 description 8
- 230000008641 drought stress Effects 0.000 description 8
- 230000012010 growth Effects 0.000 description 7
- 239000000463 material Substances 0.000 description 7
- 239000000203 mixture Substances 0.000 description 7
- 238000013479 data entry Methods 0.000 description 6
- 238000003306 harvesting Methods 0.000 description 6
- 239000007788 liquid Substances 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 230000001850 reproductive effect Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 230000007423 decrease Effects 0.000 description 5
- 239000000575 pesticide Substances 0.000 description 5
- 241001124569 Lycaenidae Species 0.000 description 4
- 235000016383 Zea mays subsp huehuetenangensis Nutrition 0.000 description 4
- 238000013499 data model Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 235000009973 maize Nutrition 0.000 description 4
- 238000010899 nucleation Methods 0.000 description 4
- 239000005416 organic matter Substances 0.000 description 4
- 238000003971 tillage Methods 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 3
- 230000001627 detrimental effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000035558 fertility Effects 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 239000002917 insecticide Substances 0.000 description 3
- 238000011068 loading method Methods 0.000 description 3
- 238000003754 machining Methods 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 241000669069 Chrysomphalus aonidum 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
- 238000009825 accumulation Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 239000008186 active pharmaceutical agent Substances 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 230000003466 anti-cipated effect Effects 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 239000000417 fungicide Substances 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
- 230000004060 metabolic process Effects 0.000 description 2
- 235000015097 nutrients Nutrition 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 229910052698 phosphorus Inorganic materials 0.000 description 2
- 239000011574 phosphorus Substances 0.000 description 2
- 229920001690 polydopamine Polymers 0.000 description 2
- 229910052700 potassium Inorganic materials 0.000 description 2
- 239000011591 potassium Substances 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 101100138673 Arabidopsis thaliana NPF3.1 gene Proteins 0.000 description 1
- 239000002028 Biomass Substances 0.000 description 1
- 241000507614 Chama Species 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 229910002651 NO3 Inorganic materials 0.000 description 1
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 description 1
- 240000005546 Piper methysticum Species 0.000 description 1
- 235000016787 Piper methysticum Nutrition 0.000 description 1
- 241000607479 Yersinia pestis Species 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
- 230000003698 anagen phase Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000005341 cation exchange Methods 0.000 description 1
- 238000012656 cationic ring opening polymerization Methods 0.000 description 1
- 238000007705 chemical test Methods 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000003967 crop rotation Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 239000002837 defoliant Substances 0.000 description 1
- 239000002274 desiccant Substances 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000002986 genetic algorithm method Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000003630 growth substance Substances 0.000 description 1
- 239000004009 herbicide Substances 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000010871 livestock manure Substances 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- QJGQUHMNIGDVPM-UHFFFAOYSA-N nitrogen group Chemical group [N] QJGQUHMNIGDVPM-UHFFFAOYSA-N 0.000 description 1
- 230000000422 nocturnal effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 230000021217 seedling development Effects 0.000 description 1
- -1 silt Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- JNYSEDHQJCOWQU-UHFFFAOYSA-N stepronin Chemical compound OC(=O)CNC(=O)C(C)SC(=O)C1=CC=CS1 JNYSEDHQJCOWQU-UHFFFAOYSA-N 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G22/00—Cultivation of specific crops or plants not otherwise provided for
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C21/00—Methods of fertilising, sowing or planting
- A01C21/005—Following a specific plan, e.g. pattern
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G7/00—Botany in general
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/04—Processing captured monitoring data, e.g. for logfile generation
- H04L43/045—Processing captured monitoring data, e.g. for logfile generation for graphical visualisation of monitoring data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Environmental Sciences (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Botany (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Forests & Forestry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Ecology (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Soil Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
отримують, через мережу на серверній комп'ютерній системі, треті електронні цифрові дані, що містять множину значень, які відображають фактичні показники врожайності для сільськогосподарської культури, посадженої на множині полів протягом множини років; генерують, використовуючи цифрові запрограмовані інструкції моделювання потенційної врожайності на серверній комп'ютерній системі, одну або більше мап фактичних показників врожайності із множини значень, що відображають фактичні показники врожайності для відповідної локації генерують, використовуючи цифрові запрограмовані інструкції моделювання потенційної врожайності на серверній комп'ютерній системі, модель потенційної врожайності, що залежить від дати саджання та відносного дозрівання на основі, щонайменше частково, однієї або більше мап відносного дозрівання, однієї або більше мап дат саджання та однієї або більше мап фактичних показників врожайності, причому модель потенційної врожайності грунтується, щонайменше частково, на локації прогностичних змінних та на чуттєвій до часу коваріантній матриці прогностичних змінних; отримують, через мережу на серверній комп'ютерній системі, четверті електронні цифрові дані, що містять множину значень, які відображають фактичні показники врожайності для конкретного поля; обчислюють, використовуючи цифрові запрограмовані інструкції оцінки врожайності на серверній комп'ютерній системі, за рахунок моделі потенційної врожайності, конкретну потенційну врожайність для конкретного поля на основі, щонайменше частково, множини значень, що відображають фактичні показники врожайності для конкретного поля; створюють одну або більше рекомендацію щодо дати саджання або рекомендацію щодо типу насіння на основі, щонайменше частково, вихідних даних, отриманих від моделі потенційної врожайності сільськогосподарської культури; створюють один або більше скрипт для контролера застосунку на основі однієї або більше рекомендацій щодо дати саджання або рекомендацій щодо типу насіння; надсилають один або більше скрипт до контролера застосунку, причому контролер застосунку виконує один або більше скриптів для спонукання контролера застосунку до управління за робочими параметрами сільськогосподарського обладнання. «р Мр шк Щ ше рент я ті 106 1юЮ Котова і пАА-5 БЖ- Польові | Зовнішні я
Кумам ютер | Сіцьськогоспачарський З кави япистрій ке 4315 Відлалевий | | ПА Кожерилер застосувку дяк і те 109 Мережа Є) Шо лорі, рт 135 Комуткавійний рівень ра а й х 136 неструкюцй з мележвованния дютетної р: ! 135 Твозруюих з обучаелетня зндексу | | не тн КВН | Тольояї дані ! т тити т КО сСжовтще -к ЛАЗ вструкції з оцінки врожайності джин ї 138 Презентаційний рівень 140 Ріяснь управління даними.
ТО Рівень аяйратного забезпечення вірккалізацеї
ОО
КМ Сіль ежогоспалареька інтелектуальчв вічислвальа систе
Фіг. 1
ПОВІДОМЛЕННЯ ПРО АВТОРСЬКІ ПРАВА
ЇООО1| Частина даного опису патентного документу містить матеріали, на які розповсюджується захист авторських прав. Власник авторських прав не проти факсимільного відтворення будь-ким патентного документа або опису патенту, як це видно з патентної картотеки або реєстрації патентів Бюро з реєстрації патентів і товарних знаків, а у решті залишає всі авторські права або права без змін. Є 2015 Тне С Іітаїе Согрогаїйоп.
ОБЛАСТЬ ТЕХНІКІ
І0002| Даний винахід відноситься до цифрового комп'ютерного моделювання потенційної врожайності сільськогосподарської культури на основі строків саджання та відповідних показників дозрівання. Додатково, даний винахід відноситься до генерування повідомлень, рекомендацій га графічного інтерфейсу користувача на основі цифрових моделей потенційної врожайності.
РІВЕНЬ ТЕХНІКИ
0003) Викладені у даному розділі підходи є підходами, які необхідно здійснити, однак, не обов'язково, підходами, які були розроблені або здійснені раніше. Таким чином, якщо не вказано інше, не слід припускати, що будь-які підходи, що описані у даному розділі відносяться до попереднього рівня техніки виключно із того, що вони включені у даний розділ.
Ї0004| Зазвичай фермери змушені приймати рішення щодо саджання відносно одного або більше полів на основі неповної інформації. Точніше кажучи, перед саджанням сільськогосподарської культури фермер повинен визначити, коли треба саджати сільськогосподарську культуру для досягнення максимальної врожайності сільськогосподарської культури. Незважаючи на те, що загальний сезон саджання для певної сільськогосподарської культури є загальновідомим, за рахунок змін температури та факторів, пов'язаних із погодними умовами поточна врожайність сільськогосподарської культури може змінюватися у залежності від дати саджання протягом сезону саджання. 0005) Додатковим рішенням, яке має прийняти фермер, є вибір типу гібриду насіння для саджання. Сільськогосподарські культури, наприклад, кукурудза, зазвичай мають чисельні типи гібридів, кожен з яких може давати різну врожайність кукурудзи. Крім того, що тип гібриду впливає на загальну врожайність сільськогосподарської культури, вибір одної о насіння серед інших змінюється у залежності дати саджання та місцезнаходження. Наприклад, для певної дати саджання на першій локації перший тип насіння може надавати більш високу врожайність у порівнянні із другим типом насіння, при цьому для такої дати саджання на другій локації другий тип насіння може надавати більш високу врожайність у порівнянні із першим типом насіння.
І0006| Враховуючи залежність загальної врожайності від типу насіння для саджання, дати саджання насіння та місцезнаходження поля, об'єктивні дані, що визначають кращу дату саджання та тип насіння, зазвичай є недоступними. Так як тип насіння для саджання та дата саджання мають значний вплив на загальну врожайність фермерського господарства і. таким чином, на загальний прибуток фермера, було б доцільно надати фермеру дані, що вказують на найкращу дату саджання та вибір насіння для певного поля фермера.
КОРОТКИЙ ОПИС СУТІ ВИНАХОДУ
І0007| Формула винаходу, що додається, може служити коротким описом суті винаходу.
КОРОТКИЙ ОПИС ГРАФІЧНИХ МАТЕРІАЛІВ
І0О008) На графічних матеріалах:
ІЇ0009| Фіг. 1 ілюструє приклад обчислювальної системи, що виконана із можливістю виконувати функції, які описані в даному документі, та проілюстрована у польових умовах із іншими пристроями, з якими система може взаємодіяти. 0010) Фіг. 2 ілюструє два відображення прикладу логічної організації наборів інструкцій в основній пам'яті під час загрузки прикладу мобільного застосунку для виконання. 0011) Фіг. З ілюструє запрограмований процес, за допомогою якого сільськогосподарська інтелектуальна обчислювальна система генерує одну або більше попередньо налаштованих агрономічних моделей з використанням агрономічних даних, наданих одним або більше джерелом даних. 00121 Фіг. 4 є функціональною схемою, що ілюструє комп'ютерну систему 400, на базі якої може бути здійснений варіант реалізації винаходу. 0013) Фіг. 5 ілюструє приклад варіанту реалізації відображення екрану у режимі часової шкали для даних, що вводяться. 0014) Фіг. 6 ілюструє приклад варіанту реалізації відображення екрану у режимі цифрової таблиці для даних, що вводяться. бо ЇО0О15| Фіг. 7 ілюструє приклад способу створення та використання цифрової моделі потенційної врожайності сільськогосподарської культури на основі дати саджання та відносного дозрівання. 0016) Фіг. 8 ілюструє приклад варіанту у етапів розвитку кукурудзи.
ЇО0О17| Фіг. 9 ілюструє приклад таблиці, де кількість днів ступеню зростання використовується для визначення початку та закінчення різних фенологічних етапів розвитку.
ДЕТАЛЬНИЙ ОПИС СУТІ ВИНАХОДУ
ІЇ0018| У наступному описі, для роз'яснення, чисельні характерні деталі викладені для надання повного розуміння даного винаходу. Тим не менш, зрозуміло, що варіанти реалізації винаходу можуть бути реалізовані на практиці без цих характерних деталей.
В інших випадках, добре знайомі структури та пристрої проілюстровані у вигляді функціональної схеми для запобігання надмірного ускладнення даного опису. Варіанти реалізації винаходу викладені у даному розділу відповідно до наступного плану: 1. ЗАГАЛЬНИЙ ОГЛЯД 2. ПРИКЛАД СІЛЬСЬКОГОСПОДАРСЬКОЇ ІНТЕЛЕКТУАЛЬНОЇ ОБЧИСЛЮВАЛЬНОЇ
СИСТЕМИ
21. ОГЛЯД СТРУКТУРИ 2.2. ОГЛЯД ПРИКЛАДНОЇ ПРОГРАМИ 2-3. ПОТРАПЛЯННЯ ДАНИХ У ОБЧИСЛЮВАЛЬНУ СИСТЕМУ 2.4. ОГЛЯД ПРОЦЕСУ - ПІДГОТОВКА АГРОНОМІЧНОЇ МОДЕЛІ 2.5. ПРИКЛАД РЕАЛІЗАЦІЇ - ОГЛЯД АПАРАТНОГО ЗАБЕЗПЕЧЕННЯ 3. МОДЕЛЬ ОЦІНКИ ВРОЖАЙНОСТІ 3.1. ОТРИМАНІ ДАНІ 3.2.1 ГЕНЕРУВАННЯ РЕТРОСПЕКТИВНИХ МАП 3.3. МОДЕЛЮВАННЯ ПОТЕНЦІЙНОЇ ВРОЖАЙНОСТІ 3.4. МОДЕЛЮВАННЯ ПРОГНОЗОВАНОЇ ВРОЖАЙНОСТІ 3.5. ІНДЕКСИ СТРЕСУ СІЛЬСЬКОГОСПОДАРСЬКОЇ КУЛЬТУРИ 3.5. і ФЕНОЛОГІЯ СІЛЬСЬКОГОСПОДАРСЬКОЇ КУЛЬТУРИ 3.5.2. СТРЕС ВІД ЗАТОПЛЕННЯ 3.5.3. СТРЕС ВІД ПОСУХИ
Зо 3.5.4. ПОЧАТКОВИЙ СТРЕС ВІД ПОСУХИ 3.5.5. ДЕННИЙ ТЕПЛОВИЙ СІРЕС 3.5.6. НІЧНИЙ ТЕПЛОВИЙ СТРЕС 3.5.7. СТРЕС. ВИКЛИКАНИЙ ЗАСТОСУВАННЯМ БІОГЕННИХ РЕЧОВИН 3.6. МОДЕЛІ. ЗМІЦНЕННЯ 4. МОДЕЛЬ ВИКОРИСТАННЯ 4.1. ОЦІНКА ЗАГАЛЬНОЇ ВРОЖАЙНОСТІ СІЛЬСЬКОГОСПОДАРСЬКОЇ КУЛЬТУРИ 4.2. РЕКОМЕНДАЦІЇ ЩОДО ДАТИ САДЖАННЯ 4.3. РЕКОМЕНДАЦІЇ ЩОДО НАСІННЯ 5. ПЕРЕВАГИ ПЕВНИХ ВАРІАНТІВ РЕАЛІЗАЦІЇ ДАНОГО ВИНАХОДУ 6. ДОДАТКОВІ ТА АЛЬТЕРНАТИВНІ ВАРІАНТИ 0019) К ЗАГАЛЬНИЙ ОГЛЯД (0020) Аспекти даного винаходу, головним чином, відносяться до реалізованих на комп'ютері технологій для генерування моделі оцінки врожайності сільськогосподарської культури на основі моделі потенційної врожайності у залежності від дати саджання, відносного дозрівання та фактичних показників врожайності для одного або більше полів. У варіанті реалізації винаходу, сільськогосподарська інтелектуальна обчислювальна система отримує ретроспективні дані, що визначають дати саджання сільськогосподарської культури, значень відносного дозрівання насіння та попередніх даних врожайності для множини локацій. На основі отриманих ретроспективних даних система створює одну або більше мап дат саджання, відносного дозрівання та фактичних показників врожайності. Використовуючи створені мапи, система генерує модель потенційної врожайності, що залежить від відносного дозрівання, дат саджання та фактичних показників врожайності. Потім система отримує значення фактичних показників врожайності для певного поля. Використовуючи фактичні показники врожайності для певного поля, певну дату саджання та значення певного відносного дозрівання, система обчислює потенційну врожайність для певного поля. Потім система може моделювати поточну врожайність сільськогосподарської культури на основі обчисленої потенційної врожайності. 00211 У варіанті реалізації винаходу, спосіб містить отримання через мережу на серверній комп'ютерній системі, що містить один або більше процесорів та цифрову пам'ять, перших електронних цифрових даних, що містять множину значень, що відображають ретроспективні 60 дані щодо відносного дозрівання сільськогосподарської культури, що висаджена на множині полів протягом множини років: генерування однієї або більше карт відносного дозрівання із множини значень, що відображають ретроспективне відносне дозрівання, із використанням інструкцій моделювання потенційної врожайності для цифрової програмованої логіки серверної комп'ютерної системи; отримання через мережу на серверній комп'ютерній системі других електронних цифрових даних, що містять множину значень, що містять ретроспективні дати саджання для сільськогосподарської культури, що висаджена на множині полів протягом множини років; генерування однієї або більше мап відносного дозрівання із множини значень, що відображають ретроспективну дату саджання, із використанням інструкцій моделювання потенційної врожайності для цифрової програмованої логіки серверної комп'ютерної системи; отримання через мережу на серверній комп'ютерній системі третіх електронних цифрових даних, що містять фактичні показники врожайності для сільськогосподарської культури, що висаджена на множині полів протягом множини років; генерування однієї або більше карт із множини значень, що відображають фактичні показники врожайності, із використанням інструкцій моделювання потенційної врожайності для цифрової програмованої логіки серверної комп'ютерної системи; генерування моделі потенційної врожайності, що залежить від дати саджання та відносного дозрівання на основі, щонайменше частково, однієї або більше мап відносного дозрівання, однієї або більше мап дат саджання та однієї або більше мап фактичних показників врожайності із використанням інструкцій моделювання потенційної врожайності для цифрової програмованої логіки серверної комп'ютерної системи; отримання через мережу на серверній комп'ютерній системі четвертих електронних цифрових даних, що містять множину значень, що відображають фактичні показники врожайності для певного і поля; обчислення із моделі потенційної врожайності певної потенційної врожайності для певного поля на основі, щонайменше частково, множини значень, що відображають фактичні показники врожайності для певного поля, із використанням інструкцій моделювання потенційної врожайності для цифрової програмованої логіки серверної комп'ютерної системи. 0022) 2. ПРИКЛАД СІЛЬСЬКОГОСПОДАРСЬКОЇ ІНТЕЛЕКТУАЛЬНОЇ ОБЧИСЛЮВАЛЬНОЇ
СИСТЕМИ
(0023) 2.11 ОГЛЯД СТРУКТУРИ
І0024| Фіг. 1 ілюструє приклад обчислювальної системи, що виконана із можливістю
Зо виконувати функції, які описані в даному документі, та проілюстрована у польових умовах із іншими пристроями, з якими система може взаємодіяти. У варіанті реалізації винаходу, користувач 102 є власником, працює або володіє обчислювальним пристроєм 104 керуючого польовими роботами на місці розташування поля, або пов'язаному із розташуванням поля, наприклад, на полі, що призначене для сільськогосподарської діяльності, або у місці керування одним або більше сільськогосподарськими полями. Обчислювальний пристрій керуючого польовими роботами 104 запрограмований або виконаний із можливістю надання польових даних 106 у сільськогосподарську інтелектуальну обчислювальну систему 130 через одну або більше мереж 109.
І0025| Приклади польових даних 106 містять (а) ідентифікаційні дані (наприклад, площу поля в акрах, назву поля, ідентифікатори поля, географічні ідентифікатори, ідентифікатори меж, ідентифікатори сільськогосподарської культури, та будь-які інші відповідні дані, які можуть використовуватися для ідентифікації землі фермерського господарства наприклад, одиниця суспільної землі (СІ О), номер лота та блока, номер земельної ділянки, географічні координати та кордони, серійний номер господарства (ЕМ), номер господарства, номер ділянки, номер поля, поле у 640 акрів, поле у 36 квадратних миль, та/або протяжність, (Б) дані про збір врожаю (наприклад, тип посіву, сорти сільськогосподарських культур, сівозміна, чи вирощувалися посіви органічно, дата сбіру врожаю, фактичні показники врожайності (АРН), планову врожайність, врожайність, вартість посіву, доходи від врожаю, вологість зернових, прийоми механічної обробки, інформація про попередні погодні умови), (с) дані про грунт (наприклад, тип, склад, рн, органічні речовини (ОМ), обмінна ємність катіонів (СЕС), (4) дані про саджання (наприклад, дата саджання, тип зернових, відносний розвиток (КМ) посаджених зернових, щільність саджання), (ее) дані по добривам (наприклад, тип добрива (азотні, що містять фосфор, калійні), тип застосування, дата застосування, кількість, джерело, спосіб), (Ї) дані про дестициди і наприклад, пестициди, гербіциди, фунгіциди, ІНШІ речовини або суміші речовин, ЩО використовуються у
ЯКОСТІ регуляторів росту, дефоліанту або десіктану, дата застосування, кількість, джерело, спосіб), (ду) дані про зрошення (наприклад, дата застосування, об'єм, джерело, спосіб), (п) погодні умови (наприклад, опади, температура, вітер, тиск, видимість, хмарність, тепловий індекс, точка роси, вологість, глибина снігу, якість повітря, схід сонця, захід сонця), (ї) дані про зображення (наприклад, інформація про зображення та світловий спектр Із 60 сільськогосподарського пристрою, датчика, камери, комп'ютера, смартфону, КПК, безпілотного літального апарату, літака або супутника), () розвідувальні спостереження (знімки, відео, записи у вільній формі, голосові записи, розшифрування записів, погодні умови (температура, опади (поточні та на протязі певного періоду часу), вологість грунту, фаза росту посіву, швидкість вітру, відносна вологість, точка роси, шар черні)), та (ку фенологія грунту, насіння, посівів, звіт про шкідників та хвороби, та прогнозовані джерела та бази даних.
І0026| Комп'ютер серверу зовнішніх даних 108 функціонально зв'язаний «Кіз сільськогосподарською інтелектуальною обчислювальною системою 130 га запрограмований або виконаний із можливістю відправляння зовнішніх даних 110 сільськогосподарській інтелектуальній обчислювальній системі 30 через мережу (ї) 109. Зовнішній комп'ютер серверу даних 108 може бути власністю, або на ньому може працювати одна і та ж юридична особа або об'єкт, що працює з сільськогосподарською інтелектуальною обчислювальною системою 130, або різні особи або об'єкти, наприклад, урядовий заклад, неурядова організація (НУО), га/або приватний постачальник послуг з передавання даних. Приклади зовнішніх даних містять дані про погоду, дані у вигляді зображень, дані про грунт або, між іншим, статистичні дані, що відносяться до врожайності сільськогосподарської культури. Зовнішні дані 110 можуть містити ті ж самі типи інформації, що і польові дані 106. У деяких варіантах реалізації винаходу, зовнішні дані 110, що надані комп'ютером серверу зовнішніх даних 108, належать тім самим об'єктам, яким належать та/або які опрацюють із сільськогосподарською інтелектуальною обчислювальною системою /- 130. Наприклад, сільськогосподарська інтелектуальна обчислювальна система 130 може містити сервер даних, що фокусується на типі даних, наприклад, на даних про погоду, які, у іншому випадку, можуть бути надані сторонніми джерелами. У деяких варіантах реалізації винаходу, комп'ютер серверу зовнішніх даних 108 може фактично бути вбудованим у систему 130.
І0027| Сільськогосподарські пристрої 111 можуть мати один або більше віддалених датчиків 112, що встановлені на них. при цьому ці датчики з'єднані із можливістю обміну даними, як напряму, так і не напряму, через сільськогосподарські пристрої 111, із сільськогосподарською інтелектуальною обчислювальною системою 130, та запрограмовані, або виконані із можливістю відправляти дані датчика сільськогосподарській інтелектуальній обчислювальній системі 130. Приклади сільськогосподарських пристроїв 111 містять фактори, комбайни, жниварки, сівалки, вантажні машини, обладнання для внесення добрив, безпілотні літальні апарати та будь- які інші одиниці фізичних механізмів або апаратного забезпечення, як правило, мобільні механізми, та які можуть використовуватися у задачах, пов'язаних із сільським господарством. У деяких варіантах реалізації винаходу, одна одиниця пристрою 111 може містити множину датчиків 112, що з'єднані локально у мережу пристроїв; локальна мережа контролерів (САМ) є прикладом такої мережі, що може бути встановлена на комбайни або жниварки. Контролер застосунку 114 з'єднаний із можливістю обміну даними (із сільськогосподарською інтелектуальною обчислювальною системою 130 через мережу(ї) 109, та запрограмований або виконаний із можливістю отримувати від сільськогосподарської інтелектуальної обчислювальної системи 130 один або більше скриптів для управління робочими параметрами сільськогосподарського транспорту, або їх виконання. Для прикладу, інтерфейс шини локальної мережі контролерів САМ) може використовуватися для обміну даними між сільськогосподарською інтелектуальною обчислювальною системою 130 та сільськогосподарськими пристроями 111, наприклад, таким чином, як використовується у
СІІМАТЕ РІЕГОМІЄМУ ОВІМЕ, який доступний від компанії Те Сійїтаїє Согрогаїйоп, Сан-
Франциско, Каліфорнія. Дані від датчиків можуть містити ті ж самі типи інформації, що і польові дані 106. (0028) Пристрої 111 можуть містити комп'ютер кабіни 115, який містить застосунок кабіни, який може містити версію або приклад мобільного застосунку для пристрою 104, який додатково описаний у інших розділах даного документу. У варіанті реалізації винаходу, комп'ютер кабіни 115 містить портативний комп'ютер, найчастіше, комп'ютер розміром із планшет, або смартфон, із кольоровим графічним екраном, що встановлений всередині кабіни оператора пристрою 111.
Комп'ютер кабіни 115 може реалізувати деякі або всі операції та функції, які описані додатково у даному документі по відношенню до обчислювального пристрою керуючого польовими роботами 104.
І0029| Мережа (ї) 109 широко представлена будь-якою комбінацією однієї або більше комунікаційних мереж, включно із локальними мережами, глобальними мережами або мережею
Інтернет, з використанням дротових або бездротових каналів зв'язку, включаючи наземні або супутникові канали зв'язку. Мережа () може бути реалізована за допомогою будь-якого середовища передавання даних або механізму, що надається для обміну даними між різними бо елементами на Фіг. 1. Різні елементи на Фіг. 1 можуть мати прямі (дротові або бездротові)
комунікаційні канали. Кожен із датчиків 112, контролер 114, комп'ютер серверу зовнішніх даних 108 та інші елементи системи містять інтерфейс, сумісний із мережею(ами) 109, та запрограмований або виконаний із можливістю використання стандартних про протоколів обміну даними через мережу, наприклад, протоколів ТСР/ІР, Вінейооїй, САМ, та протоколів високого рівня, наприклад, НІТР, ТІ 5 і тому подібних.
І0030| Сільськогосподарська інтелектуальна обчислювальна система 130 запрограмована або виконана із можливістю отримувати польові дані 106 від обчислювального пристрою керуючого польовими роботами 104, зовнішніх даних 110, від комп'ютеру серверу зовнішніх даних 108. та даних датчиків від віддалених датчиків 112. Сільськогосподарська інтелектуальна обчислювальна система 130 може додатково бути виконана із можливістю розміщення, використання або виконання однієї або більше комп'ютерних програм, інших програмних елементів, цифрової програмованої логіки, наприклад. ЕРА або АБІС. або будь-якої їх комбінації для виконання трансляції та зберігання елементів даних, конструкцій цифрових моделей одного або більше посівів на одному або більше полях, генерування рекомендацій та повідомлень, та генерування і відправки скриптів контролеру застосунку 114, способами, що додатково описані у інших розділах даного опису.
І0О31) У варіанті реалізації винаходу, сільськогосподарська інтелектуальна обчислювальна система 130 запрограмована із або містить комунікаційний рівень 132, презентаційний рівень 134, рівень управління даними 140, рівень апаратного забезпечення/віртуалізації 150 та сховище моделей та польових даних 160. В контексті даного документа, термін "рівень" означає комбінацію електронних схем цифрового інтерфейсу, мікроконтролерів, вбудованого програмного забезпечення та/або комп'ютерних програм, або інших програмних елементів. (00321) Комунікаційний рівень 132 може бути запрограмований або виконаний із можливістю виконувати інтерфейсні функції введення/виведення, включаючи відправку запитів обчислювальному пристрою керуючого польовими роботами 104, комп'ютеру серверу зовнішніх даних 108 та віддаленим датчикам 112, на отримання польових даних, зовнішніх даних та даних датчиків, відповідно. Комунікаційний рівень 132 може бути запрограмований або виконаний із можливістю відправки отриманих даних у сховище моделей та польових даних 160 для зберігання в якості польових даних 106.
Зо 00331 Презентаційний рівень 134 може бути запрограмований або виконаний із можливістю генерування графічного інтерфейсу користувача (ПІК) для відображення на обчислювальному пристрої керуючого польовими роботами 104, комп'ютері кабіни 115 або інших комп'ютерах, які підключені до системи 130 через мережу 109. ГІК може містити органи керування для даних, що вводяться, для їхнього введення у сільськогосподарську інтелектуальну обчислювальну систему 1 30, генерування запитів на моделі та/або рекомендації. та/або відображення рекомендацій, повідомлень, моделей, та інших польових даних.
Ї0034| Рівень управління даними 140 може бути запрограмований або виконаний із можливістю керувати операціями зчитування та запису з використанням сховища 160 та іншими функціональними елементами системи, включаючи набори запитів та результатів, що передаються між функціональними елементами системи та сховищем. Приклади рівня управління даними 140 містять, між іншим, код інтерфейсу ЧУОВС, БОЇ -серверів, та/(або коду інтерфейсу НАБООР. Сховище 160 може містити базу даних. У контексті даного документу, термін "база даних" означає як масив даних, так і систему управління реляційною базою даних (КОВМФ5), або їх обох. У контексті даного документу, база даних може містити будь-який набір даних, включно з ієрархічною базою даних, реляційною базою даних, базою даних на пласких файлах, об'єктно-реляційною базою даних, об'єктно- орієнтовною базою даних, та будь-яким іншим структурованим набором записів або даних, що зберігаються у обчислювальній системі.
Приклади КОВМ5 містять, крім іншого, бази даних ОКАСІЕФ, МУБОЇ, ІВМФ 082,
МІСКОБОГТО 50 5ЕКМЕК.
БО ЗУВАБЕФ та РОБТОВЕЗ5ОЇ.. Тім не менш, може використовуватися будь-яка база даних, що дозволяє виконувати системи та способи, що описані у даному документі.
Ї0О35| Якщо польові дані 106 не потрапляють напряму до сільськогосподарської інтелектуальної обчислювальної системи за допомогою однієї чи більше сільськогосподарських машин або пристроїв сільськогосподарських машин, що взаємодіють із сільськогосподарською інтелектуальною обчислювальною системою, користувачеві може бути наданий запит на введення такої інформації за допомогою одного чи більше інтерфейсів користувача на пристрої користувача (який обслуговується сільськогосподарською інтелектуальною обчислювальною системою). У варіанті реалізації винаходу, що наводиться у якості прикладу, користувач може вказати ідентифікаційні дані за допомогою доступу до мапи на пристрої користувача (яка бо обслуговується сільськогосподарською інтелектуальною обчислювальною системою) та вибрати певну СІ І, шо графічно відображається на мапі. В альтернативному варіанті реалізації винаходу, користувач 102 може вказати ідентифікаційні дані за допомогою доступу до мапи на пристрої користувача (який обслуговується сільськогосподарською інтелектуальною обчислювальною системою 130), намалювавши межі ділянки зверху на мапі. Такий вибір СІ О або малювання на мапі відображає географічні ідентифікатори. В альтернативному варіанті реалізації винаходу, користувач може вказати ідентифікаційні дані за допомогою доступу до ідентифікаційних польових даних (які надаються у вигляді векторних файлів або у аналогічному форматі) від Управління обслуговування фермерів Міністерства сільського господарства США або іншого джерела, за допомогою пристрою користувача, та надати такі ідентифікаційні польові дані сільськогосподарській інтелектуальній обчислювальній системі.
ІЇ0О3б| У варіанті реалізації винаходу, що наводиться у якості прикладу, сільськогосподарська інтелектуальна обчислювальна система 130 запрограмована для генерування та відображення графічного інтерфейсу користувача, . що містить менеджер даних для введення даних. Після того, як буде ідентифіковане одно або більше полів із використанням способів, що описані вище, менеджер даних може надати один або більше віджетів графічного інтерфейсу користувача, які при їх обранні можуть ідентифікувати зміни щодо поля, грунту, посівів, прийомів механічної обробки або прийомів застосування поживних речовин. Менеджер даних може містити відображення екрану у режимі часової шкали, відображення екрану у режимі цифрової таблиці, га/"або однієї або більше програм, що редагуються. 00371 Фіг. 5 ілюструє приклад варіанту реалізації відображення екрану у режимі часової шкали для даних, що вводяться. Завдяки використанню екрану, що відображений на Фіг. 5, користувач може виконати вибір певного поля та певної дати для додавання події. Події, відображені у верхній частині часової шкали, містять вкладки: Азот, Саджання, Прийоми та
Грунт. Для додавання події застосування азоту комп'ютер користувача може надавати можливість вибору вкладки з азотом. Потім, комп'ютер користувача може обирати и певне положення на часовій шкалі. що відповідає певному полю, для інформації про застосування азоту на певному полі. У відповідь на отримання положення на часовій шкалі для певного поля менеджер даних може відобразити прозорий шар для даних, що вводяться, що дозволяє
Зо комп'ютеру користувача вволити дані, що відносяться до застосування азотних добрив, процедур саджання, внесення підкормки у грунт, прийомів механічної обробки, прийомів зрошення та іншої інформації, щодо певного поля. Наприклад, якщо комп'ютер користувача обирає частину часової шкали та вказує на застосування азоту, то прозорий шар для даних, що вводяться, може містити поля для введення кількості азоту, що буде застосована, дату застосування, тип обладнання, що використовується для застосування добрив, та будь-яку іншу інформацію, що відноситься до застосування азоту. 0038) У варіанті реалізації винаходу, менеджер даних надає інтерфейс для створення однієї або більше програм. У контексті даного документу, термін "програма" означає набір даних, що відносяться до застосування азоту, процедур саджання, внесення підкормки у грунт, прийомів механічної обробки, прийомів зрошення та іншої інформації, що може відноситися до одного або більше полів, та може зберігатися у цифровому сховищі даних для повторного використання в якості набору даних в інших операціях.
Після того, як програму буде створено, вона може бути застосована концептуально до одного або більше полів, а посилання на програму може бути збережено у цифровому сховищі, одночасно із даними, що ідентифікую поля. Таким чином, замість ручного введення ідентичних даних, що відносяться до того ж самого застосування азоту на множині різних полів, комп'ютер користувача може створити програму, що вказує на певне застосування азоту, а потім, застосувати програму для множини різних полів. Наприклад, на екрані у режимі часової шкали на Фіг. 5 дві верхні часові шкали мають обрану програму "Осіннє застосування", що містить застосування 150 фунтів азоту на акр на початку квітня. Менеджер даних може надавати інтерфейс для редагування програми. У варіанті реалізації винаходу, коли редагується певна програма, редагується кожне поле, для якого обрана певна програма. Наприклад, на Фіг. 5, якщо редагується програма "Осіннє застосування" для зниження застосування азоту до 130 фунтів на акр, два верхні поля оновлюються із зниженим застосуванням азоту на основі відредагованої програми. 0039) У варіанті реалізації винаходу, у відповідь на отримання редагування поля, що має обрану програму, менеджер даних видаляє посилання поля на обрану програму. Наприклад, якщо застосування азоту додається до верхнього поля на Фіг. 5. інтерфейс оновлюється для того, щоб надати інформацію, що програма "Осіннє застосування" більше не застосовується до 60 верхнього поля. Хоча застосування азоту на початку квітня залишається, оновлення програми
"Осіннє застосування" не змінює застосування азоту у квітні. 0040) Фіг. 6 ілюструє приклад варіанту реалізації відображення екрану у режимі цифрової таблиці для даних, що вводяться.
Завдяки використанню екрану, що відображений на фіг. 6, користувач може створювати та редагувати інформацію для одного або більше полів. Менеджер даних може містити цифрову таблицю для введення інформації щодо вкладок: Азот, Саджання, Прийомі та Грунт, як проілюстровано на Фіг. 6. Для редагування певного запису, комп'ютер користувача може обрати певний запис у цифровій таблиці та оновити значення.
Наприклад, Фіг. 6 ілюструє процес виконання оновлення заданого значення врожайності для другого поля. Додатково, комп'ютер користувача може обирати одне або більше полів для застосування однієї або більше програм. У відповідь на отримання вибору програми для певного поля, менеджер даних може автоматично завершити введення даних для певного поля на основі обраної програми. Як і у випадку із відображенням екрану у режимі часової шкали, у відповідь на отримання оновлення програми менеджер даних оновлює записи для кожного поля, пов'язаного із певною програмою.
Додатково, у відповідь на отримання редагування одного або більше записів для поля, менеджер даних можу видалити посилання обраної програми на поле.
Ї0041| У варіанті реалізації винаходу, моделі та польові дані зберігаються у сховищі моделей та польових даних 160. Дані моделі містять моделі даних, що створені для одного або більше полів. Наприклад, модель сільськогосподарської культури може містити сконструйовану цифрову модель розвитку сільськогосподарської культури на одному або більше полів. У контексті даного документу, "модель" означає збережений електронний цифровий набір інструкцій, що виконуються, та елементів даних, пов'язаних один з одним, які можуть отримувати та відповідати на про) рамний або інший цифровий виклик, активацію або запит аналізу, на основі вказаних вхідних даних, для виводу одного або більше збережених вихідних значень, які можуть служити, між іншим, основою для реалізованих на комп'ютері рекомендацій, відображення вихідних даних, або машинного управління. Фахівцям у даній області техніки може здатися зручною побудова моделей із використанням математичних рівнянь, однак така форма вираження не обмежує моделі, що викладені у даному документі у абстрактному понятті;
Зо замість цього, кожна модель у даному документі має практичне застосування на комп'ютері у формі збережених інструкцій, що виконуються, та даних, що реалізують модель (із використанням комп'ютера. Дані моделі можуть містити модель попередніх подій на одному або більше полях, модель поточного стану одного або більше полів, та/"або модель прогнозованих подій на одному або більше полів. Модель та польові дані можуть зберігатися у структурах даних у пам'яті, рядках у таблиці бази даних, у пласких файлах або цифрових таблицях, або інших формах збережених цифрових даних.
І0042| У варіанті реалізації винаходу, кожна із інструкцій - інструкцій моделювання потенційної врожайності 136, інструкцій обчислення індексу стресу сільськогосподарської культури 138 та інструкцій оцінки врожайності 142 - містять набір із однієї або більше сторінок головної пам'яті, наприклад, КАМ, у сільськогосподарській інтелектуальній обчислювальній системі 130, у яку завантажуються інструкції, що виконуються, та які при виконанні спонукають сільськогосподарську інтелектуальну обчислювальну систему до виконання функцій або операцій, які описані із посиланням на ці модулі. Наприклад, інструкцій обчислення індексу стресу сільськогосподарської культури 138 можуть містити інструкції, що виконуються, які завантажені у набір сторінок у ВАМ, що містить інструкції, які при виконанні спонукають до виконання інструкцій обчислення індексу стресу сільськогосподарської культури, що описані в даному документі. Такі інструкції можуть бути надані у вигляді коду, що виконується, у наборі команд ЦПП та можуть бути скомпільовані згідно похідного коду, що написаний на мові ЧАМА, С,
Сб, ОВОЕСТІМЕ-С або на будь-якій іншій мові програмування або середовищі, що легко може прочитати людина, як окремо, так і у комбінації із скриптами на мові "АМА5СВІРТ, іншими скриптовими мовами га іншим похідним програмним текстом. Термін "сторінки" призначений для опису у широкому розумінні будь-якої області всередині головної пам'яті, а специфічна термінологія, що використовується у системі, може змінюватися у широкому інтервалі, в залежності від архітектури пам'яті або архітектури процесора. В іншому варіанті реалізації винаходу, кожна з інструкцій моделювання потенційної врожайності 136, інструкцій обчислення індексу стресу 138 та інструкцій оцінки врожайності 42 також можуть відображати один або більше файлів, або проектів похідного коду, що збережений в цифровому вигляді на запам'ятовуючому пристрої, наприклад, енергонезалежній ВАМ або дисковому запам'ятовуючому пристрої у сільськогосподарській інтелектуальній обчислювальній системі 60 130 або окремій системі збереження даних, які при компіляції, або інтерпретації спонукають сільськогосподарську інтелектуальну обчислювальну систему до виконання функцій, або операцій, що описані в даному документі по відношенню до таких модулів. Іншими словами, графічні матеріали можуть відображати спосіб, у який програмісти або розробники програмного забезпечення організують або пристосовують похідний код для подальшої компіляції у код, що виконується, або інтерпретації у байт-код, або еквівалент, для виконання сільськогосподарською інтелектуальною обчислювальною системою 130. інструкції у пам'яті, що виконуються, або збережений похідний код, що вказані в даному розділі, є прикладами терміну "модулі", який використовується вданому описі винаходу. 0043) Інструкції моделювання потенційної врожайності 136 головним чином відображають цифрові запрограмовані інструкції, які при виконанні одним або більше процесорами сільськогосподарської інтелектуальної обчислювальної системи 130 спонукають сільськогосподарську інтелектуальну обчислювальну систему 130 до виконання та збереження значень даних та розробки цифрових моделей врожайності сільськогосподарської культури.
Інструкції обчислення індексу стресу сільськогосподарської культури 138 при виконанні одним або більше процесорами сільськогосподарської інтелектуальної обчислювальної системи 130 спонукають сільськогосподарську інтелектуальну обчислювальну систему 130 до виконання та збереження значень даних та розробки цифрових моделей впливу погодних умов на врожайність сільськогосподарської культури. Інструкції оцінки врожайності 142 при виконанні одним або більше процесорами сільськогосподарської інтелектуальної обчислювальної системи 130 спонукають сільськогосподарську інтелектуальну обчислювальну систему до виконання трансляції га зберігання значень даних, отримання цифрових моделей врожайності сільськогосподарської культури та впливу погодних умов на врожайність сільськогосподарської культури, та генерування оцінки врожайності на основі цифрових моделей та отриманих польових даних.
І0044| Рівень апаратного забезпечення/віртуалізації 150 містять один або більше центральних процесорних пристроїв (ЦПП), контролери пам'яті та інші пристрої, компоненти або елементи обчислювальної системи, наприклад, енергозалежну або енергонезалежну пам'ять, енергонезалежне сховище, наприклад, диск, та пристрої введення/виведення або інтерфейси, як проілюстровано на фіг. 4. Рівень 150 також може містити програмні інструкції, що
Зо виконані із можливістю підтримки віртуалізації, контейнеризації та інших технологій. 0045) Для ілюстрації простого прикладу, Фіг. 1 ілюструє невелику кількість центральних функціональних елементів. Тім не менш, у інших варіантах реалізації винаходу, може існувати будь-яка кількість таких елементів. Наприклад, варіанти реалізації винаходу можуть використовувати тисячі або мільйони різних обчислювальних пристроїв керуючого польовими роботами 104, пов'язаних із різними користувачами. Додатково, система 130 та/або комп'ютер серверу зовнішніх даних 108 може бути реалізований із використанням одного або більше процесорів, ядер, кластерів або об'єктів М фізичних машин або віртуальних машин, налаштованих на окремих місцях розташування, або поєднані із іншими елементами у центрах обробки даних, загальнодоступних обчислювальних центрах або центрах хмарних обчислень. (0046) 2.2. ОГЛЯД ПРИКЛАДНОЇ ПРОГРАМИ
І0047| У варіанті реалізації винаходу реалізація функцій, що описані в даному документі, із використанням комп'ютерних програм або інших програмних елементів, що завантажуються до та виконуються із використанням одного або більше комп'ютерів загального призначення, спонукає комп'ютери загального призначення налаштовуватися в якості певної машини або комп'ютера, що спеціально пристосовані для виконання функцій, що описані у даному документі. Додатково, кожна блок-схема, що описана додатково у даному документі, може служити, сама по собі або у комбінації із описом процесів та функцій, що описані формально у даному документі, в якості алгоритмів, планів або інструкцій, які можуть використовуватися для програмування комп'ютера або логічної схеми з метою реалізації функцій, що описані. Іншими словами, текстовий опис у даному документі та всі графічні матеріали разом призначені для надання опису алгоритмів, планів та інструкцій, що є достатніми, щоб дозволити фахівцям програмувати комп'ютер для виконання функцій, що описані у даному документі, у комбінації із знаннями та вміннями таки осіб з урахування рівня вмінь, які с відповідними для винаходу та опису таких типів. (0048) У варіанті реалізації винаходу, користувач 102 взаємодіє із сільськогосподарською інтелектуальною обчислювальною системою 130 із використанням обчислювального пристрою керуючого польовими роботами 104, який передбачає операційну систему та одну або більше прикладних програм або застосунківх при цьому обчислювальний пристрій керуючого польовими роботами 104 також може взаємодіяти із сільськогосподарською інтелектуальною 60 обчислювальною системою незалежно та автоматично, під керуванням програми, або під керуванням логічної схеми, а пряма взаємодія користувача не завжди потрібна.
Обчислювальний пристрій керуючого польовими роботами 104 широко представлений одним або більше смартфонами. КПК, планшетами, ноутбуками, настільними комп'ютерами, робочими станціями, або будь- якими обчислювальними пристроями, що здатні передавати та отримувати інформацію та виконувати функції, що описані уданому документі. Обчислювальний пристрій керуючого польовими роботами 104 може обмінюватися даними через мережу із використанням мобільного застосунку, який зберігається на обчислювальному пристрої керуючого польовими роботами 104, та, у деяких варіантах реалізації винаходу, пристрій може бути підключений, за допомогою кабелю 113 або з'єднувального елементу, до датчиків 112 та/або до контролерів 114. Певний користувач 102 може бути власником, працювати або володіти та використовувати, разом із системою 130, більш ніж один обчислювальний пристрій керуючого польовими роботами 104 одночасно.
Ї0049| Мобільний застосунок може надавати функціональність клієнтської частини, за рахунок використання мережі, одному чи більше мобільним обчислювальним пристроям. У варіанті реалізації винаходу, що наводиться у якості прикладу, обчислювальний пристрій керуючого польовими роботами 104 може мати доступ до мобільного застосунку за допомогою веб-браузеру або локального клієнтського застосунку або мобільного застосунку.
Обчислювальний пристрій керуючого польовими робот ами 104 може передавати дані до та отримувати дані з одного або більше серверів інтерфейсу із використанням протоколів або форматів вебу, наприклад, НТТР, ХМІ. та/або 25О0М, або специфічних програмних протоколів. У варіанті реалізації винаходу, що наводиться у якості прикладу, дані можуть отримувати форму запиту та введення інформації користувачем, наприклад, польових даних, на мобільному обчислювальному пристрої. У деяких варіантах реалізації винаходу, мобільний застосунок взаємодіє із апаратним та програмним забезпеченням на обчислювальному пристрої керуючого польовими роботами 104 для відстеження місцезнаходження, яке визначає місце розташування обчислювального пристрою керуючого польовими роботами 104, із використанням стандартних технологій відстеження місцезнаходження, наприклад, багатопозинійного відстеження радіосигналів, глобальної системи позиціонування (Р), Муі-Рі систем позиціонування, або інших способів мобільного позиціонування. У деяких випадках, дані про місцезнаходження або
Зо дані, що пов'язані із пристроєм 104, користувачем 3102 та/або обліковим записом користувачак(ів), можуть біти отримані за допомогою запитів до операційної системи пристрою, або за допомогою запиту до мобільного застосунку для отримання даних із операційної системи.
ІЇ0О50| У варіанті реалізації винаходу, обчислювальний пристрій керуючого польовими роботами 104 відправляє дані 106 сільськогосподарській інтелектуальній обчислювальній системі 130, які містять або включають, крім іншого, елементи даних, які відображають одне або більше із наступного: географічне місцезнаходження одного або більше полів, інформацію про прийоми механічної обробки для одного або більше полів, саджання посівів на одному або більше полів, та дані про грунт, отримані з одного або більше полів. Обчислювальний пристрій керуючого польовими роботами 104 може відправляти польові дані 106 у відповідь на введення даних користувачем 102, які вказують на елементи даних для одного або більше полів.
Додатково, обчислювальний пристрій керуючого польовими роботами 104 може автоматично відправляти польові дані 106, коли один або більше елементів даних стають доступними для обчислювального пристрою керуючого польовими роботами 104. Наприклад, обчислювальний пристрій керуючого польовими роботами 104 може бути з'єднано із можливістю обміну даними із віддаленим датчиком 112 та/або контролером застосунку 114. У відповідь на отримання даних, що вказують на те, що контролер застосунку 114 випустив воду на одне або більше полів, обчислювальний пристрій керуючого польовими роботами 104 може відправити польові дані 106 сільськогосподарській інтелектуальній обчислювальній системі 130, які вказують на те, що вода була випущена на одне або більше полів. Польові дані 106, що розглядаються у даному описі, можуть бути введені або передані із використанням електронних цифрових даних, якими обмінюються між особою обчислювальні пристрої з використанням параметризованих ШРІ-адрес по протоколу НТТР, або інших підходящих комунікаційних протоколів або протоколів передавання повідомлень.
І0051| Комерційним прикладом мобільного застосунку є програма СІ ІМАТЕ РІЕГО МІЕМУ, що є доступною для придбання у компанії Те Сіїтаїє Согрогаїйоп, Сан-Франциско, Каліфорнія.
Застосунок СПІМАТТ РІЕГО МІЕМУ/ або інший застосунок може бути модифіковано, розширено або адаптовано для включення в нього характерних ознак, функцій та програмного коду, що не викладені раніше, ніж дата подання цієї заявки. В одному варіанті реалізації винаходу, бо мобільний застосунок містить інтегровану програмну платформу, яка дозволяє сільгоспвиробнику отримувати об'єктивні рішення щодо його подальших дій, за рахунок того, що вона комбінує ретроспективні дані про поля сільгоспвиробника із іншими даними, які сільгоспвиробник бажає порівняти. Комбінація та порівняння можуть виконуватися у режимі реального часу, та можуть базуватися на специфічних моделях, що надають потенційні сценарії, які дозволяють сільгоспвиробнику приймати кращі, більш усвідомлені рішення. 00521 Фіг. 2 ілюструє два відображення прикладу логічної організації наборів інструкцій в основній пам'яті під час загрузки прикладу мобільного застосунку для виконання. На Фіг. 2 кожен іменований елемент відображає область однієї або більше сторінок у оперативній пам'яті
КАМ або іншій основній пам'яті, або один або більше блоків дискового запам'ятовуючого пристрою, або іншого енергонезалежного запам'ятовуючого пристрою, та запрограмованих інструкцій всередині цих областей. В одному варіанті реалізації винаходу, на зображенні (а) застосунок для мобільного комп'ютера 200 містить інструкції щодо облікового запису-поля- отримання и обробки даних-спільного використання 202, інструкції щодо загального огляду та попереджень 204, інструкції щодо карт у формі книги 206. інструкції щодо насіння та саджання 208. інструкції щодо використання азоту 210, інструкції щодо погоди 212, інструкції щодо здоров'я поля 214 та інструкції щодо продуктивності 126.
Ї0О53| В одному варіанті реалізації винаходу, застосунок для мобільного комп'ютера 200 містить інструкції щодо облікового запису-поля-отримання и обробки даних- спільного використання 202, які запрограмовані для отримання, перетворення та обробки польових даних від сторонніх систем за рахунок ручного завантаження або АРІ. Типи даних можуть містити, між іншим, межі поля, мапи врожайності, мапи саджання, результати тестів грунту, мапи застосування, та/або зони управління. Формати даних можуть містити, між іншим, векторні файли, сторонні вихідні формати даних, та/"або файли експорту з інформаційної системи керування господарством (ІСКГ), Отримання даних може здійснюватися за допомогою ручного завантаження, прикріплених до електронної пошти файлів, зовнішніх АРІ, що додають дані у мобільний застосунок, або інструкцій, що викликають АРІ зовнішніх систем для вилучення даних у мобільний застосунок. В одному варіанті реалізації винаходу, застосунок для мобільного комп'ютера 200 містить ящик для вхідних даних. У відповідь на отримання вибору ящику для вхідних даних застосунок для мобільного комп'ютера 200 може відображати графічний
Зо інтерфейс користувача для ручного завантаження файлів даних та імпортування завантажених файлів у менеджер даних. (0054) В одному варіанті реалізації винаходу, інструкції щодо карт у формі книги 206 містять шари даних мапи поля, що збережені у пам'яті пристрою та запрограмовані із використанням інструментів візуалізації, та геопросторових польових даних. Це дозволяє сільгоспвиробникам мати під рукою зручну інформацію для довідки, реєстрації у журналі та візуального відображення продуктивності поля. В одному варіанті реалізації винаходу, інструкції щодо огляду а попереджень 204 запрограмовані для надання розширеного огляду операцій, що важливі для сільгоспвиробника, та своєчасних рекомендацій для вжиття заходів або фокусування на певних проблемах. Це дозволяє сільгоспвиробнику приділити час проблемам, що потребують уваги, для збереження часу та захисту врожайності протягом сезону. В одному варіанті реалізації винаходу, інструкції щодо насіння та саджання 208 запрограмовані для надання інструментів обрання насіння, розміщення гібридів та створення скрипту, включно із створенням скрипту змінної норми посіву (ЗН), яка базується на наукових моделях та емпіричних даних. Це дозволяє сільгоспвиробникам максимізувати врожайність або ефективність інвестицій за рахунок оптимальної закупівлі насіння, розміщення та щільності саджання.
Ї0О055)| В одному варіанті реалізації винаходу, інструкції щодо генерування скриптів 205 запрограмовані для надання інтерфейсу генерування скриптів, включно із скриптами змінної норми родючості (ЗН). Інтерфейс дозволяє сільгоспвиробникам створювали скрипти для сільськогосподарського обладнання, наприклад, застосування азоту, саджання та зрошення.
Наприклад, інтерфейс скрипту для саджання може містити інструменти ідентифікації типу насіння для саджання. Після отримання вибору типу насіння застосунок для мобільного комп'ютера 200 може відображати одне або більше полів, що розбиті на грунтові зони поряд із панеллю, що ідентифікує кожну грунтову зону та назву зони, текстуру та дренаж для кожної зони. Застосунок для мобільного комп'ютера 200 також може відображати інструменти для редагування або створення таких зон, наприклад, графічні інструменти для графічного відображення грунтових зон на мапі одного або більше полів. Процедури саджання можуть застосовуватися до всіх грунтових зон, або різні процедури саджання можуть застосовуватися до різної підмножини футових зон. Після створення скрипту застосунок для мобільного бо комп'ютера 200 може зробити скрипт доступним для завантаження у форматі, який може зчитувати контролер застосунку, наприклад, формат архіву або стислий формат. Додатково та/або в якості альтернативи, скрипт можу бути відправлено із застосунку для мобільного комп'ютера 200 напряму до комп'ютера кабіни 115, та/або завантаження на один або більше серверів даних та збереження для подальшого використання. В одному варіанті реалізації винаходу, інструкції щодо застосування азоту 210 запрограмовані для надання інструментів інформування при прийнятті рішень щодо застосування азоту за рахунок візуалізації готовності до застосування азоту для посівів. Це дозволяє сільгоспвиробникам максимізувати врожайність або ефективність інвестицій за рахунок оптимального застосування азоту протягом сезону.
Приклади запрограмованих функцій містять, крім іншого, відображення зображень, наприклад, зображень З5ИОКОСО для можливості графічного відображення зон застосування та/або зображень, що було згенеровано із даних про грунт підпорядкованого поля, наприклад, даних, отриманих від датчиків, із високою роздільною здатністю по спектру (із якістю, як з 10 метрів або менше, за рахунок близькості до грунту); завантаження існуючих, визначених сільгоспвиробниками зон; надання і графічного та/або картографічного застосунку для налаштування застосування азоту на множині зон; вивантаження скриптів у накопичувач обладнання; інструменти для масового введення даних га регулювання; та/або мали для візуалізації даних. У контексті даного документу, "масове введення даних" означає одноразове введення даних та подальше застосування однакових даних до множини полів, визначених у системі; прикладом даних можуть бути дані про застосування азоту, які є однаковими для декількох полів одного й того ж сільгоспвиробника, однак таке масове введення даних застосовується для запису будь-якого типу польових даних у застосунок для мобільного комп'ютера 200. Наприклад, інструкції щодо застосування азоту 210 можуть бути запрограмовані для прийняття визначень програм для внесення азоту та прийомів застосування, та для прийняття введення даних користувачем, що вказують на застосування таких програм для множини полів. У контексті даного документу, "програми внесення азоту" означають збережені, іменовані набори даних, які об'єднують, крім іншого: назву, кольоровий код або інший ідентифікатор, одну або більше дат застосування, типи матеріалу або продукту для кожної дати та їх кількість, спосіб застосування або введення, наприклад, впорскування або ножовий розріз, та/або кількість або норми застосування для кожної дати, посіви або гібриди,
Зо що є предметом застосунку. У контексті даного документу, "програми внесення азоту" означають збережені, іменовані набори даних, які об'єднують: назву прийомів застосування, попередні посіви; систему механічної обробки, дату первинної механічної обробки; одну або більше попередніх систем механічної обробки, що використовувалися; один або більше показників типу застосування, наприклад, внесення навозу. що використовувалися. Інструкції щодо застосування азоту 210 можуть бути запрограмовані для генерування та спонукання до графічного відображення застосування азоту, яке вказує на передбачуване внесення вказаної кількості азоту, незалежно від того, прогнозований надлишок чи нестача; у деяких варіантах реалізації винаходу, різні кольорові індикатори можуть сигналізувати про величину надлишку або величину нестачі. В одному варіанті реалізації винаходу, графічне відображення застосування азоту містить графічне відображення на екрані комп'ютера множини рядків, при цьому кожен рядок пов'язаний із та ідентифікує поле; дані вказують на те, які посіви посаджені на полі, розмір поля, місцезнаходження поля, та графічне відображення периметру поля; у кожному рядку часова шкала розділена по місяцях із графічними індикаторами, що вказують на кожне застосування азоту, та кількість у точках, що співвідносяться із назвами місяців; та цифрові а/або кольорові індикатори надлишку або нестачі, у яких колір вказує на величину. 0056) В одному варіанті реалізації винаходу графічне відображення застосування азоту може містити один або більше компонентів для введення даних користувачем, наприклад, кругові шкали або повзунки, для динамічного змінення програм для внесення азоту та прийомів застосування таким чином, щоб користувач міг оптимізувати його графічне відображення застосування азоту. Потім, користувач може використовувати його оптимізоване графічне відображення застосування азоту та пов'язані із ним програми для внесення азоту та прийомів застосування для реалізації одного або більше скриптів. включно із скриптами змінної норми родючості (ЗН). Інструкції щодо застосування азоту 210 можуть бути запрограмовані для генерування та спонукання до відображення мапи застосування азоту, яке вказує на передбачуване внесення встановленої кількості азоту, та незалежно від того, прогнозований надлишок чи нестача; у деяких варіантах реалізації винаходу, різні кольорові індикатори можуть сигналізувати про величину надлишку або величину нестачі. Мапа застосування азоту може відображати передбачуване внесення встановленої кількості азоту та незалежно від того, прогнозований надлишок чи нестача для різних періодів часу у минулому та у майбутньому бо (щоденно, щонеділі, щороку), використання цифрових та/або кольорових індикаторів може сигналізувати про величину надлишку або величину нестачі. В одному варіанті реалізації винаходу, мапа застосування азоту може містити один або більше компонентів для введення даних користувачем, наприклад, кругові шкали або повзунки, для динамічного змінення програм для внесення азоту та прийомів застосування таким чином, щоб користувач міг оптимізувати мапу застосування азоту, наприклад, для отримання даних про бажану величину між надлишком та нестачею. Потім, користувач може використовувати його оптимізовану мапу застосування азоту і а пов'язані із ним програми для внесення азоту та прийомів застосування для реалізації одного або більше скриптів, включно із скриптами змінної норми родючості (ЗН).
В інших варіантах реалізації винаходу, аналогічні інструкції, як і інструкції щодо застосування азоту 210, використовуються для застосування інших поживних речовин (наприклад, фосфору та калію), застосування пестицидів та програм зрошення.
І0057| В одному варіанті реалізації винаходу, інструкції щодо погоди 212 запрограмовані для надання свіжих погодних даних, що враховують особливості поля, та прогнозовану інформацію про погоду. Це дозволяє сільгоспвиробникам зберегти час та мати ефективну узагальнену індикацію по відношенню до щоденних оперативних рішень.
І0058| В одному варіанті реалізації винаходу, інструкції щодо здоров'я поля 214 запрограмовані для надання своєчасних зображень дистанційного дослідження із виділенням сезонних коливань посівів та потенційних проблем. Приклади запрограмованих функцій містять, крім іншого, перевірку хмарності для ідентифікації можливої хмарності або тіні від хмар; визначення показників азоту на основі зображень поля; графічну візуалізацію шарів, за якими ведеться спостереження, наприклад, включно із тими, що відносяться до здоров'я поля, та огляд та/або спільне використання інформації про спостереження; та/або завантаження супутникових знімків від множини джерел а визначення пріоритетності знімків для сільгоспвиробника.
Ї0059| В одному варіанті реалізації винаходу, інструкції щодо продуктивності 216 запрограмовані для надання звітів, аналізу га інструментів отримання висновків із використанням даних по господарству для порівняння, отримання висновків а прийняття рішень. Це дозволяє сільгоспвиробнику домогтися покращених результатів на наступний рік за рахунок об'єктивних висновків щодо того, чому ефективність інвестицій залишилася на
Зо попередньому рівні, та зробити висновки по відношенню до факторів, що вплинули на врожайність. Інструкції щодо продуктивності 216 можуть бути запрограмовані на обмін даними через мережу() 109 із серверними програмами аналізу, які виконуються (на сільськогосподарській інтелектуальній обчислювальній системі 130 та/або на комп'ютері серверу зовнішніх даних 108, та виконані із можливістю аналізувати, крім іншого, кількісні показники, наприклад, врожайність, гібриди, щільність, З5ОКОСО, проби грунту або висоту.
Запрограмовані звіти та аналіз даних можуть містити аналіз мінливості врожайності, порівняльний аналіз врожайності та інші кількісні показники у порівнянні із іншими сільгоспвиробниками на основі анонімної інформації, зібраної від багатьох сільгоспвиробників, або, крім іншого, дані про насіння та саджання. 0060 Застосунки, що мають інструкції, налаштовані у такий спосіб, можуть бути реалізовані для різних платформ обчислювальних пристроїв із підтримкою такого ж загального вигляду інтерфейсу користувача. Наприклад, мобільний застосунок може бути запрограмований для виконання на планшетах, смартфонах або серверних комп'ютерах, доступ до яких здійснюється за допомогою браузерів на комп'ютерах користувачів. Додатково, мобільний застосунок, що налаштовано для планшетів або смартфонів, може надавати повну функціональність застосунку або застосунку кабіни, які підходять для можливостей відображення та обробки даних комп'ютером кабіни 115. Наприклад, посилаючись на зображення (Б) на Фіг. 2, в одному варіанті реалізації винаходу, застосунок для комп'ютеру кабіни 220 може містити інструкції щодо мап - кабіни 222, інструкції щодо віддаленого перегляду 224, інструкції щодо збору та передавання 226, інструкції щодо попереджень механізму 228. інструкції щодо передавання скрипту 230 та інструкції щодо спостереження - кабіни 232. База похідного коду для інструкцій на зображенні (б) може бути такою самою, що й на зображенні (а), файли, що виконуються, які реалізують код, можуть бути запрограмовані для визначення тішу платформи, на якій вони будуть виконуватися, та надавати, за допомогою графічного інтерфейсу користувача, тільки ті функції, що відповідають платформі кабіни або повній платформі. Такий підхід дозволяє системі визначати цілковито різні механізми взаємодії із користувачем, що підходять для умов всередині кабіни та різному технологічному середовищу кабіни. Інструкції щодо мап - кабіни 222 можуть бути запрограмовані для надання огляду мапи полів, господарств та регіонів, що придатні для того, щоб скерувати на них роботу механізмів. Інструкції щодо віддаленого огляду бо 224 можуть бути запрограмовані для увімкнення, управління та надання відображення роботи механізму, у режимі реального часу або близького до режиму реального часу, іншим обчислювальним пристроям, що підключені до системи 130 через бездротові мережі, дротові з'єднувальні елементи або адаптери, і тому подібне. Інструкції щодо збору та передавання 226 можуть бути запрограмовані для увімкнення, управління та передавання даних, зібраних датчиками та контролерами механізму, до системи 130 через бездротові мережі, дротові з'єднувальні елементи або адаптери, і тому подібне, інструкції щодо попереджень механізму 228 можуть бути запрограмовані для виявлення проблем із роботою механізму або інструментів, пов'язаних із кабіною, та генерування попереджень оператору. Інструкції щодо передавання скрипту 230 можуть бути налаштовані для передавання у скриптах інструкцій, ідо налаштовані для керування роботи механізмів або збору даних, інструкції щодо спостереження - кабіни 232 можуть бути запрограмовані для відображення попереджень на основі місцезнаходження а інформації, отриманої від системи 130, на основі місцезнаходження сільськогосподарських пристроїв 111 або датчиків 112 на полі, та для потрапляння, управління та передавання результатів спостереження на основі місцезнаходження до системи 130, у залежності від положення сільськогосподарських пристроїв 111 або датчиків 112 на полі. (0061 2.3. ПОТРАПЛЯННЯ ДАНИХ У ОБЧИСЛЮВАЛЬНУ СИСТЕМУ
І0062| У варіанті реалізації винаходу, комп'ютер серверу зовнішніх даних 108 зберігає зовнішні дані 110, включно із даними про грунт, що відображають склад грунту для одного або більше полів, та дані про погоду, що відображають температуру та опади на одному або більше полях. Дані про погоду можуть містити минулі та теперішні дані про погоду, а також прогнози щодо майбутніх погодних даних. У варіанті реалізації винаходу, комп'ютер серверу зовнішніх даних 108 містить множину серверів, що розміщені різними об'єктами. Наприклад, перший сервер можу містити дані про склад грунту, тоді як другий сервер може містити дані про погоду.
Додатково, склад грунту може зберігатися у множині серверів. Наприклад, один сервер може зберігати дані, що відображають відсоток піску, мулу та глини, тоді як другий сервер може зберігати дані, що відображають відсоток органічних речовин (ОР) у грунті.
Ї0ОО6З| У варіанті реалізації винаходу, віддалений датчик 112 містить один або більше датчиків, запрограмованих або виконаних із можливістю виконувати одне або більше вимірювань. Віддалені датчики 112 можуть бути повітряними датчиками, наприклад,
Зо супутниковими, датчиками транспортного засобу, датчиками обладнання для саджання, датчиками обладнання механічної обробки, датчиками обладнання для внесення добрив або інсектицидів, датчиками жниварки, та будь-яким іншим механізмом, що здатен отримувати дані від одного або більше полів. У варіанті реалізації винаходу, контролер застосунку 114 запрограмований або виконаний із можливістю отримувати інструкції від сільськогосподарської інтелектуальної обчислювальної системи 130 Контролер застосунку 114 також може бути запрограмований або виконаний із можливістю управління робочими параметрами сільськогосподарського транспортного засобу або обладнання. Наприклад, контролер застосунку може бути запрограмований або виконаний із можливістю управління робочими параметрами транспортного засобу, наприклад, трактору, обладнання для саджання, обладнання для механічної обробки, обладнання для внесення добрив або інсектицидів, обладнання жниварки або іншим господарським обладнанням, наприклад, водяним клапаном.
Інші варіанти реалізації винаходу можуть використовувати комбінацію датчиків та контролерів, які наводяться нижче виключно для прикладу.
І0064| Система 130 може збирати та приймати дані під управлінням користувача 102 на масовій основі від великої кількості сільгоспвиробників, які надають дані у загальнодоступну систему баз даних. Така форма отримання даних може називатися "ручне приймання даних", коли запитуються або запускаються одна або більше комп'ютерних операцій, якими керує користувач, для збору даних, що використовуються системою 130. В якості прикладу, застосунок СПІМАТЕ РІЕГО Х МІЕМУ, доступний для придбання у компанії Те Сіїтаїе Согрогаїййоп,
Сан-Франциско? Каліфорнія, може працювати для експорту даних у систему 130 для зберігання у сховищі 160.
І0065| Наприклад, системи контролю насіння можуть одночасно керувати компонентами сівалки та отримувати дані про саджання, включно із сигналами від датчиків насіння через сигнальний шлейф дротів, що містить магістраль САМ, та з'єднання точка-точка для реєстрації та/або діагностики. Системи контролю насіння можуть бути запрограмовані або виконані із можливістю відображати щільність саджання насіння та іншу інформацію користувачеві через комп'ютер кабіни 115 та інші пристрої всередині системи 130. Приклади викладені у патенті
США Мо 8 738 243 та патентній публікації США Мо 20150094916, а даний опис приймає відомості цих інших патентних описів. бо (0066) Аналогічно, системи контролю врожайності можуть містити датчики врожайності для механізму комбайну, який відправляє дані вимірювання врожайності у комп'ютер кабіни 115 або інший пристрій всередині системи 130, Системи контролю врожайності можуть використовувати один або більше віддалений датчиків 112 для отримання вимірювань вологості зернових у комбайні або жниварці та передавання цих вимірювань користувачеві за допомогою комп'ютера кабіни 115 або іншого пристрою всередині системи 130.
І0067| У варіанті реалізації винаходу, приклади датчиків 112, які можуть використовуватися із рухомими транспортними засобами або механізмами певних типів, що описані в інших місцях даного документу, містять кінематичні датчики та датчики положення. Кінематичні датчики можуть містити будь-які типи датчиків швидкості, наприклад, Допплерівські датчики швидкості або датчики швидкості обертання колеса, акселерометри або гіродатчики. Датчики положення можуть містити, крім іншого, ЧРО- приймачі або прийомопередавачі, або мобільні застосунки для визначення положення за рахунок УМі-Рі або картографії, що запрограмовані визначати положення на основі найближчих М/І-Рі точок доступу.
І00О68) У варіанті реалізації винаходу, приклади датчиків 112, що можуть використовуватися із тракторами або іншими рухомими транспортними засобами, містять датчики оборотів двигуна, датчики споживання палива, вказівник площі або відстані, що взаємодіє із сигналами
СРБЗ або радіолокації, датчики швидкості відбору потужності, датчики гідравлічної системи трактору, що налаштовані визначати гідравлічні параметри, наприклад, тиск або витрату рідини, та/або датчики швидкості гідравлічної помпи, датчики швидкості колеса або датчики пробуксовки колеса. У варіанті реалізації винаходу, приклади контролерів і 14, які можуть використовуватися із тракторами, містять датчики гідророзподільника, контролери тиску, та/або контролери витрачання рідини; контролери швидкості гідравлічної помпи; контролери швидкості або регулятори обертів; контролери положення зчіпки; або контролери положення колеса, що надають автоматичне керування. 0069) У варіанті реалізації винаходу, приклади датчиків 112, які можуть використовуватися обладнанням для саджання саджанців, наприклад, із апаратом для висівання або пневмосіялкою, містять датчики насіння, які можуть бути оптичними, електромагнітними або датчиками удару; датчики притискної сили, як штифт навантаження, тензометер, датчики тиску; датчики властивості грунту, наприклад, датчики відбиття, датчики вологості, датчики електричної електропровідності, оптичні датчики залишків або температурні датчики; датчики критерію роботи компонентів, наприклад, датчики глибини саджання, датчики притискної сили тиску у циліндрі, датчики швидкості диску із насінням, перетворювач приводу насіння, датчики швидкості системи конвеєру із насінням, або датчики рівня вакууму; або датчики застосування пестицидів, наприклад, оптичні або інші електромагнітні датчики, або датчики удару. У варіанті реалізації винаходу, приклади контролерів 114, що можуть використовуватися із таким обладнанням для саджання містять: датчик вигину навісного брусу, наприклад, контролери клапанів, пов'язаних із гідравлічними циліндрами; контролери притискної сили, наприклад, контролери для клапанів, пов'язаних із пневматичними циліндрами, повітряними под) піками, або гідравлічними циліндрами, та запрограмованими для застосування притискної сили до окремих висівних секцій або всієї рами сіялки; контролери глибини саджання, наприклад, лінійних приводів; контролери дозування, наприклад, електричних приводів дозування насіння, гідравлічних приводів дозування насіння, або муфти для переключення валку; контролери вибору гібридів, наприклад приводів дозування насіння, або інших приводів, що запрограмовані для вибіркового виходу або перекриття подачі насіння, або суміші насіння та повітря, із каналу подачі до або від дозатора насіння, або центрального великого бункеру; контролери дозування, наприклад, електричних приводів дозування насіння, або гідравлічних приводів дозування насіння; контролери системи конвеєру насіння, наприклад, контролери для двигуна ремінного конвеєру насіння: контролери маркеру, наприклад, контролер для пневматичного або гідравлічного приводу; або контролери норми застосування пестицидів, наприклад, контролери приводу дозатора, контролери прохідного перетину або положення.
І0070І У варіанті реалізації винаходу, приклади датчиків 1 і 2, які можуть використовуватися із обладнанням для механічної обробки, містять датчики положення для інструментів, наприклад, сошників або дисків; датчики положення інструменту для таких інструментів, що налаштовані для визначення глибини, кута механічного з'єднання, або проміжку між каналами: датчики притискної сили; або датчики тягового зусилля. У варіанті реалізації винаходу, приклади контролерів 114, які можуть використовуватися із обладнанням для механічної обробки, містять контролер притискної сили або контролери положення інструменту, наприклад, контролери, що налаштовані для управління глибиною інструмента, кутом механічного з'єднання або проміжком між каналами. бо 0071) У варіанті реалізації винаходу, приклади датчиків 112, які можуть використовуватися із обладнанням для застосування добрив, інсектицидів, фунгіцидів і тому подібного, наприклад, встановлені на сіялці системи початкового внесення добрив, машинах для внесення добрив у нижній шар грунту, або на розприскувачах добрив, містять: датчики показників рідинних систем, наприклад, датчики витрачання рідини або датчики тиску; датчики, що вказують на ге. що відкриті клапани головки для розприскування або клапани каналу рідини; датчики пов'язані із резервуарами, наприклад, датчики рівня; секційні датчики або загальносистемні датчики живильної системи, або датчики живильної системи, що враховують особливості рядків: або кінематичні датчики, наприклад, датчики швидкості, що розміщені на штанзі розприскувача. У варіанті реалізації винаходу, приклади контролерів 114, які можуть використовуватися із таким обладнанням містять контролери швидкості помпи; контролери клапанів, що запрограмовані для управління тиском, витратою рідини, напрямком, широтно- імпульсною модуляцією і тому подібним; або приводи позиціонування, наприклад, висотою штанги, глибиною нижнього шару грунту, або положенням штанги. 0072) У варіанті реалізації винаходу, приклади датчиків 112. які можуть використовуватися із жниварками містять монітори врожайності, наприклад, прибор для визначення деформації амортизаційної подушки або датчики положення, ємнісні датчики витрачання рідини, датчики навантаження, датчики ваги або датчики обертаючого моменту, пов'язані із підйомниками або шнеками, або оптичні чи інші електромагнітні датчики висоти зернових: датчики вологості зернових, наприклад, ємнісні датчики; датчики втрати зерна, включно із датчики удару, оптичні або ємнісні датчики; датчики критеріїв роботи жатки, наприклад, висоти жатки, типу жатки, проміжку у плиті настилу, швидкості фідеру, та датчики швидкості мотовила; датчики критеріїв роботи сепаратора, наприклад, датчики зазору підбарабання; швидкості ротору, зазору колодки або зазору сита; шнекові датчики положення, роботи або швидкості; або датчики обертів двигуна. У варіанті реалізації винаходу, приклади контролерів 114, які можуть використовуватися із жниварками, містять контролери критеріїв роботи жатки для елементів, наприклад, висоти жатки, типу жатки, проміжку у плиті настилу, швидкості фідеру, та контролери швидкості мотовила; контролери критеріїв роботи сепаратора для компонентів, наприклад, контролери зазору підбарабання; швидкості ротору, зазору колодки або зазору сита; або контролери положення шнеку, роботи або швидкості.
Зо 0073) У варіанті реалізації винаходу, приклади датчиків 112. які можуть використовуватися із причепами для зернових, містять датчики ваги або датчики положення шнеку, роботи або швидкості. У варіанті реалізації винаходу, приклади контролерів 114. які можуть використовуватися із причепами для зернових, містять контролери положення шнеку, роботи або швидкості. 00741 У варіанті реалізації винаходу, приклади датчиків 112 та контролерів 114 можуть бути встановлені на безпілотних літальних апаратах (БЛА) або "дронах". Такі датчики можуть містити камери із датчиками, ефективними для будь-якого діапазону електромагнітного спектру, включно із видимим світлом, інфрачервоним, ультрафіолетовим, ближнім інфрачервоним (Біч) і тому подібним; висотоміри: датчики температури: датчики вологості: датчики повного тиску або інші датчики швидкості повітряного потоку або швидкості вітру; датчики ресурсу акумулятору; або пристрої визначення випромінюючої радіолокаційної станції та відбитої радіолокаційної енергії. Такі контролери можуть містити пристрої наведення або керування двигуном, контролери рульової поверхні або контролери, що запрограмовані для увімкнення, роботи отримання даних, управління та налаштування будь-яких з описаних вище датчиків. Приклади викладені у патенті США Мо 14/831165, а даний опис приймає відомості цих інших патентних описів. 0075) У варіанті реалізації винаходу, датчики 12 та контролери 114 можуть бути прикріплені до пристроїв збирання та тестування зразків і грунту та вимірювання, які виконані із можливістю або запрограмовані на збирання зразків грунту та виконання хімічних тестів грунту, тестів вологості грунту та інших тестів по відношенню до грунту. Наприклад, можуть використовуватися пристрої, що описані у патенті США Мо 8 767 194 і а патенті США Мо 8 712 148, а даний опис приймає відомості цих інших патентних описів. 0076) 2.4 ОГЛЯД ПРОЦЕСУ - ПІДГОТОВКА АГРОНОМІЧНОЇ МОДЕЛІ
І0077| У варіанті реалізації винаходу, сільськогосподарська інтелектуальна обчислювальна система 130 запрограмована або виконаний із можливістю створення агрономічної моделі. У контексті даного документ у, агрономічна модель є структурою даних у пам'яті сільськогосподарської інтелектуальної обчислювальної системи 130, що містить польові дані 106, наприклад, ідентифікаційні дані та дані про збір врожаю для одного або більше полів.
Агрономічна модель також може містити розраховані агрономічні параметри, що описують як бо умови, що мають вплив на розвиток однієї або більше сільськогосподарських культур на полі,
так і параметри однієї або більше сільськогосподарських культур, або всі їх разом. Додатково, агрономічна модель може містити рекомендації, що базуються на агрономічних факторах, наприклад, рекомендації щодо сільськогосподарської культури, рекомендації щодо зрошування, рекомендації щодо саджання а рекомендації щодо збору врожаю. Агрономічні фактори також можуть бути використані для розрахунку результатів для однієї або більше сільськогосподарських культур, наприклад, агрономічної врожайності. Агрономічна врожайність сільськогосподарської культури враховує кількісіть сільськогосподарських культур, що були вирощені або, у деяких прикладах, дохід або прибуток, отриманий від вирощених сільськогосподарських культур. 0078) У варіанті реалізації винаходу, сільськогосподарська інтелектуальна обчислювальна система 130 може використовувати попередньо налаштовану агрономічну модель для розрахунку агрономічних параметрів, що відносяться до отриманого у даний момент місцезнаходження та інформації щодо посівів на одному або більше полях. Попередньо налаштована агрономічна модель базується на польових даних, що були оброблені раніше, крім іншого, включно з ідентифікаційними даними, даними про врожайність, даними про застосування добрив та погодними даними. Попередньо налаштована агрономічна модель може бути перехресно перевірена з метою забезпечення точності моделі. Перехресна перевірка може містити порівняння із експериментальними даними, коли порівнюються прогнозовані результати із фактичними результатами на полі, наприклад, порівняння прогнозованої оцінки опадів за допомогою плювіометру на одній і тій самій ділянці, або прогнозованого вмісту азоту за допомогою вимірювання у зразках грунту. 00791 Фіг. З ілюструє запрограмований процес, за допомогою якого сільськогосподарська інтелектуальна обчислювальна система генерує одну або більше попередньо налаштованих агрономічних моделей з використанням польових даних, наданих одним або більше джерелом даних. Фіг. З може служити алгоритмом або інструкціями для програмування функціональних елементів сільськогосподарської інтелектуальної обчислювальної системи 130 для виконання операцій, що тут описані.
І0080| В блоці 305 сільськогосподарська інтелектуальна обчислювальна система 130 запрограмована або виконана із можливістю реалізувати агрономічні дані за рахунок
Зо попередньої обробки польових даних, що отримані від одного або більше джерел даних.
Польові дані, отримані від одного або більше джерел даних, можуть бути попередньо оброблені для видалення спотворень та ефектів, що спотворюють дані всередині агрономічних даних, включаючи виміряні сторонні дані, що впливають на отримані значення польових даних.
Варіанти реалізації попередньої обробки агрономічних даних містять, крім іншого, видалення елементів даних, що, як правило, пов'язані із сторонніми елементами даних, певними точками вимірювання даних, які відомі як такі, що занадто відхиляються від інших елементів даних, технології згладжування даних, що використовуються для видалення або зниження адитивного або мультиплікативного ефекту від спотворень, та інші технології фільтрування або вилучення даних, що використовуються для надання очищення розбіжностей між позитивними та негативними вхідними даними.
ІОО81| В блоці 310 сільськогосподарська інтелектуальна обчислювальна система 130 виконана із можливістю або запрограмована для виконання вибору підмножини набору даних із використанням попередньо оброблених польових даних для ідентифікації наборів даних, що придатні для початкового генерування агрономічної моделі. Сільськогосподарська інтелектуальна обчислювальна система 130 може реалізувати технологію вибору підмножини набору даних, включно з, крім іншого, методом генетичного алгоритму, методом всієї підмножини моделей, методом послідовного пошуку, методом ступінчастої регресії, оптимізацією методом рою. та методом алгоритму мурашиної колонії. Наприклад, технологія вибору за допомогою генетичного алгоритму використовує адаптивний алгоритм евристичного пошуку, що базується на еволюційних принципах натурального вибору та генетики, для визначення та оцінки наборів даних всередині попередньо оброблених агрономічних даних.
І0082| У блоці 315 сільськогосподарська інтелектуальна обчислювальна система 130 виконана із можливістю або запрограмована для реалізації оцінки масиву польових даних. У варіанті реалізації винаходу, певний масив польових даних оцінюється за рахунок створення агрономічної моделі та використання певних параметрів якості для створеної агрономічної моделі. Агрономічні моделі можуть порівнюватися із використанням технологій перевірки, включно, крім іншого, із середньо квадратичною похибкою методу виключення по одному (КМ5ЕСМ), середньою абсолютною похибкою та середньою відсотковою похибкою. Наприклад,
КМ5ЕСМ може виконати перехресну перевірку агрономічної моделі за рахунок порівняння бо прогнозованого значення агрономічної властивості, створеного агрономічною моделлю, із попереднім значенням агрономічної властивості, яке було зібрано та проаналізовано. У варіанті реалізації винаходу оціночна логіка агрономічного набору даних використовується у якості циклу зворотного зв'язку, де агрономічний набір даних не досягнув налаштованих параметрів якості, що використовуються під час наступних етапів вибору підмножини набору даних (блок 310).
І0083| В блоці 320 сільськогосподарська інтелектуальна обчислювальна система 130 запрограмована або виконана із можливістю реалізувати створення агрономічної моделі на основі перехресно перевірених агрономічних наборів даних. У варіанті реалізації винаходу, створення агрономічної моделі може реалізувати технологію множинної регресії для створення попередньо налаштованої агрономічної моделі даних.
І0084| В блоці 325 сільськогосподарська інтелектуальна обчислювальна система 130 запрограмована або виконана із можливістю зберігання попередньо налаштованої агрономічної моделі даних для подальшої оцінки польових даних. 0085) 2.5 ПРИКЛАД РЕАЛІЗАЦІЇ - ОГЛЯД АПАРАТНОГО ЗАБЕЗПЕЧЕННЯ
І0086| Відповідно до одного варіанту реалізації винаходу, описані у даному документі технології, реалізовані за допомогою одного або більше обчислювальних пристроїв спеціального призначення. Пристрої спеціального призначення можуть бути реалізовані апаратно для виконання цих технологій, або можуть містити цифрові електронні пристрої, наприклад, однієї або більше спеціалізованих інтегральних схем (СІС), або логічних інтегральних схем, що програмуються (ПЛІС), які цілеспрямовано запрограмовані для виконання цих технологій, або можуть містити один або більше апаратних процесорів загального призначення, запрограмованих для виконання технологій відповідно до програмних інструкцій у вбудованому програмному забезпеченні, пам'яті, інших сховищах, або їх комбінації.
Такі обчислювальні пристрої спеціального призначення також можуть бути комбінацією заказаної логікию, що реалізована апаратно, СІС, або ПЛІС, запрограмованої по заказу для виконання даних технологій. Обчислювальні пристрої спеціального призначення можуть бути настільними комп'ютерними системами, переносними комп'ютерними системами, портативними пристроями, мережевими пристроями або будь-якими іншими пристроями, що поєднують у собі логіку, що реалізована апаратно та/або програмно, для реалізації даних технологій.
Зо І0087| Наприклад, Фіг. 4 є функціональною схемою, що ілюструє комп'ютерну систему 400, на базі якої може бути здійснений варіант реалізації винаходу. Комп'ютерна система 400 містить шину 402 або механізм обміну даними для обміну інформацією, та апаратний процесор 404, що підключений до шини 402 для обробки інформації. Апаратний процесор 404 може бути, наприклад, мікропроцесором загального призначення. (0088) Комп'ютерна система 400 також містить основну пам'ять 406, наприклад, пам'ять із довільним доступом (КАМ) або інший динамічний пристрій зберігання, що підключений до шини 402 для збереження інформації та інструкцій, які будуть виконуватися процесором 404. Головна пам'ять 406 також може використовуватися для зберігання тимчасових змінних або іншої проміжної інформації під час виконання інструкцій, які будуть виконуватися процесором 404.
Такі інструкції, при збереженні на енергонезалежному носії даних, доступ до якого має процесор 404, перетворюють комп'ютерну систему 400 у машину спеціального призначення, що налаштовується для виконання операцій, що вказані в інструкціях.
І0089| Комп'ютерна система 400 додатково містить постійний запам'ятовуючий пристрій (КОМ) 408 або інше статичний пристрій для зберігання, підключений до шини 402, для зберігання стичної інформації та інструкцій для процесора 404, Пристрій для зберігання 410, наприклад, магнітний диск, оптичний диск або твердотільний диск встановлюється та підключається до шини 402 для зберігання інформації та інструкцій. 0090) Комп'ютерна система 400 може бути підключена за допомогою шини 402 до екрану 412, наприклад, електронно-променевої трубки (ЕПТ), для відображення інформації користувачеві комп'ютера. Пристрій введення 414, включено із цифровою та іншою клавіатурою, підключений до шини 402 для обміну інформацією та вибору команд для процесора 404. Іншим типом пристрою введення користувача є пристрій управління курсором 416, наприклад, миша, трекбол або клавіші управління курсором для передавання інформації про напрямок та вибору команд для процесора 404, га для управління переміщенням курсору на екрані 412. Такі пристрої введення, як правило, мають два ступеня свободи по двом осям, по першої осі (наприклад, Х) та по другій осі (наприклад, У), що дозволяє пристрою вказувати положення на плоскості. 0091) Комп'ютерна система 400 може реалізувати технології, описані в даному документі із використанням реалізованої апаратно логіки, однієї або більше СІС або ПЛІС, вбудованого 60 програмного забезпечення та/або програмної логікию, що у комбінації із обчислювальною системою або програмами комп'ютерної системи 400 є машиною спеціального призначення.
Відповідно до одного варіанту реалізації винаходу, описані в даному документі технології виконуються обчислювальною системою 400 у відповідь на виконання процесором 404 однієї або більше послідовностей однієї або більше інструкцій, що розміщені у пам'яті 406. Такі інструкції можуть бути прочитані із основної пам'яті 406, та з іншого носія даних, наприклад, пристрою для зберігання 410. Виконання послідовності інструкцій, що розміщені в основній пам'яті 406 спонукають процесор 404 виконувати етапи процесу, описані у даному документі. У альтернативному варіанті реалізації винаходу, схеми, що реалізовані апаратно, можуть використовуватися замість або у комбінації із програмними інструкціями. 00921 Термін "носій даних", що використовується в даному документі, означає будь- який енергонезалежний носій даних, що зберігає дані та/або інструкції, що спонукають машину до виконання певної роботи. Такі носії даних можуть містити енергонезалежні носії даних та/або енергозалежні носії даних. Енергонезалежні носії даних містять, наприклад, оптичні диски, магнітні диски або твердотільні пристрої, наприклад, пристрій для зберігання даних 410.
Енергозалежні носії даних містять динамічну пам'ять, наприклад, основну пам'ять 406. Загальні форми носіїв даних містять, наприклад, гнучкі магнітні диски, гнучкі диски, жорсткі диски, твердотільні накопичувачі, магнітні стрічки або магнітні носії даних, СО-КОМ, будь-які оптичні носії даних, будь-які фізичні носії даних із розташованими отворами, КАМ, РКОМ, та ЕРКОМ,
ЕГАБЗН-Е"КОМ, ММУКАМ, будь-які чипи пам'яті або картриджі.
ЇО093| Носії даних є віддаленими, але можуть використовуватися у поєднанні із середовищем передавання даних. Середовище передавання даних приймає участь у передаванні інформації між носіями даних. Наприклад, середовище передавання даних містить коаксіальні кабелі, мідну проволоку та оптоволоконні кабелі, включно із дротами, що містять шину 402. Середовище передавання даних також може приймати форму акустичних або світлових хвиль, наприклад, тих. що генеруються під час обміну даними за допомогою радіохвиль або інфрачервоних хвиль. 0094) Різні форми носіїв можуть приймати участь у підтримці однієї або більше послідовностей однієї або більше інструкцій для виконання процесором 404. Наприклад, інструкції можуть спочатку бути розміщені на магнітному диску або твердотільному накопичувачі
Зо на віддаленому комп'ютері. Віддалений комп'ютер може завантажувати інструкції у свою динамічну пам'ять та відправляти інструкції через телефонну лінію із використанням модему.
Локальний модем по відношенню до комп'ютерної системи 400 може приймати дані по телефонній лінії та використовувати інфрачервоний передавач для перетворення даних у інфрачервоний сигнал. Інфрачервоний детектор може приймати дані, що містяться в інфрачервоному сигналі, а відповідна схема може розміщувати дані у шині 402. Шина 402 передає дані в основну пам'ять 406, із якої процесор 404 вилучає та виконує інструкції.
Інструкції, які отримані основною пам'яттю 406, можуть додатково зберігатися на пристрої для зберігання 410 як до, так і після їх виконання процесором 404. 0095) Комп'ютерна система 400 також містить комунікаційний інтерфейс 418, підключений до шини 402. Комунікаційний інтерфейс 418 надає двостороннє комунікаційне з'єднання із мережевим канатом 420 для обміну даними, який підключений до локальної мережі 422.
Наприклад, комунікаційний інтерфейс 418 може являти собою карту інтегрованої цифрової мережі із комплексними послугами, кабельний модем, супутниковий модем або модем для надання комунікаційного з'єднання для обміну даними із відповідним типом телефонної лінії. В якості іншого прикладу, комунікаційний інтерфейс 418 може бути картою локальної мережі (ГАМ), для надання комунікаційного з'єднання для обміну даними із відповідною ГАМ. Також може бути реалізований бездротовий канал з'єднання. В будь-якої із таких реалізацій, комунікаційний інтерфейс 418 відправляє га отримує електричні, електромагнітні або оптичні сигнали, що несуть у собі потоки цифрових даних, які відображають різни типи інформації.
І0096| Мережевий канал зв'язку 420, як правило, надає можливість передавання даних через одну або більше мереж до інших пристроїв даних. Наприклад, мережевий канал зв'язку 420 може надавати з'єднання через локальну мережу 422 на серверний комп'ютер 424 або обладнання для передавання даних, що знаходиться під керування постачальника послуг
Інтернет (І5Р) 426. ІБР 426 в свою чергу надає послуги передавання даних через всесвітню мережу передавання пакетних даних, яка тепер, як правило, називається "Інтернет" 428. локальна мережа 422, і мережа Інтернет 428 використовують електричні, електромагнітні та оптичні сигнали, що несуть у собі потоки цифрових даних. Ці сигнали, через різні мережі, та сигнали через мережевий канал зв'язку 420 та через комунікаційний інтерфейс 418, що несуть у собі цифрові дані до та від комп'ютерної системи 400, є прикладами форм середовища 6о0 передавання даних.
І0097| Комп'ютерна система 400 може відправляти повідомлення та отримувати дані, включно із програмним кодом, через мережу(і), мережевий канал зв'язку 420 та комунікаційні інтерфейс 418. У прикладі мережі Інтернет, сервер 430 може передавати код, що запитується, для прикладного застосунку через Інтернет 428, ІЗР 426, локальну мережу 422 та комунікаційний інтерфейс 418.
Ї0098| Отриманий код може виконуватися процесором 404, так як він отриманий та/або зберігається у пристрої для зберігання 410, або іншому енергонезалежному сховищі для подальшого виконання. 00991) 3. МОДЕЛЬ ОЦІНКИ ВРОЖАЙНОСТІ 01001 3.1 ОТРИМАНІ ДАНІ
ІО1О1| Фіг. 7 ілюструє приклад способу створення та використання цифрової моделі потенційної врожайності сільськогосподарської культури на основі дати саджання та відносного дозрівання.
І0102| На етапі 700 із отриманих даних генеруються ретроспективні мапи. Ретроспективні мапи означають цифрові збережені дані, що відображають ретроспективні значення, пов'язані із сільськогосподарською культурою, із відповідними значеннями місцезнаходження. Наприклад, ретроспективна мапа може містити значення, що пов'язані із сільськогосподарською культурою, для кожного значення або діапазону значень довготи та широти. Додатково та/або у якості альтернативи, ретроспективна мапа може містити модель, що описує зміни значень у різних локаціях.
ІО103) На етапах 702, 706 та 710 отримана ретроспективна мапа для сільськогосподарської культури, що висаджена на множині полів протягом множини років. У варіанті реалізації винаходу ретроспективні дані отримані для множини полів із зовнішнього джерела даних.
Наприклад, сільськогосподарська інтелектуальна обчислювальна система 130 може бути запрограмована на запит зовнішніх даних від об'єкту, що підтримує статистичні дані про прийоми саджання, наприклад, від Національної служби сільськогосподарської статистики (МА5Б5) із використанням виклику АРІ або інших механізмів обміну повідомленнями. Додатково та/або у якості альтернативи, сільськогосподарська інтелектуальна обчислювальна система 130 може запитувати дані від множини джерел. Наприклад, сільськогосподарська інтелектуальна
Зо обчислювальна система може отримувати ретроспективні дати саджання, фактичні показники врожайності, тал"або значення відносної вологи від фермерів із використанням систем, що надаються сільськогосподарською інтелектуальною обчислювальною системою 130. В якості іншого прикладу, сільськогосподарська інтелектуальна обчислювальна система 130 може отримувати дані тестів, наприклад, дані, що були зібрані Незалежним науково- дослідницьким центром дослідження технологій насіння (Р.І.А8.5.Т.) для певних локацій.
ІО104) В контексті даного документу дата саджання означає певну дату протягом року, у яку була висаджена сільськогосподарська культура. В контексті даного документ) відносне дозрівання означає властивість, яка характеризує період вегетації для певного типу насіння.
Наприклад, різні типи гібридів кукурудзи пов'язані із різними типами значень відносного дозрівання. Значення відносного дозрівання гібридів кукурудзи визначають, головним чином, за рахунок порівняння вологості зернових для гібридів під час збору врожаю. В контексті даного документу фактичні показники врожайності означають ретроспективні дані врожайності на певній локації.
ІО105) У варіанті реалізації винаходу ретроспективні дані можуть бути визначені для локацій, де дані не є доступними. Наприклад, фактичні показники врожайності можуть бути доступні для певної локації, на якій дата саджання невідома. Якщо певна локація підлягає процедурі страхування, яка потребує саджання протягом певного періоду часу, сільськогосподарська інтелектуальна обчислювальна система 130 може визначити дату саджання в межах певного періоду часу.
Додатково, значення даних для дати саджання, відносного дозрівання або фактичних показників врожайності можуть визначатися сільськогосподарською інтелектуальною обчислювальною системою 130 на основі відповідних даних. Наприклад, значення відносного дозрівання можуть бути отримані як дані гібридного насіння. Сільськогосподарська інтелектуальна обчислювальна система 130 може бути запрограмована на збереження даних, що ідентифікують значення відносного дозрівання для кожного типу гібридного насіння. Якщо сільськогосподарська інтелектуальна обчислювальна система 130 отримує дані, що ідентифікують певний тип гібридного насіння, сільськогосподарська інтелектуальна обчислювальна система 130 може відшукати значення відносного дозрівання, пов'язане із певним типом гібридного насіння. бо ЇО1О6| Можуть бути отримані дані різного ступеню деталізації. Наприклад,
сільськогосподарська Інтелектуальна обчислювальна система 130 може отримати середні дані да: саджання для округу, значення відносного дозрівання та фактичні показники врожайності. В якості альтернативи, сільськогосподарська інтелектуальна обчислювальна система 130 може отримати дані для дат саджання, що враховують специфіку поля, значення відносного дозрівання та фактичні показники врожайності для множини полів. Наприклад, сільськогосподарська інтелектуальна обчислювальна система 130 може отримувати дані тестів від одного або більше джерел, що містять дату саджання, відносне дозрівання та фактичні показники врожайності для множини полів у межах географічної області. В іншому прикладі сільськогосподарська інтелектуальна обчислювальна система 130 може отримати дані огляду від фермерів, які вказують на місцезнаходження поля, ретроспективні дати саджання, ретроспективні значення відносного дозрівання та фактичні показники врожайності для кожного поля. Додатково та/або у якості альтернативи, рівень деталізації може відрізнятися для кожного типу даних. Наприклад, сільськогосподарська інтелектуальна обчислювальна система 130 може отримати дати саджання від першого джерела для кожного поля у межах географічної області та фактичні показники врожайності від другого джерела в якості середніх даних для кожного округу.
І0107| 3.Д2 ГЕНЕРУВАННЯ РЕТРОСПЕКТИВНИХ МАП
ІОТО8)| На етапах 704. 708 та 712 із отриманих даних генеруються ретроспективні мапи. На етапі 704 мапи відносного дозрівання генеруються із отриманих ретроспективних значень відносного дозрівання. На етапі 708 мапи дати саджання генеруються із отриманих ретроспективних значень дати саджання. На етапі 712 мапи фактичних показників врожайності генеруються із отриманих значень фактичних показників врожайності. Як і на етапі 700 кожні із мап містять збережені в цифровому вигляді дані, що відображають значення, що пов'язані із сільськогосподарською культурою, із відповідними значеннями локації.
І0109| Не зважаючи на те, що Фіг. 7 ілюструє варіант реалізації способу, у якому мапи генеруються у вигляді окремих етапів, у варіанті реалізації винаходу етапи генерування мап дати саджання, мап відносного дозрівання та мап фактичних показників врожайності можуть виконуватися разом. Наприклад, на основі отриманих значень відносного дозрівання та дат саджання для певного року сільськогосподарська інтелектуальна обчислювальна система 130
Зо може бути запрограмована на створення окремої мапи, що містить значення відносного дозрівання та дати саджання для кожної географічної області.
ІО110)| У варіанті реалізації винаходу генерування ретроспективних мап містить генерування значень даних для локацій, де дані не є доступними. Наприклад, якщо дати саджання доступні для двох тисяч певних локацій, сільськогосподарська інтелектуальна обчислювальна система 130 може бути запрограмована на використання значень даних на двох тисячах певних локаціях для інтерполяції значень для областей у межах двох тисяч локацій. Сільськогосподарська інтелектуальна обчислювальна система 130 може інтерполювати значення даних для дат саджання, відносного дозрівання та фактичних показників врожайності із використанням будь- якої інтерполяції по сусіднім елементам, тріангуляції Делоне, зважених зворотних відстаней, сплайнів типу тонкої пластинки, крігінгу та/або аналогічних методів інтерполяції.
ІО1111) У варіанті реалізації винаходу генерування ретроспективних мап містить створення середніх значень для певних локацій. Наприклад, сільськогосподарська інтелектуальна обчислювальна система 130 може бути запрограмована на отримання дат саджання для певних полів на множині років.
Сільськогосподарська інтелектуальна обчислювальна система 130 також може отримувати дані, що ідентифікують значення середньої продуктивності для множини округів. Так як значення середньої продуктивності не корелюються із датами саджання із точнішим ступенем деталізації, ніж на рівні округу, сільськогосподарська інтелектуальна обчислювальна система 130 може створювати середні значення дат саджання для округу, що виконати кореляцію із значеннями фактичних показників врожайності. Таким чином, сільськогосподарська інтелектуальна обчислювальна система може обчислювати середні дати саджання для округу за рахунок усереднення дат саджання для кожного поля у межах округу або випадково обраного поля у межах округу. У варіанті реалізації винаходу поля у межах округу зважені на основі оціненого впливу на середню дату саджання для округу. Наприклад, якщо перше поле у два рази більше, ніж друге поле, сільськогосподарська інтелектуальна обчислювальна система 130 може надати вагу першому полю два рази у порівнянні із другим полем під час усереднення дат саджання. Таким чином, якщо перше поле було засаджене першого числа місяця, а друге поле було засаджене тринадцятого числа місяця, сільськогосподарська інтелектуальна обчислювальна система 130 може обчислити зважене усереднене значення дати и саджання 60 для двох полів як десяте число місяця. Додатково та/або у якості альтернативи,
сільськогосподарська інтелектуальна обчислювальна система 130 може обчислювати середнє значення дати саджання для кожного округу та року. 0112) У варіанті реалізації винаходу генерування ретроспективних мап містить трансляцію отриманих значень даних. Наприклад, отримані дати саджання можуть спочатку бути описані як певні дні певного місяця. Для створення моделі, що залежить від дати саджання, сільськогосподарська інтелектуальна обчислювальна система 130 може обчислювати відносні дати саджання для кожної отриманої дати саджання. Відносна дата саджання може містити різницю між необробленим середнім значенням дати саджання та похідною датою саджання.
Похідна дата саджання може бути зведеною середньою датою саджання для року у межах множини локацій, зведеною середньою датою саджання для певної локації у межах множини років, та/або зведеною середньою датою саджання у межах множини локацій та множини років.
Додатково, сільськогосподарська інтелектуальна обчислювальна система 130 може транслювати ідентифіковані типи насіння у відповідні значення дозрівання із використанням збережених даних про гібридні насіння. 0113) У варіант і реалізації винаходу сільськогосподарська інтелектуальна обчислювальна система 130 створює одну або більше мап окремо для кожного року із множини років.
Наприклад, сільськогосподарська інтелектуальна обчислювальна система 130 може створювати мапу дати саджання, що містить дати саджання у межах географічної області, наприклад, для континентальних Сполучених Штатів, на певний рік.
Додатково та або у якості альтернативи, сільськогосподарська інтелектуальна обчислювальна система 130 може створювати одну або більше мап для групування множини років. Наприклад, мапа дати саджання може містити дати саджання відповідно до локації та року. Візуальне відображення мапи дати саджання може містити множину років, кожен з яких відображає дати саджання для певного року. Мапи для різних років та локацій можуть бути погоджені у просторі та часбі. 0114) 3.3 МОДЕЛЮВАННЯ ПОТЕНЦІЙНОЇ ВРОЖАЙНОСТІ
ІО115) На етапі 714 генерується модель потенційної врожайності, що залежить від лати саджання та відносного дозрівання на основі щонайменше частково, мап відносного дозрівання, мап дат саджання та мап фактичних показників врожайності. Наприклад, із
Зо використанням мап, що були згенеровані на етапах 704, 708 та 712, сільськогосподарська інтелектуальна обчислювальна система 130 може бути запрограмована на створення цифрової моделі потенційної врожайності сільськогосподарської культури у вигляді функції із випадковими похибками. Так як дані у мапах, що згенеровані, пов'язані із певними локаціями та роками, цифрова модель може містити залежність від локації та часову залежність. Наприклад, сільськогосподарська інтелектуальна обчислювальна система 130 може використовувати наступне рівняння:
Мо (Хо пса де, Мсі відображає потенційну врожайність сільськогосподарської культури у локації с та році Її із певною датою саджання та відповідним дозріванням при ідеальних умовах, /(Хс) Є функцією, що пов'язує із локацією та чуттєвою до часу коваріантною матрицею Хсї, шо містить параметри, які відносяться до дат саджання та відносного дозрівання, та цсх є параметром локації та випадковими похибками, що є чуттєвими до часу. 0116) У варіанті реалізації винаходу функція, що пов'язує, /(Хсі) Є лінійною функцією ВД Хе, що містить, для заданої локації та року, параметризовану константу із використанням мап. що були згенеровані, ВД, та коваріантну матрицю Хсх, прогностичних змінних.
Прогностичні змінні у Хсх можуть містити змінну дати саджання та змінну відносного дозрівання. У деяких варіантах реалізації винаходу, Хсі містить змінну фактичних показників врожайності для певної локації із часовою залежністю. Наприклад, якщо показники врожайності для певної локації знизилися протягом останніх десяти років, змінна фактичних показників врожайності може містити параметр, що описує зниження врожайності протягом часу. У додаткових варіантах винаходу Хе, містить квадрат значення відносного дозрівання та квадрат значення відносної дати саджання для обчислення більш комплексних зв'язків між датою саджання, відносним дозріванням та потенційною врожайністю. У варіанті реаїлізації винаходу функція, що пов'язує, також містить матрицю р, коефіцієнтів, що пов'язані із прогностичними змінними. Тоді як коваріантна матриця Хсі може залежати від локації та року, у варіанті реалізації винаходу Д містить коефіцієнти, що не за лежать від локації та часу, Д може бути визначено із використанням будь-яких варіантів параметризованого аналізу, наприклад, регресії найменших квадратів або загальної лінійної регресії, для опису загального зв'язку між датою саджання, відносним дозріванням та загальною врожайністю. 0117) 3.4 МОДЕЛЮВАННЯ ВРОЖАЙНОСТІ
ІО0118| Модель потенційної врожайності, що описана вище, моделює зв'язок між датою саджання, відносним дозріванням та загальною потенційною врожайністю сільськогосподарської культури для заданої сільськогосподарської культури при ідеальних умовах. Не зважаючи на те. що відносне дозрівання та дати саджання можуть бути виміряні, потенційна врожайність сільськогосподарської культури не піддається вимірюванню. Таким чином, для побудови моделі потенційної врожайності сільськогосподарська інтелектуальна обчислювальна система 30 може бути запрограмована на те, щоб розглядати потенційну врожайність як латентну функцію у моделі фактичної врожайності. Модель фактичної врожайності може містити в собі потенційну врожайність та одне або більше значень, що відображають стресові фактори, що обмежують загальну врожайність сільськогосподарської культури. Наприклад, лінійна модель врожайності сільськогосподарської культури може бути відображена, як показано нижче:
ІБ Код Ме я Кебси Жбс де Хсх є загальною врожайністю для певної локації та часу, МУсі є потенційною врожайністю для певної локації та часу, сі є коваріантною матрицею, що містить індекси стресу для сільськогосподарської культури, ус є специфічний набір коефіцієнтів для локації, які відповідають індексам стресу для сільськогосподарської культури, та єЄс: є параметром випадкових похибок. Індекси стресу для сільськогосподарської культури, як описано більше детально у цьому документі, відображає умови, що негативно впливають на оптимальну врожайність сільськогосподарської культури. Враховуючи, що вплив кожного індексу стресу для сільськогосподарської культури може змінюватися в залежності від локації, набір коефіцієнтів, що відповідають індексам стресу для сільськогосподарської культури ус може бути параметризовано окремо для кожної локації або із одним або більшими залежними параметрами локації Наприклад, якщо індекс стресу сільськогосподарської культури відображає денний тепловий стрес, що має більший вплив на врожайність сільськогосподарської культури на першій локації, ніж на другій локації, відповідний коефіцієнт для першої локації може бути більшим, ніж відповідний коефіцієнт для другої локації. Так як
Зо різниця між впливом індексу стресу для сільськогосподарської культури сильно не змінюється між різними локаціями у варіанті реалізації винаходу ус розраховується із нормальним розподілом для кожного значення коефіцієнту із середнім уо та змінним со. 0119) У варіанті реалізації винаходу сільськогосподарська інтелектуальна обчислювальна система 130 запрограмована на генерування моделі потенційної врожайності із використанням моделі загальної врожайності. Сільськогосподарська інтелектуальна обчислювальна система 130 може моделювати потенційну врожайність сільськогосподарська сільськогосподарської культури як латентну функцію виміряної загальної врожайності із використанням даних попереднього стресу для сільськогосподарської культури та попередніх значень врожайності для певної локації. Наприклад, сільськогосподарська інтелектуальна обчислювальна система 130 може отримувати дані, що ідентифікують вимірювання температури, вимірювання опадів, прийоми зрошення, застосування біогенних речовин та дані грунту для певної локації та року.
На основі отриманих даних, сільськогосподарська інтелектуальна обчислювальна система 130 може моделювати вплив різноманітних індексів стресу для сільськогосподарської культури на загальну врожайність сільськогосподарської культури. На основі змодельованого впливу стресів для сільськогосподарської культури та загальної врожайності, сільськогосподарська інтелектуальна обчислювальна система 130 може визначати потенційну врожайність сільськогосподарської культури для кожної локації та року. Потім, визначена потенційна врожайність сільськогосподарської культури для кожної локації може використовуватися для ідентифікації впливу на врожайність сільськогосподарської культури дати саджання та відносного дозрівання. 0120) У варіанті реалізації винаходу моделювання фактичної врожайності також додатково містить генерування моделі як функції розподілу параметрів, що моделюються. Наприклад, кожен параметр, що моделюється, може підпадати під байесовську модель таким чином, що розподіл генерується для кожного параметру, що моделюється, замість точної оцінки. За рахунок того, що модель фактичної врожайності базується на імовірнісному оцінюванні параметрів, що моделюються, наприклад, відносного дозрівання та дат саджання, модель створюється із кращою оцінкою похибки у фактичній врожайності та дозволяє приймати більш ефективні рішення щодо меж ризиків. (012113.5 ІНДЕКСИ СТРЕСУ ДЛЯ СІЛЬСЬКОГОСПОДАРСЬКОЇ КУЛЬТУРИ
(0122) Як описано. індекси стресу для сільськогосподарської культури використовуються для визначення екстремальних випадків, що можуть призводити до стресу сільськогосподарської культури під час розвитку та можуть негативно впливати на оптимальну врожайність сільськогосподарської культури. Типи індексів стресу сільськогосподарської культури містять, крім іншого, стрес, викликаний затопленням, стрес, викликаний посухою, денний тепловий стрес, нічний тепловий стрес, стрес, викликаний ранньою посухою та стрес, викликаний застосуванням біогенних речовин. Кожен з описаних типів стресу сільськогосподарської культури збережений у вигляді цифрового значення, що обчислене комп'ютером із використанням отриманих сільськогосподарських даних протягом певного періоду. У варіанті реалізації винаходу певний період, що використовується для обчислення індексу стресу сільськогосподарської культури, може бути вилучений із життєвого циклу сільськогосподарської культури, що зветься фенологією сільськогосподарської культури. 0123) 3.51 ФЕНОЛОГІЯ СІЛЬСЬКОГОСПОДАРСЬКОЇ КУЛЬТУРИ (0124) Життєвий цикл саджанців кукурудзи вимірюється із використанням етапів розвитку під час росту, що починаються із саджання та закінчуються фізіологічною зрілістю, також відомою під назвою шар черні. Фіг. 8 ілюструє приклад варіанту етапів розвитку кукурудзи. Етапи розвитку кукурудзи поділені на два головних етапи - вегетативний етап та репродуктивний етап.
Вегетативні етапи розвитку є етапами, на яких саджанець кукурудзи розвивається від насіння до повністю сформованого саджання. Вегетативні етапи розвитку характеризуються збільшенням біомаси сільськогосподарської культури, розвитком коренів, стебла та листя, та його підготовкою до репродукції. Вегетативні етапи розвитку починаються із стадії сходів, що позначаються "МЕ". та закінчуються повною видимою кісточкою "МТ". Сходи кукурудзи (МЕ) означають перший видимий із землі вузол саджанця кукурудзи. Повна видима кісточка (МТ) означає етап, на якому повністю є видимою кісточка, що при запиленні формує квітки. Між етапами МЕ та МТ існують багато вегетативних етапів, що описують розвиток саджанця кукурудзи за допомогою того, як багато верхнього листя є видимим із листовим вузлом.
Наприклад. "У2" означає етап розвитку, на якому два листа повністю витягнулися до видимого листового вузла, а "М12" означає етап розвитку, на якому дванадцять листків повністю витягнулися до видимого листового вузла.
Зо ІО125| Репродуктивні етапи описують етапи з того моменту, коли може призвести до фізичного дозрівання саджанця кукурудзи. Репродуктивні етапи починаються на етапі викидання маточних стовпчиків "НІ" та закінчуються на етапі фізіологічного дозрівання "Вб", також відомого як етап шару черні. Між етапами НІ та Нб знаходяться етапи, що описують розвиток саджанця кукурудзи. Наприклад, "Н2" називається етапом бульбашки, коли зерна описують як такі, що мають білий колір та схожі за формою на бульбашку.
Етап "АЗ" називається молочним етапом, коли зерна мають жовтий колір зовні із молочною внутрішньою рідиною. Етап "Н4" називається фазою воскової стиглості, коли молочна внутрішня рідина ущільнюється до пастоподібної консистенції. Етап "В5" називається етапом сліду на зерні, коли зерна демонструють механічний слід від нігтя. (0126) Фенологічні етапи саджанця кукурудзи можуть бути відстеженні на основі зовнішніх факторів, що проявляються на окремих саджанцях кукурудзи. Наприклад, фенологічний розвиток саджанців кукурудзи сильно залежить від накопичення тепла саджанцями кукурудзи, яке сприяє розвитку саджанця кукурудзи. Накопичення тепла може бути виміряне за рахунок максимальної та мінімальної денної температури. У варіанті реалізації винаходу градусо-дні росту (500) використовуються для відстеження різноманітних етапів розвитку саджанця кукурудзи. Градусо-дні росту (500) можуть бути обчислені із використанням різних отриманих даних та різних граничних значень. Наприклад, градусо-дні росту (500) можуть бути обчислені як:
Ттах Є Тем
Добовий БО с ян т Жрохе ех Ето
У де 7 2 є денною середньою температурою, обчисленою із денної максимальної та мінімальної температури. Тьасее є нижнім граничним значенням температури, коли не спостерігається значного розвитку саджанця. У варіанті реалізації винаходу граничне значення може бути встановлене для Т тах та Ттліп. Наприклад, граничне значення 86 "Е (30 "С) може бути встановлене для Ттах таким чином, що Ттах встановлюється на 86 "Е (30 "С) коли температура перевищує 86 "РЕ (30 "С), а граничне значення 50" Е (10 "С) може бути встановлене для Тртіп таким чином, що Ттіп встановлюється на 50 "ЕЕ (10 7С) коли температура падає нижче 50" (10750).
ІЇО127| Таким чином, коли середня денна температура не перевищую нижнє граничне значення температури, не спостерігається розвиток саджанця кукурудзи. Фіг. 9 ілюструє приклад таблиці, де кількість днів ступеню зростання використовується для визначення початку та закінчення різних фенологічних етапів розвитку. Наприклад, після 177 днів ступеню зростання (2400) починається етап У2 для саджанця кукурудзи. На 1240 градусо- день росту починається репродуктивний етап НІ. Незважаючи на те. що Фіг. 9 ілюструє, головним чином, різноманітні фізіологічні етапи розвитку для певної сільськогосподарської культури, у варіанті реалізації винаходу різні типи насіння можуть досягати фізіологічних етапів у різний час.
Наприклад, граничне значення для етапу М2 саджанця кукурудзи із високим значенням відносного дозрівання, як зображено на Фіг. 9, може настати після 177 градусо-днів рос у (400).
Вимірювання градусо-днів росту (300) особливо корисне, коли визначення певних погодних умов вказує на співвідношення із різними етапами розвитку під час зростання саджанця кукурудзи. (01281 3.5.2 СТРЕС, ВИКЛИКАНИЙ ЗАТОПЛЕННЯМ
Ї0129| Затоплення полів є вкрай згубним для розвитку сільськогосподарської культури.
Наприклад, стала вода може вкрити верхні частини саджанців кукурудзи, що може призвести до їхнього страждання від надлишку води та збіднення рівня кисню у грунті.
Нестача кисню у грунті може перешкоджати виконанню саджанцем функцій, наприклад, поглинання біогенних речовин та води, що негативно впливає на загальну врожайність сільськогосподарської культури. Стрес, викликаний затопленням, може використовуватися для кількісного визначення негативного впливу зафіксованого затоплення для точного прогнозування врожайності сільськогосподарської культури. У варіанті реалізації винаходу стрес, викликаний затопленням, обчислюється як сума денного витоку води, що перевищує вищезгадане певне граничне значення витоку води. Виток води означає, що вода, яка не поглинається грунтом, протікає зверху грунту. При вимірюванні витоку деякий витік може бути результатом того, що вода не поглинається так швидко, як запланований збір води доставляє воду. Таким чином, тільки такий витік що перевищує допустиме граничне значення,
Зо розглядається як такий, що сприяє затопленню. Наприклад, якщо допустиме граничне значення для поля налаштоване як 3,75 дюйми (9,53 см), то будь-який виміряний витік вище 3,75 дюйми (9,53 см) зараховується до загальної кількості витоку для обчислення стресу, викликаного затопленням.
У варіанті реалізації винаходу перший етап стресу, викликаного затопленням, може бути обчислений як сума денного витоку, що перевищує 3,75 дюйми (9,53 см) протягом періоду від насіння до У8, де перший етап вкриває період від саджання до У8. В інших варіантах реалізації винаходу граничне значення може бути налаштоване на основі композиції грунту та ступеню поглинання води грунтом. 01301 3.5.3 СТРЕС, ВИКЛИКАНИЙ ПОСУХОЮ
ІО131| Невідповідна вологість грунту під час періоду розвитку може призводити до зниження врожайності кукурудзи, так як засвоювання біогенних речовин, поглинання та транспортування зменшується без необхідної кількості води у грунті. Індекс стресу. викликаного посухою, може використовуватися для підрахунку рівня невідповідності вологи грунту протягом різних етапів розвитку сільськогосподарської культури. У варіанті реалізації винаходу стрес, викликаний посухою, обчислюється як сума записів денної вологості грунту, що є нижчою певного граничного значення, наприклад, якщо певне граничне значення посухи нижче 20 95, то всі записи денної вологості грунту, що є нижчими 20 95 підсумовуються разом протягом виміряних етапів розвитку для створення стресу, викликаного посухою, для індексу стресу сільськогосподарської культури. У варіанті реалізації винаходу перший етап стресу, викликаного посухою, обчислюється як сума всіх записів денної вологості грунту у між етапами
У8 та М16. де значення вологості грунту є нижчими ніж граничне значення посухи 20 95. В інших варіантах реалізації винаходу стрес, викликаний посухою, може бути обчислений як другий етап та третій етап стресу, викликаного посухою, де другий етап вкриває етапи від В1 до Н2, а третій етап вкриває етапи від ВЗ до Н5. (01321 3.5.4 СТРЕС, ВИКЛИКАНИЙ РАННЬОЮ ПОСУХОЮ (0133) Як описано раніше, невідповідна вологість грунту протягом періодів розвитку може призвести до зниження врожайності кукурудзи, зокрема, на ранніх етапах розвитку. У варіанті реалізації винаходу стрес, викликаний ранньою посухою, може бути виміряний як сума кількості опадів мінус витік, коли денні опади мінус витік знаходяться у діапазоні від нуля до 2,5 дюймів бо (6, 35 см). Опади мінус витік дорівнюють кількості води, яку поглинув грунт. Тільки за рахунок підрахунку води, що поглинув грунт, коли значення було менше 2,5 дюймів (6, 35 см), стрес, викликаний ранньою посухою, визначає, що була поглинута невелика кількість води. У варіанті реалізації винаходу стрес, викликаний ранньою посухою, вкриває діапазон від саджання до Уб. 01341 3.5.5 ДЕННИЙ ТЕПЛОВИЙ СТРЕС
ІО135| Висока денна температура є вкрай згубною для розвитку сільськогосподарської культури кукурудзи. Висока денна температура, вище певного значення температури, може негативно впливати на розвиток кукурудзи протягом вегетативного та репродуктивного етапів, та може негативно впливати на врожайність кукурудзи.
Додатково, екстремальна денна темпера І ура може викликати передчасне висихання грунту, що може призвести до посухи. У варіанті реалізації винаходу денний тепловий стрес може бути обчислений як сума кількості градусів за Фаренгейтом для кожного дня, коли температура перевищує граничне значення.
ІО136| Наприклад, сільськогосподарська інтелектуальна обчислювальна система 130 може обчислювати денний тепловий стрес протягом періоду, що вкриває етапи від М10 до М16, де визначене граничне значення дорівнює 93 градусам за Фаренгейтом (34 "С). В даному прикладі, кожна денна максимальна температура між етапами розвитку з М1О0 до М16 вимірюється для визначення, чи перевищує вона 93 градуси за Фаренгейтом. Якщо жодна із денних температур не перевищує 93 градуси за Фаренгейтом, то денний тепловий стрес протягом цього періоду буде дорівнювати нулю. Тім не менш, якщо максимальна температура між етапами розвитку
М10 та М16 перевищує 93 градуси за двічі, та кожного разу дорівнює 100 градусам, то денний тепловий стрес буде дорівнювати сумі (100-93) для обох днів, та буде дорівнювати 14 градусам для цього періоду.
ІО137| У варіанті реалізації винаходу інструкцій обчислення індексу стресу 138 надають інструкції для визначення першого етапу денного теплового стресу коли перший етап містить фенологічні етапи від М10 до МІб, та встановлюють граничне значення на рівні 93 градуси, У варіанті реалізації винаходу інструкцій обчислення індексу стресу 138 надають інструкції для обчислення другого етапу та третього етапу денного теплового стресу, коли другий етап вкриває етапи від НІ до НВ, а тертій етап вкриває етапи від ВЗ до Н5, при цьому визначене граничне значення температури становить 93 градуси за Фаренгейтом.
Зо 01381 3.6.5 НІЧНИЙ ТЕПЛОВИЙ СТРЕС
ЇО139| Висока нічна температура є вкрай згубною для розвитку сільськогосподарської культури кукурудзи. Висока нічна температура може викликати метаболізм цукру у саджанців кукурудзи із високим ступенем протягом ночі. Це може призвести до надмірного вживання саджанцем цукру протягом періоду розвитку, замість виділення цукру для формування зерен.
Високий метаболізм саджанця протягом ночі може призвести до зменшення врожайності, так як саджанець не мас достатньо ресурсів для формування здорових зерен протягом репродуктивного періоду. Нічний тепловий стрес може бути обчислений як сума кількості градусів за Фаренгейтом для кожної ночі, коли температура перевищує встановлене граничне значення. Наприклад, сільськогосподарська інтелектуальна обчислювальна система 130 може обчислювати нічний теплоовий стрес як суму мінімальної денної температури, що є вищою ніж мінімальне граничне значення температури, яке дорівнює: 70 градусам за Фаренгейтом (21 "С).
У варіанті реалізації винаходу інструкцій обчислення індексу стресу 138 надають інструкції для обчислення першого етапу нічного теплового стресу, коли перший етап вкриває етапи від К1 до
К5, при цьому мінімальне граничне значення температури становить 70 градусів за
Фаренгейтом. (01401 3.5.7 СТРЕС, ВИКЛИКАНИЙ ЗАСТОСУВАННЯМ БІОГЕННИХ РЕЧОВИН
Ї0141| Нестача однієї або більше біогенних речовин може впливати на потенційну врожайність сільськогосподарської культури. Наприклад, нестача азоту описує вплив на неспроможність сільськогосподарської культури отримувати оптимальну кількість азоту під час розвитку сільськогосподарської культури. Кожна сільськогосподарська культура має різну оптимальну кількість азоту, яка визначає мінімальну кількість азоту, показник нижче якої негативно впливає на розвиток сільськогосподарської культури. Оптимальна кількість азоту може змінити весь цикл розвитку сільськогосподарської культури. Стрес, викликаний застосуванням біогенних речовин, може бути обчислений як різниця між модельованою або виміряною кількістю біогенних речовин у грунті та значенням, то відображає мінімальне значення біогенних речовин, яке може бути засвоєне сільськогосподарською культурою, значення нижче якої негативно впливає на розвиток сільськогосподарської культури. Стрес, викликаний застосуванням біогенних речовин, також може бути обчислений як кількість днів, у які сільськогосподарська культура неспроможна отримати необхідну для неї одну або більше бо біогенних речовин. Таким чином, якщо рівень нітратів у грунті надає нижче мінімального граничного значення протягом п'яти днів, сільськогосподарська інтелектуальна обчислювальна система 130 може ідентифікувати врожайність у відповідь на стрес, викликаний застосуванням азоту, протягом п'яти днів. (0142) 3.6 МОДЕЛЬ ЗМІЦНЕННЯ 0143) У варіанті реалізації винаходу сільськогосподарська інтелектуальна обчислювальна система 130 запрограмована на використання попередніх даних па одній або більше локаціях для зміцнення моделей потенційної врожайності та загальної врожайності.
Сільськогосподарська інтелектуальна обчислювальна система 130 може спочатку отримувати попередні дати саджання, що ідентифікують одну або більше дат саджання, відносне дозрівання та врожайність для множини дослідних полів. Сільськогосподарська інтелектуальна обчислювальна система 130 також може отримувати попередні дати про пої) одні умови, що ідентифікують отримані одне або більше погодних явищ на множини дослідних полів. За рахунок дат саджання, значень відносного дозрівання а погодних даних сільськогосподарська інтелектуальна обчислювальна система 130 може обчислювати оцінену потенційну врожайність сільськогосподарської культури на множині полів. Сільськогосподарська інтелектуальна обчислювальна система 130 може порівнювати оцінену врожайність сільськогосподарської культури із фактичною врожайністю сільськогосподарської культури для визначення, чи визначають властивості моделі вплив дат саджання та відносного дозрівання на загальну врожайність сільськогосподарської культури. Сільськогосподарська інтелектуальна обчислювальна система 130 може використовувати результати порівняння для оновлення моделей.
Наприклад. якщо значення врожайності, що моделюються, пов'язані із певним значенням відносного дозрівання, зазвичай є нижчими у порівнянні із фактичним значенням врожайності, сільськогосподарська інтелектуальна обчислювальна система 130 може оновлювати коефіцієнти, пов'язані із прогностичними змінними відносного дозрівання для підвищення впливу значення певного відносного дозрівання на врожайність. 0144) У варіанті реалізації винаходу попередні дані містять вимірювання, де один або більше факторів зберігаються постійними. Сільськогосподарська інтелектуальна обчислювальна система 130 може бути запрограмована на використання попередніх даних із
Зо одним або більше факторами, що зберігаються постійними для посилення оцінки потенційної врожайності з урахуванням відносного дозрівання, дат саджання та локації. Наприклад, один набір вимірювань може містити множину локацій, де посаджена одна сільськогосподарська культура на певну дату. Так як дата саджання та відносне дозрівання не змінюються, сільськогосподарська інтелектуальна обчислювальна система 130 може визначати вплив локації на потенційну врожайність. Другий набір вимірювань може містити множину локацій із різними посадженими сільськогосподарськими культурами на одну й ту саму дату. Із використанням цих даних сільськогосподарська інтелектуальна обчислювальна система 130 може ідентифікувати вплив відносного дозрівання на потенційну врожайність, що залежить від локації, та загальний вплив відносного дозрівання на потенційну врожайність Аналогічно, вимірювання можуть виконуватися Із різними датами саджання на певній локації або на різних локаціях із використанням певних типів насіння. На основі результатів описаних вимірювань сільськогосподарська інтелектуальна обчислювальна система 130 може оновлювати модель потенційної врожайності для кращого співвідношення із попередніми даними. Наприклад, якщо попередні дані вказують на високу зміну врожайності в залежності від даних відносного дозрівання, які недостатньо представлені у моделі потенційної врожайності, сільськогосподарська інтелектуальна обчислювальна система 130 може оновити коефіцієнти, пов'язані із прогностичними змінними відносного дозрівання для підвищення впливу значень відносного дозрівання на врожайність. (01454. МОДЕЛЬ ВИКОРИСТАННЯ
ЇО146| Знов повертаючись до Фіг. 7. на етапі 716 отримуються значення фактичних показників врожайності для сільськогосподарської культури, що посаджена на певному полі.
Наприклад, сільськогосподарська інтелектуальна обчислювальна система 130 може бути запрограмована на отримання даних попередньої врожайності сільськогосподарської культури від обчислювального пристрою керуючого польовими роботами 104, пов'язаних із одним або більше полями, що належать користувачеві обчислювального пристрою керуючого польовими роботами 104. Додатково, у варіанті реалізації винаходу сільськогосподарська інтелектуальна обчислювальна система 130 також отримує попередні дати саджання та значення відносного дозрівання для певних полів. Із використовуванням значень фактичних показників врожайності та попередніх дат саджання, та значень відносного дозрівання, сільськогосподарська бо інтелектуальна обчислювальна система 130 може додатково покращити модель потенційної для певної локації.
І0147| На етапі 718 певна потенційна врожайність для певного поля обчислені за рахунок моделі потенційної врожайності на основі щонайменше, частково значень фактичних показників врожайності для сільськогосподарської культури, що посаджена на певному полі.
Наприклад, сільськогосподарська інтелектуальна обчислювальна система 130 може бути запрограмована на введення певного значення відносного дозрівання, певної дати саджання та значень фактичних показників врожайності у модель потенційної врожайності певного поля. (01481) 41 ОЦІНКА ЗАГАЛЬНОЇ ВРОЖАЙНОСТІ СІЛЬСЬКОГОСПОДАРСЬКОЇ КУЛЬТУРИ 01491 У варіанті реалізації винаходу сільськогосподарська інтелектуальна обчислювальна система 130 запрограмована на оцінку загальної врожайності на основі моделі потенційної врожайності для певної локації, дати саджання, значення відносного дозрівання та фактичних показників врожайності. Наприклад, сільськогосподарська інтелектуальна обчислювальна система 130 може надавати інтерфейс для обчислювального пристрою керуючого польовими роботами 104 для вибору поля, введення дати саджання та значення відносного дозрівання, та запиту оцінки загальної врожайності сільськогосподарської культури. Інтерфейс може містити варіанти вибору дати саджання та типу насіння. Сільськогосподарська інтелектуальна обчислювальна система 130 може транслювати обрані дати у значення відносного дозрівання.
Сільськогосподарська інтелектуальна обчислювальна система 130 може транслювати тип насіння у значення відносного дозрівання із використанням збережених даних про насіння. За рахунок введення дати саджання, значення відносного дозрівання, фактичних показників врожайності та локації поля сільськогосподарська інтелектуальна обчислювальна система 130 може обчислити потенційну врожайність для певного поля.
ЇО150| У деяких варіантах реалізації винаходу сільськогосподарська інтелектуальна обчислювальна система 130 запрограмована на визначення оціненої загальної врожайності для певного поля до введення дати саджання. Наприклад, фермер може запитати прогнозовану врожайність для певного поля як частину етапу саджання. У варіанті реалізації винаходу, коли не доступні дані щодо стресу сільськогосподарської культури, сільськогосподарська інтелектуальна обчислювальна система 130 може відображати потенційну врожайність у вигляді максимального значення на обчислювальному пристрої керуючого польовими роботами
Зо 104. Додатково та/або у якості альтернативи, сільськогосподарська інтелектуальна обчислювальна система 130 може моделювати загальну врожайність для сільськогосподарської культури із використанням оцінених значень для індексів стресу сільськогосподарської культури.
ІО151) У варіанті реалізації винаходу сільськогосподарська інтелектуальна обчислювальна система 130 може бути запрограмована на визначення оцінок індексу струсу для сільськогосподарської культури на основі попередніх погодних даних та даних інструкцій щодо сільськогосподарської культури для певної локації. Наприклад, сільськогосподарська інтелектуальна обчислювальна система 130 можу бути запрограмована на отримання попередніх даних температури, вологості грунту, опадів та/або біогенних речовин для певного поля. Дані температури та опадів можуть бути отримані від комп'ютеру серверу зовнішніх даних 108 та/або одного або більше датчиків. що знаходяться на або поряд із певним полем. Дані вологості грунту та дані біогенних речовин можуть бути отримані від обчислювального пристрою керуючого польовими роботами| 04 та/або одного або більше датчиків, що знаходяться на або поряд із певним полем. Додатково та/або у якості альтернативи сільськогосподарська інтелектуальна обчислювальна система 130 може моделювати попередню вологість грунту та біогенні речовини у грунті на основі отриманих даних, що вказують на опади, застосування зрошення та або практику застосування біогенних речовин.
ІО152| Сільськогосподарська інтелектуальна обчислювальна система 130 може обчислювати попередній індекс стресу для сільськогосподарської культури на основі попередніх погодних даних та даних інструкцій щодо сільськогосподарської культури для певної локації.
На основі попередніх індексів стресу сільськогосподарської культури сільськогосподарська інтелектуальна обчислювальна система 130 може оцінювати наступні індекси стресу сільськогосподарської культури. Наприклад, сільськогосподарська інтелектуальна обчислювальна система і 130 може брати середнє значення, серединне значення або більш загальне значення кожного індексу стресу для використання в якості оціненого індексу стресу сільськогосподарської культури. Додатково та/або у якості альтернативи сільськогосподарська інтелектуальна обчислювальна система 130 може бути запрограмована або виконана із можливістю приймати певні тенденції у індексах стресу сільськогосподарської культури та моделювати певні тенденції. Наприклад, якщо стрес сільськогосподарської культури, що бо обумовлений високою температурою, постійно зростав протягом останніх п'яти років,
сільськогосподарська інтелектуальна обчислювальна система 130 може моделювати підвищення у стресі сільськогосподарської культури, що обумовлений високою температурою, та використовувати змодельований індекс стресу для теплового стресу в оцінених індексах стресу сільськогосподарської культури.
ЇО153| У деяких варіантах реалізації винаходу сільськогосподарська інтелектуальна обчислювальна система 130 використовує наступні погодні умови та прийоми саджання для оцінки стресу сільськогосподарської культури для певного періоду розвитку. Наприклад, сільськогосподарська інтелектуальна обчислювальна система 130 може отримувати один або більше прогнозів погоди, що ідентифікують значення наступної температуру та опадів для наступного періоду часу. Сільськогосподарська інтелектуальна обчислювальна система 130 може бути запрограмована для оцінки індексів стресу сільськогосподарської культури на основі даних прогнозу погоди. Додатково та/або у якості альтернати ви сільськогосподарська інтелектуальна обчислювальна система 130 може бути запрограмована на отримання даних про прийоми саджання від обчислювального пристрою керуючого польовими роботами 104.
Наприклад, сільськогосподарська інтелектуальна обчислювальна система 130 може надавати інтерфейс для введення дат зрошування, то плануються, та дат застосування біогенних речовин. На основі дат зрошування та застосування біогенних речовин, що плануються, сільськогосподарська інтелектуальна обчислювальна система 130 може бути запрограмована на генерування оцінених індексів стресу сільськогосподарської культури на основі доступних для сільськогосподарської культури води га біогенних речовин на одному або більше полів. (0154) Із використанням оціненого стресу сільськогосподарської культури та змодельованої потенційної врожайності для сільськогосподарської культури, сільськогосподарська інтелектуальна обчислювальна система 130 може генерувати оцінку загальної врожайності для сільськогосподарської культури на певній локації із певними значеннями дати саджання та відносного дозрівання. У варіанті реалізації винаходу оцінка загальної врожайності містить діапазон значень. Наприклад, сільськогосподарська інтелектуальна обчислювальна система 130 може ідентифікувати похибки у оцінках індексів стресу сільськогосподарської культури та розповсюдити похибки на оцінену загальну врожайність для сільськогосподарської культури.
Додатково, діапазон значень загальної врожайності може бути згенерований із використанням
Зо параметрів випадкових похибок у моделі потенційної врожайності та загальної врожайності.
Параметри випадкових похибок можуть бути прийняті як нормально розподілені із середнім нулем, та рівномірно розподіленим середньо квадратичним відхиленням. 0155) У варіанті реалізації винаходу сільськогосподарська інтелектуальна обчислювальна система 130 може бути запрограмована на оновлення оцінки загальної врожайності протягом періоду вегетації Наприклад, із використанням способів, що описані вище, сільськогосподарська інтелектуальна обчислювальна система 130 може оцінювати індекси стресу сільськогосподарської культури для періоду розвитку на певному полі. Протягом етапів розвитку сільськогосподарської культури сільськогосподарська інтелектуальна обчислювальна система 130 може бути запрограмована на покращення оцінок індексів стресу сільськогосподарської культури на основі отриманих даних. Сільськогосподарська інтелектуальна обчислювальна система 130 може бути запрограмована на отримання даних температури, опадів, вологості грунт у та/або застосування біогенних речовин для одного або більше полів від зовнішнього серверу, одного або більше датчиків на одному або більше полів, та/або обчислювального пристрою керуючого польовими роботами 104. На основі отриманих даних температури, опадів, вологості грунту та/або застосування біогенних речовин сільськогосподарська інтелектуальна обчислювальна система 130 може бути запрограмована на обчислення індексів стресу сільськогосподарської культури для сільськогосподарської культури на одному або більше полів протягом поточного періоду вегетації.
ІО156) Для того періоду часу, у який доступні вимірювання для обчислення індексів стресу сільськогосподарської культури, сільськогосподарська інтелектуальна обчислювальна система 130 може бути запрограмована на заміну оцінених індексів стресу сільськогосподарської культури обчисленими індексами сільськогосподарської культури. Для того періоду часу, у який не доступні вимірювання, сільськогосподарська інтелектуальна обчислювальна система 130 може бути запрограмована на оновлення оцінок індексів стресу сільськогосподарської культури на основі останніх вимірювань. Наприклад, якщо температура протягом вегетаційного періоду є, у середньому, на п'ять градусів за Цельсієм вищою ніж прогнозована температура, сільськогосподарська інтелектуальна обчислювальна система 130 може бути запрограмована на оцінку оновлених індексів стресу сільськогосподарської культури для із урахуванням високої прогнозованої температури. 60 І015714.2 РЕКОМЕНДАЦІЇ ЩОДО ДАТИ САДЖАННЯ
ІО158) У варіанті реалізації винаходу сільськогосподарська інтелектуальна обчислювальна система 130 може бути запрограмована на використання моделі потенційної врожайності та/або моделі загальної врожайності для створення однієї або більше рекомендацій щодо певного типу насіння. Наприклад, сільськогосподарська інтелектуальна обчислювальна система 130 може бути запрограмована на отримання запиту від обчислювального пристрою керуючого польовими роботами 104 на рекомендації щодо дати саджання. Сільськогосподарська інтелектуальна обчислювальна система 130 може бути запрограмована на надання інтерфейсу для обрання певного типу гібриду насіння або безпосереднього введення певного значення відносного дозрівання. Якщо сільськогосподарська інтелектуальна обчислювальна система 130 отримує вибір певного типу гібриду насіння, сільськогосподарська інтелектуальна обчислювальна система 130 може бути запрограмована на трансляцію певного типу гібриду насіння у значення відносного дозрівання. Наприклад, сільськогосподарська інтелектуальна обчислювальна система 130 може бути запрограмована на збереження даних у моделі даних на сховищі польових даних 160, що ідентифікують множину типів насіння та множину відповідних значень відносного дозрівання.
Ї0159| На основі отриманого значення відносного дозрівання сільськогосподарська інтелектуальна обчислювальна система 130 може бути запрограмована на використання моделі, що описана вище для ідентифікації дати саджання, яка максимізує потенційну врожайність та/або загальну врожайність сільськогосподарської культури. Наприклад, сільськогосподарська інтелектуальна обчислювальна система 130 може обчислювати потенційну врожайність та/або загальну врожайність для отриманого значення відносного дозрівання та кожної дати саджання у межах певного періоду часу.
Сільськогосподарська інтелектуальна обчислювальна система 130 може ідентифікувати дату саджання, пов'язану із більшою обчисленою потенційною врожайністю та/або загальною врожайністю. У відповідь на ідентифікацію дати саджання, пов'язаної із більшою обчисленою потенційною врожайністю і а/або загальною врожайністю, сільськогосподарська інтелектуальна обчислювальна система 130 може надсилати рекомендацію щодо дати саджання до обчислювального пристрою керуючого польовими роботами. 0160) 4.3 РЕКОМЕНДАЦІЇ ЩОДО НАСІННЯ
Зо 0161) У варіанті реалізації винаходу сільськогосподарська інтелектуальна обчислювальна система 130 запрограмована на використання моделі потенційної врожайності та/або моделі загальної врожайності для створення однієї або більше рекомендацій щодо певного типу насіння. Наприклад, сільськогосподарська інтелектуальна обчислювальна система 130 може отримувати запит на рекомендації щодо типу насіння від обчислювального пристрою керуючого польовими роботами 104. Сільськогосподарська інтелектуальна обчислювальна система 130 може надавати інтерфейс для обирання певної дати саджання або діапазону певних дат саджання. Після отримання певної дати саджання або діапазону певних дат саджання, сільськогосподарська інтелектуальна обчислювальна система 130 може обчислювати потенційну врожайність та/або загальну врожайність для кожного значення відносного дозрівання на певну дату саджання, або для кожної дати саджання у межах діапазону певних дат саджання. Сільськогосподарська інтелектуальна обчислювальна система 130 може визначати значення відносного дозрівання, що пов'язане із більш високою потенційною врожайністю та/або загальною врожайністю, та надсилати рекомендації щодо значення відносного дозрівання до обчислювального пристрою керуючого польовими роботами 104.
Додатково та/або у якості альтернативи, сільськогосподарська інтелектуальна обчислювальна система 130 може ідентифікувати один або більше типів гібридного насіння, пов'язаного із ідентифікованим значенням відносного дозрівання, із даних щодо насіння, які збережені у сховищі моделей та польових даних 160, та надсилати рекомендації щодо одного або більше типів гібридів насіння до обчислювального пристрою керуючого польовими роботами 104. 0162) У варіанті реалізації винаходу сільськогосподарська інтелектуальна обчислювальна система 130 може бути запрограмована на генерування рекомендацій щодо типу насіння у відповідь на визначення того, що певна дата пройдена без саджання сільськогосподарської культури. Наприклад, сільськогосподарська інтелектуальна обчислювальна система 130 може спочатку рекомендувати дату саджання на основі певного типу насіння, тип насіння на основі однієї або більше певних дат саджання, або комбінацію дати саджання та тип насіння для певної локації. Комбінація дати саджання та типу насіння може бути ідентифікована за рахунок обчислення потенційної врожайності та/або загальної врожайності для певної локації та кожної комбінації дати саджання та типу насіння. Можуть бути накладені специфічні параметри, наприклад, доступне насіння або тимчасові обмеження сезону саджання, для зменшення 60 кількості обчислень. Коли пройдуть рекомендовані або обрані дати саджання,
сільськогосподарська інтелектуальна обчислювальна система 130 може визначати, чи була посаджена сільськогосподарська культура на одному або більше полів. Наприклад, сільськогосподарська інтелектуальна обчислювальна система 130 може надсилати запит до обчислювального пристрою керуючого польовими роботами 104 для зазначення того, чи була посаджена сільськогосподарська культура у відповідь на визначення того, що пройшла певна дата та сільськогосподарська інтелектуальна обчислювальна система 130 не отримала інформацію про те, що сільськогосподарська культура була посаджена на одному або більше полів. У відповідь на отримання інформації про те, що сільськогосподарська культура не була посаджена, сільськогосподарська інтелектуальна обчислювальна система 130 може обчислити потенційну врожайність та/(або загальну врожайність для наступних можливих дат саджання із використанням множини значень відносного дозрівання.
ІО163| Сільськогосподарська інтелектуальна обчислювальна система 130 може бути запрограмована на визначення одного або більше значень відносного дозрівання та одного або більше наступних дат саджання, пов'язаних із більш високою обчисленою потенційною врожайністю та/або загальною врожайністю. Якщо сільськогосподарська інтелектуальна обчислювальна система 130 визначає, що значення відносного дозрівання, що відрізняється від оригінального значення відносного дозрівання, сільськогосподарська інтелектуальна обчислювальна система 130 може надсилати рекомендації для перехід на той тип насіння, що відповідає визначеному значенню відносного дозрівання. Сільськогосподарська інтелектуальна обчислювальна система 130також може надсилати рекомендації на саджання рекомендованого типу насіння в одну або більше дат саджання, у які визначений тип насіння дасть максимальну потенційну врожайність та/або загальну врожайність для одного або більше полів. 0164) У варіанті реалізації винаходу сільськогосподарська інтелектуальна обчислювальна система 130 запрограмована на визначення рекомендованих значень відносного дозрівання для різних періодів часу. Наприклад, сільськогосподарська інтелектуальна обчислювальна система 130 може визначити перше значення відносного дозрівання, пов'язане із більш високою потенційною врожайністю та/або загальною врожайністю для дат саджання у межах наступних п'яти днів, та друге значення відносного дозрівання, пов'язане із більш високою потенційною врожайністю та/або загальною врожайністю для дат саджання у межах діапазону від п'яти до десяти днів від поточної дати. Якщо більш висока потенційна врожайність та/або загальна врожайність пов'язана із першим значенням відносного дозрівання, сільськогосподарська інтелектуальна обчислювальна система 130 може надсилати рекомендації для саджання насіння, пов'язаного із першим значенням відносного дозрівання на певну дату у межах наступних п'яти днів. Додатково, сільськогосподарська інтелектуальна обчислювальна система 130 може надсилати інформацію про те, що фермер замість цього повинен саджати насіння, пов'язане із другим значенням відносного дозрівання, якщо фермер планує саджання сільськогосподарської культури в інтервалі між п'ятим та десятим днем від поточної дати. 0165) 5. ПЕРЕВАГИ ПЕВНИХ ВАРІАНТІВ РЕАЛІЗАЦІЇ ВИНАХОДУ (0166) Використовуючи технології, що описані у даному документі, комп'ютер може надавати дані загальної врожайності сільськогосподарської культури, які у іншому випадку є недосяжними. Наприклад, технології, що описані у даному документі, можуть визначати, для певного поля, певну сільськогосподарську культуру для саджання та певну дату саджання, що дадуть максимальну врожайність сільськогосподарської культури. Продуктивність сільськогосподарської інтелектуальної обчислювальної системи підвищується із використанням технологій, що описані у даному документі, за рахунок створення точних моделей із високою обчислювальною ефективністю, знижуючи, таким чином, об'єм пам'яті, що використовується для моделювання загальної врожайності сільськогосподарської культури. Додатково, технології, що описані у даному документі, можуть використовуватися для створення параметрів застосунків для контролеру застосунку, підвищуючи, таким чином, продуктивність сільськогосподарських технічних засобів, якими керує контролер застосунку. (01671 6. ДОДАТКОВІ ТА АЛЬТЕРНАТИВНІ ВАРІАНТИ
І0168| У попередньому описі, варіанти реалізації винаходу описані із посиланням на численні специфічні деталі, що можуть змінюватися в залежності від варіанту реалізації.
Відповідно, опис та графічні матеріали слід розглядати у ілюстративному, а не обмежувальному сенсі. Виключним і єдиним показником об'єму даного винаходу, та тим, що припускалося заявниками як об'єм даного винаходу, є літеральним та еквівалентним об'ємом формули винаходу, що випливає з даної патентної заявки у специфічній формі, в якій така формула винаходу опублікована, включно із будь-якими наступними змінами.
Зо
Claims (1)
- ФОРМУЛА ВИНАХОДУ1. Спосіб управління робочими параметрами сільськогосподарського обладнання, що включає етапи, на яких: отримують, через мережу на серверній комп'ютерній системі, що містить один або більше процесорів та цифрову пам'ять, перші електронні цифрові дані, що містять множину значень, які відображають ретроспективне відносне дозрівання для сільськогосподарської культури, посадженої на множині полів протягом множини років; генерують, використовуючи цифрові запрограмовані інструкції моделювання потенційної врожайності на серверній комп'ютерній системі, одну або більше мап відносного дозрівання із множини значень, що відображають ретроспективні дані відносного дозрівання для відповідної локації; отримують, через мережу на серверній комп'ютерній системі, другі електронні цифрові дані, що містять множину значень, які відображають ретроспективні дати саджання для сільськогосподарської культури, посадженої на множині полів протягом множини років; генерують, використовуючи цифрові запрограмовані інструкції моделювання потенційної врожайності на серверній комп'ютерній системі, одну або більше мап дат саджання із множини значень, що відображають ретроспективні дані дат саджання для відповідної локації; отримують, через мережу на серверній комп'ютерній системі, треті електронні цифрові дані, що містять множину значень, які відображають фактичні показники врожайності для сільськогосподарської культури, посадженої на множині полів протягом множини років; генерують, використовуючи цифрові запрограмовані інструкції моделювання потенційної врожайності на серверній комп'ютерній системі, одну або більше мап фактичних показників врожайності із множини значень, що відображають фактичні показники врожайності для відповідної локації; генерують, використовуючи цифрові запрограмовані інструкції моделювання потенційної врожайності на серверній комп'ютерній системі, модель потенційної врожайності, що залежить від дати саджання та відносного дозрівання, на основі, щонайменше частково, однієї або Зо більше мап відносного дозрівання, однієї або більше мап дат саджання та однієї або більше мап фактичних показників врожайності, причому модель потенційної врожайності грунтується, щонайменше частково, на локації прогностичних змінних та на чутливій до часу коваріантній матриці прогностичних змінних; отримують, через мережу на серверній комп'ютерній системі, четверті електронні цифрові дані, що містять множину значень, які відображають фактичні показники врожайності для конкретного поля; обчислюють, використовуючи цифрові запрограмовані інструкції оцінки врожайності на серверній комп'ютерній системі, за рахунок моделі потенційної врожайності, конкретну потенційну врожайність для конкретного поля на основі, щонайменше частково, множини значень, що відображають фактичні показники врожайності для конкретного поля; створюють одну або більше рекомендацій щодо дати саджання або рекомендацій щодо типу насіння на основі, щонайменше частково, вихідних даних, отриманих від моделі потенційної врожайності сільськогосподарської культури; створюють один або більше скриптів для контролера застосунку на основі однієї або більше рекомендацій щодо дати саджання або рекомендацій щодо типу насіння; надсилають один або більше скриптів до контролера застосунку, причому контролер застосунку виконує один або більше скриптів для спонукання контролера застосунку до управління робочими параметрами сільськогосподарського обладнання.2. Спосіб за п. 1, який додатково включає етапи, на яких: отримують, через мережу на серверній комп'ютерній системі, п'яті електронні цифрові дані, що містять множину значень, які відображають попередні погодні спостереження для конкретної географічної локації; обчислюють, використовуючи цифрові запрограмовані інструкції обчислення індексу стресу на серверній комп'ютерній системі, одне або більше значень стресів сільськогосподарської культури із множини значень, що відображають попередні погодні спостереження, для створювання одного або більше індексів стресу, що враховують специфіку географічної локації; створюють, використовуючи цифрові запрограмовані інструкції оцінки врожайності на серверній комп'ютерній системі, для кожної конкретної географічної області коваріантну матрицю у комп'ютерній пам'яті, що містить один або більше індексів стресу, що враховують специфіку бо географічної локації;обчислюють, використовуючи цифрові запрограмовані інструкції оцінки врожайності на серверній комп'ютерній системі, врожайність сільськогосподарської культури, що враховує специфіку географічної області на основі, щонайменше частково, коваріантної матриці, що місить один або більше індексів стресу, що враховують специфіку географічної області, та конкретну потенційну врожайність для конкретного поля.3. Спосіб за п. 2, який додатково включає етапи, на яких: отримують, через мережу на серверній комп'ютерній системі, інформацію про те, що одна або більше сільськогосподарських культур посаджені на певному полі; отримують, через мережу на серверній комп'ютерній системі, шості електроні цифрові дані, що містять множину значень, які відображають отримані сільськогосподарські точки даних для конкретного поля у конкретний час, при цьому отримані сільськогосподарські точки даних містять щонайменше один отриманий запис температури, запис вологості грунту та запис опадів; обчислюють, використовуючи цифрові запрограмовані інструкції обчислення індексу стресу на серверній комп'ютерній системі, оновлені значення індексу стресу сільськогосподарської культури із отриманих сільськогосподарських точок даних для створення одного або більше індексів стресу сільськогосподарської культури, що враховують специфіку географічної області, при цьому кожен із оновлених індексів стресу сільськогосподарської культури, що враховують специфіку географічної області, містить одне або більше значень обчислених стресів сільськогосподарської культури для конкретного поля протягом конкретного періоду часу; створюють, використовуючи цифрові запрограмовані інструкції оцінки врожайності на серверній комп'ютерній системі, для конкретного поля оновлену коваріантну матрицю у комп'ютерній пам'яті, що містить один або більше індексів стресу, що враховують специфіку географічної локації; обчислюють, використовуючи цифрові запрограмовані інструкції оцінки врожайності на серверній комп'ютерній системі, оновлену врожайність сільськогосподарської культури, що враховує специфіку географічної області на основі щонайменше частково, оновленої коваріантної матриці та конкретної потенційної врожайності для конкретного поля.4. Спосіб за п. 1, який додатково включає етапи, на яких: зберігають у цифровій пам'яті Зо серверної комп'ютерної системи дані відносного дозрівання сільськогосподарської культури, що містять множину типів насіння та множину пов'язаних значень відносного дозрівання; отримують, через мережу на серверній комп'ютерній системі, запропоновану дату саджання для конкретного поля; визначають, використовуючи цифрові запрограмовані інструкції оцінки врожайності на серверній комп'ютерній системі, із моделі потенційної врожайності запропоновану дату саджання для конкретного поля, та із множини значень, що відображають фактичні показники врожайності для конкретного поля, конкретне значення відносного дозрівання, що дасть максимальну потенційну врожайність для конкретного поля; ідентифікують, використовуючи цифрові запрограмовані інструкції оцінки врожайності на серверній комп'ютерній системі, у даних відносного дозрівання сільськогосподарської культури конкретний тип насіння, що відповідає певному значенню відносного дозрівання; надсилають, через мережу до обчислювального пристрою для контролю за полем, рекомендації щодо конкретного типу насіння для запропонованої дати саджання та конкретного поля.5. Спосіб за п. 1, який додатково включає етапи, на яких: отримують, через мережу на серверній комп'ютерній системі, запропоноване значення відносного дозрівання для конкретного поля; визначають, використовуючи цифрові запрограмовані інструкції оцінки врожайності на серверній комп'ютерній системі, із моделі потенційної врожайності запропоноване значення відносного дозрівання для конкретного поля, та із множини значень, що відображають фактичні показники врожайності для конкретного поля, конкретну дату саджання, що дасть максимальну потенційну врожайність для конкретного поля; надсилають, через мережу до обчислювального пристрою для контролю за полем, рекомендації щодо конкретної дати саджання для запропонованого відносного дозрівання для конкретного поля.б. Спосіб за п. 5, який додатково включає етапи, на яких: зберігають, у цифровій пам'яті серверної комп'ютерної системи, дані відносного дозрівання сільськогосподарської культури, що містять множину типів насіння та множину пов'язаних значень відносного дозрівання; визначають, використовуючи цифрові запрограмовані інструкції оцінки врожайності на серверній комп'ютерній системі, що пройшла конкретна дата саджання, із використанням інструкцій оцінки врожайності для цифрової програмованої логіки;отримують, через мережу на серверній комп'ютерній системі, інформацію про те, що сільськогосподарська культура не була посаджена на конкретному полі; визначають, використовуючи цифрові запрограмовані інструкції оцінки врожайності на серверній комп'ютерній системі, із моделі потенційної врожайності множину значень, що відображають фактичні показники врожайності для конкретного поля, та одну або більше поточних дат або запропонованих наступних дат саджання, значення конкретного відносного дозрівання, що відрізняється від запропонованого значення відносного дозрівання та дасть максимальну потенційну врожайність для конкретного поля; визначають, використовуючи цифрові запрограмовані інструкції оцінки врожайності на серверній комп'ютерній системі, у даних відносного дозрівання для сільськогосподарської культури конкретний тип насіння, що відповідає конкретному значенню відносного дозрівання; надсилають, через мережу до обчислювального пристрою для контролю за полем, рекомендації щодо конкретного типу насіння для запропонованої наступної дати саджання та конкретного поля.7. Спосіб за п. 1, який додатково включає етапи, на яких: отримують, через мережу на серверній комп'ютерній системі, п'яті електронні цифрові дані, що містять множину значень, які відображають попередні дати саджання та попереднє відносне дозрівання на множині полів; отримують, через мережу на серверній комп'ютерній системі, шості електронні цифрові дані, що містять множину значень, які відображають отримані сільськогосподарські події на множині полів; обчислюють, використовуючи цифрові запрограмовані інструкції оцінки врожайності на серверній комп'ютерній системі, змодельовану врожайність сільськогосподарської культури для кожного поля із множини полів на основі, щонайменше частково, п'ятих електронних цифрових даних, шостих електронних цифрових даних та моделі потенційної врожайності; отримують, через мережу на серверній комп'ютерній системі, сьомі електронні цифрові дані, що містять множину значень, які відображають отриману врожайність сільськогосподарської культури для кожного поля із множини полів; обчислюють, використовуючи цифрові запрограмовані інструкції моделювання потенційної врожайності на серверній комп'ютерній системі, оновлену модель потенційної врожайності на Зо основі, щонайменше частково, змодельованої врожайності сільськогосподарської культури для кожного поля із множини полів та отриманої врожайності сільськогосподарської культури для кожного поля на множині полів.8. Спосіб за п. 1, який додатково включає етап, на якому: генерують, використовуючи цифрові запрограмовані інструкції моделювання потенційної врожайності на серверній комп'ютерній системі, модель потенційної врожайності як лінійну функцію, що містить незмінний параметр, помножений на набір коваріантів.9. Спосіб за п. 8, який відрізняється тим, що набір коваріантів містить параметр дати саджання, квадрат параметра дати саджання, параметр відносного дозрівання, квадрат параметра відносного дозрівання та параметр фактичних показників врожайності.10. Спосіб за п. 1, який додатково включає етапи, на яких: визначають, використовуючи цифрові запрограмовані інструкції моделювання потенційної врожайності на серверній комп'ютерній системі, на основі, щонайменше частково, однієї або більше мап відносного дозрівання, однієї або більше мап дат саджання та однієї або більше мап фактичних показників врожайності, залежність потенційної врожайності від локації; генерують, використовуючи цифрові запрограмовані інструкції моделювання потенційної врожайності на серверній комп'ютерній системі, модель потенційної врожайності як лінійну функцію, що містить незмінний параметр, помножений на набір коваріантів, що залежать від локації.11. Енергонезалежний носій даних, зчитуваний комп'ютером, що містить інструкції, які, при виконанні одним або більше процесорами, спонукають виконання способу управління робочими параметрами сільськогосподарського обладнання, причому носій даних містить інструкції для: отримання перших даних, що містять множину значень, які відображають ретроспективне відносне дозрівання для сільськогосподарської культури, посадженої на множині полів протягом множини років; генерування однієї або більше мап відносного дозрівання із множини значень, що відображають ретроспективне відносне дозрівання для відповідної локації; отримання других електронних цифрових даних, що містять множину значень, які відображають ретроспективні дати саджання для сільськогосподарської культури, посадженої на множині полів протягом множини років;генерування однієї або більше мап дат саджання із множини значень, що відображають ретроспективні дати саджання для відповідної локації; отримання третіх електронних цифрових даних, що містять множину значень, які відображають фактичні показники врожайності для сільськогосподарської культури, посадженої на множині полів протягом множини років; генерування однієї або більше мап фактичних показників врожайності із множини значень, що відображають фактичні показники врожайності для відповідної локації; генерування моделі потенційної врожайності, що залежить від дати саджання та відносного дозрівання, на основі, щонайменше частково, однієї або більше мап відносного дозрівання, однієї або більше мап дат саджання та однієї або більше мап фактичних показників врожайності, причому модель потенційної врожайності грунтується, щонайменше частково, на локації прогностичних змінних та на чутливій до часу коваріантній матриці прогностичних змінних; отримання четвертих електронних цифрових даних, що містять множину значень, які відображають фактичні показники врожайності для конкретного поля; обчислення, за рахунок моделі потенційної врожайності, конкретної потенційної врожайності для конкретного поля на основі, щонайменше частково, множини значень, що відображають фактичні показники врожайності для конкретного поля, та створення однієї або більше рекомендацій щодо дати саджання або рекомендацій щодо типу насіння на основі, щонайменше частково, вихідних даних, отриманих від моделі потенційної врожайності сільськогосподарської культури; створення одного або більше скриптів для контролера застосунку на основі однієї або більше рекомендацій щодо дати саджання або рекомендацій щодо типу насіння; надсилання одного або більше скриптів до контролера застосунку, причому контролер застосунку виконує один або більше скриптів для спонукання контролера застосунку до управління робочими параметрами сільськогосподарського обладнання.12. Енергонезалежний носій даних, зчитуваний комп'ютером, за п. 11, який відрізняється тим, що носій даних містить інструкції, які, при виконанні одним або більше процесорами, додатково спонукають виконання інструкцій для: отримання п'ятих електронних цифрових даних, що містять множину значень, які відображають попередні погодні спостереження для конкретної географічної локації; обчислення одного або більше прогнозованих значень індексів стресів сільськогосподарської культури із множини значень, що відображають попередні погодні спостереження, для створювання одного або більше індексів стресу, що враховують специфіку географічної локації; об'єднання одного або більше погодних індексів, що враховують специфіку географічної області, для створення одного або більше об'єднаних прогнозованих погодних індексів, що відображають конкретну географічну область, із підмножини одного або більше прогнозованих погодних індексів, що враховують специфіку географічної області; вибору характерних ознак із одного або більше об'єднаних прогнозованих погодних індексів та створення для кожної географічної області коваріантної матриці у комп'ютерній пам'яті, що містить характерні ознаки, що вибрані із одного або більше об'єднаних прогнозованих погодних індексів; обчислення конкретної врожайності сільськогосподарської культури, що враховує специфіку географічної області, на основі, щонайменше частково, коваріантної матриці, що відображає конкретну географічну область та конкретну потенційну врожайність для конкретного поля.13. Енергонезалежний носій даних, зчитуваний комп'ютером, за п. 12, який відрізняється тим, що носій даних містить інструкції, які, при виконанні одним або більше процесорами, додатково спонукають виконання інструкцій для: отримання інформації про те, що одна або більше сільськогосподарських культур посаджені на певному полі; отримання шостих електронних цифрових даних, що містять множину значень, які відображають отримані сільськогосподарські точки даних для конкретного поля у конкретний час, при цьому отримані сільськогосподарські точки даних містять одну або більше записів температури, записів вологості грунту та записів про опади; обчислення оновлених значень індексу стресу для сільськогосподарської культури із отриманих сільськогосподарських точок даних для створення одного або більше погодних індексів, що враховують специфіку географічної області, при цьому кожен із оновлених погодних індексів, що враховують специфіку географічної області, містить один або більше обчислених індексів струсу сільськогосподарської культури для конкретного поля протягом конкретного періоду часу; об'єднання одного або більше оновлених погодних індексів, що враховують специфіку географічної області, для створення одного або більше оновлених об'єднаних погодних індексів, що відображають конкретне поле у конкретний час, із підмножини одного або більше оновлених погодних індексів, що враховують специфіку географічної області; вибору характерних ознак із одного або більше об'єднаних погодних індексів та створення для конкретного поля оновленої коваріантної матриці у комп'ютерній пам'яті, що містить характерні ознаки, вибрані із одного або більше оновлених об'єднаних погодних індексів; обчислення оновленої врожайності сільськогосподарської культури, що враховує специфіку географічної області, на основі, щонайменше частково, оновленої коваріантної матриці та конкретної потенційної врожайності для конкретного поля.14. Енергонезалежний носій даних, зчитуваний комп'ютером, за п. 11, який відрізняється тим, що носій даних містить інструкції, які, при виконанні одним або більше процесорами, додатково спонукають виконання інструкцій для: зберігання даних відносного дозрівання сільськогосподарської культури, що містять множину типів насіння та множину пов'язаних значень відносного дозрівання; отримання запропонованої дати саджання для конкретного поля; визначення із моделі потенційної врожайності запропонованої дати саджання для конкретного поля, та із множини значень, що відображають фактичні показники врожайності для конкретного поля, конкретне значення відносного дозрівання, що дасть максимальну потенційну врожайність для конкретного поля; ідентифікації у даних відносного дозрівання конкретного типу насіння, що відповідає певному значенню відносного дозрівання; надсилання рекомендацій щодо конкретного типу насіння для запропонованої дати саджання та конкретного поля.15. Енергонезалежний носій даних, зчитуваний комп'ютером, за п. 11, який відрізняється тим, що носій даних містить інструкції, які, при виконанні одним або більше процесорами, додатково спонукають виконання інструкцій для: отримання запропонованого значення відносного дозрівання для конкретного поля; визначення із моделі потенційної врожайності запропонованого значення відносного дозрівання для конкретного поля, та із множини значень, що відображають фактичні показники врожайності для конкретного поля, конкретну дату саджання, що дасть максимальну потенційну врожайність для конкретного поля; надсилання рекомендацій щодо конкретної дати саджання для запропонованого відносного дозрівання для конкретного поля через мережу до обчислювального пристрою, керуючого польовими роботами.16. Енергонезалежний носій даних, зчитуваний комп'ютером, за п. 15, який відрізняється тим, що носій даних містить інструкції, які, при виконанні одним або більше процесорами, додатково спонукають виконання інструкцій для: зберігання даних відносного дозрівання сільськогосподарської культури, що містять множину типів насіння та множину пов'язаних значень відносного дозрівання; визначення того, що пройшла конкретна дата саджання; отримання інформації про те, що сільськогосподарська культура не була посаджена на певному полі; визначення із моделі потенційної врожайності множини значень, що відображають фактичні показники врожайності для конкретного поля, та однієї або більше поточних дат або запропонованих наступних дат саджання, значення конкретного відносного дозрівання, що відрізняється від запропонованого значення відносного дозрівання та дасть максимальну потенційну врожайність для конкретного поля; визначення у даних відносного дозрівання для сільськогосподарської культури конкретного типу насіння, що відповідає певному значенню відносного дозрівання; надсилання рекомендацій щодо конкретного типу насіння для запропонованої наступної дати саджання та конкретного поля через мережу до обчислювального пристрою, керуючого польовими роботами.17. Енергонезалежний носій даних, зчитуваний комп'ютером, за п. 11, який відрізняється тим, що носій даних містить інструкції, які, при виконанні одним або більше процесорами, додатково спонукають виконання інструкцій для: отримання п'ятих електронних цифрових даних, що містять множину значень, які відображають попередні дати саджання та попереднє відносне дозрівання на множині полів; отримання шостих електронних цифрових даних, що містять множину значень, які відображають отримані сільськогосподарські події на множині полів;обчислення змодельованої врожайності сільськогосподарської культури для кожного поля із множини полів на основі, щонайменше частково, п'ятих електронних цифрових даних, шостих електронних цифрових даних та моделі потенційної врожайності; отримання сьомих електронних цифрових даних, що містять множину значень, які відображають отриману врожайність сільськогосподарської культури для кожного поля із множини полів; обчислення оновленої моделі потенційної врожайності на основі, щонайменше частково, змодельованої врожайності сільськогосподарської культури для кожного поля із множини полів та отриманої врожайності сільськогосподарської культури для кожного поля на множині полів.18. Енергонезалежний носій даних, зчитуваний комп'ютером, за п. 11, який відрізняється тим, що носій даних містить інструкції, які, при виконанні одним або більше процесорами, додатково спонукають виконання інструкцій для: генерування моделі потенційної врожайності як лінійної функції, що містить незмінний параметр, помножений на набір коваріантів.19. Енергонезалежний носій даних, зчитуваний комп'ютером, за п. 18, який відрізняється тим, що набір коваріантів містить параметр дати саджання, квадрат параметра дати саджання, параметр відносного дозрівання, квадрат параметра відносного дозрівання та параметр фактичних показників врожайності.20. Енергонезалежний носій даних, зчитуваний комп'ютером, за п. 11, який відрізняється тим, що носій даних містить інструкції, які, при виконанні одним або більше процесорами, додатково спонукають виконання інструкцій для: визначення, на основі, щонайменше частково, однієї або більше мап відносного дозрівання, однієї або більше мап дат саджання та однієї або більше мап фактичних показників врожайності, залежності потенційної врожайності від локації; генерування моделі потенційної врожайності як лінійної функції, що містить незмінний параметр, помножений на набір коваріантів, що залежить від локації.- ОХ нок чор, ї04 т .в. с 106 нн у й і Польсві Зованни ГО " " і дані дані ши 115 ЦІ Комалетеро | Сільськогосподарський 3 кабіви пристрій ка ІЗ Відлаленнй 114 Контропер застосунку і датчик : ' 109 Мережа (1) : ; - ддечюсет нини ЕО Комунікаційний рівень ж В я и я Я - 136 Інструкції з моделювання потенційної рн врожайності ш-- шен ак 138 Інструкції з обчислення індексу | олені , А 1 і ад і з Кін і ї х х врожайності і і НМНольові дані " 7 ' | у бСховнше з ТО ТеетруУкнії з опівки врожанності | коня ! І34 Презентаційний рівень 140 Рівень управління даними і 150 Рівень апаратного забезпечення / віртуалізації 130 Сільськотоерподаровка інтелектуатьна сочзнстоватьна система ! ГО Сільського Я з ВіФіг. 1200 Застосунок мобільного комп'ютера ! 208 ! 210 23 | 214 | 216 Інструкий (0000 Знструкцйї Інструкції | Інструкцн | 000 Інструкції : щодо | щодо щодо | щоде | щодо ; насіння та застосування погоди здоров'я г продуктивності саджання азоту і поля ||. 206 Цифрова карта у вигляді книги 205 Інструкції щодо генерування шана а НН скриптів р. Інстр зукції щодо загального огляду та попередження Що о 802 Інструкції щодо облікового запису, поля, отримання та обробки даних, ОПО спільноговикорнстанняу/.О (а) 220 Застосунок комп'ютера кабіни Ат тт лит тя 1 222 ай Ор яяб Збір та 224 230 , Мана - Віддалений передавання | Попередження | Передавання Кабіна | ог 000 данихо машини 1 скришту п 232 Спостереження Кабіна.ДГ 00000 (6)Фіг. 2305 Попередня обробка агрономічних даних Ши 310 Вибір підмножини набору агрономічних даних Цикл зворотного 1 " вв'язну у пнксюоснююннн 315 Оцінка агрономічних даних 329 Створення агрономічної моделі 325 Збереження агрономічної моделіФіг. З й . і ОМ 4МПристій |. Зо сярнав ь , і в ше 05 Осмовма зле : і 2жкраен з І : пам'ять збирежнення | й "Ух 428 Я Е : і ЗОВ денних ! : і З : і сккжнкя : й й і Постечеальня 8апПрасуй А Х ! інтерме Шок є г 802 Шина : в й введення Гу гКо. : ча Н я :Р. Ї : аб правління ра Б пох : : курсором | Ге , мими м " ддякетвихй 522 : МОП Процесея ів Мозкувік ація « Мщхежевий люойвльна пнттнттттннннн : інтерфейс каналі марежа 000000. ТТ 828 Бузол мериФіг. 4 ; І Міснеджер давих па а аа Нітрорен ої Грасадка | Практнхн о | Грухт І Кінь лохії і ! Гній воксна МОМ прогудуя ФУ Хсуилія поді) а охихо Р Кількістк 153 5 Міс Га волів ЩО похо Кізекість. 1) Що Мяс З Кн Р Честостювнно їх лодатків | Кіпькішть: ЛО Ох Мояє М Кільккти 150 Пув Мове Заспмовами Я х додахків Й пдениоююи ; : ЗтУджювави: Зх лещат М зізетосовано: о х золатків Я їх Ї дплтнкнкнннтнтнннк Е лпаААААААт чт В. Мк їх іх З х В с с Ведегувати | прийняла врийники р релегуватя | прийняти ведагувити і прийняти КИТ ХТО Гл ТТ ПОВ. я я : ДК лрлний ММ ГІ Викаазя вої й : с ; 2: с г. ; ; , Серй Бер Жеоют Лист о Грудо Кіз Лют Бер о Каїї Трав о Чере Лиз Суда б» Епес, Знов і Ай прим п з Кукуруя і НЮ! С гу ре : йхя, ДОВ к - ! Заддшеак ; Єютів, Мінцистута ! їх Я Тх та: 5 Біб З кл я Кукурудюн НЮ | ЩО рІб З «Брелоки, Міннемах у І ВАЛИ Трун, Бнцієнх 1 т -о КИТА оте ! ХУ ї ж ; От х Кукувуцав ПНІ Сг що 4 Протттттттттттттттттттттнняй т З Буц, Айока Те рових Мізмнейні 350 ння ГЕ е Кухерудя: НН: ок ИН пн нн нн нт нн нт яя шк З МШізмнейн, ідлінейс ромеляшнок Б Мебросеві З Зо що Гм З Фе Кукурудза КМ 5, Мр п ан 7 еко а ії мадпаток вкрт. Нахухка : !Фіг. 5 сло З Мезеджер дачнх рення і ітросен | БТірсалка ' Прахтвхв ої Грукт У нн янетнеттттено. дінеКоднаннянняннннтннння в А ААААН НА КАК КК ЧНННКККНННКК НК пн п Посадка 114 подію) Носилка З ПО полів) і Посадка 30 полів Гожанка З Янв: 11 БВрожий кукурудзи Зрожай кукурудзяні І Врожай кукурудзяні св кжкувуВаяН Врожий кукурудзнн Врожай кукурудзині і Прожай кукурудіяв 1 Брозей кукурулляня і Дю досавин ПЛ : Дюигалосаажа 156 1 Дата посанквн 1346 11 Дата досядкв 13436 у ПОТ хезь МАХК | РОД КЗ котів ЗНО ОНР к-ть ЗНООЮ ТО У путь ЗКЮЮ | , і Ша пф фунт У ОК Додати невкй релвгувати М прийняти редагувати | трийняти у ехазуваин , ТТрУРЕНТІВ резагукати | прайнятн о рам посадки ГУ Вибозтв всі МУЛЬСУВИ засилженіакри опроцуют Відносна зрілнть вітьсннй роажай к-ть прнблнно) дата о Єбис, Айова | й ши т Кукурува їі: я с. Був, Айска КУКУВУНИМ ПиИСаеМ 1 180 ЗК 0 Кві тет, Минимата Мукурудіві НИ: ик. . . схе усю кнтжжажннжжнх ди СК дви КУКУрУДІ -- омовм па ЗЕ ках ден. бажаний | т - секжрудзя і 10 у ях х Сяї От Куєтруля 061 КУКУрУЙНИ я рюисвамя На що ЗШХЮ Кай - хи, Нова 7 Шахмікців | щ Ос Кукурума НОЇ кукурудза - Це Ко З віт Пхимлевн. лівазе к Р Нейраєкт т-ЗЗ ; о з Кукуруля О МЮ: ЖУЖЖрУДІ сн лк 15 ща КЗ Ки: Берт; НебрасьаФіг. 6700 Генерування ретроспективної мапи ТВ Отриманзя 706 Отримання ПО Отримання зназень ретроепективних відвосних ретроспективних значень фактичних показників значень зрілості для кунитур, звати свджання для культур, врожайності для культур, Що що посаджені на що посаджеві на посаджені ва множинності щЩ - Що с ; пол виродоваи множинності зножинності полів вироловж || множинності волів впродовж. років множинності років множикності раків 24 Генерація вдо або "708 Генеравія олвої або ПІ Генерація одної або більше мапи відвосного більше мапи сзджання їз більше мапи фактичних дозрівання із стрвманих отриманвх ретроспективних. показників врожайності із ретроспективних значень значень дати саджиання отриманих значень відчосвого дозрівання фактичних показників врожайності і ї 714 Генерація моделі потенційної врожайності, що залежить від дати сяджання та відносного дозрівання на основі, щонайменше частково, мап відносного дозрівання, мап дат саджання та мап фактичних показників врожайності і і ла Отрямання значення фактичних показників врожайності для сільськогосполярської культури, що посаджена на певному поді ! і 1715 Обчислення за рахунок моделі потенційної врожайності, точної потенційної врожайності для конкретного поля, на основі, щонайменше, частково, значень фактичних ретроспективних показників врожайності для сільськогосподарської культури, що посаджена на певному поліФіг. 7
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US14/990,463 US10251347B2 (en) | 2016-01-07 | 2016-01-07 | Generating digital models of crop yield based on crop planting dates and relative maturity values |
| PCT/US2016/065758 WO2017119987A1 (en) | 2016-01-07 | 2016-12-09 | Generating digital models of crop yield based on crop planting dates and relative maturity values |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| UA126555C2 true UA126555C2 (uk) | 2022-11-02 |
Family
ID=59273888
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| UAA201808543A UA126555C2 (uk) | 2016-01-07 | 2016-12-09 | Спосіб управління робочими параметрами сільськогосподарського обладнання |
Country Status (9)
| Country | Link |
|---|---|
| US (4) | US10251347B2 (uk) |
| EP (2) | EP3882829A1 (uk) |
| AR (1) | AR107313A1 (uk) |
| AU (2) | AU2016385429A1 (uk) |
| BR (1) | BR112018013423A8 (uk) |
| CA (1) | CA3008824C (uk) |
| UA (1) | UA126555C2 (uk) |
| WO (1) | WO2017119987A1 (uk) |
| ZA (1) | ZA201804750B (uk) |
Families Citing this family (52)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10791666B2 (en) * | 2015-06-08 | 2020-10-06 | The Climate Corporation | Agricultural data analysis |
| US10251347B2 (en) | 2016-01-07 | 2019-04-09 | The Climate Corporation | Generating digital models of crop yield based on crop planting dates and relative maturity values |
| US10529036B2 (en) * | 2016-01-22 | 2020-01-07 | The Climate Corporation | Forecasting national crop yield during the growing season using weather indices |
| AU2017225697A1 (en) * | 2016-03-04 | 2018-09-20 | Basf Se | Devices and methods for planning and monitoring agricultural crop growing |
| WO2018049289A1 (en) | 2016-09-09 | 2018-03-15 | Cibo Technologies, Inc. | Systems for adjusting agronomic inputs using remote sensing, and related apparatus and methods |
| US11544296B1 (en) * | 2016-09-15 | 2023-01-03 | Winfield Solutions, Llc | Systems and methods for spatially-indexing agricultural content |
| US9961831B1 (en) * | 2016-10-31 | 2018-05-08 | Deere & Company | Controlling a mobile machine based on sensed variables filtered with different filters |
| US10028451B2 (en) | 2016-11-16 | 2018-07-24 | The Climate Corporation | Identifying management zones in agricultural fields and generating planting plans for the zones |
| US10398096B2 (en) | 2016-11-16 | 2019-09-03 | The Climate Corporation | Identifying management zones in agricultural fields and generating planting plans for the zones |
| US10823842B2 (en) * | 2017-08-06 | 2020-11-03 | Regulus Cyber Ltd. | System and method for generating a temporal map of radio frequency (RF) signals |
| US11263707B2 (en) | 2017-08-08 | 2022-03-01 | Indigo Ag, Inc. | Machine learning in agricultural planting, growing, and harvesting contexts |
| BR112020003688B1 (pt) * | 2017-08-21 | 2023-02-07 | The Climate Corporation | Método e sistema para modelagem digital e rastreamento de campos para implementação de testes de campo agrícola |
| US11593897B2 (en) | 2017-09-29 | 2023-02-28 | Basf Se | System and method for optimization of crop protection |
| 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 |
| RU2020134291A (ru) * | 2018-03-21 | 2022-04-22 | 10691976 Канада Лтд. | Сеялка для системы возделывания растений |
| US11710196B2 (en) | 2018-04-24 | 2023-07-25 | Indigo Ag, Inc. | Information translation in an online agricultural system |
| US11483981B1 (en) * | 2018-05-14 | 2022-11-01 | Crop One Holdings, Inc. | Systems and methods for providing a low energy use farm |
| US10999967B2 (en) | 2018-05-25 | 2021-05-11 | The Climate Corporation | Cross-grower study and field targeting |
| US20200005166A1 (en) * | 2018-07-02 | 2020-01-02 | The Climate Corporation | Automatically assigning hybrids or seeds to fields for planting |
| CN108921351A (zh) * | 2018-07-06 | 2018-11-30 | 北京兴农丰华科技有限公司 | 基于趋势产量和气象产量的作物产量预测方法 |
| AU2019315506A1 (en) * | 2018-08-02 | 2021-03-11 | Climate Llc | Automatic prediction of yields and recommendation of seeding rates based on weather data |
| US11596119B2 (en) * | 2018-08-13 | 2023-03-07 | Climate Llc | Digital nutrient models using spatially distributed values unique to an agronomic field |
| US11361039B2 (en) * | 2018-08-13 | 2022-06-14 | International Business Machines Corporation | Autodidactic phenological data collection and verification |
| US11861737B1 (en) * | 2018-08-31 | 2024-01-02 | Climate Llc | Hybrid seed supply management based on prescription of hybrid seed placement |
| CN109522358B (zh) * | 2018-09-30 | 2023-10-31 | 广州市西美信息科技有限公司 | 一种中国农业地图总图的可视化呈现系统 |
| US11593674B2 (en) * | 2018-10-24 | 2023-02-28 | Climate Llc | Leveraging genetics and feature engineering to boost placement predictability for seed product selection and recommendation by field |
| US20220067614A1 (en) * | 2018-12-19 | 2022-03-03 | The Board Of Trustees Of The University Of Illinois | Apparatus and method for crop yield prediction |
| BR112021010115A2 (pt) | 2018-12-20 | 2021-08-24 | The Climate Corporation | Utilizando modelos estatísticos espaciais para implementar ensaios agronômicos |
| CA3121647A1 (en) * | 2018-12-24 | 2020-07-02 | The Climate Corporation | Predictive seed scripting for soybeans |
| US11631040B2 (en) | 2019-02-21 | 2023-04-18 | Climate Llc | Digital modeling and tracking of agricultural fields for implementing agricultural field trials |
| US11568467B2 (en) | 2019-04-10 | 2023-01-31 | Climate Llc | Leveraging feature engineering to boost placement predictability for seed product selection and recommendation by field |
| WO2021007482A1 (en) | 2019-07-11 | 2021-01-14 | Locus Agriculture Ip Company, Llc | Use of soil and other environmental data to recommend customized agronomic programs |
| WO2021062147A1 (en) | 2019-09-27 | 2021-04-01 | Indigo Ag, Inc. | Modeling field irrigation with remote sensing imagery |
| US11189153B1 (en) * | 2019-11-18 | 2021-11-30 | CapaciTrac LLC | Material container monitoring and control system |
| CN111105094B (zh) * | 2019-12-24 | 2023-05-23 | 南京森林警察学院 | 利用气候数据预测金钱松适宜引种地的方法 |
| JP7314825B2 (ja) * | 2020-02-07 | 2023-07-26 | 横河電機株式会社 | 予測装置、予測システム、及び予測方法 |
| EP4128076A4 (en) * | 2020-03-26 | 2024-04-24 | Tata Consultancy Services Ltd | METHOD AND SYSTEM FOR CROPPING LOSS ESTIMATION |
| EP4185992A1 (en) | 2020-07-21 | 2023-05-31 | Indigo Ag, Inc. | Remote sensing algorithms for mapping regenerative agriculture |
| US11864483B2 (en) * | 2020-10-09 | 2024-01-09 | Deere & Company | Predictive map generation and control system |
| US20220132724A1 (en) * | 2020-11-05 | 2022-05-05 | Farmers Edge Inc. | Advanced crop manager for crops stress mitigation |
| WO2022256214A1 (en) * | 2021-06-01 | 2022-12-08 | Climate Llc | Systems and methods for use in planting seeds in growing spaces |
| US11978250B2 (en) | 2021-06-02 | 2024-05-07 | International Business Machines Corporation | Agricultural crop estimated date of planting |
| CN113569470B (zh) * | 2021-07-16 | 2024-04-05 | 西安工业大学 | 基于改进粒子群算法的果蔬呼吸速率模型参数估计方法 |
| WO2023034118A1 (en) | 2021-08-30 | 2023-03-09 | Indigo Ag, Inc. | Systems for management of location-aware market data |
| WO2023034386A1 (en) | 2021-08-31 | 2023-03-09 | Indigo Ag, Inc. | Systems and methods for ecosystem credit recommendations |
| US20230102576A1 (en) * | 2021-09-27 | 2023-03-30 | X Development Llc | Adaptively adjusting parameters of equipment operating in unpredictable terrain |
| WO2023129708A1 (en) * | 2021-12-31 | 2023-07-06 | Basf Corporation | Field-scale crop phenology model for computing plant development stages |
| WO2023129712A1 (en) * | 2021-12-31 | 2023-07-06 | Basf Corporation | Crop yield modeling based on yield potential |
| CN114399231B (zh) * | 2022-03-24 | 2022-07-15 | 季华实验室 | 果园巡检频率调节方法、装置、电子设备及存储介质 |
| CN114830971A (zh) * | 2022-04-15 | 2022-08-02 | 山东浪潮科学研究院有限公司 | 一种鸡枞菌自动采摘方法、设备及介质 |
| CN116167630B (zh) * | 2023-04-19 | 2023-06-27 | 昆明理工大学 | 一种选择三七轮作适宜性地块的计算机自动识别方法 |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050027572A1 (en) | 2002-10-16 | 2005-02-03 | Goshert Richard D.. | System and method to evaluate crop insurance plans |
| US20060282467A1 (en) * | 2005-06-10 | 2006-12-14 | Pioneer Hi-Bred International, Inc. | Field and crop information gathering system |
| PL2104413T5 (pl) | 2007-01-08 | 2020-07-13 | The Climate Corporation | Układ i sposób monitorowania siewnika |
| US20090234695A1 (en) | 2007-10-16 | 2009-09-17 | Kapadi Mangesh D | System and method for harvesting scheduling, planting scheduling and capacity expansion |
| BRPI0915598B1 (pt) | 2008-06-06 | 2019-11-26 | Monsanto Technology Llc | geração de produtos de informação agrícola usando sensoreamento remoto |
| US8477295B2 (en) | 2009-05-07 | 2013-07-02 | Solum, Inc. | Automated soil measurement device |
| US20130332205A1 (en) * | 2012-06-06 | 2013-12-12 | David Friedberg | System and method for establishing an insurance policy based on various farming risks |
| WO2014018717A1 (en) | 2012-07-25 | 2014-01-30 | Precision Planting Llc | Systems, methods and apparatus for multi-row agricultural implement control and monitoring |
| US20150254800A1 (en) * | 2014-03-06 | 2015-09-10 | F12 Solutions, Llc | Nitrogen status determination in growing crops |
| EP3160220A4 (en) | 2014-06-24 | 2017-12-20 | 360 Yield Center, LLC | Agronomic system, methods and apparatuses |
| US9131644B2 (en) | 2014-08-19 | 2015-09-15 | Iteris, Inc. | Continual crop development profiling using dynamical extended range weather forecasting with routine remotely-sensed validation imagery |
| US9140824B1 (en) | 2015-01-23 | 2015-09-22 | Iteris, Inc. | Diagnosis and prediction of in-field dry-down of a mature small grain, coarse grain, or oilseed crop using field-level analysis and forecasting of weather conditions, crop characteristics, and observations and user input of harvest condition states |
| US10251347B2 (en) | 2016-01-07 | 2019-04-09 | The Climate Corporation | Generating digital models of crop yield based on crop planting dates and relative maturity values |
-
2016
- 2016-01-07 US US14/990,463 patent/US10251347B2/en active Active
- 2016-12-09 WO PCT/US2016/065758 patent/WO2017119987A1/en active Application Filing
- 2016-12-09 CA CA3008824A patent/CA3008824C/en active Active
- 2016-12-09 AU AU2016385429A patent/AU2016385429A1/en not_active Abandoned
- 2016-12-09 EP EP21161895.4A patent/EP3882829A1/en active Pending
- 2016-12-09 EP EP16884160.9A patent/EP3400574A4/en not_active Withdrawn
- 2016-12-09 UA UAA201808543A patent/UA126555C2/uk unknown
- 2016-12-09 BR BR112018013423A patent/BR112018013423A8/pt not_active Application Discontinuation
-
2017
- 2017-01-06 AR ARP170100037A patent/AR107313A1/es active IP Right Grant
-
2018
- 2018-07-16 ZA ZA2018/04750A patent/ZA201804750B/en unknown
-
2019
- 2019-04-04 US US16/375,589 patent/US10694686B2/en active Active
-
2020
- 2020-06-29 US US16/916,022 patent/US11375674B2/en active Active
-
2021
- 2021-12-24 AU AU2021290385A patent/AU2021290385A1/en active Pending
-
2022
- 2022-07-01 US US17/856,929 patent/US11930743B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| US10694686B2 (en) | 2020-06-30 |
| CA3008824C (en) | 2023-04-04 |
| AR107313A1 (es) | 2018-04-18 |
| AU2021290385A1 (en) | 2022-02-03 |
| EP3882829A1 (en) | 2021-09-22 |
| US20190230873A1 (en) | 2019-08-01 |
| EP3400574A1 (en) | 2018-11-14 |
| US11930743B2 (en) | 2024-03-19 |
| US11375674B2 (en) | 2022-07-05 |
| WO2017119987A1 (en) | 2017-07-13 |
| AU2016385429A1 (en) | 2018-08-02 |
| BR112018013423A8 (pt) | 2023-01-10 |
| CA3008824A1 (en) | 2017-07-13 |
| US10251347B2 (en) | 2019-04-09 |
| ZA201804750B (en) | 2019-09-25 |
| BR112018013423A2 (pt) | 2018-12-04 |
| US20200329650A1 (en) | 2020-10-22 |
| EP3400574A4 (en) | 2019-05-22 |
| US20170196171A1 (en) | 2017-07-13 |
| US20220338427A1 (en) | 2022-10-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11930743B2 (en) | Generating digital models of crop yield based on crop planting dates and relative maturity values | |
| US10769733B2 (en) | Forecasting national crop yield during the growing season using weather indices | |
| US20200334518A1 (en) | Crop yield estimation using agronomic neural network | |
| US11343965B2 (en) | Automatically detecting outlier values in harvested data | |
| CA3002007C (en) | A method for recommending seeding rate for corn seed using seed type and sowing row width | |
| US10402919B2 (en) | Data assimilation for calculating computer-based models of crop growth | |
| BR122021024397B1 (pt) | Método para modelagem digital e rastreamento de campos para implementação de testes de campo agrícola | |
| US20200042890A1 (en) | Automatic prediction of yields and recommendation of seeding rates based on weather data | |
| UA125930C2 (uk) | Спосіб управління робочими параметрами сільскогосподарського обладнання (варіанти) та система обробки даних (варіанти) | |
| UA125849C2 (uk) | Спосіб контролю роботи сільськогосподарського транспорту |