CN113038823B - 自动化样本采集和跟踪*** - Google Patents
自动化样本采集和跟踪*** Download PDFInfo
- Publication number
- CN113038823B CN113038823B CN201980072214.0A CN201980072214A CN113038823B CN 113038823 B CN113038823 B CN 113038823B CN 201980072214 A CN201980072214 A CN 201980072214A CN 113038823 B CN113038823 B CN 113038823B
- Authority
- CN
- China
- Prior art keywords
- data
- field
- sampling
- sample
- soil
- 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
- 238000005070 sampling Methods 0.000 claims abstract description 187
- 239000002689 soil Substances 0.000 claims abstract description 148
- 238000000034 method Methods 0.000 claims abstract description 128
- 238000005527 soil sampling Methods 0.000 claims abstract description 21
- 230000009418 agronomic effect Effects 0.000 claims description 74
- 238000012360 testing method Methods 0.000 claims description 47
- 238000003860 storage Methods 0.000 claims description 32
- 238000012545 processing Methods 0.000 claims description 16
- 238000013500 data storage Methods 0.000 claims description 9
- 230000002093 peripheral effect Effects 0.000 claims description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 106
- 238000007726 management method Methods 0.000 description 75
- 229910052757 nitrogen Inorganic materials 0.000 description 53
- 230000008569 process Effects 0.000 description 46
- 238000004891 communication Methods 0.000 description 28
- 230000006870 function Effects 0.000 description 24
- 238000013515 script Methods 0.000 description 21
- 238000004519 manufacturing process Methods 0.000 description 14
- 238000007781 pre-processing Methods 0.000 description 14
- 239000003337 fertilizer Substances 0.000 description 13
- 238000009499 grossing Methods 0.000 description 13
- 238000003306 harvesting Methods 0.000 description 11
- 238000005259 measurement Methods 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000004883 computer application Methods 0.000 description 10
- 230000003287 optical effect Effects 0.000 description 10
- 230000004044 response Effects 0.000 description 10
- 235000013339 cereals Nutrition 0.000 description 9
- 230000002363 herbicidal effect Effects 0.000 description 9
- 239000004009 herbicide Substances 0.000 description 9
- 238000007639 printing Methods 0.000 description 9
- 238000009313 farming Methods 0.000 description 8
- 238000003973 irrigation Methods 0.000 description 8
- 230000002262 irrigation Effects 0.000 description 8
- 239000000203 mixture Substances 0.000 description 8
- 230000001052 transient effect Effects 0.000 description 8
- 241000196324 Embryophyta Species 0.000 description 7
- 230000008859 change Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 238000013479 data entry Methods 0.000 description 7
- 238000010606 normalization Methods 0.000 description 7
- 235000015097 nutrients Nutrition 0.000 description 7
- 239000000575 pesticide Substances 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 6
- -1 date Substances 0.000 description 6
- 230000008520 organization Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 5
- 239000000969 carrier Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000036541 health Effects 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 230000037406 food intake Effects 0.000 description 4
- 239000005416 organic matter Substances 0.000 description 4
- 239000007787 solid Substances 0.000 description 4
- 238000012384 transportation and delivery Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 239000008186 active pharmaceutical agent Substances 0.000 description 3
- 238000013523 data management Methods 0.000 description 3
- 238000013499 data model Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000035558 fertility Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000012010 growth Effects 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000010899 nucleation Methods 0.000 description 3
- 238000012805 post-processing Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 239000004576 sand Substances 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 244000068988 Glycine max Species 0.000 description 2
- 235000010469 Glycine max Nutrition 0.000 description 2
- 241001124569 Lycaenidae Species 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 2
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 2
- 241000209140 Triticum Species 0.000 description 2
- 235000021307 Triticum Nutrition 0.000 description 2
- 240000008042 Zea mays Species 0.000 description 2
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 2
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 2
- 235000019647 acidic taste Nutrition 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000004927 clay Substances 0.000 description 2
- 238000005056 compaction Methods 0.000 description 2
- 235000005822 corn Nutrition 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000013079 data visualisation Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 230000005670 electromagnetic radiation Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000417 fungicide Substances 0.000 description 2
- 235000021073 macronutrients Nutrition 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000011785 micronutrient Substances 0.000 description 2
- 235000013369 micronutrients Nutrition 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 229910052698 phosphorus Inorganic materials 0.000 description 2
- 239000011574 phosphorus Substances 0.000 description 2
- 239000011591 potassium Substances 0.000 description 2
- 229910052700 potassium Inorganic materials 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 238000000275 quality assurance Methods 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000004856 soil analysis Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- ZOXJGFHDIHLPTG-UHFFFAOYSA-N Boron Chemical compound [B] ZOXJGFHDIHLPTG-UHFFFAOYSA-N 0.000 description 1
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 229910052796 boron Inorganic materials 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 239000011575 calcium Substances 0.000 description 1
- 238000005341 cation exchange Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011109 contamination 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
- 238000011157 data evaluation Methods 0.000 description 1
- 238000005202 decontamination Methods 0.000 description 1
- 230000003588 decontaminative effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 239000002274 desiccant Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000003891 environmental analysis Methods 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000000855 fungicidal effect Effects 0.000 description 1
- 238000002986 genetic algorithm method Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000618 nitrogen fertilizer Substances 0.000 description 1
- 230000014075 nitrogen utilization Effects 0.000 description 1
- 235000021049 nutrient content Nutrition 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000003334 potential effect Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000009331 sowing Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000013518 transcription Methods 0.000 description 1
- 230000035897 transcription Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
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
- A01B79/02—Methods for working soil combined with other agricultural processing, e.g. fertilising, planting
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/02—Devices for withdrawing samples
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
- G01N33/245—Earth materials for agricultural purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
- G06F3/0482—Interaction with lists of selectable items, e.g. menus
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/02—Devices for withdrawing samples
- G01N2001/021—Correlating sampling sites with geographical information, e.g. GPS
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Remote Sensing (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Environmental Sciences (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Mechanical Engineering (AREA)
- Human Resources & Organizations (AREA)
- Agronomy & Crop Science (AREA)
- Marketing (AREA)
- Soil Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Human Computer Interaction (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Investigation Of Foundation Soil And Reinforcement Of Foundation Soil By Compacting Or Drainage (AREA)
- Sampling And Sample Adjustment (AREA)
Abstract
在实施例中,公开一种计算机实现的跟踪田地中的土壤采样的方法。方法包括:通过处理器接收数字化存储的田地地图数和数字化存储的采样数据。方法还包括:通过处理器,在计算机生成的图形用户界面中,显示描绘第一组采样点的田地地图。此外,方法包括:接收第一采样点的选择,并且显示与第一采样点相关联的第一采样数据。方法还包括:接收指示在第一采样点处土壤样本已经被采集的更新。最后,方法包括:确定下一个土壤样本待在其处采集的第二采样点,并在田地地图中显示第二采样点。
Description
版权通知
技术领域
本公开涉及农业采样技术领域。本公开更具体地涉及计算机实现的土壤样本采集操作以使样本测试和订购过程自动化的技术领域。另一技术领域是通过简化采集过程来对土壤样本数据进行质量控制和质量保证。
背景技术
本部分中描述的方法是可以采用的方法,但不一定是先前已经设想或采用的方法。因此,除非另有说明,否则不应仅由于将本部分中所述的任何方法包括在本部分中而将它们认为是现有技术。
通过提供诸如pH值、酸度、大量营养物或微量营养物的物理特征,土壤采样可以帮助改善作物田地的健康并优化作物产量。土壤采样和测试通常通过手动标识采样网格、手动跟踪土壤核心的采集、手动完成实验室订单并将土壤样本发送到测试设施来进行。因此,现有方法不能提高样本的一致性和土壤数据的准确记录。因此,可能期望用于采集和跟踪土壤样本的简化且自动化的方法和***。
发明内容
所附权利要求可以用作本公开的发明内容。
附图说明
在附图中:
图1示出了示例计算机***,该计算机***被配置为执行本文的功能,计算机***在田地环境中与该***可以与之交互的其他设备一起示出。
图2示出了当示例移动应用被加载以用于执行时在主存储器中的指令集的示例逻辑组织的两个视图。
图3示出了编程过程,通过该编程过程,农业智能计算机***使用由一个或多个数据源提供的农学数据来生成一个或多个预先配置的农学模型。
图4是示出了可以在其上实现本发明的实施例的计算机***的框图。
图5描绘了用于数据输入的时间线视图的示例实施例。
图6描绘了用于数据输入的电子表格视图的示例实施例。
图7示出了用于自动进行土壤采样和跟踪田地土壤采样的示例过程。
图8A、图8B和图8C是示例计算机生成的图形用户界面的被配置为创建土壤采样的订单的屏幕快照。
图9A、图9B、图9C和图9D是示例计算机生成的图形用户界面的用于土壤采样的屏幕快照。
图10A、图10B、图10C和图10D是示例计算机生成的图形用户界面的用于组织采样和物候学采样的屏幕快照。
图11是示例计算机生成的图形用户界面的被配置为生成用于土壤样本和采样数据的标签的屏幕快照。
具体实现方式
在以下描述中,出于说明的目的,阐述了许多具体细节,以便提供对本公开的透彻理解。然而,将显而易见的是,可以在没有这些具体细节的情况下实践实施例。在其他实例中,以框图形式示出了公知的结构和设备,以避免不必要地使本公开变得晦涩。根据以下概述,在各部分中公开了实施例:
1.总体概述
2.示例农业智能计算机***
2.1.结构概述
2.2.应用程序概述
2.3.对计算机***的数据摄取
2.4.过程概述——农业模型训练
2.5.实现示例——硬件概述
3功能说明
3.1示例程序
4示例计算机生成的图形用户界面
4.1生成土壤样本的订单和标识田地
4.2土壤采样
4.3组织采样和物候采样
4.4根据采样数据生成标签
5扩展方案和替代方案
5.1规范化或加权农学特性值
5.2选择采样位置
5.3选择采样位置的替代过程
5.4基于产量地图、土壤图、地形图和卫星数据标识管理区域的管理区域
5.5.建立管理区域的管道
1.总体概述
在各个实施例中,公开了一种用于自动进行土壤采样和跟踪采集以进行准确的土壤分析的采样***、方法或计算机程序产品。样本跟踪***被配置为从第一数据存储器接收数字化存储的田地地图数据,并从第二数据存储器接收数字化存储的采样数据。样本跟踪***被编程为在计算机生成的图形用户界面中显示包括第一组采样点的田地地图。更具体地,将第一组采样点的每个采样点分配给与对应的地理坐标相关联的田地地图中的对应部分。
接下来,样本跟踪***被编程为接收从第一组采样点中对第一采样点的选择。接收到选择后,显示第一采样点的第一采样数据。第一采样数据包括农业特性集和订单数据集。当采集者完成土壤采样时,可以接收指示已在第一采样点处采集土壤样本的更新。
在一些实施例中,样本跟踪***被配置为基于用于田地地图的采样协议来确定待采集下一个土壤样本的第二采样点。在另一实施例中,样本跟踪***可以基于第一组采样点的地理坐标来确定第二采样点。样本跟踪***还被编程为使用与田地地图中的第一采样点相比在视觉上不同的属性来显示第二采样点。
样本跟踪***具有许多技术优势。首先,样本跟踪***为田地观察提供统一的结构化流程,从而确保样本数据的质量保证和质量控制。其次,样本跟踪***因为其将数据简化回到中央数据库并标准化分类变量而具有高度可扩展性。第三,采样跟踪***通过提供统一的单元测量和可靠且一致的模板,解决数据不规则问题并自动记录田地样本的采集。
2.示例农业智能计算机***
2.1结构概述
图1示出了示例计算机***,该计算机***被配置为执行本文该的功能,计算机***在田地环境中与该***可以与之交互的其他设备一起示出。在一个实施例中,用户102拥有、操作或控制在田地位置中或与田地位置相关联的田地管理器计算设备104,该田地位置为与诸如旨在用于农业活动的田地或用于一个或多个农田的管理位置。田地管理器计算机设备104被编程或配置为经由一个或多个网络109向农业智能计算机***130提供田地数据106。
田地数据106的示例包括:(a)标识数据(例如,面积、田地名称、田地标识符、地理标识符、边界标识符、农作物标识符以及可用于标识农田的任何其他合适的数据,例如公共土地单元(CLU)、地段和地块编号、宗地编号、地理坐标和边界、农场编号(FSN)、农场编号、地段编号、田地编号、区域、乡镇和/或范围)、(b)收获数据(例如,作物类型、作物品种、作物轮换、是否以有机方式种植作物、收获日期、实际生产历史(APH)、预期产量、产量、作物价格、作物收入、谷物水分、耕作实践以及先前的生长季节信息)、(c)土壤数据(例如,类型、组成、pH、有机质(OM)、阳离子交换容量(CEC))、(d)种植数据(例如,种植日期、种子类型、植物种子的相对成熟度(RM)、种子种群)、(e)肥料数据(例如,养分类型(氮、磷、钾)、施用类型、施用日期、数量、来源、方法)、(f)化学施用数据(例如,意图用于植物调节剂、脱叶剂或干燥剂、施用日期、数量、来源、方法的农药、除草剂、杀真菌剂、其他物质或物质混合物)、(g)灌溉数据(例如,施用日期、数量、来源、方法)、(h)天气数据(例如,降水、降雨率、预测降雨、水径流区域、温度、风、预测、压力、能见度、云、热指数、露点、湿度、雪深、空气质量、日出、日落)、(i)图像数据(例如,来自农业设备传感器、相机、计算机、智能手机、平板计算机、无人驾驶飞机、飞机或卫星的图像和光谱信息)、(j)监视观察(照片、视频、自由形式记录、录音、语音转录、天气条件(温度、沉淀离子(当前和长期)、土壤湿度、作物生长阶段、风速、相对湿度、露点、黑层)以及(k)土壤、种子、作物物候、病虫害报告及预测来源和数据库。
数据服务器计算机108通信地耦合到农业智能计算机***130,并且被编程或配置为经由网络109将外部数据110发送到农业智能计算机***130。外部数据服务器计算机108可以被与农业智能计算机***130相同的法人或实体拥有或操作,或被诸如政府机构、非政府组织(NGO)和/或私人数据服务提供商的不同人或实体拥有或操作。外部数据的示例包括天气数据、图像数据、土壤数据或与农作物产量相关的统计数据等。外部数据110可以包括与田地数据106相同类型的信息。在一些实施例中,外部数据110被拥有和/或操作农业智能计算机***130的同一实体所拥有的外部数据服务器108提供。例如,农业智能计算机***130可以包括专门专用于可能从第三方源获得的数据类型的数据服务器,例如天气数据。在一些实施例中,外部数据服务器108实际上可以被并入***130内。
农业设备111可以具有固定在其上的一个或多个远程传感器112,该远程传感器经由农业设备111直接或间接地通信耦合到农业智能计算机***130,并且被编程或配置为将传感器数据发送到农业智能计算机***130。农业设备111的示例包括拖拉机、联合收割机、收割机、播种机、卡车、化肥设备、包括无人驾驶飞行器的飞行器以及任何其他物理机械或硬件(通常为移动机械),并且可以用于与农业有关的任务。在一些实施例中,设备111的单个单元可以包括在设备上的网络中本地耦合的多个传感器112;控制器局域网(CAN)是可以安装在联合收割机、收割机、喷雾器和中耕机中的这样的网络的示例。应用控制器114经由网络109通信地耦合到农业智能计算机***130,并且被编程或配置为从农业智能计算机***130接收用于控制农业车辆的操作参数或实现的一个或多个脚本。例如,控制器区域网络(CAN)总线接口可用于启用从农业智能计算机***130到农业设备111的通信,例如,如何使用从加利福尼亚州旧金山的Climate(克莱米特)公司获得的CLIMATE FIELD VIEW DRIVE。传感器数据可以包括与田地数据106相同类型的信息。在一些实施例中,远程传感器112可以不固定到农业设备111,而是可以远程放置在田地中,并且可以与网络109通信。
设备111可以包括编程有驾驶室应用程序的驾驶室计算机115,该驾驶室计算机可以包括用于设备104的移动应用程序的版本或变体,其在本文的其他部分中将进一步描述。在一个实施例中,驾驶室计算机115包括紧凑型计算机,通常是平板计算机或智能手机,其具有安装在设备111的驾驶室内的图形屏幕显示器,例如彩色显示器。驾驶室计算机115可以实现本文中针对移动计算机设备104进一步描述的一些或全部操作和功能。
网络109广泛地表示使用有线或无线链路(包括地面或卫星链路)中的任何一个的包括局域网、广域网、互联网络或互联网的一个或多个数据通信网络的任何组合。网络可以通过提供图1的各个元件之间的数据交换的任何介质或机制来实现。图1的各个元件还可以具有直接(有线或无线)通信链路。传感器112、控制器114、外部数据服务器计算机108和***的其他元件均包括与网络109兼容的接口,并且被编程或配置为使用标准化协议,以用于跨网络的通信,例如TCP/IP、蓝牙、CAN协议以及诸如HTTP、TLS等的更高层的协议。
农业智能计算机***130被编程或配置为从田地管理器计算设备104接收田地数据106、从外部数据服务器计算机108接收外部数据110以及从远程传感器112接收传感器数据。农业智能计算机***130可以进一步配置为以本公开的其他部分中进一步描述的方式托管、使用或执行一个或多个计算机程序、其他软件元件、诸如FPGA或ASIC的数字编程逻辑或其任意组合,以执行数据值的转换和存储、在一个或多个田地上构建一个或多个农作物的数字模型、推荐和通知的生成以及脚本的生成和向应用控制器114的发送。
在实施例中,农业智能计算机***130被编程有或包括通信层132、表示层134、数据管理层140、硬件/虚拟化层150以及模型和田地数据存储库160。在本文中,“层”是指电子数字接口电路、微控制、例如驱动器的固件和/或计算机程序或其他软件元件的任意组合。
通信层132可以被编程或配置为执行输入/输出接口功能,该输入/输出接口功能包括分别向田地管理器计算设备104、外部数据服务器计算机108和远程传感器112发送对田地数据、外部数据和传感器数据的请求。通信层132可以被编程或配置为将接收的数据发送到模型和田地数据存储库160以存储为田地数据106。
在实施例中,农业智能计算机***130被编程有或包括代码指令180。例如,代码指令180可以包括数据接收指令182,该数据接收指令被编程为通过网络109接收包括田地数据、采样数据和产量数据的电子数字数据。代码指令180还可以包括:数据处理指令183,该数据处理指令被编程为对接收的田地数据、采样数据和产量数据进行预处理;数据平滑指令184,该数据平滑指令被编程为平滑预处理的田地数据、采样数据和产量数据;数据描绘指令187,该数据描绘指令被编程为描绘管理区域(例如,部分)和采样点;后处理指令186,该后处理指令被编程为对划定的管理区域和采样点进行后处理;数据比较指令185,该数据比较指令被编程为比较采样点和后处理的管理区域;和其他检测指令188。
表示层134可以被编程或配置为生成待在田地管理器计算设备104、驾驶室计算机115或通过网络109耦合到***130的其他计算机上显示的图形用户界面(GUI)。GUI可包括用于输入待发送到农业智能计算机***130的数据、生成对模型和/或推荐的请求和/或显示推荐、通知、模型和其他田地数据的控件。
数据管理层140可以被编程或配置为管理涉及存储库160和***其他功能元件的读取操作和写入操作,包括***的功能元件和存储库之间传递的查询和结果集。数据管理层140的示例包括JDBC、SQL服务器接口代码和/或HADOOP接口代码等。存储库160可以包括数据库。如本文所使用的,术语“数据库”可以指数据主体、关系数据库管理***(RDBMS)或两者。如本文所使用的,数据库可以包括数据的任何集合,该集合包括分层数据库、关系数据库、平面文件数据库、对象关系数据库、面向对象的数据库、分布式数据库以及存储在计算机***中的记录或数据的任何其他结构化集合。RDBMS的示例包括但不限于MYSQL、/>SERVER、/>和POSTGRESQL数据库。然而,可以使用启用本文该的***和方法的任何数据库。
当不经由一个或多个农业机械或与农业智能计算机***交互的农业机械设备直接向农业智能计算机***提供田地数据106时,可以经由用户设备上的一个或多个用户界面提示用户(通过农业智能计算机***服务),以输入这样的信息。在示例实施例中,用户可以通过访问用户设备(通过农业智能计算机***服务)上的地图并选择已经在地图上以图形方式示出的特定CLU来指定标识数据。在替代实施例中,用户102可以通过访问用户设备上的地图(通过农业智能计算机***130服务)并在该地图上绘制田地边界来指定标识数据。这样的CLU选择或地图图片表示地理标识符。在替代实施例中,用户可以通过经由用户设备访问来自美国农业部农业服务局或其他来源的田地标识数据(以形状文件或类似格式提供)来指定标识数据,并将这样的田地标识数据提供给农业智能计算机***。
在示例实施例中,农业智能计算机***130被编程为生成并引起显示包括用于数据输入的数据管理器的图形用户界面。在一个或多个田地已被使用上文描述的方法标识后,数据管理器可以提供一个或多个图形用户界面小窗口,当该图形用户界面小窗口被选择时,可以标识田地、土壤、农作物、耕作、或营养物的变化。数据管理器可以包括时间线视图、电子表格视图和/或一个或多个可编辑程序。
图5描绘了用于数据输入的时间线视图的示例实施例。使用图5中所描绘的显示,用户计算机可以输入对特定田地和特定日期的选择以添加事件。时间轴的顶部描绘的事件可包括氮、种植、实践和土壤。为了添加氮施用事件,用户计算机可以提供输入以选择氮标签。然后,用户计算机可以为特定田地选择时间轴上的位置,以指示氮在所选择的田地上施加。响应于接收对特定田地的时间轴上的位置的选择,数据管理器可以显示数据输入叠加,从而允许用户计算机输入与氮施用、种植程序、土壤施用、耕作程序、灌溉实践或与特定田地有关的其他信息有关的数据。例如,如果用户计算机选择时间线的一部分并指示氮的施用,则数据输入叠加可包括用于输入氮施用量、施用日期、使用的肥料类型以及与氮的施用有关的任何其他信息。
在一些实施例中,数据管理器提供用于创建一个或多个程序的界面。在本文中,“程序”是指与氮施用、种植程序、土壤施用、耕作程序、灌溉实践或可能与一个或多个田地相关的其他信息有关的数据集,这些数据可以存储在数字数据存储器中,以用于在其他操作中作为一组重复使用。在创建程序之后,可以在概念上将其应用于一个或多个田地,并且可以将该程序的引用与标识这些田地的数据相关联地存储在数字化存储器中。因此,代替手动输入与针对多个不同田地的相同氮施用有关的相同数据,用户计算机可以创建指示氮的特定施用的程序,然后将该程序应用于多个不同田地。例如,在图5的时间线视图中,顶部的两个时间轴已选择“春季施用”程序,其包括在4月初施加150lbs N/ac。数据管理器可以提供用于编辑程序的界面。在实施例中,当编辑特定程序时,选择特定程序的每个田地被编辑。例如,在图5中,如果编辑“春季施用”程序以将氮的施加减少到130lbs N/ac,则可以基于编辑的程序以减少的氮的施加来更新前两个田地。
在实施例中,响应于接收对具有所选择的程序的田地的编辑,数据管理器移除该田地与所选择的程序的对应关系。例如,如果在图5中的顶部田地中增加氮的施用,则界面可以更新,以指示“春季施用”程序不再被应用于顶部田地。尽管可能会保留4月初的氮施用,但“春季施用”程序的更新不会改变四月的氮施用。
图6描绘了用于数据输入的电子表格视图的示例实施例。使用图6中所示的显示,用户可以创建和编辑用于一个或多个田地的信息。如图6中描绘的,数据管理器可以包括用于输入关于氮、种植、实践和土壤的信息的电子表格。为了编辑特定输入,用户计算机可以在电子表格中选择特定输入并更新值。例如,图6描绘了对第二田地的目标产量值的正在进行的更新。另外,用户计算机可以选择一个或多个田地,以应用一个或多个程序。响应于接收针对特定田地的程序的选择,数据管理器可以基于所选择的程序自动完成针对特定田地的输入。与时间线视图一样,数据管理器可以响应于接收对程序的更新来更新与特定程序相关联的每个田地的输入。另外,数据管理器可以响应于接收对该田地的输入中的一个的编辑而删除所选择的程序与该田地的对应关系。
在实施例中,模型和田地数据存储在模型和田地数据存储库160中。模型数据包括为一个或多个田地创建的数据模型。例如,农作物模型可以包括一个或多个田地上的农作物发育的数字构建模型。在本文中,“模型”是指彼此相关联的电子数字化存储的可执行指令和数据值集,该可执行指令和数据值能够接收并响应于程序或其他数字调用、调取或基于指定的输入值的解析请求,以产生一个或多个存储或计算的输出值,该输出值可以用作计算机实现的推荐、输出数据显示或机器控制等的基础。本领域技术人员发现使用数学方程式来表达模型是方便的,但是这种表达形式并不将本文所公开的模型局限于抽象概念;代替地,本文中的每个模型以存储的可执行指令和数据的形式在计算机中具有实际应用,该可执行指令和数据使用计算机来实现模型。模型可以包括一个或多个田地上的过去事件的模型、一个或多个田地的当前状态的模型和/或一个或多个田地的预测事件的模型。模型和田地数据可以存储在存储器中的数据结构中、数据库表中的行中、平面文件或电子表格中或其他形式的存储数字数据中。
在实施例中,农业智能计算机***130编程有或包括采样服务器(“服务器”)170。服务器170还被配置为包括位置选择模块174和客户端接口176。位置选择模块174被配置为选择用于验证建模结果的位置。选择的位置可以取决于建模需求。位置选择模块174还可以被配置为评估所选择的位置。客户端接口176被配置为通过通信层132通过通信网络与诸如田地管理器计算设备104或驾驶室计算机115的客户端设备进行通信。通信可包括接收诸如田地数据、模型数据或用户目标的输入数据,并发送诸如有关所选位置的信息的输出数据。客户端接口176还可以被配置为与开发或维护农业建模工具的显示设备或远程***通信。
服务器170的每个组件在农业智能计算机***130中包括一组一个或多个页面的诸如RAM的主存储器,可执行指令已加载到该主存储器中,并且在执行时使农业智能计算***执行参考这些模块的本文该的功能或操作。例如,位置选择模块174可以包括RAM中的一组页面,该页面包含指令,该指令在被执行时实现执行本文该的位置选择功能。指令可以在CPU指令集中的机器可执行代码中,并且可以基于以JAVA、C、C++、OBJECTIVE-C或任何其他人类可读编程语言或环境编写的源代码进行编译,单独或与JAVASCRIPT中的脚本、其他脚本语言和其他编程源文本结合使用。术语“页面”旨在广义地指代主存储器内的任何区域,并且***中使用的特定术语可以根据存储器架构或处理器架构而变化。在另一实施例中,服务器170的每个组件还可以表示一个或多个源代码文件或项目,该源代码文件或项目被数字化存储在农业智能计算机***130或单独的存储库***中的诸如非易失性RAM或磁盘存储器的大容量存储设备中,其在被编译或解释时实现可执行的指令,在执行该指令时,农业智能计算***将执行参照这些模块的本文该的功能或操作。换句话说,附图可以表示程序员或软件开发人员组织和安排源代码,以将其编译为可执行文件、或解释为字节码或等效代码的方式,以供以后通过农业智能计算机***130执行。
硬件/虚拟化层150包括一个或多个中央处理单元(CPU)、存储器控制器以及计算机***的其他设备、组件或元件,例如易失性或非易失性存储器、非易失性存储器(例如磁盘)以及例如结合图4所示和描述的I/O设备或接口。层150还可以包括被配置为支持虚拟化、容器化或其他技术的编程指令。
为了说明清楚的示例,图1示出了特定功能元件的有限数量的实例。然而,在其他实施例中,可以有任何数量的这样的元件。例如,实施例可以使用与不同用户相关联的数千或数百万个不同移动计算设备104。此外,***130和/或外部数据服务器计算机108可以使用两个或更多个处理器、核、群集或物理机或虚拟机的实例来实现,其被配置在离散位置中或在数据中心、共享计算工具或云计算工具中与其他元件共置一处。
2.2.应用程序概述
在实施例中,使用被加载到一个或多个通用计算机中并使用一个或多个通用计算机执行的一个或多个计算机程序或其他软件元件来实现本文该的功能,将使得通用计算机被配置为特别适合执行本文该的功能的特定机器或计算机。此外,本文进一步描述的每个流程图可以单独地或与本文中的过程和功能的描述结合地用作算法、计划或方向,该算法、计划或方向可以用于对计算机或逻辑进行编程以实现所描述的功能。换句话说,本文中的所有文本以及所有附图一起旨在提供:与适合此类发明和公开内容的技能水平的这样的人员的技能和知识相结合,足以允许技术人员对计算机进行编程以执行本文中所描述的功能的算法、计划或方向的公开内容。
在实施例中,用户102使用配置有操作***和一个或多个应用程序或app的田地管理器计算设备104与农业智能计算机***130交互;田地管理器计算设备104还可以在程序控制或逻辑控制下独立且自动地与农业智能计算机***进行互操作,并且并不总是需要直接的用户交互。田地管理器计算设备104广泛地表示智能手机、PDA、平板计算机计算设备、膝上计算机、台式计算机、工作站或任何其他能够发送和接收信息并执行本文该功能的计算设备。田地管理器计算设备104可以使用存储在田地管理器计算设备104上的移动应用程序经由网络进行通信,并且在一些实施例中,设备可以使用电缆113或连接器耦合到传感器112和/或控制器114。特定用户102可以一次拥有、操作或执行和使用与***130相关联的超过一个的田地管理器计算设备104。
移动应用可以经由网络向一个或多个移动计算设备提供客户端功能。在示例实施例中,田地管理器计算设备104可以经由网络浏览器或本地客户端应用或app访问移动应用程序。田地管理器计算设备104可以使用诸如HTTP、XML和/或JSON的基于网络的协议或格式或专用于app的协议向一个或多个前端服务器发送数据以及从一个或多个前端服务器接收数据。在示例实施例中,数据可以采取请求的形式,用户信息向移动计算设备中输入诸如田地数据。在一些实施例中,移动应用程序与田地管理器计算设备104上的位置跟踪硬件和软件进行交互,该位置跟踪硬件和软件使用诸如多边无线电信号、全球定位***(GPS)、WiFi定位***或其他移动定位方法的标准跟踪技术来确定田地管理器计算设备104的位置。在一些情况下,可以通过查询设备的操作***或通过请求设备上的app以从操作***获得数据,来获得与设备104、用户102和/或用户账户相关联的位置数据或其他数据
在实施例中,田地管理器计算设备104将田地数据106发送到农业智能计算机***130,该农业智能计算机***包括或具有但不限于表示以下项中的一个或多个的数据值:一个或多个田地的地理位置、一个或多个田地的耕作信息、一个或多个田地中种植的作物以及从一个或多个田地中提取的土壤数据。田地管理器计算设备104可以响应于来自用户102的用户输入来发送田地数据106,该用户输入指定一个或多个田地的数据值。另外,当一个或多个数据值变得可用于田地管理器计算设备104时,田地管理器计算设备104可以自动发送田地数据106。例如,田地管理器计算设备104可以通信地耦合到远程传感器112和/或包括灌溉传感器和/或灌溉控制器的应用控制器114。响应于接收到指示应用控制器114将水释放到一个或多个田地上的数据,田地管理器计算设备104可将指示水在一个或多个田地上被释放的田地数据106发送到农业智能计算机***130。可以使用电子数字数据来输入和传送在本公开中标识的田地数据106,该电子数字数据通过HTTP或另一合适的通信或消息收发协议使用通过参数化的URL在计算设备之间进行通信。
移动应用程序的商业示例是CLIMATE FIELD VIEW,可从加利福尼亚州旧金山的Climate(可莱米特)公司商购。CLIMATE FIELD VIEW应用程序或其他应用程序可以进行修改、扩展或调整,以包括尚未在本公开的申请日之前公开的特征、功能和程序。在一个实施例中,移动应用程序包括集成的软件平台,该平台允许种植者为他们的操作做出基于事实的决定,这是因为平台结合了有关种植者田地的历史数据与种植者希望比较的任何其他数据。组合和比较可以实时进行,并且基于科学模型,该科学模型提供可能的情景,使种植者可以做出更好、更明智的决定。
图2示出了当示例移动应用程序被加载以执行时在主存储器中的指令集的示例逻辑组织的两个视图。在图2中,每个命名的元件表示RAM或其他主存储器的一个或多个页面的区域、或磁盘存储器或其他非易失性存储器的一个或多个块的区域、以及这些区域内的编程指令。在一个实施例中,在视图(a)中,移动计算机应用程序200包括账户-田地-数据摄取-共享指令202、概览和警报指令204、数字地图册指令206、种子和种植指令208、氮指令210、天气指令212、田地健康指令214和性能指令216。
在一个实施例中,移动计算机应用程序200包括账户、田地、数据摄取、共享指令202,其被编程为经由手动上传或API从第三方***接收、翻译和摄取田地数据。数据类型可包括田地边界、产量地图、种植图、土壤测试结果、应用图和/或管理区等。数据格式可以包括形状文件、第三方的本机数据格式和/或农场管理信息***(FMIS)导出等。接收数据可以经由手动上传、带有附件的电子邮件、将数据推送到移动应用程序的外部API或调用外部***的API来将数据拉入移动应用程序的指令来发生。在一个实施例中,移动计算机应用程序200包括数据收件箱。响应于接收到对数据收件箱的选择,移动计算机应用程序200可以显示用于手动上传数据文件并将上传的文件导入数据管理器的图形用户界面。
在一个实施例中,数字地图册指令206包括存储在设备存储器中的田地地图数据层,并编程有数据可视化工具和地理空间田地注释。这为种植者提供了方便的信息,可供参考,从而记录和对田地表现的直观见解。在一个实施例中,概览和警报指令204被编程为提供对种植者重要的内容的全操作视图,并提供及时的建议以采取行动或集中于特定问题。这样可使种植者将时间集中在需要注意的地方,以节省时间并在整个季节保持产量。在一个实施例中,种子和种植指令208被编程为基于科学模型和经验数据提供用于种子选择、混合放置和脚本创建的工具,该脚本创建包括可变速率(VR)脚本创建。这使种植者可以通过优化种子购买、安置和种群数量来最大限度地提高产量或投资回报率。
在一个实施例中,脚本生成指令205被编程为提供用于生成脚本的界面,该脚本包括可变速率(VR)肥力脚本。界面使种植者能够为田地实现创建脚本,诸如养分施用、种植和灌溉。例如,种植脚本界面可以包括用于标识用于种植的种子类型的工具。在接收到对种子类型的选择之后,移动计算机应用程序200可以显示被划分为管理区域的一个或多个田地,诸如作为数字地图册指令206的一部分而创建的田地地图数据层。在一个实施例中,管理区域包括土壤区域以及标识每个土壤区域的面板以及每个区域的土壤名称、质地、排水情况或其他田地数据。移动计算机应用程序200还可以在一个或多个田地的地图上显示用于编辑或创建的工具,例如用于绘制管理区域(诸如土壤区域)的图形工具。种植过程可以应用于所有管理区域,或者不同的种植过程可以应用于管理区域的不同子集。当创建脚本时,移动计算机应用程序200可以使脚本可用于以应用程序控制器可读的格式下载,例如存档或压缩格式。另外,和/或可替代地,脚本可以从移动计算机应用程序200直接发送到驾驶室计算机115和/或上载到一个或多个数据服务器并存储以供进一步使用。
在一个实施例中,氮指令210被编程为提供工具,以通过可视化农作物的氮利用率来告知氮的决策。通过优化季节期间的氮施用,这使种植者能够最大程度地提高产量或投资回报。示例的编程功能包括显示图像(诸如SSURGO图像),以启用肥料施用区域的绘制和/或从子田地土壤数据(诸如从传感器获得的数据)生成的图像,所显示图像具有高空间分辨率(取决于传感器的接近度和分辨率,可达到毫米或更小);上传现有的种植者定义的区域;提供植物养分利用率的图表和/或地图,以调节跨多个区域的氮施用;输出脚本,以驱动机械;用于海量数据输入和调整的工具;和/或用于数据可视化的地图等。在这种情况下,“大量数据输入”可能意味着一次输入数据,然后将相同的数据应用于***中已定义的多个田地和/或区域;示例数据可以包括对于相同种植者的许多田地和/或区域相同的氮施用数据,但是这样的海量数据输入适用于将任何类型的田地数据输入到移动计算机应用200中。例如,氮指令210可以被编程为接受氮施用和实践程序的定义,并接受指定跨多个领域应用那些程序的用户输入。在本文中,“氮施用程序”是指与以下内容相关联的已存储的命名数据集:名称、颜色代码或其他标识符、一个或多个施用日期、每个日期和数量的材料或产品类型、诸如注射或广播的施用或掺入的方法和/或作为施用对象的日期、作物或杂交物中的每个的施用量或施用率等。在本文中,“氮实践计划”指的是与以下内容相关联的已存储的命名数据集:实践名称;以前的作物;耕作***;主要耕作日期;使用过的一个或多个以前的耕作***;使用了一各个或多个施用类型的指标,例如肥料。氮指令210也可以被编程为生成并实现显示氮图,该氮图指示工厂对指定氮的使用的预测以及是否预测了过量或不足;在一些实施例中,不同的颜色指示符可以表示剩余量或不足量。在一个实施例中,氮图包括计算机显示设备中的图形显示,该计算机显示设备包括多行,每行与一个田地相关联并标识一个田地;指定田地种植哪种农作物、田地大小、田地位置以及田地周长的图形表示的数据;在每行中,每个月有一个时间线,带有图形指示符,用于指定与月份名称相关的每个氮施用量和施用点的数量;以及盈余或短缺的数字和/或彩色指示符,其中颜色指示大小。
在一个实施例中,氮图可以包括一个或多个用户输入特征,例如刻度盘或滑动条,以动态地改变氮的种植和实践程序,从而用户可以优化其氮图。然后,用户可以使用其优化的氮图以及相关的氮种植和实践程序来实现一个或多个脚本,该脚本包括可变速率(VR)生育力脚本。氮指令210也可以被编程为生成并实现显示氮图,该氮图指示工厂对指定氮的使用的预测以及是否预测了过量或不足;在一些实施例中,不同的颜色指示符可以表示盈余量或短缺量。氮图可以使用盈余或短缺的数字和/或彩色指示符显示特定氮的工厂使用的预测以及过去和未来的不同时间(例如每天、每周、每月或每年)是否预测有盈余或短缺,其中颜色指示大小。在一个实施例中,氮图可以包括一个或多个用户输入特征,例如刻度盘或滑动条,以动态地改变氮种植和实践程序,使得用户可以优化其氮图,例如以获得盈余到短缺的优选量。然后,用户可以使用其优化的氮图以及相关的氮种植和实践程序来实现一个或多个脚本,该脚本包括可变速率(VR)生育力脚本。在其他实施例中,与氮指令210相似的指令可以用于其他营养物(例如,磷和钾)的施用、农药的施用以及灌溉程序。
在一个实施例中,天气指令212被编程为提供特定领域的最近天气数据和天气预报信息。这使种植者可以节省时间,并在日常操作决策方面具有高效的集成显示。
在一个实施例中,田地健康指令214被编程为提供及时的遥感图像,从而突出显示季节作物变化和潜在问题。示例编程功能包括云检查,以标识可能的云或云阴影;基于田地图像确定氮指数;监视层的图形可视化,包括例如与田地健康有关的层,以及查看和/或共享监视注释;和/或从多个来源下载卫星图像,并为种植者确定图像的优先级等。
在一个实施例中,性能指令216被编程为使用农场数据进行评估、洞察和决策,以提供报告、分析和洞察工具。这使种植者能够通过基于事实的结论(为何投资回报率处于先前水平)以及对产量限制因素的洞察,来寻求来年改善的结果。性能指令216可以被编程为经由网络109与在农业智能计算机***130和/或外部数据服务器计算机108处执行的后端分析程序通信,并且被配置为分析诸如产量、产量差异、混合的度量、人口、SSURGO区域、土壤测试属性或海拔等。程序化报告和分析可包括产量可变性分析、处理效果估计、基于从许多种植者处采集的匿名数据或种子和种植数据等对其他种植者的产量基准和其他指标对其他种植者的基准。
具有以此方式配置的指令的应用可以针对不同的计算设备平台来实现,同时保持相同的一般用户界面外观。例如,移动应用程序可以被编程为在使用客户端计算机上的浏览器访问的平板计算机、智能手机或服务器计算机上执行。此外,为平板计算机或智能电话配置的移动应用程序可以提供适合于驾驶室计算机115的显示和处理能力的完整的应用程序体验或驾驶室应用程序体验。例如,现参照图2的(b),在一个实施例中,驾驶室计算机应用程序220可以包括地图-驾驶室指令222、远程视图指令224、数据采集和发送指令226、机器警报指令228、脚本传输指令230和监视-驾驶室指令232。用于视图(b)的指令的代码库可与用于视图(a)的指令的代码库相同,并且实现代码的可执行文件可以被编程为检测它们在其上执行的平台的类型,并通过图形用户界面仅公开适用于驾驶室平台或完整平台的那些功能。这种方法使***能够标识出适用于驾驶室内环境和驾驶室不同技术环境的截然不同的用户体验。地图驾驶室指令222可以被编程为提供对指导机器操作有用的田地、农场或地区的地图视图。远程查看指令224可以被编程为实时地、接近实时地经由无线网络、有线连接器或适配器等连接到***130的其他计算设备打开、管理并提供机器视图。数据采集和发送指令226可以被编程为经由无线网络、有线连接器或适配器等开启、管理和提供在传感器和控制器处采集的数据并将其发送到***130。机器警报指令228可以被编程为检测与驾驶室相关的机器或工具的操作问题并产生操作者警报。脚本发送指令230可以被配置为以指令脚本的形式发送,该指令脚本被配置为指导机器操作或数据的采集。监视驾驶室指令232可以被编程为基于田地管理器计算设备104、农业设备111或传感器112在田地中的位置来显示从***130接收的基于位置的警报和信息,并且摄取、管理和基于农业设备111或传感器112在田地的位置,将基于位置的监视观察结果传送到***130。
2.3.对计算机***的数据摄取
在实施例中,外部数据服务器计算机108存储外部数据110,该外部数据包括表示一个或多个田地的土壤成分的土壤数据和表示一个或多个田地的温度和降水的天气数据。天气数据可以包括过去和当前的天气数据以及对未来天气数据的预测。在实施例中,外部数据服务器计算机108包括通过不同实体托管的多个服务器。例如,第一服务器可以包含土壤成分数据,而第二服务器可以包括天气数据。另外,土壤成分数据可以存储在多个服务器中。例如,一个服务器可以存储表示土壤中的沙子、淤泥和粘土的百分比的数据,而第二服务器可以存储表示土壤中的有机物质(OM)的百分比的数据。
在实施例中,远程传感器112包括被编程或配置为产生一个或多个观察结果的一个或多个传感器。远程传感器112可以是空中传感器,诸如卫星、车辆传感器、种植设备传感器、耕作传感器、肥料或杀虫剂施用传感器、收割机传感器以及能够从一个或多个田地接收数据的任何其他工具。在实施例中,应用控制器114被编程或配置为从农业智能计算机***130接收指令。应用控制器114也可以被编程或配置为控制农业车辆或工具的操作参数。例如,应用控制器可以被编程或配置为控制诸如拖拉机、种植设备、耕种设备、肥料或杀虫剂设备、收割机设备或诸如水阀的其他农具的车辆的操作参数。其他实施例可以使用传感器和控制器的任何组合,以下仅仅是选择的示例。
***130可以在用户102的控制下,从大量将数据贡献给共享数据库***的种植者获得或摄取数据。当请求或触发一个或多个用户控制的计算机操作,以获得供***130使用的数据时,这种形式的获得数据可以称为“手动数据摄取”。作为示例,可以操作从加利福尼亚州旧金山的Climate(克莱米特)公司商购的CLIMATE FIELDVIEW应用程序,将数据导出到***130,以用于存储在存储库160中。
例如,种子监控器***既可以控制播种机设备组件并获得包括经由信号线束从种子传感器获得的信号的种植数据,该信号线束包括CAN主干网和用于注册和/或诊断的点对点连接。种子监控器***可以被编程或配置为经由驾驶室计算机115或***130内的其他设备向用户显示种子间距、种群和其他信息。美国第8,738,243号专利和美国第20150094916号专利中公开了示例,并且本公开认定那些其他专利公开的知识。
同样,产量监控器***可以包含用于收割机设备的产量传感器,该产量传感器将产量测量数据发送到驾驶室计算机115或***130内的其他设备。产量监控器***可以利用一个或多个远程传感器112来获得联合收割机或其他收割机中的谷物水分测量结果,并经由驾驶室计算机115或***130内的其他设备向用户发送这些测量结果。
在实施例中,可以与本文其他各处该类型的任何移动的车辆或设备一起使用的传感器112的示例包括运动学传感器和位置传感器。运动学传感器可以包括任何速度传感器,例如雷达或车轮速度传感器、加速计或陀螺仪。位置传感器可以包括GPS接收器或收发器,或基于WiFi的位置或被编程为可基于附近的WiFi热点等确定位置的地图app。
在实施例中,可以与拖拉机或其他移动车辆一起使用的传感器112的示例包括发动机速度传感器、燃料消耗传感器、与GPS或雷达信号交互的面积计数器或距离计数器、PTO(取力器)速度传感器、被配置为检测诸如压力或流量和/或液压泵速度的液压参数的拖拉机液压传感器、轮速传感器或轮滑传感器。在实施例中,可以与拖拉机一起使用的控制器114的示例包括液压方向控制器、压力控制器和/或流量控制器;液压泵速度控制器;速度控制器或调速器;挂钩位置控制器;或车轮位置控制器提供自动转向。
在实施例中,可以与诸如种植机、钻机或空气播种机的种子种植设备一起使用的传感器112的示例包括:种子传感器,其可以是光学、电磁或冲击传感器;下压力传感器,例如称重销、称重传感器、压力传感器;土壤特性传感器,例如反射率传感器、湿度传感器、电导率传感器、光学残留传感器或温度传感器;组件操作标准传感器,例如种植深度传感器、下压力缸压力传感器、种子圆盘速度传感器、种子驱动电机编码器、种子输送***速度传感器或真空度传感器;或农药应用传感器,例如光学或其他电磁传感器或撞击传感器。在实施例中,可以与这样的种子种植设备一起使用的控制器114的示例包括:工具栏折叠控制器,例如用于与液压缸相关联的阀的控制器;下压力控制器,例如与气压缸、安全气囊或液压缸相关的阀的控制器,并被编程为可将下压力施加到单个行单元或整个播种机框架;种植深度控制器,例如线性执行器;计量控制器,例如电动种子计量器驱动电机、液压种子计量器驱动电机或条带控制离合器;混合选择控制器,例如种子计量器驱动电机,或被编程为选择性地允许或阻止种子或空气种子混合物向种子计量器或中央散装料斗输送种子或从种子计量器或中央散装料斗输送种子的其他致动器;计量控制器,例如电动种子计量器驱动电机或液压种子计量器驱动电机;种子输送机***控制器,例如带式种子输送机电机的控制器;标记器控制器,例如气动或液压致动器的控制器;或农药施用率控制器,例如计量驱动控制器、孔口尺寸或位置控制器。
在实施例中,可以与耕作设备一起使用的传感器112的示例包括用于诸如柄或盘的工具的位置传感器;用于这样的工具的工具位置传感器,其被配置为检测深度、配合角度或横向间距;下压力传感器;或牵引力传感器。在实施例中,可以与耕作设备一起使用的控制器114的示例包括下压力控制器或工具位置控制器,例如被配置为控制工具深度、帮组角度或横向间隔的控制器。
在实施例中,可以与用于施用肥料、杀虫剂、杀真菌剂等的设备有关的传感器112的示例,例如播种机上的起步肥料***、下层土壤施用器或肥料喷雾器,包括:流体***标准传感器,例如流量传感器或压力传感器;指示哪个喷头阀或流体管线阀打开的传感器;与储罐相关的传感器,例如液位传感器;分段或***范围的供应线传感器,或行专用的供应线传感器;或运动学传感器,例如设置在喷雾机吊杆上的加速度计。在实施例中,可以与这样的设备一起使用的控制器114的示例包括:泵速度控制器;阀控制器,被编程为控制压力、流量、方向、PWM等;或位置执行器,例如动臂高度、下土层深度或动臂位置。
在实施例中,可以与收割机一起使用的传感器112的示例包括产量监控器,例如冲击板应变仪或位置传感器、电容式流量传感器、负载传感器、重量传感器或与升降机或螺旋钻相关联的扭矩传感器、或光学或其他电磁晶粒高度传感器;谷物水分传感器,例如电容传感器;谷物损失传感器,包括冲击、光学或电容传感器;割台操作标准传感器,例如割台高度、割台类型、盖板间隙、进纸器速度和卷盘速度传感器;分离器操作标准传感器,例如凹形间隙、转子速度、靴形间隙或胎壳间隙传感器;用于位置、操作或速度的螺旋钻传感器;或发动机转速传感器。在实施例中,可与收割机一起使用的控制器114的示例包括:割台操作标准控制器,用于诸如割台高度、割台类型、甲板间隙、进料器速度或卷轴速度的元件;分离器操作标准控制器,用于诸如凹入间隙、转子速度、闸瓦间隙或罩壳间隙的特征;或用于螺旋钻位置、操作或速度的控制器。
在实施例中,可以与谷物推车一起使用的传感器112的示例包括重量传感器、或用于螺旋钻位置、操作或速度的传感器。在实施例中,可以与谷物推车一起使用的控制器114的示例包括用于螺旋钻位置、操作或速度的控制器。
在实施例中,传感器112和控制器114的示例可以安装在无人机(UAV)设备或“无人机”中。这样的传感器可以包括带有检测器的相机,该检测器对包括可见光、红外、紫外线、近红外(NIR)等在内的电磁频谱的任何范围是有效的;加速度计;高度计;温度传感器;湿度传感器;皮托管传感器或其他空速或风速传感器;电池寿命传感器;或雷达发射器和反射式雷达能量检测设备;其他电磁辐射发射器和反射电磁辐射检测设备。这样的控制器可以包括引导或电机控制设备、控制表面控制器、相机控制器或被编程为从任何前述传感器开启、操作、获得数据、管理和配置的控制器。示例在第14/831,165号美国专利中公开,本公开认定该其他专利公开的知识。
在实施例中,传感器112和控制器114可以固定到土壤采样和测量设备,该土壤采样和测量设备被配置或编程为对土壤采样并执行土壤化学测试、土壤湿度测试以及其他与土壤有关的测试。例如,可以使用在第5,828,641号美国专利和第8,767,194号美国专利中公开的设备,本公开认定那些专利公开的知识。
在实施例中,传感器112和控制器114可以包括用于监视田地的天气状况的天气设备。例如,可以使用在2015年4月29日提交的第62/154,207号美国临时申请、2015年6月12日提交的第62/175,160号美国临时申请、2015年7月28日提交的第62/198,060号美国临时申请和2015年9月18日提交的第62/220,852号美国临时申请中公开的设备,本公开认定那些专利公开的知识。
2.4.过程概述——农业模型训练
在实施例中,农业智能计算机***130被编程或配置为创建农学模型。在该上下文中,农学模型是农业智能计算机***130的存储器中的数据结构,其包括田地数据106,例如一个或多个田地的标识数据和收获数据。农学模型还可以包括计算出的农学特性,该农学特性描述了可能影响在田地中的一个或多个农作物的生长或一个或多个农作物的特性或两者的条件。另外,农学模型可以包括基于农学因素的建议,例如作物建议、灌溉建议、种植建议、肥料建议、杀真菌剂建议、农药建议、收成建议和其他作物管理建议。农学因素也可以用于估计一个或多个与农作物有关的结果,例如农学产量。农作物的农学产量是对所生产的农作物的数量的估计,或者在一些示例中是从所生产的农作物获得的收入或利润。
在实施例中,农业智能计算机***130可以使用预配置的农学模型来计算与当前接收到的一个或多个田地的位置和农作物信息有关的农学特性。预配置的农学模型基于先前处理的田地数据,包括但不限于标识数据、收获数据、肥料数据和天气数据。预配置的农学模型可以交叉验证过,以确保模型的准确性。交叉验证可以包括与地面真实性的比较,该比较将预测结果与田地的实际结果进行比较,例如将降雨估计与提供相同或附近位置的天气数据的雨量计或传感器进行比较、或对土壤样本测量结果中的氮含量进行估计。
图3示出了编程过程,通过该编程过程,农业智能计算机***使用通过一个或多个数据源提供的田地数据来生成一个或多个预配置的农学模型。图3可以用作用于对农业智能计算机***130的功能元件进行编程以执行现在描述的操作的算法或指令。
在框305处,农业智能计算机***130被配置或编程为对从一个或多个数据源接收的田地数据实现农学数据预处理。可以对从一个或多个数据源接收的田地数据进行预处理,以消除噪声、失真影响以及农学数据中的混杂因素,该混杂因素包括可能对接收的田地数据值产生不利影响的异常值。农学数据预处理的实施例可以包括但不限于:移除通常与异常数据值相关联的数据值、已知不必要地歪斜其他数据值的特定测量数据点、数据平滑、聚合或用于移除或减少噪声带来的加性或乘性效应的采样技术以及用于明确区分正负数据输入的其他滤波或数据推导技术。
在框310处,农业智能计算机***130被配置或编程为使用预处理的田地数据执行数据子集选择,以标识可用于初始农学模型生成的数据集。农业智能计算机***130可以实现数据子集选择技术,该数据子集选择技术包括但不限于遗传算法方法、所有子集模型方法、订单搜索方法、逐步回归方法、粒子群优化方法和蚁群优化方法。例如,遗传算法选择技术基于自然选择和遗传学的进化原理,使用自适应启发式搜索算法来确定和评估预处理农学数据中的数据集。
在框315处,农业智能计算机***130被配置或编程为实现田地数据集评估。在实施例中,通过创建农学模型并使用针对所创建的农学模型的特定质量阈值来评估特定田地数据集。可以使用一个或多个比较技术来比较和/或验证农学模型,该比较技术例如但不限于均方根误差和留一法交叉验证(RMSECV)、平均绝对误差和平均百分比误差。例如,RMSECV可以通过比较由农学模型创建的预测农学属性值与采集和分析的历史农学属性值来交叉验证农学模型。在实施例中,农学数据集评估逻辑被用作反馈回路,其中在未来的数据子集选择步骤期间,使用不满足配置的质量阈值的农学数据集(框310)。
在框320处,农业智能计算机***130被配置或编程为基于交叉验证的农学数据集来实现农学模型创建。在实施例中,农学模型创建可以实现多元回归技术以创建预配置的农学数据模型。
在框325处,农业智能计算机***130被配置或编程为存储预配置的农学数据模型,以用于未来的田地数据评估。
2.5.实现示例——硬件概述
根据一个实施例,本文描述的技术通过一个或多个专用计算设备来实现。专用计算设备可以进行硬连线以执行该技术,也可以包括数字电子设备,例如被永久性编程为执行该技术的一个或多个专用集成电路(ASIC)或田地可编程门阵列(FPGA),或者可以包括一个或多个通用硬件处理器,该通用硬件处理器被编程为根据固件、存储器、其他存储器或组合中的程序指令来执行该技术。这样的专用计算设备还可以将定制硬接线逻辑、ASIC或FPGA与定制编程相结合,以实现该技术。专用计算设备可以是台式计算机***、便携式计算机***、手持式设备、网络设备或结合硬连线和/或程序逻辑以实现该技术的任何其他设备。
例如,图4是示出了可以在其上实现本发明的实施例的计算机***400的框图。计算机***400包括用于传达信息的总线402或其他通信机制以及与总线402耦合的的用于处理信息的硬件处理器404。硬件处理器404可以是例如通用微处理器。
计算机***400还包括耦合到总线402的用于存储信息和待通过处理器404执行的指令的主存储器406,例如随机存取存储器(RAM)或其他动态存储设备。主存储器406也可以是用于在执行待通过处理器404执行的指令期间存储临时变量或其他中间信息。这样的指令在存储在处理器404可访问的非暂态存储介质中时,将计算机***400渲染成专用于执行指令中指定的操作。
计算机***400还包括耦合到总线402的用于存储静态信息和处理器404的指令的只读存储器(ROM)408或其他静态存储设备。诸如磁盘、光盘或固态驱动器的存储设备410被提供并耦合到总线402以用于存储信息和指令。
计算机***400可以经由总线402耦合到诸如阴极射线管(CRT)的显示器412,以用于向计算机用户显示信息。包括字母数字键和其他键的输入设备414耦合到总线402,以用于将信息和命令选择传达给处理器404。另一种类型的用户输入设备是诸如鼠标、轨迹球或光标方向键的光标控件416,以用于将方向信息和命令选择传达给处理器404并用于控制显示器412上的光标移动。该输入设备通常在两个轴(第一轴(例如,x)和第二轴(例如,y))上具有两个自由度,允许设备指定平面中的位置。
计算机***400可以使用与计算机***结合将计算机***400实现或编程为专用机的定制硬连线逻辑、一个或多个ASIC或FPGA、固件和/或程序逻辑来实现本文该的技术。根据一个实施例,本文的技术通过计算机***400响应于处理器404执行包含在主存储器406中的一个或多个指令的一个或多个序列来执行。这样的指令可以从自然存储设备410的另一存储介质读入主存储器406。主存储器406中包含的指令序列的执行使处理器404执行本文该的处理步骤。在替代实施例中,可以使用硬连线电路代替软件指令或与软件指令结合使用。
如本文所用,术语“存储介质”是指存储使机器以特定方式操作的数据和/或指令的任何非暂态介质。这样的存储介质可以包括非易失性介质和/或易失性介质。非易失性介质包括例如光盘、磁盘或固态驱动器,例如存储设备410。易失性介质包括动态存储器,例如主存储器406。存储介质的常见形式包括例如软磁盘、软盘、硬盘、固态驱动器、磁带或任何其他磁性数据存储介质、CD-ROM、任何其他光学数据存储介质、带孔图案的任何物理介质、RAM、PROM和EPROM、FLASH-EPROM、NVRAM、任何其他存储器芯片或盒。
存储介质不同于但可以与发送介质结合使用。发送介质参与存储介质之间的信息发送。例如,发送介质包括同轴电缆、铜线和光纤,其包括构成总线402的导线。发送介质还可以采用声波或光波的形式,例如在无线电波和红外数据通信期间生成的声波或光波。
在将一个或多个指令的一个或多个序列携带到处理器404以用于执行中,可以涉及各种形式的介质。例如,指令最初可以承载在远程计算机的磁盘或固态驱动器上。远程计算机可以将指令加载到其动态存储器中,并使用调制解调器通过电话线发送指令。计算机***400本地的调制解调器可以在电话线上接收数据,并使用红外发射器将数据转换为红外信号。红外检测器可以接收红外信号中携带的数据,并且适当的电路可以将数据放置在总线402上。总线402将数据携带到主存储器406,处理器404从该主存储器取回并执行指令。通过主存储器406接收的指令可以可选地在处理器404执行之前或之后存储在存储设备410上。
计算机***400还包括耦合到总线402的通信接口418。通信接口418提供耦合到连接到局域网422的网络链路420的双向数据通信。例如,通信接口418可以是集成服务数字网络(ISDN)卡、电缆调制解调器、卫星调制解调器或调制解调器,以提供与相应类型的电话线的数据通信连接。作为另一示例,通信接口418可以是局域网(LAN)卡,以提供到兼容LAN的数据通信连接。无线链接也可以实现。在任何这样的实现方式中,通信接口418发送和接收携带表示各种类型的信息的数字数据流的电、电磁或光信号。
网络链路420通常通过一个或多个网络向其他数据设备提供数据通信。例如,网络链路420可以通过本地网络422提供到主机计算机424或通过互联网服务提供商(ISP)426操作的数据设备。ISP 426进而通过全球分组数据通信网络提供数据通信服务,现在通常被称为“因特网”428。局域网422和因特网428均使用携带数字数据流的电、电磁或光信号。通过各种网络的信号以及在网络链路420上并且通过通信接口418的信号是发送介质的示例形式,这些信号携带去往和来自计算机***400的数字数据。
计算机***400可以通过网络、网络链路420和通信接口418发送消息并接收包括程序代码在内的数据。在因特网示例中,服务器430可以通过互联网428、ISP 426、本地网络422和通信接口418为应用程序发送请求代码。
所接收的代码可以在被接收时通过处理器404执行,和/或存储在存储设备410或其他非易失性存储器中,以供以后执行。
3.功能描述
3.1示例过程
图7是用于跟踪田地中的土壤采样的示例计算机实现的过程。图7旨在公开一种算法或功能描述,该算法或功能描述可以用作编写计算机程序以实现本文所述的功能的基础,并且可以使计算机以本文公开的新方式进行操作。进一步地,提供图7,以与本公开内容所针对的本领域技术人员通常使用的相同细节水平来传达这样的算法,以在彼此之间传达用于相似程度的复杂性的其他计算机程序的计划、设计、规格和算法的信息。
在实施例中,可以经由田地管理器计算设备104的计算机生成的图形用户界面来接收对田地地图的请求。采集者可以通过输入用以与田地地图相关联的田地标识或地理坐标来创建田地地图的订单。田地地图包括一个或多个基于田地的农学特性或地理坐标来描绘的部分。例如,田地地图可以包括一个或多个部分的地理坐标、到一个或多个部分的边界的距离信息、或田地地图中一个或多个部分的农学特性值集。可以将每个部分分配给相应的采样点,采样点可以用图钉或图标表示。可以根据部分的地理坐标或模型数据田地数据存储库160中存储的一个或多个采样协议对每个采样点进行编号。
在步骤710,该过程从第一数据存储器接收数字化存储的田地地图数据,并从第二数据存储器接收数字化存储的采样数据。在一些实施例中,第一数据存储器可以与第三方卫星图像提供者相关联。第二数据存储器可以与测试设施或实验室相关联。田地地图可以是卫星图像的二维(2D)或三维(3D)表示,并且可以包括一个或多个田地的地理空间数据,以用于进行土壤测试来确定养分含量、组成和其他特征。田地地图可以包括田地信息,例如农场位置和大小、种植者、农作物或农作物产量。采样数据集可以包括土壤物理特征,例如pH值、酸度、大量营养素或微量营养素。采样数据集还可以包括拓扑特征,例如土壤类型、土壤深度、排水信息或土壤大小。
在步骤715,基于田地地图数据和采样数据,使农田的图形地图显示在计算机生成的图形用户界面中。田地地图包括由一组对应的图钉或图标表示的第一组采样点,如图9B所示。在一些实施例中,可以基于各种距离约束或田地描绘算法以最小距离将每个采样点分开。
在步骤720,该过程接收从第一组采样点中对第一采样点的选择。可以通过选择对应的图钉或单击田地地图中对应部分的边界内的任何位置来做出选择。在一些实施例中,第一组采样点可以是用户指定的采样点。
在步骤725,在图形用户界面中显示用于所选择的第一采样点的采样数据。如图9B所示,第一采样数据包括农业特性集和订单数据集。农业特性集可以包括土壤物理属性,诸如田地信息、耕种信息或产量信息。订单数据可以包括物流属性,诸如采样日期、交运日期、采集者标识或采样协议。
在采集者在第一采样点采集土壤样本之后,采集者可以通过更新采样数据或交运数据来更新订单数据。在步骤730,当采集者更新订单数据时,该过程接收指示了在第一采样点已经采集土壤样本的更新。可以更新订单数据以反映正确的采样日期或交运日期。可以将更新后的采样数据存储在模型数据田地数据存储库160中。
在一些实施例中,在接收到已经采集土壤样本的更新之后,可以显示新的图形用户界面,其示出链接到田地的一个或多个可用测试设施。可以取回标识一个或多个可用测试设施的实验室数据。在一些实施例中,实验室数据可以链接到田地地图。测试设施可以测试土壤样本,并且可以从选定的测试设施中取回采样数据。采集者可以选择任何可用测试设施来发送符合测试标准的土壤样本。
在另一实施例中,还可以显示示出一个或多个可用运输载体的不同用户界面。运输载体能够将土壤样本运输到所选的测试设施。可以基于距离信息、承接可用性、时间信息或价格信息中的至少一项来确定运输载体。可以基于这样的信息对运输载体进行排名,并在图形用户界面中呈现。
在一个实施例中,田地管理器计算设备104可以连接到***计算设备,该***计算设备打印用于土壤样本的标签。标签包括与存储在模型数据田地数据存储库160中的更新的采样数据匹配的标识码。标签可以包括采样数据的细节,例如订单号、采样日期、交运数据、采集者标识或田地标识。标签可以被贴附到土壤样本或土壤样本袋,以用于准确地递交土壤样本。
在一些实施例中,***计算设备可以是无线打印设备,该无线打印设备可以打印用于容纳样本的土壤袋的标签。在实施例中,处理器可以生成包括矩阵条形码的快速响应(QR)码,该矩阵条形码可以被***计算设备和田地管理器计算设备104读取。标签或QR码可以被发送到所选择的测试设施和所选择的运输载体,以用于跟踪土壤样本。
在步骤735,该过程确定第二采样点,在该第二采样点处可以采集下一个土壤样本。在一些实施例中,可以基于部分的地理坐标或采样协议来确定第二采样点。例如,处理器可以确定与第一采样点相邻的采样点,以用于进行高效的土壤采样。类似地,处理器可以基于从测试设施接收的采样数据来确定下一个采样位置。
在步骤740,第二采样点可以显示在田地地图中。与第一采样点相比,使用视觉上不同的属性来描述第二采样点。例如,可以在田地地图中在视觉上将采集的采样点(例如,以红色突出显示)与未采集的采样点(例如,以绿色突出显示)区分开。
4.示例计算机生成的图形用户界面
4.1产生土壤样本的订单,并且选择田地
图8A、图8B、图8C是被配置为生成订单并选择田地的示例计算机生成的图形用户界面的屏幕快照。在本公开中,术语“屏幕快照”是指示例图形用户界面的全部或部分的再现,其可以形成已经被编程为实现本文描述的功能的程序或其他软件元件的输出。在本公开所针对的技术人员的知识范围内考虑可以被调用或并入到这样的程序中的图形库和其他实用程序。因此,本公开以屏幕快照的形式呈现了图形输出的示例,这是因为这些示例将向技术人员充分告知期望什么输出,并且技术人员将能够基于附图、其积累的技能以及以下部分中提供的特定功能信息来确定使计算机再现所显示的输出所需的特定程序。
每个示例屏幕快照可以通过执行提供采集者或采集者的计算机与显示在田地管理器计算设备104上的应用程序或web浏览器之间的交互性的指令来生成。应用程序的典型使用者是采集土壤样本的采集者或实验室技术员。执行指令可能会使采集者及其计算机导入和导出关于针对应用程序的农田的特定信息。执行指令还可以允许采集者计算机请求交互式工具,该交互式工具将允许采集者定义采样点并在图形用户界面中显示和更新采样数据。
例如,采集者可以使用用户证书登录到田地管理器计算设备104上的应用程序或web浏览器,以查看感兴趣的田地地图。用户凭证可以与特定采集者相关联,该特定采集者可以与与特定田地和采样数据有关的特定采样协议相关联。
图8A是用于在登录页面上搜索测试设施的示例计算机生成的图形用户界面的屏幕快照。在实施例中,屏幕显示器800可以包括弹出账户选择窗口802,该弹出账户选择窗口包括多个可选择的行804A、804B、804C,每个行与不同的测试设施或实验室相关联。在实施例中,每行804A、804B、804C包括选择窗口部件806,该选择窗口部件能响应于经由诸如鼠标、轨迹球或键盘的指示设备的输入。在实施例中,输入对窗口部件806的选择使记录数据选择相关行的实验室并且更新窗口802以包括复选标记,以发信号通知该行已被选择。每个窗口部件806可以被实现为开关,使得重复选择实现选择的移除。每个测试设施或实验室可以维护一个或多个田地的数据库,并在接收到采样数据请求时提供田地地图数据和采样数据。窗口802还包括“完成”图形按钮808或超链接,该“完成”图形按钮或超链接在被选择时使得关闭窗口并将用户界面转变为不同状态。
图8B是用于创建订单的示例计算机生成的图形用户界面的屏幕快照。可以为采集者提供一个新的界面,该界面显示订单明细,从而允许采集者选择感兴趣的田地。在实施例中,屏幕显示810可以包括弹出订单创建窗口812,该弹出订单创建窗口包括多个行814A、814B、814C、814D、814E、814F,每个行与订单详细信息相关联。示例订单详细信息可以包括客户订单标识814A、客户标识814B、种植者信息814C、农场信息814D、田地信息814E或采样协议信息814F。在实施例中,每行814A、814B、814C、814D、814E、814F包括输入田地813,采集者可以在该输入田地中输入特定的订单详细信息。例如,采集者可以通过输入田地标识或田地地理坐标来输入特定的田地信息。在另一实施例中,采集者可以简单地单击与采集者证书相关联的订单。例如,每个输入田地可以自动填充响应于经由输入设备的输入的一个或多个订单详细信息(例如,种植者类型、农场类型)。可以基于与采集者标识关联的示例协议确定一个或多个订单详细信息。多个输入田地使记录数据根据采集者提供的输入选择单个订单。
在一些实施例中,可以将第一采集者创建的订单导出到位于远程位置的第二采集者。订单数据可以与与第三方样本采集组织关联的第二采集者账户同步,该第三方样本采集组织可以不同于与第一采集者相关联的样本采集组织。
图8C是田地的示例布局的屏幕快照。在实施例中,屏幕显示820可以包括区域地图822和与区域地图822相关联的多个区域824A、824B、824C、824D、824E、824F的列表。区域地图822可以是农田的计算机生成的图形地图。可以基于土壤调查地理数据库(SSURGO)区域层划定每个区域。SSURGO层添加具有营养信息(例如氮、硼、钙信息)的卫星图像。除了SSURGO信息之外,布局还可以包括农学特性,例如土壤类型(例如,Arkana-Moko复合体)、排水信息(例如,排水良好)或区域大小(例如,73.2英亩)。每个边界可以定义基于农学特性或地理坐标与田地地图中的其他区域区分开的区域。
4.2土壤采样
图9A是示例计算机生成的图形用户界面的屏幕快照,该图形用户界面用于选择用于采样的订单类型。在实施例中,屏幕显示900可以包括订单选择窗口902,该订单选择窗口包括多个可选择的行905A、905B、905C,每行与不同的订单类型相关联。在实施例中,每行905A、905B、905C包括响应于经由指示设备的输入的可选择的窗口部件907。在实施例中,输入选择窗口部件907使记录数据选择相关行的订单类型,并更新窗口902以包括复选标记,以发信号通知该行被选择。每个窗口部件907可以被实现为开关(toggle),使得重复选择实现选择的移除。
示例界面示出了土壤采样订单类型的三个示例:1)土壤采样;2)组织采样;3)物候抽样;然而,该方法不限于三个示例。在从采集者接收到选择(例如,土壤采样)后,处理器被编程为显示包括第一组采样点908和采样数据的田地地图906,如图9B所示。
图9B是用于显示田地地图和采样数据的示例计算机生成的图形用户界面的屏幕快照。屏幕显示910可以包括田地地图数据,该田地地图数据包括具有多个采样点908的田地地图906,并且采样数据包括多个行904A、904B、904C、904D、904E、904F、904G、904H、9041、904J、904K、904L、904M、904N,每行与不同的采样数据相关联。在实施例中,田地地图可以是可以包括一组采样点的计算机生成的农田的图形地图。采样数据可以是可以从第二数据源取回或通过采集者更新的一组农学特性。例如,采样数据可以包括订单名称904A、客户订单ID 904B、种植者信息904C、农场标识904D、田地标识904E、订单状态904E、位置信息904G、样本信息904H、尺寸信息9041、采样协议信息904J、产品信息904K、采样器信息904L、采样日期904M和交运日期904N;然而,采样数据不限于所列示例。在一些实施例中,田地地图数据和采样数据可以从第一数据源或第二数据源取回,并且还可以通过采集者更新。
在一些实施例中,可以在多种距离约束下限定第一组采样点908,例如使两个采样点相隔一最小距离。例如,可以为第一组采样点标识一组等距采样点或一组四分之一英亩大小的采样点。定义采样点将在本文的其他部分中进一步描述。
在一个实施例中,采集者可以被分配一组新的采样点。采集者可以指定将特定田地划分为采样点的最佳n种方式。例如,用户界面可以提供地理配置,该地理配置允许采集者设置可以与预定采样点(例如,第一组采样点)不同的新一组的采样点(例如,第二组采样点。因此,第一组采样点的地理坐标可以不同于第二组采样点的地理坐标。
处理器被编程为接收用户输入,以将第二组采样点分配给采集者指定的一个或多个部分。可以对应于田地地图的地理坐标对第二组采样点进行重新编号。在一些实施例中,可以基于存储在模型和田地数据存储库160中的采样协议来执行重新编号。在一些实例中,采集者可以请求用第二组采样点替换第一组采样点。在接收到来自采集者的替换请求后,第二组采样点可以用田地地图中的第一组采样点替换。
在一些实施例中,可以使用GPS跟踪***来标识采集者或田地管理器计算设备104的物理位置,并且可以基于地理坐标来确定相应的采样点。通过在田地地图中放置图钉,可以在图形用户界面中将检测到的位置显示为采集者的当前位置。在一些实施例中,可以向采集者呈现“我的位置”选项卡,并且可以简单地单击“我的位置”选项卡来确定田地地图中的物理位置。
在另一实施例中,可以在田地地图中指定期望的特定采样位置。例如,采集者可以简单地按住并保持并且在田地地图中的任意位置放置新的图钉。可以将指定的采样位置显示为田地地图的独特图钉,以方便参考。
在一个实例中,可以将未采集的采样点的图钉从田地地图中移除。例如,处理器可以利用图钉来提供导航功能,该图钉允许采集者通过在图形用户界面上的简单按下并保持手势来移动现有的未采集的采样点图钉。在另一实施例中,界面还提供移除功能,该移除功能为可以利用用户界面上的用户指定手势从田地地图中删除未采集的采样点。
在一些实施例中,采样点的编号可以与采集过程同时执行。例如,处理器可以在不对采样点编号的情况下显示田地网格。当采集者采集样本并更新采样数据时,可以同时编号相应的采样点。这允许采集者标识采集的样本位置,并进一步标识田地地图中的未采集的样本位置。
在一个实施例中,处理器被配置为确定下一采样位置(例如,第二采样点)。在第一采样位置采集土壤样本之后,处理器基于存储在模型和田地数据存储库160中的采样协议信息或第一采样位置的地理信息来确定第二采样点。可以将第二采样点的位置与在驾驶室计算机115中显示的位置信息进行比较,以验证第二土壤样本的正确采样位置。
图9C是用于在不同深度进行采样的示例计算机生成的图形用户界面的屏幕快照。在实施例中,屏幕显示920可以包括弹出样本窗口928,该弹出样本窗口包括多个可选行926A、926B、926C,每行与采样点的不同层相关联。示例界面示出了在不同深度的三个示例采样层:1)距地表水平零至六英寸926A;2)距地表水平六英寸到十二英寸926B;3)距地表水平十二英寸至二十四英寸926C;然而,该方法不限于三个采样层。不同的层可能包含不同的营养素,不同的营养素可对植物产生不同的影响。例如,不同层的氮含量或水分含量会有所不同,并且因为根的根长可能会下降到六英尺,所以重要的是要知道每种营养素的准确含量。
每行926A、926B、926C包括可响应于经由输入设备的输入的选择窗口部件927。在实施例中,输入对窗口部件927的选择使记录数据更新窗口928以包括复选标记,以发信号通知该行被选择。每个窗口部件928可以被实现为开关,使得重复选择实现对选择的移除。当在第一层执行采样时,采集者可以选中第一层的框,该框可以提示处理器在视觉上与未采集的样本层不同地显示采集的样本层。例如,处理器被配置为使用与未采集的采样点或层相比在视觉上不同的属性来突出显示采集的采样点或层。可以在田地地图和样本窗口928中显示改变。在一些实施例中,仍可以在屏幕显示920中示出一组采样数据904,以显示采样点的信息。在完成土壤采集时,处理器被配置为更新采样数据904、在屏幕显示920上显示更新的数据并将更新的采样数据存储在数据库中。
在图9D的示例中,当采集不可用时,采集者可以指定采集失败的原因(例如,地面被冻结)。在实施例中,屏幕显示930可以包括一组采样数据904和标识特定采样点的弹出注释窗口936,并且可以包括注释田地938。注释窗口936可响应于诸如键盘、鼠标或触摸板的输入设备。使用输入设备,采集者可以提供样本详细信息,例如为什么无法进行样本采集,或者提供有关特定采样点的土壤采样要注意的任何特定详细信息。这可以帮助获得更准确的测试结果,并允许采集者在以后的时间采集土壤样本。在一些实施例中,当采集者输入采集详细信息时,SI单元测量结果(例如,度量***相对于US标准***)可以与标准行业或采样协议兼容并一致,以避免数据不规则并确保持久且可预测结果。
4.3组织采样和物候采样
图10A是被配置为选择订单类型(例如,组织采样)的示例计算机生成的图形用户界面的屏幕快照。类似于图9A的屏幕显示900,屏幕显示1000可以包括多个可选的行905A、905B、905C,每个行与不同的订单类型相关联。屏幕显示1000还可以包括选择窗口部件906,在该选择窗口部件被选择时,选择的订单类型可以被移除。采集者可以通过单击相关行的订单类型来选择订单类型(例如,组织采样),如图10A所示。
在图10B的示例中,组织采样数据可以包括与土壤采样数据不同的采样数据。在实施例中,屏幕显示1010可以包括弹出组织样本窗口1012,该弹出组织样本窗口包括多个行1014A、1014B、1014C、1014D、1014E、1014F、1014G、1014H,每行与不同的组织采样数据相关联。例如,组织采样数据可以包括诸如生长阶段1014A、样本面积1014B、样本重量1014C、茎数1014D、头数(headcount)1014E、鲜重1014F、VB鲜重1014G或头鲜重1014H的信息。
图10C是被配置为选择订单类型(例如,物候抽样)的示例计算机生成的图形用户界面的屏幕快照。类似于图9的屏幕显示900和图10A的屏幕显示1000,屏幕显示1020可以包括多个可选的行905A、905B、905C,每行与不同的订单类型相关联。屏幕显示1000还可以包括选择窗口部件906,在该选择窗口部件被选择时,选择的订单类型可以被移除。采集者可以通过单击相关行的订单类型(例如,物候抽样)来选择订单类型,如图10C所示。
在图10D的示例中,物候采样数据可以包括与土壤采样数据或组织采样数据不同的采样数据。在实施例中,屏幕显示1030可以包括弹出物候样本窗口1032,该弹出物候样本窗口包括多个行1034A、1034B,每行与不同的物候采样数据相关联。例如,物候采样数据可以包括诸如出现日期1034A的信息。
4.4为土壤样本和采样生成标签数据
图11是用于生成土壤样本和采样数据的标记(例如,标签)的示例计算机生成的图形用户界面的屏幕快照。在完成土壤采集时,可以为采集者提供打印界面,并且可以选择打印选项以使用打印设备来打印用于土壤袋的标记。在实施例中,屏幕显示1100可以包括选择窗口1104,该选择窗口包括多个可选的行1104A、1104B、1104C、1104D、1104E、1104F,每行与不同的采样点相关联。在实施例中,每行1104A、1104B、1104C、1104D、1104E、1104F包括选择窗口部件1106,该选择窗口部件响应于经由指示设备的输入。在实施例中,输入选择窗口部件1106使记录数据选择相关联的行的采样点并且更新窗口1104以包括复选标记,以发信号通知该行被选择。每个窗口部件1106可以被实现为开关,使得重复选择实现选择的移除。
在一个实施例中,所选择的采样点的采样数据可以被发送到打印设备。在实施例中,屏幕显示1100可以包括打印按钮1102,该打印按钮使记录数据将所选择的采样点的采样数据发送到打印设备。打印按钮1102响应于经由打印设备的输入,并且输入选择打印按钮1102使记录数据生成弹出打印窗口1108。在打印窗口108中选择是按钮后,采样数据被发送到打印设备以打印标签。发送的采样信息可以包括用于验证正确样本的任何可标识信息,例如采样日期、采集者信息、采样点标识、田地标识或采集者标识。在一些实施例中,田地管理器计算设备104可以生成条形码类型标识(例如,QR码),并且打印设备可以打印具有可以在测试设施处扫描的QR码的标记。
为了验证,可以将标记的采样信息与数据库中存储的采样信息进行匹配。处理器被配置为将采样数据存储在与相应的测试设施共享的数据库中。可以为采集者呈现一个或多个可用的测试设施,以发送采样数据。可以基于各种因素来选择测试设施,例如价格信息、距离信息或每个测试设施的测试可用性。在经由计算机生成的图形用户界面在测试设施上接收选择后,处理器被配置为通过网络将更新的采样数据发送到测试设施。标记信息可以与所选的测试设施共享,并且发送的采样数据可以与土壤袋的标记进行比较。使用打印设备***打印标签可以最大程度地减少由手写不正确引起的人为错误。
在一些实施例中,处理器被配置为确定链接到田地的一个或多个可用的运输载体。处理器可以从一个或多个运输载体将交运物流和行进路线导入所选的测试设施。处理器还可以基于接收的信息对运输载体进行排名,并基于排名的订单来呈现运输载体选项。处理器被配置为经由计算机生成的图形用户界面从采集者接收运输载体的选择,并将运输载体信息通过网络发送到测试设施。由于土壤化学性质会随时间变化,因此这可能有助于快速处理土壤样本。
5.扩展方案和替代方案
5.1对农学特性值进行归一化或加权
在实施例中,第一组采样点可以基于针对田地的农学特性的加权算法。例如,服务器被编程为归一化每个农学特性的值,以协调用于单个农学特性的不同单元并统一所有农学特性的尺度。具体地,服务器可以将每个农学特性值转换为针对农学特性的全局最小值与全局范围的差之商。换句话说,可以如下计算候选采样位置的农学特性值的缩放矢量和农业建模工具使用的模型值的缩放矢量/>
其中j表示农学特性的索引,s表示管理区域S中的候选采样位置的索引,其中表示第j个农学特性的全局最大值,/>表示第j个农学特性的全局最小值,其中表示第s个候选采样位置的第j个农学特性的值,/>表示农业建模工具使用的第j个农学特性的模型值。
在一些实施例中,服务器被编程为还具有不同农学特性的权重值。不同农学特性的权重可以是预定常数,也可以作为输入数据被接收。例如,权重可以反映农学特性的相对敏感度或其他显著性值,使得对于农学特性而言,较大的权重将需要候选采样位置的农学特性值与农业建模工具使用的相应模型值之间的差值较小,以便选择候选采样位置。
5.2选择采样位置
在一些实施例中,服务器随后被配置为为每个管理区域(例如,部分)选择候选采样位置u,该候选采样位置使以下距离度量最小化:
在一些实施例中,以上总和的每个分量可以是之间的差的绝对值或该差的平方。可以使用本领域技术人员已知的其他距离度量。也可以使用定制的距离函数,该距离函数可以包含以上讨论的归一化或加权或其变体。例如,一些农学特性可以被关联,并且定制距离函数可以包括动态权重,该动态权重取决于农学特性与比较中包括的其他农学特性的相关强度。
在一些实施例中,当多于一个候选采样位置使管理区域的距离度量最小化时,服务器然后可以被编程为应用附加标准,以从该多于一个候选采样位置中选择一个。示例的附加标准或约束条件包括与管理区域边界的最小距离或特定范围内的农学特性值。这些附加标准或约束也可以更早地应用于过滤候选采样位置。服务器还可以被配置为使用该多于一个候选采样位置的调整权重来重新评估距离度量。
在一些实施例中,服务器被配置为将关于所选择的采样位置的数据发送到显示设备或远程客户端设备。对于每个所选的采样位置,数据可以包括地理坐标(例如,经度和纬度)、包围管理区域的索引、距包围管理区域的边界的距离、相应组的农学特性值或相应的距离度量值。
5.3选择采样位置的替代过程
在一些实施例中,服务器被编程为接收包括以下中的一个或多个的输入数据:具有其全局范围的一组农学特性;用于管理区域(例如,部分)的地图,该地图指示管理区域中的多个位置中的每个位置的一组农学特性的一个或多个值;或农业建模工具使用的一组农学特性的一组模型值。输入数据还可以包括期望的结果、管理区域的缓冲区宽度或相邻采样点之间的最小距离。
在一些实施例中,服务器可以被编程为生成田地数据或模型数据。具体地,服务器可以被配置为定义受到各种距离约束的采样单元,诸如具有以最小距离分开的任何两个采样点或者在距管理区域的边界的最小距离内不具有采样点。服务器还可以被配置为通过复制、内插、外推、插补或其他技术来扩展给定地图中包括的一组农学特性值,以增加候选采样位置的数量以及每个农学特性值的候选采样位置的数量。此外,利用更新的地图,服务器可以被配置为向农业建模工具提供针对农学特性的新模型值,并接收新的建模结果。
在一些实施例中,服务器被编程为对农学特性值进行归一化或加权,以消除由不同测量单元引起的问题,同时允许灵活地处理不同农学特性。归一化可以基于农学特性的整体范围来进行。加权可以基于相对敏感度或农学特性的其他相关显著性值来进行。
在一些实施例中,服务器被编程为随后基于归一化和加权的值来选择管理区域中的候选采样位置之一。服务器被配置为首先标识那些最小化距离度量的候选采样位置,该距离度量测量在这些候选采样位置处的农学特性的值与农学特性的模型值之间的距离。距离度量可以包括所有农学特性上的加权绝对差或平方差的总和。距离度量还可包括本领域技术人员已知的其他距离函数。
在一些实施例中,当多个候选采样位置最小化距离度量时,服务器可以被配置为报告所有这些候选采样位置。替代地,服务器被配置为然后选择与管理区域的边界具有最小距离的多个采样位置之一。可以使用其他标准或约束条件来缩小候选采样位置列表的范围,例如与管理区域的特定一侧的距离最小或具有在特定范围内的农学特性值。
在一些实施例中,服务器被编程为将采样位置的结果发送到维护农业建模工具的显示设备、远程客户端设备或远程服务器。对于每个所选的采样位置,结果可以包括地理坐标、包围管理区的索引、到包围管理区的边界的距离、农学特性值组、与模型值的差或建模结果。
5.4.基于产量地图、土壤地图、地形地图和卫星数据标识管理区域的管理区域
在精确农业的背景下,管理区域是农田内的连续的子区域,其具有类似的制约因素或限制因素,该制约因素或限制因素影响农作物的收获产量。属于同一管理区域的田地区域通常可以根据播种时间表或管理实践进行统一管理。标识田地内的管理区域可有助于种植者制作定制的管理决策,例如选择最适合每个区域的种子杂交种和种子种群。
创建区域的一个目的是将整个农田划分为具有独特的时空产量行为的不同生产力区域。创建或标识这样的区域可有助于引导种植者改善农业实践。这可能包括为种植者提供有关各个区域播种量选择、播种时间、肥料选择和施肥时间的建议。
针对各个区域的需求而定制以提高田地的产量和获利能力的建议可以包括针对田地中的不同子区域使用一些种子杂种、种子种群和氮肥的播种处方。可以基于区域内的区域特征来确定建议。
可用于确定管理区域的质量的一个标准是紧凑性。使用良好管理区域划分方法生成的区域通常是紧凑的。生成紧凑区域涉及最大化区域内的同质性。在不同区域之间也应该有明确定义的分隔,以确保创建的区域实际上需要不同的管理实践。可以通过将描绘的区域直接与产量地图重叠的目测评估,或者通过使用适当编程的计算机绘制每个区域和年份中的产量值分布图,来评估已创建的管理区域的紧凑性和分隔性。压实度和分离度也可以通过定量评估进行评估,该定量评估定义了数值方法,以精确地量化所描绘区域中的收率观测值的压实度和分离度。
基于农田的瞬时和永久特性,可以通过计算机程序自动创建管理区域。暂态特征可包括针对子区域采集的产量数据并使用历史收益图。永久特性可包括土壤测量值和田地的地形特性。永久特性数据可以从SSURGO地图和田地卫星图像中获得。当田地没有历史产量地图时,永久特性可能特别有用。在确定管理区域时使用田地的永久性特征,除了产量数据外,还可以将诸如土壤和海拔数据的数据层合并到区域创建过程中,从而完善区域创建过程。
基于产量地图创建的管理区域可以将具有相似产量模式和永久性质的区域分组。这样的管理区域旨在利用土壤的潜在性质来解释生产力特性。例如,有机物含量低或pH值高的区域均可能具有低的产量。
在实施例中,创建管理区域的过程包括获得和处理用于田地的瞬态特性数据和永久特性数据。该过程可以包括确定区域的期望尺寸以及区域的最佳计数,以实现期望的田地生产力和产量。该过程可以包括创建一个或多个管理区域描述选项,以及为各个选项创建单独的种植计划。
在实施例中,创建管理区域的过程包括交互式计算机工具,该交互式计算机工具被编程用于可视化管理区域描绘选项和相应的种植计划的图形表示。交互式工具还可以被配置为在区域划定选项中操纵区域的布局。
管理区域和种植计划的图形表示可以使用GUI生成,并且可以图形地表示区域的布局、有关区域的信息以及区域的种植计划。
5.4.1.暂态特征数据——产量数据
瞬态特征数据表示不时变化的陆地或田地特性。在农业管理区域的背景下,瞬时特征数据的示例可包括产量数据,这是因为从一个收获季节到另一个收获季节,来自田地的产量会有所不同。
产量数据可以包括历史产量地图,该历史产量地图表示子田地的空间和时间产量模式。产量数据可以包括关于在一年内或几年内从农田收获的农作物的产量的信息。产量数据还可以包括附加信息,例如田地边界、田地大小以及田地内每个子田地的位置。产量数据可以从不同来源提供。来源的示例可以包括研究伙伴、农业机构、农业组织、种植者、政府机构等。
5.4.2.永久特征数据
永久特征数据表示从一个季节到另一个季节保持不变的特征。在农业管理区的背景下,田地的永久性特征数据的示例可包括该田地的土壤、拓扑特征和地形特征,这是因为这样的数据通常不会在一个收获季节到另一个收获季节发生变化。
永久特征数据可以包括土壤特性和拓扑特性。它们可以从土壤调查图、卫星图和裸土图获得。永久特征数据可以被提供为数据集。数据集的示例包括研究合作伙伴土壤采样数据集、快速眼图像、SSURGO多边形边界和国家高程数据集(NED)。
5.4.3.土壤特性
可基于从田地采集的土壤样本获得田地土壤特性的数据。可以使用各种采样技术来进行田地土壤采样,例如以每两英亩一个样本的近似分辨率采集土壤样本。可以在田地内并且大致形成矩形的网格点处采集样本。原始测量数据可以作为存储在计算机服务器上的形状文件获得。
当从不同来源提供土壤样本时,土壤采样方法、采集样本的准确性以及对土壤采样的采样深度可能存在一些差异。因此,可以对数据集进行预处理。预处理可以包括移除重复的样本、不具有关联值的样本、不具有地理坐标信息的样本以及具有不正确的坐标和地理信息的样本。
5.4.4.拓扑特性
田地的拓扑特性可以包括田地的地理特性和海拔特性。拓扑特性可以包括农田的海拔数据以及可以从海拔数据得出的其他地形属性。该性质可以包括湿度指数,也称为复合物地形指数CTI、地形位置指数(TPI)指示符、外观、流动方向和坡度。
海拔数据可以从包括国家高程数据集(NED)在内的不同来源获得。NED数据集通常提供约三分之一弧秒的分辨率。
5.4.5.土壤调查图
可以以土壤调查图的形式提供土壤调查特性。土壤调查图的一个来源是SSURGO数据库,该SSURGO数据库包含美国大部分地区的土壤调查数据。
典型的土壤调查数据集被组织为一组单独的地图单元,每个地图单元覆盖多边形区域。与每个多边形相关联的数据可以包括土壤性质和土壤质地数据,并且可以以不同的空间分辨率来提供数据。该数据可以与特定地理位置相关联,也可以不与特定地理位置相关联。
土壤调查数据可以代表定性评估和实验室分析的样本数据。由于SSURGO地图可提供高分辨率的土壤测量数据,因此SSURGO地图中可用的土壤质地数据可能足以创建区域。在特定实现方式中,适用的土壤质地数据处于mukey(地图单元键)级别2。这意味着土壤质地属性的值在整个空间多边形上是均匀的。
在实施例中,一组感兴趣的田地的SSURGO数据被提供为一组空间多边形。可以通过例如确定整个多边形是否缺少土壤质地数据来处理该组多边形,并且如果这样,则可以使用k最近邻居(kNN)数据点来内插丢失的数据点。此外,可以将沙子、淤泥和粘土的百分比归一化为总计100%。区域创建过程中使用的属性示例包括沙子和淤泥属性。
5.4.6.卫星地图
通常基于卫星地图来确定用于农业领域的卫星特性。可以以不同的空间、光谱和时间分辨率提供卫星图像数据。卫星地图可以提供有关农业作物评估、作物健康、变化检测、环境分析、灌溉景观图、产量确定和土壤分析的信息。可以在一年的不同时间以及一年中的多个时间获取图像。
卫星图像可以描绘出有机物和排水模式的变化。有机质含量较高的土壤可以与有机质含量较低的较轻的沙质土壤区分开。该信息可以与其他类型的地图结合使用,以定义田地的管理区域。
5.4.7.作为卫星地图的示例的裸土地图
裸土地图是卫星地图的示例。裸土地图包括基于裸土地图确定的裸土特性。这样的地图的示例可以包括快速眼卫星图像。在典型的田地快速眼图像中,数据可包含五个不同波段(红色、红色边缘、蓝色、绿色和近红外)的每像素(5乘5米)百分比反射率值。由于快速眼数据代表表土比深层土壤好,而且在RP田地中,土壤样本的深度可能未知,因此使用快速眼图像可提供土壤的其他特性。
在实施例中,对一组裸土图像进行预处理。例如,对于每个田地,可以丢弃具有云污染的图像,而可以选择来自最近一年的图像。
5.5.建立管理区域的管道
创建管理区域的目的是将整个农田分为具有独特的时空产量行为的不同生产力区域。创建或标识这样的区域可以通过为种植者提供针对各个区域量身定制的农业实践建议来帮助和指导农作物种植者。
在实施例中,使用管理区域创建管道在农田内划定管理区域。
该过程可以接收程序指令,该程序指令用于存储表示农田的瞬时和永久特性的数据。数据可以存储在各种数据存储库中,该数据存储库包括服务器计算机、数据库、云存储***、服务提供商、外部数据存储设备等。瞬态特性数据可以包括成品率数据。永久特性数据可以作为土壤图、土壤调查图、拓扑图、裸土图和卫星图像提供。也可以使用与土壤和田地的持久性有关的其他信息。
该过程可以接收用于接收数据的程序指令。数据被接收;例如,***接收屈服数据和永久特性数据作为田地数据的一部分。数据可以包括田地水平或子田地水平的历史产量地图以及代表土壤的持久性特征的地图。该地图表示子田地的时空模式,并用于将一个田地分类为具有独特或不同生产力潜力的区域。
可以从诸如研究伙伴(RP)、机构、组织、种植者等的不同来源接收数据。接收到的数据可以包括有关在一年或几年内从农田收获的农作物产量的信息。在实施例中,产量数据还可以包括元数据,例如田地边界、田地大小以及田地内每个子田地的位置。
5.5.1.预处理
该过程可以接收用于所接收的产量数据的预处理、密度处理和数据平滑的程序指令。该过程可以选择性地、可选地、订单地或并行地执行。任务的执行方式可以根据实现方式和接收到的产量数据的质量而有所不同。例如,一些接收到的数据可能需要预处理,而不需要进行平滑处理。其他数据可能仅需要密度处理。
预处理可以包括以编程方式标识和移除在田地边界之外的异常、无效、冗余或采集的数据项。预处理还可包括标识和移除产量观察值(如果同一季节在田地内种植了多种农作物的话)。
该过程可以接收用于预处理接收到的数据的程序指令。例如,可以执行预处理,这是因为田地的一些数据观测值是在相应田地边界之外采集的。当数据来自同一季节种植多种作物的田地时,也可能建议进行预处理。
可以执行产量数据的预处理以减少来自产量观察的噪声观察,估算缺失的产量值以归一化区域描绘步骤等。在实施例中,对接收到的产量数据进行预处理,以纠正该数据的特定问题。预处理可以包括各种类型的数据清理和过滤。
产量数据的预处理可以包括从产量数据中去除异常值。产量数据可包括子田产量观测值,这些观测值包括各种不可避免的误差所引起的各种污染,这些误差是通过收割庄稼的方式,或者是通过采集或记录产量数据的方式而引入的。消除这样的误差或异常值有效地实现对成品率数据的去污。
在实施例中,分析所接收的产量数据以确定是否提供了少于两年的田地产量地图。如果提供的田地产量地图少于两年,则区域划分中将不包括产量地图。
可以对产量数据执行数据的附加预处理和过滤。一个示例是调整以解决谷物水分问题。谷物水分调节功能可以校正一些田地和年份的收获数据记录,该记录是在非标准水分含量(例如15.5%水分)的水分含量下收获的。
附加处理可以针对校正当提供实验产量数据时引起的产量生产率数据。如果数据提供者使用不希望的算法或参数对数据进行了平滑处理,则附加处理可以包括对产量数据进行校正。建议使用这种类型的附加处理,以减少不正确平滑的产量数据对管理区域创建结果的影响。
数据的附加预处理可以包括将数据从纬度-经度坐标转换为通用横向墨卡托(UTM)坐标,以及映射到为该田地定义的网格上。在一个实施例中,已经使用了10m×10m的网格。该映射允许田地内的产量记录的位置的归一化。
永久特性数据的预处理可以包括:如果以不同的分辨率对接收到的数据进行采样,则将土壤样本调整为经度和纬度坐标系中报告的每英亩的采样分辨率;以及以编程方式将土壤样本数据投影到UTM坐标上。可以使用具有恒定趋势的高斯过程模型在UTM坐标上从可用数据中对丢失的样本值进行插值,该模型的趋势是通过最大似然估计获得的。
屈服数据的高程、CTI和斜率数据可以直接从地图或从属性栅格数据获得。这可包括提取屈服空间点所落入的高程栅格的像元值。如果未找到像元栅格,则不返回任何值的指示。
在执行将空间多边形的坐标投影到UTM坐标之后,SSURGO多边形可能会被覆盖到产量数据的空间位置。
在将图像数据投影到UTM坐标系上时,可以通过栅格化产量数据来获得产量数据的位置点处的图像数据的值,并且可以将结果发送到收益栅格像元。如果产量数据的一个像元被多个图像波段的数据点覆盖,则可以使用这些值的算术平均值与栅格像元关联。
该过程可以接收用于对接收到的数据进行密度处理的程序指令。可以执行数据密度处理以归一化不同农作物和田地的产量数据。在实施例中,数据密度处理包括使用经验累积分布函数(ECDF)转换,该转换可以对每个田地和年份的产量记录执行,以使得所转换的产量数据在不同作物和田地的一定范围内。例如,可以将ECDF应用于接收到的产量数据,以将数据转换为[0,1]范围内的转换的产量数据。在转换产量数据后,可以比较不同年份和作物之间的转换的产量数据,例如玉米、大豆或小麦。
5.5.2.空间平滑
执行空间平滑以移除原始产量观测值中的测量噪声并减少划定的管理区域的不必要的碎片,并且可以使用诸如核平滑或静态高斯过程的方法来进行空间平滑。根据接收到的原始数据的质量,可以对原始数据或已处理的数据执行数据平滑处理。
内核平滑器是一种统计技术,其用于在不知道该函数的参数模型时通过使用其噪声观察来估计该函数。所得的估计函数通常是平滑的,并且可用于从一组观测值(例如,产量数据)中移除噪声观测值。在实施例中,选择可靠且有用的非参数估计器的核平滑器,以执行产量数据的空间平滑。可用于平滑产量数据的核平滑器的示例包括:高斯核、反距离权重核、矩形核、三角核、双平方核、三立方核、三权重核等。除了它们的标准参数化之外,它们全部都具有比例参数h和跨度参数H,从而可以缩放产量数据观测值之间的距离,并且在平滑过程中可以忽略距离目标点H远的观测值。
在一些实施例中,该过程可以接收用于使接收到的数据平滑的程序指令。数据平滑可以包括测试是否丢失了任何产量数据记录,是否需要进一步平滑产量数据记录,或者是否需要删除或内插特定产量数据记录。
5.5.3.归一化
在实施例中,通过转换到特定数据范围来归一化接收到的数据,并且管理区域描绘过程可以包括使用编程的指令来转换产量数据,以产生转换的产量数据。转换产量数据可以包括对产量数据应用经验累积密度函数(ECDF),以将产量数据归一化到特定范围,例如[0,1]范围。转换的产量数据在不同年份和类型的作物之间可能是可比较。例如,ECDF可以允许将每个田地和年份的产量记录转换或归一化为[0,1]的范围,而与作物类型和采集时间无关,使得转换的数据可以彼此具有可比性。
ECDF转换可用于将产量数据转换成转换的产量数据。将ECDF应用于产量数据可能会导致将产量数据记录转换为转换的产量数据记录,每个转换都落在特定范围内。将ECDF应用于产量数据使得产量数据归一化,使得归一化的产量数据在不同年份和不同作物(例如玉米、大豆和小麦)之间具有可比性。
5.5.4.聚类
对表示农田的瞬时特性和永久特性的数据执行聚类,以确定与由预处理数据表示的像素相关联的多个聚类标签。在实施例中,可以使用k均值聚类。在最后一步中,将由配置数据或输入设置的尺寸小于s的区域合并到其最相似的大相邻区域中。
表示农田的瞬时特性和永久特性的预处理数据用于描绘农田的一组管理区域。可以使用存储的数字区域数据来表示一组划定的管理区域,并通过应用基于质心的方法(例如,K均值方法或模糊C均值方法)来创建一组划定的管理区域。该过程可以重复一次或多次,直到创建的管理区域的质量令人满意为止。可以使用不同的标准、不同的参数或不同的参数值来重复该过程。
为了解决先前讨论的紧凑性的目标,分析一组划定的管理区域,以确定是否可以合并一些区域。例如,可以对一组划定的管理区域进行分析,以标识小区域并确定小区域是否可以与相邻的较大区域合并。小区域可以通过计算机***自动标识,或者通过计算机***的用户手动标识。例如,计算机***可以在图形用户界面中向农作物种植者显示关于一组第一管理区域的信息,该图形用户界面编程有窗口部件或控件,以允许种植者移除不希望的零碎小区域或合并零碎的小区域与较大的区域。区域合并导致获得一组合并的管理区域。如果无法在一组划定的管理区域中标识出小区域,则将提供一组划定的管理区域。
该过程可以重复一次或多次,直到在该组管理区域中没有标识出任何小区域为止。可以使用不同的标准、不同的参数或不同的参数值来重复该过程。
一组管理区域被后处理。对管理区域后处理可包括消除零散或无法使用的区域。
该过程可以重复一次或多次,直到创建的管理区域的质量令人满意为止。可以使用不同的标准、不同的参数或不同的参数值来重复该过程。
在实施例中,存储关于所创建的管理区域的元数据。此外,可以执行测试以确定划定管理区域的过程是否需要重复。如果要重复描绘过程,则重复管理区域的描绘。
Claims (20)
1.一种计算机实现的跟踪田地中的土壤采样的方法,其特征在于,所述方法包括:
从第一数据存储源接收数字化存储的田地地图数据,并从第二数据存储源接收数字化存储的采样数据;
基于所述田地地图数据和所述采样数据,在计算机生成的图形用户界面中,显示包括第一组采样点的农田的图形地图,所述第一组采样点的每个采样点被分配给田地地图中与对应的地理坐标相关联的对应部分;
接收对所述第一组采样点中的第一采样点的选择;
在所述计算机生成的图形用户界面中,显示与所述第一采样点相关联的第一采样数据,所述第一采样数据包括农业特性集和订单数据集;
接收对所述订单数据集的更新,所述更新指示在所述第一采样点处土壤样本已经被采集;
基于采样协议,确定下一个土壤样本待在其处被采集的第二采样点;以及
在所述田地地图中显示所述第二采样点,所述第二采样点是使用与所述第一采样点相比在视觉上不同的属性来描绘的;
其中所述方法是使用一个或多个计算设备来执行的。
2.根据权利要求1所述的计算机实现的跟踪田地中的土壤采样的方法,其特征在于,所述农业特性集包括土壤物理特性或拓扑特性中的至少一个。
3.根据权利要求1所述的计算机实现的跟踪田地中的土壤采样的方法,其特征在于,所述田地地图指示:一个或多个部分的地理坐标、到所述一个或多个部分的边界的距离、或者针对所述一个或多个部分的农学特性值集。
4.根据权利要求1所述的计算机实现的方法,其特征在于,还包括:在接收到对所述订单数据集的所述更新之后:
在所述田地地图中,突出显示所述第一采样点,来以与所述第一组采样点不同的方式可视地描绘所述第一采样点。
5.根据权利要求1所述的计算机实现的跟踪田地中的土壤采样的方法,其特征在于,所述方法还包括:
取回标识能够测试所述土壤样本的一个或多个可用测试设施的实验室数据,所述实验室数据链接到所述田地地图;
经由所述计算机生成的图形用户界面接收从所述一个或多个可用测试设施中对特定测试设施的选择;以及
通过网络将所更新的第一采样数据发送到所选择的所述测试设施的计算机。
6.根据权利要求1所述的计算机实现的跟踪田地中的土壤采样的方法,其特征在于,所述方法还包括:
将所更新的所述第一采样数据发送到***计算设备,所述***计算设备被编程为基于所述第一采样数据来打印标签,所述标签能够贴附到所采集的所述土壤样本。
7.根据权利要求1所述的计算机实现的跟踪田地中的土壤采样的方法,其特征在于,所述方法还包括:
接收用以将第二组采样点分配给所述田地地图中的一个或多个部分的输入,所述第二组采样点具有与第一组采样点在所述田地地图中的地理坐标不同的第二地理坐标;
根据所述第二地理坐标对所述第二组采样点进行重新编号;以及
在所述田地地图中,可视地将所述第一组采样点替换为所述第二组采样点。
8.根据权利要求1所述的计算机实现的跟踪田地中的土壤采样的方法,其特征在于,所述方法还包括:
经由与所述计算设备相关联的全球定位***(GPS)跟踪信息接收所述计算设备的地理坐标;
在所述田地地图中标识与所接收的所述地理坐标相关联的部分;以及
在所述田地地图中显示与所标识的所述部分相关联的第三采样点。
9.根据权利要求1所述的计算机实现的跟踪田地中的土壤采样的方法,其特征在于,所述土壤采样包括组织采样或物候学采样中的至少一者。
10.一个或多个非暂态存储介质,所述非暂态存储介质存储指令,当所述指令由一个或多个计算设备执行时,引起执行一种跟踪田地中的土壤采样的方法,其特征在于,所述方法包括:
从第一数据存储源接收数字化存储的田地地图数据,并从第二数据存储源接收数字化存储的采样数据;
基于所述田地地图数据和所述采样数据,在计算机生成的图形用户界面中,显示包括第一组采样点的农田的图形地图,所述第一组采样点的每个采样点被分配给田地地图中的与对应的地理坐标相关联的对应部分;
接收对所述第一组采样点中的第一采样点的选择;
在所述计算机生成的图形用户界面中,显示与所述第一采样点相关联的第一采样数据,所述第一采样数据包括农业特性集和订单数据集;
接收对所述订单数据集的更新,所述更新指示在所述第一采样点处土壤样本已经被采集;
基于采样协议,确定下一个土壤样本待在其处被采集的第二采样点;以及
在所述田地地图中显示所述第二采样点,所述第二采样点是使用与所述第一采样点相比在视觉上不同的属性来描绘的。
11.根据权利要求10所述的一个或多个非暂态存储介质,其特征在于,所述农业特性集包括土壤物理特性或拓扑特性中的至少一者。
12.根据权利要求10所述的一个或多个非暂态存储介质,其特征在于,所述田地地图指示:一个或多个部分的地理坐标、到所述一个或多个部分的边界的距离、或者针对所述一个或多个部分的农学特性值集。
13.根据权利要求10所述的一个或多个非暂态存储介质,其特征在于,所述方法还包括,在接收到对所述订单数据集的所述更新之后:
在所述田地地图中,突出显示所述第一采样点,来以与所述第一组采样点不同的方式可视地描绘所述第一采样点。
14.根据权利要求10所述的一个或多个非暂态存储介质,其特征在于,所述方法还包括:
取回标识能够测试所述土壤样本的一个或多个可用测试设施的实验室数据,所述实验室数据链接到所述田地地图;
经由所述计算机生成的图形用户界面接收从所述一个或多个可用测试设施中对特定测试设施的选择;以及
通过网络将所更新的第一采样数据发送到所选择的所述测试设施的计算机。
15.根据权利要求10所述的一个或多个非暂态存储介质,其特征在于,所述方法还包括:
将所更新的所述第一采样数据发送到***计算设备,所述***计算设备被编程为基于所述第一采样数据来打印标签,所述标签能够贴附到所采集的所述土壤样本。
16.根据权利要求10所述的一个或多个非暂态存储介质,其特征在于,所述方法还包括:
接收用以将第二组采样点分配给所述田地地图中的一个或多个部分的输入,所述第二组采样点具有与第一组采样点在所述田地地图中的地理坐标不同的第二地理坐标;
根据所述第二地理坐标对所述第二组采样点进行重新编号;以及
在所述田地地图中,可视地将所述第一组采样点替换为所述第二组采样点。
17.根据权利要求10所述的一个或多个非暂态存储介质,其特征在于,所述方法还包括:
经由与所述计算设备相关联的全球定位***(GPS)跟踪信息接收所述计算设备的地理坐标;
在所述田地地图中标识与所接收的地理坐标相关联的部分;以及
在所述田地地图中显示与所标识的所述部分相关联的第三采样点。
18.根据权利要求10所述的一个或多个非暂态存储介质,其特征在于,所述土壤采样包括组织采样或物候学采样中的至少一者。
19.一种跟踪田地中的土壤采样的数据处理***,其特征在于,数据处理***的包括:
存储器;
一个或多个处理器,耦合到所述存储器并被编程为:
从第一数据存储源接收数字化存储的田地地图数据,并从第二数据存储源接收数字化存储的采样数据;
基于所述田地地图数据和所述采样数据,在计算机生成的图形用户界面中,显示包括第一组采样点的农田的图形地图,所述第一组采样点的每个采样点被分配给田地地图中的与对应的地理坐标相关联的对应部分;
接收对所述第一组采样点中的第一采样点的选择;
在所述计算机生成的图形用户界面中,显示与所述第一采样点相关联的第一采样数据,所述第一采样数据包括农业特性集和订单数据集;
接收对所述订单数据集的更新,所述更新指示在所述第一采样点土壤样本已经被采集;
基于采样协议,确定下一个土壤样本待在其处被采集的第二采样点;以及
在所述田地地图中显示所述第二采样点,所述第二采样点是使用与所述第一采样点相比在视觉上不同的属性来描绘的。
20.根据权利要求19所述的数据处理***,其特征在于,所述土壤采样包括组织采样或物候学采样中的至少一者。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862753692P | 2018-10-31 | 2018-10-31 | |
PCT/US2019/059206 WO2020092798A1 (en) | 2018-10-31 | 2019-10-31 | Automated sample collection and tracking system |
US62/753,692 | 2019-10-31 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113038823A CN113038823A (zh) | 2021-06-25 |
CN113038823B true CN113038823B (zh) | 2023-05-30 |
Family
ID=70328043
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980072214.0A Active CN113038823B (zh) | 2018-10-31 | 2019-10-31 | 自动化样本采集和跟踪*** |
Country Status (6)
Country | Link |
---|---|
US (1) | US11785877B2 (zh) |
EP (1) | EP3873187A4 (zh) |
CN (1) | CN113038823B (zh) |
AR (1) | AR121160A1 (zh) |
CA (1) | CA3116016A1 (zh) |
WO (1) | WO2020092798A1 (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2017355728B2 (en) | 2016-11-07 | 2020-09-10 | Climate Llc | Agricultural implements for soil and vegetation analysis |
US11449831B2 (en) * | 2018-11-14 | 2022-09-20 | Starlight Ag, Llc | Systems and methods for selective and real-time user interface display |
DE102019116961A1 (de) * | 2019-06-24 | 2020-12-24 | Grimme Landmaschinenfabrik Gmbh & Co. Kg | Verfahren zur Beobachtung von Arbeitsprozessen einer landwirtschaftlichen Maschine, digitales Videosystem und landwirtschaftliche Maschine |
CN114077946A (zh) * | 2020-08-14 | 2022-02-22 | 上海柏鼎环保科技有限公司 | 场地调查监管***及方法 |
CN112082802A (zh) * | 2020-08-27 | 2020-12-15 | 湖北科艾乐检测科技有限公司 | 一种土壤样品采集方法 |
WO2022087400A1 (en) * | 2020-10-23 | 2022-04-28 | Dowdy Crop Innovations, LLC | Systems and methods for crop management |
CN113408370B (zh) * | 2021-05-31 | 2023-12-19 | 西安电子科技大学 | 基于自适应参数遗传算法的森林变化遥感检测方法 |
CA3241968A1 (en) * | 2021-12-21 | 2023-06-29 | Basf Agro Trademarks Gmbh | A computer-implemented method for generating a soil property map of an agricultural field |
CN114459799B (zh) * | 2022-01-20 | 2023-11-10 | 云南铜业矿产资源勘查开发有限公司 | 一种水工环地质勘察取样方法 |
US20230272671A1 (en) * | 2022-02-25 | 2023-08-31 | J.H. Fletcher & Co. | Automated system for face drill machines |
CN114916276A (zh) * | 2022-04-18 | 2022-08-19 | 张景燕 | 一种根据土层厚度进行土地平整的方法 |
US20240003705A1 (en) * | 2022-07-01 | 2024-01-04 | Here Global B.V. | Method and apparatus for providing a path-based map matcher |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5878371A (en) * | 1996-11-22 | 1999-03-02 | Case Corporation | Method and apparatus for synthesizing site-specific farming data |
WO2001097097A1 (en) * | 2000-06-05 | 2001-12-20 | Ag-Chem Equipment Company, Inc. | System and method for creating field attribute maps for site-specific farming |
US6597992B2 (en) * | 2001-11-01 | 2003-07-22 | Soil And Topography Information, Llc | Soil and topography surveying |
US6671698B2 (en) | 2002-03-20 | 2003-12-30 | Deere & Company | Method and system for automated tracing of an agricultural product |
US20120029933A1 (en) * | 2008-09-22 | 2012-02-02 | Mckesson Financial Holding Limited | Point-of-care decision support driven auto-adjudication system, and associated method and computer-readable storage medium |
US20120101784A1 (en) * | 2010-10-25 | 2012-04-26 | Trimble Navigation Limited | Wide-area agricultural monitoring and prediction |
WO2013040992A1 (zh) | 2011-09-20 | 2013-03-28 | 苏州瑞博生物技术有限公司 | 一种双链核酸及其在核糖核酸酶检测中的应用和试剂盒 |
WO2013063106A2 (en) | 2011-10-24 | 2013-05-02 | Trimble Navigation Limited | Agricultural and soil management |
KR102318141B1 (ko) | 2012-09-26 | 2021-10-28 | 가부시끼 가이샤 구보다 | 농작 관리 시스템 및 농작물 수확기 |
CN103530361A (zh) | 2013-10-13 | 2014-01-22 | 林兴志 | 基于北斗与gis的农务地块图形构建与精细管理中间件 |
CN104574196B (zh) * | 2013-10-21 | 2018-07-10 | 中国农业科学院作物科学研究所 | 一种用于农作物田间自动化数据采集管理*** |
CN103793851A (zh) * | 2014-03-04 | 2014-05-14 | 武汉大学 | 基于地理空间传感网的土壤水分实时监测和即时制图方法 |
CN104240134B (zh) * | 2014-09-04 | 2018-01-09 | 中联重机股份有限公司 | 基于农田状况的农机服务方法和*** |
US10667456B2 (en) * | 2014-09-12 | 2020-06-02 | The Climate Corporation | Methods and systems for managing agricultural activities |
US20180292339A1 (en) | 2014-11-14 | 2018-10-11 | Pioneer Hi-Bred International, Inc. | Systems and methods for high resolution plant root zone soil mapping and crop modeling |
US20170042081A1 (en) * | 2015-08-10 | 2017-02-16 | 360 Yield Center, Llc | Systems, methods and apparatuses associated with soil sampling |
US10198676B2 (en) * | 2016-06-30 | 2019-02-05 | Sampleserve, Inc. | System and method for managing sample collection data and documentation |
US10304342B2 (en) * | 2016-11-08 | 2019-05-28 | Ge Aviation Systems Llc | Ground-based data acquisition system |
-
2019
- 2019-10-31 CN CN201980072214.0A patent/CN113038823B/zh active Active
- 2019-10-31 EP EP19878407.6A patent/EP3873187A4/en not_active Withdrawn
- 2019-10-31 US US16/670,247 patent/US11785877B2/en active Active
- 2019-10-31 WO PCT/US2019/059206 patent/WO2020092798A1/en unknown
- 2019-10-31 CA CA3116016A patent/CA3116016A1/en active Pending
- 2019-11-01 AR ARP190103188A patent/AR121160A1/es unknown
Also Published As
Publication number | Publication date |
---|---|
EP3873187A1 (en) | 2021-09-08 |
AR121160A1 (es) | 2022-04-27 |
EP3873187A4 (en) | 2022-08-31 |
CA3116016A1 (en) | 2020-05-07 |
CN113038823A (zh) | 2021-06-25 |
WO2020092798A1 (en) | 2020-05-07 |
US20200128721A1 (en) | 2020-04-30 |
US11785877B2 (en) | 2023-10-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113038823B (zh) | 自动化样本采集和跟踪*** | |
US11751519B2 (en) | Identifying management zones in agricultural fields and generating planting plans for the zones | |
US11557116B2 (en) | Generating pixel maps from non-image data and difference metrics for pixel maps | |
US11678619B2 (en) | Identifying management zones in agricultural fields and generating planting plans for the zones | |
CN112889089B (zh) | 用于标识卫星影像中的云和云影的机器学习技术 | |
US10467540B2 (en) | Estimating confidence bounds for rainfall adjustment values | |
US20200410143A1 (en) | Delineating management zones based on historical yield maps | |
JP2022508939A (ja) | 植物の写真を分類することにより植物病の感染を検出すること | |
US10371863B2 (en) | Estimating rainfall adjustment values | |
CN113228041B (zh) | 利用改善的机器学习检测植物疾病的感染 | |
BR112021006966A2 (pt) | sistema automático de coleta e rastreamento de amostra |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: Missouri, USA Applicant after: Clemet Co.,Ltd. Address before: California, USA Applicant before: THE CLIMATE Corp. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |