ES2768949T3 - Sistema y procedimiento para controlar maquinaria para aleatorizar y replicar niveles de insumos agronómicos predeterminados - Google Patents
Sistema y procedimiento para controlar maquinaria para aleatorizar y replicar niveles de insumos agronómicos predeterminados Download PDFInfo
- Publication number
- ES2768949T3 ES2768949T3 ES15757620T ES15757620T ES2768949T3 ES 2768949 T3 ES2768949 T3 ES 2768949T3 ES 15757620 T ES15757620 T ES 15757620T ES 15757620 T ES15757620 T ES 15757620T ES 2768949 T3 ES2768949 T3 ES 2768949T3
- Authority
- ES
- Spain
- Prior art keywords
- agricultural
- dispensing
- input
- rate
- location
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01B—SOIL WORKING IN AGRICULTURE OR FORESTRY; PARTS, DETAILS, OR ACCESSORIES OF AGRICULTURAL MACHINES OR IMPLEMENTS, IN GENERAL
- A01B79/00—Methods for working soil
- A01B79/005—Precision agriculture
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01C—PLANTING; SOWING; FERTILISING
- A01C15/00—Fertiliser distributors
-
- 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
- A01C—PLANTING; SOWING; FERTILISING
- A01C7/00—Sowing
- A01C7/08—Broadcast seeders; Seeders depositing seeds in rows
- A01C7/10—Devices for adjusting the seed-box ; Regulation of machines for depositing quantities at intervals
- A01C7/102—Regulating or controlling the seed rate
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01D—HARVESTING; MOWING
- A01D91/00—Methods for harvesting agricultural products
-
- 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
- A01G25/00—Watering gardens, fields, sports grounds or the like
- A01G25/16—Control of watering
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
- A01M7/00—Special adaptations or arrangements of liquid-spraying apparatus for purposes covered by this subclass
- A01M7/0089—Regulating or controlling systems
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
- A01M9/00—Special adaptations or arrangements of powder-spraying apparatus for purposes covered by this subclass
- A01M9/0092—Regulating or controlling systems
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Engineering & Computer Science (AREA)
- Soil Sciences (AREA)
- Business, Economics & Management (AREA)
- Insects & Arthropods (AREA)
- Pest Control & Pesticides (AREA)
- Wood Science & Technology (AREA)
- Zoology (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Mechanical Engineering (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Animal Husbandry (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Water Supply & Treatment (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Catching Or Destruction (AREA)
- Pretreatment Of Seeds And Plants (AREA)
Abstract
Un sistema operable para aplicar un insumo (114) agrícola y cosechar una producción agrícola en una zona (216, 217, 218) de gestión, comprendiendo el sistema (100): un sistema de dispensación operable para dispensar el insumo (114) agrícola; y un controlador (300) conectado operativamente al sistema de dispensación y configurado para cambiar la dispensación del insumo (114) agrícola desde el sistema de dispensación en una ubicación seleccionada dentro de la zona (216, 217, 218) de gestión y para replicar una tasa de dispensación del insumo (114) agrícola en al menos una ubicación adicional en la zona (216, 217, 218) de gestión; y un sistema de cosecha operable para cosechar la producción agrícola y que incluye un sensor conectado operativamente al sistema de cosecha y configurado para registrar datos de rendimiento para asociar los datos de rendimiento con la ubicación real de la tasa de dispensación del insumo (114) agrícola; en el que la ubicación seleccionada es una ubicación que ha sido aleatorizada dentro de al menos una parcela (212, 212a-c) de prueba predefinida dentro de la zona (216, 217, 218) de gestión, y en el que la tasa de dispensación del insumo (114) agrícola se replica en al menos una ubicación adicional en la parcela (212, 212a-c) de prueba predefinida de la zona (216, 217, 218) de gestión; caracterizado porque el sistema comprende una lógica (104) de sistema que está configurada para identificar una máquina (220) que incluye el sistema de dispensación para proporcionar insumos (114) agrícolas que tiene al menos una restricción requerida para cambios en la tasa de entrada, y para determinar una restricción requerida para que el rendimiento de un cultivo pase el sensor del sistema de cosecha; y para incorporar la restricción en una determinación de un área mínima de tratamiento dentro de la parcela (212, 212a-c) de prueba para dar cuenta de la restricción mientras se distribuye el insumo (114) agrícola, en el que cada ubicación para cada uno de los dos o más niveles de tratamiento se ajusta a la restricción.
Description
DESCRIPCIÓN
Sistema y procedimiento para controlar maquinaria para aleatorizar y replicar niveles de insumos agronómicos predeterminados
Esta solicitud reivindica la prioridad a la patente provisional de EE.UU. n.° 62/042.555 presentada el 27 de agosto de 2014.
Esta divulgación se refiere a la gestión de parcelas agrícolas, y más específicamente, a aleatorizar y replicar insumos agrícolas dentro de diferentes zonas de gestión de un campo agrícola y cuantificar la respuesta agronómica.
A medida que aumenta la demanda de suministro de alimentos y disminuye el total de tierras agrícolas viables, se necesitan procedimientos y sistemas que maximicen los rendimientos de los cultivos. Los rendimientos máximos de los cultivos dan como resultado una mayor producción de productos agrícolas y un mayor valor por acre de tierra. Sin embargo, el esfuerzo para maximizar el rendimiento de los cultivos es difícil, consume mucho tiempo y es costoso en parte porque las características de las tierras agrícolas varían de acre a acre. Esta variación se debe a factores como las condiciones del suelo y la topografía. Adicionalmente, un campo de granja agrícola puede incluir variaciones significativas de acre a acre en nutrientes, calidad del cultivo producido y, en última instancia, rendimiento del cultivo.
La práctica actual es prescribir insumos agrícolas, tales como semillas y fertilizantes, a todo el campo de granja agrícola de acuerdo con las necesidades del suelo más deficiente, o de acuerdo con los requisitos promediados de los diferentes suelos. El resultado es que un área sustancial del campo puede recibir más o menos del artículo que se aplica que lo que las áreas específicas del sitio pueden usar de manera eficiente para producir resultados agronómicos, resultando en un desperdicio significativo de costosos insumos agrícolas o potencial de rendimiento no realizado.
Los productores y sus asesores agronómicos pueden tomar decisiones de entrada más precisas con acceso a datos más precisos de respuestas agronómicas específicas del sitio. La toma de decisiones agronómicas ha sido impulsada por un modelo de investigación que implica rendimiento y otras observaciones de pequeñas parcelas con diversos tratamientos. Ejemplos serían el rendimiento por tasas de nitrógeno aplicadas o tasa de siembra. Dichas pruebas adolecen de la limitación de poder traducir los resultados observados en una pequeña parcela en una granja de investigación a campos de producción, que típicamente tienen diferentes condiciones de fondo de los suelos, fertilidad, prácticas de gestión, etc.
Sería deseable desarrollar un sistema y un procedimiento para aleatorizar y replicar insumos agronómicos dentro de diferentes zonas de gestión de un campo para medir la respuesta agronómica a un insumo dentro de varios contextos diferentes: i) zona de gestión específica, ii) región específica y iii) estación climática de crecimiento específica.
A partir del documento WO 2012/174134 A1 se conocen un sistema y un procedimiento para colocar una parcela en un campo agrícola. Se selecciona una ubicación de parcela en función de los parámetros primarios y secundarios, y un usuario puede aceptar o rechazar una ubicación de parcela propuesta por el sistema. La entrada de cultivo puede variar en diferentes parcelas. La cosecha en las parcelas se controla y se puede comparar con los insumos de cultivo en las parcelas seleccionadas.
En vista de esto, es un objeto de la invención desvelar un sistema y un procedimiento para aplicar un insumo agrícola y cosechar un producto agrícola en una zona de gestión que permita una evaluación eficiente de los productos agrícolas utilizando procedimientos estadísticos.
Con respecto al sistema, este objeto se resuelve mediante un sistema de acuerdo con la reivindicación 1.
Una máquina incluye un sistema dispensador para dispensar el insumo agrícola. Un controlador está conectado operativamente al sistema dispensador y configurado para cambiar la dispensación del insumo agrícola desde el sistema dispensador en diferentes ubicaciones predeterminadas dentro de al menos una parcela de prueba predefinida en una zona de gestión de un campo agrícola.
Con respecto al procedimiento, este objeto se resuelve mediante un procedimiento de acuerdo con la reivindicación 9. El procedimiento determina un insumo agrícola para el análisis. Se definen al menos dos tasas de aplicación para el insumo agrícola. Se define una cantidad de réplicas para las al menos dos tasas de aplicación para el insumo agrícola. Se definen restricciones de una máquina que se usa para dispensar el insumo agrícola y una máquina para cosechar un producto agrícola. Las tasas de aplicación para el insumo agrícola, el número de réplicas para las tasas de aplicación para el insumo agrícola, y las restricciones están asociadas con un campo agrícola. Al menos un diagrama de prueba con un área supeditada al número de tasas de aplicación definidas, el número de réplicas para las al menos dos tasas de aplicación para el insumo agrícola y las restricciones del equipo se definen. Las ubicaciones (área requerida definida por las restricciones del equipo) para las tasas de aplicación de los insumos agrícolas se asignan aleatoriamente en la parcela de prueba. Se obtienen datos de rendimiento con un nivel de insumo agrícola real en el área de tratamiento de la parcela de prueba para identificar respuestas agronómicas a los niveles de tratamiento del insumo agrícola (adecuado para el análisis estadístico), que pueden agregarse con datos de rendimiento y niveles de tratamiento similares de un insumo agrícola de parcelas agrícolas en otras partes de un área geográfica.
La figura 1 ilustra una visión general de una arquitectura de tres niveles de un sistema hecho de acuerdo con la presente divulgación y que representa una interfaz de usuario, lógica del sistema, una base de datos y entradas y salidas de datos.
La figura 2 ilustra una captura de pantalla para cargar una nueva entrada de parcela agrícola en el sistema de la figura 1.
La figura 3 ilustra una captura de pantalla para agregar una línea de guía a la entrada de parcela agrícola en el sistema de la figura 1.
La figura 4 ilustra una captura de pantalla con el campo de la granja agrícola superpuesto con zonas de gestión y poblaciones objetivo de siembra en el sistema de la figura 1.
La figura 5 ilustra una captura de pantalla para definir el número de réplicas para cada tasa objetivo en el gráfico de prueba dentro del sistema de la figura 1.
La figura 6 ilustra una captura de pantalla que muestra el campo de granja agrícola con parcelas de prueba definidas del sistema de la figura 1.
La figura 7 ilustra una captura de pantalla que muestra los gráficos de prueba del sistema de la figura 1 y proporcionar un archivo de configuración de máquina para una máquina agrícola para el campo de granja agrícola y parcelas de prueba.
La figura 8 es una ilustración de una máquina agrícola que realiza las pruebas descritas y definidas.
La figura 8A es un diagrama de prueba de la figura 8, que muestra tres niveles de tratamiento, cada uno replicado varias veces dentro del gráfico de prueba.
La figura 9 es un diagrama de bloques funcional que ilustra los componentes de hardware de un controlador en una máquina agrícola.
Se desvela un sistema 100 integrado y automatizado y un procedimiento para usar el sistema de posicionamiento global (GPS) para controlar máquinas con el fin de colocar insumos agrícolas o niveles 114 de tratamiento aleatorios y replicados (insumos 114 Ag) dentro de al menos una zona de manejo de un campo 214 de granja agrícola. La figura 8 muestra una máquina 220 con sistema dispensador para colocar insumos 114 Ag en el campo 214 agrícola. Los tipos de insumos 114 Ag que pueden controlarse incluyen siembra, riego, nitrógeno u otra modificación de planta/suelo, fungicida, herbicida, insecticida, pesticida, regulador de crecimiento, o encendido/apagado del mismo.
La figura 1 muestra el sistema 100 en forma de un diagrama de flujo del procedimiento y la configuración que lo acompaña que implementa el sistema 100 divulgado. Una interfaz 102 de usuario electrónica, como el que se muestra en las figuras 2-6, se utiliza para interactuar con la lógica 104 del sistema y una base 116 de datos centralizada para recopilar, almacenar y procesar un mapa del campo 214 de granja agrícola (campo 202 Ag), zona de gestión, parámetros de entrada y observaciones de rendimiento agronómico (por ejemplo, datos de rendimiento y observaciones de cosecha).
La lógica 104 del sistema incluye, sin límites: 1) el procedimiento y los dispositivos para generar una superposición de zona de gestión; 2) el procedimiento y los dispositivos para formular una cuadrícula (orientada con respecto al desplazamiento de la máquina para optimizar la ejecución de las parcelas de prueba); 3) el procedimiento y los dispositivos para alinear las zonas de gestión y las tasas de insumos objetivo dentro de las parcelas 212 de prueba; y 4) el procedimiento y los dispositivos para proporcionar la ubicación espacial aleatoria de cada nivel de tratamiento replicado de los insumos 114 Ag dentro de cada parcela de prueba del campo 202 Ag, con respecto a las capacidades de la máquina para optimizar la ejecución.
La figura 1 también muestra la interacción entre la base 116 de datos centralizada y la lógica 104 del sistema donde la base 116 de datos centralizada responde a la solicitud de proporcionar datos a la lógica 104 del sistema para manipulaciones matemáticas y gráficas, y almacena los valores devueltos generados por la lógica 104 del sistema. La figura 1 también muestra cómo la base 116 de datos centralizada interactúa con la importación de datos 108 externos que pueden incluir el clima, información de humedad y precipitación de los proveedores de servicios meteorológicos. La base 116 de datos centralizada también exporta el archivo 120 de configuración de la máquina a una máquina 220 para la ejecución de campo de la colocación de los insumos 114 Ag en niveles predeterminados dentro de cada parcela de prueba, así como las otras áreas del campo 202 Ag.
Lo que sigue es una descripción de las etapas en la operación. La figura 2 muestra el campo 202 Ag. La interfaz 102 de usuario incluye un campo 202 Ag de inscripción (como un mapa) en el sistema 100. El campo 202 Ag puede comprender una o más zonas de gestión. Una zona de gestión es una subregión de un campo que expresa una combinación relativamente homogénea de factores limitantes de rendimiento/potencial de rendimiento para los cuales una tasa única de un cultivo específico/práctica cultural (por ejemplo, profundidad de labranza) es apropiado. El campo 202 Ag puede tener zonas de gestión previamente definidas o establecidas y poblaciones de plantas objetivo. Esta información puede provenir de la cosecha de los años anteriores, así como del plan de agronomía del año actual, en cuyo caso la lógica 104 del sistema la recupera de la base 116 de datos centralizada para generar una superposición de zona de gestión y luego la proporciona a la interfaz 102 de usuario como una vista de superposición de zona de gestión.
Con el campo 202 Ag inscrito en el sistema 100, los puntos de observación de la máquina o de siembra del año anterior o las líneas 204 de guía de la máquina se ingresan en la interfaz 102 de usuario en el sistema 100 (mientras que solo se muestra una línea 204 de guía de la máquina, aquellos familiarizados con esta tecnología reconocerán que hay
muchas líneas de guía de la máquina en el campo 202 Ag). La interfaz 102 de usuario se puede utilizar para identificar la orientación prevista de la máquina para la aplicación del insumo 114 Ag en cuestión, ya sea manualmente por la orientación definida por el usuario para la máquina 220, usando las líneas 204 de guía de máquina, o usando el registro previo del recorrido de la aplicación (por ejemplo, puntos de plantación). Las áreas para la(s) parcela(s) 212 de prueba están distribuidas idealmente con respecto al recorrido previsto de la máquina para optimizar la ejecución. Instrucciones de entrada de la máquina, tal como profundidad de labranza, profundidad de siembra, ángulo de labranza, ancho de dispersión de residuos, cantidad de semillas por área, peso de semillas por área, volumen por área y peso por área, se pueden proporcionar en la interfaz 102 de usuario.
Una vez que se captura la ruta de viaje prevista para la máquina 220 a través del campo 214 de granja agrícola, una función de procesamiento se produce en la lógica 104 del sistema donde los datos cargados previamente sobre el campo 214 de granja agrícola (por ejemplo, zonas de gestión y poblaciones de plantas objetivo) se superponen en una cuadrícula 208, como se muestra en la figura 4. La cuadrícula 208 está sombreada/coloreada con diferentes perfiles de población de plantas que corresponden con la información 210 de población objetivo por la lógica 104 del sistema y se muestra en el lado derecho de la interfaz 102 de usuario electrónica. En este caso, una tasa de prescripción para la entrada 114 Ag, tal como una prescripción de población de siembra (la misma tasa para todo el campo o tasa variable) se puede crear por adelantado, para todo el campo 202 Ag, que el usuario desea colocar parcelas 212 de prueba en su interior. El procedimiento crea instrucciones de máquina para todo el campo 202 Ag que se ha inscrito en el sistema 100, no solo la(s) parcela(s) 212 de prueba, ya que será necesario durante el paso de ejecución de campo. En el lado izquierdo de la interfaz 102 electrónica de usuario, como se muestra en la figura 5, el usuario puede definir en la interfaz 102 de usuario insumos 114 Ag, que corresponden con el número de tasas de insumos a probar, es decir, niveles de tratamiento. Cada nivel de tratamiento para el insumo 114 Ag se replica tres o más veces por parcela 212 de prueba (a)-(c). La ubicación espacial de cada una de estas tasas de entrada replicadas se firma aleatoriamente según lo firmado por el modelo estadístico en la lógica 104 del sistema dentro del gráfico de prueba para proporcionar datos válidos para el análisis estadístico posterior.
Una vez que el usuario ingresa el número de réplicas y las tasas de entrada objetivo en la interfaz 102 de usuario, el usuario puede definir en cada zona de gestión las ubicaciones de las parcelas 212 de prueba. Para resultados óptimos, una parcela 212 de prueba individual está completamente contenida dentro de una sola zona de gestión, de modo que la prueba se realiza en un tipo de subcampo relativamente homogéneo para minimizar la variación en otros factores más allá de los niveles de tratamiento probados. Como parte de este procedimiento, se debe determinar el área mínima de parcela de prueba. Las capacidades de la(s) máquina(s) 220 destinadas a entregar insumos 114 Ag o tratamientos, así como cosechar la salida, se consideran parte de este procedimiento. Dichas restricciones de la máquina 220 pueden almacenarse en la base 116 de datos centralizada y obtenerse del fabricante como datos 108 externos o proporcionados por el usuario en la interfaz 102 de usuario.
La lógica 104 del sistema calcula el tiempo y la distancia requeridos para que la máquina 220 realice un cambio de velocidad o encienda/apague una aplicación del insumo 114 Ag en función de las restricciones de la máquina 220 y/o su sistema de dispensación. Las restricciones pueden ser una o más de una tasa mínima de cambio en la dispensación del insumo 114 Ag, una velocidad de funcionamiento del sistema de dispensación en la máquina 220, una serie de filas (o boquillas) que el sistema de dispensación en la máquina 220 puede controlar independientemente, un volumen de insumo 114 Ag que el sistema de dispensación en la máquina 220 puede controlar independientemente y/o detectar las capacidades de la operación de cosecha prevista. Todo esto se acumula en la lógica 104 del sistema que define un área mínima de tratamiento individual. Un área individual para la parcela 212 de prueba se determina multiplicando el área mínima de tratamiento individual por el número de niveles de tratamiento, así como cuántas veces se debe replicar cada nivel de tratamiento. El diseño del área para la parcela 212 de prueba se realiza con respecto a la ruta de desplazamiento prevista a través del campo 214 de granja agrícola basado en el campo 202 Ag. El modelado estadístico realizado en la lógica 104 del sistema asigna aleatoriamente la ubicación espacial de cada réplica de nivel de tratamiento (áreas de tratamiento individuales) de los insumos 114 Ag dentro de una parcela 212 de prueba individual.
La figura 8A muestra una parcela 212(a) de prueba con tres tasas 230, 232 y 234 de tratamiento para el insumo 114 Ag, cada una replicado tres o más veces dentro de la parcela 212(a) de prueba. La lógica 104 del sistema ha calculado el tiempo y la distancia requeridos para que la máquina 220 realice el cambio de velocidad, determine el área de tratamiento mínima requerida y establezca el área para la parcela 212(a) de prueba con respecto a una ruta de viaje prevista (en este caso, 10 grados fuera del norte debido) y asignada aleatoriamente la ubicación espacial de cada réplica de nivel de tratamiento (áreas de tratamiento individual) del insumo 114 Ag dentro de la parcela 212(a) de prueba individual. Se crea un archivo 120 de configuración de máquina para todo el campo Ag (incluyendo todas las parcelas de prueba) y el sistema 100 lo proporciona como datos 108 externos. La figura 7 muestra dónde en la interfaz 102 de usuario el usuario inicia la acción necesaria para crear el archivo 120 de configuración de la máquina.
La figura 8 muestra el campo 214 de granja agrícola que corresponde al campo 202 Ag que se cargó en el sistema 100. El campo 214 de granja agrícola tiene tres zonas 216, 217 y 218 de gestión. La zona 216 de gestión tiene dos parcelas 212(a) y 212(b) de prueba definidas y la zona 218 de gestión tiene una parcela 212(c) de prueba definida. El archivo 120 de configuración de la máquina se carga en un controlador 300 a bordo de la máquina 220, que también recibe información de ubicación GPS desde el satélite 221. La máquina 220 tiene un controlador 300 conectado operativamente a un sistema de dispensación que está configurado para cambiar la dispensación del insumo 114 Ag
del sistema de dispensación de una manera predeterminada dentro de cada parcela 212a y 212b de prueba predefinida en la zona 216 de gestión. La máquina 220 se desplaza a través del campo 214 de granja agrícola colocando los insumos 114 Ag de la manera típica hasta que alcanza las parcelas 212(a)-(c) de prueba donde aplica los insumos 114 Ag como se definió previamente. La máquina 220 puede ser cualquier máquina agrícola con un sistema dispensador para aplicar insumos 114 Ag, por ejemplo, tractores, plantadores, sembradoras de aire, pulverizadores (de tierra o de avión), equipo de riego, equipo de labranza (impacto de salida agronómica en diferentes niveles de configuración de la máquina), cosechadoras (impacto de salida agronómica en diferentes niveles de configuración de la máquina), etc.
Lo anterior automatiza el procedimiento para proporcionar niveles de tratamiento predefinidos aleatorios y replicados dentro de las parcelas 212 de prueba dentro de las zonas 216-218 de gestión en el campo 214 de granja agrícola para crear conjuntos de datos de respuesta agronómica a niveles de tratamiento probados que sean apropiados para su uso en análisis estadísticos bien establecidos y universalmente reconocidos. Un ejemplo simple podría incluir analizar tres tasas de siembra diferentes en una zona 216, 217 o 218 de gestión al mismo tiempo que tres niveles diferentes de nitrógeno (es decir, 3 x 3 = 9 niveles de tratamiento únicos). Si cada permutación se replica tres veces, deberá haber veintisiete áreas de tratamiento colocadas al azar dentro de una sola parcela 212 de prueba. Los datos y/o los resultados del análisis estadístico de la parcela 212 de prueba también se pueden agregar y comparar a nivel regional con los resultados de otros gráficos de prueba con y sin condiciones de fondo similares (por ejemplo, "formación" de zona de gestión diferente. Esto permite a los productores y a sus asesores agronómicos, por ejemplo, tener en cuenta el clima de la temporada de crecimiento que puede variar entre parcelas de prueba en una región o entre diferentes estaciones/años de crecimiento, así como otros factores que pueden variar dentro de una parcela de prueba, tales como los niveles de fertilidad del suelo o factores que pueden variar entre parcelas de prueba como híbridos de maíz o tasas de siembra.
Es importante que la máquina 220 se use para monitorizar el suministro del insumo 114 Ag para generar un registro de aplicación para asociar una ubicación prevista para el cambio predeterminado de la velocidad de suministro del insumo 114 Ag con una ubicación real para el cambio predeterminado de la velocidad de suministro del insumo 114 Ag, para confirmar la ejecución exitosa de los niveles de tratamiento del insumo 114 Ag en cada parcela 212 de prueba. Durante la cosecha, datos de rendimiento (por ejemplo, volumen, humedad, atributos de calidad como proteína) pueden observarse y registrarse para múltiples ubicaciones en cada parcela 212 de prueba de manera automatizada utilizando tecnología de sensores en el equipo de cosecha. Dichas observaciones de cosecha pueden enviarse automáticamente a la base 116 de datos centralizada a través de una conexión inalámbrica o proporcionadas por el usuario a través de la interfaz 102 de usuario del sistema 100. Cada observación de rendimiento individual de la cosechadora se "adapta" espacialmente a la observación de la tasa de tratamiento real respectiva. El conjunto de datos resultante (junto con otros atributos agronómicos relacionados con el área para la parcela 212 de prueba) puede proporcionarse al modelo estadístico de la lógica 104 del sistema 100 y utilizarse en varios procedimientos de análisis estadístico para determinar si hay una diferencia significativa en la respuesta agronómica entre las tasas de tratamiento evaluadas. Esto permite a los productores y asesores agronómicos ejecutar fácilmente parcelas 212 de prueba que cumplan con los criterios de diseño científico experimental, y aprovechar los conjuntos de datos resultantes para analizar las respuestas de rendimiento a diferentes niveles de insumos 114 Ag utilizando datos que sean apropiados para varios análisis estadísticos.
Las máquinas 220 pueden ser plantadores o aplicadores, que pueden aplicar múltiples filas de plantas en una sola pasada a través del campo 214 granja agrícola. El controlador en la máquina 220 que implementa las instrucciones en el archivo 120 de configuración de la máquina puede cambiar la tasa de aplicación para el insumo 114 Ag a medida que la máquina 220 cruza el campo, en algunos casos, dentro del lapso de la máquina 220; por ejemplo, la tasa de aplicación de siembra en filas adyacentes puede variarse en una parcela 212(a)-(c) de prueba. En el momento de la cosecha, la máquina 220 en forma de cosechadora puede recopilar datos de rendimiento para determinar el rendimiento a lo ancho de la plataforma de recolección de la planta ("encabezado"). Es importante garantizar que el ancho del control de la aplicación corresponda espacialmente con el ancho de la cosecha (ya que actualmente es una restricción en la resolución espacial de la medición de la producción agronómica). Como parte de la determinación del área de tratamiento mínima requerida, la lógica 104 del sistema también tiene en cuenta el tiempo/distancia requerida para los cambios en la tasa de entrada, así como el tiempo/distancia requerida para la producción agrícola (es decir, "rendimiento del cultivo") para fluir a través de una cosechadora y pasar el sensor de atributo de salida agronómica. Es necesario tener en cuenta estos parámetros o restricciones de la máquina 220 al diseñar las parcelas 212 de prueba para aumentar la posibilidad de una implementación exitosa de la medición de la respuesta agronómica a diferentes tasas de tratamiento dentro de las parcelas 212 de prueba. Los datos resultantes son extremadamente valiosos para los productores y sus asesores agronómicos.
Con estos datos recopilados, los productores y sus asesores agronómicos pueden identificar respuestas agronómicas estadísticamente significativas a diferentes niveles de tratamiento probados y determinar el nivel o niveles de confianza para los análisis, así como también incorporar las diferencias en el costo para cada nivel de tratamiento y el valor unitario de la producción Ag (por ejemplo, bushels/acre o kilogramos/hectárea y/o nivel de proteína).
Otro caso de uso es evaluar el impacto agronómico de los ajustes de la máquina 220 que no pueden ajustarse automáticamente en el campo 214 de granja agrícola. El diseño de las parcelas 212 de prueba variará de lo que se ha descrito, esencialmente haciendo tiras replicadas y aleatorias a través del campo con las diferentes configuraciones
(por ejemplo, profundidad de labranza, profundidad de siembra). Es importante tener en cuenta que el análisis resultante de las observaciones de rendimiento (y la documentación de la aplicación) se centraría nuevamente en áreas específicas de la zona de gestión (áreas de subcampo relativamente homogéneas que minimizan la variación en otros factores agronómicos más allá de los niveles de tratamiento probados). Debe tenerse en cuenta las capacidades de detección de la operación de cosecha también es importante en el diseño de parcelas 212 de prueba.
La figura 9 muestra un controlador 300 ejemplar que puede conectarse a un bus 320 de red de área de controlador (bus) en la máquina 220. En una implementación, un controlador 300 incluye un procesador 302, una memoria de sistema 304, interfaces de red externas 306 y una o más aplicaciones de software y controladores que permiten o implementan las funciones descritas en el presente documento. La interfaz 306 de red externa conecta los datos de información del GPS al bus 320 del controlador 300. El sistema de hardware incluye un bus 308 de E/S estándar con puertos 310 de E/S y almacenamiento 312 masivo acoplado al mismo para almacenar el archivo 120 de configuración de la máquina. Un puente 316 hospedador acopla el procesador 302 al bus 308 de E/S. El sistema de hardware puede incluir además una memoria de video y un dispositivo de visualización acoplado a la memoria de video. Colectivamente, estos elementos están destinados a representar una amplia categoría de sistemas de hardware informático, incluyendo, pero no limitado a, sistemas informáticos de uso general basados en el procesador Pentium fabricado por Intel Corporation de Santa Clara, California, así como cualquier otro procesador adecuado.
Elementos del sistema de hardware informático realizan sus funciones convencionales conocidas en la técnica. El almacenamiento 312 masivo se usa para proporcionar almacenamiento permanente para los datos y las instrucciones de programación para realizar las funciones descritas anteriormente de la máquina 220 de control, mientras que la memoria 304 del sistema (por ejemplo, DRAM) se utiliza para proporcionar almacenamiento temporal para los datos y las instrucciones de programación cuando el procesador 302 las ejecuta. Los puertos 310 de E/S son uno o más puertos de comunicación serie y/o paralelo utilizados para proporcionar comunicación entre dispositivos periféricos adicionales como los sistemas de control/detección en el sistema de dispensación conectado a la máquina 220, que se puede acoplar al hardware para recibir datos de los sensores. Adicionalmente, la máquina 220 puede tener una red BUS CAN para facilitar la comunicación en la máquina 220, o entre la máquina 220 y el sistema de dispensación, lo que permite el control de artículos controlados electrónicamente, así como el registro de la retroalimentación de los sistemas de sensores (por ejemplo, tasa de siembra en una fila individual).
El controlador 300 puede incluir una variedad de arquitecturas de sistema, y varios componentes del controlador 300 pueden reorganizarse. Por ejemplo, el caché 314 puede estar en chip con el procesador 302. Como alternativa, el caché 314 y el procesador 302 se pueden empaquetar juntos como un "módulo de procesador" con el procesador 302 citado como el "núcleo del procesador". Asimismo, ciertas implementaciones de las realizaciones reivindicadas pueden no requerir ni incluir todos los componentes anteriores. Por ejemplo, componentes adicionales pueden incluir el controlador 300, tal como procesadores adicionales, dispositivos de almacenamiento o memorias.
Claims (13)
1. Un sistema operable para aplicar un insumo (114) agrícola y cosechar una producción agrícola en una zona (216, 217, 218) de gestión, comprendiendo el sistema (100):
un sistema de dispensación operable para dispensar el insumo (114) agrícola; y
un controlador (300) conectado operativamente al sistema de dispensación y configurado para cambiar la dispensación del insumo (114) agrícola desde el sistema de dispensación en una ubicación seleccionada dentro de la zona (216, 217, 218) de gestión y para replicar una tasa de dispensación del insumo (114) agrícola en al menos una ubicación adicional en la zona (216, 217, 218) de gestión; y un sistema de cosecha operable para cosechar la producción agrícola y que incluye un sensor conectado operativamente al sistema de cosecha y configurado para registrar datos de rendimiento para asociar los datos de rendimiento con la ubicación real de la tasa de dispensación del insumo (114) agrícola;
en el que la ubicación seleccionada es una ubicación que ha sido aleatorizada dentro de al menos una parcela (212, 212a-c) de prueba predefinida dentro de la zona (216, 217, 218) de gestión, y en el que la tasa de dispensación del insumo (114) agrícola se replica en al menos una ubicación adicional en la parcela (212, 212a-c) de prueba predefinida de la zona (216, 217, 218) de gestión;
caracterizado porque el sistema comprende una lógica (104) de sistema que está configurada para identificar una máquina (220) que incluye el sistema de dispensación para proporcionar insumos (114) agrícolas que tiene al menos una restricción requerida para cambios en la tasa de entrada, y para determinar una restricción requerida para que el rendimiento de un cultivo pase el sensor del sistema de cosecha; y
para incorporar la restricción en una determinación de un área mínima de tratamiento dentro de la parcela (212, 212a-c) de prueba para dar cuenta de la restricción mientras se distribuye el insumo (114) agrícola, en el que cada ubicación para cada uno de los dos o más niveles de tratamiento se ajusta a la restricción.
2. El sistema de la reivindicación 1, caracterizado porque el controlador (300) está configurado para monitorizar la dispensación del insumo (114) agrícola para generar un registro de aplicación para asociar una ubicación prevista para la tasa de dispensación del insumo (114) agrícola con una ubicación real para la tasa de dispensación del insumo (114) agrícola.
3. El sistema de la reivindicación 2, caracterizado porque el controlador (300) se coordina con el sistema de dispensación para iniciar el cambio de la dispensación del insumo (114) agrícola basado en la al menos una restricción del sistema de dispensación en la que la restricción se elige entre una tasa mínima de cambio en la dispensación de insumos (114) agrícolas, una velocidad de operación del sistema de dispensación, una serie de filas que el sistema de dispensación puede controlar, un volumen de insumos (114) agrícolas que el sistema de dispensación puede controlar, y un área mínima de tratamiento.
4. El sistema de la reivindicación 3, caracterizado porque la tasa de dispensación del insumo (114) agrícola está a un nivel de tratamiento predefinido.
5. El sistema de la reivindicación 1, caracterizado porque el insumo (114) agrícola es al menos uno elegido de la semilla, nitrógeno, fertilizante, fungicida, herbicida, insecticida, riego, y un regulador de crecimiento.
6. El sistema de la reivindicación 1, caracterizado porque el controlador (300) está configurado por un archivo de configuración de la máquina basado en un campo (214) agrícola que incluye la zona (216, 217, 218) de gestión y una tasa de aplicación prevista, alineado con una ruta de viaje prevista del sistema de dispensación y asociado con una prescripción de tasa de entrada agrícola para el campo (214) agrícola, incluyendo la parcela (212, 212a-c) de prueba predefinida donde una ubicación prevista para el cambio de la dispensación del insumo (214) agrícola está asociada y replicada al menos tres veces.
7. El sistema de la reivindicación 6, caracterizado porque el archivo de configuración de la máquina incorpora además restricciones del sistema de dispensación que incluyen un ancho de trabajo del sistema de dispensación, un sistema de dispensación de tiempo y distancia de reacción para implementar un cambio de la tasa de dispensación del insumo (114) agrícola.
8. El sistema de la reivindicación 1, caracterizado porque el controlador (300) está configurado para replicar una tasa objetivo de la dispensación del insumo (114) agrícola al menos tres veces para generar datos de respuesta agronómica observados para el análisis estadístico.
9. Un procedimiento para aleatorizar y replicar insumos (114) agrícolas, comprendiendo el procedimiento:
cargar en una base de datos un campo agrícola que tenga al menos una zona (216, 217, 218) de gestión; asociar en la base de datos el campo agrícola con una dirección de desplazamiento de aplicación y dirección de desplazamiento de cosecha;
definir dos o más niveles de tratamiento para el insumo (114) agrícola;
definir una cantidad de repeticiones para cada uno de los dos o más niveles de tratamiento;
definir al menos una parcela (212, 212a-c) de prueba en la zona (216, 217, 218) de gestión;
asociar con al menos una parcela (212, 212a-c) de prueba una asignación espacial aleatoria de cada nivel de
tratamiento replicado;
identificar una máquina (220) para proporcionar insumos (114) agrícolas que tiene al menos una restricción requerida para los cambios en la tasa de insumos y determinar una restricción requerida para que el rendimiento de un cultivo fluya a través de un sistema de cosecha y pase un sensor de atributo de salida agronómico; e incorporar la restricción en una determinación de un área mínima de tratamiento dentro de la parcela (212, 212ac) de prueba para dar cuenta de la restricción mientras se distribuye el insumo (114) agrícola, en el que cada ubicación para cada uno de los dos o más niveles de tratamiento se ajusta a la restricción.
10. El procedimiento de la reivindicación 9, y que comprende además asociar una pluralidad de puntos de trazado con uno elegido de líneas de guía de la máquina y orientación de máquina definida por el usuario.
11. El procedimiento de la reivindicación 9, en el que el número de tasas de replicación es al menos tres.
12. El procedimiento de la reivindicación 11, en el que la al menos una restricción se elige de una tasa mínima de cambio en una dispensación del insumo (114) agrícola, una velocidad de operación de un sistema de dispensación, una serie de filas únicas que un sistema de dispensación puede controlar, un rango de tasas de insumos agrícolas que el sistema de dispensación puede controlar y un área mínima de tratamiento.
13. El procedimiento de la reivindicación 9, y que además comprende asociar una observación de datos de rendimiento con un nivel de tratamiento del insumo (114) agrícola en el área de tratamiento de la parcela (212, 212a-c) de prueba para identificar respuestas agronómicas estadísticamente significativas al tratamiento nivel del insumo (114) agrícola.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201462042555P | 2014-08-27 | 2014-08-27 | |
| PCT/US2015/046536 WO2016032956A1 (en) | 2014-08-27 | 2015-08-24 | System and method for controlling machinery for randomizing and replicating predetermined agronomic input levels |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| ES2768949T3 true ES2768949T3 (es) | 2020-06-24 |
Family
ID=54056284
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| ES15757620T Active ES2768949T3 (es) | 2014-08-27 | 2015-08-24 | Sistema y procedimiento para controlar maquinaria para aleatorizar y replicar niveles de insumos agronómicos predeterminados |
Country Status (9)
| Country | Link |
|---|---|
| US (1) | US10123474B2 (es) |
| EP (1) | EP3185666B1 (es) |
| AU (1) | AU2015306822B2 (es) |
| BR (1) | BR112017003725A2 (es) |
| CA (1) | CA2953042C (es) |
| ES (1) | ES2768949T3 (es) |
| HU (1) | HUE048686T2 (es) |
| RU (1) | RU2699005C2 (es) |
| WO (1) | WO2016032956A1 (es) |
Families Citing this family (81)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9501588B1 (en) * | 2013-10-28 | 2016-11-22 | Kenneth S. Rowe | Garden simulation |
| US11089773B2 (en) | 2014-08-27 | 2021-08-17 | Premier Crop Systems, LLC | System and method for controlling machinery for randomizing and replicating predetermined argonomic input levels |
| 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 |
| US10194574B2 (en) | 2016-11-18 | 2019-02-05 | Cnh Industrial America Llc | System for adjusting smoothing tools of a harrow according to location |
| BR122021024397B1 (pt) * | 2017-08-21 | 2023-01-31 | The Climate Corporation | Método para modelagem digital e rastreamento de campos para implementação de testes de campo agrícola |
| EP3682410A4 (en) * | 2017-09-11 | 2021-06-02 | Farmers Edge Inc. | GENERATION OF AN AGRICULTURAL YIELD MAP USING REGRESSION AND CLASSIFICATION PROCESSES |
| ES2947014T3 (es) | 2017-10-24 | 2023-07-31 | Basf Agro Trademarks Gmbh | Creación de mapas digitales de cultivo |
| US10684612B2 (en) * | 2018-10-10 | 2020-06-16 | The Climate Corporation | Agricultural management recommendations based on blended model |
| EP3869933A4 (en) * | 2018-10-24 | 2022-09-14 | Climate LLC | SYSTEMS AND METHODS FOR IDENTIFICATION AND USE OF TEST SITE ON AGRICULTURAL FIELDS |
| US12069978B2 (en) | 2018-10-26 | 2024-08-27 | Deere & Company | Predictive environmental characteristic map generation and control system |
| US11641800B2 (en) | 2020-02-06 | 2023-05-09 | Deere & Company | Agricultural harvesting machine with pre-emergence weed detection and mitigation system |
| US11589509B2 (en) | 2018-10-26 | 2023-02-28 | Deere & Company | Predictive machine characteristic map generation and control system |
| US11467605B2 (en) | 2019-04-10 | 2022-10-11 | Deere & Company | Zonal machine control |
| US11672203B2 (en) | 2018-10-26 | 2023-06-13 | Deere & Company | Predictive map generation and control |
| US11957072B2 (en) | 2020-02-06 | 2024-04-16 | Deere & Company | Pre-emergence weed detection and mitigation system |
| US11178818B2 (en) | 2018-10-26 | 2021-11-23 | Deere & Company | Harvesting machine control system with fill level processing based on yield data |
| US11240961B2 (en) | 2018-10-26 | 2022-02-08 | Deere & Company | Controlling a harvesting machine based on a geo-spatial representation indicating where the harvesting machine is likely to reach capacity |
| US11653588B2 (en) | 2018-10-26 | 2023-05-23 | Deere & Company | Yield map generation and control system |
| US11079725B2 (en) | 2019-04-10 | 2021-08-03 | Deere & Company | Machine control using real-time model |
| US10996656B2 (en) | 2018-11-08 | 2021-05-04 | Premier Crop Systems, LLC | System and method for aggregating test plot results based on agronomic environments |
| CA3121005A1 (en) | 2018-12-20 | 2020-06-25 | The Climate Corporation | Utilizing spatial statistical models for implementing agronomic trials |
| CN109857087B (zh) * | 2019-02-02 | 2022-06-14 | 卡斯柯信号有限公司 | 一种城轨区域控制器系统硬件在环测试系统 |
| US11234366B2 (en) | 2019-04-10 | 2022-02-01 | Deere & Company | Image selection for machine control |
| US11778945B2 (en) | 2019-04-10 | 2023-10-10 | Deere & Company | Machine control using real-time model |
| US11803172B2 (en) * | 2019-05-10 | 2023-10-31 | Mjnn Llc | Efficient selection of experiments for enhancing performance in controlled environment agriculture |
| JP7221827B2 (ja) * | 2019-08-09 | 2023-02-14 | ヤンマーパワーテクノロジー株式会社 | 作業情報管理装置、および作業情報管理システム |
| US11266058B2 (en) | 2019-08-26 | 2022-03-08 | Deere & Company | Automated check strips |
| US20230360150A1 (en) * | 2019-12-19 | 2023-11-09 | Basf Agro Trademarks Gmbh | Computer implemented method for providing test design and test instruction data for comparative tests on yield, gross margin, efficacy or vegetation indices for at least two products or different application timings of the same product |
| US12035648B2 (en) | 2020-02-06 | 2024-07-16 | Deere & Company | Predictive weed map generation and control system |
| US12329148B2 (en) | 2020-02-06 | 2025-06-17 | Deere & Company | Predictive weed map and material application machine control |
| US12225846B2 (en) | 2020-02-06 | 2025-02-18 | Deere & Company | Machine control using a predictive map |
| US11477940B2 (en) | 2020-03-26 | 2022-10-25 | Deere & Company | Mobile work machine control based on zone parameter modification |
| US11845449B2 (en) | 2020-10-09 | 2023-12-19 | Deere & Company | Map generation and control system |
| US11675354B2 (en) | 2020-10-09 | 2023-06-13 | Deere & Company | Machine control using a predictive map |
| US11635765B2 (en) | 2020-10-09 | 2023-04-25 | Deere & Company | Crop state map generation and control system |
| US11874669B2 (en) | 2020-10-09 | 2024-01-16 | Deere & Company | Map generation and control system |
| US11592822B2 (en) | 2020-10-09 | 2023-02-28 | Deere & Company | Machine control using a predictive map |
| US11727680B2 (en) | 2020-10-09 | 2023-08-15 | Deere & Company | Predictive map generation based on seeding characteristics and control |
| US11474523B2 (en) | 2020-10-09 | 2022-10-18 | Deere & Company | Machine control using a predictive speed map |
| US20220110258A1 (en) | 2020-10-09 | 2022-04-14 | Deere & Company | Map generation and control system |
| US12013245B2 (en) | 2020-10-09 | 2024-06-18 | Deere & Company | Predictive map generation and control system |
| US11889788B2 (en) | 2020-10-09 | 2024-02-06 | Deere & Company | Predictive biomass map generation and control |
| US11825768B2 (en) | 2020-10-09 | 2023-11-28 | Deere & Company | Machine control using a predictive map |
| US11711995B2 (en) | 2020-10-09 | 2023-08-01 | Deere & Company | Machine control using a predictive map |
| US11983009B2 (en) | 2020-10-09 | 2024-05-14 | Deere & Company | Map generation and control system |
| US11650587B2 (en) | 2020-10-09 | 2023-05-16 | Deere & Company | Predictive power map generation and control system |
| US11864483B2 (en) | 2020-10-09 | 2024-01-09 | Deere & Company | Predictive map generation and control system |
| US12178158B2 (en) | 2020-10-09 | 2024-12-31 | Deere & Company | Predictive map generation and control system for an agricultural work machine |
| US12069986B2 (en) | 2020-10-09 | 2024-08-27 | Deere & Company | Map generation and control system |
| US12419220B2 (en) | 2020-10-09 | 2025-09-23 | Deere & Company | Predictive map generation and control system |
| US11849671B2 (en) | 2020-10-09 | 2023-12-26 | Deere & Company | Crop state map generation and control system |
| US12422847B2 (en) | 2020-10-09 | 2025-09-23 | Deere & Company | Predictive agricultural model and map generation |
| US12550802B2 (en) | 2020-10-08 | 2026-02-17 | Deere & Company | Predictive machine characteristic map generation and control system |
| US11946747B2 (en) | 2020-10-09 | 2024-04-02 | Deere & Company | Crop constituent map generation and control system |
| US11927459B2 (en) | 2020-10-09 | 2024-03-12 | Deere & Company | Machine control using a predictive map |
| US11871697B2 (en) | 2020-10-09 | 2024-01-16 | Deere & Company | Crop moisture map generation and control system |
| US11844311B2 (en) | 2020-10-09 | 2023-12-19 | Deere & Company | Machine control using a predictive map |
| US12386354B2 (en) | 2020-10-09 | 2025-08-12 | Deere & Company | Predictive power map generation and control system |
| US11895948B2 (en) | 2020-10-09 | 2024-02-13 | Deere & Company | Predictive map generation and control based on soil properties |
| US20220110238A1 (en) | 2020-10-09 | 2022-04-14 | Deere & Company | Machine control using a predictive map |
| US11849672B2 (en) | 2020-10-09 | 2023-12-26 | Deere & Company | Machine control using a predictive map |
| US12250905B2 (en) | 2020-10-09 | 2025-03-18 | Deere & Company | Machine control using a predictive map |
| US11889787B2 (en) | 2020-10-09 | 2024-02-06 | Deere & Company | Predictive speed map generation and control system |
| US20220125032A1 (en) * | 2020-10-23 | 2022-04-28 | Deere & Company | System confidence display and control for mobile machines |
| US12127500B2 (en) | 2021-01-27 | 2024-10-29 | Deere & Company | Machine control using a map with regime zones |
| TR2021003997A1 (tr) * | 2021-03-01 | 2022-09-21 | Move On Teknoloji Ltd Sirketi | Otonom traktör si̇stemi̇ |
| US12250894B2 (en) | 2021-08-21 | 2025-03-18 | Deere & Company | Machine learning optimization through randomized autonomous crop planting |
| US12229886B2 (en) | 2021-10-01 | 2025-02-18 | Deere & Company | Historical crop state model, predictive crop state map generation and control system |
| US12310286B2 (en) | 2021-12-14 | 2025-05-27 | Deere & Company | Crop constituent sensing |
| US12302791B2 (en) | 2021-12-20 | 2025-05-20 | Deere & Company | Crop constituents, predictive mapping, and agricultural harvester control |
| US12245549B2 (en) | 2022-01-11 | 2025-03-11 | Deere & Company | Predictive response map generation and control system |
| US12520759B2 (en) | 2022-01-26 | 2026-01-13 | Deere & Company | Systems and methods for predicting material dynamics |
| US12082531B2 (en) | 2022-01-26 | 2024-09-10 | Deere & Company | Systems and methods for predicting material dynamics |
| CN114568077B (zh) * | 2022-02-28 | 2022-12-16 | 中国农业大学 | 一种基于动态处方图的变量播种控制系统及方法 |
| US12295288B2 (en) | 2022-04-05 | 2025-05-13 | Deere &Company | Predictive machine setting map generation and control system |
| US12058951B2 (en) | 2022-04-08 | 2024-08-13 | Deere & Company | Predictive nutrient map and control |
| US12298767B2 (en) | 2022-04-08 | 2025-05-13 | Deere & Company | Predictive material consumption map and control |
| US12582035B2 (en) | 2022-04-08 | 2026-03-24 | Deere & Company | Systems and methods for predictive power requirements and control |
| US12284934B2 (en) | 2022-04-08 | 2025-04-29 | Deere & Company | Systems and methods for predictive tractive characteristics and control |
| US12358493B2 (en) | 2022-04-08 | 2025-07-15 | Deere & Company | Systems and methods for predictive power requirements and control |
Family Cites Families (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5931882A (en) * | 1993-07-29 | 1999-08-03 | Raven Industries | Combination grid recipe and depth control system |
| US6236907B1 (en) | 1995-05-30 | 2001-05-22 | Ag-Chem Equipment Co., Inc. | System and method for creating agricultural decision and application maps for automated agricultural machines |
| US6236924B1 (en) * | 1999-06-21 | 2001-05-22 | Caterpillar Inc. | System and method for planning the operations of an agricultural machine in a field |
| BR0113436A (pt) | 2000-08-22 | 2004-12-07 | Deere & Co | Método para desenvolver um plano de administração de fazenda, sistema de administração de fazenda, e, programa de computador para gerar um plano de administração de fazenda |
| US6889620B2 (en) * | 2001-02-28 | 2005-05-10 | The Mosaic Company | Method for prescribing site-specific fertilizer application in agricultural fields |
| US6549852B2 (en) | 2001-07-13 | 2003-04-15 | Mzb Technologies, Llc | Methods and systems for managing farmland |
| RU2265298C2 (ru) * | 2003-06-16 | 2005-12-10 | Гаджимурадов Исин Мевлютович | Способ обработки земли и агромашина |
| US7725233B2 (en) | 2005-10-25 | 2010-05-25 | Deere & Company | Crop attribute map input for vehicle guidance |
| RU2295218C1 (ru) * | 2006-03-28 | 2007-03-20 | Владимир Николаевич Воронков | Система информационного обслуживания сельскохозяйственного предприятия, использующего технологию точного земледелия |
| US8319165B2 (en) | 2007-07-03 | 2012-11-27 | Holland Kyle H | Variable rate chemical management for agricultural landscapes |
| GB0920893D0 (en) * | 2009-11-27 | 2010-01-13 | Syngenta Participations Ag | Plant growth regulation |
| US20120101784A1 (en) | 2010-10-25 | 2012-04-26 | Trimble Navigation Limited | Wide-area agricultural monitoring and prediction |
| US8948976B1 (en) * | 2010-11-01 | 2015-02-03 | Seed Research Equipment Solutions, Llc | Seed research plot planter and field layout system |
| UA109920C2 (uk) * | 2010-12-08 | 2015-10-26 | Байєр Кропсайєнс Елпі | Виробничі бази, способи і пристрій для обробки насіння |
| WO2012174134A1 (en) * | 2011-06-13 | 2012-12-20 | Precision Planting, Inc. | Systems and methods for creating prescription maps and plots |
-
2015
- 2015-08-24 ES ES15757620T patent/ES2768949T3/es active Active
- 2015-08-24 HU HUE15757620A patent/HUE048686T2/hu unknown
- 2015-08-24 WO PCT/US2015/046536 patent/WO2016032956A1/en not_active Ceased
- 2015-08-24 AU AU2015306822A patent/AU2015306822B2/en not_active Ceased
- 2015-08-24 RU RU2017106281A patent/RU2699005C2/ru not_active IP Right Cessation
- 2015-08-24 BR BR112017003725A patent/BR112017003725A2/pt not_active Application Discontinuation
- 2015-08-24 EP EP15757620.8A patent/EP3185666B1/en not_active Not-in-force
- 2015-08-24 CA CA2953042A patent/CA2953042C/en active Active
- 2015-08-24 US US14/833,670 patent/US10123474B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| WO2016032956A1 (en) | 2016-03-03 |
| BR112017003725A2 (pt) | 2017-12-26 |
| AU2015306822B2 (en) | 2018-11-01 |
| EP3185666A1 (en) | 2017-07-05 |
| US20160057922A1 (en) | 2016-03-03 |
| RU2017106281A3 (es) | 2019-02-12 |
| RU2017106281A (ru) | 2018-10-01 |
| EP3185666B1 (en) | 2019-11-13 |
| AU2015306822A1 (en) | 2017-01-12 |
| RU2699005C2 (ru) | 2019-09-02 |
| CA2953042A1 (en) | 2016-03-03 |
| HUE048686T2 (hu) | 2020-08-28 |
| CA2953042C (en) | 2019-07-23 |
| US10123474B2 (en) | 2018-11-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| ES2768949T3 (es) | Sistema y procedimiento para controlar maquinaria para aleatorizar y replicar niveles de insumos agronómicos predeterminados | |
| Mandal et al. | Precision farming for small agricultural farm: Indian scenario. | |
| ES2883327T5 (es) | Planificación e implementación de medidas agrícolas | |
| KR102639478B1 (ko) | 영농 시스템 | |
| US9563848B1 (en) | Weighted multi-year yield analysis for prescription mapping in site-specific variable rate applications in precision agriculture | |
| US20200265527A1 (en) | Agronomic prescription product | |
| US12127546B2 (en) | Method for remediating developmentally delayed plants | |
| da Silva et al. | Variable-rate seeding in soybean according to soil attributes related to grain yield | |
| Albornoz et al. | A hierarchical planning scheme based on precision agriculture | |
| Kaiser et al. | Agronomic and economic impacts of gradual global warming: A preliminary analysis of midwestern crop farming | |
| Hachisuca et al. | Growing degree-hours and degree-days in two management zones for each phenological stage of wheat (Triticum aestivum L.) | |
| ES2918007T3 (es) | Procedimiento para determinar las propiedades vegetales de una planta útil | |
| Ping et al. | Site‐specific nitrogen and plant density management in irrigated maize | |
| US11089773B2 (en) | System and method for controlling machinery for randomizing and replicating predetermined argonomic input levels | |
| Aristya et al. | The Yield Gap Maize under Intensive Cropping System in Central Java | |
| Hussain et al. | Precision agriculture-Smart Farming: The future of agriculture | |
| JP7318029B2 (ja) | 営農システム | |
| Sahni et al. | Precision agriculture technologies | |
| BR102023010066A2 (pt) | Geração dinâmica de planos de tratamento experimental | |
| Esteves | Precision agriculture: a spatial econometric analysis of a portuguese maize yield | |
| Pandey et al. | Chapter-6 Site-Specific Nutrient Management for Precision Agriculture | |
| Kumar et al. | Spatializing crop models for sustainable agriculture and environment | |
| Griffin et al. | Testing appropriate on-farm trial designs and statistical methods for cotton precision farming | |
| van Versendaal Pirez | Enhancing Management Strategies for Crop Yield Improvement via Advanced Data-Informed Decisions | |
| Dainelli et al. | Development and validation of a free DSS for generating VRT fertilization maps in vineyard |