DE102021124715A1 - CROP CONSTITUENT CARD GENERATION AND CONTROL SYSTEM - Google Patents

Abstract

Eine oder mehrere Karten werden von einer landwirtschaftlichen Arbeitsmaschine erhalten. Die eine oder mehreren Karten bilden einen oder mehrere landwirtschaftliche Merkmalswerte an verschiedenen geografischen Positionen eines Feldes ab. Ein In-situ-Sensor an der landwirtschaftlichen Arbeitsmaschine erfasst ein landwirtschaftliches Merkmal, während sich die landwirtschaftliche Arbeitsmaschine durch das Feld bewegt. Ein prädiktiver Kartengenerator erzeugt eine prädiktive Karte, die ein prädiktives landwirtschaftliches Merkmal an verschiedenen Positionen in dem Feld auf Grundlage einer Beziehung zwischen den Werten in der einen oder den mehreren Karten und des landwirtschaftlichen Merkmals, das durch den In-situ-Sensor erfasst wird, vorhersagt. Die prädiktive Karte kann ausgegeben und in der automatisierten Maschinensteuerung verwendet werden.One or more cards are received from an agricultural work machine. The one or more maps depict one or more agricultural characteristic values at different geographic locations of a field. An in situ sensor on the agricultural work machine senses an agricultural feature as the agricultural work machine moves through the field. A predictive map generator generates a predictive map that predicts a predictive agricultural trait at various locations in the field based on a relationship between the values in the one or more maps and the agricultural trait sensed by the in situ sensor . The predictive map can be output and used in automated machine control.

Description

GEBIET DER BESCHREIBUNGFIELD OF DESCRIPTION

Die vorliegende Beschreibung bezieht sich auf landwirtschaftliche Maschinen, Forstmaschinen, Baumaschinen und Rasenpflegemaschinen.The present description relates to agricultural machines, forestry machines, construction machines and lawn care machines.

HINTERGRUNDBACKGROUND

Es gibt eine Vielzahl verschiedener Arten von landwirtschaftlichen Maschinen. Einige landwirtschaftliche Maschinen beinhalten Erntemaschinen, wie etwa Mähdrescher, Zuckerrohrerntemaschinen, Baumwollerntemaschinen, selbstfahrende Feldhäcksler und Schwader. Einige Erntemaschinen können auch mit verschiedenen Arten von Vorsätzen ausgestattet werden, um verschiedene Arten von Erntegut zu ernten.There are many different types of agricultural machinery. Some agricultural machines include harvesters such as combine harvesters, sugar cane harvesters, cotton harvesters, forage harvesters, and windrowers. Some harvesters can also be fitted with different types of headers to harvest different types of crops.

Eine Vielzahl unterschiedlicher Bedingungen in Feldern haben eine Reihe schädlicher Auswirkungen auf den Erntevorgang. Daher kann ein Bediener versuchen, die Steuerung der Erntemaschine zu modifizieren, wenn er während eines Erntevorgangs auf solche Bedingungen trifft.A variety of different field conditions have a number of detrimental effects on the harvesting process. Therefore, an operator may attempt to modify the controls of the harvester when encountering such conditions during a harvesting operation.

KURZDARSTELLUNGEXECUTIVE SUMMARY

Eine oder mehrere Karten werden von einer landwirtschaftlichen Arbeitsmaschine erhalten. Die eine oder mehreren Karten bilden einen oder mehrere landwirtschaftliche Merkmalswerte an verschiedenen geografischen Positionen eines Feldes ab. Ein In-situ-Sensor an der landwirtschaftlichen Arbeitsmaschine erfasst ein landwirtschaftliches Merkmal, während sich die landwirtschaftliche Arbeitsmaschine durch das Feld bewegt. Ein prädiktiver Kartengenerator erzeugt eine prädiktive Karte, die ein prädiktives landwirtschaftliches Merkmal an verschiedenen Positionen in dem Feld auf Grundlage einer Beziehung zwischen den Werten in der einen oder den mehreren Karten und des landwirtschaftlichen Merkmals, das durch den In-situ-Sensor erfasst wird, vorhersagt. Die prädiktive Karte kann ausgegeben und in der automatisierten Maschinensteuerung verwendet werden.One or more cards are received from an agricultural work machine. The one or more maps depict one or more agricultural characteristic values at different geographic locations of a field. An in situ sensor on the agricultural work machine senses an agricultural feature as the agricultural work machine moves through the field. A predictive map generator generates a predictive map that predicts a predictive agricultural trait at various locations in the field based on a relationship between the values in the one or more maps and the agricultural trait sensed by the in situ sensor . The predictive map can be output and used in automated machine control.

Figurenlistecharacter list

• 1 ist eine teilweise bildliche, teilweise schematische Darstellung für ein Beispiel einer landwirtschaftlichen Erntemaschine. 1 12 is a partially pictorial, partially schematic representation of an example agricultural harvester.
• 2 ist ein Blockdiagramm, das einige Abschnitte einer landwirtschaftlichen Erntemaschine gemäß einiger Beispiele der vorliegenden Offenbarung detaillierter zeigt. 2 12 is a block diagram showing in more detail some portions of an agricultural harvesting machine according to some examples of the present disclosure.
• Die 3a-3b (hierin gemeinsam als 3 bezeichnet) zeigen ein Flussdiagramm, das ein Beispiel für den Betrieb einer landwirtschaftlichen Erntemaschine beim Erzeugen einer Karte veranschaulicht.the 3a-3b (herein together as 3 ) show a flow chart illustrating an example of the operation of an agricultural harvesting machine in generating a map.
• 4 ist ein Blockdiagramm, das ein Beispiel für einen prädiktiven Modellgenerator und einen prädiktiven Kartengenerator zeigt. 4 Figure 12 is a block diagram showing an example of a predictive model generator and a predictive map generator.
• 5 ist ein Flussdiagramm, das ein Beispiel für einen Betrieb einer landwirtschaftlichen Erntemaschine beim Empfangen einer Karte zeigt, Erkennen eines In-situ-Merkmals und Erzeugen einer funktionellen prädiktiven Karte zur Präsentation oder Verwendung beim Steuern der landwirtschaftlichen Erntemaschine während eines Erntevorgangs oder beidem. 5 12 is a flowchart showing an example of an operation of an agricultural harvester in receiving a map, detecting an in situ feature, and generating a functional predictive map for presentation or use in controlling the agricultural harvester during a harvesting operation, or both.
• 6A ist ein Blockdiagramm, das ein Beispiel für einen prädiktiven Modellgenerator und einen prädiktiven Kartengenerator zeigt. 6A Figure 12 is a block diagram showing an example of a predictive model generator and a predictive map generator.
• 6B ist ein Blockdiagramm, das einige Beispiele für In-situ-Sensoren zeigt. 6B Figure 12 is a block diagram showing some examples of in situ sensors.
• 7 zeigt ein Flussdiagramm, das ein Beispiel für den Betrieb einer landwirtschaftlichen Erntemaschine veranschaulicht, das das Erzeugen einer funktionellen prädiktiven Karte mithilfe einer Vorabinformationskarte und einer In-situ-Sensoreingabe beinhaltet. 7 FIG. 14 is a flow chart illustrating an example of operating an agricultural harvester that includes generating a functional predictive map using a pre-information map and in situ sensor input.
• 8 ist ein Blockdiagramm, das ein Beispiel für einen Steuerzonengenerator zeigt. 8th Figure 12 is a block diagram showing an example of a control zone generator.
• 9 ist ein Flussdiagramm, das ein Beispiel für den Betrieb des in 8 gezeigten Steuerzonengenerators veranschaulicht. 9 is a flowchart showing an example of the operation of the in 8th control zone generator shown.
• 10 veranschaulicht ein Flussdiagramm, das ein Beispiel für den Betrieb eines Steuersystems bei der Auswahl eines Zieleinstellungswerts zeigt, um eine landwirtschaftliche Erntemaschine zu steuern. 10 Figure 12 illustrates a flow chart showing an example of operation of a control system in selecting a target setting value to control an agricultural harvester.
• 11 ist ein Blockdiagramm, das ein Beispiel für eine Bedienerschnittstellensteuerung zeigt. 11 Fig. 12 is a block diagram showing an example of an operator interface control.
• 12 ist ein Flussdiagramm, das ein Beispiel für eine Bedienerschnittstellensteuerung darstellt. 12 Fig. 12 is a flowchart showing an example operator interface control.
• 13 ist eine bildliche Darstellung, die ein Beispiel für eine Bedienerschnittstellenanzeige zeigt. 13 Figure 12 is a pictorial representation showing an example operator interface display.
• 14 ist ein Blockdiagramm, das ein Beispiel für eine landwirtschaftliche Erntemaschine in Kommunikation mit einer Remote-Serverumgebung zeigt. 14 Figure 12 is a block diagram showing an example agricultural harvester in communication with a remote server environment.
• Die 15-17 zeigen Beispiele für mobile Vorrichtungen, die in einer landwirtschaftlichen Erntemaschine verwendet werden können.the 15-17 show examples of mobile devices that can be used in an agricultural harvesting machine.
• 18 zeigt ein Blockdiagramm eines Beispiels einer Computerumgebung, die in einer landwirtschaftlichen Erntemaschine verwendet werden kann. 18 Figure 1 shows a block diagram of an example of a computing environment used in a farmer economic harvester can be used.

AUSFÜHRLICHE BESCHREIBUNGDETAILED DESCRIPTION

Für ein besseres Verständnis der Prinzipien der vorliegenden Offenbarung wird nun auf die in den Zeichnungen dargestellten Beispiele Bezug genommen, und es wird eine spezifische Sprache verwendet, um diese zu beschreiben. Es versteht sich jedoch, dass keine Einschränkung des Schutzumfangs der Offenbarung beabsichtigt ist. Jegliche Abänderungen und weiteren Modifikationen der beschriebenen Vorrichtungen, Systeme, Verfahren und jede weitere Anwendung der Prinzipien der vorliegenden Offenbarung werden vollständig in Betracht gezogen, wie sie normalerweise Fachleute auf dem Gebiet, auf das sich die Offenbarung bezieht, bemerken würden. Insbesondere wird vollständig in Betracht gezogen, dass die Merkmale, Komponenten, Schritte oder eine Kombination davon, die in Bezug auf ein Beispiel beschrieben sind, mit den Merkmalen, Komponenten, Schritten oder einer Kombination davon kombiniert werden können, die in Bezug auf andere Beispiele der vorliegenden Offenbarung beschrieben sind.For a better understanding of the principles of the present disclosure, reference will now be made to the examples illustrated in the drawings and specific language will be used to describe them. However, it should be understood that no limitation on the scope of the disclosure is intended. Any alterations and further modifications to the described devices, systems, methods, and any further application of the principles of the present disclosure are fully contemplated as would normally occur to those skilled in the art to which the disclosure pertains. In particular, it is fully contemplated that the features, components, steps, or combination thereof, described with respect to one example may be combined with the features, components, steps, or combination thereof, described with respect to other examples present disclosure.

Die vorliegende Beschreibung bezieht sich auf die Verwendung von In-situ-Daten, die gleichzeitig mit einem landwirtschaftlichen Vorgang in Kombination mit vorherigen Daten aufgenommen wurden, um eine funktionelle prädiktive Karte und insbesondere eine funktionelle prädiktive Erntegutbestandteilkarte zu erzeugen. In einigen Beispielen kann die funktionelle prädiktive Erntegutbestandteilkarte verwendet werden, um eine landwirtschaftliche Arbeitsmaschine, wie etwa eine landwirtschaftliche Erntemaschine, zu steuern. Es kann wünschenswert sein, die Maschineneinstellungen der landwirtschaftlichen Erntemaschine in Abhängigkeit von den Erntegutbestandteilwerten in dem Bereich, in dem die landwirtschaftliche Erntemaschine arbeitet, zu ändern oder anderweitig zu steuern. In einigen Situationen können hohe Werte der Erntegutbestandteile wie Protein oder Öl zu hohen Marktpreisen oder Vorteilen bei der Verfütterung an Tiere führen. Um diesen Wert zu erfassen, wird das Erntegut bei der Ernte getrennt und auf der Grundlage der Höhe des Bestandteils verwaltet. Die Trennung kann durch Leiten von Erntegut zu einem von einer Vielzahl von bordeigenen Reinkorntanks erfolgen. In anderen Beispielen kann die Trennung durch Abladen von Korn an einen Korntransportfahrzeug erfolgen, wenn Schwellenwerte der Höhe des Bestandteils überschritten werden. In noch anderen Beispielen kann die Trennung durch Verwalten des Pfads erfolgen, den ein Erntefahrzeug durch das Feld auf Grundlage vorhergesagter Bestandteilwerte nimmt.The present description relates to the use of in situ data collected concurrently with a farming operation in combination with previous data to generate a functional predictive map and more particularly a functional predictive crop constituent map. In some examples, the functional predictive crop constituent map may be used to control an agricultural work machine, such as an agricultural harvester. It may be desirable to change or otherwise control the machine settings of the agricultural harvesting machine depending on the crop constituent values in the area in which the agricultural harvesting machine is operating. In some situations, high levels of crop components such as protein or oil can result in high market prices or benefits when fed to animals. To capture this value, the crop is separated at harvest and managed based on the level of the component. Separation can be accomplished by directing crop to one of a variety of onboard clean grain tanks. In other examples, the separation may be accomplished by offloading grain onto a grain handling vehicle when constituent height thresholds are exceeded. In still other examples, the separation may be accomplished by managing the path a harvester takes through the field based on predicted constituent values.

In einem Beispiel können die Systeme hierin eine landwirtschaftliches Merkmalkarte erhalten, die Werte von einem oder mehreren landwirtschaftlichen Merkmalen auf verschiedene Positionen in einem oder mehreren Feldern von Interesse abbildet. Somit stellen die landwirtschaftlichen Merkmalkarten georeferenzierte landwirtschaftliche Merkmalwerte bereit, die Werte von einem oder mehreren landwirtschaftlichen Merkmalen an verschiedenen Positionen in einem Feld von Interesse angeben. Landwirtschaftliche Merkmale können jedes Merkmal umfassen, das einen landwirtschaftlichen Vorgang beeinflussen kann. Zum Beispiel, jedoch nicht beschränkt darauf, können landwirtschaftliche Merkmale Ernte- oder Vegetationsmerkmale (wie etwa Unkraut), Bodeneigenschaften, topographische Merkmale des Feldes, Maschinenmerkmale der landwirtschaftlichen Arbeitsmaschine (wie etwa Maschineneinstellungen, Betriebsmerkmale oder Maschinenleistungsmerkmale) zum Beispiel, Maschinengeschwindigkeit oder Leistungsverbrauch, Ertrag, Biomasse, Aussaatmerkmale (Saatgutgenotyp, Saatgutpopulation, Saatgutabstand sowie verschiedene andere Saatgutmerkmale), Erntegutzustand, Verdichtung, landwirtschaftliche Merkmale, die während eines Vorabbetriebs erkannt wurden, sowie eine Reihe von landwirtschaftlichen Merkmalen beinhalten. Nachfolgend werden einige Beispiele für besondere landwirtschaftliche Merkmalkarten beschrieben.In one example, the systems herein may obtain an agricultural trait map that maps values of one or more agricultural traits to various locations in one or more fields of interest. Thus, the agricultural trait maps provide georeferenced agricultural trait values that indicate values of one or more agricultural traits at various locations in a field of interest. Agricultural traits can include any trait that can affect an agricultural process. For example, but not limited to, agricultural characteristics may include crop or vegetation characteristics (such as weeds), soil characteristics, topographical characteristics of the field, machine characteristics of the agricultural work machine (such as machine settings, operational characteristics, or machine performance characteristics), for example, machine speed or power consumption, yield, Biomass, seed traits (seed genotype, seed population, seed spacing, as well as various other seed traits), crop condition, compaction, agricultural traits recognized during a preliminary operation, and a range of agricultural traits. Some examples of special agricultural feature cards are described below.

Eine vegetative Indexkarte bildet veranschaulichend vegetative Indexwerte, die auf vegetatives Wachstum hinweisen können, über verschiedene geografische Positionen in einem oder mehreren Feldern von Interesse ab. Ein Beispiel eines vegetativen Index beinhaltet einen normalisierten Differenzvegetationsindex (NDVI). Es gibt viele andere vegetativelndizes und alle diese vegetativen Indizes liegen innerhalb des Umfangs der vorliegenden Offenbarung. In einigen Beispielen kann ein vegetativer Index aus Sensormesswerten eines oder mehrerer Bänder elektromagnetischer Strahlung abgeleitet werden, die von den Pflanzen reflektiert werden. Ohne Einschränkungen können diese Bänder im Mikrowellen-, Infrarot-, sichtbaren oder ultravioletten Teil des elektromagnetischen Spektrums liegen.A vegetative index map illustratively maps vegetative index values, which may be indicative of vegetative growth, across various geographic locations in one or more fields of interest. An example of a vegetative index includes a normalized difference vegetative index (NDVI). There are many other vegetative indices and all such vegetative indices are within the scope of the present disclosure. In some examples, a vegetative index may be derived from sensor readings of one or more bands of electromagnetic radiation reflected from the plants. Without limitation, these bands can be in the microwave, infrared, visible, or ultraviolet portions of the electromagnetic spectrum.

Eine vegetative Indexkarte kann somit verwendet werden, um das Vorhandensein und die Position der Vegetation zu identifizieren. In einigen Beispielen ermöglicht eine vegetative Indexkarte, dass Erntegut in Gegenwart von nacktem Boden, Erntegutrückständen oder anderen Pflanzen, einschließlich Erntegut oder Unkraut, identifiziert und georeferenziert werden. Zum Beispiel kann der vegetative Index zu Beginn einer Wachstumsperiode, wenn sich ein Erntegut in einem Wachstumszustand befindet, den Fortschritt der Entwicklung des Ernteguts anzeigen. Wenn daher eine vegetative Indexkarte zu Beginn der Wachstumsperiode oder in der Mitte der Wachstumsperiode erstellt wird, kann die vegetative Indexkarte den Fortschritt der Entwicklung der Erntegutpflanzen anzeigen. Zum Beispiel kann die vegetative Indexkarte angeben, ob die Pflanze unterentwickelt ist, ob ein ausreichender Bewuchs aufgebaut wurde oder ob andere Pflanzenattribute auf die Pflanzenentwicklung hinweisen.A vegetative index map can thus be used to identify the presence and location of vegetation. In some examples, a vegetative index map allows crops to be identified and georeferenced in the presence of bare soil, crop residue, or other vegetation, including crops or weeds. For example, at the beginning of a growing season, when a crop is in a state of growth, the vegetative index can indicate the progress of development of the crop. If therefore a vegetative Index map is created at the beginning of the growing season or in the middle of the growing season, the vegetative index map can show the progress of development of the crop plants. For example, the vegetative index map can indicate whether the plant is underdeveloped, whether an adequate cover has been established, or whether other plant attributes are indicative of plant development.

Eine Vorabbetriebskarte bildet Werte verschiedener Vorabbetriebsmerkmale auf verschiedene Positionen in einem oder mehreren Feldern von Interesse auf Grundlage von Daten ab, die während eines Vorgangs vor dem landwirtschaftlichen Erntevorgang gesammelt wurden. Vorabbetriebe durch andere Maschinen können sich auf den Betrieb einer landwirtschaftlichen Erntemaschine auswirken. Beispielsweise kann ein Vorabsprüh- oder Vorabsubstanzanwendungsvorgang eine Wirkung haben oder anderweitig eine Beziehung zu resultierenden Bestandteilen in Erntegut auf einem zu erntenden Feld aufweisen. Beispielsweise kann die Anwendung von Düngemittel, wie Düngemittel mit Stickstoff, das Anwenden von Herbizid, Pestizid, Fungizid sowie verschiedenen anderen Substanzen eine Wirkung auf oder eine Beziehung mit resultierenden Erntegutbestandteilen, einschließlich Bestandteilen von Kornkörnern, haben oder mit ihnen in Beziehung stehen. Beispielsweise kann das Anwenden von Düngemittel, wie beispielsweise Düngemittel mit Stickstoff, eine Wirkung haben oder anderweitig eine Beziehung zu den resultierenden Bestandteilen von Erntegut auf einem Feld haben, einschließlich Bestandteilen von Korn in Erntegut. Somit stellt eine Vorabbetriebskarte georeferenzierte Vorabbetriebsmerkmale als landwirtschaftliche Merkmale bereit, die auf Daten basieren, die während eines Vorabbetriebs gesammelt wurden. In einem Beispiel kann eine Vorabbetriebskarte georeferenzierte Substanz- (wie etwa Düngemittel-) Anwendungswerte beinhalten, die Substanzanwendungsmerkmale angeben, wie etwa Positionen, Mengen, Arten und Zusammensetzungen von Substanz, die von der landwirtschaftlichen Arbeitsmaschine angewendet werden, wie etwa eine Sprühvorrichtung, eine Sämaschine, einen Verteiler sowie verschiedene andere Substanzanwendungsmaschinen.A pre-farm map maps values of various pre-farm characteristics to different locations in one or more fields of interest based on data collected during an operation prior to the agricultural harvest operation. Pre-operations by other machines can affect the operation of an agricultural harvester. For example, a pre-spray or pre-substance application event may have an effect or otherwise be related to resulting components in crops in a field to be harvested. For example, application of fertilizer, such as fertilizer with nitrogen, application of herbicide, pesticide, fungicide, as well as various other substances, may have an effect on or be related to resulting crop components, including components of grain kernels. For example, applying fertilizers, such as fertilizers with nitrogen, may have an effect or otherwise be related to the resulting crop constituents in a field, including grain-in-crop constituents. Thus, a pre-operation map provides georeferenced pre-operation features as agricultural characteristics based on data collected during a pre-operation. In an example, a preliminary operation map may include georeferenced substance (such as fertilizer) application values that indicate substance application characteristics, such as locations, amounts, types, and compositions of substance applied by the agricultural work machine, such as a sprayer, seeder, a dispenser as well as various other substance application machines.

Eine historische Erntegutbestandteilkarte bildet veranschaulichend Erntegutbestandteilwerte über verschiedene geografische Positionen in einem oder mehreren Feldern von Interesse ab. Diese historischen Erntegutbestandteilkarten werden aus früheren landwirtschaftlichen Vorgängen auf dem Feld oder den Feldern gesammelt, z. B. aus früheren Erntevorgängen. Eine Erntegutbestandteilkarte kann Erntegutbestandteile in Erntegutbestandteilwerteinheiten anzeigen. Ein Beispiel einer Erntegutbestandteilwerteinheit beinhaltet einen numerischen Wert, wie etwa einen Prozentsatz, einen Gewichtswert oder einen Massenwert, der eine Menge eines Bestandteils in einem Erntegut, zum Beispiel eine Menge an Protein, Stärke, Öl, Nährstoffen, Wasser unter verschiedenen anderen Bestandteilen des Ernteguts oder der Vegetation, oder eine Menge an Protein, Stärke, Öl, Nährstoffen, Wasser unter verschiedenen anderen Bestandteilen im Korn von Erntegutpflanzen angibt. Einige Erntegutbestandteile sind vorübergehender Natur, indem die Menge des im Erntegut enthaltenen Bestandteils (wie Korn) im Laufe der Zeit variiert, beispielsweise kann Korn im Laufe der Zeit trocknen oder Wasser aufnehmen. Einige Erntegutbestandteile sind struktureller Natur, da die Menge an Bestandteilen (oder die Verhältnisse der Bestandteile) im Laufe der Zeit nicht so stark variieren, zumindest bis sich das Korn zersetzt. Wie hierin verwendet, können sich Erntegutbestandteile auch auf Kornbestandteile beziehen, und somit können sich Erntegutbestandteilwerte in einigen Beispielen auf eine Menge an Bestandteil in dem Korn von Erntegutpflanzen beziehen, zum Beispiel die Menge an Protein, Stärke, Öl, Nährstoffen, Wasser, neben verschiedenen anderen Bestandteilen, in dem Korn von Erntegutpflanzen. In einigen Beispielen kann eine historische Erntegutbestandteilkarte aus Sensormesswerten eines oder mehrerer Erntegutbestandteilsensoren abgeleitet werden. Ohne Einschränkung können diese Erntegutbestandteilsensoren ein oder mehrere Bänder elektromagnetischer Strahlung zum Erkennen von Erntegutbestandteilen verwenden. Beispielsweise kann ein Erntegutbestandteilsensor den Reflexionsgrad oder die Absorption verschiedener Bereiche (z. B. verschiedener Wellenlängen oder Frequenzen oder beider) elektromagnetischer Strahlung durch Erntegut oder anderes Vegetationsmaterial beim Erkennen von Erntegutbestandteilen verwenden. In einigen Beispielen kann ein Erntegutbestandteilsensor einen optischen Sensor, wie etwa ein optisches Spektrometer, beinhalten. In einem Beispiel kann ein Erntegutbestandteilsensor Nahinfrarotspektroskopie oder sichtbare und Nahinfrarotspektroskopie verwenden.A historical crop ingredient map illustratively maps crop ingredient values across various geographic locations in one or more fields of interest. These historical crop ingredient maps are collected from past agricultural operations on the field or fields, e.g. B. from previous harvests. A crop ingredient card may display crop ingredients in crop ingredient value units. An example of a crop ingredient unit of value includes a numerical value, such as a percentage, a weight value, or a mass value, representing an amount of an ingredient in a crop, for example, an amount of protein, starch, oil, nutrients, water, among various other ingredients of the crop or of vegetation, or an amount of protein, starch, oil, nutrients, water, among various other components in grain of crop plants. Some crop components are transient in nature, in that the amount of the component (such as grain) contained in the crop varies over time, for example grain may dry or absorb water over time. Some crop components are structural in nature, since the amount of components (or the ratios of components) do not vary that much over time, at least until the grain breaks down. As used herein, crop constituents can also refer to grain constituents, and thus in some examples crop constituent values can refer to an amount of constituent in the grain of crop plants, for example the amount of protein, starch, oil, nutrients, water, among various others Constituents in the grain of crop plants. In some examples, a historical crop ingredient map may be derived from sensor readings from one or more crop ingredient sensors. Without limitation, these crop ingredient sensors may use one or more bands of electromagnetic radiation to detect crop ingredients. For example, a crop constituent sensor may use the reflectance or absorption of different ranges (e.g., different wavelengths or frequencies, or both) of electromagnetic radiation by crop or other vegetation material in detecting crop constituents. In some examples, a crop ingredient sensor may include an optical sensor, such as an optical spectrometer. In one example, a crop ingredient sensor may use near-infrared spectroscopy or visible and near-infrared spectroscopy.

Eine Bodeneigenschaftskarte bildet veranschaulichend Bodeneigenschaftswerte (die Bodentyp, Bodenfeuchtigkeit, Bodenbedeckung, Bodenstruktur, Bodenzusammensetzung sowie verschiedene andere Bodeneigenschaften anzeigen können) über verschiedene geografische Positionen in einem oder mehreren Feldern von Interesse ab. Die Bodeneigenschaftskarten stellen somit georeferenzierte Bodeneigenschaften über ein Feld von Interesse bereit. Der Bodentyp kann sich auf taxonomische Einheiten in der Bodenwissenschaft beziehen, wobei jeder Bodentyp definierte Sätze von gemeinsamen Eigenschaften beinhaltet. Die Bodentypen können beispielsweise Sandboden, Tonboden, Schlammboden, Torfboden, Kreideboden, Lehmboden und verschiedene andere Bodentypen beinhalten. Die Bodenfeuchtigkeit kann sich auf die Menge an Wasser beziehen, die im Boden gespeichert oder anderweitig enthalten ist. Die Bodenfeuchtigkeit kann auch als Bodennässe bezeichnet werden. Die Bodenbedeckung kann sich auf die Menge an Elementen oder Materialien beziehen, die den Boden bedecken, einschließlich Vegetationsmaterial, wie etwa Erntegutrückstände oder Zwischenfrüchte, Schmutz sowie verschiedene andere Elemente oder Materialien. Im Allgemeinen beinhaltet die Bodenbedeckung in landwirtschaftlicher Hinsicht ein Maß von verbleibenden Erntegutrückständen, wie eine verbleibende Masse von Pflanzenstängeln, sowie ein Maß an Zwischenfrüchten. Bodenstruktur kann sich auf die Anordnung fester Teile des Bodens und des zwischen den festen Teilen des Bodens befindlichen Porenraums beziehen. Die Bodenstruktur kann die Art und Weise umfassen, wie einzelne Partikel, wie etwa einzelne Sand-, Schlamm- und Tonpartikel, zusammengefügt sind. Die Bodenstruktur kann in Bezug auf den Grad (Aggregationsgrad), die Klasse (durchschnittliche Größe der Aggregate) und die Form (Arten von Aggregaten) sowie eine Vielzahl anderer Beschreibungen beschrieben werden. Die Bodenzusammensetzung kann eine Reihe von Bodenzusammensetzungsmerkmalen beinhalten, wie etwa Positionen, Mengen und Arten von Bestandteilen im Boden, wie etwa Stickstoff, und andere Pflanzennährstoffe. In einem Beispiel kann eine Bodenzusammensetzung Werte beinhalten, die auf eine Menge, Position und Art von Bodenbestandteil in einem Feld von Interesse hinweisen, zum Beispiel kann eine Bodenzusammensetzungskarte eine Stickstoffkarte sein, die eine Menge an Stickstoff angibt, die im Boden an verschiedenen Positionen in einem Feld von Interesse vorhanden ist. Dies sind nur Beispiele. Verschiedene andere Merkmale und Eigenschaften des Bodens können als Bodeneigenschaftswerte auf einer Bodeneigenschaftskarte abgebildet werdenA soil property map illustratively maps soil property values (which may indicate soil type, soil moisture, soil cover, soil structure, soil composition, as well as various other soil properties) across various geographic locations in one or more fields of interest. The soil property maps thus provide georeferenced soil properties over a field of interest. Soil type can refer to taxonomic units in soil science, with each soil type having defined sets of common properties. The soil types can be, for example, sandy soil, clay soil, muddy soil, peat soil, chalky soil, loam bo den and various other soil types. Soil moisture can refer to the amount of water stored or otherwise contained in the soil. Soil moisture can also be referred to as soil wetness. Land cover may refer to the amount of elements or materials that cover the ground, including vegetation material such as crop residues or catch crops, dirt, and various other elements or materials. Generally, in agricultural terms, land cover includes a measure of residual crop residues, such as a remaining mass of plant stems, as well as a measure of catch crops. Soil structure can refer to the arrangement of solid parts of the soil and the pore space located between the solid parts of the soil. Soil structure may include the manner in which individual particles, such as individual sand, mud and clay particles, are assembled. Soil structure can be described in terms of grade (degree of aggregation), class (average size of aggregates), and shape (types of aggregates), as well as a variety of other descriptions. Soil composition can include a range of soil compositional characteristics, such as locations, amounts, and types of constituents in the soil, such as nitrogen and other plant nutrients. In an example, a soil composition may include values indicative of an amount, location and type of soil constituent in a field of interest, for example a soil composition map may be a nitrogen map indicating an amount of nitrogen present in the soil at various locations in a field of interest exists. These are just examples. Various other features and properties of the soil can be mapped as soil property values on a soil property map

In einigen Beispielen kann das System eine prädiktive Merkmalkarte empfangen. Eine prädiktive Merkmalkarte bildet veranschaulichend prädiktive Merkmalwerte über eine oder mehrere geografische Positionen in einem oder mehreren Feldern von Interesse ab. Beispielsweise kann eine prädiktive Merkmalkarte eine prädiktive Biomassekarte sein, die prädiktive Werte von Biomasse- oder Biomassemerkmalen (z. B. Vegetationshöhe, Vegetationsdichte, Vegetationsmasse, Vegetationsvolumen, Dreschrotorantriebskraft) über eine oder mehrere geografische Positionen in einem oder mehreren Feldern von Interesse abbildet. In einem anderen Beispiel kann eine prädiktive Merkmalkarte eine prädiktive Ertragskarte sein, die prädiktive Ertragswerte über eine oder mehrere geografische Positionen in einem oder mehreren Feldern von Interesse abbildet. In einem anderen Beispiel kann eine prädiktive Merkmalkarte eine prädiktive Erntegutfeuchtigkeitskarte sein, die prädiktive Werte der Erntegutfeuchtigkeit über eine oder mehrere geografische Positionen in einem oder mehreren Feldern von Interesse abbildet.In some examples, the system can receive a predictive feature map. A predictive feature map illustratively maps predictive feature values across one or more geographic locations in one or more fields of interest. For example, a predictive feature map may be a predictive biomass map that maps predictive values of biomass or biomass traits (e.g., vegetation height, vegetation density, vegetation mass, vegetation volume, threshing rotor propulsion) over one or more geographic locations in one or more fields of interest. In another example, a predictive feature map may be a predictive yield map that maps predictive yield values across one or more geographic locations in one or more fields of interest. In another example, a predictive feature map may be a predictive crop moisture map that maps predictive values of crop moisture across one or more geographic locations in one or more fields of interest.

Die vorliegende Erörterung fährt somit in Bezug auf Beispiele fort, in denen ein System eine oder mehrere landwirtschaftliche Merkmalkarten empfängt, zum Beispiel, aber nicht beschränkt auf, eine oder mehrere von einer vegetativen Indexkarte, einer oder mehreren prädiktiven Karten (wie etwa einer prädiktiven Ertragskarte, einer prädiktiven Feuchtigkeitskarte oder einer prädiktiven Biomassekarte), einer Vorabbetriebskarte (wie etwa einer Vorabbetriebskarte, die Substanzanwendungsmerkmale zeigt), einer historischen Erntegutbestandteilkarte eines Feldes oder einer Bodeneigenschaftskarte (wie etwa einer Stickstoffkarte) und verwendet auch einen In-situ-Sensor, um ein Merkmal oder eine Variable zu erkennen, die Erntegutbestandteilmerkmale während eines Erntevorgangs angibt. Dies sind nur Beispiele für einige der Karten, die empfangen werden können. Verschiedene andere landwirtschaftliche Merkmalkarten werden hierin ebenfalls in Betracht gezogen. Das System erzeugt ein Modell, das eine Beziehung zwischen den landwirtschaftlichen Merkmalwerten, den vegetativen Indexwerten, den prädiktiven Merkmalwerten (wie etwa prädiktiven Biomassewerten, prädiktiven Ertragswerten oder prädiktiven Erntegutfeuchtigkeitswerten), den Vorabbetriebsmerkmalwerten (wie etwa Substanzanwendungsmerkmalwerten), den historischen Erntegutbestandteilwerten oder den Bodeneigenschaftswerten, wie etwa Bodenzusammensetzungswerten (wie etwa Stickstoffwerten), aus einer oder mehreren der empfangenen Karten und den In-situ-Daten von dem In-situ-Sensor modelliert. Das Modell wird verwendet, um eine funktionelle prädiktive Erntegutbestandteilkarte zu erzeugen, die Erntegutbestandteilwerte in dem Feld vorhersagt. Die funktionelle prädiktive Erntegutbestandteilkarte, die während des Erntevorgangs erzeugt wird, kann einem Bediener oder einem anderen Benutzer präsentiert werden oder zum automatischen Steuern einer landwirtschaftlichen Erntemaschine während des Erntevorgangs verwendet werden oder beides.The present discussion thus continues with respect to examples in which a system receives one or more agricultural trait maps, for example, but not limited to, one or more from a vegetative index map, one or more predictive maps (such as a predictive yield map, a predictive moisture map or a predictive biomass map), a pre-operational map (such as a pre-operational map showing substance application traits), a historical crop constituent map of a field, or a soil property map (such as a nitrogen map) and also uses an in situ sensor to detect a trait or recognize a variable indicative of crop ingredient characteristics during a harvesting operation. These are just examples of some of the cards that can be received. Various other agricultural trait maps are also contemplated herein. The system creates a model that shows a relationship between the agricultural trait values, the vegetative index values, the predictive trait values (such as predictive biomass values, predictive yield values or predictive crop moisture values), the pre-operational trait values (such as substance application trait values), the historical crop constituent values or the soil property values, such as such as soil composition values (such as nitrogen values), are modeled from one or more of the received maps and the in situ data from the in situ sensor. The model is used to generate a functional predictive crop ingredient map that predicts crop ingredient values in the field. The functional predictive crop constituent map generated during the harvesting process may be presented to an operator or other user, or used to automatically control an agricultural harvesting machine during the harvesting process, or both.

1 ist eine teilweise bildliche, teilweise schematische Darstellung einer selbstfahrenden landwirtschaftlichen Erntemaschine 100. Im veranschaulichten Beispiel ist die landwirtschaftliche Erntemaschine 100 ein Mähdrescher. Obwohl ferner Mähdrescher als Beispiele in der gesamten vorliegenden Offenbarung bereitgestellt werden, versteht es sich, dass die vorliegende Beschreibung auch auf andere Arten von Erntemaschinen anwendbar ist, wie etwa Baumwollerntemaschinen, Zuckerrohrerntemaschinen, selbstfahrende Feldhäcksler, Schwader oder andere landwirtschaftliche Arbeitsmaschinen. Folglich soll die vorliegende Offenbarung die verschiedenen Arten von beschriebenen Erntemaschinen umfassen und ist somit nicht auf Mähdrescher beschränkt. Darüber hinaus richtet sich die vorliegende Offenbarung auf andere Arten von Arbeitsmaschinen, wie etwa landwirtschaftliche Sämaschinen und Sprüher, Baumaschinen, Forstmaschinen und Rasenpflegemaschinen, bei denen die Erzeugung einer prädiktiven Karte anwendbar sein kann. Folglich soll die vorliegende Offenbarung diese verschiedenen Arten von Erntemaschinen und andere Arbeitsmaschinen umfassen und ist somit nicht auf Mähdrescher beschränkt. 1 12 is a partially pictorial, partially schematic representation of a self-propelled agricultural harvester 100. In the example illustrated, the agricultural harvester 100 is a combine harvester. Further, while combines are provided as examples throughout this disclosure, it should be understood that the present description is applicable to other types of harvesting machines, such as cotton harvesters, sugar cane harvesters, forage harvesters, windrowers, or other agricultural work machines to. Accordingly, the present disclosure is intended to encompass the various types of harvesters described and is thus not limited to combines. Additionally, the present disclosure is directed to other types of work machines, such as agricultural seeders and sprayers, construction machines, forest machines, and lawn care machines, where predictive map generation may be applicable. Accordingly, the present disclosure is intended to encompass these various types of harvesters and other work machines and is thus not limited to combines.

Wie in 1 gezeigt, beinhaltet die landwirtschaftliche Erntemaschine 100 veranschaulichend eine Fahrerkabine 101, die eine Vielzahl von verschiedenen Bedienerschnittstellenmechanismen zum Steuern der landwirtschaftlichen Erntemaschine 100 aufweisen kann. Die landwirtschaftliche Erntemaschine 100 beinhaltet Vorsatzgeräte, wie etwa einen Erntevorsatz 102 und eine Schneidevorrichtung, im Allgemeinen angezeigt bei 104. Die landwirtschaftliche Erntemaschine 100 beinhaltet auch ein Zuführgehäuse 106, einen Zuführbeschleuniger 108 und einen Drescher, im Allgemeinen angezeigt bei 110. Das Zuführgehäuse 106 und der Zuführbeschleuniger 108 bilden einen Teil eines Materialhandhabungs-Teilsystems 125. As in 1 1, agricultural harvester 100 illustratively includes an operator's cab 101 that may include a variety of different operator interface mechanisms for controlling agricultural harvester 100 . The agricultural harvester 100 includes headers, such as a header 102 and a cutter, generally indicated at 104. The agricultural harvester 100 also includes a feeder housing 106, a feed accelerator 108, and a thresher, generally indicated at 110. The feeder housing 106 and the Feed accelerators 108 form part of a material handling subsystem 125.

Der Erntevorsatz 102 ist entlang der Schwenkachse 105 schwenkbar mit einem Rahmen 103 des landwirtschaftlichen Erntevorsatzes 100 gekoppelt. Ein oder mehrere Stellglieder 107 treiben die Bewegung des Erntevorsatzes 102 um die Achse 105 in die Richtung an, die im Allgemeinen durch Pfeil 109 angezeigt wird. Somit ist eine vertikale Position des Erntevorsatzes 102 (die Erntevorsatzhöhe) über dem Boden 111, über den der Erntevorsatz 102 fährt, durch Betätigen des Stellglieds 107 steuerbar. Obwohl in 1 nicht gezeigt, kann die landwirtschaftliche Erntemaschine 100 auch ein oder mehrere Stellglieder beinhalten, die betrieben werden, um einen Neigungswinkel, einen Rollwinkel oder beides auf den Erntevorsatz 102 oder Abschnitte des Erntevorsatzes 102 anzuwenden. Neigung bezieht sich auf einen Winkel, in dem die Schneidvorrichtung 104 in das Erntegut eingreift. Der Neigungswinkel wird beispielsweise dadurch vergrößert, dass der Erntevorsatz 102 so gesteuert wird, dass eine distale Kante 113 der Schneidevorrichtung 104 mehr auf den Boden gerichtet ist. Der Neigungswinkel wird verringert, indem der Erntevorsatz 102 so gesteuert wird, dass die distale Kante 113 der Schneidevorrichtung 104 weiter vom Boden weg gerichtet wird. Der Rollwinkel bezieht sich auf die Ausrichtung des Erntevorsatzes 102 um die von vorne nach hinten verlaufende Längsachse der landwirtschaftlichen Erntemaschine 100.The header 102 is pivotally coupled to a frame 103 of the agricultural header 100 along the pivot axis 105 . One or more actuators 107 power movement of header 102 about axis 105 in the direction generally indicated by arrow 109 . Thus, a vertical position of the header 102 (the header height) above the ground 111 over which the header 102 travels can be controlled by actuating the actuator 107 . Although in 1 not shown, agricultural harvesting machine 100 may also include one or more actuators operable to apply a pitch angle, a roll angle, or both to the header 102 or portions of the header 102 . Pitch refers to an angle at which the cutter assembly 104 engages the crop. The angle of inclination is increased, for example, by controlling the header 102 so that a distal edge 113 of the cutter 104 is directed more towards the ground. The angle of inclination is reduced by controlling the header 102 so that the distal edge 113 of the cutter 104 is directed further away from the ground. The roll angle refers to the orientation of the header 102 about the front-to-back longitudinal axis of the agricultural harvesting machine 100.

Der Drescher 110 beinhaltet veranschaulichend einen Dreschrotor 112 und einen Satz von Dreschkörben 114. Ferner beinhaltet die landwirtschaftliche Erntemaschine 100 auch einen Abscheider 116. Die landwirtschaftliche Erntemaschine 100 beinhaltet auch ein Reinigungs-Teilsystem oder einen Siebkasten (gemeinsam als Reinigungs-Teilsystem 118 bezeichnet), das ein Reinigungsgebläse 120, einen Häcksler 122 und ein Sieb 124 beinhaltet. Das Materialhandhabungs-Teilsystem 125 beinhaltet außerdem eine Auswurftrommel 126, einen Überkehrelevator 128, einen Reinkornelevator 130 sowie eine Entladeschnecke 134 und den Auswurf 136. Der Reinkornelevator befördert reines Korn in den Reinkorntank 132. Die landwirtschaftliche Erntemaschine 100 beinhaltet auch ein Rückstands-Teilsystem 138, das einen Häcksler 140 und einen Verteiler 142 beinhalten kann. Die landwirtschaftliche Erntemaschine 100 beinhaltet auch ein Antriebs-Teilsystem, das einen Motor beinhaltet, der Bodeneingriffskomponenten 144, wie etwa Räder oder Raupenketten, antreibt. In einigen Beispielen kann ein Mähdrescher innerhalb des Umfangs der vorliegenden Offenbarung mehr als eines der oben genannten Teilsysteme aufweisen. In einigen Beispielen kann die landwirtschaftliche Erntemaschine 100 linke und rechte Reinigungs-Teilsysteme, Abscheider usw. aufweisen, die in 1 nicht gezeigt sind.The thresher 110 illustratively includes a threshing rotor 112 and a set of concaves 114. Further, the agricultural harvester 100 also includes a separator 116. The agricultural harvester 100 also includes a cleaning subsystem or cleaning shoe (collectively referred to as the cleaning subsystem 118) that a cleaning fan 120, a chopper 122 and a screen 124 includes. The material handling subsystem 125 also includes a discharge drum 126, a tailings elevator 128, a clean grain elevator 130, and an unloading auger 134 and chute 136. The clean grain elevator conveys clean grain into the clean grain tank 132. The agricultural harvester 100 also includes a tailings subsystem 138 that a chopper 140 and a spreader 142. Agricultural harvester 100 also includes a propulsion subsystem that includes an engine that drives ground engaging components 144, such as wheels or tracks. In some examples, a combine may include more than one of the above subsystems within the scope of the present disclosure. In some examples, agricultural harvester 100 may include left and right hand cleaning subsystems, separators, etc., shown in 1 are not shown.

Im Betrieb und zur Übersicht bewegt sich die landwirtschaftliche Erntemaschine 100 veranschaulichend durch ein Feld in der durch Pfeil 147 angezeigten Richtung. Während der Bewegung der landwirtschaftlichen Erntemaschine 100 greift der Erntevorsatz 102 (und die zugehörige Haspel 164) in das zu erntende Erntegut ein und sammelt das Erntegut in Richtung der Schneidevorrichtung 104. Ein Bediener der landwirtschaftlichen Erntemaschine 100 kann ein lokaler menschlicher Bediener, ein entfernter menschlicher Bediener oder ein automatisiertes System sein. Ein Bedienerbefehl ist ein Befehl eines Bedieners. Der Bediener der landwirtschaftlichen Erntemaschine 100 kann eine oder mehrere Höheneinstellungen, Neigungswinkeleinstellungen oder Rollwinkeleinstellungen für den Erntevorsatz 102 bestimmen. Zum Beispiel gibt der Bediener eine Einstellung oder Einstellungen in ein Steuersystem ein, das im Folgenden genauer beschrieben wird und das das Stellglied 107 steuert. Das Steuersystem kann auch eine Einstellung vom Bediener zum Einrichten des Neigungswinkels und Rollwinkels des Erntevorsatzes 102 empfangen und die eingegebenen Einstellungen implementieren, indem zugeordnete Stellglieder, die nicht gezeigt sind, gesteuert werden, die arbeiten, um den Neigungswinkel und Rollwinkel des Erntevorsatzes 102 zu ändern. Das Stellglied 107 hält den Erntevorsatz 102 auf einer Höhe über dem Boden 111 auf Grundlage einer Höheneinstellung und gegebenenfalls auf gewünschten Neigungs- und Rollwinkeln. Jede der Höhen-, Roll- und Neigungseinstellungen kann unabhängig von den anderen implementiert werden. Das Steuersystem reagiert auf Erntevorsatzfehler (z. B. die Differenz zwischen der Höheneinstellung und der gemessenen Höhe des Erntevorsatzes 104 über dem Boden 111 und in einigen Beispielen Neigungswinkel- und Rollwinkelfehler) mit einer Reaktionsfähigkeit, die auf Grundlage einer ausgewählten Empfindlichkeitsstufe bestimmt wird. Wenn die Empfindlichkeitsstufe auf eine größere Empfindlichkeitsstufe eingestellt ist, reagiert das Steuersystem auf kleinere Erntevorsatz-Positionsfehler und versucht, die erkannten Fehler schneller zu reduzieren, als wenn die Empfindlichkeit auf einer niedrigeren Empfindlichkeitsstufe ist.In operation and for overview, agricultural harvester 100 illustratively moves through a field in the direction indicated by arrow 147 . During movement of the agricultural harvesting machine 100, the header 102 (and the associated reel 164) engages the crop to be harvested and collects the crop towards the cutting device 104. An operator of the agricultural harvesting machine 100 can be a local human operator, a remote human operator or be an automated system. An operator command is a command from an operator. The operator of agricultural harvesting machine 100 may specify one or more height settings, pitch angle settings, or roll angle settings for header 102 . For example, the operator enters a setting or settings into a control system, described in more detail below, that controls actuator 107 . The control system may also receive a setting from the operator to set up the pitch and roll angle of the header 102 and implement the settings entered by associated actuators, not shown, that operate to change the pitch and roll angle of the header 102. The actuator 107 maintains the header 102 at a height above the ground 111 based on a height adjustment and at desired pitch and roll angles, if any. Each of the elevation, roll and nei tion settings can be implemented independently of the others. The control system responds to header errors (e.g., the difference between the elevation setting and the measured height of the header 104 above the ground 111 and, in some examples, pitch angle and roll angle errors) with a responsiveness that is determined based on a selected sensitivity level. When the sensitivity level is set to a higher sensitivity level, the control system will respond to smaller header position errors and attempt to reduce the detected errors faster than when the sensitivity is at a lower sensitivity level.

Zurückkehrend zur Beschreibung des Betriebs der landwirtschaftlichen Erntemaschine 100 wird das abgetrennte Erntematerial, nachdem das Erntegut durch die Schneidevorrichtung 104 geschnitten wurde, durch einen Förderer im Zuführgehäuse 106 in Richtung des Zuführbeschleunigers 108 bewegt, der das Erntematerial in den Dreschwerk 110 beschleunigt. Das Erntegut wird durch den Rotor 112 gedroschen, der das Erntegut gegen die Dreschkörbe 114 dreht. Das gedroschene Erntegutmaterial wird durch einen Abscheiderrotor im Abscheider 116 bewegt, wobei ein Teil des Rückstands durch die Auswurftrommel 126 in Richtung des Rückstands-Teilsystems 138 bewegt wird. Der Teil des Rückstands, der an das Rückstands-Teilsystem 138 übertragen wird, wird vom Rückstandhäcksler 140 zerkleinert und vom Verteiler 142 auf dem Feld verteilt. In anderen Konfigurationen wird der Rückstand in einer Schwade von der landwirtschaftlichen Erntemaschine 100 freigegeben. In anderen Beispielen kann das Rückstands-Teilsystem 138 Unkrautbeseitigungsmittel (nicht gezeigt) beinhalten, wie etwa Samenabsackanlagen oder andere Samensammler oder Samenzerkleinerer oder andere Saatzerstörer.Returning to the description of the operation of agricultural harvesting machine 100, after the crop has been cut by cutter 104, the separated crop is moved by a conveyor in feed housing 106 toward feed accelerator 108, which accelerates the crop into threshing unit 110. The crop is threshed by the rotor 112 which rotates the crop against the concaves 114 . The threshed crop material is moved by a separator rotor in the separator 116 with a portion of the residue being moved towards the residue subsystem 138 by the discharge drum 126 . The portion of the tailings that is transferred to tailings subsystem 138 is shredded by tailings chopper 140 and spread by spreader 142 on the field. In other configurations, the residue is released from the agricultural harvester 100 in a windrow. In other examples, residue subsystem 138 may include weed control devices (not shown), such as seed baggers or other seed collectors or seed crushers or other seed destroyers.

Das Korn fällt auf das Reinigungs-Teilsystem 118. Der Häcksler 122 trennt einen Teil gröberer Materialstücke vom Korn und das Sieb 124 trennt einen Teil feinerer Materialstücke vom Reinkorn. Das Reinkorn fällt auf eine Schnecke, die das Korn zu einem Einlassende des Reinkornelevators 130 bewegt und der Reinkornelevator 130 bewegt das Reinkorn nach oben, wodurch das Reinkorn im Reinkorntank 132 abgeschieden wird. Rückstände werden aus dem Reinigungs-Teilsystem 118 durch den Luftstrom des Reinigungsgebläses 120 entfernt. Das Reinigungsgebläse 120 leitet Luft entlang eines Luftstrompfads nach oben durch die Siebe und Häcksler. Der Luftstrom trägt Rückstände in der landwirtschaftlichen Erntemaschine 100 nach hinten in Richtung des Rückstandhandhabungs-Teilsystems 138.The grain falls onto the cleaning subsystem 118. The chopper 122 separates a portion of coarser pieces of material from the grain and the screen 124 separates a portion of finer pieces of material from the clean grain. The clean grain falls onto an auger that moves the grain to an inlet end of the clean grain elevator 130 and the clean grain elevator 130 moves the clean grain up, thereby separating the clean grain in the clean grain tank 132 . Debris is removed from the cleaning subsystem 118 by the air flow of the cleaning fan 120 . The cleaning fan 120 directs air along an airflow path up through the screens and choppers. The airflow carries residue rearward in agricultural harvesting machine 100 toward residue handling subsystem 138.

Der Überkehrelevator 128 führt die Überkehr zum Drescher 110 zurück, wo die Überkehr nachgedroschen wird. Alternativ kann die Überkehr auch einem separaten Nachdresch-Mechanismus durch einen Überkehrelevator oder eine andere Transportvorrichtung zugeführt werden, wo die Überkehr ebenfalls nachgedroschen wird.The tailings elevator 128 returns the tailings to the thresher 110 where the tailings are re-threshed. Alternatively, the tailings can also be fed to a separate after-threshing mechanism by a tailings elevator or other transport device, where the tailings are also after-threshed.

1 zeigt auch, dass in einem Beispiel die landwirtschaftliche Erntemaschine 100 den Bodengeschwindigkeitssensor 146, einen oder mehrere Abscheider-Verlustsensoren 148, eine Reinkornkamera 150, einen nach vorne gerichteten Bilderfassungsmechanismus 151, der in Form einer Stereo- oder Monokamera vorliegen kann, und einen oder mehrere Verlustsensoren 152, die in dem Reinigungs-Teilsystem 118 bereitgestellt sind, beinhaltet. 1 Also shows that in one example, agricultural harvester 100 includes ground speed sensor 146, one or more separator loss sensors 148, a clean grain camera 150, a forward-looking image capture mechanism 151, which may be in the form of a stereo or mono camera, and one or more loss sensors 152 provided in the cleaning subsystem 118 is included.

Der Bodengeschwindigkeitssensor 146 erfasst die Fahrgeschwindigkeit der landwirtschaftlichen Erntemaschine 100 über den Boden. Der Bodengeschwindigkeitssensor 146 kann die Fahrgeschwindigkeit der landwirtschaftlichen Erntemaschine 100 durch Erfassen der Umdrehungsgeschwindigkeit der Bodeneingriffskomponenten (wie etwa Räder oder Raupenketten), einer Antriebswelle, einer Achse oder anderer Komponenten erfassen. In einigen Fällen kann die Fahrgeschwindigkeit mithilfe eines Ortungssystems, wie etwa eines globalen Positionierungssystems (GPS), eines Koppelnavigationssystems, eines Fernnavigationssystems (LORAN) oder einer Vielzahl anderer Systeme oder Sensoren, die eine Anzeige der Fahrgeschwindigkeit vorsehen, erfasst werden.The ground speed sensor 146 detects the ground speed of the agricultural harvesting machine 100 over the ground. The ground speed sensor 146 may detect the ground speed of the agricultural harvesting machine 100 by sensing the rotational speed of ground engaging components (such as wheels or tracks), a driveshaft, an axle, or other components. In some cases, vehicle speed may be sensed using a positioning system, such as a global positioning system (GPS), dead reckoning system, remote navigation system (LORAN), or a variety of other systems or sensors that provide an indication of vehicle speed.

Die Verlustsensoren 152 sehen veranschaulichend ein Ausgabesignal vor, das die Menge des Kornverlustes anzeigt, die sowohl auf der rechten als auch auf der linken Seite des Reinigungs-Teilsystems 118 auftritt. In einigen Beispielen sind die Sensoren 152 Schlagsensoren, die Kornschläge pro Zeiteinheit oder pro Entfernungseinheit zählen, um einen Hinweis auf den Kornverlust vorzusehen, der an dem Reinigungs-Teilsystem 118 auftritt. Die Schlagsensoren für die rechte und linke Seite des Siebkastens 118 können einzelne Signale oder ein kombiniertes oder aggregiertes Signal vorsehen. In einigen Beispielen können die Sensoren 152 einen einzelnen Sensor beinhalten, im Gegensatz zu separaten Sensoren, die für jedes Reinigungs-Teilsystem 118 bereitgestellt sind.The loss sensors 152 illustratively provide an output signal indicative of the amount of grain loss occurring on both the right and left sides of the cleaning subsystem 118 . In some examples, the sensors 152 are impact sensors that count grain impacts per unit time or per unit distance to provide an indication of grain loss occurring at the cleaning subsystem 118 . The impact sensors for the right and left sides of the shoe 118 can provide individual signals or a combined or aggregated signal. In some examples, the sensors 152 can include a single sensor, as opposed to separate sensors provided for each cleaning subsystem 118 .

Der Abscheider-Verlustsensor 148 liefert ein Signal, das den Kornverlust im linken und rechten Abscheider anzeigt, die in 1 nicht separat gezeigt sind. Die Abscheider-Verlustsensoren 148 können den linken und rechten Abscheidern zugeordnet sein und können separate Kornverlustsignale oder ein kombiniertes oder aggregiertes Signal vorsehen. In einigen Fällen kann das Erfassen des Kornverlusts in den Abscheidern auch mithilfe einer Vielzahl verschiedener Arten von Sensoren durchgeführt werden.The separator loss sensor 148 provides a signal indicative of grain loss in the left and right separators indicated in 1 are not shown separately. The separator loss sensors 148 may be associated with the left and right separators and may provide separate grain loss signals or a combined or aggregated signal. In some cases, capturing the Grain loss in the separators can also be determined using a variety of different types of sensors.

Die landwirtschaftliche Erntemaschine 100 kann auch andere Sensoren und Messmechanismen beinhalten. Zum Beispiel kann die landwirtschaftliche Erntemaschine 100 einen oder mehrere der folgenden Sensoren beinhalten: einen Erntevorsatzhöhensensor, der eine Höhe des Erntevorsatzes 102 über dem Boden 111 erfasst; Stabilitätssensoren, die eine Oszillation oder Prellbewegung (und Amplitude) der landwirtschaftlichen Erntemaschine 100 erfassen; einen Rückstandeinstellungssensor, der konfiguriert ist, um zu erfassen, ob die landwirtschaftliche Erntemaschine 100 konfiguriert ist, um den Rückstand zu zerkleinern, eine Schwade zu erzeugen usw.; einen Siebkasten-Gebläsedrehzahlsensor, um die Drehzahl des Reinigungsgebläses 120 zu erfassen; einen Dreschkorbspaltsensor, der den Spalt zwischen dem Rotor 112 und den Hohlräumen 114 erfasst; einen Dreschrotor-Drehzahlsensor, der eine Rotordrehzahl des Rotors 112 erfasst; einen Häckselspaltsensor, der die Größe der Öffnungen in dem Häcksler 122 erfasst; einen Siebspaltsensor, der die Größe der Öffnungen in dem Sieb 124 erfasst; einen Feuchtigkeitssensor für anderes Material als Korn (MOG), der einen Feuchtigkeitsgehalt des MOG erfasst, das die landwirtschaftliche Erntemaschine 100 passiert; einen oder mehrere Maschineneinstellungssensoren, die konfiguriert sind, um verschiedene konfigurierbare Einstellungen der landwirtschaftlichen Erntemaschine 100 zu erfassen; einen Maschinenausrichtungssensor, der die Ausrichtung der landwirtschaftlichen Erntemaschine 100 erfasst; und Ernteguteigenschaftssensoren, die eine Vielzahl verschiedener Arten von Ernteguteigenschaften erfassen, wie etwa die Art des Ernteguts, die Feuchtigkeit des Ernteguts, die Erntegutbestandteilmerkmale und andere Eigenschaften des Ernteguts. Die Ernteguteigenschaftssensoren können auch konfiguriert werden, um die Merkmale des abgetrennten Ernteguts während der Verarbeitung durch die landwirtschaftliche Erntemaschine 100 zu erfassen. Beispielsweise können die Ernteguteigenschaftssensoren in einigen Fällen die Kornqualität erfassen, wie etwa gebrochenes Korn, MOG-Werte; Kornbestandteile, wie etwa Stärken und Protein; und Kornzufuhrmenge, wenn sich das Korn durch das Zuführgehäuse 106, den Reinkornelevator 130 oder anderswo in der landwirtschaftlichen Erntemaschine 100 bewegt. Die Ernteguteigenschaftssensoren können auch die Vorschubgeschwindigkeit von Biomasse durch das Zuführgehäuse 106, durch den Abscheider 116 oder an anderer Stelle in der landwirtschaftlichen Erntemaschine 100 erfassen. Die Ernteguteigenschaftssensoren können die Vorschubgeschwindigkeit auch als Massendurchsatz von Korn durch den Elevator 130 oder durch andere Abschnitte der landwirtschaftlichen Erntemaschine 100 erfassen oder andere Ausgangssignale bereitstellen, die auf andere erfasste Größen hinweisen. Die Ernteguteigenschaftssensoren können einen oder mehrere Erntegutbestandteilsensoren beinhalten, die Merkmale erfassen, die für Erntegutbestandteile von Erntegut indikativ sind, einschließlich Eigenschaften von Bestandteilen von Erntegutkörnern.Agricultural harvester 100 may also include other sensors and measurement mechanisms. For example, agricultural harvester 100 may include one or more of the following sensors: a header height sensor that detects a height of header 102 above ground 111; stability sensors that detect oscillation or bouncing motion (and amplitude) of agricultural harvesting machine 100; a residue setting sensor configured to detect whether the agricultural harvesting machine 100 is configured to shred the residue, create a windrow, etc.; a sieve box fan speed sensor to detect the speed of the cleaning fan 120; a concave gap sensor that senses the gap between the rotor 112 and the cavities 114; a threshing rotor speed sensor that detects a rotor speed of the rotor 112; a chip gap sensor that senses the size of the openings in the chipper 122; a wire gap sensor that senses the size of the openings in the wire 124; a non-grain material (MOG) moisture sensor that detects a moisture content of the MOG passing through the agricultural harvesting machine 100; one or more machine setting sensors configured to sense various configurable settings of agricultural harvesting machine 100; a machine orientation sensor that detects the orientation of the agricultural harvesting machine 100; and crop property sensors that sense a variety of different types of crop properties, such as crop type, crop moisture, crop constituent characteristics, and other properties of the crop. The crop characteristic sensors can also be configured to detect the characteristics of the separated crop during processing by the agricultural harvesting machine 100 . For example, in some cases, the crop property sensors may sense grain quality, such as broken grain, MOG values; grain components such as starches and protein; and grain feed rate as the grain moves through the feeder house 106, the clean grain elevator 130, or elsewhere in the agricultural harvester 100. The crop property sensors may also sense the rate of advance of biomass through the feeder house 106 , through the separator 116 , or elsewhere in the agricultural harvester 100 . The crop property sensors may also sense haul rate as a mass flow rate of grain through the elevator 130 or through other portions of the agricultural harvesting machine 100, or provide other output signals indicative of other sensed quantities. The crop characteristic sensors may include one or more crop constituent sensors that sense characteristics indicative of crop constituents of crop, including constituent characteristics of crop kernels.

Ohne Einschränkung können Erntegutbestandteilsensoren ein oder mehrere Bänder elektromagnetischer Strahlung zum Erkennen von Erntegutbestandteilen verwenden. Zum Beispiel kann ein Erntegutbestandteilsensor den Reflexionsgrad oder die Absorption verschiedener Bereiche (z. B. verschiedener Wellenlängen oder Frequenzen oder beider) elektromagnetischer Strahlung durch Erntegut oder anderes Vegetationsmaterial, einschließlich Korn, beim Erkennen von Erntegutbestandteilen nutzen. In einigen Beispielen kann ein Erntegutbestandteilsensor einen optischen Sensor, wie etwa ein optisches Spektrometer, beinhalten. In einem Beispiel kann ein Erntegutbestandteilsensor Nahinfrarotspektroskopie oder sichtbare Nahinfrarotspektroskopie verwenden. Der Erntegutbestandteilsensor kann an verschiedenen Positionen innerhalb der landwirtschaftlichen Erntemaschine 100 angeordnet sein oder Zugang zu diesen haben. Zum Beispiel kann der Erntegutbestandteilsensor innerhalb des Zuführgehäuses 106 angeordnet sein (oder anderweitig einen Erfassungszugang zu Erntegutmaterial innerhalb des Zuführgehäuses 106 aufweisen) und konfiguriert sein, um Bestandteile von geerntetem Erntegutmaterial zu erfassen, das durch das Zuführgehäuse 106 hindurchtritt. In anderen Beispielen kann sich der Erntegutbestandteilsensor an anderen Bereichen innerhalb der landwirtschaftlichen Erntemaschine 100 befinden, zum Beispiel an dem oder gekoppelt an den Reinkornelevator, in einer Reinkornschnecke oder in einem Korntank. In einigen Beispielen können Erntegutbestandteilsensoren einen kapazitiven Sensor beinhalten, der beispielsweise einen Kondensator zum Bestimmen der dielektrischen Eigenschaften eines Ernteguts (sowie anderer Vegetationsmaterialien), wie etwa dielektrische Eigenschaften von Korn, beinhalten kann. Es ist zu beachten, dass dies lediglich Beispiele für die Arten und Positionen der Erntegutbestandteilsensoren sind und dass verschiedene andere Arten und Positionen der Erntegutbestandteilsensoren in Betracht gezogen werden.Without limitation, crop ingredient sensors may use one or more bands of electromagnetic radiation to detect crop ingredients. For example, a crop constituent sensor may utilize the reflectance or absorption of different ranges (e.g., different wavelengths or frequencies, or both) of electromagnetic radiation by crop or other vegetation material, including grain, in detecting crop constituents. In some examples, a crop ingredient sensor may include an optical sensor, such as an optical spectrometer. In one example, a crop ingredient sensor may use near-infrared spectroscopy or near-infrared visible spectroscopy. The crop ingredient sensor may be located at or have access to various locations within the agricultural harvesting machine 100 . For example, the crop constituent sensor may be disposed within the feeder housing 106 (or otherwise have sensing access to crop material within the feeder housing 106 ) and configured to sense constituents of harvested crop material passing through the feeder housing 106 . In other examples, the crop ingredient sensor may be located at other locations within agricultural harvesting machine 100, for example, on or coupled to the clean grain elevator, in a clean grain auger, or in a grain tank. In some examples, crop constituent sensors may include a capacitive sensor, which may include, for example, a capacitor for determining the dielectric properties of a crop (as well as other vegetation materials), such as dielectric properties of grain. Note that these are merely examples of the types and locations of the crop ingredient sensors and that various other types and locations of the crop ingredient sensors are contemplated.

Bevor beschrieben wird, wie die landwirtschaftliche Erntemaschine 100 eine funktionelle prädiktive Erntegutbestandteilkarte erzeugt und die funktionelle prädiktive Erntegutbestandteilkarte zur Präsentation oder Steuerung verwendet, erfolgt zunächst eine kurze Beschreibung einiger Elemente der landwirtschaftlichen Erntemaschine 100 und deren Betrieb. Die Beschreibung von 2 und 3 beschreibt das Empfangen einer allgemeinen Art von Vorabinformationskarte und das Kombinieren von Informationen von der Vorabinformationskarte mit einem georeferenzierten Sensorsignal, das von einem In-situ-Sensor erzeugt wird, wobei das Sensorsignal ein Merkmal auf dem Feld angibt, wie etwa Merkmale von Erntegut oder Unkraut, das in dem Feld vorhanden ist. Merkmale des Feldes können unter anderem Merkmale eines Feldes, wie Neigung, Unkrautintensität, Unkrautart, Bodenfeuchtigkeit, Oberflächenqualität; Merkmale von Ernteguteigenschaften, wie Ernteguthöhe, Erntegutbestandteile, Erntegutdichte, Erntegutzustand; Merkmale von Korneigenschaften, wie Kornfeuchte, Korngröße, Korntestgewicht, Kornbestandteile; und Merkmale der Maschinenleistung, wie etwa Verlustniveaus, Auftragsqualität, Kraftstoffverbrauch und Leistungsnutzung, sein. Es wird eine Beziehung zwischen den aus In-situ-Sensorsignalen gewonnenen Merkmalswerten und den Vorabinformationskartenwerten identifiziert und diese Beziehung zur Erzeugung einer neuen funktionellen prädiktiven Karte verwendet. Eine funktionelle prädiktive Karte sagt Werte an verschiedenen geografischen Positionen in einem Feld vorher, und einer oder mehrere dieser Werte können zum Steuern einer Maschine verwendet werden, wie etwa ein oder mehrere Teilsysteme einer landwirtschaftlichen Erntemaschine. In einigen Fällen kann eine funktionelle prädiktive Karte einem Benutzer präsentiert werden, wie etwa einem Bediener einer landwirtschaftlichen Arbeitsmaschine, die eine landwirtschaftliche Erntemaschine sein kann. Eine funktionelle prädiktive Karte kann einem Benutzer visuell präsentiert werden, wie etwa über eine Anzeige, haptisch oder akustisch. Der Benutzer kann mit der funktionellen prädiktiven Karte interagieren, um Bearbeitungsvorgänge und andere Benutzerschnittstellenvorgänge durchzuführen. In einigen Fällen kann eine funktionelle prädiktive Karte für eines oder mehrere von Folgendem verwendet werden: Steuern einer landwirtschaftlichen Arbeitsmaschine, wie etwa einer landwirtschaftlichen Erntemaschine, Präsentation für einen Bediener oder einen anderen Benutzer und Präsentation für einen Bediener oder Benutzer zur Interaktion durch den Bediener oder Benutzer.Before describing how the agricultural harvesting machine 100 generates a functional predictive crop ingredient map and uses the functional predictive crop ingredient map for presentation or control, a brief description of some elements of the agricultural harvesting machine 100 and their operation is first provided. The description of 2 and 3 describes receiving a general Type of advance information map and combining information from the advance information map with a georeferenced sensor signal generated by an in situ sensor, the sensor signal being indicative of a feature on the field, such as features of crop or weeds present in the field is. Field characteristics may include, but are not limited to, characteristics of a field such as slope, weed intensity, weed species, soil moisture, surface quality; Characteristics of crop properties, such as crop height, crop components, crop density, crop condition; Characteristics of grain properties, such as grain moisture, grain size, grain test weight, grain components; and machine performance characteristics such as loss levels, job quality, fuel consumption, and power utilization. A relationship between the feature values derived from in situ sensor signals and the advance information map values is identified and this relationship is used to generate a new functional predictive map. A functional predictive map predicts values at various geographic locations in a field, and one or more of these values can be used to control a machine, such as one or more subsystems of an agricultural harvester. In some cases, a functional predictive map may be presented to a user, such as an operator of an agricultural work machine, which may be an agricultural harvester. A functional predictive map may be presented to a user visually, such as via a display, haptically, or audibly. The user can interact with the functional predictive map to perform editing operations and other user interface operations. In some cases, a functional predictive map can be used for one or more of: controlling an agricultural work machine, such as an agricultural harvester, presenting to an operator or other user, and presenting to an operator or user for interaction by the operator or user .

Nachdem der allgemeine Ansatz in Bezug auf die 2 und 3 beschrieben wurde, wird ein spezifischerer Ansatz zum Erzeugen einer funktionellen prädiktiven Erntegutbestandteilkarte, die einem Bediener oder Benutzer präsentiert werden kann oder verwendet wird, um die landwirtschaftliche Erntemaschine 100 zu steuern oder beides, unter Bezugnahme auf die 4 und 5 beschrieben. Auch wenn die vorliegende Erörterung in Bezug auf die landwirtschaftliche Erntemaschine und insbesondere einen Mähdrescher fortgesetzt wird, umfasst der Umfang der vorliegenden Offenbarung andere Arten von landwirtschaftlichen Erntemaschinen oder anderen landwirtschaftlichen Arbeitsmaschinen.After the general approach regarding the 2 and 3 , a more specific approach to generating a functional predictive crop constituent map that may be presented to an operator or user, or used to control agricultural harvesting machine 100, or both, is described with reference to FIG 4 and 5 described. Although the present discussion continues with respect to the agricultural harvester, and more particularly a combine harvester, other types of agricultural harvesters or other agricultural work machines are within the scope of the present disclosure.

2 ist ein Blockdiagramm, das einige Abschnitte einer beispielhaften landwirtschaftlichen Erntemaschine 100 zeigt. 2 zeigt, dass die landwirtschaftliche Erntemaschine 100 veranschaulichend einen oder mehrere Prozessoren oder Server 201, einen Datenspeicher 202, einen geografischen Positionssensor 204, ein Kommunikationssystem 206 und einen oder mehrere In-situ-Sensoren 208 beinhaltet, die eine oder mehrere landwirtschaftliche Merkmale eines Feldes gleichzeitig mit einem Erntevorgang erfassen. Ein landwirtschaftliches Merkmal kann jedes Merkmal umfassen, das sich auf den Erntevorgang auswirken kann. Einige Beispiele für landwirtschaftliche Merkmale umfassen Merkmale der Erntemaschine, des Feldes, der Pflanzen auf dem Feld und des Wetters. Andere Arten landwirtschaftlicher Merkmale werden ebenfalls berücksichtigt. Die In-situ-Sensoren 208 erzeugen Werte, die den erfassten Merkmalen entsprechen. Die landwirtschaftliche Erntemaschine 100 beinhaltet auch einen prädiktiven Modell- oder Beziehungsgenerator (im Folgenden gemeinsam als „prädiktiver Modellgenerator 210“ bezeichnet), einen prädiktiven Kartengenerator 212, einen Steuerzonengenerator 213, ein Steuersystem 214, ein oder mehrere steuerbare Teilsysteme 216 und einen Bedienerschnittstellenmechanismus 218. Die landwirtschaftliche Erntemaschine 100 kann auch eine Vielzahl sonstiger landwirtschaftlicher Erntemaschinenfunktionen 220 beinhalten. Die In-situ-Sensoren 208 beinhalten beispielsweise bordeigene Sensoren 222, Remote-Sensoren 224 und andere Sensoren 226, die Merkmale eines Feldes im Laufe eines landwirtschaftlichen Vorgangs erfassen. Der prädiktive Modellgenerator 210 beinhaltet veranschaulichend einen Vorabinformationsvariable-zu-In-situ-Variable-Modellgenerator 228 und der prädiktive Modellgenerator 210 kann weitere Elemente 230 beinhalten. Das Steuersystem 214 beinhaltet die Kommunikationssystemsteuerung 229, die Bedienerschnittstellensteuerung 231, eine Einstellungssteuerung 232, die Pfadplanungssteuerung 234, die Vorschubgeschwindigkeitssteuerung 236, die Kopf- und Rollensteuerung 238, die Draperbandsteuerung 240, die Deckplattenpositionssteuerung 242, die Rückstandssystemsteuerung 244, die Maschinenreinigungssteuerung 245, die Zonensteuerung 247 und das Steuersystem 214 können andere Elemente 246 beinhalten. Die steuerbaren Teilsysteme 216 beinhalten Maschinen- und Erntevorsatzstellglieder 248, das Antriebs-Teilsystem 250, das Lenk-Teilsystem 252, das Rückstands-Teilsystem 138, das Maschinenreinigungs-Teilsystem 254, und die steuerbaren Teilsysteme 216 können eine Vielzahl anderer Teilsysteme 256 beinhalten. 2 FIG. 12 is a block diagram showing some portions of an exemplary agricultural harvesting machine 100. FIG. 2 shows that the agricultural harvester 100 illustratively includes one or more processors or servers 201, a data store 202, a geographic position sensor 204, a communication system 206 and one or more in situ sensors 208 that one or more agricultural features of a field simultaneously with record a harvesting process. An agricultural trait can include any trait that can affect the harvesting process. Some examples of agricultural characteristics include characteristics of the harvester, the field, the crops in the field, and the weather. Other types of agricultural characteristics are also considered. The in situ sensors 208 generate values corresponding to the sensed features. Agricultural harvester 100 also includes a predictive model or relationship generator (collectively referred to as "predictive model generator 210"), a predictive map generator 212, a control zone generator 213, a control system 214, one or more controllable subsystems 216, and an operator interface mechanism 218. The Agricultural harvester 100 may also include a variety of other agricultural harvester functions 220 . The in situ sensors 208 include, for example, onboard sensors 222, remote sensors 224, and other sensors 226 that sense characteristics of a field during a farming operation. The predictive model generator 210 illustratively includes a prior information variable-to-in situ variable model generator 228 , and the predictive model generator 210 may include other elements 230 . The control system 214 includes the communication system control 229, the operator interface control 231, an adjustment control 232, the path planning control 234, the line speed control 236, the head and roll control 238, the draper belt control 240, the cover plate position control 242, the residue system control 244, the machine cleaning control 245, the zone control 247 and the control system 214 may include other elements 246 . The controllable subsystems 216 include machine and header actuators 248, the propulsion subsystem 250, the steering subsystem 252, the residue subsystem 138, the machine cleaning subsystem 254, and the controllable subsystems 216 may include a variety of other subsystems 256.

2 zeigt auch, dass die landwirtschaftliche Erntemaschine 100 eine oder mehrere Vorabinformationskarten 258 empfangen kann. Wie nachfolgend beschrieben, beinhaltet/beinhalten die Vorabinformationskarte(n) zum Beispiel eine landwirtschaftliche Merkmalkarte, wie etwa eine vegetative Indexkarte, eine Vorabbetriebskarte, eine historische Erntegutbestandteilkarte oder eine Bodeneigenschaftskarte. Die Vorabinformationskarte(n) 258 kann/können jedoch auch andere Arten von Daten umfassen, die vor einem Erntevorgang erhalten wurden, oder eine Karte aus einem Vorabbetrieb, wie etwa historische Erntegutbestandteildaten, die vor einem Erntevorgang erhalten wurden, oder historische Erntegutbestandteilkarten aus vergangenen Jahren, die Kontextinformationen im Zusammenhang mit dem historischen Erntegutbestandteilmerkmal enthalten. Kontextinformationen können unter anderem eine oder mehrere Wetterbedingungen über eine Wachstumsperiode, das Vorhandensein von Schädlingen, die geografische Position, Bodeneigenschaften, einschließlich der Bodenzusammensetzung, wie etwa Stickstoffgehalt, Bewässerung, Substanzanwendung usw. beinhalten. Wetterbedingungen können unter anderem Niederschläge über die Saison, starke Winde, Temperatur über die Saison usw. beinhalten. Einige Beispiele für Schädlinge sind allgemein, Insekten, Pilze, Unkraut, Bakterien, Viren, usw. Einige Beispiele für Substanzanwendungen sind Herbizide, Pestizide, Fungizide, Düngemittel, Mineralpräparate usw. 2 zeigt auch, dass ein Bediener 260 die landwirtschaftliche Erntemaschine 100 bedienen kann. Der Bediener 260 interagiert mit den Bedienerschnittstellenmechanismen 218. In einigen Beispielen können die Bedienerschnittstellenmechanismen 218 Joysticks, Hebel, ein Lenkrad, Gestänge, Pedale, Tasten, Drehknöpfe, Tastenfelder, vom Benutzer betätigbare Elemente (wie etwa Symbole, Tasten usw.) auf einer Benutzerschnittstellenanzeigevorrichtung, ein Mikrofon und einen Lautsprecher (wenn Spracherkennung und Sprachsynthese bereitgestellt werden) sowie eine Vielzahl anderer Arten von Steuervorrichtungen beinhalten. Wenn ein berührungsempfindliches Anzeigesystem bereitgestellt wird, kann der Bediener 260 mit den Bedienerschnittstellenmechanismen 218 mithilfe von Berührungsgesten interagieren. Diese vorstehend beschriebenen Beispiele werden als veranschaulichende Beispiele bereitgestellt und sollen den Umfang der vorliegenden Offenbarung nicht einschränken. Folglich können andere Arten von Bedienerschnittstellenmechanismen 218 verwendet werden und liegen im Geltungsbereich der vorliegenden Offenbarung. 2 12 also shows that agricultural harvester 100 may receive one or more advance information cards 258 . For example, as described below, the pre-information card(s) include agriculture trait map, such as a vegetative index map, a pre-operational map, a historical crop constituent map, or a soil property map. However, the preliminary information map(s) 258 may also include other types of data obtained prior to a harvesting operation or a map from a prior operation, such as historical crop ingredient data obtained prior to a harvesting operation or historical crop ingredient maps from years past. containing context information related to the historical crop ingredient attribute. Context information may include, among other things, one or more weather conditions over a growing season, the presence of pests, geographic location, soil properties, including soil composition, such as nitrogen levels, irrigation, substance application, etc. Weather conditions may include but are not limited to precipitation over the season, strong winds, temperature over the season, etc. Some examples of pests are general, insects, fungi, weeds, bacteria, viruses, etc. Some examples of substance applications are herbicides, pesticides, fungicides, fertilizers, mineral preparations, etc. 2 also shows that an operator 260 can operate the agricultural harvesting machine 100 . The operator 260 interacts with the operator interface mechanisms 218. In some examples, the operator interface mechanisms 218 may include joysticks, levers, a steering wheel, linkages, pedals, buttons, knobs, keypads, user actuable elements (such as icons, buttons, etc.) on a user interface display device, a microphone and speaker (if speech recognition and speech synthesis are provided), as well as a variety of other types of control devices. When a touch-sensitive display system is provided, operator 260 may interact with operator interface mechanisms 218 using touch gestures. These examples described above are provided as illustrative examples and are not intended to limit the scope of the present disclosure. Accordingly, other types of operator interface mechanisms 218 may be used and are within the scope of the present disclosure.

Die Vorabinformationskarte 258 kann mithilfe des Kommunikationssystems 206 oder auf andere Weise in die landwirtschaftliche Erntemaschine 100 heruntergeladen und im Datenspeicher 202 gespeichert werden. In einigen Beispielen kann das Kommunikationssystem 206 ein zellulares Kommunikationssystem, ein System zum Kommunizieren über ein Weitverkehrsnetzwerk oder ein lokales Netzwerk, ein System zum Kommunizieren über ein Nahfeldkommunikationsnetzwerk oder ein Kommunikationssystem sein, das konfiguriert ist, um über ein beliebiges aus einer Vielzahl anderer Netzwerke oder Kombinationen von Netzwerken zu kommunizieren. Das Kommunikationssystem 206 kann auch ein System beinhalten, das das Herunterladen oder Übertragen von Informationen auf und von einer Secure Digital (SD)-Karte oder einer universellen seriellen Bus (USB)-Karte oder beides erleichtert.The preliminary information map 258 may be downloaded to the agricultural harvester 100 and stored in the data storage 202 using the communication system 206 or otherwise. In some examples, communication system 206 may be a cellular communication system, a system for communicating over a wide area network or a local area network, a system for communicating over a near field communication network, or a communication system configured to communicate over any of a variety of other networks or combinations to communicate from networks. The communication system 206 may also include a system that facilitates downloading or transferring information to and from a Secure Digital (SD) card or a universal serial bus (USB) card, or both.

Der geografische Positionssensor 204 erfasst oder erkennt veranschaulichend die geografische Position oder den Ort der landwirtschaftlichen Erntemaschine 100. Der geografische Positionssensor 204 kann unter anderem einen Empfänger für ein globales Navigationssatellitensystem (GNSS) beinhalten, der Signale von einem GNSS-Satellitensender empfängt. Der geografische Positionssensor 204 kann auch eine Echtzeit-Kinematikkomponente (RTK) enthalten, die konfiguriert ist, um die Genauigkeit der aus dem GNSS-Signal abgeleiteten Positionsdaten zu verbessern. Der geografische Positionssensor 204 kann ein Koppelnavigationssystem, ein zellulares Triangulationssystem oder eine Vielzahl von anderen geografischen Positionssensoren beinhalten.The geographic position sensor 204 illustratively senses or detects the geographic position or location of the agricultural harvesting machine 100. The geographic position sensor 204 may include, but is not limited to, a global navigation satellite system (GNSS) receiver that receives signals from a GNSS satellite transmitter. The geographic position sensor 204 may also include a real-time kinematics (RTK) component configured to improve the accuracy of the position data derived from the GNSS signal. The geographic position sensor 204 may include a dead reckoning system, a cellular triangulation system, or a variety of other geographic position sensors.

Bei den In-situ-Sensoren 208 kann es sich um beliebige der vorstehend beschriebenen Sensoren in Bezug auf 1 handeln. Die In-situ-Sensoren 208 beinhalten bordseitige Sensoren 222, die an Board der landwirtschaftlichen Erntemaschine 100 montiert sind. Solche Sensoren können zum Beispiel einen Aufprallplattensensor, einen Strahlungsdämpfungssensor oder einen Bildsensor beinhalten, der sich innerhalb der landwirtschaftlichen Erntemaschine 100 befindet (wie etwa eine Reinkornkamera). Die In-situ-Sensoren 208 können auch Remote-In-situ-Sensoren 224 beinhalten, die In-situ-Informationen erfassen. In-situ-Daten umfassen Daten, die von einem Sensor an Bord der landwirtschaftlichen Erntemaschine oder von einem beliebigen Sensor aufgenommen werden, bei dem die Daten während des Erntevorgangs erkannt werden. Einige andere Beispiele von In-situ-Sensoren sind in 6B gezeigt.The in situ sensors 208 can be any of the sensors described above with respect to FIG 1 act. The in situ sensors 208 include onboard sensors 222 mounted onboard the agricultural harvester 100 . Such sensors may include, for example, a crash pad sensor, a radiation attenuation sensor, or an image sensor located within agricultural harvesting machine 100 (such as a clean grain camera). The in situ sensors 208 may also include remote in situ sensors 224 that collect in situ information. In situ data includes data collected by a sensor onboard the agricultural harvester or any sensor where the data is detected during the harvesting process. Some other examples of in situ sensors are in 6B shown.

Nach dem Abruf durch die landwirtschaftliche Erntemaschine 100 kann die Vorabinformationskartenselektor 209 eine oder mehrere spezifische Vorabinformationskarte(n) 258 zur Verwendung durch den prädiktiven Modellgenerator 210 filtern oder auswählen. In einem Beispiel wählt die Vorabinformationskartenselektor 209 eine Karte auf Grundlage eines Vergleichs der Kontextinformationen in der Vorabinformationskarte mit den vorliegenden Kontextinformationen aus. Zum Beispiel kann eine historische Erntegutbestandteilkarte aus einem der letzten Jahre ausgewählt werden, in denen die Substanzanwendungsmerkmale den Substanzanwendungsmerkmalen des laufenden Jahres ähnlich waren. Oder zum Beispiel kann eine historische Erntegutbestandteilkarte aus einem der letzten Jahre ausgewählt werden, wenn die Kontextinformationen nicht ähnlich sind. Zum Beispiel kann eine historische Erntegutbestandteilkarte für ein Vorjahr ausgewählt werden, das „trocken“ war (d. h. Trockenheit oder reduzierte Niederschläge aufwies), während das aktuelle Jahr „nass“ ist (d. h. erhöhte Niederschläge oder Hochwasserbedingungen aufwies). Es kann immer noch eine nützliche historische Beziehung geben, aber die Beziehung kann umgekehrt sein. Zum Beispiel können Bereiche des Feldes, die in einem trockenen Jahr niedrige Werte für einen oder mehrere Erntegutbestandteile aufweisen, Bereiche mit höheren Erntegutbestandteilen in einem feuchten Jahr sein, da diese Bereiche bessere Wachstumsbedingungen in einem feuchten Jahr bieten können. Gegenwärtige Kontextinformationen können Kontextinformationen enthalten, die über unmittelbare Kontextinformationen hinausgehen. Zum Beispiel können gegenwärtige Kontextinformationen unter anderem einen Satz von Informationen beinhalten, der der gegenwärtigen Wachstumsperiode entspricht, einen Satz von Daten, die einem Winter vor der gegenwärtigen Wachstumsperiode entsprechen, oder einen Satz von Daten, die mehreren vergangenen Jahren entsprechen.Upon retrieval by agricultural harvester 100 , advance information card selector 209 may filter or select one or more specific advance information card(s) 258 for use by predictive model generator 210 . In one example, the prior information card selector 209 selects a card based on a comparison of the context information in the prior information card with the present context information. For example, a historical crop constituent map may be selected from one of the last few years where the substance use characteristics were similar to the current year's substance use characteristics. Or, for example, a historical crop constituent map from one of the last few years can be selected if the context information is not similar. For example, a historical crop constituent map may be selected for a previous year that was "dry" (ie, exhibited drought or reduced rainfall) while the current year is "wet" (ie, exhibited increased rainfall or flood conditions). There can still be a useful historical relationship, but the relationship can be the other way around. For example, areas of the field that have low values for one or more crop constituents in a dry year may be areas with higher crop constituents in a wet year, since these areas may offer better growing conditions in a wet year. Current context information may include context information that goes beyond immediate context information. For example, current context information may include, among other things, a set of information corresponding to the current growing season, a set of dates corresponding to a winter prior to the current growing season, or a set of dates corresponding to multiple years in the past.

Die Kontextinformationen können auch für Korrelationen zwischen Bereichen mit ähnlichen Kontextmerkmalen verwendet werden, unabhängig davon, ob die geografische Position der gleichen Position auf der Vorabinformationskarte 258 entspricht. Beispielsweise können historische Erntegutbestandteilwerte aus dem Bereich mit ähnlichen landwirtschaftlichen Merkmalen, wie etwa vegetative Indexwerte, Substanzanwendungsmerkmale, Bodeneigenschaften, wie Bodenzusammensetzungsmerkmale sowie verschiedene andere landwirtschaftliche Merkmale, in anderen Feldern als Vorabinformationskarte 258 verwendet werden, um die prädiktive Erntegutmerkmalkarte zu erstellen. Beispielsweise können die kontextbezogenen Merkmalsinformationen, die einer anderen Position zugeordnet sind, auf die Position auf der Vorabinformationskarte 258 angewendet werden, die ähnliche Merkmalsinformationen aufweist.The context information can also be used for correlations between areas with similar contextual features, regardless of whether the geographic location corresponds to the same location on the prior information map 258 . For example, historical crop constituent values from areas with similar agricultural traits, such as vegetative index values, substance application traits, soil properties, such as soil composition traits, as well as various other agricultural traits, can be used in fields other than the preliminary information map 258 to create the predictive crop trait map. For example, the contextual feature information associated with a different location may be applied to the location on the prior information map 258 that has similar feature information.

Der prädiktive Modellgenerator 210 erzeugt ein Modell, das eine Beziehung zwischen den durch den In-situ-Sensor 208 erfassten Werten und einem durch die Vorabinformationskarte 258 auf das Feld abgebildeten Merkmal angibt. Wenn zum Beispiel die Vorabinformationskarte 258 einen landwirtschaftlichen Merkmalwert auf verschiedene Positionen in dem Feld abbildet und der In-situ-Sensor 208 einen Wert erfasst, der Erntegutbestandteile angibt, dann erzeugt der Vorabinformationsvariable-zu-In-situ-Variable-Modellgenerator 228 ein prädiktives Erntegutbestandteilmodell, das die Beziehung zwischen den landwirtschaftlichen Merkmalswerten und den Erntegutbestandteilwerten modelliert. Dann verwendet der prädiktive Kartengenerator 212 das durch den prädiktiven Modellgenerator 210 erzeugte prädiktive Erntegutbestandteilmodell, um eine funktionelle prädiktive Erntegutbestandteilkarte zu erzeugen, die den Wert der Erntegutbestandteile an verschiedenen Positionen in dem Feld auf Grundlage der Vorabinformationskarte 258 vorhersagt. Wenn zum Beispiel die Vorabinformationskarte 258 einen vegetativen Indexwert auf verschiedene Positionen in dem Feld abbildet und der In-situ-Sensor 208 einen Wert erfasst, der Erntegutbestandteile angibt, dann erzeugt der Vorabinformationsvariable-zu-In-situ-Variable-Modellgenerator 228 ein prädiktives Erntegutbestandteilmodell, das die Beziehung zwischen den vegetativen Indexwerten und den Erntegutbestandteilwerten modelliert. Dann verwendet der prädiktive Kartengenerator 212 das durch den prädiktiven Modellgenerator 210 erzeugte prädiktive Erntegutbestandteilmodell, um eine funktionelle prädiktive Erntegutbestandteilkarte zu erzeugen, die den Wert der Erntegutbestandteile an verschiedenen Positionen in dem Feld auf Grundlage der Vorabinformationskarte 258 vorhersagt. Oder, wenn zum Beispiel die Vorabinformationskarte 258 einen historischen Erntegutbestandteilwert auf verschiedene Positionen in dem Feld abbildet und der In-situ-Sensor 208 einen Wert erfasst, der die Erntegutbestandteile angibt, dann erzeugt der Vorabinformationsvariable-zu-In-situ-Variable-Modellgenerator 228 ein prädiktives Erntegutbestandteilmodell, das die Beziehung zwischen den historischen Erntegutbestandteilwerten (mit oder ohne Kontextinformationen) und den In-situ-Erntegutbestandteilwerten modelliert. Dann verwendet der prädiktive Kartengenerator 212 das durch den prädiktiven Modellgenerator 210 erzeugte prädiktive Erntegutbestandteilmodell, um eine funktionelle prädiktive Erntegutbestandteilkarte zu erzeugen, die den Wert der Erntegutbestandteile an verschiedenen Positionen in dem Feld auf Grundlage der Vorabinformationskarte 258 vorhersagt. Oder, wenn zum Beispiel die Vorabinformationskarte 258 einen Vorabinformationsmerkmalwert (wie etwa ein Substanzauftragsmerkmal) auf verschiedene Positionen in dem Feld abbildet und der In-situ-Sensor 208 einen Wert erfasst, der Erntegutbestandteile angibt, dann erzeugt der Vorabinformationsvariable-zu-In-situ-Variable-Modellgenerator 228 ein prädiktives Erntegutbestandteilmodell, das die Beziehung zwischen den Vorabinformationsmerkmalwerten und den Erntegutbestandteilwerten modelliert. Dann verwendet der prädiktive Kartengenerator 212 das durch den prädiktiven Modellgenerator 210 erzeugte prädiktive Erntegutbestandteilmodell, um eine funktionelle prädiktive Erntegutbestandteilkarte zu erzeugen, die den Wert der Erntegutbestandteile an verschiedenen Positionen in dem Feld auf Grundlage der Vorabinformationskarte 258 vorhersagt. Oder, wenn zum Beispiel die Vorabinformationskarte 258 einen Bodeneigenschaftswert, wie etwa einen Bodenzusammensetzungswert (wie etwa einen Stickstoffwert), auf verschiedene Positionen in dem Feld abbildet und der In-situ-Sensor 208 einen Wert erfasst, der Erntegutbestandteile angibt, dann erzeugt der Vorabinformationsvariable-zu-In-situ-Variable-Modellgenerator 228 ein prädiktives Erntegutbestandteilmodell, das die Beziehung zwischen den Bodeneigenschaftswerten, wie etwa den Bodenzusammensetzungswerten, und den Erntegutbestandteilwerten modelliert. Dann verwendet der prädiktive Kartengenerator 212 das durch den prädiktiven Modellgenerator 210 erzeugte prädiktive Erntegutbestandteilmodell, um eine funktionelle prädiktive Erntegutbestandteilkarte zu erzeugen, die den Wert der Erntegutbestandteile an verschiedenen Positionen in dem Feld auf Grundlage der Vorabinformationskarte 258 vorhersagt.The predictive model generator 210 generates a model that indicates a relationship between the values sensed by the in situ sensor 208 and a feature mapped by the prior information map 258 onto the field. For example, if the prior information map 258 maps an agricultural feature value to various locations in the field and the in situ sensor 208 detects a value indicative of crop constituents, then the prior information variable-to-in situ variable model generator 228 generates a predictive crop constituent model , which models the relationship between agricultural characteristic values and crop ingredient values. Then, the predictive map generator 212 uses the predictive crop ingredient model generated by the predictive model generator 210 to generate a functional predictive crop ingredient map that predicts the value of the crop ingredients at various locations in the field based on the prior information map 258 . For example, if the prior information map 258 maps a vegetative index value to various locations in the field and the in situ sensor 208 detects a value indicative of crop constituents, then the prior information variable-to-in situ variable model generator 228 generates a predictive crop constituent model , which models the relationship between vegetative index values and crop constituent values. Then, the predictive map generator 212 uses the predictive crop ingredient model generated by the predictive model generator 210 to generate a functional predictive crop ingredient map that predicts the value of the crop ingredients at various locations in the field based on the prior information map 258 . Or, for example, if the prior information map 258 maps a historical crop constituent value to various locations in the field and the in situ sensor 208 detects a value indicative of the crop constituents, then the prior information variable-to-in situ variable model generator 228 generates a predictive crop ingredient model that models the relationship between historical crop ingredient values (with or without contextual information) and in situ crop ingredient values. Then, the predictive map generator 212 uses the predictive crop constituent model generated by the predictive model generator 210 to generate a functional predictive crop constituent map that predicts the value of the crop constituents at various locations in the field based on the preliminary information map 258 . Or, for example, if the prior information map 258 maps a prior information attribute value (such as a substance application characteristic) to various locations in the field and the in situ sensor 208 senses a value indicative of crop constituents, then the prior information variable-to-in situ Variable model generator 228 a predictive crop ingredient model that models the relationship between the prior information attribute values and the crop ingredient values. Then, the predictive map generator 212 uses the predictive crop constituent model generated by the predictive model generator 210 to generate a functional predictive crop constituent map that predicts the value of the crop constituents at various locations in the field based on the preliminary information map 258 . Or, if, for example, the preliminary information card 258 maps a soil property value, such as a soil composition value (such as a nitrogen value), to various locations in the field and the in situ sensor 208 senses a value indicative of crop constituents, then the preliminary information variable-to-in situ variable Model generator 228 is a predictive crop ingredient model that models the relationship between soil property values, such as soil composition values, and crop ingredient values. Then, the predictive map generator 212 uses the predictive crop constituent model generated by the predictive model generator 210 to generate a functional predictive crop constituent map that predicts the value of the crop constituents at various locations in the field based on the preliminary information map 258 .

In einigen Beispielen kann der Typ der Daten in der funktionellen prädiktiven Karte 263 der gleiche wie der von den In-situ-Sensoren 208 erfasste In-situ-Datentyp sein. In einigen Fällen kann der Typ der Daten in der funktionellen prädiktiven Karte 263 andere Einheiten als die von den In-situ-Sensoren 208 erfassten Daten aufweisen. In einigen Beispielen kann sich der Typ der Daten in der funktionellen prädiktiven Karte 263 von dem von den In-situ-Sensoren 208 erfassten Datentyp unterscheiden, weist jedoch eine Beziehung zu dem von den In-situ-Sensoren 208 erfassten Datentyp auf. Beispielsweise kann der In-situ-Datentyp in einigen Beispielen den Datentyp in der funktionellen prädiktiven Karte 263 anzeigen. In einigen Beispielen kann sich der Datentyp in der funktionellen prädiktiven Karte 263 von dem Datentyp in der Vorabinformationskarte 258 unterscheiden. In einigen Fällen kann der Datentyp in der funktionellen prädiktiven Karte 263 andere Einheiten als die Daten in der Vorabinformationskarte 258 aufweisen. In einigen Beispielen kann sich der Datentyp in der funktionellen prädiktiven Karte 263 von dem Datentyp in der Vorabinformationskarte 258 unterscheiden, hat jedoch eine Beziehung zu dem Datentyp in der Vorabinformationskarte 258. Beispielsweise kann der Datentyp in der Vorabinformationskarte 258 in einigen Beispielen in der funktionellen prädiktiven Karte 263 in einigen Beispielen den Datentyp in der funktionellen prädiktiven Karte 263 angeben. In einigen Beispielen unterscheidet sich der Datentyp in der funktionellen prädiktiven Karte 263 von einem oder beiden von dem durch die In-situ-Sensoren 208 erfassten In-situ-Datentyp und dem Datentyp in der Vorabinformationskarte 258. In einigen Beispielen ist der Datentyp in der funktionellen prädiktiven Karte 263 der gleiche wie einer oder beide des von den In-situ-Sensoren 208 erfassten In-situ-Datentyps und des Datentyps in der Vorabinformationskarte 258. In einigen Beispielen ist der Datentyp in der funktionellen prädiktiven Karte 263 der gleiche wie der von den In-situ-Sensoren 208 erfasste In-situ-Datentyp oder der Datentyp in der Vorabinformationskarte 258 und unterscheidet sich von dem anderen.In some examples, the type of data in functional predictive map 263 may be the same as the type of in situ data captured by in situ sensors 208 . In some cases, the type of data in the functional predictive map 263 may have different entities than the data collected from the in situ sensors 208 . In some examples, the type of data in functional predictive map 263 may differ from the type of data sensed by in situ sensors 208 but is related to the type of data sensed by in situ sensors 208 . For example, the in situ data type may indicate the data type in the functional predictive map 263 in some examples. In some examples, the data type in functional predictive map 263 may differ from the data type in advance information map 258 . In some cases, the type of data in functional predictive map 263 may have different units than the data in advance information map 258 . In some examples, the data type in functional predictive map 263 may be different than the data type in pre-information map 258, but has a relationship to the data type in pre-information map 258. For example, in some examples, the data type in pre-information map 258 may be in the functional predictive map 263 indicate the type of data in the functional predictive map 263 in some examples. In some examples, the data type in the functional predictive map 263 differs from one or both of the in situ data type sensed by the in situ sensors 208 and the data type in the advance information map 258. In some examples, the data type is in the functional predictive map 263 is the same as one or both of the in situ data type sensed by the in situ sensors 208 and the data type in the advance information map 258. In some examples, the data type in the functional predictive map 263 is the same as that of the In situ sensors 208 detected in situ data type or the data type in the advance information card 258 and is different from the other.

Weiter mit den vorhergehenden Beispielen kann der prädiktive Kartengenerator 212 die Werte in der Vorabinformationskarte 258 und dem von dem prädiktiven Modellgenerator 210 erzeugten Modell verwenden, um eine funktionelle prädiktive Karte 263 zu erzeugen, die Erntegutbestandteile an verschiedenen Positionen in dem Feld vorhersagt. Der prädiktive Kartengenerator 212 gibt somit die prädiktive Karte 264 aus.Continuing with the previous examples, the predictive map generator 212 may use the values in the advance information map 258 and the model generated by the predictive model generator 210 to generate a functional predictive map 263 that predicts crop constituents at various locations in the field. The predictive map generator 212 thus outputs the predictive map 264 .

Wie in 2 gezeigt, sagt die prädiktive Karte 264 den Wert eines Merkmals vorher, das dasselbe durch In-situ-Sensor(en) 208 erfasste Merkmal sein kann, oder eines Merkmals, das sich auf das durch In-situ-Sensor(en) 208 erfasste Merkmal bezieht, an verschiedenen Positionen über das Feld auf Grundlage eines Vorabinformationswerts in der Vorabinformationskarte 258 an diesen Positionen (oder Positionen mit ähnlichen Kontextinformationen, auch wenn sie sich in einem anderen Feld befinden) und mithilfe des prädiktiven Modells. Wenn zumBeispiel der prädiktive Modellgenerator 210 ein prädiktives Modell erzeugt hat, das eine Beziehung zwischen einem landwirtschaftlichen Merkmalwert und einem Erntegutbestandteilwert anzeigt, dann erzeugt der prädiktive Kartengenerator 212 angesichts des landwirtschaftlichen Merkmalwerts an verschiedenen Positionen über das Feld eine prädiktive Karte 264, die den Erntegutbestandteilwert an verschiedenen Positionen über das Feld vorhersagt. Der aus der Vorabinformationskarte 258 erhaltene landwirtschaftliche Merkmalwert an diesen Positionen und die Beziehung zwischen dem landwirtschaftlichen Merkmalwert und dem Erntegutbestandteilwert, die aus dem prädiktiven Modell erhalten wird, werden verwendet, um die prädiktive Karte 264 zu erzeugen.As in 2 As shown, predictive map 264 predicts the value of a feature that may be the same feature sensed by in situ sensor(s) 208 or a feature related to the feature sensed by in situ sensor(s) 208 at various positions across the field based on a prior information value in the prior information map 258 at those positions (or positions with similar context information even if they are in a different field) and using the predictive model. For example, if the predictive model generator 210 has generated a predictive model indicating a relationship between an agricultural attribute value and a crop ingredient value, then given the agricultural attribute value at different locations across the field, the predictive map generator 212 generates a predictive map 264 showing the crop ingredient value at different Positions predicted across the field. The agricultural attribute value obtained from the prior information map 258 at these locations and the relationship between the agricultural attribute value and the crop ingredient value obtained from the predictive model are used to generate the predictive map 264 .

Oder zum Beispiel, wenn der prädiktive Modellgenerator 210 ein prädiktives Modell erzeugt hat, das eine Beziehung zwischen einem vegetativen Indexwert und einem Erntegutbestandteilwert anzeigt, dann erzeugt der prädiktive Kartengenerator 212 angesichts des vegetativen Indexwerts an verschiedenen Positionen über das Feld eine prädiktive Karte 264, die den Erntegutbestandteilwert an verschiedenen Positionen über das Feld vorhersagt. Der aus der Vorabinformationskarte 258 erhaltene vegetative Indexwert an diesen Positionen und die Beziehung zwischen vegetativen Indexwerten und Erntegutbestandteilwerten, die aus dem prädiktiven Modell erhalten wurden, werden verwendet, um die prädiktive Karte 264 zu erzeugen.Or, for example, if the predictive model generator 210 has generated a predictive model indicating a relationship between a vegetative index value and a crop ingredient value, then given the vegetative index value at various positions across the field, the predictive map generator 212 generates a predictive map 264 that indicates the Crop ingredient value predicted at various positions across the field. The vegetative index value obtained from the preliminary information map 258 at these locations and the relationship between vegetative index values and crop constituent values obtained from the predictive model are used to generate the predictive map 264 .

Oder zum Beispiel: Wenn der prädiktive Modellgenerator 210 ein prädiktives Modell erzeugt hat, das eine Beziehung zwischen einem historischen Erntegutbestandteilwert und einem In-situ erkannten Erntegutbestandteilwert anzeigt, dann erzeugt der prädiktive Kartengenerator 212 angesichts des historischen Erntegutbestandteilwerts an verschiedenen Positionen über das Feld eine prädiktive Karte 264, die den Wert des Erntegutbestandteils an verschiedenen Positionen über das Feld vorhersagt. Der aus der Vorabinformationskarte 258 erhaltene historische Erntegutbestandteilwert an diesen Positionen und die Beziehung zwischen den aus dem prädiktiven Modell erhaltenen historischen Erntegutbestandteilwerten und In-situ-Erntegutbestandteilwerten werden verwendet, um die prädiktive Karte 264 zu erzeugen.Or for example: When the predictive model generator 210 generates a predictive model that indicates a relationship between a historical crop ingredient value and an in-situ detected crop ingredient value, then given the historical crop ingredient value at various locations across the field, the predictive map generator 212 generates a predictive map 264 that reflects the value of the crop ingredient at various locations across the field predicted. The historical crop constituent value obtained from the prior information map 258 at these locations and the relationship between the historical crop constituent values obtained from the predictive model and in situ crop constituent values are used to generate the predictive map 264 .

Oder wenn zum Beispiel der prädiktive Modellgenerator 210 ein prädiktives Modell erzeugt hat, das eine Beziehung zwischen einem Vorabbetriebsmerkmalwert (wie etwa einem Substanzanwendungsmerkmalwert) und einem Erntegutbestandteilwert anzeigt, dann erzeugt der prädiktive Kartengenerator 212 angesichts des Vorabbetriebsmerkmalwerts an verschiedenen Positionen über das Feld eine prädiktive Karte 264, die den Erntegutbestandteilwert an verschiedenen Positionen über das Feld vorhersagt. Der aus der Vorabinformationskarte 258 erhaltene Vorabbetriebsmerkmalwert an diesen Positionen und die Beziehung zwischen den Vorabbetriebsmerkmalswerten und den Erntegutbestandteilwerten, die aus dem prädiktiven Modell erhalten werden, werden verwendet, um die prädiktive Karte 264 zu erzeugen.Or, for example, if the predictive model generator 210 has generated a predictive model indicating a relationship between a pre-operation characteristic value (such as a substance application characteristic value) and a crop ingredient value, then the predictive map generator 212 generates a predictive map 264 given the pre-operation characteristic value at various positions across the field , which predicts the crop ingredient value at various positions across the field. The pre-operation feature value obtained from the pre-information map 258 at these locations and the relationship between the pre-operation feature values and the crop constituent values obtained from the predictive model are used to generate the predictive map 264 .

Oder wenn zum Beispiel der prädiktive Modellgenerator 210 ein prädiktives Modell erzeugt hat, das eine Beziehung zwischen einem Bodeneigenschaftswert, wie etwa einem Stickstoffgehaltwert und einem Erntegutbestandteilwert anzeigt, dann erzeugt der prädiktive Kartengenerator 212 angesichts des Bodeneigenschaftswerts, wie etwa dem Bodenzusammensetzungswert, an verschiedenen Positionen über das Feld eine prädiktive Karte 264, die den Erntegutbestandteilwert an verschiedenen Positionen über das Feld vorhersagt. Der Bodeneigenschaftswert, wie etwa der Bodenzusammensetzungswert, der von der Vorabinformationskarte 258 erhalten wird, an diesen Positionen und die Beziehung zwischen dem Bodeneigenschaftswert, wie etwa dem Bodenzusammensetzungswert, und dem Erntegutbestandteil, der von dem prädiktiven Modell erhalten wird, werden verwendet, um die prädiktive Karte 264 zu erzeugen.Or, for example, if the predictive model generator 210 has generated a predictive model indicating a relationship between a soil property value, such as a nitrogen content value and a crop constituent value, then given the soil property value, such as the soil composition value, the predictive map generator 212 generates at various positions across the Field a predictive map 264 that predicts the crop ingredient value at various positions across the field. The soil property value, such as the soil composition value, obtained from the preliminary information map 258 at these positions and the relationship between the soil property value, such as the soil composition value, and the crop constituent obtained from the predictive model are used to generate the predictive map 264 to generate.

Nun werden einige Variationen in den Datentypen beschrieben, die in der Vorabinformationskarte 258 abgebildet sind, die Datentypen, die von In-situ-Sensoren 208 erfasst werden, und die Datentypen, die auf der prädiktiven Karte 264 vorhergesagt werden.Some variations in the types of data depicted in the preliminary information map 258, the types of data collected by in situ sensors 208, and the types of data predicted on the predictive map 264 will now be described.

In einigen Beispielen unterscheidet sich der Datentyp in der Vorabinformationskarte 258 von dem Datentyp, der von In-situ-Sensoren 208 erfasst wird, dennoch ist der Datentyp in der prädiktiven Karte 264 derselbe wie der Datentyp, der von den In-situ-Sensoren 208 erfasst wird. Beispielsweise kann die Vorabinformationskarte 258 eine vegetative Indexkarte sein, und die von den In-situ-Sensoren 208 erfasste Variable kann Erntegutbestandteile sein. Die prädiktive Karte 264 kann dann eine prädiktive Erntegutbestandteilkarte sein, die vorhergesagte Erntegutbestandteilwerte auf verschiedene geografische Positionen in dem Feld in der prädiktiven Karte 264 abbildet.In some examples, the type of data in advance information map 258 differs from the type of data captured by in situ sensors 208, yet the type of data in predictive map 264 is the same as the type of data captured by in situ sensors 208 will. For example, the preliminary information map 258 may be a vegetative index map and the variable sensed by the in situ sensors 208 may be crop constituents. The predictive map 264 may then be a predictive crop ingredient map that maps predicted crop ingredient values to various geographic locations in the field in the predictive map 264 .

Außerdem unterscheidet sich in einigen Beispielen der Datentyp in der Vorabinformationskarte 258 von dem Datentyp, der von In-situ-Sensoren 208 erfasst wird, und der Datentyp in der prädiktiven Karte 264 unterscheidet sich sowohl von dem Datentyp in der Vorabinformationskarte 258 als auch von dem Datentyp, der von den In-situ-Sensoren 208 erfasst wird. Beispielsweise kann die Vorabinformationskarte 258 eine vegetative Indexkarte sein, und die von den In-situ-Sensoren 208 erfasste Variable kann Erntegutbestandteil sein. Die prädiktive Karte 264 kann dann eine prädiktive Biomassekarte sein, die vorhergesagte Biomassewerte auf verschiedene geografische Positionen in dem Feld abbildet. In einem weiteren Beispiel kann die Vorabinformationskarte 258 eine vegetative Indexkarte sein, und die von den In-situ-Sensoren 208 erfasste Variable kann ein Erntegutbestandteil sein. Die prädiktive Karte 264 kann dann eine prädiktive Streckenkarte sein, die einen vorhergesagten Erntemaschinenfahrweg entlang des Felds abbildet.Also, in some examples, the type of data in the advance information map 258 differs from the type of data sensed by in situ sensors 208, and the type of data in the predictive map 264 differs from both the type of data in the advance information map 258 and the type of data , which is detected by the in situ sensors 208 . For example, the preliminary information map 258 may be a vegetative index map and the variable sensed by the in situ sensors 208 may be crop constituent. The predictive map 264 can then be a predictive biomass map that maps predicted biomass values to various geographic locations in the field. In another example, the preliminary information map 258 may be a vegetative index map and the variable sensed by the in situ sensors 208 may be a crop constituent. The predictive map 264 may then be a predictive route map depicting a predicted harvester path along the field.

In einigen Beispielen stammt die Vorabinformationskarte 258 von einem früheren Durchlauf durch das Feld während eines Vorabbetriebs und der Datentyp unterscheidet sich von dem Datentyp, der von In-situ-Sensoren 208 erfasst wird, jedoch ist der Datentyp in der prädiktiven Karte 264 der gleiche wie der Datentyp, der von den In-situ-Sensoren 208 erfasst wird. Beispielsweise kann die Vorinformationskarte 258 eine Substanzanwendungskarte, wie etwa eine Düngemittelanwendungskarte, sein, die während eines Substanzanwendungsvorgangs erzeugt wird, und die von den In-situ-Sensoren 208 erfasste Variable kann Erntegutbestandteilmerkmale sein. Die prädiktive Karte 264 kann dann eine prädiktive Erntegutbestandteilkarte sein, die vorhergesagte Erntegutbestandteilwerte auf verschiedene geografische Positionen in dem Feld in der prädiktiven Karte 264 abbildet.In some examples, the preliminary information map 258 is from a previous pass through the field during a preliminary operation and the type of data is different than the type of data captured by in situ sensors 208, however the type of data in the predictive map 264 is the same as that Type of data collected by the in situ sensors 208. For example, the prior information map 258 may be a substance application map, such as a fertilizer application map, generated during a substance application event, and the variable sensed by the in situ sensors 208 may be crop constituent characteristics. The predictive map 264 may then be a predictive crop ingredient map that maps predicted crop ingredient values to various geographic locations in the field in the predictive map 264 .

In einigen Beispielen stammt die Vorabinformationskarte 258 von einem früheren Durchlauf durch das Feld während eines Vorabbetriebs und der Datentyp ist der gleiche wie der Datentyp, der von In-situ-Sensoren 208 erfasst wird, und der Datentyp in der prädiktiven Karte 264 ist ebenfalls der gleiche wie der Datentyp, der von den In-situ-Sensoren 208 erfasst wird. Beispielsweise kann die Vorabinformationskarte 258 eine Erntegutbestandteilkarte sein, die während eines vorhergehenden Jahres erzeugt wurde, und die von den In-situ-Sensoren 208 erfasste Variable kann Erntegutbestandteile sein. Die prädiktive Karte 264 kann dann eine prädiktive Erntegutbestandteilkarte sein, die vorhergesagte Erntegutbestandteilwerte auf verschiedene geografische Positionen in dem Feld abbildet. In einem solchen Beispiel können die relativen Erntegutbestandteilunterschiede in der georeferenzierten Vorabinformationskarte 258 aus dem Vorjahr durch den prädiktiven Modellgenerator 210 verwendet werden, um ein prädiktives Modell zu erzeugen, das eine Beziehung zwischen den relativen Erntegutbestandteilunterschieden auf der Vorabinformationskarte 258 und den Erntegutbestandteilwerten modelliert, die durch In-situ-Sensoren 208 während des aktuellen Erntevorgangs erfasst werden. Das prädiktive Modell wird dann von dem prädiktiven Kartengenerator 212 verwendet, um eine prädiktive Erntegutbestandteilkarte zu erstellen.In some examples, the pre-information map 258 is from a previous pass through the field during a pre-operation and the data type is the same as the data type that is sensed by in situ sensors 208, and the type of data in predictive map 264 is also the same as the type of data sensed by in situ sensors 208. For example, the preliminary information map 258 may be a crop ingredient map generated during a previous year and the variable sensed by the in situ sensors 208 may be crop ingredients. The predictive map 264 may then be a predictive crop ingredient map that maps predicted crop ingredient values to various geographic locations in the field. In such an example, the relative crop constituent differences in the georeferenced advance information map 258 from the previous year may be used by the predictive model generator 210 to generate a predictive model that models a relationship between the relative crop constituent differences on the advance information map 258 and the crop constituent values determined by In -situ sensors 208 are detected during the current harvesting process. The predictive model is then used by the predictive map generator 212 to create a predictive crop constituent map.

In einigen Beispielen kann dem Steuerzonengenerator 213 eine prädiktive Karte 264 bereitgestellt werden. Der Steuerzonengenerator 213 gruppiert benachbarte Abschnitte eines Bereichs auf Grundlage von Datenwerten der prädiktiven Karte 264, die diesen benachbarten Abschnitten zugeordnet sind, in eine oder mehrere Steuerzonen. Eine Steuerzone kann zwei oder mehr zusammenhängende Abschnitte eines Bereichs, wie etwa eines Feldes, beinhalten, für die ein Steuerparameter, der der Steuerzone zum Steuern eines steuerbaren Teilsystems entspricht, konstant ist. Beispielsweise kann eine Reaktionszeit zum Ändern einer Einstellung steuerbarer Teilsysteme 216 unzureichend sein, um zufriedenstellend auf Änderungen von Werten zu reagieren, die in einer Karte enthalten sind, wie etwa der prädiktiven Karte 264. In diesem Fall analysiert der Steuerzonengenerator 213 die Karte und identifiziert Steuerzonen, die eine definierte Größe aufweisen, um die Reaktionszeit der steuerbaren Teilsysteme 216 zu berücksichtigen. In einem weiteren Beispiel können die Steuerzonen bemessen sein, um den Verschleiß durch übermäßige Stellgliedbewegung, die sich aus der kontinuierlichen Einstellung ergibt, zu reduzieren. In einigen Beispielen kann es einen anderen Satz von Steuerzonen für jedes steuerbare Teilsystem 216 oder für Gruppen von steuerbaren Teilsystemen 216 geben. Die Steuerzonen können zu der prädiktiven Karte 264 hinzugefügt werden, um eine prädiktive Steuerzonenkarte 265 zu erhalten. Die prädiktive Steuerzonenkarte 265 kann somit der prädiktiven Karte 264 ähnlich sein, mit der Ausnahme, dass die prädiktive Steuerzonenkarte 265 Steuerzoneninformationen beinhaltet, die die Steuerzonen definieren. Somit kann eine funktionelle prädiktive Karte 263, wie hierin beschrieben, Steuerzonen beinhalten. Sowohl die prädiktive Karte 264 als auch die prädiktive Steuerzonenkarte 265 sind funktionelle prädiktive Karten 263. In einem Beispiel beinhaltet eine funktionelle prädiktive Karte 263 keine Steuerzonen, wie etwa die prädiktive Karte 264. In einem weiteren Beispiel beinhaltet eine funktionelle prädiktive Karte 263 Steuerzonen, wie etwa die prädiktive Steuerzonenkarte 265. In einigen Beispielen können mehrere Erntegüter gleichzeitig in einem Feld vorhanden sein, wenn ein Mischkultur-Produktionssystem implementiert ist. In diesem Fall sind der prädiktive Kartengenerator 212 und der Steuerzonengenerator 213 in der Lage, die Position und das Merkmal der zwei oder mehr Erntegutarten zu identifizieren und dann die prädiktive Karte 264 und die prädiktive Steuerzonenkarte 265 entsprechend zu erzeugen.In some examples, a predictive map 264 may be provided to the control zone generator 213 . The control zone generator 213 groups adjacent sections of an area into one or more control zones based on predictive map 264 data values associated with those adjacent sections. A control zone may include two or more contiguous sections of an area, such as a field, for which a control parameter corresponding to the control zone for controlling a controllable subsystem is constant. For example, a response time for changing a setting of controllable subsystems 216 may be insufficient to respond satisfactorily to changes in values contained in a map, such as predictive map 264. In this case, control zone generator 213 analyzes the map and identifies control zones, which have a defined size in order to take the response time of the controllable subsystems 216 into account. In another example, the control zones may be sized to reduce wear from excessive actuator movement resulting from continuous adjustment. In some examples, there may be a different set of control zones for each controllable subsystem 216 or for groups of controllable subsystems 216. The control zones can be added to the predictive map 264 to obtain a predictive control zone map 265 . Thus, the predictive control zone map 265 may be similar to the predictive map 264, except that the predictive control zone map 265 includes control zone information defining the control zones. Thus, a functional predictive map 263 as described herein may include control zones. Both predictive map 264 and predictive control zone map 265 are functional predictive maps 263. In one example, functional predictive map 263 does not include control zones, such as predictive map 264. In another example, functional predictive map 263 includes control zones, such as the predictive control zone map 265. In some examples, multiple crops may be present in a field at the same time when a mixed crop production system is implemented. In this case, the predictive map generator 212 and the control zone generator 213 are able to identify the position and characteristic of the two or more crop types and then generate the predictive map 264 and the predictive control zone map 265 accordingly.

Es ist ebenfalls zu beachten, dass der Steuerzonengenerator 213 Werte gruppieren kann, um Steuerzonen zu erzeugen, und die Steuerzonen zu einer prädiktiven Steuerzonenkarte 265 oder einer separaten Karte hinzugefügt werden können, die nur die erzeugten Steuerzonen zeigt. In einigen Beispielen können die Steuerzonen zum Steuern oder Kalibrieren der landwirtschaftlichen Erntemaschine 100 oder für beides verwendet werden. In anderen Beispielen können die Steuerzonen dem Bediener 260 angezeigt und verwendet werden, um die landwirtschaftliche Erntemaschine 100 zu steuern oder zu kalibrieren, und in anderen Beispielen können die Steuerzonen dem Bediener 260 oder einem anderen Benutzer angezeigt oder zur späteren Verwendung gespeichert werden.It should also be noted that the control zone generator 213 can group values to generate control zones and the control zones can be added to a predictive tax zone map 265 or a separate map showing only the generated control zones. In some examples, the control zones may be used to control or calibrate agricultural harvester 100, or both. In other examples, the control zones may be displayed to operator 260 and used to control or calibrate agricultural harvester 100, and in other examples, the control zones may be displayed to operator 260 or another user, or saved for later use.

Die prädiktive Karte 264 oder die prädiktive Steuerzonenkarte 265 oder beide werden dem Steuersystem 214 bereitgestellt, das Steuersignale auf Grundlage der prädiktiven Karte 264 oder der prädiktiven Steuerzonenkarte 265 oder beider erzeugt. In einigen Beispielen steuert die Kommunikationssystemsteuerung 229 das Kommunikationssystem 206, um die prädiktive Karte 264 oder die prädiktive Steuerzonenkarte 265 oder Steuersignale auf Grundlage der prädiktiven Karte 264 oder der prädiktiven Steuerzonenkarte 265 an andere landwirtschaftliche Erntemaschinen, die auf demselben Feld ernten, zu kommunizieren. In einigen Beispielen steuert die Kommunikationssystemsteuerung 229 das Kommunikationssystem 206, um die prädiktive Karte 264, die prädiktive Steuerzonenkarte 265 oder beide an andere Remote-Systeme zu senden.The predictive map 264 or the predictive control zone map 265 or both are provided to the control system 214, which generates control signals based on the predictive map 264 or the predictive control zone map 265 or both. In some examples, the communication system controller 229 controls the communication system 206 to communicate the predictive map 264 or the predictive control zone map 265 or control signals based on the predictive map 264 or the predictive control zone map 265 to other agricultural harvesting machines harvesting in the same field. In some examples, communication system controller 229 controls communication system 206 to send predictive map 264, predictive control zone map 265, or both to other remote systems.

Die Bedienerschnittstellensteuerung 231 ist betreibbar, um Steuersignale zu erzeugen, um die Bedienerschnittstellenmechanismen 218 zu steuern. Die Bedienerschnittstellensteuerung 231 ist außerdem betreibbar, um dem Bediener 260 die prädiktive Karte 264 oder die prädiktive Steuerzonenkarte 265 oder andere Informationen, die von oder auf Grundlage der prädiktiven Karte 264, der prädiktiven Steuerzonenkarte 265 oder beider abgeleitet werden, zu präsentieren. Der Bediener 260 kann ein lokaler Bediener oder ein Remote-Bediener sein. Als ein Beispiel erzeugt die Steuerung 231 Steuersignale, um einen Anzeigemechanismus zu steuern, um eine oder beide der prädiktiven Karte 264 und prädiktiven Steuerzonenkarte 265 für den Bediener 260 anzuzeigen. Die Steuerung 231 kann vom Bediener betätigbare Mechanismen erzeugen, die angezeigt werden und vom Bediener betätigt werden können, um mit der angezeigten Karte zu interagieren. Der Bediener kann die Karte bearbeiten, indem er beispielsweise aufgrund der Beobachtung des Bedieners einen auf der Karte angezeigten Erntegutbestandteilwert korrigiert. Die Einstellungssteuerung 232 kann Steuersignale erzeugen, um verschiedene Einstellungen an der landwirtschaftlichen Erntemaschine 100 auf Grundlage der prädiktiven Karte 264, der prädiktiven Steuerzonenkarte 265 oder beider zu steuern. Zum Beispiel kann die Einstellungssteuerung 232 Steuersignale erzeugen, um die Maschinen- und Erntevorsatzstellglieder 248 zu steuern. Als Reaktion auf die erzeugten Steuersignale arbeiten die Maschinen- und Erntevorsatzstellglieder 248, um zum Beispiel eine oder mehrere der Sieb- und Häckseleinstellungen, den konkaven Abstand, die Rotoreinstellungen, die Reinigungsgebläse-Drehzahleinstellungen, die Erntevorsatzhöhe, die Erntevorsatzfunktionalität, die Haspeldrehzahl, die Haspelposition, die Draperfunktionalität (wobei die landwirtschaftliche Erntemaschine 100 mit einem Draperband-Erntevorsatz gekoppelt ist), die Maisvorsatzfunktionalität, die interne Verteilungssteuerung und andere Stellglieder 248, die die anderen Funktionen der landwirtschaftlichen Erntemaschine 100 beeinflussen, zu steuern. Die Pfadplanungssteuerung 234 erzeugt veranschaulichend Steuersignale, um das Lenkungs-Teilsystem 252 zu steuern, um die landwirtschaftliche Erntemaschine 100 gemäß einem gewünschten Pfad zu steuern. Die Pfadplanungssteuerung 234 kann ein Pfadplanungssystem steuern, um eine Route für die landwirtschaftliche Erntemaschine 100 zu erzeugen, und kann das Antriebs-Teilsystem 250 und das Lenkteilsystem 252 steuern, um die landwirtschaftliche Erntemaschine 100 entlang dieser Route zu lenken. Die Vorschubgeschwindigkeitssteuerung 236 kann verschiedene Teilsysteme steuern, wie etwa das Antriebs-Teilsystem 250 und die Maschinenstellglieder 248, um eine Vorschubgeschwindigkeit auf Grundlage der prädiktiven Karte 264 oder der prädiktiven Steuerzonenkarte 265 oder beider zu steuern. Wenn sich zum Beispiel die landwirtschaftliche Erntemaschine 100 einem Bereich nähert, der Weizenpflanzen mit hohem Proteingehalt aufweist, wie durch einen oder mehrere Erntegutbestandteilwerte angegeben, kann das Steuersystem 214 die Drehzahleinstellung des Reinigungsgebläses 120 einstellen, um die Drehzahl des Reinigungsgebläses 120 einzustellen, um eine verbesserte Reinigung des Weizenpflanzenmaterials mit hohem Proteingehalt durchzuführen. Die Erntevorsatz- und Haspelsteuerung 238 kann Steuersignale erzeugen, um einen Erntevorsatz oder eine Haspel oder eine andere Erntevorsatzfunktionalität zu steuern. Die Draperbandsteuerung 240 kann Steuersignale erzeugen, um einen Draperband oder eine andere Draperfunktionalität auf Grundlage der prädiktiven Karte 264, der prädiktiven Steuerzonenkarte 265 oder beider zu steuern. Die Deckplattenpositionssteuerung 242 kann Steuersignale erzeugen, um eine Position einer Deckplatte, die in einem Erntevorsatz enthalten ist, auf Grundlage einer prädiktiven Karte 264 oder einer prädiktiven Steuerzonenkarte 265 oder beider zu steuern, und die Rückstandssystemsteuerung 244 kann Steuersignale erzeugen, um ein Rückstands-Teilsystem 138 auf Grundlage einer prädiktiven Karte 264 oder einer prädiktiven Steuerzonenkarte 265 oder beider zu steuern. Die Maschinenreinigungssteuerung 245 kann Steuersignale erzeugen, um das Maschinenreinigungs-Teilsystem 254 zu steuern. Zum Beispiel kann auf Grundlage der verschiedenen Arten von Saatgut oder Unkraut, das durch die landwirtschaftliche Erntemaschine 100 geleitet wird, eine bestimmte Art von Maschinenreinigungsvorgang oder eine Häufigkeit, mit der ein Reinigungsvorgang durchgeführt wird, gesteuert werden. Andere Steuerungen, die in der landwirtschaftlichen Erntemaschine 100 enthalten sind, können andere Teilsysteme auf Grundlage der prädiktiven Karte 264 oder prädiktiven Steuerzonenkarte 265 oder beider ebenfalls steuern.Operator interface controller 231 is operable to generate control signals to control operator interface mechanisms 218 . The operator interface control 231 is also operable to provide the operator 260 with the predictive map 264 or predictive control zone map 265 or other information derived from or based on predictive map 264, predictive control zone map 265, or both. The operator 260 can be a local operator or a remote operator. As an example, controller 231 generates control signals to control a display mechanism to display one or both of predictive map 264 and predictive control zone map 265 to operator 260 . Controller 231 may create operator actuable mechanisms that are displayed and operable by the operator to interact with the displayed map. The operator can edit the map, for example, by correcting a crop ingredient value displayed on the map based on the operator's observation. The adjustment controller 232 may generate control signals to control various adjustments on the agricultural harvesting machine 100 based on the predictive map 264, the predictive control zone map 265, or both. For example, the adjustment controller 232 may generate control signals to control the machine and header actuators 248 . In response to the generated control signals, the machine and header actuators 248 operate to adjust, for example, one or more of the sieve and chopper settings, concave clearance, rotor settings, cleaning fan speed settings, header height, header functionality, reel speed, reel position, to control the draper functionality (where the agricultural harvester 100 is coupled to a draperband header), the corn header functionality, the internal distribution control, and other actuators 248 that affect the other functions of the agricultural harvester 100. Path planning controller 234 illustratively generates control signals to control steering subsystem 252 to steer agricultural harvester 100 according to a desired path. Path planning controller 234 may control a path planning system to generate a route for agricultural harvester 100 and may control propulsion subsystem 250 and steering subsystem 252 to steer agricultural harvester 100 along that route. Feedrate controller 236 may control various subsystems, such as propulsion subsystem 250 and machine actuators 248, to control feedrate based on predictive map 264 or predictive control zone map 265, or both. For example, if the agricultural harvester 100 is approaching an area that has high protein wheat crops, as indicated by one or more crop constituent values, the control system 214 can adjust the speed setting of the cleaning fan 120 to adjust the speed of the cleaning fan 120 to provide improved cleaning of wheat plant material with a high protein content. The header and reel controller 238 may generate control signals to control a header or reel or other header functionality. The draper band controller 240 may generate control signals to control a draper band or other draper functionality based on the predictive map 264, the predictive control zone map 265, or both. Deck position controller 242 may generate control signals to control a position of a deck included in a header based on predictive map 264 or predictive control zone map 265, or both, and tailing system controller 244 may generate control signals to position a tailing subsystem 138 based on a predictive map 264 or a predictive control zone map 265 or both. The machine cleaning controller 245 may generate control signals to control the machine cleaning subsystem 254 . For example, based on the different types of seeds or weeds being passed through the agricultural harvesting machine 100, a particular type of machine cleaning operation or a frequency at which a cleaning operation is performed may be controlled. Other controls included in agricultural harvesting machine 100 may also control other subsystems based on predictive map 264 or predictive control zone map 265 or both.

Die 3A und 3B (hierin gemeinsam als 3 bezeichnet) zeigen ein Flussdiagramm, das ein Beispiel für den Betrieb der landwirtschaftlichen Erntemaschine 100 beim Erzeugen einer prädiktiven Karte 264 und einer prädiktiven Steuerzonenkarte 265 auf Grundlage der Vorabinformationskarte 258 veranschaulicht.the 3A and 3B (herein together as 3 ) show a flow chart illustrating an example of the operation of the agricultural harvesting machine 100 in generating a predictive map 264 and a predictive control zone map 265 based on the preliminary information map 258 .

Bei 280 empfängt die landwirtschaftliche Erntemaschine 100 die Vorabinformationskarte 258. Beispiele für die Vorabinformationskarte 258 oder das Empfangen der Vorabinformationskarte 258 werden in Bezug auf die Blöcke 281, 282, 284 und 286 erörtert. Wie oben erörtert, bildet die Vorabinformationskarte 258 Werte einer Variable, die einem ersten Merkmal entspricht, auf verschiedene Positionen im Feld ab, wie bei Block 282 angezeigt. Zum Beispiel kann eine Vorabinformationskarte eine Vorabbetriebskarte sein, die während eines Vorabbetriebs erzeugt wurde oder auf Daten von einem Vorabbetrieb auf dem Feld basiert, wie etwa ein vorheriger Substanzanwendungsvorgang durch eine Substanzanwendungsmaschine, wie etwa ein Sprühvorgang durch eine landwirtschaftliche Sprühvorrichtung oder ein Verteilungsvorgang durch einen landwirtschaftlichen Verteiler. In einem weiteren Beispiel kann die Vorabinformationskarte eine historische Erntegutbestandteilkarte sein, die auf Daten von einem Voraberntevorgang basiert. In einem weiteren Beispiel kann die Vorabinformationskarte eine vegetative Indexkarte sein. In einem weiteren Beispiel kann die Vorabinformationskarte eine Bodenzusammensetzungskarte sein. Dies sind nur Beispiele. Die Vorabinformationskarte kann eine beliebige aus einer Anzahl von landwirtschaftlichen Merkmalkarten beinhalten, die landwirtschaftliche Merkmalswerte auf verschiedene geografische Positionen in einem oder mehreren Feldern von Interesse abbilden. Die Daten für die Vorabinformationskarte 258 können auch auf andere Weise gesammelt werden. Beispielsweise können die Daten auf der Grundlage von Luftbildern oder Messwerten erfasst werden, die während eines Vorjahres oder früher in der aktuellen Wachstumsperiode oder zu anderen Zeiten aufgenommen wurden. Die Informationen können auch auf Daten basieren, die auf andere Weise (als mithilfe von Luftbildern) erkannt oder gesammelt wurden. Zum Beispiel können die Daten für die Vorabinformationskarte 258 mithilfe des Kommunikationssystems 206 an die landwirtschaftliche Erntemaschine 100 übertragen und im Datenspeicher 202 gespeichert werden. Die Daten für die Vorabinformationskarte 258 können auch auf andere Weise mithilfe des Kommunikationssystems 206 der landwirtschaftlichen Erntemaschine 100 bereitgestellt werden, was durch Block 286 im Flussdiagramm von 3 angezeigt wird. In einigen Beispielen kann die Vorabinformationskarte 258 von dem Kommunikationssystem 206 empfangen werden206.At 280, agricultural harvester 100 receives the advance information card 258. Examples of the advance information card 258 or receiving the advance information card 258 are discussed with respect to blocks 281, 282, 284, and 286. As discussed above, the preliminary information map 258 maps values of a variable corresponding to a first feature to various positions in the field, as indicated at block 282 . For example, a prior information map may be a prior operation map generated during a prior operation or based on data from a prior operation in the field, such as a previous substance application event by a substance application machine, such as a spray event by an agricultural sprayer tion or a distribution process by an agricultural distributor. In another example, the preliminary information map may be a historical crop ingredient map based on data from a pre-harvest operation. In another example, the preliminary information map may be a vegetative index map. In another example, the preliminary information map may be a soil composition map. These are just examples. The preliminary information map may include any of a number of agricultural trait maps that map agricultural trait values to various geographic locations in one or more fields of interest. The data for the preliminary information card 258 can be collected in other ways. For example, the data may be collected based on aerial photographs or measurements taken during a previous year or earlier in the current growing season or at other times. The information may also be based on data detected or collected in ways other than aerial photography. For example, the data for the advance information card 258 may be transmitted to the agricultural harvester 100 via the communication system 206 and stored in the data store 202 . The data for the preliminary information card 258 can also be provided in other ways using the communication system 206 of the agricultural harvesting machine 100, as indicated by block 286 in the flow chart of FIG 3 is shown. In some examples, the advance information card 258 may be received 206 by the communication system 206 .

Bei Block 287 kann der Vorabinformationskartenselektor 209 eine oder mehrere Karten aus der Vielzahl der in Block 280 empfangenen in Frage kommenden Vorabinformationskarten auswählen. Beispielsweise können historischer Erntegutbestandteilkarten mehrerer Jahre als in Frage kommende Vorabinformationskarten empfangen werden. Jede dieser Karten kann Kontextinformationen enthalten, wie etwa Wettermuster über einen Zeitraum, wie etwa ein Jahr, Schädlingsbefall über einen Zeitraum, wie etwa ein Jahr, Bodeneigenschaften, topographische Merkmale, Substanzanwendungsmerkmale usw. Kontextinformationen können verwendet werden, um auszuwählen, welche historische Erntegutbestandteilkarte ausgewählt werden soll. Zum Beispiel können die Wetterbedingungen über einen Zeitraum, wie in einem aktuellen Jahr, oder die Bodeneigenschaften für das aktuelle Feld mit den Wetterbedingungen und Bodeneigenschaften in den Kontextinformationen für jede in Frage kommende Vorabinformationskarte verglichen werden. Die Ergebnisse eines solchen Vergleichs können verwendet werden, um auszuwählen, welche historische Erntegutbestandteilkarte ausgewählt werden soll. Zum Beispiel können Jahre mit ähnlichen Wetterbedingungen im Allgemeinen zu ähnlichen Erntegutbestandteilmerkmalen oder Erntegutbestandteiltrends auf einem Feld führen. In manchen Fällen können Jahre mit entgegengesetzten Wetterbedingungen auch nützlich sein, um Erntegutbestandteile auf Grundlage der historischen Erntegutbestandteildaten vorherzusagen. Zum Beispiel kann ein Bereich mit einem niedrigen Erntegutbestandteilwert in einem trockenen Jahr einen hohen Erntegutbestandteilwert in einem nassen Jahr aufweisen, da der Bereich bessere Wachstumsbedingungen bereitstellen kann. Der Vorgang, bei dem eine oder mehrere Vorabinformationskarten durch den Vorabinformationskartenselektor 209 ausgewählt werden, kann manuell, halbautomatisch oder automatisiert sein. In einigen Beispielen kann der Vorabinformationskartenselektor 209 während eines Erntevorgangs kontinuierlich oder intermittierend bestimmen, ob eine andere Vorabinformationskarte eine bessere Beziehung zu dem In-situ-Sensorwert aufweist. Wenn eine andere Vorabinformationskarte enger mit den In-situ-Daten korreliert, kann der Vorabinformationskartenselektor 209 die aktuell ausgewählte Vorabinformationskarte durch die korrelativere Vorabinformationskarte ersetzen.At block 287 , the prior information card selector 209 may select one or more cards from the plurality of candidate prior information cards received in block 280 . For example, historical crop ingredient maps of several years may be received as candidate advance information maps. Each of these maps may contain contextual information, such as weather patterns over a period of time, such as a year, pest infestations over a period of time, such as a year, soil characteristics, topographical features, substance use characteristics, etc. Contextual information can be used to select which historical crop constituent map is selected target. For example, the weather conditions over a period of time, such as a current year, or the soil properties for the current field can be compared to the weather conditions and soil properties in the context information for each candidate advance information map. The results of such a comparison can be used to select which historical crop constituent map to select. For example, years with similar weather conditions may generally result in similar crop ingredient characteristics or crop ingredient trends in a field. In some cases, years with opposite weather conditions can also be useful to predict crop constituents based on the historical crop constituent data. For example, an area with a low crop ingredient value in a dry year may have a high crop ingredient value in a wet year because the area may provide better growing conditions. The process of selecting one or more advance notice cards by the advance notice card selector 209 may be manual, semi-automated, or automated. In some examples, the advance information card selector 209 may continuously or intermittently determine during a harvesting operation whether another advance information card has a better relationship to the in situ sensor value. If another advance information map correlates more closely with the in situ data, the advance information map selector 209 may replace the currently selected advance information map with the more correlative advance information map.

Bei Beginn eines Erntevorgangs erzeugen die In-situ-Sensoren 208 Sensorsignale, die einen oder mehrere In-situ-Datenwerte anzeigen, die ein Merkmal anzeigen, wie etwa ein Erntegutmerkmal, wie durch Block 288 angezeigt. Beispiele für In-situ-Sensoren 288 werden in Bezug auf die Blöcke 222, 290 und 226 erörtert. Wie oben erläutert, beinhalten die In-situ-Sensoren 208 bordeigene Sensoren 222; Remote-In-situ-Sensoren 224, wie etwa UAV-basierte Sensoren, die zu einem Zeitpunkt geflogen werden, um In-situ-Daten zu sammeln, wie in Block 290 gezeigt; oder andere Arten von In-situ-Sensoren, die durch In-situ-Sensoren 226 bezeichnet werden. In einigen Beispielen werden Daten von bordeigenen Sensoren mithilfe von Positionskurs- oder Geschwindigkeitsdaten von dem geografischen Positionssensor 204 georeferenziert.At the beginning of a harvesting operation, the in situ sensors 208 generate sensor signals indicative of one or more in situ data values indicative of a trait, such as a crop trait, as indicated by block 288 . Examples of in situ sensors 288 are discussed with respect to blocks 222, 290 and 226. As discussed above, in situ sensors 208 include onboard sensors 222; remote in situ sensors 224, such as UAV-based sensors flown at a time to collect in situ data, as shown in block 290; or other types of in situ sensors, denoted by in situ sensors 226 . In some examples, data from onboard sensors is georeferenced using position heading or speed data from geographic position sensor 204 .

Der prädiktive Modellgenerator 210 steuert den Vorabinformationsvariable-zu-In-situ-Variable-Modellgenerator 228, um ein Modell zu erzeugen, das eine Beziehung zwischen den abgebildeten Werten, die in der Vorabinformationskarte 258 enthalten sind, und den In-situ-Werten, die durch die In-situ-Sensoren 208 erfasst werden, modelliert, wie durch Block 292 angezeigt. Die Merkmale oder Datentypen, die durch die abgebildeten Werte in der Vorabinformationskarte 258 dargestellt werden, und die In-situ-Werte, die durch die In-situ-Sensoren 208 erfasst werden, können die gleichen Merkmale oder Datentypen oder verschiedene Merkmale oder Datentypen sein.The predictive model generator 210 controls the prior information variable-to-in situ variable model generator 228 to generate a model representing a relationship between the mapped values contained in the prior information map 258 and the in situ values that by the in situ sensors 208 are modeled as indicated by block 292 . The features or data types represented by the mapped values in preliminary information map 258 and the in situ values sensed by in situ sensors 208 may be the same features or data types or different features or data types.

Die Beziehung oder das Modell, die bzw. das von dem prädiktiven Modellgenerator 210 erzeugt wird, wird dem prädiktiven Kartengenerator 212 bereitgestellt. Der prädiktive Kartengenerator 212 erzeugt eine prädiktive Karte 264, die einen Wert des durch die In-situ-Sensoren 208 erfassten Merkmals an verschiedenen geografischen Positionen in einem zu erntenden Feld oder ein anderes Merkmal, das mit dem durch die In-situ-Sensoren 208 erfassten Merkmal in Beziehung steht, mithilfe des prädiktiven Modells und der Vorabinformationskarte 258 vorhersagt, wie durch Block 294 angezeigt.The relationship or model generated by the predictive model generator 210 is provided to the predictive map generator 212 . The predictive map generator 212 generates a predictive map 264 that represents a value of the feature sensed by the in situ sensors 208 at various geographic locations in a field to be harvested or another feature that is consistent with the sensed by the in situ sensors 208 feature is predicted using the predictive model and the advance information card 258 as indicated by block 294 .

Es ist zu beachten, dass die Vorabinformationskarte 258 in einigen Beispielen zwei oder mehr verschiedene Karten oder zwei oder mehr verschiedene Kartenebenen einer einzelnen Karte beinhalten kann. Jede Kartenebene kann einen anderen Datentyp als den Datentyp einer anderen Kartenebene darstellen oder die Kartenebenen können denselben Datentyp aufweisen, der zu verschiedenen Zeitpunkten erhalten wurde. Jede Karte in den zwei oder mehr verschiedenen Karten oder jede Ebene in den zwei oder mehr verschiedenen Kartenebenen einer Karte bildet einen anderen Typ von Variablen zu den geografischen Positionen im Feld ab. In einem solchen Beispiel erzeugt der prädiktive Modellgenerator 210 ein prädiktives Modell, das die Beziehung zwischen den In-situ-Daten und jeder der verschiedenen Variablen modelliert, die durch die zwei oder mehr verschiedenen Karten oder die zwei oder mehr verschiedenen Kartenebenen abgebildet sind. Gleichermaßen können die In-situ-Sensoren 208 zwei oder mehr Sensoren beinhalten, die jeweils eine andere Art von Variablen erfassen. Somit erzeugt der prädiktive Modellgenerator 210 ein prädiktives Modell, das die Beziehungen zwischen jedem durch die Vorabinformationskarte 258 abgebildeten Variablentyp und jedem durch die In-situ-Sensoren 208 erfassten Variablentyp modelliert. Der prädiktive Kartengenerator 212 kann eine funktionelle prädiktive Karte 263 erzeugen, die einen Wert für jedes erfasste Merkmal, das von den In-situ-Sensoren 208 erfasst wird (oder einem Merkmal, das sich auf das erfasste Merkmal bezieht), an verschiedenen Positionen in dem Feld, das geerntet wird, mithilfe des prädiktiven Modells und jeder der Karten oder Kartenebenen in der Vorabinformationskarte 258 vorhersagt.Note that in some examples, the preliminary information card 258 may include two or more different cards or two or more different card layers of a single card. Each map layer may represent a different type of data than the data type of another map layer, or the map layers may have the same type of data obtained at different points in time. Each map in the two or more different maps, or each layer in the two or more different map layers of a map, maps a different type of variable to the geographic locations in the field. In such an example, the predictive model generator 210 generates a predictive model that models the relationship between the in situ data and each of the various variables depicted by the two or more different maps or the two or more different map layers. Likewise, the in situ sensors 208 may include two or more sensors, each sensing a different type of variable. Thus, the predictive model generator 210 generates a predictive model that models the relationships between each variable type represented by the prior information map 258 and each variable type sensed by the in situ sensors 208 . The predictive map generator 212 may generate a functional predictive map 263 that includes a value for each sensed feature sensed by the in situ sensors 208 (or a feature related to the sensed feature) at different locations in the Field that will be harvested using the predictive model and each of the maps or map layers in the advance information map 258 predicts.

Der prädiktive Kartengenerator 212 konfiguriert die prädiktive Karte 264 derart, dass die prädiktive Karte 264 durch das Steuersystem 214 umsetzbar (oder verbrauchbar) ist. Der prädiktive Kartengenerator 212 kann die prädiktive Karte 264 dem Steuersystem 214 oder dem Steuerzonengenerator 213 oder beiden bereitstellen. Einige Beispiele für verschiedene Arten, wie die prädiktive Karte 264 konfiguriert oder ausgegeben werden kann, werden in Bezug auf die Blöcke 296, 295, 299 und 297 beschrieben. Beispielsweise konfiguriert der prädiktive Kartengenerator 212 die prädiktive Karte 264, so dass die prädiktive Karte 264 Werte beinhaltet, die durch das Steuersystem 214 gelesen und als Grundlage zum Erzeugen von Steuersignalen für eines oder mehrere der verschiedenen steuerbaren Teilsysteme der landwirtschaftlichen Erntemaschine 100 verwendet werden können, wie durch Block 296 angezeigt.The predictive map generator 212 configures the predictive map 264 such that the predictive map 264 is actionable (or consumable) by the control system 214 . Predictive map generator 212 may provide predictive map 264 to control system 214 or control zone generator 213, or both. Some examples of different ways in which predictive map 264 may be configured or issued are described with respect to blocks 296, 295, 299, and 297. For example, the predictive map generator 212 configures the predictive map 264 so that the predictive map 264 includes values that can be read by the control system 214 and used as a basis for generating control signals for one or more of the various controllable subsystems of the agricultural harvesting machine 100, such as indicated by block 296.

Der Steuerzonengenerator 213 kann die prädiktive Karte 264 auf Grundlage der Werte auf der prädiktiven Karte 264 in Steuerzonen unterteilen. Kontinuierlich geolokalisierte Werte, die innerhalb eines Schwellenwertes voneinander liegen, können in eine Steuerzone gruppiert werden. Der Schwellenwert kann ein Standardschwellenwert sein oder der Schwellenwert kann auf Grundlage einer Bedienereingabe, auf Grundlage einer Eingabe von einem automatisierten System oder auf Grundlage anderer Kriterien festgelegt werden. Eine Größe der Zonen kann auf einer Reaktionsfähigkeit des Steuersystems 214, der steuerbaren Teilsysteme 216 auf Grundlage von Verschleißüberlegungen oder auf anderen Kriterien basieren, wie durch Block 295 angezeigt. Der prädiktive Kartengenerator 212 konfiguriert die prädiktive Karte 264 zur Präsentation für einen Bediener oder einen anderen Benutzer. Der Steuerzonengenerator 213 kann eine prädiktive Steuerzonenkarte 265 zur Präsentation für einen Bediener oder einen anderen Benutzer konfigurieren. Dies wird durch Block 299 angezeigt. Wenn sie einem Bediener oder einem anderen Benutzer präsentiert wird, kann die Präsentation der prädiktiven Karte 264 oder der prädiktiven Steuerzonenkarte 265 oder beider einen oder mehrere der prädiktiven Werte auf der prädiktiven Karte 264, die mit der geografischen Position korreliert sind, die Steuerzonen auf der prädiktiven Steuerzonenkarte 265, die mit der geografischen Position korreliert sind, und Einstellwerte oder Steuerparameter enthalten, die auf der Grundlage der vorhergesagten Werte auf der prädiktiven Karte 264 oder den Zonen auf der prädiktiven Steuerzonenkarte 265 verwendet werden. Die Präsentation kann in einem anderen Beispiel mehr abstrahierte Informationen oder detailliertere Informationen beinhalten. Die Darstellung kann auch ein Konfidenzniveau beinhalten, das eine Genauigkeit angibt, mit der die prädiktiven Werte auf der prädiktiven Karte 264 oder die Zonen auf der prädiktiven Steuerzonenkarte 265 mit gemessenen Werten übereinstimmen, die durch Sensoren an der landwirtschaftlichen Erntemaschine 100 gemessen werden können, wenn sich die landwirtschaftliche Erntemaschine 100 durch das Feld bewegt. Ferner kann ein Authentifizierungs-/Autorisierungssystem bereitgestellt werden, das Authentifizierungs- und Autorisierungsprozesse implementiert, wenn Informationen an mehreren Positionen präsentiert werden. Beispielsweise kann es eine Hierarchie von Personen geben, die berechtigt sind, Karten und andere präsentierte Informationen anzuzeigen und zu ändern. Beispielsweise kann eine bordeigene Anzeigevorrichtung die Karten in nahezu Echtzeit lokal auf der Maschine anzeigen, oder die Karten können auch an einem oder mehreren Remote-Standorten erzeugt werden. In einigen Beispielen kann jede physische Anzeigevorrichtung an jedem Standort einer Person oder einer Benutzerberechtigungsstufe zugeordnet sein. Die Benutzerberechtigungsstufe kann verwendet werden, um zu bestimmen, welche Anzeigemarkierungen auf der physischen Anzeigevorrichtung sichtbar sind und welche Werte die entsprechende Person ändern kann. Beispielsweise kann ein lokaler Bediener der landwirtschaftlichen Erntemaschine 100 nicht in der Lage sein, die Informationen, die der prädiktiven Karte 264 entsprechen, zu sehen oder Änderungen am Maschinenbetrieb vorzunehmen. Ein Vorgesetzter kann jedoch an einem Remote-Standort die prädiktive Karte 264 auf der Anzeige sehen, jedoch keine Änderungen daran vornehmen. Ein Manager, der sich an einem separaten Remote-Standort befinden kann, kann in der Lage sein, alle Elemente auf der prädiktiven Karte 264 zu sehen und auch in der Lage sein, die prädiktive Karte 264, die in der Maschinensteuerung verwendet wird, zu ändern. Dies ist ein Beispiel für eine Autorisierungshierarchie, die implementiert werden kann. Die prädiktive Karte 264 oder die prädiktive Steuerzonenkarte 265 oder beide können auch auf andere Weise konfiguriert werden, wie durch Block 297 angezeigt.The control zone generator 213 may divide the predictive map 264 into control zones based on the values on the predictive map 264 . Continuously geolocated values that are within a threshold of each other can be grouped into a tax zone. The threshold may be a default threshold, or the threshold may be set based on operator input, based on input from an automated system, or based on other criteria. A size of the zones may be based on a responsiveness of the control system 214, the controllable subsystems 216 based on wear considerations, or other criteria, as indicated by block 295. The predictive map generator 212 configures the predictive map 264 for presentation to an operator or other user. The control zone generator 213 can configure a predictive control zone map 265 for presentation to an operator or other user. Block 299 indicates this. When presented to an operator or other user, the presentation of predictive map 264 or predictive control zone map 265, or both, may include one or more of the predictive values on predictive map 264 that are correlated to the geographic location, the control zones on the predictive Control zone map 265 correlated to geographic location and containing adjustment values or control parameters used based on the predicted values on predictive map 264 or the zones on predictive control zone map 265. In another example, the presentation may include more abstracted information or more detailed information. The representation may also include a confidence level that indicates an accuracy with which the predicted values on the predictive map 264 or the zones on the predictive control zone map 265 match measured values that can be measured by sensors on the agricultural harvesting machine 100 when moving the agricultural harvesting machine 100 through the field. Furthermore, an authentication/authorization system can be provided that implements authentication and authorization processes when information is presented at multiple locations. For example, there may be a hierarchy of people authorized to issue cards and other pre View and change sent information. For example, an onboard display device can display the maps locally on the machine in near real time, or the maps can also be generated at one or more remote locations. In some examples, each physical display device at each location may be associated with a person or user permission level. The user permission level can be used to determine what indicator marks are visible on the physical display device and what values that person can change. For example, a local operator of agricultural harvesting machine 100 may not be able to view the information corresponding to predictive map 264 or make changes to machine operation. However, a supervisor at a remote location can see the predictive map 264 on the display but not make any changes to it. A manager, who may be at a separate remote location, may be able to see all of the items on the predictive map 264 and also be able to change the predictive map 264 used in machine control . This is an example of an authorization hierarchy that can be implemented. The predictive map 264 or the predictive control zone map 265 or both can also be configured in other ways, as indicated by block 297 .

Bei Block 298 werden Eingaben von dem geografischen Positionssensor 204 und anderen In-situ-Sensoren 208 von dem Steuersystem empfangen. Block 300 stellt den Empfang einer Eingabe von dem geografischen Positionssensor 204 durch das Steuersystem 214 dar, der eine geografische Position der landwirtschaftlichen Erntemaschine 100 identifiziert. Block 302 stellt den Empfang von Sensoreingaben durch das Steuersystem 214 dar, die den Bahnverlauf oder den Kurs der landwirtschaftlichen Erntemaschine 100 angeben, und Block 304 stellt den Empfang einer Geschwindigkeit der landwirtschaftlichen Erntemaschine 100 durch das Steuersystem 214 dar. Block 306 stellt den Empfang anderer Informationen von verschiedenen In-situ-Sensoren 208 durch das Steuersystem 214 dar.At block 298, inputs from the geographic position sensor 204 and other in situ sensors 208 are received by the control system. Block 300 represents the control system 214 receiving an input from the geographic position sensor 204 identifying a geographic position of the agricultural harvesting machine 100 . Block 302 represents the receipt by the control system 214 of sensor inputs indicative of the trajectory or heading of the agricultural harvester 100, and Block 304 represents the receipt by the control system 214 of a speed of the agricultural harvester 100. Block 306 represents the receipt of other information from various in situ sensors 208 by the control system 214.

Bei Block 308 generiert das Steuersystem 214 Steuersignale, um die steuerbaren Teilsysteme 216 auf Grundlage der prädiktiven Karte 264 oder der prädiktiven Steuerzonenkarte 265 oder beider und der Eingabe von dem geografischen Positionssensor 204 und beliebigen anderen In-situ-Sensoren 208 zu steuern. Bei Block 310 wendet das Steuersystem 214 die Steuersignale auf die steuerbaren Teilsysteme an. Es versteht sich, dass die bestimmten Steuersignale, die erzeugt werden, und die bestimmten steuerbaren Teilsysteme 216, die gesteuert werden, auf Grundlage eines oder mehrerer verschiedener Dinge variieren können. Beispielsweise können die erzeugten Steuersignale und die steuerbaren Teilsysteme 216, die gesteuert werden, auf der Art der prädiktiven Karte 264 oder der prädiktiven Steuerzonenkarte 265 oder beiden basieren, die verwendet werden. Gleichermaßen können die erzeugten Steuersignale und die steuerbaren Teilsysteme 216, die gesteuert werden, und der Zeitpunkt der Steuersignale auf verschiedenen Latenzen des Erntegutstroms durch die landwirtschaftliche Erntemaschine 100 und der Reaktionsfähigkeit der steuerbaren Teilsysteme 216 basieren.At block 308 the control system 214 generates control signals to control the controllable subsystems 216 based on the predictive map 264 or the predictive control zone map 265 or both and the input from the geographic position sensor 204 and any other in situ sensors 208 . At block 310, the control system 214 applies the control signals to the controllable subsystems. It is understood that the particular control signals that are generated and the particular controllable subsystems 216 that are controlled may vary based on one or more different things. For example, the control signals generated and the controllable subsystems 216 that are controlled may be based on the type of predictive map 264 or predictive control zone map 265 or both used. Likewise, the control signals generated and the controllable subsystems 216 that are controlled and the timing of the control signals may be based on various latencies of crop flow through the agricultural harvesting machine 100 and the responsiveness of the controllable subsystems 216.

Beispielsweise kann eine erzeugte prädiktive Karte 264 in Form einer prädiktiven Erntegutbestandteilkarte verwendet werden, um eines oder mehrere steuerbare Teilsysteme 216 zu steuern. Beispielsweise kann die funktionelle prädiktive Erntegutbestandteilkarte Erntegutbestandteilwerte beinhalten, die auf Positionen innerhalb des zu erntenden Feldes georeferenziert sind. Die funktionelle prädiktive Erntegutbestandteilkarte kann extrahiert und verwendet werden, um die Lenkungs- und Antriebs-Teilsysteme 252 bzw. 250 zu steuern. Durch Steuern der Lenk- und Antriebs-Teilsysteme 252 und 250 kann eine Vorschubgeschwindigkeit von Material oder Korn, das sich durch die landwirtschaftliche Erntemaschine 100 bewegt, gesteuert werden. In ähnlicher Weise kann die Höhe des Erntevorsatzes gesteuert werden, um mehr oder weniger Material aufzunehmen, und somit kann die Höhe des Erntevorsatzes auch gesteuert werden, um die Vorschubgeschwindigkeit des Materials durch die landwirtschaftliche Erntemaschine 100 zu steuern. Wenn die prädiktive Karte 264 in anderen Beispielen einen Erntegutbestandteilwert vor der Maschine abbildet, der an einem Abschnitt des Erntevorsatzes höher als an einem anderen Abschnitt des Erntevorsatzes ist, was dazu führt, dass eine andere Biomasse in eine Seite des Erntevorsatzes als die andere Seite eintritt, kann die Steuerung des Erntevorsatzes implementiert werden. Zum Beispiel kann eine Drapergeschwindigkeit auf einer Seite des Erntevorsatzes relativ zu der Drapergeschwindigkeit auf der anderen Seite des Erntevorsatzes erhöht oder verringert werden, um die zusätzliche Biomasse zu berücksichtigen. Somit können die Erntevorsatz- und Haspelsteuerung 238 mithilfe von georeferenzierten Werten gesteuert werden, die in der prädiktiven Erntegutbestandteilkarte vorhanden sind, um die Drapergeschwindigkeiten der Draperbänder auf dem Erntevorsatz zu steuern. Das vorhergehende Beispiel mit Vorschubgeschwindigkeit und Erntevorsatzsteuerung mithilfe einer funktionellen prädiktiven Erntegutbestandteilkarte ist nur beispielhaft bereitgestellt. Folglich kann eine Vielzahl anderer Steuersignale mithilfe von Werten erzeugt werden, die von einer prädiktiven Erntegutbestandteilkarte oder einer anderen Art von funktioneller prädiktiver Karte erhalten werden, um eines oder mehrere der steuerbaren Teilsysteme 216 zu steuern.For example, a generated predictive map 264 in the form of a predictive crop ingredient map may be used to control one or more controllable subsystems 216 . For example, the functional predictive crop ingredient map may include crop ingredient values georeferenced to locations within the field to be harvested. The functional predictive crop ingredient map can be extracted and used to control the steering and propulsion subsystems 252 and 250, respectively. By controlling the steering and propulsion subsystems 252 and 250, a rate of travel of material or grain moving through the agricultural harvesting machine 100 can be controlled. Similarly, the height of the header can be controlled to accommodate more or less material, and thus the height of the header can also be controlled to control the rate of advance of material through the agricultural harvester 100 . In other examples, if the predictive map 264 maps a crop constituent value in front of the machine that is higher on one portion of the header than another portion of the header, resulting in a different biomass entering one side of the header than the other side, the header control can be implemented. For example, a draper speed on one side of the header may be increased or decreased relative to the draper speed on the other side of the header to account for the additional biomass. Thus, the header and reel controller 238 can be controlled using georeferenced values present in the predictive crop ingredient map to control the draper speeds of the draper bands on the header. The foregoing example of haul rate and header control using a functional predictive crop constituent map is provided by way of example only. Consequently, a variety of other control signals may be generated using values obtained from a predictive crop constituent map or other type of functional predictive map obtained to control one or more of the controllable subsystems 216 .

Bei Block 312 wird bestimmt, ob der Erntevorgang abgeschlossen wurde. Wenn die Ernte nicht abgeschlossen ist, fährt die Verarbeitung mit Block 314 fort, wo In-situ-Sensordaten von dem geografischen Positionssensor 204 und den In-situ-Sensoren 208 (und möglicherweise anderen Sensoren) weiterhin gelesen werden.At block 312, it is determined whether the harvesting operation has been completed. If harvesting is not complete, processing continues at block 314 where in situ sensor data from geographic location sensor 204 and in situ sensors 208 (and possibly other sensors) continue to be read.

In einigen Beispielen kann die landwirtschaftliche Erntemaschine 100 bei Block 316 auch Lernauslösekriterien erkennen, um maschinelles Lernen an einer oder mehreren von der prädiktiven Karte 264, der prädiktiven Steuerzonenkarte 265, dem Modell, das von dem prädiktiven Modellgenerator 210 erzeugt wird, den Zonen, die von dem Steuerzonengenerator 213 erzeugt werden, einem oder mehreren Steueralgorithmen, die von den Steuerungen in dem Steuersystem 214 implementiert werden, und anderem ausgelösten Lernen durchzuführen.In some examples, at block 316, agricultural harvester 100 may also recognize learning trigger criteria to perform machine learning on one or more of predictive map 264, predictive control zone map 265, the model generated by predictive model generator 210, the zones generated by generated by control zone generator 213, one or more control algorithms implemented by controllers in control system 214, and other triggered learning.

Die Lernauslösekriterien können eine Vielzahl verschiedener Kriterien beinhalten. Einige Beispiele für das Erkennen von Auslösekriterien werden in Bezug auf die Blöcke 318, 320, 321, 322 und 324 erörtert. Beispielsweise kann das ausgelöste Lernen in einigen Beispielen das Wiederherstellen einer Beziehung beinhalten, die verwendet wird, um ein prädiktives Modell zu erzeugen, wenn eine Schwellenmengevon In-situ-Sensordaten von den In-situ-Sensoren 208 erhalten wird. In solchen Beispielen löst der Empfang einer Menge von In-situ-Sensordaten von den In-situ-Sensoren 208, die einen Schwellenwert überschreitet, den prädiktiven Modellgenerator 210 aus oder veranlasst ihn, ein neues prädiktives Modell zu erzeugen, das vom prädiktiven Kartengenerator 212 verwendet wird. Wenn also die landwirtschaftliche Erntemaschine 100 einen Erntevorgang fortsetzt, löst der Empfang der Schwellenmenge an In-situ-Sensordaten von den In-situ-Sensoren 208 die Erzeugung einer neuen Beziehung aus, die durch ein prädiktives Modell repräsentiert wird, das durch den prädiktiven Modellgenerator 210 erzeugt wird. Ferner können die neue prädiktive Karte 264, die prädiktive Steuerzonenkarte 265 oder beide mithilfe des neuen prädiktiven Modells erneut erzeugt werden. Block 318 stellt das Erkennen einer Schwellenwertmenge von In-situ-Sensordaten dar, die verwendet werden, um die Erstellung eines neuen prädiktiven Modells auszulösen.The learning trigger criteria can contain a large number of different criteria. Some examples of detecting trigger criteria are discussed with respect to blocks 318, 320, 321, 322, and 324. For example, in some examples, the triggered learning may include restoring a relationship used to generate a predictive model when a threshold amount of in situ sensor data is obtained from the in situ sensors 208 . In such examples, receipt of an amount of in situ sensor data from in situ sensors 208 that exceeds a threshold triggers or causes predictive model generator 210 to generate a new predictive model used by predictive map generator 212 will. Thus, as agricultural harvester 100 continues a harvesting operation, receipt of the threshold amount of in situ sensor data from in situ sensors 208 triggers the generation of a new relationship represented by a predictive model generated by predictive model generator 210 is produced. Furthermore, the new predictive map 264, the predictive control zone map 265, or both can be regenerated using the new predictive model. Block 318 represents detecting a threshold set of in situ sensor data used to trigger creation of a new predictive model.

In anderen Beispielen können die Lernauslösekriterien darauf beruhen, wie stark sich die In-situ-Sensordaten von den In-situ-Sensoren 208 ändern, wie etwa über die Zeit oder im Vergleich zu vorherigen Werten. Wenn zum Beispiel Abweichungen innerhalb der In-situ-Sensordaten (oder der Beziehung zwischen den In-situ-Sensordaten und den Informationen in der Vorabinformationskarte 258) innerhalb eines ausgewählten Bereichs liegen oder weniger als ein definierter Betrag sind oder unter einem Schwellenwert liegen, dann wird kein neues prädiktives Modell durch den prädiktiven Modellgenerator 210 erzeugt. Infolgedessen erzeugt der prädiktive Kartengenerator 212 keine neue prädiktive Karte 264, prädiktive Steuerzonenkarte 265 oder beides. Wenn jedoch Abweichungen innerhalb der In-situ-Sensordaten außerhalb des ausgewählten Bereichs liegen, größer als der definierte Betrag sind oder beispielsweise über dem Schwellenwert liegen, erzeugt der prädiktive Modellgenerator 210 ein neues prädiktives Modell mithilfe aller oder eines Teils der neu empfangenen In-situ-Sensordaten, die der prädiktive Kartengenerator 212 verwendet, um eine neue prädiktive Karte 264 zu erzeugen. Bei Block 320 können Variationen der In-situ-Sensordaten, wie etwa eine Größe eines Betrags, um den die Daten den ausgewählten Bereich überschreiten, oder eine Größe der Variation der Beziehung zwischen den In-situ-Sensordaten und den Informationen in der Vorabinformationskarte 258, als Auslöser verwendet werden, um die Erzeugung eines prädiktiven Modells und einer prädiktiven Karte zu veranlassen. Unter Beibehaltung der oben beschriebenen Beispiele können der Schwellenwert, der Bereich und der definierte Betrag auf Standardwerte eingestellt werden; durch einen Bediener oder eine Benutzerinteraktion über eine Benutzerschnittstelle eingestellt werden; durch ein automatisiertes System eingestellt werden; oder auf andere Weise eingestellt werden.In other examples, the learning trigger criteria may be based on how much the in situ sensor data from the in situ sensors 208 is changing, such as over time or compared to previous values. For example, if deviations within the in situ sensor data (or the relationship between the in situ sensor data and the information in the pre-information map 258) are within a selected range, or are less than a defined amount, or are below a threshold, then no new predictive model is generated by the predictive model generator 210. As a result, the predictive map generator 212 does not generate a new predictive map 264, predictive control zone map 265, or both. However, if deviations within the in situ sensor data are outside the selected range, are greater than the defined amount, or are above the threshold, for example, the predictive model generator 210 generates a new predictive model using all or part of the newly received in situ Sensor data that the predictive map generator 212 uses to generate a new predictive map 264 . At block 320, variations in the in situ sensor data, such as a magnitude of an amount by which the data exceeds the selected range or a magnitude of variation in the relationship between the in situ sensor data and the information in the preliminary information map 258, used as a trigger to cause the generation of a predictive model and map. Keeping the examples described above, the threshold, range and defined amount can be set to default values; set by an operator or user interaction via a user interface; set by an automated system; or adjusted in any other way.

Es können auch andere Lernauslösekriterien verwendet werden. Wenn zum Beispiel der prädiktive Modellgenerator 210 zu einer anderen Vorabinformationskarte (die sich von der ursprünglich ausgewählten Vorabinformationskarte 258 unterscheidet) wechselt, kann das Wechseln zu der anderen Vorabinformationskarte ein erneutes Lernen durch den prädiktiven Modellgenerator 210, den prädiktiven Kartengenerator 212, den Steuerzonengenerator 213, das Steuersystem 214 oder andere Elemente auslösen. In einem weiteren Beispiel kann auch der Übergang der landwirtschaftlichen Erntemaschine 100 zu einer anderen Topographie oder zu einer anderen Steuerzone als Lernauslösekriterien verwendet werden.Other learning trigger criteria can also be used. For example, if the predictive model generator 210 switches to a different advance information map (different from the originally selected advance information map 258), switching to the different advance information map may require re-learning by the predictive model generator 210, the predictive map generator 212, the control zone generator 213, the Trigger control system 214 or other elements. In a further example, the transition of the agricultural harvesting machine 100 to a different topography or to a different control zone can also be used as learning trigger criteria.

In einigen Fällen kann der Bediener 260 auch die prädiktive Karte 264 oder die prädiktive Steuerzonenkarte 265 oder beide bearbeiten. Die Bearbeitungen können einen Wert auf der prädiktiven Karte 264, eine Größe, Form, Position oder Vorhandensein einer Steuerzone auf der prädiktiven Steuerzonenkarte 265 oder beides ändern. Block 321 zeigt, dass bearbeitete Informationen als Lernauslösekriterien verwendet werden können.In some cases, operator 260 may also edit predictive map 264 or predictive control zone map 265, or both. The edits may change a value on predictive map 264, a size, shape, location, or presence of a control zone on predictive control zone map 265, or both. Block 321 shows that processed information can be used as learning trigger criteria.

In einigen Fällen kann es auch sein, dass der Bediener 260 beobachtet, dass die automatisierte Steuerung eines steuerbaren Teilsystems nicht das ist, was der Bediener wünscht. In solchen Fällen kann der Bediener 260 dem steuerbaren Teilsystem eine manuelle Anpassung bereitstellen, die widerspiegelt, dass der Bediener 260 wünscht, dass das steuerbare Teilsystem anders arbeitet, als vom Steuersystem 214 befohlen wird. Somit kann eine manuelle Änderung einer Einstellung durch den Bediener 260 bewirken, dass einer oder mehrere von dem prädiktiven Modellgenerator 210 ein Modell neu erlernen, dem prädiktiven Kartengenerator 212, um die Karte 264 zu regenerieren, dem Steuerzonengenerator 213, um eine oder mehrere Steuerzonen auf der prädiktiven Steuerzonenkarte 265 zu regenerieren, und dem Steuersystem 214, um einen Steueralgorithmus neu zu erlernen oder maschinelles Lernen an einer oder mehreren der Steuerkomponenten 232 bis 246 im Steuersystem 214 auf Grundlage der Einstellung durch den Bediener 260 durchzuführen, wie in Block 322 gezeigt. Block 324 stellt die Verwendung anderer ausgelöster Lernkriterien dar.Also, in some cases, the operator 260 may observe that automated control of a controllable subsystem is not what the operator desires. In such cases, the operator 260 may provide the controllable sub-system with a manual adjustment that reflects the operator 260 wanting the controllable sub-system to operate differently than is commanded by the control system 214 . Thus, a manual change of a setting by the operator 260 may cause one or more of the predictive model generator 210 to relearn a model, the predictive map generator 212 to regenerate the map 264, the control zone generator 213 to create one or more control zones on the regenerate predictive control zone map 265, and control system 214 to relearn a control algorithm or perform machine learning on one or more of control components 232-246 in control system 214 based on adjustment by operator 260, as shown in block 322. Block 324 represents the use of other triggered learning criteria.

In anderen Beispielen kann das Umlernen periodisch oder intermittierend durchgeführt werden, zum Beispiel auf Grundlage eines ausgewählten Zeitintervalls, wie etwa eines diskreten Zeitintervalls oder eines variablen Zeitintervalls, wie durch Block 326 angezeigt.In other examples, relearning may be performed periodically or intermittently, for example based on a selected time interval, such as a discrete time interval or a variable time interval, as indicated by block 326 .

Wenn das Umlernen ausgelöst wird, ob auf Grundlage von Lernauslösekriterien oder auf Grundlage des Durchlaufs eines Zeitintervalls, wie durch Block 326 angezeigt, führt einer oder mehrere von dem prädiktiven Modellgenerator 210, dem prädiktiven Kartengenerator 212, dem Steuerzonengenerator 213 und dem Steuersystem 214 maschinelles Lernen durch, um ein neues prädiktives Modell, eine neue prädiktive Karte, eine neue Steuerzone bzw. einen neuen Steueralgorithmus auf Grundlage der Lernauslösekriterien zu erzeugen. Das neue prädiktive Modell, die neue prädiktive Karte und der neue Steueralgorithmus werden mithilfe zusätzlicher Daten generiert, die seit dem letzten Lernvorgang gesammelt wurden. Das Durchführen des Umlernens wird durch Block 328 angezeigt.When relearning is triggered, whether based on learning trigger criteria or based on the passage of a time interval, as indicated by block 326, one or more of the predictive model generator 210, the predictive map generator 212, the control zone generator 213 and the control system 214 performs machine learning to generate a new predictive model, map, control zone, or control algorithm based on the learning trigger criteria. The new predictive model, map and control algorithm are generated using additional data collected since the last learning. Performing the relearn is indicated by block 328 .

Wenn der Erntevorgang abgeschlossen wurde, geht der Vorgang von Block 312 zu Block 330 über, wo eines oder mehrere von der prädiktiven Karte 264, der prädiktiven Steuerzonenkarte 265 und dem prädiktiven Modell, das durch den prädiktiven Modellgenerator 210 erzeugt wird, gespeichert werden. Die prädiktive Karte 264, die prädiktive Steuerzonenkarte 265 und das prädiktive Modell können lokal auf dem Datenspeicher 202 gespeichert oder mithilfe des Kommunikationssystems 206 zur späteren Verwendung an ein Remote-System gesendet werden.When the harvesting process has been completed, the process proceeds from block 312 to block 330 where one or more of the predictive map 264, the predictive control zone map 265, and the predictive model generated by the predictive model generator 210 are stored. The predictive map 264, predictive control zone map 265, and predictive model may be stored locally on data storage 202 or sent to a remote system using communication system 206 for later use.

Es ist zu beachten, dass, während einige Beispiele hierin den prädiktiven Modellgenerator 210 und den prädiktiven Kartengenerator 212 beschreiben, die eine Vorabinformationskarte beim Erzeugen eines prädiktiven Modells bzw. beim Empfangen einer funktionellen prädiktiven Karte der prädiktive Modellgenerator 210 und der prädiktive Kartengenerator 212 in anderen Beispielen beim Erzeugen eines prädiktiven Modells und einer funktionellen prädiktiven Karte andere Arten von Karten, einschließlich prädiktiver Karten, wie etwa eine funktionelle prädiktive Karte, die während des Erntevorgangs erzeugt wird, empfangen können. Zum Beispiel können der prädiktive Modellgenerator 210 und der prädiktive Kartengenerator 212 eine prädiktive Karte, wie etwa eine prädiktive Biomassekarte, eine prädiktive Ertragskarte oder eine prädiktive Erntegutfeuchtigkeitskarte, empfangen.It should be noted that while some examples herein describe the predictive model generator 210 and the predictive map generator 212 using a prior information map when generating a predictive model or receiving a functional predictive map, the predictive model generator 210 and the predictive map generator 212 in other examples in generating a predictive model and a functional predictive map, other types of maps including predictive maps such as a functional predictive map generated during the harvesting process may receive. For example, the predictive model generator 210 and the predictive map generator 212 may receive a predictive map, such as a predictive biomass map, a predictive yield map, or a predictive crop moisture map.

4 ist ein Blockdiagramm eines Abschnitts der in 1 gezeigten landwirtschaftlichen Erntemaschine 100. Insbesondere zeigt 4 unter anderem Beispiele des prädiktiven Modellgenerators 210 und des prädiktiven Kartengenerators 212 detaillierter. 4 veranschaulicht auch den Informationsfluss zwischen den verschiedenen Komponenten, die darin gezeigt sind. Wie gezeigt, empfängt der prädiktive Modellgenerator 210 eine oder mehrere von einer vegetativen Indexkarte 332, einer historischen Erntegutbestandteilkarte 333, einer Vorabbetriebskarte 341, einer Bodeneigenschaftskarte 343, einer prädiktiven Karte 353, wie etwa einer prädiktiven Biomassekarte, einer prädiktiven Erntegutfeuchtigkeitskarte oder einer prädiktiven Ertragskarte oder einer landwirtschaftlichen Merkmalkarte 347. In einigen Beispielen wird die prädiktive Karte (wie etwa die prädiktive Biomassekarte, die prädiktive Ertragskarte oder die prädiktive Erntegutfeuchtigkeitskarte) durch den in 3 beschriebenen Prozess erstellt. In anderen Beispielen kann der prädiktive Modellgenerator 210 verschiedene andere Karten 401 empfangen. Die historische Erntegutbestandteilkarte 333 beinhaltet historische Erntegutbestandteilwerte 335, die Erntegutbestandteilwerte über das Feld während einer früheren Ernte angeben. Die historische Erntegutbestandteilkarte 333 enthält auch Kontextdaten 337, die indikativ für den Kontext oder die Bedingungen sind, die den Erntegutbestandteilwert für das/die vergangene(n) Jahr(e) beeinflusst haben können. Zum Beispiel können die Kontextdaten 337 Bodeneigenschaften, wie etwa Bodentyp, Bodenfeuchtigkeit, Bodenbedeckung oder Bodenstruktur, Bodenzusammensetzung (wie etwa Stickstoffgehalt), topographische Merkmale, wie etwa Höhe oder Neigung, Pflanzdatum, Erntedatum, Substanzanwendungsmerkmale (wie etwa Düngemittelanwendung), Saatgutgenotyp (Hybride, Sorte usw.), ein Maß für Unkrautpräsenz, ein Maß für Schädlingspräsenz, Wetterbedingungen, z. B. Regen, Schneedeckung, Hagel, Wind, Temperatur usw. beinhalten. Die historische Erntegutbestandteilkarte 333 kann auch andere Elemente enthalten, wie durch Block 339 angegeben. Wie im veranschaulichten Beispiel gezeigt, enthalten die vegetative Indexkarte 332, die Vorabbetriebskarte 341, die Bodenzusammensetzungskarte 343, die prädiktive Karte 353 und die landwirtschaftliche Merkmalkarte 347 keine zusätzlichen Informationen. In anderen Beispielen können die vegetative Indexkarte 332, die Vorabbetriebskarte 341, die Bodenzusammensetzungskarte 343, die prädiktive Karte 353 und die landwirtschaftliche Merkmalkarte 347 jedoch auch andere Elemente beinhalten. Beispielsweise wirkt sich das Unkrautwachstum auf einen vegetativen Indexwert aus. Folglich kann die Herbizidanwendung in zeitlicher Beziehung zu der vegetativen Indexmessung, die zum Erzeugen der vegetativen Indexkarte 332 verwendet wird, Kontextinformationen sein, die in der vegetativen Indexkarte 332 enthalten sind, um Kontext für die vegetativen Indexwerte bereitzustellen. Verschiedene andere Arten von Informationen können auch in der vegetativen Indexkarte 332, dertopografischen Karte 341 oder der Bodeneigenschaftskarte 343 enthalten sein. 4 is a block diagram of a portion of the in 1 shown agricultural harvesting machine 100. In particular 4 among other things, examples of the predictive model generator 210 and the predictive map generator 212 in more detail. 4 also illustrates the flow of information between the various components shown therein. As shown, the predictive model generator 210 receives one or more of a vegetative index map 332, a historical crop constituent map 333, a preliminary operation map 341, a soil property map 343, a predictive map 353, such as a predictive biomass map, a predictive crop moisture map, or a predictive yield map or a agricultural trait map 347. In some examples, the predictive map (such as the predictive biomass map, the predictive yield map, or the predictive crop moisture map) is represented by the in 3 described process created. In other examples, the predictive model generator 210 may receive various other maps 401 . Historical crop constituent map 333 includes historical crop constituent values 335 indicating crop constituent values across the field during a previous harvest. The historical crop ingredient map 333 also includes contextual data 337 indicative of the context or conditions that may have affected the crop ingredient value for the previous year(s). For example, contextual data 337 may include soil properties such as soil type, soil moisture, soil cover or soil structure, soil composition (such as nitrogen content), topographical features such as elevation or slope, planting date, harvest date, substance application traits (such as fertilizer application), seed genotype (hybrids, cultivar, etc.), a measure of weed presence, a measure of pest presence, weather conditions e.g. e.g. rain, snow cover, hail, wind, temperature etc. The historical crop ingredient map 333 may also include other elements as indicated by block 339 . As shown in the illustrated example, the vegetative index map 332, the preliminary operation map 341, the soil composition map 343, the predictive map 353 and the agricultural feature map 347 do not contain any additional information. However, in other examples, vegetative index map 332, preliminary operation map 341, soil composition map 343, predictive map 353, and agricultural feature map 347 may include other elements. For example, weed growth affects a vegetative index value. Thus, the herbicide application in temporal relation to the vegetative index measurement used to generate the vegetative index map 332 may be context information included in the vegetative index map 332 to provide context for the vegetative index values. Various other types of information may also be included in the vegetative index map 332, the topographical map 341, or the soil feature map 343.

Neben dem Empfangen einer oder mehrerer von einer vegetativen Indexkarte 332, einer historischen Erntegutbestandteilkarte 333, einer Vorabbetriebskarte 341, einer Bodenzusammensetzungskarte 343, einer prädiktiven Karte 353 oder einer landwirtschaftlichen Merkmalkarte 347 als eine Vorabinformationskarte empfängt der prädiktive Modellgenerator 210 auch eine geografische Position 334 oder eine Angabe einer geografischen Position von dem geografischen Positionssensor 204. Die In-situ-Sensoren 208 beinhalten beispielhaft einen Erntegutbestandteilsensor 336 sowie ein Verarbeitungssystem 338. Das Verarbeitungssystem 338 verarbeitet Sensordaten, die von den Erntegutbestandteilsensoren 336 erzeugt werden. In einigen Beispielen kann sich der Erntegutbestandteilsensor 336 an Bord der landwirtschaftlichen Erntemaschine 100 befinden.In addition to receiving one or more of a vegetative index map 332, a historical crop constituent map 333, a preliminary operational map 341, a soil composition map 343, a predictive map 353, or an agricultural feature map 347 as a preliminary information map, the predictive model generator 210 also receives a geographic location 334 or indication a geographic location from geographic location sensor 204. The in situ sensors 208 include, by way of example, a crop ingredient sensor 336 and a processing system 338. The processing system 338 processes sensor data generated by the crop ingredient sensors 336. In some examples, crop ingredient sensor 336 may be onboard agricultural harvester 100 .

In einigen Beispielen können die Erntegutbestandteilsensoren 336 ein oder mehrere Bänder elektromagnetischer Strahlung zum Erkennen von Erntegutbestandteilen verwenden. Beispielsweise kann ein Erntegutbestandteilsensor 336 den Reflexionsgrad oder die Absorption verschiedener Bereiche (z. B. verschiedener Wellenlängen oder Frequenzen oder beider) elektromagnetischer Strahlung durch Erntegut oder anderes Vegetationsmaterial, einschließlich Korn von Erntegutpflanzen, beim Erfassen von Erntegutbestandteilen nutzen. In einigen Beispielen kann ein Erntegutbestandteilsensor einen optischen Sensor, wie etwa ein optisches Spektrometer, beinhalten. In einem Beispiel kann ein Erntegutbestandteilsensor 336 Nahinfrarotspektroskopie oder sichtbare und Nahinfrarotspektroskopie verwenden. Der Erntegutbestandteilsensor 336 kann an verschiedenen Positionen innerhalb der landwirtschaftlichen Erntemaschine 100 angeordnet sein oder Zugang zu diesen haben. Zum Beispiel kann der Erntegutbestandteilsensor 336 innerhalb des Zuführgehäuses 106 angeordnet sein (oder anderweitig einen Erfassungszugang zu Erntegutmaterial innerhalb des Zuführgehäuses 106 aufweisen) und konfiguriert sein, um Bestandteile von geerntetem Erntegutmaterial zu erfassen, das durch das Zuführgehäuse 106 hindurchtritt. In anderen Beispielen kann sich der Erntegutbestandteilsensor 336 an anderen Bereichen innerhalb der landwirtschaftlichen Erntemaschine 100 befinden, zum Beispiel an, gekoppelt an oder angeordnet innerhalb des Reinkornelevators, an, gekoppelt an oder angeordnet innerhalb einer Reinkornschnecke oder an, gekoppelt an oder angeordnet innerhalb eines Korntanks. Es ist zu beachten, dass dies lediglich Beispiele für die Arten und Positionen der Erntegutbestandteilsensoren 336 sind und dass verschiedene andere Arten und Positionen der Erntegutbestandteilsensoren 336 in Betracht gezogen werden.In some examples, crop ingredient sensors 336 may use one or more bands of electromagnetic radiation to detect crop ingredients. For example, a crop constituent sensor 336 may utilize the reflectance or absorption of different ranges (e.g., different wavelengths or frequencies, or both) of electromagnetic radiation by crop or other vegetation material, including grain of crop plants, in sensing crop constituents. In some examples, a crop ingredient sensor may include an optical sensor, such as an optical spectrometer. In one example, a crop ingredient sensor 336 may use near-infrared spectroscopy or visible and near-infrared spectroscopy. The crop ingredient sensor 336 may be located at or have access to various locations within the agricultural harvesting machine 100 . For example, crop constituent sensor 336 may be disposed within feeder housing 106 (or otherwise have sensing access to crop material within feeder housing 106 ) and configured to sense constituents of harvested crop material passing through feeder housing 106 . In other examples, the crop ingredient sensor 336 may be located at other areas within the agricultural harvesting machine 100, for example, on, coupled to, or disposed within the clean grain elevator, on, coupled to, or disposed within a clean grain auger, or on, coupled to, or disposed within a grain tank. Note that these are merely examples of the types and locations of crop ingredient sensors 336 and that various other types and locations of crop ingredient sensors 336 are contemplated.

Das Verarbeitungssystem 338 verarbeitet ein oder mehrere Sensorsignale, die durch den Erntegutbestandteilsensor 336 erzeugt wurden, um verarbeitete Sensordaten zu erzeugen, die einen oder mehrere Erntegutbestandteilwerte identifizieren. Das Verarbeitungssystem 338 kann auch die vom In-situ-Sensor 208 empfangenen Werte geolokalisieren. Zum Beispiel kann die Position der landwirtschaftlichen Erntemaschine zu dem Zeitpunkt, zu dem ein Signal vom In-situ-Sensor 208 empfangen wird, nicht die genaue Position des Erntegutbestandteilwerts sein. Dies liegt daran, dass zwischen dem Zeitpunkt, zu dem die landwirtschaftliche Erntemaschine anfänglichen Kontakt mit der Erntegutpflanze herstellt, und dem Zeitpunkt, zu dem die Erntegutpflanze durch den Erntegutbestandteilsensor 336 oder einen anderen In-situ-Sensor 208 erfasst wird, eine Zeitspanne vergehen kann. Somit wird bei der Georeferenzierung der erfassten Daten eine Übergangszeit zwischen dem anfänglichen Antreffen einer Pflanze und dem Erfassen der Pflanze innerhalb der landwirtschaftlichen Erntemaschine berücksichtigt. Dadurch kann der Erntegutbestandteil genau auf die richtige Position auf dem Feld georeferenziert werden. Beispielsweise können aufgrund der Fahrt von abgetrenntem Erntegut entlang eines Erntevorsatzes in einer Richtung, die quer zu einer Fahrtrichtung der landwirtschaftlichen Erntemaschine ist, geolokalisieren sich die Erntegutbestandteilwerte normalerweise zu einem V-förmigen Bereich hinter der landwirtschaftlichen Erntemaschine, während sich die landwirtschaftliche Erntemaschine in einer Vorwärtsrichtung bewegt.The processing system 338 processes one or more sensor signals generated by the crop ingredient sensor 336 to generate processed sensor data identifying one or more crop ingredient values. The processing system 338 can also geolocate the values received from the in situ sensor 208 . For example, the position of the agricultural harvester at the time a signal is received from the in situ sensor 208 may not be the exact position of the crop constituent value. This is because a period of time may elapse between the time the agricultural harvester makes initial contact with the crop plant and the time the crop plant is sensed by the crop constituent sensor 336 or other in situ sensor 208 . Thus, when georeferencing the captured data, a transition time between the initial encounter of a plant and the capturing of the plant within the agricultural harvester is taken into account. This allows the crop component to be georeferenced to the exact correct position in the field. For example, due to the travel of separated crop along a header in a direction that is transverse to a direction of travel of the agricultural harvester, the crop constituent values normally geolocate to a V-shaped area behind the agricultural harvester while the agricultural harvester is moving in a forward direction .

Das Verarbeitungssystem 338 ordnet einen aggregierten Erntegutbestandteilwert, der von einem Erntegutbestandteilsensor während jedes Zeitpunkts oder Messintervalls erfasst wird, auf Grundlage der Fahrzeiten des Ernteguts von verschiedenen Abschnitten der landwirtschaftlichen Erntemaschine, wie etwa verschiedenen seitlichen Positionen entlang einer Breite eines Erntevorsatzes der landwirtschaftlichen Erntemaschine und der Bodengeschwindigkeit der Erntemaschine, früheren georeferenzierten Regionen zu oder teilt diesen auf. Zum Beispiel ordnet das Verarbeitungssystem 338 einen gemessenen aggregierten Erntegutbestandteilwert von einem Messintervall oder einer Messzeit zurück georeferenzierten Bereichen zu, die von einem Erntevorsatz der landwirtschaftlichen Erntemaschine während unterschiedlicher Messintervalle oder -zeiten durchquert wurden. Das Verarbeitungssystem 338 verteilt oder ordnet den aggregierten Erntegutbestandteilwert aus einem bestimmten Messintervall oder einer bestimmten Zeit zuvor durchlaufenen georeferenzierten Bereichen zu, die Teil des V-förmigen Bereichs sind.The processing system 338 ranks an aggregated crop constituent value, sensed by a crop constituent sensor during each time point or measurement interval, based on the travel times of the crop from different sections of the agricultural harvesting machine, such as different lateral positions along a width of a header of the agricultural harvesting machine and the ground speed of the Harvester, assigns or splits previous georeferenced regions. For example, the processing system 338 maps a measured aggregate crop constituent value back from a measurement interval or time to georeferenced areas traversed by a header of the agricultural harvesting machine during different measurement intervals or times. The processing system 338 distributes or associates the aggregated crop constituent value from a particular measurement interval or time previously traversed with georeferenced regions that are part of the V-shaped region.

In einigen Beispielen kann sich der Erntegutbestandteilsensor 336 auf verschiedene Arten von Strahlung und die Art und Weise stützen, in der Strahlung durch das Erntegutmaterial, einschließlich Korn, reflektiert, absorbiert, gedämpft oder durch das Erntegutmaterial übertragen wird. Der Erntegutbestandteilsensor 336 kann andere elektromagnetische Eigenschaften von Erntegutmaterial erfassen, wie etwa elektrische Permittivität, wenn das Material zwischen zwei kapazitiven Platten hindurchtritt. Andere Materialeigenschaften und Sensoren können ebenfalls verwendet werden. In einigen Beispielen können rohe oder verarbeitete Daten von dem Erntegutbestandteilsensor 336 dem Bediener 260 über den Bedienerschnittstellenmechanismus 218 dargestellt werden. Der Bediener 260 kann sich an Bord der landwirtschaftlichen Erntemaschine 100 oder an einem Remote-Standort befinden.In some examples, the crop constituent sensor 336 may rely on various types of radiation and the manner in which radiation is reflected, absorbed, attenuated, or transmitted through the crop material, including grain. Crop constituent sensor 336 may sense other electromagnetic properties of crop material, such as electrical permittivity, as the material passes between two capacitive plates. Other material properties and sensors can also be used. In some examples, raw or processed data from crop ingredient sensor 336 may be presented to operator 260 via operator interface mechanism 218 . The operator 260 may be onboard the agricultural harvester 100 or at a remote location.

Die vorliegende Erörterung fährt in Bezug auf ein Beispiel fort, in dem der Erntegutbestandteilsensor 336 einen Erntegutbestandteilwert erfasst. Es versteht sich, dass es sich hierbei nur um ein Beispiel handelt und die oben genannten Sensoren als andere Beispiele des Erntegutbestandteilsensors 336 hierin ebenfalls in Betracht gezogen werden. Wie in 4 gezeigt, beinhaltet der prädiktiven Modellgenerator 210 einen vegetativen Index-zu-Erntegutbestandteil-Modellgenerator 342, einen historischen Erntegutbestandteil-zu-Erntegutbestandteil-Modellgenerator 344, einen Bodenzusammensetzung-zu-Erntegutbestandteil-Modellgenerator 345, einen Vorabbetriebsmerkmal-zu-Erntegutbestandteil-Modellgenerator 346, einen prädiktives Merkmal-zu-Erntegutbestandteil-Modellgenerator 347 und einen landwirtschaftliches Merkmal-zu-Erntegutbestandteil-Modellgenerator 348. In anderen Beispielen kann der prädiktive Modellgenerator 210 zusätzliche, weniger oder andere Komponenten beinhalten, als die in dem Beispiel von 4 gezeigten. Folglich kann der prädiktive Modellgenerator 210 in einigen Beispielen auch andere Elemente 349 beinhalten, die andere Arten von prädiktiven Modellgeneratoren beinhalten können, um andere Arten von Erntegutbestandteilmodellen zu erzeugen. Zum Beispiel können andere Modellgeneratoren 348 spezifische Merkmale beinhalten, zum Beispiel spezifische vegetative Indexmerkmale, wie etwa Wachstum des Ernteguts oder Gesundheit des Ernteguts; spezifische Bodenzusammensetzungsmerkmale, wie etwa Stickstoffgehalt, spezifische Merkmale des Vorabbetriebs, wie etwa Substanzanwendungsmerkmale aus einem vorherigen Substanzanwendungsvorgang; spezifische landwirtschaftliche Merkmale; spezifische prädiktive Merkmale, wie etwa prädiktive Biomasse, prädiktiver Ertrag oder prädiktive Feuchtigkeit des Ernteguts, oder spezifische Erntegutbestandteile, wie etwa Öl, Stärke, Protein, sowie verschiedene andere Erntegutbestandteile.The present discussion continues with respect to an example where the crop constituent sensor 336 senses a crop constituent value. It should be understood that this is just an example and the above sensors are also contemplated as other examples of the crop ingredient sensor 336 herein. As in 4 As shown, the predictive model generator 210 includes a vegetative index-to-crop ingredient model generator 342, a historical crop ingredient-to-crop ingredient model generator 344, a soil composition-to-crop ingredient model generator 345, a prior operational feature-to-crop ingredient model generator 346, a predictive trait-to-crop ingredient model generator 347; and agricultural trait-to-crop ingredient model generator 348. In other examples, predictive model generator 210 may include additional, fewer, or different components than those in the example of FIG 4 shown. Thus, in some examples, the predictive model generator 210 may also include other elements 349, which may include other types of predictive model generators to generate other types of crop ingredient models. For example, other model generators 348 may include specific traits, for example specific vegetative index traits, such as crop growth or crop health; soil composition characteristics, such as nitrogen content; prior operation characteristics, such as substance application characteristics from a previous substance application operation; specific agricultural characteristics; specific predictive traits, such as predictive crop biomass, yield or moisture, or specific crop components, such as oil, starch, protein, as well as various other crop components.

Der vegetativer Index-zu-Erntegutbestandteil-Modellgenerator 342 identifiziert eine Beziehung zwischen In-situ-Erntegutbestandteildaten 340 an einer geografischen Position, die der entspricht, an der die In-situ-Erntegutbestandteildaten 340 geolokalisiert wurden, und vegetativen Indexwerten aus der vegetativen Indexkarte 332, die derselben Position auf dem Feld entsprechen, an der die In-situ-Erntegutbestandteildaten 340 geolokalisiert wurden. Auf Grundlage dieser Beziehung, die durch den vegetativen Index-zu-Erntegutbestandteil-Modellgenerator 342 hergestellt wird, erzeugt der vegetative Index-zu-Erntegutbestandteil-Modellgenerator 342 ein prädiktives Erntegutbestandteilmodell. Das prädiktive Erntegutbestandteilmodell wird durch den prädiktiven Kartengenerator 212 verwendet, um Erntegutbestandteilwerte an verschiedenen Positionen auf Grundlage des georeferenzierten vegetativen Indexwerts, der in der vegetativen Indexkarte 332 an den gleichen Positionen auf dem Feld enthalten ist, vorherzusagen.The vegetative index-to-crop constituent model generator 342 identifies a relationship between in situ crop constituent data 340 at a geographic location corresponding to where the in situ crop constituent data 340 was geolocated and vegetative index values from the vegetative index map 332, corresponding to the same position in the field where the in situ crop constituent data 340 was geolocated. Based on this relationship established by the vegetative index-to-crop constituent model generator 342, the vegetative index-to-crop constituent model generator 342 generates a predictive crop constituent model. The predictive crop ingredient model is used by the predictive map generator 212 to predict crop ingredient values at various locations based on the georeferenced vegetative index value contained in the vegetative index map 332 at the same locations in the field.

Der historische Erntegutbestandteil-zu-Erntegutbestandteil-Modellgenerator 344 identifiziert eine Beziehung zwischen dem Erntegutbestandteilwert, der in den In-situ-Erntegutbestandteildaten 340 an einer geografischen Position dargestellt ist, die der Position entspricht, an der die In-situ-Erntegutbestandteildaten 340 geolokalisiert wurden, und dem historischen Erntegutbestandteilwert an derselben Position (oder einer Position in einer historischen Erntegutbestandteilkarte 333 mit ähnlichen Kontextdaten 337 wie der aktuelle Bereich oder das aktuelle Jahr). Der historische Erntegutbestandteilwert 335 ist der georeferenzierte und kontextbezogene Wert, der in der historischen Erntegutbestandteilkarte 333 enthalten ist. Der historische Erntegutbestandteil-zu-Erntegutbestandteil-Modellgenerator 344 erzeugt dann ein prädiktives Erntegutbestandteilmodell, das von dem Kartengenerator 212 verwendet wird, um den Erntegutbestandteilwert an einer Position auf dem Feld auf Grundlage des historischen Erntegutbestandteilwerts 335 vorherzusagen.The historical crop ingredient-to-crop ingredient model generator 344 identifies a relationship between the crop ingredient value represented in the in situ crop ingredient data 340 at a geographic location corresponding to the location at which the in situ crop ingredient data 340 was geolocated, and the historic crop ingredient value at the same location (or a location in a historic crop ingredient map 333 with similar contextual data 337 as the current region or year). The historical crop constituent value 335 is the georeferenced and contextual value contained in the historical crop constituent map 333 is included. The historical crop constituent-to-crop constituent model generator 344 then creates a predictive crop constituent model that is used by the map generator 212 to predict the crop constituent value at a location in the field based on the historical crop constituent value 335 .

Der Bodeneigenschaft-zu-Erntegutbestandteil-Modellgenerator 345 identifiziert eine Beziehung zwischen In-situ-Erntegutbestandteildaten 340 an einer geografischen Position, die der Position entspricht, an der In-situ-Erntegutbestandteildaten 340 geolokalisiert wurden, und Bodeneigenschaftswerten (wie etwa Bodenzusammensetzungswerten, Bodentypwerten, Bodenfeuchtigkeitswerten usw.) aus der Bodeneigenschaftskarte 343, die derselben Position auf dem Feld entsprechen, an der In-situ-Erntegutbestandteildaten 340 geolokalisiert wurden. Auf Grundlage dieser Beziehung, die durch den Bodeneigenschaft-zu-Erntegutbestandteil-Modellgenerator 345 hergestellt wird, erzeugt der Bodeneigenschaft-zu-Erntegutbestandteil-Modellgenerator 345 ein prädiktives Erntegutbestandteilmodell. Das prädiktive Erntegutbestandteilmodell wird durch den prädiktiven Kartengenerator 212 verwendet, um Erntegutbestandteilwerte an verschiedenen Positionen auf Grundlage des georeferenzierten Bodeneigenschaftswerts, der in der Bodeneigenschaftskarte 343 an den gleichen Positionen in dem Feld enthalten ist, vorherzusagen.The soil property-to-crop ingredient model generator 345 identifies a relationship between in situ crop ingredient data 340 at a geographic location corresponding to the location where in situ crop ingredient data 340 was geolocated and soil property values (such as soil composition values, soil type values, soil moisture values etc.) from soil feature map 343 corresponding to the same position in the field where in situ crop constituent data 340 was geolocated. Based on this relationship established by soil property-to-crop ingredient model generator 345, soil property-to-crop ingredient model generator 345 generates a predictive crop ingredient model. The predictive crop ingredient model is used by the predictive map generator 212 to predict crop ingredient values at various locations based on the georeferenced soil property value contained in the soil property map 343 at the same locations in the field.

Der Vorabbetriebsmerkmal-zu-Erntegutbestandteil-Modellgenerator 346 identifiziert eine Beziehung zwischen In-situ-Erntegutbestandteildaten 340 an einer geografischen Position, die der entspricht, an der In-situ-Erntegutbestandteildaten 340 geolokalisiert wurden, und Vorabbetriebsmerkmalswerten (wie etwa Substanzanwendungsmerkmalwerten) aus der vorherigen Karte 341, die derselben Position auf dem Feld entsprechen, an der In-situ-Erntegutbestandteildaten 340 geolokalisiert wurden. Auf Grundlage dieser Beziehung, die durch den Vorabbetriebsmerkmal-zu-Erntegutbestandteil-Modellgenerator 346 hergestellt wird, erzeugt der Vorabbetriebsmerkmal-zu-Erntegutbestandteil-Modellgenerator 346 ein prädiktives Erntegutbestandteilmodell. Das prädiktive Erntegutbestandteilmodell wird durch den prädiktiven Kartengenerator 212 verwendet, um Erntegutbestandteilwerte an verschiedenen Positionen in dem Feld auf Grundlage des georeferenzierten Vorabbetriebsmerkmalswerts, der in der Vorabbetriebskarte 341 an den gleichen Positionen in dem Feld enthalten ist, vorherzusagen.The prior operational feature-to-crop ingredient model generator 346 identifies a relationship between in situ crop ingredient data 340 at a geographic location corresponding to where the in situ crop ingredient data 340 was geolocated and prior operational feature values (such as substance application feature values) from the previous map 341 corresponding to the same position in the field where in situ crop constituent data 340 was geolocated. Based on this relationship established by the prior operational feature-to-crop ingredient model generator 346, the prior operational feature-to-crop ingredient model generator 346 generates a predictive crop ingredient model. The predictive crop ingredient model is used by the predictive map generator 212 to predict crop ingredient values at various locations in the field based on the georeferenced pre-operation attribute value contained in the pre-operation map 341 at the same locations in the field.

Der prädiktives Merkmal-zu-Erntegutbestandteil-Modellgenerator 357 identifiziert eine Beziehung zwischen In-situ-Erntegutbestandteildaten 340 an einer geografischen Position, die der Position entspricht, an der In-situ-Erntegutbestandteildaten 340 geolokalisiert wurden, und prädiktiven Merkmalswerten (wie etwa prädiktiven Biomassewerten, prädiktiven Ertragswerten oder prädiktiven Erntegutfeuchtigkeitswerten) aus der prädiktiven Karte 353, die derselben Position auf dem Feld entsprechen, an der In-situ-Erntegutbestandteildaten 340 geolokalisiert wurden. Auf Grundlage dieser Beziehung, die durch den prädiktives Merkmal-zu-Erntegutbestandteil-Modellgenerator 357 hergestellt wird, erzeugt der prädiktives Merkmal-zu-Erntegutbestandteil-Modellgenerator 357 ein prädiktives Erntegutbestandteilmodell. Das prädiktive Erntegutbestandteilmodell wird von dem prädiktiven Kartengenerator 212 verwendet, um Erntegutbestandteilwerte an verschiedenen Positionen in dem Feld auf Grundlage des georeferenzierten prädiktiven Merkmalwerts (wie etwa des georeferenzierten prädiktiven Biomassewerts, des georeferenzierten prädiktiven Ertragswerts oder des georeferenzierten prädiktiven Erntegutfeuchtigkeitswerts), der in der prädiktiven Merkmalkarte 353 an den gleichen Positionen enthalten ist, vorherzusagen.The predictive feature-to-crop ingredient model generator 357 identifies a relationship between in situ crop ingredient data 340 at a geographic location corresponding to the location at which in situ crop ingredient data 340 was geolocated and predictive feature values (such as predictive biomass values, predicted yield values or predicted crop moisture values) from predictive map 353 corresponding to the same position in the field where in situ crop constituent data 340 was geolocated. Based on this relationship established by the predictive trait-to-crop ingredient model generator 357, the predictive trait-to-crop ingredient model generator 357 generates a predictive crop ingredient model. The predictive crop ingredient model is used by predictive map generator 212 to generate crop ingredient values at various locations in the field based on the georeferenced predictive feature value (such as georeferenced predictive biomass value, georeferenced predictive yield value, or georeferenced predictive crop moisture value) stored in predictive feature map 353 contained at the same positions.

Der landwirtschaftliches Merkmal-zu-Erntegutbestandteil-Modellgenerator 348 identifiziert eine Beziehung zwischen In-situ-Erntegutbestandteildaten 340 an einer geografischen Position, die der Position entspricht, an der In-situ-Erntegutbestandteildaten 340 geolokalisiert wurden, und landwirtschaftlichen Merkmalwerten aus der landwirtschaftlichen Merkmalkarte 347, die derselben Position auf dem Feld entsprechen, an der In-situ-Erntegutbestandteildaten 340 geolokalisiert wurden. Auf Grundlage dieser Beziehung, die durch den landwirtschaftliches Merkmal-zu-Erntegutbestandteil-Modellgenerator 348 hergestellt wird, erzeugt der landwirtschaftliches Merkmal-zu-Erntegutbestandteil-Modellgenerator 348 ein prädiktives Erntegutbestandteilmodell. Das prädiktive Erntegutbestandteilmodell wird durch den prädiktiven Kartengenerator 212 verwendet, um Erntegutbestandteilwerte an verschiedenen Positionen in dem Feld auf Grundlage des georeferenzierten landwirtschaftlichen Merkmalwerts, der in der landwirtschaftlichen Merkmalkarte 347 an den gleichen Positionen in dem Feld enthalten ist, vorherzusagen.Agricultural trait-to-crop ingredient model generator 348 identifies a relationship between in situ crop ingredient data 340 at a geographic location corresponding to the location where in situ crop ingredient data 340 was geolocated and agricultural trait values from agricultural trait map 347, corresponding to the same position in the field where in situ crop constituent data 340 was geolocated. Based on this relationship established by agricultural trait-to-crop ingredient model generator 348, agricultural trait-to-crop ingredient model generator 348 generates a predictive crop ingredient model. The predictive crop ingredient model is used by the predictive map generator 212 to predict crop ingredient values at various locations in the field based on the georeferenced agricultural feature value contained in the agricultural feature map 347 at the same locations in the field.

Angesichts des Vorstehenden ist der prädiktive Modellgenerator 210 betreibbar, um eine Vielzahl von prädiktiven Erntegutbestandteilmodellen zu erzeugen, wie etwa eines oder mehrere der prädiktiven Erntegutbestandteilmodelle, die von den Modellgeneratoren 342, 344, 345, 346, 348, 357 und 349 erzeugt werden. In einem weiteren Beispiel können zwei oder mehr der vorstehend beschriebenen prädiktiven Erntegutbestandteilmodelle zu einem einzelnen prädiktiven Erntegutbestandteilmodell kombiniert werden, das Erntegutbestandteilwerte auf Grundlage des vegetativen Indexwerts, des historischen Erntegutbestandteilwerts, des Bodeneigenschaftswerts, des Vorabbetrieb-Merkmalswerts, des prädiktiven Merkmalswerts oder des landwirtschaftlichen Merkmalswerts an verschiedenen Positionen in dem Feld vorhersagt oder beidem. Jedes dieser Erntegutbestandteilmodelle oder Kombinationen davon wird gemeinsam durch das Erntegutbestandteilmodell 350 in 4 dargestellt.In view of the foregoing, the predictive model generator 210 is operable to generate a variety of predictive crop ingredient models, such as one or more of the predictive crop ingredient models generated by the model generators 342, 344, 345, 346, 348, 357 and 349. In another example, two or more of the predictive crop constituent models described above may be combined into a single predictive crop constituent model that calculates crop constituent values based on the vegetative index value, the historical crop constituent value, the soil property value, the pre-operation property value, the predictive property value, or the agricultural property value at different positions in the field, or both. Each of these crop ingredient models, or combinations thereof, are collectively represented by crop ingredient model 350 in 4 shown.

Das prädiktive Erntegutbestandteilmodell 350 wird dem prädiktiven Kartengenerator 212 bereitgestellt. Im Beispiel von 4 beinhaltet der prädiktive Kartengenerator 212 einen Erntegutbestandteil-Kartengenerator 352. In anderen Beispielen kann der prädiktive Kartengenerator 212 zusätzliche, weniger oder andere Kartengeneratoren beinhalten. Der Erntegutbestandteil-Kartengenerator 352 empfängt das prädiktive Erntegutbestandteilmodell 350, das Erntegutbestandteilwerte auf Grundlage von In-situ-Daten 340 zusammen mit einem oder mehreren von der vegetativen Indexkarte 332, der historischen Erntegutbestandteilkarte 333, der Vorabbetriebskarte 341, der Bodeneigenschaftskarte 343, der prädiktiven Karte 353 oder der landwirtschaftlichen Merkmalkarte 347 vorhersagt.The predictive crop ingredient model 350 is provided to the predictive map generator 212 . In the example of 4 predictive map generator 212 includes a crop ingredient map generator 352. In other examples, predictive map generator 212 may include additional, fewer, or different map generators. The crop constituent map generator 352 receives the predictive crop constituent model 350 that generates crop constituent values based on in situ data 340 along with one or more of the vegetative index map 332, the historical crop constituent map 333, the preliminary operational map 341, the soil feature map 343, the predictive map 353 or agricultural trait map 347 is predicted.

Der Erntegutbestandteil-Kartengenerator 352 kann eine funktionelle prädiktive Erntegutbestandteilkarte 360 erzeugen, die Erntegutbestandteilwerte an verschiedenen Positionen in dem Feld auf Grundlage von einem oder mehreren von dem vegetativen Indexwert, dem historischen Erntegutbestandteilwert, dem Vorabbetriebsmerkmalwert, dem Bodeneigenschaftswert (wie etwa einem Bodenzusammensetzungswert), dem prädiktiven Merkmalwert (wie etwa dem prädiktiven Ertragswert, dem prädiktiven Biomassewert oder dem prädiktiven Erntegutfeuchtigkeitswert) oder dem landwirtschaftlichen Merkmalwert an diesen Positionen in dem Feld und dem prädiktiven Erntegutbestandteilmodell 350 vorhersagt. Die Erntegutbestandteilwerte können eine Menge von einem oder mehreren Bestandteilen in dem Erntegutmaterial beinhalten, wie etwa eine Menge an Protein, Öl, Stärke oder einem anderen Bestandteil in dem Erntegutmaterial (z. B. der Erntegutpflanze). In anderen Beispielen können die Erntegutbestandteilwerte eine Menge eines oder mehrerer Bestandteile im Korn der Erntegutpflanzen beinhalten, wie etwa eine Menge an Protein, Öl, Stärke oder einem anderen Bestandteil im Korn (z. B. Maiskörner, Sojabohnen usw.). Die erzeugte funktionelle prädiktive Erntegutbestandteilkarte 360 kann dem Steuerzonengenerator 213, dem Steuersystem 214 oder beiden bereitgestellt werden. Der Steuerzonengenerator 213 erzeugt Steuerzonen und integriert diese Steuerzonen in die funktionelle prädiktive Karte, d. h. die prädiktive Karte 360, um die prädiktive Steuerzonenkarte 265 zu erzeugen. Eine oder beide der funktionellen prädiktiven Karten 264 oder der prädiktiven Steuerzonenkarte 265 können dem Bediener 260 oder einem anderen Benutzer präsentiert oder dem Steuersystem 214 bereitgestellt werden, das Steuersignale erzeugt, um ein oder mehrere der steuerbaren Teilsysteme 216 auf Grundlage der prädiktiven Karte 264, der prädiktiven Steuerzonenkarte 265 oder beider zu steuern.The crop constituent map generator 352 may generate a functional predictive crop constituent map 360 that includes crop constituent values at various locations in the field based on one or more of the vegetative index value, the historical crop constituent value, the prior operation attribute value, the soil property value (such as a soil composition value), the predictive characteristic value (such as the predicted yield value, the predicted biomass value or the predicted crop moisture value) or the agricultural characteristic value at these positions in the field and the predictive crop constituent model 350 predicts. The crop ingredient values may include an amount of one or more ingredients in the crop material, such as an amount of protein, oil, starch, or another ingredient in the crop material (e.g., the crop plant). In other examples, the crop ingredient values may include an amount of one or more ingredients in the grain of the crop plants, such as an amount of protein, oil, starch, or other ingredient in the grain (e.g., corn kernels, soybeans, etc.). The generated functional predictive crop constituent map 360 may be provided to the control zone generator 213, the control system 214, or both. The control zone generator 213 generates control zones and integrates these control zones into the functional predictive map, i. H. the predictive map 360 to generate the predictive control zone map 265. Either or both of the functional predictive map 264 or the predictive control zone map 265 may be presented to the operator 260 or other user or provided to the control system 214, which generates control signals to control one or more of the controllable subsystems 216 based on the predictive map 264, the predictive control zone card 265 or both.

5 ist ein Flussdiagramm eines Beispiels für den Betrieb des prädiktiven Modellgenerators 210 und des prädiktiven Kartengenerators 212 beim Erzeugen des prädiktiven Erntegutbestandteilmodells 350 und der funktionellen prädiktiven Erntegutbestandteilkarte 360. Bei Block 362 empfangen der prädiktive Modellgenerator 210 und der prädiktive Kartengenerator 212 eine oder mehrere frühere vegetative Indexkarten 332, eine oder mehrere historische Erntegutbestandteilkarten 333, eine oder mehrere Vorabbetriebskarten 341 oder eine oder mehrere Bodenzusammensetzungskarten 434 oder eine oder mehrere landwirtschaftliche Merkmalkarten 347 oder eine Kombination davon. Bei Block 362 wird ein In-situ-Sensorsignal von einem In-situ-Sensor empfangen, wie etwa ein Erntegutbestandteilsensorsignal von einem Erntegutbestandteilsensor 336. 5 is a flowchart of an example of the operation of the predictive model generator 210 and the predictive map generator 212 in generating the predictive crop component model 350 and the functional predictive crop component map 360. At block 362, the predictive model generator 210 and the predictive map generator 212 receive one or more previous vegetative index maps 332 , one or more historical crop ingredient maps 333, one or more preliminary operation maps 341, or one or more soil composition maps 434, or one or more agricultural trait maps 347, or a combination thereof. At block 362, an in situ sensor signal is received from an in situ sensor, such as a crop ingredient sensor signal from a crop ingredient sensor 336.

Bei Block 363 wählt der Vorabinformationskartenselektor 209 eine oder mehrere spezifische Vorabinformationskarte(n) 250 zur Verwendung durch den prädiktiven Modellgenerator 210 aus. In einem Beispiel wählt die Vorabinformationskartenselektor209 eine Karte aus einer Vielzahl von in Frage kommenden Karten auf Grundlage eines Vergleichs der Kontextinformationen in den in Frage kommenden Karten mit den aktuellen Kontextinformationen aus. Zum Beispiel kann eine in Frage kommende historische Erntegutbestandteilkarte aus einem Vorjahr ausgewählt werden, in dem die Wetterbedingungen über die Wachstumssaison den Wetterbedingungen des laufenden Jahres ähnlich waren. Oder zum Beispiel kann eine in Frage kommende historische Erntegutbestandteilkarte aus einem Vorjahr mit einem unterdurchschnittlichen Niederschlagsniveau ausgewählt werden, während das aktuelle Jahr ein durchschnittliches oder überdurchschnittliches Niederschlagsniveau aufweist, da die historische Erntegutbestandteilkarte, die mit einem Vorjahr mit unterdurchschnittlichem Niederschlag assoziiert ist, immer noch eine nützliche Erntegutbestandteil-zu-Erntegutbestandteil-Beziehung aufweisen kann, wie oben erörtert. In einigen Beispielen kann der Vorabinformationskartenselektor 209 ändern, welche Vorabinformationskarte verwendet wird, wenn erkannt wird, dass eine der anderen in Frage kommenden Vorabinformationskarten enger mit dem In-situ erfassten Erntegutbestandteil korreliert.At block 363 , advance information card selector 209 selects one or more specific advance information card(s) 250 for use by predictive model generator 210 . In one example, the preliminary information card selector 209 selects a card from a plurality of candidate cards based on a comparison of the context information in the candidate cards with the current context information. For example, a candidate historical crop constituent map may be selected from a previous year in which weather conditions over the growing season were similar to the current year's weather conditions. Or, for example, a candidate historical crop constituent map may be selected from a prior year with a below-average rainfall level while the current year has an average or above-average precipitation level, since the historical crop constituent map associated with a prior year with below-average rainfall is still a useful one crop ingredient-to-crop ingredient relationship, as discussed above. In some examples, the advance information map selector 209 may change which advance information map is used if it is determined that one of the other candidate advance information maps correlates more closely with the in situ detected crop component.

Bei Block 372 verarbeitet das Verarbeitungssystem 338 das eine oder die mehreren empfangenen Sensorsignale, die von den In-situ-Sensoren 208 empfangen werden, wie etwa das eine oder die mehreren empfangenen Sensorsignale von Erntegutbestandteilsensoren 336, um einen Erntegutbestandteilwert zu erzeugen, der eine Menge von einem oder mehreren Bestandteilen angibt, die in dem Erntegutbestandteilvorhanden sind, wie etwa eine Menge an Protein, eine Menge an Stärke oder eine Menge an Öl, sowie eine Menge an verschiedenen anderen Erntegutbestandteilen. Andere In-situ-Sensoren 208 können auch verwendet werden, wie durch Block 370 angezeigt. Einige Beispiele anderer In-situ-Sensoren sind in 6B gezeigt.At block 372, the processing system 338 processes the one or more received sensor signals received from the in situ sensors 208, such as the one or the a plurality of received sensor signals from crop ingredient sensors 336 to generate a crop ingredient value indicative of an amount of one or more ingredients present in the crop ingredient, such as an amount of protein, an amount of starch, or an amount of oil, and an amount of various other crop components. Other in situ sensors 208 may also be used, as indicated by block 370. Some examples of other in situ sensors are in 6B shown.

Bei Block 382 erhält der prädiktive Modellgenerator 210 auch die geografische Position, die dem Sensorsignal entspricht. Beispielsweise kann der prädiktive Modellgenerator 210 die geografische Position von dem geografischen Positionssensor 204 erhalten und auf Grundlage von Maschinenverzögerungen (z. B. Maschinenverarbeitungsgeschwindigkeit) und Maschinengeschwindigkeit eine genaue geografische Position bestimmen, an der der In-situ erfasste Erntegutbestandteilwert zuzuordnen ist. Beispielsweise entspricht die Position der landwirtschaftlichen Erntemaschine zu dem exakten Zeitpunkt, zu dem ein Erntegutbestandteilsensorsignal erfasst wird, nicht der geografischen Position des Erntegutbestandteils. Somit kann eine Position der landwirtschaftlichen Erntemaschine 100, wenn das Erntegutbestandteilsensorsignal erhalten wird, möglicherweise nicht der Position entsprechen, an der das Erntegut mit dem Erntegutbestandteil gepflanzt wurde.At block 382, the predictive model generator 210 also obtains the geographic position corresponding to the sensor signal. For example, the predictive model generator 210 may obtain the geographic location from the geographic location sensor 204 and, based on machine delays (e.g., machine processing speed) and machine speed, determine an accurate geographic location at which to associate the in situ sensed crop ingredient value. For example, the position of the agricultural harvesting machine at the exact time a crop ingredient sensor signal is detected does not correspond to the geographic location of the crop ingredient. Thus, a position of the agricultural harvesting machine 100 when the crop ingredient sensor signal is received may not correspond to the position where the crop containing the crop ingredient was planted.

Bei Block 384 erzeugt der prädiktive Modellgenerator 210 ein oder mehrere prädiktive Erntegutbestandteilmodelle, wie etwa das Erntegutbestandteilmodell 350, die eine Beziehung zwischen mindestens einem von einem vegetativen Indexwert, einem historischen Erntegutbestandteilwert, einem Vorabbetriebsmerkmalwert, einem Bodeneigenschaftswert, einem prädiktiven Merkmalwert oder einem landwirtschaftlichen Merkmalwert, der aus einer Karte erhalten wird, und einem Erntegutbestandteilwert, der durch den In-situ-Sensor 208 erkannt wird, modellieren. Beispielsweise kann der prädiktive Modellgenerator 210 ein prädiktives Erntegutbestandteilmodell auf Grundlage eines vegetativen Indexwerts, eines historischen Erntegutbestandteilwerts, eines Vorabbetriebsmerkmalswerts, eines Bodeneigenschaftswerts, eines prädiktiven Merkmalswerts oder eines landwirtschaftlichen Merkmalswerts und eines erkannten Erntegutbestandteilwerts erzeugen, der durch das Sensorsignal angezeigt wird, das von dem In-situ-Sensor 208 erhalten wird.At block 384, the predictive model generator 210 generates one or more predictive crop ingredient models, such as the crop ingredient model 350, that establishes a relationship between at least one of a vegetative index value, a historical crop ingredient value, a prior farm attribute value, a soil attribute value, a predictive attribute value, or an agricultural attribute value that obtained from a map and a crop constituent value detected by the in situ sensor 208 . For example, the predictive model generator 210 may generate a predictive crop ingredient model based on a vegetative index value, a historical crop ingredient value, a prior operational attribute value, a soil attribute value, a predictive attribute value, or an agricultural attribute value, and a detected crop ingredient value indicated by the sensor signal received from the in- situ sensor 208 is obtained.

Bei Block 386 wird das prädiktive Erntegutbestandteilmodell, wie etwa das prädiktive Erntegutbestandteilmodell 350, dem prädiktiven Kartengenerator 212 bereitgestellt, der eine funktionelle prädiktive Erntegutbestandteilkarte erzeugt, die einen vorhergesagten Erntegutbestandteilwert auf Grundlage der vegetativen Indexkarte 332, der historischen Erntegutbestandteilkarte 333, der Vorabbetriebskarte 341, der Bodeneigenschaftskarte 343, der prädiktiven Karte 353 oder der landwirtschaftlichen Merkmalkarte 347 und des prädiktiven Erntegutbestandteilmodells 350 auf verschiedene geografische Positionen in dem Feld abbildet. Beispielsweise sagt die funktionelle prädiktive Erntegutbestandteilkarte 360 in einigen Beispielen Erntegutbestandteilwerte voraus. In anderen Beispielen sagt die funktionelle prädiktive Erntegutbestandteilkarte 360 andere Elemente vorher. Ferner kann die funktionelle prädiktive Erntegutbestandteilkarte 360 während des Verlaufs eines landwirtschaftlichen Erntevorgangs erzeugt werden. Somit wird, wenn sich eine landwirtschaftliche Erntemaschine durch ein Feld bewegt, in dem ein landwirtschaftlicher Erntevorgang durchgeführt wird, die funktionelle prädiktive Erntegutbestandteilkarte 360 erzeugt.At block 386, the predictive crop constituent model, such as the predictive crop constituent model 350, is provided to the predictive map generator 212, which generates a functional predictive crop constituent map that has a predicted crop constituent value based on the vegetative index map 332, the historical crop constituent map 333, the preliminary operation map 341, the soil property map 343, the predictive map 353 or the agricultural feature map 347 and the predictive crop constituent model 350 to different geographical positions in the field. For example, in some examples, the functional predictive crop ingredient map 360 predicts crop ingredient values. In other examples, the functional predictive crop constituent map 360 predicts other elements. Furthermore, the functional predictive crop constituent map 360 may be generated during the course of an agricultural harvesting operation. Thus, as an agricultural harvester moves through a field in which an agricultural harvesting operation is being performed, the functional predictive crop constituent map 360 is generated.

Bei Block 394 gibt der prädiktive Kartengenerator 212 die funktionelle prädiktive Erntegutbestandteilkarte 360 aus. Bei Block 393 konfiguriert der prädiktive Kartengenerator 212 die funktionelle prädiktive Erntegutbestandteilkarte 360 für den Verbrauch durch das Steuersystem 214. Bei Block 395 kann der prädiktive Kartengenerator 212 dem Steuerzonengenerator 213 auch die Karte 360 zur Erzeugung und Integration von Steuerzonen bereitstellen. Bei Block 397 konfiguriert der prädiktive Kartengenerator 212 die Karte 360 auch auf andere Weise. Die funktionelle prädiktive Erntegutbestandteilkarte 360 (mit oder ohne die Steuerzonen) wird dem Steuersystem 214 bereitgestellt. Bei Block 396 erzeugt das Steuersystem 214 Steuersignale, um die steuerbaren Teilsysteme 216 auf Grundlage der funktionellen prädiktiven Erntegutbestandteilkarte 360 zu steuern.At block 394 , the predictive map generator 212 outputs the functional predictive crop constituent map 360 . At block 393, the predictive map generator 212 configures the functional predictive crop ingredient map 360 for consumption by the control system 214. At block 395, the predictive map generator 212 may also provide the control zone generator 213 with the map 360 for generation and integration of control zones. At block 397, predictive map generator 212 configures map 360 in other ways as well. The functional predictive crop ingredient map 360 (with or without the control zones) is provided to the control system 214 . At block 396 , the control system 214 generates control signals to control the controllable subsystems 216 based on the functional predictive crop ingredient map 360 .

Das Steuersystem 214 kann Steuersignale erzeugen, um den Erntevorsatz oder andere Maschinenstellglieder 248 zu steuern, wie etwa um eine Position oder einen Abstand der Deckplatten zu steuern. Das Steuersystem 214 kann Steuersignale erzeugen, um das Antriebs-Teilsystem 250 zu steuern. Das Steuersystem 214 kann Steuersignale erzeugen, um das Lenkungs-Teilsystem 252 zu steuern. Das Steuersystem 214 kann Steuersignale erzeugen, um das Rückstands-Teilsystem 138 zu steuern. Das Steuersystem 214 kann Steuersignale erzeugen, um das Maschinenreinigungs-Teilsystem 254 zu steuern. Das Steuersystem 214 kann Steuersignale erzeugen, um den Drescher 110 zu steuern. Das Steuersystem 214 kann Steuersignale erzeugen, um das Materialhandhabungs-Teilsystem 125 zu steuern. Das Steuersystem 214 kann Steuersignale erzeugen, um das Erntegutreinigungs-Teilsystem 118 zu steuern. Das Steuersystem 214 kann Steuersignale erzeugen, um das Kommunikationssystem 206 zu steuern. Das Steuersystem 214 kann Steuersignale erzeugen, um die Bedienerschnittstellenmechanismen 218 zu steuern. Das Steuersystem 214 kann Steuersignale erzeugen, um verschiedene andere steuerbare Teilsysteme 256 zu steuern.The control system 214 may generate control signals to control the header or other machine actuators 248, such as to control a position or spacing of the deck plates. Control system 214 may generate control signals to control propulsion subsystem 250 . The control system 214 can generate control signals to control the steering subsystem 252 . Control system 214 may generate control signals to control residue subsystem 138 . The control system 214 can generate control signals to control the machine cleaning subsystem 254 . The control system 214 can generate control signals to control the harvester 110 . Control system 214 may generate control signals to control material handling subsystem 125 . The control system 214 may generate control signals to control the crop cleaning subsystem 118 . The control system 214 can generate control signals to control the communication system 206 . The control system 214 may generate control signals to control operator interface mechanisms 218 . The control system 214 can generate control signals to control various other controllable subsystems 256 .

In einem Beispiel, in dem das Steuersystem 214 eine funktionelle prädiktive Karte oder eine funktionelle prädiktive Karte mit hinzugefügten Steuerzonen empfängt, steuert die Erntevorsatz-/Haspelsteuerung 238 Erntevorsatz- oder andere Maschinenstellglieder 248, um eine Höhe, Neigung oder Rolle des Erntevorsatzes 102 zu steuern. In einem Beispiel, in dem das Steuersystem 214 eine funktionelle prädiktive Karte oder eine funktionelle prädiktive Karte mit hinzugefügten Steuerzonen empfängt, steuert die Vorschubgeschwindigkeitssteuerung 236 das Antriebs-Teilsystem 250, um eine Fahrgeschwindigkeit der landwirtschaftlichen Erntemaschine 100 zu steuern. In einem Beispiel, in dem das Steuersystem 214 eine funktionelle prädiktive Karte oder eine funktionelle prädiktive Karte mit hinzugefügten Steuerzonen empfängt, steuert die Pfadplanungssteuerung 234 das Lenkungs-Teilsystem 252, um die landwirtschaftliche Erntemaschine 100 zu steuern. In einem anderen Beispiel, in dem das Steuersystem 214 eine funktionelle prädiktive Karte oder eine funktionelle prädiktive Karte mit hinzugefügten Steuerzonen empfängt, steuert die Rückstandssystemsteuerung 244 das Rückstands-Teilsystem 138. In einem anderen Beispiel, in dem das Steuersystem 214 eine funktionelle prädiktive Karte oder eine funktionelle prädiktive Karte mit hinzugefügten Steuerzonen empfängt, steuert die Einstellungssteuerung 232 Dreschereinstellungen des Dreschers 110. In einem anderen Beispiel, in dem das Steuersystem 214 eine funktionelle prädiktive Karte oder eine funktionelle prädiktive Karte mit hinzugefügten Steuerzonen empfängt, steuert die Einstellungssteuerung 232 oder eine andere Steuerung 246 das Materialhandhabungs-Teilsystem 125. In einem anderen Beispiel, in dem das Steuersystem 214 eine funktionelle prädiktive Karte oder eine funktionelle prädiktive Karte mit hinzugefügten Steuerzonen empfängt, steuert die Einstellungssteuerung 232 das Erntegutreinigungs-Teilsystem 118. In einem anderen Beispiel, in dem das Steuersystem 214 eine funktionelle prädiktive Karte oder eine funktionelle prädiktive Karte mit hinzugefügten Steuerzonen empfängt, steuert die Maschinenreinigungssteuerung 245 das Maschinenreinigungs-Teilsystem 254 der landwirtschaftlichen Erntemaschine 100. In einem anderen Beispiel, in dem das Steuersystem 214 eine funktionelle prädiktive Karte oder eine funktionelle prädiktive Karte mit hinzugefügten Steuerzonen empfängt, steuert die Kommunikationssystemsteuerung 229 das Kommunikationssystem 206. In einem anderen Beispiel, in dem das Steuersystem 214 eine funktionelle prädiktive Karte oder eine funktionelle prädiktive Karte mit hinzugefügten Steuerzonen empfängt, steuert die Bedienerschnittstellensteuerung 231 die Bedienerschnittstellenmechanismen 218 der landwirtschaftlichen Erntemaschine 100. In einem anderen Beispiel, in dem das Steuersystem 214 die funktionelle prädiktive Karte oder die funktionelle prädiktive Karte mit hinzugefügten Steuerzonen empfängt, steuert die Deckplattenpositionssteuerung 242 Maschinen-/Erntevorsatzstellglieder 248, um eine Deckplatte an der landwirtschaftlichen Erntemaschine 100 zu steuern. In einem anderen Beispiel, in dem das Steuersystem 214 die funktionelle prädiktive Karte oder die funktionelle prädiktive Karte mit hinzugefügten Steuerzonen empfängt, steuert die Draperbandsteuerung 240 Maschinen-/Erntevorsatzstellglieder 248, um ein Draperband an der landwirtschaftlichen Erntemaschine 100 zu steuern. In einem anderen Beispiel, in dem das Steuersystem 214 die funktionelle prädiktive Karte oder die funktionelle prädiktive Karte mit hinzugefügten Steuerzonen empfängt, steuern die anderen Steuerungen 246 andere steuerbare Teilsysteme 256 an der landwirtschaftlichen Erntemaschine 100.In an example where the control system 214 receives a functional predictive map or a functional predictive map with added control zones, the header/reel controller 238 controls the header or other machine actuators 248 to control a height, pitch or roll of the header 102. In an example where the control system 214 receives a functional predictive map or a functional predictive map with control zones added, the line speed controller 236 controls the propulsion subsystem 250 to control a ground speed of the agricultural harvesting machine 100 . In an example where control system 214 receives a functional predictive map or a functional predictive map with added control zones, path planning controller 234 controls steering subsystem 252 to control agricultural harvester 100 . In another example where the control system 214 receives a functional predictive map or a functional predictive map with added control zones, the backlog system controller 244 controls the backlog subsystem 138. In another example where the control system 214 receives a functional predictive map or a receives a functional predictive map with added control zones, the adjustment controller 232 controls harvester settings of the harvester 110. In another example, in which the control system 214 receives a functional predictive map or a functional predictive map with added control zones, the adjustment controller 232 or another controller controls 246 the material handling subsystem 125. In another example where the control system 214 receives a functional predictive map or a functional predictive map with added control zones, the setup controller 232 controls crop cleaning s subsystem 118. In another example in which the control system 214 receives a functional predictive map or a functional predictive map with added control zones, the machine cleaning controller 245 controls the machine cleaning subsystem 254 of the agricultural harvesting machine 100. In another example in which the control system 214 receives a functional predictive map or a functional predictive map with added control zones, the communication system controller 229 controls the communication system 206. In another example in which the control system 214 receives a functional predictive map or a functional predictive map with added control zones, controls the operator interface controller 231 the operator interface mechanisms 218 of the agricultural harvesting machine 100. In another example where the control system 214 implements the functional predictive map or the functional predictive map with hi When receiving added control zones, deck position controller 242 controls machine/header actuators 248 to control a deck on agricultural harvesting machine 100 . In another example where the control system 214 receives the functional predictive map or the functional predictive map with control zones added, the draper belt controller 240 controls machine/header actuators 248 to control a draper belt on the agricultural harvesting machine 100 . In another example where the control system 214 receives the functional predictive map or the functional predictive map with control zones added, the other controllers 246 control other controllable subsystems 256 on the agricultural harvesting machine 100.

Somit ist ersichtlich, dass das vorliegende System eine Karte erstellt, die ein Merkmal, wie etwa einen vegetativen Indexwert, einen historischen Erntegutbestandteilwert, einen Vorabbetriebsmerkmalwert, einen Bodeneigenschaftswert, einen prädiktiven Merkmalwert oder einen landwirtschaftlichen Merkmalwert auf verschiedene Positionen in einem Feld abbildet. Das vorliegende System verwendet auch einen oder mehrere In-situ-Sensoren, die In-situ-Sensordaten erfassen, die ein Merkmal, wie etwa den Erntegutbestandteilwert, angeben, und erzeugt ein Modell, das eine Beziehung zwischen dem In-situ erkannten Erntegutbestandteilwert mithilfe des In-situ-Sensors und dem in der Karte abgebildeten Merkmalswert modelliert. Somit erzeugt das vorliegende System eine funktionelle prädiktive Karte mithilfe eines Modells und einer Karte und kann die erzeugte funktionelle prädiktive Karte zum Verbrauch durch ein Steuersystem oder zur Präsentation an einen lokalen oder entfernten Bediener oder einen anderen Benutzer konfigurieren. Beispielsweise kann das Steuersystem die Karte verwenden, um eines oder mehrere Systeme eines Mähdreschers zu steuern.Thus, it can be seen that the present system creates a map that maps a trait, such as a vegetative index value, a historical crop constituent value, a prior farm trait value, a soil trait value, a predictive trait value, or an agricultural trait value, to various locations in a field. The present system also uses one or more in situ sensors that collect in situ sensor data indicative of a characteristic, such as crop ingredient value, and creates a model that expresses a relationship between the in situ detected crop ingredient value using the in-situ sensor and the feature value shown in the map. Thus, the present system generates a functional predictive map using a model and a map, and can configure the generated functional predictive map for consumption by a control system or for presentation to a local or remote operator or other user. For example, the control system can use the map to control one or more systems of a combine.

6A ist ein Blockdiagramm eines beispielhaften Abschnitts der in 1 gezeigten landwirtschaftlichen Erntemaschine 100. Insbesondere zeigt 6A unter anderem Beispiele für den prädiktiven Modellgenerator 210 und den prädiktiven Kartengenerator 212. Im veranschaulichten Beispiel ist die Vorabinformationskarte 258 eine historische Erntegutbestandteilkarte 333. Die historische Erntegutbestandteilkarte 333 kann historische Erntegutbestandteilwerte an verschiedenen Positionen in dem Feld von einem Vorabbetrieb auf dem Feld, wie etwa einem vorherigen Erntevorgang auf dem Feld, beinhalten. 6A zeigt auch, dass der prädiktive Modellgenerator 210 und der prädiktive Kartengenerator alternativ oder zusätzlich zu der Vorabinformationskarte 258 eine prädiktive Erntegutbestandteilkarte, wie etwa die funktionelle prädiktive Erntegutbestandteilkarte 360, empfangen können. Die funktionelle prädiktive Erntegutbestandteilkarte 360 kann ähnlich wie die Vorabinformationskarte 258 in diesem Modellgenerator 210 verwendet werden, der eine Beziehung zwischen Informationen, die durch die funktionelle prädiktive Erntegutbestandteilkarte 360 bereitgestellt werden, und Merkmalen, die durch In-situ-Sensoren 208 erfasst werden, modelliert, und der Kartengenerator 212 kann somit das Modell verwenden, um eine funktionelle prädiktive Karte zu erzeugen, die die Merkmale, die durch die In-situ-Sensoren 208 erfasst werden, oder ein Merkmal, das das erfasste Merkmal angibt, an verschiedenen Positionen in dem Feld auf Grundlage eines oder mehrerer der Werte in der funktionellen prädiktiven Erntegutbestandteilkarte 360 an diesen Positionen in dem Feld und auf Grundlage des prädiktiven Modells vorhersagt. Wie in 6A dargestellt, können der prädiktive Modellgenerator 210 und der prädiktive Kartengenerator 212 auch andere Karten 401 empfangen, zum Beispiel andere Vorabinformationskarten oder andere prädiktive Karten, wie etwa andere prädiktive Erntegutbestandteilkarten, die auf andere Weise als die funktionelle prädiktive Erntegutbestandteilkarte 360 erzeugt werden. 6A 1 is a block diagram of an exemplary portion of FIG 1 shown agricultural harvesting machine 100. In particular 6A among others, examples of the predictive model generator 210 and the predictive map generator 212. In the illustrated example, the advance information map 258 is a historical crop constituent map 333. The historical crop constituent map 333 may have historical crop constituent values at various positions in the field from a prior operation in the field, such as a previous one harvesting process in the field, include. 6A Also shows that the predictive model generator 210 and the predictive map generator may receive a predictive crop ingredient map, such as the functional predictive crop ingredient map 360, alternatively or in addition to the advance information map 258 . The functional predictive crop ingredient map 360 can be used similarly to the advance information map 258 in this model generator 210 that models a relationship between information provided by the functional predictive crop ingredient map 360 and features sensed by in situ sensors 208, and the map generator 212 can thus use the model to generate a functional predictive map showing the features detected by the in situ sensors 208, or a feature indicative of the detected feature, at various locations in the field based on one or more of the values in the functional predictive crop constituent map 360 at those locations in the field and based on the predictive model. As in 6A As shown, the predictive model generator 210 and the predictive map generator 212 may also receive other maps 401, for example other advance information maps or other predictive maps, such as other predictive crop ingredient maps that are generated in a different way than the functional predictive crop ingredient map 360.

In dem in 6A gezeigten Beispiel kann der In-situ-Sensor 208 einen oder mehrere von einem Landwirtschaftsmerkmalsensor 402, einem Bedienereingabesensor 404 und einem Verarbeitungssystem 406 beinhalten. Die In-situ-Sensoren 208 können auch andere Sensoren 408 beinhalten.in the in 6A For example, as shown, in situ sensor 208 may include one or more of an agricultural feature sensor 402 , an operator input sensor 404 , and a processing system 406 . The in situ sensors 208 may include other sensors 408 as well.

Der Landwirtschaftsmerkmalsensor 402 erfasst Werte, die indikativ für Landwirtschaftsmerkmale sind. Der Bedienereingabesensor 404 erfasst verschiedene Bedienereingaben. Die Eingaben können Einstelleingaben zum Steuern der Einstellungen an der landwirtschaftlichen Erntemaschine 100 oder andere Steuereingaben, wie etwa Lenkeingaben und andere Eingaben, sein. Wenn also der Bediener 260 eine Einstellung ändert oder eine befohlene Eingabe über einen Bedienerschnittstellenmechanismus 218 bereitstellt, wird eine solche Eingabe durch den Bedienereingabesensor 404 erkannt, der ein Sensorsignal bereitstellt, das diese erfasste Bedienereingabe anzeigt.Farming trait sensor 402 captures values indicative of farming traits. Operator input sensor 404 senses various operator inputs. The inputs may be adjustment inputs for controlling adjustments on the agricultural harvesting machine 100 or other control inputs such as steering inputs and other inputs. Thus, when operator 260 changes a setting or provides a commanded input via operator interface mechanism 218, such input is detected by operator input sensor 404, which provides a sensor signal indicative of that sensed operator input.

Das Verarbeitungssystem 406 kann die Sensorsignale von einem oder mehreren von dem Landwirtschaftsmerkmalsensor 402 und dem Bedienereingabesensor 404 empfangen und eine Ausgabe erzeugen, die das erfasste Merkmal anzeigt. Zum Beispiel kann das Verarbeitungssystem 406 eine Sensoreingabe von dem Landwirtschaftsmerkmalsensor 402 empfangen und eine Ausgabe erzeugen, die ein Landwirtschaftsmerkmal anzeigt. Das Verarbeitungssystem 406 kann auch eine Eingabe vom Bedienereingabesensor 404 empfangen und eine Ausgabe erzeugen, die die erfasste Bedienereingabe anzeigt.The processing system 406 may receive the sensor signals from one or more of the agricultural feature sensor 402 and the operator input sensor 404 and generate an output indicative of the sensed feature. For example, processing system 406 may receive sensor input from farming feature sensor 402 and generate an output indicative of a farming feature. Processing system 406 may also receive input from operator input sensor 404 and generate an output indicative of the sensed operator input.

Der prädiktive Modellgenerator 210 kann einen Erntegutbestandteil-zu-Landwirtschaftsmerkmal-Modellgenerator 410 und einen Erntegutbestandteil-zu-Befehl-Modellgenerator 414 beinhalten. In anderen Beispielen kann der prädiktive Modellgenerator 210 zusätzliche, weniger oder andere Modellgeneratoren 415 beinhalten. Zum Beispiel kann der prädiktive Modellgenerator 210 spezifische landwirtschaftliche Merkmale oder spezifische Bedienerbefehl-Modellgeneratoren beinhalten, wie etwa Modellgeneratoren, die spezifische landwirtschaftliche Merkmale verwenden, zum Beispiel Biomasse oder Biomassemerkmale, Ertrag oder Ertragsmerkmale, sowie verschiedene andere landwirtschaftliche Merkmale, oder Modellgeneratoren, die spezifische Bedienerbefehle verwenden, zum Beispiel Erntevorsatzhöheneinstellungen, Lenkeinstellungen (wie etwa Fahrtrichtung), Geschwindigkeitseinstellungen (wie etwa Fahrgeschwindigkeit), Dreschrotoreinstellungen sowie verschiedene andere Maschineneinstellungen. The predictive model generator 210 may include a crop ingredient-to-farming trait model generator 410 and a crop ingredient-to-command model generator 414 . In other examples, the predictive model generator 210 may include additional, fewer, or different model generators 415 . For example, the predictive model generator 210 may include specific agricultural traits or specific operator command model generators, such as model generators using specific agricultural traits, for example biomass or biomass traits, yield or yield traits, as well as various other agricultural traits, or model generators using specific operator commands , for example, header height settings, steering settings (such as direction of travel), speed settings (such as ground speed), threshing rotor settings, as well as various other machine settings.

Der prädiktive Modellgenerator 210 kann eine geografische Positionsanzeige 334 von dem geografischen Positionssensor 204 empfangen und ein prädiktives Modell 426 erzeugen, das eine Beziehung zwischen den Informationen in einer oder mehreren der Vorabinformationskarten 258 oder den Informationen in der funktionellen prädiktiven Erntegutbestandteilkarte 360 und einer oder mehreren der Folgenden modelliert: dem landwirtschaftlichen Merkmal, das von dem landwirtschaftlichen Merkmalsensor 402 erfasst wird; und Bedienereingabebefehle, die von dem Bedienereingabesensor 404 erfasst werden.The predictive model generator 210 may receive a geographic position indication 334 from the geographic position sensor 204 and generate a predictive model 426 that represents a relationship between the information in one or more of the preliminary information maps 258 or the information in the functional predictive crop constituent map 360 and one or more of the following modeled: the agricultural trait sensed by agricultural trait sensor 402; and operator input commands sensed by operator input sensor 404 .

Der Erntegutbestandteil-zu-Landwirtschaftsmerkmal-Modellgenerator 410 erzeugt ein Modell, das eine Beziehung zwischen Erntegutbestandteilwerten (die sich auf der prädiktiven Erntegutbestandteilkarte 360, der historischen Erntegutbestandteilkarte 333 oder einer anderen Karte 401 befinden können) und dem landwirtschaftlichen Merkmal modelliert, das durch den landwirtschaftlichen Merkmalsensor 402 erfasst wird. Der Erntegutbestandteil-zu-Landwirtschaftsmerkmal-Modellgenerator 410 erzeugt ein prädiktives Modell 426, das dieser Beziehung entspricht.The crop ingredient-to-agricultural trait model generator 410 creates a model that models a relationship between crop ingredient values (which may be on the predictive crop ingredient map 360, the historical crop ingredient map 333, or another map 401) and the agricultural trait measured by the agricultural trait sensor 402 is detected. The crop ingredient to agricultural trait model generator 410 generates a predictive model 426 that conforms to this relationship.

Der Erntegutbestandteil-zu-Bedienerbefehl-Modellgenerator 414 erzeugt ein Modell, das eine Beziehung zwischen Erntegutbestandteilwerten, wie sie auf der prädiktiven Erntegutbestandteilkarte 360, der historischen Erntegutbestandteilkarte 333 oder einer anderen Karte 401 reflektiert werden, und Bedienereingabebefehlen, die von dem Bedienereingabesensor 404 erfasst werden, modelliert. Der Erntegutbestandteil-zu-Bedienerbefehl-Modellgenerator 414 erzeugt ein prädiktives Modell 426, das dieser Beziehung entspricht.The crop ingredient-to-operator command model generator 414 creates a model representing a relationship between crop ingredient values, as recorded on the predictive crop ingredient map 360, the historical crop ingredient map 333 or other map 401, and operator input commands sensed by the operator input sensor 404 are modeled. The crop ingredient-to-operator command model generator 414 creates a predictive model 426 that conforms to this relationship.

Andere Modellgeneratoren 415 können zum Beispiel spezifische landwirtschaftliche Merkmale oder spezifische Bedienerbefehl-Modellgeneratoren beinhalten, wie etwa Modellgeneratoren, die spezifische landwirtschaftliche Merkmale verwenden, zum Beispiel Biomasse oder Biomassemerkmale, Ertrag oder Ertragsmerkmale sowie verschiedene andere landwirtschaftliche Merkmale, oder Modellgeneratoren, die spezifische Bedienerbefehle verwenden, zum Beispiel Erntevorsatzhöheneinstellungen, Lenkeinstellungen, Geschwindigkeitseinstellungen, Dreschrotoreinstellungen sowie verschiedene andere MaschineneinstellungenOther model generators 415 may include, for example, specific agricultural traits or specific operator command model generators, such as model generators using specific agricultural traits, for example biomass or biomass traits, yield or yield traits, as well as various other agricultural traits, or model generators using specific operator commands to Example header height settings, steering settings, speed settings, threshing rotor settings as well as various other machine settings

Das von dem prädiktiven Modellgenerator 210 erzeugte prädiktive Modell 426 kann ein oder mehrere der prädiktiven Modelle beinhalten, die von dem Erntegutbestandteil-zu-Landwirtschaftsmerkmal-Modellgenerator 410 und dem Erntegutbestandteil-zu-Bedienerbefehl-Modellgenerator 414 und anderen Modellgeneratoren, die als Teil anderer Elemente 415 enthalten sein können, erzeugt werden können.The predictive model 426 generated by the predictive model generator 210 may include one or more of the predictive models generated by the crop ingredient-to-farming-trait model generator 410 and the crop ingredient-to-operator command model generator 414 and other model generators provided as part of other elements 415 can be included, can be generated.

Im Beispiel von 6A beinhaltet der prädiktive Kartengenerator 212 einen prädiktiven Landwirtschaftsmerkmal-Kartengenerator 416 und einen prädiktiven Bedienerbefehl-Kartengenerator 422. In anderen Beispielen kann der prädiktive Kartengenerator 212 zusätzliche, weniger oder andere Kartengeneratoren 424 beinhalten.In the example of 6A For example, predictive map generator 212 includes agricultural feature predictive map generator 416 and operator command predictive map generator 422. In other examples, predictive map generator 212 may include additional, fewer, or different map generators 424.

Der prädiktive Landwirtschaftsmerkmal-Kartengenerator 416 empfängt ein prädiktives Modell 426, das die Beziehung zwischen einem Erntegutbestandteilwert und einem landwirtschaftlichen Merkmal, das durch das landwirtschaftliche Merkmal 402 erfasst wird (wie etwa ein prädiktives Modell, das durch den Erntegutbestandteil-zu-Landwirtschaftsmerkmal-Modellgenerator 410 erzeugt wird), und eine oder mehrere der Vorabinformationskarten 258 oder die funktionelle prädiktive Erntegutbestandteilkarte 360 oder andere Karten 401 modelliert. Der prädiktive Landwirtschaftsmerkmal-Kartengenerator 416 erzeugt eine funktionelle prädiktive Landwirtschaftsmerkmalkarte 427, die landwirtschaftliche Merkmalswerte (oder die landwirtschaftlichen Merkmale, für die die Werte indikativ sind) an verschiedenen Positionen in dem Feld auf Grundlage eines oder mehrerer der Erntegutbestandteilwerte in einer oder mehreren der Vorabinformationskarten 258 oder der funktionellen prädiktiven Erntegutbestandteilkarte 360 oder einer anderen Karte 401 an diesen Positionen in dem Feld und auf Grundlage des prädiktiven Modells 426 vorhersagt.The predictive agricultural trait map generator 416 receives a predictive model 426 representing the relationship between a crop ingredient value and an agricultural trait sensed by the agricultural trait 402 (such as a predictive model generated by the crop ingredient-to-agricultural trait model generator 410 is used), and one or more of the advance information maps 258 or the functional predictive crop constituent map 360 or other maps 401 is modeled. The predictive agricultural trait map generator 416 generates a functional predictive agricultural trait map 427 showing agricultural trait values (or the agricultural traits of which the values are indicative) at various positions in the field based on one or more of the crop ingredient values in one or more of the preliminary information maps 258 or the functional predictive crop constituent map 360 or other map 401 at these positions in the field and based on the predictive model 426.

Der prädiktive Bedienerbefehl-Kartengenerator 422 empfängt ein prädiktives Modell 426, das die Beziehung zwischen einem Erntegutbestandteilwert und Bedienerbefehlseingaben, die durch den Bedienereingabesensor 404 (wie etwa ein prädiktives Modell, das durch den Erntegutbestandteil-zu-Befehl-Modellgenerator 414 erzeugt wird) erkannt werden, und eine oder mehrere der Vorabinformationskarten 258 oder der funktionellen prädiktiven Erntegutbestandteilkarte 360 oder der anderen Karte 401 modelliert. Der prädiktive Bedienerbefehl-Kartengenerator 422 erzeugt eine funktionelle prädiktive Bedienerbefehlskarte 440, die Bedienerbefehlseingaben an verschiedenen Positionen auf Grundlage der Erntegutbestandteilwerte von der Vorabinformationskarte 258 oder der funktionellen prädiktiven Erntegutbestandskarte 360 oder einer anderen Karte 401 an diesen Positionen in dem Feld und auf Grundlage des prädiktiven Modells 426 vorhersagt.The predictive operator command map generator 422 receives a predictive model 426 representing the relationship between a crop ingredient value and operator command inputs recognized by the operator input sensor 404 (such as a predictive model generated by the crop ingredient-to-command model generator 414). and one or more of the advance information map 258 or the functional predictive crop ingredient map 360 or the other map 401 is modeled. The predictive operator command map generator 422 generates a functional predictive operator command map 440, the operator command inputs at various positions based on the crop ingredient values from the advance information map 258 or the functional predictive crop map 360 or another map 401 at these positions in the field and based on the predictive model 426 predicted.

Der prädiktive Kartengenerator 212 gibt eine oder mehrere der funktionellen prädiktiven Karten 427 und 440 aus. Jede der funktionellen prädiktiven Karten 427 und 440 kann dem Steuerzonengenerator 213, dem Steuersystem 214 oder beiden bereitgestellt werden. Der Steuerzonengenerator 213 erzeugt und integriert Steuerzonen, um eine funktionelle prädiktive Karte 427 mit Steuerzonen und eine funktionelle prädiktive Karte 440 mit Steuerzonen bereitzustellen. Beliebige oder alle der funktionellen prädiktiven Karten 427 und 440 (mit oder ohne Steuerzonen) können dem Steuersystem 214 bereitgestellt werden, das Steuersignale erzeugt, um eines oder mehrere der steuerbaren Teilsysteme 216 auf Grundlage einer oder aller der funktionellen prädiktiven Karten 427 und 440 (mit oder ohne Steuerzonen) zu steuern. Eine oder alle der Karten 427 und 440 (mit oder ohne Steuerzonen) können dem Bediener 260 oder einem anderen Benutzer präsentiert werden.The predictive map generator 212 outputs one or more of the functional predictive maps 427 and 440 . Each of functional predictive maps 427 and 440 may be provided to control zone generator 213, control system 214, or both. The control zone generator 213 generates and integrates control zones to provide a functional predictive map 427 with control zones and a functional predictive map 440 with control zones. Any or all of functional predictive maps 427 and 440 (with or without control zones) may be provided to control system 214, which generates control signals to control one or more of controllable subsystems 216 based on any or all of functional predictive maps 427 and 440 (with or without control zones). Any or all of maps 427 and 440 (with or without control zones) may be presented to operator 260 or another user.

6B ist ein Blockdiagramm, das einige Beispiele für Echtzeit-(In-situ)-Sensoren 208 zeigt. Einige der in 6B gezeigten Sensoren oder verschiedene Kombinationen davon können sowohl einen Sensor 402 als auch ein Verarbeitungssystem 406 aufweisen, während andere als Sensor 402 fungieren können, beschrieben in Bezug auf die 6A und 7, wobei das Verarbeitungssystem 406 separat ist. Einige der möglichen In-situ-Sensoren 208, die in 6B gezeigt sind, sind vorstehend in Bezug auf die vorherigen Figuren gezeigt und beschrieben und ähnlich nummeriert. 6B zeigt, dass die In-situ-Sensoren 208 Bedienereingabesensoren 980, Maschinensensoren 982, Ernteguteigenschaftssensoren 984, Feld- und Bodeneigenschaftssensoren 985, Umgebungsmerkmalsensoren 987 beinhalten können, und sie können eine Vielzahl anderer Sensoren 226 beinhalten. Die Bedienereingabesensoren 980 können Sensoren sein, die Bedienereingaben über die Bedienerschnittstellenmechanismen 218 erfassen. Daher können die Bedienereingabesensoren 980 die Benutzerbewegung von Gestängen, Joysticks, einem Lenkrad, Tasten, Drehknöpfen oder Pedalen erfassen. Die Bedienereingabesensoren 980 können auch Benutzerinteraktionen mit anderen Bedienereingabemechanismen erfassen, wie etwa mit einem berührungsempfindlichen Bildschirm, mit einem Mikrofon, auf dem Spracherkennung verwendet wird, oder mit einer Vielzahl anderer Bedienereingabemechanismen. 6B FIG. 12 is a block diagram showing some examples of real-time (in situ) sensors 208. FIG. Some of the in 6B The sensors shown, or various combinations thereof, may include both a sensor 402 and a processing system 406, while others may function as sensor 402, described with respect to FIG 6A and 7 , wherein the processing system 406 is separate. Some of the possible in situ sensors 208 used in 6B are shown and described above with respect to the previous figures and are similarly numbered. 6B 10 shows that the in situ sensors 208 include operator input sensors 980, machine sensors 982, crop property sensors 984, field and soil property sensors sensors 985, environmental feature sensors 987, and may include a variety of other sensors 226. Operator input sensors 980 may be sensors that detect operator inputs via operator interface mechanisms 218 . Therefore, operator input sensors 980 can detect user movement of linkages, joysticks, a steering wheel, buttons, knobs, or pedals. Operator input sensors 980 may also detect user interactions with other operator input mechanisms, such as a touch-sensitive screen, a microphone that uses speech recognition, or a variety of other operator input mechanisms.

Die Maschinensensoren 982 können unterschiedliche Merkmale der landwirtschaftlichen Erntemaschine 100 erfassen. Wie vorstehend erörtert, können die Maschinensensoren 982 beispielsweise Maschinengeschwindigkeitssensoren 146, einen Abscheider-Verlustsensor 148, eine Reinkornkamera 150, einen nach vorne gerichteten Bilderfassungsmechanismus 151, Verlustsensoren 152 oder einen geografischen Positionssensor 204 beinhalten, von denen Beispiele vorstehend beschrieben sind. Maschinensensoren 982 können auch Maschineneinstellungssensoren 991 beinhalten, die Maschineneinstellungen erfassen. Einige Beispiele für Maschineneinstellungen wurden vorstehend in Bezug auf 1 beschrieben. Der Vorsatzgeräte- (z. B. Erntevorsatz-) Positionssensor 993 kann die Position des Erntevorsatzes 102, der Haspel 164, der Schneidevorrichtung 104 oder anderer Vorsatzgeräte relativ zu dem Rahmen der landwirtschaftlichen Erntemaschine 100 oder relativ zu dem Boden erfassen. Zum Beispiel können die Sensoren 993 die Höhe des Erntevorsatzes 102 über dem Boden erfassen. Die Maschinensensoren 982 können auch Vorsatzgeräte- (z. B. Erntevorsatz-) Ausrichtungssensoren 995 beinhalten. Die Sensoren 995 können die Ausrichtung des Erntevorsatzes 102 relativ zur landwirtschaftlichen Erntemaschine 100 oder relativ zum Boden erfassen. Maschinensensoren 982 können Stabilitätssensoren 497 beinhalten. Die Stabilitätssensoren 997 erfassen eine Oszillation oder Prellbewegung (und Amplitude) der landwirtschaftlichen Erntemaschine 100. Die Maschinensensoren 982 können auch Rückstandeinstellungssensoren 999 beinhalten, die konfiguriert sind, um zu erfassen, ob die landwirtschaftliche Erntemaschine 100 konfiguriert ist, den Rückstand zu zerkleinern, eine Schwade zu erzeugen oder den Rückstand auf andere Weise zu behandeln. Die Maschinensensoren 982 können einen Siebkasten-Gebläsedrehzahlsensor 951 beinhalten, der die Drehzahl des Reinigungsgebläses 120 erfasst. Die Maschinensensoren 982 können konkave Abstandssensoren 953 beinhalten, die den Abstand zwischen dem Rotor 112 und den Dreschkörben 114 an der landwirtschaftlichen Erntemaschine 100 erfassen. Die Maschinensensoren 982 können Häckselspaltensensoren 955 beinhalten, die die Größe der Öffnungen in Häcksler 122 erfassen. Die Maschinensensoren 982 können einen Dreschrotor-Drehzahlsensor 957 beinhalten, der eine Rotordrehzahl des Rotors 112 erfasst. Die Maschinensensoren 982 können einen Rotorkraftsensor 959 beinhalten, der die Kraft erfasst, die zum Antreiben des Rotors 112 verwendet wird. Die Maschinensensoren 982 können einen Siebabstandssensor 961 beinhalten, der die Größe der Öffnungen im Sieb 124 erfasst. Die Maschinensensoren 982 können einen MOG-Feuchtigkeitssensor 963 beinhalten, der einen Feuchtigkeitsgehalt des MOG erfasst, das die landwirtschaftliche Erntemaschine 100 passiert. Die Maschinensensoren 982 können einen Maschinenausrichtungssensor 965 beinhalten, der die Ausrichtung der landwirtschaftlichen Erntemaschine 100 erfasst. Die Maschinensensoren 982 können Materialvorschubgeschwindigkeitssensoren 967 beinhalten, die die Materialvorschubgeschwindigkeit erfassen, wenn sich das Material durch das Zuführgehäuse 106, den Reinkornelevator 130 oder an anderer Stelle in der landwirtschaftlichen Erntemaschine 100 bewegt. Die Maschinensensoren 982 können Biomassesensoren 969 beinhalten, die die Biomasse erfassen, die sich durch das Zuführgehäuse 106, durch den Abscheider 116 oder an anderer Stelle in der landwirtschaftlichen Erntemaschine 100 bewegt. Die Maschinensensoren 982 können einen Kraftstoffverbrauchssensor 971 beinhalten, Kraftstoffverbrauchsrate der landwirtschaftlichen Erntemaschine 100 über die Zeit erfasst. Die Maschinensensoren 982 können einen Leistungsnutzungssensor 973 beinhalten, der die Leistungsnutzung in der landwirtschaftlichen Erntemaschine 100 erfasst, wie etwa welche Teilsysteme Leistung nutzen, oder die Rate, mit der Teilsysteme Leistung nutzen, oder die Verteilung von Leistung unter den Teilsystemen in der landwirtschaftlichen Erntemaschine 100. Die Maschinensensoren 982 können Reifendrucksensoren 977 beinhalten, die den Luftdruck in den Reifen 144 der landwirtschaftlichen Erntemaschine 100 erfassen. Der Maschinensensor 982 kann eine Vielzahl anderer Maschinenleistungssensoren oder Maschinenmerkmalsensoren beinhalten, die durch Block 975 angezeigt werden. Die Maschinenleistungssensoren und die Maschinenmerkmalsensoren 975 können die Maschinenleistung oder Merkmale der landwirtschaftlichen Erntemaschine 100 erfassen.Machine sensors 982 can sense various characteristics of agricultural harvesting machine 100 . As discussed above, the machine sensors 982 may include, for example, machine speed sensors 146, a separator loss sensor 148, a clean grain camera 150, a forward-looking imaging mechanism 151, loss sensors 152, or a geographic position sensor 204, examples of which are described above. Machine sensors 982 may also include machine setting sensors 991 that sense machine settings. Some examples of machine settings have been given above in relation to 1 described. Header (e.g., header) position sensor 993 may sense the position of the header 102, reel 164, cutter 104, or other header relative to the frame of the agricultural harvester 100 or relative to the ground. For example, the sensors 993 can detect the height of the header 102 above the ground. Machine sensors 982 may also include header (e.g., header) orientation sensors 995 . The sensors 995 can detect the orientation of the header 102 relative to the agricultural harvester 100 or relative to the ground. Machine sensors 982 may include stability sensors 497 . The stability sensors 997 detect an oscillation or bouncing movement (and amplitude) of the agricultural harvesting machine 100. The machine sensors 982 can also include residue adjustment sensors 999 that are configured to detect whether the agricultural harvesting machine 100 is configured to shred the residue, a swath generate or otherwise treat the residue. The machine sensors 982 may include a shoe fan speed sensor 951 that senses the speed of the cleaning fan 120 . The machine sensors 982 may include concave distance sensors 953 that sense the distance between the rotor 112 and the concaves 114 on the agricultural harvesting machine 100 . Machine sensors 982 may include chopper gap sensors 955 that sense the size of the openings in chopper 122 . The machine sensors 982 may include a threshing rotor speed sensor 957 that senses a rotor speed of the rotor 112 . Engine sensors 982 may include a rotor force sensor 959 that senses the force used to drive rotor 112 . The machine sensors 982 may include a wire gap sensor 961 that senses the size of the openings in the wire 124 . Machine sensors 982 may include a MOG moisture sensor 963 that senses a moisture content of MOG that passes agricultural harvester 100 . The machine sensors 982 may include a machine orientation sensor 965 that senses the orientation of the agricultural harvesting machine 100 . Machine sensors 982 may include material feed rate sensors 967 that sense material feed rate as material moves through feeder house 106, clean grain elevator 130, or elsewhere in agricultural harvesting machine 100. Machine sensors 982 may include biomass sensors 969 that sense biomass moving through feeder housing 106 , through separator 116 , or elsewhere in agricultural harvesting machine 100 . The machine sensors 982 may include a fuel consumption sensor 971 that senses fuel consumption rate of the agricultural harvesting machine 100 over time. Machine sensors 982 may include a power usage sensor 973 that senses power usage in agricultural harvesting machine 100, such as which subsystems are using power, or the rate at which subsystems are using power, or the distribution of power among the subsystems in agricultural harvesting machine 100. Machine sensors 982 may include tire pressure sensors 977 that sense air pressure in tires 144 of agricultural harvesting machine 100 . Machine sensor 982 may include a variety of other machine performance sensors or machine feature sensors, which are indicated by block 975 . The machine performance sensors and the machine feature sensors 975 may sense machine performance or features of the agricultural harvesting machine 100 .

Die Ernteguteigenschaftssensoren 984 können Merkmale des abgetrennten Ernteguts während der Verarbeitung des Ernteguts durch die landwirtschaftliche Erntemaschine 100 erfassen. Die Ernteguteigenschaften können Dinge wie etwa die Erntegutart, die Erntegutbestandteile wie etwa Stärken, Öl und Protein, Erntegutfeuchtigkeit, Kornqualität (wie etwa gebrochenes Korn), MOG-Werte, Kornbestandteile wie etwa Stärken, Öl und Protein, MOG-Feuchtigkeit und andere Eigenschaften des Erntegutmaterials beinhalten. Andere Sensoren könnten „Zähigkeit“ des Strohs, die Haftung von Mais an den Ähren und andere Merkmale erfassen, die vorteilhaft verwendet werden könnten, um die Verarbeitung für eine bessere Kornerfassung, reduzierte Kornschäden, reduzierten Leistungsverbrauch, reduzierten Kornverlust usw. zu steuern.The crop characteristic sensors 984 can detect characteristics of the separated crop during processing of the crop by the agricultural harvesting machine 100 . Crop characteristics can include things such as crop type, crop components such as starches, oil and protein, crop moisture, grain quality (such as such as broken grain), MOG values, grain components such as starches, oil and protein, MOG moisture and other properties of the crop material. Other sensors could detect straw "toughness", corn adhesion to heads, and other characteristics that could be advantageously used to control processing for better grain detection, reduced grain damage, reduced power consumption, reduced grain loss, etc.

Die Feld- und Bodeneigenschaftssensoren 985 können die Merkmale des Feldes und des Bodens erfassen. Die Feld- und Bodeneigenschaften können Bodenfeuchtigkeit, Bodenkompaktheit, das Vorhandensein und die Position von stehendem Wasser, Bodentyp und andere Boden- und Feldmerkmale beinhalten.The field and soil feature sensors 985 can detect the characteristics of the field and soil. The field and soil properties can include soil moisture, soil compactness, the presence and location of standing water, soil type, and other soil and field characteristics.

Die Umgebungsmerkmalsensoren 987 können eine oder mehrere Umgebungsmerkmale erfassen. Die Umgebungsmerkmale können Dinge wie Windrichtung und Windgeschwindigkeit, Niederschlag, Nebel, Staubniveau oder andere Verschmutzungen oder andere Umgebungsmerkmale beinhalten.Environmental feature sensors 987 may sense one or more environmental features. The environmental features can include things like wind direction and speed, precipitation, fog, dust levels or other pollution, or other environmental features.

7 zeigt ein Flussdiagramm, das ein Beispiel für den Betrieb eines prädiktiven Modellgenerators 210 und eines prädiktiven Kartengenerators 212 bei der Erzeugung eines oder mehrerer prädiktiver Modelle 426 und einer oder mehrerer funktioneller prädiktiver Karten 427 und 440 veranschaulicht. Bei Block 442 empfangen der prädiktive Modellgenerator 210 und der prädiktive Kartengenerator 212 eine Karte. Die Karte, die von einem prädiktiven Modellgenerator 210 oder einem prädiktiven Kartengenerator bei der Erzeugung eines oder mehrerer prädiktiver Modelle 426 und einer oder mehrerer funktioneller prädiktiver Karten 427 und 440 empfangen wurde, kann eine Vorabinformationskarte 258 sein, wie etwa eine historische Erntegutbestandteilkarte 333, die mithilfe von Daten erstellt wurde, die während eines Vorabbetriebs in einem Feld erhalten wurden, wie etwa eines Voraberntevorgangs. Die Karte, die von einem prädiktiven Modellgenerator 210 oder einem prädiktiven Kartengenerator bei der Erzeugung eines oder mehrerer prädiktiver Modelle 426 und einer oder mehrerer funktioneller prädiktiver Karten 427 und 440 empfangen wird, kann eine funktionelle prädiktive Erntegutbestandteilkarte 360 sein. Es können auch andere Karten empfangen werden, wie durch Block 401 angezeigt, wie etwa andere Vorabinformationskarten oder andere prädiktive Karten, zum Beispiel andere prädiktive Erntegutbestandteilkarten, die auf andere Weise als die funktionelle prädiktive Erntegutbestandteilkarte 360 erzeugt werden. 7 12 is a flow chart illustrating an example of the operation of a predictive model generator 210 and a predictive map generator 212 in generating one or more predictive models 426 and one or more functional predictive maps 427 and 440. At block 442, the predictive model generator 210 and the predictive map generator 212 receive a map. The map received from a predictive model generator 210 or a predictive map generator in the generation of one or more predictive models 426 and one or more functional predictive maps 427 and 440 may be a preliminary information map 258, such as a historical crop constituent map 333, using was created from data obtained during a pre-operation in a field, such as a pre-harvest operation. The map received from a predictive model generator 210 or a predictive map generator in generating one or more predictive models 426 and one or more functional predictive maps 427 and 440 may be a functional predictive crop ingredient map 360 . Other maps may also be received, as indicated by block 401 , such as other advance information maps or other predictive maps, for example other predictive crop ingredient maps generated in a manner different from the functional predictive crop ingredient map 360 .

Bei Block 444 empfängt der prädiktive Modellgenerator 210 ein Sensorsignal, das Sensordaten von einem In-situ-Sensor 208 enthält. Der In-situ-Sensor kann einer oder mehrere von einem Landwirtschaftsmerkmalsensor 402 und einem Bedienereingabesensor 404 sein. Der Landwirtschaftsmerkmalsensor 402 erfasst ein Landwirtschaftsmerkmal. Der Bedienereingabesensor 404 erfasst einen Bedienereingabebefehl. Der prädiktive Modellgenerator 210 kann auch andere In-situ-Sensoreingaben empfangen, wie durch Block 408 angezeigt.At block 444 , the predictive model generator 210 receives a sensor signal that includes sensor data from an in situ sensor 208 . The in situ sensor may be one or more of an agricultural feature sensor 402 and an operator input sensor 404 . Farming trait sensor 402 senses a farming trait. The operator input sensor 404 detects an operator input command. The predictive model generator 210 may also receive other in situ sensor inputs, as indicated by block 408 .

Bei Block 454 verarbeitet das Verarbeitungssystem 406 die Daten, die in dem Sensorsignal oder den Sensorsignalen enthalten sind, die von dem oder den In-situ-Sensoren 208 empfangen werden, um verarbeitete Daten 409 zu erhalten, dargestellt in 6A. Die in dem Sensorsignal oder den Sensorsignalen enthaltenen Daten können in einem Rohformat vorliegen, das verarbeitet wird, um verarbeitete Daten 409 zu empfangen. Beispielsweise enthält ein Temperatursensorsignal elektrische Widerstandsdaten, die zu Temperaturdaten verarbeitet werden können. In anderen Beispielen kann die Verarbeitung Digitalisieren, Codieren, Formatieren, Skalieren, Filtern oder Klassifizieren von Daten umfassen. Die verarbeiteten Daten 409 können ein oder mehrere landwirtschaftliche Merkmale oder Bedienereingabebefehle angeben. Die verarbeiteten Daten 409 werden dem prädiktiven Modellgenerator 210 bereitgestellt.At block 454, the processing system 406 processes the data contained in the sensor signal or signals received from the in situ sensor or sensors 208 to obtain processed data 409, shown in FIG 6A . The data contained in the sensor signal or signals may be in a raw format that is processed to receive processed data 409 . For example, a temperature sensor signal contains electrical resistance data that can be processed into temperature data. In other examples, processing may include digitizing, encoding, formatting, scaling, filtering, or classifying data. Processed data 409 may indicate one or more agricultural characteristics or operator input commands. The processed data 409 is provided to the predictive model generator 210 .

Zurückkommend zu 7 empfängt der prädiktive Modellgenerator 210 bei Block 456 auch eine geografische Position 334 oder eine Angabe einer geografischen Position von dem geografischen Positionssensor 204, wie in 6A gezeigt. Die geografische Position 334 kann mit der geografischen Position korrelieren, von der die erfasste(n) Variable(n), die von In-situ-Sensoren 208 erfasst wurden, entnommen wurden. Beispielsweise kann der prädiktive Modellgenerator 210 die geografische Position 334 von dem geografischen Positionssensor 204 erhalten und auf Grundlage von Maschinenverzögerungen, Maschinengeschwindigkeit usw. eine genaue geografische Position bestimmen, von der die verarbeiteten Daten 409 abgeleitet wurden.Coming back to 7 at block 456, the predictive model generator 210 also receives a geographic position 334 or an indication of a geographic position from the geographic position sensor 204, as in FIG 6A shown. The geographic location 334 may correlate to the geographic location from which the sensed variable(s) sensed by in situ sensors 208 were taken. For example, the predictive model generator 210 may receive the geographic position 334 from the geographic position sensor 204 and determine an accurate geographic position based on machine delays, machine speed, etc. from which the processed data 409 was derived.

Bei Block 458 erzeugt der prädiktive Modellgenerator 210 ein oder mehrere prädiktive Modelle 426, die eine Beziehung zwischen einem abgebildeten Wert in einer empfangenen Karte und einem in den verarbeiteten Daten 409 dargestellten Merkmal modellieren. Beispielsweise kann in einigen Fällen der abgebildete Wert in einer empfangenen Karte ein Erntegutbestandteilwert sein, wie etwa eine Menge an Protein, Stärke, Öl oder einem anderen Bestandteil in der Erntegutpflanze oder eine Menge an Protein, Stärke, Öl oder einem anderen Bestandteil im Korn der Erntegutpflanze, und der prädiktive Modellgenerator 210 erzeugt ein prädiktives Modell mithilfe des abgebildeten Werts einer empfangenen Karte und einem durch In-situ-Sensoren 208 erfassten Merkmal, wie in den verarbeiteten Daten 409 dargestellt, oder einem verwandten Merkmal, wie etwa einem Merkmal, das mit dem durch In-situ-Sensoren 208 erfassten Merkmal korreliert.At block 458, the predictive model generator 210 generates one or more predictive models 426 that model a relationship between a mapped value in a received map and a feature represented in the processed data 409. For example, in some cases, the value depicted in a received card may be a crop ingredient value, such as an amount of protein, starch, oil, or other ingredient in the crop plant, or an amount of protein, starch, oil, or other ingredient in the grain of the crop plant , and the predictive model generator 210 generates a predictive model using the mapped value of a received card and a feature sensed by in situ sensors 208, as represented in processed data 409, or a related feature, such as a feature that correlates with the feature sensed by in situ sensors 208 .

Das eine oder die mehreren prädiktiven Modelle 426 werden dem prädiktiven Kartengenerator 212 bereitgestellt. Bei Block 466 erzeugt der prädiktive Kartengenerator 212 eine oder mehrere funktionelle prädiktive Karten. Die funktionellen prädiktiven Karten können eine funktionelle prädiktive landwirtschaftliche Merkmalskarte 427 und eine funktionelle prädiktive Bedienerbefehlskarte 440 oder eine beliebige Kombination dieser Karten sein. Die funktionelle prädiktive landwirtschaftliche Merkmalskarte 427 prognostiziert landwirtschaftliche Merkmalswerte (oder landwirtschaftliche Merkmale, die durch die Werte angegeben sind) an verschiedenen Positionen in dem Feld. Die funktionelle prädiktive Bedienerbefehlskarte 440 prognostiziert gewünschte oder wahrscheinliche Bedienerbefehlseingaben an verschiedenen Positionen in dem Feld. Ferner kann eine oder mehrere der funktionellen prädiktive Karten 427 und 440 während eines landwirtschaftlichen Vorgangs erzeugt werden. Wenn sich die landwirtschaftliche Erntemaschine 100 beim Durchführen eines landwirtschaftlichen Vorgangs durch ein Feld bewegt, werden somit die eine oder mehreren prädiktive Karten 427 und 440 erzeugt, während der landwirtschaftliche Vorgang durchgeführt wird.The one or more predictive models 426 are provided to the predictive map generator 212 . At block 466, the predictive map generator 212 generates one or more functional predictive maps. The functional predictive maps may be a functional predictive agricultural feature map 427 and a functional predictive operator command map 440, or any combination of these maps. The functional predictive agricultural trait map 427 predicts agricultural trait values (or agricultural traits indicated by the values) at various locations in the field. The functional predictive operator command map 440 predicts desired or likely operator command inputs at various locations in the field. Furthermore, one or more of functional predictive maps 427 and 440 may be generated during a farming operation. Thus, as agricultural harvester 100 moves through a field in performing a farming operation, the one or more predictive maps 427 and 440 are generated while the farming operation is being performed.

Bei Block 468 gibt der prädiktive Kartengenerator 212 die eine oder die mehreren funktionellen prädiktiven Karten 427 und 440 aus. Bei Block 470 kann der prädiktive Kartengenerator 212 die Karte zur Präsentation für und zur möglichen Interaktion durch einen Bediener 260 oder einen anderen Benutzer konfigurieren. Bei Block 472 kann der prädiktive Kartengenerator 212 die Karte für den Verbrauch durch das Steuersystem 214 konfigurieren. Bei Block 474 kann der prädiktive Kartengenerator 212 die eine oder mehreren prädiktiven Karten 427 und 440 dem Steuerzonengenerator 213 zur Erzeugung von Steuerzonen bereitstellen. Bei Block 476 konfiguriert der prädiktive Kartengenerator 212 die eine oder prädiktiven Karten 427 und 440 auf andere Weise. In einem Beispiel, in dem das eine oder die mehreren funktionellen prädiktiven Karten 427 und 440 dem Steuerzonengenerator 213 bereitgestellt werden, können die eine oder die mehreren funktionellen prädiktiven Karten 427 und 440, mit den darin enthaltenen Steuerzonen, dargestellt durch entsprechende Karten 265, wie oben beschrieben, dem Bediener 260 oder einem anderen Benutzer präsentiert oder auch dem Steuersystem 214 bereitgestellt werden.At block 468 the predictive map generator 212 outputs the one or more functional predictive maps 427 and 440 . At block 470, the predictive map generator 212 may configure the map for presentation to and possible interaction by an operator 260 or other user. At block 472, the predictive map generator 212 may configure the map for the control system 214 to consume. At block 474, the predictive map generator 212 may provide the one or more predictive maps 427 and 440 to the control zone generator 213 for generation of control zones. At block 476, predictive map generator 212 configures one or more predictive maps 427 and 440 in a different manner. In an example where the one or more functional predictive maps 427 and 440 are provided to the control zone generator 213, the one or more functional predictive maps 427 and 440, with the control zones contained therein, may be represented by corresponding maps 265, as above described, presented to operator 260 or another user, or provided to control system 214 as well.

Bei Block 478 erzeugt das Steuersystem 214 dann Steuersignale, um die steuerbaren Teilsysteme auf Grundlage der einen oder mehreren funktionellen prädiktiven Karten 427 und 440 (oder der funktionellen prädiktiven Karten 427 und 440, die Steuerzonen aufweisen) sowie einer Eingabe von dem geografischen Positionssensor 204 zu steuern.At block 478, the control system 214 then generates control signals to control the controllable subsystems based on the one or more functional predictive maps 427 and 440 (or the functional predictive maps 427 and 440 having control zones) and an input from the geographic position sensor 204 .

Das Steuersystem 214 kann Steuersignale erzeugen, um den Erntevorsatz oder andere Maschinenstellglieder 248 zu steuern, wie etwa um eine Position oder einen Abstand der Deckplatten zu steuern. Das Steuersystem 214 kann Steuersignale erzeugen, um das Antriebs-Teilsystem 250 zu steuern. Das Steuersystem 214 kann Steuersignale erzeugen, um das Lenkungs-Teilsystem 252 zu steuern. Das Steuersystem 214 kann Steuersignale erzeugen, um das Rückstands-Teilsystem 138 zu steuern. Das Steuersystem 214 kann Steuersignale erzeugen, um das Maschinenreinigungs-Teilsystem 254 zu steuern. Das Steuersystem 214 kann Steuersignale erzeugen, um den Drescher 110 zu steuern. Das Steuersystem 214 kann Steuersignale erzeugen, um das Materialhandhabungs-Teilsystem 125 zu steuern. Das Steuersystem 214 kann Steuersignale erzeugen, um das Erntegutreinigungs-Teilsystem 118 zu steuern. Das Steuersystem 214 kann Steuersignale erzeugen, um das Kommunikationssystem 206 zu steuern. Das Steuersystem 214 kann Steuersignale erzeugen, um die Bedienerschnittstellenmechanismen 218 zu steuern. Das Steuersystem 214 kann Steuersignale erzeugen, um verschiedene andere steuerbare Teilsysteme 256 zu steuern.The control system 214 may generate control signals to control the header or other machine actuators 248, such as to control a position or spacing of the deck plates. Control system 214 may generate control signals to control propulsion subsystem 250 . The control system 214 can generate control signals to control the steering subsystem 252 . Control system 214 may generate control signals to control residue subsystem 138 . The control system 214 can generate control signals to control the machine cleaning subsystem 254 . The control system 214 can generate control signals to control the harvester 110 . Control system 214 may generate control signals to control material handling subsystem 125 . The control system 214 may generate control signals to control the crop cleaning subsystem 118 . The control system 214 can generate control signals to control the communication system 206 . Control system 214 may generate control signals to control operator interface mechanisms 218 . The control system 214 can generate control signals to control various other controllable subsystems 256 .

In einem Beispiel, in dem das Steuersystem 214 eine funktionelle prädiktive Karte oder eine funktionelle prädiktive Karte mit hinzugefügten Steuerzonen empfängt, steuert die Erntevorsatz-/Haspelsteuerung 238 Erntevorsatz- oder andere Maschinenstellglieder 248, um eine Höhe, Neigung oder Rolle des Erntevorsatzes 102 zu steuern. In einem Beispiel, in dem das Steuersystem 214 eine funktionelle prädiktive Karte oder eine funktionelle prädiktive Karte mit hinzugefügten Steuerzonen empfängt, steuert die Vorschubgeschwindigkeitssteuerung 236 das Antriebs-Teilsystem 250, um eine Fahrgeschwindigkeit der landwirtschaftlichen Erntemaschine 100 zu steuern. In einem Beispiel, in dem das Steuersystem 214 eine funktionelle prädiktive Karte oder eine funktionelle prädiktive Karte mit hinzugefügten Steuerzonen empfängt, steuert die Pfadplanungssteuerung 234 das Lenkungs-Teilsystem 252, um die landwirtschaftliche Erntemaschine 100 zu steuern. In einem anderen Beispiel, in dem das Steuersystem 214 eine funktionelle prädiktive Karte oder eine funktionelle prädiktive Karte mit hinzugefügten Steuerzonen empfängt, steuert die Rückstandssystemsteuerung 244 das Rückstands-Teilsystem 138. In einem anderen Beispiel, in dem das Steuersystem 214 eine funktionelle prädiktive Karte oder eine funktionelle prädiktive Karte mit hinzugefügten Steuerzonen empfängt, steuert die Einstellungssteuerung 232 Dreschereinstellungen des Dreschers 110. In einem anderen Beispiel, in dem das Steuersystem 214 eine funktionelle prädiktive Karte oder eine funktionelle prädiktive Karte mit hinzugefügten Steuerzonen empfängt, steuert die Einstellungssteuerung 232 oder eine andere Steuerung 246 das Materialhandhabungs-Teilsystem 125. In einem anderen Beispiel, in dem das Steuersystem 214 eine funktionelle prädiktive Karte oder eine funktionelle prädiktive Karte mit hinzugefügten Steuerzonen empfängt, steuert die Einstellungssteuerung 232 das Erntegutreinigungs-Teilsystem 118. In einem anderen Beispiel, in dem das Steuersystem 214 eine funktionelle prädiktive Karte oder eine funktionelle prädiktive Karte mit hinzugefügten Steuerzonen empfängt, steuert die Maschinenreinigungssteuerung 245 das Maschinenreinigungs-Teilsystem 254 der landwirtschaftlichen Erntemaschine 100. In einem anderen Beispiel, in dem das Steuersystem 214 eine funktionelle prädiktive Karte oder eine funktionelle prädiktive Karte mit hinzugefügten Steuerzonen empfängt, steuert die Kommunikationssystemsteuerung 229 das Kommunikationssystem 206. In einem anderen Beispiel, in dem das Steuersystem 214 eine funktionelle prädiktive Karte oder eine funktionelle prädiktive Karte mit hinzugefügten Steuerzonen empfängt, steuert die Bedienerschnittstellensteuerung 231 die Bedienerschnittstellenmechanismen 218 der landwirtschaftlichen Erntemaschine 100. In einem anderen Beispiel, in dem das Steuersystem 214 die funktionelle prädiktive Karte oder die funktionelle prädiktive Karte mit hinzugefügten Steuerzonen empfängt, steuert die Deckplattenpositionssteuerung 242 Maschinen-/Erntevorsatzstellglieder 248, um eine Deckplatte an der landwirtschaftlichen Erntemaschine 100 zu steuern. In einem anderen Beispiel, in dem das Steuersystem 214 die funktionelle prädiktive Karte oder die funktionelle prädiktive Karte mit hinzugefügten Steuerzonen empfängt, steuert die Draperbandsteuerung 240 Maschinen-/Erntevorsatzstellglieder 248, um ein Draperband an der landwirtschaftlichen Erntemaschine 100 zu steuern. In einem anderen Beispiel, in dem das Steuersystem 214 die funktionelle prädiktive Karte oder die funktionelle prädiktive Karte mit hinzugefügten Steuerzonen empfängt, steuern die anderen Steuerungen 246 andere steuerbare Teilsysteme 256 an der landwirtschaftlichen Erntemaschine 100.In an example where the control system 214 receives a functional predictive map or a functional predictive map with added control zones, the header/reel controller 238 controls the header or other machine actuators 248 to control a height, pitch or roll of the header 102. In an example where the control system 214 receives a functional predictive map or a functional predictive map with control zones added, the line speed controller 236 controls the propulsion subsystem 250 to control a ground speed of the agricultural harvesting machine 100 . In an example where control system 214 receives a functional predictive map or a functional predictive map with added control zones, path planning controller 234 controls steering subsystem 252 to control agricultural harvester 100 . In another example where the control system 214 receives a functional predictive map or a functional predictive map with added control zones, the backlog system controller 244 controls the backlog subsystem 138. In another example where the Control system 214 receives a functional predictive map or a functional predictive map with added control zones, the adjustment controller 232 controls thresher settings of the thresher 110. In another example where the control system 214 receives a functional predictive map or a functional predictive map with added control zones, controls setup controller 232 or other controller 246 controls material handling subsystem 125. In another example where control system 214 receives a functional predictive map or a functional predictive map with control zones added, setup controller 232 controls crop cleaning subsystem 118. In a In another example, where the control system 214 receives a functional predictive map or a functional predictive map with control zones added, the machine cleaning controller 245 controls the machine cleaning subsystem 254 of the agro commercial harvester 100. In another example where control system 214 receives a functional predictive map or a functional predictive map with added control zones, communication system controller 229 controls communication system 206. In another example where control system 214 receives a functional predictive map or receives a functional predictive map with added control zones, the operator interface controller 231 controls the operator interface mechanisms 218 of the agricultural harvesting machine 100. In another example, in which the control system 214 receives the functional predictive map or the functional predictive map with added control zones controls the top plate position controller 242 Machine/header actuators 248 to control a deck plate on agricultural harvesting machine 100. In another example where the control system 214 receives the functional predictive map or the functional predictive map with control zones added, the draper belt controller 240 controls machine/header actuators 248 to control a draper belt on the agricultural harvesting machine 100 . In another example where the control system 214 receives the functional predictive map or the functional predictive map with control zones added, the other controllers 246 control other controllable subsystems 256 on the agricultural harvesting machine 100.

8 zeigt ein Blockdiagramm, das ein Beispiel für einen Steuerzonengenerator 213 veranschaulicht. Der Steuerzonengenerator 213 beinhaltet einen Arbeitsmaschinenstellglied- (WMA-) Selektor 486, ein Steuerzonenerzeugungssystem 488 und ein Regimezonenerzeugungssystem 490. Der Steuerzonengenerator 213 kann auch andere Elemente 492 beinhalten. Das Steuerzonenerzeugungssystem 488 beinhaltet die Steuerzonenkriterienidentifikationskomponente 494, die Steuerzonengrenzendefinitionskomponente 496, die Zieleinstellungsidentifikationskomponente 498 und andere Elemente 520. Das Regimezonenerzeugungssystem 490 beinhaltet die Regimezonenkriterienidentifikationskomponente 522, die Regimezonengrenzendefinitionskomponente 524, die Einstellungsresolveridentifikationskomponente 526 und andere Elemente 528. Bevor der gesamte Betrieb des Steuerzonengenerators 213 näher beschrieben wird, erfolgt zunächst eine kurze Beschreibung einiger Elemente des Steuerzonengenerators 213 und dessen jeweiliger Betrieb. 8th FIG. 12 is a block diagram illustrating an example control zone generator 213. FIG. The control zone generator 213 includes a work machine actuator (WMA) selector 486, a control zone generation system 488, and a regime zone generation system 490. The control zone generator 213 may include other elements 492 as well. The control zone generation system 488 includes the control zone criteria identification component 494, the control zone boundary definition component 496, the target setting identification component 498 and other elements 520. The regime zone generation system 490 includes the regime zone criteria identification component 522, the regime zone boundary definition component 524, the setting resolver identification component 526 and other elements 528. Before describing the overall operation of the control zone generator 213 in more detail , a brief description of some of the elements of the control zone generator 213 and their respective operation is first provided.

Die landwirtschaftliche Erntemaschine 100 oder andere Arbeitsmaschinen können eine Vielzahl verschiedener Arten von steuerbaren Stellgliedern aufweisen, die verschiedene Funktionen ausführen. Die steuerbaren Stellglieder an der landwirtschaftlichen Erntemaschine 100 oder anderen Arbeitsmaschinen werden gemeinsam als Arbeitsmaschinenstellglieder (WMAs) bezeichnet. Jedes WMA kann auf Grundlage von Werten auf einer funktionellen prädiktiven Karte unabhängig steuerbar sein, oder die WMAs können als Sätze auf Grundlage eines oder mehrerer Werte auf einer funktionellen prädiktiven Karte gesteuert werden. Daher kann der Steuerzonengenerator 213 Steuerzonen erzeugen, die jedem individuell steuerbaren WMA entsprechen oder den Sätzen von WMAs entsprechen, die in Abstimmung miteinander gesteuert werden.The agricultural harvesting machine 100 or other work machine may include a variety of different types of controllable actuators that perform different functions. The controllable actuators on agricultural harvesting machine 100 or other work machines are collectively referred to as work machine actuators (WMAs). Each WMA can be independently controllable based on values on a functional predictive map, or the WMAs can be controlled as sets based on one or more values on a functional predictive map. Therefore, the control zone generator 213 can generate control zones corresponding to each individually controllable WMA or to the sets of WMAs that are controlled in concert with one another.

Der WMA-Selektor 486 wählt ein WMA oder einen Satz von WMAs aus, für die entsprechende Steuerzonen erzeugt werden sollen. Das Steuerzonenerzeugungssystem 488 erzeugt dann die Steuerzonen für das ausgewählte WMA oder einen Satz von WMAs. Für jedes WMA oder jede Gruppe von WMAs können unterschiedliche Kriterien bei der Identifizierung von Steuerzonen verwendet werden. Beispielsweise kann für ein WMA die WMA-Reaktionszeit als Kriterium zum Definieren der Grenzen der Steuerzonen verwendet werden. In einem weiteren Beispiel können Verschleißmerkmale (z. B. wie stark ein bestimmtes Stellglied oder ein bestimmter Mechanismus als Ergebnis seiner Bewegung verschleißt) als Kriterium zum Identifizieren der Grenzen von Steuerzonen verwendet werden. Die Steuerzonenkriterienidentifikationskomponente 494 identifiziert bestimmte Kriterien, die bei der Definition von Steuerzonen für das ausgewählte WMA oder einen Satz von WMAs verwendet werden sollen. Die Steuerzonengrenzendefinitionskomponente 496 verarbeitet die Werte auf einer funktionellen prädiktiven Karte, die analysiert wird, um die Grenzen der Steuerzonen auf dieser funktionellen prädiktiven Karte basierend auf den Werten in der funktionellen prädiktiven Karte, die analysiert wird, und basierend auf den Steuerzonenkriterien für das ausgewählte WMA oder einen Satz von WMAs zu definieren.The WMA selector 486 selects a WMA or set of WMAs for which to create corresponding control zones. The control zone creation system 488 then creates the control zones for the selected WMA or set of WMAs. Different criteria may be used in identifying control zones for each WMA or group of WMAs. For example, for a WMA, the WMA response time can be used as a criterion for defining the boundaries of the control zones. In another example, wear characteristics (e.g., how badly a particular actuator or mechanism wears as a result of its movement) may be used as a criterion for identifying control zone boundaries. The control zone criteria identification component 494 identifies certain criteria to be used in defining control zones for the selected WMA or set of WMAs. The control zone boundary definition component 496 processes the values on a functional predictive map being analyzed to define the boundaries of the control zones on that functional predictive map based on the values on the functional predictive map being analyzed based on the tax zone criteria for the selected WMA or set of WMAs.

Die Zieleinstellungsidentifikationskomponente 498 setzt einen Wert der Zieleinstellung, der zum Steuern des WMA oder eines Satzes von WMAs in verschiedenen Steuerzonen verwendet wird. Wenn zum Beispiel das ausgewählte WMA das Erntegutreinigungs-Teilsystem 118 ist und die analysierte funktionelle prädiktive Karte eine funktionelle prädiktive Erntegutbestandteilkarte 360 ist, kann die Zieleinstellung in jeder Steuerzone eine Zielgeschwindigkeitseinstellung für das Reinigungsgebläse 120 auf Grundlage von Erntegutbestandteilwerten sein, die in der funktionellen prädiktiven Erntegutbestandteilkarte 360 enthalten sind.The target setting identification component 498 sets a value of the target setting used to control the WMA or set of WMAs in different control zones. For example, if the selected WMA is the crop cleaning subsystem 118 and the analyzed functional predictive map is a functional predictive crop ingredient map 360, the target setting in each control zone may be a target speed setting for the cleaning fan 120 based on crop ingredient values contained in the functional predictive crop ingredient map 360 are included.

In einigen Beispielen, in denen die landwirtschaftliche Erntemaschine 100 auf Grundlage einer aktuellen oder zukünftigen Position der landwirtschaftlichen Erntemaschine 100 gesteuert werden soll, können mehrere Zieleinstellungen für ein WMA an einer bestimmten Position möglich sein. In diesem Fall können die Zieleinstellungen unterschiedliche Werte haben und konkurrieren. Daher müssen die Zieleinstellungen aufgelöst werden, damit nur eine einzige Zieleinstellung zur Steuerung des WMA verwendet werden kann. Wenn das WMA zum Beispiel ein Stellglied im Antriebssystem 250 ist, das gesteuert wird, um die Geschwindigkeit der landwirtschaftlichen Erntemaschine 100 zu steuern, können mehrere verschiedene konkurrierende Sätze von Kriterien existieren, die vom Steuerzonenerzeugungssystem 488 bei der Identifizierung der Steuerzonen und der Zieleinstellungen für das ausgewählte WMA in den Steuerzonen berücksichtigt werden. Beispielsweise können unterschiedliche Zieleinstellungen zum Steuern der Geschwindigkeit des Reinigungsgebläses beispielsweise auf Grundlage eines erkannten oder vorhergesagten Erntegutbestandteilwerts, eines erkannten oder vorhergesagten landwirtschaftlichen Merkmalwerts, eines erkannten oder vorhergesagten vegetativen Indexwerts, vorhergesagter Merkmalwerte, wie etwa vorhergesagter Biomasse, vorhergesagter Ertrag oder vorhergesagter Erntegutfeuchtigkeit, eines erkannten oder vorhergesagten Bodeneigenschaftswerts (wie etwa einer Stickstoffmenge im Boden), eines erkannten oder vorhergesagten Vorabbetriebsmerkmalwerts (wie etwa eines Substanzanwendungsmerkmalwerts, beispielsweise eines Düngemittelanwendungsmerkmalswerts), eines erkannten oder vorhergesagten Vorschubgeschwindigkeitswerts, eines erkannten oder vorhergesagten Kraftstoffeffizienzwerts, eines erkannten oder vorhergesagten Kornverlustwerts oder einer Kombination davon erzeugt werden. Es versteht sich, dass dies lediglich ein Beispiel sind und die Zieleinstellungen für verschiedene WMAs auf verschiedenen anderen Werten oder Kombinationen von Werten basieren können. Jedoch kann das Reinigungsgebläse 120 zu jedem gegebenen Zeitpunkt nicht mit mehreren Geschwindigkeiten gleichzeitig arbeiten. Vielmehr arbeitet das Reinigungsgebläse 120 zu jedem gegebenen Zeitpunkt mit einer einzigen Geschwindigkeit. Somit wird eine der konkurrierenden Zieleinstellungen ausgewählt, um die Geschwindigkeit des Reinigungsgebläses 120 zu steuern.In some examples where the agricultural harvester 100 is to be controlled based on a current or future position of the agricultural harvester 100, multiple target settings for a WMA at a particular position may be possible. In this case, the target settings can have different values and compete. Therefore, the target settings must be resolved so that only a single target setting can be used to control the WMA. For example, if the WMA is an actuator in drive system 250 that is being controlled to control the speed of agricultural harvesting machine 100, there may be several different competing sets of criteria used by control zone generation system 488 in identifying the control zones and target settings for the selected one WMA are taken into account in the control zones. For example, different target settings for controlling the speed of the cleaning fan, for example, based on a recognized or predicted crop ingredient value, a recognized or predicted agricultural trait value, a recognized or predicted vegetative index value, predicted trait values such as predicted biomass, predicted yield or predicted crop moisture, a recognized or predicted soil property value (such as an amount of nitrogen in the soil), a detected or predicted pre-operation property value (such as a substance application property value, for example a fertilizer application property value), a detected or predicted feed rate value, a detected or predicted fuel efficiency value, a detected or predicted grain loss value, or a combination thereof . It should be understood that these are just an example and the target settings for different WMAs can be based on various other values or combinations of values. However, the cleaning fan 120 cannot operate at multiple speeds simultaneously at any given time. Rather, the cleaning fan 120 is operating at a single speed at any given time. Thus, one of the competing target settings is selected to control the cleaning fan 120 speed.

In einigen Beispielen erzeugt das Regimezonenerzeugungssystem 490 Regimezonen, um mehrere verschiedene konkurrierende Zieleinstellungen aufzulösen. Die Regimezonenkriterienidentifikationskomponente 522 identifiziert die Kriterien, die verwendet werden, um Regimezonen für das ausgewählte WMA oder einen Satz von WMAs auf der zu analysierenden funktionellen prädiktiven Karte festzulegen. Einige Kriterien, die verwendet werden können, um Regimezonen zu identifizieren oder zu definieren, beinhalten zum Beispiel Erntegutbestandteilwerte, landwirtschaftliche Merkmalwerte, Vorabbetrieb-Merkmalwerte, vorhergesagte Merkmalwerte, vegetative Indexwerte, Bodeneigenschaftswerte, Bedienerbefehlseingaben, Ernteguttyp oder Erntegutsorte (zum Beispiel auf Grundlage einer Bestandskarte oder einer anderen Quelle des Ernteguttyps oder der Erntegutsorte), Unkrautart, Unkrautintensität oder Erntegutzustand (wie etwa, ob das Erntegut umgeknickt, teilweise umgeknickt oder stehend ist). Dies sind nur einige Beispiele für die Kriterien, die zur Identifizierung oder Definition von Regimezonen verwendet werden können. So wie jedes WMA oder jede Gruppe von WMAs eine entsprechende Steuerzone aufweisen kann, können unterschiedliche WMAs oder Gruppen von WMAs eine entsprechende Regimezone aufweisen. Die Regimezonengrenzendefinitionskomponente 524 identifiziert die Grenzen von Regimezonen auf der funktionellen prädiktiven Karte, die analysiert wird, basierend auf den Regimezonenkriterien, die durch die Regimezonenkriterienidentifikationskomponente 522 identifiziert wurden.In some examples, regime zone generation system 490 generates regime zones to resolve multiple different competing target settings. The regimen zone criteria identification component 522 identifies the criteria used to identify regimen zones for the selected WMA or set of WMAs on the functional predictive map to be analyzed. Some criteria that may be used to identify or define regime zones include, for example, crop ingredient values, agricultural trait values, pre-operation trait values, predicted trait values, vegetative index values, soil property values, operator command inputs, crop type or variety (e.g., based on a stand map or a other source of crop type or crop variety), weed type, weed intensity, or crop condition (such as whether the crop is overturned, partially overturned, or standing). These are just a few examples of the criteria that can be used to identify or define regime zones. Just as each WMA or group of WMAs may have a corresponding control zone, different WMAs or groups of WMAs may have a corresponding regime zone. The regime zone boundary definition component 524 identifies the boundaries of regime zones on the functional predictive map being analyzed based on the regime zone criteria identified by the regime zone criteria identification component 522 .

In einigen Beispielen können sich Regimezonen überschneiden. Beispielsweise kann sich eine Erntegutsortenregimezone mit einem Teil oder einer Gesamtheit einer Erntegutsortenregimezone überschneiden. In einem solchen Beispiel können die verschiedenen Regimezonen einer Präzedenzhierarchie zugewiesen werden, so dass, wenn sich zwei oder mehr Regimezonen überschneiden, die Regimezone, der eine größere hierarchische Position oder Bedeutung in der Präzedenzhierarchie zugewiesen wurde, Vorrang vor den Regimezonen hat, die eine geringere hierarchische Position oder Bedeutung in der Präzedenzhierarchie haben. Die Prioritätshierarchie der Regimezonen kann manuell oder automatisch mithilfe eines regelbasierten Systems, eines modellbasierten Systems oder eines anderen Systems eingestellt werden. Als ein Beispiel kann, wenn sich eine Regimezone mit umgeknicktem Erntegut mit einer Erntegutsortenregimezone überschneidet, der Regimezone mit umgeknicktem Erntegut eine größere Bedeutung in der Vorranghierarchie als der Erntegutsortenregimezone zugewiesen werden, so dass die Regimezone mit umgeknicktem Erntegut Vorrang hat.In some examples, regime zones may overlap. For example, a crop variety regime zone may overlap with some or all of a crop variety regime zone. In such an example, the various regime zones may be assigned a precedent hierarchy such that when two or more regime zones overlap, the regime zone that has been assigned a greater hierarchical position or importance in the precedent hierarchy takes precedence over the regime zones that have a lower hierarchical position position or importance in the precedent hierarchy. The regime zone priority hierarchy may be set manually or automatically using a rule-based system, a model-based system, or some other system. For example For example, when a kinked crop regime zone overlaps a crop variety regime zone, the kinked crop regime zone may be assigned greater importance in the hierarchy of precedence than the crop variety regime zone such that the kinked crop regime zone takes precedence.

Darüber hinaus kann jede Regimezone über einen eindeutigen Einstellungsresolver für ein bestimmtes WMA oder einen Satz von WMAs verfügen. Die Einstellungsresolveridentifikationskomponente 526 identifiziert einen bestimmten Einstellungsresolver für jede Regimezone, die auf der zu analysierenden funktionellen prädiktiven Karte identifiziert wurde, und einen bestimmten Einstellungsresolver für das ausgewählte WMA oder Satz von WMAs.In addition, each regime zone may have a unique setting resolver for a specific WMA or set of WMAs. The adjustment resolver identification component 526 identifies a particular adjustment resolver for each regimen zone identified on the functional predictive map to be analyzed and a particular adjustment resolver for the selected WMA or set of WMAs.

Sobald der Einstellungsresolver für eine bestimmte Regimezone identifiziert ist, kann dieser Einstellungsresolver verwendet werden, um konkurrierende Zieleinstellungen aufzulösen, wobei mehr als eine Zieleinstellung auf Grundlage der Steuerzonen identifiziert wird. Die verschiedenen Arten von Einstellungsresolvern können unterschiedliche Formen aufweisen. Beispielsweise können die Einstellungsresolver, die für jede Regimezone identifiziert werden, einen Resolver menschlicher Wahl beinhalten, bei dem die konkurrierenden Zieleinstellungen einem Bediener oder einem anderen Benutzer zur Auflösung präsentiert werden. In einem weiteren Beispiel kann der Einstellungsresolver ein neuronales Netzwerk oder andere künstliche Intelligenz oder ein maschinelles Lernsystem beinhalten. In solchen Fällen können die Einstellungsresolver die konkurrierenden Zieleinstellungen basierend auf einer vorhergesagten oder historischen Qualitätsmetrik auflösen, die jeder der unterschiedlichen Zieleinstellungen entspricht. Beispielsweise kann eine erhöhte Reinigungsgebläse-Drehzahleinstellung den Verlust reduzieren, aber die Kornqualität verbessern. Eine reduzierte Reinigungsgebläse-Drehzahleinstellung kann den Kornverlust reduzieren, kann jedoch die Kornqualität verbessern. Wenn der Kornverlust als Qualitätsmetrik ausgewählt wird, kann der vorhergesagte oder historische Wert für die ausgewählte Qualitätsmetrik angesichts der zwei konkurrierenden Fahrzeuggeschwindigkeitseinstellungswerte verwendet werden, um die Reinigungsgebläse-Drehzahleinstellung aufzulösen. In einigen Fällen können die Einstellungsresolver ein Satz von Schwellenwertregeln sein, die anstelle oder zusätzlich zu den Regimezonen verwendet werden können. Ein Beispiel für eine Schwellenwertregel kann wie folgt ausgedrückt werden:

• Wenn vorhergesagte Erntegutbestandteile innerhalb von 5 Metern (20 Fuß) vom Erntevorsatz der landwirtschaftlichen Erntemaschine 100 größer als x sind (wobei x ein ausgewählter oder vorbestimmter Wert ist), dann ist der Zieleinstellwert zu verwenden, der auf Grundlage des Kornverlusts gegenüber anderen konkurrierenden Zieleinstellungen ausgewählt wird.

Once the attitude resolver is identified for a particular regime zone, that attitude resolver can be used to resolve competing target attitudes, identifying more than one target attitude based on the control zones. The different types of setting resolvers can have different shapes. For example, the setting resolvers identified for each regime zone may include a human choice resolver in which the competing target settings are presented to an operator or other user for resolution. In another example, the attitude resolver may include a neural network or other artificial intelligence or machine learning system. In such cases, the setting resolvers may resolve the competing target settings based on a predicted or historical quality metric corresponding to each of the different target settings. For example, an increased cleaning fan speed setting can reduce loss but improve grain quality. A reduced cleaning fan speed setting can reduce grain loss but can improve grain quality. If grain loss is selected as the quality metric, given the two competing vehicle speed setting values, the predicted or historical value for the selected quality metric can be used to resolve the cleaning fan speed setting. In some cases, the adjustment resolvers can be a set of threshold rules that can be used instead of or in addition to the regime zones. An example of a threshold rule can be expressed as follows:

• If predicted crop constituents within 5 meters (20 feet) of the header of agricultural harvester 100 are greater than x (where x is a selected or predetermined value), then use the target setting selected based on grain loss versus other competing target settings .

Die Einstellungsresolver können logische Komponenten sein, die logische Regeln beim Identifizieren einer Zieleinstellung ausführen. Beispielsweise kann der Einstellungsresolver Zieleinstellungen auflösen, während er versucht, die Erntezeit zu minimieren oder die Gesamterntekosten zu minimieren oder geerntetes Korn zu maximieren oder auf anderen Variablen basiert, die in Abhängigkeit der verschiedenen in Frage kommenden Zieleinstellungen berechnet werden. Eine Erntezeit kann minimiert werden, wenn eine Menge zum Abschließen einer Ernte auf einen ausgewählten Schwellenwert oder darunter reduziert wird. Gesamterntekosten können minimiert werden, wenn die Gesamterntekosten auf oder unter einen ausgewählten Schwellenwert reduziert werden. Erntegut kann maximiert werden, wenn die Menge an Erntegut auf oder über einen ausgewählten Schwellenwert erhöht wird.The attitude resolvers can be logical components that execute logical rules in identifying a target attitude. For example, the attitude resolver may resolve target settings while attempting to minimize harvest time, or minimize total harvest cost, or maximize grain harvested, or based on other variables calculated depending on the various target settings in question. Harvest time can be minimized when an amount to complete a harvest is reduced to a selected threshold or below. Total harvesting costs can be minimized when the total harvesting costs are reduced to or below a selected threshold. Crop can be maximized when the amount of crop is increased to or above a selected threshold.

9 ist ein Flussdiagramm, das ein Beispiel für den Betrieb des Steuerzonengenerators 213 bei der Erzeugung von Steuerzonen und Regimezonen für eine Karte veranschaulicht, die der Steuerzonengenerator 213 zur Zonenverarbeitung empfängt (z. B. für eine Karte, die analysiert wird). 9 12 is a flowchart illustrating an example of the operation of control zone generator 213 in generating control zones and regime zones for a map that control zone generator 213 receives for zone processing (e.g., for a map that is being analyzed).

Bei Block 530 empfängt der Steuerzonengenerator 213 eine Karte, die zur Verarbeitung analysiert wird. In einem Beispiel, wie bei Block 532 gezeigt, ist die analysierte Karte eine funktionelle prädiktive Karte. Beispielsweise kann die analysierte Karte eine der funktionellen prädiktiven Karten 360, 427 oder 440 sein. Block 534 gibt an, dass die zu analysierende Karte auch andere Karten sein kann.At block 530, the control zone generator 213 receives a map that is analyzed for processing. In one example, as shown at block 532, the map analyzed is a functional predictive map. For example, the map analyzed may be one of functional predictive maps 360, 427, or 440. Block 534 indicates that the card to be analyzed can be other cards.

Bei Block 536 wählt der WMA-Selektor 486 ein WMA oder einen Satz von WMAs aus, für die Steuerzonen auf der analysierten Karte erzeugt werden sollen. Bei Block 538 erhält die Steuerzonenkriterienidentifikationskomponente 494 Steuerzonendefinitionskriterien für die ausgewählten WMAs oder den Satz von WMAs. Block 540 gibt ein Beispiel an, in dem die Steuerzonenkriterien Verschleißeigenschaften des ausgewählten WMA oder Satzes von WMAs sind oder beinhalten. Block 542 gibt ein Beispiel an, in dem die Steuerzonendefinitionskriterien eine Größe und Variation von Eingangsquellendaten sind oder beinhalten, wie etwa die Größe und Variation der Werte auf der analysierten Karte oder die Größe und Variation von Eingaben von verschiedenen In-situ-Sensoren 208. Block 544 gibt ein Beispiel an, in dem die Steuerzonendefinitionskriterien physikalische Maschinenmerkmale sind oder beinhalten, wie etwa die physikalischen Abmessungen der Maschine, eine Geschwindigkeit, mit der verschiedene Teilsysteme arbeiten, oder andere physikalische Maschinenmerkmale. Block 546 gibt ein Beispiel an, in dem die Steuerzonendefinitionskriterien eine Reaktionsfähigkeit des ausgewählten WMA oder Satzes von WMAs beim Erreichen neu befohlener Einstellwerte sind oder beinhalten. Block 548 gibt ein Beispiel an, in dem die Steuerungszonendefinitionskriterien Maschinenleistungsmetriken sind oder beinhalten. Block 550 gibt ein Beispiel an, in dem die Steuerungszonendefinitionskriterien Bedienerpräferenzen sind oder beinhalten. Block 552 gibt ein Beispiel an, in dem die Steuerzonendefinitionskriterien auch andere Elemente sind oder beinhalten. Block 549 gibt ein Beispiel an, in dem die Steuerzonendefinitionskriterien zeitbasiert sind, was bedeutet, dass die landwirtschaftliche Erntemaschine 100 die Grenze einer Steuerzone nicht überschreitet, bis eine ausgewählte Zeitspanne verstrichen ist, seit dem die landwirtschaftliche Erntemaschine 100 in eine bestimmte Steuerzone eingetreten ist. In einigen Fällen kann die ausgewählte Zeitdauer eine minimale Zeitdauer sein. So können die Steuerzonendefinitionskriterien in einigen Fällen verhindern, dass die landwirtschaftliche Erntemaschine 100 eine Grenze einer Steuerzone überschreitet, bis zumindest die ausgewählte Zeitspanne verstrichen ist. Block 551 gibt ein Beispiel an, in dem die Steuerzonendefinitionskriterien auf einem ausgewählten Größenwert basieren. Beispielsweise können Steuerzonendefinitionskriterien, die auf einem ausgewählten Größenwert basieren, die Definition einer Steuerzone ausschließen, die kleiner als die ausgewählte Größe ist. In einigen Fällen kann die ausgewählte Größe eine Mindestgröße sein.At block 536, the WMA selector 486 selects a WMA or set of WMAs for which to create control zones on the analyzed map. At block 538, the control zone criteria identification component 494 obtains control zone definition criteria for the selected WMAs or set of WMAs. Block 540 provides an example where the control zone criteria is or includes wear characteristics of the selected WMA or set of WMAs. Block 542 provides an example where the control zone definition criteria is or includes magnitude and variation of input source data, such as magnitude and variation of values on the analyzed map or magnitude and variation of inputs from various in situ sensors 208. Block 544 gives an example where the control zone definition criteria are or include physical machine characteristics, such as the physical dimensions of the machine, a speed at which various which subsystems work, or other physical machine features. Block 546 provides an example where the control zone definition criteria is or includes a responsiveness of the selected WMA or set of WMAs in meeting newly commanded adjustment values. Block 548 provides an example where the control zone definition criteria are or include machine performance metrics. Block 550 provides an example where the control zone definition criteria is or includes operator preferences. Block 552 provides an example where the tax zone definition criteria is or includes other elements. Block 549 provides an example where the tax zone definition criteria are time-based, meaning that agricultural harvester 100 does not cross the boundary of a tax zone until a selected period of time has elapsed since agricultural harvester 100 entered a particular tax zone. In some cases, the selected length of time may be a minimum length of time. Thus, in some cases, the control zone definition criteria may prevent agricultural harvester 100 from crossing a boundary of a control zone until at least the selected period of time has elapsed. Block 551 provides an example where the tax zone definition criteria is based on a selected size value. For example, tax zone definition criteria based on a selected size value may preclude definition of a tax zone that is smaller than the selected size. In some cases, the size selected may be a minimum size.

Bei Block 554 erhält die Regimezonenkriterienidentifikationskomponente 522 Regimezonendefinitionskriterien für das ausgewählte WMA oder den ausgewählten Satz von WMAs. Block 556 gibt ein Beispiel an, in dem die Regimezonendefinitionskriterien auf einer manuellen Eingabe von Bediener 260 oder einem anderen Benutzer basieren. Block 558 veranschaulicht ein Beispiel, in dem die Regimezonendefinitionskriterien auf Erntegutbestandteilwerten basieren, einschließlich erkannter, vorhergesagter oder historischer Erntegutbestandteilwerte. Block 559 veranschaulicht ein Beispiel, in dem die Regimezonendefinitionskriterien auf vegetativen Indexwerten basieren. Block 560 veranschaulicht ein Beispiel, in dem die Regimezonendefinitionskriterien auf Vorabbetriebsmerkmalwerten basieren. Block 561 veranschaulicht ein Beispiel, in dem die Regimezonendefinitionskriterien auf Bodeneigenschaftswerten basieren. Block 564 gibt ein Beispiel an, in dem die Regimezonendefinitionskriterien auch andere Kriterien sind oder diese beinhalten, zum Beispiel verschiedene landwirtschaftliche Merkmalwerte, wie etwa eine Anzahl von vorhergesagten Merkmalwerten, wie etwa vorhergesagte Ertragswerte, vorhergesagte Biomassewerte oder vorhergesagte Erntegutfeuchtigkeitswerte.At block 554, regimen zone criteria identification component 522 obtains regimen zone definition criteria for the selected WMA or set of WMAs. Block 556 provides an example where the regime zone definition criteria are based on manual input from operator 260 or another user. Block 558 illustrates an example where the regime zone definition criteria are based on crop ingredient values, including recognized, predicted, or historical crop ingredient values. Block 559 illustrates an example where the regimen zone definition criteria are based on vegetative index values. Block 560 illustrates an example where the regime zone definition criteria are based on pre-operational attribute values. Block 561 illustrates an example where the regime zone definition criteria are based on soil property values. Block 564 provides an example where the regime zone definition criteria is or includes other criteria, for example, various agricultural trait values, such as a number of predicted trait values, such as predicted yield values, predicted biomass values, or predicted crop moisture values.

Bei Block 566 erzeugt die Steuerzonengrenzendefinitionskomponente 496 die Grenzen von Steuerzonen auf der zu analysierenden Karte auf Grundlage der Steuerzonenkriterien. Die Regimezonengrenzendefinitionskomponente 524 erzeugt die Grenzen von Regimezonen auf der zu analysierenden Karte auf Grundlage der Regimezonenkriterien. Block 568 gibt ein Beispiel an, in dem die Zonengrenzen für die Steuerzonen und Regimezonen identifiziert werden. Block 570 zeigt, dass die Zieleinstellungsidentifikationskomponente 498 die Zieleinstellungen für jede der Steuerzonen identifiziert. Die Steuerzonen und Regimezonen können auch auf andere Weise erzeugt werden, was durch Block 572 angezeigt wird.At block 566, the tax zone boundary definition component 496 creates the boundaries of tax zones on the map to be analyzed based on the tax zone criteria. The regime zone boundary definition component 524 creates the boundaries of regime zones on the map to be analyzed based on the regime zone criteria. Block 568 provides an example in which the zone boundaries for the control zones and regime zones are identified. Block 570 shows that the target setting identification component 498 identifies the target settings for each of the zones of control. The control zones and regime zones may be created in other ways, as indicated by block 572.

Bei Block 574 identifiziert die Einstellungsresolveridentifikationskomponente 526 den Einstellungsresolver für die ausgewählten WMAs in jeder Regimezone, die durch die Regimezonengrenzendefinitionskomponente 524 definiert ist. Wie vorstehend erörtert, kann der Regimezonenresolver ein menschlicher Resolver 576, eine künstliche Intelligenz oder ein maschineller Lernsystemresolver 578, ein Resolver 580 auf Grundlage vorhergesagter oder historischer Qualität für jede konkurrierende Zieleinstellung, ein regelbasierter Resolver 582, ein leistungskriterienbasierter Resolver 584 oder andere Resolver 586 sein.At block 574 , the adjustment resolver identification component 526 identifies the adjustment resolver for the selected WMAs in each regime zone defined by the regime zone boundary definition component 524 . As discussed above, the regime zone resolver may be a human resolver 576, an artificial intelligence or machine learning system resolver 578, a predicted or historical quality-based resolver 580 for each competing target setting, a rule-based resolver 582, a performance criteria-based resolver 584, or other resolver 586.

Bei Block 588 bestimmt der WMA-Selektor 486, ob weitere WMAs oder Sätze von WMAs zu verarbeiten sind. Wenn zusätzliche WMAs oder Sätze von WMAs noch zu verarbeiten sind, kehrt die Verarbeitung zu Block 436 zurück, wo das nächste WMA oder der Satz von WMAs ausgewählt wird, für die Steuerzonen und Regimezonen definiert werden sollen. Wenn keine zusätzlichen WMAs oder Sätze von WMAs verbleiben, für die Steuerzonen oder Regimezonen erzeugt werden sollen, bewegt sich die Verarbeitung zu Block 590, wo der Steuerzonengenerator 213 eine Karte mit Steuerzonen, Zieleinstellungen, Regimezonen und Einstellungsresolvern für jedes der WMAs oder Sätze von WMAs ausgibt. Wie vorstehend erörtert, kann die ausgegebene Karte dem Bediener 260 oder einem anderen Benutzer präsentiert werden; die ausgegebene Karte kann dem Steuersystem 214 bereitgestellt werden; oder die ausgegebene Karte kann auf andere Weise ausgegeben werden.At block 588, the WMA selector 486 determines whether there are more WMAs or sets of WMAs to process. If additional WMAs or sets of WMAs remain to be processed, processing returns to block 436 where the next WMA or set of WMAs for which control zones and regime zones are to be defined is selected. If no additional WMAs or sets of WMAs remain for which to generate control zones or regime zones, processing moves to block 590 where the control zone generator 213 outputs a map of control zones, target settings, regime zones, and setting resolvers for each of the WMAs or sets of WMAs . As discussed above, the issued card may be presented to operator 260 or another user; the card issued may be provided to the control system 214; or the issued card may be otherwise issued.

10 veranschaulicht ein Beispiel für den Betrieb des Steuersystems 214 bei der Steuerung der landwirtschaftlichen Erntemaschine 100 auf Grundlage einer Karte, die von dem Steuerzonengenerator 213 ausgegeben wird. Somit empfängt das Steuersystem 214 bei Block 592 eine Karte der Arbeitsstelle. In einigen Fällen kann die Karte eine funktionelle prädiktive Karte sein, die Steuerzonen und Regimezonen beinhalten kann, wie durch Block 594 dargestellt. In einigen Fällen kann die empfangene Karte eine funktionelle prädiktive Karte sein, die Steuerzonen und Regimezonen ausschließt. Block 596 gibt ein Beispiel an, in dem die empfangene Karte der Arbeitsstelle eine Vorabinformationskarte mit darauf identifizierten Steuerzonen und Regimezonen sein kann. Block 598 gibt ein Beispiel an, in dem die empfangene Karte mehrere verschiedene Karten oder mehrere verschiedene Kartenebenen beinhalten kann. Block 610 gibt ein Beispiel an, in dem die empfangene Karte auch andere Formen annehmen kann. 10 12 illustrates an example of the operation of the control system 214 in controlling the agricultural harvesting machine 100 based on a map output from the control zone generator 213 . Thus, at block 592, the control system 214 receives a map of the Place of work. In some cases, as represented by block 594, the map may be a functional predictive map that may include control zones and regime zones. In some cases, the received map may be a functional predictive map excluding tax zones and regime zones. Block 596 provides an example where the received worksite map may be a pre-information map with tax zones and regime zones identified thereon. Block 598 provides an example where the received map may include multiple different maps or multiple different map layers. Block 610 provides an example where the received map may take other forms as well.

Bei Block 612 empfängt das Steuersystem 214 ein Sensorsignal vom geografischen Positionssensor 204. Das Sensorsignal von dem geografischen Positionssensor 204 kann Daten beinhalten, die die geografische Position 614 der landwirtschaftlichen Erntemaschine 100, die Geschwindigkeit 616 der landwirtschaftlichen Erntemaschine 100, den Kurs 618 der landwirtschaftlichen Erntemaschine 100 oder andere Informationen 620 angeben. Bei Block 622 wählt die Zonensteuerung 247 eine Regimezone aus und bei Block 624 wählt die Zonensteuerung 247 eine Steuerzone auf der Karte auf Grundlage des geografischen Positionssensorsignals aus. Bei Block 626 wählt die Zonensteuerung 247 ein WMA oder einen Satz von WMAs aus, die gesteuert werden sollen. Bei Block 628 erhält die Zonensteuerung 247 eine oder mehrere Zieleinstellungen für das ausgewählte WMA oder einen Satz von WMAs. Die Zieleinstellungen, die für das ausgewählte WMA oder eine Gruppe von WMAs erhalten werden, können aus verschiedenen Quellen stammen. Zum Beispiel zeigt Block 630 ein Beispiel, bei dem eine oder mehrere der Zieleinstellungen für das ausgewählte WMA oder den Satz von WMAs auf einer Eingabe von den Steuerzonen auf der Karte der Arbeitsstelle basiert. Block 632 zeigt ein Beispiel, in dem eine oder mehrere der Zieleinstellungen aus menschlichen Eingaben von dem Bediener 260 oder einem anderen Benutzer erhalten werden. Block 634 zeigt ein Beispiel, in dem die Zieleinstellungen von einem In-situ-Sensor 208 erhalten werden. Block 636 zeigt ein Beispiel, in dem die eine oder mehreren Zieleinstellungen von einem oder mehreren Sensoren an anderen Maschinen erhalten werden, die auf demselben Feld arbeiten, entweder gleichzeitig mit der landwirtschaftlichen Erntemaschine 100 oder von einem oder mehreren Sensoren an Maschinen, die in der Vergangenheit auf demselben Feld gearbeitet haben. Block 638 zeigt ein Beispiel, in dem die Zieleinstellungen auch aus anderen Quellen erhalten werden.At block 612, the control system 214 receives a sensor signal from the geographic position sensor 204. The sensor signal from the geographic position sensor 204 may include data indicating the geographical position 614 of the agricultural harvester 100, the speed 616 of the agricultural harvester 100, the heading 618 of the agricultural harvester 100 or provide other information 620 . At block 622, the zone controller 247 selects a regime zone, and at block 624, the zone controller 247 selects a control zone on the map based on the geographic position sensor signal. At block 626, the zone controller 247 selects a WMA or set of WMAs to control. At block 628, the zone controller 247 obtains one or more target settings for the selected WMA or set of WMAs. The target settings obtained for the selected WMA or group of WMAs can come from different sources. For example, block 630 depicts an example where one or more of the target settings for the selected WMA or set of WMAs is based on input from the tax zones on the worksite map. Block 632 depicts an example where one or more of the target settings are obtained from human input from the operator 260 or another user. Block 634 shows an example where the target settings are obtained from an in situ sensor 208 . Block 636 depicts an example where the one or more target settings are obtained from one or more sensors on other machines operating in the same field, either concurrently with agricultural harvesting machine 100 or from one or more sensors on machines operating in the past worked in the same field. Block 638 shows an example where the target settings are also obtained from other sources.

Bei Block 640 greift die Zonensteuerung 247 auf den Einstellungsresolver für die ausgewählte Regimezone zu und steuert den Einstellungsresolver, um konkurrierende Zieleinstellungen in eine aufgelöste Zieleinstellung aufzulösen. Wie oben erörtert, kann der Einstellungsresolver in einigen Fällen ein menschlicher Resolver sein, wobei die Zonensteuerung 247 Bedienerschnittstellenmechanismen 218 steuert, um die konkurrierenden Zieleinstellungen dem Bediener 260 oder einem anderen Benutzer zur Auflösung zu präsentieren. In einigen Fällen kann der Einstellungsresolver ein neuronales Netzwerk oder ein anderes künstliches Intelligenz- oder maschinelles Lernsystem sein, und die Zonensteuerung 247 übermittelt die konkurrierenden Zieleinstellungen an das neuronale Netzwerk, die künstliche Intelligenz oder das maschinelle Lernsystem zur Auswahl. In einigen Fällen kann der Einstellungsresolver auf einer vorhergesagten oder historischen Qualitätsmetrik, auf Schwellenwertregeln oder auf logischen Komponenten basieren. In einem dieser letztgenannten Beispiele führt die Zonensteuerung 247 den Einstellungsresolver aus, um eine aufgelöste Zieleinstellung auf Grundlage der vorhergesagten oder historischen Qualitätsmetrik, auf Grundlage der Schwellenwertregeln oder mithilfe der logischen Komponenten zu erhalten.At block 640, the zone controller 247 accesses the adjustment resolver for the selected regimen zone and controls the adjustment resolver to resolve competing target adjustments into a resolved target adjustment. As discussed above, in some cases, the setting resolver may be a human resolver, with zone controller 247 controlling operator interface mechanisms 218 to present the competing target settings to operator 260 or another user for resolution. In some cases, the attitude resolver may be a neural network or other artificial intelligence or machine learning system, and the zone controller 247 communicates the competing target attitudes to the neural network, artificial intelligence or machine learning system for selection. In some cases, the attitude resolver may be based on a predicted or historical quality metric, threshold rules, or logical components. In one of these latter examples, the zone controller 247 executes the adjustment resolver to obtain a resolved target adjustment based on the predicted or historical quality metric, based on the threshold rules, or using the logical components.

Bei Block 642, stellt die Zonensteuerung 247, wenn die Zonensteuerung 247 die aufgelöste Zieleinstellung identifiziert hat, die aufgelöste Zieleinstellung anderen Steuerungen im Steuersystem 214 bereit, die Steuersignale auf Grundlage der aufgelösten Zieleinstellung erzeugen und auf das ausgewählte WMA oder den ausgewählten Satz von WMAs anwenden. Wenn das ausgewählte WMA zum Beispiel ein Maschinen- oder Erntevorsatzstellglied 248 ist, stellt die Zonensteuerung 247 die aufgelöste Zieleinstellung der Einstellungssteuerung 232 oder der Erntevorsatz-/Haspelsteuerung 238 oder von beiden bereit, um Steuersignale auf Grundlage der aufgelösten Zieleinstellung zu erzeugen, und diese erzeugten Steuersignale werden an die Maschinen- oder Erntevorsatzstellglieder 248 angelegt. Wenn bei Block 644 zusätzliche WMAs oder zusätzliche Sätze von WMAs an der aktuellen geografischen Position der landwirtschaftlichen Erntemaschine 100 gesteuert werden sollen (wie bei Block 612 erkannt), kehrt die Verarbeitung zu Block 626 zurück, wo das nächste WMA oder Satz von WMAs ausgewählt wird. Die durch die Blöcke 626 bis 644 dargestellten Prozesse werden fortgesetzt, bis alle WMAs oder Sätze von WMAs, die an der aktuellen geografischen Position der landwirtschaftlichen Erntemaschine 100 gesteuert werden sollen, angesprochen wurden. Wenn keine zusätzlichen WMAs oder Sätze von WMAs an der aktuellen geografischen Position der landwirtschaftlichen Erntemaschine 100 zu steuern sind, geht die Verarbeitung zu Block 646 über, wo die Zonensteuerung 247 bestimmt, ob zusätzliche zu berücksichtigende Steuerzonen in der ausgewählten Regimezone vorhanden sind. Wenn zusätzliche zu berücksichtigende Steuerzonen vorhanden sind, kehrt die Verarbeitung zurück zu Block 624, wo eine nächste Steuerzone ausgewählt wird. Wenn keine zusätzlichen Steuerzonen mehr zu berücksichtigen sind, geht die Verarbeitung zu Block 648 über, in dem festgestellt wird, ob zusätzliche Regimezonen noch zu berücksichtigen sind. Die Zonensteuerung 247 bestimmt, ob weitere Regimezonen in Betracht gezogen werden sollen. Wenn weitere Regimezonen zu berücksichtigen sind, kehrt die Verarbeitung zu Block 622 zurück, wo eine nächste Regimezone ausgewählt wird.At block 642, if the zone controller 247 has identified the resolved target setting, the zone controller 247 provides the resolved target setting to other controllers in the control system 214, which generate and apply control signals based on the resolved target setting to the selected WMA or set of WMAs. For example, if the selected WMA is a machine or header actuator 248, the zone controller 247 provides the resolved target setting to the adjustment controller 232 or the header/reel controller 238 or both to generate control signals based on the resolved target setting, and these generate control signals are applied to the machine or header actuators 248. If at block 644 additional WMAs or additional sets of WMAs are to be controlled at the current geographic position of agricultural harvester 100 (as detected at block 612), processing returns to block 626 where the next WMA or set of WMAs is selected. The processes represented by blocks 626 through 644 continue until all WMAs or sets of WMAs that are to be controlled at the current geographic position of agricultural harvesting machine 100 have been addressed. If there are no additional WMAs or sets of WMAs to control at the current geographic position of agricultural harvester 100, processing proceeds to block 646 where zone controller 247 determines whether additional control zones to be accounted for exist in the selected regime zone are available. If there are additional tax zones to consider, processing returns to block 624 where a next tax zone is selected. If there are no more additional control zones to consider, processing transfers to block 648 which determines whether there are any additional regime zones to consider. The zone controller 247 determines whether additional regimen zones are to be considered. If there are more regimen zones to consider, processing returns to block 622 where a next regimen zone is selected.

Bei Block 650 bestimmt die Zonensteuerung 247, ob der Vorgang, den die landwirtschaftliche Erntemaschine 100 durchführt, abgeschlossen ist. Wenn nicht, bestimmt die Zonensteuerung 247, ob ein Steuerzonenkriterium erfüllt wurde, um die Verarbeitung fortzusetzen, wie durch Block 652 angezeigt. Wie oben erwähnt, können die Steuerzonendefinitionskriterien zum Beispiel Kriterien beinhalten, die definieren, wann eine Steuerzonengrenze von der landwirtschaftlichen Erntemaschine 100 überschritten werden kann. Zum Beispiel kann durch einen ausgewählten Zeitraum definiert sein, ob eine Steuerzonengrenze von der landwirtschaftlichen Erntemaschine 100 überschritten werden kann, was bedeutet, dass die landwirtschaftliche Erntemaschine 100 daran gehindert wird, eine Zonengrenze zu überschreiten, bis eine ausgewählte Zeitspanne abgelaufen ist. In diesem Fall bestimmt die Zonensteuerung 247 bei Block 652, ob der ausgewählte Zeitraum abgelaufen ist. Zusätzlich kann die Zonensteuerung 247 die Verarbeitung kontinuierlich durchführen. Somit wartet die Zonensteuerung 247 nicht auf einen bestimmten Zeitraum, bevor sie fortfährt, zu bestimmen, ob ein Betrieb der landwirtschaftlichen Erntemaschine 100 abgeschlossen ist. Bei Block 652 bestimmt die Zonensteuerung 247, dass es an der Zeit ist, die Verarbeitung fortzusetzen, und setzt dann die Verarbeitung bei Block 612 fort, wo die Zonensteuerung 247 erneut eine Eingabe von dem geografischen Positionssensor 204 empfängt. Es ist ebenfalls zu beachten, dass die Zonensteuerung 247 die WMAs und Sätze von WMAs gleichzeitig mithilfe einer Steuerung mit mehreren Eingaben und mehreren Ausgaben steuern kann, anstatt die WMAs und Sätze von WMAs sequentiell zu steuern.At block 650, zone controller 247 determines whether the operation that agricultural harvester 100 is performing is complete. If not, as indicated by block 652, the zone controller 247 determines whether a control zone criteria has been met to continue processing. For example, as noted above, the control zone definition criteria may include criteria that define when a control zone boundary may be crossed by agricultural harvesting machine 100 . For example, a selected period of time may define whether a control zone boundary may be crossed by agricultural harvester 100, meaning that agricultural harvester 100 is prevented from crossing a zone boundary until a selected period of time has elapsed. In this case, at block 652, the zone controller 247 determines whether the selected time period has expired. In addition, the zone controller 247 can perform the processing continuously. Thus, the zone controller 247 does not wait a certain period of time before proceeding to determine whether operation of the agricultural harvesting machine 100 is complete. At block 652, zone controller 247 determines that it is time to continue processing and then continues processing at block 612 where zone controller 247 receives input from geographic position sensor 204 again. It should also be noted that the zone controller 247 may control the WMAs and sets of WMAs simultaneously using a multiple-input, multiple-output controller, rather than sequentially controlling the WMAs and sets of WMAs.

11 ist ein Blockdiagramm, das ein Beispiel für eine Bedienerschnittstellensteuerung 231 zeigt. In einem veranschaulichten Beispiel beinhaltet die Bedienerschnittstellensteuerung 231 ein Bedienereingabebefehlsverarbeitungssystem 654, ein anderes Steuerungsinteraktionssystem 656, ein Sprachverarbeitungssystem 658 und einen Aktionssignalgenerator 660. Das Bedienereingabebefehlsverarbeitungssystem 654 beinhaltet das Sprachverarbeitungssystem 662, das Berührungsgestenhandhabungssystem 664 und andere Elemente 666. Das andere Steuerungsinteraktionssystem 656 beinhaltet das Steuerungseingabeverarbeitungssystem 668 und den Steuerungsausgabegenerator 670. Das Sprachverarbeitungssystem 658 beinhaltet den Auslösedetektor 672, die Erkennungskomponente 674, die Synthesekomponente 676, das System zum Verstehen der natürlichen Sprache 678, das Dialogmanagementsystem 680 und andere Elemente 682. Der Aktionssignalgenerator 660 umfasst den visuellen Steuersignalgenerator 684, den Audio-Steuersignalgenerator 686, den haptischen Steuersignalgenerator 688 und andere Elemente 690. Bevor der Betrieb der in 11 gezeigten beispielhaften Bedienerschnittstellensteuerung 231 bei der Handhabung verschiedener Bedienerschnittstellenaktionen beschrieben wird, wird zuerst eine kurze Beschreibung einiger der Elemente der Bedienerschnittstellensteuerung 231 und der damit verbundene Betrieb bereitgestellt. 11 FIG. 14 is a block diagram showing an example of an operator interface controller 231. FIG. In an illustrated example, the operator interface control 231 includes an operator input command processing system 654, another control interaction system 656, a voice processing system 658, and an action signal generator 660. The operator input command processing system 654 includes the voice processing system 662, the touch gesture manipulation system 664, and other elements 666. The other control interaction system 656 includes the control input processing system 668 and the control output generator 670. The speech processing system 658 includes the trigger detector 672, the recognition component 674, the synthesis component 676, the natural language understanding system 678, the dialogue management system 680 and other elements 682. The action signal generator 660 includes the visual control signal generator 684, the audio control signal generator 686, the haptic control signal generator 688 and other elements 690. Before operation de r in 11 While the example operator interface control 231 shown in the illustration will describe how to handle various operator interface actions, a brief description of some of the elements of the operator interface control 231 and the operation associated therewith will first be provided.

Das Bedienereingabebefehlsverarbeitungssystem 654 erkennt Bedienereingaben an den Bedienerschnittstellenmechanismen 218 und verarbeitet diese Eingaben für Befehle. Das Sprachverarbeitungssystem 662 erkennt Spracheingaben und verarbeitet die Interaktionen mit dem Sprachverarbeitungssystem 658, um die Spracheingaben für Befehle zu verarbeiten. Das Berührungsgestenhandhabungssystem 664 erkennt Berührungsgesten an berührungsempfindlichen Elementen in den Bedienerschnittstellenmechanismen 218 und verarbeitet diese Eingaben für Befehle.Operator input command processing system 654 recognizes operator inputs at operator interface mechanisms 218 and processes those inputs for commands. Speech processing system 662 recognizes speech input and processes the interactions with speech processing system 658 to process the speech input for commands. Touch gesture handler system 664 recognizes touch gestures on touch-sensitive elements in operator interface mechanisms 218 and processes those inputs for commands.

Das andere Steuerungsinteraktionssystem 656 behandelt Interaktionen mit anderen Steuerungen des Steuersystems 214. Das Steuerungseingabeverarbeitungssystem 668 erkennt und verarbeitet Eingaben von anderen Steuerungen im Steuersystem 214, und der Steuerungsausgabegenerator 670 erzeugt Ausgaben und stellt diese Ausgaben anderen Steuerungen im Steuersystem 214 bereit. Das Sprachverarbeitungssystem 658 erkennt Spracheingaben, bestimmt die Bedeutung dieser Eingaben und stellt eine Ausgabe bereit, die die Bedeutung der gesprochenen Eingaben angibt. Zum Beispiel kann das Sprachverarbeitungssystem 658 eine Spracheingabe von dem Bediener 260 als einen Einstellungsänderungsbefehl erkennen, in dem der Bediener 260 dem Steuersystem 214 befiehlt, eine Einstellung für ein steuerbares Teilsystem 216 zu ändern. In einem solchen Beispiel erkennt das Sprachverarbeitungssystem 658 den Inhalt des gesprochenen Befehls, identifiziert die Bedeutung dieses Befehls als einen Einstellungsänderungsbefehl und liefert die Bedeutung dieser Eingabe zurück an das Sprachverarbeitungssystem 662. Das Sprachverarbeitungssystem 662 wiederum interagiert mit dem Steuerungsausgabegenerator 670, um die befohlene Ausgabe an die entsprechende Steuerung im Steuersystem 214 bereitzustellen, um den gesprochenen Einstellungsänderungsbefehl zu erfüllen.The other controller interaction system 656 handles interactions with other controllers of the control system 214. The controller input processing system 668 recognizes and processes inputs from other controllers in the control system 214, and the controller output generator 670 generates outputs and provides those outputs to other controllers in the control system 214. Speech processing system 658 recognizes speech inputs, determines the meaning of those inputs, and provides an output that indicates the meaning of the spoken inputs. For example, voice processing system 658 may recognize voice input from operator 260 as a setting change command, in which operator 260 commands control system 214 to change a setting for controllable subsystem 216 . In such an example, voice processing system 658 recognizes the content of the spoken command, identifies the meaning of that command as a setting change command, and provides the meaning of that input back to voice processing system 662. Voice processing system 662, in turn, interacts with control output generator 670 to provide the commanded output to the appropriate provide control in control system 214 to comply with the spoken setting change command.

Das Sprachverarbeitungssystem 658 kann auf verschiedene Weise aufgerufen werden. Beispielsweise stellt das Sprachverarbeitungssystem 662 in einem Beispiel kontinuierlich eine Eingabe von einem Mikrofon (das einer der Bedienerschnittstellenmechanismen 218 ist) an das Sprachverarbeitungssystem 658 bereit. Das Mikrofon erkennt Sprache von dem Bediener 260, und das Sprachverarbeitungssystem 662 stellt dem Sprachverarbeitungssystem 658 die erkannte Sprache bereit. Der Auslösedetektor 672 erkennt einen Auslöser, der angibt, dass das Sprachverarbeitungssystem 658 aufgerufen wird. In einigen Fällen, wenn das Sprachverarbeitungssystem 658 kontinuierliche Spracheingaben von dem Sprachverarbeitungssystem 662 empfängt, führt die Spracherkennungskomponente 674 eine kontinuierliche Spracherkennung an der gesamten vom Bediener 260 gesprochenen Sprache durch. In einigen Fällen ist das Sprachverarbeitungssystem 658 zum Aufruf mithilfe eines Aufweckworts konfiguriert. Das heißt, in einigen Fällen kann der Betrieb des Sprachverarbeitungssystems 658 auf Grundlage der Erkennung eines ausgewählten gesprochenen Wortes, das als Aufweckwort bezeichnet wird, eingeleitet werden. In einem solchen Beispiel, in dem die Erkennungskomponente 674 das Aufweckwort erkennt, liefert die Erkennungskomponente 674 einen Hinweis darauf, dass das Aufweckwort erkannt wurde, um den Detektor 672 auszulösen. Der Auslösedetektor 672 erkennt, dass das Sprachverarbeitungssystem 658 durch das Aufweckwort aufgerufen oder ausgelöst wurde. In einem anderen Beispiel kann das Sprachverarbeitungssystem 658 durch einen Bediener 260 aufgerufen werden, der ein Stellglied an einem Benutzerschnittstellenmechanismus betätigt, wie etwa durch Berühren eines Stellglieds auf einem berührungsempfindlichen Anzeigebildschirm, durch Drücken einer Taste oder durch Bereitstellen einer anderen Auslöseeingabe. In einem solchen Beispiel kann der Auslösedetektor 672 erkennen, dass das Sprachverarbeitungssystem 658 aufgerufen wurde, wenn eine Auslöseeingabe über einen Benutzerschnittstellenmechanismus erkannt wird. Der Auslösedetektor 672 kann auch auf andere Weise erkennen, dass das Sprachverarbeitungssystem 658 aufgerufen wurde.The language processing system 658 can be invoked in a number of ways. For example, voice processing system 662 continuously provides input from a microphone (which is one of operator interface mechanisms 218) to voice processing system 658 in one example. The microphone detects speech from the operator 260 and the speech processing system 662 provides the speech processing system 658 with the recognized speech. Trigger detector 672 detects a trigger indicating that language processing system 658 is invoked. In some cases, when speech processing system 658 receives continuous speech input from speech processing system 662, speech recognition component 674 performs continuous speech recognition on all speech spoken by operator 260. In some cases, the language processing system 658 is configured to be invoked using a wake-up word. That is, in some cases, operation of the speech processing system 658 may be initiated based on recognition of a selected spoken word, referred to as a wake-up word. In such an example, where the detection component 674 detects the wakeup word, the detection component 674 provides an indication that the wakeup word was detected to trigger the detector 672 . The trigger detector 672 detects that the voice processing system 658 has been invoked or triggered by the wake-up word. In another example, language processing system 658 may be invoked by an operator 260 operating an actuator on a user interface mechanism, such as by touching an actuator on a touch-sensitive display screen, pressing a button, or providing another trigger input. In such an example, trigger detector 672 may detect that language processing system 658 has been invoked when a trigger input is detected via a user interface mechanism. Trigger detector 672 may also detect that speech processing system 658 has been invoked in other ways.

Sobald das Sprachverarbeitungssystem 658 aufgerufen wird, wird die Spracheingabe vom Bediener 260 der Spracherkennungskomponente 674 bereitgestellt. Die Spracherkennungskomponente 674 erkennt linguistische Elemente in der Spracheingabe, wie etwa Wörter, Phrasen oder andere linguistische Einheiten. Das System zum Verstehen der natürlichen Sprache 678 identifiziert eine Bedeutung der erkannten Sprache. Die Bedeutung kann eine Ausgabe in natürlicher Sprache, eine Befehlsausgabe, die einen in der erkannten Sprache reflektierten Befehl identifiziert, eine Werteausgabe, die einen Wert in der erkannten Sprache identifiziert, oder eine Vielzahl anderer Ausgaben sein, die das Verständnis der erkannten Sprache widerspiegeln. Beispielsweise können das System zum Verstehen der natürlichen Sprache 678 und das Sprachverarbeitungssystem 568 allgemeiner die Bedeutung der erkannten Sprache im Kontext der landwirtschaftlichen Erntemaschine 100 verstehen.Once the speech processing system 658 is invoked, the speech input from the operator 260 is provided to the speech recognition component 674 . Speech recognition component 674 recognizes linguistic elements in speech input, such as words, phrases, or other linguistic units. The natural language understanding system 678 identifies a meaning of the recognized language. The meaning can be a natural language output, a command output identifying a command reflected in the recognized language, a value output identifying a value in the recognized language, or a variety of other outputs reflecting understanding of the recognized language. For example, the natural language understanding system 678 and the language processing system 568 can more generally understand the meaning of the recognized language in the context of the agricultural harvesting machine 100 .

In einigen Beispielen kann das Sprachverarbeitungssystem 658 auch Ausgaben erzeugen, die den Bediener 260 auf Grundlage der Spracheingabe durch eine Benutzererfahrung navigieren. Beispielsweise kann das Dialogmanagementsystem 680 einen Dialog mit dem Benutzer erzeugen und verwalten, um zu identifizieren, was der Benutzer tun möchte. Der Dialog kann den Befehl eines Benutzers unmissverständlich machen; einen oder mehrere spezifische Werte identifizieren, die erforderlich sind, um den Befehl des Benutzers auszuführen; oder andere Informationen vom Benutzer erhalten oder dem Benutzer oder beiden andere Informationen bereitstellen. Die Synthesekomponente 676 kann eine Sprachsynthese erzeugen, die dem Benutzer durch einen Audiobedienerschnittstellenmechanismus, wie etwa einen Lautsprecher, präsentiert werden kann. Somit kann der Dialog, der vom Dialogmanagementsystem 680 verwaltet wird, ausschließlich ein gesprochener Dialog oder eine Kombination aus sowohl einem visuellen Dialog als auch einem gesprochenen Dialog sein.In some examples, voice processing system 658 may also generate outputs that navigate operator 260 through a user experience based on voice input. For example, the dialog management system 680 can create and manage a dialog with the user to identify what the user wants to do. Dialogue can make a user's command unmistakable; identify one or more specific values required to execute the user's command; or receive other information from the user or provide other information to the user or both. Synthesis component 676 may generate speech synthesis that may be presented to the user through an audio operator interface mechanism, such as a speaker. Thus, the dialogue managed by dialogue management system 680 may be spoken dialogue only or a combination of both visual dialogue and spoken dialogue.

Der Aktionssignalgenerator 660 erzeugt Aktionssignale, um Bedienerschnittstellenmechanismen 218 auf Grundlage von Ausgaben von einem oder mehreren von dem Bedienereingabebefehlsverarbeitungssystem 654, dem anderen Steuerungsinteraktionssystem 656 und dem Sprachverarbeitungssystem 658 zu steuern. Der visuelle Steuersignalgenerator 684 erzeugt Steuersignale, um visuelle Elemente in den Bedienerschnittstellenmechanismen 218 zu steuern. Bei den visuellen Elementen kann es sich um Lichter, einen Anzeigebildschirm, Warnindikatoren oder andere visuelle Elemente handeln. Der Audiosteuersignalgenerator 686 erzeugt Ausgaben, die Audioelemente der Bedienerschnittstellenmechanismen 218 steuern. Die Audioelemente umfassen einen Lautsprecher, akustische Alarmmechanismen, Hörner oder andere akustische Elemente. Der haptische Steuersignalgenerator 688 erzeugt Steuersignale, die ausgegeben werden, um haptische Elemente der Bedienerschnittstellenmechanismen 218 zu steuern. Die haptischen Elemente beinhalten Vibrationselemente, die verwendet werden können, um beispielsweise den Sitz des Bedieners, das Lenkrad, Pedale oder Joysticks, die vom Bediener verwendet werden, vibrieren zu lassen. Die haptischen Elemente können eine taktile Rückkopplungs- oder Kraftrückkopplungselemente beinhalten, die dem Bediener über Bedienerschnittstellenmechanismen ein taktiles Rückkopplungs- oder Kraftrückkopplungssignal bereitstellen. Die haptischen Elemente können auch eine Vielzahl anderer haptischer Elemente beinhalten.Action signal generator 660 generates action signals to control operator interface mechanisms 218 based on outputs from one or more of operator input command processing system 654, other control interaction system 656, and language processing system 658. Visual control signal generator 684 generates control signals to control visual elements in operator interface mechanisms 218 . The visual elements can be lights, a display screen, warning indicators, or other visual elements. Audio control signal generator 686 generates outputs that control audio elements of operator interface mechanisms 218 . The audio elements include a speaker, audible alarm mechanisms, horns, or other audible elements. The haptic control signal generator 688 generates control signals that are output to control haptic elements of the operator interface mechanisms 218 . The haptic elements include vibration elements that can be used to vibrate, for example, the operator's seat, steering wheel, pedals or joysticks used by the operator. The haptics may include tactile feedback or force feedback elements that provide a tactile feedback or force feedback signal to the operator via operator interface mechanisms. The haptics may also include a variety of other haptics.

12 ist ein Flussdiagramm, das ein Beispiel für den Betrieb der Bedienerschnittstellensteuerung 231 bei der Erzeugung einer Bedienerschnittstellenanzeige auf einem Bedienerschnittstellenmechanismus 218 veranschaulicht, der einen berührungsempfindlichen Anzeigebildschirm beinhalten kann. 12 veranschaulicht außerdem ein Beispiel dafür, wie die Bedienerschnittstellensteuerung 231 Bedienerinteraktionen mit dem berührungsempfindlichen Anzeigebildschirm erkennen und verarbeiten kann. 12 12 is a flow chart illustrating an example of the operation of operator interface controller 231 in generating an operator interface display on operator interface mechanism 218, which may include a touch-sensitive display screen. 12 also illustrates an example of how operator interface controller 231 may recognize and process operator interactions with the touch-sensitive display screen.

Bei Block 692 empfängt die Bedienerschnittstellensteuerung 231 eine Karte. Block 694 gibt ein Beispiel an, in dem die Karte eine funktionelle prädiktive Karte ist, und Block 696 gibt ein Beispiel an, in dem die Karte ein anderer Kartentyp ist. Bei Block 698 empfängt die Bedienerschnittstellensteuerung 231 eine Eingabe von dem geografischen Positionssensor 204, der die geografische Position der landwirtschaftlichen Erntemaschine 100 identifiziert. Wie in Block 700 angegeben, kann die Eingabe von dem geografischen Positionssensor 204 den Kurs zusammen mit der Position der landwirtschaftlichen Erntemaschine 100 beinhalten. Block 702 gibt ein Beispiel an, in dem die Eingabe von dem geografischen Positionssensor 204 die Geschwindigkeit der landwirtschaftlichen Erntemaschine 100 beinhaltet, und Block 704 gibt ein Beispiel an, in dem die Eingabe von dem geografischen Positionssensor 204 andere Elemente beinhaltet.At block 692, operator interface controller 231 receives a card. Block 694 gives an example where the map is a functional predictive map and block 696 gives an example where the map is another map type. At block 698 , operator interface controller 231 receives input from geographic position sensor 204 identifying the geographic position of agricultural harvester 100 . As indicated in block 700 , the input from geographic position sensor 204 may include heading along with the position of agricultural harvester 100 . Block 702 provides an example where the input from geographic location sensor 204 includes the speed of agricultural harvester 100, and block 704 provides an example where the input from geographic location sensor 204 includes other items.

Bei Block 706 steuert der visuelle Steuersignalgenerator 684 in der Bedienerschnittstellensteuerung 231 den berührungsempfindlichen Anzeigebildschirm in den Bedienerschnittstellenmechanismen 218, um eine Anzeige zu erzeugen, die das gesamte oder einen Teil eines durch die empfangene Karte dargestellten Feldes zeigt. Block 708 gibt an, dass das angezeigte Feld eine aktuelle Positionsmarkierung beinhalten kann, die eine aktuelle Position der landwirtschaftlichen Erntemaschine 100 relativ zum Feld zeigt. Block 710 gibt ein Beispiel an, in dem das angezeigte Feld eine nächste Arbeitseinheitsmarkierung beinhaltet, die eine nächste Arbeitseinheit (oder einen Bereich auf dem Feld) identifiziert, in dem die landwirtschaftliche Erntemaschine 100 betrieben wird. Block 712 gibt ein Beispiel an, in dem das angezeigte Feld einen bevorstehenden Bereichsanzeigeabschnitt beinhaltet, der Bereiche anzeigt, die noch von der landwirtschaftlichen Erntemaschine 100 verarbeitet werden sollen, und Block 714 gibt ein Beispiel an, in dem das angezeigte Feld zuvor besuchte Anzeigeabschnitte beinhaltet, die Bereiche des Feldes darstellen, die die landwirtschaftliche Erntemaschine 100 bereits bearbeitet hat. Block 716 gibt ein Beispiel an, in dem das angezeigte Feld verschiedene Merkmale des Feldes mit georeferenzierten Positionen auf der Karte anzeigt. Handelt es sich beispielsweise bei der empfangenen Karte um eine Erntegutbestandteilkarte, wie etwa die funktionelle prädiktive Erntegutbestandteilkarte 360, kann das angezeigte Feld die verschiedenen Erntegutbestandteilwerte zeigen, die in dem Feld vorhanden sind, auf die innerhalb des angezeigten Feldes georeferenziert wird. Die abgebildeten Merkmale können in den zuvor besuchten Bereichen (wie in Block 714 gezeigt), in den bevorstehenden Bereichen (wie in Block 712 gezeigt) und in der nächsten Arbeitseinheit (wie in Block 710 gezeigt) gezeigt werden. Block 718 gibt ein Beispiel an, in dem das angezeigte Feld auch andere Elemente beinhaltet.At block 706, visual control signal generator 684 in operator interface controller 231 controls the touch-sensitive display screen in operator interface mechanisms 218 to generate a display showing all or part of a field represented by the received card. Block 708 indicates that the displayed field may include a current position marker showing a current position of agricultural harvesting machine 100 relative to the field. Block 710 provides an example where the displayed field includes a next unit of work marker that identifies a next unit of work (or area in the field) in which agricultural harvesting machine 100 is operating. Block 712 provides an example in which the displayed field includes an upcoming area display section indicating areas that are yet to be processed by the agricultural harvesting machine 100, and Block 714 provides an example in which the displayed field includes previously visited display sections. represent the areas of the field that the agricultural harvesting machine 100 has already worked. Block 716 provides an example in which the displayed panel displays various features of the georeferenced location panel on the map. For example, if the received map is a crop ingredient map, such as functional predictive crop ingredient map 360, the displayed field may show the various crop ingredient values present in the field that are georeferenced within the displayed field. The mapped features may be shown in the previously visited areas (as shown in block 714), in the upcoming areas (as shown in block 712), and in the next work unit (as shown in block 710). Block 718 provides an example where the displayed field also includes other items.

13 ist eine bildliche Darstellung, die ein Beispiel für eine Benutzerschnittstellenanzeige 720 zeigt, die auf einem berührungsempfindlichen Anzeigebildschirm erzeugt werden kann. In anderen Implementierungen kann die Benutzerschnittstellenanzeige 720 auf anderen Arten von Anzeigen erzeugt werden. Der berührungsempfindliche Bildschirm kann in der Fahrerkabine der landwirtschaftlichen Erntemaschine 100 oder auf der mobilen Vorrichtung oder anderswo montiert werden. Die Benutzerschnittstellenanzeige 720 wird beschrieben, bevor mit der Beschreibung des in 12 gezeigten Flussdiagramms fortgefahren wird. 13 FIG. 7 is a pictorial representation showing an example of a user interface display 720 that may be generated on a touch-sensitive display screen. In other implementations, user interface display 720 may be generated on other types of displays. The touch-sensitive screen can be mounted in the cab of the agricultural harvesting machine 100 or on the mobile device or elsewhere. The user interface display 720 will be described prior to the description of the in 12 shown flowchart is continued.

In dem in 13 gezeigten Beispiel veranschaulicht die Benutzerschnittstellenanzeige 720, dass der berührungsempfindliche Anzeigebildschirm ein Anzeigemerkmal zum Bedienen eines Mikrofons 722 und eines Lautsprechers 724 beinhaltet. Somit kann die berührungsempfindliche Anzeige kommunizierbar mit dem Mikrofon 722 und dem Lautsprecher 724 gekoppelt werden. Block 726 zeigt an, dass der berührungsempfindliche Anzeigebildschirm eine Vielzahl von Bedienerschnittstellensteuerstellgliedern beinhalten kann, wie etwa Tasten, Tastaturen, Softtastaturen, Links, Symbole, Schalter usw. Der Bediener 260 kann die Bedienerschnittstellensteuerstellglieder betätigen, um verschiedene Funktionen auszuführen.in the in 13 In the example shown, the user interface display 720 illustrates that the touch-sensitive display screen includes a display feature for operating a microphone 722 and a speaker 724 . Thus, the touch-sensitive display may be communicably coupled to microphone 722 and speaker 724 . Block 726 indicates that the touch-sensitive display screen may include a variety of operator interface control actuators, such as buttons, keyboards, soft keyboards, links, icons, switches, etc. The operator 260 may manipulate the operator interface control actuators to perform various functions.

In dem in 13 gezeigten Beispiel beinhaltet die Benutzerschnittstellenanzeige 720 einen Feldanzeigeabschnitt 728, der mindestens einen Abschnitt des Feldes anzeigt, in dem die landwirtschaftliche Erntemaschine 100 betrieben wird. Der Feldanzeigeabschnitt 728 ist mit einer aktuellen Positionsmarkierung 708 gezeigt, die einer aktuellen Position der landwirtschaftlichen Erntemaschine 100 in dem Abschnitt des Feldes entspricht, der in dem Feldanzeigeabschnitt 728 gezeigt ist. In einem Beispiel kann der Bediener die berührungsempfindliche Anzeige steuern, um in Teile des Feldanzeigeabschnitts 728 zu zoomen oder den Feldanzeigeabschnitt 728 zu schwenken oder zu scrollen, um verschiedene Abschnitte des Feldes anzuzeigen. Eine nächste Arbeitseinheit 730 ist als Bereich des Feldes direkt vor der aktuellen Positionsmarkierung 708 der landwirtschaftlichen Erntemaschine 100 gezeigt. Die aktuelle Positionsmarkierung 708 kann auch konfiguriert sein, um die Fahrtrichtung der landwirtschaftlichen Erntemaschine 100, eine Fahrgeschwindigkeit der landwirtschaftlichen Erntemaschine 100 oder beides zu identifizieren. In 13 stellt die Form der aktuellen Positionsmarkierung 708 eine Angabe zur Ausrichtung der landwirtschaftlichen Erntemaschine 100 innerhalb des Feldes bereit, die als eine Angabe einer Fahrtrichtung der landwirtschaftlichen Erntemaschine 100 verwendet werden kann.in the in 13 In the example shown, user interface display 720 includes a field display portion 728 that displays at least a portion of the field in which agricultural harvesting machine 100 is operating. The field display portion 728 is shown with a current position marker 708 that corresponds to a current position of the agricultural harvesting machine 100 in the portion of the field that is in the Field display section 728 is shown. In one example, the operator can control the touch-sensitive display to zoom into portions of panel display portion 728 or to pan or scroll panel display portion 728 to view different portions of the panel. A next unit of work 730 is shown as the area of the field just ahead of the current position marker 708 of the agricultural harvester 100 . The current position marker 708 may also be configured to identify the direction of travel of the agricultural harvesting machine 100, a travel speed of the agricultural harvesting machine 100, or both. In 13 the shape of the current position marker 708 provides an indication of the orientation of the agricultural harvester 100 within the field, which can be used as an indication of a direction of travel of the agricultural harvester 100 .

Die Größe der nächsten Arbeitseinheit 730, die auf dem Feldanzeigeabschnitt 728 markiert ist, kann auf Grundlage einer Vielzahl verschiedener Kriterien variieren. Zum Beispiel kann die Größe der nächsten Arbeitseinheit 730 in Abhängigkeit von der Fahrgeschwindigkeit der landwirtschaftlichen Erntemaschine 100 variieren. Wenn sich die landwirtschaftliche Erntemaschine 100 somit schneller bewegt, kann der Bereich der nächsten Arbeitseinheit 730 größer sein als der Bereich der nächsten Arbeitseinheit 730, wenn sich die landwirtschaftliche Erntemaschine 100 langsamer bewegt. In einem anderen Beispiel kann die Größe der nächsten Arbeitseinheit 730 in Abhängigkeit von den Abmessungen der landwirtschaftlichen Erntemaschine 100 variieren, einschließlich Ausrüstung an der landwirtschaftlichen Erntemaschine 100 (wie etwa dem Erntevorsatz 102). Zum Beispiel kann die Breite der nächsten Arbeitseinheit 730 in Abhängigkeit von einer Breite des Erntevorsatzes 102 variieren. Der Feldanzeigeabschnitt 728 ist auch so gezeigt, dass er den zuvor besuchten Bereich 714 und bevorstehende Bereiche 712 anzeigt. Die zuvor besuchten Bereiche 714 stellen Bereiche dar, die bereits geerntet wurden, während die bevorstehenden Bereiche 712 Bereiche darstellen, die noch geerntet werden müssen. Der Feldanzeigeabschnitt 728 ist auch so gezeigt, der verschiedene Merkmale des Feldes anzeigt. In dem in 13 dargestellten Beispiel ist die angezeigte Karte eine prädiktive Erntegutbestandteilkarte, wie etwa eine funktionelle prädiktive Erntegutbestandteilkarte 360. Daher werden eine Vielzahl von Erntegutbestandteilmarkierungen auf dem Feldanzeigeabschnitt 728 angezeigt. Es gibt einen Satz von Erntegutbestandteilanzeigemarkierungen 732, die in den bereits besuchten Bereichen 714 angezeigt werden. Es gibt auch einen Satz von Erntegutbestandteilanzeigemarkierungen 732, die in den bevorstehenden Bereichen 712 gezeigt sind, und es gibt einen Satz von Erntegutbestandteilanzeigemarkierungen 732, die in der nächsten Arbeitseinheit 730 gezeigt sind. 14 zeigt, dass die Erntegutbestandteilanzeigemarkierungen 732 aus verschiedenen Symbolen bestehen, die einen Bereich mit ähnlichen Erntegutbestandteilwerten anzeigen. In dem in 14 gezeigten Beispiel stellt das !-Symbol Bereiche mit hohem Erntegutprotein dar; das *-Symbol stellt Bereiche mit mittlerem Erntegutprotein dar; und das #-Symbol stellt einen Bereich mit niedrigem Erntegutprotein dar. Somit zeigt der Feldanzeigeabschnitt 728 verschiedene gemessene oder vorhergesagte Werte (oder Merkmale, die durch die Werte angezeigt werden) an, die sich an verschiedenen Bereichen innerhalb des Feldes befinden, und stellt diese gemessenen oder vorhergesagten Werte (oder Merkmale, die durch die Werte angezeigt werden oder von diesen abgeleitet werden) mit einer Vielzahl von Anzeigemarkierungen 732 dar. Wie gezeigt, beinhaltet der Feldanzeigeabschnitt 728 Anzeigemarkierungen, insbesondere Erntegutbestandteilanzeigemarkierungen 732 in dem veranschaulichten Beispiel von 13 an bestimmten Positionen, die bestimmten Positionen auf dem angezeigten Feld zugeordnet sind. In einigen Fällen kann jede Position des Feldes eine damit verbundene Anzeigemarkierung aufweisen. Somit kann in einigen Fällen eine Anzeigemarkierung an jeder Position des Feldanzeigeabschnitts 728 bereitgestellt werden, um die Art des Merkmals zu identifizieren, die für jede bestimmte Position des Feldes abgebildet wird. Folglich umfasst die vorliegende Offenbarung das Bereitstellen einer Anzeigemarkierung, wie etwa der Erntegutbestandteilanzeigemarkierung 732 (wie im Kontext mit dem vorliegenden Beispiel aus 13) an einer oder mehreren Positionen auf dem Feldanzeigeabschnitt 728, um die Art, den Grad usw. des angezeigten Merkmals zu identifizieren, wodurch das Merkmal an der entsprechenden Position in dem angezeigten Feld identifiziert wird. Wie zuvor beschrieben, können die Anzeigemarkierungen 732 aus verschiedenen Symbolen bestehen, und wie nachstehend beschrieben, können die Symbole beliebige Anzeigemerkmale sein, wie etwa verschiedene Farben, Formen, Muster, Intensitäten, Text, Symbole oder andere Anzeigemerkmale. In einigen Fällen kann jede Position des Feldes eine damit verbundene Anzeigemarkierung aufweisen. Somit kann in einigen Fällen eine Anzeigemarkierung an jeder Position des Feldanzeigeabschnitts 728 bereitgestellt werden, um die Art des Merkmals zu identifizieren, die für jede bestimmte Position des Feldes abgebildet wird. Folglich umfasst die vorliegende Offenbarung das Bereitstellen einer Anzeigemarkierung, wie etwa der Verlustpegel-Anzeigemarkierung 732 (wie im Kontext mit dem vorliegenden Beispiel aus 11) an einer oder mehreren Positionen auf dem Feldanzeigeabschnitt 728, um die Art, den Grad usw. des angezeigten Merkmals zu identifizieren, wodurch das Merkmal an der entsprechenden Position in dem angezeigten Feld identifiziert wird.The size of the next work unit 730 highlighted on the panel display portion 728 may vary based on a variety of different criteria. For example, the size of the next work unit 730 may vary depending on the ground speed of the agricultural harvester 100 . Thus, if the agricultural harvester 100 is moving faster, the range of the next working unit 730 may be larger than the range of the next working unit 730 if the agricultural harvester 100 is moving slower. In another example, the size of the next working unit 730 may vary depending on the dimensions of the agricultural harvester 100, including equipment on the agricultural harvester 100 (such as the header 102). For example, the width of the next working unit 730 may vary depending on a width of the header 102 . Panel display portion 728 is also shown displaying previously visited area 714 and upcoming areas 712 . Previously visited areas 714 represent areas that have already been harvested, while upcoming areas 712 represent areas that have yet to be harvested. The panel display portion 728 is also shown, displaying various features of the panel. in the in 13 In the example shown, the displayed map is a predictive crop ingredient map, such as functional predictive crop ingredient map 360 . There is a set of crop ingredient display markers 732 that are displayed in the areas 714 already visited. There is also a set of crop ingredient indicator markers 732 shown in upcoming areas 712 and there is a set of crop ingredient indicator markers 732 shown in next work unit 730 . 14 Figure 12 shows that the crop ingredient indicator markings 732 consist of various symbols indicating a range of similar crop ingredient values. in the in 14 In the example shown, the ! symbol represents areas of high crop protein; the * symbol represents areas of intermediate crop protein; and the # symbol represents an area of low crop protein. Thus, the field display section 728 displays various measured or predicted values (or features indicated by the values) located at various areas within the field and presents these measured or predicted values (or characteristics indicated by or derived from the values) with a plurality of indicia 732. As shown, the field display portion 728 includes indicia, particularly crop ingredient indicia 732 in the illustrated example of FIG 13 at specific positions associated with specific positions on the indicated field. In some cases, each position of the field may have an indicator mark associated with it. Thus, in some cases, an indicator mark may be provided at each location of the tile display portion 728 to identify the type of feature being imaged for any particular location of the tile. Accordingly, the present disclosure contemplates providing an indicator mark, such as crop ingredient indicator mark 732 (as described in the context of the present example of FIG 13 ) at one or more positions on the field display portion 728 to identify the type, degree, etc. of the displayed feature, thereby identifying the feature at the corresponding position in the displayed field. As previously described, the indicator markings 732 may consist of various symbols, and as described below, the symbols may be any display feature, such as different colors, shapes, patterns, intensities, text, symbols, or other display features. In some cases, each position of the field may have an indicator mark associated with it. Thus, in some cases, an indicator mark may be provided at each location of the tile display portion 728 to identify the type of feature being imaged for any particular location of the tile. Accordingly, the present disclosure contemplates providing an indication marker, such as loss level indicator marker 732 (as described in the context of the present example in FIG 11 ) at one or more locations on the panel display portion 728 to identify the type, degree, etc. of the feature being displayed, thereby making the feature is identified in the appropriate position in the displayed field.

In anderen Beispielen kann die angezeigte Karte eine oder mehrere der hierin beschriebenen Karten sein, einschließlich Informationskarten, Vorabinformationskarten, der funktionellen prädiktiven Karten, wie etwa prädiktive Karten oder prädiktive Steuerzonenkarten, anderer prädiktiver Karten oder einer Kombination davon. Somit korrelieren die angezeigten Markierungen und Merkmale mit den Informationen, Daten, Merkmalen und Werten, die von der einen oder den mehreren angezeigten Karten bereitgestellt werden.In other examples, the displayed map may be one or more of the maps described herein, including information maps, advance information maps, the functional predictive maps such as predictive maps or predictive control zone maps, other predictive maps, or a combination thereof. Thus, the displayed markers and features correlate with the information, data, features, and values provided by the one or more displayed cards.

Im Beispiel von 13 weist die Benutzerschnittstellenanzeige 720 auch einen Steueranzeigeabschnitt 738 auf. Der Steueranzeigeabschnitt 738 ermöglicht es dem Bediener, Informationen anzuzeigen und auf verschiedene Weise mit der Anzeige der Benutzerschnittstelle 720 zu interagieren.In the example of 13 the user interface display 720 also has a control display section 738 . Control display portion 738 allows the operator to display information and interact with the display of user interface 720 in various ways.

Die Stellglieder und Anzeigemarkierungen in Abschnitt 738 können beispielsweise als einzelne Elemente, feste Listen, scrollbare Listen, Dropdown-Menüs oder Dropdown-Listen angezeigt werden. In dem in 13 gezeigten Beispiel zeigt der Anzeigeabschnitt 738 Informationen für die drei verschiedenen Stängeldurchmesserkategorien an, die den drei oben genannten Symbolen entsprechen. Der Anzeigeabschnitt 738 beinhaltet auch einen Satz berührungsempfindlicher Stellglieder, mit denen der Bediener 260 durch Berührung interagieren kann. Beispielsweise kann der Bediener 260 die berührungsempfindlichen Stellglieder mit einem Finger berühren, um das jeweilige berührungsempfindliche Stellglied zu aktivieren. Wie gezeigt, beinhaltet der Anzeigeabschnitt 738 auch eine Anzahl von interaktiven Registerkarten, wie etwa die Registerkarte „Protein“ 762, die Registerkarte „Öl“ 764, die Registerkarte „Stärke“ 766, die Registerkarte „Mehrere“ 768 und die Registerkarte „Sonstige“ 770. Durch Aktivieren einer der Registerkarten kann geändert werden, welche Werte in den Abschnitten 728 und 738 angezeigt werden. Zum Beispiel wird, wie gezeigt, die Registerkarte „Protein“ 762 aktiviert und somit entsprechen die Werte, die auf dem Abschnitt 728 abgebildet und in dem Abschnitt 738 gezeigt sind, den Proteingehaltswerten von Erntegut oder Erntegutkomponenten, wie etwa Korn. Wenn der Bediener 260 die Registerkarte 764 berührt, aktualisiert das Berührungsgestenhandhabungssystem 664 die Abschnitte 728 und 738, um Ölgehaltswerte von Erntegut oder Erntegutkomponenten, wie etwa Korn, anzuzeigen. Wenn der Bediener 260 die Registerkarte 766 berührt, aktualisiert das Berührungsgestenhandhabungssystem 664 die Abschnitte 728 und 738, um Stärkegehaltswerte von Erntegut oder Erntegutkomponenten, wie etwa Korn, anzuzeigen. Wenn der Bediener 260 die Registerkarte 768 berührt, aktualisiert das Berührungsgestenhandhabungssystem 664 die Abschnitte 728 und 738, um eine Kombination von Bestandteilgehaltswerten anzuzeigen, wie etwa eine Kombination aus einem oder mehreren von Proteingehaltswerten, Ölgehaltswerten, Stärkegehaltswerten und anderen Bestandteilgehaltswerten. Wenn der Bediener 260 die Registerkarte 770 berührt, aktualisiert das Berührungsgestenhandhabungssystem 664 die Abschnitte 728 und 738, um einen oder mehrere von verschiedenen anderen Bestandteilinhaltswerten anzuzeigen.For example, the actuators and indicator markers in section 738 may be displayed as individual items, fixed lists, scrollable lists, drop-down menus, or drop-down lists. in the in 13 In the example shown, the display section 738 displays information for the three different stem diameter categories corresponding to the three symbols mentioned above. The display portion 738 also includes a set of touch-sensitive actuators that the operator 260 can interact with by touch. For example, the operator 260 may touch the touch-sensitive actuators with a finger to activate the respective touch-sensitive actuator. As shown, the display section 738 also includes a number of interactive tabs, such as the "Protein" tab 762, the "Oil" tab 764, the "Starch" tab 766, the "Multiple" tab 768 and the "Other" tab 770 Activating one of the tabs can change which values are displayed in sections 728 and 738. For example, as shown, the "protein" tab 762 is activated and thus the values depicted on section 728 and shown in section 738 correspond to the protein content values of crop or crop components, such as grain. When operator 260 touches tab 764, touch gesture handler 664 updates sections 728 and 738 to display oil content values of crop or crop components, such as grain. When operator 260 touches tab 766, touch gesture handler 664 updates portions 728 and 738 to display starch content values of crop or crop components, such as grain. When operator 260 touches tab 768, touch gesture handler 664 updates sections 728 and 738 to display a combination of ingredient content values, such as a combination of one or more of protein content values, oil content values, starch content values, and other ingredient content values. When operator 260 touches tab 770, touch gesture handler 664 updates portions 728 and 738 to display one or more of various other ingredient content values.

Wie in 14 gezeigt, beinhaltet der Anzeigeabschnitt 738 einen interaktiven Flaggenanzeigeabschnitt, der im Allgemeinen bei 741 angegeben ist. Der interaktive Flaggenanzeigeabschnitt 741 beinhaltet eine Flaggenspalte 739, die Flaggen zeigt, die automatisch oder manuell gesetzt wurden. Das Flaggenstellglied 740 ermöglicht es dem Bediener 260, eine Position, wie etwa die aktuelle Position der landwirtschaftlichen Erntemaschine, oder eine andere Position auf dem Feld, das durch den Bediener bezeichnet wird, zu markieren und Informationen hinzuzufügen, die das Merkmal angeben, wie etwa Erntegutfeuchtigkeit, die an der aktuellen Position gefunden wird. Wenn zum Beispiel der Bediener 260 das Flaggenstellglied 740 durch Berühren des Flaggenstellglieds 740 betätigt, identifiziert das Berührungsgestenhandhabungssystem 664 in der Bedienerschnittstellensteuerung 231 die aktuelle Position als eine Position, an der die landwirtschaftliche Erntemaschine 100 einen hohen Proteingehalt erfahren hat. Wenn der Bediener 260 die Taste 742 berührt, identifiziert das Berührungsgestenhandhabungssystem 664 die aktuelle Position als eine Position, an der die landwirtschaftliche Erntemaschine 100 einen mittleren Proteingehalt erfahren hat. Wenn der Bediener 260 die Taste 744 berührt, identifiziert das Berührungsgestenhandhabungssystem 664 die aktuelle Position als eine Position, an der die landwirtschaftliche Erntemaschine 100 einen geringen Proteingehalt erfahren hat. Bei Betätigung eines der Flaggenstellglieder 740, 742 oder 744 kann das Berührungsgestenhandhabungssystem 664 den visuellen Steuersignalgenerator 684 steuern, um ein Symbol hinzuzufügen, das dem identifizierten Merkmal auf dem Feldanzeigeabschnitt 728 an einer Position entspricht, die der Benutzer identifiziert. Auf diese Weise können Bereiche des Feldes, in denen der prognostizierte Wert einen tatsächlichen Wert nicht genau repräsentiert hat, für eine spätere Analyse markiert werden und auch beim maschinellen Lernen verwendet werden. In anderen Beispielen kann der Bediener Bereiche vor oder um die landwirtschaftliche Erntemaschine 100 bestimmen, indem er eines der Flaggenstellglieder 740, 742 oder 744 derart betätigt, dass eine Steuerung der landwirtschaftlichen Erntemaschine 100 auf Grundlage des durch den Bediener 260 bestimmten Werts vorgenommen werden kann.As in 14 As shown, display section 738 includes an interactive flag display section indicated generally at 741 . The interactive flag display section 741 includes a flag column 739 showing flags that have been set automatically or manually. The flag actuator 740 allows the operator 260 to mark a position, such as the current position of the agricultural harvester, or another position on the field designated by the operator, and add information indicative of the attribute, such as crop moisture , which is found at the current position. For example, when the operator 260 actuates the flag actuator 740 by touching the flag actuator 740, the touch gesture handling system 664 in the operator interface controller 231 identifies the current location as a location where the agricultural harvester 100 experienced high protein content. When the operator 260 touches the button 742, the touch gesture handler system 664 identifies the current location as a location where the agricultural harvester 100 experienced an intermediate protein level. When the operator 260 touches the button 744, the touch gesture handler system 664 identifies the current location as a location where the agricultural harvester 100 experienced low protein levels. Upon actuation of one of flag actuators 740, 742, or 744, touch gesture handler system 664 can control visual control signal generator 684 to add an icon corresponding to the identified feature on panel display portion 728 at a location identified by the user. This allows areas of the field where the predicted value did not accurately represent an actual value to be flagged for later analysis and also used in machine learning. In other examples, the operator may designate areas in front of or around agricultural harvester 100 by manipulating one of flag actuators 740, 742, or 744 to provide control of agricultural harvester 100 based on the through the operator 260 of a certain value can be made.

Der Anzeigeabschnitt 738 beinhaltet auch einen interaktiven Markierungsanzeigeabschnitt, der im Allgemeinen unter 743 angegeben ist. Der interaktive Markierungsanzeigeabschnitt 743 beinhaltet eine Symbolspalte 746, die die Symbole anzeigt, die jeder Kategorie von Werten oder Merkmalen entsprechen (im Fall von 13 Erntegutbestandteil), die auf dem Feldanzeigeabschnitt 728 verfolgt werden. Der Anzeigeabschnitt 738 beinhaltet auch einen interaktiven Bezeichneranzeigeabschnitt, der im Allgemeinen bei 745 angegeben ist. Der interaktive Bezeichneranzeigeabschnitt 745 beinhaltet eine Bezeichnerspalte 748, die den Bezeichner (der ein Textbezeichner oder ein anderer Bezeichner sein kann) zeigt, der die Kategorie von Werten oder Merkmalen (im Fall von 13, Erntegutbestandteil) identifiziert. Ohne Einschränkung können die Symbole in Symbolspalte 746 und die Bezeichner in Bezeichnerspalte 748 beliebige Anzeigemerkmale beinhalten, wie etwa verschiedene Farben, Formen, Muster, Intensitäten, Text, Symbole oder andere Anzeigemerkmale, und können durch Interaktion eines Bedieners der landwirtschaftlichen Erntemaschine 100 anpassbar sein.The display portion 738 also includes an interactive marker display portion indicated generally at 743 . The interactive marker display section 743 includes a symbol column 746 that displays the symbols corresponding to each category of values or attributes (in the case of 13 crop ingredient) tracked on field display section 728. The display portion 738 also includes an interactive identifier display portion indicated generally at 745 . The interactive identifier display section 745 includes an identifier column 748 showing the identifier (which may be a textual identifier or other identifier) representing the category of values or attributes (in the case of 13 , crop component) identified. Without limitation, the icons in icon column 746 and the identifiers in identifier column 748 may include any display feature, such as different colors, shapes, patterns, intensities, text, symbols, or other display features, and may be customizable through interaction of an operator of agricultural harvesting machine 100.

Der Anzeigeabschnitt 738 beinhaltet auch einen interaktiven Werteanzeigeabschnitt, der im Allgemeinen unter 747 angegeben ist. Der interaktive Wertanzeigeabschnitt 747 beinhaltet eine Wertanzeigespalte 750, die ausgewählte Werte anzeigt. Die ausgewählten Werte entsprechen den Merkmalen oder Werten, die auf dem Feldanzeigeabschnitt 728 verfolgt oder angezeigt werden, oder beiden. Die ausgewählten Werte können durch einen Bediener derlandwirtschaftlichen Erntemaschine 100 ausgewählt werden. Die ausgewählten Werte in der Werteanzeigespalte 750 definieren einen Wertebereich oder einen Wert, nach dem andere Werte, wie etwa prognostizierte Werte, klassifiziert werden sollen. So kann in dem Beispiel in 13 ein vorhergesagter oder gemessener Proteingehalt im Erntegut (oder ein Erntegutbestandteil, wie etwa Korn), der 12 % oder mehr erreicht, als „hohes Erntegutprotein“ klassifiziert, und ein vorhergesagter oder gemessener Proteingehalt im Erntegut, der 8 % oder weniger erreicht, als „niedriges Erntegutprotein“ klassifiziert werden. In einigen Beispielen können die ausgewählten Werte einen Bereich beinhalten, so dass ein vorhergesagter oder gemessener Wert, der innerhalb des Bereichs des ausgewählten Werts liegt, unter dem entsprechenden Bezeichner klassifiziert wird. Wie in 13 gezeigt, beinhaltet „mittleres Erntegutprotein“ einen Bereich von 9 % - 11 %, so dass ein gemessener oder vorhergesagter Proteingehalt im Erntegut (oder Erntegutbestandteil, wie etwa Korn), der in den Bereich von 9 % - 11 % fällt, als „mittleres Erntegutprotein“ klassifiziert werden. Die ausgewählten Werte in der Wertanzeigespalte 750 sind durch einen Bediener der landwirtschaftlichen Erntemaschine 100 einstellbar. In einem Beispiel kann der Bediener 260 den bestimmten Teil des Feldanzeigeabschnitts 728 auswählen, für den die Werte in Spalte 750 angezeigt werden sollen. Somit können die Werte in Spalte 750 Werten in Anzeigeabschnitten 712, 714 oder 730 entsprechen.The display portion 738 also includes an interactive value display portion indicated generally at 747 . The interactive value display section 747 includes a value display column 750 that displays selected values. The selected values correspond to the attributes or values being tracked or displayed on panel display portion 728, or both. The selected values can be selected by an operator of the agricultural harvesting machine 100. The selected values in the value display column 750 define a range of values or a value by which other values, such as predicted values, are to be classified. So in the example in 13 a predicted or measured crop protein level (or a crop component such as grain) reaching 12% or more classified as “high crop protein” and a predicted or measured crop protein level reaching 8% or less classified as “low Crop protein” are classified. In some examples, the selected values may include a range such that a predicted or measured value that is within the range of the selected value is classified under the corresponding identifier. As in 13 As shown, "mean crop protein" includes a range of 9% - 11%, such that a measured or predicted protein content in the crop (or crop component, such as grain) falling within the range of 9% - 11% is considered "mean crop protein “ to be classified. The selected values in value display column 750 are adjustable by an operator of agricultural harvesting machine 100 . In one example, operator 260 can select the particular portion of field display portion 728 for which the values in column 750 are to be displayed. Thus, the values in column 750 may correspond to values in display sections 712, 714, or 730.

Der Anzeigeabschnitt 738 beinhaltet auch einen interaktiven Schwellenwertanzeigeabschnitt, der im Allgemeinen unter 749 angegeben ist. Der interaktive Schwellenwertanzeigeabschnitt 749 beinhaltet eine Schwellenwertanzeigespalte 752, die Aktionsschwellenwerte anzeigt. Die Aktionsschwellenwerte in Spalte 752 können Schwellenwerte sein, die den ausgewählten Werten in der Werteanzeigespalte 750 entsprechen. Wenn die vorhergesagten oder gemessenen Werte von Merkmalen, die verfolgt oder angezeigt werden, oder beide die entsprechenden Aktionsschwellenwerte in der Schwellenwertanzeigespalte 752 erfüllen, dann ergreift das Steuersystem 214 eine oder mehrere in Spalte 754 identifizierte Aktionen. In einigen Fällen kann ein gemessener oder vorhergesagter Wert einen entsprechenden Aktionsschwellenwert erfüllen, indem er den entsprechenden Aktionsschwellenwert erreicht oder überschreitet. In einem Beispiel kann der Bediener 260 beispielsweise einen Schwellenwert auswählen, um den Schwellenwert durch Berühren des Schwellenwerts in der Schwellenwertanzeigespalte 752 zu ändern. Nach der Auswahl kann der Bediener 260 den Schwellenwert ändern. Die Schwellenwerte in Spalte 752 können konfiguriert sein, um die bezeichnete Aktion durchzuführen, wenn der gemessene oder prognostizierte Wert des Merkmals den Schwellenwert übersteigt, dem Schwellenwert entspricht oder unter dem Schwellenwert liegt. In einigen Fällen kann der Schwellenwert einen Wertebereich oder Abweichungsbereich von den ausgewählten Werten in der Werteanzeigespalte 750 darstellen, so dass ein vorhergesagter oder gemessener Merkmalswert, der den Schwellenwert erreicht oder in diesen fällt, den Schwellenwert erfüllt. In dem Beispiel des Erntegutbestandteils erfüllt beispielsweise ein vorhergesagter Proteingehalt im Erntegut (oder Erntegutbestandteil, wie etwa Korn), der innerhalb von 0,5 % von 12 % Proteingehalt liegt, den entsprechenden Aktionsschwellenwert (innerhalb von 0,5 % von 12 % Proteingehalt), und eine Aktion, wie etwa das Einstellen der Reinigungsgebläsedrehzahl der landwirtschaftlichen Erntemaschine oder das Einstellen des Häckslers, wird durch das Steuersystem 214 ergriffen. In anderen Beispielen sind die Schwellenwerte in der Schwellenwertanzeigespalte 752 von den ausgewählten Werten in der Werteanzeigespalte 750 getrennt, so dass die Werte in der Werteanzeigespalte 750 die Klassifizierung und Anzeige vorhergesagter oder gemessener Werte definieren, während die Aktionsschwellenwerte definieren, wann eine Aktion auf Grundlage der gemessenen oder vorhergesagten Werte durchzuführen ist. Während zum Beispiel ein vorhergesagter oder gemessener Proteingehalt im Erntegut (oder Erntegutbestandteil, wie etwa Korn) von 12 % als „hohes Erntegutprotein“ zum Zwecke der Klassifizierung und Anzeige bezeichnet werden kann, kann der Aktionsschwellenwert 13 % betragen, so dass keine Aktion ergriffen wird, bis der Proteingehalt im Erntegut (oder Erntegutbestandteil, wie etwa Korn) den Schwellenwert erfüllt. In anderen Beispielen können die Schwellenwerte in der Schwellenwertanzeigespalte 752 Entfernungen oder Zeiten beinhalten. Beispielsweise kann der Schwellenwert in dem Beispiel eines Abstands ein Schwellenabstand von dem Bereich des Feldes sein, in dem der gemessene oder vorhergesagte Wert georeferenziert ist, den die landwirtschaftliche Erntemaschine 100 haben muss, bevor eine Aktion ergriffen wird. Zum Beispiel würde ein Schwellenabstandswert von 1,52 m (5 Fuß) bedeuten, dass eine Aktion durchgeführt wird, wenn sich die landwirtschaftliche Erntemaschine in oder innerhalb von 1,52 m (5 Fuß) von dem Bereich des Feldes befindet, in dem der gemessene oder vorhergesagte Wert georeferenziert ist. In einem Beispiel, in dem der Schwellenwert Zeit ist, kann der Schwellenwert eine Schwellenzeit für die landwirtschaftliche Erntemaschine 100 sein, um den Bereich des Feldes zu erreichen, in dem der gemessene oder vorhersagende Wert georeferenziert ist. Beispielsweise würde ein Schwellenwert von 5 Sekunden bedeuten, dass eine Aktion durchgeführt wird, wenn die landwirtschaftliche Erntemaschine 100 noch 5 Sekunden von dem Bereich des Feldes entfernt ist, in dem der gemessene oder vorhergesagte Wert georeferenziert ist. In einem solchen Beispiel kann die aktuelle Position und die Fahrgeschwindigkeit der landwirtschaftlichen Erntemaschine berücksichtigt werden.The display section 738 also includes an interactive threshold display section, indicated generally at 749 . The interactive threshold display section 749 includes a threshold display column 752 that displays action thresholds. The action thresholds in column 752 may be thresholds corresponding to the selected values in value display column 750 . If the predicted or measured values of features being tracked or indicated, or both, meet the appropriate action thresholds in threshold indication column 752 , then control system 214 takes one or more actions identified in column 754 . In some cases, a measured or predicted value may satisfy a corresponding action threshold by meeting or exceeding the corresponding action threshold. For example, in one example, operator 260 may select a threshold to change the threshold by touching the threshold in threshold display column 752 . Once selected, the operator 260 can change the threshold. The thresholds in column 752 may be configured to take the designated action when the measured or predicted value of the feature exceeds, equals, or is below the threshold. In some cases, the threshold may represent a range of values or a range of deviations from the selected values in the value display column 750 such that a predicted or measured feature value that meets or falls within the threshold satisfies the threshold. For example, in the crop ingredient example, a predicted protein content in the crop (or crop ingredient, such as grain) that is within 0.5% of 12% protein content meets the corresponding action threshold (within 0.5% of 12% protein content), and an action such as adjusting the farm harvester cleaning fan speed or adjusting the chopper is taken by the control system 214 . In other examples, the threshold values in the threshold display column 752 are separate from the selected values in the value display column 750 such that the values in the value display column 750 define the classification and display of predicted or measured values during the actions thresholds define when to take an action based on the measured or predicted values. For example, while a predicted or measured crop (or crop component, such as grain) protein level of 12% may be labeled “high crop protein” for classification and display purposes, the action threshold may be 13%, such that no action is taken, until the protein content in the crop (or crop component such as grain) meets the threshold. In other examples, the thresholds in threshold display column 752 may include distances or times. For example, in the example of a distance, the threshold may be a threshold distance from the area of the field where the measured or predicted value is georeferenced that the agricultural harvesting machine 100 must have before any action is taken. For example, a Threshold Distance value of 1.52 m (5 feet) would mean that an action would be taken if the agricultural harvester is in or within 1.52 m (5 feet) of the area of the field where the measured or predicted value is georeferenced. In an example where the threshold is time, the threshold may be a threshold time for the agricultural harvester 100 to reach the area of the field where the measured or predicted value is georeferenced. For example, a threshold of 5 seconds would mean that an action is taken when the agricultural harvesting machine 100 is still 5 seconds away from the area of the field where the measured or predicted value is georeferenced. In such an example, the current position and the driving speed of the agricultural harvesting machine can be taken into account.

Der Anzeigeabschnitt 738 beinhaltet auch einen interaktiven Aktionsanzeigeabschnitt, der im Allgemeinen unter 751 angegeben ist. Der interaktive Aktionsanzeigeabschnitt 751 beinhaltet eine Aktionsanzeigespalte 754, die Aktionsidentifizierer anzeigt, die zu ergreifende Aktionen anzeigen, wenn ein vorhergesagter oder gemessener Wert einen Aktionsschwellenwert in der Schwellenwertanzeigespalte 752 erfüllt. Der Bediener 260 kann die Aktionsidentifizierer in Spalte 754 berühren, um die durchzuführende Aktion zu ändern. Wenn ein Schwellenwert erfüllt ist, kann eine Aktion ergriffen werden. Zum Beispiel werden am unteren Ende der Spalte 754 eine Häcksleraktion, eine Reinigungsgebläse-Drehzahleinstellungsaktion und eine Fernhalten-Aktion als Aktionen identifiziert, die durchgeführt werden, wenn der gemessene oder vorhergesagte Wert den Schwellenwert in Spalte 752 erfüllt. In einigen Beispielen können, wenn ein Schwellenwert erfüllt ist, mehrere Aktionen ergriffen werden. Zum Beispiel kann eine Drehzahl des Reinigungsgebläses angepasst werden (wie etwa erhöht oder verringert) und die Größe der Öffnungen in dem Häcksler kann angepasst werden (wie etwa geöffnet oder geschlossen). Dies sind nur einige Beispiele.The display portion 738 also includes an interactive action display portion indicated generally at 751 . Interactive action display section 751 includes an action display column 754 that displays action identifiers that indicate actions to be taken when a predicted or measured value meets an action threshold in threshold display column 752 . The operator 260 can touch the action identifiers in column 754 to change the action to be taken. When a threshold is met, action can be taken. For example, at the bottom of column 754, a chopper action, a cleaning fan speed adjustment action, and a keep away action are identified as actions to be taken when the measured or predicted value meets the threshold in column 752. In some examples, when a threshold is met, multiple actions can be taken. For example, a speed of the cleaning fan can be adjusted (such as increased or decreased) and the size of the openings in the chopper can be adjusted (such as opened or closed). These are just some examples.

Die Aktionen, die in Spalte 754 festgelegt werden können, können aus einer Vielzahl verschiedener Arten von Aktionen bestehen. Beispielsweise können die Aktionen eine Aktion „Fernhalten“ beinhalten, die, wenn sie ausgeführt wird, die landwirtschaftliche Erntemaschine 100 daran hindert, in einem Bereich weiter zu ernten. Die Aktionen können eine Aktion zur Geschwindigkeitsänderung beinhalten, die, wenn sie ausgeführt wird, die Fahrgeschwindigkeit der landwirtschaftlichen Erntemaschine 100 durch das Feld ändert. Die Aktionen können eine Aktion zur Einstellungsänderung zum Ändern einer Einstellung eines internen Stellglieds oder eines anderen WMA oder Satzes von WMAs oder zum Implementieren einer Einstellungsänderungsaktion, die eine Einstellung ändert, wie etwa eine Reinigungsgebläse-Drehzahleinstellung oder eine Häckslerspalteinstellung zusammen mit verschiedenen anderen Einstellungen beinhalten. Dies sind nur Beispiele, und eine Vielzahl anderer Aktionen wird hier in Betracht gezogen.The actions that can be specified in column 754 can be any of a variety of different types of actions. For example, the actions may include a keep away action that, when performed, prevents the agricultural harvester 100 from continuing to harvest in an area. The actions may include a change speed action that, when performed, changes the ground speed of the agricultural harvesting machine 100 through the field. The actions may include a setting change action to change a setting of an internal actuator or another WMA or set of WMAs, or to implement a setting change action that changes a setting, such as a cleaning fan speed setting or a chopper gap setting along with various other settings. These are just examples, and a variety of other actions are contemplated here.

Die auf der Benutzerschnittstellenanzeige 720 gezeigten Elemente können visuell gesteuert werden. Das visuelle Steuern der Schnittstellenanzeige 720 kann durchgeführt werden, um die Aufmerksamkeit des Bedieners 260 zu erregen. Beispielsweise können die Elemente gesteuert werden, um die Intensität, Farbe oder das Muster zu modifizieren, mit dem die Elemente angezeigt werden. Zusätzlich können die Elemente so gesteuert werden, dass sie blinken. Beispielhaft sind die beschriebenen Änderungen des visuellen Erscheinungsbildes der Elemente vorgesehen. Folglich können andere Aspekte des optischen Erscheinungsbildes der Elemente verändert werden. Daher können die Elemente unter verschiedenen Umständen in gewünschter Weise modifiziert werden, um beispielsweise die Aufmerksamkeit des Bedieners 260 zu erregen. Während eine bestimmte Anzahl von Elementen auf der Benutzerschnittstellenanzeige 720 gezeigt wird, muss dies nicht der Fall sein. In anderen Beispielen können mehr oder weniger Elemente, einschließlich mehr oder weniger eines bestimmten Elements, auf der Benutzerschnittstellenanzeige 720 enthalten sein.The elements shown on the user interface display 720 can be controlled visually. Visually controlling the interface display 720 may be performed to capture the operator's 260 attention. For example, the elements can be controlled to modify the intensity, color, or pattern with which the elements are displayed. In addition, the elements can be controlled so that they blink. The changes described in the visual appearance of the elements are provided as examples. Consequently, other aspects of the visual appearance of the elements can be altered. Therefore, the elements may be modified in a desired manner in various circumstances, for example, to attract the operator's 260 attention. While a certain number of items are shown on user interface display 720, they need not be. In other examples, user interface display 720 may include more or fewer items, including more or less of a particular item.

Zurückkehrend zum Flussdiagramm von 12 wird die Beschreibung des Betriebs der Bedienerschnittstellensteuerung 231 fortgesetzt. Bei Block 760 erkennt die Bedienerschnittstellensteuerung 231 eine Eingabeeinstellung einer Flagge und steuert die berührungsempfindliche Benutzerschnittstellenanzeige 720, um die Flagge auf dem Feldanzeigeabschnitt 728 anzuzeigen. Die erkannte Eingabe kann eine Bedienereingabe, wie bei 762 angegeben, oder eine Eingabe von einer anderen Steuerung, wie bei 764 angegeben, sein. Bei Block 766 erkennt die Bedienerschnittstellensteuerung 231 eine In-situ-Sensoreingabe, die ein gemessenes Merkmal des Feldes von einem der In-situ-Sensoren 208 anzeigt. Bei Block 768 erzeugt der visuelle Steuersignalgenerator 684 Steuersignale, um die Benutzerschnittstellenanzeige 720 zu steuern, um Stellglieder anzuzeigen, um die Benutzerschnittstellenanzeige 720 zu modifizieren und um die Maschinensteuerung zu modifizieren. Beispielsweise stellt Block 770 dar, dass eines oder mehrere der Stellglieder zum Einstellen oder Modifizieren der Werte in den Spalten 739, 746 und 748 angezeigt werden kann. Somit kann der Benutzer Flaggen setzen und die Eigenschaften dieser Flaggen ändern. Block 772 stellt dar, dass Aktionsschwellenwerte in Spalte 752 angezeigt werden. Block 776 stellt dar, dass die Aktionen in Spalte 754 angezeigt werden, und Block 778 stellt dar, dass der ausgewählte Wert in Spalte 750 angezeigt wird. Block 780 gibt an, dass auch eine Vielzahl anderer Informationen und Stellglieder auf der Benutzerschnittstellenanzeige 720 angezeigt werden können.Returning to the flow chart of 12 the description of the operation of the operator interface controller 231 continues. At block 760, operator interface controller 231 recognizes an input setting of a flag and controls touch-sensitive user interface display 720 to display the flag on the screen Field display section 728 to display. The recognized input may be operator input, as indicated at 762 , or input from another controller, as indicated at 764 . At block 766 , operator interface controller 231 recognizes an in situ sensor input indicative of a measured feature of the field from one of in situ sensors 208 . At block 768, visual control signal generator 684 generates control signals to control user interface display 720 to display actuators, to modify user interface display 720, and to modify machine controls. For example, block 770 represents that one or more of the actuators for setting or modifying the values in columns 739, 746, and 748 may be displayed. Thus, the user can set flags and change the properties of those flags. Block 772 represents that action thresholds in column 752 are displayed. Block 776 represents the actions in column 754 being displayed and block 778 represents the selected value in column 750 being displayed. Block 780 indicates that a variety of other information and actuators may be displayed on user interface display 720 as well.

Bei Block 782 erfasst und verarbeitet das Bedienereingabebefehlsverarbeitungssystem 654 Bedienereingaben, die Interaktionen mit der Benutzerschnittstellenanzeige 720 entsprechen, die durch den Bediener 260 durchgeführt werden. Wenn der Benutzerschnittstellenmechanismus, auf dem die Benutzerschnittstellenanzeige 720 angezeigt wird, ein berührungsempfindlicher Anzeigebildschirm ist, können Interaktionseingaben mit dem berührungsempfindlichen Anzeigebildschirm durch den Bediener 260 Berührungsgesten 784 sein. In einigen Fällen können die Bedienerinteraktionseingaben Eingaben mithilfe einer Point-and-Click-Vorrichtung 786 oder anderer Bedienerinteraktionseingaben 788 sein.At block 782 , operator input command processing system 654 captures and processes operator inputs corresponding to interactions with user interface display 720 performed by operator 260 . When the user interface mechanism on which user interface display 720 is displayed is a touch-sensitive display screen, interaction inputs with the touch-sensitive display screen by operator 260 may be touch gestures 784 . In some cases, the operator interaction inputs may be inputs using a point and click device 786 or other operator interaction inputs 788 .

Bei Block 790 empfängt die Bedienerschnittstellensteuerung 231 Signale, die eine Alarmbedingung angeben. Beispielsweise zeigt Block 792 an, dass Signale von dem Steuerungseingabeverarbeitungssystem 668 empfangen werden können, die anzeigen, dass gemessene oder vorhergesagte Werte Schwellenwertbedingungen erfüllen, die in Spalte 752 vorhanden sind. Wie zuvor erläutert, können die Schwellenwertbedingungen Werte beinhalten, die unter einem Schwellenwert, bei einem Schwellenwert oder über einem Schwellenwert liegen. Block 794 zeigt, dass der Aktionssignalgenerator 660 als Reaktion auf das Empfangen einer Alarmbedingung den Bediener 260 alarmieren kann, indem er den visuellen Steuersignalgenerator 684 verwendet, um visuelle Alarme zu erzeugen, indem er den Audiosteuersignalgenerator 686 verwendet, um Audioalarme zu erzeugen, indem er den haptischen Steuersignalgenerator 688 verwendet, um haptische Alarme zu erzeugen, oder indem er eine beliebige Kombination davon verwendet. Gleichermaßen kann der Steuerungsausgabegenerator 670, wie durch Block 796 angezeigt, Ausgaben an andere Steuerungen im Steuersystem 214 erzeugen, so dass diese Steuerungen die entsprechende Aktion ausführen, die in Spalte 754 identifiziert wurde. Block 798 zeigt, dass die Bedienerschnittstellensteuerung 231 Alarmbedingungen auch auf andere Weise erkennen und verarbeiten kann.At block 790, operator interface controller 231 receives signals indicative of an alarm condition. For example, block 792 indicates that signals may be received from control input processing system 668 indicating measured or predicted values meet threshold conditions present in column 752. As previously explained, the threshold conditions may include values that are below a threshold, at a threshold, or above a threshold. Block 794 shows that in response to receiving an alarm condition, the action signal generator 660 can alert the operator 260 using the visual control signal generator 684 to generate visual alarms, using the audio control signal generator 686 to generate audio alarms, using the haptic control signal generator 688 to generate haptic alerts, or by using any combination thereof. Likewise, as indicated by block 796, controller output generator 670 may generate outputs to other controllers in control system 214 so that those controllers perform the appropriate action identified in column 754. Block 798 indicates that operator interface controller 231 may recognize and process alarm conditions in other ways.

Block 900 zeigt, dass das Sprachverarbeitungssystem 662 Eingaben, die das Sprachverarbeitungssystem 658 aufrufen, erkennen und verarbeiten kann. Block 902 zeigt, dass das Durchführen der Sprachverarbeitung die Verwendung des Dialogverwaltungssystems 680 beinhalten kann, um einen Dialog mit dem Bediener 260 durchzuführen. Block 904 zeigt, dass die Sprachverarbeitung das Bereitstellen von Signalen an den Steuerungsausgabegenerator 670 beinhalten kann, so dass Steuervorgänge automatisch auf Grundlage der Spracheingaben durchgeführt werden.Block 900 shows that language processing system 662 can recognize and process input that calls into language processing system 658 . Block 902 shows that performing language processing may include using dialog management system 680 to perform a dialog with operator 260 . Block 904 shows that speech processing may include providing signals to control output generator 670 so that control operations are performed automatically based on the speech inputs.

Die nachfolgende Tabelle 1 zeigt einen beispielhaften Dialog zwischen der Bedienerschnittstellensteuerung 231 und dem Bediener 260. In Tabelle 1 verwendet der Bediener 260 ein Auslösewort oder ein Aufweckwort, das vom Auslösedetektor 672 erkannt wird, um das Sprachverarbeitungssystem 658 aufzurufen. In dem in Tabelle 1 dargestellten Beispiel lautet das Aufweckwort „Johnny“.Table 1 below shows an example dialog between operator interface control 231 and operator 260 . In the example shown in Table 1, the wake-up word is "Johnny".

Tabelle 1Table 1

Bediener: „Johnny, informiere mich über die aktuellen Erntegutbestandteile.“Operator: "Johnny, update me on the current crop components."

Bedienerschnittstellensteuerung: „Der Proteingehalt ist momentan hoch.“Operator interface control: "The protein level is currently high."

Bediener: „Johnny, was soll ich wegen des Proteingehalts tun?“Operator: "Johnny, what should I do about the protein content?"

Bedienerschnittstellensteuerung: „Reduzieren der Fahrgeschwindigkeit um 2 km/h, um den Kornverlust zu verringern.“Operator interface control: "Reduce ground speed by 2 km/h to reduce grain loss."

Tabelle 2 zeigt ein Beispiel, in dem die Sprachsynthesekomponente 676 eine Ausgabe an den Audiosteuersignalgenerator 686 bereitstellt, um hörbare Aktualisierungen auf einer intermittierenden oder periodischen Basis bereitzustellen. Das Intervall zwischen Aktualisierungen kann zeitbasiert sein, wie etwa alle fünf Minuten, oder abdeckungs- oder entfernungsbasiert, wie etwa alle zwei Hektar, oder ausnahmebasiert, wie etwa wenn ein gemessener Wert größer als ein Schwellenwert ist.Table 2 shows an example where speech synthesis component 676 provides an output to audio control signal generator 686 to provide audible updates on an intermittent or periodic basis. The interval between updates may be time based, such as every five minutes, or coverage or distance based, such as every two hectares, or exception based, such as when a measured value is greater than a threshold.

Tabelle 2Table 2

Bedienerschnittstellensteuerung: „In den letzten 10 Minuten war der Stärkegehalt hoch.“Operator interface control: "Starch level has been high for the last 10 minutes."

Bedienerschnittstellensteuerung: „Der vorhergesagte Stärkegehalt für den nächsten 1 Hektar ist mittel.“Operator interface control: "Predicted starch content for the next 1 hectare is medium."

Bedienerschnittstellensteuerung: „Vorsicht: bevorstehende Änderung des Stärkegehalts, Häcksler öffnen, um mehr Korn zu erfassen.“Operator Interface Control: "Caution: upcoming starch content change, open chopper to collect more grain."

Das in Tabelle 3 gezeigte Beispiel veranschaulicht, dass einige Stellglieder oder Benutzereingabemechanismen auf der berührungsempfindlichen Anzeige 720 durch einen Sprachdialog ergänzt werden können. Das Beispiel in Tabelle 3 veranschaulicht, dass der Aktionssignalgenerator 660 Aktionssignale erzeugen kann, um automatisch einen Erntegutbestandteilbereich in dem zu erntenden Feld zu markieren.The example shown in Table 3 illustrates that some actuators or user input mechanisms on touch-sensitive display 720 may be supplemented with voice dialogue. The example in Table 3 illustrates that the action signal generator 660 can generate action signals to automatically mark a crop constituent area in the field to be harvested.

Tabelle 3Table 3

Mensch: „Johnny, markiere den Bereich mit hohem Ölgehalt.“Human: "Johnny, mark the area with high oil content."

Bedienerschnittstellensteuerung: „Bereich mit hohem Ölgehalt ist markiert.“Operator interface control: "Area with high oil content is highlighted."

Das in Tabelle 4 dargestellte Beispiel veranschaulicht, dass der Aktionssignalgenerator 660 einen Dialog mit dem Bediener 260 führen kann, um eine Markierung eines Bereichs mit Erntegutbestandteilen zu beginnen und zu beenden.The example presented in Table 4 illustrates that the action signal generator 660 may communicate with the operator 260 to begin and end marking a crop constituent area.

Tabelle 4Table 4

Mensch: „Johnny, beginne damit, den Bereich mit hohem Ölgehalt zu markieren.“Human: "Johnny, start marking the area with high oil content."

Bedienerschnittstellensteuerung: „Bereich mit hohem Ölgehalt wird markiert.“Operator interface control: "Area with high oil content will be marked."

Mensch: „Johnny, beende das Markieren des Bereichs mit hohem Ölgehalt.“Human: "Johnny, stop marking the high oil area."

Bedienerschnittstellensteuerung: „Markieren des Bereichs mit hohem Ölgehalt gestoppt.“Operator interface control: "High oil area marking stopped."

Das in Tabelle 5 gezeigte Beispiel veranschaulicht, dass der Aktionssignalgenerator 160 Signale erzeugen kann, um einen Bereich mit Erntegutbestandteilen auf eine andere Weise als die in den Tabellen 3 und 4 gezeigten zu markieren.The example shown in Table 5 illustrates that the action signal generator 160 may generate signals to mark an area of crop constituents in a manner different than those shown in Tables 3 and 4.

Tabelle 5Table 5

Mensch: „Johnny, markiere die nächsten 30 Meter als Bereich mit niedrigem Proteingehalt.“Human: "Johnny, mark the next 100 feet as a low protein area."

Bedienerschnittstellensteuerung: „Die nächsten 30 Meter sind als Bereich mit niedrigem Proteingehalt markiert.“Operator interface control: "The next 30 meters are marked as a low protein area."

Unter erneuter Bezugnahme auf 12 veranschaulicht Block 906, dass die Bedienerschnittstellensteuerung 231 Bedingungen zum Ausgeben einer Nachricht oder anderer Informationen auch auf andere Weise erkennen und verarbeiten kann. Zum Beispiel kann das andere Steuerungsinteraktionssystem 656 Eingaben von anderen Steuerungen erkennen, die angeben, dass dem Bediener 260 Alarme oder Ausgabenachrichten präsentiert werden sollten. Block 908 zeigt, dass die Ausgaben Audionachrichten sein können. Block 910 zeigt, dass die Ausgaben visuelle Nachrichten sein können, und Block 912 zeigt, dass die Ausgaben haptische Nachrichten sein können. Bis die Bedienerschnittstellensteuerung 231 bestimmt, dass der aktuelle Erntevorgang abgeschlossen ist, wie durch Block 914 angezeigt, kehrt die Verarbeitung zu Block 698 zurück, wo die geografische Position der Erntemaschine 100 aktualisiert wird und die Verarbeitung wie oben beschrieben fortgesetzt wird, um die Benutzerschnittstellenanzeige 720 zu aktualisieren.Referring again to 12 Block 906 illustrates that operator interface controller 231 may otherwise detect and process conditions for outputting a message or other information. For example, the other controller interaction system 656 may recognize input from other controllers indicating that the operator 260 should be presented with alarms or output messages. Block 908 shows that the outputs can be audio messages. Block 910 shows that the outputs can be visual messages and block 912 shows that the outputs can be haptic messages. Until the operator interface controller 231 determines that the current harvesting operation is complete, as indicated by block 914, processing returns to block 698 where the geographical position of the harvester 100 is updated and processing continues as described above to the user interface display 720 To update.

Sobald der Vorgang abgeschlossen ist, können beliebige gewünschte Werte gespeichert werden, die angezeigt werden oder auf der Benutzerschnittstellenanzeige 720 angezeigt wurden. Diese Werte können auch beim maschinellen Lernen verwendet werden, um verschiedene Abschnitte des prädiktiven Modellgenerators 210, des prädiktiven Kartengenerators 212, des Steuerzonengenerators 213, der Steueralgorithmen oder anderer Elemente zu verbessern. Das Speichern der gewünschten Werte wird durch Block 916 angezeigt. Die Werte können lokal auf der landwirtschaftlichen Erntemaschine 100 gespeichert werden oder die Werte können an einem Remote-Serverstandort gespeichert oder an ein anderes Remote-System gesendet werden.Once the process is complete, any desired values that are displayed or have been displayed on the user interface display 720 can be saved. These values can also be used in machine learning to improve various sections of the predictive model generator 210, predictive map generator 212, control zone generator 213, control algorithms, or other elements. Block 916 indicates storage of the desired values. The values can be stored locally on the agricultural harvester 100 or the values can be stored at a remote server location or sent to another remote system.

Somit ist ersichtlich, dass eine oder mehrere Karten von einer landwirtschaftlichen Erntemaschine erhalten werden, die landwirtschaftliche Merkmalwerte, einschließlich vorhergesagter oder historischer Erntegutbestandteilwerte, Vorabbetriebsmerkmalswerte, vegetativer Indexwerte oder Bodenzusammensetzungswerte, an verschiedenen geografischen Positionen eines zu erntenden Feldes zeigen. Ein In-situ-Sensor an der Erntemaschine erfasst ein Merkmal, das Werte aufweist, die ein landwirtschaftliches Merkmal angeben, während sich die landwirtschaftliche Erntemaschine durch das Feld bewegt. Ein prädiktiver Kartengenerator erzeugt eine prädiktive Karte, die Steuerwerte für verschiedene Positionen auf Grundlage der Werte des landwirtschaftlichen Merkmals in der Karte und dem landwirtschaftlichen Merkmal, das durch den In-situ-Sensor erfasst wird, vorhersagt. Ein Steuersystem steuert das steuerbare Teilsystem auf Grundlage der Steuerwerte in der prädiktiven Karte.Thus, it can be seen that one or more maps are obtained from an agricultural harvester showing agricultural attribute values, including predicted or historical crop constituent values, prior farm attribute values, vegetative index values, or soil composition values, at various geographic locations of a field to be harvested. An in situ sensor on the harvester senses a trait having values indicative of an agricultural trait as the agricultural harvester moves through the field. A predictive map generator generates a predictive map that predicts control values for various locations based on the values of the agricultural feature in the map and the agricultural feature sensed by the in situ sensor. A control system controls the controllable subsystem based on the control values in the predictive map.

Ein Steuerwert ist ein Wert, auf dem eine Aktion basieren kann. Ein Steuerwert, wie hierin beschrieben, kann einen beliebigen Wert (oder Merkmale, die durch den Wert angegeben sind oder von diesem abgeleitet werden) beinhalten, der bei der Steuerung der landwirtschaftlichen Erntemaschine 100 verwendet werden kann. Ein Steuerwert kann ein beliebiger Wert sein, der ein landwirtschaftliches Merkmal anzeigt. Bei einem Regelwert kann es sich dabei um einen prädiktiven Wert, um einen Messwert oder um einen erkannten Wert handeln. Ein Steuerwert kann einen beliebigen der von einer Karte bereitgestellten Werte beinhalten, wie etwa eine beliebige der hierin beschriebenen Karten, zum Beispiel kann ein Steuerwert ein Wert sein, der von einer Informationskarte bereitgestellt wird, ein Wert, der von einer Vorabinformationskarte bereitgestellt wird, oder ein Wert, der von einer prädiktiven Karte bereitgestellt wird, wie etwa eine funktionelle prädiktive Karte. Ein Steuerwert kann auch eine beliebige der Merkmale beinhalten, die durch die von einem der hierin beschriebenen Sensoren erfassten Werte angegeben oder daraus abgeleitet sind. In anderen Beispielen kann ein Steuerwert durch einen Bediener der landwirtschaftlichen Maschine bereitgestellt werden, wie etwa eine Befehlseingabe durch einen Bediener der landwirtschaftlichen Maschine.A control value is a value on which an action can be based. A control value, as described herein, may include any value (or characteristics indicated by or derived from the value) that can be used in controlling agricultural harvesting machine 100 . A control value can be any value that indicates an agricultural characteristic. A control value can be a predictive value, a measured value, or a recognized value. A control value may include any of the values provided by a card, such as any of the cards described herein, for example, a control value may be a value provided by an information card, a value provided by a preliminary information card, or a Value provided by a predictive map, such as a functional predictive map. A control value may also include any of the characteristics indicated by or derived from the values sensed by any of the sensors described herein. In other examples, a control value may be provided by an operator of the agricultural machine, such as a command input by an operator of the agricultural machine.

In der vorliegenden Erläuterung wurden Prozessoren und Server erwähnt. In einem Beispiel beinhalten die Prozessoren und Server Computerprozessoren mit zugehörigem Speicher und Zeitschaltungen, die nicht separat dargestellt werden. Die Prozessoren und Server sind Funktionsteile der Systeme oder Vorrichtungen, zu denen die Prozessoren und Server gehören und durch die sie aktiviert werden, und erleichtern die Funktionalität der anderen Komponenten oder Elemente in diesen Systemen.Processors and servers have been mentioned in this discussion. In one example, the processors and servers include computer processors with associated memory and timing circuitry, not shown separately. The processors and servers are functional parts of the systems or devices that the processors and servers belong to and are activated by, and facilitate the functionality of the other components or elements in those systems.

Es wurde auch eine Reihe von Anzeigen der Benutzerschnittstelle diskutiert. Die Anzeigen können mehrere verschiedene Formen annehmen und können mehrere verschiedene benutzergesteuerte Bedienerschnittstellenmechanismen darauf aufweisen. Beispielsweise können die vom Benutzer aktivierbaren Bedienerschnittstellenmechanismen Textfelder, Kontrollkästchen, Symbole, Links, Dropdown-Menüs, Suchfelder usw. beinhalten. Die vom Benutzer betätigbaren Bedienschnittstellenmechanismen können auch auf unterschiedlichste Weise betätigt werden. Zum Beispiel können die vom Benutzer betätigbaren Bedienerschnittstellenmechanismen über Bedienerschnittstellenmechanismen, wie etwa eine Point-and-Click-Vorrichtung, ein Trackball oder eine Maus, Hardwaretasten, Schalter, einen Joystick oder eine Tastatur, Daumenschalter oder Daumenpads usw., eine virtuelle Tastatur oder andere virtuelle Stellglieder betätigt werden. Wenn der Bildschirm, auf dem die vom Benutzer betätigbaren Bedienerschnittstellenmechanismen angezeigt werden, ein berührungsempfindlicher Bildschirm ist, können außerdem die vom Benutzer betätigbaren Bedienerschnittstellenmechanismen mit Berührungsgesten betätigt werden. Benutzerbetätigbare Bedienerschnittstellenmechanismen können auch mithilfe von Sprachbefehlen mit der Spracherkennungsfunktionalität betätigt werden. Die Spracherkennung kann mithilfe einer Spracherkennungsvorrichtung, wie etwa eines Mikrofons, und einer Software implementiert werden, die dazu dient, Sprache zu erkennen und Befehle basierend auf der empfangenen Sprache auszuführen.A number of user interface displays were also discussed. The displays can take a number of different forms and can have a number of different user controlled operator interface mechanisms thereon. For example, the user-actuable operator interface mechanisms may include text boxes, check boxes, icons, links, drop-down menus, search boxes, and so on. The user actuatable operator interface mechanisms can also be actuated in a variety of ways. For example, the user actuable operator interface mechanisms can be operator interface mechanisms such as a point-and-click device, a trackball or mouse, hardware buttons, switches, a joystick or keyboard, thumb switches or thumbpads, etc., a virtual keyboard or other virtual Actuators are actuated. In addition, when the screen on which the user actuable operator interface mechanisms are displayed is a touch-sensitive screen, the user actuable operator interface mechanisms can be actuated with touch gestures. User actuatable operator interface mechanisms can also be actuated using voice commands with speech recognition functionality. Speech recognition can be implemented using a speech recognition device, such as a microphone, and software operable to recognize speech and execute commands based on the received speech.

Eine Reihe von Datenspeichern wurde ebenfalls erörtert. Es wird darauf hingewiesen, dass die Datenspeicher jeweils in mehrere Datenspeicher aufgeteilt werden können. In einigen Beispielen können einer oder mehrere der Datenspeicher lokal für die auf die Datenspeicher zugreifenden Systeme sein, einer oder mehrere der Datenspeicher können remote von einem den Datenspeicher verwendenden System angeordnet sein, oder ein oder mehrere Datenspeicher können lokal sein, während andere remote sind. All diese Konfigurationen werden durch die vorliegende Offenbarung in Betracht gezogen.A number of data stores were also discussed. It is pointed out that the data stores can each be divided into several data stores. In some examples, one or more of the data stores may be local to systems accessing the data stores, one or more of the data stores may be remote from a system using the data store, or one or more data stores may be local while others are remote. All of these configurations are contemplated by the present disclosure.

Außerdem zeigen die Figuren eine Reihe von Blöcken mit Funktionen, die jedem Block zugeordnet sind. Es wird darauf hingewiesen, dass weniger Blöcke verwendet werden können, um zu veranschaulichen, dass die Funktionalität, die mehreren verschiedenen Blöcken zugewiesen wird, von weniger Komponenten ausgeführt wird. Es können auch mehr Blöcke verwendet werden, die veranschaulichen, dass die Funktionalität auf mehrere Komponenten verteilt sein kann. In verschiedenen Beispielen können einige Funktionen hinzugefügt und einige entfernt werden.In addition, the figures show a series of blocks with functions associated with each block. It is noted that fewer blocks may be used to illustrate that functionality assigned to multiple different blocks is performed by fewer components. More blocks can also be used, illustrating that functionality can be distributed across multiple components. In different examples, some functionality may be added and some may be removed.

Es ist zu beachten, dass die vorstehende Erläuterung eine Vielzahl unterschiedlicher Systeme, Komponenten, Logiken und Interaktionen beschrieben hat. Es versteht sich, dass beliebige oder alle solcher Systeme, Komponenten, Logiken und Interaktionen durch Hardwareelemente, wie etwa Prozessoren, Speicher oder andere Verarbeitungskomponenten, einschließlich, aber nicht beschränkt auf Komponenten mit künstlicher Intelligenz, wie etwa neuronale Netzwerke, von denen einige im Folgenden beschrieben werden, umgesetzt werden können, die die Funktionen ausführen, die mit diesen Systemen, Komponenten, Logiken oder Interaktionen verbunden sind. Darüber hinaus können beliebige oder alle Systeme, Komponenten, Logiken und Interaktionen durch Software implementiert werden, die in einen Speicher geladen werden und anschließend von einem Prozessor oder Server oder einer anderen Rechnerkomponente ausgeführt werden, wie nachfolgend beschrieben. Jedes oder alle Systeme, Komponenten, Logiken und Interaktionen können auch durch verschiedene Kombinationen von Hardware, Software, Firmware usw. umgesetzt werden, von denen einige Beispiele nachfolgend beschrieben werden. Dies sind einige Beispiele für verschiedene Strukturen, die zur Implementierung beliebiger oder aller der oben beschriebenen Systeme, Komponenten, Logiken und Interaktionen verwendet werden können. Es können auch andere Strukturen verwendet werden.It should be noted that the discussion above has described a variety of different systems, components, logic and interactions. It is understood that any or all such systems, components, logic, and interactions are powered by hardware elements, such as processors, memory, or other processing components, including but not limited to artificial intelligence components, such as neural networks, some of which are described below, may be implemented that perform the functions associated with those systems, components, logic or interactions. In addition, any or all of the systems, components, logic, and interactions may be implemented by software loaded into memory and then executed by a processor or server or other computing component, as described below. Any or all of the systems, components, logic, and interactions may also be implemented through various combinations of hardware, software, firmware, etc., some examples of which are described below. These are some examples of different structures that can be used to implement any or all of the systems, components, logic, and interactions described above. Other structures can also be used.

14 ist ein Blockdiagramm der landwirtschaftlichen Erntemaschine 600, das der in 2 gezeigten landwirtschaftlichen Erntemaschine 100 ähnlich sein kann. Die landwirtschaftliche Erntemaschine 600 kommuniziert mit Elementen in einer Remote-Serverarchitektur 500. In einigen Beispielen stellt die Remote-Serverarchitektur 500 Rechen-, Software-, Datenzugriffs- und Speicherdienste bereit, die keine Kenntnisse des Endbenutzers über den physischen Standort oder die Konfiguration des Systems erfordern, das die Dienste bereitstellt. In verschiedenen Beispielen können Remote-Server die Dienste über ein Weitverkehrsnetzwerk, wie etwa das Internet, unter Verwendung geeigneter Protokolle bereitstellen. So können beispielsweise Remote-Serveranwendungen über ein Weitverkehrsnetzwerk bereitstellen und über einen Webbrowser oder eine andere Computerkomponente darauf zugreifen. Software oder Komponenten, die in 2 gezeigt sind, sowie damit verbundene Daten können auf Servern an einem Remote-Standort gespeichert werden. Die Computerressourcen in einer Remote-Serverumgebung können an einem Remote-Standort des Rechenzentrums konsolidiert oder an eine Vielzahl von Remote-Rechenzentren verteilt werden. Remote-Server-Infrastrukturen können Dienste über gemeinsam genutzte Rechenzentren bereitstellen, obwohl die Dienste für den Benutzer als ein einziger Zugangspunkt erscheinen. Somit können die hierin beschriebenen Komponenten und Funktionen von einem Remote-Server an einem Remote-Standort über eine Remote-Server-Architektur bereitgestellt werden. Alternativ können die Komponenten und Funktionen von einem Server bereitgestellt werden, oder die Komponenten und Funktionen können direkt oder auf andere Weise auf Endgeräten installiert werden. 14 12 is a block diagram of agricultural harvester 600 shown in FIG 2 shown agricultural harvesting machine 100 may be similar. Agricultural harvester 600 communicates with elements in a remote server architecture 500. In some examples, remote server architecture 500 provides computing, software, data access, and storage services that do not require end-user knowledge of the physical location or configuration of the system that provides the Services. In various examples, remote servers may provide the services over a wide area network, such as the Internet, using appropriate protocols. For example, remote server applications can be deployed over a wide area network and accessed through a web browser or other computer component. Software or components included in 2 shown and related data may be stored on servers at a remote location. The computing resources in a remote server environment can be consolidated at a remote data center site or distributed to a variety of remote data centers. Remote server infrastructures can provide services across shared data centers, although the services appear to the user as a single point of entry. Thus, the components and functions described herein can be provided from a remote server at a remote site via a remote server architecture. Alternatively, the components and functions may be provided by a server, or the components and functions may be installed directly or otherwise on end devices.

In dem in 14 dargestellten Beispiel sind einige Elemente denen in 2 ähnlich und diese Elemente sind ähnlich nummeriert. 14 zeigt insbesondere, dass sich der prädiktive Modellgenerator 210 oder der prädiktive Kartengenerator 212 oder beide an einem Serverstandort 502 befinden können, der entfernt von der landwirtschaftlichen Erntemaschine 600 ist. Daher greift in dem in 14 gezeigten Beispiel die landwirtschaftliche Erntemaschine 600 über den Remote-Serverstandort 502 auf Systeme zu.in the in 14 example shown are some elements those in 2 similar and these elements are numbered similarly. 14 FIG. 12 specifically shows that the predictive model generator 210 or the predictive map generator 212 or both may be located at a server location 502 that is remote from the agricultural harvester 600. FIG. Therefore engages in the in 14 For example, as shown, agricultural harvester 600 approaches systems via remote server location 502 .

14 veranschaulicht darüber hinaus ein weiteres Beispiel für eine Remote-Serverarchitektur. 14 zeigt, dass einige Elemente von 2 an einem Remote-Serverstandort 502 angeordnet sein können, während andere an einem anderen Standort angeordnet sein können. So kann beispielsweise der Datenspeicher 202 an einem von Standort 502 getrennten Standort angeordnet sein und es kann über den Remote-Server an Standort 502 darauf zugegriffen werden. Unabhängig davon, wo sich die Elemente befinden, kann direkt auf die Elemente von der landwirtschaftlichen Erntemaschine 600 über ein Netzwerk wie etwa ein Weitverkehrsnetzwerk oder ein lokales Netzwerk zugegriffen werden; die Elemente können an einem Remote-Standort von einem Dienst gehostet werden; oder die Elemente können als Dienst bereitgestellt werden oder über einen Verbindungsdienst, der sich an einem entfernten Standort befindet, darauf zugegriffen werden. Außerdem können Daten an jedem Standort gespeichert werden und die gespeicherten Daten können von Bedienern, Benutzern oder Systemen abgerufen oder an diese weitergeleitet werden. So können beispielsweise physikalische Träger anstelle oder zusätzlich zu elektromagnetischen Strahlungsträgern verwendet werden. In einigen Beispielen, in denen die Netzabdeckung schlecht oder nicht vorhanden ist, kann eine andere Maschine, z. B. ein Tankwagen oder eine andere mobile Maschine oder ein anderes Fahrzeug, über ein automatisches, halbautomatisches oder manuelles System zur Informationserfassung verfügen. Wenn sich der Mähdrescher 600 vor dem Betanken in die Nähe der Maschine begibt, die das Informationserfassungssystem enthält, wie etwa einen Tankwagen, erfasst das Informationserfassungssystem die Informationen von dem Mähdrescher 600 über eine beliebige drahtlose Ad-hoc-Verbindung. Die gesammelten Informationen können dann an ein anderes Netz weitergeleitet werden, wenn die Maschine, die die empfangenen Informationen enthält, eine Position erreicht, an dem eine drahtlose Telekommunikationsdienstabdeckung oder eine andere drahtlose Abdeckung verfügbar ist. So kann beispielsweise ein Tankwagen in einen Bereich einfahren, der über eine drahtlose Kommunikationsabdeckung verfügt, wenn er zum Betanken anderer Maschinen an einen Ort fährt oder wenn er sich an einem Haupttanklager befindet. Alle diese Architekturen werden hierin betrachtet. Darüber hinaus können die Informationen in der landwirtschaftlichen Erntemaschine 600 gespeichert werden, bis die landwirtschaftliche Erntemaschine 600 einen Bereich mit drahtloser Kommunikationsabdeckung erreicht. Die landwirtschaftliche Erntemaschine 600 selbst kann die Informationen an ein anderes Netzwerk senden. 14 also illustrates another example of a remote server architecture. 14 shows that some elements of 2 may be located at a remote server location 502, while others may be located at a different location. For example, data store 202 may be located at a separate site from site 502 and accessed through the remote server at site 502 . Regardless of where the elements are located, the elements can be accessed directly by the agricultural harvester 600 over a network, such as a wide area network or a local area network; the items may be hosted at a remote location by a service; or the items may be provided as a service or accessed via a connection service located at a remote location. In addition, data can be stored at any location and the stored data can be retrieved or forwarded to operators, users or systems. For example, physical carriers can be used instead of or in addition to electromagnetic radiation carriers. In some examples where network coverage is poor or non-existent, another machine, e.g. a tank truck or other mobile machine or vehicle, have an automatic, semi-automatic or manual information collection system. If the combine 600 is in proximity to the machine containing the information collection system, such as a tanker truck, prior to refueling, the information collection system collects the information from the combine 600 via any ad hoc wireless connection. The information collected may then be forwarded to another network when the machine containing the received information reaches a location where wireless telecommunications service coverage or other wireless coverage is available. For example, a fuel truck may enter an area that has wireless communications coverage when it is driving to a location to refuel other machines or when it is at a main tank farm is located. All of these architectures are considered herein. Furthermore, the information may be stored in the agricultural harvester 600 until the agricultural harvester 600 reaches an area of wireless communication coverage. The agricultural harvester 600 itself can send the information to another network.

Es wird auch darauf hingewiesen, dass die Elemente von 2 oder Teile davon auf einer Vielzahl von unterschiedlichen Vorrichtungen angeordnet sein können. Eine oder mehrere dieser Vorrichtungen können einen Bordcomputer, eine elektronische Steuereinheit, eine Anzeigeeinheit, einen Server, einen Desktopcomputer, einen Laptop-Computer, einen Tablet-Computer oder eine andere mobile Vorrichtung beinhalten, wie etwa einen Palmtop-Computer, ein Mobiltelefon, ein Smartphone, einen Multimediaplayer, einen persönlichen digitalen Assistenten usw.It is also noted that the elements of 2 or portions thereof may be located on a variety of different devices. One or more of these devices may include an on-board computer, electronic control unit, display unit, server, desktop computer, laptop computer, tablet computer, or other mobile device, such as a palmtop computer, a mobile phone, a smartphone , a multimedia player, a personal digital assistant, etc.

In einigen Beispielen kann die Remote-Serverarchitektur 500 Cybersicherheitsmaßnahmen beinhalten. Ohne Einschränkung können diese Maßnahmen eine Verschlüsselung von Daten auf Speichervorrichtungen, eine Verschlüsselung von Daten, die zwischen Netzwerkknoten gesendet werden, eine Authentifizierung von Personen oder Prozessen, die auf Daten zugreifen, sowie die Verwendung von Hauptbüchern zum Aufzeichnen von Metadaten, Daten, Datenübertragungen, Datenzugriffen und Datentransformationen beinhalten. In einigen Beispielen können die Hauptbücher verteilt und unveränderlich sein (z. B. als Blockchain implementiert).In some examples, the remote server architecture 500 may include cyber security measures. Without limitation, these measures may include encryption of data on storage devices, encryption of data sent between network nodes, authentication of individuals or processes accessing data, and use of ledgers to record metadata, data, data transfers, data access and involve data transformations. In some examples, the ledgers may be distributed and immutable (eg, implemented as a blockchain).

15 ist ein vereinfachtes Blockdiagramm eines veranschaulichenden Beispiels einer tragbaren oder mobilen Computervorrichtung, die als Handgerät 16 eines Benutzers oder Kunden verwendet werden kann, in dem das vorliegende System (oder Teile davon) eingesetzt werden kann. So kann beispielsweise eine mobile Vorrichtung in der Fahrerkabine der landwirtschaftlichen Erntemaschine 100 eingesetzt werden, um die oben erörterten Karten zu erzeugen, zu verarbeiten oder anzuzeigen. Die 16-17 sind Beispiele für tragbare oder mobile Vorrichtungen. 15 1 is a simplified block diagram of an illustrative example of a portable or mobile computing device that may be used as a handheld device 16 of a user or customer in which the present system (or portions thereof) may be deployed. For example, a mobile device may be deployed in the cab of agricultural harvester 100 to generate, process, or display the maps discussed above. the 16-17 are examples of portable or mobile devices.

15 zeigt ein allgemeines Blockdiagramm der Komponenten eines Endgerätes 16, das einige der in 2 dargestellten Komponenten ausführen kann, mit ihnen interagieren kann, oder beides. In der Vorrichtung 16 ist eine Kommunikationsverbindung 13 bereitgestellt, die es der tragbaren Vorrichtung ermöglicht, mit anderen Computervorrichtungen zu kommunizieren, und unter einigen Beispielen einen Kanal zum automatischen Empfangen von Informationen, beispielsweise durch Scannen, bereitstellt. Beispiele für Kommunikationsverbindungen 13 beinhalten das Zulassen der Kommunikation über ein oder mehrere Kommunikationsprotokolle, wie etwa drahtlose Dienste, die verwendet werden, um einen zellularen Zugang zu einem Netzwerk zu ermöglichen, sowie Protokolle, die lokale drahtlose Verbindungen zu Netzwerken bereitstellen. 15 shows a general block diagram of the components of a terminal 16, showing some of the 2 can run the components shown, can interact with them, or both. A communications link 13 is provided in device 16, enabling the portable device to communicate with other computing devices and, in some examples, providing a channel for automatically receiving information, such as by scanning. Examples of communication links 13 include allowing communication over one or more communication protocols, such as wireless services used to provide cellular access to a network, and protocols that provide local wireless connections to networks.

In anderen Beispielen können Anwendungen auf einer entfernbaren „Secure Digital“-(SD-)Karte empfangen werden, die mit einer Schnittstelle 15 verbunden ist. Die Schnittstelle 15 und die Kommunikationsverbindungen 13 kommunizieren mit einem Prozessor 17 (der auch die Prozessoren oder Server aus den anderen FIG. verkörpern kann) über einen Bus 19, der ebenfalls mit dem Speicher 21 und den Ein-/Ausgabekomponenten (E/A) 23 sowie dem Taktgeber 25 und dem Ortungssystem 27 verbunden ist.In other examples, applications may be received on a removable Secure Digital (SD) card connected to an interface 15 . Interface 15 and communications links 13 communicate with a processor 17 (which may also embody the processors or servers of the other FIGS.) via a bus 19 which is also connected to memory 21 and input/output (I/O) components 23 and the clock 25 and the locating system 27 is connected.

E/A-Komponenten 23 sind in einem Beispiel vorgesehen, um Ein- und Ausgabeoperationen zu erleichtern. E/A-Komponenten 23 für verschiedene Beispiele des Endgeräts 16 können Eingabekomponenten, wie etwa Tasten, Tastsensoren, optische Sensoren, Mikrofone, Touchscreens, Näherungssensoren, Beschleunigungssensoren, Orientierungssensoren, und Ausgabekomponenten, wie etwa eine Anzeigevorrichtung, ein Lautsprecher und/oder ein Druckeranschluss beinhalten. Es können auch andere E/A-Komponenten 23 verwendet werden.I/O components 23 are provided in one example to facilitate input and output operations. I/O components 23 for various examples of terminal device 16 may include input components such as buttons, tactile sensors, optical sensors, microphones, touch screens, proximity sensors, accelerometer sensors, orientation sensors, and output components such as a display, speaker, and/or printer port . Other I/O components 23 can also be used.

Die Uhr 25 umfasst veranschaulichend eine Echtzeituhrkomponente, die eine Uhrzeit und ein Datum ausgibt. Dieser kann auch, veranschaulichend, Timing-Funktionen für Prozessor 17 bereitstellen.Clock 25 illustratively includes a real-time clock component that outputs a time and date. This may also provide timing functions for processor 17, illustratively.

Das Ortungssystem 27 beinhaltet veranschaulichend eine Komponente, die eine aktuelle geografische Position des Geräts 16 ausgibt. Dies kann beispielsweise einen globalen Positionierungssystem-(GPS-)Empfänger, ein LORAN-System, ein Koppelnavigationssystem, ein zellulares Triangulationssystems oder ein anderes Positionierungssystems beinhalten. Das Ortungssystem 27 kann beispielsweise auch eine Karten- oder Navigationssoftware beinhalten, die gewünschte Karten, Navigationsrouten und andere geografische Funktionen erzeugt.The location system 27 illustratively includes a component that outputs a current geographic position of the device 16 . This may include, for example, a global positioning system (GPS) receiver, a LORAN system, a dead reckoning system, a cellular triangulation system, or other positioning system. For example, location system 27 may also include mapping or navigation software that generates desired maps, navigation routes, and other geographic features.

Der Speicher 21 speichert das Betriebssystem 29, die Netzwerkeinstellungen 31, die Anwendungen 33, die Anwendungskonfigurationseinstellungen 35, den Datenspeicher 37, die Kommunikationstreiber 39 und die Kommunikationskonfigurationseinstellungen 41. Der Speicher 21 kann alle Arten von greifbaren flüchtigen und nichtflüchtigen computerlesbaren Speichervorrichtungen beinhalten. Der Speicher 21 kann auch Computerspeichermedien beinhalten (siehe unten). Der Speicher 21 speichert computerlesbare Anweisungen, die, wenn sie von Prozessor 17 ausgeführt werden, den Prozessor veranlassen, computerimplementierte Schritte oder Funktionen gemäß den Anweisungen auszuführen. Der Prozessor 17 kann von anderen Komponenten aktiviert werden, um auch deren Funktionalität zu verbessern.Memory 21 stores operating system 29, network settings 31, applications 33, application configuration settings 35, data storage 37, communication drivers 39, and communication configuration settings 41. Memory 21 may include all types of tangible volatile and non-volatile computer-readable storage devices ten. Memory 21 may also include computer storage media (see below). Memory 21 stores computer-readable instructions that, when executed by processor 17, cause the processor to perform computer-implemented steps or functions in accordance with the instructions. The processor 17 can be activated by other components to enhance their functionality as well.

16 zeigt ein Beispiel, bei dem die Vorrichtung 16 ein Tablet-Computer 600 ist. In 16 wird der Computer 601 mit dem Benutzerschnittstellen-Bildschirm 602 dargestellt. Der Bildschirm 602 kann ein Touchscreen oder eine stiftfähige Schnittstelle sein, die Eingaben von einem Stift oder Stylus empfängt. Der Tablet-Computer 600 kann auch eine virtuelle Bildschirmtastatur verwenden. Natürlich kann der Computer 601 auch über einen geeigneten Befestigungsmechanismus, wie etwa eine drahtlose Verbindung oder einen USB-Anschluss, an eine Tastatur oder eine andere Benutzereingabevorrichtung angeschlossen werden. Der Computer 601 kann illustrativ auch Spracheingaben empfangen. 16 FIG. 12 shows an example where the device 16 is a tablet computer 600. FIG. In 16 the computer 601 with the user interface screen 602 is shown. The screen 602 can be a touch screen or a pen-enabled interface that receives input from a pen or stylus. The tablet computer 600 can also use a virtual on-screen keyboard. Of course, the computer 601 can also be connected to a keyboard or other user input device via any suitable attachment mechanism, such as a wireless connection or a USB port. Computer 601 may illustratively also receive voice input.

17 ist ähnlich der 16 mit der Ausnahme, dass die Vorrichtung ein Smartphone 71 ist. Das Smartphone 71 verfügt über ein berührungsempfindliches Display 73, das Symbole oder Grafiken oder andere Benutzereingabemechanismen 75 anzeigt. Die Mechanismen 75 können von einem Benutzer verwendet werden, um Anwendungen auszuführen, Anrufe zu tätigen, Datenübertragungsvorgänge durchzuführen usw. Im Allgemeinen ist das Smartphone 71 auf einem mobilen Betriebssystem aufgebaut und bietet eine fortschrittlichere Rechenleistung und Konnektivität als ein Funktionstelefon. 17 is similar to that 16 except that the device is a smartphone 71 . The smartphone 71 has a touch-sensitive display 73 that displays icons or graphics or other user input mechanisms 75 . The mechanisms 75 can be used by a user to run applications, make calls, perform data transfer operations, etc. In general, the smartphone 71 is built on top of a mobile operating system and offers more advanced computing power and connectivity than a feature phone.

Es ist zu beachten, dass andere Formen der Vorrichtungen 16 möglich sind.It should be noted that other shapes of devices 16 are possible.

18 ist ein Beispiel für eine Rechnerumgebung, in der Elemente von 2 eingesetzt werden können. Unter Bezugnahme auf 18 beinhaltet ein beispielhaftes System zur Implementierung einiger Ausführungsformen eine Rechenvorrichtung in Form eines Computers 810, der programmiert ist, um wie oben erörtert zu arbeiten. Die Komponenten des Computers 810 können, ohne hierauf beschränkt zu sein, unter anderem eine Verarbeitungseinheit 820 (die Prozessoren oder Server aus den vorstehenden FIGUREN beinhalten kann), einen Systemspeicher 830 und einen Systembus 821 umfassen, die verschiedene Systemkomponenten einschließlich des Systemspeichers mit der Verarbeitungseinheit 820 koppeln. Der Systembus 821 kann eine von mehreren Arten von Busstrukturen sein, einschließlich eines Speicherbusses oder einer Speichersteuerung, eines Peripheriebusses und eines lokalen Busses mit einer Vielzahl von Busarchitekturen. Speicher und Programme, die in Bezug auf 2 beschrieben werden, können in entsprechenden Teilen von 18 eingesetzt werden. 18 is an example of a computing environment in which elements of 2 can be used. With reference to 18 An exemplary system for implementing some embodiments includes a computing device in the form of a computer 810 programmed to operate as discussed above. The components of the computer 810 may include, but are not limited to, a processing unit 820 (which may include processors or servers from the preceding FIGURES), a system memory 830, and a system bus 821 that connects various system components including the system memory to the processing unit 820 couple. The system bus 821 can be any of several types of bus structures, including a memory bus or memory controller, a peripheral bus, and a local bus with a variety of bus architectures. Memory and programs related to 2 may be described in appropriate parts of 18 be used.

Der Computer 810 beinhaltet typischerweise mehrere computerlesbare Medien. Computerlesbare Medien können beliebige verfügbare Medien sein, auf die der Computer 810 zugreifen kann, und umfassen sowohl flüchtige als auch nichtflüchtige Medien, entfernbare und nicht entfernbare Medien. Beispielsweise und nicht einschränkend können computerlesbare Medien Computerspeichermedien und Kommunikationsmedien umfassen. Computerspeichermedien unterscheiden sich von einem modulierten Datensignal oder einer Trägerwelle und beinhalten diese nicht. Computerlesbare Medien umfassen Hardware-Speichermedien mit flüchtigen und nichtflüchtigen, entfernbaren und nicht entfernbaren Medien, die in einem beliebigen Verfahren oder einer Technologie für die Speicherung von Informationen, wie etwa computerlesbaren Befehlen, Datenstrukturen, Programmmodulen oder anderen Daten, implementiert sind. Rechenspeichermedien umfassen, aber sie sind nicht beschränkt auf RAM, ROM, EEPROM, Flash-Speicher oder andere Speichertechnologie, CD-ROM, Digitalversatile-Disks (DVD) oder andere optische Plattenspeicher, Magnetkassetten, -bänder, -plattenspeicher oder andere magnetische Speichergeräte oder jedes andere Medium, das verwendet werden kann, um die gewünschte Information zu speichern, auf die über den Rechner 810 zugegriffen werden kann. Kommunikationsmedien können computerlesbare Anweisungen, Datenstrukturen, Programmmodule oder andere Daten in einem Transportmechanismus enthalten und umfassen alle Informationslieferungsmedien. Der Begriff „moduliertes Datensignal“ bezeichnet ein Signal, bei dem eine oder mehrere seiner Merkmale so eingestellt oder geändert werden, dass Informationen in dem Signal codiert werden.Computer 810 typically includes a variety of computer-readable media. Computer-readable media can be any available media that can be accessed by the computer 810 and includes both volatile and non-volatile media, removable and non-removable media. By way of example and not limitation, computer-readable media can include computer storage media and communications media. Computer storage media is distinct from and does not include a modulated data signal or carrier wave. Computer-readable media includes hardware storage media, having volatile and non-volatile, removable and non-removable media, implemented in any method or technology for storage of information, such as computer-readable instructions, data structures, program modules, or other data. Computational storage media includes, but is not limited to, RAM, ROM, EEPROM, flash memory or other storage technology, CD-ROM, digital versatile disk (DVD) or other optical disk storage, magnetic cartridge, tape, disk storage or other magnetic storage device, or any other medium that can be used to store the desired information accessible via computer 810. Communication media may contain computer-readable instructions, data structures, program modules, or other data in a transport mechanism and includes any information delivery media. The term "modulated data signal" means a signal that has one or more of its characteristics adjusted or altered to encode information in the signal.

Der Systemspeicher 830 beinhaltet Computerspeichermedien in Form eines flüchtigen und/oder nichtflüchtigen Speichers oder beider, wie etwa Festwertspeicher (ROM) 831 und Direktzugriffsspeicher (RAM) 832. Ein grundlegendes Ein-/Ausgabesystem 833 (BIOS), das die grundlegenden Programme enthält, die helfen, Informationen zwischen den Elementen innerhalb des Computers 810 zu übertragen, wie etwa beim Starten, wird typischerweise im ROM 831 gespeichert. Der RAM 832 enthält typischerweise Daten- oder Programmmodule oder beide, die für die Verarbeitungseinheit 820 unmittelbar zugänglich sind und/oder derzeit betrieben werden. Beispielsweise und nicht einschränkend veranschaulicht 18 das Betriebssystem 834, die Anwendungsprogramme 835, weitere Programmmodule 836 und die Programmdaten 837.System memory 830 includes computer storage media in the form of volatile and/or non-volatile memory, or both, such as read-only memory (ROM) 831 and random access memory (RAM) 832. A basic input/output system 833 (BIOS) that contains the basic programs that help To transfer information between elements within the computer 810, such as at startup, is typically stored in ROM 831. RAM 832 typically contains data or program modules, or both, that are immediately accessible to processing unit 820 and/or are currently operating. Illustrated by way of example and not limitation 18 the operating system 834, the application programs 835, further program modules 836 and the program data 837.

Der Computer 810 kann auch andere entfernbare/nicht-entfernbare flüchtige/nichtflüchtige Computerspeichermedien beinhalten. Beispielsweise wird in 18 ein Festplattenlaufwerk 841 nur beispielhaft veranschaulicht, das von nicht entfernbaren, nichtflüchtigen magnetischen Medien, einem optischen Plattenlaufwerk 855 und einer nichtflüchtigen optischen Platte 856 liest oder auf diese schreibt. Das Festplattenlaufwerk 841 ist typischerweise über eine nichtentfernbare Speicherschnittstelle, wie etwa die Schnittstelle 840, mit dem Systembus 821 verbunden, und das optische Plattenlaufwerk 855 sind typischerweise über eine entfernbare Speicherschnittstelle, wie etwa die Schnittstelle 850, mit dem Systembus 821 verbunden.Computer 810 may also include other removable/non-removable volatile/non-volatile computer storage media. For example, in 18 illustrates a hard disk drive 841 reading from or writing to non-removable, non-volatile magnetic media, an optical disk drive 855, and a non-volatile optical disk 856, by way of example only. Hard disk drive 841 is typically connected to system bus 821 via a non-removable storage interface, such as interface 840, and optical disk drive 855 is typically connected to system bus 821 via a removable storage interface, such as interface 850.

Alternativ oder zusätzlich kann die hierin beschriebene Funktionalität mindestens teilweise durch eine oder mehrere Hardware-Logikkomponenten ausgeführt werden. Zu den veranschaulichenden Arten von Hardware-Logikkomponenten, die verwendet werden können, gehören beispielsweise feldprogrammierbare Gate-Arrays (FPGAs), Applikations-spezifische integrierte Schaltungen (z. B. ASICs), Applikations-spezifische Standardprodukte (z. B. ASSPs), System-on-a-Chip-Systeme (SOCs), „Complex Programmable Logic Devices“ (CPLDs) usw.Alternatively or additionally, the functionality described herein may be performed at least in part by one or more hardware logic components. Illustrative types of hardware logic components that may be used include, for example, field-programmable gate arrays (FPGAs), application-specific integrated circuits (e.g., ASICs), off-the-shelf application-specific products (e.g., ASSPs), system -on-a-chip systems (SOCs), "Complex Programmable Logic Devices" (CPLDs), etc.

Die Laufwerke und die zugehörigen Computerspeichermedien, die obenstehend erörtert und in 18 dargestellt sind, bieten eine Speicherung von computerlesbaren Anweisungen, Datenstrukturen, Programmmodulen und anderen Daten für den Computer 810. In 18 wird beispielsweise die Festplatte 841 als speicherndes Betriebssystem 844, Anwendungsprogramme 845, andere Programmmodule 846 und Programmdaten 847 dargestellt. Es sei angemerkt, dass diese Komponenten entweder gleich oder verschieden von dem Betriebssystem 834, den Anwendungsprogrammen 835, den anderen Programmmodulen 836 und den Programmdaten 837 sein können.The drives and associated computer storage media discussed above and in 18 , provide storage of computer-readable instructions, data structures, program modules, and other data for computer 810. In 18 For example, the hard disk 841 is shown as the storing operating system 844, application programs 845, other program modules 846 and program data 847. It should be noted that these components can be either the same as or different from the operating system 834, the application programs 835, the other program modules 836 and the program data 837.

Ein Benutzer kann Befehle und Informationen in den Computer 810 über Eingabegeräte, wie etwa eine Tastatur 862, ein Mikrofon 863 und ein Zeigegerät 861, wie etwa eine Maus, einen Trackball oder ein Touchpad, eingeben. Andere Eingabevorrichtungen (nicht dargestellt) können einen Joystick, ein Gamepad, eine Satellitenschüssel, einen Scanner oder dergleichen beinhalten. Diese und andere Eingabegeräte sind oft über eine Benutzereingabeschnittstelle 860 mit der Verarbeitungseinheit 820 verbunden, die mit dem Systembus gekoppelt ist, aber auch über andere Schnittstellen- und Busstrukturen verbunden sein kann. Eine optische Anzeige 891 oder eine andere Art von Anzeigevorrichtung ist ebenfalls über eine Schnittstelle, wie etwa eine Videoschnittstelle 890, mit dem Systembus 821 verbunden. Zusätzlich zum Monitor können Computer auch andere periphere Ausgabevorrichtungen, wie etwa die Lautsprecher 897 und den Drucker 896 beinhalten, die über eine Ausgabeperipherieschnittstelle 895 verbunden werden können.A user may enter commands and information into the computer 810 through input devices such as a keyboard 862, a microphone 863, and a pointing device 861 such as a mouse, trackball, or touchpad. Other input devices (not shown) may include a joystick, gamepad, satellite dish, scanner, or the like. These and other input devices are often connected to the processing unit 820 via a user input interface 860, which is coupled to the system bus, but may also be connected via other interface and bus structures. A visual display 891 or other type of display device is also connected to the system bus 821 via an interface such as a video interface 890 . In addition to the monitor, computers may also include other peripheral output devices, such as speakers 897 and printer 896, which may be connected via an output peripheral interface 895.

Der Computer 810 wird in einer Netzwerkumgebung über logische Verbindungen (wie etwa CAN, LAN oder WAN) zu einem oder mehreren entfernten Computern, wie etwa einem entfernten Computer 880, betrieben.Computer 810 operates in a network environment via logical connections (such as CAN, LAN, or WAN) to one or more remote computers, such as remote computer 880.

Bei Verwendung in einer LAN-Netzwerkumgebung ist der Computer 810 über eine Netzwerkschnittstelle oder einen Adapter 870 mit dem LAN 871 verbunden. Bei Verwendung in einer WAN-Netzwerkumgebung beinhaltet der Computer 810 typischerweise ein Modem 872 oder andere Mittel zum Aufbauen einer Kommunikation über das WAN 873, wie etwa das Internet. In einer vernetzten Umgebung können Programmmodule auf einer externen Speichervorrichtung gespeichert werden. 18 veranschaulicht beispielsweise, dass sich Remote-Anwendungsprogramme 885 auf dem entfernten Computer 880 befinden können.When used in a LAN network environment, the computer 810 is connected to the LAN 871 via a network interface or adapter 870 . When used in a WAN network environment, the computer 810 typically includes a modem 872 or other means for establishing communication over the WAN 873, such as the Internet. In a networked environment, program modules may be stored on an external storage device. 18 illustrates, for example, that remote application programs 885 may reside on remote computer 880.

Es sollte auch angemerkt werden, dass die verschiedenen hier beschriebenen Beispiele auf verschiedene Weise kombiniert werden können. Das heißt, Teile eines oder mehrerer Beispiele können mit Teilen eines oder mehrerer anderer Beispiele kombiniert werden. All dies wird hier in Betracht gezogen.It should also be noted that the various examples described here can be combined in various ways. That is, portions of one or more examples may be combined with portions of one or more other examples. All of these are considered here.

Beispiel 1 ist eine landwirtschaftliche Arbeitsmaschine, umfassend:

• ein Kommunikationssystem, das eine Karte empfängt, die Werte eines landwirtschaftlichen Merkmals entsprechend unterschiedlichen geografischen Positionen in einem Feld beinhaltet;
• einen geografischen Positionssensor, der eine geografische Position der landwirtschaftlichen Arbeitsmaschine erfasst;
• einen In-situ-Sensor, der einen Wert eines Erntegutbestandteils erkennt, der der geografischen Position entspricht;
• einen prädiktiven Modellgenerator, der ein prädiktives landwirtschaftliches Modell erzeugt, das eine Beziehung zwischen dem landwirtschaftlichen Merkmal und dem Erntegutbestandteil auf Grundlage eines Werts des landwirtschaftlichen Merkmals in der Karte an der geografischen Position und des Werts des Erntegutbestandteils modelliert, der durch den In-situ-Sensor erkannt wird, der der geografischen Position entspricht; und
• einen prädiktiven Kartengenerator, der eine funktionelle prädiktive landwirtschaftliche Karte des Feldes erzeugt, die prädiktive Werte des Erntegutbestandteils auf Grundlage der Werte des landwirtschaftlichen Merkmals in der Karte und auf Grundlage des prädiktiven landwirtschaftlichen Modells auf die verschiedenen geografischen Positionen in dem Feld abbildet.

Example 1 is an agricultural working machine comprising:

• a communication system that receives a map that includes values of an agricultural characteristic corresponding to different geographic locations in a field;
• a geographic position sensor that detects a geographic position of the agricultural working machine;
• an in situ sensor that detects a crop constituent value that corresponds to the geographic location;
• a predictive model generator that generates a predictive agricultural model that models a relationship between the agricultural feature and the crop ingredient based on a value of the agricultural feature in the map at the geographic location and the value of the crop ingredient detected by the in situ sensor is detected that corresponds to the geographical position; and
• a predictive map generator that produces a functional predictive agricultural map of the field containing predictive values of the Crop constituent based on the values of the agricultural characteristic in the map and based on the predictive agricultural model to the different geographic locations in the field.

Beispiel 2 ist die landwirtschaftliche Arbeitsmaschine eines oder aller vorhergehenden Beispiele, wobei der prädiktive Kartengenerator die funktionelle prädiktive landwirtschaftliche Karte für den Verbrauch durch ein Steuersystem konfiguriert, das Steuersignale erzeugt, um ein steuerbares Teilsystem auf der landwirtschaftlichen Arbeitsmaschine auf Grundlage der funktionellen prädiktiven landwirtschaftlichen Karte zu steuern.Example 2 is the agricultural work machine of any or all of the preceding examples, wherein the predictive map generator configures the functional predictive agricultural map for consumption by a control system that generates control signals to control a controllable subsystem on the agricultural work machine based on the functional predictive agricultural map .

Beispiel 3 ist die landwirtschaftliche Arbeitsmaschine eines oder aller vorhergehenden Beispiele, wobei die Steuersignale das steuerbare Teilsystem steuern, um eine Drehzahl eines Reinigungsgebläses an der landwirtschaftlichen Arbeitsmaschine zu steuern.Example 3 is the agricultural work machine of any or all of the preceding examples, wherein the control signals control the controllable subsystem to control a speed of a cleaning fan on the agricultural work machine.

Beispiel 4 ist die landwirtschaftliche Arbeitsmaschine eines oder aller vorhergehenden Beispiele, wobei die Steuersignale das steuerbare Teilsystem steuern, um eine Größe von Öffnungen an einem Häcksler an der landwirtschaftlichen Arbeitsmaschine zu steuern.Example 4 is the agricultural work machine of any or all of the preceding examples, wherein the control signals control the controllable subsystem to control a size of openings on a chopper on the agricultural work machine.

Beispiel 5 ist die landwirtschaftliche Arbeitsmaschine eines oder aller vorhergehenden Beispiele, wobei die Karte eine frühere vegetative Indexkarte umfasst, die als die Werte des landwirtschaftlichen Merkmals vegetative Indexwerte umfasst, die den verschiedenen geografischen Positionen in dem Feld entsprechen.Example 5 is the agricultural work machine of any or all of the preceding examples, wherein the map comprises a previous vegetative index map comprising as the agricultural characteristic values vegetative index values corresponding to various geographic locations in the field.

Beispiel 6 ist die landwirtschaftliche Arbeitsmaschine eines beliebigen oder aller vorhergehenden Beispiele, wobei der prädiktive Modellgenerator konfiguriert ist, um eine Beziehung zwischen dem Erntegutbestandteil und den vegetativen Indexwerten auf Grundlage des Werts des Erntegutbestandteils, der durch den In-situ-Sensor erkannt wird, der der geografischen Position und einem vegetativen Indexwert entspricht, in der vegetativen Indexkarte an der geografischen Position zu identifizieren, wobei das prädiktive landwirtschaftliche Modell konfiguriert ist, um einen vegetativen Indexwert als eine Modelleingabe zu empfangen und einen prädiktiven Wert des Erntegutbestandteils als eine Modellausgabe auf Grundlage der identifizierten Beziehung zu erzeugen.Example 6 is the agricultural work machine of any or all of the preceding examples, wherein the predictive model generator is configured to generate a relationship between the crop constituent and the vegetative index values based on the value of the crop constituent detected by the in situ sensor that the geographic location and a vegetative index value corresponds to identify in the vegetative index map at the geographic location, wherein the predictive agricultural model is configured to receive a vegetative index value as a model input and a predictive value of the crop component as a model output based on the identified relationship to create.

Beispiel 7 ist die landwirtschaftliche Arbeitsmaschine eines oder aller vorhergehenden Beispiele, wobei die Karte eine historische Erntegutbestandteilkarte umfasst, die als Werte des landwirtschaftlichen Merkmals historische Werte des Erntegutbestandteils beinhaltet, die den verschiedenen geografischen Positionen in dem Feld entsprechen.Example 7 is the agricultural work machine of any or all of the preceding examples, wherein the map comprises a historical crop constituent map including as agricultural characteristic values historical crop constituent values corresponding to various geographic locations in the field.

Beispiel 8 ist die landwirtschaftliche Arbeitsmaschine eines oder aller vorhergehenden Beispiele, wobei der prädiktive Modellgenerator konfiguriert ist, um eine Beziehung zwischen dem Erntegutbestandteil und den historischen Werten des Erntegutbestandteils auf Grundlage der Werte des Erntegutbestandteils, die durch den In-situ-Sensor erkannt werden, der der geografischen Position und einem historischen Wert des Erntegutbestandteils entspricht, in der historischen Erntegutbestandteilkarte an der geografischen Position zu identifizieren, wobei das prädiktive landwirtschaftliche Modell konfiguriert ist, um einen historischen Wert des Erntegutbestandteils als eine Modelleingabe zu empfangen und einen prädiktiven Wert des Erntegutbestandteils als eine Modellausgabe auf Grundlage der identifizierten Beziehung zu erzeugen.Example 8 is the agricultural work machine of any or all of the preceding examples, wherein the predictive model generator is configured to generate a relationship between the crop constituent and the historical values of the crop constituent based on the values of the crop constituent detected by the in situ sensor, the corresponding to the geographic location and a historical crop ingredient value, in the historic crop ingredient map at the geographic location, wherein the predictive agricultural model is configured to receive a historic crop ingredient value as a model input and a predictive crop ingredient value as a model output based on the identified relationship.

Beispiel 9 ist die landwirtschaftliche Arbeitsmaschine eines oder aller vorhergehenden Beispiele, wobei die Karte eine prädiktive Karte umfasst, die als Werte des landwirtschaftlichen Merkmals prädiktive Werte des landwirtschaftlichen Merkmals abbildet, die den verschiedenen geografischen Positionen in dem Feld entsprechen.Example 9 is the agricultural work machine of any or all of the preceding examples, wherein the map comprises a predictive map mapping as agricultural feature values predictive agricultural feature values corresponding to various geographic locations in the field.

Beispiel 10 ist die landwirtschaftliche Arbeitsmaschine eines oder aller vorhergehenden Beispiele, wobei der prädiktive Modellgenerator konfiguriert ist, um eine Beziehung zwischen dem Erntegutbestandteil und den prädiktiven Werten des landwirtschaftlichen Merkmals auf Grundlage des Werts des Erntegutbestandteils, der durch den In-situ-Sensor erkannt wird, der der geografischen Position entspricht, und eines prädiktiven landwirtschaftlichen Merkmalwerts in der prädiktiven Karte an der geografischen Position zu identifizieren, wobei das prädiktive landwirtschaftliche Modell konfiguriert ist, um einen prädiktiven landwirtschaftlichen Merkmalwert als eine Modelleingabe zu empfangen und einen prädiktiven Wert des Erntegutbestandteils als eine Modellausgabe auf Grundlage der identifizierten Beziehung zu erzeugen.Example 10 is the agricultural work machine of any or all of the preceding examples, wherein the predictive model generator is configured to generate a relationship between the crop component and the predicted values of the agricultural characteristic based on the value of the crop component detected by the in situ sensor. corresponding to the geographic location, and a predictive agricultural feature value in the predictive map at the geographic location, wherein the predictive agricultural model is configured to receive a predictive agricultural feature value as a model input and a predictive value of the crop component as a model output generate based on the identified relationship.

Beispiel 11 ist die landwirtschaftliche Arbeitsmaschine eines oder aller vorhergehenden Beispiele, wobei die Karte eine Bodeneigenschaftskarte umfasst, die als Werte des landwirtschaftlichen Merkmals Werte einer Bodeneigenschaft abbildet, die den verschiedenen geografischen Positionen in dem Feld entsprechen.Example 11 is the agricultural work machine of any or all of the preceding examples, wherein the map comprises a soil property map that maps, as agricultural feature values, values of a soil property corresponding to various geographic locations in the field.

Beispiel 12 ist die landwirtschaftliche Arbeitsmaschine eines oder aller vorhergehenden Beispiele, wobei der prädiktive Modellgenerator konfiguriert ist, um eine Beziehung zwischen dem Erntegutbestandteil und der Bodeneigenschaft auf Grundlage des Werts des Erntegutbestandteils, der durch den In-situ-Sensor erkannt wird, der der geografischen Position entspricht, und eines Werts der Bodeneigenschaft in der Bodeneigenschaftskarte an der geografischen Position zu identifizieren, wobei das prädiktive landwirtschaftliche Modell konfiguriert ist, um einen Wert der Bodeneigenschaft als eine Modelleingabe zu empfangen und einen prädiktiven Wert des Erntegutbestandteils als eine Modellausgabe auf Grundlage der identifizierten Beziehung zu erzeugen.Example 12 is the agricultural work machine of any or all of the preceding examples, wherein the predictive model generator is configured to generate a relationship between crop constituent and soil property based on identifying the value of the crop component detected by the in situ sensor corresponding to the geographic location and a value of the soil property in the soil property map at the geographic location, wherein the predictive agricultural model is configured to identify a value of the soil property receive as a model input and generate a predictive value of the crop constituent as a model output based on the identified relationship.

Beispiel 13 ist ein computerimplementiertes Verfahren zum Erzeugen einer funktionellen prädiktiven landwirtschaftlichen Karte, umfassend:

• Empfangen einer Karte in einer landwirtschaftlichen Arbeitsmaschine, die Werte eines landwirtschaftlichen Merkmals entsprechend unterschiedlichen geografischen Positionen in einem Feld beinhaltet;
• Erkennen einer geografischen Position der landwirtschaftlichen Arbeitsmaschine;
• Erkennen eines Werts eines Erntegutbestandteils mit einem In-situ-Sensor, der der geografischen Position entspricht;
• Erzeugen eines prädiktiven landwirtschaftlichen Modells, das eine Beziehung zwischen dem landwirtschaftlichen Merkmal und dem Erntegutbestandteil modelliert; und
• Steuern eines prädiktiven Kartengenerators, um die funktionelle prädiktive landwirtschaftliche Karte des Feldes zu erzeugen, die prädiktive Werte des Erntegutbestandteils auf Grundlage der Werte des landwirtschaftlichen Merkmals in der Karte und des prädiktiven landwirtschaftlichen Modells auf die verschiedenen Positionen im Feld abbildet.

Example 13 is a computer-implemented method for generating a functional predictive agricultural map, comprising:

• receiving, at an agricultural work machine, a map that includes values of an agricultural characteristic corresponding to different geographic locations in a field;
• detecting a geographic location of the agricultural work machine;
• detecting a value of a crop ingredient with an in situ sensor that corresponds to the geographic location;
• generating a predictive agricultural model that models a relationship between the agricultural trait and the crop component; and
• Controlling a predictive map generator to generate the functional predictive agricultural map of the field mapping predictive values of the crop constituent to the various locations in the field based on the values of the agricultural feature in the map and the predictive agricultural model.

Beispiel 14 ist das computerimplementierte Verfahren eines oder aller vorhergehenden Beispiele, ferner umfassend:

• Konfigurieren der funktionellen prädiktiven landwirtschaftlichen Karte für ein Steuersystem, das Steuersignale erzeugt, um ein steuerbares Teilsystem auf der landwirtschaftlichen Arbeitsmaschine auf Grundlage der funktionellen prädiktiven landwirtschaftlichen Karte zu steuern.

Example 14 is the computer-implemented method of any or all of the preceding examples, further comprising:

• configuring the functional predictive agricultural map for a control system that generates control signals to control a controllable subsystem on the agricultural work machine based on the functional predictive agricultural map.

Beispiel 15 ist das computerimplementierte Verfahren eines oder aller vorhergehenden Beispiele, wobei das Empfangen der Vorabinformationskarte das Empfangen einer früheren vegetativen Indexkarte umfasst, die als die Werte des landwirtschaftlichen Merkmals vegetative Indexwerte beinhaltet, die den verschiedenen geografischen Positionen in dem Feld entsprechen.Example 15 is the computer-implemented method of any or all of the preceding examples, wherein receiving the preliminary information map comprises receiving a previous vegetative index map including as the agricultural characteristic values vegetative index values corresponding to the various geographic locations in the field.

Beispiel 16 ist das computerimplementierte Verfahren eines oder aller vorhergehenden Beispiele, wobei das Erzeugen eines prädiktiven landwirtschaftlichen Modells Folgendes umfasst:

• Identifizieren einer Beziehung zwischen dem vegetativen Index und dem Erntegutbestandteil auf Grundlage des Werts des Erntegutbestandteils, der der geografischen Position entspricht, und eines vegetativen Indexwerts in der vegetativen Indexkarte an der geografischen Position; und
• Steuern eines prädiktiven Modellgenerators, um das prädiktive landwirtschaftliche Modell zu erzeugen, das einen vegetativen Indexwert als eine Modelleingabe empfängt und einen prädiktiven Wert des Erntegutbestandteils als eine Modellausgabe auf Grundlage der identifizierten Beziehung erzeugt.

Example 16 is the computer-implemented method of any or all of the preceding examples, wherein generating a predictive agricultural model comprises:

• identifying a relationship between the vegetative index and the crop component based on the value of the crop component corresponding to the geographic location and a vegetative index value in the vegetative index map at the geographic location; and
• controlling a predictive model generator to generate the predictive agricultural model that receives a vegetative index value as a model input and generates a predictive crop constituent value as a model output based on the identified relationship.

Beispiel 17 ist das computerimplementierte Verfahren eines oder aller vorhergehenden Beispiele, wobei das Empfangen der Vorabinformationskarte das Empfangen einer historischen Erntegutbestandteilkarte umfasst, die als landwirtschaftliches Merkmal historische Werte des Erntegutbestandteils beinhaltet, die den verschiedenen geografischen Positionen in dem Feld entsprechen.Example 17 is the computer-implemented method of any or all of the preceding examples, wherein receiving the preliminary information map comprises receiving a historical crop constituent map including as an agricultural characteristic historical crop constituent values corresponding to the various geographic locations in the field.

Beispiel 18 ist das computerimplementierte Verfahren eines oder aller vorhergehenden Beispiele, wobei das Erzeugen eines prädiktiven landwirtschaftlichen Modells Folgendes umfasst:

• Identifizieren einer Beziehung zwischen den historischen Erntegutbestandteilwerten und dem Erntegutbestandteil auf Grundlage des Werts des Erntegutbestandteils, der der geografischen Position und einem historischen Wert des Erntegutbestandteils entspricht, in der historischen Erntegutbestandteilkarte an der geografischen Position; und
• Steuern eines prädiktiven Modellgenerators, um das prädiktive landwirtschaftliche Modell zu erzeugen, das einen historischen Wert der Erntegutbestandteil als eine Modelleingabe empfängt und einen prädiktiven Wert des Erntegutbestandteils als eine Modellausgabe auf Grundlage der identifizierten Beziehung erzeugt.

Example 18 is the computer-implemented method of any or all of the preceding examples, wherein generating a predictive agricultural model comprises:

• identifying a relationship between the historical crop constituent values and the crop constituent based on the value of the crop constituent corresponding to the geographic location and a historical value of the crop constituent in the historical crop constituent map at the geographic location; and
• controlling a predictive model generator to generate the predictive agricultural model that receives a historical value of the crop ingredient as a model input and generates a predictive value of the crop ingredient as a model output based on the identified relationship.

Beispiel 19 ist das computerimplementierte Verfahren eines oder aller vorhergehenden Beispiele, ferner umfassend:

• Steuern eines Bedienerschnittstellenmechanismus, um die funktionelle prädiktive landwirtschaftliche Karte darzustellen.

Example 19 is the computer-implemented method of any or all of the preceding examples, further comprising:

• Controlling an operator interface mechanism to present the functional predictive agricultural map.

Beispiel 20 ist eine landwirtschaftliche Arbeitsmaschine, umfassend:

• ein Kommunikationssystem, das eine Karte empfängt, die landwirtschaftliche Merkmalswerte angibt, die verschiedenen geografischen Positionen in einem Feld entsprechen;
• einen geografischen Positionssensor, der eine geografische Position der landwirtschaftlichen Arbeitsmaschine erfasst;
• einen In-situ-Sensor, der einen Wert eines Erntegutbestandteils erkennt, der der geografischen Position entspricht;
• einen prädiktiven Modellgenerator, der ein prädiktives Erntegutbestandteilmodell erzeugt, das eine Beziehung zwischen dem landwirtschaftlichen Merkmal und dem Erntegutbestandteil auf Grundlage eines landwirtschaftlichen Merkmalswerts in der Karte an der geografischen Position und des Werts des Erntegutbestandteils modelliert, der durch den In-situ-Sensor erfasst wird, der der geografischen Position entspricht; und
• einen prädiktiven Kartengenerator, der eine funktionelle prädiktive Erntegutbestandteilkarte des Feldes erzeugt, die prädiktive Werte des Erntegutbestandteils auf Grundlage der landwirtschaftlichen Merkmalwerte in der Karte und auf Grundlage des prädiktiven Erntegutbestandteilmodells auf die verschiedenen Positionen in dem Feld abbildet.

Example 20 is an agricultural work machine comprising:

• a communication system that receives a map indicative of agricultural feature values corresponding to various geographic locations in a field;
• a geographic position sensor that detects a geographic position of the agricultural working machine;
• an in situ sensor that detects a crop constituent value that corresponds to the geographic location;
• a predictive model generator that generates a predictive crop ingredient model that models a relationship between the agricultural attribute and the crop ingredient based on an agricultural attribute value in the map at the geographic location and the value of the crop ingredient detected by the in situ sensor, which corresponds to the geographic position; and
• a predictive map generator that generates a functional predictive crop constituent map of the field that maps predictive crop constituent values to the various locations in the field based on the agricultural characteristic values in the map and based on the predictive crop constituent model.

Obwohl der Gegenstand in einer für strukturelle Merkmale oder methodische Handlungen spezifischen Sprache beschrieben wurde, versteht es sich, dass der in den beigefügten Ansprüchen definierte Gegenstand nicht unbedingt auf die vorstehend beschriebenen spezifischen Merkmale oder Handlungen beschränkt ist. Vielmehr werden die vorstehend beschriebenen Besonderheiten und Handlungen als exemplarische Formen der Ansprüche offengelegt.Although the subject matter has been described in language specific to structural features or methodical acts, it should be understood that the subject matter defined in the appended claims is not necessarily limited to the specific features or acts described above. Rather, the features and acts described above are disclosed as example forms of the claims.

Claims (15)

Landwirtschaftliche Arbeitsmaschine (100), umfassend: ein Kommunikationssystem (206), das eine Karte empfängt, die Werte eines landwirtschaftlichen Merkmals beinhaltet, die verschiedenen geografischen Positionen in einem Feld entsprechen; einen geografischen Positionssensor (204), der eine geografische Position der landwirtschaftlichen Arbeitsmaschine erkennt; einen In-situ-Sensor (208), der einen Wert eines Erntegutbestandteils erkennt, der der geografischen Position entspricht; einen prädiktiven Modellgenerator (210), der ein prädiktives landwirtschaftliches Modell erzeugt, das eine Beziehung zwischen dem landwirtschaftlichen Merkmal und dem Erntegutbestandteil auf Grundlage eines Werts des landwirtschaftlichen Merkmals in der Karte an der geografischen Position und des Werts des Erntegutbestandteils modelliert, der durch den In-situ-Sensor erkannt wird, der der geografischen Position entspricht; und einen prädiktiven Kartengenerator (212), der eine funktionelle prädiktive landwirtschaftliche Karte des Feldes erzeugt, die prädiktive Werte des Erntebestandteils auf Grundlage der Werte des landwirtschaftlichen Merkmals in der Karte und auf Grundlage des prädiktiven landwirtschaftlichen Modells auf die verschiedenen geografischen Positionen in dem Feld abbildet.Agricultural working machine (100), comprising: a communication system (206) receiving a map including values of an agricultural feature corresponding to different geographic locations in a field; a geographic position sensor (204) that detects a geographic position of the agricultural work machine; an in situ sensor (208) that detects a crop constituent value corresponding to the geographic location; a predictive model generator (210) that generates a predictive agricultural model that models a relationship between the agricultural attribute and the crop ingredient based on a value of the agricultural attribute in the map at the geographic location and the value of the crop ingredient generated by the in- situ sensor corresponding to geographic position is detected; and a predictive map generator (212) that generates a functional predictive agricultural map of the field mapping predictive values of the crop constituent to the various geographic locations in the field based on the values of the agricultural feature in the map and based on the predictive agricultural model. Landwirtschaftliche Arbeitsmaschine nach Anspruch 1, wobei der prädiktive Kartengenerator die funktionelle prädiktive landwirtschaftliche Karte zum Verbrauch durch ein Steuersystem konfiguriert, das Steuersignale erzeugt, um ein steuerbares Teilsystem auf der landwirtschaftlichen Arbeitsmaschine auf Grundlage der funktionellen prädiktiven landwirtschaftlichen Karte zu steuern.Agricultural working machine after claim 1 , wherein the predictive map generator configures the functional predictive agricultural map for consumption by a control system that generates control signals to control a controllable subsystem on the agricultural work machine based on the functional predictive agricultural map. Landwirtschaftliche Arbeitsmaschine nach Anspruch 2, wobei die Steuersignale das steuerbare Teilsystem steuern, um eine Drehzahl eines Reinigungsgebläses an der landwirtschaftlichen Arbeitsmaschine zu steuern.Agricultural working machine after claim 2 , wherein the control signals control the controllable subsystem to control a speed of a cleaning fan on the agricultural working machine. Landwirtschaftliche Arbeitsmaschine nach Anspruch 2, wobei die Steuersignale das steuerbare Teilsystem steuern, um eine Größe von Öffnungen an einem Häcksler an der landwirtschaftlichen Arbeitsmaschine zu steuern.Agricultural working machine after claim 2 , wherein the control signals control the controllable subsystem to control a size of openings on a chopper on the agricultural work machine. Landwirtschaftliche Arbeitsmaschine nach Anspruch 1, wobei die Karte eine frühere vegetative Indexkarte umfasst, die als Werte des landwirtschaftlichen Merkmals vegetative Indexwerte umfasst, die den verschiedenen geografischen Positionen in dem Feld entsprechen.Agricultural working machine after claim 1 wherein the map comprises a previous vegetative index map comprising as agricultural characteristic values vegetative index values corresponding to different geographic locations in the field. Landwirtschaftliche Arbeitsmaschine nach Anspruch 5, wobei der prädiktive Modellgenerator konfiguriert ist, um eine Beziehung zwischen dem Erntegutbestandteil und den vegetativen Indexwerten auf Grundlage des Werts des Erntegutbestandteils, der durch den In-situ-Sensor erkannt wird, der der geografischen Position und einem vegetativen Indexwert entspricht, in der vegetativen Indexkarte an der geografischen Position zu identifizieren, wobei das prädiktive landwirtschaftliche Modell konfiguriert ist, um einen vegetativen Indexwert als eine Modelleingabe zu empfangen und einen prädiktiven Wert des Erntegutbestandteils als eine Modellausgabe auf Grundlage der identifizierten Beziehung zu erzeugen.Agricultural working machine after claim 5 , wherein the predictive model generator is configured to generate a relationship between the crop component and the vegetative index values based on the value of the crop component detected by the in situ sensor corresponding to the geographical position and a vegetative index value in the vegetative index map at the geographic location, wherein the predictive agricultural model is configured to receive a vegetative index value as a model input and to generate a predictive crop constituent value as a model output based on the identified relationship. Landwirtschaftliche Arbeitsmaschine nach Anspruch 1, wobei die Karte eine historische Erntegutbestandteilkarte umfasst, die als Werte des landwirtschaftlichen Merkmals historische Werte des Erntegutbestandteils umfasst, die den verschiedenen geografischen Positionen in dem Feld entsprechen.Agricultural working machine after claim 1 , the map being a historic harvest comprises a crop constituent map comprising as agricultural characteristic values historical crop constituent values corresponding to different geographic positions in the field. Landwirtschaftliche Arbeitsmaschine nach Anspruch 7, wobei der prädiktive Modellgenerator konfiguriert ist, um eine Beziehung zwischen dem Erntegutbestandteil und den historischen Werten des Erntegutbestandteils auf Grundlage der Werte des Erntegutbestandteils, die durch den In-situ-Sensor erkannt werden, der der geografischen Position entspricht, und eines historischen Werts des Erntegutbestandteils in der historischen Erntegutbestandteilkarte an der geografischen Position zu identifizieren, wobei das prädiktive landwirtschaftliche Modell konfiguriert ist, um einen historischen Wert des Erntegutbestandteils als eine Modelleingabe zu empfangen und einen prädiktiven Wert des Erntegutbestandteils als eine Modellausgabe auf Grundlage der identifizierten Beziehung zu erzeugen.Agricultural working machine after claim 7 , wherein the predictive model generator is configured to generate a relationship between the crop component and the historical values of the crop component based on the values of the crop component detected by the in situ sensor corresponding to the geographic location and a historical value of the crop component in the historical crop constituent map at the geographic location, wherein the predictive agricultural model is configured to receive a historical value of the crop constituent as a model input and to generate a predictive value of the crop constituent as a model output based on the identified relationship. Landwirtschaftliche Arbeitsmaschine nach Anspruch 1, wobei die Karte eine prädiktive Karte umfasst, die als die Werte des landwirtschaftlichen Merkmals prädiktive Werte des landwirtschaftlichen Merkmals entsprechend den verschiedenen geografischen Positionen in dem Feld abbildet.Agricultural working machine after claim 1 wherein the map comprises a predictive map mapping as the agricultural feature values predictive values of the agricultural feature corresponding to the different geographic positions in the field. Landwirtschaftliche Arbeitsmaschine nach Anspruch 9, wobei der prädiktive Modellgenerator konfiguriert ist, um eine Beziehung zwischen dem Erntegutbestandteil und den prädiktiven Werten des landwirtschaftlichen Merkmals auf der Grundlage des Werts des Erntegutbestandteils, der durch den In-situ-Sensor erkannt wird, der der geografischen Position entspricht, und eines prädiktiven landwirtschaftlichen Merkmalwerts in der prädiktiven Karte an der geografischen Position zu identifizieren, wobei das prädiktive landwirtschaftliche Modell konfiguriert ist, um einen prädiktiven landwirtschaftlichen Merkmalwert als eine Modelleingabe zu empfangen und einen prädiktiven Wert des Erntegutbestandteils als eine Modellausgabe auf der Grundlage der identifizierten Beziehung zu erzeugen.Agricultural working machine after claim 9 , wherein the predictive model generator is configured to generate a relationship between the crop component and the predictive values of the agricultural characteristic based on the value of the crop component detected by the in situ sensor corresponding to the geographic location and a predictive agricultural identify a feature value in the predictive map at the geographic location, the predictive agricultural model being configured to receive a predictive agricultural feature value as a model input and to generate a predictive crop constituent value as a model output based on the identified relationship. Landwirtschaftliche Arbeitsmaschine nach Anspruch 1, wobei die Karte eine Bodeneigenschaftskarte umfasst, die als Werte des landwirtschaftlichen Merkmals Werte einer Bodeneigenschaft entsprechend den verschiedenen geografischen Positionen in dem Feld abbildet.Agricultural working machine after claim 1 wherein the map comprises a soil property map mapping as agricultural feature values values of a soil property corresponding to different geographic positions in the field. Landwirtschaftliche Arbeitsmaschine nach Anspruch 11, wobei der prädiktive Modellgenerator konfiguriert ist, um eine Beziehung zwischen dem Erntegutbestandteil und der Bodeneigenschaft auf Grundlage des Werts des Erntegutbestandteils, der durch den In-situ-Sensor erkannt wird, der der geografischen Position entspricht, und eines Werts der Bodeneigenschaft in der Bodeneigenschaftskarte an der geografischen Position zu identifizieren, wobei das prädiktive landwirtschaftliche Modell konfiguriert ist, um einen Wert der Bodeneigenschaft als eine Modelleingabe zu empfangen und einen prädiktiven Wert des Erntegutbestandteils als eine Modellausgabe auf Grundlage der identifizierten Beziehung zu erzeugen.Agricultural working machine after claim 11 , wherein the predictive model generator is configured to predict a relationship between the crop component and the soil property based on the value of the crop component detected by the in situ sensor corresponding to the geographic location and a value of the soil property in the soil property map the geographic location, wherein the predictive agricultural model is configured to receive a value of the soil property as a model input and to generate a predictive value of the crop constituent as a model output based on the identified relationship. Computerimplementiertes Verfahren zur Erzeugung einer funktionellen prädiktiven landwirtschaftlichen Karte, umfassend: Empfangen einer Karte (258) an einer landwirtschaftlichen Arbeitsmaschine (100), die Werte eines landwirtschaftlichen Merkmals beinhaltet, das verschiedenen geografischen Positionen in einem Feld entspricht; Erkennen einer geografischen Position der landwirtschaftlichen Arbeitsmaschine; Erkennen eines Werts eines Erntegutbestandteils mit einem In-situ-Sensor (208), der der geografischen Position entspricht; Erzeugen eines prädiktiven landwirtschaftlichen Modells, das eine Beziehung zwischen dem landwirtschaftlichen Merkmal und dem Erntegutbestandteil modelliert; und Steuern eines prädiktiven Kartengenerators (212), um die funktionelle prädiktive landwirtschaftliche Karte des Feldes zu erzeugen, die prädiktive Werte des Erntebestandteils auf Grundlage der Werte des landwirtschaftlichen Merkmals in der Karte und des prädiktiven landwirtschaftlichen Modells auf die verschiedenen Positionen im Feld abbildet.A computer-implemented method for generating a functional predictive agricultural map, comprising: receiving at an agricultural work machine (100) a map (258) containing values of an agricultural characteristic corresponding to different geographic locations in a field; detecting a geographic location of the agricultural work machine; detecting a crop constituent value with an in situ sensor (208) corresponding to the geographic location; generating a predictive agricultural model that models a relationship between the agricultural trait and the crop component; and controlling a predictive map generator (212) to generate the functional predictive agricultural map of the field mapping predictive values of the crop constituent to the various locations in the field based on the values of the agricultural feature in the map and the predictive agricultural model. Computerimplementiertes Verfahren nach Anspruch 13, ferner umfassend: Konfigurieren der funktionellen prädiktiven landwirtschaftlichen Karte für ein Steuersystem, das Steuersignale erzeugt, um ein steuerbares Teilsystem auf der landwirtschaftlichen Arbeitsmaschine auf Grundlage der funktionellen prädiktiven landwirtschaftlichen Karte zu steuern.Computer-implemented method Claim 13 , further comprising: configuring the functional predictive agricultural map for a control system that generates control signals to control a controllable subsystem on the agricultural work machine based on the functional predictive agricultural map. Landwirtschaftliche Arbeitsmaschine (100), umfassend: ein Kommunikationssystem (206), das eine Karte empfängt, die landwirtschaftliche Merkmalswerte angibt, die verschiedenen geografischen Positionen in einem Feld entsprechen; einen geografischen Positionssensor (204), der eine geografische Position der landwirtschaftlichen Arbeitsmaschine erkennt; einen In-situ-Sensor (208), der einen Wert eines Erntegutbestandteils erkennt, der der geografischen Position entspricht; einen prädiktiven Modellgenerator (210), der ein prädiktives Erntegutbestandteilmodell erzeugt, das eine Beziehung zwischen dem landwirtschaftlichen Merkmal und dem Erntegutbestandteil auf Grundlage eines landwirtschaftlichen Merkmalwerts in der Karte an der geografischen Position und des Werts des Erntegutbestandteils modelliert, der durch den In-situ-Sensor erfasst wird, der der geografischen Position entspricht; und einen prädiktiven Kartengenerator (212), der eine funktionelle prädiktive Erntegutbestandteilkarte des Feldes erzeugt, die prädiktive Werte des Erntegutbestandteils auf Grundlage der landwirtschaftlichen Merkmalwerte in der Karte und auf Grundlage des prädiktiven Erntegutbestandteilmodells auf die verschiedenen Positionen in dem Feld abbildet.An agricultural work machine (100), comprising: a communication system (206) that receives a map indicative of agricultural feature values corresponding to various geographic locations in a field; a geographic position sensor (204) that detects a geographic position of the agricultural work machine; an in situ sensor (208) that detects a crop constituent value corresponding to the geographic location; a predictive model generator (210) that generates a predictive crop ingredient model based on a relationship between the agricultural trait and the crop ingredient modeling the location of an agricultural feature value in the map at the geographic location and the crop constituent value sensed by the in situ sensor corresponding to the geographic location; and a predictive map generator (212) that generates a functional predictive crop constituent map of the field mapping predictive crop constituent values to the various locations in the field based on the agricultural feature values in the map and based on the predictive crop constituent model.

Images